| *商品について |
|
表紙はついていません（本文のみ中綴じ製本です）。
号単位でも購入できます。
すべてモノクロ印刷です。
Extended Summaryはついていません。
|
 |
| ・会員価格 ¥550 |
| ・一般価格 ¥770 |
|
|
| こちらはBookPark「電気学会 電子図書館（IEEJ Electronic Library）」による文献紹介ページです。 |
|
 |
 |
電気学会会員の方はこちらから一旦ログインのうえ、マイページからお入りください。
会員価格で購入することができます。
|
|
| 非会員の方はログインの必要はありません。このまま お進みください。 |
|
|
| ■論文No. |
|
| ■ページ数 |
9ページ |
■発行日
|
2023/04/01 |
| ■タイトル |
視認する単純な画像の形と色を反映する脳波信号特徴量とその判別の研究 |
| ■タイトル(英語) |
A Study on EEG Signal Features Reflecting Shapes and Colors of Simple Visual Images and their Discrimination |
| ■著者名 |
加藤 明広（芝浦工業大学大学院 理工学研究科），堀江 亮太（芝浦工業大学大学院 理工学研究科／芝浦工業大学工学部） |
| ■著者名(英語) |
Akihiro Kato (Graduate School of Engineering and Science, Shibaura Institute of Technology), Ryota Horie (Graduate School of Engineering and Science, Shibaura Institute of Technology/College of Engineering, Shibaura Institute of Technology) |
| ■価格 |
会員 ¥550 一般 ¥770 |
| ■書籍種類 |
論文誌(論文単位) |
| ■グループ名 |
【C】電子・情報・システム部門 |
| ■本誌 |
電気学会論文誌C（電子・情報・システム部門誌） Vol.143 No.4 （2023） 特集：医療/ヘルスケア×AI−量子・情報・エレクトロニクスの応用として
|
| ■本誌掲載ページ |
397-405ページ |
| ■原稿種別 |
論文／日本語 |
| ■電子版へのリンク |
https://www.jstage.jst.go.jp/article/ieejeiss/143/4/143_397/_article/-char/ja/
|
| ■キーワード |
脳波信号，事象関連電位，事象関連スペクトラム摂動，試行間位相同期，長短期記憶，畳み込みニューラルネットワーク electroencephalography，event-related potential，event-related spectral perturbation，inter-trial coherence，long short-term memory，convolutional neural network |
| ■要約(日本語) |
|
| ■要約(英語) |
In this study, as a basic investigation for EEG-based visual image reconstruction, we investigated whether EEG signal features reflect shapes and colors of simple visual images which subjects viewed and whether the features can be discriminated. First, we investigated how the shapes and the colors are reflected in event-related potentials (ERP), the event-related spectrum perturbations (ERSP), and the inter-trial phase synchronization (ITC). The results showed statistically significant differences in ERP among the colors and ERP, ERSP and ITC among the shapes depending on time periods, frequency bands and electrodes. Second, based on the results, we explored learnable input data sets. Then, learnability for discriminating the shapes were shown in EEG waveforms on 100ms time periods in single trials at all channels and phase of time frequency analysis on the limited time-frequency domain and electrodes. Finally, we investigated whether two discriminators using LSTM and CNN discriminate the shapes from the learnable data for each subject. Then, it was found that accuracies of discrimination of the shapes were over a chance level with all the learnable data sets, subjects, and discriminators. We concluded that the distinct shapes can be discriminated from EEG signals by exploring appropriate features of input signals for discriminators. |
| ■版 型 |
A4 |
|
|
|
