文献

J-GLOBAL ID：202202274836463473   整理番号：22A0310952

回転不変局所二値パターンとグレーレベル共起行列特徴の融合による時間-周波数画像におけるEEG信号分類【JST・京大機械翻訳】

EEG Signals Classification in Time-Frequency Images by Fusing Rotation-Invariant Local Binary Pattern and Gray Level Co-occurrence Matrix Features

著者 (4件)： Hu Zhongyi (College of Computer and Artificial Intelligence, Intelligent Information Systems Institute, Wenzhou University, Wenzhou, China) ,  Luo Zhenzhen (College of Computer and Artificial Intelligence, Intelligent Information Systems Institute, Wenzhou University, Wenzhou, China) ,  Jin Shan (Zhejiang Topcheer Information Technology Co., Ltd, Zhejiang, China) ,  Li Zuoyong (Fujian Provincial Key Laboratory of Information Processing and Intelligent Control, College of Computer and Control Engineering, Minjiang University, Fuzhou, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13069  ページ： 347-358  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： EEG信号に基づく自動てんかん診断システムはてんかんの分類において重要である。一過性EEG信号の医師の視覚観察によるこの疾患分類は,科学より芸術的である。本論文では,回転不変局所二値パターンとグレイレベル共起行列特徴の融合による時間周波数画像に基づく新しいEEG信号分類法を提案した。特に,連続ウェーブレット変換を適用して,変異EEG信号のウェーブレット分解を行い,それらの時間周波数画像を得た。次に,バイナリパーティクルスウォーム最適化アルゴリズムを用いて,特徴選択における冗長な特徴を除去して,SVMのハイパーパラメータを最適化した。提案方法を,他の利用可能な切削エッジ分類法との比較によって検証した。提案したEEG信号分類フレームワークは,より良い分類効果を達成し,専門家の臨床医と神経科学者が,より正確で迅速なてんかん診断を行うのを助けるであろう。Copyright Springer Nature Switzerland AG 2021 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 ,  視覚 ,  冗長性 ,  切削 ,  特性 ,  *てんかん ,  画像特性 ,  特徴選択 ,  神経科学
準シソーラス用語： 分類法 ,  粒子群最適化 ,  グレイレベル ,  *共起行列 ,  時間周波数 ,  *脳波信号 , 【Automatic Indexing@JST】

著者キーワード (5件)： EEG信号 ,  てんかん分類 ,  局所二値パターン(LBP) ,  グレイレベル共起行列(GLCM) ,  バイナリ粒子群最適化アルゴリズム(BPSO)

分類 (2件)： 生体計測  (EL03020C) ,  神経系の診断  (GN02000H)

タイトルに関連する用語 (6件)： 不変 ,  二値 ,  共起行列 ,  融合 ,  EEG信号 ,  分類