マルチクラス事前移動分類に向けて【JST・京大機械翻訳】

Jia Hao; Sun Zhe; Duan Feng; Zhang Yu; Caiafa Cesar F.; Sole-Casals Jordi

プレプリント

J-GLOBAL ID：202202215883038542 整理番号：22P0281317

マルチクラス事前移動分類に向けて【JST・京大機械翻訳】

Towards Multi-class Pre-movement Classification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年01月28日プレプリントサーバーでの情報更新日： 2022年10月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

非侵襲的脳-コンピュータインタフェイスシステムにおいて,前運動復号化は,四肢が実際に動く前に,運動の検出において重要な役割を果たす。運動関連皮質電位は,運動前復号化に関連する一種の脳活動である。現在の研究において,運動から解読されたパターンは,主に肘屈曲や休息のような運動状態と静止状態の間のバイナリ分類に適用される。2つの運動状態と複数の運動状態の間の分類はまだ困難である。本研究では,マルチクラス事前移動分類問題を解くために,新しい方法,星型スペクトルフィルタリング(SASF)を提案した。最初に,2つのモジュールから成る参照タスク関連成分分析(RTRCA)フレームワークを設計した。この最初のモジュールは,運動状態と静止状態の間の分類である。第二のモジュールは多重運動状態の分類である。SASFはRTRCAにおける特徴を最適化することによって開発された。SASFでは,フィルタバンク上の特徴選択をRTRCAの第一モジュールに用い,時間窓上の特徴選択をRTRCAの第2モジュールに用いた。線形判別分析分類器を用いて最適化特徴を分類した。2つの運動の間のバイナリ分類において,SASFの分類精度は0.9670±0.0522を達成し,それは深い畳み込みニューラルネットワーク(0.627±0.0680)と弁別的空間パターン法(0.4400±0.0700)によって提供される結果よりかなり高い。7つの状態のマルチクラス分類において,SASFの分類精度は0.9491±0.0372であった。提案したSASFは2つの運動の間の分類を大いに改善し,多重運動間の分類を可能にする。結果は,運動が実際の四肢運動の前にEEG信号から解読できることを示した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人間機械系

, ,

前のページに戻る