運動想起ベースのマルチクラスブレインコンピュータにおけるEEG ダイナミクスの変動の証拠

Evidence of Variabilities in EEG Dynamics during Motor Imagery-Based Multiclass Brain Computer
Simanto Saha, Khawza Ahmed, Raqibul Mostafa, Leontios Hadjileontiadis, Ahsan Khandoker
“IEEE Transactions on Neural Systems and Rehabilitation Engineering”, Vol.PP, Issue.99, 2017
20171220_tishihara

“被験者間およびセッション間の変動は,脳波図(脳波)ベースの脳コンピュータインタフェース(BCI)システムにおいて重大な課題を提起する.さらに高次元EEG モンタージュは,過剰な数のチャネルが関与するため,膨大な計算負荷を招く.2 つの実験的、すなわち、セッション間および被験者間のモーターイメージ(MI)の作業中のEEG 変動を本稿では調査する.特に、認知段階の脳波動態の日間変動に起因するBCI の性能への影響が探究される.さらにペアワイズパフォーマンス連想(PPA)における被験者対間の被験者間のBCI 実現可能性をさらに検討する.さらに脳の特定の領域からの異なる数のチャネルの空間的脳動態の統合によるこれらの2 つの状況への影響について議論する.提案されたアプローチは,3 つの異なる空間フィルタリング技術の前処理を受ける4 つのクラスのMI タスク,すなわち左手/右手,足および舌のEEG データを含む実際のBCI データセットで検証される.実験結果は被験者間実験の場合に約58 %の最大分類精度が達成されたが,セッション間実験の場合には2 つのセッションにわたって分類精度で31 %の偏差が認められた.結論としてBCI は,主題およびセッション特有の較正および使用されるチャネルの数がより少なく,プラグアンドプレイ用の一般的かつ効率的なフレームワークを促進する上で極めて重要な役割を果たす.”

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.

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.