机构名称：
¥ 1.0
基于稳态视觉诱发电位 (SSVEP) 的大脑计算机互连的发展，使用户能够控制遥控汽车。为了获得具有最高振幅的 SSVEP 信号，为了获得开发的 BCI 的最佳性能，估计了面积、频率和形状的视觉技术沉淀条件。使用改进的 SSVEP BCI 组装并授权了一辆按钮驱动的汽车，展示了其适当的功能 [1]。这项工作旨在寻找和测量一种用于在连续 BCI 应用中确定错误的新方法。新技术不是基于单次试验对错误进行分类，而是支持多事件 (ME) 分析以扩大错误检测的准确性。方法：在支持运动心理意象 (MI) 的 BCI 驱动的汽车游戏中，每当受试者与硬币和/或障碍物相撞时，就会触发不同的事件。硬币算作正确事件，而障碍物则算作错误 [2]。这倾向于提供两种混合BCI，一种结合运动心理意象（MI）和P300，另一种结合P300和稳定状态视觉电位差（SSVEP），以及它们的应用。BCI研究的一个重要问题是多维控制。潜在的应用包括BCI控制的移动、记录和信息处理、应用程序、椅子和神经假体。基于EEG的多方面控制的挑战是从不断变化的EEG数据中获得多个自由控制波[3]。许多类型的医疗服务被建立以减少儿童注意力缺陷障碍（ADD）的数量。一些可用的治疗方法不适合儿童，因为使用药物并且需要他们冥想。使用基于神经的体育游戏对ADD儿童进行心理特征训练尚未见报道[4]。独特的问题限制了BCI模型在脑电图（EEG）记录期间不可避免的生理伪影发生率的实际效力。然而，由于处理过程漫长而复杂，伪影的结果在灵敏的 BCI 系统中基本上被忽略。伪影的影响以及在灵敏的 BCI 中减少这些影响的能力。由于幅度增加和重复存在，眼科和肌肉伪影被认为是可能的 [5]。
使用 Brainsense 的脑控机器人 - ijrpr
主要关键词
相关文件推荐
