Ανάπτυξη διεπαφής εγκεφάλου - υπολογιστή με την χρήση
οπτικών προκλητών δυναμικών σταθερής κατάστασης
(Steady state visual evoked potentials - SSVEP)

Μπενετάτος, Χριστόδουλος; Benetatos, Christodoulos

dc.contributor.author	Μπενετάτος, Χριστόδουλος	el
dc.contributor.author	Benetatos, Christodoulos	en
dc.date.accessioned	2018-09-03T08:23:05Z
dc.date.available	2018-09-03T08:23:05Z
dc.date.issued	2018-09-03
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/47479
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.15641
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Διεπαφές εγκεφάλου - υπολογιστή	el
dc.subject	Οπτικά προκλητά δυναμικά σταθερής κατάστασης	el
dc.subject	Ανάλυση κανονικής συσχέτισης	el
dc.subject	Ασύγχρονη διεπαφή	el
dc.subject	Ηλεκτροεγκεφαλογράφημα	el
dc.subject	Electroencephalography (EEG)	en
dc.subject	Self-paced BCI (asynchronous)	en
dc.subject	Steady state visual evoked potentials (SSVEP)	en
dc.subject	Brain computer interfaces (BCIs)	en
dc.subject	Canonical Correlation Analysis (CCA)	en
dc.title	Ανάπτυξη διεπαφής εγκεφάλου - υπολογιστή με την χρήση οπτικών προκλητών δυναμικών σταθερής κατάστασης (Steady state visual evoked potentials - SSVEP)	el
heal.type	bachelorThesis
heal.classification	Διεπαφή εγκεφάλου - υπολογιστή	el
heal.classification	Βιοιατρική μηχανική	el
heal.classification	Brain computer interface	en
heal.classification	Biomedical engineering	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-07-09
heal.abstract	Ο βασικός στόχος-κίνητρο της παρούσας διπλωματικής εργασίας είναι η μελέτη της καταλληλότητας του οικονομικού εγκεφαλογράφου Emotiv Epoc, για την υλοποίηση μιας διεπαφής εγκεφάλου-υπολογιστή (BCI) κάνοντας χρήση των οπτικών προκλητών δυναμικών σταθερής κατάστασης (SSVEP). Πρώτο στάδιο της διεπαφής, είναι η κατασκευή της συσκευής που παρέχει τις απαραίτητες επαναλαμβανόμενες οπτικές διεγέρσεις (ΕΟΔ). Κατασκευάζουμε ένα πάνελ αποτελούμενο από 4 LED συστοιχίες, καθώς και το κύκλωμα οδήγησης τους, το οποίο επιτρέπει την ανεξάρτητη επιλογή συχνότητας και duty cycle, για κάθε συστοιχία. Στο επόμενο στάδιο, δημιουργούμε μια εφαρμογή η οποία υλοποιεί το πρωτόκολλο καταγραφής των δεδομένων που σχεδιάσαμε, ελέγχοντας πλήρως την παραγωγή των οπτικών διεγέρσεων παρέχοντας παράλληλα στον χρήστη οπτικές και ακουστικές οδηγίες για να εξασφαλιστεί η τήρηση του πρωτοκόλλου. Επιπλέον σχεδιάζουμε μια γραφική διεπαφή χρήστη βασιζόμενη σε open source λογισμικό, για την real-time παρακολούθηση του εγκεφαλο- γραφήματος, καθώς και του συχνοτικού περιεχομένου για κάθε κανάλι. Στα SSVEP δεδομένα που συλλέξαμε, πειραματιζόμαστε με διάφορες μεθόδους εξαγωγής χαρακτηριστικών και ταξινόμησης, που χρησιμοποιούνται στην βιβλιογραφία, καθώς και δικές μας παραλλαγές τους, και επιτυγχάνουμε επιδόσεις έως και 90% ακρίβεια με ITR 20.58 bits/min, που συμβαδίζουν με τις state of the art επιδόσεις διεπαφών που κάνουν χρήση αντίστοιχου υλικού. Τέλος, υλοποιούμε το online σκέλος της διεπαφής, ένα ασύγχρονο σύστημα πραγματικού χρόνου, στο οποίο οι χρήστες καλούνται να κατευθύνουν, μέσα σε έναν εικονικό λαβύρινθο, το avatar τους, προς έναν επιθυμητό στόχο.	el
heal.abstract	The main purpose of this diploma thesis, is to study whether an inexpensive nonmedical graded EEG headset, like Emotiv Epoc, is suitable for implementing a Brain Computer Interface (BCI), based on Steady State Visual Evoked Potentials (SSVEP). First stage of the implementation, is the creation of the device that provides the necessary repeated visual stimuli (RVS). We build, a panel made of four LED arrays, and its driving circuit, which allows the independent selection of stimulus frequency and duty cycle, for every RVS. The next stage, consists of the creation of a application that implements the offline EEG data recording protocol that we designed, which is able to fully control the RVS, and at the same time, providing all the necessary visual and audio cues to the user, in order to follow the protocol. Additionally, we design a Graphical User Interface based in open-source software, for the real-time monitoring of every channel of the EEG signal, in time and frequency domain. During the offline processing, we experiment wιth various methods of feature extraction and classification, as well as some of our modifications of them, and we achieve perfomance up to 90% accuracy and 20.58 bits/min ITR, results that comfort to the state of the art perfomances of BCIs that use similar materials. Finally, we implement the online part of the BCI, an asynchronous real-time system, where users are asked to navigate their avatar to a desired target, through a virtual maze.	en
heal.advisorName	Σταφυλοπάτης, Ανδρέας	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Νικήτα, Κωνσταντίνα	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	89 σ.
heal.fullTextAvailability	true