文献

J-GLOBAL ID：201702252087164104   整理番号：17A1034403

認知課題における高密度脳波を定量化するための新しい方法論【Powered by NICT】

A novel methodology to quantify dense EEG in cognitive tasks

著者 (3件)： Silva Catia S. (Computational NeuroEngineering Laboratory, Department of Electrical and Computer Engineering, University of Florida, Gainesville, 32611, USA) ,  Principe Jose C. (Computational NeuroEngineering Laboratory, Department of Electrical and Computer Engineering, University of Florida, Gainesville, 32611, USA) ,  Keil Andreas (Center for the Study of Emotion and Attention, Department of Psychology, University of Florida, Gainesville, 32611, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 2442-2446  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 認知は広範な脳領域間の複雑な相互作用から出現する。本論文では,EEGの時間ネットワーク定量のための新しい方法論を用いた。局所確率密度関数として単一電極に関して異なる電極間依存性の時空構造をモデル化した。これは簡単な二次元グラフにおける脳連結性を定量化するための情報理論的量(情報量)の使用を可能にする。視覚モータ駆動タスクのための,高い注意係数によるタスクを行い,教師なし方法でクラスタ被験者にできることを示した。機能的連結性の二測度を用いたこの方法論を試験し:相関係数と会合の測定。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： 情報理論 ,  クラスタ ,  モデリング ,  情報量 ,  二次元 ,  *脳波 ,  視覚 ,  ネットワーク ,  測度 ,  連結性 ,  電動機駆動 ,  確率密度関数 ,  相関係数
準シソーラス用語： 脳領域 ,  *認知課題 , 【Automatic Indexing@JST】

分類 (2件)： 脳・神経系モデル  (EL02050C) ,  生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 認知課題 ,  脳波 ,  定量化 ,  方法論