深層学習エッジコンピューティングによる高効率なIoT向け脳―機械デバイスの開発

使用深度学习边缘计算开发用于物联网的高效脑机设备

• 批准号: 21K12789
• 负责人: 小林 伸彰
• 金额: $ 2万
• 依托单位: Nihon University
• 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-21K12789/
• 关键词: ブレイン・マシン・インタフェース; 深層学習; エッジコンピューティング; 運動想起 (Motor Imagery); QOL; Motor Imagery

上下肢に機能障害を抱えるような要介護者にとって居住環境の快適性とQOLには密接な関係がある。家電製品や機械を脳活動のみの情報で制御するブレイン・マシン・インタフェース (BMI) を介護現場で活用することにより、要介護者の行動制約の緩和やストレスの軽減が期待でき、かつ、介護職従事者の仕事量を減らすことになる。本研究では、長時間使用可能・応答遅延を最小限に抑えられるBMIをIoT向けエッジデバイス (IoT-Dev) 上で実現する。要介護者への負担をより小さくするため、想起のみで脳活動の識別が可能となる運動イメージによる運動誘発電位 (MI: Motor Imagery) を用いることで、より実用的なデバイス開発を目指す。当該年度においては、利用者の負担を軽減するため、BCI Competition IV- 2a運動想起脳波データセットを用いて事前学習した結果を用いてファインチューニングを行い、その訓練データ数と分類精度の最適化を実施した。ターゲットの被験者以外の8名の被験者のデータで事前に学習した結果をターゲットの被験者の学習に活用してファインチューニングを行う事 (Subject Transfer) でファインチューニングを行わずターゲットの被験者のみの脳波データで学習した場合 (Self Training) と比べて分類精度は平均で5.26%向上し、全体の平均で約80.0%となった。また、分類精度の上昇が飽和する訓練データ数を平均で47.92%削減できる事が示された。

Upper and lower limb functional impairment, protection, rapidity of living environment, QOL, close connection Home appliances, machinery, activities, information control, mediation, site use, mediation, action control, mitigation, expectation reduction, mediation, workload reduction. This study is based on a minimum of BMI and IoT (IoT-Dev) for long-term use. The burden on the mediator is small, the recognition of the activity is possible, the Motor Imagery is used, and the development of the activity is indicated. BCI Competition IV- 2a is designed to reduce the user's burden during the year and to optimize the number of training and classification accuracy. 8 of the subjects except the subject were trained in advance, and the results were used in the study of the subject (Subject Transfer). The classification accuracy was 5.26% on average, and 80.0% on average. The increase in classification accuracy resulted in an average of 47.92% reduction in the number of training samples.

项目成果

Effect of Electrooculography on Electroencephalography Classifying Accuracy in Deep Learning and Reducing Number of Channels in Motor-Imagery Brain-Computer Interface

眼电图对深度学习中脑电图分类准确性和减少运动想象脑机接口通道数量的影响

• DOI: 10.23919/apsipaasc55919.2022.9980232
• 发表时间: 2022
• 期刊: 2022 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC)
• 作者: Musash Ino;Kono Yoshihiro and Nobuaki Kobayashi
• 通讯作者: Kono Yoshihiro and Nobuaki Kobayashi

High Accuracy Silent Speech BCI Using Compact Deep Learning Model for Edge Computing

使用紧凑型深度学习模型进行边缘计算的高精度无声语音 BCI

• DOI: 10.1109/bci57258.2023.10078589
• 发表时间: 2023
• 期刊: 2023 11th International Winter Conference on Brain-Computer Interface (BCI)
• 作者: Nobuaki Kobayashi;Tomoya Nemoto and Takahiro Morooka
• 通讯作者: Tomoya Nemoto and Takahiro Morooka