文献

J-GLOBAL ID：201702247215913683   整理番号：17A1465388

正準相関解析,ウェーブレットおよびランダムフォレストを用いた頭皮EEG記録からの筋アーチファクトの教師なし検出と除去【Powered by NICT】

Unsupervised detection and removal of muscle artifacts from scalp EEG recordings using canonical correlation analysis, wavelets and random forests

著者 (5件)： Anastasiadou Maria N. (McGill University, Department of Bioengineering, 817 Sherbrooke St. W., Macdonald Engineering Building, Room 270, Montreal, QC H3A 0C3, Canada) ,  Christodoulakis Manolis (McGill University, Department of Bioengineering, 817 Sherbrooke St. W., Macdonald Engineering Building, Room 270, Montreal, QC H3A 0C3, Canada) ,  Papathanasiou Eleftherios S. (McGill University, Department of Bioengineering, 817 Sherbrooke St. W., Macdonald Engineering Building, Room 270, Montreal, QC H3A 0C3, Canada) ,  Papacostas Savvas S. (McGill University, Department of Bioengineering, 817 Sherbrooke St. W., Macdonald Engineering Building, Room 270, Montreal, QC H3A 0C3, Canada) ,  Mitsis Georgios D. (McGill University, Department of Bioengineering, 817 Sherbrooke St. W., Macdonald Engineering Building, Room 270, Montreal, QC H3A 0C3, Canada)
資料名： Clinical Neurophysiology  (Clinical Neurophysiology)
巻： 128  号： 9  ページ： 1755-1769  発行年： 2017年 
JST資料番号： A1155A  ISSN： 1388-2457  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 長期EEG記録からの自動筋アーチファクト検出と除去のための教師つきおよび教師なしアルゴリズム,正準相関分析(CCA)とランダムフォレスト(RF)とウェーブレットを結合することを提案した。提案したアルゴリズムは,第一成分自己相関値とウェーブレット係数の大きさ値を含む多くの特徴を生成するために正準成分のCCAと連続ウェーブレット変換を行った。最も重要な特徴の部分集合は,RFと標識観測(教師つきの場合)または元の観測(教師なしの場合)から構築された合成データを用いて選択した。提案したアルゴリズムは,現実的なシミュレーションデータとてんかんの十名の患者から得られた非侵襲EEG記録の30分エポックを用いて評価した。ノイズ画像およびノイズ無し信号窓の分類性能と適合度値を用いて提案したアルゴリズムの性能を評価した。シミュレーション研究では,グランドトルースは知られているが,提案したアルゴリズムは,ほぼ完全な性能が得られた。実験データの場合,専門家のマーキングを行ったが,結果は教師つきおよび教師なしアルゴリズムバージョンの両方が雑音のないチャネルにさほど影響を与え,標準CCA,独立成分分析(ICA)と遅延自動相互情報クラスタリング(LAMIC)をないアーチファクトを除去できることを示唆した。提案したアルゴリズムをシミュレーションと実験データの両方に対して優れた性能を達成した。重要なことは,著者らの知る限り初めて,著者らは完全に教師なしアーチファクトの除去,すなわちを既にマーク雑音を含むデータセグメントを用いずに,教師つきケースに匹敵する性能を達成することができた。全体として,結果は,提案したアルゴリズムがエキスパートneurophysiologists,EMG信号記録とユーザ目視検査によるマーキングを必要とせずに研究または臨床設定におけるEEG信号品質を改善するための重要な将来の可能性をもたらすことを示唆した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 品質 ,  アルゴリズム ,  クラスタ化 ,  画像 ,  *脳波 ,  マーキング ,  自己相関 ,  チャネル ,  *波束 ,  肉眼検査 ,  シミュレーション ,  *アーチファクト ,  独立成分分析 ,  雑音
準シソーラス用語： *ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (4件)： ブラインド信号源分離 ,  正準相関解析 ,  EMGアーチファクト ,  連続ウェーブレット変換

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 正準相関解析 ,  ウェーブレット ,  ランダムフォレスト ,  頭皮 ,  EEG記録 ,  筋 ,  アーチファクト ,  教師