Name: a single-channel and non-invasive wearable brain-computer interface for industry and healthcare
Uploaded: 2023-07-07T15:00:00
Description: Watch this Scientific Journal Video about A Single-Channel and Non-Invasive Wearable Brain-Computer Interface for Industry and Healthcare at JoVE.com

Diese Arbeiten wurden im Rahmen des Projekts ICT for Health durchgeführt, das vom italienischen Ministerium für Bildung, Universität und Forschung (MIUR) im Rahmen der Initiative Exzellenzabteilungen (italienisches Haushaltsgesetz Nr. 232/2016) durch einen Exzellenzzuschuss an die Fakultät für Informationstechnologie und Elektrotechnik der Universität Neapel Federico II finanziell unterstützt wurde. Neapel, Italien. Ermöglicht wurde das Projekt durch die Unterstützung der Res4Net-Initiative und des TC-06 (Emerging Technologies in Measurements) der IEEE Instrumentation and Measurement Society. Die Autoren danken auch L. Callegaro, A. Cioffi, S. Criscuolo, A. Cultrera, G. De Blasi, E. De Benedetto, L. Duraccio, E. Leone und M. Ortolano für ihre wertvollen Beiträge bei der Entwicklung, Erprobung und Validierung des Systems.

Die Studie wurde von der Ethikkommission für psychologische Forschung der Fakultät für Geisteswissenschaften der Universität Neapel Federico II genehmigt. Die Probanden unterschrieben eine Einverständniserklärung, bevor sie an den Experimenten teilnahmen.
1. Vorbereitung der nicht-invasiven tragbaren Gehirn-Computer-Schnittstelle
<ol><li>Besorgen Sie sich einen kostengünstigen Elektroenzephalographen mit trockenen Elektroden in Verbraucherqualität und konfigurieren S...

<ol>
	<li>Wolpaw, J. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Brain-computer+interface+technology:+A+review+of+the+first+international+meeting.">Brain-computer interface technology: A review of the first international meeting.</a> IEEE Transactions on Rehabilitation Engineering. 8 (2), 164-173 (2000).</li><li>Zander, T. O., Kothe, C., Jatzev, S., Gaertner, M., Tan, D. S., Nijholt, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Enhancing+human-computer+interaction+with+input+from+active+and+passive+brain-computer+interfaces.">Enhancing human-computer interaction with input from active and passive brain-computer interfaces.</a> Brain-Computer Interfaces. , 181-199 (2010).</li><li>Ron-Angevin, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Brain-computer+interface+application:+Auditory+serial+interface+to+control+a+two-class+motor-imagery-based+wheelchair.">Brain-computer interface application: Auditory serial interface to control a two-class motor-imagery-based wheelchair.</a> Journal of Neuroengineering and Rehabilitation. 14 (1), 49 (2017).</li><li>Ahn, M., Lee, M., Choi, J., Jun, S. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+review+of+brain-computer+interface+games+and+an+opinion+survey+from+researchers,+developers+and+users.">A review of brain-computer interface games and an opinion survey from researchers, developers and users.</a> Sensors. 14 (8), 14601-14633 (2014).</li><li>Bi, L., Fan, X. A., Liu, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=EEG-based+brain-controlled+mobile+robots:+A+survey.">EEG-based brain-controlled mobile robots: A survey.</a> IEEE Transactions on Human-Machine Systems. 43 (2), 161-176 (2013).</li><li>Arpaia, P., Callegaro, L., Cultrera, A., Esposito, A., Ortolano, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Metrological+characterization+of+a+low-cost+electroencephalograph+for+wearable+neural+interfaces+in+industry+4.0+applications.">Metrological characterization of a low-cost electroencephalograph for wearable neural interfaces in industry 4.0 applications.</a> IEEE International Workshop on Metrology for Industry 4.0 &amp; IoT (MetroInd4. 0&amp;IoT). , 1-5 (2021).</li><li>R&#252;&#223;mann, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Industry+4.0:+The+future+of+productivity+and+growth+in+manufacturing+industries.">Industry 4.0: The future of productivity and growth in manufacturing industries.</a> Boston Consulting Group. 9 (1), 54-89 (2015).</li><li>Angrisani, L., Arpaia, P., Moccaldi, N., Esposito, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Wearable+augmented+reality+and+brain+computer+interface+to+improve+human-robot+interactions+in+smart+industry:+A+feasibility+study+for+SSVEP+signals.">Wearable augmented reality and brain computer interface to improve human-robot interactions in smart industry: A feasibility study for SSVEP signals.</a> IEEE 4th International Forum on Research and Technology for Society and Industry (RTSI). , 1-5 (2018).</li><li>Brunner, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=BNCI+Horizon+2020:+Towards+a+roadmap+for+the+BCI+community.">BNCI Horizon 2020: Towards a roadmap for the BCI community.</a> Brain-Computer Interfaces. 2 (1), 1-10 (2015).</li><li>Yin, E., Zhou, Z., Jiang, J., Yu, Y., Hu, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+dynamically+optimized+SSVEP+brain-computer+interface+(BCI)+speller.">A dynamically optimized SSVEP brain-computer interface (BCI) speller.</a> IEEE Transactions on Biomedical Engineering. 62 (6), 1447-1456 (2014).</li><li>Chen, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Adaptive+asynchronous+control+system+of+robotic+arm+based+on+augmented+reality-assisted+brain-computer+interface.">Adaptive asynchronous control system of robotic arm based on augmented reality-assisted brain-computer interface.</a> Journal of Neural Engineering. 18 (6), 066005 (2021).</li><li>Ball, T., Kern, M., Mutschler, I., Aertsen, A., Schulze-Bonhage, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Signal+quality+of+simultaneously+recorded+invasive+and+non-invasive+EEG.">Signal quality of simultaneously recorded invasive and non-invasive EEG.</a> Neuroimage. 46 (3), 708-716 (2009).</li><li>Grosse-Wentrup, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=What+are+the+causes+of+performance+variation+in+brain-computer+interfacing.">What are the causes of performance variation in brain-computer interfacing.</a> International Journal of Bioelectromagnetism. 13 (3), 115-116 (2011).</li><li>Arpaia, P., Esposito, A., Natalizio, A., Parvis, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=How+to+successfully+classify+EEG+in+motor+imagery+BCI:+A+metrological+analysis+of+the+state+of+the+art.">How to successfully classify EEG in motor imagery BCI: A metrological analysis of the state of the art.</a> Journal of Neural Engineering. 19 (3), (2022).</li><li>Ajami, S., Mahnam, A., Abootalebi, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+of+a+practical+high+frequency+brain-computer+interface+based+on+steady-state+visual+evoked+potentials+using+a+single+channel+of+EEG.">Development of a practical high frequency brain-computer interface based on steady-state visual evoked potentials using a single channel of EEG.</a> Biocybernetics and Biomedical Engineering. 38 (1), 106-114 (2018).</li><li>Friedman, D., Nakatsu, R., Rauterberg, M., Ciancarini, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Brain-computer+interfacing+and+virtual+reality.">Brain-computer interfacing and virtual reality.</a> Handbook of Digital Games and Entertainment Technologies. , 151-171 (2015).</li><li>Wang, M., Li, R., Zhang, R., Li, G., Zhang, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+wearable+SSVEP-based+BCI+system+for+quadcopter+control+using+head-mounted+device.">A wearable SSVEP-based BCI system for quadcopter control using head-mounted device.</a> IEEE Access. 6, 26789-26798 (2018).</li><li>Arpaia, P., Callegaro, L., Cultrera, A., Esposito, A., Ortolano, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Metrological+characterization+of+consumer-grade+equipment+for+wearable+brain-computer+interfaces+and+extended+reality.">Metrological characterization of consumer-grade equipment for wearable brain-computer interfaces and extended reality.</a> IEEE Transactions on Instrumentation and Measurement. 71, 1-9 (2021).</li><li>Wolpaw, J. R., Birbaumer, N., McFarland, D. J., Pfurtscheller, G., Vaughan, T. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Brain-computer+interfaces+for+communication+and+control.">Brain-computer interfaces for communication and control.</a> Clinical Neurophysiology. 113 (6), 767-791 (2002).</li><li>Duszyk, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Towards+an+optimization+of+stimulus+parameters+for+brain-computer+interfaces+based+on+steady+state+visual+evoked+potentials.">Towards an optimization of stimulus parameters for brain-computer interfaces based on steady state visual evoked potentials.</a> PLoS One. 9 (11), 112099 (2014).</li><li>Prasad, P. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SSVEP+signal+detection+for+BCI+application.">SSVEP signal detection for BCI application.</a> IEEE 7th International Advance Computing Conference (IACC). , 590-595 (2017).</li><li>Xing, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+high-speed+SSVEP-based+BCI+using+dry+EEG+electrodes).">A high-speed SSVEP-based BCI using dry EEG electrodes).</a> Scientific Reports. 8, 14708 (2018).</li><li>Luo, A., Sullivan, T. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+user-friendly+SSVEP-based+brain-computer+interface+using+a+time-domain+classifier.">A user-friendly SSVEP-based brain-computer interface using a time-domain classifier.</a> Journal of Neural Engineering. 7 (2), 026010 (2010).</li></ol>

Das ordnungsgemäße Funktionieren des Systems umfasst zwei entscheidende Aspekte: die SSVEP-Hervorhebung und die Signalerfassung. Abgesehen von den spezifischen Geräten, die für die aktuelle Studie ausgewählt wurden, könnte SSVEP mit verschiedenen Geräten ausgelöst werden, die ein flackerndes Licht liefern, obwohl intelligente Brillen bevorzugt werden, um Tragbarkeit und Tragbarkeit zu gewährleisten. Analog könnten weitere kommerzielle Elektroenzephalographen in Betracht gezogen werden, aber sie müssten tragbar...

Eine Gehirn-Computer-Schnittstelle (BCI) ist ein System, das die Kommunikation mit und/oder die Steuerung von Geräten ohne natürliche neuronale Bahnen ermöglicht1. Die BCI-Technologie ist das, was der Menschheit am nächsten kommt, um Objekte mit der Kraft des Geistes zu kontrollieren. Aus technischer Sicht funktioniert die Systembedienung durch die Messung der induzierten oder evozierten Gehirnaktivität, die entweder unwillkürlich oder willentlich vom Subjekterzeugt werden kann 2. In der Vergangenheit konzentrierte sich die Forschung auf die Unterstützung von Menschen mit motorischen Behinderungen durch BCI3, aber eine wachsende Zahl von Unternehmen bietet heute BCI-basierte Instrumente für Spiele4, Robotik5, Industrie6 und andere Anwendungen mit Mensch-Maschine-Interaktion an. Insbesondere in der vierten industriellen Revolution, der Industrie 4.07, in der cyber-physische Produktionssysteme die Interaktion zwischen Mensch und Umwelt verändern8, könnten BCIs eine Rolle spielen. Im Großen und Ganzen identifizierte das europäische Projekt BNCI Horizon 2020 Anwendungsszenarien wie den Ersatz, die Wiederherstellung, die Verbesserung, die Verbesserung oder die Ergänzung verlorener natürlicher Funktionen des zentralen Nervensystems sowie den Einsatz von BCI bei der Untersuchung des Gehirns9.
In diesem Rahmen bedeuten die jüngsten technologischen Fortschritte, dass Gehirn-Computer-Schnittstellen für den Einsatz im täglichen Leben anwendbar sein können10,11. Um dieses Ziel zu erreichen, ist die erste Voraussetzung die Nicht-Invasivität, die wichtig ist, um die Risiken eines chirurgischen Eingriffs zu vermeiden und die Nutzerakzeptanz zu erhöhen. Es ist jedoch erwähnenswert, dass die Wahl der nicht-invasiven Neurobildgebung die Qualität der gemessenen Hirnsignale beeinflusst, und das BCI-Design muss sich dann mit den damit verbundenen Fallstricken auseinandersetzen12. Darüber hinaus sind Tragbarkeit und Tragbarkeit erforderlich. Diese Anforderungen stehen im Einklang mit dem Bedürfnis nach einem benutzerfreundlichen System, bringen aber auch einige Einschränkungen mit sich. Insgesamt werden die genannten Hardware-Einschränkungen durch die Verwendung eines elektroenzephalographischen (EEG) Systems mit gelfreien Elektroden6 adressiert. Ein solches EEG-basiertes BCI wäre auch kostengünstig. Währenddessen wäre in Bezug auf die Software eine minimale Benutzerschulung (oder idealerweise keine Schulung) wünschenswert; Es wäre nämlich am besten, lange Zeiträume für die Abstimmung des Verarbeitungsalgorithmus zu vermeiden, bevor der Benutzer das System verwenden kann. Dieser Aspekt ist in BCIs aufgrund der Nichtstationarität zwischen und innerhalb der Subjekte von entscheidender Bedeutung13,14.
Bisherige Literatur hat gezeigt, dass die Detektion evozierter Hirnpotentiale robust in Bezug auf Nichtstationarität und Rauschen bei der Signalerfassung ist. Mit anderen Worten, BCIs, die auf der Erkennung des evozierten Potenzials beruhen, werden als reaktiv bezeichnet und sind die leistungsstärksten BCIs in Bezug auf die Erkennung von Gehirnmustern15. Nichtsdestotrotz benötigen sie sensorische Stimulation, was wahrscheinlich der Hauptnachteil solcher Schnittstellen ist. Das Ziel der vorgeschlagenen Methode ist es daher, ein hochgradig tragbares und tragbares BCI zu bauen, das sich auf tragbare, handelsübliche Instrumente stützt. Die Sinnesreize bestehen hier aus flackernden Lichtern, die von Datenbrillen erzeugt werden und in der Lage sind, stationäre visuell evozierte Potentiale (SSVEPs) hervorzurufen. In früheren Arbeiten wurde bereits die Integration von BCI mit Virtual Reality entweder allein oder in Verbindung mit Augmented Reality in Betracht gezogen16. So wurde beispielsweise ein BCI-AR-System zur Steuerung eines Quadrocopters mit SSVEP17 vorgeschlagen. Virtual Reality, Augmented Reality und andere Paradigmen werden mit dem Begriff Extended Reality bezeichnet. In einem solchen Szenario entspricht die Wahl der Datenbrille den Anforderungen an Tragbarkeit und Tragbarkeit, und Datenbrillen können mit einem minimalen EEG-Erfassungssetup integriert werden. Dieses Dokument zeigt, dass SSVEP-basiertes BCI auch nur minimales Training erfordert und gleichzeitig eine akzeptable Klassifizierungsleistung für Kommunikations- und Steuerungsanwendungen mit niedriger bis mittlerer Geschwindigkeit erreicht. Daher wird die Technik auf BCI für Anwendungen im täglichen Leben angewendet und scheint besonders für die Industrie und das Gesundheitswesen geeignet zu sein.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Conductive rubber with Ag/AgCl coating&#160;</td>
			<td>ab medica s.p.a.</td>
			<td>N/A</td>
			<td>Alternative electrodes &#8211; type 2</td>
		</tr>
		<tr>
			<td>Earclip electrode</td>
			<td>OpenBCI</td>
			<td>N/A</td>
			<td>Ear clip</td>
		</tr>
		<tr>
			<td>EEG-AE</td>
			<td>Olimex</td>
			<td>N/A</td>
			<td>Active electrodes</td>
		</tr>
		<tr>
			<td>EEG-PE</td>
			<td>Olimex</td>
			<td>N/A</td>
			<td>Passive electrode</td>
		</tr>
		<tr>
			<td>EEG-SMT</td>
			<td>Olimex</td>
			<td>N/A</td>
			<td>Low-cost electroencephalograph</td>
		</tr>
		<tr>
			<td>Moverio BT-200</td>
			<td>Epson</td>
			<td>N/A</td>
			<td>Smart glasses</td>
		</tr>
		<tr>
			<td>Snap electrodes</td>
			<td>OpenBCI</td>
			<td>N/A</td>
			<td>Alternative electrodes &#8211; type 1</td>
		</tr>
	</tbody>
</table>

a single-channel and non-invasive wearable brain-computer interface for industry and healthcare

Die vorliegende Arbeit konzentriert sich auf den Aufbau eines tragbaren Brain-Computer-Interfaces (BCI). BCIs sind ein neuartiges Mittel der Mensch-Computer-Interaktion, das auf direkten Messungen von Gehirnsignalen beruht, um sowohl Menschen mit Behinderungen als auch Menschen mit Behinderungen zu unterstützen. Anwendungsbeispiele sind Robotersteuerung, industrielle Inspektion und Neurorehabilitation. Insbesondere haben neuere Studien gezeigt, dass sich stationäre visuell evozierte Potentiale (SSVEPs) besonders für Kommunikations- und Steuerungsanwendungen eignen, und es werden derzeit Anstrengungen unternommen, die BCI-Technologie in den Alltag zu bringen. Um dieses Ziel zu erreichen, muss sich das endgültige System auf tragbare, tragbare und kostengünstige Instrumente stützen. Bei der Ausnutzung von SSVEPs ist ein flackernder visueller Reiz mit festen Frequenzen erforderlich. Unter Berücksichtigung alltäglicher Einschränkungen wurde daher in dieser Studie die Möglichkeit untersucht, visuelle Reize mittels Datenbrillen zu setzen. Um die induzierten Potentiale zu detektieren, wurde zudem ein kommerzielles Gerät für die Elektroenzephalografie (EEG) in Betracht gezogen. Dieser besteht aus einem einzigen Differentialkanal mit trockenen Elektroden (kein leitfähiges Gel), wodurch ein Höchstmaß an Tragbarkeit und Tragbarkeit erreicht wird. In einem solchen BCI kann der Benutzer mit der Datenbrille interagieren, indem er lediglich auf Symbole starrt, die auf dem Display erscheinen. Nach diesem einfachen Prinzip wurde durch die Integration einer Extended-Reality-Brille (XR) in ein kommerziell erhältliches EEG-Gerät ein benutzerfreundliches, kostengünstiges BCI aufgebaut. Die Funktionalität dieses tragbaren XR-BCI wurde mit einer experimentellen Kampagne mit 20 Probanden untersucht. Die Klassifizierungsgenauigkeit lag je nach Stimulationszeit im Durchschnitt zwischen 80%-95%. Angesichts dieser Ergebnisse kann das System als Mensch-Maschine-Schnittstelle für die industrielle Inspektion, aber auch für die Rehabilitation bei ADHS und Autismus eingesetzt werden.

Eine mögliche Implementierung des oben beschriebenen Systems ist in Abbildung 1 dargestellt; Diese Implementierung ermöglicht es dem Benutzer, in Augmented Reality durch Gehirnaktivität zu navigieren. Die flackernden Symbole auf dem Display der Datenbrille entsprechen Aktionen für die Anwendung (Abbildung 1A), und somit stellt diese Brille einen Ersatz für eine herkömmliche Benutzeroberfläche dar, die auf Tastendrücken o...

Watch this Scientific Journal Video about A Single-Channel and Non-Invasive Wearable Brain-Computer Interface for Industry and Healthcare at JoVE.com

A Single-Channel and Non-Invasive Wearable Brain-Computer Interface for Industry and Healthcare

In diesem Artikel wird erörtert, wie eine Gehirn-Computer-Schnittstelle aufgebaut werden kann, indem man sich auf Geräte in Verbraucherqualität und stationäre, visuell evozierte Potenziale stützt. Zu diesem Zweck wurde ein Einkanal-Elektroenzephalograph, der trockene Elektroden nutzt, mit einer Augmented-Reality-Brille zur Reizdarstellung und Visualisierung der Ausgangsdaten integriert. Das endgültige System war nicht-invasiv, tragbar und tragbar.

Eine einkanalige und nicht-invasive tragbare Gehirn-Computer-Schnittstelle für Industrie und Gesundheitswesen

The present work focuses on how to build a wearable brain-computer interface (BCI). BCIs are a novel means of human-computer interaction that relies on ...

Der Vorschlag dieser Arbeit trägt zur Entwicklung kostengünstiger, tragbarer und tragbarer Gehirn-Computer-Schnittstellen bei, indem sie Geräte für Verbraucher, einfache Signalverarbeitung und erweiterte Realität nutzt. Diese Technik zielt darauf ab, die Technologie der Gehirn-Computer-Schnittstelle näher an das tägliche Leben heranzuführen und vielen Anwendern sowohl in der Industrie als auch im Gesundheitswesen neue Möglichkeiten zu eröffnen. Das Vorschlagssystem wurde auch in der robotergestützten Rehabilitation von Kindern mit Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung oder bei Autismus angewendet.Die Ergebnisse waren ermutigend. Tragen Sie zunächst die Datenbrille und das Stirnband und verbinden Sie den kostengünstigen Elektroenzephalographen über ein USB-Kabel mit einem PC, während der PC von der Hauptstromversorgung getrennt ist. In diesem Schritt müssen alle Elektroden von der Erfassungsplatine des Elektroenzephalographen getrennt werden, um von einem bekannten Zustand ausgehen zu können.In dieser Phase wird der EEG-Stream offline auf dem PC mit einem Skript verarbeitet, das mit der in der Android-Anwendung implementierten Verarbeitung kompatibel ist. Starten Sie das Skript, um die EEG-Signale zu empfangen und zu visualisieren. Überprüfen Sie das angezeigte Signal.Dies muss nur dem Quantisierungsrauschen des EEG-Verstärkers entsprechen. Schließen Sie die erste Elektrode an und bringen Sie die passive Elektrode mit einem speziellen Clip am linken Ohr an oder verwenden Sie eine Ohrclip-Elektrode. Das Ausgangssignal muss in diesem Schritt unverändert bleiben, da der Messdifferenzkanal noch ein offener Stromkreis ist.Verbinden Sie eine aktive Elektrode mit dem Minuspol des differentiellen Eingangs des messenden EEG-Kanals und legen Sie sie mit einem Stirnband an den Frontalbereich an. Nach einigen Sekunden sollte das Signal wieder auf Null gehen. Verbinden Sie die andere aktive Elektrode mit dem Pluspol des differentiellen Eingangs des messenden EEG-Kanals und legen Sie sie mit dem Kopfband auf die Okzipitalregion auf.Es wird nun ein Gehirnsignal angezeigt, das der gemessenen visuellen Aktivität in Bezug auf das frontale Hirnareal und die Okzipitalregion entspricht. Stimulieren Sie den Benutzer wiederholt mit flackernden Symbolen von 10 Hertz und 12 Hertz, indem Sie das flackernde Symbol in der Android-Anwendung starten. Drücken Sie auf das Touchpad der Datenbrille und starten Sie gleichzeitig das EEG-Erfassungs- und Visualisierungsskript.Stellen Sie sicher, dass jede Stimulation in dieser Phase aus einem einzigen Symbol besteht, das 10 Sekunden lang flackert. Extrahieren Sie aus den Zehn-Sekunden-Signalen, die jeder Stimulation zugeordnet sind, zwei Merkmale mithilfe der schnellen Fourier-Transformation, der spektralen Leistungsdichte bei 10 Hertz und 12 Hertz. Alternativ können Sie auch zweite Oberschwingungen in Betracht ziehen.Verwenden Sie eine Darstellung der erfassten Signale in der Merkmalsdomäne, um einen Support-Vektor-Maschinenklassifikator zu trainieren. Verwenden Sie ein Werkzeug in MATLAB oder Python, um die Parameter einer Hyperebene mit einem eventuellen Kernel zu identifizieren. Basierend auf den Eingabemerkmalen wird das trainierte Modell in der Lage sein, zukünftige Beobachtungen von EEG-Signalen zu klassifizieren.Trennen Sie das USB-Kabel vom PC und verbinden Sie es direkt mit der Datenbrille. Fügen Sie die Parameter des trainierten Klassifikators in die Android-Anwendung ein. Das System ist nun bereit.Der kostengünstige Elektroenzephalograph wurde hinsichtlich Linearität und Magnitudenfehler charakterisiert. Die Ergebnisse werden hier angezeigt. Das Flimmern der Datenbrille wurde gemessen, um eventuelle Abweichungen vom nominalen Rechteckwellengang hervorzuheben.Die Charakterisierung der handelsüblichen Datenbrillen in Bezug auf das Amplitudenspektrum der flackernden Tasten ist in dieser Abbildung dargestellt. Hier sind Flimmern bei 10 Hertz und bei 12 Hertz dargestellt. Diese Abbildung stellt die Signale dar, die während der visuellen Stimulation im Merkmalsbereich gemessen werden.Die Signale, die mit den 12-Hertz-Flackerreizen verbunden sind, werden blau dargestellt, während die Signale, die den 10-Hertz-Flackerreizen zugeordnet sind, rot dargestellt werden. Für jeden Probanden werden die Ergebnisse, die mit einer zehnsekündigen Stimulation verbunden sind, mit denen verglichen, die mit einer zweisekündigen Stimulation verbunden sind. Die Genauigkeit, die sich aus der Betrachtung aller Probanden zusammen ergibt, sowie die mittlere Genauigkeit unter allen Probanden werden hier angegeben.Der Vergleich der Klassifizierungsleistung bei Betrachtung von zwei PSD-Merkmalen mit vier PSD-Merkmalen für die SSVEP-bezogenen EEG-Daten wird hier gezeigt. Aufgrund der guten messtechnischen Eigenschaften der Consumer-Geräte muss vor allem auf die mechanische Stabilität der Messelektroden geachtet werden, da diese keine leitfähigen Gele verwenden. Dieses Verfahren erwies sich als funktional für SSVEP-Signale, die ein relativ robustes Rauschen aufweisen, aber man könnte die Verwendung ähnlicher Instrumente in weiteren Paradigmen wie der motorischen Bildgebung untersuchen.Dank der Tragbarkeit, Tragbarkeit und Benutzerfreundlichkeit wird diese Technik nun als ergänzendes Gerät für die Rehabilitation oder als neues Werkzeug für industrielle Szenarien untersucht.

Research

JoVE Journal

Engineering

Controlling the Size, Shape and Stability of Supramolecular Polymers in Water

Steuern der Größe, Form und Stabilität der supramolekularen Polymeren in Wasser

For aqueous based supramolecular polymers, the simultaneous control over shape, size and stability is very difficult1. At the same time, the ability to do ...

Forschung

Ingenieurwesen

Detection and Recovery of Palladium, Gold and Cobalt Metals from the Urban Mine Using Novel Sensors/Adsorbents Designated with Nanoscale Wagon-wheel-shaped Pores

Erkennung und Wiedergewinnung von Palladium, Gold und Kobalt-Metalle aus der Urban-Mine mit Hilfe neuartiger Sensoren / Adsorbentien mit nanoskaligen Wagon-Rad-förmigen Poren Ausgewiesene

Developing low-cost, efficient processes for recovering and recycling palladium, gold and cobalt metals from urban mine remains a significant challenge in ...

Quantification of Hydrogen Concentrations in Surface and Interface Layers and Bulk Materials through Depth Profiling with Nuclear Reaction Analysis

Die Quantifizierung von Wasserstoffkonzentrationen in Oberflächen- und Grenzflächenschichten und Schüttgüter durch Tiefenprofilierung mit Kernreaktionsanalyse

Nuclear reaction analysis (NRA) via the resonant 1H(15N,&#945;&#947;)12C reaction is a highly effective method of depth profiling that quantitatively and ...

Hand Controlled Manipulation of Single Molecules via a Scanning Probe Microscope with a 3D Virtual Reality Interface

Hand kontrollierte Manipulation einzelner Moleküle über ein Rastersondenmikroskop mit einer 3D-Virtual-Reality-Schnittstelle

Considering organic molecules as the functional building blocks of future nanoscale technology, the question of how to arrange and assemble such building ...

Gain-compensation Methodology for a Sinusoidal Scan of a Galvanometer Mirror in Proportional-Integral-Differential Control Using Pre-emphasis Techniques

Gewinn-Kompensationsmethode für eine Sinusförmige Scan eines Galvanometer-Spiegel im Proportional-Integral-Differential Steuerung über Pre-Emphasis-Techniken

Galvanometer mirrors are used for optical applications such as target tracking, drawing, and scanning control because of their high speed and accuracy. ...

O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression

O-Kresol-Konzentration Online-Messung basierend auf Nahinfrarot-Spektroskopie über partielle kleinste quadratische Regression

Unlike macroscopic process variables, near-infrared spectroscopy provides process information at the molecular level and can significantly improve the ...

Evaluating Usability Aspects of a Mixed Reality Solution for Immersive Analytics in Industry 4.0 Scenarios

Bewertung von Usability-Aspekten einer Mixed-Reality-Lösung für Immersive Analytics in Industrie 4.0-Szenarien

In medicine or industry, the analysis of high-dimensional data sets is increasingly required. However, available technical solutions are often complex to ...

A Multi-Cue Bioreactor to Evaluate the Inflammatory and Regenerative Capacity of Biomaterials under Flow and Stretch

Ein Multi-Cue-Bioreaktor zur Bewertung der entzündlichen und regenerativen Kapazität von Biomaterialien unter Strömung und Dehnung

The use of resorbable biomaterials to induce regeneration directly in the body is an attractive strategy from a translational perspective. Such materials ...

Elaborate Control of Inkjet Printer for Fabrication of Chip-based Supercapacitors

Aufwändige Steuerung von Tintenstrahldruckern zur Herstellung von chipbasierten Superkondensatoren

There are tremendous efforts in various fields to apply the inkjet printing method for the fabrication of wearable devices, displays, and energy storage ...

Evaluating the Electrochemical Properties of Supercapacitors using the Three-Electrode System

Bewertung der elektrochemischen Eigenschaften von Superkondensatoren mit dem Drei-Elektroden-System

The three-electrode system is a basic and general analytical platform for investigating the electrochemical performance and characteristics of energy ...