Developing Brain Computer Interface for Imagined Movements
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Rôzne poruchy a choroby mozgu postihujú približne každého šiesteho človeka a veľa z nich necháva na pacientoch trvalé následky. Téma mentálneho zdravia je čoraz viac dôležitá, keďže každý desiaty človek má diagnostikovanú mentálnu poruchu. Je preto dôležité študovať orgán, ktorý je stále z veľkej čati záhadou - mozog. Diplomová práca sa zameriava na Brain Computer Interface (BCI) - rozhranie, ktoré ponúka priame komunikačné spojenie medzi mozgom a vonkajším svetom. Základná myšlienka BCI je veľmi jednoduchá - najprv získať signál z mozgu, dekódovať ho a vykonať akciu vychádzajúcu zo zámeru užívateľa. Jedna z metód ako pomocou mozgu priamo komunikovať sú predstavované pohyby, čo je metóda založená na fakte, že predstava pohybu vyvoláva v mozgu rovnakú odozvu ako skutočný pohyb. V diplomovej práci je navrhnuté použiť EEG a jeho relatívne novú metódu analýzy - mikrostavy. Klasifikátor na rozlišovanie medzi úlohami predstavovaných pohybov je navrhnutý ako kombinácia vlastností mikrostavov extrahovaných z rôznych oblastí mozgu s už známymi vlastnosťami, ako napríklad frekvenčné alebo časové vlastnosti signálu. Klasifikátory boli natrénované na 30 účastníkoch, pre každého zvlášť.Boli implementované dva odlišné klasifikátory - jeden na klasifikáciu nečinnosti oproti aktivite a druhý na klasifikáciu predstavy pohybu ľavej ruky verzus pravej ruky. Priemerná presnosť klasifikácie nečinnosti a aktivity bola 0.85. Priemerná presnosť klasifikácie predstavy pohybu ľavej a pravej ruky bola 0.74. Ukázalo sa, že mikrostavy sú užitočné pri rozlišovaní medzi rôznymi stavmi v kontexte predstavovaných pohybov a BCI, ale potrebujú určité vylepšenia z hľadiska ďalšieho výskumu.
Brain disorders and diseases affect 1 in 6 people worldwide and in many cases result in a condition that profusely impacts the life of patient. Mental health topics surge as 1 in 10 people is diagnosed with a mental health disorder. It is therefore crucial to study the organ that is still in a big part a mystery to the researchers - brain. The focus of this thesis is on Brain Computer Interface (BCI) which can act as a intermediary between the brain and a device by acquiring the brain signals and translating them into a set of actions or commands. One of the methods to control a device by thoughts is motor imagery, which is based on the fact that imagining moving a part of the body elicits the same brain response as actual movement. This thesis proposes to utilize a recent field of the EEG for the BCI applications - microstate analysis. Classifier for distinguishing between the motor imagery tasks is proposed as a combination of microstate features extracted from different regions of the brain with the already established features such as from frequency or time-domain. The subject-specific classifiers was trained for 30 participants. Two distinct classifiers were implemented - one for the classification of the rest versus activity and second for the classification of the left versus right motor imagery. The mean accuracy across participants for the rest versus activity classification was 0.85. The mean accuracy across participants for the left versus right motor imagery classification was 0.74. The microstates proved to be helpful in distinguishing between different conditions in a task settings, but need some improvements in terms of the further research.
Brain disorders and diseases affect 1 in 6 people worldwide and in many cases result in a condition that profusely impacts the life of patient. Mental health topics surge as 1 in 10 people is diagnosed with a mental health disorder. It is therefore crucial to study the organ that is still in a big part a mystery to the researchers - brain. The focus of this thesis is on Brain Computer Interface (BCI) which can act as a intermediary between the brain and a device by acquiring the brain signals and translating them into a set of actions or commands. One of the methods to control a device by thoughts is motor imagery, which is based on the fact that imagining moving a part of the body elicits the same brain response as actual movement. This thesis proposes to utilize a recent field of the EEG for the BCI applications - microstate analysis. Classifier for distinguishing between the motor imagery tasks is proposed as a combination of microstate features extracted from different regions of the brain with the already established features such as from frequency or time-domain. The subject-specific classifiers was trained for 30 participants. Two distinct classifiers were implemented - one for the classification of the rest versus activity and second for the classification of the left versus right motor imagery. The mean accuracy across participants for the rest versus activity classification was 0.85. The mean accuracy across participants for the left versus right motor imagery classification was 0.74. The microstates proved to be helpful in distinguishing between different conditions in a task settings, but need some improvements in terms of the further research.
Description
Citation
BLAŠKOVÁ, B. Developing Brain Computer Interface for Imagined Movements [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
Kyberfyzikální systémy
Comittee
doc. Ing. Richard Růžička, Ph.D., MBA (předseda)
doc. Ing. Tomáš Martínek, Ph.D. (člen)
doc. Ing. Zdeněk Vašíček, Ph.D. (člen)
doc. Mgr. Adam Rogalewicz, Ph.D. (člen)
doc. Ing. Jiří Jaroš, Ph.D. (člen)
Ing. Josef Strnadel, Ph.D. (člen)
Date of acceptance
2023-08-25
Defence
Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm A.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení