論文の概要: Preprocessing for lessening the influence of eye artifacts in eeg analysis

• arxiv url: http://arxiv.org/abs/2411.12092v1
• Date: Mon, 18 Nov 2024 22:04:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-20 13:35:03.621782
• Title: Preprocessing for lessening the influence of eye artifacts in eeg analysis
• Title（参考訳）: eeg分析における眼アーチファクトの影響軽減のための前処理
• Authors: Alejandro Villena, Lorenzo J. Tardon, Isabel Barbancho, Ana M. Barbancho, Elvira Brattico, Niels T. Haumann,
• Abstract要約: 我々は, eeg信号におけるアーティファクトの問題に, 長い試行錯誤の使用に関して対処した。 具体的には, eeg 信号に含まれる眼のアーチファクトについて検討し, それらが脳活動の時間的変化に与える影響について検討した。
• 参考スコア（独自算出の注目度）: 37.69303106863453
• License:
• Abstract: We dealt with the problem of artifacts in eeg signals in relation to the usage of lengthy trials. Specifically, we considered eye artifacts found in eeg signals,their influence in the analysis of the data and alternatives to diminish their impact on later studies of brain activity on lengthy tasks. We proposed a scheme of partial rejection on independent signal components, providesd a method to extract eeg signal components with diministhed influence of eye artifacts, and assess the importance of using artifact free signal excerpts to extract signal components in order to analyze brain activity in a musical context.
• Abstract（参考訳）: 我々は, eeg信号におけるアーティファクトの問題に, 長い試行錯誤の使用に関して対処した。 具体的には, eeg 信号に含まれる眼のアーチファクトについて検討し, それらが脳活動の時間的変化に与える影響について検討した。 そこで我々は,独立した信号成分に対する部分的拒絶方式を提案し,眼アーチファクトの影響を最小化してeeg信号成分を抽出する方法を提案し,音楽的文脈において脳活動を分析するために,アーチファクトフリー信号抽出を用いて信号成分を抽出することの重要性を評価した。

関連論文リスト

• Adversarial Perturbations of Physical Signals [0.0]
  我々は、ソースと干渉器が検出器への波として伝播する信号を発信するシナリオを考察する。 我々は、受信信号のスペクトルに対する摂動がほとんど知覚できないにもかかわらず、検出器がソースを誤分類する干渉信号を構築する。 実験により,様々な機械学習モデルに対して,効果的かつ物理的に実現可能な対向摂動を計算できることが実証された。
  論文  参考訳（メタデータ） (2024-02-27T00:41:00Z)
• A multi-artifact EEG denoising by frequency-based deep learning [5.231056284485742]
  我々は周波数領域で動作する新しい脳波復調モデルを開発し、ノイズスペクトルの特徴に関する事前知識を活用している。 EEGdenoiseNetデータセットの性能評価は、提案モデルが時間およびスペクトルの指標に応じて最適な結果を得ることを示す。
  論文  参考訳（メタデータ） (2023-10-26T12:01:47Z)
• EOG Artifact Removal from Single and Multi-channel EEG Recordings through the combination of Long Short-Term Memory Networks and Independent Component Analysis [0.0]
  脳波信号からのEOGアーチファクト除去の課題に対処するために,LSTM(Long Short-term memory)ベースのニューラルネットワークとICAを組み合わせた新しい手法を提案する。 本研究の目的は,1) 汚染された脳波データから水平および垂直EOG信号を推定し,2) ICAを用いて脳波から推定EOG信号を除去することである。
  論文  参考訳（メタデータ） (2023-08-25T13:32:28Z)
• EEGminer: Discovering Interpretable Features of Brain Activity with Learnable Filters [72.19032452642728]
  本稿では,学習可能なフィルタと事前決定された特徴抽出モジュールからなる新しい識別可能なEEGデコーディングパイプラインを提案する。 我々は,SEEDデータセットおよび前例のない大きさの新たな脳波データセット上で,脳波信号からの感情認識に向けたモデルの有用性を実証する。 発見された特徴は、以前の神経科学の研究と一致し、音楽聴取中の左右の時間領域間の機能的接続プロファイルの顕著な相違など、新たな洞察を提供する。
  論文  参考訳（メタデータ） (2021-10-19T14:22:04Z)
• Electroencephalogram Signal Processing with Independent Component Analysis and Cognitive Stress Classification using Convolutional Neural Networks [0.0]
  本稿では,独立成分分析(ICA)を用いた脳波信号の相互相関について提案する。 記録データの結果から,脳波データの損失が少なくてEOG信号アーチファクトを除去できることが示唆された。
  論文  参考訳（メタデータ） (2021-08-22T18:38:12Z)
• Signal Processing and Machine Learning Techniques for Terahertz Sensing: An Overview [89.09270073549182]
  テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。 THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。 本稿では,信号前処理に着目した手法の概要を示す。 また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
  論文  参考訳（メタデータ） (2021-04-09T01:38:34Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• 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)
• Optimal Learning with Excitatory and Inhibitory synapses [91.3755431537592]
  相関関係の存在下でアナログ信号間の関連性を保持するという課題について検討する。 ランダムな入力および出力プロセスのパワースペクトルの観点から、典型的な学習性能を特徴付ける。
  論文  参考訳（メタデータ） (2020-05-25T18:25:54Z)
• EEG fingerprinting: subject specific signature based on the aperiodic component of power spectrum [1.012745603287498]
  脳波パワースペクトルから抽出した非常に単純かつ容易に解釈可能な特徴集合に対する個人変動の影響を推定する。 その結果,脳波信号の周期成分は強い主観特性によって特徴づけられることがわかった。
  論文  参考訳（メタデータ） (2020-01-26T09:04:26Z)

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。