Passer au contenu principal

Recherche

Afficher tous les résultats pour

Accueil

Personne

Andreas Sonderegger

Cette personne n’est plus à l’EPFL

À propos
Confidentialité
Mentions légales

Copyright © 2025 EPFL, tous droits réservés

Graph Chatbot

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (15)

Veuillez noter qu'il ne s'agit pas d'une liste complète des publications de cette personne. Elle inclut uniquement les travaux sémantiquement pertinents. Pour une liste complète, veuillez consulter Infoscience.

Designing Feedback Stimuli in Neurofeedback: Preliminary Requirements from Experts and Users

Delphine Ribes Lemay, Nicolas Henchoz, Emily Clare Groves, Nicolas Gninenko, Andreas Sonderegger, Patrick Karl Alois Neff

This study presents the first phase of a transdisciplinary research project aimed at improving the design of visual feedback stimuli in neurofeedback (NFB) applications. While current NFB research has focused extensively on signal processing and feature ex ...

IEEE2025

A user-centered design approach for crafting personalized guided meditation

Cédric Duchene, Nicolas Henchoz, Emily Clare Groves, Romain Simon Collaud, Andreas Sonderegger, Yoann Pierre Douillet

Interest in technology supporting meditation continues to grow commercially and academically. Commonly, these approaches look at how audio-visual feedback based on physiological indicators can help induce a state of meditation. Haptic feedback is now seen ...

Elsevier BV2025

Advances on Real Time M/EEG Neural Feature Extraction

Dimitri Nestor Alice Van De Ville, Delphine Ribes Lemay, Nicolas Henchoz, Emily Clare Groves, Andreas Sonderegger, Patrick Karl Alois Neff

This paper introduces MNE-RT, a Python package designed for real-time neural feature extraction from magne-toencephalography (MEG) and electroencephalography (EEG) signals in Brain-Computer Interface (BCI) systems. The package incorporates efficient algori ...

IEEE2025