文献

J-GLOBAL ID：201802276905336324   整理番号：18A0444176

脳波を用いた仮想手の動き分類【Powered by NICT】

Imaginary hand movement classification using electroencephalography

著者 (3件)： Somsap Pornwitcha (Biomedical Engineering Program, Chiang Mai University, Graduate School, Chiang Mai University, Chiang Mai, Thailand) ,  Theera-Umpon Nipon (Electrical Engineering Department, Faculty of Engineering, Chiang Mai University, Biomedical Engineering Institute, Chiang Mai University, Chiang Mai, Thailand) ,  Auephanwiriyakul Sansanee (Computer Engineering Department, Faculty of Engineering, Chiang Mai University, Biomedical Engineering Institute, Chiang Mai University, Chiang Mai, Thailand)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCSCE  ページ： 263-268  発行年： 2017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： 本論文では,付属肢器官を制御できない患者はコミュニケーションのために,脳波(EEG)による二分決定を介して装置を制御するために方法を提案した。仮想手の動きを含むPhysioNet(EEGモータ運動/虚数データセット)からの12人の被験者のEEGデータセットを利用した。信号選択のために,著者らは,θ及びαのバンド(4-15 Hz)を選択した,これらのバンドの信号は明らかに想像力によって変化するからである。法では,分類段階の前にこれらの特徴を減少させるために,自己回帰モデル(ARモデル)により推定したパワースペクトル密度は,特徴を抽出し,主成分分析(PCA)を用いた。導出された特徴の品質を測定するために,ディシジョンツリー,K最近傍,アンサンブル分類器を含む分類器のセットを用いた。実験のために,筆者らはイントラユーザとユーザ間両方のアプローチを行った。leave-one-out交差検証は内ユーザ実験に適用した5倍交差検証はユーザ間実験に適用した。結果は,分類精度の最高平均はユーザ間実験および内ユーザ実験における重み付きK-NN(91.88%)による立方晶K-NN(97.08%)によって達成されることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ディシジョンツリー ,  品質 ,  電動機 ,  立方晶系 ,  自己回帰モデル ,  コミュニケーション ,  パワースペクトル密度 ,  主成分分析 ,  信号選択 ,  患者 ,  *脳波
準シソーラス用語： 分類精度 ,  アンサンブル分類器 ,  想像力 ,  被験者 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 脳波 ,  仮想 ,  動き ,  分類