実環境下におけるヒューマンエラーの脳波による定量評価法の確立

真实环境中人为失误脑电波定量评价方法的建立

• 批准号: 20J20682
• 负责人: 嵯峨 拓真
• 金额: $ 1.6万
• 依托单位: Osaka University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-24 至 2023-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20J20682/
• 关键词: 脳波; 事象関連電位; 眼球停留感電電位; 深層学習; 眼電図; 眼球運動; 眼球停留関連電位; ラムダ反応; Machine learning; electrooculogram; EFRPs; labeling of eye movement

本研究は事象関連電位の一種で，サッカードといわれる眼球運動の終了時点に時間的に同期して観察される眼球停留関連電位を使用し，実環境下における注意度の評価を行うことが目的である．脳波はノイズの多い信号であるため，一般的な事象関連電位の計測方法は事象が起こった時間を基準に脳波を切り出し，複数試行を加算平均しノイズを除去する。そのため，事象関連電位の研究は画像や音などの外部刺激を制御できる環境で行う必要があるが，実環境下では刺激の制御が出来ない．実環境下で事象関連電位を観察するための解決策の一つとして眼球停留関連電位を使用することがある．眼球停留関連電位を観察するために，これまでは眼電図データから，急峻な変化状態と，停留状態の境界を目視により検出していた．しかし，検出者によって判断が異なる場合や長時間データから検出している際に，疲労などにより判断が一貫しない場合がある．しかし，加算平均の基準時間が一貫していない場合，着目する脳波成分の振幅が低下してしまうため，集中度の変化により振幅が変化したのか，基準時間がずれているため振幅が変化したのか不明になる．この問題を解決するために，眼電図データからサッカード終了時点を自動検出するを深層学習モデルを提案する．これまでの研究で， 10°毎に360°の36方向へのサッカード終了時点を検出するモデルを開発しており，ある程度の精度を確認したが，これらのモデルはサッカード終了時点が確実に含まれているデータからサッカード終了時点を予測している．実環境下における注意度の評価を行うためには，計測データを入れると，自動的にサッカードを判別しその終了時点を検出する必要がある．そのためモデルを，(1)サッカード終了時点の有無を判断するモデル，(2) サッカード終了時点のあるデータからサッカード終了時点を予測するモデルの2つに分け，(1)のモデルの開発途中である．

は this study things like a で masato even potential の, サ ッ カ ー ド と い わ れ る eye movement の end point に に time period し て 観 examine さ れ る eyeballs masato even potential use し を, be environment に お け る attention degree の review 価 を line う こ と が purpose で あ る. 脳 wave は ノ イ ズ の い signal more で あ る た め, general な things like masato even potential の は things like が measuring method on こ っ た time benchmark を に 脳 wave cut を り し, plural trial を and calculate the average し ノ イ ズ を remove す る. そ の た め, things like masato even potential の research は portrait や sound な ど の external stimuli を suppression で き る line environment で う necessary が あ る が, be environment で は stimulus の suppression が out な い. In the actual environment, the correlation potential of で events is を観. Observe するため. Solutions. Solution. 1. <s:1> と て て the correlation potential of eye retention を. Use する を とがある. Even potential eyeballs masato を 観 examine す る た め に, こ れ ま で は eye electric 図 デ ー タ か ら, urgent topped な - state と, stay state の realm を visual に よ り 検 out し て い た. し か し, 検 out に よ っ て judgment が different な る occasions や long デ ー タ か ら 検 out し て い る interstate に, exhausted 労 な ど に よ り judgment が consistently し な い occasions が あ る. し か し, and calculate the average の benchmark time が consistently し て い な い occasions, the mesh す る 脳 wave components of low amplitude が の し て し ま う た め, concentration の variations change に よ が り amplitude variations change し た の か, reference time が ず れ て い る た が め amplitude variations change し た の か unknown に な る. こ の を solve す る た め に, electric eye 図 デ ー タ か ら サ ッ カ ー ド end point を 検 out automatically す る を deep learning モ デ ル を proposal す る. で こ れ ま で の research, 10 ° in their に 360 ° direction の 36 へ の サ ッ カ ー ド end point を 検 out す る モ デ ル を open 発 し て お り, あ る degree の precision を confirm し た が, こ れ ら の モ デ ル は サ ッ カ ー ド end point が indeed be に containing ま れ て い る デ ー タ か ら サ ッ カ ー ド end point を be し て い る. Be environment に お け る attention degree の review 価 を line う た め に は, measuring デ ー タ を into れ る と, automatic に サ ッ カ ー ド を discriminant し そ の end point を 検 out す る necessary が あ る. そ の た め モ デ ル を, (1) サ ッ カ ー ド end point の judging whether を す る モ デ ル, (2) サ ッ カ ー ド end point の あ る デ ー タ か ら サ ッ カ ー ド end point を be す る モ デ ル の 2 つ に け, (1) の モ デ ル の way open 発 で あ る.

项目成果

機械学習による眼電図からのサッカードオフセット時刻の推定法 －眼球停留関連電位による推定されたオフセット時刻の一貫性の評価－

使用机器学习的眼电图扫视偏移时间的估计方法 - 通过眼睛固视相关电位估计的偏移时间的一致性评估 -

• 发表时间: 2022
• 作者: Herald;A. ; Udalski;A. ; Bozza;V. and Suzuki;D. et al.;嵯峨拓真
• 通讯作者: 嵯峨拓真

Machine learning-based method for estimating saccade offset points from electrooculogram: analysis of eye fixation-related potentials

基于机器学习的眼电图估计扫视偏移点的方法：眼睛注视相关电位的分析

• 发表时间: 2021
• 作者: 鈴石陽介，日高聡太;嵯峨拓真
• 通讯作者: 嵯峨拓真