文献

J-GLOBAL ID：201702271754278207   整理番号：17A1344995

事象関連EEG/MEGのブラインド信号源分離【Powered by NICT】

Blind Source Separation of Event-Related EEG/MEG

著者 (3件)： Metsomaa Johanna (Department of Neuroscience and Biomedical Engineering, Aalto University School of Science, Espoo, Finland) ,  Sarvas Jukka (Department of Neuroscience and Biomedical EngineeringAalto University School of Science) ,  Ilmoniemi Risto Juhani (Department of Neuroscience and Biomedical EngineeringAalto University School of Science)
資料名： IEEE Transactions on Biomedical Engineering  (IEEE Transactions on Biomedical Engineering)
巻： 64  号： 9  ページ： 2054-2064  発行年： 2017年 
JST資料番号： C0236A  ISSN： 0018-9294  CODEN： IEBEAX  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： 【目的】ブラインド信号源分離(BSS)は,物理モデルを用いずに複雑な脳波(EEG)または脳磁図データを分解統計的仮定に基づくより簡単な成分に変換するのに使用できる。応用は脳-計算機インタフェイス,アーチファクトの除去,および同定並列ニューラルプロセスを含んでいる。事象関連応答にBSSを適用することの問題に対処するので,非定常データのために挑戦的である。【方法】,瞬間的非相関成分分析(MUCA)と呼ばれる新しいBSSアプローチ,事象関連多試行データの調整を導入した。法は分離した潜時でのデータから推定した複数の共分散行列の近似同時対角化に基づいている。さらに自己共分散行列のための方法論を拡張する方法と区分的定常データに適したBSS法を適用し事象関連応答にする方法を示した。模擬EEGと同様に測定された体性感覚および経頭蓋磁気刺激(TMS)誘発EEGを用いていくつかのBSS手法を比較した。【結果】比較した方法の中で,MUCAはデータ中のノイズ,TMSアーチファクト,と他の課題に最も耐性であった。測定された体性感覚データを用いて,推定された成分の半分以上がMUCAと独立成分分析により類似していることが分かった。いくつかの入力データセットで試験した場合,MUCAも安定していた。【結論】MUCAは簡単な仮定に基づいており,結果はMUCAである非理想データとロバストであることを示唆した。意義:事象関連応答とBSSは神経科学における価値あると一般的なツールである。正しく設計したBSSは非定常事象関連データから人工的及び神経過程を同定する効率的な方法である。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： 脳波 ,  体性感覚 ,  *アーチファクト ,  脳磁図 ,  ロバスト性 ,  雑音 ,  神経科学 ,  対角化 ,  インタフェイス ,  独立成分分析
準シソーラス用語： 経頭蓋磁気刺激 ,  共分散行列 ,  成分分析 ,  非定常性 ,  *ブラインドソース分離 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 事象 ,  EEG ,  MEG ,  ブラインド信号源分離