文献

J-GLOBAL ID：202202216688718023   整理番号：22A0843282

ハイブリッド最適化スキームによるEEG信号における眼アーチファクトの認識【JST・京大機械翻訳】

Recognition of Ocular Artifacts in EEG Signal through a Hybrid Optimized Scheme

著者 (2件)： Sahoo Santosh Kumar (Department of Electronics & Instrumentation Engineering, CVR College of Engineering, Hyderabad, Telangana, India) ,  Mohapatra Sumant Kumar (Department of Electronics and Telecommunication Engineering, Trident Academy of Technology, Bhubaneswar, Odisha, India)
資料名： BioMed Research International (Web)  (BioMed Research International (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7008A  ISSN： 2314-6133  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 脳コンピュータインタフェース(BCI)は,EEG信号のオンラインおよびリアルタイム処理を必要とする。したがって,記録システムの精度は,開発したアーチファクトを無効化することによって改善される。この提案の目的は,改良型深層学習方式を通して眼アーチファクトを認識し,最小化するためのハイブリッドモデルを開発することである。離散ウェーブレット変換(DWT)とPisarenko調和分解を用いて信号を分解した。次に,主成分分析(PCA)と独立成分分析(ICA)技術によって特徴を抽出した。特徴を収集後,最適化変形可能畳込みネットワーク(ODCN)を用いて,EEG入力信号から眼アーチファクトの認識を行った。アーチファクトが検知されたとき,経験的平均曲線分解(EMCD)を適用して,EEG信号における雑音最適化のためにODCNによって,減速法を実行した。結論として,スポットレス信号は逆EMCDの適用によって再構成される。提案方法は従来法のものより高い性能を達成して,それは提案方法によるより良い眼アーチファクト低減を実証する。Copyright 2022 Santosh Kumar Sahoo and Sumant Kumar Mohapatra. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  雑音 ,  畳込み ,  ネットワーク ,  信号処理 ,  実時間処理 ,  モデル ,  主成分分析 ,  *アーチファクト ,  機械学習 ,  ウェーブレット変換 ,  独立成分分析
準シソーラス用語： 離散ウェーブレット変換 ,  ハイブリッドモデル ,  ブレインコンピュータインタフェイス ,  オンライン ,  アーチファクト低減 ,  *脳波信号 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

引用文献 (38件)：

• G. Jaffino, J. P. Jose, M. Sundaram, "Grey wolf optimization with deep recurrent neural network for epileptic seizure detection in EEG signals," 2021 International Conference on Advances in Electrical, Computing, Communication and Sustainable Technologies (ICAECT), pp. 1-5, Bhilai, India, 2021.
• Y. V. Obukhov, I. A. Kershner, R. A. Tolmacheva, M. V. Sinkin, L. A. Zhavoronkova, "Wavelet ridges in EEG diagnostic features extraction: epilepsy long-time monitoring and rehabilitation after traumatic brain injury," Sensors, vol. 21, no. 18, pp. 5989, 2021.
• P. Sawangjai, M. Trakulruangroj, C. Boonnag, M. Piriyajitakonkij, R. K. Tripathy, T. Sudhawiyangkul, T. Wilaiprasitporn, "EEGANet: removal of ocular artifact from the EEG signal using generative adversarial networks," IEEE Journal of Biomedical and Health Informatics, pp. 1, 2021.
• B. Peterson, R. Reichle, S. Pandya, M. O’Mullane, K. Mukai, "Consideration of signal to noise ratio for an imaging bolometer for ITER," Review of Scientific Instruments, vol. 92, article 043534, 2021.
• C. Y. Sai, N. Mokhtar, H. Arof, P. Cumming, M. Iwahashi, "Automated classification and removal of EEG artifacts with SVM and wavelet-ICA," IEEE Journal of Biomedical and Health Informatics, vol. 22, no. 3, pp. 664-670, 2018.

タイトルに関連する用語 (5件)： ハイブリッド最適化 ,  スキーム ,  EEG信号 ,  眼 ,  アーチファクト