論文の概要: Analysis of artifacts in EEG signals for building BCIs
- arxiv url: http://arxiv.org/abs/2009.09116v1
- Date: Fri, 18 Sep 2020 23:03:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-17 03:43:41.652072
- Title: Analysis of artifacts in EEG signals for building BCIs
- Title（参考訳）: BCI構築のための脳波信号中のアーティファクトの解析
- Authors: Srihari Maruthachalam
- Abstract要約: 脳コンピュータインタフェース(BCI)は、人間の脳の信号を解釈する重要なメカニズムである。
脳波信号は、眼の瞬き、頭部の動き、顎の動きなど、多くの人工物が存在するためうるさい。
本稿では,低信号対雑音比の人工物を用いた実用的なBCIを提案する。
- 参考スコア（独自算出の注目度）: 0.42641920138420947
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Brain-Computer Interface (BCI) is an essential mechanism that interprets the
human brain signal. It provides an assistive technology that enables persons
with motor disabilities to communicate with the world and also empowers them to
lead independent lives. The common BCI devices use Electroencephalography (EEG)
electrical activity recorded from the scalp. EEG signals are noisy owing to the
presence of many artifacts, namely, eye blink, head movement, and jaw movement.
Such artifacts corrupt the EEG signal and make EEG analysis challenging. This
issue is addressed by locating the artifacts and excluding the EEG segment from
the analysis, which could lead to a loss of useful information. However, we
propose a practical BCI that uses the artifacts which has a low signal to noise
ratio.
The objective of our work is to classify different types of artifacts, namely
eye blink, head nod, head turn, and jaw movements in the EEG signal. The
occurrence of the artifacts is first located in the EEG signal. The located
artifacts are then classified using linear time and dynamic time warping
techniques. The located artifacts can be used by a person with a motor
disability to control a smartphone. A speech synthesis application that uses
eyeblinks in a single channel EEG system and jaw clinches in four channels EEG
system are developed. Word prediction models are used for word completion, thus
reducing the number of artifacts required.
- Abstract（参考訳）: 脳コンピュータインタフェース(BCI)は、人間の脳信号を解釈する重要なメカニズムである。
運動障害のある人が世界とコミュニケーションをとれるように支援技術を提供し、また独立生活をリードする力を与える。
一般的なBCIデバイスは頭皮から記録された脳波(EEG)電気活動を使用する。
脳波信号は、眼の瞬き、頭部の動き、顎の動きなど、多くの人工物が存在するためうるさい。
このようなアーティファクトは脳波信号を破壊し、脳波分析を困難にする。
この問題は、アーティファクトを見つけ出し、分析からEEGセグメントを除外することで解決され、有用な情報が失われる可能性がある。
しかし,低信号対雑音比の人工物を用いた実用的なBCIを提案する。
本研究の目的は,脳波信号の眼瞬き,頭部結節,頭部回転,顎運動など,さまざまな種類の人工物を分類することである。
アーティファクトの発生は、最初に脳波信号に置かれる。
位置したアーティファクトは、線形時間と動的時間ワープ技術を用いて分類される。
設置されたアーティファクトは、運動障害のある人がスマートフォンを制御するために使用できる。
単一チャネル脳波系におけるアイリンクと4チャンネル脳波系における顎クリンチを用いた音声合成アプリケーションを開発した。
単語予測モデルは単語補完に使用されるため、必要なアーティファクトの数を減らすことができる。
関連論文リスト
- 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) - Upper Limb Movement Recognition utilising EEG and EMG Signals for
Rehabilitative Robotics [0.0]
上肢運動分類のための新しい決定レベル多センサ融合手法を提案する。
システムは脳波信号をEMG信号と統合し、両方の情報源から効果的な情報を取得し、ユーザの欲求を理解し予測する。
論文 参考訳（メタデータ） (2022-07-18T14:51:23Z) - 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) - Human Emotion Classification based on EEG Signals Using Recurrent Neural
Network And KNN [0.0]
脳波データからの感情分類が最近注目されている。
脳波信号は脳-コンピュータインタフェースにとって重要なリソースである。
チャネル選択前処理により, 善, 中, 負の感情に関連する脳波信号が同定された。
論文 参考訳（メタデータ） (2022-05-10T16:20:14Z) - IC-U-Net: A U-Net-based Denoising Autoencoder Using Mixtures of
Independent Components for Automatic EEG Artifact Removal [2.454595178503407]
ニューラルネットワークの誤解釈を防止するために,実用的で信頼性の高い人工物除去手法を開発することが不可欠である。
本研究では, 広汎な脳波アーチファクトを除去するためのU-Netアーキテクチャに基づく, IC-U-Netという新しいアーティファクト除去手法を開発した。
論文 参考訳（メタデータ） (2021-11-19T03:45:53Z) - EEG multipurpose eye blink detector using convolutional neural network [0.0]
眼球運動によって放射される電気信号は、センサーに近接する脳波信号に非常に強いアーチファクトを生じる。
本研究の目的は,CNN(contrivialal neural network)を用いた脳波信号の瞬き検出と除去のための信頼性とユーザ独立アルゴリズムを作成することである。
論文 参考訳（メタデータ） (2021-07-29T03:34:42Z) - High Frequency EEG Artifact Detection with Uncertainty via Early Exit
Paradigm [70.50499513259322]
現在のアーティファクト検出パイプラインはリソース不足であり、手作りの機能に大きく依存している。
高周波脳波アーチファクト検出のためのディープラーニングフレームワークであるE4Gを提案する。
われわれのフレームワークは初期の出口パラダイムを利用して、不確実性を捉えることのできるモデルの暗黙のアンサンブルを構築している。
論文 参考訳（メタデータ） (2021-07-21T07:05:42Z) - Robust learning from corrupted EEG with dynamic spatial filtering [68.82260713085522]
実験室の外で記録されたEEGを使用して機械学習モデルを構築するには、ノイズの多いデータとランダムに欠落するチャネルにロバストな方法が必要である。
ニューラルネットワークの第1層の前に挿入可能なマルチヘッドアテンションモジュールである動的空間フィルタリング(DSF)を提案する。
筆者らは, チャネル汚損を模擬した4000件の録音を含む公開脳波データと, 自然汚損をともなう移動脳波の自家記録100件のプライベートデータセットを用いて, DSFを試験した。
論文 参考訳（メタデータ） (2021-05-27T02:33:16Z) - 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) - Deep learning denoising for EOG artifacts removal from EEG signals [0.5243460995467893]
脳波の偏光過程における最も難しい問題のひとつは、眼のアーチファクトを除去することである。
本稿では,この課題に対処する深層学習モデルを構築・訓練し,眼のアーチファクトを効果的に除去する。
我々は3つの異なるスキームを提案し、U-NETベースのモデルで汚染された脳波信号の浄化を学ばせた。
論文 参考訳（メタデータ） (2020-09-12T23:28:12Z) - EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies
on Signal Sensing Technologies and Computational Intelligence Approaches and
their Applications [65.32004302942218]
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。
論文 参考訳（メタデータ） (2020-01-28T10:36:26Z)
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。