Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

A Low cost EEG SSVEP-based Brain Computer Ιnterface for navigation applications

Zacharioudakis Nikolaos

Simple record


URIhttp://purl.tuc.gr/dl/dias/2D395FB8-27A4-4145-A8FC-7E1B43E58325-
Identifierhttps://doi.org/10.26233/heallink.tuc.91721-
Languageen-
Extent7.6 megabytesen
Extent68 pagesen
TitleA Low cost EEG SSVEP-based Brain Computer Ιnterface for navigation applicationsen
TitleΑνάπτυξη διεπαφής ανθρώπου μηχανής χαμηλού κόστους βασισμένη σε οπτικά προκλητά δυναμικά για εφαρμογές πλοήγησηςel
CreatorZacharioudakis Nikolaosen
CreatorΖαχαριουδακης Νικολαοςel
Contributor [Thesis Supervisor]Zervakis Michailen
Contributor [Thesis Supervisor]Ζερβακης Μιχαηλel
Contributor [Committee Member]Dollas Apostolosen
Contributor [Committee Member]Δολλας Αποστολοςel
Contributor [Committee Member]Sakkalis, Vangelisen
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Electrical and Computer Engineeringen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
Content SummaryThere has been an increase in the number of studies lately focusing on Brain ComputerInterface(BCI) systems and non-invasive scalp Electroencephalography (EEG) measurement, withSteadyState Visual Evoked Potential (SSVEP) playing a significant role due to its higher InformationTransfer Rate (ITR) and signal-to-noise ratio, as well as its minimal training requirements.TheSSVEPs can be acquired in the occipital and parietal lobes, but selecting different EEGchannelcombinations and adapting data length to each subject specifics promises better results.Thepresent study aims to improve further existing systems, relying on SSVEPs, with anequallyefficientand accurate one, which is more cost-effective thus offering a solution to a serious problemforthose facing mobility disabilities or are quadriplegic and are not visually impaired. Moreover,thepossibility of replacing wet electrodes with dry ones is being studied. One of theobjectivestherefore, is to offer the opportunity for those with limited or no mobility to becomemobileandself-reliant in their daily life. As a proof of principle, a robotic car equipped withavideocapturingdevice was used, with the potential to be replaced by a wheelchair in the future. Inthisstudy,data were collected using two types of electrodes, wet and dry, with the latter beingmoresensitive to noise. Nonetheless, using dedicated signal processing techniques andmorespecificallyCanonical Correlation Analysis (CCA) one can increase the accuracy for SSVEP detection.Finally,the main target of this study is to design a practical BCI system focusing on low-cost hardwareandsoftware, ease to use, and robust with increased performance.en
Content SummaryΤα τελευταία χρόνια έχει αυξηθεί ο αριθμός των μελετών που επικεντρώνονται στα συστήματα Brain Computer Interface (BCI) και στο μη επεμβατικό ηλεκτροεγκεφαλογράφημα (EEG), με την μέθοδο του Steady State Visual Evoked Potential (SSVEP) να παίζει σημαντικό ρόλο, λόγω του υψηλού επιπέδου σε ρυθμό μεταφοράς πληροφοριών (ITR) και σε αναλογία σήματος προς θόρυβο (SNR), καθώς και λόγω των ελάχιστων απαιτήσεων στην εκπαίδευση του αλγορίθμου. Τα SSVEP μπορούν να ληφθούν από τον ινιακό και τον βρεγματικό λοβό, αλλά η επιλογή διαφορετικών συνδυασμών καναλιών EEG και η προσαρμογή του μεγέθους των λαμβανόμενων δεδομένων, στο άτομο, παίζουν σημαντικό ρόλο για βέλτιστα αποτελέσματα. Η παρούσα μελέτη στοχεύει στη περαιτέρω βελτίωση υφιστάμενων συστημάτων, βασιζόμενων σε SSVEP, με ένα εξίσου αποτελεσματικό και ακριβές, το οποίο είναι πιο οικονομικό, προσφέροντας έτσι λύση σε ένα σοβαρό πρόβλημα για όσους αντιμετωπίζουν κινητικές αναπηρίες ή είναι τετραπληγικοί και που παράλληλα δεν έχουν προβλήματα όρασης. Επίσης, μελετάται η δυνατότητα αντικατάστασης wet ηλεκτροδίων με dry. Ένας από τους στόχους λοιπόν είναι να προσφέρουμε την ευκαιρία σε άτομα με περιορισμένη ή καθόλου κινητικότητα να γίνουν ανεξάρτητοι στην καθημερινή τους ζωή. Για την επιβεβαίωση λειτουργίας του συστήματος, χρησιμοποιήθηκε ένα ρομποτικό αυτοκίνητο εξοπλισμένο με συσκευή καταγραφής βίντεο, με τη δυνατότητα να αντικατασταθεί από αναπηρικό αμαξίδιο στο μέλλον. Σε αυτή τη μελέτη, τα δεδομένα συλλέχθηκαν με τη χρήση δύο τύπων ηλεκτροδίων, wet και dry, με τα τελευταία να είναι πιο ευαίσθητα στο θόρυβο. Ωστόσο, αποκλειστικές τεχνικές επεξεργασίας σήματος και πιο συγκεκριμένα την Canonical Correlation Analysis (CCA) μπορεί κανείς να αυξήσει την ακρίβεια για την ανίχνευση SSVEP. Τέλος, ο κύριος στόχος αυτής της μελέτης είναι να σχεδιάσει ένα πρακτικό σύστημα BCI που εστιάζει σε hardware και software χαμηλού κόστους, στην ευκολία χρήσης, στην σταθερότητα και στην αυξημένη απόδοση.el
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by/4.0/en
Date of Item2022-03-08-
Date of Publication2022-
SubjectSSVEPen
SubjectEEGen
SubjectBCIen
Bibliographic CitationNikolaos Zacharioudakis, "A Low cost EEG SSVEP-based Brain Computer Ιnterface for navigation applications", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2022en
Bibliographic CitationΝικόλαος Ζαχαριουδάκης, "Ανάπτυξη διεπαφής ανθρώπου μηχανής χαμηλού κόστους βασισμένη σε οπτικά προκλητά δυναμικά για εφαρμογές πλοήγησης", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2022el

Available Files

Services

Statistics