文献

J-GLOBAL ID：202202260289095618   整理番号：22A0946178

動的空間フィルタリングによる波形EEGからのロバストな学習【JST・京大機械翻訳】

Robust learning from corrupted EEG with dynamic spatial filtering

著者 (7件)： Banville Hubert (Universite Paris-Saclay, Inria, CEA, Palaiseau, France) ,  Banville Hubert (InteraXon Inc., Toronto, Canada) ,  Wood Sean U.N. (InteraXon Inc., Toronto, Canada) ,  Aimone Chris (InteraXon Inc., Toronto, Canada) ,  Engemann Denis-Alexander (Universite Paris-Saclay, Inria, CEA, Palaiseau, France) ,  Engemann Denis-Alexander (Max Planck Institute for Human Cognitive and Brain Sciences, Department of Neurology, Leipzig, Germany) ,  Gramfort Alexandre (Universite Paris-Saclay, Inria, CEA, Palaiseau, France)
資料名： NeuroImage  (NeuroImage)
巻： 251  ページ： Null  発行年： 2022年 
JST資料番号： W3139A  ISSN： 1053-8119  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： 実験室設定の外で記録されたEEGを用いた建築機械学習モデルは,雑音の多いデータとランダム欠損チャネルにロバストな方法を必要とする。この必要性は,しばしば消費者グレードまたはモバイルEEGデバイスで遭遇する,スパースEEGモノステージ(1~6チャネル)で動作する場合,特に大きい。古典的機械学習モデルも,EEGのエンドツーエンドに訓練された深いニューラルネットワークも,典型的には,障害に対するロバスト性,特にランダム欠損チャネルに対して設計またはテストされる。いくつかの研究は,欠測チャネルを持つデータを使用するための戦略を提案してきたが,これらのアプローチは,スパースなモージが使用され,計算電力が制限される(例えばウェアラブル,携帯電話)場合,実用的ではない。この問題に取り組むために,著者らは,良好なチャネルに焦点を当て,悪いものを無視するために,学習によって欠測EEGチャネルを処理するために,ニューラルネットワークの最初の層の前にプラグできるマルチヘッド注意モジュールである動的空間フィルタリング(DSF)を提案した。模擬チャネル崩壊による約4000の記録を含む公共EEGデータに関するDSFと,自然崩壊を伴うモバイルEEGの100-家庭記録の私的データセットを試験した。提案手法は,雑音が適用されないとき,ベースラインモデルと同じ性能を達成するが,有意なチャネル崩壊が存在するとき,ベースラインを29.4%の精度まで凌駕する。さらに,DSF出力は解釈可能であり,実時間で有効チャネルの重要性をモニタできる。この手法は,チャネル崩壊が脳信号の読みを妨げる困難な設定におけるEEGの分析を可能にする可能性を有する。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： *空間フィルタリング ,  雑音 ,  学習モデル ,  消費者 ,  電力 ,  脳 ,  ニューラルネットワーク ,  *波形 ,  プラグ ,  エンドツーエンド方式 ,  チャネル ,  *ロバスト性 ,  携帯電話 ,  機械学習

著者キーワード (5件)： 脳波検査 ,  モバイルEEG ,  深層学習 ,  機械学習 ,  ノイズロバスト性

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (5件)： 空間フィルタリング ,  波形 ,  EEG ,  ロバスト ,  学習