抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最近,定常状態視覚誘発電位(SSVEP)に基づいて開発された脳-コンピュータインタフェース(BCI)システムは,それらの高い情報転送速度(ITR)と標的数の増加により多くの注目を集めている。しかし,SSVEPベースの方法は,それらの精度と目標検出時間に関して改良することができた。著者らは,主題特異的モデルと主題独立情報を統合し,BCI性能を強化するために,正準相関分析(CCA)に基づく新しい方法を提案する。著者らは,特定の主題のCCAベースのモデルのためのハイパーパラメータを最適化するために,他の被験者の訓練データを使用することを提案した。アンサンブルタスク関連成分分析(TRCA)との公正な比較のために,提案した方法のアンサンブルバージョンも開発した。提案方法をTRACAと拡張CCA法と比較した。公的に利用可能な35人の被験者SSVEPベンチマークデータセットを比較研究に用い,性能を分類精度とITRによって定量化した。提案方法のITRは,TRACAと拡張CCAのものより高い。提案方法は,すべての条件で拡張CCAと0.3sより大きい時間窓のためのTRACAを凌駕する。また,限られた訓練ブロックと電極があるとき,提案方法はTRCAより優れている。本研究は,被験者固有のモデルに対する被験者に依存しない情報の追加がSSVEPベースのBCIの性能を改善できることを示す。【JST・京大機械翻訳】