文献

J-GLOBAL ID：201202223866979126   整理番号：12A0603993

平行隠れMarkovモデルを使用した多チャンネルEEGパターンの分類

Classification of multichannel EEG patterns using parallel hidden Markov models

著者 (2件)： LEDERMAN Dror (Ben-Gurion Univ. of the Negev, Dep. of Electrical and Computer Engineering, 84105, Beer-Sheva, ISR) ,  TABRIKIAN Joseph (Ben-Gurion Univ. of the Negev, Dep. of Electrical and Computer Engineering, 84105, Beer-Sheva, ISR)
資料名： Medical & Biological Engineering & Computing  (Medical & Biological Engineering & Computing)
巻： 50  号： 4  ページ： 319-328  発行年： 2012年04月 
JST資料番号： C0046B  ISSN： 0140-0118  CODEN： MBECDY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本文では,平行隠れMarkovモデル(PHMM)ベースアプローチを,多チャンネル心電図(EEG)パターンの分類問題に対して提案した。本アプローチは,各モデルが特定のチャンネルを表現しているHHMsの平行組合せを使用したEEG信号の多チャンネル表現に基づいた。提案アルゴリズムの性能を,人工EEGデータベースと二つの実EEGデータベースを用いて調べた:計算機画面カーソルの手動上下運動のイメージ作業中に誘発されるEEGの二つのクラスのデータベース(db Ia)とフィードバック規制左右運動イメージ作業に誘発されるEEGの二つのクラスのデータベース(db III)。その結果は,提案アルゴリズムが,他の共通に使用される方法と比較して,db Iaとdb IIIに対して分類率改善をそれぞれ2%と10%達成することを示した。更に,提案法は,両分類子が同じ特徴集合を利用する場合に,線形カーネルを用いるサポートベクトルマシンよりも優れていた。また,その結果は,飛び越しの無い5状態および3ガウス状態での左・右法が,EEG成分の時系列の良好なモデリングが可能な為に,他の試験法より優れていた。Copyright 2012 International Federation for Medical and Biological Engineering Translated from English into Japanese by JST.

シソーラス用語： *Markov過程 ,  *確率モデル ,  *脳波 ,  *パターン分類 ,  アルゴリズム ,  in vivo実験 ,  データベース ,  マンマシンインタフェイス ,  誘発電位 ,  生体工学 ,  生体計測
準シソーラス用語： BCI【インタフェイス】 ,  分類子

分類 (3件)： 中枢神経系  (EJ12030F) ,  パターン認識  (JE07000S) ,  生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 隠れMarkovモデル ,  多チャンネル ,  EEG ,  分類