ROC解析を用いた脳波識別手法の検討

カテゴリ: 研究会(論文単位)

論文No: ST17016

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2017/06/10

タイトル(英語): A study on EEG recognition method with ROC analysis

著者名: 呉本 尭(山口大学),馬場 勇希(山口大学),大林 正直(山口大学),間普 真吾(山口大学),小林 邦和(愛知県立大学)

著者名(英語): Takashi Kuremoto(Yamaguchi University),Yuki Baba(Yamaguchi University),Masanao Obayashi(Yamaguchi University),Shingo Mabu(Yamaguchi University),Kunikazu Kobayashi(Aichi Prefectural University)

キーワード: 受信者操作特性|脳波|メンタルタスク|フーリエ変換|ニューラルネットワーク|パターン認識|ROC|EEG|metal task|Fourier transform|artificial neural networks|pattern recognition

要約(日本語): 脳波（EEG）データを用いた脳内の活動パターンを識別する手順は、一般的に、オリジナルEEG計測、特徴抽出、識別器によるパターン認識とされる。本論文において、フーリエ変換とROC (Receiver Operating Characteristic) 解析を用いた特徴抽出手法を提案し、カーネルサポートベクトルマシン（SVM）を始め、深層学習を用いるニューラルネットワーク(NN)やk-最近傍法(kNN)などの複数の識別器による脳波識別法に応用した。

要約(英語): In this paper, a feature extraction method using Fourier transform and receiver operating characteristic curve (ROC) analysis is proposed for EEG pattern recognition. By using ROC analysis for the frequency spectrum of Fourier transformation, a frequency band, which is useful for discrimination between the two classes, is specified and the spectrum of the frequencies are extracted as features of EEG signals. To verify the usefulness of the proposed method, Neural Networks (NN) including multi-layer perceptron (MLP) and deep neural networks (DNN), k-Nearest Neighbor method (kNN), kernel Support Vector Machine (SVM), and decision tree (DT), were utilized in the experiments with 3 kinds of benchmark datasets.

原稿種別: 日本語

PDFファイルサイズ: 1,045 Kバイト