文献

J-GLOBAL ID：201802244383415306   整理番号：18A0383930

EEGからの発作性事象の分類のためのデータ融合【Powered by NICT】

Data fusion for paroxysmal events’ classification from EEG

著者 (4件)： Pippa Evangelia (Multidimensional Data Analysis and Knowledge Management Laboratory, Dept. of Computer Engineering and Informatics, University of Patras, 26500 Rion-Patras, Greece) ,  Zacharaki Evangelia I. (CVC, Department of Applied Mathematics, Centrale Supelec - Equipe GALEN, INRIA Saclay, France) ,  Koutroumanidis Michael (Dept. of Clinical Neurophysiology and Epilepsies, Guy’s &St. Thomas’ and Evelina Hospital for Children, NHS Foundation Trust/King’s College, London, United Kingdom) ,  Megalooikonomou Vasileios (Multidimensional Data Analysis and Knowledge Management Laboratory, Dept. of Computer Engineering and Informatics, University of Patras, 26500 Rion-Patras, Greece)
資料名： Journal of Neuroscience Methods  (Journal of Neuroscience Methods)
巻： 275  ページ： 55-65  発行年： 2017年 
JST資料番号： A1129A  ISSN： 0165-0270  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： チャネルを横切る依存性捕獲を可能にするので,脳波の時空間解析は事象の分類のための一般的に用いられている。特徴ベクトル次元数の有意な増加は雑音を導入し,このようにして,臨床研究において利用できる通常試料の限られた数を用いて訓練するための分類モデルできない。チャネルを横切る情報の組合せのための三種の異なる融合方式を適用して時間的およびスペクトル解析に基づくてんかん性および非てんかん性イベントの分類を調べた。:いつ我々は,よく用いられる初期統合(EI)計画の特徴は,分類に先立って全てのチャネルから融合した を比較チャネル分類当たり二後期統合(LI)スキーム(i)時間的文脈を,チャンネル間で有意に変化し,従って局所空間訓練モデルが必要である,(ii)空間的変動は被験者間変動に比べ,無視できる,それゆえに時間的変動は,単一のグローバルな空間訓練モデルを用いてモデル化した。さらに,特徴選択または主成分分析により次元縮小を行った。提案フレームワークは,多数のチャネルを横切る現れる事象に適用した,一般化されたてんかん発作,心因性非てんかん性発作および血管迷走神経性失神。三分類アーキテクチャは11人の被験者からEEGエポックで評価した。他の研究との直接比較は,各データセットの異なる特性のために困難であるが,LI融合方式の達成された認識精度は文献に報告された性能よりも優れている。最良の方式は97%の精度を達成した全球モデルによるLIであった。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： モデリング ,  雑音 ,  脳波 ,  経時変化 ,  *データ融合 ,  主成分分析 ,  *発作 ,  次元縮小 ,  てんかん ,  スペクトル解析 ,  チャネル ,  特徴選択
準シソーラス用語： 認識精度 ,  被験者 ,  特徴ベクトル , 【Automatic Indexing@JST】

著者キーワード (5件)： てんかん発作 ,  PNES ,  血管迷走神経性失神 ,  EEG分類 ,  データ融合

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (5件)： EEG ,  発作 ,  事象 ,  分類 ,  データ融合