論文の概要: Mu-suppression detection in motor imagery electroencephalographic signals using the generalized extreme value distribution

• arxiv url: http://arxiv.org/abs/2005.11242v2
• Date: Fri, 29 May 2020 20:14:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 09:42:14.732307
• Title: Mu-suppression detection in motor imagery electroencephalographic signals using the generalized extreme value distribution
• Title（参考訳）: 一般化極値分布を用いた運動画像脳波信号の無抑圧検出
• Authors: Antonio Quintero-Rinc\'on, Carlos D'Giano, Hadj Batatia
• Abstract要約: 本稿では脳-コンピュータインタフェース(BCI)における脳波信号からのミュー抑制の検出について述べる。 統計モデルと線形分類器に基づいて効率的なアルゴリズムを提案する。 予備的な結果から, 提案した統計モデルを用いて, ミュープレッションを正確に検出し, 異なる脳波事象を識別できることが示唆された。
• 参考スコア（独自算出の注目度）: 0.2062593640149623
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper deals with the detection of mu-suppression from electroencephalographic (EEG) signals in brain-computer interface (BCI). For this purpose, an efficient algorithm is proposed based on a statistical model and a linear classifier. Precisely, the generalized extreme value distribution (GEV) is proposed to represent the power spectrum density of the EEG signal in the central motor cortex. The associated three parameters are estimated using the maximum likelihood method. Based on these parameters, a simple and efficient linear classifier was designed to classify three types of events: imagery, movement, and resting. Preliminary results show that the proposed statistical model can be used in order to detect precisely the mu-suppression and distinguish different EEG events, with very good classification accuracy.
• Abstract（参考訳）: 本稿では脳-コンピュータインタフェース(BCI)における脳波信号からのミュー抑制の検出について述べる。 この目的のために,統計モデルと線形分類器に基づく効率的なアルゴリズムを提案する。 より正確には、中枢運動野における脳波信号のパワースペクトル密度を表すために、一般化極値分布(GEV)を提案する。 関連する3つのパラメータを最大度法を用いて推定する。 これらのパラメータに基づいて、画像、動き、休息という3種類のイベントを分類するシンプルで効率的な線形分類器が設計された。 予備的な結果は,提案した統計モデルを用いて,ミュープレッションを正確に検出し,異なる脳波事象を識別し,分類精度が極めて良好であることを示す。

関連論文リスト

• Study on spike-and-wave detection in epileptic signals using t-location-scale distribution and the K-nearest neighbors classifier [0.0]
  そこで本研究では、t位置スケールの統計的表現に基づくてんかん性脳波信号のk-nearest近辺分類を行い、スパイク・アンド・ウェーブを検出する。 提案手法は、スパイク・アンド・ウェーブ現象と正常脳機能信号の両方を含む実際のデータセット上で実証される。
  論文  参考訳（メタデータ） (2024-05-21T21:52:08Z)
• Spatiotemporal Pooling on Appropriate Topological Maps Represented as Two-Dimensional Images for EEG Classification [0.0]
  脳波(EEG)信号に基づく運動分類は、脳-コンピュータインターフェースの最も重要な応用の1つである。 本研究では,脳波を用いた3つの特徴を持つ新しい運動画像分類法を提案する。 PhysioNet EEG Movement Motor/Imageryデータセットを用いた実験の結果、提案手法は88.57%の最適分類精度を達成した。
  論文  参考訳（メタデータ） (2024-03-07T09:35:49Z)
• 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)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• 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)
• An Efficient Epileptic Seizure Detection Technique using Discrete Wavelet Transform and Machine Learning Classifiers [0.0]
  本稿では,離散ウェーブレット変換(DWT)と機械学習分類器を用いたてんかん検出手法を提案する。 DWTは、周波数帯域の異なる信号のより良い分解を提供するため、特徴抽出に使われてきた。
  論文  参考訳（メタデータ） (2021-09-26T18:30:04Z)
• A SPA-based Manifold Learning Framework for Motor Imagery EEG Data Classification [2.4727719996518487]
  本稿では,運動画像(MI)タスクから2種類の脳波データを分類するための多様体学習フレームワークを提案する。 特徴抽出のために、前処理された脳波信号から共通空間パターン(CSP)によって実装される。 分類のための特徴の近傍では、データの支持に対する局所近似が得られ、次に最も近い支持を持つクラスに特徴が割り当てられる。
  論文  参考訳（メタデータ） (2021-07-30T06:18:05Z)
• Electroencephalography signal processing based on textural features for monitoring the driver's state by a Brain-Computer Interface [3.613072342189595]
  仮想脳-コンピュータインタフェース(BCI)システムにおいて,運転者の警戒度を推定する指標としてテキスト処理手法を検討する。 提案手法の新規性は、前処理された脳波データからの特徴抽出に1次元局所バイナリパターン (1D-LBP) アルゴリズムを用いることに依存する。 分析の結果,1D-LBPの採用により性能が大幅に向上したことが明らかとなった。
  論文  参考訳（メタデータ） (2020-10-13T14:16:00Z)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)
• A Computationally Efficient Multiclass Time-Frequency Common Spatial Pattern Analysis on EEG Motor Imagery [164.93739293097605]
  共通空間パターン(CSP)は脳波(EEG)運動画像(MI)の一般的な特徴抽出法である 本研究では,従来のCSPアルゴリズムを改良し,マルチクラスMI分類精度を改善し,計算処理の効率化を図る。
  論文  参考訳（メタデータ） (2020-08-25T18:23:50Z)
• Simultaneous Skull Conductivity and Focal Source Imaging from EEG Recordings with the help of Bayesian Uncertainty Modelling [77.34726150561087]
  本研究では,未知の頭蓋骨伝導率によるソース画像誤差を補正するベイズ近似誤差法に基づく統計的手法を提案する。 その結果, 震源位置推定精度と頭蓋骨伝導率の推定精度が向上していることが示唆された。
  論文  参考訳（メタデータ） (2020-01-31T21:33:56Z)

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。