研究課題
(1)本研究ではレスティングステートMEG (magnetoencephalography)データからアーチファクトを自動的に除去する手法の開発を行なった。MEGデータから複数の線形・非線形特徴量を抽出し、眼球運動、体動、心拍等の様々なアーチファクトを自動的に分類、除去することを目的とした。MEGにより計測したデータに対して非線形解析を行った結果、フラクタル次元(FD)の非線形特徴の相関は生データ信号とアーチファクト除去済みの信号の間で異なっていることが明らかとなった。ICAベースの自動的なアーチファクト除去を用いた。確率密度決定のために複数の変数の同時確率関数を用いた。このパラメータは2つのランダム変数(生データとアーチファクト除去済みデータ)の間の相互独立性を示すものである。生データの期待値からアーチファクト除去済みデータの期待値を差し引くことで期待値の差分(dEV)を計算した。この指標は、2つの確率密度関数の距離を表すものである。最終的に、脳活動由来の信号とアーチファクト成分を分離するために最適なフラクタル次元とパラメータを決定した。実験の結果アーチファクト除去済みデータのフラクタル次元は生データのフラクタル次元に比べて統計的に有意に増加した。(2)発話音声データからの感情分析のための非線形解析手法を検討した。提案手法により発話からの感情認識のための効果的な特徴数を増やす可能性を示した。またイントネーションの違いを検出することが可能であり、発話時の感情の違いに関して、FmaxとTDFDという特徴により効率的に認識することが可能であった。
2: おおむね順調に進展している
2つの研究内容に関してそれぞれ査読付き国際会議での発表及び抄録等により対外発表を完了している。
下記研究発表に見られるように、本研究課題は着実に成果を結んでおり、タイ帰国後も, 東京大学との共同研究を推進していく予定である。
すべて 2013
すべて 学会発表 (5件)
