2016 / 02

Следующая статья
DOI: 10.24075/brsmu.2016-02-05
Авторские права: © 2017 принадлежат авторам. Лицензиат: РНИМУ им. Н.И. Пирогова.
Статья размещена в открытом доступе и распространяется на условиях лицензии Creative Commons Attribution (CC BY).

МЕТОД

Улучшение работы интерфейса глаз–мозг–компьютер при использовании частотных компонентов ЭЭГ

С. Л. Шишкин1 , Б. Л. Козырский1,3 , А. Г. Трофимов1,3 , Ю. О. Нуждин1 , А. А. Федорова1 , Е. П. Свирин1 , Б. М. Величковский2
Информация об авторах

1 Отдел нейрокогнитивных технологий, Курчатовский комплекс НБИКС-технологий,
Национальный исследовательский центр «Курчатовский институт», Москва

2 Курчатовский комплекс НБИКС-технологий,
Национальный исследовательский центр «Курчатовский институт», Москва

3 Факультет кибернетики и информационной безопасности,
Национальный исследовательский ядерный университет «МИФИ», Москва

Для корреспонденции: Шишкин Сергей Львович
пл. Академика Курчатова, д. 1, г. Москва; 123182; ur.liam@nikghsihsgres

Информация о статье

Финансирование: работа выполнена при частичной поддержке Российского научного фонда, грант № 14-28-00234 (получение экспериментальных данных и их предварительная обработка), и Российского фонда фундаментальных исследований, грант № 15-29-01344 (оценка вклада вейвлетных признаков в классификацию).

Статья получена: 08.04.2016 Статья принята к печати: 15.04.2016 Опубликовано online: 05.01.2017
|
  1. Wolpaw JR, Birbaumer N, McFarland DJ, Pfurtscheller G, Vaughan TM. Brain–computer interfaces for communication and control. Clin Neurophysiol. 2002; 113 (6): 767–791.
  2. BNCI Horizon 2020. The Future of Brain/Neural Computer Interaction: Horizon 2020. Appendix C: End Users. 7th Framework Programme of the European Union. Доступно по ссылке: http://bnci-horizon-2020.eu/roadmap.
  3. Каплан А. Я., Кочетова А. Г., Шишкин С. Л., Басюл И. А., Ганин И. П., Васильев А. Н., Либуркина С. П. Экспериментально-теоретические основания и практические реализации технологии «интерфейс мозг–компьютер». Бюллетень сибирской медицины. 2013; 12 (2): 21–9.
  4. Каплан А. Я. Нерофизиологические основания и практические реализации технологии мозг-машинных интерфейсов в неврологической реабилитации. Физиология человека. 2016; 42 (1): 118–27.
  5. Chen X, Wang Y, Nakanishi M, Gao X, Jung TP, Gao S. High-speed spelling with a noninvasive brain–computer interface. Proc Natl Acad Sci U S A. 2015; 112 (44): E6058–67.
  6. Majaranta P. Text entry by eye gaze [диссертация]. Tampere, Finland: University of Tampere; 2009. Доступно по ссылке: http://tampub.uta.fi/handle/10024/66483.
  7. Jacob RJK. The use of eye movements in human-computer interaction techniques: what you look at is what you get. ACM Transactions on Information Systems. 1991; 9 (2): 152–69.
  8. Velichkovsky BM, Hansen JP. New technological windows into mind: there is more in eyes and brains for human-computer interaction. In: Proceedings of the SIGCHI conference on Human factors in computing systems; 1996 Apr 13–18; Vancouver, BC, Canada. New York: ACM; 1996. p. 496–503.
  9. Pfurtscheller G, Allison BZ, Bauernfeind G, Brunner C, Escalante TS, Scherer R, et al. The hybrid BCI. Front Neurosci. 2010; 4: 42. Доступно по ссылке: http://journal.frontiersin.org/article/10.3389/fnpro.2010.00003/full.
  10. Zander TO, Kothe C. Towards passive brain–computer interfaces: applying brain–computer interface technology to human–machine systems in general. J Neural Eng. 2011; 8 (2): 025005.
  11. Protzak J, Ihme K, Zander TO. A passive brain-computer interface for supporting gaze-based human-machine interaction. In: Stephanidis C, Antona M, editors. Universal Access in Human-Computer Interaction. Design Methods, Tools, and Interaction Techniques for eInclusion. Springer; 2013. p. 662–71.
  12. Шишкин С. Л., Свирин Е. П., Нуждин Ю. О., Федорова А. А. , Трофимов А. Г., Слободской-Плюснин Я. Ю. и др. Учитесь ждать! Условно-негативная волна поможет отдавать команды взглядом? В сборнике: Печенкова Е. В., Фаликман М. В., редакторы. Когнитивная наука в Москве: новые исследования. М.: БукиВеди; 2015. с. 486–91.
  13. Blankertz B, Lemm S, Treder M, Haufe S, Muller KR. Single-trial analysis and classification of ERP components — a tutorial. NeuroImage. 2011; 56 (2): 814–25.
  14. Schultze-Kraft M, Birman D, Rusconi M, Allefeld C, Gorgen K, Dahne S, et al. The point of no return in vetoing self-initiated movements. Proc Natl Acad Sci U S A. 2016; 113 (4): 1080–5.
  15. Иваницкий Г. А. Распознавание типа решаемой в уме задачи по нескольким секундам ЭЭГ с помощью обучаемого классификатора. Журнал высшей нервной деятельности им. И. П. Павлова. 1997; 47: 743–7.
  16. Dat TH, Shue L, Guan C. Electrocorticographic signal classification based on time-frequency decomposition and nonparametric statistical modeling. Conf Proc IEEE Eng Med Biol Soc. 2006; 1: 2292–5. PMID: 17945704.
  17. Роик А. О., Иваницкий Г. А. Нейрофизиологическая модель когнитивного пространства. Журнал высшей нервной деятельности им. И. П. Павлова. 2011; 60 (6): 688–96.
  18. Frolov A, Husek D, Bobrov P. Comparison of four classification methods for brain-computer interface. Neural Network World. 2011; 21 (2): 101–15.
  19. Frolov A, Husek D, Bobrov P, Mokienko O, Tintera J. Sources of electrical brain activity most relevant to performance of brain-computer interface based on motor imagery. In: Fazel-Rezai R, editor. Brain-Computer Interface Systems: Recent Progress and Future Prospects. InTech; 2013. p. 175–93.