2018 Fiscal Year Research-status Report
Auditory Brain Machine Interface with Help of Stochastic Resonance
| Project/Area Number |
17K06462
|
|---|
| Research Institution | Yamaguchi University |
|---|
Principal Investigator |
西藤 聖二 山口大学, 大学院創成科学研究科, 准教授 (60253168)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | ブレインマシンインターフェース / ブレインコンピュータインターフェース / 聴性定常反応 / 確率共鳴 |
|---|
| Outline of Annual Research Achievements |
当該年度では、確率共鳴を用いた聴覚型ブレインマシンインターフェース(BMI)の開発を進めるために、(1)確率共鳴を誘発するために聴覚刺激に付加する雑音の選定、(2)2値の意思を想定した2つの振幅変調音（付加雑音なし）の一方に選択的注意を払ったときの聴性定常反応の変調を適切に判別する方法の検討、の2項目について研究を執り行った。
項目(1)は、白色雑音、ピンク雑音、ブラウン雑音（周波数fとしたとき、それぞれ1/f^0,1/f, 1/f^2の特性を有する）を用いた。健常者6名を対象として、搬送周波数500Hz, 変調周波数40Hz、音圧40～50dBの振幅変調音に各雑音を付加した刺激音に対する聴性定常反応について、雑音の音圧を0（雑音付加なし）～56dBの範囲で変えたときの振幅対雑音比の雑音強度依存性をクラスター分析によって分類した。その結果、全720の雑音依存性データの内、背景雑音による確率共鳴の誘発の可能性がある単調減少型依存性（雑音無付加時の信号対雑音比が最大となる）を除いた499の雑音依存性データでは、78%がベル型依存性を示した。雑音別では、ピンク雑音で87%のデータがベル型依存性を示し、白色雑音では78%、ブラウン雑音の場合は71%であり、ピンク雑音が最も確率共鳴を誘発しやすい雑音であると考えられた。
項目(2)については、畳み込みニューラルネットワークと長・短期記憶ユニットを持つ回帰型ニューラルネットワークを組み合わせた判別器により、サポートベクトルマシンを用いた判別器よりも健常者5名の被験者平均で10%以上(58%->69%)精度を改善できた。視覚型BMIと比べて判別精度自体にはまだ改善の余地がある。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
確率共鳴の出現は音刺激に付加する雑音の種類や被験者の個人差に依存したものの、比較的広いパラメータの範囲で高い割合で雑音共鳴が観測されたことと、雑音による誘発性の違いを見出すことができた。ニューラルネットワークによる判別器の精度がサポートベクトルマシンのそれよりも高い値を得ることができた。判別精度にはさらなる改善が必要であるが、下記の【今後の研究の推進方策】に記したような工夫を行うことにより、今後の精度の向上が期待できる。
|
| Strategy for Future Research Activity |
最終年度である2019年度では、(1)(2)の結果を踏まえて、より効率的に確率共鳴の誘発し、高精度判別器を備えた聴覚型ブレインマシンインターフェースの開発を計画している。現状で判別精度には課題が残っているが、ニューラルネットワークを使用した判別器には学習のために多数の試行が必要であるため、短時間で多くの試行を行うことにより、十分な量の学習データの蓄積を図る。
|
