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

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。

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。