文献

J-GLOBAL ID：202102241157835830   整理番号：21A2528632

深層学習法を用いた運動画像脳波信号の効率的分類【JST・京大機械翻訳】

Efficient Classification of Motor Imagery Electroencephalography Signals Using Deep Learning Methods

著者 (2件)： Majidov Ikhtiyor ,  Whangbo Taegkeun
資料名： Sensors (Web)  (Sensors (Web))
巻： 19  号： 7  ページ： 1736  発行年： 2019年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 単一試行運動イメージ分類は,脳コンピュータ応用の重要な側面である。したがって,運動イメージ運動を含む信号特徴を抽出し識別する必要がある。リーマン幾何学ベースの特徴抽出法は,これらのタイプのモータ画像ベースの脳コンピュータインタフェースアプリケーションを設計するとき有効である。情報理論の分野では,Riemann幾何学は主に共分散行列で使われる。したがって,調査により,フィルタバンクアプローチの実行後に,本方法が使用されるならば,共分散行列は,信号の周波数および空間情報を保存することを示した。データアベイラビリティが豊富で,多数の特徴があるとき,深層学習法は優れている。本研究の目的は,BCIアプリケーションにおけるBCI(脳コンピュータインタフェース)アプリケーションとBCIアプリケーションにおけるRiemann幾何学特徴抽出法との組み合わせにおいて,単一深層学習ベース分類器を用いる方法を示し,b)は,ディシジョンツリーアルゴリズムと組み合わせて,パーティクルスウォーム最適化と呼ばれるラッパー特徴選択アルゴリズムの1つを記述することである。本研究では,CSP法を1つの分類器だけを用いて多クラスケースに使用した。さらに,Riemann多様体の接線空間に写像された共分散行列とパワースペクトル密度特徴の組み合わせを用いた。さらに,パーティクルスウォーム最適化手法を,悪い特徴のペナルティによって訓練を容易にするために暗示し,そして,移動ウィンドウ方法を,増強のために使用した。経験的研究の後,畳込みニューラルネットワークを採用して,前処理データを分類した。提案手法は,よく知られたBCI競合IV2aデータセットから成るいくつかの被験者に対する分類精度を改善した。Copyright 2021 The Author(s) 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 ,  計算機利用 ,  特徴抽出 ,  Riemann空間 ,  アベイラビリティ ,  特徴選択 ,  ディシジョンツリー ,  *応用プログラム ,  ペナルティ ,  フィルタバンク
準シソーラス用語： 粒子群最適化 ,  共分散行列 ,  画像分類 ,  ブレインコンピュータインタフェイス ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (9件)： 接線空間 ,  Riemann幾何学 ,  粒子群最適化(PSO) ,  BCI ,  EEG ,  電気オシログラフィ(EOG) ,  CSP ,  FBCSP(フィルタバンク共通空間パターン) ,  オンライン学習

分類 (2件)： 人工知能  (JE08000Z) ,  軸受  (QB01020W)

引用文献 (26件)：

• Vaughan, T.M.; Heetderks, W.J.; Trejo, L.J.; Rymer, W.Z.; Weinrich, M.; Moore, M.M.; Kübler, A.; Dobkin, B.H.; Birbaumer, N.; Donchin, E.; et al. Brain-computer interface technology: A review of the Second International Meeting. IEEE Trans. Neural Syst. Rehabil. Eng. 2003, 11, 94-109.
• Vidal, J.J. Toward direct brain-computer communication. Annu. Rev. Biophys. Bioeng. 1973, 2, 157-180.
• Wolpaw, J.R.; Birbaumer, N.; McFarland, D.J.; Pfurtscheller, G.; Vaughan, T.M. Brain-computer interfaces for communication and control. Clin. Neurophysiol. 2002, 113, 767-791.
• Grosse-Wentrup, M.; Buss, M. Multiclass common spatial patterns and information theoretic feature extraction. IEEE Trans. Biomed. Eng. 2008, 55, 1991-2000.
• Zavaglia, M.; Astolfi, L.; Babiloni, F.; Ursino, M. The effect of connectivity on EEG rhythms, power spectral density and coherence among coupled neural populations: Analysis with a neural mass model. IEEE Trans. Biomed. Eng. 2008, 55, 69-77.

タイトルに関連する用語 (4件)： 深層学習 ,  動画像 ,  脳波信号 ,  分類