論文の概要: Toward asynchronous EEG-based BCI: Detecting imagined words segments in continuous EEG signals

• arxiv url: http://arxiv.org/abs/2105.04294v1
• Date: Tue, 13 Apr 2021 00:13:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-04-03 23:14:44.999724
• Title: Toward asynchronous EEG-based BCI: Detecting imagined words segments in continuous EEG signals
• Title（参考訳）: 非同期脳波BCIに向けて:連続脳波信号における単語セグメントの検出
• Authors: Tonatiuh Hern\'andez-Del-Toro, Carlos A. Reyes-Garc\'ia, Luis Villase\~nor-Pineda
• Abstract要約: 仮想音声に基づく非同期Brain-Computer Interface (BCI) は、ユーザーが望んだ時点で、ユーザーが予測された音声の脳波信号を復号することで、外部デバイスを制御したり、メッセージを発信することができるツールである。 本研究では, ウェーブレット分解, 経験的モード分解, 周波数エネルギー, フラクタル次元, カオス理論特徴量に基づく特徴抽出の5つの手法を提案し, 連続脳波信号から想像された単語セグメントを検出するタスクを解く。
• 参考スコア（独自算出の注目度）: 0.16058099298620418
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: An asynchronous Brain--Computer Interface (BCI) based on imagined speech is a tool that allows to control an external device or to emit a message at the moment the user desires to by decoding EEG signals of imagined speech. In order to correctly implement these types of BCI, we must be able to detect from a continuous signal, when the subject starts to imagine words. In this work, five methods of feature extraction based on wavelet decomposition, empirical mode decomposition, frequency energies, fractal dimension and chaos theory features are presented to solve the task of detecting imagined words segments from continuous EEG signals as a preliminary study for a latter implementation of an asynchronous BCI based on imagined speech. These methods are tested in three datasets using four different classifiers and the higher F1 scores obtained are 0.73, 0.79, and 0.68 for each dataset, respectively. This results are promising to build a system that automatizes the segmentation of imagined words segments for latter classification.
• Abstract（参考訳）: 想像音声に基づく非同期ブレイン・コンピュータ・インタフェース(bci)は、想像音声の脳波信号をデコードすることで、外部装置を制御したり、ユーザが望む瞬間にメッセージを送信したりすることができるツールである。 これらのタイプのbciを正しく実装するには、被験者が単語を想像し始めると、連続した信号から検出できなければならない。 本研究では, ウェーブレット分解, 経験的モード分解, 周波数エネルギー, フラクタル次元, カオス理論特徴量に基づく特徴抽出の5つの手法を提案し, 連続脳波信号から想像される単語セグメントを検出するタスクを, 想定音声に基づく非同期BCIの後者の実装のための予備研究として解決する。 これらの方法は4つの異なる分類器を用いて3つのデータセットでテストされ、得られた高いf1スコアはそれぞれ0.73, 0.79, 0.68である。 この結果は、後続の分類のための単語セグメントのセグメント化を自動化するシステムを構築することを約束している。

関連論文リスト

• Analysis of EEG frequency bands for Envisioned Speech Recognition [4.695687634290404]
  脳波の周波数帯と脳の異なる葉から得られる信号の意義を分析することを目的としている。 分類精度は, それぞれ85.93%, 87.27%, 87.51%である。
  論文  参考訳（メタデータ） (2022-03-29T05:50:09Z)
• Speaker Embedding-aware Neural Diarization: a Novel Framework for Overlapped Speech Diarization in the Meeting Scenario [51.5031673695118]
  重なり合う音声のダイアリゼーションを単一ラベル予測問題として再構成する。 話者埋め込み認識型ニューラルダイアリゼーション(SEND)システムを提案する。
  論文  参考訳（メタデータ） (2022-03-18T06:40:39Z)
• Extended Graph Temporal Classification for Multi-Speaker End-to-End ASR [77.82653227783447]
  ニューラルネットワークによるラベル遷移とラベル遷移の両方をモデル化するための GTC の拡張を提案する。 例として,多話者音声認識タスクに拡張GTC(GTC-e)を用いる。
  論文  参考訳（メタデータ） (2022-03-01T05:02:02Z)
• An algorithm for onset detection of linguistic segments in continuous electroencephalogram signals [0.27071541526963805]
  想像された単語に基づく脳コンピュータインタフェースは、被験者が脳信号を介して考えている単語をデコードして外部デバイスを制御できます。 本稿では,統計学,情報理論,カオス理論から得られる値を用いて,連続的な信号における単語の出現を正確に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-12-11T01:38:06Z)
• Emotion recognition by fusing time synchronous and time asynchronous representations [17.26466867595571]
  マルチモーダル感情認識のための新しい2分岐ニューラルネットワークモデル構造を提案する。 時間同期ブランチ(TSB)と時間非同期ブランチ(TAB)で構成される。 2分岐構造は、すべての一般的なテスト設定を伴う4方向の分類において、最先端の結果を達成する。
  論文  参考訳（メタデータ） (2020-10-27T07:14:31Z)
• Learning from Heterogeneous EEG Signals with Differentiable Channel Reordering [51.633889765162685]
  CHARMは、一貫性のない入力チャネルをまたいだ単一のニューラルネットワークのトレーニング方法である。 我々は4つの脳波分類データセットの実験を行い、CHARMの有効性を実証した。
  論文  参考訳（メタデータ） (2020-10-21T12:32:34Z)
• 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)
• Conditioning Trick for Training Stable GANs [70.15099665710336]
  本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。 我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
  論文  参考訳（メタデータ） (2020-10-12T16:50:22Z)
• Interpreting Imagined Speech Waves with Machine Learning techniques [1.776746672434207]
  本研究は,Human-Computer Interface (HCI) の新たな設計に使用可能なImagined Speech (IS)信号の復号化の可能性を探る。 脳波信号を生成するプロセスは未知であるため、様々な特徴抽出法と異なるニューラルネットワーク(NN)モデルを用いて、データの分布を近似し、IS信号を分類する。
  論文  参考訳（メタデータ） (2020-10-07T12:13:39Z)
• End-to-End Automatic Speech Recognition Integrated With CTC-Based Voice Activity Detection [48.80449801938696]
  本稿では,音声活動検出機能とエンドツーエンドの自動音声認識を統合する。 我々は,コネクショニストの時間的分類(CTC)と,同期/アテンションの拡張に焦点を当てた。 簡単なしきい値を用いた音声区間検出のためのキューとしてラベルを用いる。
  論文  参考訳（メタデータ） (2020-02-03T03:36:34Z)
• Continuous speech separation: dataset and analysis [52.10378896407332]
  自然な会話では、音声信号は連続的であり、重複成分と重複成分の両方を含む。 本稿では,連続音声分離アルゴリズムを評価するためのデータセットとプロトコルについて述べる。
  論文  参考訳（メタデータ） (2020-01-30T18:01:31Z)

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。