BCI system without special training to communicate degree of feeling and/or KANSEI
| Project/Area Number |
22K12221
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61060:Kansei informatics-related
|
|---|
| Research Institution | The University of Tokushima |
|---|
Principal Investigator |
伊藤 伸一 徳島大学, 大学院社会産業理工学研究部(理工学域), 講師 (90547655)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2025: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
|---|
| Keywords | 脳波 / 意思 / 気持ち / 程度 / BCI / 深層学習 / 個人 / 個人特性 |
|---|
| Outline of Research at the Start |
意思・感情を司る前頭前野の脳波を対象とし、特別な訓練を必要としないヒトの意思や気持ちの程度を伝達するBCIを構築するための脳波分析手法を確立することが目的である。前頭前野の脳活動は気持ちや意思を含むココロの変化に深く関与していることが知られている。申請課題では、意思や気持ちの程度を検出するために、前頭前野の活動において、意思や気持ちの検出を容易にする箇所を選定する。また、前頭前野脳波から特徴を抽出するための瞬きなどのノイズにロバストな段階的構造を持つ深層学習モデルを考案する。さらに、意思や気持ちの程度を意味する脳波特徴のルールを抽出し、気持ちや意思の程度を検出する。
|
| Outline of Annual Research Achievements |
意思・感情を司る前頭前野の脳波を対象とし、特別な訓練を必要としないヒトの意思や気持ちの程度（複数選択肢の質問から選択された項目：そう思う・まあまあ思う・少し思う、大好き・好き・少し好き・嫌い、など）を伝達するブレイン・コンピュータ・インタフェース（BCI）を構築するための脳波分析手法を確立することが目的である。前頭前野の脳活動は気持ちや意思を含むココロの変化に深く関与していることが知られている。申請課題では、意思や気持ちの程度を検出するために、前頭前野の活動において、意思や気持ちの検出を容易にする箇所を選定する。また、前頭前野脳波から特徴を抽出するための瞬きなどのノイズにロバストな段階的構造を持つ深層学習モデルを考案する。さらに、意思や気持ちの程度を意味する脳波特徴のルールを抽出し、気持ちや意思の程度を検出する。
上述する手法の確立を目指して、研究を進めている。ここでは、ノイズを有無を判定する深層学習モデルを考案し、明らかなノイズを含む脳波と明らかなノイズを含まない脳波に弁別する。弁別された２つの脳波のデータセットに対して、意思・気持ちを分類するための脳波分析用の深層学習モデルを脳波のデータセットごとに作成し、脳波による意思・気持ちの分類精度の向上を図っている。また、既存の手法および他研究者の提案された手法と比較検証することで、提案手法の有効性検証している。さらに、学習に対する理解の程度を対象とし、ヒトの意思・気持ちを分類する実験を実施し、分析する技術をまとめている。ここでは、質問に対する回答（Yes,Noの検出）ならびに学習の理解の有無の判別を容易にする脳波計測箇所の選定および有意義な特徴の選定を実施している。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
令和5年度において、以下の課題に取り組んでいる。
課題：脳波分析手法の確立
まず、対象とする電極のデータを抽出する。次に、これまでの研究成果に基づいて、明らかなノイズを含むデータ群と明らかなノイズを含まないデータ群に弁別する人工知能モデルを作成する。さらに、明らかなノイズを含むデータ群の中から質問項目に対するYes/Noの分類（意思の分類）を実施する人工知能モデルと、明らかなノイズを含まないデータ群の中から質問に対するYes/Noを分類する人工知能モデルを作成し、それらを統合した脳波分析モデルを確立させている。
上述する手法に関して、既存手法ならびに他研究者の提案手法と比較検証を実施することで提案手法の有効性検証を実施し、学術論文としてまとめ、掲載されるに至った。
|
| Strategy for Future Research Activity |
課題1：脳波データの収集
令和5年度に引き続き、有効となる脳波計測箇所の選定を実施するとともに、実験的検証のために、実験データを収集する。
課題2：質問に対する回答の多段階評価に対して、提案手法の有効性を検証する。必要に応じて、手法を改良する。
|
Report
(2 results)
Research Products
(5 results)
