Chulalongkorn University Theses and Dissertations (Chula ETD)
Other Title (Parallel Title in Other Language of ETD)
การใช้ความเป็นจริงเสริมในการกระตุ้นทางสายตาที่มีความถี่คงที่ร่วมกับส่วนต่อประสานระหว่างสมองกับคอมพิวเตอร์ในสภาพแวดล้อมจริง
Year (A.D.)
2023
Document Type
Thesis
First Advisor
Setha Pan-ngum
Second Advisor
Pasin Israsena Na Ayudhya
Third Advisor
Apit Hemakom
Faculty/College
Faculty of Engineering (คณะวิศวกรรมศาสตร์)
Department (if any)
Department of Computer Engineering (ภาควิชาวิศวกรรมคอมพิวเตอร์)
Degree Name
Master of Engineering
Degree Level
Master's Degree
Degree Discipline
Computer Engineering
DOI
10.58837/CHULA.THE.2023.1019
Abstract
This study investigates Augmented Reality-based Steady-State Visual Evoked Potentials (AR-SSVEP) in Brain-Computer Interface (BCI) systems, utilizing Extended Filter Bank Canonical Correlation Analysis (Extended-FBCCA) for SSVEP recognition optimization across various frequencies in various scenarios. The 10 Hz stimulus consistently achieves the highest recognition accuracy. Frequency-specific variations at 12 Hz, 13 Hz, and 15 Hz highlight nuanced SSVEP responses. White stimuli yield PC-SSVEP recognition ranging from 68.32% to 81.98%, slightly outperforming AR-SSVEP-Controlled (63.59% to 73.23%). Red stimuli impact AR-SSVEP-Controlled less than PC-SSVEP, with recognition ranges of 68.65% to 76.30% and 67.97% to 76.72%, respectively. Comparisons show a general slight outperformance of PC-SSVEP, with exceptions suggesting frequency-specific outcomes. AR-SSVEP-Controlled surpasses AR-SSVEP-Static, emphasizing the impact of a controlled visual environment. AR-SSVEP-Static recognition ranges from 33.49% to 54.59% for white stimuli and 36.15% to 53.04% for red stimuli. Subjects' movement in AR-SSVEP-Walk consistently lowers accuracy, ranging from 31.74% to 47.70% for white stimuli and 26.43% to 41.67% for red stimuli, with frequency-specific exceptions. Stimulus colors' complex effects underscore the requirement for stimulus color selections. In our research, white stimuli outperformed red stimuli in the PC-SSVEP and AR-SSVEP-Walk experiments. Conversely, red stimuli outperformed white stimuli in the AR-SSVEP-Controlled and AR-SSVEP-Static experiments. Spatial distribution analysis reveals higher accuracy in the O-region. Overall, this study navigates the complex interaction between AR-SSVEP and environmental conditions. Future research may focus on developing algorithms for automatic configuration selection in Extended-FBCCA, ensuring adaptability to varying frequencies and real-world conditions.
Other Abstract (Other language abstract of ETD)
งานวิจัยนี้ศึกษาการใช้ความเป็นจริงเสริมในการกระตุ้นทางสายตาที่มีความถี่คงที่ (Augmented Reality based Steady-State Visual Evoked Potential, AR-SSVEP) ร่วมกับส่วนต่อประสานระหว่างสมองกับคอมพิวเตอร์ (Brain-Computer Interface, BCI) โดยใช้ตัวกระตุ้นที่มีความถี่ต่างกันในสภาวะแวดล้อมในการทดลองต่าง ๆ และทำการวิเคราะห์หาความแม่นยำในการจำแนกความถี่โดยใช้ Extended Filter Bank Canonical Correlation Analysis (Extended-FBCCA) ผลจากการเก็บข้อมูลสัญญาณไฟฟ้าสมองพบว่าความถี่ของตัวกระตุ้นที่ 10Hz มีความแม่นยำในการจำแนกสูงที่สุดเมื่อเทียบกับความถี่อื่น ๆ ซึ่งได้แก่ 12Hz, 13Hz และ 15Hz ตัวกระตุ้นสีขาวในการทดลอง PC-SSVEP ให้ความแม่นยำในการจำแนกอยู่ในช่วง 68.32% ถึง 81.98% ซึ่งให้ผลดีกว่าการทดลอง AR-SSVEP-Controlled (63.59 ถึง 73.23%) ส่วนการใช้ตัวกระตุ้นสีแดงจะส่งผลต่อการทดลอง AR-SSVEP-Controlled น้อยกว่าการทดลอง PC-SSVEP (68.65% ถึง 76.30% และ 67.97% ถึง 76.72% ตามลำดับ) การเปรียบเทียบผลการทดลองในสภาพแวดล้อมการทดลองต่าง ๆ ข้างต้นทำให้เห็นว่าโดยทั่วไปแล้วการทดลอง PC-SSVEP ให้ผลที่ดีกว่า AR-SSVEP โดยมีข้อยกเว้นเล็กน้อยสำหรับในบางความถี่ เมื่อเปรียบเทียบผลการทดลองระหว่างการทดลอง AR-SSVEP-Controlled และ AR-SSVEP-Static พบว่า AR-SSVEP-Controlled มีความแม่นยำในการจำแนกสูงกว่า AR-SSVEP-Static แสดงให้เห็นถึงผลกระทบของสิ่งแวดล้อมที่มีต่อความแม่นยำในการจำแนกความถี่ การทดลอง AR-SSVEP-Static โดยใช้ตัวกระตุ้นสีขาวมีความแม่นยำอยู่ในช่วง 33.49% ถึง 54.59% ส่วนตัวกระตุ้นสีแดงมีความแม่นยำอยู่ในช่วง 36.15% ถึง 53.04% สำหรับการทดลอง AR-SSVEP-Walk ที่ผู้ร่วมทดลองมีการเคลื่อนไหวตลอดเวลาที่มองตัวกระตุ้นจะให้ความแม่นยำในการจำแนกที่ต่ำกว่า โดยจะอยู่ในช่วง 31.74% ถึง 47.70% สำหรับตัวกระตุ้นสีขาว และ 26.43% ถึง 41.67% สำหรับตัวกระตุ้นสีแดง แต่จะมีบางความถี่ที่การทดลอง AR-SSVEP-Walk ให้ผลที่ดีกว่า ในด้านสีของตัวกระตุ้นพบว่าการที่ตัวกระตุ้นทั้งสีขาวและสีแดงจะให้ผลที่ดีกว่าอีกสีหนึ่งขึ้นอยู่กับว่าทดลองในสภาวะแวดล้อมใด โดยตัวกระตุ้นสีขาวจะให้ผลการทดลองที่ดีกว่าในการทดลอง PC-SSVEP และ AR-SSVEP-Walk ส่วนตัวกระตุ้นสีแดงจะให้ผลที่ดีกว่าในการทดลอง AR-SSVEP-Controlled และ AR-SSVEP-Static ในการวิเคราะห์ความแม่นยำในการจำแนกโดยแยกตามตำแหน่งของขั้วไฟฟ้า พบว่าที่ตำแหน่งขั้วไฟฟ้า O (O-region) ให้ความแม่นยำในการจำแนกสูงที่สุดเมื่อเทียบกับตำแหน่งอื่น ๆ โดยสรุปแล้ว งานวิจัยนี้ได้ศึกษาและแสดงให้เห็นถึงผลของสภาพแวดล้อมต่าง ๆ ที่มีต่อการใช้งาน AR-SSVEP ในขั้นต่อไปจะเป็นการศึกษาเพื่อพัฒนาอัลกอริทึมที่ใช้ในการจำแนก เพื่อให้สามารถเลือกการตั้งค่าต่าง ๆ ของ Extended-FBCCA ได้โดยอัตโนมัติ ซึ่งจะมีประโยชน์ในการนำไปใช้ที่ความถี่อื่น ๆ และนำไปใช้ในสภาวะแวดล้อมจริงได้มากขึ้น
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-No Derivative Works 4.0 International License.
Recommended Citation
Chaiyarit, Bhuwit, "SSVEP-BCI in augmented reality in realistic environment" (2023). Chulalongkorn University Theses and Dissertations (Chula ETD). 11511.
https://digital.car.chula.ac.th/chulaetd/11511