1 |
Utvärdering av en befintlig plattform för neurofeedback med hjälp av open-source EEGAl Kouatli, Hakim, Achmawi, Mohamed January 2022 (has links)
Neurofeedback is a type of biofeedback in which subjects learn to use the activity of their own electrical brain waves to respond to a visual or auditory feedback from the activity of the brain. This is done by connecting electrodes to the body to get the brain's electrical activity in the form of encephalogram signals (EEG) which are then calculated and converted into useful feedback.The purpose of this work was to evaluate a neurofeedback platform via an OpenBCI open-source EEG technology that could lead to more accessible neurofeedback for society.This study was conducted with different methods where the focus was on testing and data analysis. The study has included a summary of theory used in neurofeedback, a comprehensive pilot study on an 8-channel open-source EEG neurofeedback platform and some of the ethical aspects behind the technology used and neurofeedback in Sweden. During the work, two different experts were interviewed: Gunilla Radu, founder and owner of Nordic Center of Neurofeedback AB and Jan Rutkowski, who is an engineer in medical engineering at the Uppsala Hospital.The tests with 8-channel EEG with an OpenBCI hardware and software show results from three subjects. The answers from a follow-up survey that subjects were allowed to answer are presented in the report. This was used as an evaluation of the tests performed. The aim of the tests was to give Biohackeri an opportunity to see the potential for a neurofeedback platform and to create a basis for further development of such a platform. The result indicates that a measurement of the brain activity at rest with the technology from OpenBCI shows a higher concentration level in the human body with open eyes compared to closed eyes. In addition, a higher level of relaxation is noticed when resting with eyes closed compared to eyes open. Answers from the survey show that what is important to the test subjects is, among other things, the convenience while testing the technology. In terms of requirements and rules that Neurofeedback therapists must meet, it turned out that in Sweden therapists do not need to have a specific background or education. There are ethical perspectives that Neurofeedback therapists may consider in implementing Neurofeedback Therapy.The conclusion of this project is that the tested 8-channel EEG equipment gives a result that agrees with the presented theory. Thus, a Neurofeedback platform could be built on the commercially available open-source technology, such as the technology from OpenBCI. / Neurofeedback är en typ av biofeedback som försökspersoner lär sig att använda sin egen elektriska hjärnvågors aktivitet för att svara på en visuell eller auditiv återkoppling från hjärnans aktivitet. Det görs huvudsakligen genom att ansluta elektroder till huvudet för att få hjärnans elektriska aktivitet i form av encefalogramsignaler (EEG) som sedan beräknas och omvandlas till användbar återkoppling.Syftet med detta arbete var att utvärdera en Neurofeedback-plattform via en OpenBCI open-source EEG-teknologi som skulle kunna leda till mer tillgänglig Neurofeedback för samhället.Denna studie genomfördes med olika metoder där huvudfokus låg på testning och dataanalys. Studien har innefattat en sammanfattning av teori som används inom Neurofeedback, en pilotstudie på en 8-kanals open-source EEG-Neurofeedback plattform och en del av de etiska aspekterna bakom den använda tekniken och Neurofeedback i Sverige. Under arbetets gång intervjuades två olika experter, Gunilla Radu, grundare och ägare av Nordic Center of Neurofeedback AB och Jan Rutkowski som är medicinteknisk ingenjör på Akademiska sjukhuset.Från testerna med 8-kanal EEG med en OpenBCI hårdvara och mjukvara visas resultat från tre försökspersoner. Svaren från en efterundersökningsenkät som försökspersoner fick svara på presenteras i rapporten. Detta användes som en utvärdering på de utförda testerna. Målet med testerna var att ge Biohackeri en möjlighet att se potentialen för en Neurofeedback-plattform samt att skapa en grund för vidareutveckling av en sådan plattform. Resultatet indikerar att en mätning på hjärnaktiviteten vid vilotillstånd med tekniken från OpenBCI kan det märkas högre koncentrationsnivån i människokroppen med öppna ögon jämfört med stängda ögon. Dessutom märks det en högre avslappningsnivå vid vilotillstånd med stängda ögon jämfört med öppna ögon. Svar från enkäten visar att det som är viktigt för testpersonerna är bland annat bekvämligheten under provning av tekniken. När det gäller krav och regler som Neurofeedback-terapeuter ska uppfylla visade det sig att i Sverige behöver terapeuter inte ha en specifik bakgrund eller utbildning. Det finns etiska perspektiv som Neurofeedback-terapeuter kan överväga att implementera vid Neurofeedbackterapi.Slutsatsen av detta projekt blir att den testade 8-kanal EEG utrustningen ger ett resultat som stämmer överens med den presenterade teorin. Därmed skulle en Neurofeedback-plattform kunna byggas på den kommersiellt tillgängliga open-source tekniken såsom tekniken från OpenBCI.
|
2 |
Analýza a klasifikace dat ze snímače mozkové aktivity / Data Analysis and Clasification from the Brain Activity DetectorPersich, Alexandr January 2020 (has links)
This thesis describes recording, processing and classifying brain activity which is being captured by a brain-computer interface (BCI) device manufactured by OpenBCI company. Possibility of use of such a device for controlling an application with brain activity, specifically with thinking of left or right hand movement, is discussed. To solve this task methods of signal processing and machine learning are used. As a result a program that is capable of recording, processing and classifying brain activity using an artificial neural network is created. An average accuracy of classification of synthetic data is 99.156%. An average accuracy of classification of real data is 73.71%.
|
3 |
Analýza a klasifikace dat ze snímače mozkové aktivity / Data Analysis and Clasification from the Brain Activity DetectorJileček, Jan January 2019 (has links)
This thesis aims to implement methods for recording EEG data obtained with the neural activity sensor OpenBCI Ultracortex IV headset. It also describes neurofeedback, methods of obtaining data from the motor cortex for further analysis and takes a look at the machine learning algorithms best suited for the presented problem. Multiple training and testing datasets are created, as well as a tool for recording the brain activity of a headset-wearing test subject, which is being visually presented with cognitive challenges on the screen in front of him. A neurofeedback demo app has been developed, presented and later used for calibration of new test subjects. Next part is data analysis, which aims to discriminate the left and right hand movement intention signatures in the brain motor cortex. Multiple classification methods are used and their utility reviewed.
|
Page generated in 0.0181 seconds