論文の概要: An Interpretable and Attention-based Method for Gaze Estimation Using Electroencephalography

• arxiv url: http://arxiv.org/abs/2308.05768v1
• Date: Wed, 9 Aug 2023 16:58:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-14 16:04:33.875787
• Title: An Interpretable and Attention-based Method for Gaze Estimation Using Electroencephalography
• Title（参考訳）: 脳波を用いた視線推定のための解釈と注意に基づく方法
• Authors: Nina Weng, Martyna Plomecka, Manuel Kaufmann, Ard Kastrati, Roger Wattenhofer, Nicolas Langer
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 8.09848629098117
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Eye movements can reveal valuable insights into various aspects of human mental processes, physical well-being, and actions. Recently, several datasets have been made available that simultaneously record EEG activity and eye movements. This has triggered the development of various methods to predict gaze direction based on brain activity. However, most of these methods lack interpretability, which limits their technology acceptance. In this paper, we leverage a large data set of simultaneously measured Electroencephalography (EEG) and Eye tracking, proposing an interpretable model for gaze estimation from EEG data. More specifically, we present a novel attention-based deep learning framework for EEG signal analysis, which allows the network to focus on the most relevant information in the signal and discard problematic channels. Additionally, we provide a comprehensive evaluation of the presented framework, demonstrating its superiority over current methods in terms of accuracy and robustness. Finally, the study presents visualizations that explain the results of the analysis and highlights the potential of attention mechanism for improving the efficiency and effectiveness of EEG data analysis in a variety of applications.
• Abstract（参考訳）: 眼球運動は、人間の精神過程、身体的幸福、行動の様々な側面に関する貴重な洞察を明らかにすることができる。 近年,脳波活動と眼球運動を同時に記録するデータセットがいくつか公開されている。 このことが脳活動に基づいて視線方向を予測する様々な手法の開発のきっかけとなった。 しかし、これらの方法のほとんどには解釈性が欠けており、技術受容が制限されている。 本稿では、脳波データから視線推定を行うための解釈可能なモデルを提案し、同時に測定された脳波(EEG)と視線追跡の大規模なデータセットを利用する。 より具体的には、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。 さらに,提案フレームワークを包括的に評価し,精度とロバスト性の観点から現在の手法よりも優れていることを示す。 最後に,分析結果を説明する可視化を行い,様々なアプリケーションにおける脳波データ解析の効率と有効性を改善するための注意メカニズムの可能性を強調した。

関連論文リスト

• Feature Estimation of Global Language Processing in EEG Using Attention Maps [5.173821279121835]
  本研究は,脳波の特徴推定に新たなアプローチを導入し,深層学習モデルの重みを利用してその関連を探索する。 視覚変換器とEEGNetから生成したアテンションマップは,従来の研究結果と一致した特徴を効果的に同定できることを実証する。 ViTsを用いたMel-Spectrogramの適用により、時間および周波数関連脳波特性の分解能が向上する。
  論文  参考訳（メタデータ） (2024-09-27T22:52:31Z)
• Focused State Recognition Using EEG with Eye Movement-Assisted Annotation [4.705434077981147]
  脳波と眼球運動の特徴を学習するためのディープラーニングモデルは、脳活動の分類に有効である。 焦点を絞った状態は、タスクや思考に強い集中力を示し、焦点を絞らない状態は目の動きによって達成される。
  論文  参考訳（メタデータ） (2024-06-15T14:06:00Z)
• Multi-modal Mood Reader: Pre-trained Model Empowers Cross-Subject Emotion Recognition [23.505616142198487]
  我々は、クロスオブジェクト感情認識のための訓練済みモデルに基づくMultimodal Mood Readerを開発した。 このモデルは、大規模データセットの事前学習を通じて、脳波信号の普遍的な潜在表現を学習する。 公開データセットに関する大規模な実験は、クロスオブジェクト感情認識タスクにおけるMood Readerの優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-05-28T14:31:11Z)
• A Supervised Information Enhanced Multi-Granularity Contrastive Learning Framework for EEG Based Emotion Recognition [14.199298112101802]
  本研究では,脳波に基づく感情認識(SICLEER, Supervised Info-enhanced Contrastive Learning)のための新しいコントラスト学習フレームワークを提案する。 自己教師付きコントラスト学習損失と教師付き分類損失を組み合わせた共同学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-12T11:51:00Z)
• 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)
• A Knowledge-Driven Cross-view Contrastive Learning for EEG Representation [48.85731427874065]
  本稿では,限られたラベルを持つ脳波から効果的な表現を抽出する知識駆動型クロスビューコントラスト学習フレームワーク(KDC2)を提案する。 KDC2法は脳波信号の頭皮と神経のビューを生成し、脳活動の内部および外部の表現をシミュレートする。 ニューラル情報整合性理論に基づく事前のニューラル知識をモデル化することにより、提案手法は不変かつ相補的なニューラル知識を抽出し、複合表現を生成する。
  論文  参考訳（メタデータ） (2023-09-21T08:53:51Z)
• 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)
• 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)
• Dynamic Graph Modeling of Simultaneous EEG and Eye-tracking Data for Reading Task Identification [79.41619843969347]
  我々は、脳波(EEG)と眼球運動(EM)データからヒトの読取意図を特定するための新しいアプローチAdaGTCNを提案する。 本稿では,AdaGTCN(Adaptive Graph Temporal Convolution Network)の手法として,Adaptive Graph Learning LayerとDeep Neighborhood Graph Convolution Layerを用いた。 このアプローチといくつかのベースラインを比較し、ZuCo 2.0データセットの6.29%の改善と広範なアブレーション実験を報告します。
  論文  参考訳（メタデータ） (2021-02-21T18:19:49Z)
• 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)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。