رابط مغز و رایانه

مقدمه: هدف این پژوهش، تعیین تأثیر استفاده از سناریوهای مجازی مبتنی بر بازخورد عصبی در قالب بازی رایانه ای بر افزایش تمرکز افراد سالم است. روش: طرح پژوهش حاضر تجربی است و جامعه آماری این پژوهش کلیه دانشجویان پسر دانشگاه هنر اسلامی تبریز در سال 1397 بودند. به منظور برآورد حجم نمونه از جدول کوهن استفاد شد که حجم نمونه معادل 24 نفر به شکل داوطلبانه وارد پژوهش شدند و در سه گروه تقویت منفی(اعمال جریمه)، تقویت مثبت(اعمال پاداش) و تقویت رقابتی(تأثیر بر عملکرد حریف) مورد آزمون قرار گرفتند. داده های مربوط به میزان تمرکز هر فرد و عملکرد وی در طول بازی از طریق دستگاه مغزنگار الکتریکی و ساختار چندنخی بازی ضبط و ثبت می گردید. در سناریوهای طراحی شده، از آستانه تمرکز هر فرد برای تنظیم جریان بازی استفاده می شد تا از این طریق فرآیند آموزش تمرکز، نسبت به فعالیت مغزی همان شخص تنظیم گردد. به منظور آزمودن فرضیات این پژوهش یک مطالعه کاربری صورت پذیرفت و نتایج حاصل با استفاده از روش آماری تحلیل واریانس مختلط و با استفاده از نرم افزار SPSS نسخه 21 مورد تجزیه و تحلیل قرار گرفت. یافته ها: نتایج نشان داد روش تقویت رقابتی، تقویت منفی و تقویت مثبت در افزایش تمرکز مؤثر است. همچنین تحلیل داده های حاصل از پرسشنامه تجربه کاربری نشان داد که سناریوهای طراحی شده توانسته اند بازیکنان را در جریان بازی غوطه ور ساخته و جذابیت و تعامل لازم را به وجود آورند. نتیجه گیری: استفاده از بازی رایانه ای مبتنی بر رابط مغز- رایانه و بازخورد عصبی منجر به بالا بردن بازده آموزش تمرکز می شود.

مقدمه: در این مقاله یک واسط مغز و رایانه برای طبقه بندی تصور حرکت دست راست و چپ با استفاده از روش یادگیری عمیق از روی سیگنال های مغزی ارائه شده است. واسط مغز و رایانه به منظور دستیابی به یک راه ارتباطی بین مغز و یک دستگاه خارجی برای بیمارانی مانند اسکلروز جانبی آمیوتروفیک طراحی می شود به گونه ای که کاربر بدون هیچ گونه استفاده از اندام های بدن و با استفاده از مغز خود دستگاه بیرونی از جمله یک ویلچر را کنترل کند.روش کار: سیگنال الکتروانسفالوگرافی و طیف سنجی نور مادون قرمز از 29 فرد سالم ثبت شد و پیش پردازش سیگنال ها به منظور حذف نویز انجام گرفت. سپس سیگنال ها به صورت جداگانه و به صورت ترکیبی به تصاویر دو بعدی زمان فرکانس اسکیلوگرام با استفاده از تبدیل موجک پیوسته تبدیل شدند و تصاویر هر ناحیه از مغز به صورت جداگانه و ترکیبی به شبکه عصبی کانولوشنی از پیش آموزش دیده ResNet 18 برای استخراج ویژگی و طبقه بندی وارد شدند.یافته ها: نتایج به دست آمده از شبکه عصبی کانولوشنی از پیش آموزش دیده ResNet18 برای تصاویر اسکیلوگرام در نواحی Frontal-Central, Central-Parietal مغز برای سیگنال الکتروانسفالوگرافی 88 درصد، برای تصاویر اسکیلوگرام سیگنال طیف سنجی نور مادون قرمز 85 درصد و برای مجموع تصاویر اسکیلوگرام، دقت 90 درصد به دست آمد.نتیجه گیری: ترکیب تصاویر اسکیلوگرام سیگنال های مغزی و روش یادگیری عمیق استفاده شده منجر به بهبود دقت طبقه بندی تصور حرکت دست راست و چپ نسبت به مطالعات گذشته شد.