English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Zusammenfassung  Ziel der Studie Ereignis-korrelierte Potenziale werden in der Regel ineinzelnen EEG-Kanälen ermittelt. Mit einem einzelnen Kanal wird jedochnur ein Teil des gesamten Hirnprozesses erfasst. Für eineGehirn-Computer Schnittstelle, die in kurzer Zeit eine Entscheidung treffenmuss, ist diese singuläre Gehirnantwort häufig unzureichendwogegen die Information aus mehreren Kanälen häufig redundantist. Beide Vorgehensweisen sind nicht optimal. Daher ist es unser Ziel, dieKanäle zu wenigen Komponenten zu kombinieren, die die relevantestenModulationen eines Hirnprozesses erfassen.  Methodik Wir nutzen die kanonische Korrelationsanalyse, um datengetriebenräumliche Filter aus dem EEG zu bestimmen. Mit der Produkt-MomentKorrelation ermitteln wir, auf welche von 12 verschiedenen Stimulussequenzen dieStudienteilnehmer geachtet haben.  Ergebnisse Die verdeckte Aufmerksamkeit der Studienteilnehmer konnte mithoher Genauigkeit (89,3±9,2%) aus dem räumlichgefilterten EEG und signifikant besser als aus einzelnen Kanälendekodiert werden.  Schlussfolgerung Die aus dem EEG erlernten räumlichen Filterermöglichen die Extraktion von Komponenten, die einen event-korreliertenGehirnprozess charakterisieren und eine Gehirn-Computer Schnittstelle effektivsteuern können, was von hoher Relevanz für Patienten ist, dienicht mehr anderweitig kommunizieren können.

EEG als Steuersignal: Gehirnaktivität entschlüsseln und effizient als Kommunikationsmittel für Patienten mit motorischen Defiziten nutzen