| 研究課題/領域番号 |
21K12789
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分90150:医療福祉工学関連
|
|---|
| 研究機関 | 日本大学 |
|---|
研究代表者 |
小林 伸彰 日本大学, 理工学部, 准教授 (50611422)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2023年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2022年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
|
|---|
| キーワード | EEG / Brain-machine interface / Brain-computer interface / Edge computing / IoT / ブレイン・マシン・インタフェース / 深層学習 / 運動想起 / エッジコンピューティング / 運動想起 (Motor Imagery) / QOL / Motor Imagery |
|---|
| 研究開始時の研究の概要 |
要介護者の行動制約を緩和することは、要介護者のQOLを向上させるだけでなく、介護職従事者の負担を軽減し、かつ、日本、ひいては世界中の少子化問題を抱える国々における介護職就労者の減少を救う一助となり得る。そこで、ブレイン・マシン・インタフェース (BMI) を介護現場で活用することにより、要介護者の行動制約の緩和やストレスの軽減が期待でき、かつ、介護職従事者の仕事量を減らすことになる。本研究では、長時間使用可能・応答遅延を最小限に抑えられるBMIをIoTエッジデバイス上で実現する。非侵襲式EEG計測で得られた脳波信号を深層学習により高精度に識別し、対象機器を制御する。
|
| 研究成果の概要 |
要介護者の居住環境における快適性を向上し、介護職従事者の負担を軽減するために、要介護者が能動的に脳波 (EEG) を用いて機械制御を可能とするブレイン・マシン・インタフェース (BMI) 技術の確立が期待されている。本研究では、運動想起 (MI) 時のEEGに着目し、深層学習を用いてMIを分類する際の処理の高効率化に主眼を置いた。MIは学習に大量のデータを必要とするため、要介護者の負担が増大する。そこで過去に学習したモデルの重みを再学習して微調整することで高い分類精度を実現し、かつ学習に必要なデータ量を削減した。その結果、長時間使用可能・応答遅延を最小限に抑えられるBMIを実現した。
|
| 研究成果の学術的意義や社会的意義 |
要介護者のQoLの向上、また、介護職従事者の仕事量を減少することを目的に、実用化に向けたBMI型IoTデバイスの構築が目的である。このためには、「脳活動の高い識別精度」、「居住環境ノイズ下での使用に耐え得る」、「長時間使用によるユーザの使用負担を軽減する」、「遅延量を最小化する」、「消費電力を低減し使用時間を長くする」、といった要件を同時に満たす必要がある。これまでにない低遅延性・低消費電力性を兼ね備える高効率なBMI型IoTデバイスを開発・実証することで、BMIの介護分野における普及、IoT分野の進展に大きく貢献することが期待される。
|
