第三者の罰による複数脳の接続性:脳波ハイパースキャニング研究

Multiple-Brain Connectivity During Third Party Punishment: an EEG Hyperscanning Study
A. Ciaramidaro, J. Toppi, C. Casper, C. Freitag, M. Siniatchkin and L. Astolfi Scientific reports, vol. 8, no. 1, p.6822, 2018.

“同情は,他者の苦しみに対する特有の感情的反応であり,苦しみを和らげたいという願望を伴う.この利他的行動は,たとえ見知らぬ人であっても,非難された人の行動にペナルティが課される利他的な罰によって明らかにされる.
我々は,2種類の手法を適用することによって,同情が多面的な社会的行動であり,利他的な罰を予測可能であるという実証的証拠を与えた.特に,脳波ハイパースキャニングによる複数脳の接続性の研究によって,第三者の罰(third-party punishment:TPP)実験におけるリアルタイムな社会的相互作用時の同情を調査した.我々は,個人および対人間の行動および心理的な要因と特有の接続パターンの関係を明らかにした.したがって,本稿の結果は,同時計測および複数脳の接続性に基づく生態学研究が複雑な社会現象の分析に適していることを示唆する.”

課題における記憶作業負荷の評価のためのワイヤレスEEG 信号の使用

Using Wireless EEG Signals to Assess Memory Workload in the n-Back Task n-back
Jacek Gwizdka, and W. Art Chaovalitwongse
IEEE,Volume 46, Issue 3, Pages 424-435, June 2016

生理学的尺度である脳波記録(EEG)信号を用いた精神的な作業負荷の評価は活発な分野である.近年,EEGや他の生理学的信号を計測できる多数の無線取得システムが利用可能になった.このような無線システムを応用して認知的作業負荷を評価したりその性能を評価する研究はほとんど存在しない.本稿はよく知られているN-back課題において記憶の作業負荷レベルを評価するための一般的な無線システム(Emotiv EPOC ヘッドセット)の可能性を調べるための最初のステップである.我々は自動アーチファクト除去アルゴリズム,広範囲の特徴抽出技術,個人ごとの特徴スケーリング法,情報理論に基づく特徴選択法,および近位サポートベクターマシンに基づく分類モデルを統合した信号処理と分類のフレームワークを開発した.実験の結果として無線で収集されたEEG 信号は9 人の被験者の異なる記憶作業負荷レベルの分類に用いることができることが示された.最低の作業負荷レベル(0-back)と活発な作業負荷レベル(1,2,3-back)の間の分類精度は100%に近かった.1-back と2-back の最良な分類精度は80%,1-back と3-back は84%であった.この研究は無線取得システムと先進的なデータ分析及びパターン認識技術は現代社会における多種多様な認知活動に従事する人間の精神的作業負荷レベルのリアルタイムモニタリング及び識別を達成していることを示唆する.

空間源推定のEEG ニューロフィードバックは努力を必要としない思いやり瞑想中の脳活動と主観的評価を結び つける.

Source-space EEG neurofeedback links subjective experience with brain activity during effortless awareness meditation
空間源推定のEEG ニューロフィードバックは努力を必要としない思いやり瞑想中の脳活動と主観的評価を結び つける.
Remko van Lutterveld, Sean D.Houlihan, Prasanta Pal, Matthew D.Sacchet, Cinque McFarlane-Blake, Payal R.Patel, John S.Sullivan, Alex Ossadtchi, SusanDruker, Clemens Bauer, Judson A.Brewer
Neuroimage, vol.151, pp. 117-127, 2017
20171017_sfujii

【背景】
瞑想はますます精神疾患にとって有益な効果を示している.しかし,瞑想を学ぶことは簡単に識別可能な外的兆候がないため,単純ではなく,また直接のフィードバックは不可能である.瞑想が後部帯状皮質(PCC)と相関することが判明しているため,我々はPCC からの空間源EEG のニューロフィードバックが容易な意識(瞑想の主要な要素)の主観的経験と参加者が信号を自発的に制御できるかどうかを試した.
【方法】
16 人の瞑想初心者と16 人の瞑想熟練者が研究に参加した.瞑想初心者は基本的な瞑想の練習を行うために簡単に訓練され,徐々に挑戦的なニューロフィードバックのテストバッテリーで容易な意識の主観的な経験を誘導した.瞑想熟練者は同じテストバッテリーでこの状態を誘発するために自己選択の瞑想練習を行った.ビームフォーマーアルゴリズムを用いて抽出されたガンマバンド(40-57Hz)PCC 活性に基づいて,ニューロフィードバックが提供された.PCC の活動と容易な意識の主観的経験との関連性は,口頭による厳密な調査によって評価された.
【結果】
どちらのグループも,PCC 活動の低下が,高い中央信頼度(0-10 のリッカート尺度で初心者:8 人,経験者:9 人)で,容易な意識に対応していると報告した.どちらの群も,PCC の活動と容易な意識の主観的経験(初心者:8 人,経験者:9 人)の間で,その時々の中央値のの高い相関を示した.どちらのグループも簡単に意識瞑想を実践することにより,意識のない方向にPCC 信号を自発的に制御することができた(初心者:時間の中央値%=77.97,P = 0.001; 経験豊富:89.83,P <0.0005). 【結論】 これらの知見は,EEG 神経フィードバックを利用して脳活動の客観的測定値と容易に意識する主観的経験とを結びつける可能性を支持し,このパラダイムが瞑想訓練の道具として潜在的に有用であることを示唆する."

動画に対するマルチモーダルな感情認識

Multi-Modal Emotion Recognition in Response to Videos
IEEE transactions on affective computing, Vol.3, No.2, pp.211-223, 2012
20170927_hwada

本研究では,脳波(EEG),瞳孔応答,注視距離を用いて,情動タグを復元することを目標に,ユーザに依存しない感情認識手法を提案している.まず,映画やインターネット上から外的な感情的コンテンツを含む20 のビデオクリップを選択した.その後,感情的なビデオクリップの視聴時に,24 人の参加者からEEG および視線データの記録を行った.それぞれのビデオクリップに対して,オンラインアンケートを使用した予備調査から,覚醒度および誘発性度の中央値を用いて定義した.参加者の回答に基づいて,各次元の3 つのクラスを定義した.覚醒度において,穏やか,興奮,活性化と定義され,誘発性度は不快,中立,快と定義した.覚醒度および誘発性度の3 つの感情的なラベルの1 つを身体反応の分類によって決定した.1 人の被験者内における交差検証を用いて、ユーザーに依存しない分類能力を調査した.モダリティ融合戦略とサポートベクターマシンを用いて,3 つの誘発性度のラベルにおいて最大68.5%,覚醒度の3 つのラベルにおいて最大76.4%という分類精度が得られた.結果,ユーザーに依存しない感情認識が,覚醒評価のための個々の自己報告よりも優れており、誘発性度評価では分類精度が低下していないことを示した.

実行機能の行動および神経相関:抑制と更新過程の相互作用

Behavioral and Neural Correlates of Executive Function:
Interplay between Inhibition and Updating Processes
Frontiers in neuroscience, vol.11, pp., 2017
20170925_mnishizawa
本研究では行動,神経生理学,効果的な接続指標の分析を通して,2 つの実行機能の過程(抑制および情報の更 新) 間の相互作用を検討した.多くの研究は,実行機能過程の行動効果に個別に焦点を当てているが,これらの 2 つの機能の間の動的因果関係を調査した研究はほとんどない.地元の大学の合計20 人の参加者が, anker と n-back の実験パラダイムを組み合わせてでデュアルタスクを実行し,ワーキングメモリ容量を測定するために設 計されたオペレーションスパンタスクを完了した.抑制タスク( anker) に対する行動(精度および反応時間) およ び神経生理学的(P300 振幅およびαバンドパワー) メトリクスの両方はは更新負荷(n-back レベル) の影響を受け, 作業記憶容量によって調整された.本研究では,EEG 時系列データの独立成分分析,音源定位(DIPFIT),およ びGranger 因果関係分析を用いて,2 重実行タスクにおける認知要求の操作が因果ニューラルネットワークに影 響を与えたことを示した.私たちは、3 つの更新負荷(n-back level) の接続性を比較し,ワーキングメモリ負荷の 実験操作が大規模な神経認知ネットワークの因果関係を強化することを見出した.この前頭前 野と頭頂葉が含まれているネットワークは,これは実行機能過程の抑制および情報更新に関連している.この研究はストレス 下で複雑なマルチタスクを実行する人の為の訓練材料およびインタフェースの設計など,人間のパフォーマンス モデリングおよび神経的作業負荷の評価に潜在的な応用がある

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.