| 研究課題/領域番号 |
18K11450
|
|---|
| 研究機関 | 福井工業大学 |
|---|
研究代表者 |
山西 輝也 福井工業大学, 環境情報学部, 教授 (50298387)
|
|---|
| 研究分担者 |
高橋 哲也 福井大学, 学術研究院医学系部門, 客員准教授 (00377459)
信川 創 千葉工業大学, 情報科学部, 准教授 (70724558)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| キーワード | デフォルトモード / 機械学習 / 同期の逸脱 / 脳波 / 脳領野のネットワーク |
|---|
| 研究実績の概要 |
本研究は脳の基底状態と考えられているデフォルトモード状態に着目し，8名の被験者に計測済みのまどろんだ状態で安静時のMEG-EEG同時計測のデータを用いてデフォルトモード状態の脳波の振る舞いの特定を試みてきた。そして，ある課題下の脳波をワイアレスのパッチ式，あるいはキャップ式の脳波センサーで計測し，デフォルトモードの脳波との差分から，ある課題下そのものだけの脳の機能的ネットワークの数理モデル化を目指しており，課題そのものの脳のネットワークの定量化はブレイン・マシン・インタフェースへの展開が容易になるであろうと考える。そこで今年度は，モニターに映し出した1から9の数字を読ませた時の7才から17才の249名の子どもたちによる脳波のオープンデータを使い，非表示時をデフォルトモードと考え、その間での脳波と表示時の脳波を使い差分からの測定電極の同定、そして解析法の開発を試みた。測定に用いられた電極はFzとCz，Pzの3電極で，マルチスケールエントロピーからの解析は，249名が共通した電極かつマルチスケール値からの非表示/表示の有意差を見出せず数字想起の同定には至っていない。そこで各人の数字想起を機械学習の分類から可能性を探ることにした。分類器の評価においては，アルツハイマー病患者を日本語版認知症スクリーニング検査 (Mini-Mental State Examination，MMSE) で認知度の重軽度を分けた上で，脳波の同期値との関係性をt-SNEで次元縮約し機械分類をしたところ分類損失値が大きく改善された手法を使うことにした。現在この手法を用い，数字想起の脳波解析を進めている。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
2019年度の研究計画は，MEG-EEG同時計測データから，脳の基底状態におけるEEGの振る舞いを調べることであり，１．独立成分分析ならびにシードに基づく解析におけるMEGのtask－no-task間の統計解析
２．1.からの脳内デフォルトモード状態のおけるEEGの時系列区間の同定。
３．デフォルトモード状態からの散逸による課題固有のEEG特徴成分量の同定と課題固有の賦活領野間ネットワークの解析のための健常な被験者8名を対象とした脳波センサーによる課題下の計測，であった。
2018年度と同様に，信号推定で計算時間が予想以上に掛かりtask－no-task間の統計解析にまで進展することができなかった。そこで，脳波だけを用いて機械学習からの分類を試みている。同期性やマルチスケールエントロピーの解析値を用いてタスク分類を行ったところ説明変数が多くなり，分類損失値が大きくなった。そこで，説明変数を t-SNE法で2次元に次元縮約し，2変数で機械分類を試みている。
|
| 今後の研究の推進方策 |
１．共同研究者とともに健常者を被験者とするtask－no-task間の脳波測定
２．独立成分分析ならびにシードに基づく解析におけるMEGのtask－no-task間の統計解析
３．MEGのソースベースでの同期やマルチスケールエントロピー解析。
４．249名の子どもたちによる数字想起の脳波を機械学習によって分類
を実施しtask－no-task間の領野間ネットワークの同定を目指す。
|
| 次年度使用額が生じた理由 |
計画していたオープンアクセスの国際ジャーナルへの論文投稿において論文が差し戻しとなり掲載料の支出が留保したため。
|
