معلومة

فهم تكوين القنوات في مونتاج 10-20 EEG

فهم تكوين القنوات في مونتاج 10-20 EEG


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

في نظام 10-20 نموذجي ، يوجد 21 قطبًا كهربائيًا على فروة الرأس. ومع ذلك ، هذا لا يعني أن هناك 21 "قناة" مميزة أو مصدر جهد.

لقد سمعت أن بعض هذه الأقطاب الكهربائية هي أقطاب "مرجعية" ، في حين أن البعض الآخر عبارة عن أقطاب "نشطة". في بعض الأحيان يمكن إعداد الأقطاب الكهربائية بطريقة "ثنائية القطب" أو "تفاضلية".

  • كم عدد الفعلي القنوات (أي ، مصادر المدخلات المتميزة) هل سيكون هناك؟
  • ما الفرق بين المرجعي و نشيط القنوات؟
  • كيف هذا ثنائي القطب/التفاضليه الإعداد يعمل بشكل مختلف عن الإعداد "العادي"؟

تحديث

فيما يلي فهمي المحدث بناءً على إجابة @ Christiaan أدناه:

الوقت (ر) F2v F3v F2-F3 F3-F2 ====================================== =========== 1 2 1 1 -1 2 3 6 -3 3 3 5 3 2 -2

لذا ، إذا كان فهمي صحيحًا ، فعندئذٍ في الوقت المناسبر = 1، الجهد الكهربائي للقطب F2 قد كن ، على سبيل المثال ، 2 (وحدات ؛ فولت ، ميكرو فولت ، أيا كان) ، والجهد الكهربائي للقطب F3 قد يكون 1. إذا كان F2 هو القطب النشط التعسفي ، فإن فرق الجهد بين F2 و F3 هو 2-1 = 1. ولكن ، إذا كان F3 هو القطب النشط (و F2 هو المرجع) ، فسيكون فرق الجهد هو معكوس ( أي 1 - 2 = -1).



نظام EEG 10-20. المصدر: ويكيبيديا

  • كم عدد القنوات الفعلية الموجودة؟

21 في الشكل ، أي عدد الأقطاب الكهربائية النشطة.

  • ما الفرق بين القنوات المرجعية والقنوات النشطة؟

ال قطب كهربائي نشط هو القطب قيد التحقيق. في الأساس هذا تعسفي. ضع في اعتبارك القطب الكهربي F2 و F3. عند قياس فرق الجهد بينهما و F2 هو القطب النشط و F3 المرجعي، ستكون الإشارة متطابقة تمامًا كما في الوضع العكسي ، يتم عكس القطبية فقط (إشارة الجهد). هذا كل ما في الامر. عادة ما يكون القطب النشط هو القطب المرتبط بـ موقعك كنت ترغب في التسجيل. المرجع في مكان آخر.

  • ما هو الفرق بين النظام ثنائي القطب والإعداد العادي (أحادي القطب / أحادي القطب)؟

بشكل منتظم أحادي القطب الإعداد ، يتم قياس كل من الأقطاب الكهربائية إما مقابل مرجع بعيد (مثل شحمة الأذن) أو مقابل مجموع كل الأقطاب الكهربائية. في كلتا الحالتين ، المرجع بعيد. هذا يعني أن الإشارة ستكون عالية ، لكن القطع الأثرية ستكون كبيرة أيضًا ، لأنه سيتم دمج القطع الأثرية من كلا القطبين في الإشارة. ضع في اعتبارك إشارة في الرقبة ؛ سيضيف نشاط عضلات الرقبة مصنوعات (EMG) إلى الإشارة. وبالمثل ، فإن الإشارة في منطقة الصدر ستضيف مخطط كهربية القلب إلى الإشارة الخاصة بك.

في ثنائي القطب يتم تسجيل الأقطاب الكهربائية المجاورة الإعداد. هذا يعني أن القطع الأثرية الكبيرة التي تحدث من خلال وميض العين أو على الإطلاق يتم تسجيلها بواسطة كلا القطبين ، وبما أن قطبيتهما معاكسة ، فإن استجابات القطع الأثرية الكبيرة ستكون ألغيت والإشارة أنظف بكثير. ومع ذلك ، فإن الجانب السلبي للعملة هو أن القواسم المشتركة في الإشارة ، والتي ستكون أكبر عندما تكون الأقطاب الكهربائية أقرب ، سيتم طرحها أيضًا ، وبالتالي ستنخفض الإشارة وفقًا لذلك.

لقد استخدمت إعدادات ثنائية القطب عند قياس eERGs و eCAPs ، أي النشاط المستحث كهربائيًا. أنتجت المحفزات الكهربائية مصنوعات كبيرة وفي الواقع كبيرة جدًا لدرجة أن سعاتها كانت متشابهة تقريبًا بين الأقطاب الكهربائية النشطة والمرجعية. فاق الانخفاض في القطع الأثرية إلى حد بعيد فقدان الإشارة. هذا يعتمد على الموقف الذي أنت فيه.

عمل موثوق في هذا المجال مدرج أدناه.

المرجعي
- بيفيك وآخرون., سيكوفيزيول (1993); 30: 547-58


كيف يؤثر المونتاج المرجعي وإعداد الأقطاب الكهربائية على إمكانات مخطط كهربية الدماغ لفروة الرأس؟

موضوعي. يتم تطبيق مخطط كهربية فروة الرأس البشرية (EEG) على نطاق واسع في علم الأعصاب الإدراكي والدراسات السريرية نظرًا لعدم قدرته على التدخل الجراحي ودقة وقته الفائقة. ومع ذلك ، فإن تمثيل إمكانات EEG المقاسة للأنشطة العصبية السفلية لا يزال يمثل مشكلة قيد المناقشة. تهدف هذه الدراسة إلى التحقيق بشكل منهجي في كيفية تأثير كل من المونتاج المرجعي وإعداد الأقطاب الكهربائية على دقة إمكانات مخطط كهربية الدماغ. مقاربة. أولاً ، يتم إنشاء إمكانات مخطط كهربية الدماغ القياسية عن طريق الحساب الأمامي مع ثنائي القطب واحد في مساحة المصدر العصبي ، لأحد عشر رقم قناة (10 ، 16 ، 21 ، 32 ، 64 ، 85 ، 96 ، 128 ، 129 ، 257 ، 335). هنا ، المرجع هو اللانهاية المثالية التي تحددها نظرية المستقبل. بعد ذلك ، يتم تحويل إمكانات EEG القياسية إلى تسجيلات ذات مراجع مختلفة بما في ذلك خمسة مراجع أحادية القطب (شحمة الأذن اليسرى ، Fz ، Pz ، Oz ، Cz) ، وثلاثة مراجع (الخشاءات المرتبطة (LM) ، متوسط ​​المرجع (AR) و تقنية التوحيد القياسي للإلكترود (REST)). أخيرًا ، يتم تقييم الأخطاء النسبية بين إمكانات EEG القياسية وتلك المحولة من حيث رقم القناة ، ومناطق فروة الرأس ، وتخطيط الأقطاب الكهربائية ، وموضع واتجاه مصدر ثنائي القطب ، بالإضافة إلى ضوضاء المستشعر ونموذج الرأس. نتائج رئيسية. عادةً ما تكون التسجيلات المرجعية أحادية القطب ذات تشوهات كبيرة ، وبالتالي ، يجب اعتماد إعادة مرجعية بعد التسجيل أحادي القطب عبر الإنترنت بشكل عام للتخفيف من هذا التأثير. من بين المراجع الثلاثة ، يتفوق REST عمومًا على AR لجميع العوامل التي تمت مقارنتها ، وأداء LM هو الأسوأ. REST غير حساس لاضطراب نموذج الرأس. يخضع AR لتغطية الأقطاب الكهربائية والتوجيه ثنائي القطب ولكن لا توجد علاقة وثيقة مع رقم القناة. الدلالة. تشير هذه النتائج إلى أن REST سيكون الخيار الأول لإعادة المرجع وقد يكون AR خيارًا بديلاً لحالة ضوضاء المستشعر عالية المستوى. قد توفر النتائج التي توصلنا إليها اقتراحات مفيدة حول كيفية الحصول على إمكانات EEG بأكبر قدر ممكن من الدقة لعلماء الأعصاب والأطباء الإدراكيين.

الاستشهاد بالتصدير والملخص BibTeX RIS

يمكن استخدام المحتوى الأصلي من هذا العمل بموجب شروط ترخيص Creative Commons Attribution 3.0. يجب أن يحافظ أي توزيع إضافي لهذا العمل على الإسناد إلى المؤلف (المؤلفين) وعنوان العمل ، والاقتباس من المجلة ، و DOI.


سنستخدم علامات الأحداث هذه كمدخل لطريقة تنظيف SSP. تعمل هذه التقنية بشكل جيد إذا تم تحديد كل قطعة أثرية بدقة وبشكل مستقل قدر الإمكان عن القطع الأثرية الأخرى. هذا يعني أننا يجب أن نحاول تجنب وضع علامة على قطعتين اثنتين مختلفتين في نفس الوقت.

نظرًا لأن القلب ينبض كل ثانية أو نحو ذلك ، فهناك احتمال كبير أنه عندما يومض الموضوع يكون هناك دقات قلب ليست بعيدة جدًا في التسجيلات. لا يمكننا إزالة جميع الومضات الملوثة بنبضات القلب لأنه لن يتبقى لدينا أي بيانات. لكن لدينا الكثير من دقات القلب ، لذلك يمكننا أن نفعل العكس: إزالة العلامات "القلبية" التي تحدث أثناء وميض.

الحد الأدنى من التأخير بين الأحداث: 250 ملي ثانية

بعد تنفيذ هذه العملية ، يبدأ عدد الأحداث "القلبية" 465 إلى 456. كانت نبضات القلب المحذوفة على بعد أقل من 250 مللي ثانية من وميض.


الكلمات الدالة

سيرجيو روميرو حصل على ماجستير الهندسة الصناعية. درجة من جامعة كاتالونيا التقنية (UPC) في عام 2000. بعد ذلك ، يتابع الدكتوراه. شهادة في الهندسة الطبية الحيوية في UPC. يعمل حاليًا أستاذًا مساعدًا في قسم التحكم الآلي وهندسة النظم (ESAII) في نفس الجامعة. ينصب اهتمامه البحثي الحالي على معالجة الإشارات الطبية الحيوية التي تركز على التقدير الطيفي ، وتمثيل التردد الزمني ، وفصل المصدر الأعمى ، والخوارزميات التكيفية.

ميغيل أنجيل مانياناس حصل على درجة الدكتوراه في هندسة الاتصالات. في الهندسة الطبية الحيوية من جامعة كاتالونيا التقنية (UPC) في 1993 و 1999 ، على التوالي. وهو حاليًا أستاذ مشارك ونائب مدير الأبحاث في قسم التحكم الآلي وهندسة النظم (ESAII) في نفس الجامعة. وهو عضو في مركز أبحاث الهندسة الطبية الحيوية (CREB ، UPC) واللجنة الإسبانية من الاتحاد الدولي للتحكم الآلي (CEA). تشمل مجالات بحثه النشطة معالجة الإشارات الطبية الحيوية والتحليل الإحصائي والنمذجة والمحاكاة. تتركز خبرته بشكل خاص في التقدير الطيفي ، والخوارزميات التكيفية ، وتمثيلات الوقت والتردد ، ونظام التحكم في التنفس ، وتحليل المكونات المستقلة ، والتقنيات غير الخطية المطبقة على EMG ، و MMG ، و EEG ، وإشارات الجهاز التنفسي.

مانويل خوسيه باربانج هو رئيس مركز أبحاث الأدوية (CIM) التابع لمعهد الأبحاث في مستشفى سانت باو (برشلونة). يعمل حاليًا أستاذًا مشاركًا في قسم علم الأدوية والعلاج في جامعة برشلونة المستقلة (UAB). يتمتع بخبرة واسعة في إجراء الدراسات السريرية للمرحلة الأولى في مجال علم الأدوية النفسي فيما يتعلق بتنفيذ التدابير الفيزيولوجية العصبية مثل الكميات الصيدلانية والتخطيط الكهربائي للدماغ ، والإمكانات المستحثة وتسجيلات النوم المجسمة. يتم التركيز بشكل خاص على نمذجة PK-PD (مزيج من الأدوية والحركية الدوائية وديناميكيات الدواء من أجل توسيع المعرفة الفيزيولوجية المرضية).


الوصول إلى التسجيلات

اربط التسجيلات

تحضير ملف القناة

  • 29 قطب كهربائي
  • EOG1 ، EOG2: مخطط العين الكهربائي
  • مخطط كهربية العضل ، مخطط كهربية القلب: مخطط كهربية العضل ومخطط كهربية القلب
  • SP1 ، SP2: الأقطاب الوتدية
  • RS: قطب كهربائي على الكتف الأيمن
  • PHO: قناة تحفيز الصور
  • DELR، DELL، QR، QL: غير مستخدم
  • لاحظ أن قنوات EOG و EMG و ECG قد تم اكتشاف نوعها بشكل صحيح.
  • تم تعيين جميع القنوات الأخرى غير EEG على "EEG_NO_LOC" عندما قمنا باستيراد مواقع القنوات: SP1 ، SP2 ، RS ، PHO ، DELR ، DELL ، QR ، QL

لهذه الدراسة بالذات ، يمكننا استخدام ملف القناة كما تم تكوينه الآن ، فقط أغلق الشكل. تجاهل أي تعديل قد تكون قمت به.

تسجيل الأقطاب الكهربائية باستخدام التصوير بالرنين المغناطيسي

انقر فوق الزر "مشروع الأقطاب الكهربائية على سطح فروة الرأس"، للتأكد من أن جميع الأقطاب الكهربائية تلامس سطح الجلد ، ثم انقر فوق" موافق "ووافق على حفظ التعديلات.

لرؤية أو تحرير مواضع الأقطاب الكهربائية في عارض التصوير بالرنين المغناطيسي: انقر بزر الماوس الأيمن على ملف القناة & gt مستشعرات العرض و GT EEG (عارض التصوير بالرنين المغناطيسي). حدد القائمة "MIP: Functional" لرؤية جميع الأقطاب الكهربائية. لتحرير ملف القناة: انقر بزر الماوس الأيمن فوق & gt Electrodes & gt Set Electrode position.


فهم تكوين القنوات في مونتاج 10-20 EEG - علم الأحياء

دليل الخطوات الأولى من Cyton

سيرشدك هذا الدليل خلال إعداد جهاز الكمبيوتر الخاص بك لاستخدام Cyton و USB Dongle ، باستخدام تطبيق OpenBCI_GUI ، وكيفية الحصول على EEG / EMG / EKG من جسمك! يرجى مراجعة هذا الدليل بالكامل قبل البدء واستشارة فيديو Cyton Biosensing التعليمي للحصول على إرشادات إضافية. استمتع!

  1. OpenBCI Cyton Board
  2. OpenBCI Dongle
  3. أقطاب الكأس الذهبية OpenBCI ولصق Ten20
  4. حزمة بطاريات AA 6 فولت & أمبير (x4) بطاريات AA (بطاريات غير مدرجة)
  5. (x4) أرجل بلاستيكية لتثبيت اللوحة

يمكن اتباع هذا البرنامج التعليمي إذا كنت تعمل مع أي لوحة Cyton (8 بت أو Cyton أو Cyton مع Daisy). سأعمل مع لوحة 8 بت.

2. دونجل USB OpenBCI الخاص بك

يحتوي OpenBCI USB Dongle على RFDuino مدمج يتواصل مع RFDuino على لوحة Cyton. ينشئ الدونجل اتصالاً تسلسليًا بشريحة FTDI الموجودة على الكمبيوتر. يسمى المنفذ التسلسلي / dev / tty * (إذا كنت تستخدم Linux أو Mac) أو COM * (إذا كنت تستخدم Windows). سوف تكون متصلاً بهذا المنفذ التسلسلي من OpenBCI GUI أو أي برنامج آخر تريد استخدامه في النهاية لواجهة لوحة Cyton الخاصة بك.

3. أقطاب الكأس الذهبية OpenBCI ولصق القطب

إذا طلبت أقطاب الكأس الذهبية OpenBCI ولصق Ten20 ، فيجب أن يكون لديك:

  • 10 أقطاب كهربائية سلبية من الكأس الذهبية على كابل الشريط المرمز بالألوان
  • 3 عبوات سعة 2 أونصة من عشرة 20 معجون إلكترود موصّل

إذا كنت تخطط للعمل مع الأقطاب الكهربائية الخاصة بك ، فقد يكون المحول المقاوم للمس مفيدًا:

سيحول أي قطب كهربائي ينتهي في التصميم المقاوم للمس بمعيار الصناعة إلى قطب كهربائي يمكن توصيله بأي لوحة OpenBCI!

4. حزمة بطارية AA 6V و 4 بطاريات AA

تحتوي لوحات Cyton على نطاقات جهد دخل محددة. يمكن العثور على نطاقات جهد الإدخال هذه على الجانب الخلفي من اللوحة ، بجانب مصدر الطاقة. كن حذرا جدا لعدم تزويد لوحتك بجهد كهربائي أعلى من هذه النطاقات ، وإلا فسوف تلحق الضرر بمصدر الطاقة الخاص باللوحة. لهذا السبب ، نوصيك دائمًا باستخدام حزمة البطارية المرفقة مع مجموعة OpenBCI الخاصة بك.

تأتي مجموعة Cyton الخاصة بك مع 4 أقدام بلاستيكية يمكن تثبيتها في فتحات لوحك لتوفير مزيد من الثبات أثناء العمل.

II. تنزيل / تثبيت / تشغيل OpenBCI GUI

يرجى اتباع الدليل خطوة بخطوة لتثبيت OpenBCI_GUI كتطبيق مستقل. ترقب متطلبات Cyton المحددة مثل تثبيت برنامج تشغيل FTDI VCP.

ارجع إلى هذا الدليل عندما تكون واجهة المستخدم الرسومية قيد التشغيل!

ثالثا. قم بإعداد أجهزة OpenBCI الخاصة بك

1. قم بتوصيل OpenBCI USB Dongle الخاص بك

قم بتوصيل هذا (متجهًا لأعلى!) وسترى ضوء LED أزرق يضيء.

ملحوظة: تأكد من تحويل USB Dongle إلى GPIO 6 وليس إعادة الضبط. يجب ضبط المفتاح بالقرب من جهاز الكمبيوتر الخاص بك كما هو موضح في الصورة على اليمين.

2. قم بتوصيل حزمة بطارية 6 فولت AA (مع البطاريات)

تحتوي لوحات Cyton على نطاقات جهد دخل محددة. يمكن العثور على نطاقات جهد الدخل هذه على الجانب الخلفي من اللوحة ، بجانب مصدر الطاقة. كن حذرا جدا لعدم تزويد لوحتك بجهد كهربائي أعلى من هذه النطاقات ، وإلا فسوف تلحق الضرر بمصدر الطاقة الخاص باللوحة. لهذا السبب ، نوصيك دائمًا باستخدام حزمة البطارية المرفقة مع مجموعة OpenBCI الخاصة بك. هناك سبب وجيه لوضعنا هذا الإشعار هنا مرتين!

3. تبديل لوحة Cyton إلى الكمبيوتر الشخصي (وليس OFF أو BLE)

تأكد من تحريك المفتاح الصغير على الجانب الأيمن من اللوحة من "OFF" إلى "PC". بمجرد القيام بذلك ، يجب أن ترى مؤشر LED أزرق قيد التشغيل. إذا لم تقم بذلك ، فاضغط على زر إعادة الضبط (RST) على يسار المفتاح. إذا استمر عدم تشغيل مؤشر LED ، فتأكد من أن البطارية ممتلئة. إذا كنت متأكدًا من أن بطارياتك مشحونة بالكامل ، فاستشر قسم الأجهزة في منتدانا.

ملحوظة: من المهم توصيل Dongle الخاص بك قبل تشغيل لوحة Cyton الخاصة بك. في بعض الأحيان ، إذا بدا تدفق البيانات معطلاً ، فقد تحتاج إلى فصل USB Dongle وإيقاف تشغيل لوحة Cyton. تأكد من توصيل USB Dongle أولاً ، ثم قم بتشغيل اللوح الخاص بك بعد ذلك.

رابعا. قم بالاتصال بلوحة Cyton الخاصة بك من واجهة المستخدم الرسومية

من أجل الاتصال بـ Cyton الخاص بك ، يجب عليك تحديد مصدر البيانات ليكون LIVE (من Cyton) في القسم الأول من لوحة تحكم النظام. قبل الضغط على زر START SYSTEM ، تحتاج إلى تكوين لوحة Cyton (اتبع الخطوات أدناه).

2. حدد بروتوكول النقل التسلسلي

بعد ذلك حدد المسلسل (من Dongle). إذا كنت تريد استخدام WiFi Shield ، فيرجى الاطلاع على دليل بدء تشغيل WiFi

3. البحث عن منفذ USB Dongle التسلسلي / COM

في القسم الأول من اللوحة الفرعية LIVE (من Cyton) ، ابحث عن اسم المنفذ التسلسلي / COM الخاص بـ Dongle. إذا كنت تستخدم نظام التشغيل Mac أو Linux ، فسيكون اسمه بالتنسيق التالي:

إذا كنت تستخدم Windows ، فسيظهر على النحو التالي:

من المحتمل أن يكون اسم منفذ USB Dongle في أعلى القائمة. إذا لم تره:

  1. تأكد من توصيل الدونجل الخاص بك وتحويله إلى GPIO 6 (وليس إعادة الضبط)
  2. انقر فوق الزر REFRESH LIST في قسم SERIAL / COM PORT باللوحة الفرعية

إذا كنت لا تزال تواجه مشكلة في العثور على اسم منفذ USB Dongle الخاص بك ، فارجع إلى المنتدى حول تصحيح أخطاء اتصال جهازك.

4. حدد عدد القنوات الخاصة بك (8 أو 16)

تم ضبط إعداد CHANNEL COUNT افتراضيًا على 8. إذا كنت تعمل مع نظام OpenBCI Daisy Module ونظام لوحة Cyton (16 قناة) ، فتأكد من النقر فوق الزر 16 قناة قبل بدء تشغيل النظام.

تحقق من الحالة أو تغيير قناة الراديو

توجد علامة تبويب Radio Configuration (تكوين الراديو) يمكنك استخدامها للتحقق من حالة نظام Cyton وتغيير قناة الراديو. انقر فوق السهم & gt لفتح لوحة الخيارات. ستجد هنا أدوات لتكوين اتصال Cyton Radio الخاص بك. دعنا نتصفح وظائف كل زر.

انقر فوق زر STATUS للتحقق من حالة نظام Cyton الخاص بك. قد يستغرق هذا بضع ثوانٍ للإبلاغ ، حيث يتواصل مع لوحة Dongle و Cyton للتحقق من أنهما يتحدثان مع بعضهما البعض. إذا كان الأمر كذلك ، فسترى الرسالة Success: System is Up. إذا لم يكن كذلك ، فسترى Falure: النظام معطل.

انقر فوق الزر GET CHANNEL لمعرفة القناة التي يتصل بها نظام Cyton الخاص بك. إذا كان النظام يعمل ، فستتلقى الرسالة Success: Host and Device on Channel number: X. إذا كان النظام معطلاً ، فستتلقى الرسالة Failure: Host on Channel number: X.
ملاحظة راديو المضيف موجود على Dongle ، وراديو الجهاز موجود على لوحة Cyton.

انقر فوق الزر CHANGE CHANNEL لتغيير القناة التي يتصل بها نظام Cyton الخاص بك. يمكن أن يكون هذا مفيدًا حقًا إذا كان لديك العديد من أنظمة Cyton في نفس المساحة. عند النقر فوق الزر ، سيتم فتح قائمة بالقنوات. عند النقر فوق القناة التي تريدها ، سيستغرق الأمر ثانية واحدة فقط ، وستتلقى الرسالة Success: Host and Device on Channel number: X.
الأهمية تأكد من عدم وجود Cytons أخرى نشطة في الحي عند تغيير القناة!

انقر فوق زر OVERRIDE DONGLE لتغيير قناة OpenBCI Dongle فقط. عند النقر فوق الزر ، سيتم فتح قائمة بالقنوات. لغرض هذا البرنامج التعليمي ، امض قدمًا وقم بتغيير قناة Dongle إلى Channel 15. عند النقر فوق رقم القناة ، سيستغرق الأمر ثانية واحدة فقط ، وستصلك الرسالة Success: Host override - Channel number: 15

نظرًا لأنك قمت للتو بتغيير قناة Dongle فقط ، عند النقر فوق الزر STATUS ، ستصلك رسالة فشل. وبالمثل ، عندما تضغط على زر GET CHANNEL ، ستتلقى أيضًا رسالة فشل. لكن لا تقلق! يمكننا استخدام وظيفة Autoscan لإعادة لوحة Cyton Board و Dongle إلى المسار نفسه!

الآن ، انقر فوق الزر AUTOSCAN. قد يستغرق Dongle بضع ثوانٍ للبحث عبر كل قناة حتى يتصل بـ Cyton الخاص بك ، لكنه سيفعل ، وستتلقى رسالة Success: System is Up Autoscan!

قم بتحرير اسم ملف التشغيل

في قسم DATA LOG FIlE باللوحة الفرعية LIVE (من Cyton) ، يمكنك تحديد اسم ملف التشغيل الخاص بك.يتم تعيين اسم الملف هذا تلقائيًا على:

Documents OpenBCI_GUI OpenBCI-RAW- + التاريخ / الوقت

يمكنك تعديل اسم هذا الملف بالنقر فوق حقل النص "اسم الملف".

يتم تخزين ملفات التشغيل وبيانات المستخدم بتنسيق / المستندات / OpenBCI_GUI / على جميع أنظمة التشغيل. تستخدم ملفات تشغيل OpenBCI تنسيق CSV والنص العادي.

بعد إنشاء ملف التشغيل ، يمكن إعادة تشغيله عن طريق تشغيل وضع مصدر بيانات ملف التشغيل. نتيجة لذلك ، يمكنك بسهولة مشاركة ملفات تشغيل OpenBCI المسجلة مع أصدقائك وزملائك.

إذا كنت تريد تسجيل البيانات إلى MicroSD المدرجة في Cyton Board ، في WRITE TO SD (Y / N)؟ قسم اللوحة الفرعية يمكنك تحديد أقصى وقت تسجيل للملف. تم ضبط هذا الإعداد افتراضيًا على "عدم الكتابة إلى SD ..." وسيتحول تلقائيًا إلى هذا إذا لم يكن لديك بطاقة MicroSD تم إدخالها بشكل صحيح في لوحة Cyton الخاصة بك.

ملحوظة: تأكد من تحديد حجم ملف أكبر من وقت التسجيل المخطط له. يكتب Cyton إلى SD المحلي بطريقة تمكننا من كتابة الكثير من البيانات بسرعة كبيرة. ونتيجة لذلك ، يجب علينا تحديد حجم الملف قبل أن نبدأ. تُعرف هذه التقنية باسم الكتابة الكتلية.

أنت الآن جاهز لبدء تشغيل النظام! اضغط على زر START SYSTEM وانتظر OpenBCI GUI لإنشاء اتصال بلوحة Cyton الخاصة بك. هذا عادة ما يستغرق

خلال هذا الوقت ، يجب أن تومض خط المساعدة الموجود أسفل واجهة OpenBCI GUI بالكلمات: "محاولة إنشاء اتصال بلوحة OpenBCI الخاصة بك."

استكشاف الأخطاء وإصلاحها

إذا فشلت التهيئة ، فجرّب الخطوات التالية بالترتيب:

  1. تأكد من أنك حددت المنفذ التسلسلي / COM الصحيح
  2. قم بإيقاف تشغيل لوحة Cyton الخاصة بك وافصل USB Dongle. بعد ذلك ، أعد توصيل USB Dongle وشغل لوحة Cyton بهذا الترتيب. ثم حاول إعادة تشغيل النظام ، ولكن اضغط على زر START SYSTEM مرة أخرى.
  3. إذا لم يفلح ذلك ، فحاول إعادة تشغيل تطبيق OpenBCI GUI وإعادة الخطوة 2 أعلاه. ثم أعد تكوين إعدادات SYSTEM CONTROL PANEL ، وأعد محاولة START SYSTEM.
  4. تأكد من أن بطارياتك مشحونة بالكامل ثم أعد محاولة تنفيذ الخطوات المذكورة أعلاه.
  5. إذا لم يكن رقم القناة معروضًا ، فحدد "AUTOSCAN" من إعدادات RADIO CONFIGURATION.
  6. إذا كنت لا تزال تواجه مشكلات في الاتصال بلوحة Cyton ، فارجع إلى المنتدى للحصول على مزيد من النصائح حول استكشاف الأخطاء وإصلاحها.

الآن بعد أن تم توصيل OpenBCI_GUI بـ Cyton الخاص بك ، يمكنك الضغط على Start Data Stream في الزاوية اليسرى العليا.

يجب أن ترى البيانات تتدفق إلى واجهة المستخدم الرسومية ، حاول تشغيل أصابعك على طول دبابيس القطب في الجزء العلوي من اللوحة.

يجب أن تشاهد 8 قنوات (أو 16 إذا كنت تستخدم وحدة Daisy) على ملف السلاسل الزمنية عنصر واجهة المستخدم يتصرف بطريقة فوضوية استجابةً لمسك الدبابيس ويجب أن تتحول جميع آثار الرسم البياني FFT في الجزء العلوي الأيمن إلى الأعلى على الفور.

إذا كانت هذه هي الحالة ، فتهانينا على اتصالك بلوحة Cyton الخاصة بك. حان الوقت لرؤية بعض موجات الدماغ!

5. قم بتوصيل نفسك بـ OpenBCI

في هذا العرض التوضيحي السريع ، سنعرض لك كيفية إعداد 3 قنوات لبيانات الفيزيولوجيا الكهربية التي تكشف عن نشاط قلبك (EKG أو ECG) ، ونشاط العضلات (EMG) ، ونشاط الدماغ (EEG)!

لمزيد من المعلومات حول هذه الإشارات الثلاث ، راجع ويكيبيديا:

  • عجينة إلكترود موصلة Ten20 (أو جل قطب كهربائي موصل آخر)
  • لوحة Cyton و USB Dongle وحزمة البطارية وبطاريات x4 AA
  • أقطاب الكأس الذهبية x6 (من مجموعة بداية القطب الكهربائي OpenBCI أو غيرها). إذا كنت تستخدم مجموعة أدوات بدء التشغيل الكهربائي OpenBCI ، فاستخدم الأقطاب الكهربائية التالية لتكون متوافقة مع بروتوكول ترميز الألوان الخاص بواجهة المستخدم الرسومية:
    1. أسود
    2. أبيض
    3. نفسجي
    4. لون أخضر
    5. أزرق
    6. أحمر
  • مناشف ورقية لتنظيف عجينة Ten20 الزائدة
  • شريط طبي (أو شريط آخر) لإضافة ثبات إضافي للأقطاب الكهربائية
  • مسحات الأذن لتنظيف المعجون من الأقطاب الكهربائية بمجرد الانتهاء

2. قم بتوصيل الأقطاب الكهربائية الخاصة بك بـ OpenBCI

قم بتوصيل أسلاك الإلكترود بلوحة Cyton كما هو موضح أدناه. تظهر وصلات الأسلاك المناسبة في شكل جدول أيضًا.

لون سلك القطب Cyton Board Pin
أبيض SRB2 (دبوس SRB السفلي)
أسود أسفل دبوس BIAS
نفسجي 2N (أسفل دبوس N2P)
لون أخضر 4N (أسفل دبوس N4P)
أزرق 4P (أعلى دبوس N4P)
أحمر 7N (أسفل دبوس N7P)

يجب أن تتصل الأقطاب الكهربائية البيضاء والسوداء دائمًا بدبوس SRB2 ودبوس BIAS السفلي. أيضًا ، يجب توصيل الأسلاك الخضراء والزرقاء بدبوسين من نفس القناة (مثل 4N و 4 P). لكن يمكن توصيل الأسلاك الأرجواني والأحمر والأخضر / الأزرق بأي من N1P من خلال قنوات N8P. قررنا استخدام القنوات 2 و 4 و 7 في هذا البرنامج التعليمي.

كيف يتم توصيل دبابيس Cyton Board (اختياري)

يوجد أدناه عرض منظور لمدخلات القطب الكهربائي التي نعمل معها في هذا البرنامج التعليمي:

المسامير السفلية هي مدخلات (N) ، والدبابيس العلوية هي مدخلات (P). تبحث إعدادات اللوحة الافتراضية في جميع قنوات N في إشارة إلى SRB2 (دبوس SRB السفلي). يمكن أيضًا استخدام SRB1 (دبوس SRB العلوي) كمرجع ، ولكن عند تنشيطه ، يتم تنشيطه لجميع القنوات. في حالة استخدام SRB1 كقطب مرجعي ، يجب استخدام مدخلات P (مدخلات الدبوس العلوي) كمدخلات أخرى لقياس فرق الجهد. على العكس من ذلك ، يمكن إزالة القنوات الفردية من SRB2. إذا تمت إزالة قناة من SRB2 ، فيمكن فحصها على أنها جهد جهد فريد ، بين دبابيس N و P لتلك القناة. سنقوم بذلك لقياس القلب في هذا البرنامج التعليمي ، أثناء فحص قناتين من EEG بالإشارة إلى SRB2 ، باستخدام دبابيس القناة 2 و 7 N. لمزيد من المعلومات حول هذا الأمر ، ارجع إلى الصفحة 16 من ورقة بيانات ADS1299. شريحة ADS1299 هي الواجهة الأمامية التناظرية في قلب لوحة Cyton.

3. قم بتوصيل الأقطاب الكهربائية برأسك وجسمك

أ) سنبدأ بالأقطاب الكهربائية الموجودة على رأسك. ابدأ بغرف معجون القطب الكهربائي Ten20 في قطب الكأس المصنوع من الذهب الأبيض. سيكون هذا هو القطب المرجعي (أو SRB2) للأقطاب الكهربائية الأخرى على رأسك. املأ القطب بحيث يكون هناك القليل من معجون قطب كهربائي إضافي ينسكب فوق الجزء العلوي من الكأس الذهبية ، كما هو موضح في الصورة على اليمين.

ملحوظة: استخدم منديلًا ورقيًا أو منديلًا لإزالة معجون القطب الكهربائي الزائد أثناء وضع الأقطاب الكهربائية.

ب) قم الآن بتطبيق هذا القطب على إحدى شحمة الأذن (إما A1 أو A2 كما هو موضح في صورة النظام 10-20 أدناه). يمكنك استخدام شريط طبي (أو شريط كهربائي!) لمنح هذا القطب بعض الثبات الإضافي ، مما يضمن عدم سقوطه. هذا القطب هو المرجع الذي سيتم قياس جميع أقطاب EEG الموجودة على رأسك مقارنةً به. تعد قراءة الأشعة فوق البنفسجية التي ستظهر في مونتاج بيانات EEG الخاص بواجهة المستخدم الرسومية مقياسًا لفرق الجهد بين كل قطب كهربائي وهذا القطب المرجعي (SRB2). يمكن أيضًا استخدام SRB1 (دبوس SRB العلوي) كدبوس مرجعي ، لكننا لن نناقش ذلك هنا. تحقق من المستندات الأخرى حول كيفية تعظيم استخدام الدبابيس الأخرى!

ج) اتبع نفس الإجراء الخاص بالقطب الكهربي الأرجواني وقم بتطبيقه على جبهتك على ارتفاع 1 بوصة فوق الحاجب الأيسر (كما لو كنت تنظر إلى نفسك) وبشبر واحد على يسار خط منتصف الجبهة.

موقع القطب هذا هو Fp2 على نظام 10-20. المعيار الدولي 10-20 System لوضع الإلكترود في سياق EEG. يشير Fp إلى موقع "أمامي قطبي".

د) الآن اتبع نفس الإجراء الخاص بالقطب الكهربي الأحمر وضعه على مؤخرة رأسك ، 1 بوصة فوق البصلة (كما هو موضح في نظام 10-20) ، و 1 بوصة على اليسار. موقع القطب هذا هو O1 على نظام 10-20. يرمز الحرف "O" إلى القذالي ، أي فوق الفص القذالي (أو القشرة البصرية).

ملحوظة: للقيام بذلك ، اسحب شعرك جانبًا وتأكد من أن القطب الكهربائي متداخل بعمق قدر الإمكان ، حيث يقوم معجون القطب بعمل وصلة موصلة نهائية بين فروة رأسك والكأس الذهبي.

هـ) اتبع الآن نفس الإجراء المتبع في الخطوة 2 أعلاه لتطبيق القطب الأسود على شحمة أذنك الأخرى (إما A1 أو A2 من نظام 10-20). يتم توصيل القطب الأسود بمسمار BIAS ، والذي يستخدم لإلغاء الضوضاء. إنه مشابه لمسمار GROUND ، الذي يؤسس أرضية مشتركة بين لوحة Cyton وجسمك ، لكن لديه بعض تقنيات التداخل المدمرة الإضافية لإلغاء الضوضاء المدمجة!

لقد انتهيت الآن من توصيل الأقطاب الكهربائية بجهازك! أحب استخدام رباط شعر من القطن الرخيص لإضافة المزيد من الثبات لجميع الأقطاب الكهربائية المتصلة برأسي ، من خلال وضعه برفق فوق جميع الأقطاب الكهربائية.

و) قم الآن بتوصيل القطب الأخضر بساعدك الأيمن ، في مكان ما فوق العضلة التي يمكنك ثنيها بسهولة. باستخدام هذا القطب الكهربي ، سننظر في كل من نشاط القلب ونشاط العضلات. أود أيضًا استخدام الشريط لتثبيت هذا القطب في مكانه. هذا سيؤذي قليلاً عند الإقلاع. آمل ألا تكون ذراعيك مشعرة مثل ذراعي.

ز) أخيرًا ، قم بتوصيل القطب الكهربائي الأزرق بمعصمك على الذراع المقابل باستخدام القطب الأخضر. سيكون القطب الأزرق بمثابة القطب المرجعي للقطب الأخضر. إذا لاحظت ، فإن القطب الأزرق موجود على الدبوس فوق القطب الأخضر. سنقوم بإزالة الدبوس 4 من SRB2 بحيث لا يتم تضمينه في نفس الإشارة المرجعية المستخدمة لقياس موجات الدماغ. السبب الرئيسي لذلك هو أن قيم ميكرو فولت (uV) التي ينتجها قلبك وعضلاتك أقوى بكثير من الإشارات التي يمكننا اكتشافها من دماغك ، لذلك لا نريد أن تتداخل هذه الإشارات. سأخوض في مزيد من التفاصيل حول هذا لاحقًا ، عندما يحين وقت ضبط إعدادات القناة في واجهة المستخدم الرسومية.

4. قم بتشغيل واجهة المستخدم الرسومية وضبط إعدادات القناة

أ) إذا لم تكن OpenBCI GUI قيد التشغيل بالفعل ، فأعد تشغيلها وقم بتكوين وضع DATA SOURCE إلى LIVE (من Cyton) و Serial (من Dongle). حدد لوحة Cyton الخاصة بك من قائمة الأجهزة ، واضبط عدد القنوات على 8 ، وانقر فوق START SYSTEM. تشير إلى القسم الرابع من هذا الدليل لمزيد من المعلومات حول هذه العملية.

إذا كنت تستخدم لوحة Daisy Cyton ، فلا يزال بإمكانك تعيين Channel Count على 8 ، على الرغم من أن Daisy لديها 16 قناة. لن يحدث أي خطأ إذا بدأت تشغيل النظام بـ 16 قناة ، باستثناء عرض السلاسل الزمنية سيكون مشوشًا بلا داعٍ.

ب) انقر فوق START DATA STREAM لبدء دفق البيانات من اللوحة الخاصة بك. يجب أن تشاهد بيانات حية من جسمك (والقنوات غير المرتبطة) تتدفق إلى مونتاج السلاسل الزمنية على الجانب الأيسر من واجهة المستخدم الرسومية.

ج) سنقوم الآن بإيقاف تشغيل القنوات التي لا نستخدمها. قم بذلك عن طريق النقر فوق أزرار رقم القناة الدائرية خارج الجانب الأيسر من مونتاج السلاسل الزمنية. في كل مرة تقوم فيها بإيقاف تشغيل قناة ، ستعرض القناة موجة من الإشارة ثم تستقر عند 0 مللي فولت.

نحن نستخدم القنوات 2 و 4 و 7 فقط ، لذا قم بإيقاف تشغيل كل قناة أخرى. يمكنك أيضًا إيقاف تشغيل القنوات باستخدام اختصارات لوحة المفاتيح (1-8). قم بنسخها احتياطيًا باستخدام [SHIFT] + 1-8. إذا كنت تعمل باستخدام وحدة ديزي ، فيمكن إيقاف تشغيل القنوات 9-16 باستخدام q ، w ، e ، r ، t ، y ، u ، i ، على التوالي. يمكنك تشغيل هذه القنوات احتياطيًا باستخدام [SHIFT] + نفس المفتاح.

لا تهتم برموز أوم الموجودة على يمين الأزرار ذات الأرقام المستخدمة لقياس المقاومة ، لكننا لن ندخل في ذلك الآن.

هـ) حان الوقت الآن لتحسين إعدادات قناة لوحة Cyton الخاصة بك لهذا الإعداد. انقر فوق الزر إعدادات الأجهزة أعلى شاشة راسم الذبذبات ، ويجب أن تظهر مجموعة من الأزرار بدلاً من مونتاج السلسلة الزمنية:

تشير هذه الأزرار إلى الإعدادات الحالية لسجلات ADS1299 على لوحة Cyton الخاصة بك. لمزيد من المعلومات حول هذه الإعدادات ، ارجع إلى الصفحات 39-47 من ورقة البيانات ADS1299.

لقد قمنا بتبسيط الواجهة من خلال برنامج OpenBCI الثابت وواجهة المستخدم الرسومية OpenBCI للسماح بالتفاعل السهل في الوقت الفعلي مع هذه السجلات. لمزيد من المعلومات حول هذا ، يرجى الرجوع إلى صفحة المستندات الخاصة بنا بخصوص واجهة ADS1299.

عن طريق إلغاء تنشيط القنوات 1 و 3 و 5 و 6 و 8 ، تمت إزالة هذه القنوات تلقائيًا من BIAS و SRB2 ، حتى لا تتداخل مع الإشارة. الشيء الوحيد المتبقي هو تحديث القناة 4 ، المدخلات التي نستخدمها لـ EMG و EKG. ابدأ بالنقر فوق الزر PGA Gain للقناة 4 حتى يتم ضبطها على x8. ثم قم بإزالته من BIAS و SRB2. سبب قيامنا بذلك هو أن قيم الأشعة فوق البنفسجية لـ EMG و EKG أكبر بكثير (وأسهل في التقاطها) من إشارات EEG على القناتين 2 و 7. ونتيجة لذلك ، نريد منع القناة 4 من التأثير على ضوضاء الوضع الشائع رفض BIAS ، وكذلك إزالته من القناة المرجعية EEG (SRB2).

و) بعد تحديث هذه الإعدادات ، انقر فوق الزر "السلسلة الزمنية" مرة أخرى ، ويجب أن يظهر مونتاج السلاسل الزمنية الآن مشابهًا للصورة أدناه:

لاحظ أنك لم تعد ترى نبضات القلب في القناتين 2 و 7. بالإضافة إلى ذلك ، يجب أن تكون إشارة ضربات القلب في القناة 4 أكثر ثباتًا ، بحيث تبدو أشبه بإشارة EKG نموذجية.

لذلك هناك فرصة جيدة لأن إعدادك الحالي لا يعرض بيانات نظيفة مثل لقطات الشاشة أعلاه. وهناك عدد من الأسباب المحتملة لهذا الغرض. سنقوم باستكشاف الأخطاء وإصلاحها هنا.

تخلص من 60 هرتز (أو 50 هرتز إذا كنت في أوروبا أو أي بلد يعمل على شبكة كهرباء 50 هرتز). يحتوي OpenBCI على مرشح درجة مدمج ، يقوم بعمل لائق في التخلص من ضوضاء 60 هرتز. يمكنك ضبط مرشح الشق إلى 50 هرتز بالنقر فوق الزر "Notch 60 Hz". بالإضافة إلى ذلك ، إذا كانت لوحة Cyton الخاصة بك على منضدة بها أي أسلاك كهربائية أو أجهزة موصولة بمأخذ حائط ، فقم بنقلها إلى مكان بعيد عن أي أجهزة إلكترونية موصولة بالحائط. سيؤدي ذلك إلى تقليل تأثير التيار المتردد (AC) على إشارتك بشكل كبير.

ثبّت أقطابك الكهربائية

تأكد من ثبات كبلات القطب. إذا هزت الأقطاب الكهربائية المتدلية من رأسك / جسدك ، فستلاحظ أنها تؤثر بشدة على الإشارات. ضوضاء الحركة هذه شيء يمكن تحسينه بشكل كبير باستخدام الأقطاب الكهربائية "النشطة" ، ولكن عند استخدام الأقطاب "السلبية" التي تأتي مع مجموعة بدء تشغيل القطب الكهربائي OpenBCI ، يجب أن تكون حريصًا جدًا على البقاء ثابتًا أثناء استخدام النظام ، من أجل إنتاج أفضل إشارة. في بعض الأحيان ، سوف أقوم بربط جميع كابلات القطب الكهربائي بقطعة من الشريط الكهربائي لتأمينها وتقليل حركة الكابلات. إذا قمت بذلك ، فلا تقلق بشأن تضمين الأقطاب الكهربائية الزرقاء والخضراء في الحزمة ، لأن ضوضاء الحركة لا تؤثر على إشارة EMG / EKG بشكل كبير.

تأكد من توصيل الأقطاب الكهربائية الخاصة بك بإحكام

تأكد من توصيل الأقطاب الكهربائية الخاصة بك بشكل آمن (خاصة المرجع الخاص بك)!

تأكد من أن جهاز OpenBCI الخاص بك يقوم بدفق البيانات بشكل صحيح

في كثير من الأحيان ، سيحدث خطأ في الاتصال اللاسلكي بين OpenBCI Dongle واللوحة. إذا اتبعت جميع الخطوات المذكورة أعلاه ، ولا تزال البيانات التي تراها في واجهة المستخدم الرسومية غير مقروءة ، فجرّب ما يلي:

قم بإيقاف تشغيل لوحة Cyton الخاصة بك وافصل USB Dongle. بعد ذلك ، أعد توصيل USB Dongle وشغل لوحة Cyton بهذا الترتيب. ثم حاول إعادة تشغيل النظام ، ولكن اضغط على زر START SYSTEM مرة أخرى.

إذا كنت لا تزال تواجه مشكلات ، فارجع إلى المنتدى للحصول على مزيد من تقنيات استكشاف الأخطاء وإصلاحها.

السادس. تحقق من الإشارات الكهربائية لجسمك!

تهانينا! إذا كنت قد وصلت إلى هذا الحد ، فقد حان الوقت أخيرًا للتحقق من إشارات الجسم الكهربية!

1. تحقق من نشاط قلبك (EKG)

يجب أن تنتج القناة 4 في واجهة المستخدم الرسومية الآن تتابعًا لطيفًا وثابتًا لموجات الأشعة فوق البنفسجية. هذا قلبك ينبض! حاول أن تأخذ أنفاسًا بطيئة وعميقة ولاحظ كيف تؤثر على معدل ضربات قلبك. إذا نظرت بعناية ، فقد تلاحظ أن قلبك ينبض بسرعة أكبر أثناء الشهيق ، وببطء أكثر أثناء الزفير.

لمزيد من المعلومات حول كيفية تحليل إشارة تخطيط كهربية القلب (EKG) ، أو حول كيفية إعداد مخطط كهربية القلب كامل (مع 10 أقطاب كهربائية) ، راجع صفحة ويكيبيديا على مخطط كهربية القلب. تُظهر الصورة الموجودة على اليمين (المأخوذة من صفحة Wikipedia) الأجزاء المختلفة لنبض قلب واحد.

2. شاهد عضلاتك وهي تنثني (EMG)

الآن ، حاول ثني ساعدك أو أي عضلة وضعت القطب الأخضر فوقها. يجب أن ترى إشارة عالية السعة وذات تردد عالٍ يتم إدخالها في القناة 4. هذه هي القدرة الكهربية التي تم إنشاؤها من خلال تنشيط عضلاتك!

إذا استرخيت عضلاتك مرة أخرى ، يجب أن ترى إشارة القناة 4 تعود إلى دقات قلبك (فقط EKG). تظهر الصورة على اليمين هذا الانتقال. عندما تقوم بثني عضلاتك ، يلتقط القطب الكهربائي مخطط كهربية العضل و مخطط كهربية القلب في نفس الوقت. بعد إرخاء عضلاتك ، تختفي الإشارة عالية التردد ، ويمكنك رؤية مخطط كهربية القلب فقط.

3. وميض العين وصرير الفك (المزيد من مخطط كهربية العضل)

الآن ارمش عينيك عدة مرات. في كل مرة تومض فيها ، يجب أن ترى ارتفاعًا قويًا في مونتاج بيانات EEG. يجب أن تكون أكثر وضوحًا في القناة 2 ، قناة القطب الكهربي فوق عينك مباشرةً! هذا الارتفاع في الأشعة فوق البنفسجية هو نتيجة عضلات جبهتك التي تجعل عينيك ترمضان.

جرب الآن صرير فكك. يجب أن ترى ارتفاعًا كبيرًا في الأشعة فوق البنفسجية في كلتا القناتين 2 و 7. في كل مرة تقوم فيها بقبض فكك ، فإنك تقوم بإدخال عنصر EMG قوي في أي أقطاب كهربائية على فروة رأسك. إذا وضعت أصابعك على جانب رأسك (فوق أذنك) وقمت بقبض أسنانك ، يجب أن تكون قادرًا على الشعور بانثناء عضلات رأسك.

في الصورة أعلاه ، يمكنك أن ترى كيف تبدو هذه الإشارات كما تظهر المنطقة المظللة باللون الأخضر وميض عين واحدة. يُظهر المقطعان الأزرقان فترة طويلة من صرير الفك.

من المثير للاهتمام ملاحظة أن هذه الإشارات لا يتم التقاطها في القناة 4. وذلك لأن القناة 4 تنظر فقط إلى فرق الجهد عبر جسمك - من ساعدك الأيمن إلى معصمك الأيسر. نتيجة لذلك ، فإن القطع الأثرية EMG / EEG التي يتم إنتاجها على رأسك (في إشارة إلى SRB2) غير مرئية في هذه القناة.

الآن ، لما كنا ننتظره جميعًا. دعونا نتحقق من بعض موجات الدماغ!

أولاً ، قم بإلغاء تنشيط القناة 4 بحيث تنظر فقط إلى قنوات مخطط كهربية الدماغ (2 و 7).

من الأفضل القيام بهذا الجزء من البرنامج التعليمي مع صديق. ستفهم لماذا في ثانية. يحدث أن أسهل طريقة لإنتاج موجات دماغية بوعي هي إغلاق عينيك. عند القيام بذلك ، يدخل الفص القذالي (الجزء المسؤول عن معالجة المعلومات المرئية من الدماغ) في حالة موجة ألفا بتردد يتراوح بين 7.5-12.5 هرتز. موجات الدماغ ألفا هي أقوى إشارة الدماغ EEG! تاريخيًا ، يُعتقد أنهم يمثلون نشاط القشرة البصرية في حالة خمول.يمكن العثور على متغير شبيه بألفا يسمى mu (μ) فوق القشرة الحركية (فروة الرأس المركزية) والتي يتم تقليلها بالحركة ، أو نية الحركة [ويكيبيديا].

لمزيد من المعلومات حول موجات ألفا ، تحقق من Wikipedia و Chip's EEG Hacker مدونة حول اكتشاف موجات ألفا باستخدام OpenBCI V3.

بمجرد إغلاق عينيك ، اطلب من صديقك الضغط على مفتاح "m" في لوحة المفاتيح لالتقاط لقطات شاشة. أخبره أو عليها الانتظار حتى يظهر ارتفاع ألفا قوي على الرسم البياني لتحويل فورييه السريع (FFT) ، الرسم البياني في أسفل يمين واجهة المستخدم الرسومية. يجب أن يكون الارتفاع في مكان ما بين 7.5-12.5 على x-asix من الرسم البياني FFT ، مما يشير إلى وجود موجات قوية في نطاق التردد هذا.

بعد التقاط بضع لقطات شاشة جيدة ، افتح ملفات .JPG وألق نظرة. ملحوظة: توجد لقطات الشاشة في الدليل الجذر للتطبيق الخاص بك ، أو في دليل OpenBCI_GUI إذا كنت تعمل من خلال المعالجة.

ستلاحظ أن أقوى إشارات موجات ألفا يجب أن تظهر في القناة 7 ، قطب O2 (يقف O للقذالي) على الجزء الخلفي من رأسك. قم بحساب عدد الموجات في فترة زمنية واحدة مدتها ثانية واحدة على القناة 7 من مونتاج بيانات EEG. يجب أن يتوافق عدد الموجات مع موضع المحور x للارتفاع على الرسم البياني FFT. إذا كنت قد حددت موجات ألفا الخاصة بك ، فتهانينا! لقد رأيت الآن موجات دماغك الأولى باستخدام OpenBCI!

لمزيد من الأفكار حول ما يجب القيام به بعد ذلك ، تحقق من صفحة مجتمع OpenBCI وصفحات مستندات OpenBCI الأخرى.

أيضًا ، إذا كان لديك برنامج تعليمي رائع لمتابعة دليل البدء هذا أو أي شيء آخر تريد مشاركته ، فلا تتردد في إنشاء التنسيق الخاص بك باتباع التنسيق الموجود لدينا في Docs repo في Github. من السهل حقًا إنشاء صفحة المستندات الخاصة بك باستخدام محرر Markdown مثل Mou أو MacDown. إذا قمت بذلك ، أرسل إلينا طلب سحب على Github وسنضيف البرنامج التعليمي الخاص بك إلى المستندات!


إتش في. ساهم في تصور وتصميم الدراسة. HV ، DC ، BSL ، CS ، V.P. ، L.M. ، O.P. ، و S.M. ساهم في الحصول على البيانات وتحليلها. HV ، DC ، B.L. ، P.-Y.F. ساهم في صياغة النص واعداد الشكل.

H.V. ، BSL ، DC ، S.M. ، و P.-Y.F. هم موظفون في BioSerenity ، الشركة التي أجرت تسجيلات EEG وجمعت بيانات تسجيل EEG في وحدات مستشفى باريس. لا يوجد تضارب مصالح آخر للإبلاغ عنه.

الجدول التكميلي S1: الملف السريري للمرضى الذين ليس لديهم دليل على إفرازات دورية من مخطط كهربية الدماغ

يرجى ملاحظة ما يلي: الناشر غير مسؤول عن محتوى أو وظيفة أي معلومات داعمة مقدمة من المؤلفين. يجب توجيه أي استفسارات (بخلاف المحتوى المفقود) إلى المؤلف المقابل للمقالة.


التعرف على المشاعر المستندة إلى EEG: مراجعة حديثة للاتجاهات والفرص الحالية

العواطف أساسية للبشر وتلعب دورًا مهمًا في الإدراك البشري. ترتبط العاطفة عادة باتخاذ القرار المنطقي ، والإدراك ، والتفاعل البشري ، وإلى حد ما ، الذكاء البشري نفسه. مع الاهتمام المتزايد لمجتمع البحث نحو إنشاء بعض التفاعلات "العاطفية" ذات المغزى بين البشر وأجهزة الكمبيوتر ، فإن الحاجة إلى حلول موثوقة وقابلة للنشر لتحديد الحالات العاطفية البشرية مطلوبة. لقد حظيت التطورات الأخيرة في استخدام تخطيط كهربية الدماغ (EEG) للتعرف على المشاعر باهتمام كبير من مجتمع البحث حيث يمكن أن توفر أحدث التطورات في حلول EEG القابلة للارتداء على مستوى المستهلك حلاً رخيصًا ومحمولًا وبسيطًا لتحديد المشاعر. منذ إجراء المراجعة الشاملة الأخيرة من عام 2009 إلى عام 2016 ، سيتم تحديث هذه الورقة حول التقدم الحالي في التعرف على المشاعر باستخدام إشارات EEG من عام 2016 إلى عام 2019. يركز التركيز على هذه المراجعة الحديثة على العناصر من نوع محفزات الانفعالات ونهج العرض ، وحجم الدراسة ، وأجهزة EEG ، ومصنفات التعلم الآلي ، ونهج التصنيف. من خلال هذه المراجعة الحديثة ، نقترح العديد من فرص البحث المستقبلية بما في ذلك اقتراح نهج مختلف في تقديم المحفزات في شكل واقع افتراضي (VR). تحقيقا لهذه الغاية ، تم تقديم قسم إضافي مخصص بشكل خاص لمراجعة دراسات الواقع الافتراضي فقط ضمن مجال البحث هذا كدافع لهذا النهج الجديد المقترح باستخدام الواقع الافتراضي كجهاز عرض المحفزات. تهدف ورقة المراجعة هذه إلى أن تكون مفيدة لمجتمع البحث الذي يعمل على التعرف على المشاعر باستخدام إشارات EEG وكذلك لأولئك الذين يغامرون في هذا المجال من البحث.

1 المقدمة

على الرغم من أن التجربة العاطفية البشرية تلعب دورًا رئيسيًا في حياتنا اليومية ، إلا أن معرفتنا العلمية المتعلقة بالعواطف البشرية لا تزال محدودة للغاية. يعد التقدم في العلوم العاطفية أمرًا حاسمًا لتطوير علم النفس البشري لصالح المجتمع وتطبيقه. عندما يتم دمج الآلات في النظام للمساعدة في التعرف على هذه المشاعر ، فمن شأنها تحسين الإنتاجية وتقليل تكلفة الإنفاق بعدة طرق [1] ، على سبيل المثال ، تكامل الآلات في المجتمع مثل التعليم حيث يتم رصد حالة الطالب العقلية تجاه يمكن الكشف عن محتويات المواد التعليمية التي يتم إشراكها أو عدم مشاركتها. سيكون الأطباء قادرين على تقييم الحالات العقلية لمرضاهم وتقديم تعليقات بناءة أفضل لتحسين ظروفهم الصحية. سيكون الجيش قادرًا على تدريب المتدربين في بيئات محاكاة مع القدرة على تقييم الظروف العقلية للمتدربين في مواقف القتال.

قد تصبح الحالة العاطفية للشخص واضحة من خلال التجارب الذاتية والتعبيرات الداخلية والخارجية. تُستخدم تقارير التقييم الذاتي مثل مانيكين التقييم الذاتي (SAM) [2] بشكل شائع لتقييم الحالة العقلية للشخص عن طريق قياس الأبعاد الثلاثة المستقلة وثنائية القطب [3] ، والتي يتم تقديمها بصريًا إلى الشخص من خلال عكس صور المتعة - الانزعاج ، ودرجة الاستثارة ، والسيطرة ، والخضوع. توفر هذه الطريقة بديلاً للتقييم الأكثر صعوبة أحيانًا للتقييمات النفسية للمريض التي تقوم بها مهنة طبية حيث تتطلب تدريبًا شاملاً وخبرة لفهم ظروف الصحة العقلية للمريض. ومع ذلك ، فإن صحة وتأكيد المعلومات المقدمة من المريض باستخدام تقرير SAM غير موثوق بها نظرًا لأن العديد من الأشخاص يجدون صعوبة في التعبير عن أنفسهم بصدق أو نقص المعرفة أو فهم حالتهم العقلية. كما أنه ليس من الممكن إجراء SAM على الأطفال الصغار أو كبار السن بسبب محدودية مهارات القراءة والكتابة [4]. لذلك ، يمكن للإشارات الفسيولوجية التي يتم نقلها في جميع أنحاء جسم الإنسان توفير المعلومات الصحية مباشرة من المرضى إلى المهنيين الطبيين وتقييم حالتهم على الفور تقريبًا. تنتج إشارة الموجة الدماغية للإنسان مستويات لا يمكن التغلب عليها من إشارات الخلايا العصبية التي تدير جميع وظائف الجسم. يخزن الدماغ البشري التجارب العاطفية التي تم جمعها طوال حياتهم. من خلال الاستفادة مباشرة من إشارات الموجات الدماغية ، يمكننا فحص الاستجابات العاطفية للشخص عند تعرضه لبيئات معينة. مع هذه المعلومات المقدمة من إشارات الموجات الدماغية ، يمكن أن تساعد في تقوية وتبرير أن الشخص لائق بدنيًا أو ربما يعاني من مرض عقلي.

يختلف التصميم المعماري وتكلفة سماعة الرأس EEG بشكل مختلف. الاختلاف هنا هو أن نوع الأقطاب الكهربائية المستخدمة لتجميع إشارات الموجات الدماغية يؤثر على جودة ومدة الإعداد [5-7]. يوجد أيضًا عدد مختلف من الأقطاب الكهربائية الموضوعة عبر فروة رأس الإنسان ، ويختلف دقة سماعات الرأس EEG اعتمادًا على جودة التصميم وإمكانية الوصول التكنولوجي [8-10]. نظرًا لحساسية الأقطاب الكهربائية ، يُطلب من العديد من المستخدمين أن يكونوا ساكنين جدًا عند بدء إجراء تجميع الموجات الدماغية ، وأي حركات صغيرة بالجسم أو الرأس قد تؤدي بطريق الخطأ إلى فصل الأقطاب الكهربائية عن فروة الرأس وتتطلب إعادة توصيلها بالرأس مما قد يؤدي إلى إضاعة الوقت والمواد. يجب إزالة أي خيوط شعر حيث سيتم وضع الأقطاب الكهربائية لتلقي الاتصال المناسب لإشارات الموجات الدماغية. لذلك ، سيواجه الأشخاص ذوو كثافة الشعر الكبيرة صعوبة حيث سيحتاج الشعر إلى إزاحته أو إزالته. المصنوعات اليدوية هي ضوضاء ناتجة عن حركات العضلات مثل وميض العين ، وقبض الفك ، وتشنجات العضلات التي يمكن أن تلتقطها الأقطاب الكهربائية [11-14]. علاوة على ذلك ، قد تؤدي التداخلات الخارجية مثل ضوضاء الصوت أو حاسة اللمس أيضًا إلى إدخال مصنوعات يدوية في إشارات الموجات الدماغية أثناء التجميع ، وستحتاج هذه القطع الأثرية إلى إزالتها باستخدام خوارزميات التصفية [15-20]. أخيرًا ، يجب تحويل إشارات الموجات الدماغية من مجال زمني إلى مجال تردد باستخدام تحويل فورييه السريع (FFT) [21] لتقييم وتقييم نطاقات الموجات الدماغية المحددة للتعرف على المشاعر باستخدام خوارزميات التعلم الآلي.

منذ نشر آخر مراجعة شاملة للتعرف على المشاعر من قبل Alarcao و Fonseca [22] ، ستكون ورقة المراجعة هذه بمثابة تحديث للورقة التي تمت مراجعتها مسبقًا. تم تنظيم الورقة على النحو التالي: يتضمن القسم 2 منهجية مراجعة هذه الورقة باستخدام بحث كلمات رئيسية محددة. سيغطي القسم 3 تعريف ماهية العاطفة ، EEG ، عصابات الدماغ ، المواقف العامة لأقطاب EEG ، المقارنة بين سماعة الرأس EEG السريرية والقابلة للارتداء منخفضة التكلفة ، والعواطف في الدماغ ، والواقع الافتراضي (VR). سيستعرض القسم 4 الدراسات السابقة لتصنيف المشاعر من خلال مقارنة أنواع التحفيز وفئات العاطفة وتوافر مجموعة البيانات وسماعة EEG الشائعة المستخدمة للتعرف على المشاعر والخوارزميات الشائعة وأداء التعلم الآلي في التعرف على المشاعر والمشاركين المعنيين. يقدم القسم 5 المناقشة ، وأخيرًا ، يختتم القسم 6 الدراسة.

2. المنهجية

يقوم النهج المعتمد في هذه المراجعة الحديثة أولاً بإجراء استعلامات حول محرك البحث العلمي وقاعدة البيانات الثلاثة الأكثر شيوعًا للوصول إليها ، وهي Google Scholar و IEEE Explore و ScienceDirect ، لجمع الأوراق للمراجعة باستخدام الكلمات الرئيسية "تخطيط كهربية الدماغ" أو "مخطط كهربية الدماغ" + “المشاعر" + "تعرف" أو "تصنيف" أو "كشف" مع سنة النشر التي تتراوح فقط من 2016 إلى 2019. يتم بعد ذلك فحص الأوراق الناتجة عن هذا البحث ومراجعتها بعناية بحيث تمت إزالة الأعمال التي كانت متشابهة ومتزايدة من نفس المؤلف ، ولم يتبق سوى مساهمات جديدة مميزة في التعرف على المشاعر المستندة إلى EEG .

2.1. مثال رائع من الفن

في الفقرات التالية ، ستقدم الورقة تعريفات وتمثيلات المشاعر بالإضافة إلى بعض خصائص إشارات EEG لإعطاء بعض سياق الخلفية للقارئ لفهم مجال التعرف على المشاعر المستند إلى EEG.

3. العواطف

يهدف علم الأعصاب الوجداني إلى توضيح الشبكات العصبية الكامنة وراء العمليات العاطفية ونتائجها على علم وظائف الأعضاء والإدراك والسلوك [23-25]. تمحور المجال تاريخيًا حول تحديد المشاعر الإنسانية العالمية وعلاماتها الجسدية [26] ، وتوضيح سبب العملية العاطفية وتحديد دور الجسم والإدراك في المشاعر والعواطف [27]. في علم الأعصاب العاطفي ، يمكن التمييز بين مفهوم العواطف والتركيبات المختلفة مثل المشاعر والحالات المزاجية والتأثيرات. يمكن النظر إلى المشاعر على أنها تجربة شخصية تربط نفسها بتلك المشاعر. الحالة المزاجية هي حالات عاطفية منتشرة تدوم بشكل عام أطول من العواطف وتكون أقل حدة من المشاعر. أخيرًا ، التأثير مصطلح شامل يصف مواضيع العواطف والمشاعر والحالات المزاجية تمامًا [22].

تلعب العواطف دورًا تكيفيًا أو اجتماعيًا أو تحفيزيًا في حياة البشر لأنها تنتج خصائص مختلفة تدل على السلوك البشري [28]. تؤثر العواطف على اتخاذ القرار والإدراك والتفاعلات البشرية والذكاء البشري. كما أنه يؤثر على مكانة الإنسان فسيولوجيًا ونفسيًا [29]. يمكن التعبير عن المشاعر من خلال التمثيلات الإيجابية والسلبية ، ومن بينها يمكن أن تؤثر على صحة الإنسان وكذلك كفاءة العمل [30].

تؤثر ثلاثة مكونات على السلوك النفسي للإنسان ، وهي التجارب الشخصية والاستجابة الفسيولوجية والاستجابة السلوكية أو التعبيرية [31 ، 32]. يمكن وصف العواطف بأنها تستجيب للاستجابات المنفصلة أو المتسقة للأحداث ذات الأهمية للكائنات [33] والتي تكون قصيرة المدة وتتوافق مع مجموعة منسقة من الاستجابات.

لفهم أفضل لأنواع المشاعر التي يتم التعبير عنها يوميًا ، يمكن رؤية هذه المشاعر من منظور فئوي أو منظور الأبعاد. يدور المنظور القاطع حول فكرة المشاعر الأساسية التي تم طبعها في فسيولوجيا الإنسان. يقول إيكمان [34] أن هناك خصائص معينة للعواطف الأساسية: (1) يولد البشر بمشاعر لم يتم تعلمها (2) يظهر البشر نفس المشاعر في نفس الموقف (3) يعبر البشر عن هذه المشاعر بطريقة مماثلة و (4) يظهر البشر أنماط فسيولوجية متشابهة عند التعبير عن نفس المشاعر. من خلال هذه الخصائص ، تمكن إيكمان من تلخيص المشاعر الستة الأساسية للسعادة والحزن والغضب والخوف والمفاجأة والاشمئزاز ، واعتبر بقية المشاعر نتيجة ثانوية لردود الفعل وتوليفات من المشاعر الأساسية. يقترح بلوتشيك [35] أن هناك ثمانية مشاعر أساسية موصوفة في نموذج العجلة ، وهي الفرح والثقة والخوف والمفاجأة والحزن والاشمئزاز والغضب والترقب. يصف Izard (Izard، 2007 Izard، 2009) أن (1) العواطف الأساسية تشكلت في سياق التطور البشري و (2) كل عاطفة أساسية تتوافق مع دائرة دماغية بسيطة ولم يكن هناك مكون إدراكي معقد متضمن. ثم اقترح عواطفه العشر الأساسية: الاهتمام ، والفرح ، والمفاجأة ، والحزن ، والخوف ، والخجل ، والشعور بالذنب ، والغضب ، والاشمئزاز ، والازدراء. من ناحية أخرى ، من منظور الأبعاد ، يتم تعيين العواطف في التكافؤ ، والإثارة ، والهيمنة. يتم قياس التكافؤ من المشاعر الإيجابية إلى السلبية ، ويتم قياس الإثارة من الأعلى إلى الأقل ، وبالمثل ، يتم قياس الهيمنة من الأعلى إلى الأدنى [38 ، 39].

يصبح فهم الإشارات العاطفية في بيئات الحياة اليومية جانبًا مهمًا يؤثر على تواصل الأشخاص من خلال السلوك اللفظي وغير اللفظي [40]. يتم التعبير عن أحد الأمثلة على الإشارات العاطفية من خلال تعبيرات الوجه التي يُعرف عنها أنها إحدى أكثر الوسائل الفورية للإنسان لتوصيل عواطفهم ونواياهم [41]. مع تقدم التقنيات في واجهة الدماغ والحاسوب والتصوير العصبي ، أصبح من الممكن الآن التقاط إشارات الموجات الدماغية دون تدخل وقياس أو التحكم في حركات الأجهزة تقريبًا [42] أو جسديًا مثل الكراسي المتحركة [43] ، واجهة الهاتف المحمول [44] ] ، أو أذرع اصطناعية [45 ، 46] باستخدام سماعة رأس EEG يمكن ارتداؤها. حاليًا ، يتم تطوير وتطوير الذكاء الاصطناعي والتعلم الآلي بشكل نشط والبحث فيهما لاعتمادهما في التطبيقات الأحدث. تشمل هذه التطبيقات مجال المعلوماتية العصبية الذي يدرس تصنيف المشاعر من خلال جمع إشارات الموجات الدماغية وتصنيفها باستخدام خوارزميات التعلم الآلي. هذا من شأنه أن يساعد في تحسين التفاعلات بين الإنسان والحاسوب لتلبية احتياجات الإنسان [47].

3.1. أهمية استخدام مخطط كهربية الدماغ في تصنيف المشاعر

يعتبر مخطط كهربية الدماغ (EEG) دليلاً فسيولوجيًا تتجمع فيه الأنشطة الكهربائية للخلايا العصبية عبر قشرة الدماغ البشرية. يُستخدم مخطط كهربية الدماغ لتسجيل مثل هذه الأنشطة ويمكن الاعتماد عليه في التعرف على المشاعر نظرًا لتقييمه الموضوعي نسبيًا للعاطفة مقارنةً بالقرائن غير الفسيولوجية (تعبيرات الوجه ، والإيماءات ، وما إلى ذلك) [48 ، 49]. الأعمال التي تصف أن مخطط كهربية الدماغ يحتوي على أكثر الميزات شمولاً مثل نطاقات الطاقة الطيفية التي يمكن استخدامها لتصنيفات المشاعر الأساسية [50]. هناك ثلاثة تراكيب في الجهاز الحوفي كما هو موضح في الشكل 1 ، حيث يتورط الدماغ بشدة في العاطفة والذاكرة: الوطاء واللوزة والحصين. يعالج الوطاء التفاعل العاطفي بينما تتعامل اللوزة مع المنبهات الخارجية التي تعالج المعلومات العاطفية من التعرف على المواقف وكذلك تحليل التهديدات المحتملة. أشارت الدراسات إلى أن اللوزة هي الأساس البيولوجي للعواطف التي تخزن الخوف والقلق [51-53]. أخيرًا ، يدمج الحُصين التجربة العاطفية مع الإدراك.

3.2 مواضع القطب الكهربائي لـ EEG

لتكون قادرًا على تكرار وتسجيل قراءات مخطط كهربية الدماغ ، هناك إجراء موحد لمواضع هذه الأقطاب الكهربائية عبر الجمجمة ، وعادة ما تتوافق إجراءات وضع الأقطاب الكهربائية هذه مع معيار النظام الدولي 10-20 [54 ، 55]. يشير "10 و" 20 إلى المسافات الفعلية بين الأقطاب الكهربائية المتجاورة إما 10٪ أو 20٪ من الإجمالي الأمامي للخلف أو يمينًا إلى يسار الجمجمة. يمكن وضع أقطاب كهربائية إضافية في أي من المواقع الفارغة الموجودة. يوضح الشكل 2 مواضع الإلكترود الموضوعة وفقًا للنظام الدولي 10-20.

اعتمادًا على التصميم المعماري لسماعة الرأس EEG ، قد تختلف مواضع أقطاب EEG قليلاً عن المعيار القياسي الدولي 10-20. ومع ذلك ، فإن سماعات الرأس EEG منخفضة التكلفة هذه عادة ما يكون لها أقطاب كهربائية موضوعة في الفص الأمامي كما يتضح من الشكلين 3 و 4. سوف تضيف سماعات EEG ذات عدد أكبر من القنوات أقطابًا كهربائية إلى الفص الصدغي والجداري والقذالي مثل 14 قناة Emotiv EPOC + و Ultracortex Mark IV. تتمتع كل من سماعات الرأس EEG هذه بقدرات لاسلكية لنقل البيانات ، وبالتالي لا توجد أسلاك طويلة تتدلى حول أجسامهم مما يجعل من الممكن أن يكون هذا الجهاز محمولًا وسهل الإعداد. علاوة على ذلك ، تقدم شركات مثل OpenBCI تصميمات قابلة للطباعة ثلاثية الأبعاد وتكوينات للأجهزة لسماعات رأس EEG الخاصة بها والتي توفر تخصيصًا غير محدود لتكوينات سماعات الرأس الخاصة بهم.

3.3 سماعة EEG من الدرجة السريرية مقابل سماعة EEG منخفضة التكلفة يمكن ارتداؤها

في السابق ، تم استخدام الأقطاب الكهربائية الغازية لتسجيل إشارات الدماغ عن طريق اختراق الجلد والدخول إلى الدماغ ، لكن التحسينات التكنولوجية جعلت من الممكن تسجيل النشاط الكهربائي للدماغ باستخدام أقطاب كهربائية غير باضعة موضوعة على طول فروة الرأس في الدماغ. تركز أجهزة EEG على الإمكانات المرتبطة بالحدث (بداية التحفيز) أو المحتوى الطيفي (التذبذبات العصبية) لـ EEG. يمكن استخدامها لتشخيص الصرع واضطرابات النوم واعتلال الدماغ (تلف أو خلل في الدماغ) واضطرابات الدماغ الأخرى مثل الموت الدماغي أو السكتة الدماغية أو أورام الدماغ. يمكن أن تساعد تشخيصات مخطط كهربية الدماغ الأطباء في تحديد الحالات الطبية وعلاجات الإصابات المناسبة للتخفيف من الآثار طويلة المدى.

يتمتع EEG بمزايا مقارنة بالتقنيات الأخرى نظرًا لسهولة توفير الرعاية الطبية الفورية في المستشفيات ذات الازدحام الشديد مع انخفاض تكاليف الأجهزة مقارنةً بتخطيط الدماغ المغناطيسي. بالإضافة إلى ذلك ، لا يؤدي مخطط كهربية الدماغ إلى تفاقم رهاب الأماكن المغلقة عند المرضى ، ويمكن استخدامه للمرضى الذين لا يستطيعون الاستجابة ، أو لا يستطيعون جعل المحرك يستجيب أو حضور حافز حيث يمكن لـ EEG توضيح مراحل المعالجة بدلاً من النتائج النهائية فقط.

تمتلك أجهزة تخطيط كهربية الدماغ من الدرجة الطبية قنوات تتراوح بين 16 و 32 قناة على سماعة رأس واحدة أو أكثر اعتمادًا على الشركة المصنعة [58] ولديها وحدات مكبر صوت متصلة بالأقطاب لتضخيم إشارات الموجات الدماغية هذه والتي يمكن رؤيتها في الشكل 5. تساعد أجهزة مخطط كهربية الدماغ المستخدمة في العيادات في تشخيص وتمييز أي أعراض يتم الحصول عليها من المريض ، ثم يتم تفسير هذه البيانات من قبل مسؤول طبي مسجل للتدخلات الطبية [60 ، 61].دراسة أجراها عبيد وبيكون [62] حيث يتم جمع بيانات تخطيط أمواج الدماغ السريرية المخزنة في أرشيفات آمنة وإتاحتها للجمهور. سيساعد هذا أيضًا في إنشاء أفضل ممارسة لتنظيم ونشر بيانات الإشارات السريرية. يوضح الجدول 1 سوق EEG الحالي وتسعير منتجاته المتاحة للشراء. ومع ذلك ، لم يتم الكشف عن تكلفة سماعات EEG من نطاق التكلفة المتوسطة على الأرجح بسبب حساسية سعر السوق أو أنهم سيطلبون من العملاء طلبًا محددًا وفقًا لمواصفاتهم على عكس سماعات الرأس EEG منخفضة التكلفة ، والتي كشفت عن التكلفة من سماعات EEG الخاصة بهم.

سيكون لجهاز EEG منخفض التكلفة ويمكن ارتداؤه للمستهلكين قنوات تتراوح من 2 إلى 14 قناة [58]. كما يتضح من الشكل 6 ، فإن سهولة الإعداد أثناء ارتداء سماعة رأس EEG منخفضة التكلفة ومناسبة للمستهلكين توفر الراحة وتقلل من تعقيد إعداد الجهاز على فروة رأس المستخدم ، وهو أمر مهم لكل من الباحثين والمستخدمين [63] . حتى مع الأداء المنخفض لأجهزة EEG منخفضة التكلفة التي يمكن ارتداؤها ، فهي ميسورة التكلفة مقارنةً بمضخمات EEG القياسية من الدرجة السريرية [64]. ومن المثير للاهتمام ، أن سماعة EEG التي يُفترض أنها ذات أداء منخفض يمكن أن تتفوق على نظام EEG ذي الدرجة الطبية مع عدد أقل من الأقطاب الكهربائية [65]. يمكن أن تكتشف التكلفة المنخفضة لأنظمة EEG القابلة للارتداء أيضًا العيوب مثل وميض العين ، وقبض الفك ، وحركات العضلات ، وضوضاء خطوط الإمداد بالطاقة والتي يمكن تصفيتها أثناء المعالجة المسبقة [66]. يمكن أن يساعد نشاط الدماغ في سماعة EEG اللاسلكية المحمولة أيضًا من خلال المدخلات الاتجاهية المتخيلة أو حركات اليد من المستخدم ، والتي تمت مقارنتها وتبين أنها تعمل بشكل أفضل من سماعات الرأس EEG الطبية [67-70].

3.4. العواطف في الدماغ

في التطورات الأخيرة ، أفاد عدد كبير من دراسات الفسيولوجيا العصبية أن هناك ارتباطات بين إشارات EEG والعواطف. المنطقتان الرئيسيتان في الدماغ المرتبطان بالنشاط العاطفي هما اللوزة والفص الجبهي. أظهرت الدراسات أن فروة الرأس الأمامية يبدو أنها تخزن مزيدًا من النشاط العاطفي مقارنةً بالمناطق الأخرى في الدماغ مثل الصدغي والجداري والقذالي [71].

في دراسة تتعلق بمقتطفات الفيديو الموسيقي ، لوحظ أن نطاقات التردد العالي مثل جاما تم الكشف عنها بشكل بارز عندما كان الأشخاص يستمعون إلى أغانٍ غير مألوفة [72]. لاحظت دراسات أخرى أن النطاقات عالية التردد مثل alpha و beta و gamma أكثر فاعلية في تصنيف العواطف في كل من أبعاد التكافؤ والإثارة [71 ، 73] (الجدول 2).

أشارت الدراسات السابقة إلى أن الرجال والنساء يتعاملون مع المنبهات العاطفية بشكل مختلف ، مما يشير إلى أن الرجال يقيمون التجارب العاطفية الحالية بالاعتماد على استدعاء التجارب العاطفية السابقة ، في حين يبدو أن النساء يتعاملن بشكل مباشر مع المحفزات الحالية والفورية لتقييم التجارب العاطفية الحالية بسهولة أكبر. ]. هناك أيضًا بعض الأدلة على أن النساء يتشاركن في أنماط تخطيط كهربية الدماغ أكثر تشابهًا فيما بينها عند إثارة المشاعر ، في حين أن الرجال لديهم فروق فردية بين أنماط تخطيط كهربية الدماغ (EEG) الخاصة بهم [75].

باختصار ، يبدو أن الفصوص الأمامية والجدارية تخزن معظم المعلومات حول الحالات العاطفية ، بينما تبدو موجات ألفا وجاما وبيتا أكثر تمييزًا.

3.5 ما هو الواقع الافتراضي (VR)؟

VR هي تقنية ناشئة قادرة على إنشاء بعض البيئات الواقعية المذهلة وقادرة على إعادة إنتاج سيناريوهات الحياة الواقعية والتقاطها. مع سهولة الوصول والمرونة الكبيرة ، فإن تكييف هذه التكنولوجيا للصناعات المختلفة لا حدود له. على سبيل المثال ، فإن استخدام الواقع الافتراضي كمنصة لتدريب الخريجين الجدد ليكونوا أفضل في المهارات الشخصية أثناء التقدم لمقابلة عمل يمكن أن يهيئهم بشكل أفضل لمواقف الحياة الواقعية [76]. هناك أيضًا تطبيقات يمكن من خلالها تتبع الحالة المزاجية بناءً على مستوياتهم العاطفية أثناء مشاهدة الأفلام ، وبالتالي إنشاء قائمة بقواعد البيانات لتوصيات الأفلام للمستخدمين [77]. من الممكن أيضًا تحسين المهارات الاجتماعية للأطفال المصابين باضطراب طيف التوحد (ASD) باستخدام الواقع الافتراضي [78]. لتتبع جميع الاستجابات العاطفية لكل شخص ، أصبح استخدام مخطط كهربية الدماغ منخفض التكلفة يمكن ارتداؤه لاسلكيًا لتسجيل إشارات الموجات الدماغية ثم تقييم الحالة العقلية للشخص بالإشارات المكتسبة.

يتم استخدام الواقع الافتراضي من قبل العديد من الأشخاص المختلفين مع العديد من المعاني. قد يشير بعض الأشخاص إلى هذه التقنية على أنها مجموعة من الأجهزة المختلفة التي هي عبارة عن جهاز مثبت على الرأس (HMD) وجهاز إدخال قفاز وصوت [79]. قدم إيفان ساذرلاند الفكرة الأولى لعالم افتراضي في عام 1965 والتي نُقل عنه قوله: "اجعل هذا العالم (الافتراضي) في النافذة يبدو حقيقيًا وصحيحًا ويشعر بالواقعية ويستجيب بشكل واقعي لأفعال المشاهد" [80] . بعد ذلك ، تم تحقيق أول جهاز VR مع أول HMD مع تتبع مناسب للرأس ولديه عرض استريو يتم تحديثه بشكل صحيح وفقًا لموضع رأس المستخدم واتجاهه [81].

من دراسة أجراها ميلجرام وكيشيمو [82] بخصوص الواقع المختلط ، إنه تقارب في التفاعل بين العالم الحقيقي والعالم الافتراضي. يستخدم مصطلح الواقع المختلط أيضًا بالتبادل مع الواقع المعزز (AR) ولكن يشار إليه في الغالب باسم الواقع المعزز في الوقت الحاضر. لفهم ما هو الواقع المعزز بشكل أكبر ، فهو دمج كائنات رسومية حاسوبية افتراضية في مشهد ثلاثي الأبعاد حقيقي ، أو بدلاً من ذلك إدراج عناصر بيئة العالم الحقيقي في بيئة افتراضية [83]. أدى ظهور الأجهزة المحمولة الشخصية [84] وخاصة في عام 2010 إلى تسريع نمو تطبيقات الواقع المعزز في العديد من المجالات مثل السياحة والطب والصناعة والتعليم. كان تضمين هذه التكنولوجيا أقل من الردود الإيجابية [84-87].

في تقنية الواقع الافتراضي ، تفتح التكنولوجيا نفسها أمام العديد من الاحتمالات الجديدة للابتكارات في مجالات مثل الرعاية الصحية [88] ، والجيش [89 ، 90] ، والتعليم [91].

4. فحص الدراسات السابقة

في القسم التالي ، سيتم تحليل الأوراق التي تم الحصول عليها بين عامي 2016 و 2019 وتصنيفها وفقًا للنتائج الواردة في الجداول. ستتم مناقشة كل نتيجة من النتائج بدقة من خلال مقارنة أنواع التحفيز المقدمة ، والوقت المنقضي لعرض التحفيز ، وفئات العواطف المستخدمة في التقييمات ، وتكرار الاستخدام ، وأنواع سماعات الرأس EEG القابلة للارتداء المستخدمة في مجموعات الفكرة الرائعة وتكاليفها ، والاستخدام الشائع لـ خوارزميات التعلم الآلي ، ومقارنة تقييمات التباين داخل وداخل الموضوع ، وعدد المشاركين في تجارب التصنيف العاطفي.

4.1 فحص الحافز المقدم

وجدت الأوراق البحثية الحديثة التي تم جمعها من عام 2016 إلى عام 2019 أن النهج المشترك لتحفيز تجربة المستخدم العاطفية كان الموسيقى والفيديو الموسيقي والصور ومقاطع الفيديو والواقع الافتراضي. من بين المحفزات الخمسة ، لوحظ أن VR (31.03٪) لديها أعلى استخدام شائع لتصنيف المشاعر تليها الموسيقى (24.14٪) ومقاطع الفيديو الموسيقية ومقاطع الفيديو (بنسبة 20.69٪) والصور (3.45٪) التي يمكن أن تكون كذلك. لوحظ في الجدول 3.

تم تصنيف مجموعات البيانات التي استخدمها الباحثون لجمع محتويات التحفيز على النحو التالي: الأول مصمم ذاتيًا بنسبة 43.75٪ ، والثاني هو DEAP بنسبة 18.75٪ ، والثالث هو SEED ، و AVRS ، و IAPS بنسبة 6.25٪ ، وأخيرًا ، IADS ، DREAMER و MediaEval وآية القرآن و DECAF و NAPS جميعها بنسبة 3.13٪. يأتي الاستخدام الأكثر بروزًا للمحفزات الموسيقية من مجموعة بيانات DEAP [121] والتي تحظى بتقدير كبير ويشار إليها عادةً للوصول المفتوح للباحثين لإجراء دراساتهم البحثية. بينما يعتبر كل من IADS [122] و MediaEval [123] محتوى مفتوح المصدر لقاعدة بيانات الموسيقى الخاصة بهما مع وجود مشاعر مصنفة ، لا يبدو أن الباحثين قد استخدموا قاعدة البيانات كثيرًا أو ربما لم يكونوا على دراية بتوافر مجموعات البيانات هذه. بالنسبة للمحتويات المتعلقة بالفيديو ، توفر SEED [124–126] و DREAMER [127] و ASCERTAIN [107] قاعدة بيانات الفيديو الخاصة بهم إما بشكل علني أو عند الطلب. استخدم الباحثون الذين صمموا قاعدة بيانات التحفيز الخاصة بهم اثنين من المحفزات المختلفة ، وهما الموسيقى ومقاطع الفيديو ، ومن هذين النهجين المحفزات ، المصممة ذاتيًا باستخدام محفزات موسيقية ، بنسبة 42.86٪ ومقاطع الفيديو المصممة ذاتيًا بنسبة 57.14٪. يقدم الجدول 3 معلومات للوصول إلى قواعد البيانات المذكورة والمتاحة للاستخدام العام.

لم يتم تضمين إحدى الدراسات في متوسط ​​طول المقطع (247.55 ثانية) حيث أبلغت هذه الورقة عن الطول الإجمالي بدلاً من طول مقطع الفيديو لكل مقطع. ذكرت بقية الأوراق في الجدول 4 صراحة طول المقطع أو نطاق طول الفيديو (المأخوذ بأقصى طول) التي تم استخدامها لحساب متوسط ​​الطول لكل مقطع تم تقديمه إلى المشاركين. بالنظر إلى طول المقاطع سواء كانت بالصور أو الموسيقى أو مقاطع الفيديو أو الواقع الافتراضي عند القياس في المتوسط ​​، كان طول كل مقطع 107 ثانية مع أقصر طول عند 15 ثانية (صورة) بينما كان الأطول عند 820 ثانية (مقطع فيديو). قد لا ينعكس هذا بشكل صحيح مع متوسط ​​الطول المحسوب للمقطع نظرًا لأن بعض مقاطع الفيديو الأطول تم تقديمها فقط في ورقة واحدة ومرة ​​أخرى لأنه تمت إحالة DEAP بشكل متكرر (60 ثانية).

بالنظر إلى المحفزات المركزة على الواقع الافتراضي ، صمم الباحثون قاعدة بيانات المحفزات الخاصة بهم والتي تتناسب مع بيئة الواقع الافتراضي الخاصة بهم نظرًا لوجود نقص في مجموعات البيانات المتاحة حيث تم تصميم مجموعات البيانات المتاحة حاليًا للعرض من منظور الشاشة. نظام الواقع الافتراضي العاطفي (AVRS) هو قاعدة بيانات جديدة صممها Zhang et al. [114] الذي يجمع بين IAPS [128] و IADS ونظام الفيديو العاطفي الصيني (CAVS) لإنتاج بيئة افتراضية تتلاءم مع نظارات الواقع الافتراضي لتصنيف المشاعر. ومع ذلك ، لم يتم تقييم مجموعة البيانات إلا باستخدام مانيكين التقييم الذاتي (SAM) لتقييم فعالية نظام AVRS لإيصال العاطفة ولا يزال حاليًا غير متاح للجمهور. نظام الصور العاطفية Nencki (NAPS) الذي طوره Marchewka et al. [129] يستخدم قواعد بيانات صور واقعية وعالية الجودة للحث على الحالات العاطفية.

4.2 فئات العاطفة المستخدمة في التصنيف

تم تحديد 30 ورقة بحثية تدرس تصنيف المشاعر ، وتم جدولة 29 من هذه الأوراق فقط في الجدول 4 للإشارة إلى المحفزات المقدمة ، وأنواع العواطف التي تم تقييمها ، وطول المحفز ، ونوع مجموعة البيانات المستخدمة لعرض المحفزات الخاصة بهم للاختبار. المشاركين. أبلغت 18 دراسة فقط عن العلامات العاطفية المستخدمة لتصنيف المشاعر ، وتستخدم الأوراق الـ 11 المتبقية المساحة العاطفية ثنائية الأبعاد بينما لم تذكر إحدى الأوراق الفئات العاطفية المستخدمة ولكنها تستند إلى مجموعة بيانات DEAP ، وعلى هذا النحو ، هذه الورقة تم استبعاده من الجدول 4. من بين التحقيقات الـ 18 التي أبلغت عن علاماتهم العاطفية ، تم استخدام متوسط ​​عدد 4.3 فئة عاطفية وتراوحت من فئة واحدة إلى تسعة فصول تم استخدامها لتصنيفات المشاعر. كان هناك ما مجموعه 73 علامة عاطفية مستخدمة لهذه الفصول العاطفية مع بعض الفئات العاطفية الشائعة الاستخدام مثل السعادة (16.44٪) والحزن (13.70٪) والخوف (12.33٪) ، وهو ما وصفه إيكمان [34] في كتابه. ستة أبحاث أساسية عن المشاعر ، لكن فئات المشاعر الثلاثة الأخرى مثل الغضب (5.48٪) والمفاجأة (1.37٪) والاشمئزاز (5.48٪) لم تكن من بين العلامات الأكثر استخدامًا للتصنيف العاطفي. باقي الطبقات العاطفية (خوف ، تسلية ، غضب ، كرب ، ملل ، هدوء ، رضى ، اكتئاب ، ضيق ، تعاطف ، متعه ، إثارة ، حماسة ، خائف ، إحباط ، رعب ، عصبي ، مسالم ، لطيف ، مسرور ، غضب ، تم استخدام الاسترخاء ، والحنان ، وعبء العمل ، من بين أمور أخرى) فقط بين 1.37٪ و 5.48٪ وهذه لا تشمل مؤشرات التكافؤ ، والإثارة ، والسيطرة ، والإعجاب.

تم استخدام التقييم العاطفي باستخدام فئات غير محددة مثل التكافؤ وهيمنة الإثارة والإعجاب والإيجابي والسلبي والحيادي 28 مرة في المجموع. أظهر التقييم العاطفي باستخدام الفضاء ثنائي الأبعاد مثل التكافؤ والإثارة حيث تم استخدام التكافؤ لقياس المشاعر الإيجابية أو السلبية حوالي 32.14٪ من الاستخدام في التجربة والإثارة حيث لوحظ أيضًا أن مستوى تفاعل المستخدم (سلبي أو نشط) 32.14٪ استخدام في هذه الأوراق. أظهر الفضاء ثلاثي الأبعاد الأقل تقييمًا حيث تم تضمين السيادة 7.14 ٪ فقط. قد يكون هذا بسبب التعقيد العالي للحالة العاطفية للمستخدم ويتطلب منهم أن يكون لديهم فهم مطّلع على سيطرتهم على الحالة العقلية. أما باقي العلامات غير النوعية مثل الإيجابية والسلبية والحيادية والإعجاب فتتراوح هذه الاستخدامات بين 3.57٪ و 10.71٪ فقط.

أخيرًا ، كان هناك أربعة أنواع من المحفزات المستخدمة لإثارة المشاعر في المشاركين في الاختبار ، تتكون فقط من الموسيقى ومقاطع الفيديو الموسيقية ومقاطع الفيديو والواقع الافتراضي مع تقرير واحد يجمع بين الموسيقى والصور معًا. تحتوي الموسيقى على أصوات مسموعة يمكن سماعها يوميًا مثل المطر أو الكتابة أو الضحك أو النباح كما يحدث من استخدام قاعدة بيانات التحفيز IAPS بينما تستخدم الأصوات السمعية الأخرى المقتطفات الموسيقية التي تم جمعها من المستودعات الموسيقية عبر الإنترنت لإثارة المشاعر. مقاطع الفيديو الموسيقية هي مزيج من الأغاني الإيقاعية مع مقاطع الفيديو مع الحركات الراقصة. تم جمع مقاطع الفيديو المتعلقة بقطاعات أفلام هوليوود (DECAF) أو أفلام الأفلام الصينية (SEED) وخياطتها وفقًا لتمثيلها العاطفي المقصود اللازم لإغراء المشاركين في الاختبار. يستخدم الواقع الافتراضي القدرة على الانغماس في بيئة الواقع الافتراضي مع قدرة المستخدمين على مشاهدة محيطه بحرية. تم التقاط بعض بيئات الواقع الافتراضي باستخدام أفلام الرعب أو مشهد حيث يكون المستخدمون قادرين فقط على مشاهدة الأشياء من موقعها الثابت مع تغيير البيئات لألوانها وأنماطها لإثارة مشاعر المستخدمين. كانت المحفزات المستخدمة لتصنيف المشاعر هي محفزات الواقع الافتراضي التي شهدت استخدامًا بنسبة 31.03٪ ، والموسيقى بنسبة 24.14٪ ، ومقاطع الفيديو الموسيقية ومقاطع الفيديو عند استخدام 20.69٪ ، وأخيراً مزيج الموسيقى والصورة بنسبة 3.45٪ استخدام فردي.

4.3 سماعة EEG الشائعة المستخدمة للتسجيلات

تم وصف المعلومات المجدولة حول الاستخدام الشائع لسماعات الرأس EEG القابلة للارتداء في الجدول 5. كان هناك 6 أجهزة تسجيل EEG التي تم استخدامها لتسجيلات EEG. هذه السماعات هي NeuroSky و Emotiv EPOC + و B-Alert X10 و Ag Electrodes و actiChamp و Muse. يتم تصنيف كل من أجهزة تسجيل EEG هذه وفقًا لاستخداماتها: BioSemi ActiveTwo (40.00٪) ، Emotiv EPOC + ، و NeuroSky MindWave (13.33٪) ، في حين أن الباقي يستخدم 6.67٪ من actiChamp ، Ag / AgCK Sintered Ring Electrode ، AgCl Electrode Cap و B-Alert X10 و Muse. من بين أجهزة تسجيل مخطط كهربية الدماغ الستة هنا ، لا يلزم سوى أقطاب Ag لوضع أقطابها يدويًا على فروة الرأس لموضوعاتهم ، في حين أن أجهزة تسجيل EEG الخمسة المتبقية هي سماعات رأس لها مواضع قطب كهربائي محددة مسبقًا للباحثين لوضع سماعة الرأس بسهولة فوق رأس الشخص المعني. . للحصول على قراءات أفضل من أقطاب هذه الأجهزة ، يتم تزويد Emotiv EPOC + و Ag Electrodes بهلام لاصق لتحسين جودة الحصول على الإشارة من الأقطاب الكهربائية الخاصة بهم ، ولا يتطلب الأمر سوى استخدام قطعة قماش مبللة مطبقة على الجلد لتحسين جودة الإشارة. نظرًا لتقنية الإلكترود الجاف الخاصة بها ، في حين أن الأجهزة الثلاثة الأخرى (B-Alert X10 و actiChamp و NeuroSky) لا تقدم توصيات إذا كانت هناك أي حاجة لتطبيق أي عنصر لاصق للمساعدة في تحسين جودة الحصول على الإشارات. كل هذه الأجهزة قادرة على جمع ترددات الموجات الدماغية مثل دلتا وثيتا وألفا وبيتا وغاما ، مما يشير أيضًا إلى أنه يمكن تحليل الوظائف المحددة للموجة الدماغية بطريقة أعمق خاصةً لتصنيف المشاعر ، ولا سيما بناءً على الجبهة الأمامية. والمناطق الزمنية التي تعالج التجارب العاطفية. فيما يتعلق بمناطق الدماغ ، يمكن وضع مواضع الإلكترود Emotiv EPOC + في المناطق الأمامية والزمانية والجدارية والقذالية ، حيث يضع B-Alert X10 و actiChamp مواضعهما الكهربائي في المنطقة الأمامية والجدارية ، ويضع موسى مواضعهما للقطب الكهربي في المنطقة الأمامية والزمنية ، ويضع NeuroSky مواضع قطبها فقط في المنطقة الأمامية. لا توجد قيود على Ag Electrodes على عدد الأقطاب الكهربائية المقدمة لأن هذا يعتمد فقط على الباحث وجهاز تسجيل EEG فقط.

استنادًا إلى الجدول 5 ، من بين 15 ورقة بحثية كشفت عن سماعات الرأس المستخدمة ، أبلغ 11 فقط عن نطاقات الموجات الدماغية التي تم جمعها من EEG مع 9 من الأوراق التي جمعت جميع النطاقات الخمسة (دلتا ، ثيتا ، ألفا ، بيتا ، وجاما) أثناء 2 من الأوراق لم تجمع شريط دلتا وورقة واحدة لم تجمع فرق دلتا وثيتا وجاما. يشير هذا إلى أن دراسات تصنيف المشاعر ، نطاقات التردد المنخفض (دلتا وثيتا) ونطاقات التردد الأعلى (ألفا وبيتا وجاما) لها نفس القدر من الأهمية للدراسة وهي الخيار المفضل لاكتساب ميزة الموجات الدماغية بين الباحثين.

4.4 الخوارزميات الشائعة المستخدمة في تصنيف المشاعر

التطورات الأخيرة في التفاعل بين الإنسان والحاسوب (HCI) التي تسمح للكمبيوتر بالتعرف على الحالة العاطفية للمستخدم توفر تفاعلًا متكاملًا بين الإنسان وأجهزة الكمبيوتر. تعمل هذه المنصة على دفع التكنولوجيا إلى الأمام وتخلق فرصًا واسعة للتطبيقات ليتم تطبيقها في العديد من المجالات المختلفة مثل التعليم والرعاية الصحية والتطبيقات العسكرية [131]. يمكن التعرف على المشاعر البشرية من خلال وسائل مختلفة مثل الإيماءات والتعرف على الوجه والإشارات الفسيولوجية والتصوير العصبي.

وفقًا لباحثين سابقين ، على مدار العقد الأخير من البحث حول التعرف على المشاعر باستخدام الإشارات الفسيولوجية ، استخدم الكثيرون طرقًا عديدة من المصنفات لتصنيف الأنواع المختلفة للحالات العاطفية [132]. ميزات مثل K- الجار الأقرب (KNN) [133 ، 134] ، شجرة الانحدار ، شبكات بايز ، آلات ناقلات الدعم (SVM) [133 ، 135] ، تحليل الارتباط الكنسي (CCA) [136] ، الشبكة العصبية الاصطناعية (ANN) [137] ، تحليل التمايز الخطي (LDA) [138] ، و Marquardt backpropagation (MBP) [139] استخدمها الباحثون لتصنيف المشاعر المختلفة. ومع ذلك ، فإن استخدام هذه المصنفات المختلفة يجعل من الصعب على الأنظمة الانتقال إلى مجموعات بيانات مختلفة للتدريب والاختبار ، والتي تولد ميزات تعليمية مختلفة اعتمادًا على طريقة تقديم تحفيز العاطفة للمستخدم.

تم إجراء ملاحظات على التطورات الأخيرة في تصنيفات العاطفة بين عامي 2016 و 2019 ، وتوضح أن العديد من التقنيات الموصوفة سابقًا قد تم تطبيقها عليها مع بعض تقنيات الزيادة الإضافية الأخرى التي تم تنفيذها. يوضح الجدول 6 المصنفات المستخدمة والأداء الذي تم تحقيقه من هذه التصنيفات ، ويتم ترتيب كل مصنف وفقًا لذلك حسب الشعبية: SVM (31.48٪) ، KNN (11.11٪) ، NB (7.41٪) ، MLP ، RF ، و CNN ( 5.56٪ لكل منهما) ، Fisherface (3.70٪) ، BP ، Bayes ، DGCNN ، ELM ، FKNN ، GP ، GBDT ، Haar ، IB ، LDA ، LFSM ، الشبكة العصبية ، الشبكة العصبية الضبابية ، WPDAI-ICA ، و HC (1.85٪ لكل منهما) بينما استخدم أحدهما برنامج Biotrace + (1.85٪) لتقييم أداء التصنيف الخاص بهما ولم يكن واضحًا فيما يتعلق بتقنية الخوارزمية التي تم تطبيقها بالفعل للأداء الذي تم الحصول عليه.

كما يتضح هنا ، كانت SVM و KNN من بين الطرق الأكثر شيوعًا لتصنيف المشاعر وكان أعلى أداء تم تحقيقه 97.33٪ (SVM) و 98.37٪ (KNN). ومع ذلك ، كانت هناك خوارزميات أخرى مستخدمة لتصنيف المشاعر والتي حققت أداءً جيدًا أيضًا ، وبعض هذه المصنفات التي تجاوزت هامش 90٪ كانت CNN (97.69٪) ، DGCNN (90.40٪) ، Fisherface (91.00٪) ، LFSM (92.23٪) ) و RF (98.20٪).يشير هذا إلى أن تقنيات التصنيف الأخرى قد تكون قادرة على تحقيق أداء جيد أو تحسين نتائج التصنيف. تُظهر هذه العروض فقط المؤشرات الأعلى أداءً ولا تعكس في الواقع إجماع المشاعر العام لأن بعض هذه الخوارزميات عملت جيدًا على أبعاد الإثارة و / أو التكافؤ المعممة وفي حالات أخرى استخدمت علامات عاطفية محددة جدًا ، وبالتالي ، من الصعب القيام بذلك. المقارنة المباشرة لأداء التصنيف الفعلي عبر جميع المصنفات المختلفة.

4.5 التصنيف الداخلي و Intrasubject في دراسة تصنيف العاطفة

تعريف التباين بين الموضوع هو الاختلافات في تشريح الدماغ ووظائفه بين أفراد مختلفين ، في حين أن التباين داخل الكائن هو الاختلاف في تشريح الدماغ ووظائفه داخل الفرد. بالإضافة إلى ذلك ، يجري التصنيف داخل الموضوع التصنيف باستخدام بيانات التدريب والاختبار من نفس الفرد فقط ، بينما يجري التصنيف بين الموضوعات التصنيف باستخدام بيانات التدريب والاختبار التي لا تقتصر فقط على نفس الفرد ولكن من خلال العديد من الأفراد المختلفين. هذا يعني أنه في التصنيف بين الموضوعات ، يمكن إجراء الاختبار دون إعادة تدريب المصنف للفرد الذي يتم اختباره. من الواضح أن هذه مهمة أكثر صعوبة حيث يتم تدريب المصنف واختباره باستخدام بيانات EEG لأفراد مختلفين. في الدراسات الحديثة ، كان هناك عدد متزايد من الدراسات التي ركزت على تقدير التصنيف بدلاً من تجاهله. من خلال عدسة التباين ، يمكن أن يكتسب نظرة ثاقبة على الفروق الفردية والاختلافات عبر الجلسات ، مما يسهل رسم الخرائط الوظيفية الدقيقة للدماغ وفك التشفير بناءً على التباين الفردي والتشابه. يعتمد تطبيق القياسات الحيوية العصبية الفسيولوجية على التباين بين الموضوع والتغير داخل الموضوع حيث يمكن ملاحظة الأسئلة المتعلقة بكيفية ملاحظة التباين بين الموضوع وداخل الموضوع وتحليله ونمذجه. قد يستلزم هذا أسئلة حول الاختلافات التي يمكن أن يكتسبها الباحثون من ملاحظة التباين وكيفية التعامل مع التباين في التصوير العصبي. من بين 30 ورقة تم تحديدها ، أشار 28 إلى ما إذا كانوا قد أجروا نوعي التصنيف داخل الموضوع أو بين الموضوعين أو كلا النوعين.

يرتبط مخطط كهربية الدماغ غير الثابت بالاستجابات العاطفية الموجودة بين الأفراد ، وبالتحديد ، سيتأثر التباين بين الموضوعات بالاختلافات الجوهرية في الشخصية والثقافة والجنس والخلفية التعليمية وبيئة المعيشة ، وقد يكون للأفراد استجابات سلوكية و / أو فيزيولوجية عصبية متميزة حتى عندما إدراك نفس الحدث. وبالتالي ، من غير المرجح أن يشارك كل فرد توزيعات EEG المشتركة التي ترتبط بنفس الحالات العاطفية. سلط الباحثون الضوء على التحديات الكبيرة التي يفرضها التصنيف بين العناصر في الحوسبة العاطفية [140 ، 142–147]. يصف لين أنه لكي يعمل التمرين المعتمد على الموضوع (التصنيف بين العناصر) بشكل جيد ، يجب أن تكون توزيعات الفصل بين الأفراد متشابهة إلى حد ما. ومع ذلك ، قد يكون للأفراد في الحياة الواقعية استجابات سلوكية أو فسيولوجية مختلفة تجاه نفس المحفزات. تمت مناقشة موضوع مستقل (تصنيف داخل الموضوع) وأظهر أنه نهج تصنيف العاطفة المفضل بواسطة Rinderknecht et al. [148]. ومع ذلك ، تكمن الصعوبة هنا في تطوير وتكييف مصنف معمم يعمل بشكل جيد لجميع الأفراد ، والذي لا يزال يمثل حاليًا تحديًا كبيرًا في مجال البحث هذا.

من الجدول 6 ، يمكن ملاحظة أن ليس كل الباحثين أشاروا إلى طريقتهم في تصنيف موضوعهم. عادةً ، تشير أوصاف الإعداد التي تتضمن موضوعًا مستقلًا وعبر الموضوعات إلى التصنيف بين الموضوعات بينما تعتمد على الموضوع وداخل الموضوعات تشير إلى التصنيف داخل الموضوع. تم استخدام هذه الواصفات بالتبادل من قبل الباحثين حيث لا توجد إرشادات محددة حول كيفية استخدام هذه الكلمات على وجه التحديد في وصف إعدادات تجارب تصنيف المشاعر هذه. لذلك ، وفقًا لهذه التوصيفات ، يساعد الجدول في تلخيص هذه الأوراق بطريقة أكثر موضوعية. من بين 30 ورقة تم تحديدها ، ذكرت 18 ورقة فقط (5 في الموضوع الداخلي و 13 في الموضوع الداخلي) تصنيفاتها الخاصة بالموضوع. من بين هؤلاء ، تم تحقيق المصنف الأفضل أداءً للتصنيف داخل الكائن بواسطة RF (98.20٪) بواسطة Kumaran et al. [93] على المنبهات الموسيقية بينما تحقق DGCNN (90.40٪) من Song et al. [110] استخدام تحفيز الفيديو من مجموعات بيانات SEED و DREAMER. بالنسبة لمحفزات الواقع الافتراضي ، فقط Hidaka et al. [116] تم إجراؤها باستخدام SVM (81.33٪) ولكن باستخدام خمسة موضوعات فقط لتقييم أدائها ، والذي يعتبر منخفضًا جدًا عندما يُتوقع أن يكون عدد الموضوعات على الأقل 30 له ما يبرره كما ذكر من قبل Alarcao و Fonseca [22] ].

4.6 مشاركون

من بين 30 ورقة تم تحديدها ، أبلغت 26 ورقة فقط عن عدد المشاركين الذين استخدموا لتحليل تصنيف العاطفة على النحو الملخص في الجدول 7 ، وتم ترتيب الجدول من أعلى عدد إجمالي للمشاركين إلى أقل عدد. يتراوح عدد المشاركين بين 5 إلى 100 مشارك ، و 23 تقريرًا أفاد أن عدد المشاركين من الجنسين ، حيث كان عدد الذكور (408) أعلى من الإناث (342) بشكل عام ، بينما ذكرت 3 تقارير أخرى فقط عدد المشاركين دون ذكر السكان بين الجنسين. تم الإبلاغ عن 7.70 ٪ باستخدام أقل من 10 مواضيع ، وأفاد 46.15 ٪ باستخدام ما بين 10 و 30 مشاركًا ، وأفاد 46.15 ٪ باستخدام أكثر من 30 مشاركًا.

ذكرت 16 تقريرًا أن متوسط ​​الفئات العمرية يتراوح بين 15.29 و 30 عامًا باستثناء أن هناك دراسة على مجموعة ASD (اضطراب طيف التوحد) هي الأصغر سنًا بمتوسط ​​عمر 15.29. أفاد 4 آخرون فقط أن عمر المشاركين فيها يتراوح بين 18 و 28 [106 ، 120 ، 141 ، 150] بينما أفادت دراستان أخريان فقط أن لديهم متطوعين من طلاب جامعاتهم [98 ، 115] وذكر تقرير آخر أن لديهم مؤسستين إضافيتين تطوع بالإضافة إلى طلاب الجامعات الخاصة بهم [118].

كان للدراستين المبلغ عنهما مع أقل من 10 مشاركين [92 ، 119] مبرراتهم حول سبب إجرائهم لهذه الأرقام ، حيث أعرب هورفات عن اهتمامهم بالتحقيق في استقرار ميزات مخطط كهربية الدماغ العاطفية من خلال تشغيل جلسات متعددة على مواضيع فردية مقارنةً بـ تشغيل عدد كبير من الموضوعات مثل DEAP مع جلسة تسجيل EEG واحدة لكل موضوع. كان Lan يجري دراسة تجريبية حول مزيج VR باستخدام قاعدة بيانات NAPS مع سماعة رأس Emotiv EPOC + للتحقيق في فعالية كلا الجهازين ووجد لاحقًا أنه من أجل تحقيق تجربة انغماس أفضل ، يجب التضحية ببعض عناصر بيئة العمل على كلا الجهازين .

أفاد المشاركون الذين تطوعوا للانضمام لهذه التجارب لتصنيف المشاعر أنهم جميعًا لا يعانون من تشوهات جسدية أو اضطرابات عقلية ، وبالتالي فهم لائقون وصحيون للتجارب بخلاف دراسة تم الإبلاغ عنها وتم منحها الإذن بإجراء على موضوعات ASD [117]. قيمت تقارير أخرى فهمهم لعلامات المشاعر قبل المشاركة في أي تجربة لأن معظم المشاركين سيحتاجون إلى تقييم عواطفهم باستخدام مانيكين التقييم الذاتي (SAM) بعد كل تجربة. ذكرت الدراسات أيضًا أن المشاركين لديهم خلفيات تعليمية كافية وبالتالي يمكنهم تبرير مشاعرهم عند سؤالهم عن حالتهم العقلية الحالية. تم إجراء العديد من الدراسات على أرض جامعية بإذن منذ إجراء بحث تصنيف المشاعر من قبل أكاديميين جامعيين ، وبالتالي ، كان مجتمع المشاركين في الغالب من طلاب الجامعات.

ركزت العديد من هذه الدراسات التي تم الإبلاغ عنها فقط على استخراج الميزات من تجارب EEG الخاصة بهم أو من تقييمات SAM على التكافؤ والإثارة والهيمنة وقدمت نتائج تصنيفهم في النهاية. بناءً على النتائج الحالية ، لم يتم العثور على دراسات أجريت على وجه التحديد للتمييز بين الفروق بين الاستجابات أو التصنيفات العاطفية للذكور والإناث. للحصول على نتيجة تصنيف موثوقة ، يجب إجراء مثل هذه الدراسات مع ما لا يقل عن 10 مشاركين للحصول على نتائج ذات مغزى إحصائيًا.

5. مناقشة

إحدى المشكلات التي ظهرت من هذه المراجعة هي أن هناك نقصًا في الدراسات التي أجريت لتصنيف المشاعر القائمة على الواقع الافتراضي حيث يمكن للتجربة الغامرة للواقع الافتراضي أن تثير استجابات عاطفية أكبر على المنبهات التقليدية المقدمة من خلال شاشات الكمبيوتر أو مكبرات الصوت المسموعة لأن الواقع الافتراضي يجمع بين الحواس مثل البصر والسمع والشعور "بالتواجد" بشكل غامر. لا توجد حاليًا قاعدة بيانات متاحة علنًا لتصنيف المشاعر القائمة على الواقع الافتراضي ، حيث تم التحقق من صحة المحفزات لاستخدام الواقع الافتراضي في الاستجابات العاطفية. كان على العديد من البحث أن يصمموا بأنفسهم المحفزات العاطفية الخاصة بهم. علاوة على ذلك ، هناك تناقضات من حيث مدة التحفيز المقدم للمشاركين ، خاصة في الواقع الافتراضي حيث تتقلب العاطفة بشكل كبير اعتمادًا على مدة ومحتوى التحفيز المقدم. لذلك ، للحفاظ على تقلبات المشاعر في أدنى حد ممكن بالإضافة إلى كونها مباشرة للاستجابة العاطفية المقصودة ، يجب الاحتفاظ بطول التحفيز المقدم بين 15 و 20 ثانية. كان السبب وراء هذه المدة المختارة هو أن هناك وقتًا كافيًا للمشاركين لاستكشاف بيئة الواقع الافتراضي لربط أنفسهم وتحفيزهم بما يكفي لتلقي ردود فعل عاطفية كتعليقات من المحفزات المقدمة.

في التطورات الأخيرة للواقع الافتراضي ، هناك العديد من المنتجات المتاحة في السوق المستخدمة لأغراض الترفيه مع غالبية المنتجات المخصصة لتجارب الألعاب مثل Oculus Rift و HTC Vive و Playstation VR والعديد من المنتجات الأخرى القادمة. ومع ذلك ، قد تكون هذه المنتجات مكلفة ومثقلة بمتطلبات مثل الحاجة إلى محطة عمل قادرة على التعامل مع بيئات عرض الواقع الافتراضي أو جهاز خاص بوحدة التحكم. تحتوي الهواتف الذكية الحالية على أجهزة استشعار بالقصور الذاتي مثل الجيروسكوب ومقاييس التسارع لقياس الاتجاه وسرعة الحركة. علاوة على ذلك ، يتمتع هذا الجهاز الصغير والمدمج بقوة حسابية كافية لتشغيل محتوى الواقع الافتراضي المزود بسماعة رأس VR ومجموعة من سماعات الأذن. تتوفر حزمة إنشاء بيئة الواقع الافتراضي باستخدام مجموعات تطوير النظام (SDKs) مثل Unity3D والتي يمكن تصديرها إلى منصات متعددة مما يجعلها متعددة الاستخدامات للنشر عبر العديد من الأجهزة.

فيما يتعلق بالتنوع ، تتوفر حاليًا خوارزميات التعلم الآلي المختلفة للاستخدام في تطبيقات مختلفة ، ويمكن لهذه الخوارزميات تحقيق حسابات معقدة مع الحد الأدنى من الوقت الضائع بفضل التقدم التكنولوجي في الحوسبة وكذلك الاستخدام الفعال للإجراءات الحسابية [151]. ومع ذلك ، لا يوجد دليل على وجود خوارزمية واحدة يمكنها أفضل البقية وهذا يجعل من الصعب اختيار الخوارزمية عند التحضير لمهام تصنيف المشاعر. علاوة على ذلك ، فيما يتعلق بالتنوع ، يجب أن يكون هناك نموذج مدرب لخوارزميات التعلم الآلي التي يمكن استخدامها للنشر التجاري أو وضع معايير لتصنيفات المشاعر المستقبلية. لذلك ، فإن التباين بين الموضوع (المعروف أيضًا باسم المعتمد على الموضوع ، أو الدراسات عبر الموضوعات ، أو عدم الخروج في بعض الدراسات الأخرى) هو مفهوم يجب اتباعه لأن هذه الطريقة تعمم مهمة تصنيف المشاعر على إجمالي عدد السكان ولديها نسبة عالية قيمة التأثير بسبب عدم الحاجة إلى إعادة تدريب نموذج التصنيف لكل مستخدم جديد.

تختلف مجموعة إشارات الموجات الدماغية باختلاف جودة أو حساسية الأقطاب الكهربائية عند محاولة جمع إشارات الموجات الدماغية. علاوة على ذلك ، يعتمد جمع إشارات الموجات الدماغية على عدد الأقطاب الكهربائية وموضعها حول فروة الرأس والتي يجب أن تتوافق مع معايير EEG الدولية 10-20. يجب أن تكون هناك أداة قياس موحدة لجمع إشارات EEG ، وستؤدي الفروق الكبيرة لمنتجات سماعات الرأس EEG القابلة للارتداء إلى نتائج متفاوتة اعتمادًا على معالجة المستخدم. يُقترح أن يتم توحيد معايير جمع إشارات الموجات الدماغية باستخدام سماعة رأس EEG منخفضة التكلفة يمكن ارتداؤها حيث يسهل الوصول إليها من قبل مجتمع البحث. بينما أفادت الدراسات السابقة أن التجارب العاطفية مخزنة في المنطقة الزمنية للدماغ ، تشير الدلائل الحالية إلى أن الاستجابات العاطفية قد تتأثر أيضًا بمناطق مختلفة من الدماغ مثل المناطق الأمامية والجدارية. علاوة على ذلك ، يمكن أن يؤدي ارتباط نطاقات الموجات الدماغية من كل من الترددات المنخفضة والعالية إلى تحسين دقة التصنيف العاطفي. بالإضافة إلى ذلك ، ينبغي أيضًا النظر في الاختيار الأمثل للأقطاب الكهربائية كميزات تعليمية نظرًا لأن العديد من أجهزة EEG لها أعداد مختلفة من الأقطاب الكهربائية والمواضع ، وبالتالي ، يجب استكشاف عدد واختيار مواضع القطب بشكل منهجي للتحقق من كيفية تأثيره مهمة تصنيف المشاعر.

6. الاستنتاجات

في هذه المراجعة ، قدمنا ​​تحليل دراسات تصنيف المشاعر من 2016 إلى 2019 والتي تقترح طرقًا جديدة للتعرف على المشاعر باستخدام إشارات EEG. تقترح المراجعة أيضًا نهجًا مختلفًا لتصنيف المشاعر باستخدام VR كمنصة عرض للمحفزات العاطفية والحاجة إلى تطوير قاعدة بيانات جديدة تعتمد على محفزات VR. نأمل أن تكون هذه الورقة قد قدمت تحديثًا مفيدًا للمراجعة النقدية حول العمل البحثي الحالي في تصنيف العاطفة المستند إلى EEG وأن الفرص المستقبلية للبحث في هذا المجال ستكون بمثابة منصة للباحثين الجدد الذين يغامرون في هذا النوع من البحث.

توافر البيانات

لا توجد بيانات متاحة لهذا العمل.

تضارب المصالح

الكتاب تعلن أنه ليس لديهم المصالح المتنافسة.

شكر وتقدير

تم دعم هذا العمل بمنحة من وزارة العلوم والتكنولوجيا والابتكار (MOSTI) ، ماليزيا (المرجع ICF0001-2018).

مراجع

  1. أ.ميرت وأكان ، "التعرف على المشاعر من إشارات EEG باستخدام تحليل الوضع التجريبي متعدد المتغيرات ،" تحليل الأنماط والتطبيقات، المجلد. 21 ، لا. 1، pp.81–89، 2018. عرض على: موقع الناشر | منحة جوجل
  2. إم برادلي وبي جيه لانج ، "قياس العاطفة: قزم التقييم الذاتي والتفاضل الدلالي" مجلة العلاج السلوكي والطب النفسي التجريبي، المجلد. 25 ، لا. 1 ، ص 49-59 ، 1994. عرض على: موقع الناشر | منحة جوجل
  3. موريس ، "ملاحظات: سام: مانيكين التقييم الذاتي هو قياس فعال عبر الثقافات للاستجابة العاطفية ،" مجلة بحوث الإعلان، المجلد. 35 ، لا. 6، pp.63–68، 1995. View at: Google Scholar
  4. E. C. S. Hayashi ، J.E G. Posada ، V. R. M. L. Maike ، and M. وقائع الندوة البرازيلية الخامسة عشرة حول العوامل البشرية في أنظمة الكمبيوتر - IHC’16، ساو باولو ، البرازيل ، أكتوبر 2016. عرض على: موقع الناشر | منحة جوجل
  5. ج. كاسون ، "EEG القابل للارتداء وما بعده" رسائل الهندسة الطبية الحيوية، المجلد. 9 ، لا. 1 ، ص 53-71 ، 2019. عرض على: موقع الناشر | منحة جوجل
  6. Y.-H. Chen، M. de Beeck، L. Vanderheyden et al. ، "أقطاب بوليمر جافة ناعمة ومريحة لتسجيل تخطيط كهربية القلب وتخطيط كهربية الدماغ بجودة عالية ،" مجسات، المجلد. 14 ، لا. 12 ، ص 23758-23780 ، 2014. عرض على: موقع الناشر | منحة جوجل
  7. G. Boon ، P. Aricò ، G. Borghini ، N. Sciaraffa ، A. Di Florio ، and F. Babiloni ، "الثورة الجافة: تقييم ثلاثة أنواع مختلفة من الأقطاب الكهربائية الجافة من حيث السمات الطيفية للإشارة ، وتصنيف الحالات العقلية و سهولة الاستخدام،" مجسات (سويسرا)، المجلد. 19 ، لا. 6 ، الصفحات من 1 إلى 21 ، 2019. عرض على: موقع الناشر | منحة جوجل
  8. S. Jeon ، و J. Chien ، و C. Song ، و J. Hong ، "دراسة أولية حول إرشادات الصور الدقيقة لوضع الإلكترود في دراسة EEG ،" طبوغرافيا الدماغ، المجلد. 31 ، لا. 2، pp.174–185، 2018. عرض على: موقع الناشر | منحة جوجل
  9. Y. Kakisaka ، R. Alkawadri ، Z. I. Wang et al. ، "حساسية فروة الرأس 10-20 EEG وتخطيط الدماغ المغناطيسي ،" اضطرابات الصرع، المجلد. 15 ، لا. 1، pp.27–31، 2013. عرض على: موقع الناشر | منحة جوجل
  10. بورجيس ، أ. كومار ، وف. م. ج ، "تحليل مخطط كهربية الدماغ باستخدام نظام إلكترود 10:20 ،" المجلة الدولية للبحوث المبتكرة في العلوم والهندسة والتكنولوجيا، المجلد. 1 ، لا. 2 ، ص 2319–8753 ، 2012. عرض على: الباحث العلمي من Google
  11. A. D. Bigirimana ، N. Siddique ، و D. Coyle ، "تحويل مويجي ICA مختلط لإزالة القطع الأثرية تلقائيًا في التعرف على المشاعر المستند إلى EEG ،" في مؤتمر IEEE الدولي حول الأنظمة والإنسان وعلم التحكم الآلي ، وقائع مؤتمر SMC 2016، ص 4429-4434 ، بودابست ، المجر ، أكتوبر 2016. عرض على: موقع الناشر | منحة جوجل
  12. R. Bogacz ، U. Markowska-Kaczmar ، و A. Kozik ، "وميض التعرف على القطع الأثرية في إشارة EEG باستخدام الشبكة العصبية الاصطناعية ،" في وقائع المؤتمر الرابع على العصبية، زاكوباني ، بولندا ، يونيو 1999. عرض على: الباحث العلمي من Google
  13. S. O’Regan، S. Faul، and W. Marnane ، "الاكتشاف التلقائي للقطع الأثرية في مخطط كهربية الدماغ الناشئة عن حركات الرأس باستخدام إشارات EEG والجيروسكوب ،" الهندسة الطبية والفيزياء، المجلد. 35 ، لا. 7 ، ص 867-874 ، 2013. عرض على: موقع الناشر | منحة جوجل
  14. رومو فاسكيز ، رانتا ، ف. المؤتمر الدولي السنوي لهندسة IEEE في الطب وعلم الأحياء - وقائع، ص 5445–5448، ليون، فرنسا، أغسطس 2007. عرض على: موقع الناشر | منحة جوجل
  15. M.K Islam، A. Rastegarnia، and Z. Yang، "طرق الكشف عن القطع الأثرية وإزالتها من مخطط كهربية الدماغ لفروة الرأس: مراجعة" عيادة الفيزيولوجيا العصبية / الفيزيولوجيا العصبية السريرية، المجلد. 46 ، لا. 4-5 ، ص 287-305 ، 2016. عرض على: موقع الناشر | منحة جوجل
  16. A. S. Janani، T. S. Grummett، T.W Lewis et al.، " مجلة طرق علم الأعصاب، المجلد. 298 ، الصفحات من 1 إلى 15 ، 2018. عرض على: موقع الناشر | منحة جوجل
  17. إكس بوب ، جي بي بيان ، و زد تيان ، "إزالة القطع الأثرية من إشارات مخطط كهربية الدماغ: مراجعة" مجسات (سويسرا)، المجلد. 19 ، لا. 5، pp.1-18، 2019. عرض على: موقع الناشر | منحة جوجل
  18. S. Suja Priyadharsini ، S. Edward Rajan ، و S. Femilin Sheniha ، "نهج جديد لإزالة القطع الأثرية من إشارات EEG باستخدام خوارزمية نظام المناعة الاصطناعية المحسنة ،" مجلة الذكاء الاصطناعي التجريبي والنظري، المجلد. 28 ، لا. 1-2 ، ص 239-259 ، 2016. عرض على: موقع الناشر | منحة جوجل
  19. Szentkirályi و K.KH Wong و R.R Grunstein و A.L D'Rozario و J.W.كيم ، "أداء خوارزمية آلية لمعالجة القطع الأثرية للتحليل الكمي لتخطيط كهربية الدماغ أثناء مهمة أداء محاكاة القيادة المتزامنة ،" المجلة الدولية لعلم النفس الفسيولوجي، المجلد. 121 ، لا. أغسطس ، ص 12-17 ، 2017. عرض على: موقع الناشر | منحة جوجل
  20. A. Tandle ، N. Jog ، P. D'cunha ، و M. Chheta ، "تصنيف المصنوعات اليدوية في تسجيلات إشارات EEG وإزالة القطع الأثرية باستخدام EOG باستخدام طرح EOG ،" الاتصالات على الإلكترونيات التطبيقية، المجلد. 4 ، لا. 1، pp. 12–19، 2016. عرض على: موقع الناشر | منحة جوجل
  21. Murugappan و S. Proceedings-2013 ندوة IEEE الدولية التاسعة حول معالجة الإشارات وتطبيقاتها ، CSPA 2013، ص 289-294 ، كوالالمبور ، ماليزيا ، مارس 2013. عرض على: موقع الناشر | منحة جوجل
  22. S.M Alarcao و M. J. Fonseca ، "التعرف على العواطف باستخدام إشارات EEG: مسح ،" معاملات IEEE على الحوسبة الوجدانية، المجلد. 10 ، الصفحات من 1 إلى 20 ، 2019. عرض على: موقع الناشر | منحة جوجل
  23. J. Panksepp ، علم الأعصاب الوجداني: أسس المشاعر البشرية والحيوانية، مطبعة جامعة أكسفورد ، أكسفورد ، المملكة المتحدة ، 2004.
  24. A. E. Penner و J. Stoddard ، "علم الأعصاب الوجداني السريري ،" مجلة الأكاديمية الأمريكية للطب النفسي للأطفال والمراهقين، المجلد. 57 ، لا. 12 ، ص. 906، 2018. عرض على: موقع الناشر | منحة جوجل
  25. إل بيسوا ، "فهم المشاعر من خلال شبكات الدماغ ،" الرأي الحالي في العلوم السلوكية، المجلد. 19 ، ص 19-25 ، 2018. عرض على: موقع الناشر | منحة جوجل
  26. بي إيكمان و دبليو في فريزين ، "الثوابت عبر الثقافات في الوجه والعاطفة ،" مجلة الشخصية وعلم النفس الاجتماعي، المجلد. 17 ، لا. 2 ، ص. 124 ، 1971. عرض على: موقع الناشر | منحة جوجل
  27. ب. دي جيلدر ، "لماذا الجثث؟ اثنا عشر سببًا لتضمين التعبيرات الجسدية في علم الأعصاب العاطفي ، " المعاملات الفلسفية للجمعية الملكية ب: العلوم البيولوجية، المجلد. 364 ، لا. 1535 ، ص 3475-3484 ، 2009. عرض على: موقع الناشر | منحة جوجل
  28. F. M. Plaza-del-Arco ، M. T. Martín-Valdivia ، L. A. Ureña-López ، and R. Mitkov ، "تحسين التعرف على المشاعر في وسائل التواصل الاجتماعي الإسبانية من خلال دمج المعرفة المعجمية ،" جيل المستقبل لأنظمة الكمبيوتر، المجلد. 110، 2020. عرض على: موقع الناشر | منحة جوجل
  29. جيه كومار وجيه إيه كومار ، "نهج التعلم الآلي لتصنيف المشاعر باستخدام GSR ،" بحث متقدم في الهندسة الكهربائية والإلكترونية، المجلد. 2 ، لا. 12، pp.72–76، 2015. View at: Google Scholar
  30. علي ، أ.ه.موسى ، ف.الماشوت ، وكياماكيا ، "التعرف على المشاعر التي تتضمن إشارات فسيولوجية وإشارات كلامية: مراجعة شاملة" ، في التطورات الحديثة في الديناميكيات غير الخطية والتزامن، الصفحات 287-302 ، سبرينغر ، برلين ، ألمانيا ، 2018. عرض على: الباحث العلمي من Google
  31. دي إتش هوكنبري وإس إي هوكنبري ، اكتشاف علم النفس، ماكميلان ، نيويورك ، نيويورك ، الولايات المتحدة الأمريكية ، 2010.
  32. إي بي موس و إم دي روبنسون ، "مقاييس العاطفة: مراجعة" الإدراك والعاطفة، المجلد. 23 ، لا. 2، pp.209–237، 2009. عرض على: موقع الناشر | منحة جوجل
  33. إي فوكس ، مناهج علم العاطفة الإدراكية وعلم الأعصاب لفهم العواطف البشرية، ماكميلان ، نيويورك ، نيويورك ، الولايات المتحدة الأمريكية ، 2008.
  34. P. Ekman ، "هل هناك عواطف أساسية؟" مراجعة نفسية، المجلد. 99 ، لا. 3، pp.550-553، 1992. عرض على: موقع الناشر | منحة جوجل
  35. ر.بلوتشيك ، "طبيعة العواطف ،" عالم أمريكي، المجلد. 89 ، لا. 4، pp.344–350، 2001. عرض على: موقع الناشر | منحة جوجل
  36. إيزارد ، "العواطف الأساسية ، والأنواع الطبيعية ، ومخططات المشاعر ، ونموذج جديد ،" وجهات نظر في علم النفس، المجلد. 2 ، لا. 3، pp.260–280، 2007. عرض على: موقع الناشر | منحة جوجل
  37. إيزارد ، "نظرية العاطفة والبحث: النقاط البارزة ، والأسئلة التي لم تتم الإجابة عليها ، والقضايا الناشئة ،" المراجعة السنوية لعلم النفس، المجلد. 60 ، لا. 1، pp.1-25، 2009. عرض على: موقع الناشر | منحة جوجل
  38. بي جيه لانج ، "اختبار العاطفة: دراسات التحفيز والانتباه ،" عالم نفس أمريكي، المجلد. 50 ، لا. 5 ، ص. 372، 1995. عرض على: موقع الناشر | منحة جوجل
  39. أ. مهرابيان ، "مقارنة بين PAD و PANAS كنماذج لوصف المشاعر ولتمييز القلق عن الاكتئاب ،" مجلة علم النفس المرضي والتقييم السلوكي، المجلد. 19 ، لا. 4، pp. 331–357، 1997. عرض على: موقع الناشر | منحة جوجل
  40. E. Osuna و L. Rodríguez و J. O. Gutierrez-garcia و A. Luis و E. Osuna و L. Rodr ، "تطوير النماذج الحسابية للعواطف: منظور هندسة البرمجيات ،" بحوث النظم المعرفية، المجلد. 60، 2020. عرض على: موقع الناشر | منحة جوجل
  41. أ. حسونة ، أ.م مطوع ، وموروغابان ، "تطوير نظام التعرف على المشاعر في الوقت الفعلي باستخدام تعابير الوجه وتخطيط كهربية الدماغ على أساس التعلم الآلي وأساليب الشبكة العصبية العميقة ،" تم فتح المعلوماتية في الطب، المجلد. 20 ، ص. 100372، 2020. عرض على: موقع الناشر | منحة جوجل
  42. F. Balducci و C. Grana و R. Cucchiara ، "تصميم المستوى العاطفي لألعاب فيديو لعب الأدوار تم تقييمها من خلال واجهة بين الدماغ والحاسوب وأساليب التعلم الآلي ،" الكمبيوتر المرئي، المجلد. 33 ، لا. 4، pp.413–427، 2017. عرض على: موقع الناشر | منحة جوجل
  43. Z. Su و X. Xu و D. Jiawei و W. Lu ، "نظام التحكم الذكي في الكرسي المتحرك المستند إلى BCI وعرض صورة EEG ،" في وقائع 2016 IEEE Advanced Information Management، Communicates، Electronic and Automation Control Conference، IMCEC 2016، ص 1350–1354 ، شيان ، الصين ، أكتوبر 2016. عرض على: موقع الناشر | منحة جوجل
  44. A. Campbell ، T. Choudhury ، S. Hu et al. ، "NeuroPhone: واجهة الهاتف المحمول بين الدماغ باستخدام سماعة رأس EEG لاسلكية ،" في وقائع ورشة عمل SIGCOMM الثانية لـ ACM حول الشبكات والأنظمة والتطبيقات على الأجهزة المحمولة المحمولة ، MobiHeld '10 ، التي تم عقدها بالاشتراك مع SIGCOMM 2010، نيودلهي ، الهند ، يناير 2010. عرض على: موقع الناشر | منحة جوجل
  45. برايت ، أ.نير ، د. سالفيكار ، وس. بهيسيكار ، "ذراع اصطناعية يتحكم فيها الدماغ بواسطة مخطط كهربية الدماغ" ، في وقائع المؤتمر حول التقدم في معالجة الإشارات ، CASP 2016، ص 479-483 ، بونه ، الهند ، يونيو 2016. عرض على: موقع الناشر | منحة جوجل
  46. جيم ديميريل ، هـ.كانديمير ، و إتش كوز ، "التحكم في إنسان آلي بعضلات خارج العين باستخدام جهاز EEG ،" في وقائع المؤتمر السادس والعشرين لتطبيقات معالجة الإشارات والاتصالات IEEE ، SIU 2018، إزمير ، تركيا ، مايو 2018. عرض على: موقع الناشر | منحة جوجل
  47. Y. Liu و Y. Ding و C. Li et al. ، "التعرف على المشاعر القائم على مخطط كهربية الدماغ متعدد القنوات عبر شبكة كبسولة موجهة متعددة المستويات" أجهزة الكمبيوتر في علم الأحياء والطب، المجلد. 123 ، ص. 103927، 2020. عرض على: موقع الناشر | منحة جوجل
  48. G.L Ahern و G.E.Schwartz ، "التفاضل الجانبي للعاطفة الإيجابية والسلبية في الدماغ البشري: التحليل الطيفي لـ EEG ،" علم النفس العصبي، المجلد. 23 ، لا. 6 ، الصفحات من 745 إلى 755 ، 1985. عرض على: موقع الناشر | منحة جوجل
  49. H. Gunes و M. Piccardi ، "التعرف على المشاعر ثنائية الوسائط من خلال إيماءات الوجه والجسم التعبيرية" مجلة تطبيقات الشبكات والحاسوب، المجلد. 30 ، لا. 4، pp. 1334–1345، 2007. عرض على: موقع الناشر | منحة جوجل
  50. R. Jenke ، A. Peer ، M. Buss et al. ، "استخراج الميزات والاختيار للتعرف على المشاعر من EEG ،" معاملات IEEE على الحوسبة الوجدانية، المجلد. 5 ، لا. 3، pp.327–339، 2014. عرض على: موقع الناشر | منحة جوجل
  51. J. U. Blackford and D. S. Pine ، "الركائز العصبية لاضطرابات القلق لدى الأطفال ،" عيادات الطب النفسي للأطفال والمراهقين في أمريكا الشمالية، المجلد. 21 ، لا. 3، pp.501-525، 2012. عرض على: موقع الناشر | منحة جوجل
  52. K. A. Goosens and S. Maren ، "التقوية طويلة المدى كركيزة للذاكرة: دليل من دراسات اللدونة اللوزة وتكييف الخوف بافلوف ،" قرن آمون، المجلد. 12 ، لا. 5 ، ص 592-599 ، 2002. عرض على: موقع الناشر | منحة جوجل
  53. إم آر تيرنر ، إس مارين ، كيه إل فان ، وإي ليبرزون ، "الدماغ السياقي: الآثار المترتبة على تكييف الخوف والانقراض وعلم الأمراض النفسية ،" مراجعات الطبيعة، المجلد. 14 ، لا. 6 ، ص 417-428 ، 2013. عرض على: الباحث العلمي من Google
  54. U. Herwig ، P. Satrapi ، و C. Schönfeldt-Lecuona ، "استخدام نظام EEG الدولي 10-20 لتحديد موضع التحفيز المغناطيسي عبر الجمجمة ،" طبوغرافيا الدماغ، المجلد. 16 ، لا. 2، pp. 95–99، 2003. عرض على: موقع الناشر | منحة جوجل
  55. آر دبليو هومان ، وجي هيرمان ، وبي. بوردي ، "الموقع الدماغي لموضع إلكترود النظام الدولي من 10 إلى 20 ،" تخطيط كهربية الدماغ والفيزيولوجيا العصبية السريرية، المجلد. 66 ، لا. 4، pp.376–382، 1987. عرض على: موقع الناشر | منحة جوجل
  56. روخاس ، سي ألفاريز ، سي إي مونتويا ، إم دي لا إيغليسيا-فايا ، جي إي سيستيرناس ، وم. جالفيز ، "دراسة شبكات الاتصال الوظيفية في حالة الراحة باستخدام موضع أقطاب EEG كبذور ،" الحدود في علم الأعصاب، المجلد. 12 ، لا. أبريل ، ص 1-12 ، 2018. عرض على: موقع الناشر | منحة جوجل
  57. J.A Blanco و A.C Vanleer و T.K Calibo و S.L Firebaugh ، "تصنيف الإجهاد الإدراكي أحادي التجربة باستخدام تخطيط كهربية الدماغ اللاسلكي المحمول" مجسات (سويسرا)، المجلد. 19 ، لا. 3، pp.1-16، 2019. عرض على: موقع الناشر | منحة جوجل
  58. M. Abujelala و A. Sharma و C. Abellanoza و F. Makedon ، "Brain-EE: تقييم متعة الدماغ باستخدام عصابة رأس EEG التجارية ،" في وقائع سلسلة إجراءات المؤتمر الدولي ACM، نيويورك ، نيويورك ، الولايات المتحدة الأمريكية ، سبتمبر 2016. عرض على: موقع الناشر | منحة جوجل
  59. تشيو ، جيه تيو ، وجيه ماونتستيفنز ، "التعرف على التفضيلات الجمالية للأشكال ثلاثية الأبعاد باستخدام مخطط كهربية الدماغ ،" الديناميكا العصبية المعرفية، المجلد. 10 ، لا. 2 ، ص.165-173. عرض على: موقع الناشر | منحة جوجل
  60. G. Mountstephens و T. Yamada ، "الفيزيولوجيا العصبية السريرية للأطفال ،" أطلس المصنوعات اليدوية في الفيزيولوجيا العصبية السريرية، المجلد. 41، 2018. عرض على: الباحث العلمي من Google
  61. ميلر ، "مراجعة كتيب لتفسير مخطط كهربية الدماغ ،" مجلة التشخيص العصبي، المجلد. 55 ، لا. 2 ، ص. 136 ، 2015. عرض على: الباحث العلمي من Google
  62. عبيد وج. بيكون ، "مجموعة بيانات مخطط كهربية الدماغ في مستشفى جامعة المعبد ،" الحدود في علم الأعصاب، المجلد. 10 ، لا. مايو ، 2016. عرض على: موقع الناشر | منحة جوجل
  63. A. Aldridge ، E. Barnes ، C. L. Bethel et al. ، "تخطيط الدماغ الكهربائي الذي يمكن الوصول إليه (EEGs): مراجعة مقارنة باستخدام سماعة الرأس ultracortex mark IV من openbci ،" في وقائع المؤتمر الدولي التاسع والعشرين Radioelektronika لعام 2019، الصفحات من 1 إلى 6 ، باردوبيتسه ، جمهورية التشيك ، أبريل 2019. عرض على: موقع الناشر | منحة جوجل
  64. P. Bialas و P. Milanowski ، "أثارت حالة مستقرة عالية التردد بصريًا واجهة كمبيوتر دماغية محتملة باستخدام سماعة رأس EEG للمستهلكين ،" في وقائع المؤتمر الدولي السنوي السادس والثلاثين لعام 2014 لهندسة IEEE في جمعية الطب والبيولوجيا ، EMBC 2014، ص 5442-5445 ، شيكاغو ، إلينوي ، الولايات المتحدة الأمريكية ، أغسطس 2014. عرض على: موقع الناشر | منحة جوجل
  65. Y. Wang و Z. Wang و W. Clifford و C. Markham و T. E. Ward و C. Deegan ، "التحقق من صحة نظام EEG اللاسلكي منخفض التكلفة لقياس الإمكانات المتعلقة بالحدث ،" في وقائع المؤتمر الأيرلندي التاسع والعشرين للإشارات والأنظمة ، ISSC 2018، الصفحات من 1 إلى 6 ، بلفاست ، المملكة المتحدة ، يونيو 2018. عرض على: موقع الناشر | منحة جوجل
  66. S. Sridhar و U. Ramachandraiah و E. Sathish و G. Muthukumaran و P. R. Prasad ، "التعرف على آثار وميض العين باستخدام سماعة رأس EEG اللاسلكية لنظام واجهة كمبيوتر الدماغ" ، في وقائع IEEE Sensors، مونتريال ، المملكة المتحدة ، أكتوبر 2018. عرض على: موقع الناشر | منحة جوجل
  67. أحمد ومحمد عقيل ، "تنفيذ المصنفات غير الخطية لتصنيف خصائص EEG التكيفية الذاتية" ، في Proceedings-2015 ندوة حول التطورات الحديثة في الهندسة الكهربائية ، RAEE 2015، إسلام أباد ، باكستان ، أكتوبر 2015. عرض على: موقع الناشر | منحة جوجل
  68. A.Mheich ، و J. Guilloton ، و N. Houmani ، "مراقبة الانتباه البصري المستمر باستخدام سماعة رأس EEG منخفضة التكلفة ،" في وقائع المؤتمر الدولي للتقدم في الهندسة الطبية الحيوية، بيروت ، لبنان ، تشرين الأول 2017. View at: Publisher Site | منحة جوجل
  69. K. Tomonaga ، S. Wakamizu ، and J. Kobayashi ، "تجارب على تصنيف إشارات تخطيط كهربية الدماغ (EEG) في خيال الاتجاه باستخدام سماعة رأس EEG لاسلكية محمولة ،" في وقائع المؤتمر الدولي الخامس عشر لـ ICCAS 2015-2015 حول التحكم والأتمتة والأنظمة، بوسان ، كوريا الجنوبية ، أكتوبر 2015. عرض على: موقع الناشر | منحة جوجل
  70. S. Wakamizu و K. Tomonaga و J. Kobayashi ، "تجارب على الشبكات العصبية ذات التكوينات المختلفة لتصنيفات أنماط إشارات تخطيط كهربية الدماغ (EEG) في خيال الاتجاه" ، Proceedings-5th IEEE المؤتمر الدولي حول نظام التحكم والحوسبة والهندسة ، ICCSCE 2015، ص 453-457 ، جورج تاون ، ماليزيا ، نوفمبر 2015. عرض على: موقع الناشر | منحة جوجل
  71. R. Sarno و M.N Munawar و B. T. Nugraha ، "نظام التعرف على المشاعر المستند إلى تخطيط كهربية الدماغ في الوقت الفعلي" المجلة الدولية لأجهزة الكمبيوتر والبرمجيات (IRECOS)، المجلد. 11 ، لا. 5، pp.456–465، 2016. عرض على: موقع الناشر | منحة جوجل
  72. N. Thammasan ، K. Moriyama ، K.-i. Fukui و M. Numao ، "تأثيرات الألفة في التعرف على المشاعر المستندة إلى EEG ،" معلوماتية الدماغ، المجلد. 4 ، لا. 1 ، ص 39-50 ، 2017. عرض على: موقع الناشر | منحة جوجل
  73. N. Zhuang و Y. Zeng و L. Tong و C. Zhang و H. Zhang و B. Yan ، "التعرف على المشاعر من إشارات EEG باستخدام معلومات متعددة الأبعاد في مجال EMD ،" بيوميد الدولية للبحوث، المجلد. 2017 ، معرف المقال 8317357 ، 9 صفحات ، 2017. عرض على: موقع الناشر | منحة جوجل
  74. تي إم سي لي ، H.-L. ليو ، سي سي إتش تشان ، S.-Y. فانغ ، وج. جاو ، "تمت ملاحظة الأنشطة العصبية المرتبطة بالتعرف على المشاعر لدى الرجال والنساء" ، الطب النفسي الجزيئي، المجلد. 10 ، لا. 5 ، ص. 450، 2005. عرض على: موقع الناشر | منحة جوجل
  75. J.-Y. تشو ، دبليو- ل. تشنغ ، و B.-L. لو ، "تصنيف العاطفة عبر الموضوع وعبر الجنس من EEG ،" في المؤتمر العالمي للفيزياء الطبية والهندسة الطبية الحيوية، الصفحات 1188-1191 ، سبرينغر ، برلين ، ألمانيا ، 2015. عرض على: الباحث العلمي من Google
  76. ستانيكا ، إم آي داسكالو ، سي إن بوديا ، وأيه دي بوجدان مولدوفينو ، "محاكي مقابلة العمل في الواقع الافتراضي: حيث يلتقي الواقع الافتراضي بالذكاء الاصطناعي من أجل التعليم ،" في وقائع مؤتمر Zooming Innovation in Consumer Technologies 2018، نوفي ساد ، صربيا ، مايو 2018. عرض على: موقع الناشر | منحة جوجل
  77. مالاندراكيس ، إيه بوتاميانوس ، جي إيفانجيلوبولوس ، إيه زلاتينسي ، نهج خاضع للإشراف لتتبع عاطفة الفيلم، جامعة أثينا التقنية الوطنية ، أثينا ، اليونان ، 2011.
  78. H. S. Ip، S.WL Wong، D.F Y. Chan et al. ، "تعزيز مهارات التكيف العاطفي والاجتماعي للأطفال الذين يعانون من اضطراب طيف التوحد: نهج ممكّن للواقع الافتراضي ،" أجهزة الكمبيوتر والتعليم أمبير، المجلد. 117 ، الصفحات من 1 إلى 15 ، 2018. عرض على: موقع الناشر | منحة جوجل
  79. جيه وونغ ، "ما هو الواقع الافتراضي؟" مصادر معلومات الواقع الافتراضي، American Library Association، Chicago، IL، USA، 1998. عرض على: موقع الناشر | منحة جوجل
  80. إ. ساذرلاند ، سي جيه فلوك ، ودي جي بارنز ، "العرض النهائي. الوسائط المتعددة: من فاغنر إلى الواقع الافتراضي "، ص 506-508 ، 1965 ، http://arxiv.org/abs/1601.03459. عرض على: الباحث العلمي من Google
  81. R.G Klein و I. E. Sutherland ، "شاشة ثلاثية الأبعاد مثبتة على الرأس ،" في وقائع 9-11 كانون الأول (ديسمبر) 1968 ، مؤتمر الخريف المشترك للحاسوب ، الجزء الأول، الصفحات 757-764 ، نيويورك ، نيويورك ، الولايات المتحدة الأمريكية ، ديسمبر 1968. عرض على: موقع الناشر | منحة جوجل
  82. ب. ميلجرام وف. كيشيمو ، "تصنيف للواقع المختلط ،" معاملات IEICE على المعلومات والأنظمة، المجلد. 77 ، لا. 12، pp. 1321–1329، 1994. View at: Google Scholar
  83. Z. Pan و A. D. Cheok و H. Yang و J. Zhu و J. Shi ، "الواقع الافتراضي والواقع المختلط لبيئات التعلم الافتراضية ،" أجهزة الكمبيوتر والرسومات أمبير، المجلد. 30 ، لا. 1، pp.20–28، 2006. عرض على: موقع الناشر | منحة جوجل
  84. M. Mekni و A. Lemieux ، "الواقع المعزز: التطبيقات والتحديات والاتجاهات المستقبلية" العلوم الحسابية التطبيقية، المجلد. 20، pp.205–214، 2014. View at: Google Scholar
  85. إم بيلينجهيرست ، أ. كلارك ، وجي لي ، "مسح لأسس الواقع المعزز والاتجاهات R في التفاعل بين الإنسان والحاسوب ،" تفاعل الإنسان والحاسوب، المجلد. 8 ، لا. 3، pp.73–272، 2014. عرض على: موقع الناشر | منحة جوجل
  86. S. Martin ، و G. Diaz ، و E. Sancristobal ، و R. Gil ، و M. Castro ، و J. Peire ، "اتجاهات التكنولوجيا الجديدة في التعليم: سبع سنوات من التوقعات والتقارب ،" أجهزة الكمبيوتر والتعليم أمبير، المجلد. 57 ، لا. 3، pp.1893–1906، 2011. عرض على: موقع الناشر | منحة جوجل
  87. Y. Yang، Q.M J. Wu، W.-L. تشنغ ، و B.-L. Lu ، "التعرف على المشاعر المستند إلى EEG باستخدام الشبكة الهرمية مع عقد الشبكة الفرعية ،" معاملات IEEE على الأنظمة المعرفية والتنموية، المجلد. 10 ، لا. 2، pp.408–419، 2018. عرض على: موقع الناشر | منحة جوجل
  88. تي تي بيمستر ، جي إم فان فيلزين ، سي إيه إم فان بينيكوم ، إم إف رينمان ، إم إتش دبليو.Frings-Dresen ، "موثوقية اختبار إعادة الاختبار والاتفاق والاستجابة لفقدان الإنتاجية (iPCQ-VR) واستخدام الرعاية الصحية (TiCP-VR) استبيانات للعاملين المرضى الذين يعانون من آلام عضلية هيكلية مزمنة ،" مجلة التأهيل المهني، المجلد. 29 ، لا. 1 ، ص 91-103 ، 2019. عرض على: موقع الناشر | منحة جوجل
  89. X. Liu ، و J. Zhang ، و G. Hou ، و Z. Wang ، "الواقع الافتراضي وتطبيقاته في الجيش ،" سلسلة مؤتمرات IOP: علوم الأرض والبيئة، المجلد. 170 ، لا. 3 ، 2018. عرض على: موقع الناشر | منحة جوجل
  90. جي ماكينتوش ، إم رودجرز ، بي ماركيز ، إيه كاديل ، استخدام الواقع الافتراضي لخلق بيئات علاجية لصحة ورفاهية العسكريين وأسرهم ومجتمعاتهم، VDE VERLAG GMBH، برلين، ألمانيا، 2019.
  91. جونسون-جلينبيرج ، "الواقع الافتراضي والتعليم الغامرة: مبادئ التصميم المتجسدة التي تشمل أدوات التحكم في الإيماءات واليد ،" فرونتيرز روبوتيكس AI، المجلد. 5، pp.1–19، 2018. عرض على: موقع الناشر | منحة جوجل
  92. Z. Lan ، و O. Sourina ، و L. Wang ، و Y. Liu ، "مراقبة المشاعر في الوقت الفعلي المستندة إلى EEG باستخدام ميزات مستقرة ،" الكمبيوتر المرئي، المجلد. 32 ، لا. 3، pp.347–358، 2016. عرض على: موقع الناشر | منحة جوجل
  93. D. S. Kumaran ، S. Y. Ragavendar ، A. Aung ، and P. Wai ، استخدام تقنيات التعرف على المشاعر الموسيقية المعتمدة من EEG لتصنيف الموسيقى الشعبية متعددة الأنواع للأغراض العلاجية، جامعة نانيانغ التكنولوجية ، نانيانغ افي ، سنغافورة ، 2018.
  94. C. Lin و M. Liu و W. Hsiung و J. Jhang ، "التعرف على المشاعر الموسيقية بناءً على تصنيف متجه الدعم ذي المستويين" Proceedings-International Conference on Machine Learning and Cybernetics. وقائع المؤتمر الدولي للتعلم الآلي وعلم التحكم الآلي، المجلد. 1، pp.375–379، 2017. عرض على: موقع الناشر | منحة جوجل
  95. S.H Chen و Y. S. Lee و W. C. Hsieh و J.C Wang ، "التعرف على المشاعر الموسيقية باستخدام عملية Gaussian العميقة" في وقائع القمة والمؤتمر السنوي لجمعية معالجة الإشارات والمعلومات في آسيا والمحيط الهادئ لعام 2015، المجلد. 2015 ، ص 495-498 ، هونج كونج ، الصين ، ديسمبر 2016. عرض على: موقع الناشر | منحة جوجل
  96. Y. An و S. Sun و S. Wang ، "تصنيفات Naive Bayes لتصنيف المشاعر الموسيقية بناءً على كلمات الأغاني ،" في Proceedings-16th IEEE / ACIS المؤتمر الدولي لعلوم الكمبيوتر والمعلومات ، ICIS 2017، لا. 1 ، ص 635-638 ، ووهان ، الصين ، مايو 2017. عرض على: موقع الناشر | منحة جوجل
  97. J. Bai ، K. Luo ، J. Peng et al. ، "التعرف على المشاعر الموسيقية من خلال منهجيات التصنيف المعرفي ،" في وقائع المؤتمر الدولي السادس عشر IEEE 2017 حول المعلوماتية المعرفية والحوسبة المعرفية ، ICCI-CC 2017، الصفحات 121-129 ، أكسفورد ، المملكة المتحدة ، يوليو 2017. عرض على: موقع الناشر | منحة جوجل
  98. نواز ، هـ.نزار ، وف. في ياب ، "التعرف على الموسيقى المفيدة لتحسين المشاعر بناءً على نموذج الأبعاد" ، في وقائع المؤتمر الدولي الثاني لتحليل الإشارات الحيوية ومعالجتها وأنظمتها (ICBAPS)، كوتشينج ، ماليزيا ، يوليو 2018. عرض على: الباحث العلمي من Google
  99. S. A. Y. Al-Galal، I. F. T. Al Shaikhli، A.W.B A. Rahman، and M.A Dzulkifli، “EEG-based emitation Recognition أثناء الاستماع إلى تلاوة القرآن مقارنة بالموسيقى الهادئة باستخدام نموذج التكافؤ والإثارة ،” في Proceedings-2015 المؤتمر الدولي الرابع لتطبيقات وتقنيات علوم الكمبيوتر المتقدمة، الصفحات من 245 إلى 250 ، كوالالمبور ، ماليزيا ، ديسمبر 2015. عرض على: موقع الناشر | منحة جوجل
  100. شاهناز ، إس بي مسعود ، إس إم إس حسن ، "التعرف على المشاعر على أساس تحليل المويجات للوضع التجريبي المتحلل لإشارات EEG المستجيبة لمقاطع الفيديو الموسيقية ،" في وقائع المؤتمر الدولي السنوي العاشر لمنطقة IEEE / TENCON، سنغافورة ، نوفمبر 2016. عرض على: موقع الناشر | منحة جوجل
  101. S.W Byun و S. P. Lee و H. S. Han ، "اختيار الميزة والمقارنة للتعرف على المشاعر وفقًا للاستماع إلى الموسيقى" في وقائع المؤتمر الدولي للروبوتات وعلوم الأتمتة، ص 172 - 176 ، هونج كونج ، الصين ، أغسطس 2017. عرض على: موقع الناشر | منحة جوجل
  102. J. Xu و F. Ren و Y. Bao ، "تصنيف العاطفة EEG على أساس استراتيجية خط الأساس ،" في وقائع 2018 المؤتمر الدولي الخامس IEEE حول الحوسبة السحابية وأنظمة الاستخبارات، نانجينغ ، الصين ، نوفمبر 2018. عرض على: موقع الناشر | منحة جوجل
  103. S. Wu و X. Xu و L. Shu و B. Hu ، "تقدير التكافؤ العاطفي باستخدام قناتين أماميتين من EEG ،" في وقائع المؤتمر الدولي IEEE 2017 حول المعلوماتية الحيوية والطب الحيوي (BIBM)، ص 1127-1130 ، كانساس سيتي ، ميزوري ، الولايات المتحدة الأمريكية ، نوفمبر 2017. عرض على: موقع الناشر | منحة جوجل
  104. حاء الله ، محمد عزير ، أ.محمود ، محمد الله ، إس دي خان ، إف إيه شيخ ، "تصنيف المشاعر الداخلية باستخدام إشارة EEG مع مجموعة تمييزية متفرقة ،" وصول IEEE، المجلد. 7، pp.40144–40153، 2019. عرض على: موقع الناشر | منحة جوجل
  105. H. Dabas ، C. Sethi ، C. Dua ، M. Dalawat ، و D. Sethia ، "تصنيف العاطفة باستخدام إشارات EEG ،" في سلسلة إجراءات المؤتمر الدولي ACM، الصفحات 380-384 ، لاس فيجاس ، نيفادا ، الولايات المتحدة الأمريكية ، يونيو 2018. عرض على: موقع الناشر | منحة جوجل
  106. A. H. Krishna ، A.B Sri ، K. Y.V.S Priyanka ، S. Taran ، and V. Bajaj ، "تصنيف العاطفة باستخدام إشارات EEG استنادًا إلى التحويل المويجي Q القابل للضبط ،" IET العلوم والقياس وتكنولوجيا أمبير، المجلد. 13 ، لا. 3، pp.375–380، 2019. عرض على: موقع الناشر | منحة جوجل
  107. ر. سوبرامانيان ، ج. واش ، إم ك. أبادي ، آر إل فيريو ، إس وينكلر ، إن سيبي ، "التأكد: التعرف على المشاعر والشخصية باستخدام أجهزة الاستشعار التجارية ،" معاملات IEEE على الحوسبة الوجدانية، المجلد. 9 ، لا. 2، pp.147–160، 2018. عرض على: موقع الناشر | منحة جوجل
  108. عبادي ، ر. سوبرامانيان ، إس إم. كيا ، بي أفيساني ، آي باتراس ، إن سيبي ، "DECAF: قاعدة بيانات متعددة الوسائط تعتمد على MEG لفك تشفير الاستجابات الفسيولوجية العاطفية ،" معاملات IEEE على الحوسبة الوجدانية، المجلد. 6 ، لا. 3، pp.209–222، 2015. عرض على: موقع الناشر | منحة جوجل
  109. T. H. Li ، W. Liu ، W. L. Zheng ، and B. L. Lu ، "تصنيف خمسة مشاعر من إشارات EEG وحركة العين: القدرة على التمييز والاستقرار بمرور الوقت ،" في وقائع المؤتمر الدولي IEEE / EMBS حول الهندسة العصبية، سان فرانسيسكو ، كاليفورنيا ، الولايات المتحدة الأمريكية ، مارس 2019. عرض على: موقع الناشر | منحة جوجل
  110. T. Song و W. Zheng و P. Song و Z. Cui ، "التعرف على المشاعر EEG باستخدام الرسم البياني الديناميكي للشبكات العصبية التلافيفية ،" معاملات IEEE على الحوسبة الوجدانية، المجلد. 3045 ، الصفحات من 1 إلى 10 ، 2018. عرض على: موقع الناشر | منحة جوجل
  111. N.V Kimmatkar و V. B. Babu ، "تصنيف المشاعر البشرية من إشارة الدماغ EEG باستخدام نهج متعدد الوسائط للمصنف ،" في وقائع سلسلة إجراءات المؤتمر الدولي ACM، الصفحات 9-13 ، غالواي ، أيرلندا ، أبريل 2018. عرض على: موقع الناشر | منحة جوجل
  112. M. Zangeneh Soroush و K. Maghooli و S. Kamaledin Setarehdan و A. Motie Nasrabadi ، "تصنيف العاطفة من خلال تحليل EEG غير الخطي باستخدام أساليب التعلم الآلي ،" المجلة الدولية لعلم الأعصاب السريري، المجلد. 5 ، لا. 4، pp.135–149، 2018. عرض على: موقع الناشر | منحة جوجل
  113. J. Marín-Morales، J.L Higuera-Trujillo، A. Greco et al. ، "الحوسبة العاطفية في الواقع الافتراضي: التعرف على المشاعر من ديناميكيات الدماغ ونبضات القلب باستخدام أجهزة استشعار يمكن ارتداؤها ،" التقارير العلمية، المجلد. 8 ، لا. 1، pp.1-15، 2018. عرض على: موقع الناشر | منحة جوجل
  114. W. Zhang و L. Shu و X. Xu و D. Liao ، "نظام الواقع الافتراضي العاطفي (AVRS): تصميم وتقييم مشاهد الواقع الافتراضي المؤثرة" في وقائع المؤتمر الدولي للواقع الافتراضي والتصور 2017 ، ICVRV 2017، ص 311-314 ، تشنغتشو ، الصين ، أكتوبر 2017. عرض على: موقع الناشر | منحة جوجل
  115. A. Kim و M. Chang و Y. Choi و S. Jeon و K. Lee ، "تأثير الانغماس في الاستجابات العاطفية لمشاهدة الأفلام في بيئة افتراضية" ، في وقائع مؤتمر IEEE حول الواقع الافتراضي وواجهات المستخدم ثلاثية الأبعاد، pp 601-602، Reutlingen، Germany، March 2018. عرض على: موقع الناشر | منحة جوجل
  116. K. Hidaka و H. Qin و J. Kobayashi ، "اختبار أولي لمشاهد الواقع الافتراضي العاطفية مع شاشة مثبتة على الرأس لتجربة استنباط المشاعر" ، في وقائع المؤتمر الدولي للتحكم والأتمتة والأنظمة (إيكاس)، ص 325 - 329 ، رمادا بلازا ، كوريا ، أكتوبر 2017. عرض على: الباحث العلمي من Google
  117. J. Fan و J.Wade و A. P. Key و Z. E. Warren و N. Sarkar ، "التعرف على التأثير المستند إلى EEG والتعرف على عبء العمل في بيئة القيادة الافتراضية لتدخل ASD ،" معاملات IEEE في الهندسة الطبية الحيوية، المجلد. 65 ، لا. 1، pp. 43–51، 2018. عرض على: موقع الناشر | منحة جوجل
  118. لورنزيتي ، بي ميلو ، آر باسيليو وآخرون ، "تنظيم المشاعر باستخدام البيئات الافتراضية والارتجاع العصبي بالرنين المغناطيسي الوظيفي في الوقت الفعلي" الحدود في علم الأعصاب، المجلد. 9، pp.1-15، 2018. عرض على: موقع الناشر | منحة جوجل
  119. هورفات ، إم. دوبرينيك ، إم. نوفوسيل ، وبي. جيرسيك ، "تقييم الاستجابات العاطفية المستحثة في الواقع الافتراضي باستخدام سماعة رأس إلكترونية للمستهلك: تقرير أولي ،" في وقائع المؤتمر الدولي الحادي والأربعين لعام 2018 بشأن تكنولوجيا المعلومات والاتصالات والإلكترونيات والإلكترونيات الدقيقة، أوباتيا ، كرواتيا ، مايو 2018. عرض على: موقع الناشر | منحة جوجل
  120. K. Guo و J. Huang و Y. Yang و X. Xu ، "تأثير الواقع الافتراضي على قاعدة مشاعر الخوف في تحليل إشارات EEG ،" في وقائع المؤتمر الدولي للطب الحيوي الميكروويف IEEE MTT-S لعام 2019 (IMBioC)، نانجينغ ، الصين ، مايو 2019. عرض على: موقع الناشر | منحة جوجل
  121. S. Koelstra ، C. Muhl ، M. Soleymani et al. ، "DEAP: قاعدة بيانات لتحليل المشاعر باستخدام الإشارات الفسيولوجية ،" معاملات IEEE على الحوسبة الوجدانية، المجلد. 3 ، لا. 1، pp. 18–31، 2012. عرض على: موقع الناشر | منحة جوجل
  122. A. Patras ، و G. Valenza ، و L. Citi ، و E. P. Scilingo ، "التعرف على الإثارة والتكافؤ للأصوات المؤثرة على أساس النشاط الكهربائي للجلد ،" مجلة IEEE Sensors، المجلد. 17 ، لا. 3، pp.716–725، 2017. عرض على: موقع الناشر | منحة جوجل
  123. M. Soleymani و M.N Caro و E.M Schmidt و C. Y. Sha و Y.H Yang ، "1000 أغنية للتحليل العاطفي للموسيقى. ،" في CrowdMM 2013- وقائع ورشة العمل الثانية لـ ACM الدولية حول التعهيد الجماعي للوسائط المتعددة، برشلونة ، إسبانيا ، أكتوبر 2013. عرض على: موقع الناشر | منحة جوجل
  124. X. Q. Huo ، و W. L. Zheng ، و B. L. Lu ، "اكتشاف إجهاد القيادة مع اندماج EEG و EOG على الجبهة ،" في وقائع المؤتمر الدولي المشترك حول الشبكات العصبية، فانكوفر ، كولومبيا البريطانية ، كندا ، يوليو 2016. عرض على: موقع الناشر | منحة جوجل
  125. M. Soleymani ، S. Asghari-Esfeden ، M. Pantic ، and Y. Fu ، "الكشف المستمر عن المشاعر باستخدام إشارات EEG وتعبيرات الوجه ،" في وقائع المؤتمر الدولي IEEE للوسائط المتعددة والمعرض، تشنغدو ، الصين ، يوليو 2014. عرض على: موقع الناشر | منحة جوجل
  126. W. L. Zheng و B. L.Lu ، "نهج متعدد الوسائط لتقدير اليقظة باستخدام EEG و EOG على الجبهة ،" مجلة الهندسة العصبية، المجلد. 14 ، لا. 2 ، 2017. عرض على: موقع الناشر | منحة جوجل
  127. S. Katsigiannis و N. Ramzan ، "DREAMER: قاعدة بيانات للتعرف على المشاعر من خلال إشارات EEG و ECG من الأجهزة اللاسلكية منخفضة التكلفة الجاهزة" ، مجلة IEEE للمعلوماتية الطبية الحيوية والصحية، المجلد. 22 ، لا. 1 ، ص 98-107 ، 2018. عرض على: موقع الناشر | منحة جوجل
  128. A.C Constantinescu و M. Wolters و A. Moore و S.E MacPherson ، "نهج قائم على الكتلة لاختيار المحفزات التمثيلية من قاعدة بيانات نظام الصور العاطفية الدولي (IAPS) ،" طرق البحث السلوكي، المجلد. 49 ، لا. 3، pp.896–912، 2017. عرض على: موقع الناشر | منحة جوجل
  129. أ.مارشوكا ، Ł. Żurawski و K. Jednoróg و A. Grabowska ، "The Nencki Affective Picture System (NAPS): مقدمة إلى قاعدة بيانات صور واقعية جديدة وموحدة وواسعة النطاق وعالية الجودة ،" طرق البحث السلوكي، المجلد. 46 ، لا. 2، pp.596–610، 2014. عرض على: موقع الناشر | منحة جوجل
  130. S. M. U. Saeed ، S. M. Anwar ، M. Majid ، and A. M. Bhatti ، "قياس الإجهاد النفسي باستخدام سماعة رأس EEG أحادية القناة منخفضة التكلفة ،" في وقائع ندوة IEEE الدولية حول معالجة الإشارات وتكنولوجيا المعلومات، أبو ظبي، الإمارات العربية المتحدة، ديسمبر 2015. View at: Publisher Site | منحة جوجل
  131. S. Jerritta و M. Murugappan و R. Nagarajan و K. Wan ، "تستند الإشارات الفسيولوجية على التعرف على المشاعر البشرية: مراجعة" في Proceedings-2011 الندوة الدولية السابعة IEEE حول معالجة الإشارات وتطبيقاتها، بينانج ، ماليزيا ، مارس 2011. عرض على: موقع الناشر | منحة جوجل
  132. سي. Maaoul و A. Pruski ، "التعرف على المشاعر من خلال الإشارات الفسيولوجية للتواصل بين الإنسان والآلة ،" الروبوتات المتطورة، المجلد. 13 ، 2010. عرض على: موقع الناشر | منحة جوجل
  133. C. Liu و P. Rani و N. Sarkar ، "دراسة تجريبية لتقنيات التعلم الآلي للتعرف على التأثير في التفاعل بين الإنسان والروبوت" في وقائع المؤتمر الدولي IEEE / RSJ حول الروبوتات والأنظمة الذكية ، IROS، سينداي ، اليابان ، سبتمبر 2005. عرض على: موقع الناشر | منحة جوجل
  134. ريجاس ، سي دي كاتسيس ، جي جانياتساس ، ودي آي فوتياديس ، طريقة التعرف على المشاعر المستقلة والمستندة إلى الإشارات البيولوجية للمستخدم، سبرينغر ، برلين ، ألمانيا ، 2007.
  135. C. Zong و M. Chetouani ، "تحويل هيلبرت-هوانغ القائم على تحليل الإشارات الفسيولوجية للتعرف على المشاعر" في وقائع ندوة IEEE الدولية حول معالجة الإشارات وتكنولوجيا المعلومات ، ISSPIT، ص 334-339 ، عجمان ، الإمارات العربية المتحدة ، ديسمبر 2009. عرض على: موقع الناشر | منحة جوجل
  136. L. Li و J.H. Chen ، "التعرف على المشاعر باستخدام الإشارات الفسيولوجية من عدة مواضيع ،" في وقائع المؤتمر الدولي لإخفاء المعلومات الذكية والوسائط المتعددة، الصفحات من 437 إلى 446 ، باسادينا ، كاليفورنيا ، الولايات المتحدة الأمريكية ، ديسمبر 2006. عرض على: موقع الناشر | منحة جوجل
  137. A. Haag ، S. Goronzy ، P. Schaich ، and J. Williams ، "التعرف على المشاعر باستخدام المستشعرات الحيوية: الخطوات الأولى نحو نظام تلقائي ،" مذكرات محاضرة في علوم الكمبيوتر، Springer، Berlin، Germany، 2004. عرض على: موقع الناشر | منحة جوجل
  138. جيه كيم وإي أندريه ، "التعرف على المشاعر على أساس التغيرات الفسيولوجية في الاستماع إلى الموسيقى ،" معاملات IEEE على تحليل الأنماط وذكاء الآلة، المجلد. 30 ، لا. 12، pp.2067–2083، 2008. عرض على: موقع الناشر | منحة جوجل
  139. نازوز ، كيه ألفاريز ، سي إل ليسيتي ، ون. فينكلستين ، "التعرف على المشاعر من الإشارات الفسيولوجية باستخدام أجهزة الاستشعار اللاسلكية لتقنيات الوجود ،" الإدراك والتكنولوجيا والعمل أمبير، المجلد. 6 ، لا. 1، pp. 4–14، 2004. عرض على: موقع الناشر | منحة جوجل
  140. Y. Li و W. Zheng و Y. Zong و Z. Cui و T. Zhang ، "نموذج شبكة عصبية معادية لنطاق ثنائي نصف الكرة للتعرف على المشاعر في مخطط كهربية الدماغ ،" معاملات IEEE على الحوسبة الوجدانية، 2019. عرض على: موقع الناشر | منحة جوجل
  141. K. Zhou و H. Qin و J. Kobayashi ، "اختبار أولي لمشاهد الواقع الافتراضي العاطفية مع شاشة مثبتة على الرأس لتجربة استنباط المشاعر" في وقائع المؤتمر الدولي السابع عشر للتحكم والأتمتة والأنظمة (ICCAS)، ص 325 - 329 ، جيجو ، كوريا الجنوبية ، أكتوبر 2017. عرض على: موقع الناشر | منحة جوجل
  142. M. Soleymani و J. Lichtenauer و T. Pun و M. Pantic ، "قاعدة بيانات متعددة الوسائط للتعرف على التأثيرات ووضع العلامات الضمنية" معاملات IEEE على الحوسبة الوجدانية، المجلد. 3 ، لا. 1 ، ص 42-55 ، 2012. عرض على: موقع الناشر | منحة جوجل
  143. S. Gilda و H. Zafar و C. Soni و K. Waghurdekar ، "مشغل الموسيقى الذكي الذي يدمج التعرف على مشاعر الوجه والتوصية بالموسيقى المزاجية" في وقائع المؤتمر الدولي لعام 2017 بشأن الاتصالات اللاسلكية ومعالجة الإشارات والشبكات (WiSPNET)، الصفحات 154-158 ، IEEE ، تشيناي ، الهند ، مارس 2017. عرض على: موقع الناشر | منحة جوجل
  144. دبليو شي وس. فنغ ، "بحث عن تصنيف العاطفة الموسيقية بناءً على كلمات الأغاني والصوت" في وقائع مؤتمر IEEE الثالث لتكنولوجيا المعلومات المتقدمة والتحكم الإلكتروني والأتمتة لعام 2018 (IAEAC)، الصفحات 1154-1159 ، تشونغتشينغ ، الصين ، أكتوبر 2018. عرض على: موقع الناشر | منحة جوجل
  145. A.V Iyer ، و V. Pasad ، و S.R Sankhe ، و K. Prajapati ، "توصية الموسيقى المعززة للمزاج العاطفي" ، في وقائع المؤتمر الدولي الثاني IEEE 2017 حول الاتجاهات الحديثة في الإلكترونيات وتكنولوجيا المعلومات والاتصالات (RTEICT)، ص 1573-1577 ، بنغالور ، الهند ، مايو 2017. عرض على: موقع الناشر | منحة جوجل
  146. Y. P. Lin و T. P. الحدود في علم الأعصاب البشري، المجلد. 11، pp.1-11، 2017. عرض على: موقع الناشر | منحة جوجل
  147. Y.P Lin و C.H Wang و T. P. Jung et al. ، "التعرف على المشاعر المستند إلى EEG في الاستماع إلى الموسيقى" معاملات IEEE في الهندسة الطبية الحيوية، المجلد. 57 ، لا. 7، pp. 1798–1806، 2010. عرض على: موقع الناشر | منحة جوجل
  148. M.D.Rinderknecht ، و O. Lambercy ، و R. Gassert ، "تعزيز المحاكاة مع التباين داخل الموضوع من أجل تقييمات نفسية فيزيائية محسنة ،" بلوس واحد، المجلد. 13 ، لا. 12 ، 2018. عرض على: موقع الناشر | منحة جوجل
  149. جيه إتش يون وجيه إتش كيم ، "طريقة الكشف عن الضوضاء الإحصائية المستندة إلى Wavelet وتصنيف المشاعر لتحسين التعرف على المشاعر متعددة الوسائط" مجلة IKEEE، المجلد. 22 ، لا. 4، pp. 1140–1146، 2018. View at: Google Scholar
  150. لياو ، و.Zhang، G. Liang et al. ، "تقييم الإثارة لمشاهد الواقع الافتراضي العاطفية استنادًا إلى الموارد البشرية و SAM" في 2019 المؤتمر الدولي للطب الحيوي الميكروويف IEEE MTT-S (IMBioC)، نانجينغ ، الصين ، مايو 2019. عرض على: موقع الناشر | منحة جوجل
  151. T. Karydis و F. Aguiar و S.L Foster و A. Mershin ، "توصيف الأداء لبروتوكولات المعايرة الذاتية لتطبيقات EEG القابلة للارتداء ،" في وقائع المؤتمر الدولي الثامن للـ ACM حول التقنيات الغازية المتعلقة بالبيئات المساعدة- PETRA '15، الصفحات من 1 إلى 7 ، كورفو ، اليونان ، يوليو 2015. عرض على: موقع الناشر | منحة جوجل

حقوق النشر

Copyright & # xa9 2020 نظمي سفيان السحيمي وآخرون. هذا مقال مفتوح الوصول يتم توزيعه بموجب ترخيص Creative Commons Attribution License ، والذي يسمح بالاستخدام غير المقيد والتوزيع والاستنساخ في أي وسيط ، بشرط الاستشهاد بالعمل الأصلي بشكل صحيح.


حول مقدمة EEGer عبر الإنترنت لدورة الارتجاع العصبي (EIN)

هذه هي مجموعتنا التمهيدية الكاملة ، وتتضمن المكونات الأساسية الثلاثة التي تحتاجها للبدء في الارتجاع العصبي السريري. هذا القسم هو نظرة عامة موجزة على ما تم تضمينه. لمزيد من الأوصاف التفصيلية والأسئلة المتداولة ، انظر أدناه.

  • مجموعة تدريب EEGer (ETK) - سيتم إرسال معدات مخطط كهربية الدماغ التي تحتاجها. ستحتاج إلى توفير جهاز كمبيوتر يلبي الحد الأدنى من المتطلبات. تتوفر تعليمات التثبيت وتكوين أمبير.
  • مقدمة في تعليم الارتجاع العصبي (IND) ستتمكن من الوصول إلى هذه المحاضرات مع Angelika Sadar - تسجيلات المحاضرات التعليمية المعتمدة من BCIA للتعلم وفقًا لسرعتك الخاصة.
  • التدريب العملي EEGer على الإنترنت (EOP) - ستحضر 4 ندوات تعليمية عملية عبر الإنترنت لتتعلم المواضع ، وتطبيق المستشعرات ، وأساسيات استخدام البرنامج. ستعرفك هذه الجلسات أيضًا على عملية التوجيه.

8. الخلاصة

في هذه الورقة ، استعرضنا التطبيقات السريرية للارتجاع العصبي ، وبروتوكولات العلاج المختلفة وبعض تصميمات الأنظمة بواسطة تقنية BCI و VR.

في الارتجاع العصبي ، عادة ما يتم تسجيل مخطط كهربية الدماغ ، ويتم استخلاص مكونات نشاط الدماغ المختلفة وإبداء ملاحظاتها على الأشخاص. خلال هذا الإجراء ، يصبح الأشخاص على دراية بالتغييرات التي تحدث أثناء التدريب ويكونون قادرين على تقييم تقدمهم من أجل تحقيق الأداء الأمثل. يتم إجراء وضع القطب الكهربي وفقًا لوظائف الدماغ المحددة والأعراض المحددة. بالنظر إلى المعلومات حول مناطق الجمجمة هذه ، يتم تبسيط عملية العلاج بأكملها. هناك العديد من البروتوكولات في تدريب الارتجاع العصبي ، ولكن بروتوكول ألفا وبيتا وثيتا وألفا / ثيتا هي الأكثر استخدامًا.

BCI هو جهاز اتصال يعتمد على EEG. VE هو نظام واجهة بين الإنسان والحاسوب يمكن للمستخدمين من خلاله نقل وجهة نظرهم بحرية في الوقت الفعلي. الغرض من استخدام VE هو إنشاء بيئة افتراضية ذات تفاعل طبيعي وخلق إحساس حقيقي من الوسائط المتعددة. الواقع الافتراضي ثلاثي الأبعاد أكثر جاذبية وإثارة للاهتمام من معظم البيئات ثنائية الأبعاد.

حتى الآن ، تم إجراء العديد من الدراسات حول علاج التغذية الراجعة العصبية وفعاليته في علاج العديد من الأمراض. ومع ذلك ، هناك بعض القيود المنهجية والغموض السريري. على سبيل المثال ، بالنظر إلى بروتوكولات علاج ألفا ، هناك بعض المشكلات التي يجب التعامل معها مثل عدد الجلسات اللازمة قبل أن يتمكن المشاركون من تعلم ممارسة التحكم في التنبيه على موجات ألفا الخاصة بهم ، أو عدد الجلسات اللازمة قبل أن تنتج إجراءات التدريب هذه التأثير المتوقع على الأداء الأمثل ، ومدة استمرار التأثيرات المرغوبة دون تغذية راجعة (تأثيرات طويلة المدى). وبالتالي ، من الضروري توفير بروتوكولات معيارية لإجراء الارتجاع العصبي.

على غرار العلاجات الأخرى ، للارتجاع العصبي إيجابيات وسلبيات خاصة به. على الرغم من أنه إجراء آمن وغير جراحي أظهر تحسنًا في علاج العديد من المشكلات والاضطرابات مثل اضطراب فرط الحركة ونقص الانتباه والقلق والاكتئاب والصرع واضطراب طيف التوحد والأرق وإدمان المخدرات والفصام وصعوبات التعلم وعسر القراءة وخلل الحساب ، إلا أن صلاحيته لها من حيث الأدلة العلمية القاطعة على فعاليتها. علاوة على ذلك ، فهو إجراء مكلف لا تغطيه العديد من شركات التأمين. كما أنها تستغرق وقتًا طويلاً وفوائدها ليست طويلة الأمد. أخيرًا ، قد يستغرق الأمر عدة أشهر لرؤية التحسينات المطلوبة (Mauro & # x00026 Cermak ، 2006).


شاهد الفيديو: Steps I, II, and III of the 10-20 measurement system for EEG technologists (ديسمبر 2022).