XiaoMi-AI文件搜索系统
World File Search SystemNeurosky
使用 Arduino 和 Neurosky Mindwave EEG 根据年龄和性别评估大脑注意力水平
心智[4]、提高自闭症儿童的注意力[5]、评估儿童的注意力水平[8]等。另一方面，Arduino 设备（一块带有微控制器的板，可以读取传感器并允许构建数字和交互式设备）已用于教育 [6]、改善成人和残疾人的生活质量 [7]、开发火灾报警系统 [8] 等。这项研究的目标是整合两种设备，Arduino 和 Neurosky MindWave EEG，以测量使用者的注意力水平。收集到的数据存储在电子表格中，并根据注意力值实时生成线条图，以获得根据每个配置文件的模式。本文在第二部分展示了相关工作，在第三部分展示了应用的方法，在第四部分展示了项目的开发和从不同样本中获得的统计数据，在第五部分展示了结果和讨论，最后是结论。
低成本脑电图帽的用户体验评估
摘要 脑电帽广泛应用于脑机接口，是人机交互领域中最具前景的重要领域之一。本研究在需要注意力和放松的任务中对两种不同的低成本 EEG 耳机 NeuroSky MindWave 和 Emotiv EPOC 进行了性能比较、用户体验和可用性评估。在研究中，12名志愿者被要求执行一项注意力任务和一项需要高认知负荷的放松任务。其中，情感网格量表和AttrakDiff调查用于评估用户体验，而NASA心理工作量调查和系统可用性量表则用于揭示设备的可用性问题。当检查统计结果时，发现 NeuroSky MindWave EEG 耳机在放松任务中比 Emotiv EPOC EEG 耳机更成功。在需要注意力的任务中，两者都产生了类似的结果。在查看用户体验评估时，我们发现参与者在使用两个 EEG 耳机时都感到疲劳，但对设备的使用仍然感到满意。在可用性方面，他们对 NeuroSky MindWave 给出了更为积极的评价。
如何引用：Venu, K., Natesan, P. (2023)。使用改进的 Whale 优化算法对 EEG 信号分类进行优化的深度学习模型。
脑机接口 (BCI) 是一种利用脑电图 (EEG) 信号在人的心理状态和基于计算机的信号处理系统之间建立联系的技术，该系统无需肌肉运动即可解码信号。无需实际移动身体部位即可想象身体部位运动的心理过程称为运动想象 (MI)。MI BCI 是一种基于运动想象的脑机接口，允许运动障碍患者通过操作机器人假肢、轮椅和其他设备与周围环境互动。特征提取和分类是 MI BCI 脑电信号处理的重要组成部分。在这项工作中，提出了具有改进互利阶段的鲸鱼优化算法，以找到最佳卷积神经网络架构，用于对运动想象任务进行分类，具有高精度和较低的计算复杂度。Neurosky 和 BCI IV 2a 数据集用于评估所提出的方法。实验表明，对于 Neurosky 和 BCI 数据集，所提出的技术在分类准确率方面分别优于其他竞争方法，分别为 94.1% 和 87.7%。
基于快速傅里叶变换和 K 近邻的脑电信号人类情感识别
人类的情绪状态可以自然转变，并可通过面部表情、声音或身体动作识别，这些都受所接受的刺激影响。然而，即使经历了喜悦、悲伤或其他感觉，每个人也并非都能表达情绪。从生物医学角度来看，情绪会影响脑电波活动，因为持续运作的脑细胞通过电脉冲进行交流。因此，脑电图 (EEG) 用于捕获来自脑信号的输入、研究脉冲并确定人类情绪。检查通常包括观察一个人对给定刺激的反应，但即时结果尚无定论。在本研究中，相关分类为正常、专注、悲伤和震惊。通过使用名为 Neurosky Mindwave 的单通道脑电图记录了 50 名受试者的原始脑电波数据。同时，在通过听音乐、看视频或阅读书籍刺激候选人的思维的同时进行评估。采用快速傅立叶变换 (FFT) 方法进行特征提取，并采用 K-最近邻 (K-NN) 对脑脉冲进行分类。参数 k 的值为 15，平均分类准确率为 83.33%，而专注情绪状态的最高准确率为 93.33%。Neurosky Mindwave 与 FFT 和 KNN 技术相结合，是潜在的分析解决方案，有助于增强对人类情绪状况的识别。
带有脑电波耳机控制的车轮机器人设计...
摘要 - 随着支持科学和技术的快速发展，机器人技术的发展是不可避免的。机器人有多种类型和分类，尽管基本发展并没有太大不同。一种需求和最广泛发达的机器人是轮式机器人。机器人组件本身通常分为3个零件，第一个传感器，第二处理器或组件处理器和执行器，在这项研究中，其表现为执行器是轮子，而其表现为传感器，研究人员使用Neurosky的Brainwave读取器读取器读取器读取器，以及使用Ardduino andduino induino Uno imo r3。Neurosky耳机使用蓝牙连接无线工作，而发送的数据的形式为脑波功率水平（眨眼streght级别）。可以将其转换为心灵感应的大脑命令，首先使用基于Blynk IoT构建的应用程序捕获和处理该信号，然后将命令发送到Arduino作为机器人处理组件，该机器人处理组件以前曾与HC-06 BluetOltOlt bluetooth bluetoothotooth模块硬件一起拟合。要从Android设备捕获无线广播，只有在此之后，Arduino处理信号才成为L298N电动机驱动程序的命令，向前，向后，左，右轮车机器人向前移动。在理想环境中的测试结果显示，平均系统成功为85％，而在非理想环境中进行测试（空间和距离障碍）显示，每次测试进行10次，平均系统成功为40％。
Muse 2头带规格（神经元跟踪）
●Cruz-Garza，J。G.，Darfler，M.，Rounds，J.D.，Gao，E。，＆Kalantari，S。（2022）。基于脑电图对房间大小和窗户放置对认知性能的影响的研究。建筑工程杂志，53，104540。https://doi.org/https://doi.org/10.1016/j.jobe.2022.104540●Segawa，J.A.（2019）。使用低成本脑电图（EEG）设备的实践本科体验。本科神经科学教育杂志。17（2），A119 – A124。https://www.ncbi.nlm.nih.gov/pmc/articles/pmc6650260/●Tian，K。（2018）。 缪斯头带：锁定人员的潜在沟通工具。 机械工程研究，8，16。 E. A.和V.-C。 M. D.和De F. S.和L. F.和G.-G. A. R.（2009）。 评估Neurosky在评估练习中检测注意力水平的可用性。 在J. 中 A. Jacko（ed。 ），人类计算机https://www.ncbi.nlm.nih.gov/pmc/articles/pmc6650260/●Tian，K。（2018）。缪斯头带：锁定人员的潜在沟通工具。机械工程研究，8，16。 E. A.和V.-C。 M. D.和De F. S.和L. F.和G.-G. A. R.（2009）。评估Neurosky在评估练习中检测注意力水平的可用性。在J.A. Jacko（ed。），人类计算机
针对嗜睡检测的可用低成本EEG耳机的系统评价
嗜睡是交通事故和工业事故的主要原因，使生活和生产力造成了损失。脑电图（EEG）信号可以反映意识和专注力，而低成本的消费者EEG耳机在市场上可用。将这些设备用作嗜睡探测器可以增加针对小型企业和发展中国家的安全性和生产力提高设备的可及性。我们对当前可用的低成本，基于脑电图的嗜睡检测系统进行了系统评价。我们试图确定是否可以可靠地用作消费者脑电图的脑电图。我们包括了记录的案例，描述了使用基于消费者的EEG设备，包括Neurosky Mindwave，Interaxon Muse，Emotiv Epoc，Emotiv Insight和OpenBCI。46项相关研究，约27个报告了精度得分。 其中最低的是神经性思维自我，最低31％。 通过OpenBCI研究，报告的第二最低精度为79.4％。 在许多情况下，算法优化仍然是必要的。 精确计算，系统校准和嗜睡的不同定义的不同方法使直接比较有问题。 但是，即使是基本特征，例如脑电带的功率谱，也能够始终如一地检测到嗜睡。 每个特定设备都有自己的功能，权衡和限制。 广泛使用的光谱特征即使使用低成本的消费者设备也可以实现成功的嗜睡检测。但是，可靠性问题仍必须在职业环境中解决。46项相关研究，约27个报告了精度得分。其中最低的是神经性思维自我，最低31％。通过OpenBCI研究，报告的第二最低精度为79.4％。在许多情况下，算法优化仍然是必要的。精确计算，系统校准和嗜睡的不同定义的不同方法使直接比较有问题。但是，即使是基本特征，例如脑电带的功率谱，也能够始终如一地检测到嗜睡。每个特定设备都有自己的功能，权衡和限制。广泛使用的光谱特征即使使用低成本的消费者设备也可以实现成功的嗜睡检测。但是，可靠性问题仍必须在职业环境中解决。
Europass CV - 个人简历 Oana Andreea RUSANU
罗马尼亚普瑞公司为 2017 年 5 月举办的“机电一体化学生项目全国大赛”颁发的特别奖，该大赛是“机电一体化教育日”年度活动的一部分 罗马尼亚布加勒斯特国家机电一体化与测量技术研究所为 2017 年 5 月举办的“机电一体化教育日”年度活动的一部分“学生科学交流全国会议”颁发的特别奖 2017 年 5 月举办的“机电一体化教育日”年度活动的一部分“学生科学交流全国会议”颁发的二等奖 2017 年 5 月举办的“毕业生走上公司”会议由罗马尼亚布拉索夫特兰西瓦尼亚大学举办的大奖 2017 年 5 月举办的“毕业生走上公司”会议“医学工程、医学、体育和山地运动”部分一等奖机电一体化部分“学生科学交流会议”二等奖，由布拉索夫特兰西瓦尼亚大学产品设计与环境学院于 2017 年 4 月组织 机电一体化部分“学生科学交流会议”二等奖，由布拉索夫特兰西瓦尼亚大学产品设计与环境学院于 2016 年 4 月组织 “Virgil Olariu”优秀奖，由产品设计与环境学院于 2016 年 5 月组织的医学工程部分“学生科学交流会议” 一等奖，由罗马尼亚布拉索夫特兰西瓦尼亚大学于 2015 年 5 月组织的“医学工程、医学、体育和山地运动”部分“毕业生在公司面前”会议 “Virgil Olariu”优秀奖，由产品设计与环境学院于 2015 年 4 月组织的医学工程部分“学生科学交流会议” 2014 年 4 月由产品设计与环境学院组织 2013 年 5 月由产品设计与环境学院组织的验光学专业“学生科学交流会议”三等奖 博士相关项目 – 2024：“基于 P300 诱发脑电图电位的脑机接口应用程序，用于实现用户与聊天 GPT 之间的通信” 博士相关项目 – 2023：“基于 LabVIEW 的脑机接口应用程序，用于使用从 GTEC Unicorn 耳机获取的 P300 诱发生物电位和脑电图带宽节律控制虚拟机械臂” 博士相关项目 – 2022：“通过 Gtec Unicorn EEG 耳机与 LabVIEW 编程环境集成，使用 P300 拼写器和 UDP 通信实现基于脑机接口的自动售货机模拟” 博士相关项目 – 2021：“LabVIEW 应用程序旨在设计由移动机器人和机械臂组成的脑机接口，均基于 NI myRIO 系统，并由从 NeuroSky 获取的脑电信号中检测到的自愿眨眼控制” 博士相关项目 - 2020 年：“具有图形用户界面的 Python 应用程序，用于实现脑机接口系统，从而能够从 Neurosky 和 Emotiv Insight 耳机采集脑电图数据，允许处理和分类自愿眨眼并使用 Websockets 协议将命令传输到 Raspberry Pi 板” 博士相关项目 - 2019 年：“LabVIEW 仪器旨在采集、处理和分类用于实现脑机接口系统的脑电图信号” 博士相关项目 - 2018 年：“使用 NeuroSky 耳机通过眨眼控制的虚拟键盘” 硕士论文 - 2017 年：“基于 LabVIEW 的脑机接口应用程序，使用 NI myRIO 系统和 NeuroSky Mindwave 耳机”
EMD 和特征提取对脑电图分析的影响
摘要 — 脑机接口已被研究了 20 多年，并且具有巨大的开发应用潜力，可供医生诊断疾病或帮助患有严重神经系统疾病的患者恢复与社会互动。要达到这些目的，需要分析脑电图数据的技术以及训练模型以识别模式或控制设备的算法。TensorFlow 是 Google 团队为内部使用而开发的机器学习，于 2015 年向公众发布。由于它可以在深度学习神经网络上进行训练和测试，因此可以用于脑电图数据。该项目使用 TF-Keras 和 TensorFlow-DNN 来训练使用脑电图数据对大脑状态进行分类的模型。Neurosky Mindwave Mobile 耳机和由 Micro:bit 开发的新设备是该项目的脑电图信号记录器。采用了最小-最大归一化、集合经验模态分解 (EEMD)、提取等多种技术来分析记录的脑电图数据。结果表明，在对来自 Micro:bit 设备的 EEG 数据进行分类时，TensorFlow-Keras 和 TensorFlow - DNN 模型的准确率为 97%，而 XGBoost 的结果为 98%。结果证实了 TensorFlow 在识别 EEG 数据方面的应用能力。对上述结果有贡献的数据处理技术是最小最大规范化和数据提取。此外，我们还验证了记录数据中的低频漂移对于使用 EEG 数据识别大脑状态至关重要。结果还显示了使用 EEMD 技术生成的 IMF 作为特征来构建使用 EEG 数据对大脑状态进行分类的模型。索引词 —TensorFlow、EEG、XGBoost、TensorFlow-Keras (TF-Keras)、TensorFlow-DNN (TF-DNN)、集合经验模态分解 (EEMD)、Neurosky、Micro:bit、脑机接口 (BC I)
