文献

J-GLOBAL ID：202102260697938197   整理番号：21A0065327

脊髄損傷患者における手の動き意図EEGの深層学習に基づく認識【JST・京大機械翻訳】

Deep Learning Based Recognition of Hand Movement Intention EEG in Patients with Spinal Cord Injury

著者 (5件)： Jiang Yongyu (Xi’an Jiaotong University, School of Mechanical Engineering,Xian,China) ,  Zhang Xiaodong (Shaanxi Key Laboratory of Intelligent Robot, Xi’an Jiaotong University,Xi’an,Shaanxi,China) ,  Chen Chaoyang (Detroit Medical Center, Orthopedic Surgery and Sports Medicine; and Wayne State University,Department of Biomedical Engineering,Detroit,Michigan,USA) ,  Lu Zhufeng ,  Wang Yachun
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CYBER  ページ： 343-348  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： 医学とリハビリテーションの分野では,脳制御人工手は,日常活動を行うための脊髄損傷患者を助けることができる。しかしながら,障害患者の手の動き意図を狙ったEEG信号の認識は,低い精度,低い安定性および弱いロバスト性の困難さに直面している。特に片側手運動制御では,異なる運動を識別するEEG意図は片側大脳皮質から来ており,混乱の程度が高い。本論文では,EEG信号知覚と認識のための深層学習法を導入した。畳み込みニューラルネットワークモデルを提案し,共通空間パターンと結合して,片側手移動運動(手掌拡大,手把持)の意図を同定した。15名の健常者と10名の脊髄損傷患者からのEEG信号を収集した。15人の健康な被験者の間で,平均認識精度は91.57%であり,その中で,最適精度は95.83%を達成した。脊髄損傷の10人の患者において,平均認識精度は78.03%であり,その中で,最適被験者の認識精度は82.41%であった。さらに,オフラインEEG認識と制御システムを設定した。対象の平均精度は87.92%であり,平均システム認識と制御時間は13.9msであった。優れた精度と認識速度によって,この方法は,障害のための脳コンピュータインタフェイス,ロボット工学とリハビリテーション医学の分野において,大きな価値と応用展望を持った。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： 制御系 ,  大脳皮質 ,  リハビリテーション ,  ロバスト性 ,  *脊髄損傷 ,  運動制御
準シソーラス用語： ロボット工学 ,  被験者 ,  健常者 ,  認識精度 ,  ブレインコンピュータインタフェイス ,  リハビリテーション医学 ,  脳波信号 ,  *深層学習 ,  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 (7件)： 脊髄損傷 ,  患者 ,  手 ,  動き ,  意図 ,  EEG ,  深層学習