ハイパースキャニング研究への実験的アプローチとしての音楽演奏

Music Performance As an Experimental Approach to
Hyperscanning Studies
Frontiers in human neuroscience, vol.10, pp.2337-2352, 2016.
20170709 mmizuno

人間は基本的に社会的であり,お互いに交流するときに新しい組織を作り出す傾向があります.それらはダイ
アドから家族,小グループ,大グループ,社会,文明にまで至る.人間の社会的行動の神経基盤の研究は現在,社
会的神経科学の若い世代で勢いを増している.ハイパースキャニングは,被験者が互いに相互作用している間の2
つ以上の脳を同時に研究することができる神経イメージング技術である.本稿の目的は,ハイパースキャニング
実験を設計する上で重要と考えるいくつかの要因について検討することである.まず,持続的な相互作用の模範
となるEEG によるハイパースキャニング研究について述べる.次に,生態学的な基盤、社会的相互作用の感情的
要素の研究,縦断研究について議論する.後者2 つの側面は社会科学における最重要な要素にもかかわらずハイ
パースキャン研究の文献ではほとんどが無視されている.これらの前提に基づいて,我々は音楽演奏はハイパー
スキャンにおいて適切な実験設定であり,EEG はイメージング装置として適切であると提案する.

脳波を用いた感情認識のための特徴抽出と選択

Feature Extraction and Selection for Emotion
Recognition from EEG
IEEE Transactions on Affective Computing, Vol.5, No.3, pp.327-339, 2014
20170510_hwada

EEG 信号からの感情認識は,人間と機械との相互作用における重要な要素と考えられるユーザーの内部状態を
直接評価することを可能とする.特徴抽出のために多くの方法が研究されており,神経科学的知見に基づいた適切
な特徴と電極位置の選択が行われている.しかし,感情認識に対する適合性は,少量の別個の特徴セットやデー
タセットを用いて評価されている.大きな制約として機能の系統的な比較がないことが挙げられる.そこで,我々
は33 の研究に基づいて,脳波から感情認識のための特徴抽出法を検討する.自己記録データセット上の特徴選択
のための機械学習技術を用いて,これらの特徴を比較する評価を行う.結果は,異なる特徴選択の実行,選択され
た特徴量,および電極位置の選択に関して掲示した.多変量法により選択された特徴は,単変量法よりわずかに
優れていた.高度な特徴抽出技術は,一般的に使用されるスペクトルパワーバンドよりも利点を有することが分
かった.結果は頭頂葉および,中心から頭頂葉の上の位置を優先することを示唆した.

脳卒中のためのEEG ベースの運動想起型BCI ロボットリハビリテーションのランダム化比較試験

A Randomized Controlled Trial of EEG-Based Motor Imagery Brain-Computer Interface Robotic Rehabilitation for Stroke

Clinical EEG and Neuroscience, pp.: 310-320, 46.4 (2015)
20170419_tishihara

EEG ベースの運動想起型BCI 技術は活動依存性の脳可塑性を誘導することによって運動機能を回復させる可能性がある.この研究の目的は,上肢麻痺を伴う慢性脳卒中の被験者について,MIT-Manus 肩肘ロボットフィードバック(BCI-Manus)と組み合わせたEEG ベースのMI-BCI システムの有効性を調べることであった.この一重盲検ランダム化試験では,MI-BCI を使用する能力を事前に選別した26 人の片麻痺被験者(Fugl-Meyer による脳卒中後の運動回復評価[FMMA] score、4-40; 16 人、平均年齢51.4 歳、平均発作期間297.4 日)を,BCI-ManusまたはManus 療法に無作為に割り当て,4 週間にわたって18 時間持続させた.有効性は,0 週目,2 週目,4 週目および12 週目の上肢FMMA スコアを用いて測定した.BCIManus に割り当てられた被験者からのElEG データを,修正された脳対称指数(rBSI)を用いて定量化し,FMMA スコアの改善との相関について分析した.11 人および15 人の被験者は,それぞれBCI-Manus およびManus 療法を受けた.マヌスグループのある被験者は脱落した.BCI-Manus では26.3 ± 10.3,27.4 ± 12.0,30.8 ± 13.8,および31.5 ± 13.5 であり,BCI-Manus では26.6 ± 18.9,29.9 ± 20.6,32.9 であった± 21.4,および33.9 ± 20.2 であり,群間の差はなかった(P = .51).BCI-Manus(11 例中7 例(63.6 %))がManus(14 例中5 例(35.7 %))より12 週目にFMMA スコアを上回った.rBSI スコアとFMMA スコアとの間には負の相関が見られた(P = .044).BCIManus 療法は良好な耐容性を示し,有害事象と関連していなかった.結論として,BCI-Manus 療法は重度の脳卒中後の片頭痛後の腕のリハビリに有効かつ安全である.EEG ベースのMI 誘発型ロボットフィードバック(136 回/セッション)を用いた腕運動繰り返しの減少にもかかわらず,集中的なロボット療法(1040 回/セッション)で達成された運動効果と同等であった.rBSI と運動改善との相関は,rBSI がBCI に基づく脳卒中リハビリテーションの予後指標として使用できることを示唆している.

前頭脳電気活動(EEG)を用いた,音楽感情とその度合いの識別

Frontal brain electrical activity (EEG) distinguishes valence and intensity of musical emotions
Cognition & Emotion, Vol.15, No.4, pp.487-500, 2001
20170419_hwada

近年,理論的枠組みとした感情モデルに局部的な脳活動が用いられている.我々は局部的な脳波活動のパターンが一部の音楽によって誘発させる学生グループの感情と度合いを区別しているかを調査した.我々は非対称な正面脳波活動パターンが,音楽の感情を区別していることを発見した.被験者において,喜びと幸せを感じる音楽には,相対的な左前頭部脳波活動と恐怖と悲しみを感じる音楽には,右正面脳波活動を大きく示した.また,正面脳波の非対称性のパターンでは感情の強さは識別が困難だったが,正面脳波活動の全体のパターンは,恐怖から喜びへ,幸せから悲しみへと移ると減少した.これらのデータは正面の電気皮質測定の音楽による感情と強度を最初に識別したものである.

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.

脳の振動間の自然対数関係

Natural logarithmic relationship between brain oscillators
Thalamus & Related Systems, vol.2, pp.145-152, 2003
2017_0123_sfujii

行動に関連する脳振動は,様々な接続を有する様々なサイズのニューロンネットワークが同様の方法で協調する ことを可能にするために,特定の方法で互いに関連する.例えば、視床 – 皮質および海馬の振動は,一般的な規則 に従う多数の周波数帯を形成する.具体的には、超低速振動から超高速振動まで連続的により高速な周波数を有 する発振帯域の中心周波数および周波数範囲は,自然対数スケールで算術進行を形成する.自然対数の数学的性 質のために,周波数の逆数としての振動の周期長(周期)も,自然対数変換後の算術進行を形成する.一般的な 規則として,ニューロンの興奮性は,発振期間の特定の段階の間でより大きい.これらの活性化段階と活性化の 時間窓との間の間隔は,振動周期の長さに比例して変化するので,より低い周波数の振動はより長い遅れ,遅れ の中のより大きい変動性,そしてより広い関与している領域とともに神経効果の統合を可能にする.したがって、 これらの振動に基づく神経表現は複雑である可能性がある.対照的に,高周波発振バンドは,近接した領域から のシナプス事象を短いシナプス遅延および限られた変動性を伴って組み込むことによって,情報のより正確で空 間的に限定された表現を可能にする.一定の関係を有する発振周波数帯域の大きな群は,シナプス遅延によって 課せられた情報処理制限を克服するのに役立つ可能性がある.

音楽と感情:快・不快音楽の処理による電気生理学的相関

Music and emotion: Electrophysiological correlates of the processing of pleasant and unpleasant music
Psychophysiology, Vol.44, No.2, pp.293-304, 2007
20161123 hwada

人間の感情とその電気生理学的相関は依然として多くは理解されていない.
本研究では,知覚される感情が脳波パワースペクトルと心拍数に差異的に影響するかどうかの調査を行った.
子音と不協和音によって快と不快の感情が誘発された.
不快な(快と比較して)音楽は,感情的な絵,音,映画の処理についての先行研究に記述された心拍反応のパターンを再現し,心拍の大幅な減少を誘発した.
脳波では,快な(不快なものと対照的に)音楽は正面正中線(Fm)のシータパワーが増加していた.
これは,注意機能との緊密な相互作用における感情的な処理を反映されたからであると考えられる.
よって,Fmのシータパワーは強く感情によって調節されることが示唆された.

単一試行運動想起脳波識別のための遺伝的アルゴリズムベースのレイリー係数最大化によるチャンネル選択

Channel selection by Rayleigh coefficient maximization based genetic algorithm for classifying single-trial motor imagery EEG
Neurocomputing, December 2013, Volume 121, No.9, Pages 423-43

CSP(Common Spatial Pattern) が運動イメージベースの EEG 信号を識別するための最も広く使用されている 機能である一方で, レイリー係数の最大化は運動想起識別をより効果的にすることを可能にしている. しかし, この ような特徴は, 多くの場合, 理解が低い分類精度や後続的に続く余分な計算過程, 分類に関連する脳活動の理解の困 難さにつながる冗長電極チャネルによって劣化する. 本稿では, チャネルの最適なサブセットを決定するためにレ イリー係数特徴に基づいて改善された遺伝的アルゴリズムを用いて, これらの問題に対処するためのチャネル選択 方法を提示します.2 運動イメージの脳波データセットに関する実験結果は, 我々の方法が運動イメージの EEG 信 号を分類するためのチャンネル選択に有効であることを確認した.

ガウス分布とベイジアンネットワークに基づいた運動イメージEEG 信号解析

Motor imagery EEG signals analysis based on Bayesian network with Gaussian distribution
Neurocomputing, Volume 188, 5 May 2016, Pages 217-224
160907_tishihara

脳から機械への新しいコミュニケーションチャンネルとして, Brain Machine Interface が近年注目を集めている. 本稿での提案手法はベイジアンネットワークに基づいたマルチモーターイメージタスクを解析することである.一方でチャンネルの物理的な位置と運動イメージのクラス情報はベイジアンネットワーク構造の構築において制約として採用された. 一方で連続的なガウス分布モデルは, EEG 信号の真の性質を反映する伝統的な方法で変数を離散化以外の, ベイジアンネットワークノードをモデル化するために使用される. 最後にネットワーク構造およびエッジ推論スコアはSVM 分類器を構築するために使用される.BCI の競争データセットBCI IIIa および当社独自のラボ収集したデータセットの実験結果は, 2 つの実験の平均精度はエッジの選択に基づいて,93 %および88 %でありより良い現在の方法と比較して良かったことを示す.

離散ウェーブレット変換を用いた EEG による人間の感情分類

Classification of human emotion from EEG using discrete wavelet transform
Journal of Biomedical Science and Engineering, Vol.3, No.4, pp.390-396, 2010
20160810 hwada

本稿では,離散ウェーブレット変換を用いて脳波(EEG)チャネルの異なるセットを使用した人間の感情認識 について述べる.視聴覚を誘導ベースにしたプロトコルは離散的な感情(嫌悪感,幸せ,驚き,恐怖,中性)を 誘導するための,よりダイナミックな感情的コンテンツを使用して設計されている.EEG 信号は 20 人の被験者 からの 64 の電極を用いて収集され,国際 10-10 システムを使用して全体の頭皮上に配置した.EEG 信号は離散 ウェーブレット変換を用いた表面ラプラシアン(SL)フィルタリング方法を使用して前処理された 3 つの異なる 周波数帯域(α、βおよびγ)を分解した(DWT).我々は感情を分類するための脳波信号から,従来と異なる エネルギーに基づく特徴のセットを導出するための「DB4」ウェーブレット関数を使用した.2 つの単純なパター ン分類方法である,K 最近傍(KNN)と線形判別分析(LDA)方法を使用し,その結果から感情状態分類の比較 を行った.実験結果は,提案された機能(ALREE)の一つは,従来の機能に比べて KNN を使用した 83.26 %と LDA を使用した 75.21 %の最大平均識別率を示した.最後に,我々は我々の感情認識システムの性能を正当化す るために,これらの二つの異なる分類器の感情の識別率の平均分類率とサブセットを提示した