| 研究課題/領域番号 |
20H00235
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
中区分21:電気電子工学およびその関連分野
|
|---|
| 研究機関 | 東京農工大学 |
|---|
研究代表者 |
田中 聡久 東京農工大学, 工学(系)研究科(研究院), 教授 (70360584)
|
|---|
| 研究分担者 |
篠田 浩一 東京工業大学, 情報理工学院, 教授 (10343097)
田中 雄一 大阪大学, 大学院工学研究科, 教授 (10547029)
菅野 秀宣 順天堂大学, 医学部, 非常勤講師 (90265992)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
46,020千円 (直接経費: 35,400千円、間接経費: 10,620千円)
2022年度: 12,350千円 (直接経費: 9,500千円、間接経費: 2,850千円)
2021年度: 9,880千円 (直接経費: 7,600千円、間接経費: 2,280千円)
2020年度: 23,790千円 (直接経費: 18,300千円、間接経費: 5,490千円)
|
|---|
| キーワード | ブレイン・マシン・インタフェース / ブレイン・コンピュータ・インタフェース / 侵襲脳波 / 機械学習 / 信号処理 / ブレインマシンインタフェース / BMI |
|---|
| 研究開始時の研究の概要 |
多種多様な脳波をデータベース化し，個体依存性を分離できる深層ネットワークを構 築・学習することで，キャリブレーションを必要としない BMI のパラダイムを構築する．その上で， 外科手術で頭蓋内に埋め込んだ電極を用いて，想像した音声を抽出するための BMI の設計に挑戦す る.本研究により，BMI は個別のキャリブレーションが必要となくなり，脳波の医工学応用にブレークスルーをもたらす.
|
| 研究実績の概要 |
侵襲型ブレイン・マシン・インターフェース（BMI）は、人間の脳から直接音声を伝達するための有望なニューロテクノロジーの一分野であるが、多くの課題を抱えている。本年度は、これまでに16人のてんかん患者から計測した侵襲性皮質電位（ECoG）信号に対して、8つの日本語文章を音読または心の中で読ませた際のECoGから発話内容をデコード（推定）する「sequence-to-sequence」モデルに、Transformerエンコーダ・デコーダを組み込んだ方法を提案し、実際にデコード性能の評価実験を実施した。
脳波のデコードテストの結果、Transformerモデルによるトークン誤り率（TER）の中央値（±標準偏差）は46.3%（±19.4%）であった。このようにTransformerを用いた提案モデルは、従来のBLSTMモデルよりも有意に優れたデコーディング精度を達成した。また、音響特徴（MFCC）の利用によるTransformerエンコーダの学習への貢献度を確認した。その結果、学習段階で使用するMFCCは、必ずしも同期している必要はないことが分かった。
さらに、音読発話のデータで学習したモデルを用いて、心の中の発話をデコードしたところ、TERの中央値は46.3%となり、心の中の発話で学習したモデルのTER（46.6%）と同等の性能が得られた。このことから、音読発話のデータを用いて学習することで、心の中の発話をデコードできる可能性が示唆された。これは、侵襲的BMIの将来的な実現に向けて重要な知見である。
以上の成果は、Scientific Reports誌に採択さた。
|
| 現在までの達成度 (段落) |
令和4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4年度が最終年度であるため、記入しない。
|
