Towards unsupervised detection of the auditory attention

KU Leuven
2022
Arnout
Roebben
Genomineerde shortlist mtech+prijs
Wat zegt u, ik heb u niet goed verstaan? 1 op 10 Belgen lijdt aan gehoorverlies en spreekt deze zin dagelijks uit. Wat als we slimme hoorapparaten zouden kunnen ontwerpen, die hersengolven gebruiken om op het juiste moment in te schakelen? Dit wordt realiteit door te detecteren wanneer iemand actief aan het luisteren is. Telepathie zegt u? Nee, technologie!

Maar hoe werkt deze technologie dan precies?
Meer lezen

Decoding EEG responses during perception and imagination of music

KU Leuven
2020
Marthe
Tibo
In deze scriptie wordt onderzocht hoe muziek gereconstrueerd en herkend kan worden vanuit hersenactiviteit, geregistreerd via EEG signalen. Dit wordt aangetoond voor zowel beluisterde als ingebeelde muziek.
Meer lezen

Spatiotemporal beamforming for decoding motion-onset Visual Evoked Potentials: a BCI study

KU Leuven
2018
Arno
Libert
  • Benjamin
    Wittevrongel
Brein-computer interface gebaseerd op EEG en mVEP met een spatiotemporal beamformer classifier vergeleken tegenover SVM en SWLDA. Hybride BCI met P300 en mVEP en de invloed van translatierichting werd ook bestudeerd.
Meer lezen

Brein-computer interfaces met machinaal leren: dataselectie voor overdracht van informatie in ingebeelde beweging

Universiteit Gent
2016
Bjorn
Vuylsteker
Een brein-computer interface (BCI) is een input-output systeem dat ervoor zorgt dat de gebruiker
een bepaald computersysteem kan aansturen via zijn hersenen. Dit systeem is echter heel
persoonsgebonden, waardoor de gebruiker een lange kalibratietijd moet doorgaan van 20 tot 30
minuten. Daar dit veel concentratie en tijd van de gebruiker vergt, is dit niet gewenst. In deze thesis wordt een methode voorgesteld om deze langdurige kalibratietijd te verminderen met behoud van een hoge accuraatheid.
Meer lezen