文献

J-GLOBAL ID：202202283996634422   整理番号：22A0979013

ビジュアルオドボールパラダイムERPデータの雑音/アーチファクト-破壊エポック検出のための機械学習アルゴリズム【JST・京大機械翻訳】

Machine Learning Algorithms for Detection of Noisy/Artifact-Corrupted Epochs of Visual Oddball Paradigm ERP Data

著者 (2件)： Akhter Rafia (University of Georgia,School of Electrical and Computer Engineering,Athens,USA) ,  Beyette Fred R. (University of Georgia,School of Electrical and Computer Engineering,Athens,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： CDMA  ページ： 169-174  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 脳波(EEG)は脳の神経活動を追跡し記録する非侵襲的モニタリング法である。外部刺激に対するEEGの時間同期捕獲は,事象関連電位(ERP)として知られており,脳が刺激に応答する方法の解明を助けることができる。一般的に,EEGは活動の神経と非神経源の不均等な混合物であり,これらの非神経(非EEG)シグナルは実験でSNRを減少できるEEGにおいてアーチファクトを生成し,実験操作の効果についての誤った結論を導く可能性がある。したがって,分析の前に記録されたEEGからアーチファクトを除去することは非常に重要である。ERPに影響する最も一般的なアーチファクトは,眼-瞬目,眼球運動,および身体運動である。これらのアーチファクト崩壊データは,目視検査またはコンピュータ自動信号処理法によって除去できる。これらの方法は,収集したERP応用の後処理に適しているが,それらは連続ERPデータの実時間処理に適していない。このプロジェクトは,ERPをスクリーンし,信号解析の前にアーチファクト崩壊したデータ時代を検出し,拒絶できる機械学習モデルを導入することによって,アーチファクトのリアルタイム同定に関連する課題に対処しようとする。ストリーミングERPデータの実時間前処理を可能にするために,ここで調査したDBScan機械学習法は,アーチファクト混合ERP時代の同定において最大90%の精度を提供できる。その結果,本研究の知見はERP試験の信号品質の改善を助け,ERPがストリーミングEEGデータ収集と分析を必要とする実世界応用のバイオマーカーとして使用できるであろう。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  *雑音 ,  脳波 ,  信号解析 ,  信号処理 ,  スクリーン ,  実時間処理 ,  データ収集 ,  コンピュータ ,  *アーチファクト ,  バイオマーカー ,  *機械学習 ,  *学習アルゴリズム ,  ストリーミング
準シソーラス用語： 瞬目 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： ERP ,  雑音 ,  アーチファクト ,  破壊 ,  エポック ,  機械学習 ,  アルゴリズム