1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Вісник ТНТУ
  3. 2023
  4. Вісник ТНТУ, 2023, № 4 (112)
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/43666

Назва: Brain-computer interaction neurointerface based on artificial intelligence and its parallel programming using high-performance calculation on cluster mobile devices
Інші назви: Нейроінтерфейс взаємодії мозок-комп’ютер на основі штучного інтелекту та його паралельного програмування з використанням високопродуктивних комп’ютерних обчислень на кластерних мобільних пристроях
Автори: Пастух, Олег Анатолійович
Яцишин, Василь Володимирович
Pastukh, Oleh
Yatsyshyn, Vasyl
Приналежність: Тернопільський національний технічний університет імені Івана Пулюя, Тернопіль, Україна
Ternopil Ivan Puluj National Technical University, Ternopil, Ukraine
Бібліографічний опис: Pastukh O. Brain-computer interaction neurointerface based on artificial intelligence and its parallel programming using high-performance calculation on cluster mobile devices / Oleh Pastukh, Vasyl Yatsyshyn // Scientific Journal of TNTU. — Tern. : TNTU, 2023. — Vol 112. — No 4. — P. 26–31.
Bibliographic description: Pastukh O., Yatsyshyn V. (2023) Brain-computer interaction neurointerface based on artificial intelligence and its parallel programming using high-performance calculation on cluster mobile devices. Scientific Journal of TNTU (Tern.), vol. 112, no 4, pp. 26-31.
Є частиною видання: Вісник Тернопільського національного технічного університету, 4 (112), 2023
Scientific Journal of the Ternopil National Technical University, 4 (112), 2023
Журнал/збірник: Вісник Тернопільського національного технічного університету
Випуск/№ : 4
Том: 112
Дата публікації: 19-гру-2023
Дата подання: 9-жов-2023
Дата внесення: 21-січ-2024
Видавництво: ТНТУ
TNTU
Місце видання, проведення: Тернопіль
Ternopil
DOI: https://doi.org/10.33108/visnyk_tntu2023.04.026
УДК: 681.3
Теми: нейроінтерфейс взаємодії мозок-комп'ютер
штучний інтелект
паралельне програмування
високопродуктивні комп’ютерні обчислення
кластерні мобільні пристрої
neuro interface of brain-computer interaction
artificial intelligence
parallel programming
high-performance computing
cluster mobile devices
Кількість сторінок: 6
Діапазон сторінок: 26-31
Початкова сторінка: 26
Кінцева сторінка: 31
Короткий огляд (реферат): Розглянуто програмно-апаратне заберпечення для реалізації взаємодії активності мозку людини з динамічним рухом частини її верхньої кінцівки на основі штучного інтелекту та його паралельного програмування з використанням високопродуктивних комп’ютерних обчислень на кластерних мобільних пристроях. Розгортання програмно-апаратного забезпечення розпаралелених та розподілених високопродуктивних комп’ютерних обчислень на віддаленому кластері мобільних пристроїв організовано у вигляді конвеєра програмно-апаратних комп'ютерних обчислень. За основу алгоритмічного забезпечення в рамках штучного інтелекту вибрано індуктивний підхід (підхід на основі машинного навчання), що використовує логічну парадигму, зокрема, алгоритм із сімейства ансамблевих алгоритмів – випадковий ліс. Оцінено якість роботи даного алгориитму, яка характеризується високими значеннями числових метрик на експериментальних даних та високою обчислювальною ефективністю завдяки паралельним та розподіленим обчисленням. Зокрема, для наочної інтерпретації характеристики точності практичної роботи використано метрику якості accuracy, яка дорівнювала 99,89%; для стійкої інтерпретації характеристики точності практичної роботи використано метрику якості roc_auc, яка дорівнювала 99,89%; для одночасної характеристики точності та повноти практичної роботи використано метрику якості f1, яка дорівнювала 99,89%. Алгоритм випадковий ліс реалізовано за допомогою програмних інструментів бібліотеки Scikit-Learn. Використовуючи програмні інструменти бібліотеки Joblib, вдалося розпаралелити обчислення при навчанні алгоритму випадковий ліс по фізичних ядрах та їх потоках обчислювального мобільного пристрою, встановивши значення гіперпараметра n_jobs у стан, що дорівнює -1. На основі програмних інструментів бібліотеки Dask виконано розподілення паралельних обчислень на фізичні ядра та їх потоки в кластері мобільних обчислювальних пристроїв, що дало змогу організувати високопродуктивні обчислення для навчання алгоритму випадковий ліс. Отримані результати можуть бути покладені в основу розроблення високопродуктивного програмно-апаратного забезпечення для ефективної роботи нейроінтерфейсів взаємодії мозок-комп’ютер
The paper deals with hardware and software support for the interaction of human brain activity with the dynamic movement of the part of its upper limb based on artificial intelligence and its parallel programming using high-performance computer calculation on cluster mobile devices. The obtained results can be used as a basis for the development of high-performance software and hardware for the effective operation of brain-computer interaction neuro interfaces
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/43666
ISSN: 2522-4433
Власник авторського права: © Тернопільський національний технічний університет імені Івана Пулюя, 2024
URL-посилання пов’язаного матеріалу: https://www.jmir.org/2019/10/e16194/
https://doi.org/10.2196/16194
https://pubmed.ncbi.nlm.nih.gov/35043610/
https://pubmed.ncbi.nlm.nih.gov/32278092/
https://doi.org/10.1016/j.neuroimage.2020.116817
https://doi.org/10.1109/TIM.2020.2970846
https://pubmed.ncbi.nlm.nih.gov/31985428/(accessed:
https://avesis.gsu.edu.tr/yayin/360b7f3c-ec8f-45d4-b46d-c93ed5029310/design-and-implementation-of-steady-state-visual-evoked-potential-based-brain-computer-interface-video-game
https://www.mdpi.com/2079-9292/9/3/422
https://doi.org/10.3390/electronics9030422
https://pubmed.ncbi.nlm.nih.gov/
https://doi.org/10.1109/TNSRE.2020.2980299
https://pubmed.ncbi
https://doi.org/10.1109/TBME.2020.2965178
https://doi.org/10.1016/j.neuron.2019.12.033
https://pubmed
https://doi.org/10.1007/s11571-019-09560-x
https://www.brightbraincentre.co.uk/electroencephalogram-eeg-brainwaves/
https://xai-medica.com/en/equipments.html(accessed:
https://ml.dask.org/joblib.html
Перелік літератури: 1. Musk E., Neuralink. An Integrated Brain-Machine Interface Platform With Thousands of Channels. Journal of medical Internet research. 2019. Vol. 21. No. 10. URL: https://www.jmir.org/2019/10/e16194/ (accessed: 31.10.2019). https://doi.org/10.2196/16194
2. Ban H., Barrett G., Borisevich A., Chaturvedi A., Dahle J., et al. Kernel Flow: a high channel countscalable TD-fNIRS system. Journal of biomedical optics. 2021. Vol. 27. No. 7. URL: https://pubmed.ncbi.nlm.nih.gov/35043610/ (accessed: 05.03.2021).
3. Andersen L. M., Jerbi K., Dalal S. S. Can EEG and MEG detect signals from the human cerebellum? Neuroimage. 2020. URL: https://pubmed.ncbi.nlm.nih.gov/32278092/ (accessed: 08.11.2020). https://doi.org/10.1016/j.neuroimage.2020.116817
4. Arpaia P., Duraccio L., Moccaldi N., Rossi S. Wearable brain-computer interface instrumentation for robot-based rehabilitation by augmented reality – IEEE Transactions on Instrumentation and Measurement. 2020. Vol. 69. No. 9. P. 6362–6371. https://doi.org/10.1109/TIM.2020.2970846
5. Cecotti H. Adaptive time segment analysis for steady-state visual evoked potential based brain-computer interfaces. IEEE Trans. Neural Syst. Rehabil. Eng. 2020. URL: https://pubmed.ncbi.nlm.nih.gov/31985428/(accessed: 21.01.2020).
6. Filiz E., Arslan R.B. Design and implementation of steady state visual evoked potential based brain computer interface video game. 28th Signal Processing and Communications Applications Conference, 2020. URL: https://avesis.gsu.edu.tr/yayin/360b7f3c-ec8f-45d4-b46d-c93ed5029310/design-and-implementation-of-steady-state-visual-evoked-potential-based-brain-computer-interface-video-game (accessed: 2020).
7. Han C.-H., Müller K.-R., Hwang H.-J. Brain-switches for asynchronous brain-computer interfaces: a systematic review. Electronics. 2020. Vol. 9. No. 3. URL: https://www.mdpi.com/2079-9292/9/3/422 (accessed: 09.01.2020). https://doi.org/10.3390/electronics9030422
8. He H., Wu D. Different set domain adaptation for brain-computer interfaces: a label alignment approach. IEEE Trans. Neural Syst. Rehabil. Eng. 2020 Vol. 28 No. 5. URL: https://pubmed.ncbi.nlm.nih.gov/ 32167903/ (accessed: 12.03.2020). https://doi.org/10.1109/TNSRE.2020.2980299
9. Jin J., Chen Z., Xu R., Miao Y., Wang X., Jung T.-P. Developing a novel tactile p300 brain-computer interface with a cheeks-stim paradigm. IEEE Trans. Biomed. Eng. 2020. Vol. 67. No. 9. URL: https://pubmed.ncbi. nlm.nih.gov/31940515/ (accessed: 09.01.2020). https://doi.org/10.1109/TBME.2020.2965178
10. Jones S. R., Sliva D. D. Is alpha asymmetry a byproduct or cause of spatial attention? New evidence alpha neurofeedback controls measures of spatial attention. Neuron. 2020. Vol. 105. No. 3. URL: https:// europepmc.org/article/med/32027830 (accessed: 01.02.2020). https://doi.org/10.1016/j.neuron.2019.12.033
11. Zuo C., Jin J., Yin E., Saab R., Miao Y., Wang X., et al. Novel hybrid brain-computer interface system based on motor imagery and p300. Cogn. Neurodyn. 2020. Vol. 15. No. 2. URL: https://pubmed. ncbi.nlm.nih.gov/32226566/ (accessed: 21.10.2019). https://doi.org/10.1007/s11571-019-09560-x
12. Bright brain – London's eeg, neurofeedback and brain stimylation centre. URL: https://www.brightbraincentre.co.uk/electroencephalogram-eeg-brainwaves/ (accessed: 07.09.2023).
13. Medic XAI. URL: https://xai-medica.com/en/equipments.html(accessed: 02.05.2023).
14. Scikit-Learn & Joblib. URL: https://ml.dask.org/joblib.html (accessed: 18.05.2023).
References: 1. Musk E., Neuralink. An Integrated Brain-Machine Interface Platform With Thousands of Channels. Journal of medical Internet research. 2019. Vol. 21. No. 10. URL: https://www.jmir.org/2019/10/e16194/ (accessed: 31.10.2019). https://doi.org/10.2196/16194
2. Ban H., Barrett G., Borisevich A., Chaturvedi A., Dahle J., et al. Kernel Flow: a high channel countscalable TD-fNIRS system. Journal of biomedical optics. 2021. Vol. 27. No. 7. URL: https://pubmed.ncbi.nlm.nih.gov/35043610/ (accessed: 05.03.2021).
3. Andersen L. M., Jerbi K., Dalal S. S. Can EEG and MEG detect signals from the human cerebellum? Neuroimage. 2020. URL: https://pubmed.ncbi.nlm.nih.gov/32278092/ (accessed: 08.11.2020). https://doi.org/10.1016/j.neuroimage.2020.116817
4. Arpaia P., Duraccio L., Moccaldi N., Rossi S. Wearable brain-computer interface instrumentation for robot-based rehabilitation by augmented reality – IEEE Transactions on Instrumentation and Measurement. 2020. Vol. 69. No. 9. P. 6362–6371. https://doi.org/10.1109/TIM.2020.2970846
5. Cecotti H. Adaptive time segment analysis for steady-state visual evoked potential based brain-computer interfaces. IEEE Trans. Neural Syst. Rehabil. Eng. 2020. URL: https://pubmed.ncbi.nlm.nih.gov/31985428/(accessed: 21.01.2020).
6. Filiz E., Arslan R.B. Design and implementation of steady state visual evoked potential based brain computer interface video game. 28th Signal Processing and Communications Applications Conference, 2020. URL: https://avesis.gsu.edu.tr/yayin/360b7f3c-ec8f-45d4-b46d-P.93ed5029310/design-and-implementation-of-steady-state-visual-evoked-potential-based-brain-computer-interface-video-game (accessed: 2020).
7. Han C.-H., Müller K.-R., Hwang H.-J. Brain-switches for asynchronous brain-computer interfaces: a systematic review. Electronics. 2020. Vol. 9. No. 3. URL: https://www.mdpi.com/2079-9292/9/3/422 (accessed: 09.01.2020). https://doi.org/10.3390/electronics9030422
8. He H., Wu D. Different set domain adaptation for brain-computer interfaces: a label alignment approach. IEEE Trans. Neural Syst. Rehabil. Eng. 2020 Vol. 28 No. 5. URL: https://pubmed.ncbi.nlm.nih.gov/ 32167903/ (accessed: 12.03.2020). https://doi.org/10.1109/TNSRE.2020.2980299
9. Jin J., Chen Z., Xu R., Miao Y., Wang X., Jung T.-P. Developing a novel tactile p300 brain-computer interface with a cheeks-stim paradigm. IEEE Trans. Biomed. Eng. 2020. Vol. 67. No. 9. URL: https://pubmed.ncbi. nlm.nih.gov/31940515/ (accessed: 09.01.2020). https://doi.org/10.1109/TBME.2020.2965178
10. Jones S. R., Sliva D. D. Is alpha asymmetry a byproduct or cause of spatial attention? New evidence alpha neurofeedback controls measures of spatial attention. Neuron. 2020. Vol. 105. No. 3. URL: https:// europepmc.org/article/med/32027830 (accessed: 01.02.2020). https://doi.org/10.1016/j.neuron.2019.12.033
11. Zuo C., Jin J., Yin E., Saab R., Miao Y., Wang X., et al. Novel hybrid brain-computer interface system based on motor imagery and p300. Cogn. Neurodyn. 2020. Vol. 15. No. 2. URL: https://pubmed. ncbi.nlm.nih.gov/32226566/ (accessed: 21.10.2019). https://doi.org/10.1007/s11571-019-09560-x
12. Bright brain – London's eeg, neurofeedback and brain stimylation centre. URL: https://www.brightbraincentre.co.uk/electroencephalogram-eeg-brainwaves/ (accessed: 07.09.2023).
13. Medic XAI. URL: https://xai-medica.com/en/equipments.html(accessed: 02.05.2023).
14. Scikit-Learn & Joblib. URL: https://ml.dask.org/joblib.html (accessed: 18.05.2023).
Тип вмісту: Article
Розташовується у зібраннях:Вісник ТНТУ, 2023, № 4 (112)

Файли цього матеріалу:
Файл Опис РозмірФормат 
TNTUSJ_2023v112n4_Pastukh_O-Brain_computer_interaction_26-31.pdf1,58 MBAdobe PDFПереглянути/відкрити
TNTUSJ_2023v112n4_Pastukh_O-Brain_computer_interaction_26-31.djvu342,85 kBDjVuПереглянути/відкрити
TNTUSJ_2023v112n4_Pastukh_O-Brain_computer_interaction_26-31__COVER.png1,23 MBimage/pngПереглянути/відкрити
Показати повний опис матеріалу Перегляд статистики


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.