運動想起型BCIシステムにおける脳波信号の分類における信号分解法の比較

Comparison of signal decomposition methods in classification of EEG signals for motor-imagery BCI system
Jasmin Kevrica, Abdulhamit Subasib
Biomedical Signal Processing and Control, 2017,Volume.31,P.398-406
20171122_tishihara

“この研究では,分類タスクのためのブレインコンピュータインタフェース(BCI)システムにおける脳波(EEG)信号の分解について,3つの一般的な信号処理技術(経験的モード分解,離散ウェーブレット変換,およびウェーブレットパケット分解)を調査した.この目的のために,マルチチャンネル2クラスの運動想起データセットであるデータセットIVaを使用した.雑音除去の目的でマルチスケール主成分分析法を適用した.さらに,特定の機能グループの効果を調べるために,異なる機能セットが形成された.信号分解法のパラメータ選択プロセスも完全に説明された.我々の結果は,ウェーブレットパケット分解サブバンドから抽出されたマルチスケール主成分分析ノンノイズ統計と高次統計フィーチャの組み合わせが,92.8%の最高平均分類精度をもたらしたことを示している.我々の研究は,BCI信号の分類における高次統計と組み合わせた信号分解法の包括的な比較を提供する非常に少数のものの中の一つである.
加えて,Brain Computer Interface Systemsにおける脳波信号の分類作業の改善において,より高い周波数範囲の重要性を強調した.得られた結果は,提案されたモデルが運動想起時の脳波信号の信頼できる分類を得る可能性を有し,したがって車椅子を制御するための実用的なシステムとして使用できることを示している.また,個人が正しい動作を実行すると,適切なフィードバックが配信される現在のリハビリテーションをさらに強化することができます.このようにして,運動リハビリの成果は時間とともに改善されるかもしれない.”

ウェーブレット-CSP アルゴリズムを用いた高速・低速運動する手の EEG ベース分類

EEG-Based Classification of Fast and Slow Hand Movements Using Wavelet-CSP Algorithm
IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, VOL. 60, NO. 8, AUGUST 2013
160810_tishihara

脳コンピュータインタフェース(BCI)は脳の信号を取得する有益な特徴を抽出し, 外部機器を制御するための コマンドにこれらの特徴量を変換する. 本論文では, 実際の手の移動速度に関する脳信号の特徴を識別する非侵襲 的 EEG-BCI の応用について調査した. これは運動パラメータに関して BCI システムのためのより洗練された制 御を提供する. 実験は被験者が高速と低速の 2 つの異なる速度で右手の動きを異なる 4 方向に実行しながら, 対象 からEEGデータを収集するために実施した. データから有益な特徴は,高い時間的空間的スペクトラル分解能を提 供するウェーブレット Common Spatial Pattern(W-CSP)アルゴリズムを用いて得られた.2 つの速度を分類す るため,また速度プロファイルを再構成するためのこれらの特徴の適用性を検討した. 7人の被験者全体でスピード を分類した結果は, フィッシャー線形判別(FLD)分類器を使用して 83.71 パーセントの平均精度が得られた. 速 度成分は、多重線形回帰を使用して再構築され, 0.52 の有意な相関関係(ピアソン線形相関係数)を平均して記録 され, 再構成された速度は記録された速度の間で平均された. 得られた W-CSP 特徴量の空間パターンは, 脳の頭頂 と運動野でのアクティベーションを示した. 結果より移動速度の制御を含むことで,BCI 操作において, より洗練さ れた制御を提供するできることが示唆された.