ЕФЕКТИВНІСТЬ ВИКОРИСТАННЯ ПЛАТИ OPENBCI ДЛЯ КЛАСИФІКАЦІЇ МОТОРНОЇ УЯВИ
Тип публікації :
Стаття
Дата випуску :
9 жовтня 2025 р.
Автор(и) :
СОЛОВЕЙ, Сергій
Мова основного тексту :
Ukrainian
eKNUTSHIR URL :
Том :
102
Випуск :
3
ISSN :
1728-2748
Початкова сторінка :
48
Кінцева сторінка :
52
Цитування :
[APA 7] СОЛОВЕЙ, С., & БАРАБАНОВ, О. (2025). ЕФЕКТИВНІСТЬ ВИКОРИСТАННЯ ПЛАТИ OPENBCI ДЛЯ КЛАСИФІКАЦІЇ МОТОРНОЇ УЯВИ. Bulletin of Taras Shevchenko National University of Kyiv. Biology, 102(3), 48–52. https://doi.org/10.17721/1728.2748.2025.102.48-52
[ДСТУ] СОЛОВЕЙ С., БАРАБАНОВ О. ЕФЕКТИВНІСТЬ ВИКОРИСТАННЯ ПЛАТИ OPENBCI ДЛЯ КЛАСИФІКАЦІЇ МОТОРНОЇ УЯВИ. Bulletin of Taras Shevchenko National University of Kyiv. Biology. 2025. Т. 102, № 3. С. 48—52. DOI: 10.17721/1728.2748.2025.102.48-52 (дата звернення: 25.07.2026).
У роботі розглянуто можливість використання інтерфейсів мозок-комп’ютер (BCI) на основі моторної уяви (motor imagery) у контексті сучасної нейрореабілітації. Моторна уява як неінвазивна модальність BCI дозволяє реалізовувати управління пристроями без фізичного руху, що робить її особливо перспективною для застосування у відновленні рухових функцій після інсульту, травм або нейродегенеративних захворювань.
Особливу увагу приділено платформі OpenBCI — відкритому апаратно-програмному рішенню для зчитування електроенцефалографічних (ЕЕГ) сигналів. Актуальність дослідження зумовлена необхідністю створення доступних, портативних та ефективних BCI-систем, придатних до використання поза лабораторією. Попри обмежену точність у порівнянні з комерційними ЕЕГ-системами, OpenBCI має значний потенціал завдяки своїй відкритості, модульності та низькій вартості.
Метою роботи є аналіз ефективності BCI-системи на основі OpenBCI для розпізнавання моторної уяви, зокрема у завданнях реабілітації. Об’єктом дослідження є система мозок-комп’ютер з неінвазивним зчитуванням сигналів. Предметом дослідження виступають алгоритми та техніки, що підвищують точність класифікації моторної уяви на основі сигналів ЕЕГ, зібраних за допомогою OpenBCI.
Методологічно дослідження ґрунтується на аналізі наукових публікацій, у яких використовувалися методи просторової фільтрації, машинного навчання (зокрема глибинного), візуального нейрофідбеку, адаптивної стимуляції, а також оптимізація тривалості вікна сигналу. В якості інформаційного джерела використано наукові статті, опубліковані у базах IEEE Xplore, MDPI, Springer Nature, Frontiers, IOPscience та інших.
Робота має на меті систематизувати сучасні підходи до підвищення точності класифікації моторної уяви з використанням OpenBCI та окреслити перспективи їхнього впровадження у персоналізовану систему реабілітації. Також розглядаються переваги та виклики, пов’язані з використанням відкритих BCI-рішень у клінічних та позаклінічних умовах.
Особливу увагу приділено платформі OpenBCI — відкритому апаратно-програмному рішенню для зчитування електроенцефалографічних (ЕЕГ) сигналів. Актуальність дослідження зумовлена необхідністю створення доступних, портативних та ефективних BCI-систем, придатних до використання поза лабораторією. Попри обмежену точність у порівнянні з комерційними ЕЕГ-системами, OpenBCI має значний потенціал завдяки своїй відкритості, модульності та низькій вартості.
Метою роботи є аналіз ефективності BCI-системи на основі OpenBCI для розпізнавання моторної уяви, зокрема у завданнях реабілітації. Об’єктом дослідження є система мозок-комп’ютер з неінвазивним зчитуванням сигналів. Предметом дослідження виступають алгоритми та техніки, що підвищують точність класифікації моторної уяви на основі сигналів ЕЕГ, зібраних за допомогою OpenBCI.
Методологічно дослідження ґрунтується на аналізі наукових публікацій, у яких використовувалися методи просторової фільтрації, машинного навчання (зокрема глибинного), візуального нейрофідбеку, адаптивної стимуляції, а також оптимізація тривалості вікна сигналу. В якості інформаційного джерела використано наукові статті, опубліковані у базах IEEE Xplore, MDPI, Springer Nature, Frontiers, IOPscience та інших.
Робота має на меті систематизувати сучасні підходи до підвищення точності класифікації моторної уяви з використанням OpenBCI та окреслити перспективи їхнього впровадження у персоналізовану систему реабілітації. Також розглядаються переваги та виклики, пов’язані з використанням відкритих BCI-рішень у клінічних та позаклінічних умовах.
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
240.68 KB
Контрольна сума :
(MD5):95de686994a0be97266b206a325c88e1
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution 4.0 International