权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

安静時脳波の時空間特徴学習に基づく脳状態や個性の定量化

基于静息脑电图时空特征学习的大脑状态和个性量化

基本信息

批准号：
21K12055
负责人：
平山淳一郎
金额：
$ 2.66万
依托单位：
National Institute of Advanced Industrial Science and Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21K12055/
关键词：
機械学習脳波機能的結合筋電図独立成分分析特徴学習

项目摘要

機能的な脳ネットワークと関連した人の状態や個人特性を、脳波(EEG)および関連する脳・生体データに基づいて定量化する機械学習の技術開発を目的とし、今年度は主に以下のように研究を進めた。第一に、前年度に引き続き、共分散行列のリーマン幾何構造を考慮したEEGの特徴学習手法について検討した。脳-機械インターフェイス等に関連するEEG解析においては、近年、EEGデータの（短時間）共分散行列を入力データとしてパターン判別やそれに伴う特徴学習を行うアプローチが盛んに用いられている。特に、共分散行列のリーマン幾何構造を考慮し、代表点まわりでのリーマン接空間にデータを移すことで、線形モデルなど比較的単純な手法でも、潜在的に信号源パワーの変動と関連する特徴量がうまく捉えられ、判別性能も向上しうることが知られている。一方で、共分散行列の計算前に利用される各種の古典的な時間・空間フィルタについては何らかの事前知識に基づいて固定してしまうことが多く、得られたデータに対する最適性や、状態・個人間での異質性への対処には問題があった。そこで、我々は前段としてこれらの時間・空間フィルタ、後段として共分散行列に対するリーマン幾何的な判別器を用いた多段のEEG時空間特徴学習・判別法を開発した。開発した時空間特徴学習法は、リーマン接空間を被験者毎に異なる代表点でとるアイデアと組み合わせることで、運動想像課題に関する各種のベンチマーク脳波データについて高い判別性能をもつことが示された（Kobler et al. 2022)。第二に、新たに脳だけでなく身体を含めた脳・生体ネットワークの特徴解析へと展開した。本年度は公開されている歩行中のEEGと筋電図(EMG)データの同時測定データについて予備的な解析を行った。コヒーレンスを定量指標とし、８つの脳領域と16筋のEMG信号との間で特徴的な機能的ネットワークが得られることが確認された。

This year, we are making progress in the development of technology for the quantification of biological data. First, the previous year, the introduction of the first, the total dispersion of the array and the geometric structure of the EEG feature learning method to consider EEG analysis of mechanical and other related factors in recent years, EEG data and (short time) co-dispersion of rows and columns into the force, discrimination, and associated characteristics of learning, and use. The geometric structure of the special, co-dispersed array is considered, the representative point is connected to the spatial array, the linear array is compared to the pure array, the potential signal source is connected to the dynamic array, and the characteristic quantity is detected, and the discrimination performance is upward. A party, a total of scattered array of calculation before the use of various classical time, space, how to determine the basis of the fixed, how to obtain the optimal, state, individual heterogeneity of the problem A new method of temporal and spatial feature learning is developed for the first segment and the second segment. The spatial feature learning method of open space is used to demonstrate the discriminative performance of various kinds of objects related to the motion imagination task (Kobler et al. 2022). Second, the analysis of the characteristics of the new body. This year, the EEG and EMG data in the middle of the operation were disclosed and analyzed simultaneously. The quantitative index of EMG signal between 8 and 16 tendons is confirmed.