Fugu-MT 論文翻訳(概要): Analysis of Relation between Motor Activity and Imaginary EEG Records

論文の概要: Analysis of Relation between Motor Activity and Imaginary EEG Records

arxiv url: http://arxiv.org/abs/2101.10215v1
Date: Thu, 21 Jan 2021 05:02:05 GMT
ステータス: 処理完了
システム内更新日: 2021-03-21 21:52:49.084224
Title: Analysis of Relation between Motor Activity and Imaginary EEG Records
Title（参考訳）: 運動活動と心電図記録との関連性の解析
Authors: Enver Kaan Alpturk, Yakup Kutlu
Abstract要約: 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。
参考スコア（独自算出の注目度）: 1.52292571922932
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Electroencephalography (EEG) signals signals are often used to learn about brain structure and to learn what thinking. EEG signals can be easily affected by external factors. For this reason, they should be applied various pre-process during their analysis. In this study, it is used the EEG signals received from 109 subjects when opening and closing their right or left fists and performing hand and foot movements and imagining the same movements. The relationship between motor activities and imaginary of that motor activities were investigated. Algorithms with high performance rates have been used for feature extraction , selection and classification using the nearest neighbour algorithm.
Abstract（参考訳）: 脳波(EEG)信号は脳の構造を学習し、何を考えているかを学ぶためにしばしば用いられる。脳波信号は外部因子によって容易に影響を受ける。そのため、分析中に様々な事前処理を適用する必要がある。本研究では,左右の拳を開閉し,手足の動作を行い,同じ動きを想像する際に,被験者109名から受信した脳波信号を用いた。運動活動とその運動活動の想像力の関係について検討した。性能の高いアルゴリズムは、最も近い隣り合うアルゴリズムを用いて特徴抽出、選択、分類に使われている。

関連論文リスト

Machine Learning-based sEMG Signal Classification for Hand Gesture Recognition [3.9440964696313485]
筋電図(EMG)信号を用いて手の動きを解析・分類する。本稿では,新しい特徴抽出手法を用いてEMGに基づく手動作認識の性能をベンチマークすることを目的とする。
論文参考訳（メタデータ） (2024-11-23T21:29:51Z)
A Comparative Study of Conventional and Tripolar EEG for High-Performance Reach-to-Grasp BCI Systems [0.14999444543328289]
本研究の目的は、三極性脳波(tEEG)と従来の脳波(tEEG)の有効性を比較することで、運動障害のある個人に対するBCI応用を強化することである。目標は、どの脳波技術が関連する神経信号を処理し、翻訳するのにより効果的かを決定することである。
論文参考訳（メタデータ） (2024-01-31T23:35:44Z)
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)
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)
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)
EEGminer: Discovering Interpretable Features of Brain Activity with Learnable Filters [72.19032452642728]
本稿では,学習可能なフィルタと事前決定された特徴抽出モジュールからなる新しい識別可能なEEGデコーディングパイプラインを提案する。我々は,SEEDデータセットおよび前例のない大きさの新たな脳波データセット上で,脳波信号からの感情認識に向けたモデルの有用性を実証する。発見された特徴は、以前の神経科学の研究と一致し、音楽聴取中の左右の時間領域間の機能的接続プロファイルの顕著な相違など、新たな洞察を提供する。
論文参考訳（メタデータ） (2021-10-19T14:22:04Z)
Classification of Upper Arm Movements from EEG signals using Machine Learning with ICA Analysis [0.0]
本稿では,多層パーセプトロンニューラルネットワークを用いて,左右の動作を識別する独自のアルゴリズムを提案する。不要信号の干渉は、アルゴリズムの性能に影響を与える脳波信号を汚染する。
論文参考訳（メタデータ） (2021-07-18T18:56:28Z)
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)
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)
Optimal Learning with Excitatory and Inhibitory synapses [91.3755431537592]
相関関係の存在下でアナログ信号間の関連性を保持するという課題について検討する。ランダムな入力および出力プロセスのパワースペクトルの観点から、典型的な学習性能を特徴付ける。
論文参考訳（メタデータ） (2020-05-25T18:25:54Z)

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。