Wyniki 1-6 spośród 6 dla zapytania: authorDesc:"Jan Rak"

Wizualizacja rozkładu potencjałów EEG w zastosowaniu do asynchronicznego interfejsu mózg-komputer

Czytaj za darmo! »

Zadaniem interfejsu mózg-komputer (Brain-Computer Interface: BCI) jest umożliwienie osobom sparaliżowanym komunikacji z otoczeniem. W tym zakresie, systemy BCI umożliwiają przetworzenie "myśli" na proces sterowania urządzeniami zewnętrznymi takimi jak protezy czy wózki inwalidzkie. Opisane w artykule badania mają na celu wskazanie najlepszych miejsc do naklejenia elektrod systemu elektroencefalograficznego (EEG) na głowie pacjenta na potrzeby asynchronicznego interfejsu mózg-komputer. Abstract. The main purpose of a brain-computer interface (BCI) is to allow paralyzed people to communicate with the environment. Currently, the proposed BCI systems of this type are able to process "thoughts" in order to control external devices such as prostheses or wheelchairs. The article presents results of our research how to identify the best places for EEG electrodes on the patient's head for asynchronous brain-computer interface. (Visualization of EEG potential distribution on the patient’s head in application to asynchronous brain-computer interface). Słowa kluczowe: interfejs mózg-komputer, BCI, EEG, ERD/ERS. Keywords: brain-computer interface, BCI, EEG, ERD/ERS. Wstęp Interfejs mózg-komputer stanowi zwykle złożony system, w którym nieodzownymi elementami są: akwizycja, przetwarzanie i analiza sygnału EEG. Choć idea interfejsów mózg-komputer nie jest najnowsza [1], to praktyczne użycie takich interfejsów stało się możliwe dopiero po zastosowaniu szybkich komputerów, zapewniających przetwarzanie sygnałów EEG w czasie rzeczywistym. W systemach BCI wykorzystuje się wybrane sygnały bioelektrycznej aktywności mózgu, zebrane bezpośrednio z mózgu (inwazyjnie) lub z powierzchni skóry czaszki (bezinwazyjnie). Zarejestrowane sygnały, po odpowiednim kondycjonowaniu, są przetwarzane i analizowane. Realizowana jest: ekstrakcja cech, selekcja cech i wreszcie ich klasyfikacja (rys.1). Miejsce naklejenia elektrod na głowie, jak i sposób wydobycia cech[...]

Zastosowanie klasteryzacji do automatycznej detekcji artefaktów mrugania oczami w sygnale EEG DOI:10.12915/pe.2014.08.041

Czytaj za darmo! »

W artykule zaprezentowano autorską metodę detekcji krótkich fragmentów sygnału EEG, które zawierają artefakty mrugania oczami. Autorzy, do automatycznego wskazania fragmentów sygnału EEG zawierającego artefakty mrugania oczami wykorzystali uczenie bez nadzoru (algorytm K-means) oraz cechy sygnału takie jak amplituda i statystyki wyższych rzędów. Wyniki działania algorytmu są bardzo zadowalające. Trafność detekcji wynosi 98%. Algorytm pozwala wykluczyć zaznaczone fragmenty sygnału i nie poddawać ich dalszej analizie. Takie podejście zdaniem autorów przysłuży się do efektywniejszego wykorzystania sygnałów EEG. Abstract. The paper presents an original method for the detection of short fragments of the EEG signal, which contain eye blinking artifacts. The authors, to automatically identify fragments the EEG signal containing eye blinking artifacts, used unsupervised learning (K-means algorithm) and the signal features such as amplitude and higher-order statistics. The obtained results are very satisfactory. Accuracy of detection is 98%. The algorithm enables to exclude selected fragments of the signal and not analyze them further. Such an approach, according to the authors, enable more efficient use of EEG signals. (The use of clustering for automatic detection of eye blinking artifacts in the EEG signal). Słowa kluczowe: EEG, elektroencefalografia, artefakty, mruganie oczami, K-means, uczenie bez nadzoru, klasteryzacja. Keywords: EEG, electroencephalography, artifacts, eye blinks, K-means, unsupervised learning, cluster analysis. doi:10.12915/pe.2014.08.41 Wstęp Elektroencefalografia (EEG) to metoda diagnostyczna wykorzystywana między innymi w medycynie i psychologii [1]. W celu rejestracji sygnału EEG, na powierzchnię głowy nakleja się elektrody umożliwiające odczytanie sygnałów pochodzących z kory mózgowej [2]. Okazuje się jednak, że jednocześnie oprócz sygnału EEG rejestrowane są zaburzenia pochodzenia technicznego oraz inne, niepożąda[...]

Neurofeedback - eksperymenty w LabVIEW

Czytaj za darmo! »

W artykule przedstawiono aplikację do samodzielnego treningu umysłu z wykorzystaniem neurofeedbacku. Aplikacja została stworzona w środowisku LabVIEW, z użyciem otwartej platformy BCI2000. Najważniejsze części aplikacji to: moduł zbierania danych oraz moduł przetwarzania sygnału EEG przy użyciu szybkiego przekształcenia Fouriera. Kluczowym elementem systemu jest moduł, który dla określonej przez użytkownika częstotliwości, dokonuje pomiaru energii sygnału. Wyniki wyświetlane są na panelu aplikacji użytkownika, zapewniając pożądane sprzężenie zwrotne. Abstract. This paper presents an application for self-training of the mind with the use of neurofeedback. The application was developed in LabVIEW environment, using the open BCI2000 platform. The most important parts of the application are data acquisition module and EEG signal processing module implementing Fast Fourier Transform. The key element of the system is the module that, for a user-specified frequency, measures signal energy. The results are then displayed to provide the desired feedback. (Neurofeedback - eksperiments in LabVIEW). Słowa kluczowe: biofeedback, neurofeedback, sygnał EEG. Keywords: biofeedback, neurofeedback, EEG signal. Wstęp Sygnały EEG są szeroko wykorzystywane w diagnozowaniu oraz wspomaganiu terapii różnego typu zaburzeń związanych z pracą mózgu. Analiza EEG może być pomocna przy monitorowaniu i diagnozowaniu padaczki, zaburzeń snu, zaburzeń świadomości, urazów głowy, śpiączki czy śmierci mózgu. W przypadku osób zdrowych sygnał EEG może być wykorzystywany do treningu umysłu poprzez biofeedback EEG zwany też neurofeedbackiem. Autorzy, korzystając z firmowego wzmacniacza biosygnałów oraz darmowej, otwartej platformy BCI2000, stworzyli w środowisku LabVIEW aplikację do samodzielnego treningu umysłu z wykorzystaniem neurofeedbacku. W aplikacji zaimplementowano moduł przetwarzania sygnału EEG przy użyciu szybkiego przekształcenia Fouriera, który dla określone[...]

Rejestracja i analiza sygnału EEG na użytek neuromarketingu DOI:10.15199/48.2015.05.03

Czytaj za darmo! »

Głównym celem eksperymentów jest znalezienie w zarejestrowanych sygnałach EEG cech, które umożliwiają rozróżnienie prezentowanych bodźców dźwiękowych o wysokim i niskim pobudzeniu emocjonalnym. Do wywołania określonych emocji wykorzystano bazę dźwięków IADS. W analizie sygnału wykorzystano wskaźniki, wbudowane w strukturę użytego oprogramowania, takie jak: Attention, Meditation, Delta (1-3 Hz), Theta (4-7 Hz) , Alpha1 (8-9 Hz), Alpha2 (10-12 Hz), Beta1 (13-17 Hz), Beta2 (18-30 Hz), Gamma1 (31-40 Hz), Gamma2 (41-50 Hz). Wykazano, że wskaźniki Attention, Alpha1, Alpha2 oraz Theta są powiązane w sposób istotny statystycznie ze stanem pobudzenia osoby badanej. Abstract. The main objective of the experiments is to find, in recorded EEG signals, such features that allow to distinguish the presented sound stimuli with high and low emotional arousal. To evoke certain emotions IADS sound base was used. In signal analysis parameters built into the structure of the used software, such as Attention, Meditation, Delta (1-3 Hz), Theta (4-7 Hz) , Alpha1 (8-9 Hz), Alpha2 (10-12 Hz), Beta1 (13-17 Hz), Beta2 (18-30 Hz), Gamma1 (31-40 Hz), Gamma2 (41-50 Hz) were used. It has been shown that the parameters Attention, Alpha1, Alpha2 and Theta are related in a statistically significant way with the subject's state of arousal. Registration and analysis of EEG signal for use in neuromarketing. Słowa kluczowe: neuromarketing EEG, baza IADS, emocje, analiza statystyczna. Keywords: neuromarketing EEG, IADS database, emotions, statistical analysis. Wstęp Neuromarketing to dziedzina wiedzy związana z bezpośrednim badaniem reakcji psychofizjologicznych człowieka (konsumenta) na oferowane produkty. Do metod badawczych neuromarketingu należą między innymi: badanie reakcji skórno-galwanicznej, elektroencefalografia, elektromiografia, funkcjonalny magnetyczny rezonans jądrowy, neuroobrazowanie. W zakresie badań elektroencefalograficznych (EEG) wykorzystuje się nowe na[...]

Microstructural characterization of creep in the single crystal superalloy CMSX-4 DOI:10.15199/28.2017.1.3


  Blades and vanes structural components of turbine engines are processed to withstand high temperature during loading conditions of service, fulfilling high standards of quality control and safety for effective use. Therefore, characterization of mechanical properties, such as creep behaviour, are necessary for appropriate control procedures on prediction of exploitation lifetime. The materials mostly used in manufacturing of these components are single crystal nickel-base superalloys. Creep behaviour characterization, composed of creep-rupture tests, were performed on a single crystal rods made of CMSX-4 superalloy obtained at a withdrawal rate of 3 and 5 mm/min. Cylindrical rods were directly solidified in the [001] direction in an ALD Vacuum Technologies investment casting furnace (VIM-IC 2). Then, prepared specimens were tested in tensile creep under constant stress of 248 MPa at a temperature of 982°C. The longitudinal and cross sections from tested samples, were characterized by TEM and X-ray diffraction methods. It was found that all samples showed a similar rupture mechanism. The electron backscatter diffraction (EBSD) measurements showed that octahedral and cubic slip systems were present however, the critical stress was present on {111} planes. It was observed that the cubic slip has the highest calculated Schmid factor along the dendrite cores while the octahedral slip occurs through entire sample volume. Samples obtained at 5 mm/min possess a visible widening of coherent scattering regions as shown in inverse pole figures. The reason of these changes is the fact that higher rate has the greatest probability of creating small angle boundaries, often occurring in the interdendritic channels. Key words: CMSX-4, single crystal, superalloy, creep.1. INTRODUCTION Single crystal superalloys are widely used in the hot section of gas turbines due to their excellent resistant for creep, fatigue and oxidation at high temperature [1]. They ar[...]

Metody przetwarzania sygnału EOG na użytek pomiaru stopnia zmęczenia osób DOI:10.15199/48.2017.12.54

Czytaj za darmo! »

Zmęczenie osób w trakcie wykonywania pracy jest przyczyną wielu wypadków. Dotyczy to szczególnie profesji takich jak: kierowcy, kontrolerzy, maszyniści, piloci [1]. Szacuje się, że zmęczenie kierowców jest przyczyną nawet 20% wypadków drogowych [2]. Samo pojęcie zmęczenia nie jest łatwe do zdefiniowania. Potocznie, pod pojęciem zmęczenia rozumie się zarówno zmęczenie fizyczne, zmęczenie psychiczne, znużenie, znudzenie, obniżenie uwagi, dekoncentrację i senność [3]. Bardzo często, zjawiska te są ze sobą powiązane, trudno i rozdzielić i jednoznacznie określić stan obserwowanej osoby [4]. Oczywiście istnieją powszechne sposoby niwelacji wpływu zmęczenia na bezpieczeństwo pracy, głównie są to ograniczenie i kontrola czasu pracy [5]. Jednakże ciągle poszukuje się nowych metod rozpoznawania stanu zmęczenia, w celu wymuszenia stosownej reakcji osoby obserwowanej. Jednym z podejść jest ciągłe monitorowanie zachowania osoby w celu ekstrakcji specyficznych objawów zmęczenia [6]. Powyższy problem jest rozważany w wielu publikacjach. Najczęściej do tego celu wykorzystuje się obraz z kamery, monitorując zachowania takie jak np. ziewanie, przecieranie oczu, częstość mrugnięć, zamknięcie oczu [7]. W publikacjach relacjonowane są próby wykorzystania do realizacji tego celu wielu różnych sygnałów fizjologicznych takich jak: EOG, EKG, EEG, GSR, puls i częstość oddechu [6]. W pojazdach wykorzystuje się, przede wszystkim, monitorowanie zachowania kierowcy w trakcie wykonywania manewrów kierownicą [7]. Wydaje się, że stosunkowo wygodne jest użycie jako wskaźnika zmęczenia sygnału EOG [8]. Bowiem w sygnałach EOG można stosunkowo łatwo wykrywać mrugnięcia. Jak wskazują studia literaturowe, współczynniki charakteryzujące mruganie są dobrą miarą oceny zmęczenia osoby badanej [9]. Dotychczasowe badania sygnału EOG wskazują, że cechy takie jak: częstość mrugania, amplituda mrugnięć oraz czas ich trwania, są dobrymi miarami opisującymi zmęczenie.[...]

 Strona 1