МЕТОД

Улучшение работы интерфейса глаз–мозг–компьютер при использовании частотных компонентов ЭЭГ

С. Л. Шишкин1, Б. Л. Козырский1,3, А. Г. Трофимов1,3, Ю. О. Нуждин1, А. А. Федорова1, Е. П. Свирин1, Б. М. Величковский2
Информация об авторах

1 Отдел нейрокогнитивных технологий, Курчатовский комплекс НБИКС-технологий,
Национальный исследовательский центр «Курчатовский институт», Москва

2 Курчатовский комплекс НБИКС-технологий,
Национальный исследовательский центр «Курчатовский институт», Москва

3 Факультет кибернетики и информационной безопасности,
Национальный исследовательский ядерный университет «МИФИ», Москва

Для корреспонденции: Шишкин Сергей Львович
пл. Академика Курчатова, д. 1, г. Москва; 123182; ur.liam@nikghsihsgres

Информация о статье

Финансирование: работа выполнена при частичной поддержке Российского научного фонда, грант № 14-28-00234 (получение экспериментальных данных и их предварительная обработка), и Российского фонда фундаментальных исследований, грант № 15-29-01344 (оценка вклада вейвлетных признаков в классификацию).

Статья получена: 08.04.2016 Статья принята к печати: 15.04.2016 Опубликовано online: 05.01.2017
|

Интерфейсы глаз–мозг–компьютер (ИГМК) могли бы совместить в себе достоинства айтрекинговых систем управле- ния техническими устройствами и интерфейсов мозг–компьютер. Такие системы предназначены как для пациентов с различными моторными нарушениями, так и здоровых людей. Эффективность ИГМК во многом определяется возможностью распознать намерение пользователя отдать команду по электроэнцефалограмме (ЭЭГ), регистрируемой во время фиксации взгляда, т. е. в течение всего сотен миллисекунд. Эти жесткие требования диктуют необходимость добиваться как можно более полного использования заключенной в ЭЭГ информации для повышения точности классификации фиксаций взгляда на «управляющие» и спонтанные. В настоящей работе предприняли попытку использовать для классификации не только амплитудные статистические признаки, но также вейвлетные признаки, характеризующие осцилляторные компоненты ЭЭГ в интервале 50...500 мс относительно начала фиксации взгляда. Значения интегрального показателя точности классификации AUC при этом значимо выросли и составили 0,75 в среднем по группе из 8 человек. Предполагается, что дальнейшее совершенствование методики позволит превратить ИГМК в практически полезную технологию.

Ключевые слова: классификация, интерфейс мозг–компьютер, электроэнцефалограмма, интерфейс глаз–мозг–компьютер, ЭЭГ, управление с помощью взгляда, управляющая фиксация взгляда, айтрекинг, видеоокулография, вейвлеты

КОММЕНТАРИИ (0)