Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Semiconductor Ethanol Sensor Inducted with Visible Light Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Functional State Assessment of an Athlete by Means of the Brain-Computer Interface Multimodal Metrics

verfasst von : Vasilii Borisov, Alexey Syskov, Vladimir Kublanov

Erschienen in: World Congress on Medical Physics and Biomedical Engineering 2018

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The estimation in real time of the functional and mental state level for the athlete during the loads is essential for management of the training process. New multimodal metric, obtained by means of the brain-computer interface (BCI), is proposed. The paper discusses the results of the joint usage of data from Emotiv EPOC+ mobile wireless headset. It includes motion sensors (accelerometer) and EEG channels. The features of the Emotiv EPOC+ interface allow to record the deviation of the head from the body axis, which provides an additional channel of information about the physical and mental (psycho-emotional) state of the athlete. Based on this data a new multimodal metric is calculated. Approbation of the metric was performed for functional stress studies on group of 10 volunteer subjects, including evaluations of the TOVA-test and the hyperventilation load. The joint application of different signals modalities allows to obtain estimates level of attention for these functional studies.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Principal Component Latent Variate Factorial Analysis of MER Signals of STN-DBS in Parkinson’s Disease (Electrode Implantation)
Nächstes Kapitel Experimental Setup for the Systematic Investigation of Infrared Neural Stimulation (INS)
Literatur
1.
Silva, H.P. da et al.: Biosignals for Everyone. IEEE Pervasive Comput. 13, 4, 64–71 (2014).
2.
Mcdowell, K. et al.: Real-world neuroimaging technologies. IEEE Access. 1, 131–149 (2013).
3.
Borisov, V. et al.: Mobile brain-computer interface application for mental status evaluation. In: 2017 International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON). pp. 550–555 (2017).
4.
David, H. et al.: Usability of four commercially-oriented EEG systems. J. Neural Eng. 11, 4, 046018 (2014).
5.
Ries, A. et al.: A Comparison of Electroencephalography Signals Acquired from Conventional and Mobile Systems. (2014).
6.
Wu, M. et al.: Modeling perceived stress via HRV and accelerometer sensor streams. Presented at the Proceedings of the Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBS (2015).
7.
Danilov, Y.P. et al.: Vestibular sensory substitution using tongue electrotactile display. In: Human Haptic Perception: Basics and Applications. pp. 467–480 Birkhäuser Basel (2008).
8.
Alexey Syskov et al.: Feature Extraction and Selection for EEG and Motion Data in Tasks of the Mental Status Assessing. Presented at the BIOSTEC 2018: 11th International Joint Conference on Biomedical Engineering Systems and Technologies (2018).
9.
Dumas, B. et al.: Multimodal interfaces: A survey of principles, models and frameworks. Lect. Notes Comput. Sci. Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinforma. 5440 LNCS, 3–26 (2009).
10.
Syskov, A.M. et al.: Intelligent multimodal user interface for telemedicine application. In: 2017 25th Telecommunication Forum (℡FOR). pp. 1–4 (2017).
11.
Mueller, S.T., Piper, B.J.: The Psychology Experiment Building Language (PEBL) and PEBL Test Battery. J. Neurosci. Methods. 222, 250–259 (2014).
12.
N.I. Shlyk, R.M.B.: Rhythm of the heart and type of vegetative regulation in assessing the level of health of the population and the functional preparedness of athletes. Udmurt University, Izhevsk (2016).
13.
Mathie, M.: Monitoring and Interpreting Human Movement Patterns Using a Triaxial Accelerometer. (2003).
14.
Jolliffe, I.: Principal Component Analysis. In: Wiley StatsRef: Statistics Reference Online. John Wiley & Sons, Ltd (2014).
15.
Wolpaw, J., Wolpaw, E.W.: Brain-Computer Interfaces: Principles and Practice. Oxford University Press, USA (2012).
16.
McLachlan, G.J.: Discriminant Analysis and Statistical Pattern Recognition: McLachlan/Discriminant Analysis & Pattern Recog. John Wiley & Sons, Inc., Hoboken, NJ, USA (1992).
17.
Kublanov, V.S. et al.: Classification of the physical training level by heart rate variability and stabilography data. In: 2017 Siberian Symposium on Data Science and Engineering (SSDSE). pp. 49–54 (2017).
18.
Machado, I.P. et al.: Human activity data discovery from triaxial accelerometer sensor: Non-supervised learning sensitivity to feature extraction parametrization. Inf. Process. Manag. 51, 2, 201–214 (2015).
Metadaten
Titel
Functional State Assessment of an Athlete by Means of the Brain-Computer Interface Multimodal Metrics
verfasst von
Vasilii Borisov
Alexey Syskov
Vladimir Kublanov
Copyright-Jahr
2019
Verlag
Springer Singapore
Buch
World Congress on Medical Physics and Biomedical Engineering 2018

Print ISBN: 978-981-10-9022-6

Electronic ISBN: 978-981-10-9023-3

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-981-10-9023-3_13

Neuer Inhalt

    Bildnachweise