文献

J-GLOBAL ID：202002284220411230   整理番号：20A1196843

ANFISに基づく2クラスの運動画像分類【JST・京大機械翻訳】

Two Class Motor Imagery Classification Based on ANFIS

著者 (3件)： Kumar Rahul (National Institute of Technology, Raipur, Chhattisgarh, India) ,  Sahu Mridu (National Institute of Technology, Raipur, Chhattisgarh, India) ,  Mohdiwale Samrudhi (National Institute of Technology, Raipur, Chhattisgarh, India)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 601  ページ： 703-711  発行年： 2020年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 想像において行われる精神的作業または行動は,運動イメージ(MI)と呼ばれる。運動障害のリハビリテーション療法と運動技能MIの改善は,有望な認知ツールとして利用されている。筋萎縮性側索硬化症(ALS),脊髄損傷および脊髄における運動細胞,脳幹が次第に悪化し,死亡する他の神経疾患を患う多くの人々がいる。この条件では,患者はいかなる筋肉活動も行うことができない。この種の問題を解決するために,患者は脳-コンピュータインタフェイス(BCI)による運動イメージタスクを実行する。それは,前処理とパターン認識タスクを実行することによって,脳信号の通信と制御信号への変換のためのインタフェイスを提供する。最小誤分類誤差による脳信号のBCI正確分類において,重要な課題である。モータ画像分類の分野で多くの技術が探求されているが,依然として低い精度と計算の非効率性に悩まされている。本論文は,モーター画像ベースのEEG信号のためのより良い前処理と分類を提示した。離散ウェーブレット変換(DWT)特徴を分解係数から計算した。等幅離散化(EWD)とShannonエントロピーを用いて,それぞれ特徴を離散化し,選択した。その後,選択した特徴を分類のためのANFISへの入力として適用した。サブクラスタリングとファジィc平均クラスタリングに基づく2つのモデルを作成し,比較解析を行った。結果は,サブクラスタ化に基づくANFISモデルが,ファジィc-平均クラスタリング法と比較して,より良い精度を与えることを確認した。モデルは,すべての4人の被験者に対して62~69%の間の精度を達成した。ANFISの性能は文献における他の研究と比較してより良い。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： パターン認識 ,  電動機 ,  *脊髄 ,  脳幹 ,  リハビリテーション ,  クラスタ化 ,  神経系疾患 ,  運動障害 ,  インタフェイス ,  制御信号 ,  曖昧さ ,  脊髄損傷 ,  筋萎縮性側索硬化症
準シソーラス用語： 離散化 ,  ブレインコンピュータインタフェイス , 【Automatic Indexing@JST】

著者キーワード (6件)： 適応ニューロ-ファジィ推論システム(ANFIS) ,  脳波(脳波) ,  離散ウェーブレット変換(DWT) ,  等幅離散化(EWD) ,  Shannon entrop.サブクラスタリング ,  ファジィc平均クラスタリング

分類 (3件)： 生体代行装置  (EL04000N) ,  生体計測  (EL03020C) ,  人間機械系  (IB03000G)

タイトルに関連する用語 (4件)： ANFIS ,  クラス ,  運動 ,  画像分類