| Project/Area Number |
23K03012
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 10040:Experimental psychology-related
|
|---|
| Research Institution | Advanced Telecommunications Research Institute International |
|---|
Principal Investigator |
黒田 敏数 株式会社国際電気通信基礎技術研究所, 脳情報通信総合研究所, 主任研究員 (80712968)
|
|---|
| Project Period (FY) |
2023-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2026: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2025: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2024: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2023: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | EEG / microstate / neurofeedback / operant conditioning / 脳波 / マイクロステート / オペラント条件づけ |
|---|
| Outline of Research at the Start |
本研究では、次のことに取り組む。
①マイクロステート可視化システムにシェイピング手法の導入
②EEG電圧分布とマイクロステート雛形の類似度を基準としたシェイピング（実験1）
③マイクロステート持続時間を基準としたシェイピング（実験2）
④マイクロステート出現頻度を基準としたシェイピング（実験3）
|
| Outline of Annual Research Achievements |
ニューロフィードバックは脳活動に随伴した刺激呈示で、その活動を変容させる技術である。このうち効果が高いとされる即時フィードバックが可能な脳波（EEG）を本研究で扱う。頭皮上に配置されたEEG電極から取得するデータを空間的に表現し、これにクラスタリングをかけることで抽出される「マイクロステート」を標的としたニューロフィードバック法が提案されているが、効果的な手法が確立されていない。
本研究では、オペラント条件づけに沿った刺激呈示方法で、マイクロステート変容効果を検証する。行動学習の場合、初めは目標を低く設定して強化刺激を呈示しやすくし、その後、成績に合わせて呈示基準を上げていく「シェイピング」で標的行動の獲得を狙うが、これをマイクロステートのニューロフィードバックに適用する。
初年度である2023年度の計画は、既存のマイクロステート可視化システムにシェイピング手法を導入することであった。この計画に沿って、マイクロステート可視化システムを改変し、予備実験を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の計画では、既存のマイクロステート可視化システムを改変し、次年度以降に向けての基本的な実験パラメータを決めることを予定していた。可視化システムは幾つかのバージョンを作成した。1つ目のバージョンは、既存のものに似せて、マイクロステートの時々刻々と表示されるものであった。しかし、ニューロフィードバックの標的となるマイクロステートの遷移が約40ミリ秒ごととあまりに速すぎて、予備実験の結果からこのままでは訓練効果は薄くなると判断した。2つ目のバージョンでは、マイクロステート遷移の速さに対応するため、Global Field power（分散）が大きい時間帯のマイクロステートだけを選び、そうでない時間帯は前後のマイクロステートをフェードイン・フェードアウトすることで擬似的にスローモーションに見せた。しかし、フェードイン・フェードアウト中の疑似マイクロステートは実際の脳活動を捉えていない可能性がある。そこで3つ目のバージョンでは、すべてのマイクロステートを使って移動平均値を計算し、それを表示することでスローモーションに見せるようにした。また、代表的な４種類のマイクロステート（A～D）のうち、標的となるマイクロステート（例：A）からそれ以外のマイクロステート（例：B～D）の移動平均値を差し引いた値を使うことで、可視化に必要な刺激の数を４つから１つに減らし、被験者視点からもわかりやすいニューロフィードバックシステムを開発した。
|
| Strategy for Future Research Activity |
2024年度以降は、上記3つ目のバージョンの可視化システムを用いて実験を遂行する予定である。当初案では2024年度からシェイピング手法の導入による学習促進効果の計画を予定していたが、可視化システムの開発中に明らかとなった問題に先に取り組むこととした。具体的には、行動を標的とした通常のオペラント条件づけでは、被験者が自身の行動を弁別できていることが前提となっており、この前提を満たさない限りオペラント条件づけが成立しないことが先行研究で明らかとなっている。対象が行動の場合、自身の行動を弁別できないというケースはほとんどないが、マイクロステートの場合はまだ不明である。そこで、シェイピングを含むオペラント条件づけ実験の前に、被験者が自身のマイクロステートを弁別できるのかそうでないのかの検証実験に2024年度は取り組む。仮に弁別できない場合は、弁別訓練を設けたり、可視化システムを更に改良して対応する。
|
