論文の概要: Toward Practical BCI: A Real-time Wireless Imagined Speech EEG Decoding System

• arxiv url: http://arxiv.org/abs/2511.07936v1
• Date: Wed, 12 Nov 2025 01:29:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.55616
• Title: Toward Practical BCI: A Real-time Wireless Imagined Speech EEG Decoding System
• Title（参考訳）: リアルタイム型音声脳波復号システムBCIの実現に向けて
• Authors: Ji-Ha Park, Heon-Gyu Kwak, Gi-Hwan Shin, Yoo-In Jeon, Sun-Min Park, Ji-Yeon Hwang, Seong-Whan Lee,
• Abstract要約: 本稿では,フレキシビリティと日常的な使用を目的としたリアルタイム無線音声脳波デコーディングシステムを提案する。 ユーザ識別モジュールは、オペレータを認識し、パーソナライズされたユーザ固有のサービスを提供する。 本稿では,真に実用的でアクセシブルなBCI技術に向けた重要な一歩を示す。
• 参考スコア（独自算出の注目度）: 37.476645149536814
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Brain-computer interface (BCI) research, while promising, has largely been confined to static and fixed environments, limiting real-world applicability. To move towards practical BCI, we introduce a real-time wireless imagined speech electroencephalogram (EEG) decoding system designed for flexibility and everyday use. Our framework focuses on practicality, demonstrating extensibility beyond wired EEG devices to portable, wireless hardware. A user identification module recognizes the operator and provides a personalized, user-specific service. To achieve seamless, real-time operation, we utilize the lab streaming layer to manage the continuous streaming of live EEG signals to the personalized decoder. This end-to-end pipeline enables a functional real-time application capable of classifying user commands from imagined speech EEG signals, achieving an overall 4-class accuracy of 62.00 % on a wired device and 46.67 % on a portable wireless headset. This paper demonstrates a significant step towards truly practical and accessible BCI technology, establishing a clear direction for future research in robust, practical, and personalized neural interfaces.
• Abstract（参考訳）: 脳-コンピュータインターフェース(BCI)の研究は有望だが、大部分が静的で固定された環境に限られており、現実の応用性が制限されている。 実践的なBCIに向けて,フレキシビリティと日常的な使用を目的としたリアルタイム無線音声脳波デコーディングシステムを導入する。 我々のフレームワークは実用性を重視し、有線EEGデバイスからポータブルなワイヤレスハードウェアへの拡張性を示す。 ユーザ識別モジュールは、オペレータを認識し、パーソナライズされたユーザ固有のサービスを提供する。 シームレスでリアルタイムな操作を実現するために,実験室のストリーミング層を用いて,パーソナライズされたデコーダへのライブEEG信号の連続的なストリーミングを管理する。 このエンドツーエンドパイプラインは、想像された音声脳波信号からユーザコマンドを分類できる機能的リアルタイムアプリケーションを可能にし、4クラス全体の精度62.00%、ポータブルワイヤレスヘッドセット46.67%を実現する。 本稿では、真に実用的でアクセス可能なBCI技術に向けての重要なステップを示し、堅牢で実用的でパーソナライズされたニューラルインターフェースにおける将来の研究の明確な方向性を確立する。

関連論文リスト

• Decoding Listeners Identity: Person Identification from EEG Signals Using a Lightweight Spiking Transformer [31.66487449656124]
  スパイキングニューラルネットワーク(SNN)を用いた新しい脳波人物識別手法を提案する。 提案したSNNモデルは、脳波信号に固有の時間的複雑さを扱うことができる。 EEG-Music Emotion Recognition Challengeデータセットでは,10%未満のエネルギー消費で100%の分類精度を実現する。
  論文  参考訳（メタデータ） (2025-10-17T08:20:01Z)
• AI/ML Life Cycle Management for Interoperable AI Native RAN [50.61227317567369]
  人工知能(AI)と機械学習(ML)モデルは、5Gラジオアクセスネットワーク(RAN)を急速に浸透させている これらの開発は、AIネイティブなトランシーバーを6Gのキーイネーブルとして基盤を築いた。
  論文  参考訳（メタデータ） (2025-07-24T16:04:59Z)
• SANDWICH: Towards an Offline, Differentiable, Fully-Trainable Wireless Neural Ray-Tracing Surrogate [28.381780436787658]
  ワイヤレス・レイトレーシングは3Dワイヤレス・チャネル・モデリングの鍵となるツールとして登場しつつある。 現在のアプローチでは、5G(B5G)ネットワークシグナリングを超えて正確にモデルを作成するのに苦労している。 逐次決定問題として線軌跡生成を再定義する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-11-13T16:53:14Z)
• Bootstrapping Adaptive Human-Machine Interfaces with Offline Reinforcement Learning [82.91837418721182]
  適応インターフェイスは、ユーザがシーケンシャルな意思決定タスクを実行するのに役立つ。 近年のヒューマン・イン・ザ・ループ・機械学習の進歩により、ユーザとの対話によってこのようなシステムが改善されている。 本稿では,生のコマンド信号をアクションにマッピングするインタフェースを訓練するための強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-07T16:52:27Z)
• Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for 5G and Beyond [70.81551587109833]
  非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。 主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。 本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
  論文  参考訳（メタデータ） (2022-01-13T15:20:45Z)
• Exploitation of Channel-Learning for Enhancing 5G Blind Beam Index Detection [1.9981375888949475]
  本研究は,5Gセルとビームインデックス検索の性能を機械学習技術により向上させる方法について検討する。 5Gビームインデックス検出の性能を高めるために,新しいチャネル学習手法を提案し,実装する。
  論文  参考訳（メタデータ） (2020-12-07T12:24:32Z)
• DeepBrain: Towards Personalized EEG Interaction through Attentional and Embedded LSTM Learning [20.300051894095173]
  本稿では,低コストデバイスであるDeepBrainからの粗い脳波信号の組込み学習を通じて,脳-ロボット間相互作用(BRI)を実現するエンド・ツー・エンドのソリューションを提案する。 1)脳波信号の時間依存性とその分類を扱うための特定の前処理技術を備えた長期記憶(拡張LSTM)構造を提案する。 我々の実世界の実験は、低コストで提案されたエンドツーエンドのソリューションが、良好な実行速度、精度、エネルギー効率を実現することを実証している。
  論文  参考訳（メタデータ） (2020-02-06T03:34:08Z)
• EEG-based Brain-Computer Interfaces (BCIs): A Survey of Recent Studies on Signal Sensing Technologies and Computational Intelligence Approaches and their Applications [65.32004302942218]
  Brain-Computer Interface (BCI) はユーザとシステム間の強力なコミュニケーションツールである。 近年の技術進歩は、脳波(EEG)に基づく翻訳医療用BCIへの関心が高まっている。
  論文  参考訳（メタデータ） (2020-01-28T10:36:26Z)

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。