脳波と眼球運動を用いた発育時における情報処理の評価資源

A resource for assessing information processing in the
developing brain using EEG and eye tracking
Scienti c Data, Vol.4, 2017
20170704_hwada

我々は脳の発達過程における情報処理の研究のための資源としてEEG とアイトラッキングを組み合わせたデー
タセットを提示する.このデータセットには,高密度のタスクベースおよびタスクフリーのEEG,アイトラッキ
ング,および126 人(年齢:6-44)から収集された認知および行動データが含まれている.タスクでは,現代の認
知神経科学で一般的な手法の範囲に対応するために,単純・複合および受動・能動次元の両方にまたがっている.
能動的タスクパラダイムは,発達中の脳におけるタスクパフォーマンスの重要な成分の原理的分解を容易にする
が,受動的パラダイムは、変化する外部刺激の間の内因性機能ネットワーク活性の検査を可能にした.これらの
EEG データに加えて,簡略化された認知テストと精神医学機能を持つのアンケートに基づく測定が含まれる.こ
のデータセットが,健康な脳の発達の指標と病理学的プロセスの検出に使用できる情報処理の基礎となる神経プ
ロセスの新しい分析の開発に繋がることを願っている.

感覚運動リズムを用いた脳コンピュータインタフェース:現状と今後の展望

Brain-Computer Interfaces Using Sensorimotor Rhythms: Current State and Future Perspectives
IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, VOL. 61, NO. 5, P.1425-1435, MAY 2014
20170531_tishihara

過去20 年にわたる多くの研究により,人々は脳信号を使用してブレインコンピュータインターフェース(BCI)
を使用してその意図をコンピュータに伝えることができることが示されている.BCI システムは,脳活動の特定
の特徴を抽出しその出力を駆動する制御信号に翻訳する.近年,脳波記録(EEG)などの非侵襲的な神経記録を
用いたBCI の中で,感覚運動皮質すなわち感覚運動リズム(SMR)に記録されたリズム活動に基づいたBCI の
カテゴリーが注目されており多次元プロテーゼ制御の能力が実証された.本稿では.SMR ベースのBCI とその臨
床応用の現状と今後の展望,特にEEG-SMR に焦点を当てて検討する.ヒトの脳からのSMR の特徴的な特徴が
記述され,その基礎となる神経源が議論される.SMR ベースのBCI の機能的成分は,現在の臨床応用とともにレ
ビューされている.最後に、SMR-BCI の限界と今後の展望についても議論する.

運転中の低知覚要求を引き起こすマインドワンダリング

Mind-Wandering Tends to Occur under Low Perceptual Demands during Driving
Scientific reports, vol. 6, 2016
20170419_yfujiwara

車輪後方への注意の変動は,運転者の安全に重大なリスクをもたらす.運転者は内部指向の思考や感情に注意を向けることがあり,道路に集中し続けることを犠牲にして一時的な不注意に陥ることがある.本研究では,運転者がシミュレートされた状態で車線逸脱を検出した時に関与する感覚様式を操作することによって,異なる処理モード間での脳活動の変化を検証する.脳波源に関する脳ネットワークダイナミクス結果は,比較的知覚要求の多い仕事を課し,顕著な知覚情報の運転者は,task-positive network におけてより強力な活性化に至る.車両の動きのフィードバックが利用可能であるとき、運転者は摂動を知覚するために車両の動きに頼ることがあり、注意力を解放し,default mode network を活性化する傾向がある。このような脳のネットワークダイナミクスは、運転者の注意の変動を理解し、運転手の事前支援を設計するシステムとして用いうrことの可能性を証明した。

Brain computer interfaces におけるリーマンのアプローチ:そのレビュー

Riemannian approaches in Brain-Computer Interfaces: a review
IEEE Transactions on Neural Systems and  Rehabilitation Engineering
20170130_tishihara

多数のアプリケーションから期待されているが, 現在のBrain-Computer Interface(BCI)には依然として多く
の制限がある. 特に, ノイズ, 外れ値,ElectroEphalogalographic(EEG)信号の非定常性に敏感であり, 長い較正時
間を必要とし, 信頼性がない. したがって, これらの限界に対処するために, 特にEEG 信号処理および分類レベルに
おける新しいアプローチおよびツールが必要である. 共分散行列の使用によって先導されたリーマンアプローチは,
ますます多くの研究者によって徐々に採用されている非常に有望なツールである. この記事では, リーマンジオメ
トリの概要とBCI 関連マニホールドのプレゼンテーションの後, これらのアプローチがEEG ベースのBCI, 特に
特徴の表現と学習, 識別器の設計と較正時間の短縮にどのように使用されたかをレビューする. 最後に, マニフォー
ルドまたはマルチタスク学習における特徴追跡など,BCI における脳波信号分類の関連する課題および有望な研究
方向が特定される.

注意散漫運転中の脳波による注意喚起

EEG-Based Attention Tracking During Distracted Driving
IEEE TRANSACTIONS ON NEURAL SYSTEMS AND REHABILITATION ENGINEERING, VOL. 23, NO. 6, pp. 1085-1094 , NOVEMBER 2015
20170130_yfujiwara

注意散漫運転は多くの悲惨な結果につながる可能性がある.ドライバーの行動を追跡するための対策を開発す るには,デュアルタスク条件での注目の焦点(FOA)と運転者の集中度合いが不可欠である.健康なボランティ ア10 名は車線維持運転タスクと数学的タスク(問題解決タスク)の2 つのタスクを含むデュアルタスク実験に参 加した.脳波(EEG)および行動は同時に記録される.記録されたEEG データから独立した成分を分離するため の空間フィルタとして独立成分分析(ICA)を採用した.FOA 評価システムを構築するために,6 つの成分から 算出したパワースペクトル(正面,中央,頭頂葉,後頭部,左モータ,および右モータ)をラジアル基底関数に基 づいたRBF カーネルを使ってサポートベクターマシン(SVM)に変換する.
このFOA 評価システムは,デュアルタスクの間に達成度と分類精度を検出し,参加者のFOA を評価する.検 出されたFOA は,注意が限定されたため,参加者の認知的注意はタスク間で動的に変化し,全体的なパフォーマ ンスが低下した.この研究を実証した結果,EEG スペクトルを使って,認知的注意を継続的に評価するための実践的システムとしての可能性を証明した.

fNIRS とEEG により計測された運動イメージに基づいたBCI におけるトレーニングユーザに対する皮質効果

pdf

Cortical effects of user training in a motor imagery based
brain-computer interface measured by fNIRS and EEG

NeuroImage, Vol.85, No.1, 432-444, 2014

現在の研究は,感覚運動皮質の活性パターンに関して運動イメージ(MI)に基づいたBCI を用いたトレーニン
グの影響の洞察を得ることを目的としている.我々は,2 クラス(右手と右足)MI に基づいたBCI を用いた10
個のセッション全体で長期のトレーニング効果を調査するためにfNIRS 及びEEG を使用した.トレーニングの
間に活性パターンの重要な増強が発生し,fNIRS におけるOxy-Hb の増加,また,EEG におけるβ-周波数帯上の
強い事象関連脱同期によって表された.これらの効果は比較的低いBCI パフォーマンス(平均70 %以下)の参加
者のみで見えた.我々はMI に基づいたBCI を用いたトレーニングが特に低いBCI パフォーマンスのユーザにお
いて皮質活性パターンに影響を及ぼすことを発見した.これらの結果は,BCI 研究の分野へ貴重な貢献として用
いられ,MI に基づいたBCI を用いたトレーニングが持つ皮質活性パターンへの影響に関する情報を提供するかも
しれない.これは,神経可塑性を促進し,導くことを目指すBCI の臨床アプリケーションに役立つかもしれない.

生体信号のためのアーチファクト除去技術を検証するための方法論

A Methodology for Validating Artifact Removal Techniques for Physiological Signals

生理学的信号からアーチファクトを除去することは生体信号処理の必須成分である.医療技術の導入はウェアラブルとユビキタスモニタリング環境に向けて,現在の病院を中心とした設定から遷移しており,このプロセスのための強力で堅牢な方法の必要性が特に深刻になっている.現在,実世界のデータ上で利用可能な複数のアーチファクト除去技術の相対的な有効性と性能を決定することは,求めたい破損していない信号に関する不完全な情報が問題となる可能性がある.手法の大部分は現在,シミュレートされたデータを用いて評価している.したがって,結論の質は使用されるモデルの適合度にかかっている.その結果,生体信号処理のコミュニティでは,アーチファクトの抑制に使用するための適切な信号モデルの生成と検証にかなりの焦点があてられている.ほとんどの手法は信号動態や基礎生理学の適切な近似値をとらえ,アルゴリズム実行後の予測にある不確実性を導入する数学的モデルに依存する.本稿では,アーチファクトが混入している真の求めたい信号と高い相関を示す「グランドトゥルース」の獲得を考慮し,脳機能をモニタリングするタスクのために実証し,求めたい信号のモデル化により多くの経験的な手法について説明する.この「グランドトゥルース」の有効性は悪い信号と一緒に,選択されたアーチファクト除去技術の有効性の決定を助けることができる.一般的に実装されたアーチファクト除去技術について,提案された新たなテストプラットフォームを検証するために記載された方法論を用いて評価した.

pdf