論文の概要: Topological Data Analysis (TDA) Techniques Enhance Hand Pose
Classification from ECoG Neural Recordings
- arxiv url: http://arxiv.org/abs/2110.04653v1
- Date: Sat, 9 Oct 2021 22:04:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-12 20:56:40.838970
- Title: Topological Data Analysis (TDA) Techniques Enhance Hand Pose
Classification from ECoG Neural Recordings
- Title（参考訳）: トポロジカルデータ解析(TDA)技術によるECoGニューラル記録からのハンドポース分類
- Authors: Simone Azeglio, Arianna Di Bernardo, Gabriele Penna, Fabrizio
Pittatore, Simone Poetto, Johannes Gruenwald, Christoph Kapeller, Kyousuke
Kamada, Christoph Guger
- Abstract要約: 時系列データのトポロジ的記述を導入し、手ポーズ分類を強化する。
4ラベルの分類問題に対して,可利用データに制限のあるAC精度で頑健な結果が得られた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Electrocorticogram (ECoG) well characterizes hand movement intentions and
gestures. In the present work we aim to investigate the possibility to enhance
hand pose classification, in a Rock-Paper-Scissor - and Rest - task, by
introducing topological descriptors of time series data. We hypothesized that
an innovative approach based on topological data analysis can extract hidden
information that are not detectable with standard Brain Computer Interface
(BCI)techniques. To investigate this hypothesis, we integrate topological
features together with power band features and feed them to several standard
classifiers, e.g. Random Forest,Gradient Boosting. Model selection is thus
completed after a meticulous phase of bayesian hyperparameter optimization.
With our method, we observed robust results in terms of ac-curacy for a
four-labels classification problem, with limited available data. Through
feature importance investigation, we conclude that topological descriptors are
able to extract useful discriminative information and provide novel
insights.Since our data are restricted to single-patient recordings,
generalization might be limited. Nevertheless, our method can be extended and
applied to a wide range of neurophysiological recordings and it might be an
intriguing point of departure for future studies.
- Abstract（参考訳）: 心電図(ECoG)は手の動きの意図とジェスチャーを特徴付ける。
本研究は,時系列データのトポロジ的記述を導入し,手ポーズの分類を強化する可能性について,Rock-Paper-ScissorタスクとRestタスクで検討することを目的とする。
我々は、トポロジカルデータ分析に基づく革新的なアプローチは、標準的な脳コンピュータインタフェース(BCI)技術では検出できない隠された情報を抽出できると仮定した。
この仮説を検討するために,位相特徴をパワーバンド特徴と統合し,ランダムフォレストや勾配ブースティングなど,いくつかの標準分類器に供給する。
モデル選択はベイジアンハイパーパラメータ最適化の微妙なフェーズ後に完了する。
本手法では,4ラベルの分類問題に対して,可利用データに制限のあるAC精度で頑健な結果が得られた。
特徴的重要性調査を通じて,トポロジカル・ディスクリプタは有用な識別情報を抽出し,新たな洞察を与えることができると結論づけた。
いずれにせよ,本手法は幅広い神経生理学的記録に適用可能であり,今後の研究の出発点となるかもしれない。
関連論文リスト
- Mitigating Label Noise on Graph via Topological Sample Selection [72.86862597508077]
トポロジ情報を活用することで,グラフ内の情報的サンプル選択プロセスを促進できる$textitTopological Sample Selection$ (TSS)法を提案する。
提案手法は,対象のクリーン分布下での予測されるリスク上限の上限を最小化し,最先端のベースラインと比較して,提案手法の優位性を実験的に示す。
論文 参考訳（メタデータ） (2024-03-04T11:24:51Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳（メタデータ） (2024-03-02T00:56:05Z) - Spatial Temporal Graph Convolution with Graph Structure Self-learning
for Early MCI Detection [9.11430195887347]
本稿では,EMCI検出のための新しいグラフ構造自己学習機構を備えた空間時空間グラフ畳み込みネットワークを提案する。
The Alzheimer's Disease Neuroimaging Initiative databaseの結果は、我々の手法が最先端のアプローチより優れていることを示している。
論文 参考訳（メタデータ） (2022-11-11T12:29:00Z) - Persistent Homological State-Space Estimation of Functional Human Brain Networks at Rest [15.272033502877413]
我々は、動的に変化する脳ネットワークの静止状態空間を推定する革新的なデータ駆動型トポロジカルデータ解析手法を導入する。
この手法は、脳ネットワークの状態空間を特定する際によく使われるk平均クラスタリングよりも優れている。
以上の結果から,脳ネットワークのトポロジ,特にその動的状態変化は,重要な隠れた遺伝情報を保持できる可能性が示唆された。
論文 参考訳（メタデータ） (2022-01-01T01:39:05Z) - Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。
2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。
提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
論文 参考訳（メタデータ） (2021-12-23T12:17:47Z) - Learning Neural Causal Models with Active Interventions [83.44636110899742]
本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。
本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。
シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2021-09-06T13:10:37Z) - Predicting Future Cognitive Decline with Hyperbolic Stochastic Coding [0.7637291629898925]
ハイパーボリックコーディング(HSC)と呼ばれる新しいフレームワークを提案する。
予備実験の結果から,様々な分類タスクで優れた結果が得られることが示された。
私たちの仕事は、表面ベースの脳イメージング研究ツールを豊かにし、個々の治療戦略に役立つ診断および予後指標に潜在的に役立ちます。
論文 参考訳（メタデータ） (2021-02-21T04:07:27Z) - A Topological Framework for Deep Learning [0.7310043452300736]
機械学習における分類問題は、非常に穏やかな条件下では常に解決可能であることを示す。
特に,ソフトマックス分類ネットワークは,有限列の位相移動によって入力位相空間に作用し,その分類処理を実現する。
論文 参考訳（メタデータ） (2020-08-31T15:56:42Z) - Trajectories, bifurcations and pseudotime in large clinical datasets:
applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。
この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文 参考訳（メタデータ） (2020-07-07T21:04:55Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z) - Fuzzy c-Means Clustering for Persistence Diagrams [42.1666496315913]
ユビキタスなFuzzy c-Means(FCM)クラスタリングアルゴリズムを永続化ダイアグラムの空間に拡張する。
提案アルゴリズムは, トポロジ的事前知識を使わずに, データのトポロジ的構造を捉える。
材料科学において、変換格子構造データセットを初めて分類する。
論文 参考訳（メタデータ） (2020-06-04T11:45:20Z)
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。