文献

J-GLOBAL ID：201702269808479767   整理番号：17A0999011

運動イメージB CIシステムのためのEEG信号の分類における信号分解法の比較【Powered by NICT】

Comparison of signal decomposition methods in classification of EEG signals for motor-imagery BCI system

著者 (2件)： Kevric Jasmin (International Burch University, Faculty of Engineering and Information Technologies, Francuske Revolucije bb. Ilidza, Sarajevo, 71000, Bosnia and Herzegovina) ,  Subasi Abdulhamit (Effat University, College of Engineering, Department of Computer Science, Jeddah, 21478, Saudi Arabia)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 31  ページ： 398-406  発行年： 2017年 
JST資料番号： W3347A  ISSN： 1746-8094  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： 本研究では,三種類の一般的な信号処理技術(経験的モード分解,離散ウェーブレット変換とウェーブレットパケット分解)は,分類タスクのための脳コンピュータインタフェイス(BCI)システムの脳波(EEG)信号の分解を調べた。多チャネルクラス運動イメージデータセット,公的に利用可能なBCI competition IIIのデータセットIVaをこの目的に用いた。マルチスケール主成分分析法は,雑音除去を目的に適用した。添加では,特徴の異なる集合特徴の特定のグループの影響を調べるために形成された。信号分解法のためのパラメータ選択過程を十分に説明した。著者らの結果は,ウェーブレットパケット分解サブバンドから抽出したマルチスケール主成分分析ノイズ除去と高次統計量特徴の組合せは92.8%の最高平均分類精度をもたらすことを示した。著者らの研究は,BCI信号の分類における高次統計量と組み合わせた信号分解法の包括的な比較を提供することを非常に少数の一つである。添加では,脳コンピュータインタフェイスシステムにおけるEEG信号の分類タスクを向上させる高い周波数範囲の重要性を強調した。得られた結果は,提案したモデルは,運動イメージEEG信号の信頼性の高い分類を得る可能性を有し,従って,車椅子を制御するための実用システムとして使用できることを示した。個体は正確な運動を実行する1回適切なフィードバックが供給されるが,現在のリハビリテーション治療をさらに向上させることができる。このようにして,運動リハビリテーション転帰は経時的に改善する可能性がある。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： 主成分分析 ,  信号処理 ,  リハビリテーション ,  周波数 ,  *脳波 ,  雑音除去 ,  高次統計量
準シソーラス用語： 分類精度 ,  マルチスケール ,  ブレインコンピュータインタフェイス ,  ウェーブレットパケット分解 ,  離散ウェーブレット変換 ,  *信号分解 ,  *脳波信号 ,  *運動イメージ , 【Automatic Indexing@JST】

著者キーワード (7件)： 経験的モード分解(EMD) ,  離散ウェーブレット変換(DWT) ,  ウェーブレットパケット分解(WPD) ,  運動イメージ(MI) ,  脳計算機インタフェイス(BCI) ,  高次統計(HOS) ,  BCI競争IIIデータセットIVa

分類 (2件)： 生体計測  (EL03020C) ,  人間機械系  (IB03000G)

タイトルに関連する用語 (4件)： 運動イメージ ,  EEG信号 ,  分類 ,  分解法