| 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 (2023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 | 神経科学 / 信号処理 / 生体医工学 / 機械学習 / 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 / 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.
|
| 研究成果の概要 |
本研究では、脳波(ECoG)から無発話の文章を推定することを目的とし、16名の被験者から発話時と無発話時のECoGデータを取得した。発話時のECoGデータで学習したTransformerモデルを用いて、無発話時のECoGデータから文章を推定したところ、無発話時のECoGデータで学習したモデルと同等の性能が得られた。脳の活動部位の分析から、発話時と無発話時で共通の信号パターンが存在する可能性が示唆された。本結果は、発話時のデータを用いることで無発話時の文章推定が可能であることを示唆しており、訓練データ収集の容易化によるBMI実現の加速が期待される。
|
| 研究成果の学術的意義や社会的意義 |
本研究の学術的意義は、発話時と無発話時の脳活動に共通する信号パターンが存在する可能性を示唆したことにある。これは、発話メカニズムの解明に向けた重要な知見である。
社会的意義としては、発話時のデータを用いて無発話時の文章推定が可能となることで、訓練データ収集が容易になり、BMI実現が加速されることが挙げられる。これにより、例えば、発話障害を持つ人々のコミュニケーション支援など、BMIの実応用が近づくと期待される。
また、本手法はBMIに限らず、脳活動から思考を解読する研究全般に広く応用可能であり、脳科学の発展に寄与すると考えられる。
|
