Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
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 JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
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

From Annotation to Prediction: Hospital-Grade Early Seizure Risk Prediction from Adult EEG.

Diagnostics (Basel, Switzerland)·2026
Same author

Artificial Intelligence in Predictive Healthcare: A Systematic Review.

Journal of clinical medicine·2025
Same author

EEG-Based Authentication Across Various Event-Related Potentials (ERPs).

Sensors (Basel, Switzerland)·2025
Same author

Objective Pain Assessment Using Deep Learning Through EEG-Based Brain-Computer Interfaces.

Biology·2025
Same author

Decoding Pain: A Comprehensive Review of Computational Intelligence Methods in Electroencephalography-Based Brain-Computer Interfaces.

Diagnostics (Basel, Switzerland)·2025
Same author

Improving Imitation Skills in Children with Autism Spectrum Disorder Using the NAO Robot and a Human Action Recognition.

Diagnostics (Basel, Switzerland)·2025

関連する実験動画

Updated: Sep 9, 2025

Assessment and Communication for People with Disorders of Consciousness
07:37

Assessment and Communication for People with Disorders of Consciousness

Published on: August 1, 2017

9.2K

EEGベースの認証のための脳コンピュータインターフェース:進歩と実用的な意味合い

Lamia Alahaideb1, Abeer Al-Nafjan1, Hessah Aljumah1

  • 1Computer Science Department, College of Computer and Information Sciences, Imam Mohammad Ibn Saud Islamic University, Riyadh 11432, Saudi Arabia.

Sensors (Basel, Switzerland)
|August 28, 2025
PubMed
まとめ
この要約は機械生成です。

電気脳波 (EEG) による認証は,従来の方法の安全な代替手段です. CNNのモデルは99%の精度を達成し 強力なデジタルセキュリティのためのEEGの可能性を実証しました

キーワード:
認証脳のコンピュータインターフェース (BCI)コンヴォルションニューラルネットワーク (CNN)電気脳図 (EEG)イベント関連ポテンシャル (ERP)

さらに関連する動画

A Single-Channel and Non-Invasive Wearable Brain-Computer Interface for Industry and Healthcare
06:34

A Single-Channel and Non-Invasive Wearable Brain-Computer Interface for Industry and Healthcare

Published on: July 7, 2023

2.5K
Recording Human Electrocorticographic ECoG Signals for Neuroscientific Research and Real-time Functional Cortical Mapping
13:32

Recording Human Electrocorticographic ECoG Signals for Neuroscientific Research and Real-time Functional Cortical Mapping

Published on: June 26, 2012

25.9K

関連する実験動画

Last Updated: Sep 9, 2025

Assessment and Communication for People with Disorders of Consciousness
07:37

Assessment and Communication for People with Disorders of Consciousness

Published on: August 1, 2017

9.2K
A Single-Channel and Non-Invasive Wearable Brain-Computer Interface for Industry and Healthcare
06:34

A Single-Channel and Non-Invasive Wearable Brain-Computer Interface for Industry and Healthcare

Published on: July 7, 2023

2.5K
Recording Human Electrocorticographic ECoG Signals for Neuroscientific Research and Real-time Functional Cortical Mapping
13:32

Recording Human Electrocorticographic ECoG Signals for Neuroscientific Research and Real-time Functional Cortical Mapping

Published on: June 26, 2012

25.9K

科学分野:

  • 神経科学
  • コンピュータ科学
  • サイバーセキュリティ

背景:

  • 伝統的な認証方法は 重要なセキュリティの脆弱性があります
  • デジタルセキュリティの強化には新生生体認証技術が不可欠です.
  • 電気脳波 (EEG) 信号は新しい生体測定法を示しています.

研究 の 目的:

  • EEGベースの認証システムを体系的に検討し,実験的に評価する.
  • EEG認証の実現可能性,限界,スケーラビリティを評価する.
  • EEG認証のための様々な機械学習モデルのパフォーマンスを比較する.

主な方法:

  • EEG認証の体系的な文献レビュー
  • 9人の被験者からの実験データ収集
  • コンボリューションニューラルネットワーク (CNN),ランダムフォレスト (RF),グラデントブースティング (GB),サポートベクトルマシン (SVM),K-Nearest Neighbors (KNN) の分類者の実装と評価.

主要な成果:

  • CNNのモデルは最高99%の精度を達成しました
  • RFとGBの分類器は,それぞれ94%と93%の精度で優れたパフォーマンスを示しました.
  • SVMとKNNの分類器は,EEGデータの複雑さを把握する効率が著しく低下した.

結論:

  • EEGベースの認証システムは,デジタルセキュリティを強化する大きな可能性を示しています.
  • これらのシステムは,従来の認証方法の有望で,堅牢で,ユーザーフレンドリーな代替手段を提供します.
  • CNNのような高度な機械学習モデルは 認証におけるEEG信号処理に 非常に有効です