文献

J-GLOBAL ID：201802285818374920   整理番号：18A2097224

注入多電極センサによる誘発局所場電位画像を抽出するラット皮質層分類【JST・京大機械翻訳】

Rat Cortical Layers Classification extracting Evoked Local Field Potential Images with Implanted Multi-Electrode Sensor

著者 (7件)： Wang Xiaying (Dept. of Information Technology and Electrical Engineering, ETH Zurich) ,  Magno Michele (ETH Zurich, Switzerland and University of Bologn) ,  Cavigelli Lukas (Dept. of Information Technology and Electrical Engineering, ETH Zurich) ,  Mahmud Mufti (Department of Biomedical Sciences, University of Padov) ,  Cecchetto Claudia (Department of Biomedical Sciences, University of Padov) ,  Vassanelli Stefano (Department of Biomedical Sciences, University of Padov) ,  Benini Luca (ETH Zurich, Switzerland and University of Bologn)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： Healthcom  ページ： 1-6  発行年： 2018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： 神経科学とその神経補綴応用の最も野心的な目標の1つは,神経学的疾患を治療するために生物学的脳を持つ知的電子デバイスをインタフェースすることである。この新しい研究分野は,脳回路の著者らの成長する理解と,高い空間時間分解能で脳信号を記録するための埋め込み可能なマルチ電極アレイ(MEA)の小型化における最近の技術的進歩に関して構築されている。データ処理は,記録された神経活動から有用な情報を抽出するために必要であり,基礎となる神経回路の機能をより良く理解し,神経補綴装置を操作するための展望において,より良く理解する必要がある。この文脈において,機械学習アプローチは多くの応用シナリオにおいてますます使用されている。本論文では,小型化16 16 16 MEAを用いて,ラットバレル皮質から記録された誘発局所場電位(LFP)の処理データに焦点を当てた。機械学習アルゴリズムを評価し,皮質の深さが神経活動度を測定する検出のための最適化分類器を訓練した。実験結果により,機械学習が,異なる皮質層から得られた信号を分類する際に最大99.11%の試験精度を提供する雑音のある単一試行LFPにうまく適用できることを実証した。このように,この方法は,脳-機械インターフェースと神経補綴応用のための低電力消費ディジタルプロセッサによる脳活動のリアルタイム復号化に向けた非常に有望な出発点である。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *皮質 ,  *画像 ,  演算プロセッサ ,  *ラット ,  ディジタル方式 ,  神経科学 ,  機械学習 ,  復号化 ,  *センサ ,  雑音 ,  インタフェイス ,  最適化 ,  小型化
準シソーラス用語： 神経活動 ,  神経補綴 , 【Automatic Indexing@JST】

分類 (3件)： NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (7件)： 注入 ,  多電極 ,  誘発 ,  局所場電位 ,  ラット ,  皮質 ,  分類