EXPERIMENTÁLNÍ PROJEKT

dc.contributor.advisorKokolia Jan, MgA.cs
dc.contributor.authorChobotová, Juliecs
dc.contributor.refereeSládečko Jan, BcA.cs
dc.date.accepted2025-06-06
dc.date.accessioned2026-02-20T07:20:35Z
dc.date.available2024-05-31
dc.date.available2026-02-20T07:20:35Z
dc.date.issued2025-04-30
dc.date.submitted2025-04-30
dc.description.abstractDiplomová 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-translatedDiploma 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.departmentKatedra audiovizecs
dc.description.resultObhájenocs
dc.format59 s. (101 839 znaků)
dc.identifier98895
dc.identifier.urihttp://hdl.handle.net/11025/65490
dc.language.isocs
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezenícs
dc.rights.accessopenAccesscs
dc.subjectVRcs
dc.subjectBCIcs
dc.subjectADHDcs
dc.subjectADDcs
dc.subjectneurofeedbackcs
dc.subjectEEGcs
dc.subjectMuse2cs
dc.subjectOpenViBEcs
dc.subjectbrain-computer interfacecs
dc.subjectUnreal Enginecs
dc.subjectkognitivní tréninkcs
dc.subjectbinaurální beatycs
dc.subjectvirtuální realitacs
dc.subjectmozková plasticitacs
dc.subjectneuroinformatikacs
dc.subjectGraz paradigmacs
dc.subjectspektrogramcs
dc.subjectEEG signálová analýzacs
dc.subjectBCI terapiecs
dc.subjectneurorehabilitacecs
dc.subjectcévní mozková příhodacs
dc.subjecthemisférická aktivitacs
dc.subjectprefrontální kortexcs
dc.subjectfrekvenční analýza EEGcs
dc.subjectEEG kalibracecs
dc.subjectgenerativní analýzacs
dc.subjectdynamická optimalizacecs
dc.subjectbinaurální stimulacecs
dc.subjectmozková plasticita a regeneracecs
dc.subjectelektroda AF7cs
dc.subjectelektroda AF8cs
dc.subjectOpenViBE XML scénářecs
dc.subjectmatematická analýza EEG datcs
dc.subjectvizualizace mozkové aktivitycs
dc.subjectfluorescenční interakcecs
dc.subjectmentální ovládání objektůcs
dc.subject.translatedVRen
dc.subject.translatedBCIen
dc.subject.translatedADHDen
dc.subject.translatedADDen
dc.subject.translatedneurofeedbacken
dc.subject.translatedEEGen
dc.subject.translatedMuse2en
dc.subject.translatedOpenViBEen
dc.subject.translatedbrain-computer interfaceen
dc.subject.translatedUnreal Engineen
dc.subject.translatedcognitive trainingen
dc.subject.translatedbinaural beatsen
dc.subject.translatedvirtual realityen
dc.subject.translatedbrain plasticityen
dc.subject.translatedneuroinformaticsen
dc.subject.translatedGraz paradigmen
dc.subject.translatedspectrogramen
dc.subject.translatedEEG signal analysisen
dc.subject.translatedBCI therapyen
dc.subject.translatedneurorehabilitationen
dc.subject.translatedstrokeen
dc.subject.translatedhemispheric activityen
dc.subject.translatedprefrontal cortexen
dc.subject.translatedEEG frequency analysisen
dc.subject.translatedEEG calibrationen
dc.subject.translatedgenerative analysisen
dc.subject.translateddynamic optimizationen
dc.subject.translatedbinaural stimulationen
dc.subject.translatedbrain plasticity and regenerationen
dc.subject.translatedelectrode AF7en
dc.subject.translatedelectrode AF8en
dc.subject.translatedOpenViBE XML scenariosen
dc.subject.translatedmathematical analysis of EEG dataen
dc.subject.translatedvisualization of brain activityen
dc.subject.translatedfluorescence interactionen
dc.subject.translatedmental object controlen
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta designu a umění Ladislava Sutnaracs
dc.thesis.degree-levelNavazujícícs
dc.thesis.degree-nameMgA.cs
dc.thesis.degree-programAudiovizecs
dc.titleEXPERIMENTÁLNÍ PROJEKTcs
dc.title.alternativeEXPERIMENTAL PROJECTen
dc.typediplomová prácecs
local.files.count8*
local.files.size4332025656*
local.has.filesyes*
local.relation.IShttps://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=98895

Files

Original bundle
Showing 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

Collections