文献

J-GLOBAL ID：202002291884867119   整理番号：20A1752990

低侵襲性および低コストBCIヘッドバンドを用いた運動画像EEG検出のためのCNN-LSTM深層学習分類器【JST・京大機械翻訳】

A CNN-LSTM Deep Learning Classifier for Motor Imagery EEG Detection Using a Low-invasive and Low-Cost BCI Headband

著者 (4件)： Garcia-Moreno Francisco M. (University of Granada,Dept. of Software Engineering,Granada,Spain) ,  Bermudez-Edo Maria (University of Granada,Dept. of Software Engineering,Granada,Spain) ,  Rodriguez-Fortiz Maria Jose (University of Granada,Dept. of Software Engineering,Granada,Spain) ,  Garrido Jose Luis (University of Granada,Dept. of Software Engineering,Granada,Spain)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IE  ページ： 84-91  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： 脳コンピュータインタフェイス(BCI)は,利用者をモニタするだけでなく,彼らの精神状態と活動を認識するだけでなく,それらの環境を決定または制御するためにも使用できる。したがって,BCIは,例えば,低い移動性障害のそれらに対して,ユーザの健康と独立性を改善することができた。本研究では,脳波(EEG)運動イメージを検出するために,低コストかつ低侵襲のBCIヘッドバンドを用いた。特に,左手と右手のEEG運動画像を検出するために,畳込みニューラルネットワーク(CNN)と長短温度記憶(LSTM)に基づく深層学習分類器を提案した。著者らの結果は,正しい分類における96.5%の検証精度を報告する。さらに,提案モデルにおける周波数帯におけるデータ分割を用いて,生データを用いることの影響を論じた。また,提案したタスクにおける他の周波数帯に対するある周波数帯活性の影響を論じた。これらの結果は,深層学習と組み合わせた低コストかつ低侵襲技術の採用によりユーザの独立性を解消するための有望な発見を示す。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： 脳波 ,  *周波数帯
準シソーラス用語： *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 (9件)： 低侵襲性 ,  BCI ,  ヘッドバンド ,  動画像 ,  EEG ,  CNN ,  LSTM ,  深層学習 ,  分類器