論文の概要: Electrode Clustering and Bandpass Analysis of EEG Data for Gaze Estimation

• arxiv url: http://arxiv.org/abs/2302.12710v1
• Date: Sun, 19 Feb 2023 18:42:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-05 05:41:30.576526
• Title: Electrode Clustering and Bandpass Analysis of EEG Data for Gaze Estimation
• Title（参考訳）: 注視推定のための脳波データの電極クラスタリングと帯域通過解析
• Authors: Ard Kastrati, Martyna Beata Plomecka, Jo\"el K\"uchler, Nicolas Langer, Roger Wattenhofer
• Abstract要約: 我々は、脳波による視線追跡のために、高密度で高価な脳波キャップは必要ないことを実証することによって、過去の研究を拡張した。 データ駆動型アプローチを用いて、どの電極クラスターが視線推定に影響を及ぼし、異なるタイプのEEGデータ前処理がモデルの性能にどのように影響するかを確立する。
• 参考スコア（独自算出の注目度）: 7.305979446312822
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this study, we validate the findings of previously published papers, showing the feasibility of an Electroencephalography (EEG) based gaze estimation. Moreover, we extend previous research by demonstrating that with only a slight drop in model performance, we can significantly reduce the number of electrodes, indicating that a high-density, expensive EEG cap is not necessary for the purposes of EEG-based eye tracking. Using data-driven approaches, we establish which electrode clusters impact gaze estimation and how the different types of EEG data preprocessing affect the models' performance. Finally, we also inspect which recorded frequencies are most important for the defined tasks.
• Abstract（参考訳）: 本研究は,脳波を用いた視線推定の可能性を示すために,これまでに公表された論文の調査結果を検証した。 さらに, モデル性能をわずかに低下させることで, 電極数を大幅に削減できることを示すことにより, 脳波に基づく眼球追跡のためには, 高密度で高価な脳波キャップは不要であることを示す。 データ駆動型アプローチを用いて、どの電極クラスターが視線推定に影響を及ぼし、異なるタイプのEEGデータ前処理がモデルの性能にどのように影響するかを確立する。 最後に、各タスクにおいてどの記録周波数が最も重要かを検査する。

関連論文リスト

• How Homogenizing the Channel-wise Magnitude Can Enhance EEG Classification Model? [4.0871083166108395]
  我々は、EEGデータ前処理にシンプルで効果的なアプローチを提案する。 提案手法はまず,逆チャネルワイドマグニチュード均質化により,脳波データを符号化画像に変換する。 これにより、巨大なディープラーニングネットワークを使わずに、脳波学習プロセスを改善することができる。
  論文  参考訳（メタデータ） (2024-07-19T09:11:56Z)
• Synthesizing Multimodal Electronic Health Records via Predictive Diffusion Models [69.06149482021071]
  EHRPDと呼ばれる新しいEHRデータ生成モデルを提案する。 時間間隔推定を組み込んだ拡散モデルである。 我々は2つの公開データセットで実験を行い、忠実さ、プライバシー、実用性の観点からEPHPDを評価する。
  論文  参考訳（メタデータ） (2024-06-20T02:20:23Z)
• EEGFormer: Towards Transferable and Interpretable Large-Scale EEG Foundation Model [39.363511340878624]
  大規模複合脳波データに基づいて事前学習した脳波基礎モデル,すなわちEEGFormerを提案する。 本モデルの有効性を検証するため,様々な下流タスクにおいて広範囲に評価し,異なる転送条件下での性能を評価する。
  論文  参考訳（メタデータ） (2024-01-11T17:36:24Z)
• New Approach for an Affective Computing-Driven Quality of Experience (QoE) Prediction [0.0]
  本稿では,感情型コンピュータ駆動のQuality of Experience(QoE)予測の新しいモデルを提案する。 The best results were obtained with a LSTM based model, presented a F1-score from 68% to 78%。
  論文  参考訳（メタデータ） (2023-11-05T13:21:07Z)
• 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)
• An Interpretable and Attention-based Method for Gaze Estimation Using Electroencephalography [8.09848629098117]
  脳波データから視線を推定するための解釈可能なモデルを提案するため,脳波と視線追跡を同時に測定した大規模なデータセットを利用する。 本稿では,脳波信号分析のための新しい注目に基づくディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-09T16:58:01Z)
• 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)
• Data augmentation for learning predictive models on EEG: a systematic comparison [79.84079335042456]
  脳波(EEG)分類タスクの深層学習は、ここ数年急速に増加している。 EEG分類タスクのディープラーニングは、比較的小さなEEGデータセットによって制限されている。 データ拡張は、コンピュータビジョンや音声などのアプリケーションにまたがる最先端のパフォーマンスを得るために重要な要素となっている。
  論文  参考訳（メタデータ） (2022-06-29T09:18:15Z)
• A Deep Learning Approach for the Segmentation of Electroencephalography Data in Eye Tracking Applications [56.458448869572294]
  脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。 エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。 我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
  論文  参考訳（メタデータ） (2022-06-17T10:17:24Z)
• A Novel Transferability Attention Neural Network Model for EEG Emotion Recognition [51.203579838210885]
  脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。 TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。 これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
  論文  参考訳（メタデータ） (2020-09-21T02:42:30Z)

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。