EEGにおける事象関連脱同期の迅速検出のためのMarkovスイッチングモデル【JST・京大機械翻訳】

Lisi Giuseppe; Rivela Diletta; Takai Asuka; Morimoto Jun

文献

J-GLOBAL ID：201802271863202115 整理番号：18A1288040

EEGにおける事象関連脱同期の迅速検出のためのMarkovスイッチングモデル【JST・京大機械翻訳】

Markov Switching Model for Quick Detection of Event Related Desynchronization in EEG

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=18A1288040&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=18A1288040&from=J-GLOBAL&jstjournalNo=U7087A") }}

著者 (4件)： , , ,
資料名：
巻： 12 ページ： 24 発行年： 2018年
JST資料番号： U7087A ISSN： 1662-453X 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)

神経補綴を活性化するのに必要な時間を最小にするためには,運動意図の迅速な検出が重要である。著者らは,運動イメージ(MI)によって誘発されたイベント関連脱同期(ERD)の迅速検出を達成し,脳波(EEG)によって記録された,Markovスイッチングモデル(MSM)を提案する。従来の脳コンピュータインタフェイス(BCI)は,静止対MIクラスのオンライン連続分類を実行するためにスライディングウィンドウ分類器に依存する。このアプローチに基づいて,センサモータ電力における急激な変化の検出は,第二のいくつかのテンソルを横切る分散の推定を計算する必要性によって引き起こされる固有の遅延に悩まされる。ここでは,EEG信号分散を明示的に計算し,検出待ち時間を低減するために,電圧情報から直接ERD状態を推定することを提案した。これは,状態の急激な変化,MSMによって特徴付けられる状況に適したモデルを用いて達成される。著者らの実装において,このモデルは,分散がMarkov動力学を有する2つの潜在的離散状態によって支配されるGauss観測モデルの形式を取った。その目的は,観測として通常の空間パターン(CSP)により空間的にフィルタされたEEG電圧を与えられた脳状態(すなわち安静対ERD)を推定することである。2つの潜在状態に関連する2つの分散を,静止とMIの間のCSP投影の分散を用いてそれぞれ較正した。潜在状態の遷移行列を検出待ち時間と偽陽性率のコスト関数を最小化する「迅速検出」戦略によって最適化し,50人の健常被験者からの乾燥EEGシステムによって収集したデータを用いて,異なるスライディングウィンドウ長のいくつかのロジスティック回帰分類器と比較し,MSMは待ち時間,偽陽性および真の陽性率の間の有意に良好なトレードオフを達成した。提案したモデルは,神経補綴のより反応性で安定な制御を達成するために使用することができた。これは,BCIに基づく神経リハビリテーションにおいて望ましい特性であり,そこでは,患者の脳信号に基づいて固有受容フィードバックが提供される。実際に,脳信号と固有受容フィードバックの間の同時偶発的関係が,優れた連想学習を誘導すると仮定されている。Copyright 2018 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

著者キーワード (8件)： , , , , , , ,

生体計測

, , ,

前のページに戻る