抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
筋萎縮性側索硬化症(ALS)は,患者が機能し,結果として麻痺した人の自発的な筋肉運動を生じる,一般的な神経学的疾患である。ALSの解決策の1つは,運動障害患者が脳信号を通して外部世界と相互作用するのを助ける運動イメージ(MI)ベースの脳コンピュータインタフェイス(BCI)である。しかし,それは,そのより低い性能のために,限られたリアルタイム応用を持ってい性能は,MI運動に関連する関連特徴を抽出する特徴抽出技術に依存する。有意な特徴の抽出は,MIベースのBCIシステムにおける挑戦課題である。この性能を改善するために,本論文では,様々なMI運動を解読するための位相空間再構成(PSR)として知られている効率的な特徴抽出技術を紹介した。最初に,フィルタバンク技術をMI信号に適用し,サブバンドの集合を生成した。MI活性を効果的に研究するために,PSRを各サブバンドに適用した。すべてのサブバンドの特徴(2-D PSRパターンの面積)を結合し,分散分析(ANOVA)を用いて有意な特徴(p<0.05)を抽出した。有意な特徴を,MI運動を解読するためにマルチクラスサポートベクトルマシン(SVM)に供給した。提案した方法と分類装置は,BCI競争2008年のdataset-II-aに関してテストした。提案した方法の性能は,Cohenのκ係数(K)に基づいた。結果は,SVMが平均カッパ係数(K=0.60)を改善し,文献に提示された既存の方法を上回ることを示した。Copyright 2019 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】