脳情報インタフェースの精度向上に向けた多次元脳活動データ拡張の構築

本研究では、スモールデータである脳活動に対するデータ拡張技術を構築しBCIの精度向上に対する有効性の検証を行うことを目的とする。特に，ユーザ(被験者)や、実験課題条件、計測装置、データ数などをデータの“次元”と考え、次元が異なる多種多様な脳活動データ(=多次元脳活動データ)を用いたデータの拡張や、異なる実験データ間での関係性をニューラルネットワーク等により同定し、異なるデータの変換ができるかを検討する。 これらにより従来のデータ拡張と転移学習の長所を持ち合わせた手法を目指す。本年度は、データ変換の一つとして、脳波データと筋活動データの変換を行う手法の検討を引き続き行った。昨年度に公開データセットで検証した手法について、新規に脳波と筋活動を同時に計測する実験を行い、計測チャネル数を増やした状態でどのようになるかを検証した。しかし、チャネル数を増やした状態では少ないチャネルほど良い精度は得られなかった。また、脳波に対する転移学習について、アンサンブル学習を用いた方法を検討した。今回は異なる被験者個人のデータから判別モデルを学習した後、アンサンブル学習として複数の被験者のモデルを組み合わせた。その結果、単一被験者（他人）のモデルでは下がる精度を回復させることができ、モデルの数を増やすと精度も向上することが確認できた。その他の検討として、データ拡張をした後のデータに対して、不適切なデータを削除するクリーニングという手法を適用し精度が向上するか検討した。その結果、全てのデータではないが、クリーニングにより精度が向上する可能性を示唆する結果を得ることができた。

本研究では、スモールデータである脳活動に対するデータ拡張技術を構築しBCIの精度向上に対する有効性の検証を行うことを目的とする。特に，ユーザ(被験者)や、実験課題条件、計測装置、データ数などをデータの“次元”と考え、次元が異なる多種多様な脳活動データ(=多次元脳活動データ)を用いたデータの拡張や、異なる実験データ間での関係性をニューラルネットワーク等により同定し、異なるデータの変換ができるかを検討する。 これらにより従来のデータ拡張と転移学習の長所を持ち合わせた手法を目指す。本年度は、データ変換の一つとして、脳波データと筋活動データの変換を行う手法の検討を引き続き行った。昨年度に公開データセットで検証した手法について、新規に脳波と筋活動を同時に計測する実験を行い、計測チャネル数を増やした状態でどのようになるかを検証した。しかし、チャネル数を増やした状態では少ないチャネルほど良い精度は得られなかった。また、脳波に対する転移学習について、アンサンブル学習を用いた方法を検討した。今回は異なる被験者個人のデータから判別モデルを学習した後、アンサンブル学習として複数の被験者のモデルを組み合わせた。その結果、単一被験者（他人）のモデルでは下がる精度を回復させることができ、モデルの数を増やすと精度も向上することが確認できた。その他の検討として、データ拡張をした後のデータに対して、不適切なデータを削除するクリーニングという手法を適用し精度が向上するか検討した。その結果、全てのデータではないが、クリーニングにより精度が向上する可能性を示唆する結果を得ることができた。