論文の概要: Motion Artifacts Correction from Single-Channel EEG and fNIRS Signals
using Novel Wavelet Packet Decomposition in Combination with Canonical
Correlation Analysis
- arxiv url: http://arxiv.org/abs/2204.04533v1
- Date: Sat, 9 Apr 2022 19:38:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-12 17:02:30.930537
- Title: Motion Artifacts Correction from Single-Channel EEG and fNIRS Signals
using Novel Wavelet Packet Decomposition in Combination with Canonical
Correlation Analysis
- Title（参考訳）: 単一チャネル脳波とfNIRS信号からの運動アーチファクトの正準相関解析による新しいウェーブレットパケット分解
- Authors: Md Shafayet Hossain, Muhammad E. H. Chowdhury, Mamun Bin Ibne Reaz,
Sawal H. M. Ali, Ahmad Ashrif A. Bakar, Serkan Kiranyaz, Amith Khandakar,
Mohammed Alhatou, Rumana Habib, Muhammad Maqsud Hossain
- Abstract要約: 本稿では,単一チャネル脳波とfNIRS信号から動作アーチファクトを補正する2つのロバストな手法を提案する。
提案手法の有効性をベンチマークデータセットを用いて検証した。
EEGとfNIRSの両モードでは、2段階のPD-CCA技術を採用すると、運動アーティファクトのパーセンテージが11.28%、56.82%増加する。
- 参考スコア（独自算出の注目度）: 3.0783361170483428
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The electroencephalogram (EEG) and functional near-infrared spectroscopy
(fNIRS) signals, highly non-stationary in nature, greatly suffers from motion
artifacts while recorded using wearable sensors. This paper proposes two robust
methods: i) Wavelet packet decomposition (WPD), and ii) WPD in combination with
canonical correlation analysis (WPD-CCA), for motion artifact correction from
single-channel EEG and fNIRS signals. The efficacy of these proposed techniques
is tested using a benchmark dataset and the performance of the proposed methods
is measured using two well-established performance matrices: i) Difference in
the signal to noise ratio ({\Delta}SNR) and ii) Percentage reduction in motion
artifacts ({\eta}). The proposed WPD-based single-stage motion artifacts
correction technique produces the highest average {\Delta}SNR (29.44 dB) when
db2 wavelet packet is incorporated whereas the greatest average {\eta} (53.48%)
is obtained using db1 wavelet packet for all the available 23 EEG recordings.
Our proposed two-stage motion artifacts correction technique i.e. the WPD-CCA
method utilizing db1 wavelet packet has shown the best denoising performance
producing an average {\Delta}SNR and {\eta} values of 30.76 dB and 59.51%,
respectively for all the EEG recordings. On the other hand, the two-stage
motion artifacts removal technique i.e. WPD-CCA has produced the best average
{\Delta}SNR (16.55 dB, utilizing db1 wavelet packet) and largest average {\eta}
(41.40%, using fk8 wavelet packet). The highest average {\Delta}SNR and {\eta}
using single-stage artifacts removal techniques (WPD) are found as 16.11 dB and
26.40%, respectively for all the fNIRS signals using fk4 wavelet packet. In
both EEG and fNIRS modalities, the percentage reduction in motion artifacts
increases by 11.28% and 56.82%, respectively when two-stage WPD-CCA techniques
are employed.
- Abstract（参考訳）: 脳波(eeg)と機能的近赤外分光(fnirs)信号は、非常に非定常で、ウェアラブルセンサーを用いて記録されている間、運動アーチファクトに非常に苦しむ。
本稿では2つのロバストな方法を提案する。
一 ウェーブレットパケット分解(WPD)及び
二 単一チャネル脳波及びfNIRS信号からの運動アーチファクト補正のための標準相関解析(WPD-CCA)と組み合わせて行うこと。
提案手法の有効性をベンチマークデータセットを用いて検証し,提案手法の性能を2つの確立された性能行列を用いて測定した。
一 信号対雑音比({\delta}snr)の差及び
二 モーションアーティファクト({\eta})の比率の低下
提案手法は, Db2ウェーブレットパケットが組み込まれた場合, Db1ウェーブレットパケット(53.48%)が利用可能な23のEEG記録すべてに対して, db1ウェーブレットパケット(53.48%)を使用する場合, デルタ平均SNR(29.44dB)を生成する。
提案手法は,db1ウェーブレットパケットを用いたWPD-CCA法を用いて,各脳波記録の平均値が30.76dB,59.51%の2段階動作アーチファクト補正手法である。
一方、2段階の運動アーティファクト除去技術、すなわち wpd-cca は最高の平均 {\delta}snr (16.55 db、db1 wavelet packet) と最大の平均 {\eta} (41.40%、fk8 wavelet packet) を生み出した。
単一ステージのアーティファクト除去技術 (WPD) を用いた最も平均的な {\Delta}SNR と {\eta} は、それぞれ 16.11 dB と 26.40% であり、fk4 ウェーブレットパケットを用いた全ての fNIRS 信号に対してである。
EEGとfNIRSの両モードでは、2段階のPD-CCA技術を採用すると、運動アーティファクトの減少率は11.28%、56.82%増加する。
関連論文リスト
- Dual-TSST: A Dual-Branch Temporal-Spectral-Spatial Transformer Model for EEG Decoding [2.0721229324537833]
デュアルブランチ時間スペクトル空間変換器(Dual-TSST)を用いた新しいデコードアーキテクチャネットワークを提案する。
提案するDual-TSSTは様々なタスクにおいて優れており,平均精度80.67%の脳波分類性能が期待できる。
本研究は,高性能脳波デコーディングへの新たなアプローチを提供するとともに,将来のCNN-Transformerベースのアプリケーションにも大きな可能性を秘めている。
論文 参考訳（メタデータ） (2024-09-05T05:08:43Z) - OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。
irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。
我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
論文 参考訳（メタデータ） (2024-06-07T09:20:30Z) - SCott: Accelerating Diffusion Models with Stochastic Consistency Distillation [54.31974179325654]
本稿では,テキスト・画像の高速生成を実現するために,SCott(Consistency Distillation)を提案する。
SCottは、事前訓練された教師モデルの通常の微分方程式解法に基づくサンプリングプロセスを学生に蒸留する。
MSCOCO-2017 5Kデータセットと安定拡散V1.5の教師は、SCottが22.1のFID(Frechet Inceptio Distance)を達成し、1ステップのInstaFlowの23.4を上回り、4ステップのUFOGenと一致する。
論文 参考訳（メタデータ） (2024-03-03T13:08:32Z) - DTP-Net: Learning to Reconstruct EEG signals in Time-Frequency Domain by
Multi-scale Feature Reuse [7.646218090238708]
学習可能な時間周波数変換を挟んだDTP(Densely Connected Temporal Pyramid)で構成された、DTP-Netと呼ばれる完全な畳み込みニューラルネットワークを提案する。
脳波信号は様々なアーティファクトによって容易に破壊され、疾患診断や脳-コンピュータインターフェース(BCI)などのシナリオにおいて、信号品質を改善するためにアーティファクトの除去が重要となる
2つの公開セミシミュレートされたデータセットで実施された大規模な実験は、DTP-Netの効果的なアーティファクト除去性能を示す。
論文 参考訳（メタデータ） (2023-11-27T11:09:39Z) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳（メタデータ） (2021-12-18T14:17:49Z) - Frequency Spectrum Augmentation Consistency for Domain Adaptive Object
Detection [107.52026281057343]
周波数スペクトル拡張整合(FSAC)フレームワークを4種類の低周波フィルタで構成する。
最初の段階では、オリジナルおよび拡張されたソースデータを全て利用して、オブジェクト検出器を訓練する。
第2段階では、予測一貫性のための自己学習を行うために、擬似ラベル付き拡張現実とターゲットデータを採用する。
論文 参考訳（メタデータ） (2021-12-16T04:07:01Z) - Real-time EEG-based Emotion Recognition using Discrete Wavelet
Transforms on Full and Reduced Channel Signals [0.0]
コンシューマグレードのEEGデバイスを用いたリアルタイム脳波ベースの感情認識(EEG-ER)は、チャンネル数を減らすことで感情の分類を行う。
これらのデバイスは一般的に4、5チャンネルしか提供しないが、現在の最先端の研究で一般的に使用されるチャンネルの数が多いのとは対照的である。
本稿では、離散ウェーブレット変換(DWT)を用いて時間周波数領域の特徴を抽出し、時間ウィンドウを用いてEEG-ER分類を行う。
論文 参考訳（メタデータ） (2021-10-11T22:28:43Z) - Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。
一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。
本稿では2つの新しい推定法を提案する。
論文 参考訳（メタデータ） (2021-09-06T13:42:32Z) - G-DetKD: Towards General Distillation Framework for Object Detectors via
Contrastive and Semantic-guided Feature Imitation [49.421099172544196]
そこで本研究では,すべてのピラミッドレベルにまたがる特徴ペア間のソフトマッチングを自動的に行う,意味誘導型特徴模倣手法を提案する。
また,異なる特徴領域間の関係で符号化された情報を効果的に捉えるために,コントラスト蒸留を導入する。
本手法は,(1)フレームワークのコンポーネントを別々に使用した場合に,既存の検出KD技術よりも優れた性能を発揮する。
論文 参考訳（メタデータ） (2021-08-17T07:44:27Z) - Octave Mix: Data augmentation using frequency decomposition for activity
recognition [0.0]
Octave Mixは、低周波波形と高周波波形を周波数分解により交差させて2種類の波形を結合する簡単なDA方式です。
センサベース行動認識の4つのベンチマークデータセットを用いて,提案手法の有効性を評価する実験を行った。
論文 参考訳（メタデータ） (2021-01-08T07:09:08Z) - Preprint: Using RF-DNA Fingerprints To Classify OFDM Transmitters Under
Rayleigh Fading Conditions [1.6058099298620423]
IoT(Internet of Things)は2020年までにおよそ500億のデバイスで構成される。
IoTデバイスの約70%は、暗号化の形式を使用していないと推定されている。
これまでの研究では、暗号化などのビットレベルのセキュリティメカニズムを増強する手段として、特定エミッタ識別(SEI)が用いられてきた。
論文 参考訳（メタデータ） (2020-05-06T13:53:25Z)
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。