文献

J-GLOBAL ID：202002259820122668   整理番号：20A2282591

品質メトリック最適化による自動EEG信号雑音除去に向けて【JST・京大機械翻訳】

Towards Automatic EEG Signal Denoising by Quality Metric Optimization

著者 (5件)： Lins Caldas Arthur Sena (Federal University of Campina Grande,Department of Systems and Computing,Campina Grande,Brazil) ,  Torres Pereira Eanes (Federal University of Campina Grande,Department of Systems and Computing,Campina Grande,Brazil) ,  Nobre Leite Niago Moreira (Federal University of Campina Grande,Department of Electrical Engineering,Campina Grande,Brazil) ,  Dimitri Brito Oliveira Arthur (Federal University of Campina Grande,Department of Electrical Engineering,Campina Grande,Brazil) ,  Lucena Ellen Ribeiro (Federal University of Campina Grande,Department of Electrical Engineering,Campina Grande,Brazil)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-7  発行年： 2020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： 脳波(EEG)シグナルは,精神病研究,心理的評価およびAffectiveコンピューティングのような分野で広く使用されている。研究者が直面する障害の一つは,EEGノイズフィルタリングに関連している。眼-瞬目や下顎運動などの不随意筋活動は,その品質にマイナスの影響を有する信号への挿入雑音を誤って,誤った結論をもたらす。従って,本研究では,品質評価アルゴリズムを最適化する深層学習戦略に基づくEEG信号における雑音を除去する手法を提案した。さらに,著者らの方法論は,品質評価のアルゴリズムを最適化する方法を学習するモデルを訓練する。このような方法で,EEG信号ユーザは,時間と資源を節約する雑音を抽出するための人間の干渉を必要としない。この手法のロバスト性を評価するために,ピーク信号対雑音比(PSNR),構造類似性指数(SSIM)および品質スコアに関して,ベースライン帯域通過フィルタと比較した。提案アプローチは,PSNRに関してベースライン技術よりも優れた性能を示し,適用した第二品質スコアを考慮した。これらは,まだ予備的結果であるが,それらは,継続的な開発に大きな可能性を示す。さらに,この手法は,EEG信号における雑音を除去するために,深層学習方法論を構築する方法に関する新しい展望を提供する。Copyright 2020 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： アルゴリズム ,  *最適化 ,  *雑音 ,  脳波 ,  帯域フィルタ ,  精神病 ,  類似性 ,  基準線 ,  ロバスト性 ,  *雑音除去
準シソーラス用語： 品質評価 ,  ピーク信号対雑音比 ,  構造的類似性 ,  *脳波信号 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： メトリック ,  最適化 ,  EEG信号 ,  雑音除去