文献

J-GLOBAL ID：202102235770684626   整理番号：21A0070049

3D-BCIトレーニング環境における畳込みニューラルネットワークを用いた直感的視覚運動画像の復号化【JST・京大機械翻訳】

Decoding of Intuitive Visual Motion Imagery Using Convolutional Neural Network under 3D-BCI Training Environment

著者 (4件)： Kwon Byoung-Hee (Korea University,Dept. Brain and Cognitive Engineering,Seoul,Republic of Korea) ,  Jeong Ji-Hoon (Korea University,Dept. Brain and Cognitive Engineering,Seoul,Republic of Korea) ,  Cho Jeong-Hyun (Korea University,Dept. Brain and Cognitive Engineering,Seoul,Republic of Korea) ,  Lee Seong-Whan (Korea University,Dept. Artificial Intelligence Dept. Brain and Cognitive Engineering,Seoul,Republic of Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SMC  ページ： 2966-2971  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： 本研究では,直感的なユーザ意図を解読するために,より直感的な脳-コンピュータインタフェース(BCI)パラダイムである視覚運動画像を採用した。3次元BCI訓練プラットフォームを開発し,視覚運動画像実験でより直感的な想像を行う際にユーザを支援するためにそれを適用した。実験作業は,電話のピックアップ,ドア,摂食食品,および注水のような日常生活で一般的に使用される運動に基づいて選択した。9人の被験者が著者らの実験に参加した。視覚運動イメージが前頭前と後頭葉から高い相関を持つという統計的証拠を提示した。さらに,視覚運動画像復号化のための機能的連結性アプローチを用いて,最も適切な脳波チャネルを選択し,分類のための畳み込みニューラルネットワークアーキテクチャを提案した。その結果,16チャネルからの4クラスに対する提案アーキテクチャの平均分類性能は,すべての被験者にわたって67.50(±1.52)%であった。この結果は有望であり,神経補綴やロボットアームのような実用化のためのBCIベースデバイス制御システムを開発する可能性を示した。Copyright 2021 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： *畳込み ,  食品 ,  脳波 ,  *復号化 ,  後頭葉 ,  *三次元 ,  連結性 ,  チャネル ,  ロボットアーム ,  計算機アーキテクチャ ,  画像復元
準シソーラス用語： 被験者 ,  神経補綴 ,  ニューラルネットワークアーキテクチャ ,  *畳込みニューラルネットワーク , 【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 (8件)： 3D ,  BCI ,  トレーニング ,  環境 ,  畳込みニューラルネットワーク ,  直感 ,  視覚運動 ,  復号化