路上走行研究における聴覚散漫中のEEGアルファスピンドルと長時間のブレーキ反応時間

EEG alpha spindles and prolonged brake reaction times during auditory distraction in an on-road driving study
Andreas Sonnleitner, Matthias Sebastian Treder, Michael Simon, Sven Willmann, Arne Ewald, Axel Buchner, Michael Schrauf Kevin Nathan, Jose L. Contreas-Vidal
Accident Analysis Prevention, Volume 62, January 2014, Pages 110-118

“運転者の注意散漫は,相当数の交通事故の原因となっている.本稿では,一次運転タスク中の聴覚的二次タスクが運転者の精神状態に及ぼす影響について述べる.N=20人の参加者が,非公開テストコースにおいて車内で繰り返し強制ブレーキをかけるタスクを行った.パフォーマンス尺度(ブレーキライトで誘発される反応時間)および脳活動(EEGアルファスピンドル)を分析して,ドライバーの注意状態を特徴づけた.さらに,アルファスピンドルがドライバーの精神状態を予測できるかどうかを調査するために分類アプローチが使用された.
結果は,反応時間およびアルファスピンドル速度がタスク時間とともに増加することを示した.さらに,運転のみとは対照的に聴覚二次タスクで運転している間のブレーキ反応時間とアルファスピンドル速度は著しく高かった.単一試行分類では,スピンドルパラメータの組み合わせは,注意喚起運転から注意をそらされたものを区別することにおいて約8%の中央分類誤差をもたらした.認知負荷が増大している間の運転性能の低下(すなわち,ブレーキ反応時間の延長)は,EEGアルファスピンドルによって示されると想定され,運転者の精神状態を口頭で評価することなく公道での実験における運転者注意散漫の定量化を可能にする.”

安静時fMRIを用いた機能的コネクトームベース予測モデルのベンチマーク

Benchmarking functional connectome-based predictive models for resting-state fMRI
Dadi, Kamalaker and Rahim, Mehdi and Abraham, Alexandre and Chyzhyk, Darya and Milham, Michael and Thirion, Bertrand and Varoquaux, Ga{\”e}l and Alzheimer’s Disease Neuroimaging Initiative and others
Neuroimage, vol.192, pp.115–134, 2019

機能的なコネクトームは,個々の心理的または臨床的特徴のバイオマーカーを明らかにする.ただし,rest-fMRIコホートから結果を導くために通常使用される分析パイプラインには大きなばらつきがある.ここでは,機能的なコネクトームのエッジの重みに関する予測モデルを使用して特定のタイプの研究を検討する.そのために,最適なモデリングを示す.神経変性疾患(アルツハイマー病,心的外傷後ストレス障害)神経精神疾患(統合失調症,自閉症),薬物依存症(大麻使用)と心理的特性の6つの異なるコホートおよび合計2000人のモデルの予測性能を体系的に検討した. rest-fMRIからの一般的な予測手順は,3つの主要なステップで構成されている.脳領域の定義,相互作用の表現,および教師あり学習である.領域を定義する8つの異なる方法,事前定義またはrest-fMRIデータから生成する方法,抽出された時系列から機能的なコネクトームを構築する3つの手段.および機能的な相互作用を比較する10の分類モデルの各ステップについて,典型的な選択肢のベンチマークを行った.ベンチマークでは,240を超えるさまざまなパイプラインを要約し,母集団と観測結果のばらつきにもかかわらず,一貫した予測パフォーマンスを示すモデリングは機能データから定義された領域が最適に機能することがわかる.相関と部分相関の中間である共分散の接線ベースのパラメーター化により領域間相互作用をキャプチャすることが有益であること.また,ロジスティック回帰などの単純な線形予測子が最良の予測を提供する.本稿は,臨床のための再現可能な画像ベースのバイオマーカーを確立するための一歩である.

心拍変動による居眠り検知

Drowsiness detection using heart rate variability
Jose Vicente, Pablo Laguna, Ariadna Bartra, Raquel Bailon
Medical and Biological Engineering and Computing, Volume 54, Issue 6, Pages 927-937, 16 January 2016

交通事故死者の10~30%が眠気運転に関連していると推定されている.生物学的および車両情報に基づく運転者の眠気検知は,予防的自動車安全という点において研究がなされている.表面心電図から得られる心拍変動(HRV)信号によって非侵襲的に測定可能な自律神経系活動は,ストレス,過労および眠気症状間の変化を示す.我々は,これらの変化がHRVに現れていることから,運転者の眠気検出に使用可能であると仮定した.我々は,ドライバーが示した異なる睡眠不足レベルと,眠気または覚醒として注釈を付けられた各運転時3つの運転データベースの分析を行った.我々は,HRVに基づいて2つの異なる眠気検知器を開発した.眠気エピソード検出器は,HRV由来の7つの特徴(運転の3475分で肯定的予測値0.96,感度0.59,特異性0.98)を用いて運転の毎分を「覚醒」または「眠気」と評価すると同時に,睡眠不足検出器はドライバの睡眠不足機能から運転の可否を見分けた.睡眠不足状態は,最初の3分間の運転における1つのHRV特徴(陽性適中率0.80,感度0.62,特異度0.88,30人のドライバに基づく)から推定された.HRV信号に基づく眠気評価を取り入れることは,既存の自動車安全システムに著しい改善を加える可能性がある.

心拍変動による居眠り検知

Drowsiness detection using heart rate variability
Jose Vicente, Pablo Laguna, Ariadna Bartra, Raquel Bailon
Medical and Biological Engineering and Computing, Volume 54, Issue 6, Pages 927-937, 16 January 2016

交通事故死者の10~30%が眠気運転に関連していると推定されている.生物学的および車両情報に基づく運転者の眠気検知は,予防的自動車安全という点において研究がなされている.表面心電図から得られる心拍変動(HRV)信号によって非侵襲的に測定可能な自律神経系活動は,ストレス,過労および眠気症状間の変化を示す.我々は,これらの変化がHRVに現れていることから,運転者の眠気検出に使用可能であると仮定した.我々は,ドライバーが示した異なる睡眠不足レベルと,眠気または覚醒として注釈を付けられた各運転時3つの運転データベースの分析を行った.我々は,HRVに基づいて2つの異なる眠気検知器を開発した.眠気エピソード検出器は,HRV由来の7つの特徴(運転の3475分で肯定的予測値0.96,感度0.59,特異性0.98)を用いて運転の毎分を「覚醒」または「眠気」と評価すると同時に,睡眠不足検出器はドライバの睡眠不足機能から運転の可否を見分けた.睡眠不足状態は,最初の3分間の運転における1つのHRV特徴(陽性適中率0.80,感度0.62,特異度0.88,30人のドライバに基づく)から推定された.HRV信号に基づく眠気評価を取り入れることは,既存の自動車安全システムに著しい改善を加える可能性がある.

畳み込みニューラルネットワークを用いた支援学習による感情認識

Emotion recognition by assisted learning with convolutional neural networks
Xuanyu He, Wei Zhang
Journal of Neurocomputing, Volume 291, Pages 187-194, 24 May 2018

画像感情とは特定の画像から得られる,または画像に隠された感情の事である.この論文では,新たな畳み込み ニューラルネットワークが画像から感情を推定するため提案された.その提案モデルは快不快の二値分類ネット ワークと特定の感情を認識するためのディープネットワークの 2 つの部分から成る.ネットワークを学習させてい る間,支援学習手法は認識精度を向上させるために導入された.実験の結果,提案されたニューラルネットワー クは感情認識の精度において大きな発展を獲得し,アクティベーションマップの拡大が可能であると証明した.

機械学習による瞳孔径を用いた快・不快感情識別

Machine learning to differentiate between positive and negative emotions using pupil diameter
Babiker Areej, Faye Ibrahima, Prehn Kristin, Malik AamirAnke
Frontiers in psychology, Vol.6, 2015
20171122_hwada

瞳孔径は個人の感情状態を識別するための信頼可能なパラメータとして示唆されている.本稿では,正と負の 感情を検出し,識別するための機械学習技術を提案する.30 名の被験者に陽性および陰性の刺激を与え,瞳孔反 応を記録した.結果,正及び負の音刺激の処置中に瞳孔拡張において有意な増加を示し,負の刺激に対してより 大きな増加を示した.さらに,タスク終了時に陽性刺激と比較して陰性の持続的拡張が認められ,正および負の 感情の識別のために精度 96.5%,感度 97.93%,特異度 98%となる機械学習アプローチに利用された.得られた結 果は,異なる研究のために設計された,30 人の参加者が陽性,陰性の感情を伴う単語を処理しながら記録した別 のデータセットを用いて検証された.

特徴選択のための進化的計算手法の調査

A Survey on Evolutionary Computation Approaches to Feature Selection
IEEE Transactions on Evolutionary Computation, Vol.20, No.4, pp.606-626, 2016
20170424harada

特徴選択は,データの次元を減らし,分類アルゴリズムといったアルゴリズムの性能を向上させるために,データマイニングおよび機械学習において重要な課題である.
しかし,特徴選択は主に探索空間が膨大なために困難な課題である.
特徴選択問題を解決するために,様々な方法が適用されている.
そのうち近年では,進化的計算技術が注目され,成功を収めている.
しかし,代替手法の長所と短所に関する包括的なガイドラインは存在しない.
これは分離・断片化された分野に対して,最終的に性能を改善しアプリケーションの成功させる機会の損失につながる.
本稿では,特徴選択のための進化的計算技術に関する最先端の内容について包括的に述べ,様々なアルゴリズムの貢献を特定する.

正規化されたセンサ共分散行列の分類:CSP の代替

Classifying Regularized Sensor Covariance Matrices: An Alternative to CSP
IEEE TRANSACTIONS ON NEURAL SYSTEMS AND REHABILITATION ENGINEERING,VOL. 24, NO. 8, AUGUST 2016
20161222_tishihara

一般的な空間パターン(CSP)は, 運送想起タイプのブレインコンピュータインタフェース(BCI)データセッ トを分類するために一般的に使用される技術である. 基本的なテクニックについて多くの拡張と改良を加えてきた により, 多方面で利用されている. しかしながら,CSP の欠点は, 信号処理パイプラインが,2 つの教師付き学習段階 を含むことである. 第 1 はクラス別の空間フィルタが学習され, 第 2 は分類器がフィルタリングされた分散を分類 するためである. これにより潜在的なオーバーフィット問題が発生する可能性があります. これは CSP をほんの数 のフィルタに限定することで一般的に回避可能である. この研究では, 監督された学習段階を 1 つだけ必要とする 代替アプローチが必要であると主張している. この手法の重要なステップは, 白色化された空間共分散行列を特徴 として使用し, 線形分類器を使用して空間フィルタと分類器の重みを同時に学習することである. しかし不幸なこ とに, このアプローチは過適合問題にもつながる. 私たちは白色化計算を適切に正則化することによって, これ らの問題に対処する方法を示す. リッジ正則共分散は, 白色化空間共分散,CSP、および 2 つの正規化 CSP 分類法 より, 正則化法の BCI の有用性を示す運動想起データセットにおいて優れている. トレースノルムの正則化は、結 果の解釈可能性に役立つ.

静的および動的なレスティングステイト fMRI の脳コネクティビティを用いた統合失調症と双極性患者の分類

Classification of schizophrenia and bipolar patients using static and dynamic resting-state fMRI brain connectivity
NeuroImage, Vol.134, 645-657, 2016
20161018 rhagiwara

最近,機能的ネットワークコネクティビティ(空間的に離れた脳内ネットワーク間の時系列相関として定義され た,FNC)が,様々な精神疾患における脳内ネットワークの機能的な構成を調べるために使用されている.動的 な FNC は,時間の短い期間にわたって FNC の変化を考慮する従来の FNC 解析の最近の拡張である.このよう な動的 FNC 計測は,コネクティビティの様々な側面について利益となるかもしれないが,複雑な精神疾患におい て分類するために静的および動的 FNC の性能の詳細な直接的な比較はない.本論文では,静的および動的 FNC の特徴に基づいて,統合失調症,双極性患者および健常者の自動分類のためのフレームワークを提案する.また, 静的および動的 FNC 間の交差検定分類性能を比較する.結果は,動的 FNC からの特徴が分類目的のための静的 FNC より明確な利点を示し,動的 FNC が予測精度の面で静的 FNC よりもより優れていることを示す.また,静 的および動的 FCN の特徴の組み合せは,動的 FNC の特徴だけであるより分類性能を大幅に改善することなく, 静的 FNC は分類目的のために動的 FNC を組み合わせたとき重要な情報を追加しないことを示す.静的および動 的 FNC の特徴に基づいた 3 つの分類方法は,高い精度で適切な症状のグループに個々の対象を判別する.提案し た分類のフレームワークは,追加の精神疾患に潜在的に適用可能である.

ワイヤレスカプセル内視鏡におけるクローン病病変の評価

Assessment of Crohn’s Disease Lesions in Wireless Capsule Endoscopy Images
IEEE Transactions on biomedical engineering vol.59.2 pp.355-362, 2012
20160803_nishida

カプセル内視鏡は,小腸の大部分へ非侵襲的なアクセスを提供する.そうでなければ,外傷や侵襲無しではア クセスすることはできない.しかし,それは臨床医によって手動で検討されなければならない大量のデータ(約 5 万枚の画像)を生成する.このような大量のデータの生成は,画像解析および,教師あり学習法を適用するための 機会を提供する.カプセル内視鏡画像による自動分析は,まれに見られる出血の検出に焦点を当ててきた.これ らの検出方法と比較し,我々は,クローン病による粘膜炎症によって作成された病変について個別の疾患の評価 を検討した.我々の仕事は,クローン病病変のための体系的な教師有り学習,個別の病変を分類する分類器,並 びに病変の重症度の定量的評価についての最初の研究である.我々は,これらの方法の評価を行うために,よく 発達した 47 のデータベースを使用した.この開発された手法は,手動で専門家によって評価された重症度分布の 正解と高い一致を示し,精度は病変の 90%,再現率は 90%以上を示した.

Wireless Capsule Endoscopy(WCE), classification, Content-based image processing, endoscopy