| 研究課題/領域番号 |
22K15623
|
|---|
| 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, 大学院医学系研究科, 特任講師(常勤) (20564884)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
|
|---|
| キーワード | 非線形ダイナミクス / 皮質脳波 / DMD / Brain-Computer Interface / Electrocorticogram |
|---|
| 研究開始時の研究の概要 |
多数の計測点で観察された非線形ダイナミクスから事前知識なくモデルを構築する方法としてDynamic mode decomposition (DMD)が着目されている。実際、頭蓋内に留置された多数の電極で計測された頭蓋内脳波にDMDを適用し、その特徴を用いて脳情報解読を行う技術を我々は既に報告している。しかし、報告した手法では計算コストが高く、Brain-Computer Interface (BCI)など実時間で脳情報解読が必要な場合には適用できなかった。本研究では、この手法を改良し高速化を行い、実時間での脳情報解読を用いたBCIの実現を試みる。
|
| 研究成果の概要 |
多数の計測点で観察された時空間信号から事前知識無しに、信号を生成するモデルを構築する方法としてDynamic mode (DM)分解が着目されている。我々は頭蓋内脳波から得られたDMに数式処理を行うことでsDM特徴量に変換し、この特徴量を用いることで高速・高精度に上肢運動内容を推定(分類)できる事を明らかにしていた。本研究ではsDM特徴量の一部成分がパワーより安定的な特徴量として振る舞うことを示した。さらに、他タスク時の頭蓋内脳波や回帰課題においても有用であることを明らかにした。
|
| 研究成果の学術的意義や社会的意義 |
一般に、脳活動は時空間信号として計測される。Dynamic mode (DM)分解は、この信号に含まれる時空間パターンを抽出する方法である。我々の先行研究でDMから得られるsDM特徴量が頭蓋内脳波からの高速・高精度の運動種別分類に有用であることが示されていた。本研究では、sDM特徴量の一部成分が試行間でより安定的なパワー特徴量としての挙動を示すことを明らかにした。また、本手法の有用性は他のタスク時(例: 動画視聴覚タスク)の頭蓋内脳波や、他の識別手法(回帰)においても示された。任意の時空間信号に適応可能な方法であるため、他モダリティの信号についても有用であることが期待される。
|
