Name: SSVEP מבוסס נוהל ניסיון לאינטראקצית המוח-רובוט עם רובוטים דמויים אדם (וידאו) | JoVE Journal
Uploaded: 2015-11-24T15:00:00.000+00:00
Duration: 11 min 1 s
Description: למד שיטת SSVEP לבקרת רובוטים דמויי אדם באמצעות אותות מוח. השיטה משלבת תוכנות מרובות לאיסוף נתוני EEG, אימון מסווגים וביצוע ניסויים בקרה סגורה לסיוע בטיפול בחולים ובקשישים.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

המחברים מבקשים להביע את תודתם למר הונג הו לעזרתו בביצוע הניסויים דיווחו במאמר זה. עבודה זו נתמכה בחלקו על ידי טבע הקרן הלאומית למדע של סין (מס &#39;61,473,207).

1. רכישת אותות EEG <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> הסבר את ההליך ניסיוני לנושא ולקבל בכתב הסכמה מדעת להשתתפות בניסויים. </li><li style=";text-align:right;direction:rtl"> מדוד את היקף ראשו של הנושא באמצעות סרט מדידה ובחר את גודל כובע EEG שקרוב למדידה. אלקטרודות ההסדר מבוסס על &quot;מערכת 10-20 הבינלאומית&quot; 12. </li><li style=";text-align:right;direction:rtl"> מדוד את המרחק בין nasion וinion. השתמש בעיפרון סמן עור לציון 10% מהמרחק כהתייחסות ליישור הכובע, ולסמן את נקודת האמצע של המרחק כקודקוד בקרקפתו של הנושא. </li><li style=";text-align:right;direction:rtl"> מניחים את כובע EEG על הנושא על ידי יישור סימן 10% עם נקודת האמצע של אלקטרודות FP1 וFP2. אלקטרודה עמדת Cz של הכובע על הקודקוד. </li><li style=";text-align:right;direction:rtl"> ודא שFz, Cz, PZ ועוז נמצא בקו האמצע של הראש, ושכל זוג אלקטרודות הממוקמים משני צדי קו האמצע נמצא בקו אופקי. </li><li style=";text-align:right;direction:rtl">למרוח את האלקטרודות REF1 וREF2 עם ג&#39;ל מוליך. הנח את האלקטרודות התייחסות בזיזים פטמתיים ימין ועל השמאל באמצעות קלטת רפואית. להדק את רצועת הסנטר. </li><li style=";text-align:right;direction:rtl"> מניחים מזרק שקצהו בוטה בבעלי אלקטרודה ולהזריק ג&#39;ל מוליך לכל אלקטרודה לפי הסדר הבא: ראשון, את האלקטרודה &quot;קרקע&quot; על המצח והשני, אלקטרודות חמש השתמשו בניסוי, O2, O1, עוז, PZ , וCz. </li><li style=";text-align:right;direction:rtl"> להושיב את הנושא בכיסא 60 סנטימטרים נוחים מול צג גירוי. הדריכו את הנושא כדי לשמור עליו / עיניה באותה הרמה אופקית עם מרכז הצג. </li><li style=";text-align:right;direction:rtl"> חבר את חוטי אלקטרודה למערכת רכישת נתונים EEG. הגדר את קצב הדגימה לkHz 1. </li><li style=";text-align:right;direction:rtl"> בדוק את איכות אות EEG על DPC הייעודי. אם יש בעיה עם אלקטרודה מסוימת, ג&#39;ל מחדש להזריק כדי להתאים את העכבה של הערוץ. </li><li style=";text-align:right;direction:rtl"> השתמש בSPC הייעודי להבהב ארבע תמונות רובוט בתדרים של 4.615, 12, 15 ו -20הרץ כמו גירויים חזותיים בממשק המשתמש, כפי שמוצג באיור 2. </li></ol> 2. תכונות SSVEP ניתוח מנותק <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> לנהל 32 ניסויים של ניסויי הכשרה מחובר לכל נושא ולהקליט אותות המוח שלהם שנרכשו ממערכת EEG לאורך כל התהליך הזה. הערה: תהליך זה מתבצע רק על ידי נושאים של הניסוי בפעם הראשונה להקמת וקטורי תכונת SSVEP ולהכשיר מסווג. </li><li style=";text-align:right;direction:rtl"> כאשר משפט מתחיל, בחר גירוי אחד כמטרה באופן אקראי ולהציג חץ צהוב מעליה. </li><li style=";text-align:right;direction:rtl"> 1 שניות מאוחר יותר, להבהב ארבעה גירויים חזותיים בתדרים שונים בממשק המשתמש עבור 5 שניות. </li><li style=";text-align:right;direction:rtl"> בקש הנושא להתמקד ביעד הגירוי שנבחר, תוך שמירה / תנועת גופתו למינימום. </li><li style=";text-align:right;direction:rtl"> אחרי כל משפט, לתת שניות הנושא 3 להירגע, ואז להתחיל את המשפט הבא. </li><li style=";text-align:right;direction:rtl"> כאשר כל הניסויים שתסיימו, לקרוא את הנתונים שנשמרו. לחלץ נתונים עידן 3-שניות להיות<html> tween 2 שניות ו -5 שניות לאחר ההדק שבוחר גירוי כמטרה בכל ניסוי. </li><li style=";text-align:right;direction:rtl"> לחשב את צפיפות ספקטרום הכח (PSD) של תקופות נתונים באמצעות מנתח נתונים מנותק בתסריטי MATLAB. השתמש באלגוריתם העיבוד המתואר בפירוט להלן: <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> לחשב את מקדמי ניתוח מתאם הקנוני (CCA) של נתוני ה- EEG רבי ערוצים עם נתונים התייחסות. המרכז לאמנות עכשווית היא שיטה סטטיסטית רבה משתנית משמשת לשתי קבוצות של נתונים כדי למצוא מתאם בסיסם 13. בהתחשב המגזר -3 של X נתונים EEG רבי ערוצים ונתונים התייחסות Y באותו האורך, להשתמש המרכז לאמנות עכשווית כדי למצוא את וקטורי משקל, x ו- y W W, על מנת למקסם את מקדם המתאם בין x = ρ X x W T ו- T y = Y W y. הגדר את נתוני ההתייחסות להיות אותות מחזוריים בתדרי גירוי מסוימים. /ftp_upload/53558/53558eq1.jpg &quot;/&gt; שבו ו 1, ו 2, ו 3, ו 4 הם תדרי התכונה של ארבעה גירויים חזותיים. </li><li style=";text-align:right;direction:rtl"> מרחבית לסנן את נתוני ה- EEG X רבי ערוצים באמצעות מקדמי המרכז לאמנות עכשווית מחושבים x W להשיג x אחד-ממד מסונן נתונים, שבו יש מתאם הבולט ביותר עם ​​הצירוף ליניארי של נתונים ההתייחסות. </li><li style=";text-align:right;direction:rtl"> לחשב את PSD של x נתונים המסוננים מרחבית באמצעות Fast Fourier Transform (FFT). <img alt="משוואה 2" src="/files/ftp_upload/53558/53558eq2.jpg" /> כאשר N FFT הוא גודל המדגם של x נתונים, וFFT (x, N FFT) מחזיר את פורייה הבדידה הכדור ב N FFT להפוך של x. </li><li style=";text-align:right;direction:rtl"> לנרמל את PSD ביחס לערך הממוצע שלה בין 3 ל 30 הרץ. <img alt="משוואה 3" src="/files/ftp_upload/53558/53558eq3.jpg" /> אֵיפֹה60; <img alt="משוואת המכנה 3" src="/files/ftp_upload/53558/53558eq3denominator.jpg" /> מציין הממוצע של כוח הספקטרום בין 3 ו30Hz. </li></ol></li><li style=";text-align:right;direction:rtl"> לכייל את הפרמטרים סיווג לארבעה תדרי הגירוי. ראשית, לבחון את ספקטרום PSD המנורמל שמתאים ליעד הגירוי שלו, ולהגדיר את התדירות משרעת PSD החזק כמו תדירות התכונה ידנית. בהתבסס על תדירות התכונה, לחלק את נתוני PSD מנורמלים לשתי קבוצות: אחת הוא רכש כאשר הגירוי המתאים נבחר כמטרה, והשני הוא רכש כאשר גירויי היעד הלא נבחרים. לחשב את הערך הממוצע של כל קבוצת בהתאמה. לקבוע את הסף על ידי החציון של שני ערכים הממוצעים לסווג את היעד והיעד הלא קובע 14. </li></ol> 3. עיבוד אותות מוח באינטרנט <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> פתח את מעבד האותות באינטרנט כפי שמוצג באיור 3, אשר פותח בased על סביבת OpenViBE ותסריטי MATLAB, על DPC לאותות מוח עיבוד מקוונים. </li><li style=";text-align:right;direction:rtl"> לחץ לחיצה כפולה על תיבת האיתותים לרכוש ותהליך, אשר מסומנת עם מחזור אדום באיור 3, כדי לפתוח את חלון הגדרת OpenViBE. להגדיר את הפרמטרים לסיווג הנושא:. להגדיר את קצב הדגימה כkHz 1, להגדיר את אורך הזמן לFFT כמו 3 שניות, ולהגדיר את תדרי התכונה בהתאם לתוצאות של ניתוח מצב לא מקוון, למשל, 4.667, 24, 15 ו -20 הרץ . </li><li style=";text-align:right;direction:rtl"> לחץ על הכפתור מתחיל לרוץ מעבד אותות באינטרנט, אשר מעבד את הנתונים בזמן אמת באמצעות האלגוריתם הבא בשלושה שלבים. </li><li style=";text-align:right;direction:rtl"> ראשית, האלגוריתם רוכש נתוני ה- EEG מערוצי עוז, O1, O2, PZ וCPZ של מערכת EEG כל 0.5s, ותמציות מגזר נתונים של -3 האחרונים לעיבוד מקוון. </li><li style=";text-align:right;direction:rtl"> שנית, האלגוריתם מעבד את קטע נתוני 3-שניות באמצעות האלגוריתמים מתוארים בשלב 2.7, ומחשבת את זמן אמת PSD לclassification. </li><li style=";text-align:right;direction:rtl"> שלישית, האלגוריתם מסווג את דפוסי גלי המוח על פי אמפליטודות PSD בארבעת תדרי תכונה. כאשר המשרעת של תדירות תכונה אחת היא מעל סף נתון, לסווג את הגירוי המהבהב בתדר המקביל כיעד SSVEP. </li></ol> 4. חיבור הרובוט הדמוי האדם <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> לחץ על לחצן החזה של הרובוט דמוי האדם ולחכות שזה להתחיל. הערה: תהליך זה אורך כ 1 דק &#39;ומסתיימת כאשר הרובוט אומר &quot;OGNAK GNOUK&quot; בעוד כפתור החזה שלה הופך להיות לבן. </li><li style=";text-align:right;direction:rtl"> ליצור חיבורה Wireless Fidelity (WiFi) לDPC 15. </li><li style=";text-align:right;direction:rtl"> פתח לתכנת רובוט בקר ב- C ++ על תסריטים חזותיים DPC. בקר מקבל את תוצאות הסיווג ממעבד האותות באינטרנט באמצעות ממשק מציאות מדומה היקפי רשת (VRPN), מתרגם אותם לפקודות הרובוט, ושולט בהתנהגויות המקבילה humanoiרובוט ד באמצעות חיבור אלחוטי. </li><li style=";text-align:right;direction:rtl"> הגדר את בקר הרובוט על ידי הזנת כתובת ה- IP של הרובוט על פי חיבור WiFi שלה, מגדיר שלושה סטים של התנהגויות רובוט שיכול להיות בקלות החליף לבצע שלוש המשימות השונות, והגדרת פרמטרי הביצוע של התנהגויות אלו (לדוגמא., מהירות הליכה או מרחק) כדי להתאים את דרישת המשימה. הערה: פרטים נוספים של התנהגויות אלה מתוארים בצעדים 5.2.1, 5.3.1, ו5.4.1. </li><li style=";text-align:right;direction:rtl"> לחץ על כפתור Build של הפלטפורמה של Visual Studio כדי להפעיל את בקר הרובוט. </li><li style=";text-align:right;direction:rtl"> פתח את תכנית Choregraphe על SPC. לחץ על &quot;התחבר ל&quot; כפתור לצוץ יישומון חיבור. בחר את הרובוט להיות מבוקר על פי כתובת ה- IP שלו, ולחץ לחיצה כפולה על הסמל שלו להתחבר אליו. </li><li style=";text-align:right;direction:rtl"> פתח את צג וידאו מתפריט התצוגה בשורת תפריטי Choregraphe, ולהעביר את הצג לחלק הקדמי של ממשק המשתמש כדי להציג וידאו חי מהמצלמה משוב של הרובוט. </li></ol> &lt;class = &quot;jove_title&quot; p&gt; 5. ביצוע ניסויי בקרת לולאה סגורה <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> בקש הנושא לבצע שלוש משימות שליטת לולאה סגורה ספציפיות בתוך סביבות שונות כדי להעריך את ביצועי האינטראקציה המוח-רובוט. הערה: משימות אלה, שהם חשובים ביישומים רובוטיים כי הם מועילים בסיוע לנכים וקשישים בחיי היומיום שלהם, צריכים להפעיל את רובוט התנהגויות שונות. </li><li style=";text-align:right;direction:rtl"> לנהל את משימת שליטת לולאה סגורה הראשונה לנוכחות מרחוק לשלוט הרובוט דמוי האדם באמצעות אותות מוח ללכת דרך מכשולים ולדחוף מתג אור להדליק את האור, כפי שמוצג באיור 4. <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> כדי לבצע את המשימה הראשונה, לשלוט בהתנהגויות הרובוט המקודדות על ידי ארבעה גירויי SSVEP כ: צעד קדימה עם מרחק קבוע של 0.15 מ &#39;, פונה שמאלה עם רדיאן קבוע של 0.3 rad, פונה ימינה עם רדיאן קבוע של 0.3 rad, ודוחף את המתג באמצעות ידו הימנית. הערה: configuraתהליך tion מתואר בשלב 4.4. </li><li style=";text-align:right;direction:rtl"> ליידע את הנושא במטרה המשימה וארבע התנהגויות להיות בשליטה. </li><li style=";text-align:right;direction:rtl"> הפעל את בקר הרובוט כמו בשלבים 4.5-4.7, ולהתחיל את הניסוי. תן הנושא החופש לתפוס את הסביבה ולקבל החלטות על סמך משוב וידאו חי, וכדי להפעיל את התנהגויות הרובוט ידי בוהה בגירויים המקביל. הערה: אין הוראה או עזרה יש לתת לנושא, אלא אם כן במצבי חירום, למשל, הרובוט עומד להתנגש עם מכשול.. </li></ol></li><li style=";text-align:right;direction:rtl"> לנהל את המשימה השנייה לנוכחות מרחוק לשלוט הרובוט דמוי האדם באמצעות אותות מוח ללכת לכיוון המדרגות בעקבות שלט היציאה, כפי שמוצג באיור 5. כאשר התמודדות עם עוברים ושבים, לשאול את הנושא כדי לשלוט ברובוט לומר &quot;סליחה&quot; ולחכות ל עוברי אורח לתת דרך. <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> לשלוט על התנהגויות רובוט המקודדות על ידי ארבעה גירויי SSVEP כ: הליכה קדימה continuously במהירות של 0.05 מ &#39;/ שנייה, פונה שמאלה ברציפות במהירות של 0.1 rad / sec, פונה ימינה ברציפות במהירות של 0.1 rad / sec, ולעצור את כל התנהגויות ההליכה. </li><li style=";text-align:right;direction:rtl"> לעבור בקר הרובוט לפונקצית שליטת היציבה תלויה 16. הערה: כאשר הרובוט הולך, פונקציה זו משתמשת בגירוי הרביעי כפקודה לעצור את התנהגויות ההליכה; כאשר הרובוט לא הולך, הוא משתמש בגירוי הרביעי לשלוט הרובוט לומר &quot;תסלח לי&quot;. הפונקציה מיושמת בתסריטי ++ C על ידי איתור מצב ההליכה של הרובוט. </li><li style=";text-align:right;direction:rtl"> ליידע את הנושא במטרה המשימה וחמש התנהגויות להיות בשליטה. </li><li style=";text-align:right;direction:rtl"> הפעל את בקר הרובוט ולהתחיל את הניסוי, כמתואר בשלב 5.2.3. </li></ol></li><li style=";text-align:right;direction:rtl"> לנהל את המשימה השלישית לנוכחות מרחוק לשלוט הרובוט דמוי האדם ללכת לכיוון יעד בלון, להרים אותו, ולמסור אותו לכף ידו של הנושא, כפי שמוצג באיור 6. <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> לשלוט על התנהגויות רובוט המקודדות על ידי ארבעה גירויי SSVEP כ: צעד קדימה עם מרחק קבוע של 0.15 מ &#39;, פונה שמאלה עם רדיאן קבוע של 0.3 rad, פונה ימינה עם רדיאן קבוע של 0.3 rad, ולהרים חפצים. </li><li style=";text-align:right;direction:rtl"> הפעל את פונקצית שליטת היציבה תלויה בבקר הרובוט לעשות שימוש חוזר בגירוי הרביעי בפיקודו של לשים את האובייקט כאשר הוא כבר הרים. </li><li style=";text-align:right;direction:rtl"> ליידע את הנושא במטרה המשימה וחמש התנהגויות להיות בשליטה. </li><li style=";text-align:right;direction:rtl"> הפעל את בקר הרובוט ולהתחיל את הניסוי, כמתואר בשלב 5.2.3. </li></ol></li></ol>

<ol><li>McFarland, D. J., Wolpaw, J. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brain-Computer+Interface+Operation+of+Robotic+and+Prosthetic+Devices%5BTitle%5D)+AND+%22Computer%22%5BJournal%5D)">Brain-Computer Interface Operation of Robotic and Prosthetic Devices.</a> Computer. 41, 52-56 (2008).</li>
<li>Lebedev, M. A., Nicolelis, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brain-machine+interfaces%3A+Past%2C+present+and+future%5BTitle%5D)+AND+%22Trends+Neruosci%22%5BJournal%5D)">Brain-machine interfaces: Past, present and future.</a> Trends Neruosci. 29 (9), 536-546 (2006).</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/pubmed?term=((Brain-computer+interfaces+for+communication+and+control%5BTitle%5D)+AND+%22Clin.+Neurophysiol%22%5BJournal%5D)">Brain-computer interfaces for communication and control.</a> Clin. Neurophysiol. 113, 767-791 (2002).</li>
<li>Bell, C. J., Shenoy, P., Chalodhorn, R., Rao, R. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Control+of+a+humanoid+robot+by+a+noninvasive+brain-computer+interface+in+humans%5BTitle%5D)+AND+%22J.+Neural.+Eng%22%5BJournal%5D)">Control of a humanoid robot by a noninvasive brain-computer interface in humans.</a> J. Neural. Eng. 5, 214-220 (2008).</li>
<li>Li, W., Li, M., Zhao, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Control+of+humanoid+robot+via+motion-onset+visual+evoked+potentials%5BTitle%5D)+AND+%22Front.+Syst.+Neurosci%22%5BJournal%5D)">Control of humanoid robot via motion-onset visual evoked potentials.</a> Front. Syst. Neurosci. 8, 247(2014).</li>
<li>Regan, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Some+characteristics+of+average+steady-state+and+transient+responses+evoked+by+modulated+light%5BTitle%5D)+AND+%22Electroencephalogr.+Clin.+Neurophysiol%22%5BJournal%5D)">Some characteristics of average steady-state and transient responses evoked by modulated light.</a> Electroencephalogr. Clin. Neurophysiol. 20, 238-248 (1966).</li>
<li>Vialatte, F. B., Maurice, M., Dauwels, J., Cichocki, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Steady-state+visually+evoked+potentials%3A+focus+on+essential+paradigms+and+future+perspectives%5BTitle%5D)+AND+%22Prog.+Neurobiol%22%5BJournal%5D)">Steady-state visually evoked potentials: focus on essential paradigms and future perspectives.</a> Prog. Neurobiol. 90, 418-438 (2010).</li>
<li>Bin, G., Gao, X., Wang, Y., Li, Y., Hong, B., Gao, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+high-speed+BCI+based+on+code+modulation+VEP%5BTitle%5D)+AND+%22J.+Neural.+Eng%22%5BJournal%5D)">A high-speed BCI based on code modulation VEP.</a> J. Neural. Eng. 8, 025015(2011).</li>
<li>Sutton, S., Braren, M., Zubin, J., John, E. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evoked-potential+correlates+of+stimulus+uncertainty%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Evoked-potential correlates of stimulus uncertainty.</a> Science. 150, 1187-1188 (1965).</li>
<li>Pfurtscheller, G., Lopes da Silva, H. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Event-related+EEG%2FMEG+synchronization+and+desynchronization%3A+basic+principles%5BTitle%5D)+AND+%22Clin.+Neurophysiol%22%5BJournal%5D)">Event-related EEG/MEG synchronization and desynchronization: basic principles.</a> Clin. Neurophysiol. 110, 1842-1857 (1999).</li>
<li>Zhao, J., Meng, Q., Li, W., Li, M., Sun, F., Chen, G. OpenViBE-based brainwave control system for Cerebot. Proc. IEEE International Conference on Robotics and Biomimetics. , 1169-1174 (2013).</li>
<li>Homan, R. W., Herman, J., Purdy, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cerebral+location+of+international+10-20+system+electrode+placement%5BTitle%5D)+AND+%22Electroencephalogr.+Clin.+Neurophysiol%22%5BJournal%5D)">Cerebral location of international 10-20 system electrode placement.</a> Electroencephalogr. Clin. Neurophysiol. 66, 376-382 (1987).</li>
<li>Bin, G., Gao, X., Yan, Z., Hong, B., Gao, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+online+multi-channel+SSVEP-based+brain-computer+interface+using+a+canonical+correlation+analysis+method%5BTitle%5D)+AND+%22J.+Neural.+Eng%22%5BJournal%5D)">An online multi-channel SSVEP-based brain-computer interface using a canonical correlation analysis method.</a> J. Neural. Eng. 6, 046002(2009).</li>
<li>Wang, Y., Wang, R., Gao, X., Hong, B., Gao, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+practical+VEP-based+brain-computer+interface%5BTitle%5D)+AND+%22IEEE+Trans.+Neural+Syst.+Rehabil.+Eng%22%5BJournal%5D)">A practical VEP-based brain-computer interface.</a> IEEE Trans. Neural Syst. Rehabil. Eng. 14, 234-239 (2006).</li>
<li>Setting NAO's WiFi connection - Aldebaran 2.1.3.3 documentation [Internet]. , Aldebaran Robotics Co. Available from:
 <a target="_blank" href="http://doc.aldebaran.com/2-1/nao/nao-connecting.html">http://doc.aldebaran.com/2-1/nao/nao-connecting.html</a> (2015).</li>
<li>Chae, Y., Jeong, J., Jo, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Toward+brain-actuated+humanoid+robots%3A+asynchronous+direct+control+using+an+EEG-based+BCI%5BTitle%5D)+AND+%22IEEE+T.+Robot%22%5BJournal%5D)">Toward brain-actuated humanoid robots: asynchronous direct control using an EEG-based BCI.</a> IEEE T. Robot. 28, 1131-1144 (2012).</li>
<li>Croft, R. J., Barry, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Removal+of+ocular+artifact+from+the+EEG%3A+a+review%5BTitle%5D)+AND+%22Neurophysiol.+Clin%22%5BJournal%5D)">Removal of ocular artifact from the EEG: a review.</a> Neurophysiol. Clin. 30, 5-19 (2000).</li>
<li>Hwang, H. J., Hwan Kim, D., Han, C. H., Im, C. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+new+dual-frequency+stimulation+method+to+increase+the+number+of+visual+stimuli+for+multi-class+SSVEP-based+brain-computer+interface+%28BCI%29%5BTitle%5D)+AND+%22Brain+Res%22%5BJournal%5D)">A new dual-frequency stimulation method to increase the number of visual stimuli for multi-class SSVEP-based brain-computer interface (BCI).</a> Brain Res. 1515, 66-77 (2013).</li>
<li>Wang, M., Daly, I., Allison, B., Jin, J., Zhang, Y., Chen, L., Wang, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+new+hybrid+BCI+paradigm+based+on+P300+and+SSVEP%5BTitle%5D)+AND+%22J+Neurosci+Methods%22%5BJournal%5D)">A new hybrid BCI paradigm based on P300 and SSVEP.</a> J Neurosci Methods. 244, 16-25 (2015).</li>
<li>Allison, B. Z., Jin, J., Zhang, Y., Wang, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+four-choice+hybrid+P300+SSVEP+BCI+for+improved+accuracy%5BTitle%5D)+AND+%22Brain-Computer+Interfaces%22%5BJournal%5D)">A four-choice hybrid P300 SSVEP BCI for improved accuracy.</a> Brain-Computer Interfaces. 1, 17-26 (2014).</li>
<li>Pan, J. H., Xie, Q., Herman, Y., Wang, F., Di, H., Laureys, S., Yu, R., Li, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Detecting+awareness+in+patients+with+disorders+of+consciousness+using+a+hybrid+brain-computer+interface%5BTitle%5D)+AND+%22J.+Neural.+Eng%22%5BJournal%5D)">Detecting awareness in patients with disorders of consciousness using a hybrid brain-computer interface.</a> J. Neural. Eng. 11, 056007(2014).</li>
<li>Li, J., Ji, H., Cao, L., Zhang, D., Gu, R., Xia, B., Wu, Q. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+and+application+of+a+hybrid+brain+computer+interface+for+real+wheelchair+parallel+control+with+multi-degree+of+freedom%5BTitle%5D)+AND+%22Int+J+Neural+Syst%22%5BJournal%5D)">Evaluation and application of a hybrid brain computer interface for real wheelchair parallel control with multi-degree of freedom.</a> Int J Neural Syst. 24, 1450014-14 (2014).</li>
<li>Zhao, J., Meng, Q., Li, W., Li, M., Chen, G. SSVEP-based hierarchical architecture for control of a humanoid robot with mind. Proc. 11th World Congress on Intelligent Control and Automation. , 2401-2406 (2014).</li>
<li>Zhu, D., Bieger, J., Molina, G. G., Aarts, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+survey+of+stimulation+methods+used+in+SSVEP-based+BCIs%5BTitle%5D)+AND+%22Comput+Intell+Neurosci%22%5BJournal%5D)">A survey of stimulation methods used in SSVEP-based BCIs.</a> Comput Intell Neurosci. 2010, 1-12 (2010).</li>
<li>Muller-Putz, G. R., Scherer, R., Brauneis, C., Pfurtscheller, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Steady-state+visual+evoked+potential+%28SSVEP%29-based+communication%3A+impact+of+harmonic+frequency+components%5BTitle%5D)+AND+%22J+Neural+Eng%22%5BJournal%5D)">Steady-state visual evoked potential (SSVEP)-based communication: impact of harmonic frequency components.</a> J Neural Eng. 2, 123-130 (2005).</li>
</ol>

למחברים אין מה לחשוף.

מאמר זה מציג הליך ניסיוני מבוסס SSVEP להקים מערכת האינטראקציה המוח-רובוט דמוי אדם עם רובוטים על ידי שילוב תוכנות מרובות. בגלל כוונה אנושית נתפסה על ידי פירוש אותות EEG בזמן אמת, זה קריטי כדי לאמת את קשרי אלקטרודה ואיכויות אות EEG לפני ביצוע הניסוי. אם אותות שנרכשו מכל האלקטרודות של איכויות ירודה, יש צורך לבדוק את הקשר של אלקטרודות הקרקע וההתייחסות ראשונה. אם יש בעיות עם חלקים של האלקטרודות, מחדש להזריק ג&#39;ל מוליך כדי להתאים את העכבה של ערוצים אלה. <p class="jove_content" st...

אינטראקציה המוח-רובוט (BRI), המספק מסלול תקשורת חדשני בין אדם ומכשיר רובוטי באמצעות אותות מוח, הוא פוטנציאלי בסיוע לנכים בחיי היומיום שלהם 1,2. מגוון שיטות יכול לרכוש אותות מוח או פולשני או הלא פולשני, כגון electrocorticography (ECOG), גלי מוח (EEG), הדמיה בתהודה מגנטית תפקודית (fMRI), וכו &#39;השיטה לא פולשנית הנפוצה ביותר לבנייה מערכת BRI היא לרכוש אותות EEG מאלקטרודות המונחות על הקרקפת. שיטה זו היא זולה, קלה לשימוש, ומספקת פתרון זמני מקובל 3. בין מגוון רחב של התקנים רובוטיים, רובוטים דמויי אדם הם מתקדמים כפי שהם נוצרו כדי לחקות כמה מאותן המשימות פיזיות ונפשיות שעוברים בני האדם מדי יום. BRI עם רובוט דמוי אדם ישחק תפקיד חשוב בסיוע לחולים וזקנים, כמו גם ביצוע עבודות היגייני או מסוכנות. אבל שליטהשל רובוט דמוי אדם באמצעות מערכת BRI הוא מאתגר מאוד, כמו הרובוט דמוי אדם עם תנועת גוף מלאה מפותח כדי לבצע משימות מורכבות כגון סיוע אישי 4, 5. מצב יציב חזותי פוטנציאלי (SSVEP) עורר הוא סוג של אות המוח שמעורר האפנון של גירוי חזותי בתדר נתון 6. הוא מכיל sinusoids בתדרים הבסיסיים והרמוניים של הגירוי המרצד, ובאופן בולט מופיע ברחבי קליפת הראייה באזור העורפי של הקרקפת 7. הסיבה לבחירת אותות SSVEP היא שמערכת BRI מבוססת SSVEP מניבה קצב העברת מידע גבוה יחסית ודורשת פחות אימונים 8. סוגים אחרים של גלי המוח, כגון פוטנציאל הקשור לאירוע (ERPs) 9 או מנוע-תמונות (MI) פוטנציאלי 10, יכולים גם להיות מוטבעים לתוך הליך ניסוי זה. ההליך שלנו לאינטראקציה המוח-רובוט דמוי אדם עםרובוטים מבוסס על Cerebot - פלטפורמת רובוט דמוי אדם שבשליטת מוח - בהיקף של מערכת רכישת נתונים EEG ורובוט דמוי אדם 11. מערכת ה- EEG היא מסוגלת להקליט, לפני תהליך ואותות ביו-פוטנציאל תצוגה נרכשו על ידי סוגים שונים של אלקטרודות. הוא מספק אנלוגי מרובה קלט / פלט ואני דיגיטלי / Os ומסוגל להקליט עד 128 ערוצים בו זמנית אות בקצב דגימה של 30 קילוהרץ עם רזולוציה של 16 סיביות. ערכות פיתוח תוכנה שלה בשפת C ++ וMATLAB הן קלים למשתמשים לעצב את הפרוצדורות. יש רובוט דמוי האדם 25 דרגות חופש, והוא מצויד בחיישנים מרובים, כולל 2 מצלמות, 4 מיקרופונים, 2 rangefinders סונאר, 2 IR קרינה ומקלטים, 1 לוח אינרציה, 9 חיישני מישוש, ו8 חיישני לחץ. הוא מספק Choregraphe ו- C ++ SDK ליצירה ועריכת תנועות והתנהגויות רובוט אינטראקטיביות. המטרה הכוללת של שיטה זו היא להקים proce הניסיוני מבוסס SSVEPדורה על ידי שילוב תוכנות מרובות, כגון OpenViBE, Choregraph, תוכנה מרכזית כמו גם תוכניות משתמש פיתח נכתבו ב- C ++ וMATLAB, כדי לאפשר המחקר של אינטראקציה המוח-רובוט דמוי אדם עם רובוטים 11. איור 1 מציג את מבנה המערכת. מחשב הגירוי הייעודי המצגת (SPC) מציג את ממשק המשתמש כדי לספק את הנושא עם גירויים חזותיים, הוראות ומשובים סביבתיים. המחשב הייעודי לעיבוד נתונים (DPC) מנהל את מקליט נתונים ומנתח נתונים מנותק בתהליך ההכשרה לא מקוון, ומפעיל את מעבד האותות באינטרנט ובקר הרובוט לשליטה באינטרנט של הרובוט דמוי האדם. בהשוואה למערכות בקרה מבוססת SSVEP אחרות, המערכת שלנו היא יותר אמינה, גמישה יותר, ובמיוחד יותר נוחה לשימוש חוזר ומשודרג כפי שפותח על ידי שילוב מספר חבילות תוכנה סטנדרטיות, כגון OpenViBE, Choregraph, תוכנה מרכזית, ו מודולים שנכתבו ב- C ++וMATLAB. ההליך הבא היה נבדק ואושר על ידי ועדת אתיקה בבית חולים כלליים באוניברסיטה רפואית טיאנג&#39;ין, וכל הנושאים נתנו סכמה בכתב.

<table><tbody><tr><td>Cerebus EEG Data Acquisition System</td><td>Blackrock Microsystems</td><td>4176-9967</td><td></td></tr><tr><td>NAO רובוט דמוי אדם</td><td>Aldebaran Robotics</td><td>H25</td><td></td></tr><tr><td>כובע EEG</td><td>Neuroscan</td><td>8732</td><td></td></tr><tr><td>Ten20 ג'ל מוליך</td><td>Weaver וחברה</td><td>10-20-8</td><td></td></tr></tbody></table>

ssvep מבוסס נוהל ניסיון לאינטראקצית המוח-רובוט עם רובוטים דמויים אדם

SSVEP-based Experimental Procedure for Brain-Robot Interaction with Humanoid Robots

אינטראקציה בין מוח לרובוט (BRI), המספקת נתיב תקשורת חדשני בין אדם למכשיר רובוטי באמצעות אותות מוחיים, היא פרוספקטיבית בסיוע לנכים בחיי היומיום שלהם. המטרה הכוללת של השיטה שלנו היא לבסס הליך ניסוי מבוסס SSVEP על ידי שילוב תוכנות מרובות, כגון OpenViBE, כוריגרף ותוכנה מרכזית, כמו גם תוכנות שפותחו על ידי משתמשים שנכתבו ב-C++ ו-MATLAB, כדי לאפשר חקר אינטראקציה בין מוח לרובוט עם רובוטים דמויי אדם.
זה מושג על ידי הנחת אלקטרודות EEG על נבדק אנושי כדי למדוד את תגובות המוח באמצעות מערכת איסוף נתונים של EEG. ממשק משתמש משמש כדי לעורר תגובות SSVEP ולהצגת משוב וידאו בניסויי הבקרה בלולאה סגורה. השלב השני הוא להקליט את אותות ה-EEG של נבדקים בפעם הראשונה, לנתח את תכונות ה-SSVEP שלהם במצב לא מקוון ולהכשיר את המסווג עבור כל נבדק. לאחר מכן, מעבד האותות המקוון ובקר הרובוט מוגדרים לשליטה מקוונת ברובוט דמוי אדם. כשלב האחרון, הנבדק משלים שלושה ניסויי בקרה ספציפיים בלולאה סגורה בסביבות שונות כדי להעריך את ביצועי האינטראקציה בין מוח לרובוט.
היתרון של גישה זו הוא האמינות והגמישות שלה מכיוון שהיא מפותחת על ידי שילוב תוכנות מרובות. התוצאות מראות כי באמצעות גישה זו, הנבדק מסוגל לקיים אינטראקציה עם הרובוט דמוי האדם באמצעות אותות מוח. זה מאפשר לרובוט דמוי האדם הנשלט על ידי המוח לבצע משימות טיפוסיות הפופולריות במחקר רובוטי ועוזרות בסיוע לנכים.

התוצאות שהוצגו כאן התקבלו מנושא גברי שתקן ל-נורמלי גרסה. איור 7 מציג את ההליך של נתוני ה- EEG העיבוד, כולל חילוץ עידן רב ערוצי נתונים (איור 7 א), במרחב סינון נתונים באמצעות מקדמי המרכז לאמנות עכשווית (איור 7) , וחישוב PSD המנורמל (איור 7 ג). איור 8 מראה את PSD המנו...

המטרה הכוללת של שיטה זו היא לבסס הליך ניסוי מבוסס SSVEP על ידי שילוב תוכנות מרובות כדי לאפשר מחקר של אינטראקציה בין מוח לרובוט עם רובוטים דמויי אדם, אשר הוא פרוספקטיבי בסיוע לחולים וקשישים כמו גם בביצוע עבודות לא סניטריות או מסוכנות.

SSVEP מבוסס נוהל ניסיון לאינטראקצית המוח-רובוט עם רובוטים דמויים אדם

Brain-Robot Interaction (BRI), which provides an innovative communication pathway between human and a robotic device via brain signals, is prospective in ...

המטרה הכוללת של שיטה זו היא לבסס הליך ניסויי המבוסס על S-S-V-E-P באמצעות שילוב של מספר תוכנות, כדי לאפשר מחקר של אינטראקציה בין המוח לרובוט עם רובוטים 휴מנואידים. דבר זה מושג תחילה על ידי הצבת אלקטרודות EEG על נבדק אנושי למדידת תגובות המוח באמצעות מערכת לרכישת נתוני EEG. ממשק משתמש משמש לעירור תגובות S-S-V-E-P ולהצגת משוב וידאו בניסויי בקרה בלולאה סגורה.השלב השני הוא הקלטת אותות EEG של הנבדקים בפעם הראשונה, כדי לנתח את מאפייני ה-S-S-V-E-P באופן לא מקוון (offline) ולאמן את המסווג עבור כל נבדק. לאחר מכן, מעבד האותות המקוון ובקר הרובוט מוגדרים לצורך בקרה מקוונת (online) של רובוט הומנואיד. כשלב סופי, הנבדק מבצע שלושה ניסויי בקרה במעגל סגור בתוך סביבות שונות.ב order להעריך את ביצועי האינטראקציה בין המוח לבין Robert, התוצאות מראות את צפיפות הספק הספקטרלית (power spectral density) הנורמלית של אותות מוחיים שנוצרו בזמן התבוננות בגירויים המהבהבים בתדרים שונים. המערכת שלנו מתרגמת דפוסי גלי מוח אלו לפקודות לשליטה בהתנהגויות של Robert. באמצעות גישה זו, הנבדק מסוגל לקיים אינטראקציה עם ההומנויד Robert באמצעות אותות מוחיים.דבר זה מאפשר לרובוט ההומנואיד Robert לבצע משימות טיפוסיות הנפוצות במחקר רובוטי ומסייעות בתמיכה באנשים עם מוגבלויות. היתרון של גישה זו הוא האמינות והגמישות שלה, שכן היא פותחה באמצעות שילוב של מספר תוכנות, כגון open wide graph ותוכנה מרכזית, כמו גם תוכניות שפותחו על ידי משתמשים בשפות c plus plus ו-match lab. שיטה זו מאפשרת לחקור את הקשר בין המוח לרובוט בפעולה באמצעות הרובוט ההומנואיד.מחקר זה הוא פרוספקטיבי במטרה לסייע לחולים ולקשישים, וכן לביצוע עבודות לא היגייניות או מסוכנות. עמיתיי למחקר, Lim ו-Han, ידגימו כעת את מיקום חיישני ה-EEG ויציגו בהתאמה את שיטת החיבור לבן אדם ולא לרובוט. הסבר את מהלך הניסוי לנבדק.השג הסכמה להשתתפות בניסויים. מדוד את היקף ראש הנבדק ובחר את גודל כובע ה-EEG הקרוב ביותר למדידה. מדוד את המרחק בין סימון ה-NAS, וסמן 10% מהמרחק כנקודת ייחוס ליישור הכובע.סמנו את נקודת האמצע של המרחק בvertex במיקום של ה-subject cul. יישרו את האלקטרודה cz של כובע ה-EEG ב-vertex כך שסימון ה-10% יהיה בקו אחד עם נקודת האמצע שבין האלקטרודות FP one ו-FP two. ודאו שהאלקטרודות fz, cz, PZ ו-OZ נמצאות על קו האמצע של הראש.מרחו ג'ל מוליך על אלקטרודות הייחוס. הניחו את אלקטרודות הייחוס מעל ה-OIDs השמאלי והימני בעזרת סרט דביק רפואי. הדקו את רצועת הסרט.הנח את המזרק בעל הקצה התעמום במחזיקי האלקטרודות והזרק ג'לים מוליכים לכל אלקטרודה לפי הסדר הבא. ראשית, לאלקטרודת ההארקה ושנית, לחמש האלקטרודות המשמשות בניסוי O 2 0 1 OZ.PZ ו-cz. הושב את הנבדק על כיסא נוח, במרחק של 60 centimeter מול מסך הגירויים.חברו את חוטי האלקטרודות למערכת רכישת הנתונים של ה-EEG. הגדירו את קצב הדגימה ל-1 kHz. בחנו את איכות אות ה-EEG במחשב ייעודי לעיבוד נתונים.אם קיימת בעיה באלקטרודה ספציפית, יש להזריק ג'לים שוב כדי להתאים את העכבה (impedance) של הערוץ. הצג תמונות של ארבעה רובוטים בתדרים שונים כגירויים חזותיים בממשק המשתמש.עבור הנבדק הראשון, בצע את ניסוי האימון במצב לא מקוון (offline) כדי להגדיר את וקטורי התכונות של ה-S-S-V-E-P שלו ולאמן את המסווג. בצע 32 ניסיונות עבור כל נבדק והקלט את אותות המוח לאורך תהליך זה. עם תחילת כל ניסיון, בחר באופן אקראי גירוי אחד כמטרה והצג מעליו חץ צהוב.שנייה אחת. לאחר מכן, הבהיבו את ארבעת הגירויים החזותיים בתדרים שונים על ממשק המשתמש למשך חמש שניות, ובקשו מהנבדק להתמקד ביעד הגירוי שנבחר תוך צמצום תנועות הגוף למינימום. לאחר כל ניסוי, תנו לנבדק שלוש שניות להירגע ולאחר מכן התחילו את הניסוי הבא.עם סיום כל הניסויים, קראו את הנתונים השמורים. פסים כתומים אנכיים מציינים טריגרים לבחירת גירוי כמטרה; הגירויים מהבהבים במהלך פרק הזמן של חמש שניות. בכל ניסוי, חלצו מקטע נתונים של שלוש שניות בין השנייה השנייה לשנייה החמישית לאחר הטריגר.חשבו את מקדם ה-CCA של נתוני ה-EEG רב-הערוציים עם אות ייחוס y, שמוגדר כאות הגירוי המחזורי בתדרים מסוימים. שיטת ה-CCA מוצאת את וקטורי השילוב הלינארי כדי למקסם את מקדם המתאם בין האותות המשולבים. בצעו סינון מרחבי לנתוני ה-EEG רב-הערוציים באמצעות מקדמי ה-CCA שחושבו.חשבו את צפיפות הספק הספקטראלי (power spectral density) של נתוני המסנן באמצעות התמרת פורייה מהירה (fast Fourier transform). נרמלו את צפיפות הספק הספקטראלי ביחס לערך הממוצע שלה בין 3 Hz ל-40 Hz. לאחר מכן, בצעו כיול של פרמטרי הסיווג עבור כל תדר גירוי.הגדירו את פרמטרי הסיווג עבור הנבדק דרך חלון הגדרות הניקוי הפתוח. הפעילו את מעבד האותות המקוון במחשב עיבוד הנתונים. רכשו נתוני EEG מערוצים O 2 0 1 OZ PZ ו-CZ של מערכת ה-EEG בכל 0.5 שניות, והוציאו את מקטע הנתונים של שלוש השניות האחרונות לצורך עיבוד מקוון.עבד את מקטע הנתונים באמצעות האלגוריתמים המתוארים בתהליך המנותק (offline). חשב את צפיפות ההספק הספקטרלית בזמן אמת לצורך סיווג. כאשר האמפליטודה של תדר מאפיין אחד היא מעל סף נתון, הגירוי המהבהב בתדר המתאים מסווג.כמטרה של SSV EEP, הפעילו את רובוט ה-Noro האנושי והקימו את חיבור ה-wifi שלו למחשב עיבוד הנתונים. הגדירו והפעילו את בקר הרובוט, אשר מקבל את תוצאות הסיווג מהמעבד של האותים המקוון ושולט בהתנהגויות המתאימות של הרובוט ההומנואידי באמצעות חיבור אלחוטי. הפעילו את תוכנת הכוריאוגרפיה במחשב הייעודי להצגת גירויים כדי להציג משוב וידאו חי ממצלמת הרובוט על ממשק המשתמש.בקש מהנבדק לבצע שלושה מבחני בקרה בלולאה סגורה ספציפיים בסביבות שונות, וזאת כדי להעריך את ביצועי האינטראקציה בין המוח לרובוט. מבחנים אלו נפוצים במחקר רובוטי והם מסייעים בסיוע לאנשים עם מוגבלויות ולקשישים בחיי היומיום שלהם. לפני תחילת משימה חדשה, יידע את הנבדק לגבי מטרת המשימה וההתנהגויות הזמינות לבקרה.תוצאות אלו מציגות את הליך העיבוד של נתוני EEG, הכולל חילוץ תקופות נתונים (epochs) רב-ערוציות, סינון מרחבי של הנתונים באמצעות מקדמי CCA וחישוב צפיפות הספק ספקטרלית מנורמלת. צפיפות ההספק הספקטרלית המנורמלת שהתקבלה בניסויים בודדים שבהם הנבדק בהה במטרות מהבהבות שונות מוצגת כאן. בניסויי הבקרה הראשונים בלולאה סגורה, בני האדם Noah Robert נשלט על ידי אותות מוחיים כדי ללכת בין מכשולים וללחוץ על מתג תאורה שעל הקיר.אותות מוחיים עובדו בזמן אמת. כדי לסווג את כוונת הבקרה של הנבדק, הנבדק צפה במשוב הווידאו בשידור חי ושלט בהתנהגות של Robert על ידי התבטות בגירויים המתאימים. לאחר הגעה למפסק, הנבדק שלט ב-Robert כדי להדליק את האור.בניסוי השני, הרובוט האנושי נווט באופן רציף לעבר גרם המדרגות בעקבות שלט היציאה, בהתבסס על משוב וידאו. בעת מפגש עם עוברי אורח, הנבדק שלט ברובוט כדי לומר "סליחה" ולהמתין עד שעוברי האורח יפנו את הדרך. לאחר מכן, הרובוט נוהל להמשיך ללכת לעבר גרם המדרגות.בניסוי השלישי, הרובוט ההומנואיד Robert נשלט באמצעות תנועה מלאה של הגוף כדי להגיע למטרה (בלון), להרים אותה ולהעבירה לידו של הנבדק בהתבסס על משוב וידאו בשידור חי. מכיוון שכוונתו של בן אדם נתפסת באמצעות פרשנות של אותות EEG של LU time, קריטי לוודא את החיבורים החשמליים ואת איכות אותות ה-EEG לפני ביצוע הניסויים. בעיה נפוצה נוספת בעת רכישת אותות EEG היא הפרעות, ארטיפקטים ורעשים.ההפרעות מסוג זה מופחתות על ידי צמצום תנועות הגוף של הנבדק ושימוש בטכניקה רב-ערוצית המבוססת על CCA. השיטה שלנו יעילה לתכנון מגוון של הליכים ניסיוניים וגמישה לבחינת אלגוריתמים וטכניקות לאינטראקציה בין מוח לרובוט, ובמיוחד, ניתן להשתמש בה בקלות כדי לחקור יישומים חדשים של BRI.

ssvep-based-experimental-procedure-for-brain-robot-interaction-with

Research

JoVE Journal

Engineering

הנדסה

אנו משתמשים בלולאה סגורה לטוס מכונת ממשק לחקור עקרונות כלליים השליטה העצבית.

פלטפורמה ניסויית לחקר ביצועים לולאה סגורה של המוח מכונת ממשקים

לאחרונה, כמות עצומה של לקוחות פוטנציאליים הגיעו זמין עבור אדם רובוט מערכות אינטראקטיביות. במאמר זה אנו המתאר את השילוב של מכשיר רובוטי חדש עם תוכנות קוד פתוח שיכולות להפוך במהירות ספריה אפשרי של פונקציונליות אינטראקטיבית. לאחר מכן מתאר יישום קליני עבור יישום neurorehabilitation.

לתחושה / שיקום גרפי: שילוב רובוט לתוך ספריית סביבה וירטואלית וליישם אותו שבץ תרפיה

הסתגלות ושימוש רובוט לתחושה ב fMRI 3T מתואר.

ההסתגלות של רובוט לתחושה ב fMRI 3T

במאמר זה מוצגת מסגרת ניסויית לביצוע ניסויים בלולאה סגורה, בה נלמדים עיבוד מידע (כלומר, קידוד ופענוח) ולמידה של מכלולים עצביים במהלך האינטראקציה המתמשכת עם גוף רובוטי.

ניסויי נוירו-רובוטית לולאה סגורה כדי לבדוק את מאפיינים חישובית של רשתות עצבי

ממשק אדם-מכונה חדשני בעלות נמוכה למערכת שיקום שיווי משקל אינטראקטיבית לאחר שבץ מוצג במאמר זה. המערכת משלבת חיישנים בעלות נמוכה מהמדף לקראת פרדיגמת אלקטרותרפיה מונעת רצון. ממשק התוכנה להוכחת היתכנות מודגם על מתנדבים בריאים.

ממשק אדם-מכונה-שילוב חיישנים בעלות נמוכה עם מערכת גירוי חשמלי Neuromuscular לשיקום מאזן פעימות הודעה

כאן אנו מתארים יד וירטואלית ופרדיגמות אשליה וירטואלית פנים, שניתן להשתמש בהם כדי ללמוד הגוף הקשורות תפיסה עצמית / -representation. הם כבר נעשה שימוש במחקרים שונים כדי להוכיח, בתנאים מסוימים, יד או פנים וירטואלי יכול להיות משולב בתוך ייצוג הגוף של האדם, דבר המצביע על כך ייצוגי הגוף הם די גמישים.

יצירת אשליות Virtual-יד וירטואלית פנים לחקור ייצוג עצמי

אנו מציגים פרוטוקולים ושיטות של ניתוחים לבניית ממשקים אדפטיביים משותפים הזורמים, מתפרצים, מנתחים ומשנים אותות גוף ולב אנושיים בלולאה קרובה. התקנה זו ממשקים אותות נגזר ממערכות העצבים ההיקפיות והמרכזיות של האדם עם כניסות חושיות חיצוניות כדי לסייע במעקב אחר שינוי ביופיזי.

בקרת Proxy בזמן אמת של אותות היקפיים עם פרמטרים מחדש באמצעות ממשק לולאה קרובה

ההערכה היא כי 1 מכל 6 אנשים ברחבי העולם ילקה בשבץ מוחי במהלך חייו, מה שיגרום לנכות ארוכת טווח, שמנגנוני השיקום שלה עדיין אינם מובנים היטב. מחקר זה מציע פרוטוקול להערכת הפעלת המוח על ידי ספקטרוסקופיה תפקודית של אינפרא אדום קרוב (fNIRS) במהלך טיפול רובוטי בגפיים התחתונות.

ניסוי באמצעות ספקטרוסקופיה פונקציונלית של אינפרא אדום קרוב ותנועות הצבעה רב-מפרקיות בסיוע רובוט של הגפה התחתונה

לדימוי מוטורי בסביבת מציאות מדומה יש יישומים רחבים במערכות ממשק מוח-מחשב. כתב יד זה מתאר את השימוש באווטארים דיגיטליים מותאמים אישית הדומים למשתתפים המבצעים תנועות שדמיין המשתתף בסביבת מציאות מדומה כדי לשפר את הטבילה ואת תחושת הבעלות על הגוף.

ביצועי דימויים מוטוריים באמצעות תאומים דיגיטליים מגולמים בסביבת ממשק מוח-מחשב התומכת במציאות מדומה

מחקר זה מציג מערכת ממשק מוח-מחשב (BCI) לחולי שבץ מוחי, המשלבת אותות אלקטרואנצפלוגרפיה ואלקטרוקולוגרפיה כדי לשלוט ביד רובוטית בגפה העליונה, ולשפר את הפעילויות היומיומיות. ההערכה השתמשה במבחן ברלין דו-ידני לשבץ מוחי (BeBiTS).

מערכת רובוטית לגפיים העליונות הנשלטת על ידי ממשק מוח-מחשב לשיפור הפעילות היומיומית בחולי שבץ מוחי

למד שיטת SSVEP לבקרת רובוטים דמויי אדם באמצעות אותות מוח. השיטה משלבת תוכנות מרובות לאיסוף נתוני EEG, אימון מסווגים וביצוע ניסויים בקרה סגורה לסיוע בטיפול בחולים ובקשישים.

SSVEP מבוסס נוהל ניסיון לאינטראקצית המוח-רובוט עם רובוטים דמויים אדם

גלה סרטונים נוספים