งานวิจัย / พรีพรินต์ 2022
EEG-BBNet
สัญญาณสมองสามารถระบุตัวบุคคลได้หรือไม่?
ผู้ร่วมเขียน · สิงหาคม 2022
การมีส่วนร่วมของฉัน
Ratha Rotruchiphong มีชื่อในพรีพรินต์โดยสังกัดโรงเรียนกำเนิดวิทย์ งานนี้เป็นการวิจัยร่วมกัน บทความไม่ได้ระบุหน้าที่พัฒนารายบุคคล
ลองเล่น · เวอร์ชันย่อ
ลองดูว่าทำอะไรได้บ้าง
งานวิจัย KVIS · ผู้ร่วมเขียนพรีพรินต์ arXiv · สิงหาคม 2022
โปรเจกต์นี้ทำอะไร
EEG-BBNet ศึกษาการระบุตัวบุคคลจากสัญญาณสมอง โดยรวมคุณลักษณะ convolution จาก EEG กับความเชื่อมโยงแบบกราฟระหว่างขั้วไฟฟ้าเพื่อจำแนกบุคคล
ภายในโปรเจกต์
- ศึกษากรอบงานผสม CNN และ graph convolution สำหรับชีวมิติจาก EEG
- เปรียบเทียบตัววัดความเชื่อมโยงขั้วไฟฟ้าและเงื่อนไขกิจกรรมทดลอง
- ประเมินการระบุตัวบุคคลทั้งภายในรอบบันทึกเดียวกันและข้ามรอบบันทึก
ทักษะและประสบการณ์ปฏิบัติ
ได้รับประสบการณ์วิจัยด้านการประมวลผลสัญญาณชีวภาพ การเรียนรู้ของเครื่องแบบกราฟ การเปรียบเทียบการทดลอง และการรายงานผลพร้อมข้อจำกัดที่เหมาะสม
ผมมีชื่อเป็นผู้ร่วมเขียนพรีพรินต์ปี 2022 บทความไม่ได้แบ่งหน้าที่พัฒนารายบุคคล หัวข้อเหล่านี้จึงอธิบายขอบเขตงานวิจัยของทีม
บริบทของโปรเจกต์
กรอบงานรวมคุณลักษณะ EEG จาก convolution กับโครงข่ายประสาทแบบกราฟที่แทนความสัมพันธ์ระหว่างขั้วไฟฟ้า
สัญญาณ → ความเชื่อมโยง → ตัวบุคคล
การจินตนาการการเคลื่อนไหว ศักย์ไฟฟ้าสัมพันธ์กับเหตุการณ์ (ERP) และสิ่งเร้าทางภาพเป็นสามเงื่อนไขประเมิน ตัววัดความเชื่อมโยงอธิบายความสัมพันธ์ระหว่างช่องสัญญาณ EEG

ERP รอบบันทึก I ความเชื่อมโยงด้วยสหสัมพันธ์ Pearson อัตราระบุตัวบุคคลถูกต้อง: ค่าเฉลี่ย ± ส่วนเบี่ยงเบนมาตรฐานจากห้า folds
ประสิทธิภาพข้ามวันลดลงหากไม่ปรับ fine-tuning ผลภายใต้เงื่อนไขควบคุมนี้ยังไม่ยืนยันความน่าเชื่อถือของชีวมิติในการใช้งานจริง
หน้านี้นำเสนอพรีพรินต์ปี 2022 บทความ IEEE Sensors Letters ฉบับภายหลังมีรายชื่อผู้เขียนที่ปรับใหม่ซึ่งไม่มี Ratha
นำภาพมาใช้โดยไม่ดัดแปลงจาก Lakhan และคณะ, arXiv:2208.08901v1 · CC BY-NC-ND 4.0.
