Zastosowania sygnałów SSVEP w interfejsach mózg-komputer - wielowymiarowe podejście do interakcji człowiek-komputer
DOI:
https://doi.org/10.34767/SIMIS.2024.03.02Słowa kluczowe:
interfejs mózg-komputer, SSVEP, VR, AR, interakcja człowiek-komputerAbstrakt
Celem pracy jest przedstawienie różnorodnych zastosowań sygnałów SSVEP (Steady-State Visually Evoked Potentials) w interfejsach mózg-komputer (BCI). Interfejsy mózg-komputer oparte o SSVEP umożliwiają intuicyjne i wszechstronne sterowanie, otwierając nowe możliwości w takich dziedzinach jak obsługa urządzeń wspomagających, wirtualna i rozszerzona rzeczywistość, sterowanie inteligentnymi domami, gry i rozrywka. Omówione zostaną metody akwizycji i przetwarzania sygnałów EEG, algorytmy klasyfikacji oraz ich zastosowanie w różnych systemach. Wyniki badań wskazują na efektywność technologii SSVEP w dostarczaniu niezawodnych i precyzyjnych interakcji, co czyni ją kluczowym elementem w rozwoju nowoczesnych interfejsów użytkownika oraz systemów wspierających.
Bibliografia
Yadav H., Maini S. Electroencephalogram based brain computer interface: Applications, challenges, and opportunities. Springer Science+Business Media. 2023, doi: 10.1007/s11042-023-15653-x. 2.
Zhu D., Bieger J., Garcia-Molina G., Aarts R.M. A Survey of Stimulation Methods Used in SSVEP-Based BCIs. Comput Intell Neurosci. 2010, 1. doi: 10.1155/2010/702357.
Zhang Y. Mechanism Research and Application of Brain computer Interface. 2020 doi: 10.1145/3429889.3430085.
Zhang Y., Xie S.Q., Wang H., Zhang Z. Data Analytics in Steady-State Visual Evoked Potential-Based Brain–Computer Interface: A Review. IEEE Sens J. 2020, 21(2), 1124. doi: 10.1109/jsen.2020.3017491.
Liu H. et al. A comparative study of stereo-dependent SSVEP targets and their impact on VR-BCI performance. Front Neurosci. 2024. doi: 10.3389/fnins.2024.1367932.
Niu L. et al. Effect of 3D paradigm synchronous motion for SSVEP‑based hybrid BCI‑VR system. 2023.
Gu W., Yang B., Chang R. Machine Learning-based EEG Applications and Markets. Cornell University. 2022. doi: 10.48550/arxiv.2208.05144.
Coulton P., Wylie C.G., Bamford W. Brain interaction for mobile games. 2011. doi: 10.1145/2181037.2181045.
Gutiérrez-Martínez J., Mercado-Gutiérrez J.A., Carvajal Gámez B.E., Rosas‐Trigueros J.L., Contreras-Martinez A.E. Artificial Intelligence Algorithms in Visual Evoked Potential Based Brain-Computer Interfaces for Motor Rehabilitation Applications: Systematic Review and Future Directions. Front Hum Neurosci. 2021, 15. doi: 10.3389/fnhum.2021.772837.
Piszcz A., Rojek I, Mikołajewski D. Impact of Virtual Reality on Brain–Computer Interface Performance in IoT Control-Review of Current State of Knowledge. Multidiscip Digit Publ Inst. 2024. doi: 10.3390/app142210541.
Piszcz A. BCI w VR: imersja sposobem na sprawniejsze wykorzystywanie interfejsu mózg-komputer. Studia i Materiały Informatyki Stosowanej. 2021;13(1):5-10.
Bonaci T., Herron J.A., Matlack C., Chizeck H.J. Securing the exocortex: A twenty-first century cybernetics challenge. 2014. doi: 10.1109/norbert.2014.6893912.
Gu X. et al. EEG-Based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies on Signal Sensing Technologies and Computational Intelligence Approaches and Their Applications. IEEE/ACM Trans Comput Biol Bioinform. 2021, 18(5), 1645. doi: 10.1109/tcbb.2021.3052811.
Koudelková Z., Daňková Š., Filip M., Dabrovska M. The Possibility of Using BCI Applications in Physiotherapy. EDP Sci. 2019. doi: 10.1051/matecconf/201929201033.
Maiseli B. et al. Brain Computer Interface: Future, Challenges, and Potential Threats. RELX Group (Netherlands). 2022. doi: 10.2139/ssrn.4073630.
Luo W., Yin W., Liu Q., Qu Y. A hybrid brain-computer interface using motor imagery and SSVEP Based on convolutional neural network. 2023. doi: 10.1080/27706710.2023.2258938.
Chen W., Chen S.K., Liu Y., Chen Y.J., Chen C. An Electric Wheelchair Manipulating System Using SSVEP-Based BCI System. Multidiscip Digit Publ Inst. 2022. doi: 10.3390/bios12100772.
Acampora G., Trinchese P., Vitiello A. A dataset of EEG signals from a single-channel SSVEP-based brain computer interface. Elsevier BV. 2021. doi: 10.1016/j.dib.2021.106826.
Zhu F, Jiang L, Dong G, Gao X, Wang Y. An Open Dataset for Wearable SSVEP-Based Brain-Computer Interfaces. Multidiscip Digit Publ Inst. 2021. doi: 10.3390/s21041256.
Wai A.A.P. et al. Towards a Fast Steady-State Visual Evoked Potentials (SSVEP) Brain-Computer Interface (BCI). Cornell University. 2020. doi: 10.48550/arxiv.2002.0117.
Pobrania
Opublikowane
Numer
Dział
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
