| 研究課題/領域番号 |
20K16466
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分51010:基盤脳科学関連
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
福間 良平 大阪大学, 医学系研究科, 特任助教(常勤) (20564884)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2021年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2020年度: 3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
|
|---|
| キーワード | Brain-Machine Interface / 皮質脳波 / Big data |
|---|
| 研究開始時の研究の概要 |
機械学習技術の発展により脳活動から人の視覚認知内容を推定することが可能となった。また、視覚認知内容を推定する技術は、視覚的想起内容の推定にも応用できることが知られている。この技術は筋萎縮性側索硬化症や脊髄損傷などにより意思伝達が困難な患者さんにとって福音となると考えられる。このような装置の実現にあたっては、侵襲性の低い脳活動の計測方法である皮質脳波が有望であると考えられているが、その推定可能な範囲は10次元程度の意味空間に限られる。本研究では近年急速に発達してきた深層学習を脳波データに適応することで、視覚認知内容の推定精度の向上を試みる。
|
| 研究成果の概要 |
機械学習技術の発展により脳活動から人の視覚認知内容を推定することが可能となった。しかし、既存の方法での視覚認知内容の推定精度は不足していた。そこで本研究では自由行動下での皮質脳波を用いて深層学習モデルを学習し、視覚認知内容の推定精度の向上を試みた。学習したモデルを皮質脳波からの特徴抽出器として用いたところ、既存の手法よりも推定精度が向上した。また、同モデルを行動課題に適応したところ課題内容の推定精度の向上が得られた。
|
| 研究成果の学術的意義や社会的意義 |
脳活動パターンから情報を読み出す脳情報デコーディング技術は，色々な疾患や外傷で身体機能が損なわれてしまったヒトの日常生活の質の改善に役立つと考えられている．しかし，現在のところ脳情報の読み出し精度は十分ではない．また，一般に脳情報の読み出しには脳活動を計測しながら患者が課題を行うことが必要である．脳情報の読み出し精度を改善するためには課題を長時間行うことが望ましいが現実的には困難である．そこで，本研究では課題を行っていない自由行動下での脳活動を用いることで，精度が改善できることを明らかにした．即ち，患者への課題を増やすことなくより高い精度が得られる．
|
