文献

J-GLOBAL ID：201802227934406078   整理番号：18A1289096

運動画像の脳-コンピュータインタフェイスにおける性能のユーザの自己予測【JST・京大機械翻訳】

User’s Self-Prediction of Performance in Motor Imagery Brain-Computer Interface

著者 (4件)： Ahn Minkyu (School of Computer Science and Electrical Engineering, Handong Global University) ,  Cho Hohyun (Wadsworth Center, New York State Department of Health) ,  Ahn Sangtae (Department of Psychiatry, University of North Carolina at Chapel Hill) ,  Jun Sung C. (School of Electrical Engineering and Computer Science, Gwangju Institute of Science and Technology)
資料名： Frontiers in Human Neuroscience (Web)  (Frontiers in Human Neuroscience (Web))
巻： 12  ページ： 59  発行年： 2018年 
JST資料番号： U7072A  ISSN： 1662-5161  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 性能変化は,運動イメージ脳-コンピュータインターフェース(MI-BCI)における重要な問題であり,様々な神経生理学的,心理学的および解剖学的相関が文献に報告されている。このような研究の主な目的は,貧弱な性能者の事前創造のためのMI-BCI性能を予測することであるが,ユーザの運動イメージプロセスの感覚に焦点を合わせ,ユーザの自己予測を通してMI-BCI性能を直接推定する研究は,不足している。本研究では,最初に,モータ画像実験データセットに関する各ユーザの自己予測アイデアをテストした。52名の被験者が古典的,2クラスの運動イメージ実験に参加し,運動イメージによるそれらの容易さを評価し,それら自身のMI-BCI性能を予測するように求めた。運動イメージ実験の間,脳波(EEG)を記録した。しかしながら,運動イメージに関するフィードバックは,被験者に与えられなかった。EEG記録から,オフライン分類精度を推定し,被験者のいくつかのアンケートスコア,およびMI-BCI性能の各被験者の自己予測と比較した。運動イメージ作業中の被験者の性能予測は,高い正の相関を示した(r=0.64,p<0.01)。興味あることに,自己予測は,被験者が相関係数においてより多くの運動イメージタスクを行うと,より正確になることが観察された(前タスク:R=0.02からr=0.54,p<0.01),および二乗平均誤差(プレタスク:17.7%から10%,p<0.01)。著者らは,被験者がフィードバック情報なしでさえ,それらのMI-BCI性能を正確に予測できることを実証した。これは,人間の脳が能動的な学習システムであり,内因性モータ画像処理を自己経験することにより,プロセスの品質を感知し,採用することができることを意味する。従って,ユーザはMI-BCI性能を予測でき,結果は低性能のより良い理解とBCIの前進に寄与すると信じられる。Copyright 2018 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 画像処理 ,  相関係数 ,  脳波 ,  心理学 ,  *画像 ,  フィードバック ,  解剖学 ,  品質 ,  電動機 ,  *予測
準シソーラス用語： 分類精度 ,  オフライン ,  被験者 ,  運動イメージ ,  *ブレインコンピュータインタフェイス , 【Automatic Indexing@JST】

著者キーワード (5件)： BCI-illiter ,  性能変動 ,  予測 ,  運動イメージ ,  BCI

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (5件)： 動画像 ,  脳 ,  コンピュータインタフェイス ,  自己 ,  予測