論文の概要: Analysis of Gait-Event-related Brain Potentials During Instructed And
Spontaneous Treadmill Walking -- Technical Affordances and used Methods
- arxiv url: http://arxiv.org/abs/2003.00783v1
- Date: Mon, 2 Mar 2020 11:54:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-27 05:50:17.563293
- Title: Analysis of Gait-Event-related Brain Potentials During Instructed And
Spontaneous Treadmill Walking -- Technical Affordances and used Methods
- Title(参考訳): 自発トレッドミル歩行指導時の歩行事象関連脳電位の解析-技術動向と使用法
- Authors: Cornelia Herbert, Jan Nachtsheim, Michael Munz
- Abstract要約: 歩行関連事象関連脳電位(gERPs)は、ヒト歩行制御における皮質脳領域の機能的役割に関する情報を提供する。
本研究の目的は、歩行関連ERPの時間依存性解析のための実験的および技術的解決の可能性を探ることである。
ソリューションは、カスタムメイドのUSB同期インターフェース、時間同期モジュール、データマージモジュールで構成される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To improve the understanding of human gait and to facilitate novel
developments in gait rehabilitation, the neural correlates of human gait as
measured by means of non-invasive electroencephalography (EEG) have been
investigated recently. Particularly, gait-related event-related brain
potentials (gERPs) may provide information about the functional role of
cortical brain regions in human gait control. The purpose of this paper is to
explore possible experimental and technical solutions for time-sensitive
analysis of human gait-related ERPs during spontaneous and instructed treadmill
walking. A solution (HW/SW) for synchronous recording of gait- and EEG data was
developed, tested and piloted. The solution consists of a custom-made USB
synchronization interface, a time-synchronization module and a data merging
module, allowing temporal synchronization of recording devices for
time-sensitive extraction of gait markers for analysis of gait-related ERPs and
for the training of artificial neural networks. In the present manuscript, the
hardware and software components were tested with the following devices: A
treadmill with an integrated pressure plate for gait analysis (zebris FDM-T)
and an Acticap non-wireless 32-channel EEG-system (Brain Products GmbH). The
usability and validity of the developed solution was tested in a pilot study (n
= 3 healthy participants, n=3 females, mean age = 22.75 years). Recorded EEG
data was segmented and analyzed according to the detected gait markers for the
analysis of gait-related ERPs. Finally, EEG periods were used to train a deep
learning artificial neural network as classifier of gait phases. The results
obtained in this pilot study, although preliminary, support the feasibility of
the solution for the application of gait-related EEG analysis..
- Abstract(参考訳): ヒトの歩行の理解を深め、歩行リハビリテーションの新たな展開を容易にするために、非侵襲的脳波(eeg)によるヒトの歩行の神経的相関が近年研究されている。
特に、歩行関連事象関連脳電位(gERP)は、歩行制御における皮質脳領域の機能的役割に関する情報を提供する。
本研究の目的は、トレッドミル歩行時の歩行関連ERPの時間依存性解析のための実験的および技術的解決の可能性を探ることである。
歩行と脳波データの同期記録のためのソリューション(HW/SW)を開発した。
このソリューションは、カスタムメイドのUSB同期インターフェース、時間同期モジュール、およびデータマージモジュールで構成されており、歩行関連ERPの分析や人工ニューラルネットワークのトレーニングのための歩行マーカーの時間依存性抽出のための記録装置の時間同期を可能にする。
本原稿では,歩行解析用統合圧板(zebris fdm-t)とアクチキャップ非ワイヤレス32チャンネルeeg-system(brain products gmbh)を備えたトレッドミルを用いて,ハードウェアとソフトウェアコンポーネントを試験した。
開発したソリューションの有用性と妥当性は、パイロット実験(n = 3人、n=3人、平均年齢=22.75歳)で検証された。
歩行関連ERPの解析のために,検出した歩行マーカーに基づいて脳波データを分割解析した。
最後に、脳波周期を用いて、歩行相の分類器としてディープラーニングニューラルネットワークを訓練した。
本試験の結果は,予備的ではあるが,歩行関連脳波解析の適用可能性を支持するものである。
.
関連論文リスト
- REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。
グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。
本モデルは,発作検出と分類作業において高い精度を示す。
論文 参考訳(メタデータ) (2024-06-03T16:30:19Z) - Physics-informed and Unsupervised Riemannian Domain Adaptation for Machine Learning on Heterogeneous EEG Datasets [53.367212596352324]
脳波信号物理を利用した教師なし手法を提案する。
脳波チャンネルをフィールド、ソースフリーなドメイン適応を用いて固定位置にマッピングする。
提案手法は脳-コンピュータインタフェース(BCI)タスクおよび潜在的なバイオマーカー応用におけるロバストな性能を示す。
論文 参考訳(メタデータ) (2024-03-07T16:17:33Z) - A Convolutional Spiking Network for Gesture Recognition in
Brain-Computer Interfaces [0.8122270502556371]
脳信号に基づく手振り分類の例題問題に対して,簡単な機械学習に基づくアプローチを提案する。
本手法は脳波データとECoGデータの両方で異なる対象に一般化し,92.74-97.07%の範囲で精度が向上することを示した。
論文 参考訳(メタデータ) (2023-04-21T16:23:40Z) - An embedding for EEG signals learned using a triplet loss [0.0]
脳-コンピュータインタフェース(BCI)では、デコードされた脳状態情報を最小の時間遅延で使用することができる。
このようなデコードタスクの課題は、小さなデータセットサイズによって引き起こされる。
神経生理学的データのための新しいドメイン特異的埋め込みを提案する。
論文 参考訳(メタデータ) (2023-03-23T09:05:20Z) - ETLP: Event-based Three-factor Local Plasticity for online learning with
neuromorphic hardware [105.54048699217668]
イベントベース3要素局所塑性(ETLP)の計算複雑性に明らかな優位性を有する精度の競争性能を示す。
また, 局所的可塑性を用いた場合, スパイキングニューロンの閾値適応, 繰り返しトポロジーは, 時間的構造が豊富な時間的パターンを学習するために必要であることを示した。
論文 参考訳(メタデータ) (2023-01-19T19:45:42Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳(メタデータ) (2022-10-23T15:11:37Z) - DriPP: Driven Point Processes to Model Stimuli Induced Patterns in M/EEG
Signals [62.997667081978825]
我々はDriPPと呼ばれる新しい統計点過程モデルを開発する。
我々は、このモデルのパラメータを推定するために、高速で原理化された予測最大化(EM)アルゴリズムを導出する。
標準MEGデータセットの結果から,我々の手法が事象関連ニューラルレスポンスを明らかにすることが示された。
論文 参考訳(メタデータ) (2021-12-08T13:07:21Z) - Sensitivity analysis in differentially private machine learning using
hybrid automatic differentiation [54.88777449903538]
感性分析のための新しいテクスチブリド自動識別システム(AD)を導入する。
これにより、ニューラルネットワークをプライベートデータ上でトレーニングするなど、任意の微分可能な関数合成の感度をモデル化できる。
当社のアプローチは,データ処理の設定において,プライバシ損失に関する原則的推論を可能にする。
論文 参考訳(メタデータ) (2021-07-09T07:19:23Z) - Coherence of Working Memory Study Between Deep Neural Network and
Neurophysiology [0.0]
本研究では,深層ニューラルネットワークの関心領域間のコヒーレントな対応について検討する。
グローバル平均プーリング(GAP)によって誘導される注意メカニズムは、ワーキングメモリの公開EEGデータセットに適用される。
結果は異なる研究分野のroisのアライメントを示している。
論文 参考訳(メタデータ) (2021-02-06T09:09:57Z) - Human brain activity for machine attention [8.673635963837532]
我々は脳波(EEG)という神経科学データを初めて活用し、人間の脳の言語処理について神経の注意モデルに知らせる。
我々は、理論上動機付けられた収穫と無作為な森林分枝を組み合わせることで、機械の注意を監督する脳波の特徴を見つける手法を考案した。
これらの特徴を関係分類の注意を規則化するために応用し、脳波が強い基準線よりも情報的であることを示す。
論文 参考訳(メタデータ) (2020-06-09T08:39:07Z)
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。