論文の概要: Visual tracking brain computer interface

• arxiv url: http://arxiv.org/abs/2311.12592v1
• Date: Tue, 21 Nov 2023 13:29:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 00:42:28.647793
• Title: Visual tracking brain computer interface
• Title（参考訳）: 視覚追跡脳コンピュータインタフェース
• Authors: Changxing Huang, Nanlin Shi, Yining Miao, Xiaogang Chen, Yijun Wang, Xiaorong Gao
• Abstract要約: 非侵襲脳波に基づく視覚的BCIは、離散的な刺激設計と復号法によって連続的なタスクに制限に直面している。 本研究では,新しい空間符号化刺激パラダイムを実装し,デコード速度の連続変調を可能にするプロジェクション法を考案した。 その後、高いフィットのITRを持つBCIは、絵画とゲームを含む2つのアプリケーションに統合された。
• 参考スコア（独自算出の注目度）: 3.6406449811180415
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Brain-computer interfaces (BCIs) offer a way to interact with computers without relying on physical movements. Non-invasive electroencephalography (EEG)-based visual BCIs, known for efficient speed and calibration ease, face limitations in continuous tasks due to discrete stimulus design and decoding methods. To achieve continuous control, we implemented a novel spatial encoding stimulus paradigm and devised a corresponding projection method to enable continuous modulation of decoded velocity. Subsequently, we conducted experiments involving 17 participants and achieved Fitt's ITR of 0.55 bps for the fixed tracking task and 0.37 bps for the random tracking task. The proposed BCI with a high Fitt's ITR was then integrated into two applications, including painting and gaming. In conclusion, this study proposed a visual BCI-based control method to go beyond discrete commands, allowing natural continuous control based on neural activity.
• Abstract（参考訳）: 脳コンピュータインタフェース(BCI)は、物理的な動きに頼ることなくコンピュータと対話する方法を提供する。 効率のよい速度とキャリブレーションの容易さで知られる非侵襲的脳波(eeg)ベースの視覚bcisは、離散的な刺激設計と復号法によって、連続的なタスクの限界に直面する。 連続制御を実現するために,新しい空間符号化刺激パラダイムを実装し,デコード速度の連続変調を可能にする対応する投影法を考案した。 その後,17名の参加者による実験を行い,固定トラッキングタスクでは0.55 bps,ランダムトラッキングタスクでは0.37 bpsのフィットのitrを達成した。 その後、高いフィットのITRを持つBCIは、絵画とゲームを含む2つのアプリケーションに統合された。 そこで本研究では,視覚的BCIに基づく制御手法を提案し,神経活動に基づく自然な連続制御を可能にした。

関連論文リスト

• EEG-Deformer: A Dense Convolutional Transformer for Brain-computer Interfaces [17.524441950422627]
  本稿では,CNN-Transformerに2つの新しいコンポーネントを組み込んだEEG-Deformerを紹介する。 EEG-Deformerは神経生理学的に意味のある脳領域から学習し、対応する認知タスクを学習する。
  論文  参考訳（メタデータ） (2024-04-25T18:00:46Z)
• Low-power event-based face detection with asynchronous neuromorphic hardware [2.0774873363739985]
  本稿では、SynSense Speckニューロモルフィックチップ上に展開されたイベントベースの顔検出のためのオンチップスパイクニューラルネットワークの最初の例を示す。 トレーニングに用いるオフチップクロック駆動シミュレーションとオンチップイベント駆動推論との精度の相違について述べる。 オンチップ顔検出のmAP[0.5]は0.6で、20mWしか消費しない。
  論文  参考訳（メタデータ） (2023-12-21T19:23:02Z)
• Bootstrapping Adaptive Human-Machine Interfaces with Offline Reinforcement Learning [82.91837418721182]
  適応インターフェイスは、ユーザがシーケンシャルな意思決定タスクを実行するのに役立つ。 近年のヒューマン・イン・ザ・ループ・機械学習の進歩により、ユーザとの対話によってこのようなシステムが改善されている。 本稿では,生のコマンド信号をアクションにマッピングするインタフェースを訓練するための強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-07T16:52:27Z)
• A Brain-Computer Interface Augmented Reality Framework with Auto-Adaptive SSVEP Recognition [1.1674893622721483]
  本稿では,オブジェクト間の可変性を扱う単純な適応型アンサンブル分類システムを提案する。 また,多様なSSVEPベースのBCI-ARアプリケーションの開発を支援する,シンプルなBCI-ARフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-11T21:56:00Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• Convolutional Neural Generative Coding: Scaling Predictive Coding to Natural Images [79.07468367923619]
  畳み込み型神経生成符号化(Conv-NGC)を開発した。 我々は、潜伏状態マップを段階的に洗練する柔軟な神経生物学的動機付けアルゴリズムを実装した。 本研究は,脳にインスパイアされたニューラル・システムによる再建と画像復調の課題に対する効果について検討する。
  論文  参考訳（メタデータ） (2022-11-22T06:42:41Z)
• Towards Fast Single-Trial Online ERP based Brain-Computer Interface using dry EEG electrodes and neural networks: a pilot study [0.0]
  畳み込みニューラルネットワークを用いた色付き逆顔刺激と分類の組み合わせを提案する。 2人の被験者が90%の正確なシンボル検出バーと60ビット/分以上の転送レートを通過して達成された高いオンライン精度は、アプローチの可能性を示している。
  論文  参考訳（メタデータ） (2022-11-04T22:13:49Z)
• FingerFlex: Inferring Finger Trajectories from ECoG signals [68.8204255655161]
  FingerFlexモデル(FingerFlex model)は、脳波(ECoG)データに対する指の動きの回帰に適応した畳み込みエンコーダ・デコーダアーキテクチャである。 実測軌道と予測軌道の相関係数が最大0.74であるBCIコンペティションIVデータセット4で最先端の性能が達成された。
  論文  参考訳（メタデータ） (2022-10-23T16:26:01Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• VOR Adaptation on a Humanoid iCub Robot Using a Spiking Cerebellar Model [0.0]
  我々は、本物のロボット体(iCub)を操作することができる適応リアルタイム制御ループに、スパイク小脳モデルを組み込む。 本研究の目的は、小脳神経基質と分散可塑性の組み合わせが小脳神経活動を形作って運動適応を仲介する方法を明らかにすることである。
  論文  参考訳（メタデータ） (2020-03-03T09:48:15Z)
• EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies on Signal Sensing Technologies and Computational Intelligence Approaches and their Applications [65.32004302942218]
  Brain-Computer Interface (BCI) はユーザとシステム間の強力なコミュニケーションツールである。 近年の技術進歩は、脳波(EEG)に基づく翻訳医療用BCIへの関心が高まっている。
  論文  参考訳（メタデータ） (2020-01-28T10:36:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。