脳表面における脳血流量変化からの人間の感情の認識: 事象関連近赤外分光法に関する研究

Recognition of Human Emotions from Cerebral Blood Flow Changes in the Frontal Region
-A Study with Event-Related Near-Infrared Spectroscopy-
Neuroimaging, Vol.21, pp.e94-e101, 2011
20170523 sikeda

本研究の目的は,脳機能が著しく損なわれている患者の心を理解するために,脳血流(CBF)に基づく人間の快・不快感情を認識する近赤外分光法(NIRS)に基づいたシステムを開発することである.前頭領域は容易にNIRS測定が可能であるが,感情の処理における前頭前野皮質(PFC)の役割はまだ解明されていない.まず,イベント関連のNIRSを用いて,感情に直接関連する脳活動を反映するが,前頭前野質における認知動作には影響しない,局所的CBF変化の指標として酸素化ヘモグロビン(oxy-Hb)の変化を調べた.また,事象関連電位(ERP),全身血圧,および脈拍数も同時に測定した.6秒間の画像提示期間におけるoxy-Hbの変化に関する事象関連分析は,非常に不快な感情が両側腹側PFCにおけるoxy-Hbを増加し,非常に快な感情は左背側PFCにおけるoxy-Hbの減少を示した.2つの感情状態の間にERPまたは自律神経系活動のいずれにおいても有意差はなかった.これらの結果から,CBFの変化から患者の感情を認識する可能性を示唆している.

fNIRS の BCI 適応のための Deep Learning の調査

Investigating Deep Learning for fNIRS based BCI
2015 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), pp.2844-2847
20170206_rtamura

fNIRS は脳機能を計測するための比較的新しい装置であり,近年では BCI を構築するための有望な結果を示し ている.装置が新しいため,1 試行の分析のための意味のある特徴と分類の標準的なアプローチがまだない.大 部分の研究は,EEG ベースの非常に単純な特徴の確立された分類に限られる.Deep Neural Network のようなよ り複雑で強力な分類器のアプローチの実現可能性は,我々の知る限りでは,fNIRS ベースの BCI には調査されて いなかった.Deep Neural Network がいろいろなタスクで従来の機械学習方法を上回ったのに加え,ニューラル・ ネットワークのためのトレーニング方法の進歩もあり,これらのネットワークは最近ますます人気になった.本 稿では,fNIRS で測定される脳活動のパターンを分類するために Deep Neural Network を使用した.また,Deep Neural Network と従来手法を比較した.

運動イメージ分類のための単一試行コネクティビティ推定

Single-trial connectivity estimation for classification of motor imagery data
Journal of Neural Engineering, Volume 10, Number 4, 11 June 2013
20160624_tishihara

目的:多くの脳とコンピュータのインターフェイス(BCI)は,異なる運動イメージ(MI)のパターンを区別する ために脳波のバンドパワー(BP)の変化を使用している.近年のほとんどのアプローチは,アカウントに分け脳 領域のコネクティビティを取ることはない.私たちの目的は単一試行コネクティビティ特徴量を導入し,BCI デー タにこれらの特徴量を適用することである.アプローチ:私たちは,BCI 環境においてベクトル自己回帰(VAR) の独立成分のモデルからの単一試行コネクティビティの推定値を抽出するための手順を紹介する.主な結果:シ ミュレートされた BCI では,我々はフル周波数で正規化した有効性伝達関数(DTF)と直接的 DTF が BP と似 た結果を与えることを実証した.一方で,その他の部分有効性コヒーレンスなど他の尺度で大幅に分類精度が落 ちたことも実証した.意義:我々は,単一試行 MI の分類が VAR モデルから抽出したコネクティビティ尺度で可 能であり,BCI は,潜在的に,このような尺度を利用することが可能であることを示す.

非侵襲Berlin Brain-Computer Interface : 未経験被験者における早期BCI 操作の習得

The non-invasive Berlin Brain-Computer Interface: Fast acquisition of effective performance in untrained subjects
NeuroImage, vol.37, no.2, pp.539-550, January 2007
20150610ktanaka

Brain-Computerinterface(BCI)は,脳から外部機器への直接的命令を可能にしたシステムのことを指す.これらのシステムではユーザーが機器操作を可能にするために大脳皮質表面や脳内部から得られる電気信号を用いる.そのため身体麻痺患者でも,神経活動を用いて外部システム操作が可能となった.BCIシステム操作のための一般的な方法の一つとして,被験者がシステム操作の練習を重ね,経験的に体得する方法がある.一方,BerlinBrain-ComputerInterface(BBCI)は,ユーザーの意図を検知するために多次元の特徴量から被験者特有の脳波パターンを抽出する.これを実現するためにBBCIではユーザーの運動イメージ能力と機械学習を用いる.その為,従来までトレーニングに掛かっていた長期間に渡る訓練期間は20分程度に短縮され,機械学習に関しては1分程度となった.本研究では,BCI未経験者10名を起用し,四肢の運動イメージをする実験を行った.情報送信のピーク値は,3名の被験者では35bpm(bitperminute),被験者2名は23bpm,他3名は12bpm,加えて残りの1名の結果としてはBCIを操作することが出来なかった.本研究で使用されたBBCIと従来のBCIを比べた場合,結果としてBBCIのシステムはより複雑だが,潜在的にユーザーに操作を可能にさせ,汎用性も大きく広がった.

非侵襲Berlin Brain-Computer Interface : 未経験被験者における早期BCI 操作の習得

The non-invasive Berlin Brain-Computer Interface: Fast acquisition of effective performance in untrained subjects
NeuroImage, vol.37, no.2, pp.539-550, January 2007

Brain-Computer interface(BCI) は,脳から外部機器への直接的命令を可能にしたシステムのことを指す.これらのシステムではユーザーが機器操作を可能にするために大脳皮質表面や脳内部から得られる電気信号を用いる.そのため身体麻痺患者でも,神経活動を用いて外部システム操作が可能となった.BCI システム操作のための一般的な方法の一つとして,被験者がシステム操作の練習を重ね,経験的に体得する方法がある.一方,Berlin Brain-Computer Interface(BBCI) は,ユーザーの意図を検知するために多次元の特徴量から被験者特有の脳波パターンを抽出する.これを実現するためにBBCI ではユーザーの運動イメージ能力と機械学習を用いる.その為,従来までトレーニングに掛かっていた長期間に渡る訓練期間は20 分程度に短縮され,機械学習に関しては1 分程度となった.本研究では,BCI 未経験者10 名を起用し,四肢の運動イメージをする実験を行った.情報送信のピーク値は,3 名の被験者では35bpm(bit per minute),被験者2 名は23bpm,他3 名は12bpm,加えて残りの1名の結果としてはBCI を操作することが出来なかった.本研究で使用されたBBCI と従来のBCI を比べた場合,結果としてBBCI のシステムはより複雑だが,潜在的にユーザーに操作を可能にさせ,汎用性も大きく広がった.

2015.0610.okamura

運動イメージ中の連続脳波識別-非同期型BCI のシミュレーション

pdf

Continuous EEG classi cation during motor imagery
-simulation of an asynchronous BCI
IEEE TRANSACTIONS ON NEURAL SYSTEMS AND REHABILITATION ENGINEERING , VOL. 12,
NO. 2, pp. 258-265, 2004
全てのEEG を基としたBCI システムは合図で指示されたものや,もしくは同期型のモードで操作する.これは
メンタル活動(思考) の開始が一定であり,脳波が事前に決定された時間幅で解析されることを意味している.近
い将来,ユーザが特定のメンタルパターンを行ったいかなる時に実行されるBCI システムもまた重要になる.非
同期型BCI は脳波データの連続的解析や識別によって特徴づけられる.そのため,メンタルタスク中の真陽性率
を最大にし,レストや何も行っていない間の偽陽性を最小にすることが必要である.左右の運動イメージを計測
した脳波データが非同期型BCI をシミュレートするために使用された.識別結果を最適化するために,不応期や
滞留時間を紹介した.

fNIRS とEEG により計測された運動イメージに基づくBCI におけるユーザトレーニングの皮質の影響

Cortical effects of user training in a motor imagery based brain-computer interface measured by fNIRS and EEG
NeuroImage, No.0, Vol.85, pp.432-444, 2014

現在の研究は感覚運動野の活動パターンにおける運動イメージに基づくBCI のトレーニングの影響の本質を得る
ことを目的としている.私達は10 セッションにわたって長期間のトレーニング効果を調査するために,fNIR と
EEG を用いた.15 人の被験者に対し運動イメージに基づくBCI で2 クラス(右手と足)で実験を行った.トレー
ニング段階において,活動p ターンの大きな向上が見られた.それはfNIRS ではオキシヘモグロビンの増加であ
り,EEG ではupper β帯域におけるERD の増加であった.これらの効果は平均識別精度が70%を下回るような
被験者で見られた.私達は運動イメージに基づくBCI のトレーニングは特に低いBCI パフォーマンスを持つユー
ザにおける皮質の活動パターンに影響することを発見した.
私達の結果はBCI 研究における分野の価値ある貢献として役に立ち,運動イメージに基づくBCI のトレーニング
が皮質の活動パターンに影響するという情報を与えた可能性がある.これは神経可逆性を促進,誘導する目的を
持つBCI の臨床的なアプリケーションに役立つであろう

pdf