文献

J-GLOBAL ID：202102241195861276   整理番号：21A0383888

ファジィ推論に基づく発見的BCIのEEG特性の解明と脳梗塞患者への応用【JST・京大機械翻訳】

Elucidation of EEG Characteristics of Fuzzy Reasoning-Based Heuristic BCI and Its Application to Patient With Brain Infarction

著者 (4件)： Saga Norihiko (Department of Human System Interaction, School of Science and Technology, Kwansei Gakuin University, Sanda, Japan) ,  Doi Atsushi (Department of Human System Interaction, School of Science and Technology, Kwansei Gakuin University, Sanda, Japan) ,  Oda Teruo (Department of Human System Interaction, School of Science and Technology, Kwansei Gakuin University, Sanda, Japan) ,  Kudoh Suguru N. (Department of Human System Interaction, School of Science and Technology, Kwansei Gakuin University, Sanda, Japan)
資料名： Frontiers in Neurorobotics (Web)  (Frontiers in Neurorobotics (Web))
巻： 14  ページ： 607706  発行年： 2020年 
JST資料番号： U7086A  ISSN： 1662-5218  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 一般的脳波(EEG)に基づく非侵襲的脳-コンピュータインターフェイス(BCI)は,特定の計装部位と周波数帯に限定されている。これらのBCIは,認知タスクの特定の標的化脳波特徴を誘導し,それらを同定し,BCIの性能を決定し,これらの脳波特徴を抽出するための機械学習を用いて,それらを非常に時間がかかる。さらに,BCIを用いた神経リハビリテーションは,外来および即時リハビリテーション訓練を受けることができない問題がある。したがって,著者らは,目標とする脳波特徴を制限しない探索的BCIを提案した。このシステムは,前もって脳波特徴を決定しず,それらの標的運動に基づく脳波特徴の検出に適した周波数帯と測定部位を決定し,脳波を測定し,任意に決定された閾値(各周波数帯におけるEEGのパワースペクトルにより構成される領域の大きさによって足を動かす)のみの,大きな「高」または小さな「Low」脳波を有する各規則(テンプレート)を作成し,ファジィ推論ベースのテンプレートマッチング法(FTM)を用いた運動タスク中の規則と一致する脳波の検出に成功した。しかし,このBCIにより獲得された脳波特徴は知られておらず,実際の脳梗塞患者の有用性は知られていない。したがって,本研究は,発見的BCIによって捉えられた脳波特徴を明らかにし,また,脳梗塞患者への適用によるこのシステムの有効性と課題を明らかにする。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： 脳波 ,  リハビリテーション ,  パワースペクトル ,  有効性 ,  周波数帯 ,  曖昧さ ,  ターゲティング ,  *脳梗塞 ,  *ファジィ推論 ,  機械学習 ,  認知課題 ,  *脳血管障害
準シソーラス用語： テンプレートマッチング ,  非侵襲 ,  ブレインコンピュータインタフェイス ,  ニューロリハビリテーション , 【Automatic Indexing@JST】

著者キーワード (5件)： 足関節リハビリテーション ,  脳コンピュータインタフェイス(BCI) ,  EEG ,  ファジィテンプレートマッチング ,  神経リハビリテーション

分類 (2件)： 人間機械系  (IB03000G) ,  生体計測  (EL03020C)

引用文献 (28件)：

• AhnM.AhnS.HongJ. H.ChoH.KimK.KimB. S.. (2013). Gamma band activity associated with BCI performance: simultaneous MEG/EEG study. Front. Hum. Neurosci. 7:848. doi: 10.3389/fnhum.2013.0084824367322
• AndrewM.SongX.ShengX. (2013). Brain controlled robotic exoskeleton for neurorehabilitation, in Proceedings 2013 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (Wollongong), 1039-1044. doi: 10.1109/AIM.2013.6584231
• DelormeA.MakeigS. (2004). EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics in-cluding independent component analysis. J. Neurosci. Methods 134, 9-21. doi: 10.1016/j.jneumeth.2003.10.009
• FoongR.AngK. K.QuekC.GuanC.PhuaK. S.KuahC. W. K.. (2019). Assessment of the efficacy of EEG-based MI-BCI with visual feedback and EEG correlates of mental fatigue for upper-limb stroke rehabilitation. IEEE Trans. Biomed. Eng. 67, 786-795. doi: 10.1109/TBME.2019.292119831180829
• FukudaT.ItoS.AraiF.YokoyamaY.AbeY.TanakaK.. (1995). Navigation system based on ceiling landmark recognition for autonomous mobile robot-landmark detection based on fuzzy template matching, in Proceedings 1995 IEEE/RSJ International Conference on Intelligent Robots and Systems. Human Robot Interaction and Cooperative Robots (Pittsburgh, PA) 2, 150-155.

タイトルに関連する用語 (7件)： ファジィ推論 ,  発見 ,  BCI ,  EEG ,  脳梗塞 ,  患者 ,  応用