運動想起に基づくブレイン-コンピュータ・インターフェースのスパース・フィルタ帯域による空間パターンの最適化

Optimizing spatial patterns with sparse filter bands for motor-imagery based brain-computer interface
運動想起に基づくブレイン-コンピュータ・インターフェースのスパース・フィルタ帯域による空間パターンの最適化
Yu Zhanga, Guoxu Zhoub, Jing Jin, Xingyu Wanga, Andrzej Cichockib
Journal of Neuroscience Methods, 2015, Volume.255, P.85-89
20171021_tishihara

背景:CSPは,ブレイン-コンピュータインターフェース(BCI)アプリケーションにおいて分類のための運動想起特徴抽出のために最も広く適用されている.CSPの成功した適用は,フィルタ帯域の選択に大きく依存する.しかし,最も適切なバンドは典型的には被験者固有であり,手動ではほとんど決定できない.新しい方法:本研究では,空間パターンを最適化するためのスパースなフィルタ帯域共通空間パターン(SFBCSP)を提案する.SFBCSPは,重複バンドのセットで生EEGデータからフィルタリングされた複数の信号上のCSP特徴を推定する.CSPの重要な特性をもたらすフィルタ帯域はスパース回帰を利用して監督された方法で選択されます.サポートベクトルマシン(SVM)は,MI分類のために選択された特徴上に実装される.結果:2つの公開EEGデータセット(BCI競技IIIデータセットIVaおよびBCIコンペティションIV IIb)を使用して,提案されたSFBCSP方法を検証する.実験結果は,SFBCSPがMIの分類性能を改善するのを助けることを実証する.既存の方法との比較:SFBCSPによる最適化された空間パターンは,いくつかの競合する方法と比較して全体的に優れたMI分類精度を与える.結論:提案されたSFBCSPは,MIベースのBCIの性能を改善するための潜在的な方法である.

遺伝的特徴選択を用いた運動イメージ脳波の分類精度の改善

Improving Classi cation Accuracy of Motor Imagery EEG Using Genetic Feature Selection
Clinical EEG and Neuroscience, 2014, Vol.45, No.3, P.163-168
20170927_tishihara

本研究では,運動像(MI)データの分類を強化するために,特徴選択と組み合わせた脳波(EEG)分析システムが提案されている.これは主に,特徴抽出,特徴選択,および分類を含む.最初に適応自己回帰(AAR)パラ
メータ,スペクトルパワー,アシンメトリ比,コヒーレンスおよびフェーロック値を含むいくつかの特徴が,その後の分類のために抽出される.遺伝的アルゴリズムを使用して,組み合わせから上記の特徴のうちの1 つ特徴を選択する.最後に,選択された特徴はサポートベクトルマシン(SVM)によって分類される.2 つのデータセットからのMI データの”特徴選択なし”およびバックプロパゲーションニューラルネットワーク(BPNN)と比較して,より良い分類精度を達成し,ブレイン-コンピュータインタフェース(BCI)のアプリケーションに適している.

PCA, ICA, LDA および SVM を用いた EEG 信号の分類

EEG signal classification using PCA, ICA, LDA and support vector machines
Expert Systems with Applications, Volume 37, Issue 12, December 2010, Pages 8659-8666
160719_tishihara

本研究では, 脳波(EEG)用の汎用性の高い信号処理と分析の枠組みを提案する. このフレームワーク内の信号 は、ウェーブレット係数の分布を表すために, サブバンドから抽出した統計的特徴のセット及び DWT を用いて周 波数サブバンドに分解された. 主成分分析(PCA), 独立成分分析(ICA)および線形判別分析(LDA)は, デー タの大きさを減少させるために使用されている. これらの機能は,2 つの別個の出力(てんかん発作の有無)を有す るサポートベクターマシン(SVM)への入力として使用された. 別の方法による分類処理性能は提示され, 分類プ ロセスが優れていることを示すために, 比較された. これらの知見は, 訓練のための方法の一例であること, および 各発作てんかん患者のデータ上での発作予測方法を試すことが可能であることを示す. てんかんの異質性を考える と, このタイプの方法は, 臨床操作に先立って, 各個人の神経生理学的にてんかんを治療するための, インテリジェ ントデバイスを構成するために必要とされる可能性がある.

ブレイン・コンピュータ・インターフェイスにおけるスパース・フィルタバンドを用いた空間パターンの最適化

OptimizingspatialpatternswithsparseFilterbandsformotor-imagerybasedbrain-computerinterface

Journal of Neuroscience Methods, Volume 255, Pages 85-91, 2015

20150907 ktanaka

CSP(Commonspatialpattern)はBCIの分野で,運動イメージの特徴量抽出法として最も用いられているものである.CSPのアプリが有効なものかどうかは,フィルタバンドの選択に依存する.しかしながら,最も適切なバンドは被験者によって異なり,また,手作業でこのバンド領域を決めることは困難である.そこで本稿では,空間パターンを最適にするためにスパースフィルタバンドCSP(SFBCSP)を提案する.SFBCSPではオーバラップ処理でEEGデータをフィルタに通し,多くの信号においてCSPの特徴量を抽出する.そして,意味のあるCSP特徴量をもたらすフィルタバンドはスパース回帰分析によって教師有のもと選択される.また,運動イメージを識別するためにサポートベクターマシンを用いる.本件では実験データとして2つのEEGパブリックデータ(BCICompetitionIIIdatasetIVaandBCICompetitionIVIIb)を使ってSFBCSP法の有効性を検証した.実験結果からSFBCSPは運動イメージの識別率を向上させることが示唆された.今回,SFBCSPによって最適化された空間パターンは既存の最適化方法よりも良い識別結果を導いた.従って我々が提案したSFBCSPはMI-BCIの改善する可能性の秘めた有効な手法であるといえる.

オンライン運動想起におけるセルフペース型BCI のためのNIRS-EEG システム

A hybrid NIRS-EEG system for self-paced brain computer interface with online motor imagery
Journal of Neuroscience Methods, Vol. 244, No. 15 2015, pp. 26-32

自分の良きタイミングでBCIをコントロールするためには,システムが運動想起の種類とその発生を認識しなければならない.しかし,自動で運動想起発生時を検出することは困難な為,一般的なBCIの研究では視覚刺激を用いた運動想起パラダイムに焦点が当てられてきた.本件では,セルフペースで操作を可能するNIRSとEEGを使用したオンライン上で動作する新たなBCIシステムを提案する.我々は新たなシステムを実現するためにNIRSとEEGを同時に計測することが出来る独自のセンサーフレームを設計した.そしてこのシステムを基に,NIRSを用いて運動想起発生を検出し,EEGのデータから識別を行う新たな解析手法を提案した.結果としてオンライン上での実験で88%のTruePositiverate,そして7%のFalsePositiverateの結果を得た.平均反応時間は10.36秒であった.既存手法との比較をした場合,我々の知る限りでは,EEGとNIRSを用いたBCIにおけるセルフペース型運動想起のための血行動態脳スイッチを検証している論文は存在しない.本稿での実験の結果から我々が提案するシステムはBCIにおけるセルフペース型訓練に使用するだけの信頼性は十分にあることが示唆された.

20150714 ktanaka

Electroencephalogram (EEG), Hybrid brain-computer interface (BCI), Motor imagery based BCI, Near infrared spectroscopy (NIRS), Online BCI system, Self-paced BCI

適応的回帰パラメータを使用した左右の運動イメージ中における脳波信号の分離可能性

pdf

Separability of EEG signals recorded during right and
left motor imagery using adaptive autoregressive
parameters

IEEE TRANSACTIONS ON REHABILITATION ENGINEERING, Vol. 6, No. 3, pp.316-325, 1998

左右の運動イメージ中における脳波信号はコンピュータスクリーン上のターゲットに向けてカーソルを移動さ
せることが可能になり得る.そのような脳波ベースのBCI は運動機能障害に取って代わるための新しいコミュニ
ケーションチャンネルを提供することができる.そのシステムは,例えばALS 患者により特定の質問に答えるた
めの簡単な二値反応を見つけるために使用され得る.4 名の被験者が脳波ベースのカーソル操作に関するオンライ
ンセッションに参加した.左右の運動イメージ中の脳波が感覚運動野付近の皮質上に設置された電極から記録さ
れた.脳波信号は被験者に特化した周波数で解析され,ニューラルネットワークによりオンラインで識別された.
オンラインエラー(100%は完璧は識別) は10.0%から38.1%の間であった.さらに単一試行データはオーダ6 の
適応的回帰モデルを使うことによりオフラインでも解析された.線形判別分析を用いて,左右の運動イメージの
推定パラメータが分離された.誤差率は5.8%から32.8%の間が得られ,その値はオンラインの結果よりも良かっ
た.オンライン識別のためにAAR モデルを使うことによって,誤差率の改善が期待されるが識別に約1 秒の遅れ
が生じる.