文献

J-GLOBAL ID：201702227212203299   整理番号：17A0964817

EEGベースシステムにおけるエントロピー率束縛最小化解析による独立成分を用いた運転者疲労分類【Powered by NICT】

Driver Fatigue Classification With Independent Component by Entropy Rate Bound Minimization Analysis in an EEG-Based System

著者 (7件)： Chai Rifai (Centre for Health Technologies, Faculty of Engineering and Information Technology, University of Technology, Sydney, N.S.W., Australia) ,  Naik Ganesh R. (Centre for Health Technologies, Faculty of Engineering and Information Technology, University of Technology, Sydney, N.S.W., Australia) ,  Nguyen Tuan Nghia (Centre for Health Technologies, Faculty of Engineering and Information Technology, University of Technology, Sydney, N.S.W., Australia) ,  Ling Sai Ho (Centre for Health Technologies, Faculty of Engineering and Information Technology, University of Technology, Sydney, N.S.W., Australia) ,  Tran Yvonne (Centre for Health Technologies, University of Technology, Sydney, N.S.W., Australia) ,  Craig Ashley (Kolling Institute of Medical Research, Sydney Medical School, University of Sydney, Sydney, N.S.W., Australia) ,  Nguyen Hung T. (Centre for Health Technologies, Faculty of Engineering and Information Technology, University of Technology, Sydney, N.S.W., Australia)
資料名： IEEE Journal of Biomedical and Health Informatics  (IEEE Journal of Biomedical and Health Informatics)
巻： 21  号： 3  ページ： 715-724  発行年： 2017年 
JST資料番号： W1135A  ISSN： 2168-2194  CODEN： IJBHA9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,43人の健康な参加者から運転者の疲労(疲労状態と覚醒状態)の分類のための二クラスelectroencephal音波ベース分類を提示した。システムは信号源分離のためのエントロピー速度結合最小化分析(ERBM ICA),特徴抽出のための自己回帰(AR)モデリング,分類アルゴリズムのためのBayesニューラルネットワークによる独立成分を用いた。分類結果は,89.7%の感度と86.8%の特異性と88.2%の精度を示した。ERBM ICA(発生源分離),AR(特徴抽出器),Bayesニューラルネットワーク(分類器)の組み合わせは,特徴抽出器(AUC ROC=0.81)とパワースペクトル密度のような他の方法に対する受信者動作特性曲線(AUC ROC=0.93)下面積の最大値とp値<0.05を有し,最良の結果を提供した。本研究の結果は,この方法が運転者疲労同定と他の有害事象への応用のための対策装置のために効果的に利用できることを示唆した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ニューラルネットワーク ,  音波 ,  パワースペクトル密度 ,  モデリング ,  *エントロピー ,  特徴抽出
準シソーラス用語： p値 ,  ROC曲線 ,  発生源 ,  特異性 ,  分類アルゴリズム ,  自己回帰 ,  信号源分離 ,  覚醒状態 ,  *エントロピー率 , 【Automatic Indexing@JST】

分類 (2件)： 医用画像処理  (JE04020T) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (7件)： EEG ,  エントロピー率 ,  束縛 ,  最小化 ,  解析 ,  疲労 ,  分類