| 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 東京農工大学, 工学(系)研究科(研究院), 准教授 (10547029)
菅野 秀宣 順天堂大学, 医学部, 先任准教授 (90265992)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
交付 (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・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 / 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、これまでに計測した7人の難治性てんかん患者の侵襲性皮質電位（ECoG）信号に対して、複数のフレーズからなる文章を発話させてある間のECoGから発話内容をデコード（推定）する「sequence-to-sequence」モデルに、Transformerエンコーダを組み込こんだ方法を提案し、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モデルによるフレーズ誤り率（PER）の最小値は16.4%、7人の中央値（±標準偏差）は31.3%（±10.0%）であった。このようにTransformerを用いた提案モデルは、従来の長期短期記憶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MFCCを加えたモデルは、MFCCを用いないモデルよりも高い精度を達成した。これは、学習段階で使用するMFCCは、必ずしも同一人物の音声から算出されたものである必要はないことを示唆した。これは、侵襲的BMIの将来的な可能性を強く示すものである。以上の成果は、信号処理分野ではトップカンファレンスである IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2022) に採択され、現地で発表した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
2020年からのコロナ禍により、解析に利用できる症例数を十分に確保できていない。
|
| 今後の研究の推進方策 |
臨床担当の菅野と協力しながら，できるだけ症例数（計測データ数）を増やしていく．
|
