ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Novel Approach to Classify Motor-Imagery EEG Recordings with Convolutional Neural Network Using Network Measures

سال انتشار: 1397
کد COI مقاله: SPIS04_036
زبان مقاله: انگلیسیمشاهد این مقاله: 149
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

مشخصات نویسندگان مقاله Novel Approach to Classify Motor-Imagery EEG Recordings with Convolutional Neural Network Using Network Measures

چکیده مقاله:

Electroencephalogram (EEG) signal recorded during motor imagery (MI) tasks has been widely applied in brain-computer interface (BCI) applications as communication approach. To improve the classification success rate of MI tasks, this paper proposes novel input form based on brain network connectivity measures to perform classification for MI EEG for the datasets from BCI Competition IV. Firstly, using connectivity patterns between brain regions during MI six more frequent network features were selected and their maps in form of 2-D images were generated; then simple yet powerful convolutional neural network (CNN) with convolutional layer was applied to perform binary classification of MI tasks (left-hand, right-hand, both feet and tongue movements). The discrimination ability of these features was compared with each other. Our results demonstrate that CNN fed with path length feature map can further improve classification performance in most binary problems. Whileall classification results are better than 86%, the best accuracy using brain network features is 96.69% in right-tongue separation. The present study shows that the proposed method is effective to classify MI, and provides practical method for the classification of non-invasive EEG signals in BCI applications.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/842951/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Mousapour, Leila and Agah, Fateme and Salari, Soorena and Zare, Marzieh,1397,Novel Approach to Classify Motor-Imagery EEG Recordings with Convolutional Neural Network Using Network Measures,چهارمین کنفرانس پردازش سیگنال و سیستم‌های هوشمند,تهران,,,https://civilica.com/doc/842951

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397, Mousapour, Leila؛ Fateme Agah and Soorena Salari and Marzieh Zare)
برای بار دوم به بعد: (1397, Mousapour؛ Agah and Salari and Zare)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی