Bu çalışmanın önerisi, tüketici sınıfı ekipman, basit sinyal işleme ve genişletilmiş gerçeklikten yararlanarak düşük maliyetli, giyilebilir ve taşınabilir beyin-bilgisayar arayüzlerinin geliştirilmesine katkıda bulunmaktadır. Bu teknik, beyin-bilgisayar arayüzü teknolojisini günlük hayata yaklaştırmayı ve hem endüstriyel hem de sağlık uygulamalarında birçok kullanıcı için yeni olanaklar açmayı amaçlamaktadır. Öneri sistemi, dikkat eksikliği/hiperaktivite bozukluğu olan çocuklar veya otizm için robot tabanlı rehabilitasyonda da uygulanmıştır.
Sonuçlar cesaret vericiydi. Başlamak için, akıllı gözlükleri ve kafa bandını takın ve PC ana güç kaynağından çıkarılırken düşük maliyetli elektroensefalografı bir USB kablosuyla bir PC'ye bağlayın. Bu adımda, bilinen bir durumdan başlamak için tüm elektrotların elektroensefalograf edinme kartından ayrılması gerekir.
Bu aşamada, EEG akışı, Android uygulamasında uygulanan işlemle uyumlu bir komut dosyasıyla PC'de çevrimdışı olarak işlenir. EEG sinyallerini almak ve görselleştirmek için komut dosyasını başlatın. Görüntülenen sinyali kontrol edin.
Bu sadece EEG amplifikatörünün niceleme gürültüsüne karşılık gelmelidir. İlk elektrodu bağlayın ve pasif elektrodu özel bir klipsle sol kulağa uygulayın veya bir kulak klipsi elektrodu kullanın. Çıkış sinyali bu adımda değişmeden kalmalıdır, çünkü ölçüm diferansiyel kanalı hala açık bir devredir.
Aktif bir elektrotu, ölçüm EEG kanalının diferansiyel girişinin negatif terminaline bağlayın ve bir kafa bandı ile frontal bölgeye uygulayın. Birkaç saniye sonra, sinyal sıfıra dönmelidir. Diğer aktif elektrodu, ölçüm EEG kanalının diferansiyel girişinin pozitif terminaline bağlayın ve kafa bandı ile oksipital bölgeye uygulayın.
Şimdi frontal beyin bölgesi ve oksipital bölgeye göre ölçülen görsel aktiviteye karşılık gelen bir beyin sinyali görüntülenir. Android uygulamasında titreşen simgeyi başlatarak kullanıcıyı 10 hertz ve 12 hertz titreşen simgelerle tekrar tekrar teşvik edin. EEG alma ve görselleştirme komut dosyasını başlatırken akıllı gözlüklerin dokunmatik yüzeyine basın.
Bu aşamadaki her stimülasyonun 10 saniye boyunca titreşen tek bir simgeden oluştuğundan emin olun. Her stimülasyonla ilişkili on saniyelik sinyallerden, hızlı Fourier dönüşümünü, 10 hertz ve 12 hertz'deki güç spektral yoğunluğunu kullanarak iki özelliği çıkarın. Alternatif olarak, ikinci harmonikleri de göz önünde bulundurun.
Bir destek vektörü makine sınıflandırıcısını eğitmek için özellikler etki alanında edinilen sinyallerin bir temsilini kullanın. Son çekirdeğe sahip bir hiperdüzlemin parametrelerini tanımlamak için MATLAB veya Python'da bir araç kullanın. Giriş özelliklerine dayanarak, eğitilen model EEG sinyallerinin gelecekteki gözlemlerini sınıflandırabilecektir.
USB kablosunu PC'den çıkarın ve doğrudan akıllı gözlüklere bağlayın. Eğitilen sınıflandırıcının parametrelerini Android uygulamasına ekleyin. Sistem artık hazır.
Düşük maliyetli elektroensefalograf, doğrusallık ve büyüklük hatası açısından karakterize edildi. Sonuçlar burada gösterilmektedir. Akıllı gözlüklerin titreşimi, nominal kare dalga yolundan nihai sapmaları vurgulamak için ölçüldü.
Ticari akıllı gözlüklerin titreşen düğmelerin genlik spektrumu açısından karakterizasyonu bu şekilde gösterilmiştir. 10 hertz ve 12 hertz'de titreme burada gösterilmiştir. Bu şekil, özellikler alanındaki görsel stimülasyon sırasında ölçülen sinyalleri temsil eder.
12 hertz titreşen uyaranla ilişkili sinyaller mavi renkte sunulurken, 10 hertz titreşen uyaranla ilişkili sinyaller kırmızı renkte sunulur. Her denek için, on saniyelik bir stimülasyonla ilişkili sonuçlar, iki saniyelik bir stimülasyonla ilişkili olanlarla karşılaştırılır. Tüm konular bir arada düşünülerek elde edilen doğruluk ve tüm denekler arasındaki ortalama doğruluk burada raporlanmaktadır.
SSVEP ile ilişkili EEG verileri için iki PSD özelliği ile dört PSD özelliği göz önünde bulundurulduğunda sınıflandırma performansının karşılaştırılması burada gösterilmiştir. Tüketici sınıfı ekipmanın iyi metrolojik özellikleri göz önüne alındığında, iletken jeller kullanmadıkları için ölçüm elektrotlarının mekanik stabilitesine çoğunlukla dikkat edilmelidir. Bu prosedür, nispeten sağlam gürültü olan SSVEP sinyalleri için işlevsel olduğunu kanıtladı, ancak motor görüntüleri gibi daha ileri paradigmalarda benzer enstrümantasyonun kullanımı araştırılabilir.
Giyilebilirlik, taşınabilirlik ve kullanım kolaylığı sayesinde, bu teknik artık rehabilitasyon için tamamlayıcı bir cihaz veya endüstriyel senaryolar için yeni bir araç olarak araştırılmaktadır.
