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

基本信息

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

项目摘要

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。

对于那些需要在上肢和下肢中遭受功能障碍的护理人员的人来说，生活环境的舒适环境与生活质量之间存在密切的关系。通过使用仅使用有关大脑活动的信息控制家用电器和机器的大脑机界面（BMI），预计将减少需要护理的人的行为限制，减轻压力，并减少护理人员的工作量。在这项研究中，我们意识到可以长时间使用的BMI，并最大程度地减少IoT边缘设备上的响应延迟（IOT-DEV）。为了减轻需要护理的人的负担，我们旨在使用运动图像使用电动机诱发电位（MI）来开发更实际的设备，从而可以单独通过召回来识别大脑活动。在今年，为了减轻用户的负担，使用BCI竞争IV-2A运动召回EEG数据集的预训练结果进行了微调，并优化了培训数据和分类精度的数量。当使用来自目标受试者以外的八个受试者的数据进行微调时，使用微调（受试者转移）而无需进行微调，并且仅对目标受试者使用脑波数据（自训练）时，平均分类精度提高了5.26％，导致平均总平均值约80.0％。还表明，培训数据的平均数量（可以使分类精度的提高饱和）可以降低47.92％。

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

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)
影响因子：
0
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