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.

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.