脳内サウンド刺激による新奇ニューロフィードバック手法が挑む自己想起型BCI創生

点击翻译按钮获取中文摘要

本申請課題で提案する研究は、想起型BCI手法を実現するために脳内での空間位置情報を利用することにある。開発手法をニューロフィードバック等に応用することで、想起BCI実現を加速させる。 我々は実験において脳内定位感の再現性が十分ではない示唆を得た。また、理論的な音響に関する生体（脳）内モデルなども現状では知見が十分得られる状況ではない。そこで、入力データから出力データへのマッピング関数を、いわゆる学習アルゴリズムによって構築出来るニューラルネットワーク（NN）の応用による脳内定位のモデル化の方法を確認することとし、まずは、頭外での音源の定位に関して、ニューラルネットワークによる方法の検討を進めている。 頭外音像定位のためには、基本的には、頭部伝達関数(Head-Related Transfer Function：HRTF)を構成することによって、イヤホン等を用いた受聴時でも立体的な空間音像を実現出来る。この伝達特性をNNで獲得するためのアーキテクチャとして、時系列データに対して汎用性が示唆されているTemporal Convolutional Networkを使用し、誤差関数として頭部伝達関数の周波数領域の情報の差異を計算するスペクトル歪み(SD)と時間領域の情報の差異を計算する信号対偏差比(SDR) を用いることで、インパルス応答・周波数応答の両方の側面から生成した頭部伝達関数を学習によって構成した。被験者を用いて行った定位精度確認実験では、 定位誤差、前後誤判定率ともに測定したHRTFを用いた仮想音とNNで生成したHRTFを用いた仮想音で有意差は確認されず、生成音が極端に異なる音として認識されているわけでは無いことが確認され、NNによるHRTFの実現の可能性が示唆された。