EXPERIMENTÁLNÍ PROJEKT
| dc.contributor.advisor | Kokolia Jan, MgA. | cs |
| dc.contributor.author | Chobotová, Julie | cs |
| dc.contributor.referee | Sládečko Jan, BcA. | cs |
| dc.date.accepted | 2025-06-06 | |
| dc.date.accessioned | 2026-02-20T07:20:35Z | |
| dc.date.available | 2024-05-31 | |
| dc.date.available | 2026-02-20T07:20:35Z | |
| dc.date.issued | 2025-04-30 | |
| dc.date.submitted | 2025-04-30 | |
| dc.description.abstract | Diplomová práce VR Crystal Cave se zaměřuje na vývoj BCI (Brain-Computer Interface) aplikace primárně určené pro pacienty s poruchami pozornosti (ADHD a ADD). Projekt využívá senzor Muse2, pro který jsou nastavena veškerá specifika systému. Výsledné prostředí je vytvořeno v Unreal Engine jako imerzní jeskyně s krystaly křemene, jejichž fluorescenci lze ovládat pomocí mozkových vln. V práci se soustředím zejména na frekvenční pásmo low beta, které je spojeno se stavem soustředění, a rovněž monitoruji alfa a theta frekvence.<br>Cílem testované osoby (probanda) je v jednom ze scénářů rozzářit vybrané krystalové zóny prostřednictvím cíleného soustředění. V druhém experimentálním scénáři, zaměřeném na vizualizaci mozkové aktivity, je možné ovládat fluorescenci krystalů kombinací tří frekvenčních pásem nebo každé zvlášť. Oba scénáře slouží nejen k tréninku soustředění, ale i k nácviku relaxace, čímž přispívají ke zlepšení mozkové plasticity. Současně s fluoreskováním proband ovládá specifické binaurální beaty, podporující požadované kognitivní stavy.<br>V rámci práce byly vytvořeny a upraveny různé scénáře v prostředí OpenViBE. Vyvinula jsem kalibrační scénář s využitím vizualizace Graz motor imagery paradigmatu, který slouží k nastavení individuální power baseline hodnoty a ověření schopnosti ovládat BCI systém. Součástí kalibrace je také určení preferované elektrody (AF7 nebo AF8) na základě aktivity v jednotlivých hemisférách, což umožňuje cílené zapojení levé či pravé prefrontální oblasti dle individuálního neurofyziologického profilu probanda. Dále byly vytvořeny dva ovládací scénáře pro řízení obou VR projektů v reálném čase a dva scénáře pro zpětné offline přehrávání naměřených EEG dat a interakcí s virtuálním prostředím. V OpenViBE převádím surový EEG signál na binární hodnoty podle mnou stanovených tříúrovňových kritérií (minimální, střední a maximální aktivita), která aplikuji na všechna relevantní frekvenční pásma. Tento přístup umožňuje jemně odstupňované a robustní ovládání obou krystalových jeskyní dle aktuální mentální aktivity probanda.<br>Součástí práce jsou také skripty v jazyce Python, které pracují s daty ve formátu CSV získanými prostřednictvím OpenViBE. Skripty umožňují výpočet průměrných hodnot power baseline pro jednotlivá frekvenční pásma a jejich automatizované dosazení do matematických operací v XML scénářích. Dále jsem vytvořila nástroje pro generování grafů z naměřených dat a implementovala generativní analýzu s dynamickými doporučeními pro optimalizaci tréninku. Pro ověření kvality EEG signálu nabízím rovněž skript pro tvorbu spektrogramu, který umožňuje vizuální kontrolu frekvenční stability a integrity dat.<br>Projekt inovativním způsobem propojuje technologie virtuální reality a BCI a nabízí využití jak v oblasti kognitivního tréninku, tak v rámci terapeutických programů zaměřených na neurofeedback a podporu mozkové plasticity. Díky cílenému sledování a tréninku aktivity jednotlivých hemisfér mozku může být aplikace využitelná i pro pacienty po cévní mozkové příhodě. U těchto osob lze trénink individuálně přizpůsobit - buď posilovat kompenzační mechanismy zdravé hemisféry, nebo aktivně podporovat obnovu funkcí v poškozené oblasti. Tento přístup rozšiřuje možnosti rehabilitace o neinvazivní nástroj pro obnovu kognitivních i motorických funkcí. | cs |
| dc.description.abstract-translated | Diploma thesis VR Crystal Cave focuses on the development of a BCI (Brain-Computer Interface) application primarily designed for patients with attention deficit disorders (ADHD and ADD). The project uses the Muse2 sensor, for which all the specifics of the system are set. The resulting environment is created in Unreal Engine as an immersion cave with quartz crystals whose fluorescence can be controlled by brain waves. In this work, I mainly focus on the low beta frequency band, which is associated with the state of concentration, and also monitor alpha and theta frequencies.<br>The goal of the test subject (proband) in one of the scenarios is to make selected crystal zones fluoresce through focused concentration. In the second experimental scenario, aimed at visualizing brain activity, the fluorescence of the crystals can be controlled by combining the three frequency bands or each separately. Both scenarios serve not only to train concentration but also to train relaxation, thus contributing to improve brain plasticity. Simultaneously with fluorescence, the proband controls specific binaural beats, promoting the desired cognitive states.<br>Various scenarios were created and modified in the OpenViBE environment. I developed a calibration scenario using the Graz motor imagery paradigm to set individual power baseline values and verify the ability to control the BCI system. The calibration also includes the determination of the preferred electrode (AF7 or AF8) based on activity in each hemisphere, allowing for targeted engagement of the left or right prefrontal region according to the individual neurophysiological profile of the proband. Furthermore, two control scenarios were created to control both VR projects in real time and two scenarios for offline playback of measured EEG data and interactions with the virtual environment. In OpenViBE I convert the raw EEG signal into binary values according to three criteria (minimum, mean and maximum activity) defined by me and applied to all relevant frequency bands. This approach allows a finely graded and robust control of the two crystal caves according to the proband's current mental activity.<br>The work also includes Python scripts that work with CSV format data obtained through OpenViBE. The scripts allow calculation of average power baseline values for individual frequency bands and their automated incorporation into mathematical operations in XML scenarios. Furthermore, I created tools to generate graphs from the measured data and implemented generative analysis with dynamic recommendations for training optimization. To verify the quality of the EEG signal, I also provide a spectrogram generation script that allows visual inspection of frequency stability and data integrity.<br>The project combines virtual reality and BCI technologies in an innovative way and offers applications in cognitive training as well as in therapeutic programs aimed at neurofeedback and promoting brain plasticity. Thanks to the targeted monitoring and training of the activity of each hemisphere of the brain, the application can also be used for patients after a stroke. For these people, training can be individually tailored - either to strengthen the compensatory mechanisms of the healthy hemisphere or to actively promote the recovery of functions in the damaged area. This approach expands the possibilities of rehabilitation by providing a non-invasive tool for restoring cognitive and motor function. | en |
| dc.description.department | Katedra audiovize | cs |
| dc.description.result | Obhájeno | cs |
| dc.format | 59 s. (101 839 znaků) | |
| dc.identifier | 98895 | |
| dc.identifier.uri | http://hdl.handle.net/11025/65490 | |
| dc.language.iso | cs | |
| dc.publisher | Západočeská univerzita v Plzni | cs |
| dc.rights | Plný text práce je přístupný bez omezení | cs |
| dc.rights.access | openAccess | cs |
| dc.subject | VR | cs |
| dc.subject | BCI | cs |
| dc.subject | ADHD | cs |
| dc.subject | ADD | cs |
| dc.subject | neurofeedback | cs |
| dc.subject | EEG | cs |
| dc.subject | Muse2 | cs |
| dc.subject | OpenViBE | cs |
| dc.subject | brain-computer interface | cs |
| dc.subject | Unreal Engine | cs |
| dc.subject | kognitivní trénink | cs |
| dc.subject | binaurální beaty | cs |
| dc.subject | virtuální realita | cs |
| dc.subject | mozková plasticita | cs |
| dc.subject | neuroinformatika | cs |
| dc.subject | Graz paradigma | cs |
| dc.subject | spektrogram | cs |
| dc.subject | EEG signálová analýza | cs |
| dc.subject | BCI terapie | cs |
| dc.subject | neurorehabilitace | cs |
| dc.subject | cévní mozková příhoda | cs |
| dc.subject | hemisférická aktivita | cs |
| dc.subject | prefrontální kortex | cs |
| dc.subject | frekvenční analýza EEG | cs |
| dc.subject | EEG kalibrace | cs |
| dc.subject | generativní analýza | cs |
| dc.subject | dynamická optimalizace | cs |
| dc.subject | binaurální stimulace | cs |
| dc.subject | mozková plasticita a regenerace | cs |
| dc.subject | elektroda AF7 | cs |
| dc.subject | elektroda AF8 | cs |
| dc.subject | OpenViBE XML scénáře | cs |
| dc.subject | matematická analýza EEG dat | cs |
| dc.subject | vizualizace mozkové aktivity | cs |
| dc.subject | fluorescenční interakce | cs |
| dc.subject | mentální ovládání objektů | cs |
| dc.subject.translated | VR | en |
| dc.subject.translated | BCI | en |
| dc.subject.translated | ADHD | en |
| dc.subject.translated | ADD | en |
| dc.subject.translated | neurofeedback | en |
| dc.subject.translated | EEG | en |
| dc.subject.translated | Muse2 | en |
| dc.subject.translated | OpenViBE | en |
| dc.subject.translated | brain-computer interface | en |
| dc.subject.translated | Unreal Engine | en |
| dc.subject.translated | cognitive training | en |
| dc.subject.translated | binaural beats | en |
| dc.subject.translated | virtual reality | en |
| dc.subject.translated | brain plasticity | en |
| dc.subject.translated | neuroinformatics | en |
| dc.subject.translated | Graz paradigm | en |
| dc.subject.translated | spectrogram | en |
| dc.subject.translated | EEG signal analysis | en |
| dc.subject.translated | BCI therapy | en |
| dc.subject.translated | neurorehabilitation | en |
| dc.subject.translated | stroke | en |
| dc.subject.translated | hemispheric activity | en |
| dc.subject.translated | prefrontal cortex | en |
| dc.subject.translated | EEG frequency analysis | en |
| dc.subject.translated | EEG calibration | en |
| dc.subject.translated | generative analysis | en |
| dc.subject.translated | dynamic optimization | en |
| dc.subject.translated | binaural stimulation | en |
| dc.subject.translated | brain plasticity and regeneration | en |
| dc.subject.translated | electrode AF7 | en |
| dc.subject.translated | electrode AF8 | en |
| dc.subject.translated | OpenViBE XML scenarios | en |
| dc.subject.translated | mathematical analysis of EEG data | en |
| dc.subject.translated | visualization of brain activity | en |
| dc.subject.translated | fluorescence interaction | en |
| dc.subject.translated | mental object control | en |
| dc.thesis.degree-grantor | Západočeská univerzita v Plzni. Fakulta designu a umění Ladislava Sutnara | cs |
| dc.thesis.degree-level | Navazující | cs |
| dc.thesis.degree-name | MgA. | cs |
| dc.thesis.degree-program | Audiovize | cs |
| dc.title | EXPERIMENTÁLNÍ PROJEKT | cs |
| dc.title.alternative | EXPERIMENTAL PROJECT | en |
| dc.type | diplomová práce | cs |
| local.files.count | 8 | * |
| local.files.size | 4332025656 | * |
| local.has.files | yes | * |
| local.relation.IS | https://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=98895 |
Files
Original bundle
1 - 5 out of 8 results
No Thumbnail Available
- Name:
- Chobotova_Julie_DP.zip
- Size:
- 1.4 GB
- Format:
- ZIP
- Description:
- VŠKP - příloha
No Thumbnail Available
- Name:
- BCI_experiment_Windows.zip
- Size:
- 1.36 GB
- Format:
- ZIP
- Description:
- VŠKP - příloha
No Thumbnail Available
- Name:
- BCI_Windows.zip
- Size:
- 1.26 GB
- Format:
- ZIP
- Description:
- VŠKP - příloha
No Thumbnail Available
- Name:
- BCI_project.zip
- Size:
- 48.39 KB
- Format:
- ZIP
- Description:
- VŠKP - příloha
No Thumbnail Available
- Name:
- DP_Chobotova_D23N0016P.pdf
- Size:
- 8.85 MB
- Format:
- Adobe Portable Document Format
- Description:
- VŠKP