| 研究課題/領域番号 |
18J15519
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 国内 |
|---|
| 研究分野 |
知能機械学・機械システム
|
|---|
| 研究機関 | 山口大学 |
|---|
研究代表者 |
上原 賢祐 山口大学, 創成科学研究科, 特別研究員(DC2)
|
|---|
| 研究期間 (年度) |
2018-04-25 – 2020-03-31
|
| 研究課題ステータス |
中途終了 (2019年度)
|
| 配分額 *注記 |
1,500千円 (直接経費: 1,500千円)
2019年度: 700千円 (直接経費: 700千円)
2018年度: 800千円 (直接経費: 800千円)
|
|---|
| キーワード | 機械学習 / 脳波解析 / Duffing方程式 / 非線形振動子 / パラメータ同定 / カオス / 安静状態 / 集中状態 / 精神状態 / 逆問題 |
|---|
| 研究実績の概要 |
当該年度の研究目的は「非線形振動子を用いた脳波解析モデルの確立」である．提案する脳波解析モデルのモデルパラメータを，実測データを正解値とした評価関数を用いて，逆問題を解き同定する手法を用いている．これまでは，異常脳波および健常脳波のモデルパラメータの凡その値や，各パラメータ値の相関などの指標を明らかにしてきた．安静状態および集中状態のモデルパラメータの分類を統計的な観点から説明することに重きをおいて研究を行なっていたが，当該年度は，それを予測し活用できるモデルへの実用化も見据えていた．しかし，実測データを正解値として解析を行う際には，膨大な時間が掛かり，検討すべき周波数帯域や解析窓の幅，多点脳波の処理，リアルタイム処理が行えないので，解析処理方法を最小二乗法へと変更した．そして，サポートベクトルマシン（機械学習）により状態判別を行うことで，モデルパラメータと生理学的意味との対応付けおよび実用化に向けた改良を行った．具体的な解析として，４人の被験者に対して安静状態および集中状態（3つのタスク）下における脳波を用いて状態判別を行い，第58回日本生体医工学会にて研究報告をした．結果は，一人の被験者において，ほとんど10割に近い正解率で安静時および集中時の判別を可能とした．また別のもう一人の被験者においても8割以上の正解率を記録した．残り二人の被験者においてはタスク毎に判別の正解率にばらつきはあったものの，6割～9割を記録した．提案する脳波解析モデルが，集中状態を判別するシステムとして十分活用できる精度であることを確認したと同時に，モデルパラメータの意味合いも把握できた．しかし，集中状態だけではなく，眠気やイラつき，様々な状態における脳波信号も解析できるように，モデルパラメータの意味づけを行う必要性がある．
|
| 現在までの達成度 (段落) |
令和元年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和元年度が最終年度であるため、記入しない。
|
