文献

J-GLOBAL ID：202202285344388073   整理番号：22A0565936

耳EEGを用いた深畳込みニューラルネットワークベースの眼状態分類【JST・京大機械翻訳】

Deep Convolutional Neural Network Based Eye States Classification Using Ear-EEG

著者 (5件)： Han Chang-Hee (Department of Software, College of Software Convergence, Dongseo University, Busan 47011, South Korea) ,  Choi Ga-Young (Department of Electronics and Information Engineering, College of Science and Technology, Korea University, Sejong 30019, South Korea) ,  Choi Ga-Young (Interdisciplinary Graduate Program for Artificial Intelligence Smart Convergence Technology, Korea University, Sejong 30019, South Korea) ,  Hwang Han-Jeong (Department of Electronics and Information Engineering, College of Science and Technology, Korea University, Sejong 30019, South Korea) ,  Hwang Han-Jeong (Interdisciplinary Graduate Program for Artificial Intelligence Smart Convergence Technology, Korea University, Sejong 30019, South Korea)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 192  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  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： 耳(耳-EEG)の周りで測定した脳波は,EEG測定に関して従来の頭皮-EEGと比較して便利であるため,実際のEEGに基づく応用の開発に対する効果的な測定と考えられている。しかし,耳-EEGベースの応用は,頭皮-EEGベースの応用のものより低い分類精度を示した。本研究では,耳-EEGベースアプリケーションの全体的性能を改善するために,深い畳込みニューラルネットワーク(CNN)を導入した。耳および頭皮-EEGを同時に撮影し,一方30人の参加者は,2つの異なる日に眼状態同定(眼-開放および閉眼)のための実験を行った。開眼と眼閉状態の分類は,様々な実生活応用を開発するために使用できる。最良の分類性能を有する従来の機械学習アルゴリズムの交差検証(CV)および試験-再試験(TR)精度を,耳および頭皮-EEGに対して最初に得た。次に,3つの異なるCNNモデル(EEGNet,深いConvNet,および浅いConvNet)を用いて分類精度を推定した。浅いConvNetは,他のCNNモデルと比較して最良の分類性能を示し,耳-EEGを用いた従来のアルゴリズムの分類精度を著しく凌駕した。さらに,耳-EEGを用いた浅いConvNetの分類性能は,頭皮-EEGを用いた従来のアルゴリズムのそれとほとんど同じであった。また,耳-EEGに基づく浅いConvNetは,擬似オンラインシミュレーションにおいて非常に信頼できる眼状態同定を示し,真の陽性率は93%,偽陽性率は0.29FP/分,眼状態検出率は2.35秒,情報転送率は21.86ビット/分であった。これらの実験結果は,CNNモデルが,耳-EEGベースアプリケーションの性能を改善するために効果的に使用できることを検証した。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： アルゴリズム ,  *脳波 ,  分類 ,  *ニューラルネットワーク ,  皮膚 ,  精度 ,  頭部 ,  伝送速度 ,  状態 ,  学習アルゴリズム
準シソーラス用語： 頭皮 ,  閉眼 ,  陽性率 ,  分類精度 ,  検出率 ,  偽陽性率 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 頭皮 ,  耳EEG ,  CNN ,  LDA ,  眼状態の同定

分類 (2件)： 生体計測  (EL03020C) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 耳 ,  EEG ,  畳込みニューラルネットワーク ,  眼 ,  分類