生理学的特徴を抽出する深層学習モデルの構築と脳波による意思抽出への応用

点击翻译按钮获取中文摘要

脳活動のみからコンピュータや外部装置の制御を行うブレイン・コンピュータ・インタフェース （BCI） は、運動機能が低下する筋萎縮性側索硬化症 (ALS) などの患者にとって、非常に重要なコミュニケーション手段である。本研究は、脳波から細分化された脳領域別に分離した信号（信号源電流）を推定し、それらの中から意思に関する情報として生理学的に妥当な信号を深層学習により抽出する手法の確立により、脳波から意思を抽出するBCIの実用可能性を高めることを目的としている。本年度は、事前に電気による感覚刺激と想起した意思の条件づけを行った対象者が「はい」または「いいえ」を想起するBCI実験をALS患者に対して実施した。その後、解析において深層学習により「はい」と「いいえ」のどちらを想起しているか識別を行うBCIシステムの患者への有効性を確認した。また、脳波によるALS患者の感情認識システムの確立を目指して、健常者が風を浴びた際の心地よさを報告する実験の脳波データから、風の心地よさの識別を行った。その結果、風速にかかわらず、チャンスレベルより統計的に有意に高い識別率で脳波から風の心地よさの識別を行うことができた。また、風の心地よさの認識に有効な脳波の特徴を特定した。今後は、実験時の患者の負担軽減や、データ数を増やすことによる深層学習の精度向上を目的として、異なる患者間でのBCIシステムの適用可能性について検討を行う。また、BCIシステムの精度向上に重要な脳波のノイズ除去手法についての研究も行う。