文献

J-GLOBAL ID：202202265284039522   整理番号：22A1170247

脳コンピュータインタフェイスにおける運動画像分類のための網膜ネットモデルによる算術最適化【JST・京大機械翻訳】

Arithmetic Optimization with RetinaNet Model for Motor Imagery Classification on Brain Computer Interface

著者 (8件)： Malibari Areej A. (Department of Industrial and Systems Engineering, College of Engineering,Princess Nourah Bint Abdulrahman University, P.O. Box 84428, Riyadh 11671, Saudi Arabia) ,  Al-Wesabi Fahd N. (Department of Computer Science, College of Science & Art at Mahayil, King Khalid University, Saudi Arabia) ,  Obayya Marwa (Department of Biomedical Engineering, College of Engineering, Princess Nourah Bint Abdulrahman University, P.O. Box 84428, Riyadh 11671, Saudi Arabia) ,  Alkhonaini Mimouna Abdullah (Department of Computer Science, College of Computer and Information Sciences, Prince Sultan University, Saudi Arabia) ,  Hamza Manar Ahmed (Department of Computer and Self Development, Preparatory Year Deanship, Prince Sattam Bin Abdulaziz University, AlKharj, Saudi Arabia) ,  Motwakel Abdelwahed (Department of Computer and Self Development, Preparatory Year Deanship, Prince Sattam Bin Abdulaziz University, AlKharj, Saudi Arabia) ,  Yaseen Ishfaq (Department of Computer and Self Development, Preparatory Year Deanship, Prince Sattam Bin Abdulaziz University, AlKharj, Saudi Arabia) ,  Zamani Abu Sarwar (Department of Computer and Self Development, Preparatory Year Deanship, Prince Sattam Bin Abdulaziz University, AlKharj, Saudi Arabia)
資料名： Journal of Healthcare Engineering (Web)  (Journal of Healthcare Engineering (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7772A  ISSN： 2040-2295  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)技術は,運動障害者のためのコミュニケーションを可能にするために一般的に使用される。それは,脳波(EEG)または他の脳信号の利用によって支援ロボットを通信し,制御することを可能にする。EEG信号特徴を学習するための文献においていくつかのアプローチが利用可能であるが,深層学習(DL)モデルは,EEG特徴の新しい表現を生成するためにさらに探索し,MI分類のための強化結果を達成する必要がある。この動機によって,本研究は,BCIに関するMI分類(AORNDL-MIC)技術のためのRetinaNetベースの深層学習モデルによる算術最適化を設計した。提案したAORNDL-MIC技法は,まず,EEG信号雑音除去のためのマルチスケール主成分分析(MSPCA)アプローチを利用し,連続ウェーブレット変換(CWT)を,1D-EEG信号の2D時間周波数振幅表現への変換のために利用し,転送学習アプローチを介してDLモデルの利用を可能にした。さらに,DLベースのRetinaNetを,ID3分類器の助けで分類されるEEG信号から特徴ベクトルを抽出するために適用した。AORNDL-MIC技術の分類効率を最適化するために,演算最適化アルゴリズム(AOA)を,RetinaNetのハイパーパラメータ調整のために採用する。ベンチマークデータセットに関するAORNDL-MICアルゴリズムの実験解析は,最近の最先端技術に関する有望な性能を報告した。Copyright 2022 Areej A. Malibari et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  学習 ,  脳波 ,  ロボット ,  *脳 ,  最適化手法 ,  演算 ,  二次元 ,  一次元 ,  主成分分析 ,  ベンチマーク ,  雑音除去
準シソーラス用語： 脳波信号 ,  深層学習 , 【Automatic Indexing@JST】

分類 (3件)： 生体計測  (EL03020C) ,  脳・神経系モデル  (EL02050C) ,  人間機械系  (IB03000G)

引用文献 (24件)：

• N. Lu, T. Li, X. Ren, H. Miao, "A deep learning scheme for motor imagery classification based on restricted Boltzmann machines," IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 25, no. 6, pp. 566-576, 2016.
• A. JSubasi, S. Mian Qaisar, "The ensemble machine learning-based classification of motor imagery tasks in brain-computer interface," Journal of Healthcare Engineering, vol. 2021, 2021.
• J. Cantillo-Negrete, R. I. Carino-Escobar, P. Carrillo-Mora, D. Elias-Vinas, J. Gutierrez-Martinez, "Motor imagery-based brain-computer interface coupled to a robotic hand orthosis aimed for neurorehabilitation of stroke patients," Journal of healthcare engineering, vol. 2018, 2018.
• Y. Bin He, H. Bin, "Brain-computer interfaces using sensorimotor rhythms: current state and future perspectives," IEEE Transactions on Biomedical Engineering, vol. 61, no. 5, pp. 1425-1435, 2014.
• C. Li, J. Wei, X. Huang, Q. Duan, T. Zhang, "Effects of a brain-computer interface-operated lower limb rehabilitation robot on motor function recovery in patients with stroke," Journal of Healthcare Engineering, vol. 2021, 2021.

タイトルに関連する用語 (8件)： 脳コンピュータインタフェイス ,  運動 ,  画像分類 ,  網膜 ,  ネット ,  モデル ,  算術 ,  最適化