脳波と機械学習を用いた注意機能評価法の開発

点击翻译按钮获取中文摘要

注意機能の低下は，交通事故の増加や仕事に集中できない等，様々な生活場面で支障をきたす．注意機能は他の認知過程の根幹とされており，注意機能の障害はリハビリテーションを行う上で，介入の阻害因子にもなり得る．先行研究や申請者らのこれまでの研究において，注意機能は，運動イメージを実施する際に重要な能力ということが解明されている．注意機能には様々な種類があり，その評価の難しさから，臨床現場で行われている机上検査は膨大な時間を要し，患者と検査者の負担になっている．しかしながら，注意機能を短時間かつ簡便に評価するための方法は未だ開発されていない．本研究では，短時間かつ簡便な注意機能の評価方法を開発することを目的として，Deep Learningの一種であるConvolutional Neural Network (CNN) に着目する．そこで，注意課題時の脳波(electroencephalography; EEG) の特徴量をCNNに学習させ，注意機能を正確に予測する学習済み予測モデルを開発し，ポータブルEEGに組み込むことで，簡便かつ短時間で注意機能を評価できる評価法の開発を目指している．今年度においては，以上の目的を達成するために，まずは実験環境の整備を行った．さらに，基礎データの集積に力を入れて実験を遂行してきた．若年成人(15～30代)および高齢者(65歳以上)を対象としており，このうち，現段階で若年成人に対してのみ実験を実施した．その結果，単純な注意課題においては安静時と比較しデルタ波とシータ波のパワー値が高値を示した．一方，複雑な注意課題においては安静時と比較しデルタ波，アルファ波，ベータ波，ガンマ波のパワー値が高値を示した．これらのように実験データが集まってきたため，結果をまとめ，論文執筆にも取り組んでいるところである．