文献

J-GLOBAL ID：201802211166483769   整理番号：18A2024037

クラス識別機能ネットワークの時空間特性について【JST・京大機械翻訳】

On the Spatiotemporal Characteristics of Class-Discriminating Functional Networks

著者 (3件)： Haddad Ali E. (Department of Electrical and Computer Engineering, Integrated Systems and NeuroImaging Laboratory, Rutgers University, NJ, 08854, USA) ,  Shamsi Foroogh (Department of Electrical and Computer Engineering, Integrated Systems and NeuroImaging Laboratory, Rutgers University, NJ, 08854, USA) ,  Najafizadeh Laleh (Department of Electrical and Computer Engineering, Integrated Systems and NeuroImaging Laboratory, Rutgers University, NJ, 08854, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： EMBC  ページ： 1923-1926  発行年： 2018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： 著者らは,脳波(EEG)を通して得られたデータを用いて,タスクのクラスにわたって識別される脳の機能的ネットワークを同定する問題を目標とした。三段階フレームワークを提示した。最初に,EEGデータを分割して,皮質機能ネットワークが準定常状態に留まる間隔を同定した。第二に,これらの機能的ネットワークは皮質に空間的に局在する。最後に,提案した識別Boole行列因数分解(DBMF)アルゴリズムを採用することにより,一つのクラスのタスクにおいて最も再発する機能的ネットワークを同定したが,他のものにおいては最小の再帰が同定された。DBMFアルゴリズムは,時間とともにそれらの動的発生に関する情報だけでなく,識別機能ネットワークの空間マップを提供することができる。このフレームワークを,運動タスク中に記録された実験的EEGデータに適用した。結果は,提案したフレームワークが,非実行試行からの運動実行試行のための最も識別的なものとして,いくつかの壁/運動機能ネットワークを同定することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 皮質 ,  *ネットワーク ,  アルゴリズム ,  脳波
準シソーラス用語： 運動機能 ,  行列因数分解 ,  準定常状態 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： クラス ,  識別 ,  空間特性