Fugu-MT 論文翻訳(概要): EEG fingerprinting: subject specific signature based on the aperiodic component of power spectrum

論文の概要: EEG fingerprinting: subject specific signature based on the aperiodic component of power spectrum

arxiv url: http://arxiv.org/abs/2001.09424v1
Date: Sun, 26 Jan 2020 09:04:26 GMT
ステータス: 処理完了
システム内更新日: 2023-01-06 19:42:17.814635
Title: EEG fingerprinting: subject specific signature based on the aperiodic component of power spectrum
Title（参考訳）: 脳波フィンガープリント:パワースペクトルの周期的成分に基づく被験者特異的署名
Authors: Matteo Demuru and Matteo Fraschini
Abstract要約: 脳波パワースペクトルから抽出した非常に単純かつ容易に解釈可能な特徴集合に対する個人変動の影響を推定する。その結果,脳波信号の周期成分は強い主観特性によって特徴づけられることがわかった。
参考スコア（独自算出の注目度）: 1.012745603287498
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: During the last few years, there has been growing interest in the effects induced by individual variability on activation patterns and brain connectivity. The practical implications of individual variability is of basic relevance for both group level and subject level studies. The Electroencephalogram (EEG), still represents one of the most used recording techniques to investigate a wide range of brain related features. In this work, we aim to estimate the effect of individual variability on a set of very simple and easily interpretable features extracted from the EEG power spectra. In particular, in an identification scenario, we investigated how the aperiodic (1/f background) component of the EEG power spectra can accurately identify subjects from a large EEG dataset. The results of this study show that the aperiodic component of the EEG signal is characterized by strong subject-specific properties, that this feature is consistent across different experimental conditions (eyes-open and eyes-closed) and outperforms the canonically-defined frequency bands. These findings suggest that the simple features (slope and offset) extracted from the aperiodic component of the EEG signal are sensitive to individual traits and may help to characterize and make inferences at single subject level.
Abstract（参考訳）: ここ数年、個人の変動が活性化パターンや脳とのつながりに与えた影響に対する関心が高まっている。個人変動の実践的意味は、グループレベルと主観レベルの両方の研究の基本的な関連性である。脳波計(eeg: electroencephalogram)は、脳に関する幅広い特徴を調べるための最もよく使われる記録技術の一つである。本研究では,脳波パワースペクトルから抽出した非常に単純かつ容易に解釈可能な特徴集合に対する個人変動の影響を推定することを目的とする。特に,特定シナリオにおいて,脳波パワースペクトルの非周期(1/f背景)成分が大きな脳波データセットから被験者を正確に識別できるかを検討した。本研究の結果から,脳波信号の周期成分は強い主観特性によって特徴づけられ,その特徴は異なる実験条件(目開眼,目閉眼)で一致し,周波数帯域よりも優れていた。これらの結果から, 脳波信号の周期成分から抽出される単純な特徴(傾斜とオフセット)は個々の特徴に敏感であり, 単一対象レベルでの推論や特徴付けに有効であることが示唆された。

関連論文リスト

CSLP-AE: A Contrastive Split-Latent Permutation Autoencoder Framework for Zero-Shot Electroencephalography Signal Conversion [49.1574468325115]
脳波分析の鍵となる目的は、基礎となる神経活動(コンテンツ)を抽出し、個体の変動(スタイル)を考慮することである。近年の音声変換技術の発展に触発されて,脳波変換を直接最適化するCSLP-AEフレームワークを提案する。
論文参考訳（メタデータ） (2023-11-13T22:46:43Z)
DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
論文参考訳（メタデータ） (2023-09-07T13:43:46Z)
Power Spectral Density-Based Resting-State EEG Classification of First-Episode Psychosis [1.3416169841532526]
脳の異常活動パターンの同定における刺激非依存型脳波の有用性を示す。複数の周波数帯域を組み込んだ一般化モデルでは、脳波バイオマーカーとFEP(First-Episode Psychosis)を関連付けるのがより効率的である。本稿では,PSD解析における前処理手法の総合的な考察と,異なるモデルの詳細な比較について述べる。
論文参考訳（メタデータ） (2022-11-23T00:28:41Z)
Task-oriented Self-supervised Learning for Anomaly Detection in Electroencephalography [51.45515911920534]
タスク指向型自己教師型学習手法を提案する。大きなカーネルを持つ特定の2つの分岐畳み込みニューラルネットワークを特徴抽出器として設計する。効果的に設計され、訓練された特徴抽出器は、より優れた特徴表現を脳波から抽出できることが示されている。
論文参考訳（メタデータ） (2022-07-04T13:15:08Z)
Spectro Temporal EEG Biomarkers For Binary Emotion Classification [21.14373334657546]
非定常であるため、脳波は分光時間表現によりよりよく分析される。離散ウェーブレット変換(DWT)のような標準的な機能は、脳波のスペクトル力学における時間的変化を表すことができる。経験的モード分解(EMD)に基づく特徴は、ギャップを埋めるのに有用である。
論文参考訳（メタデータ） (2022-02-02T10:08:22Z)
EEGminer: Discovering Interpretable Features of Brain Activity with Learnable Filters [72.19032452642728]
本稿では,学習可能なフィルタと事前決定された特徴抽出モジュールからなる新しい識別可能なEEGデコーディングパイプラインを提案する。我々は,SEEDデータセットおよび前例のない大きさの新たな脳波データセット上で,脳波信号からの感情認識に向けたモデルの有用性を実証する。発見された特徴は、以前の神経科学の研究と一致し、音楽聴取中の左右の時間領域間の機能的接続プロファイルの顕著な相違など、新たな洞察を提供する。
論文参考訳（メタデータ） (2021-10-19T14:22:04Z)
EEG-ConvTransformer for Single-Trial EEG based Visual Stimuli Classification [5.076419064097734]
本研究は,マルチヘッド自己注意に基づくEEG-ConvTranformerネットワークを導入する。 5種類の視覚刺激分類タスクにまたがる最先端技術による分類精度の向上を実現している。
論文参考訳（メタデータ） (2021-07-08T17:22:04Z)
Subject Independent Emotion Recognition using EEG Signals Employing Attention Driven Neural Networks [2.76240219662896]
主観非依存の感情認識が可能な新しいディープラーニングフレームワークを提案する。タスクを実行するために、アテンションフレームワークを備えた畳み込みニューラルネットワーク(CNN)を提示する。提案手法は、公開データセットを使用して検証されている。
論文参考訳（メタデータ） (2021-06-07T09:41:15Z)
A Novel Transferability Attention Neural Network Model for EEG Emotion Recognition [51.203579838210885]
脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。 TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
論文参考訳（メタデータ） (2020-09-21T02:42:30Z)
Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
論文参考訳（メタデータ） (2020-07-16T09:39:17Z)
Investigating EEG-Based Functional Connectivity Patterns for Multimodal Emotion Recognition [8.356765961526955]
本稿では, 強度, クラスタリング, 係数, 固有ベクトル中心性という3つの機能接続ネットワーク特性について検討する。感情認識における脳波接続機能の識別能力は,3つの公開脳波データセットで評価される。脳波の機能的接続特徴と眼球運動や生理的信号の特徴を組み合わせたマルチモーダル感情認識モデルを構築した。
論文参考訳（メタデータ） (2020-04-04T16:51:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。