文献

J-GLOBAL ID：202202251202187174   整理番号：22A1051534

運転者の睡眠開始期間を認識するためのバイモーダルLSTMによる遅い眼球運動の検出【JST・京大機械翻訳】

Detecting slow eye movements with bimodal-LSTM for recognizing drivers’ sleep onset period

著者 (2件)： Jiao Yingying (School of Computer Science and Artificial Intelligence, Aliyun School of Big Data, Changzhou University, Changzhou, People’s Republic of China) ,  Jiang Fei (Lab for AI Eduaction, East China Normal University, Shanghai, People’s Republic of China)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 75  ページ： Null  発行年： 2022年 
JST資料番号： W3347A  ISSN： 1746-8094  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 遅い眼球運動(SEM)は睡眠開始期間を示すが,運転者疲労検出の分野ではほとんど研究されていない。視覚観察と統計解析により,SEMsは眼閉鎖期に生じ,運転中に高い全被覆率を持ち,運転者の睡眠開始期間を認識するためにSEMsの検出を利用できることを見出した。SEMsを検出するために,著者らは,生理学的信号における時間的情報およびマルチモーダル情報を取り扱うために,二峰性Long Short-Term記憶(LSTM)ネットワークを採用した。識別情報を拡張するために,著者らは,2つの水平電図(EOG)チャネルからの信号の合計である,新しい水平和(HSUM)信号を定義した。脳波(EEG)関連特徴を,従来のO_2信号からのそれらとは対照的に,HSUM信号から抽出した。EOG特徴を水平EOG(HEOG)信号から抽出した。結果は,マルチモーダル信号(HSUMとHEOG信号,またはO_2とHEOG信号)からの特徴が,単一HEOG信号からの特徴より,より良い分類結果を達成することを証明した。そして,自己定義HSUM信号から抽出したEEG関連特徴は,従来のO_2信号からのそれらに匹敵する結果を達成し,従って,余分のO_2チャネルを用いて回避する。HSUMとHEOG信号から特徴を分類するために,二峰性LSTMを用いてSEMを検出する提案方法は,76.5%の平均Fスコアを達成し,それは7.5%の古典的サポートベクトルマシンより高い。2つのチャネルのみを用いてSEMを検出するこの方法は,運転者の睡眠開始期間を認識するためのユーザ許容可能かつ実行可能なシステムの構築を助ける。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *眼球運動 ,  視覚 ,  ネットワーク ,  脳波 ,  分類 ,  信号 ,  統計解析 ,  多モード ,  チャネル ,  被覆率 ,  α波 ,  サポートベクトルマシン
準シソーラス用語： 眠気 ,  識別子 , 【Automatic Indexing@JST】

著者キーワード (6件)： 遅い眼球運動 ,  睡眠開始期 ,  運転者の眠気 ,  LSTM ,  EEGアルファ波 ,  EOG

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (3件)： 睡眠 ,  LSTM ,  眼球運動