リアルタイム誘発脳波抽出手法

2019 Fiscal Year Research-status Report

• Project/Area Number: 19K20320
• Research Institution: Shiga University
• Principal Investigator: 石川 由羽 滋賀大学, データサイエンス教育研究センター, 助教 (20814370)
• Project Period (FY): 2019-04-01 – 2023-03-31
• Keywords: BMI / 誘発脳波 / ディープクラスタリング

Outline of Annual Research Achievements

本研究では，脳波を利用して，機器の操作や幾つかの脳内意思の解読等を行うBMI技術の開発を行っている．BMIでは，主に誘発脳波と呼ばれる刺激時やイメージ時に一時的に発生する脳波を使用する．多種多様な操作・解読を行うためには，未だ発見されていない誘発脳波の検出・抽出が必要となる．
計測脳波は，刺激時やイメージ時に一時的に発生する誘発脳波，α波などの常に発生している自発脳波，心拍などの生体ノイズを含むノイズからなると考えられる．本年度は，計測脳波から得られる誘発脳波の中でも，もっとも抽出が容易と推測されるP300計測脳波の分離を試みた．脳波分離のため，音声分離分野で研究が進められているディープクラスタリング手法を本分野に適用する．第一に，ディープクラスタリングの実装，音声分離の追試実験を行い，動作確認と脳波へ適用する際の幾つかの問題点を明らかにした．ディープクラスタリングは，本来，学習データとして各話者の音声データと混合データが必要となる．そのため，脳波へ適用するには，計測脳波からノイズ，自発脳波，誘発脳波の正確な抽出が必要となる．まず初めに，計測脳波を，誘発脳波とその他に分けてデータを生成し，ディープクラスタリングによる分離が可能であるかに焦点を当てる．データの生成には，従来の加算平均法等を使用する．現在は，P300計測時の脳波と通常時の脳波を用いて，ディープクラスタリングへの適用方法を研究中である．

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

本研究の要であるディープクラスタリングの実装と音声分離の追試実験を行った．音声の場合，複数話者の分離は問題なく実行された．ディープクラスタリングでは，学習データとして各話者の音声データと混合データが必要となる．そのため，誘発脳波P300の分離に適用する場合には，学習データとして，刺激時やイメージ時に一時的に発生する誘発脳波，α波などの常に発生している自発脳波，心拍などの生体ノイズを含むノイズ，それぞれ単体のデータが必要となる．したがって，従来の加算平均等による誘発脳波の抽出手法を用いて，学習脳波を生成しなければならない．この手法により，誘発脳波と自発脳波を用意し，ディープクラスタリングで学習させ，誘発脳波の抽出を試みた．現段階では，抽出精度は不十分であるため，学習データの生成精度の向上と，脳波分離に適したディープクラスタリングの構造等を研究中である．
また，本年度は1月から産休・育休を取得しているため，本研究も休止中である．

Strategy for Future Research Activity

今年度の問題点である学習データの生成精度の向上と，ディープクラスタリングの最適な構造の研究が，今後の最重要課題である．現在はP300のデータのみを使って脳波分離を可能にするための研究を行っているが，P300での分離が可能となれば，他の誘発脳波を同時に学習させることで，汎用性の高いディープクラスタリングが完成する．また，現在は使用電極が１つであるが，複数電極を使用することでの精度向上も確認すべきである．さらに，現在の対象人数は1人であるが，複数人の脳波データを学習することで，音声同様に未学習者に対しても分離可能になるかの確認が必要である．

Causes of Carryover

今年度は1月から産休・育休を取得しており，研究も休止中である．そのため，研究期間を1年間延長し，今年度の遂行予定であった研究計画・予算計画ともに来年度に実施する．