Search research articles

お問い合わせ

JoVEについて

概要リーダーシップブログ JoVEヘルプセンター

著者向け

出版プロセス編集委員会範囲と方針査読よくある質問投稿

図書館員向け

推薦の声購読アクセスリソース図書館諮問委員会よくある質問

研究

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments アーカイブ

教育

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual 教員リソースセンター教員サイト

プライバシーポリシー

関連する概念動画

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え

Same author

The Influence of Sensory Processing on Executive Function in Young Autistic Children.

Journal of autism and developmental disorders·2026

Same author

Using clinical notes to identify children with speech-language delay and understand differences in diagnostic timing.

JAMIA open·2026

Same author

A longitudinal investigation of aggression and social skills in autistic youth.

Research in autism·2026

Same author

Automated rapid cooling of high-temperature vacuum furnaces for high throughput neutron experimentation.

The Review of scientific instruments·2026

Same author

Ultranarrow linewidth photonic-atomic laser.

Laser & photonics reviews·2026

Same author

AB-Free Kava and Dihydromethysticin Inhibit Chronic Hexavalent Chromium Exposure-Induced Cell Malignant Transformation through Down-Regulating RNA Splicing Factor SNRPA1 Expression.

Chemical research in toxicology·2026

Search research articles

関連する実験動画

Updated: Sep 10, 2025

Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example

Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example

Published on: October 24, 2012

視覚刺激によるEEG記録における注意欠陥期間を標識するためのコンピュータビジョン分析の利用

Dmitry Yu Isaev¹, Samantha Major², Kimberly L H Carpenter³

¹Department of Electrical and Computer Engineering, Duke University, Durham, NC, USA.

Scientific reports

|August 22, 2025

まとめ

この研究では,ビデオカメラを用いた機械学習モデルを導入し,子供の脳波 (EEG) 録画中に注意の欠如を自動的に検出します. この方法は注意の欠陥を正確に特定し人間のプログラミング時間と主観性を削減します

キーワード:

コンピュータビジョンデータ処理の自動化 EEG について機械学習視覚的注意

さらに関連する動画

Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment

Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment

Published on: May 7, 2019

Using Electroencephalography Measurements and High-quality Video Recording for Analyzing Visual Perception of Media Content

Using Electroencephalography Measurements and High-quality Video Recording for Analyzing Visual Perception of Media Content

Published on: May 26, 2018

関連する実験動画

Last Updated: Sep 10, 2025

Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example

Mapping Cortical Dynamics Using Simultaneous MEG/EEG and Anatomically-constrained Minimum-norm Estimates: an Auditory Attention Example

Published on: October 24, 2012

Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment

Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment

Published on: May 7, 2019

Using Electroencephalography Measurements and High-quality Video Recording for Analyzing Visual Perception of Media Content

Using Electroencephalography Measurements and High-quality Video Recording for Analyzing Visual Perception of Media Content

Published on: May 26, 2018

科学分野:

神経科学
コンピュータ科学
発達心理学

背景:

EEGの記録は,参加者の注意を識別するために手動でコード化する必要があります.
主観性と時間的な制約は手動で注意をコードする精度を制限します

研究の目的:

電子電磁波 (EEG) の間における注意欠陥の自動検出のための監督された機械学習モデルを開発し,検証する.
ビデオ録画からコンピュータービジョンの特徴を利用して注意分析を行う.
参加者の注意をコード化するための主観性と時間の負担を軽減します.

主な方法:

参加者のビデオからコンピュータービジョンの特徴 (頭部姿勢,視線,顔の特徴) を抽出しました
レーベル付きのビデオフレームでパーセプトンモデルを訓練した
小規模なデータサブセットを使用して新しい参加者を対象にモデルを調整しました.
受信器の動作特性曲線の下の面積と評価者間の信頼性 (コーエン・カッパ) を用いてモデルの性能を評価した.

主要な成果:

0.989の受信機の動作特性曲線の下の平均面積を達成しました.
訓練された人間のアノテーターで0.888の平均的なインターレーター信頼性を得ました.
9人の参加者の間で,0.616から0.944の範囲で,人間のアノテーションと一致を示した.

結論:

自動機器は,EEGの記録中に注意の欠如を確実に検出することができます.
提案された方法は,手作業によるコーディングの実現可能な,より主観的で,より効率的な代替案を提供します.
一般に利用可能なツールは,研究におけるこの自動化されたアプローチの採用を容易にする.