文献

J-GLOBAL ID：202102266459584773   整理番号：21A0986374

MI-EEG信号のための脳ネットワークとCSPに基づく特徴抽出法の研究【JST・京大機械翻訳】

Research on feature extraction method based on brain network and CSP for MI-EEG signals

著者 (2件)： Yu Rui (Nanjing Research Institute of Electronic Technology,Nanjing,China) ,  Yin Kuiying (Nanjing Research Institute of Electronic Technology,Nanjing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SSD  ページ： 668-674  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： 現在,運動想像のEEG信号に関する分類研究の大部分は,左手と右手の分類に焦点を合わせている。本論文では,脳機能ネットワークと一般的空間パターンの組合せに基づく特徴解析法を提案し,片側(右)手運動想像の二分切開を解いた。最初に,Muリズムとベータリズム信号の間の位相解析を行い,次に,位相同期情報マトリックスに従って,脳機能ネットワークトポロジーを引き出した。解析により,ベータリズムよりもMI-EEG信号のMuリズムはより活性であり,位相同期振動は脳領域C,FCおよびCPの中心に集中している。次に,グラフ理論の概念を用いて,2つのリズムの下でネットワーク属性特性を抽出した:クラスタ化係数と最短経路長,および一般的空間モード法を用いて空間領域特性を抽出して,2つのタイプの特徴が8次元特徴ベクトルを形成する。最終的に,特徴をSVMによって分類して,平均分類精度は94.69%であり,それは2つの方法のものより高い。この論文における研究内容は,従来の右利きのMI-EEG分類問題を通して壊れて,本論文における方法は,ERD/ERS現象を考慮する必要がなく,このように,分類できるデータの範囲を拡大した。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： グラフ理論 ,  *ネットワーク ,  *特徴抽出 ,  クラスタ化 ,  位相同期 ,  位相 ,  切開術
準シソーラス用語： 特徴ベクトル ,  ネットワークトポロジー ,  分類精度 ,  *神経ネットワーク ,  脳機能 ,  最短経路 ,  *脳波信号 , 【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 (6件)： MI ,  EEG信号 ,  脳ネットワーク ,  CSP ,  特徴抽出法 ,  研究