文献

J-GLOBAL ID：201802288090953715   整理番号：18A1288038

非ヒト霊長類における指運動のロバストな復号化のための特徴選択法【JST・京大機械翻訳】

Feature Selection Methods for Robust Decoding of Finger Movements in a Non-human Primate

著者 (3件)： Padmanaban Subash (School of Biological and Health Systems Engineering, Arizona State University) ,  Baker Justin (Viscus Biologics) ,  Greger Bradley (School of Biological and Health Systems Engineering, Arizona State University)
資料名： Frontiers in Neuroscience (Web)  (Frontiers in Neuroscience (Web))
巻： 12  ページ： 22  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)

抄録/ポイント： 目的:高次元データを扱うときに生じる問題により,器用なタスクのニューラル復号化に使用される機械学習アルゴリズムの性能は妨害される可能性がある。特徴選択アルゴリズムの目的は,復号化アルゴリズムの性能を改善するために,元の特徴空間から特徴の近最適部分集合を選択することである。著者らの研究の目的は,4つの特徴選択技術,Wilcoxon Signed-rank試験,相対的重要性,主成分分析(PCA),および相互情報最大化の効果を,器用な復号化タスクのためのSVM分類性能に関して比較することであった。方法:非ヒト霊長類(NHP)を訓練し,タイピングに類似した小さな協調運動を行った。微小電極アレイをNHPの運動皮質の手領域に移植し,指運動時の活動電位(AP)を記録するために用いた。サポートベクトルマシン(SVM)を用いて,NHPをAP発火率に基づいて作成した。SVM分類を用いて,(i)シミュレーション失敗に対するロバスト性の機能パラメータと(ii)分類の寿命を調べた。また,SVMに供給される特徴ベクトルとして,孤立ニューロンとマルチユニット発火率を用いる効果を比較した。主な結果:多重ユニット特徴の平均復号化精度と47セッションにわたる相互情報最大化(MIM)を用いた単一ユニット特徴は,それぞれ96.74±3.5%と97.65±3.36%であった。特徴の100%とMIMに基づく10%の特徴の間の復号化精度の減少は,マルチユニットと単一ユニット特徴のために,それぞれ45.56%(93.7から51.09%まで)と4.75%(95.32から90.79%まで)であった。MIMは他の特徴選択法と比較して最良の性能を有していた。重要性:これらの結果は,最適に選択された特徴を用いることにより,改善された復号化性能を達成できるまた,臨床的に関連した性能計量に基づく結果は,復号化アルゴリズムが最適特徴と特徴選択アルゴリズムを用いてロバストにできることを示唆した。著者らは,性能における数パーセントの増加さえも重要であり,機械学習アルゴリズムの復号化精度を改善し,脳機械インタフェイスの使用の容易さを潜在的に増加させると信じる。Copyright 2018 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *復号化 ,  部分集合 ,  学習アルゴリズム ,  活動電位 ,  サポートベクトルマシン ,  *特徴選択 ,  アルゴリズム ,  シミュレーション ,  *ヒト ,  *ロバスト性 ,  ニューロン ,  *霊長類 ,  主成分分析 ,  多重化
準シソーラス用語： 特徴ベクトル , 【Automatic Indexing@JST】

著者キーワード (5件)： 特徴選択 ,  ニューラル復号化 ,  主成分分析 ,  非ヒト霊長類 ,  サポートベクトルマシン

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： ヒト ,  霊長類 ,  指 ,  運動 ,  ロバスト ,  復号化 ,  特徴選択