A Comparison between BCI Simulation and Neurofeedback for Forward/Backward Navigation in Virtual Reality
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.
Notice bibliographique
Résumé
A brain-computer interface (BCI) decodes the brain signals representing a desire to do something and transforms those signals into a control command. However, only a limited number of mental tasks have been previously investigated and classified. This study aimed to investigate two motor imagery (MI) commands, moving forward and moving backward, using a small number of EEG channels, to be used in a neurofeedback context. This study also aimed to simulate a BCI and investigate the offline classification between MI movements in forward and backward directions, using different features and classification methods. Ten healthy people participated in a two-session (48 min each) experiment. This experiment investigated neurofeedback of navigation in a virtual tunnel. Each session consisted of 320 trials where subjects were asked to imagine themselves moving in the tunnel in a forward or backward motion after a randomly presented (forward versus backward) command on the screen. Three electrodes were mounted bilaterally over the motor cortex. Trials were conducted with feedback. Data from session 1 were analyzed offline to train classifiers and to calculate thresholds for both tasks. These thresholds were used to form control signals that were later used online in session 2 in neurofeedback training to trigger the virtual tunnel to move in the direction requested by the user's brain signals. After 96 min of training, the online band-power neurofeedback training achieved an average classification of 76%, while the offline BCI simulation using power spectral density asymmetrical ratio and AR-modeled band power as features, and using LDA and SVM as classifiers, achieved an average classification of 80%.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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