Основные понятия
EEGデータは時系列データとして扱うことができ、時系列分類モデルを用いることで、専門的なEEG分類モデルと同等の性能を達成できる。さらに、被験者情報を活用することで、専門モデルを上回る性能を得ることができる。
Аннотация
本論文では、EEGデータを時系列データとして扱い、時系列分類モデルを適用することを提案している。
まず、EEGデータの特性を分析し、時系列データとして扱えることを示した。その上で、3つのアプローチ(被験者ごとのモデル、被験者非依存モデル、被験者条件付きモデル)を提案した。
被験者ごとのモデルでは、一般的な時系列分類モデルであるResNetやInceptionが、専門的なEEG分類モデルと同等の性能を示した。特に、InceptionモデルはSSVEPデータセットで良好な結果を得た。
被験者条件付きモデルでは、被験者情報を活用することで、専門モデルを上回る性能を達成した。具体的には、被験者埋め込みを時系列分類モデルに組み込むことで、2つのデータセットで最高性能を記録した。
以上より、EEGデータは時系列データとして扱え、時系列分類モデルを用いることで、専門的なEEG分類モデルと同等以上の性能が得られることが示された。さらに、被験者情報を活用することで、より高い性能が得られることが明らかになった。
Статистика
EEGデータは非定常性が高く、非線形性が強いため、信号対雑音比が低い。
Цитаты
"EEG分類は特に、EEG信号が本質的に低い信号対雑音比(SNR)を持ち[15]、高度に非ガウス、非定常、非線形の性質を持つ[32]ため、困難な課題となっている。"