論文の概要: Dual-Mode Visual System for Brain-Computer Interfaces: Integrating SSVEP and P300 Responses

• arxiv url: http://arxiv.org/abs/2509.15439v1
• Date: Thu, 18 Sep 2025 21:25:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:10.909198
• Title: Dual-Mode Visual System for Brain-Computer Interfaces: Integrating SSVEP and P300 Responses
• Title（参考訳）: 脳-コンピュータインタフェースのためのデュアルモードビジュアルシステム:SSVEPとP300応答の統合
• Authors: Ekgari Kasawala, Surej Mouli,
• Abstract要約: 本研究では新しい発光ダイオード(LED)を用いた二重刺激装置の開発と評価について述べる。 このシステムは7Hz、8Hz、9Hz、10Hzの4つの異なる周波数を用いており、前方、後方、右側、左方向の制御に対応している。 提案したハイブリッドシステムは平均分類精度86.25%、平均ITRは42.08ビット/分(bpm)である。
• 参考スコア（独自算出の注目度）: 0.5801044612920815
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In brain-computer interface (BCI) systems, steady-state visual evoked potentials (SSVEP) and P300 responses have achieved widespread implementation owing to their superior information transfer rates (ITR) and minimal training requirements. These neurophysiological signals have exhibited robust efficacy and versatility in external device control, demonstrating enhanced precision and scalability. However, conventional implementations predominantly utilise liquid crystal display (LCD)-based visual stimulation paradigms, which present limitations in practical deployment scenarios. This investigation presents the development and evaluation of a novel light-emitting diode (LED)-based dual stimulation apparatus designed to enhance SSVEP classification accuracy through the integration of both SSVEP and P300 paradigms. The system employs four distinct frequencies, 7 Hz, 8 Hz, 9 Hz, and 10 Hz, corresponding to forward, backward, right, and left directional controls, respectively. Oscilloscopic verification confirmed the precision of these stimulation frequencies. Real-time feature extraction was accomplished through the concurrent analysis of maximum Fast Fourier Transform (FFT) amplitude and P300 peak detection to ascertain user intent. Directional control was determined by the frequency exhibiting maximal amplitude characteristics. The visual stimulation hardware demonstrated minimal frequency deviation, with error differentials ranging from 0.15%to 0.20%across all frequencies. The implemented signal processing algorithm successfully discriminated all four stimulus frequencies whilst correlating them with their respective P300 event markers. Classification accuracy was evaluated based on correct task intention recognition. The proposed hybrid system achieved a mean classification accuracy of 86.25%, coupled with an average ITR of 42.08 bits per minute (bpm).
• Abstract（参考訳）: 脳-コンピュータインタフェース(BCI)システムでは、より優れた情報伝達率(ITR)と最小限のトレーニング要件のため、定常視覚誘発電位(SSVEP)とP300応答が広く実装されている。 これらの神経生理学的信号は、外部デバイス制御における堅牢な有効性と汎用性を示し、精度と拡張性を高めている。 しかし、従来の実装では、液晶ディスプレイ(LCD)ベースの視覚刺激パラダイムを主に利用しており、実際の展開シナリオに制限がある。 本研究は,SSVEPとP300の両パラダイムを統合することにより,SSVEP分類精度を高めるために設計された発光ダイオード(LED)を用いたデュアル刺激装置の開発と評価を行う。 このシステムは、7Hz、8Hz、9Hz、10Hzの4つの異なる周波数を使用し、それぞれ前方、後方、右側、左方向の制御に対応している。 耳鼻鏡検査でこれらの刺激周波数の精度が確認された。 最大Fast Fourier Transform (FFT)振幅とP300ピーク検出を同時解析し,ユーザの意図を確かめた。 方向制御は最大振幅特性を示す周波数で決定された。 視覚刺激ハードウェアは最小周波数偏差を示し、誤差差は全周波数にわたって0.15%から0.20%であった。 実装された信号処理アルゴリズムは、それぞれのP300イベントマーカーと相関しながら、4つの刺激周波数全てを識別することに成功した。 正しいタスク意図認識に基づいて分類精度を評価した。 提案されたハイブリッドシステムは平均分類精度86.25%、平均ITRは42.08ビット/分(bpm)である。

関連論文リスト

• Neuromorphic Wireless Split Computing with Resonate-and-Fire Neurons [69.73249913506042]
  本稿では、共振器(RF)ニューロンを用いて時間領域信号を直接処理する無線スプリットコンピューティングアーキテクチャについて検討する。 可変周波数で共鳴することにより、RFニューロンは低スパイク活性を維持しながら時間局在スペクトル特徴を抽出する。 実験の結果,提案したRF-SNNアーキテクチャは従来のLIF-SNNやANNと同等の精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2025-06-24T21:14:59Z)
• Person Recognition at Altitude and Range: Fusion of Face, Body Shape and Gait [70.00430652562012]
  FarSightは、顔認識のためのエンドツーエンドシステムで、顔、歩行、体形を横断する生体計測の手がかりを統合する。 FarSightは、4つのコアモジュールにまたがる新しいアルゴリズムを組み込んでいる。
  論文  参考訳（メタデータ） (2025-05-07T17:58:25Z)
• Frequency Domain Enhanced U-Net for Low-Frequency Information-Rich Image Segmentation in Surgical and Deep-Sea Exploration Robots [34.28684917337352]
  CNNと人間の視覚系における周波数帯域感度の差について検討する。 本稿では、生体視覚機構にインスパイアされたウェーブレット適応スペクトル融合(WASF)法を提案する。 我々は SAM2 のバックボーンネットワークを利用する FE-UNet モデルを開発し, セグメンテーション精度を確保するために細調整した Hiera-Large モジュールを組み込んだ。
  論文  参考訳（メタデータ） (2025-02-06T07:24:34Z)
• MLCA-AVSR: Multi-Layer Cross Attention Fusion based Audio-Visual Speech Recognition [62.89464258519723]
  異なるレベルのオーディオ/視覚エンコーダに融合することで、各モードの表現を促進する多層クロスアテンション融合に基づくAVSR手法を提案する。 提案手法は第1位システムを超え,新たなSOTA cpCERの29.13%をこのデータセット上に構築する。
  論文  参考訳（メタデータ） (2024-01-07T08:59:32Z)
• Energy-Efficient Tree-Based EEG Artifact Detection [17.085570466000906]
  てんかんモニタリングでは、脳波アーチファクトは振幅と周波数の両方で形態学的に類似しているため、発作と誤認されることが多い。 本研究では, 並列超低消費電力(PULP)組み込みプラットフォーム上で, 最小数のEEGチャネルに基づくアーティファクト検出アルゴリズムの実装について述べる。
  論文  参考訳（メタデータ） (2022-04-19T12:57:26Z)
• Low Latency Real-Time Seizure Detection Using Transfer Deep Learning [0.0]
  スカルプ脳波(EEG)信号は本質的に低信号-雑音比を有する。 ディープラーニングを用いた発作検出における最も一般的なアプローチは、この情報を共同でモデル化したり、信号に複数のパスを必要とすることはない。 本稿では,マルチチャネル信号をグレースケール画像に変換すると同時に,転送学習を用いて高い性能を実現する。
  論文  参考訳（メタデータ） (2022-02-16T00:03:00Z)
• Towards Long-term Non-invasive Monitoring for Epilepsy via Wearable EEG Devices [11.622034020961912]
  並列な超低消費電力組込みプラットフォーム上での最小数の脳波チャンネルに基づく発作検出アルゴリズムの実装について述べる。 我々は23個の電極または4つの時間チャネルを考慮し、グローバルおよび主題固有のアプローチを分析する。 8sウィンドウサイズと主観的アプローチでは,偽陽性はゼロ,感度は100%であった。
  論文  参考訳（メタデータ） (2021-06-15T09:37:09Z)

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。