論文の概要: EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies
on Signal Sensing Technologies and Computational Intelligence Approaches and
their Applications
- arxiv url: http://arxiv.org/abs/2001.11337v1
- Date: Tue, 28 Jan 2020 10:36:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-06 02:49:50.053442
- Title: EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies
on Signal Sensing Technologies and Computational Intelligence Approaches and
their Applications
- Title（参考訳）: 脳波を用いた脳-コンピュータインタフェース(BCIs):信号センシング技術と計算知能アプローチの最近の研究動向とその応用
- Authors: Xiaotong Gu, Zehong Cao, Alireza Jolfaei, Peng Xu, Dongrui Wu,
Tzyy-Ping Jung, Chin-Teng Lin
- Abstract要約: Brain-Computer Interface (BCI) はユーザとシステム間の強力なコミュニケーションツールである。
近年の技術進歩は、脳波(EEG)に基づく翻訳医療用BCIへの関心が高まっている。
- 参考スコア（独自算出の注目度）: 65.32004302942218
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Brain-Computer Interface (BCI) is a powerful communication tool between users
and systems, which enhances the capability of the human brain in communicating
and interacting with the environment directly. Advances in neuroscience and
computer science in the past decades have led to exciting developments in BCI,
thereby making BCI a top interdisciplinary research area in computational
neuroscience and intelligence. Recent technological advances such as wearable
sensing devices, real-time data streaming, machine learning, and deep learning
approaches have increased interest in electroencephalographic (EEG) based BCI
for translational and healthcare applications. Many people benefit from
EEG-based BCIs, which facilitate continuous monitoring of fluctuations in
cognitive states under monotonous tasks in the workplace or at home. In this
study, we survey the recent literature of EEG signal sensing technologies and
computational intelligence approaches in BCI applications, compensated for the
gaps in the systematic summary of the past five years (2015-2019). In specific,
we first review the current status of BCI and its significant obstacles. Then,
we present advanced signal sensing and enhancement technologies to collect and
clean EEG signals, respectively. Furthermore, we demonstrate state-of-art
computational intelligence techniques, including interpretable fuzzy models,
transfer learning, deep learning, and combinations, to monitor, maintain, or
track human cognitive states and operating performance in prevalent
applications. Finally, we deliver a couple of innovative BCI-inspired
healthcare applications and discuss some future research directions in
EEG-based BCIs.
- Abstract（参考訳）: Brain-Computer Interface (BCI) はユーザーとシステム間の強力なコミュニケーションツールであり、人間の脳が直接環境と通信し相互作用する能力を高める。
過去数十年間、神経科学とコンピュータ科学の進歩は、bciにおけるエキサイティングな発展につながり、bciは計算神経科学と知能の分野において、学際的な分野となっている。
近年, ウェアラブルセンサ, リアルタイムデータストリーミング, 機械学習, 深層学習などの技術進歩により, 翻訳・医療分野での脳波(EEG)に基づくBCIへの関心が高まっている。
多くの人が脳波に基づくBCIの恩恵を受けており、職場や家庭での単調なタスクの下で認知状態の変動を継続的に監視している。
本研究では,過去5年間(2015-2019)の系統的概要のギャップを補うため,脳波信号センシング技術とBCIアプリケーションにおける計算知能アプローチの最近の文献を調査した。
具体的には,BCIの現状と,その重大な障害について概説する。
次に,脳波信号の収集と洗浄を行うための高度信号センシング技術と拡張技術を提案する。
さらに, 解釈可能なファジィモデル, 転送学習, 深層学習, 組み合わせなど, 人間の認知状態の監視, 維持, 追跡, 一般的な応用における動作性能など, 最先端の計算知能技術を示す。
最後に、脳波に基づくBCI研究の方向性について、革新的なBCIにインスパイアされた医療アプリケーションをいくつか提供します。
関連論文リスト
- A Knowledge-Driven Cross-view Contrastive Learning for EEG
Representation [48.85731427874065]
本稿では,限られたラベルを持つ脳波から効果的な表現を抽出する知識駆動型クロスビューコントラスト学習フレームワーク(KDC2)を提案する。
KDC2法は脳波信号の頭皮と神経のビューを生成し、脳活動の内部および外部の表現をシミュレートする。
ニューラル情報整合性理論に基づく事前のニューラル知識をモデル化することにより、提案手法は不変かつ相補的なニューラル知識を抽出し、複合表現を生成する。
論文 参考訳（メタデータ） (2023-09-21T08:53:51Z) - Visual Flow-based Programming Plugin for Brain Computer Interface in
Computer-Aided Design [4.001565027566836]
Brain Computer Interfaces (BCI) の主な応用は、車椅子と神経義肢を制御したり、モビリティに制限のある人々のためにテキストやコマンドを生成することである。
本稿では、神経科学やコンピュータプログラミングの経験の少ないデザイナーが神経学的データにアクセスできるようにする新しいBCIツールであるNeuronの開発と応用を紹介する。
論文 参考訳（メタデータ） (2023-07-20T16:50:39Z) - The evolution of AI approaches for motor imagery EEG-based BCIs [2.294014185517203]
運動画像(MI)脳波(EEG)ベースの脳コンピュータインタフェース(BCI)は、人間と機械の直接通信を可能にする。
これらのシステムは、医療分野からエンターテイメント産業にまたがるアプリケーションを開発する可能性を開く。
人工知能(AI)アプローチは、特にBCIユーザに正しい一貫性のあるフィードバックを提供したい場合に、基本的な重要性を持つ。
論文 参考訳（メタデータ） (2022-10-11T07:42:54Z) - Spatio-Temporal Analysis of Transformer based Architecture for Attention
Estimation from EEG [2.7076510056452654]
脳波信号から特定のタスクに与えられた注意状態、すなわち注意度を復元できる新しいフレームワークを提案する。
従来は電極による脳波の空間的関係をよく検討していたが, トランスフォーマネットワークを用いた空間的・時間的情報の利用も提案する。
提案したネットワークは、2つの公開データセットでトレーニングされ、検証され、最先端のモデルよりも高い結果が得られる。
論文 参考訳（メタデータ） (2022-04-04T08:05:33Z) - 2021 BEETL Competition: Advancing Transfer Learning for Subject
Independence & Heterogenous EEG Data Sets [89.84774119537087]
我々は、診断とBCI(Brain-Computer-Interface)に関する2つの伝達学習課題を設計する。
第1タスクは、患者全体にわたる自動睡眠ステージアノテーションに対処する医療診断に重点を置いている。
タスク2はBrain-Computer Interface (BCI)に集中しており、被験者とデータセットの両方にわたる運動画像のデコードに対処する。
論文 参考訳（メタデータ） (2022-02-14T12:12:20Z) - A Survey on Brain-Computer Interaction [0.0]
脳-コンピュータインタフェースシステムは、筋活動のない神経活動の測定を通じてコミュニケーションをサポートする。
本稿では,BCIシステムの構造と機能について論じるとともに,用語統合と進歩,この分野の機会を明らかにする。
論文 参考訳（メタデータ） (2022-01-04T06:02:33Z) - Emotional EEG Classification using Connectivity Features and
Convolutional Neural Networks [81.74442855155843]
CNNと脳のつながりを利用した新しい分類システムを導入し,その効果を感情映像分類により検証する。
対象映像の感情的特性に関連する脳接続の集中度は分類性能と相関する。
論文 参考訳（メタデータ） (2021-01-18T13:28:08Z) - EEG-Based Brain-Computer Interfaces Are Vulnerable to Backdoor Attacks [68.01125081367428]
近年の研究では、機械学習アルゴリズムは敵攻撃に弱いことが示されている。
本稿では,脳波をベースとしたBCIの毒殺攻撃に狭周期パルスを用いることを提案する。
論文 参考訳（メタデータ） (2020-10-30T20:49:42Z) - Spiking Neural Networks Hardware Implementations and Challenges: a
Survey [53.429871539789445]
スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。
スパイキングニューラルネットワークのハードウェア実装の現状について述べる。
本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
論文 参考訳（メタデータ） (2020-05-04T13:24:00Z) - Transfer Learning for EEG-Based Brain-Computer Interfaces: A Review of
Progress Made Since 2016 [35.68916211292525]
脳コンピュータインタフェース(BCI)は、脳信号を用いてコンピュータと直接通信することができる。
EEGはノイズ/アーティファクトに敏感で、オブジェクト間/オブジェクト間非定常性に悩まされる。
脳波に基づくBCIシステムでは,様々な被験者に最適なパターン認識モデルを構築することは困難である。
論文 参考訳（メタデータ） (2020-04-13T16:44:55Z)
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。