2021 Fiscal Year Annual Research Report
Development of a intention reading device by bedside electroencephalosic signal AI analysis for patients with speech disorders
| Project/Area Number |
18K10194
|
|---|
| Research Institution | Gunma Prefectural College of Health Sciences |
|---|
Principal Investigator |
小倉 敏裕 群馬県立県民健康科学大学, 診療放射線学部, 教授 (40369369)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
林 則夫 群馬県立県民健康科学大学, 診療放射線学部, 准教授 (50648459)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Keywords | 人口知能 / 脳卒中 / 脳波 |
|---|
| Outline of Annual Research Achievements |
脳卒中の後遺症として言語障害がある。看護師は患者の思念を的確に把握する必要がある。そこで、簡易脳波計から得られる脳波を解析し、意思表示困難な患者を想定して患者の意思をくみ取れるかを調べた。健常人20人の対象者が参加し、安静時＋20種類の刺激をランダムに1人各60回、20人分計25200回(60回×21種類×20人)の実験を行った.各刺激については、熱い(首、ふくらはぎ、二の腕、頬、手の甲)、冷たい(首、ふくらはぎ、二の腕、頬、手の甲)、くすぐったい、心地よい音楽、背中をさする、背中をトントンする、手の甲をたたく、まぶしい、騒音、臭い(納豆)、良い匂い(ハンドクリーム)、手を握るの20種類である。各種刺激の脳波を人工知能（AI）に教え込み、未知刺激による脳波をAIで判別可能かを調べた。9つの周波数帯の脳波226800データを用いた。前年度までに行った方法は脳波の分類をAIによる画像認識で行っており、 この際に使用した脳波画像は、 短時間フーリエ変換によって得られていた.そこで、より高い精度の分類を狙い、脳波信号の連続ウェーブレット変換の絶対値を時間と周波数の関数としてプロットする画像“スカログラム”を作成しAIに入力した。Python言語で“Swan”という連続ウェーブレット解析モジュールを用いて、 20人、 21種類の刺激から得られたすべての脳波信号のスカログラムを作成し解析した。
その結果、個人個人の安静時データとの比較で各種刺激の判別精度が60％以上のものは18種類であった。しかし、20名全てのデータをひっくるめた場合60％以上のものは4種類であった。個人の脳波データを教育した場合のみある程度判別できることが分かった。
|
