脳情報インタフェースの精度向上に向けた多次元脳活動データ拡張の構築
| Project/Area Number |
23K21686
|
|---|
| Project/Area Number (Other) |
21H03480 (2021-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2021-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61020:Human interface and interaction-related
|
|---|
| Research Institution | Nagaoka University of Technology |
|---|
Principal Investigator |
南部 功夫 長岡技術科学大学, 工学研究科, 准教授 (40553235)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
和田 安弘 長岡技術科学大学, 工学研究科, 理事・副学長 (70293248)
アンドラデエドアルド カラベス 秋田工業高等専門学校, その他部局等, 講師 (30825013)
佐藤 貴紀 秋田工業高等専門学校, その他部局等, 講師 (60840759)
横山 寛 滋賀大学, データサイエンス学系, 助教 (10829823)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,810,000 (Direct Cost: ¥13,700,000、Indirect Cost: ¥4,110,000)
Fiscal Year 2024: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Fiscal Year 2023: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2022: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
Fiscal Year 2021: ¥8,970,000 (Direct Cost: ¥6,900,000、Indirect Cost: ¥2,070,000)
|
|---|
| Keywords | 脳活動 / データ拡張 / BCI / 脳活動計測 / 脳波 / 筋活動 / 転移学習 |
|---|
| Outline of Research at the Start |
本研究では、スモールデータである非侵襲脳活動を用いたインターフェースの精度向上に向け、データ拡張およびデータ変換に関する検討を行う。敵対的生成ネットワークを用いたデータ拡張やデータ変換を用いることで、脳波や機能的近赤外分光計測法のデータ数を増加させ、大量のデータが必要な人工知能による識別器の利用を可能とすることを目指す。
|
| Outline of Annual Research Achievements |
本研究では、スモールデータである脳活動に対するデータ拡張技術を構築しBCIの精度向上に対する有効性の検証を行うことを目的とする。特に，ユーザ(被験者)や、実験課題条件、計測装置、データ数などをデータの“次元”と考え、次元が異なる多種多様な脳活動データ(=多次元脳活動データ)を用いたデータの拡張や、異なる実験データ間での関係性をニューラルネットワーク等により同定し、異なるデータの変換ができるかを検討する。 これらにより従来のデータ拡張と転移学習の長所を持ち合わせた手法を目指す。
本年度は、データ変換の一つとして、脳波データと筋活動データの変換を行う手法の検討を引き続き行った。昨年度に公開データセットで検証した手法について、新規に脳波と筋活動を同時に計測する実験を行い、計測チャネル数を増やした状態でどのようになるかを検証した。しかし、チャネル数を増やした状態では少ないチャネルほど良い精度は得られなかった。
また、脳波に対する転移学習について、アンサンブル学習を用いた方法を検討した。今回は異なる被験者個人のデータから判別モデルを学習した後、アンサンブル学習として複数の被験者のモデルを組み合わせた。その結果、単一被験者（他人）のモデルでは下がる精度を回復させることができ、モデルの数を増やすと精度も向上することが確認できた。
その他の検討として、データ拡張をした後のデータに対して、不適切なデータを削除するクリーニングという手法を適用し精度が向上するか検討した。その結果、全てのデータではないが、クリーニングにより精度が向上する可能性を示唆する結果を得ることができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
現時点ではデータ変換、異なる被験者データの学習などは順調に進んでいる。判別結果としてはまだ向上の余地があると考えられ、今後の課題となっている。
|
| Strategy for Future Research Activity |
引き続き、脳波と筋活動のデータ変換、異なる被験者データを用いたアンサンブル学習などの検討を進める。また、脳波と筋活動のデータ変換だけでなく、脳波と近赤外分光法とのデータ変換についても検討を行う。また、近年発展している生成モデルの活用についても検討する。
|
Report
(2 results)
Research Products
(11 results)
