There are a number of brain signal

There are a number of brain signal features that
can be used in BCls. For example, P300 as used in
studies such as [11][12] presents visual stimuli to the
participant using flashing imagery. The P300
potential is a positive deflection seen in ongoing EEG
signal with a latency of 250ms to 500ms post
stimulus. The P300 stimulus is often elicited using
the oddball paradigm which presents sequences of
repetitive visual stimuli to the BCI user and by
randomly presenting a divergent stimulus among the
repetitive stimulus to the user, a P300 potential can be
elicited. Although high accuracies (>90%) can be
achieved with its use and low requirement for user
training, the inherent nature of flashing imagery can
cause some visual fatigue for users of P300 VEPs.
Steady State Visual Evoked Potentials
(SSVEP) as used in [13][14] also makes use of
flashing imagery to evoke visual potentials which are
readable from the EEG. SSVEP works by presenting
images to the user which flash at different but fixed
frequencies. It is the frequency of the individual
flashing items which produces recognisable
properties in the ongoing EEG signal. SSVEP also
provides high system accuracies (>90%) and can be
used without training but SSVEP can also cause
visual fatigue to the user, so its use for video games
may not be fully justified in an already visually rich
environment.
m YEP uses moving imagery to elicit a response
from the dorsal pathway of the brain [15][16] which
provides a more visually pleasing and less fatiguing
method of producing stimuli than other VEPs such as
P300 and SSVEP. An mVEP response is composed
of three main peaks post stimulus namely the PI 00 -
a positive peak observed lOOms after stimulus, the
N200 negative going peak 200ms following stimulus
presentation and the P300 positive going peak
observed in the ongoing EEG signal around 240ms
post stimulus. The brief motion of visual stimuli
generates neural activations in the Medial Superior
Temporal (MST) area of the brain which forms part
of the cerebral cortex in the dorsal stream. The
detection of motion takes place primarily in the
Middle Temporal (MT) area of the brain.
In a previous study [17] we investigated how
m YEP classification accuracy was affected by
increasing visual complexity using a rudimentary 3D
based game presentation that did not utilise high
fidelity graphics. In this study however, we have used
commercially available video games that cover five
different generations of game consoles. The games
chosen represent the state of the art of each games
The 20th International Conference on Computer Games
respective hardware technologies and era of graphical
technology. Each of the games used were chosen
according to their graphical maturity and gradually
increased in graphic complexity. Also, the games
presented cover a range of genres such as arcade, 2D
platform, 3D platform, racing simulation and first
person shooter to ensure adequate coverage of
gameplay mechanics and dynamics [18][19].
Section 2 provides details on the methodology
for the study. Section 3 is the data analysis section.
Section 4 presents the results of the study. Section 5
provides a discussion and section 6 concludes the
paper.

ผลลัพธ์ (ไทย) 1:

There are a number of brain signal features thatcan be used in BCls. For example, P300 as used instudies such as [11][12] presents visual stimuli to theparticipant using flashing imagery. The P300potential is a positive deflection seen in ongoing EEGsignal with a latency of 250ms to 500ms poststimulus. The P300 stimulus is often elicited usingthe oddball paradigm which presents sequences ofrepetitive visual stimuli to the BCI user and byrandomly presenting a divergent stimulus among therepetitive stimulus to the user, a P300 potential can beelicited. Although high accuracies (>90%) can beachieved with its use and low requirement for usertraining, the inherent nature of flashing imagery cancause some visual fatigue for users of P300 VEPs.Steady State Visual Evoked Potentials(SSVEP) as used in [13][14] also makes use offlashing imagery to evoke visual potentials which arereadable from the EEG. SSVEP works by presentingimages to the user which flash at different but fixedfrequencies. It is the frequency of the individualflashing items which produces recognisableproperties in the ongoing EEG signal. SSVEP alsoprovides high system accuracies (>90%) and can beused without training but SSVEP can also causevisual fatigue to the user, so its use for video gamesmay not be fully justified in an already visually richenvironment.m YEP uses moving imagery to elicit a responsefrom the dorsal pathway of the brain [15][16] whichน่าเห็นและน้อยกว่าใช้วิธีการผลิตสิ่งเร้ากว่า VEPs อื่น ๆ เช่นP300 และ SSVEP ประกอบด้วยการตอบสนอง mVEPของยอดหลักสามลงกระตุ้นคือ PI 00-สูงสุดบวกสังเกต lOOms หลังจากกระตุ้นเศรษฐกิจ การลบไปต่อ 200ms สูง N200 กระตุ้นนำเสนอและจุดสูงสุดจะบวก P300สังเกตสัญญาณ eeg ตามเวลาจริงต่อเนื่องรอบ 240msลงกระตุ้น การเคลื่อนไหวโดยย่อของสิ่งเร้าที่มองสร้างการเปิดใช้งานระบบประสาทในห้องอยู่ตรงกลาง(MST) บริเวณของสมองซึ่งเป็นส่วนหนึ่งของสมองสมองในกระแสหลัง การตรวจจับการเคลื่อนไหวที่เกิดขึ้นเป็นหลักในการกลางขมับ (MT) ของสมองในการศึกษาก่อนหน้านี้ [17] เราตรวจสอบอย่างไรm YEP ประเภทแม่นยำได้รับผลจากเพิ่มภาพซับซ้อนใช้ rudimentary 3Dใช้งานนำเสนอเกมที่ไม่ได้ใช้ไม่สูงกราฟิกที่สมจริง ในการศึกษานี้ อย่างไรก็ตาม เราได้ใช้จำหน่ายวิดีโอเกมที่ห้ารุ่นต่าง ๆ ของเกมคอนโซล ในเกมเลือกเป็นตัวแทนรัฐของศิลปะของแต่ละเกมของการประชุมนานาชาติ 20 เกมคอมพิวเตอร์เทคโนโลยีฮาร์ดแวร์ที่เกี่ยวข้องและยุคของกราฟิกการใช้เทคโนโลยี แต่ละเกมใช้ได้เลือกตามอายุของกราฟิก และค่อย ๆเพิ่มกราฟิกซับซ้อนขึ้น ยัง เกมนำเสนอปกต่าง ๆ หลายประเภทเช่นอาเขต 2Dแพลตฟอร์ม แพลตฟอร์ม 3D จำลองการแข่งรถ และครั้งแรกยิงให้ครอบคลุมเพียงพอกลศาสตร์การเล่นเกมและไหว [18] [19]ส่วนที่ 2 แสดงรายละเอียดเกี่ยวกับวิธีการสำหรับการศึกษา ส่วนที่ 3 เป็นส่วนของการวิเคราะห์ข้อมูลหมวดที่ 4 แสดงผลลัพธ์ของการศึกษา ส่วนที่ 5มีคำอธิบายและส่วนที่ 6 สรุปการกระดาษ

ผลลัพธ์ (ไทย) 2:

มีจำนวนของคุณสมบัติสัญญาณสมองที่
สามารถนำมาใช้ใน BCls ยกตัวอย่างเช่น P300 ที่ใช้ใน
การศึกษาเช่น [11] [12] นำเสนอสิ่งเร้าภาพไปยัง
ผู้เข้าร่วมโดยใช้ภาพกระพริบ P300
มีศักยภาพเป็นโก่งบวกที่เห็นใน EEG อย่างต่อเนื่อง
ของสัญญาณมีความล่าช้าของ 250ms 500ms เพื่อโพสต์
กระตุ้นเศรษฐกิจ กระตุ้น P300 มักจะถูกนำออกมาใช้
กระบวนทัศน์ Oddball ที่นำเสนอลำดับของ
สิ่งเร้าภาพซ้ำ ๆ ให้กับผู้ใช้ BCI และโดยการ
สุ่มนำเสนอมาตรการกระตุ้นเศรษฐกิจที่แตกต่างกันในหมู่
กระตุ้นซ้ำ ๆ ให้กับผู้ใช้ที่มีศักยภาพ P300 สามารถ
นำออกมา แม้ว่าความถูกต้องสูง (> 90%) สามารถ
ประสบความสำเร็จกับการใช้งานและความต้องการต่ำสำหรับผู้ใช้
การฝึกอบรมลักษณะโดยธรรมชาติของภาพกระพริบสามารถ
ทำให้เกิดความเมื่อยล้าภาพบางส่วนสำหรับผู้ใช้ P300 Veps.
มั่นคงของรัฐภาพ Evoked ศักยภาพ
(SSVEP) ที่ใช้ใน [ 13] [14] นอกจากนี้ยังทำให้การใช้งานของ
กระพริบภาพจะทำให้เกิดศักยภาพภาพซึ่ง
สามารถอ่านได้จาก EEG SSVEP ทำงานโดยนำเสนอ
ภาพให้กับผู้ใช้ซึ่งแฟลชที่ความแตกต่างกัน แต่คง
ความถี่ มันเป็นความถี่ของแต่ละ
รายการที่กระพริบซึ่งเป็นผู้ผลิตที่รู้จัก
สรรพคุณในการส่งสัญญาณคลื่นสมองอย่างต่อเนื่อง SSVEP ยัง
ให้ความถูกต้องของระบบสูง (> 90%) และสามารถนำมา
ใช้โดยการฝึกอบรม แต่ SSVEP ยังสามารถทำให้เกิด
ความเมื่อยล้าภาพให้กับผู้ใช้เพื่อให้การใช้งานสำหรับวิดีโอเกม
อาจจะไม่เป็นธรรมอย่างเต็มที่ในการให้แล้วอุดมไปด้วยสายตา
สภาพแวดล้อม.
ม. YEP ใช้เคลื่อนย้าย ภาพที่จะล้วงเอาการตอบสนอง
จากทางเดินด้านหลังของสมอง [15] [16] ซึ่ง
มีสายตาอื่น ๆ ที่ชื่นชอบและเหนื่อยน้อยกว่า
วิธีการผลิตสิ่งเร้ากว่า Veps อื่น ๆ เช่น
P300 และ SSVEP การตอบสนอง mVEP ประกอบด้วย
สามยอดเขาหลักโพสต์กระตุ้นคือ PI 00 -
ยอดบวก looms สังเกตหลังจากที่มาตรการกระตุ้นเศรษฐกิจที่
เชิงลบ N200 จะ 200ms สูงสุดต่อไปกระตุ้น
การนำเสนอและ P300 สูงสุดจะบวก
สังเกตในสัญญาณคลื่นสมองอย่างต่อเนื่องทั่ว 240ms
โพสต์กระตุ้นเศรษฐกิจ การเคลื่อนไหวสั้น ๆ ของการกระตุ้นภาพ
สร้างการเปิดใช้งานของระบบประสาทในแพทย์สุพีเรีย
บริเวณขมับ (MST) ของสมองซึ่งเป็นส่วนหนึ่ง
ของเปลือกสมองในกระแสหลัง
การตรวจจับการเคลื่อนไหวที่เกิดขึ้นส่วนใหญ่ใน
พื้นที่ตรงกลางขมับ (MT) ของสมอง.
ในการศึกษาก่อนหน้านี้ [17] เราตรวจสอบว่า
มีความถูกต้อง M YEP จำแนกได้รับผลกระทบจากการ
เพิ่มความซับซ้อนของภาพโดยใช้ 3D พื้นฐาน
ตามเกมนำเสนอที่ไม่ได้ใช้ประโยชน์ สูง
กราฟิกความจงรักภักดี ในการศึกษานี้ แต่เราได้ใช้
วิดีโอเกมใช้ได้ในเชิงพาณิชย์ที่ครอบคลุมห้า
รุ่นที่แตกต่างของเกมคอนโซล เกม
ได้รับการแต่งตั้งเป็นตัวแทนของรัฐของศิลปะของแต่ละเกมที่
การประชุมระหว่างประเทศที่ 20 ในเกมคอมพิวเตอร์
เทคโนโลยีฮาร์ดแวร์ที่เกี่ยวข้องและกราฟิกยุคของ
เทคโนโลยี แต่ละเกมที่ใช้ได้รับการแต่งตั้ง
ตามที่ครบกำหนดกราฟิกของพวกเขาและค่อยๆ
เพิ่มขึ้นในความซับซ้อนกราฟิก นอกจากนี้ยังมีเกมที่
นำเสนอครอบคลุมประเภทเช่นอาเขตแบบ 2D
แพลตฟอร์ม 3D ที่แพลตฟอร์มการจำลองการแข่งรถและเป็นครั้งแรก
นักกีฬาคนเพื่อให้ครอบคลุมเพียงพอของ
กลศาสตร์การเล่นเกมและการเปลี่ยนแปลง [18] [19].
ส่วนที่ 2 ให้รายละเอียดเกี่ยวกับวิธีการ
สำหรับ การเรียน. ส่วนที่ 3 คือส่วนการวิเคราะห์ข้อมูล.
หมวดที่ 4 นำเสนอผลการศึกษา มาตรา 5
ให้ความคิดเห็นและมาตรา 6 สรุป
กระดาษ