文献

J-GLOBAL ID：201802254852907108   整理番号：18A0382143

深い畳込みニューラルネットワークを用いた運動イメージの単一試行EEG分類【Powered by NICT】

Single-trial EEG classification of motor imagery using deep convolutional neural networks

著者 (4件)： Tang Zhichuan (Industrial Design Institute, Zhejiang University of Technology, Hangzhou 310023, China) ,  Tang Zhichuan (College of Computer Science and Technology, Zhejiang University, Hangzhou 310027, China) ,  Li Chao (College of Computer Science and Technology, Zhejiang University, Hangzhou 310027, China) ,  Sun Shouqian (College of Computer Science and Technology, Zhejiang University, Hangzhou 310027, China)
資料名： Optik  (Optik)
巻： 130  ページ： 11-18  発行年： 2017年 
JST資料番号： D0251A  ISSN： 0030-4026  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： 運動イメージ(MI)に記録された脳波(EEG)信号は,通信方法として非侵襲ブレインコンピュータインタフェース(BCI)で広く適用されている。本論文では,単一試行MI EEGの特徴抽出と分類を行うために深い畳込みニューラルネットワーク(CNN)に基づく新しい方法を提案した。最初に,脳波の時空間特性に基づいて,5層CNNモデルをつくり,MIのタスクを分類するために構築した(左手と右手運動)CNNモデルは被験者から収集した実験データセットで,他の三種の従来の分類手法と比較して適用した(電力+SVM,CSP+SVMとAR+SVM)。結果は,CNNは分類性能をさらに改善できることを示している:CNN(86.41±0.77%)を用いた平均精度は電力+SVM,CSP+SVMとAR+SVMを用いたものより9.24%,3.80%および5.16%高かった。本研究は,提案した方法がMIを分類するために有効であり,BCI応用における非侵襲性脳波信号による実用的な方法を提供することを示した。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： 特徴抽出 ,  *脳波 ,  電力 ,  通信
準シソーラス用語： 脳波信号 ,  被験者 ,  ブレインコンピュータインタフェイス ,  非侵襲 ,  *運動イメージ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 運動イメージ ,  非侵襲EEG ,  脳コンピュータインタフェイス ,  深い畳込みニューラルネットワーク

分類 (1件)： 光学情報処理  (BD03060T)

タイトルに関連する用語 (5件)： 畳込みニューラルネットワーク ,  運動イメージ ,  試行 ,  EEG ,  分類