แจ้งเอกสารไม่ครบถ้วน, ไม่ตรงกับชื่อเรื่อง หรือมีข้อผิดพลาดเกี่ยวกับเอกสาร ติดต่อที่นี่ ==>
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
Yuttana Kitjaidure. Prediction of arm motion using electrocorticographic signals in monkeys. (). King Mongkut's University of Technology North Bangkok. Central Library. : , 2019.
Prediction of arm motion using electrocorticographic signals in monkeys
Name: Pakakul Wilaiprasitporn
Organization :
King Mongkut's Institute of Technology Ladkrabang. Faculty of Engineering
Email :
miwilipkk@gmail.com
Name: Yuttana Kitjaidure
Organization :
King Mongkut's Institute of Technology Ladkrabang. Faculty of Engineering
ThaSH:
Electroencephalography
ThaSH:
Brain-computer interfaces
Abstract:
Brain-machine interfaces (BMIs) is a direct communication
pathway between brain and an external device. BCIs are often directed
at researching, mapping, assisting, or repairing human cognitive or
sensory-motor functions. Electrocorticographic (ECoG) signals have
been contain reliable information about the direction of arm
movements. These findings indicate that the ECoG is a potential basis
for a brain-machine interface (BMI) for application in paralyzed
patients. Determining a person's intent, e.g., where and when to move,
from brain signals rather than from muscles would have important
applications in clinical or other domains. Detecting the onset and
direction of actual movements are a first step in this direction. This
paper also demonstrates in a simulation that the information encoded in
ECoG from monkeys about these movements may improve
performance in a targeting task. In summary, the results in this paper
suggest that detection of intended movement is possible, and may serve
useful functions.
King Mongkut's University of Technology North Bangkok. Central Library
Address:
BANGKOK
Email:
library@kmutnb.ac.th
Created:
2019
Modified:
2023-10-27
Issued:
2023-10-27
บทความ/Article
application/pdf
BibliograpyCitation :
ใน สมาคมวิชาการไฟฟ้า อิเล็กทรอนิกส์ คอมพิวเตอร์ โทรคมนาคม และสารสนเทศ และคณะเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฏอุบลราชธานี. การประชุมวิชาการ งานวิจัยและพัฒนาเชิงประยุกต์ ครั้งที่ 11 (ECTI-CARD 2019) (pp.518-522). อุบลราชธานี : มหาวิทยาลัยราชภัฏอุบลราชธานี
eng
©copyrights King Mongkut's University of Technology North Bangkok
RightsAccess:
ใช้เวลา
0.030385 วินาที
Pakakul Wilaiprasitporn
| Title | Contributor | Type |
|---|---|---|
| Prediction of arm motion using electrocorticographic signals in monkeys
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Pakakul Wilaiprasitporn;Yuttana Kitjaidure | บทความ/Article |
Yuttana Kitjaidure
| Title | Contributor | Type |
|---|---|---|
| Classification of obsessive-compulsive disorder by two-dimension convolutional neural network
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Rachapon Kittisakphaibun;Yuttana Kitjaidure | บทความ/Article | |
| Schizophrenia classification from EEG signal using a multi-input deep convolution neural network model
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Wichaya Booranaburuttham;Yuttana Kitjaidure | บทความ/Article | |
| Prediction of arm motion using electrocorticographic signals in monkeys
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Pakakul Wilaiprasitporn;Yuttana Kitjaidure | บทความ/Article | |
| Major depression disorder detection on EEG-Based with the convolution neural networks
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Rathanon Suwanteerangkul;Yuttana Kitjaidure | บทความ/Article |