Grając „Wlazł Kotek na Płotek” przy pomocy myśli: Sześcioklasowy Interfejs Mózg-Komputer oparty o Wyobraźnię Ruchową zbudowany na Emotiv EPOC X

Interfejsy mózg-komputer to systemy, które przetwarzają aktywność mózgu użytkownika w celu przewidzenia jego stanu poznawczego i wykonania odpowiedniego polecenia. W interfejsach opartych o wyobraźnię ruchową użytkownik musi nauczyć się obsługiwać system, modulując aktywność mózgu poprzez mentalne wykonywanie ruchów. Wyobraźnia ruchowa skłonów w bok nigdy nie została połączone z innymi wyobrażanymi ruchami w celu kontrolowania interfejsu. Badanie miało na celu sprawdzenie, czy możliwe jest rozszerzenie liczby klas w interfejsie opartym o wyobraźnię ruchową, zbudowanym za pomocą komercyjnego zestawu EEG, Emotiv EPOC X, do sześciu klas poprzez połączenie wyobraźniruchów lewej i prawej ręki, lewego i prawego skłonu w bok, ruchów języka i stanu spoczynku. Uczestnicy uczyli się sterować interfejsem w postaci pięcioklawiszowego pianina, aby zagrać „Wlazł kotek na płotek”. Aktywność mózgu była klasyfikowana w czasie rzeczywistym przy pomocy algorytmów uczenia maszynowego Common Spatial Pattern i Support Vector Machine. Osiągnięta dokładność klasyfikacji (17-36%) wskazuje, że proponowane rozszerzenie nie zostało osiągnięte. Zakłada się, że zbudowany interfejs nie był w stanie uchwycić różnic w zmianach mocy aktywności mózgu związanych z różnymi stanami wyobraźni ruchowej, ponieważ używany zestaw EEG nie posiada centralnych elektrod, które najlepiej nadają się do uchwycenia tych zmian. Co więcej, w badaniu autorski trening świadomości ciała oparty na medytacji mindfulness został częściowo zweryfikowany za pomocą Kwestionariusza Obrazów Ruchu-3 i krótkiego, częściowo ustrukturyzowanego wywiadu. Trening ma potencjał, aby stać się treningiem wyobraźni ruchowej dla pełnosprawnych użytkowników interfejsów.

Brain-computer interfaces (BCIs) are systems which process user’s brain activity in order to predict their cognitive state and produce the corresponding output. In motor imagery-based BCIs (MI-BCI) the user must learn to operate the system by modulating their brain’s activity by mentally rehearsing movements.MI of lateral bending was never combined with other imagined movements in order to control BCI. The study aimed at exploring whether it is possible to extend the number of classes in MI-BCI built with a commercial EEG headset, Emotiv EPOC X, to six classes by combining MI of left and right hand movements, left and right lateral bending, tongue movements and resting state. Participants learned to control a five key piano BCI application to play “Soft Kitty”. An online brain activity classification was conducted with Common Spatial Pattern and Support Vector Machine. The achieved classification accuracy (17-36%) indicates that the proposed extension was not achieved. It is assumed that the built BCI was not able to capture the differences in the power changes of the brain activity related to the different MI states as the used headset lacks central electrodes which are best destined to capture these changes. Moreover, in the study an authorial mindfulness-based body awareness training was partially validated with the Movement Imagery Questionnaire-3 and a short semi-structured interview. The training has the potential to become a training of motor imagery for the able-bodied BCI users.