文献

J-GLOBAL ID：202002280685968505   整理番号：20A0266818

多重重み付き可視性グラフと深部特徴抽出を用いた交差被験者運動画像タスクEEG信号分類【JST・京大機械翻訳】

Cross-Subject Motor Imagery Tasks EEG Signal Classification Employing Multiplex Weighted Visibility Graph and Deep Feature Extraction

著者 (3件)： Samanta Kaniska (Department of Electrical Engineering, Techno India University, Kolkata, India) ,  Chatterjee Soumya (Department of Electrical Engineering, Techno India University, Kolkata, India) ,  Bose Rohit (Department of Bioengineering, University of Pittsburgh, Pittsburgh, PA, USA)
資料名： IEEE Sensors Letters  (IEEE Sensors Letters)
巻： 4  号： 1  ページ： ROMBUNNO.7000104.1-4  発行年： 2020年 
JST資料番号： W2476A  ISSN： 2475-1472  資料種別： 逐次刊行物 (A)
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,多重加重可視度グラフ(MWVG)アルゴリズムを用いた運動画像(MI)脳波(EEG)信号の分類のための新しい技術を提案した。重み付き可視性グラフ(WVG)は,その時間特性を保存しながら,単変量時系列を図式表現に写像する有効なツールである。本論文では,一変量時系列のWVGの概念を拡張して,MWVGアルゴリズムとして知られる多変量EEG時系列を解析した。変換されたEEG時系列の図式表現から,異なる電極間の相互相関に基づいて,クラスタ化共同効率を用いた複雑な機能的脳連結性ネットワークの構築のための新しい方法を提案した。自動エンコーダベースの深い特徴抽出技術を用いて,脳連結性マトリックスの画像から意味のある特徴を抽出し,異なるMIタスクの分類を異なるベンチマーク分類器を用いて実行した。本論文では,異なる被験者にわたるEEG信号からの一般化特徴の欠如の問題を扱うために,交差主題分類を実行した。ランダムフォレスト分類器を用いて,99.92%と99.96%の平均分類精度が得られることが観察された。2つの公開可能なデータベースに関する実験的研究は,提案したモデルがロバストで効果的な脳コンピュータインタフェイスシステムを開発するために実行できることを明らかにした。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： 連結性 ,  アルゴリズム ,  ネットワーク ,  ロバスト性 ,  *可視度 ,  脳波 ,  ベンチマーク ,  *特徴抽出 ,  データベース ,  クラスタ化 ,  *多重化
準シソーラス用語： ブレインコンピュータインタフェイス ,  ランダムフォレスト ,  多変量 ,  *脳波信号 , 【Automatic Indexing@JST】

分類 (5件)： 通信方式一般  (ND07010E) ,  移動通信  (ND08030H) ,  電子航法一般  (ND14010O) ,  計算機網  (JC03000K) ,  計測機器一般  (AD02000X)

タイトルに関連する用語 (11件)： 多重 ,  可視性 ,  グラフ ,  深部 ,  特徴抽出 ,  交差 ,  被験者 ,  動画像 ,  タスク ,  EEG信号 ,  分類