エントロピーに基づく不平衡光化学センサー検出とウェーブレット回帰を用いた地上歩行のためのモーション アーチファクト補正

fNIRS Motion Artifact Correction for Overground Walking using Entropy Based Unbalanced Optode Decision and Wavelet Regression Neural Network
Gihyoun Lee, Sang Hyeon Jin, Seung Hyun Lee, Berdakh Abibullaev, and Jinung An IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems, vol.13, pp.186- 193, 2017

“機能的な近赤外分光法(fNIRS)を用いて, 無傷の頭蓋骨を通した近赤外光の吸収を測定することにより, 脳の活性化を調べることができる. fNIRS は, 機能的磁気共鳴イメージング(fMRI)血液酸素レベル依存性(BOLD)
シグナルと同様のヘモグロビンシグナルを測定することができる. fMRI イメージングの標準的方法である一般線
形モデル(GLM)は, fNIRS イメージング解析に適用されている. しかしながら, 被験者が動くと, fNIRS 信号は
測定中にアーチファクトを含む可能性がある. これらのアーチファクトはモーションアーチファクトと呼ばれます.
しかしながら, GLM は, モーションアーチファクトのために減退の欠点を有する. 近年, ウェーブレット及び血行
力学的応答関数に基づくアルゴリズムは, fNIRS 信号に対する運動アーチファクト補正の一般的なトレンド除去方
法である. しかし, これらの方法は, 地上を歩くタスクのような過酷な環境では性能を示すことができない. 本論文
では, エントロピーに基づく不平衡光化学センサー検出規則とウェーブレット回帰に基づく伝搬ニューラルネット
ワークを用いた新しい運動アーチファクト補正方法を提案する. 実験を通して, 提案された方法の性能は, 従来のト
レンド除去アルゴリズムと比較して, グラフィック結果, 脳活性地図, および客観的性能指標を用いて証明された.”