論文の概要: An Improved EEG Acquisition Protocol Facilitates Localized Neural
Activation
- arxiv url: http://arxiv.org/abs/2003.10212v1
- Date: Fri, 13 Mar 2020 04:46:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 02:16:49.761666
- Title: An Improved EEG Acquisition Protocol Facilitates Localized Neural
Activation
- Title(参考訳): 局所的ニューラルアクティベーションを実現する改良型脳波取得プロトコル
- Authors: Jerrin Thomas Panachakel, Nandagopal Netrakanti Vinayak, Maanvi Nunna,
A.G. Ramakrishnan and Kanishka Sharma
- Abstract要約: 本研究は,運動画像の脳波記録プロトコルの改良を提案する。
その結果、被験者は画像の試行後に運動動作を行う必要があるという利点が示された。
これは麻痺/ロックイン患者の意図した運動指令に応答して脳の活性化を検出するためのより良い脳波取得プロトコルであることが証明されるかもしれない。
- 参考スコア(独自算出の注目度): 0.9134244356393664
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work proposes improvements in the electroencephalogram (EEG) recording
protocols for motor imagery through the introduction of actual motor movement
and/or somatosensory cues. The results obtained demonstrate the advantage of
requiring the subjects to perform motor actions following the trials of
imagery. By introducing motor actions in the protocol, the subjects are able to
perform actual motor planning, rather than just visualizing the motor movement,
thus greatly improving the ease with which the motor movements can be imagined.
This study also probes the added advantage of administering somatosensory cues
in the subject, as opposed to the conventional auditory/visual cues. These
changes in the protocol show promise in terms of the aptness of the spatial
filters obtained on the data, on application of the well-known common spatial
pattern (CSP) algorithms. The regions highlighted by the spatial filters are
more localized and consistent across the subjects when the protocol is
augmented with somatosensory stimuli. Hence, we suggest that this may prove to
be a better EEG acquisition protocol for detecting brain activation in response
to intended motor commands in (clinically) paralyzed/locked-in patients.
- Abstract(参考訳): 本研究は、運動運動および/または体性感覚手がかりの導入による運動画像の脳波記録プロトコルの改善を提案する。
その結果、被験者は画像の試行後に運動動作を行う必要があるという利点が示された。
プロトコルに運動動作を導入することで、被験者は単に運動の動きを可視化するのではなく、実際の運動計画を行うことができるため、運動の楽さを想像できる。
本研究は, 従来の聴覚・視覚手がかりとは対照的に, 体性感覚手がかりを被験者に投与することの利点についても検討した。
これらのプロトコルの変化は、よく知られた共通空間パターン(csp)アルゴリズムの適用に基づいて、データから得られる空間フィルタの適性の観点から有望である。
空間フィルターによって強調された領域は、体性感覚刺激によってプロトコルが強化されたとき、対象者間でより局所化され、一貫性がある。
そこで本研究は,脳波による脳波の取得プロトコルとして,脳波が脳波に反応して脳波を検出できる可能性が示唆された。
関連論文リスト
- SISMIK for brain MRI: Deep-learning-based motion estimation and
model-based motion correction in k-space [0.0]
本研究では,平面内剛体運動の問題に対処するために,運動量化と補正の振り返り手法を提案する。
我々は、深層ニューラルネットワークを用いてk空間の運動パラメータを推定し、モデルベースのアプローチで劣化した画像を復元し、「幻覚」を避ける。
提案手法はk空間のダイナミックレンジ全体で動作し,高調波の低SNRの影響を受けやすい。
論文 参考訳(メタデータ) (2023-12-20T17:38:56Z) - AiAReSeg: Catheter Detection and Segmentation in Interventional
Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。
本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文 参考訳(メタデータ) (2023-09-25T19:34:12Z) - Optimized EEG based mood detection with signal processing and deep
neural networks for brain-computer interface [0.0]
本研究の目的は,脳波と被験者の気分との関係を識別するスマート意思決定モデルを確立することである。
健康な28人の被験者の脳波は同意を得て観測され、気分を研究・認識する試みがなされている。
これらの技術を用いて、96.01%の検出精度が得られた。
論文 参考訳(メタデータ) (2023-03-30T15:23:24Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳(メタデータ) (2023-01-17T21:41:21Z) - 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) - Grasp-and-Lift Detection from EEG Signal Using Convolutional Neural
Network [1.869097450593631]
本稿では,32チャネル脳波信号から手動動作ビズGALを検出する手法を自動化した。
提案したパイプラインは、基本的には前処理とエンドツーエンド検出ステップを組み合わせたもので、手作りの機能エンジニアリングの必要性を排除している。
論文 参考訳(メタデータ) (2022-02-12T19:27:06Z) - Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle
Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。
私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。
提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
論文 参考訳(メタデータ) (2021-04-29T00:11:32Z) - Bidirectional Interaction between Visual and Motor Generative Models
using Predictive Coding and Active Inference [68.8204255655161]
本稿では,感覚予測のための生成モデルと,運動軌跡の生成モデルからなるニューラルアーキテクチャを提案する。
我々は,知覚予測のシーケンスが学習,制御,オンライン適応を導くレールとしてどのように機能するかを強調する。
論文 参考訳(メタデータ) (2021-04-19T09:41:31Z) - Analysis of Relation between Motor Activity and Imaginary EEG Records [1.52292571922932]
右または左拳の開閉時に109人の被験者から受信した脳波信号を使用します。
運動活動とその運動活動の想像の関係について検討した。
論文 参考訳(メタデータ) (2021-01-21T05:02:05Z) - Deep Learning of Movement Intent and Reaction Time for EEG-informed
Adaptation of Rehabilitation Robots [0.0]
適応は 運動学習の促進において リハビリテーションロボットにとって 重要なメカニズムです
本稿では,脳波を用いた深部畳み込みニューラルネットワーク(CNN)を提案する。
本研究は,脳波の同期データから,個別の運動成分が運動学習にどう関与するかを予測できることを示す。
論文 参考訳(メタデータ) (2020-02-18T13:20:46Z) - Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。
ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。
表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文 参考訳(メタデータ) (2020-01-31T17:47:16Z)
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。