nha6ki / opensurveys Goto Github PK

View Code? Open in Web Editor NEW

0.0 0.0 0.0 6 KB

opensurveys's Introduction

opensurveys's People

Contributors

Watchers

opensurveys's Issues

fNIRS Assessment during an Emotional Stroop Task among Patients with Depression: Replication and Extension

ひとことで言うと

うつ病患者が感情的な言葉に反応する脳領域（left frontal cortex）をfNIRSによって明らかにした

論文リンク

https://pubmed.ncbi.nlm.nih.gov/30696239/

著者 / 所属機関

Yoshitaka Nishizawa 1, Tetsufumi Kanazawa 1 2, Yasuo Kawabata 1, Toshio Matsubara 3 4, Soichiro Maruyama 1, Makoto Kawano 1, Shinya Kinoshita 1, Jun Koh 1, Koji Matsuo 4 5, Hiroshi Yoneda 1

Osaka Medical College

投稿日時（yyyy/MM/dd）

2019/01
Psychiatry Investigation

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

EEGNet: A Compact Convolutional Neural Network for EEG-based Brain-Computer Interfaces

ひとことで言うと

EEG信号によるBCIの様々なタスクで正確に分類できるCNNを紹介

論文リンク

https://arxiv.org/abs/1611.08024

著者 / 所属機関

Vernon J. Lawhern, Amelia J. Solon, Nicholas R. Waytowich, Stephen M. Gordon, Chou P. Hung, Brent J. Lance / U.S. Army Research Laboratory

投稿日時（yyyy/MM/dd）

2018/05/16

Journal of neural engineering

どんなもの？

3つの畳み込み層からなる単純なCNN

どうやって有効だと検証した？

4つのBCI分類タスク（P300 visual-evoked potentials, error-related negativity responses (ERN), movement-related cortical potentials (MRCP), and sensory motor rhythms (SMR)）で評価

技術や手法の肝はどこ？

Depthwise ConvolutionとSeparable Convolutionで重みを減らしているところ？

議論はある？

先行研究と比べてどこがすごい？

複数のタスクで最先端のパフォーマンスを示した

次に読むべき論文は？

メモ

Superpixel-based Hand Gesture Recognition with Kinect Depth Camera

論文リンク

https://sites.google.com/site/spemdkinect/

著者 / 所属機関

Chong Wang, Zhong Liu and Shing-Chow Chan / The University of Hong Kong

投稿日時（yyyy/MM/dd）

2014

IEEE transactions on multimedia

どんなもの？

距離メトリックSuperpixel Earth Mover’s Distance (SP-EMD)に基づくHand Gesture Recognition Systemを提案．

どうやって有効だと検証した？

3種のデータセットによって評価．
- 高い平均精度（99.1％、99.6％、75.8％）と高速認識速度（average 0.067 second per gesture）を達成．
さらに，2種のアプリケーションによって，従来方法と優位性を実証．

技術や手法の肝はどこ？

Superpixel Earth Mover’s Distance (SP-EMD)について

次に読むべき論文は？

深度情報を利用して，手を背景から抽出する方法
- [13] X. Suau, J. Ruiz-Hidalgo and J. R. Casas, “Real-Time Head and Hand Tracking Based on 2.5D Data,” IEEE Trans. Multimedia, vol. 14, no. 3, pp. 575-585, Apr. 2012.
concept of superpixel
- [15] R. Achanta, A. Shaji, K. Smith, A. Lucchi, P. Fua and S. Susstrunk, “SLIC Superpixels Compared to State-of-the-art Superpixel Methods,” IEEE Trans. Pattern Anal. Mach. Intell., Vol. 34, No. 11, pp. 2274-2281, Nov. 2012.

ひとことで言うと

計算論的精神医学のレビュー（黎明期）

論文リンク

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3556822/

著者 / 所属機関

P Read Montague, Raymond J Dolan, Karl J Friston, Peter Dayan / Virginia Tech Carilion

投稿日時（yyyy/MM/dd）

2012/01
Trends in Cognitive Sciences

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

Vision-based Teleoperation of Shadow Dexterous Hand using End-to-End Deep Neural Network

ひとことで言うと

人の手の深度画像からTechNetによってロボットハンドの関節角度を生成する．

論文リンク

https://arxiv.org/pdf/1809.06268.pdf

https://github.com/TAMS-Group/TeachNet_Teleoperation

投稿日時（yyyy/MM/dd）

Feb 2019, ICRA 2019

SO-HandNet: Self-Organizing Network for 3D Hand Pose Estimation with Semi-supervised Learning

ひとことで言うと

アノテーションのないpoint cloudデータから，半教師あり学習でSO-HandNetによって3次元の手の姿勢を推定する．

論文リンク

https://openaccess.thecvf.com/content_ICCV_2019/papers/Chen_SO-HandNet_Self-Organizing_Network_for_3D_Hand_Pose_Estimation_With_Semi-Supervised_ICCV_2019_paper.pdf

https://github.com/TerenceCYJ/SO-HandNet

投稿日時（yyyy/MM/dd）

ICCV 2019

どんなもの？

Multiple Dissociations Between Comorbid Depression and Anxiety on Reward and Punishment Processing: Evidence From Computationally Informed EEG

ひとことで言うと

報酬と罰に関する確率的学習タスクを遂行しているときのEEGから，強化学習によるモデリングでうつ病と不安の関係性について調査した

論文リンク

https://cpsyjournal.org/article/10.1162/CPSY_a_00024/

著者 / 所属機関

Andrew W. Bismark / University of New Mexico
Michael J. Frank / Brown University
John J. B. Allen / University of Arizona

投稿日時（yyyy/MM/dd）

2019/01/01
Computational Psychiatry

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

GanHand: Predicting Human Grasp Affordances in Multi-Object Scenes

ひとことで言うと

1枚のRGB画像に写った複数のオブジェクトを把持するための手のShapeと姿勢をGanHandによって予測する．

論文リンク

https://openaccess.thecvf.com/content_CVPR_2020/papers/Corona_GanHand_Predicting_Human_Grasp_Affordances_in_Multi-Object_Scenes_CVPR_2020_paper.pdf

https://github.com/enriccorona/GanHand

投稿日時（yyyy/MM/dd）

CVPR 2020

どんなもの？

HandVoxNet: Deep Voxel-Based Network for 3D Hand Shape and Pose Estimation from a Single Depth Map

ひとことで言うと

3D voxelized depth mapから手のshapeと姿勢を3D CNNによって推定する．

論文リンク

https://openaccess.thecvf.com/content_CVPR_2020/papers/Malik_HandVoxNet_Deep_Voxel-Based_Network_for_3D_Hand_Shape_and_Pose_CVPR_2020_paper.pdf

https://gvv.mpi-inf.mpg.de/projects/HandVoxNet/

著者 / 所属機関

Jameel Malik, Ibrahim Abdelaziz, Ahmed Elhayek, Soshi Shimada, Sk Aziz Ali, Vladislav Golyanik, Christian Theobalt, Didier Stricker

投稿日時（yyyy/MM/dd）

Apr 2020, CVPR 2020

どんなもの？

A Deep Network Model on Dynamic Functional Connectivity With Applications to Gender Classification and Intelligence Prediction

ひとことで言うと

CNNとLSTMによる性別の分類と知能の予測

論文リンク

https://www.frontiersin.org/articles/10.3389/fnins.2020.00881/full

著者 / 所属機関

Fan, L., Su, J., Qin, J., Hu, D., & Shen, H. / National University of Defense Technology

投稿日時（yyyy/MM/dd）

2020/08

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

A Deep Learning Approach for Mild Depression Recognition Based on Functional Connectivity Using Electroencephalography

ひとことで言うと

EEGから軽症うつ病をCNNで分類

論文リンク

https://www.frontiersin.org/articles/10.3389/fnins.2020.00192/full

著者 / 所属機関

X Li, R La, Y Wang, B Hu / Lanzhou University
X Zhang

投稿日時（yyyy/MM/dd）

2020/04
Frontiers in neuroscience

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

A small number of abnormal brain connections predicts adult autism spectrum disorder

ひとことで言うと

論文リンク

https://www.nature.com/articles/ncomms11254
https://www.atr.jp/topics/press_160414.html
https://bicr.atr.jp/decnefpro/software/
https://bicr.atr.jp/~oyamashi/SLR_WEB.html

著者 / 所属機関

Noriaki Yahata, et al.

投稿日時（yyyy/MM/dd）

2016/04/14

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

Machine Learning in Mental Health: A Systematic Review of the HCI Literature to Support the Development of Effective and Implementable ML Systems

ひとことで言うと

メンタルヘルスと機械学習に関するレビュー

論文リンク

https://dl.acm.org/doi/fullHtml/10.1145/3398069

著者 / 所属機関

ANJA THIEME and DANIELLE BELGRAVE / Microsoft Research
GAVIN DOHERTY / Trinity College Dublin

投稿日時（yyyy/MM/dd）

2020/08
ACM Transactions on Computer-Human Interaction

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

Distillation of Regional Activity Reveals Hidden Content of Neural Information in Visual Processing

ひとことで言うと

論文リンク

https://www.frontiersin.org/articles/10.3389/fnhum.2021.777464/full

著者 / 所属機関

Trung Quang Pham, Shota Nishiyama, Norihiro Sadato, and Junichi Chikazoe / National Institute for Physiological Sciences

投稿日時（yyyy/MM/dd）

2021/11/26

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

A Survey on Deep Transfer Learning

ひとことで言うと

Deep Transfer Learningの研究成果を4つのカテゴリに分類してレビュー
Instances-based
Mapping-based
Network-based
Adversarial-based

論文リンク

https://arxiv.org/abs/1808.01974

著者 / 所属機関

Chuanqi Tan, Fuchun Sun, Tao Kong, Wenchang Zhang, Chao Yang, Chunfang Liu

投稿日時（yyyy/MM/dd）

2018/08/06

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

Deep learning in mental health outcome research: a scoping review

ひとことで言うと

メンタルヘルスと深層学習に関するレビュー

論文リンク

https://www.nature.com/articles/s41398-020-0780-3

著者 / 所属機関

Chang Su, Zhenxing Xu, Jyotishman Pathak & Fei Wang / Weill Cornell Medicine

投稿日時（yyyy/MM/dd）

2020/04
Translational Psychiatry

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

HOnnotate: A method for 3D Annotation of Hand and Object Poses

ひとことで言うと

オブジェクトを把持した画像から手とオブジェクトの姿勢をアノテーションする．

論文リンク

https://openaccess.thecvf.com/content_CVPR_2020/papers/Hampali_HOnnotate_A_Method_for_3D_Annotation_of_Hand_and_Object_CVPR_2020_paper.pdf

https://github.com/shreyashampali/HOnnotate

著者 / 所属機関

Shreyas Hampali, Mahdi Rad, Markus Oberweger, Vincent Lepetit / Graz University of Technology

投稿日時（yyyy/MM/dd）

May 2020, CVPR 2020

どんなもの？

10種類のオブジェクト&10人の被験者を含む，75,000以上のフレーム数で構成されるHO-3D datasetを作成した．

FreiHAND: A Dataset for Markerless Capture of Hand Pose and Shape from Single RGB Images

ひとことで言うと

複数のデータセットを一般化するように手の姿勢とshapeをアノテーションしたデータセットFreiHANを作成．

論文リンク

https://lmb.informatik.uni-freiburg.de/projects/freihand/

https://github.com/lmb-freiburg/freihand

投稿日時（yyyy/MM/dd）

Sep 2019, ICCV 2019

どんなもの？

EEG based Major Depressive disorder and Bipolar disorder detection using Neural Networks A review

ひとことで言うと

うつ病と双極性障害のEEGにニューラルネットワークを使った研究のレビュー

論文リンク

https://arxiv.org/abs/2009.13402

著者 / 所属機関

Sana Yasin, Syed Asad Hussain, Imran Raza / COMSATS University Islamabad
Sinem Aslan / University of Okara
Muhammad Muzammel, Alice Othmani / Université Paris-Est Créteil

投稿日時（yyyy/MM/dd）

20201/04

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

The Patient Repository for EEG Data + Computational Tools (PRED+CT)

ひとことで言うと

精神障害および神経障害のEEGデータリポジトリを作成した

論文リンク

https://www.frontiersin.org/articles/10.3389/fninf.2017.00067/full
http://predict.cs.unm.edu/downloads.php

著者 / 所属機関

James F. Cavanagh, Arthur Napolitano, Christopher Wu and Abdullah Mueen / University of New Mexico

投稿日時（yyyy/MM/dd）

2017/11/21

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

An open resource for transdiagnostic research in pediatric mental health and learning disorders

ひとことで言うと

様々な障害を持つ患者（5~21歳）を対象にしたmultimodal brain imaging dataset

論文リンク

https://www.nature.com/articles/sdata2017181
http://fcon_1000.projects.nitrc.org/indi/cmi_healthy_brain_network/sharing_neuro.html

著者 / 所属機関

Child Mind Institute

投稿日時（yyyy/MM/dd）

2017/12/19

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

Hand Pose Estimation for Hand-Object Interaction Cases using Augmented Autoencoder

ひとことで言うと

オブジェクトを把持した状態の点群から手の姿勢をAugmented Autoencoderによって推定する．

論文リンク

https://mediatum.ub.tum.de/doc/1522078/file.pdf
https://youtu.be/3JgoYBogZ1I

著者 / 所属機関

Shile Li, Haojie Wang, Dongheui Lee / Technical University of Munich, Germany

投稿日時（yyyy/MM/dd）

2020/05/31

どんなもの？

Computational psychiatry as a bridge from neuroscience to clinical applications

ひとことで言うと

データ駆動型と理論駆動型に分けて考えた計算論的精神医学のレビュー

論文リンク

https://www.nature.com/articles/nn.4238

著者 / 所属機関

Quentin J M Huys / ETH Zurich
Tiago V Maia & Michael J Frank

投稿日時（yyyy/MM/dd）

2016/02
Nature Neuroscience

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

Deep learning applied to electroencephalogram data in mental disorders: A systematic review

ひとことで言うと

精神医学におけるEEGに深層学習を使った研究のレビュー
flaws and gapsを重視

論文リンク

https://www.sciencedirect.com/science/article/pii/S0301051121001101

著者 / 所属機関

Mateo de Bardeci, Sebastian Olbrich / University Zurich
Cheng Teng Ip

投稿日時（yyyy/MM/dd）

2021/05

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

Smartphone-Based Monitoring of Objective and Subjective Data in Affective Disorders: Where Are We and Where Are We Going? Systematic Review

ひとことで言うと

気分障害を対象にしたスマートフォンによるモニタリング研究のレビュー

論文リンク

https://www.jmir.org/2017/7/e262/

著者 / 所属機関

Dogan, Ezgi, et al. / University Leipzig

投稿日時（yyyy/MM/dd）

2017/07/24

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

Real-time Hand Gesture Detection and Classification Using Convolutional Neural Networks

ひとことで言うと

ハンドジェスチャをリアルタイムでCNNによって検出&分類する．

論文リンク

https://paperswithcode.com/paper/real-time-hand-gesture-detection-and

https://github.com/ahmetgunduz/Real-time-GesRec

著者 / 所属機関

Okan Köpüklü, Ahmet Gunduz, Neslihan Kose, Gerhard Rigoll / TU Munich

投稿日時（yyyy/MM/dd）

Oct 2019, FG 2019 (Best Student Paper Award), IEEE Transactions on Biometrics, Behavior, and Identity Science

どんなもの？

どうやって有効だと検証した？

EgoGestureとNVIDIA Dynamic Hand Gesture Datasetsで評価した．

An electroencephalographic signature predicts antidepressant response in major depression

ひとことで言うと

resting-state EEGから機械学習アルゴリズムによってセルトラリンの治療効果を調査した

論文リンク

https://www.nature.com/articles/s41587-019-0397-3
https://nda.nih.gov/edit_collection.html?id=2199
https://clinicaltrials.gov/ct2/show/study/NCT01407094

著者 / 所属機関

Wei Wu, et al.

投稿日時（yyyy/MM/dd）

2020/02/10
Nature biotechnology

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

MODMA dataset: a Multi-modal Open Dataset for Mental-disorder Analysis

ひとことで言うと

EEG (128/3), Audioのデータセット

論文リンク

https://arxiv.org/abs/2002.09283
http://modma.lzu.edu.cn/data/index/
https://healthcom2020.ieee-healthcom.org/modma-contest

著者 / 所属機関

Hanshu Cai, Yiwen Gao, Shuting Sun, Na Li, Fuze Tian, Han Xiao, Jianxiu Li, Zhengwu Yang, Xiaowei Li, Qinglin Zhao, Zhenyu Liu, Zhijun Yao, Minqiang Yang, Hong Peng, Jing Zhu, Xiaowei Zhang, Guoping Gao, Fang Zheng, Rui Li, Zhihua Guo, Rong Ma, Jing Yang, Lan Zhang, Xiping Hu, Yumin Li, Bin Hu / Lanzhou University

投稿日時（yyyy/MM/dd）

2020/03/05

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

Transfer Learning for EEG-Based Brain-Computer Interfaces: A Review of Progress Made Since 2016

ひとことで言うと

EEG-Based BCI向け転移学習のレビュー論文

論文リンク

https://arxiv.org/abs/2004.06286

著者 / 所属機関

Dongrui Wu, Yifan Xu / 華中科技大学
Bao-Liang Lu / 上海交通大学

投稿日時（yyyy/MM/dd）

2020/07/03

IEEE Transactions on Cognitive and Developmental Systems

先行研究と比べてどこがすごい？

EEG-Based BCI向け転移学習の包括的かつ最新のレビューはない
- 特に，デバイス/タスク間の転移学習，aBCI，回帰問題，敵対的攻撃について言及している

次に読むべき論文は？

V. J. Lawhern, A. J. Solon, N. R. Waytowich, S. M. Gordon, C. P. Hung, and B. J. Lance, “EEGNet: a compact convolutional neural network for EEG-based brain-computer interfaces,” Journal of Neural Engineering, vol. 15, no. 5, p. 056013, 2018.
https://arxiv.org/pdf/1611.08024.pdf

Development of Human Support Robot as the research platform of a domestic mobile manipulator

論文リンク

https://doi.org/10.1186/s40648-019-0132-3

著者 / 所属機関

Takashi Yamamoto / Frontier Research Center, TOYOTA MOTOR CORPORATION
Koji Terada / Frontier Research Center, TOYOTA MOTOR CORPORATION
Akiyoshi Ochiai / TOYOTA RESEARCH INSTITUTE
Fuminori Saito / Frontier Research Center, TOYOTA MOTOR CORPORATION
Yoshiaki Asahara / Frontier Research Center, TOYOTA MOTOR CORPORATION
Kazuto Murase / Frontier Research Center, TOYOTA MOTOR CORPORATION

投稿日時（yyyy/MM/dd）

2019/04/18

どんなもの？

HSRの開発背景，ハードウェア設計，ソフトウェアアーキテクチャの詳細について．

どうやって有効だと検証した？

Verify grasping capability
- 最大加速度33.15m/s^2の外乱でも安定して43種のオブジェクトを把持できた．
Verify autonomous task capability
- Fetch and CarrタスクyとTidy-Upタスクで自律的にタスクを遂行できた．
Validate usability as research platform
- 3日のハッカソンでデモンストレーションを完成させることができ，参加者の満足度が高かった．
Validate effect at RoboCup 2017 and 2018

技術や手法の肝はどこ？

コンセプトとデザインの徹底した調査．
車輪（3自由度）とアーム（4自由度），胴体（8自由度）の協調制御によるフレキシブルな動き（Whole-body cooperative manipulation system）．

議論はある？

把持可能な物体の形状は？

先行研究と比べてどこがすごい？

実用性も担保しながらコンパクトに設計されているところ．

次に読むべき論文は？

43クラスのgrasping objects
- Choi, Young Sang, Travis Deyle, and Charles C. Kemp. "A list of household objects for robotic retrieval prioritized by people with ALS (Version 092008)." arXiv preprint arXiv:0902.2186 (2009).
  https://arxiv.org/pdf/0902.2186.pdf
プロトタイプ（2012年）の実験方法の詳細
- Hashimoto K, Saito F, Yamamoto T, Ikeda K (2013) A field study of the Human Support Robot in the home environment. In: Proceedings of IEEE workshop on advanced robotics and its social impacts, IEEE, Piscataway, pp 143–150
全方向移動・駆動機構と双輪キャスタ型駆動機構
- Tadakuma K (2011) Omnidirectional mobile and driving mechanism. Journal of the Robotics Society of Japan 29(6):516–519.
  https://doi.org/10.7210/jrsj.29.516
- Wada M, Takagi A, Mori S (2000) A mobile platform with a dual-wheel caster-drive mechanism for holonomic and omnidirectional mobile robots. J Robotics Soc Japan 18(8):1166–1172
  https://www.jstage.jst.go.jp/article/jrsj1983/18/8/18_8_1166/_article

Smartphone-based objective monitoring in bipolar disorder: status and considerations

ひとことで言うと

スマートフォンを使用した双極性障害のモニタリング研究のレビュー
課題：調査期間が短い，被験者が少ない，選択バイアス

論文リンク

https://link.springer.com/article/10.1186/s40345-017-0110-8

著者 / 所属機関

Maria Faurholt-Jepsen, Michael Bauer & Lars Vedel Kessing

投稿日時（yyyy/MM/dd）

2018/01/23
International Journal of Bipolar Disorders

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

Evaluating depression with multimodal wristband-type wearable device: screening and assessing patient severity utilizing machine-learning

ひとことで言うと

スマートウォッチで歩数，活動量，体動，睡眠時間，心拍数，体温，紫外線を計測．
XGBoostでうつ病の有無を分類，重症度を推定．

論文リンク

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7005437/

著者 / 所属機関

Yuuki Tazawa, Kuo-ching Liang, Michitaka Yoshimura, Momoko Kitazawa, Yuriko Kaise, Akihiro Takamiya, Aiko Kishi, Toshiro Horigome, Yasue Mitsukura, Masaru Mimura, and Taishiro Kishimotoa / Keio University

投稿日時（yyyy/MM/dd）

2020/02
Heliyon

どんなもの？

どうやって有効だと検証した？

PROMPT-wearable
https://www.i2lab.info/resources

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

Designing a robotic smart home for everyone, especially the elderly and people with disabilities

論文リンク

https://doi.org/10.20407/fmj.2018-009

著者 / 所属機関

Shigeo Tanabe, Eiichi Saitoh, Soichiro Koyama, Kei Kiyono, Tsuyoshi Tatemoto, Nobuhiro Kumazawa, Hitoshi Kagaya, Yohei Otaka, Masahiko Mukaino, Akira Tsuzuki, Hirofumi Ota, Satoshi Hirano, Yoshikiyo Kanada

投稿日時（yyyy/MM/dd）

2019

どんなもの？

ロボティックスマートホーム（RSH）プロジェクトではロボットと居住空間の建築設計を同時に開発して，高齢者が自宅で長期間独立して生活できるような家庭環境の作成を計画している．

技術や手法の肝はどこ？

限られた居住空間で実現したところ．

先行研究と比べてどこがすごい？

authentic assessmentとinteractive developmentの2つの側面に対応するセンターを開発することによって効果的な施設設計を実現したところ．

次に読むべき論文は？

IoTによるhome automation systemは日常生活をより便利で快適にする分野として注目されている
- Majumder S, Aghayi E, Noferesti M, Memarzadeh-Tehran H, Mondal T, Pang Z, Deen MJ. Smart homes for elderly healthcare—recent advances and research challenges. Sensors (Basel) 2017; 17: E2496.
  https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5712846/
高齢者向けのスマートホームの開発事例
- Hamed B. Design & implementation of smart house control using LabVIEW. Int J Soft Comput Eng 2012; 1: 98–106.
  https://www.academia.edu/30079722/Design_and_Implementation_of_Smart_House_Control_Using_LabVIEW
- Stefanov DH, Bien Z, Bang WC. The smart house for older persons and persons with physical disabilities: structure, technology arrangements, and perspectives. IEEE Trans Neural Syst Rehabil Eng 2004; 12: 228–50.
  http://satcommunity.com.au/upload/2ec60c0e88af6d66fd03646b31b354c9.pdf

Generative Model-Based Loss to the Rescue: A Method to Overcome Annotation Errors for Depth-Based Hand Pose Estimation

ひとことで言うと

深度画像における6個（指先と手首）のアノテーションから21個のキーポイントをGenerative Model-Based Lossによって推測する．

論文リンク

https://arxiv.org/abs/2007.03073

https://deepai.org/publication/generative-model-based-loss-to-the-rescue-a-method-to-overcome-annotation-errors-for-depth-based-hand-pose-estimation

著者 / 所属機関

Jiayi Wang, Franziska Mueller, Florian Bernard, Christian Theobalt / Max Planck Institute for Informatics

投稿日時（yyyy/MM/dd）

Jul 2020, FG 2020

どんなもの？

Annotation Errorのあるデータセットに使用できる．

Automated Depression Detection Using Deep Representation and Sequence Learning with EEG Signals

ひとことで言うと

安静時脳波からCNNとLSTMでうつ病を分類

論文リンク

https://link.springer.com/article/10.1007/s10916-019-1345-y

著者 / 所属機関

Xiaowei Li, Rong La, Ying Wang, Junhong Niu, Shuai Zeng, Shuting Sun & Jing Zhu / Lanzhou University

投稿日時（yyyy/MM/dd）

2019/05/28
Journal of medical systems

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

A multi-site, multi-disorder resting-state magnetic resonance image database

ひとことで言うと

多施設・複数疾患fMRIデータベースを公開した

論文リンク

https://www.nature.com/articles/s41597-021-01004-8
https://www.amed.go.jp/news/release_20210831-01.html
https://ircn.jp/pressrelease/20210830-kiyotokasai
https://bicr.atr.jp/decnefpro/
https://bicr.atr.jp/decnefpro/data/

著者 / 所属機関

Saori C. Tanaka, et al.

投稿日時（yyyy/MM/dd）

2021/08/30

どんなもの？

データベースには4つのデータセットが含まれる

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

リンク

https://github.com/sccn/BCILAB/wiki/BCILAB-documentation

メモ

2017年で開発が停止している

Introduction

ベルリン工科大学のC. Kothe and T. Zanderが作成した
リアルタイムで人の認知状態を生体信号から予測する
the purposes of pattern recognitition and analysis, structure and novelty discovery, and other data analysis tasks
fMRI分野で有名なMVPAがEEGでできるようになる
Workflows : Standard analyses, Advanced analyses, Cross-validation analyses
Functionality : Signal Processing, Feature Extraction, Machine Learning
- Signal Processing : フィルタリング, ICA, sparse reconstruction, フーリエ変換
  https://github.com/sccn/BCILAB/tree/devel/code/dataset_editing
  https://github.com/sccn/BCILAB/tree/devel/code/filters
- Feature Extraction : 次元削減 (PCA, Wavelet Decompositionなど)
- Machine Learning : https://github.com/sccn/BCILAB/tree/devel/code/machine_learning
Data Flow :

User Guides

Preliminaries (準備)
- System Requirements : BCILAB directory itself should NOT be added to the path.
- Setup and Startup : bcilab_config.m as default configuration parameters.
Using the GUI
- Saving things : BCILAB/resorces/workspacesにWorkspaceを保存して再利用する
Basic Scripting
- Preliminaries :
  3-10行のプログラムで完了する
  まずはGUI example (REF)を実行して、機能を確認したほうが良い(どこにある？)
  スクリプトの名前を"do_"とすると良い

cd your/path/to/bcilab
bcilab

Loading data : EEGLABとの違い
EEGLABでは処理を経てからデータが読み込まれる
BCILABではそのままデータが読み込まれる (すなわち、迅速)

mytrainset = io_loadset('bcilab:/userdata/test/imag.set')

Specifying a computational approach
Plugin Authoring: Preliminaries
Signal processing: code/filters/flt_.m Dataset editing: code/dataset_editing/set_.m Machine learning: code/machine_learning/ml_train*.m and ml_predict*.m BCI paradigms: code/paradigms/para_.m Online plugins: code/online_plugins//run_read*.m or run_write*.m or run_pipe*.m
Plugin authoring: machine learning
- Concept : (semi-supervised) online learning, co-adaptive learning, incremental learning
- Interface : (e.g. SVM, GMM, LDA, etc.)
  Training: ml_train.m
  Predict: ml_predict.m
  - Multivariate regression (多変量回帰)
- Example plugin: Support Vector Machines
  Training: ml_trainsvm.m
  Predict: ml_predictsvm.m

BCILAB/code/machine_learning

SVM
Ridge regression
Logistic regression
GLM (Generalized Linear Model)
GMM (Gaussian Mixture Models)
Hierarchical Kernel Learning
LDA (Linear Discriminant Analysis)
proximal splitting methods
Quadratic Discriminant Analysis
RVM (Relevance Vector Machine)
SVMlight
SVMperf
covariance-based classification
HDCA (Hierarchical Discriminant Component Analysis)
Dual-Augmented Lagrangian method
Voting

生活支援ロボットHuman Support Robot（HSR）におけるROS活用

論文リンク

https://doi.org/10.7210/jrsj.35.280

著者 / 所属機関

Koji Terada, Kazuto Murase and Takashi Yamamoto / Toyota Motor Corporation

投稿日時（yyyy/MM/dd）

2017/05

どんなもの？

高齢化や障害者・高齢者の自立心促進という課題に対してHSRによる解決を目指している．ロボット用のミドルウェアであるROSを活用して，様々な機能やプロトタイピングの容易さを実現している．

次に読むべき論文は？

ROS
- Quigley, Morgan, et al. "ROS: an open-source Robot Operating System." ICRA workshop on open source software. Vol. 3. No. 3.2. 2009.
  http://www.willowgarage.com/sites/default/files/icraoss09-ROS.pdf
Cartographer
- Hess, Wolfgang, et al. "Real-time loop closure in 2D LIDAR SLAM." 2016 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2016.
  https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/45466.pdf

Deep neural networks and kernel regression achieve comparable accuracies for functional connectivity prediction of behavior and demographics

ひとことで言うと

論文リンク

https://doi.org/10.1016/j.neuroimage.2019.116276

著者 / 所属機関

He, T. / National University of Singapore

投稿日時（yyyy/MM/dd）

2020/02/01

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

EEG Frequency Bands in Psychiatric Disorders: A Review of Resting State Studies

ひとことで言うと

10種類の精神障害におけるresting-state EEGに関する研究のレビュー

論文リンク

https://www.frontiersin.org/articles/10.3389/fnhum.2018.00521/full

著者 / 所属機関

Jennifer J. Newson and Tara C. Thiagarajan

投稿日時（yyyy/MM/dd）

2019/01/09
Frontiers in human neuroscience

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

Internet of things issues related to psychiatry

ひとことで言うと

精神医学のIoTに関するレビュー

論文リンク

https://journalbipolardisorders.springeropen.com/articles/10.1186/s40345-020-00216-y

著者 / 所属機関

Scott Monteith, Tasha Glenn, John Geddes, Emanuel Severus, Peter C. Whybrow & Michael Bauer

投稿日時（yyyy/MM/dd）

2021/04
International Journal of Bipolar Disorders

どんなもの？

どうやって有効だと検証した？

技術や手法の肝はどこ？

議論はある？

先行研究と比べてどこがすごい？

次に読むべき論文は？

メモ

Robust Part-Based Hand Gesture Recognition Using Kinect Sensor

論文リンク

http://web.cs.ucla.edu/~zhou.ren/TMM_RenYuanMengZhang_submission.pdf

著者 / 所属機関

Zhou Ren, Junsong Yuan, Jingjing Meng / Nanyang Technological University, Singapore
Zhengyou Zhang / Microsoft Research, Redmond

投稿日時（yyyy/MM/dd）

2013/8

Winner of 2016 IEEE Trans. on Multimedia （TMM）Prize Paper Award (Best Paper Award)

どんなもの？

距離メトリックFinger-Earth Mover’s Distance (FEMD)に基づくHand Gesture Recognition Systemを提案．
- 手全体ではなく指に注目するため，わずかな違いも区別可能．

どうやって有効だと検証した？

NTU-Microsoft-Kinect HandGesture Datasetで93.2% mean accuracy
- 10 people x 10 gestures/people x 10 cases/gestures = 1000 cases

技術や手法の肝はどこ？

Finger-Earth Mover’s Distance (FEMD)について

議論はある？

ジェスチャーを行う手の手首に黒いベルトを着用している．
正面からくっきり指が写ってる状態じゃないと正確に認識できない？

先行研究と比べてどこがすごい？

各指の部分をクラスターとして表現する事で，グローバルフィーチャ(?)の計算が可能になった．
- 方向，スケール，関節の変化，手の形の局所的な歪みに対して堅牢に．

次に読むべき論文は？

後続の論文
- Wang, Chong, Zhong Liu, and Shing-Chow Chan. "Superpixel-based hand gesture recognition with kinect depth camera." IEEE transactions on multimedia 17.1 (2014): 29-39.
  - 距離メトリックSuperpixel Earth Mover’s Distance (SP-EMD)で，Hand Gestureを区別する．
- Cheng Hong, Zhongjun Dai, and Zicheng Liu. "Image-to-class dynamic time warping for 3D hand gesture recognition." 2013 IEEE International Conference on Multimedia and Expo (ICME). IEEE, 2013.
  - 時系列曲線からfingerletを生成し，Dynamic Time Warping (DTW) distanceでHand Gestureを区別する．
3DデータによるHand Gesture Recognitionの現在について
- Cheng Hong, Lu Yang, and Zicheng Liu. "Survey on 3D hand gesture recognition." IEEE transactions on circuits and systems for video technology 26.9 (2015): 1659-1673.
traditional vision-based hand gesture recognition methods [5]–[7]
- [5] A. Erol, G. Bebis, M. Nicolescu, R. D. Boyle, and X. Twombly, “Vision-based hand pose estimation: A review,” Comput. Vision Image Understand., vol. 108, pp. 52–73, 2007.
- [6] S. Mitra and T. Acharya, “Gesture recognition: A survey,” IEEE Trans. Syst., Man, Cybern. C, Appl. Rev., vol. 37, pp. 311–324, 2007.
- [7] G. R. S. Murthy and R. S. Jadon, “A review of vision based hand gesture recognition,” Int. J. Inf. Technol. Knowl. Manage., vol. 2, pp. 405–410, 2009.