Методы и алгоритмы синтеза нейрокомпьютерного интерфейса на основе анализа вызванного потенциала Р300 электроэнцефалограммы

Методы и алгоритмы синтеза нейрокомпьютерного интерфейса на основе анализа вызванного потенциала Р300 электроэнцефалограммы

Автор: Карловский, Дмитрий Викторович

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 2009

Место защиты: Москва

Количество страниц: 131 с. ил.

Артикул: 4569538

Автор: Карловский, Дмитрий Викторович

Стоимость: 250 руб.

Методы и алгоритмы синтеза нейрокомпьютерного интерфейса на основе анализа вызванного потенциала Р300 электроэнцефалограммы  Методы и алгоритмы синтеза нейрокомпьютерного интерфейса на основе анализа вызванного потенциала Р300 электроэнцефалограммы 

Оглавление
Оглавление
Список и обозначение аббревиатур
Список иллюстраций
Список таблиц.
Список таблиц.
Введение.
Введение.
Цель работы
Научная новизна
Практическая значимость работы.
Основные результаты работы.
Достоверность полученных результатов.
Апробации работы.
ГЛАВА 1. Нейрокомпьютерный интерфейс.
1.1. Современные представления о природе ВП.
1.1.1. Общие понятия и классификация ВП
1.1.2. Соотношение скальповых ВП с записью с коры и глубинных
структур.
1.2. Методика выделения вызванных потенциалов.
1.2.1. Иллюстрация метода выделения ВП.
1.2.2. Характеристики выделения ВП в зависимости от числа
усреднений.
1.2.3. Основные ограничения, накладываемые на сигнал ВП при
его выделении
1.2.4. Погрешности и артефакты при выделении ВП
1.2.5. Методики выделения когнитивных ВП Р0
1.3. Классификация ПКИ систем.
1.3.1. Инвазивные и неинвазивные.
1.3.2. Тип используемых потенциалов
1.3.3. Синхронные и асинхронные
1.3.4. Универсальность и индивидуальность
1.3.5. Работа в режиме реального и отложенного времени.
1.4. Обзор реализации НКИ систем
1.4.1. НКИ на основе анализа волны Р0
1.4.2. НКИ на основе распознавания образов.
1.4.3. НКИ на основе медленных корковых потенциалов
1.4.4. НКИ на основе анализа мюритма
1.4.5. Конструирование программноаппаратного комплекса Р0 НКИ
ГЛАВА 2. Формализация задачи классификации.
2.1. Постановка задачи распознавания комплекса РЗОО.
2.1.1. Предобработка сигнала.
2.1.2. Параметризация сигнала
2.1.3. Классификация паттерна
2.1.4. Интерпретация результата
2.2. Решение задачи распознавания комплекса РЗОО
2.2.1. Реализация предобработки сигнала
2.2.2. Параметризация сигнала
2.2.3. Классификация паттерна
ГЛАВА 3. Описание эксперимента.
3.1. Общая схема эксперимента.
3.1.1. Схема работы программы
3.2. Описание программы стимуляции
3.2.1. Окно стимуляции
3.2.2. Панель управления экспериментом.
3.2.3. Панель настроек.
3.3. Описание программы классификации.
3.4. Проведение эксперимента
3.4.1. Испытуемые
3.4.2. Стимуляция
3.4.3. Инструкция
3.4.4. Регистрация.
3.4.5. Выделение значимых электродов матрица букв
3.4.6. Выделение значимых электродов матрица пиктограмм
Г ЛАВА 4. Анализ данных
4.1. Порядок нахождения оптимального метода распознавания комплекса Р0
4.2. Разбиение электродов. Способ III.
4.2.1. Метод наименьших квадратов
4.2.2. Линейный дискриминантный анализ.
4.2.3. Метод главных компонент.
4.3. Разбиение электродов. Способ 1
4.3.1. Метод наименьших квадратов.
4.3.2. Линейный дискриминантный анализ
4.3.3. Метод главных компонент
4.4. Разбиение электродов. Способ II.
4.4.1. Метод наименьших квадратов.
4.4.2. Линейный дискриминантный анализ
4.4.3. Метод главных компонент
4.5. Выводы
ГЛАВА 5. Результаты.
5.1. Матрица пиктограмм
5.2. Матрица букв
Заключение.
Список литературы


Иллюстрация метода выделения ВП. Классификация ПКИ систем. Инвазивные и неинвазивные. Работа в режиме реального и отложенного времени. НКИ на основе распознавания образов. ГЛАВА 2. Формализация задачи классификации. Постановка задачи распознавания комплекса РЗОО. Предобработка сигнала. ГЛАВА 3. Описание эксперимента. Общая схема эксперимента. Панель управления экспериментом. Панель настроек. Описание программы классификации. Регистрация. Г ЛАВА 4. Разбиение электродов. Способ III. Линейный дискриминантный анализ. Метод главных компонент. Разбиение электродов. Метод наименьших квадратов. Разбиение электродов. Способ II. Метод наименьших квадратов. ГЛАВА 5. Результаты. Заключение. Список литературы. Приложение А. Результаты опознания букв. Приложение Б. Результаты опознания пиктограмм. Рисунок 1. Общая модель нейрокомпыотеного интерфейса. Рисунок 2. Теле теннис на основе Graz ВСІ []. Рисунок 3. Рисунок 4. Международная схема расположения электродов «-». Рисунок 5. Амплитудно-частотные соотношения сигналов. Рисунок 6. Иллюстрация принципа выделения ВП. Рисунок 7. Рисунок 8. Рисунок 9. Выделение когнитивной составляющей ответа. Рисунок . Рисунок . Рисунок . Рисунок . Рисунок . Результат работы системы TTD. Рисунок . Рисунок . Рисунок . Траектории перемещения курсора. Рисунок . Основные параметры комплекса РЗОО, используемые классификаторами на основе ковариационного метода, метода максимума и площадей. Рисунок . Рисунок . Общая схема работа программы. Рисунок . Общий вид программы стимуляции. Рисунок . Рисунок . Рисунок . Окно регистрации электроэнцефалограммы. Рисунок . Рисунок . Схема расположения электродов для эксперимента с матрицей пиктограмм. Рисунок . Рисунок . Таблица 1. Таблица 2. Таблица 3. Таблица 4. Элементы отображения окна регистрации. Таблица 5. Таблица 6. Элементы отображения окна регистрации. Таблица 7. Таблица 8. Параметры стимуляции для экспериментов на матрице пиктограмм ("быстрый" режим). Таблица 9. Таблица . Таблица И. Таблица . Таблица . Таблица . Таблица . Точность распознавания РЗОО на обучающей и тестовой выборках методом главных компонент с 5-тыо факторами (группировка электродов способом III). Таблица . Точность распознавания РЗОО на обучающей выборке методом главных компонент с -ю факторами (группировка электродов способом Ш). Таблица . Таблица . Точность распознавания РЗОО на тестовой и обучающей выборках методом наименьших квадратов (группировка электродов способом I). Таблица . Точность распознавания РЗОО на обучающей и тестовой выборках линейным дискриминантным анализом (группировка электродов способом I). Таблица . Таблица . Точность распознавания РЗОО на тестовой выборке методом главных компонент с -, -, -, -, - и 0-ю факторами (группировка электродов способом I). Таблица . Таблица . Таблица . Таблица . Таблица . Таблица . Рисунок 1. Планирование и выполнение действия человеком сопровождается изменением электрических потенциалов коры мозга. Распределение в пространстве и времени создает определенную картину, которую можно зарегистрировать с помощью электроэнцефалографа. В настоящее время созданы системы, получившие название нейрокомпьютерных интерфейсов - НКИ (а в англоязычной литературе brain-computer interface - BCI), которые способны различать множество таких картин и превращать их в команды, управляющие работой компьютера или компьютеризованных электромеханических устройств (например, роботов) [1]. СНЯТИЕ . На рисунке 1 изображена общая модель нейрокомрьютерного интерфейса. При намерении совершить какое-либо действие у пользователя изменяется электрическая активность соответствующих зон головного мозга. Эти сигналы снимаются электроэнцефалографом и в виде цифровых данных поступают в компьютер, где производится вычисление признаков сигнала, характерных для того или иного мысленного процесса. Далее набор признаков разделяют по типам, и компьютер вырабатывает команду, управляющую исполнительным устройством. Пользователь в режиме реального времени наблюдает за реакцией системы на свое мысленное действие.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.241, запросов: 244