MétaCan
Menu
Retour à la cohorte
Enregistrement W2277394937 · doi:10.1016/j.bspc.2015.12.010

An independent-BCI based on SSVEP using Figure-Ground Perception (FGP)

2016· article· en· W2277394937 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueBiomedical Signal Processing and Control · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesFundação de Amparo à Pesquisa e Inovação do Espírito SantoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésBrain–computer interfaceComputer sciencePerceptionFigure–groundCommon groundArtificial intelligenceSpeech recognitionPattern recognition (psychology)ElectroencephalographyPsychologyCommunicationNeuroscience

Résumé

récupéré en direct d'OpenAlex

The main idea of a traditional Steady State Visually Evoked Potentials (SSVEP)-BCI is the activation of commands through gaze control. However, the widely named “dependent” SSVEP-BCIs might not be applicable for patients with ocular motor impairments or severe neuromuscular problems. Nevertheless, an “independent” SSVEP-BCIs might be a potential approach to solve this problem. This study presents a novel independent-BCI based on SSVEP using Figure-Ground Perception (FGP), terminology widely known and used in Gestalt psychology for object recognition by means of changes in perception. This BCI proposes to identify two different targets that represent commands in a limited visual space without needing to shift the gaze by the paradigm of covert attention. For that purpose, the well-known example of Rubin's face-vase in FGP was used. The traditional EEG signal analysis consists of three steps: filtering, feature extraction and classification. In this work, two techniques were used for performance comparison, and the classification was obtained through a criterion of maxima for both techniques. Ten subjects participated in this study in offline tests and five subjects for online tests. The flickering frequencies were 15.0 Hz (vase) and 11.0 Hz (faces). Our results demonstrate that the electrode Oz is the best channel for characterization of visual perception, from a quantitative point of view based on the canonical correlation, after a channel analysis by independent way. Regarding the classification, MSI technique was more accurate in relation to CCA, in all the cases with same conditions, either using three electrodes or a single electrode (Oz), even for different window lengths. The online performance appeared to decrease as participants switched from Face (82.7%) to Vase (76%) stimulus. These results are consistent with our results in offline tasks. Muscular activity related to the eye movements was also evaluated using a commercial device of eye tracking (Eye Tribe). These findings strongly support the hypothesis of visual selectivity by means of perception and neural mechanism of spatial attention .

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,929
Score d'incertitude au seuil0,474

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,282
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle