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

Motor Imagery Performance Through Embodied Digital Twins in a Virtual Reality-Enabled Brain-Computer Interface Environment10:14

Motor Imagery Performance Through Embodied Digital Twins in a Virtual Reality-Enabled Brain-Computer Interface Environment

1.8K
Motor imagery in a virtual reality environment has wide applications in brain-computer interface systems. This manuscript outlines the use of personalized digital avatars that resemble the participants performing movements imagined by the participant in a virtual reality environment to enhance immersion and a sense of body...
1.8K
Motor Imagery Brain-Computer Interface in Rehabilitation of Upper Limb Motor Dysfunction After Stroke09:42

Motor Imagery Brain-Computer Interface in Rehabilitation of Upper Limb Motor Dysfunction After Stroke

2.0K
The purpose of this study is to provide an important reference for the standard clinical operation of motor imagery brain-computer interface (MI-BCI) for upper limb motor dysfunction after...
2.0K
Brain-Computer Interface-controlled Upper Limb Robotic System for Enhancing Daily Activities in Stroke Patients06:11

Brain-Computer Interface-controlled Upper Limb Robotic System for Enhancing Daily Activities in Stroke Patients

1.6K
This study introduces a brain-computer interface (BCI) system for stroke patients, which combines electroencephalography and electrooculography signals to control an upper limb robotic hand, enhancing daily activities. The evaluation used the Berlin Bimanual Test for Stroke...
1.6K
Using an EEG-Based Brain-Computer Interface for Virtual Cursor Movement with BCI200012:07

Using an EEG-Based Brain-Computer Interface for Virtual Cursor Movement with BCI2000

18.4K
In this video, we demonstrate the steps required to run a brain-computer interface experiment, including setting up the EEG cap, calibrating the system, and training the user to move a cursor in two dimensions using imagined...
18.4K
P300-Based Brain-Computer Interface Speller Performance Estimation with Classifier-Based Latency Estimation06:09

P300-Based Brain-Computer Interface Speller Performance Estimation with Classifier-Based Latency Estimation

931
This article presents a method for estimating same-day P300 speller Brain-Computer Interface (BCI) accuracy using a small testing dataset.
931
An Experimental Platform to Study the Closed-loop Performance of Brain-machine Interfaces10:51

An Experimental Platform to Study the Closed-loop Performance of Brain-machine Interfaces

14.2K
We use a closed-loop fly-machine interface to investigate general principles in neuronal...
14.2K

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

Impact of Exposure Parameters on Deep Learning Models in Chest Radiography and Implications for Deployment.

Radiology. Artificial intelligence·2026
Same author

Discriminating HFrEF vs HFpEF from chest radiographs: Mitigating demographic performance gaps via augmentation and multimodal fusion.

PLOS digital health·2026
Same author

<i>SHORTKIT-ML</i>: A UNIFIED MULTI-PERSPECTIVE FRAMEWORK FOR DETECTING SHORTCUT LEARNING IN MEDICAL IMAGING EMBEDDINGS.

medRxiv : the preprint server for health sciences·2026
Same author

Diffusion-synthesized Chest X-rays improve fairness and diagnostic performance.

PLOS digital health·2026
Same author

A deep learning model based on ultrasound imaging to differentiate malignant from benign pleural effusion: a multicenter cohort study.

Respiratory research·2026
Same author

Interpretable Multi-Attention Fusion Mechanisms for Early Detection of Transitional Phases in Alzheimer's Disease.

Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference·2025

関連する実験動画

Updated: Jan 20, 2026

Author Spotlight: Enhancing Neurorehabilitation Through EEG, Motor Imagery, and Virtual Reality
10:14

Author Spotlight: Enhancing Neurorehabilitation Through EEG, Motor Imagery, and Virtual Reality

Published on: May 10, 2024

1.8K

脳コンピューターインターフェースの性能をソースレベル注意機構で向上させる：EEG運動イメージ研究

Jia-He Lim1, Po-Chih Kuo1

  • 1Department of Computer Science, National Tsing Hua University, Hsinchu City 30013, Taiwan.

Journal of neuroscience methods
|January 18, 2026
PubMed
まとめ

本研究では、脳コンピューターインターフェース（BCI）を向上させるための注意機構誘導型ソース推定フレームワークを導入する。新しい手法は、より実用的なBCIアプリケーションのために、脳波（EEG）信号の品質と分類精度を向上させる。

キーワード:
注意機構脳コンピューターインターフェース深層学習脳波運動イメージソース推定

さらに関連する動画

Author Spotlight: Using Motor Imagery Brain-Computer Interface to Improve Motor and Cognitive Function in Stroke Patients
09:42

Author Spotlight: Using Motor Imagery Brain-Computer Interface to Improve Motor and Cognitive Function in Stroke Patients

Published on: September 1, 2023

2.0K
Brain-Computer Interface-controlled Upper Limb Robotic System for Enhancing Daily Activities in Stroke Patients
06:11

Brain-Computer Interface-controlled Upper Limb Robotic System for Enhancing Daily Activities in Stroke Patients

Published on: April 18, 2025

1.6K

関連する実験動画

Last Updated: Jan 20, 2026

Author Spotlight: Enhancing Neurorehabilitation Through EEG, Motor Imagery, and Virtual Reality
10:14

Author Spotlight: Enhancing Neurorehabilitation Through EEG, Motor Imagery, and Virtual Reality

Published on: May 10, 2024

1.8K
Author Spotlight: Using Motor Imagery Brain-Computer Interface to Improve Motor and Cognitive Function in Stroke Patients
09:42

Author Spotlight: Using Motor Imagery Brain-Computer Interface to Improve Motor and Cognitive Function in Stroke Patients

Published on: September 1, 2023

2.0K
Brain-Computer Interface-controlled Upper Limb Robotic System for Enhancing Daily Activities in Stroke Patients
06:11

Brain-Computer Interface-controlled Upper Limb Robotic System for Enhancing Daily Activities in Stroke Patients

Published on: April 18, 2025

1.6K

科学分野:

  • 神経科学
  • 生物医学工学
  • 機械学習

背景:

  • 脳コンピューターインターフェース（BCI）は、脳信号を介して人間と機械のコミュニケーションを促進する。
  • 脳波（EEG）は、BCIに非侵襲的で高時間分解能を提供するが、信号対雑音比と空間分解能が低いという欠点がある。
  • 既存のソース推定法は、被験者固有の解剖学的データを必要とすることが多く、その広範な適用性を制限している。

主な方法:

  • タスク関連のソースレベル脳活動を推定するために、注意機構誘導型ニューラルネットワークを開発した。
  • このモデルは、定義済みの関心領域を利用して、情報性の高い空間特徴に注意機構を誘導する。
  • このフレームワークは、EEGデコーディングパイプラインに注意機構誘導型ソース推定ネットワークを統合する。

結論:

  • 注意機構誘導型ソース推定フレームワークは、EEGベースBCIの性能を効果的に向上させる。
  • 被験者固有の解剖学的データに依存しないこの方法は、その広範な適用性を高める。
  • この進歩は、正確で実用的なBCIアプリケーションに大きな可能性を秘めている。