文献

J-GLOBAL ID：201702257845290199   整理番号：17A1351172

運動イメージ脳コンピュータインタフェイスにおける独立成分分析【Powered by NICT】

Independent component analysis in a motor imagery brain computer interface

著者 (2件)： Rejer Izabela (West Pomeranian University of Technology Szczecin, Faculty of Computer Science and Information Technology, 71-210 Szczecin, Poland) ,  Gorski Pawel (West Pomeranian University of Technology Szczecin, Faculty of Computer Science and Information Technology, 71-210 Szczecin, Poland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EUROCON  ページ： 126-131  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： 洗浄EEGデータのための独立成分分析(ICA)を適用した後には,分類精度の大きな増加を報告した科学論文が多い。が,それらの大部分は,多次元データ,電極の高密度マトリックスからの記録に焦点を当てている。は十分なEEGチャネルである場合,ICAの利点は簡単である ICAアルゴリズムにより回復した成分のいくつかは真の脳活動を妨げるアーチファクトを反映し,信号品質を改善するために,それらを検出し,除去するために十分であった。問題は,データが少数チャネルEEGからのみ記録したときにすることである。運動イメージ脳コンピュータインタフェイスのための記録された4チャネルEEGデータのためのICAを適用するための著者らの戦略を試験するために行った実験の結果を提示した。五人の被験者は,運動イメージパラダイムにおける訓練されていないが実験に参加した。我々の結果によれば平均分類精度は67%から76%(10秒時間窓)し,66%から77%にICAを適用した後に増加した(減少する7秒時間窓)。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： *独立成分分析 ,  チャネル ,  アルゴリズム ,  アーチファクト
準シソーラス用語： 時間窓 ,  被験者 ,  信号品質 ,  脳活動 ,  高密度 ,  多次元データ ,  分類精度 ,  *ブレインコンピュータインタフェイス ,  *運動イメージ , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (3件)： 運動イメージ ,  脳コンピュータインタフェイス ,  独立成分分析