| Project/Area Number |
22K15623
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 51010:Basic brain sciences-related
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
Fukuma Ryohei 大阪大学, 大学院医学系研究科, 特任講師(常勤) (20564884)
|
|---|
| Project Period (FY) |
2022-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2022: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
|
|---|
| Keywords | 非線形ダイナミクス / 皮質脳波 / DMD / Brain-Computer Interface / Electrocorticogram |
|---|
| Outline of Research at the Start |
多数の計測点で観察された非線形ダイナミクスから事前知識なくモデルを構築する方法としてDynamic mode decomposition (DMD)が着目されている。実際、頭蓋内に留置された多数の電極で計測された頭蓋内脳波にDMDを適用し、その特徴を用いて脳情報解読を行う技術を我々は既に報告している。しかし、報告した手法では計算コストが高く、Brain-Computer Interface (BCI)など実時間で脳情報解読が必要な場合には適用できなかった。本研究では、この手法を改良し高速化を行い、実時間での脳情報解読を用いたBCIの実現を試みる。
|
| Outline of Final Research Achievements |
Dynamic mode (DM) decomposition has attracted attention as a method for constructing a model for generating signals from spatiotemporal signals observed at many measurement points without prior knowledge. We have shown that the DMs obtained from intracranial EEG can be converted into sDM features by mathematical processing and that these features can be used to estimate (classify) the types of upper limb movement with high speed and accuracy. In this study, we showed that some components of the sDM features behave similarly to power features, but with higher reproducibility between trials. Furthermore, the method was shown to be useful in intracranial EEG during other tasks and in regression.
|
| Academic Significance and Societal Importance of the Research Achievements |
一般に、脳活動は時空間信号として計測される。Dynamic mode (DM)分解は、この信号に含まれる時空間パターンを抽出する方法である。我々の先行研究でDMから得られるsDM特徴量が頭蓋内脳波からの高速・高精度の運動種別分類に有用であることが示されていた。本研究では、sDM特徴量の一部成分が試行間でより安定的なパワー特徴量としての挙動を示すことを明らかにした。また、本手法の有用性は他のタスク時(例: 動画視聴覚タスク)の頭蓋内脳波や、他の識別手法(回帰)においても示された。任意の時空間信号に適応可能な方法であるため、他モダリティの信号についても有用であることが期待される。
|
