JP2008225877A - ブレイン・コンピュータ・インタフェース - Google Patents
ブレイン・コンピュータ・インタフェース Download PDFInfo
- Publication number
- JP2008225877A JP2008225877A JP2007063721A JP2007063721A JP2008225877A JP 2008225877 A JP2008225877 A JP 2008225877A JP 2007063721 A JP2007063721 A JP 2007063721A JP 2007063721 A JP2007063721 A JP 2007063721A JP 2008225877 A JP2008225877 A JP 2008225877A
- Authority
- JP
- Japan
- Prior art keywords
- brain
- independent component
- analysis
- unit
- dipole
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- User Interface Of Digital Computer (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
【解決手段】単一試行の下、多チャネルで計測された脳波に独立成分分析を適用して独立成分に分解する独立成分分析実行部12と、各独立成分を各チャネル上に射影する独立成分射影実行部13と、射影された元々の多チャネル脳波データにダイポール解析を適用し、各独立成分に関連する脳内活動の時空間的特徴を推定するダイポール解析実行部14と、これらの推定結果を時間軸に関して分割し、推定された脳内部位及び試行回数の3次元データとする独立成分分析・ダイポール解析結果蓄積部15と、この3次元データに動的確率ネットワークあるいは3ウェイ・カテゴリカルデータ解析を適用し、各試行に対応する脳内活動の時空間パターンを学習する脳活動パターン学習部16と、を設ける。
【選択図】図1
Description
電極キャップとしては、例えばECI社製Electrocapを利用することができる。各電極から計測されるアナログ信号を生体信号用アンプ(例えば、日本GEマルケット社製Biotop 6R12-4)で増幅し、A/D変換して、デジタル信号データxを得る(図3参照)。ここでは、電極数を32とし、各試行において、線画刺激のオンセット(onset)前100msからオンセット後600msまでの脳波を計測するものとして、脳波測定におけるサンプリング周波数を1kHzとする。この時、デジタル信号データxは、各試行に対して、32×700次の行列となる。
次に、脳波計測部11から出力されるデジタル信号データxに対して、独立成分分析実行部12において、ICA(独立成分分析)を適用する。ICAは高次オーダ統計量に基づいて相互独立性を探索するアルゴリズムである。具体的には
u=Wx
として、uが独立成分となるように行列Wを求めることに帰着される。独立成分の数をkとすれば、Wはk×n次の行列となる。Wを求めるアルゴリズムとしては、JADE(robust joint approximate diagonalization of eigen matrices)(非特許文献3)、Fast ICA(非特許文献4)、SANG(self adaptive natural gradient algorithm with nonholonomic constraints)(非特許文献5)、NG−FICA(natural gradient-flexible ICA)(非特許文献6)など、さまざまなものが知られている。コンピュータソフトウェアであるMATLAB Toolbox上で実行可能な、アカデミックフリーなソフトウエア(例えば、ICALAB for Signal Processing, http://www.bsp.brain.riken.jp/ICALAB/ ICALABSignalProc/)を利用することができる。
x=W+u
と再構成できる。ただしW+は、一般にk≠n(kは最大でp)なので、Wの一般化逆行列(n×k次)であり、uはk×p次の行列である。
独立成分射影実行部13は、独立成分分析実行部12で求めた行列Wに対して、射影演算を実行し、多チャンネル脳波データxjを求める。独立成分uj(j=1,…,k)が寄与する、元々の電極位置における脳波の振幅値は、
xj=W+uj
で求めることができる。ただしujは、行列uのj番目の行以外はすべて0とする行列である。
ダイポール解析実行部14は、各独立成分(j)に対して独立成分射影実行部13において射影された多チャネル脳波データxjに対し、ダイポール解析を適用する。ダイポール解析には、例えば、NEC製ダイポール解析ソフトウエア「SynaCenter」を利用することができる。
独立成分分析・ダイポール解析結果蓄積部15は、ICAとダイポール解析の結果を蓄積し、それらに基づいて、脳内活動の時空間パターンを求める。
脳活動パターン学習部16は、独立成分分析・ダイポール解析結果蓄積部15において得られた各試行に対する脳内活動の時空間パターンを使って、2種類の試行(右手イメージと左手イメージ)に対応する動的確率ネットワーク(dynamic probabilistic network、以後、DPNと略す)を構築する。第1の実施形態においては、脳活動パターン学習部16内には、DPNを構築するための動的確率ネットワーク構築部21が設けられている。DPNとは、時間的な推移過程をモデル化するために、固定された確率変数集合上の確率分布を記述する確率ネットワーク(probabilistic network、以後、PNと略す)を拡張した表現である(非特許文献7)。
P(X[t+1]|X[0],…,X[t])=P(X[t+1]|X[t])
を仮定する。さらに、その過程が定常的、すなわち推移確率P(X[t+1]|X[t])がtに依存しないことを仮定する。
・B0:事前ネットワーク、初期状態X[0]上の1つの分布を特定する;
・B→:推移ネットワーク、すべてのtに対して推移確率P(X[t+1]|X[t])を特定するための変数X[0]∪X[1]上の分布。
PNを学習する問題は以下のように定式化される:
「Xのインスタンス(instances)から成る学習セットDが与えられた時、Dに最も適合する(best match)するネットワーク B=(G,Θ)を探す」
best matchの概念は、スコア関数を使って定義される。最もよく使われるスコア関数はBIC(Bayesian Information Criteria)とBDeである。これらのスコア関数は共にネットワークに従ったデータの尤度
L(B:D)=log Pr(D|B)
に、ネットワークの複雑さに関係するあるペナルティ(penalty)を組み合わせる。PNの構造を学習する時、複雑性ペナルティは本質的である。なぜなら、最尤ネットワークは、たいてい、完全結合ネットワークだからである。
Pr(G|D)∝Pr(D|G)Pr(G)
を満たす。ただし、1つのネットワーク構造が与えられたとき、データの尤度は、関連するネットワークパラメータ上で、条件付きにすることにより計算することが可能である:
Pr(D|G)=∫Pr(D|G,Θ)Pr(Θ|G)dΘ (2)
事前パラメータを特定しこの積分を評価することは、明らかに困難である可能性がある。(2)式の積分の完全な計算を避けるための1つのアプローチは、この項の漸近的な挙動を調べることである。大多数のデータ点が与えられた時、(事前確率が任意の事象に対して確率0を与えることはないと仮定して)事後確率は、事前確率の選択に敏感ではない。非特許文献8では、ウェル・ビヘーブド(well-behaved)な事前確率に対する以下の漸近推定量を導出している:
Nseq個の完全な観測列からなる学習セットが与えられたと仮定する。そのようなl番目の列の長さNlを有し、変数xl[0],…,xl[Nl]に対する値を特定する。そのような1つのデータセットは初期スライスのNseq個のインスタンスと、推移の
#G=#G0+#G→
によって与えられる。ただし、
BIC(G:D)=BIC0+BIC→ (6a)
で与えられる。ただし、
非特許文献8に詳しく述べられているので、ここでは省略する。
部分的な観測からの学習に伴う主な困難さは、(4)式のスコア分解の性質をもはや有しないうことにある。これは、そのネットワークの一部における最適なパラメータの選択がそのネットワークの他の部分におけるパラメータ選択に依存する、ということである。この問題を緩和するために最もよく使われる方法が、EM(Expectation-Maximization)法である。EMのEステップは、カウントの期待値を計算することによりそのデータを完全にするために、現在推定されたパラメータを使う。Mステップは、それから、そのカウントの期待値が真の観測されたカウントであるかのように、最尤パラメータ値を再推定する。
《1》 できる限りランダムに、(B0 0,B→ 0)を選択する;
《2》 以下、(B0 n+1,B→ n+1)=(B0 n,B→ n)を満たすまで、n=0,1,…を繰り返す。EM法を使って、(B0 n,B→ n)のパラメータを改変し、(B0 n,B→ n)の下で計算されるカウント数の期待値に基づいて、可能なDPN構造すべてを探索する。具体的には、非特許文献9の結果のアナロジーから、不完全データの場合、DPNのスコアの期待値の大小関係によって、DPNの真のスコアの大小関係が保証されるので、BICの計算にはこれら期待値を代用する。すなわち、Dが完全データの場合にはBICの計算に(6a)-(6c)式をそのまま利用するが、Dが不完全データの場合には、(5')式、(5")式、(6b)式、(6c)式内の
<問題> 与えられた同時パターンδi(j,k)とグループの情報とをもとに、グループが未知の同時パターンdh(j,k)を持つ個体Phをグループに分類する。
L≡l×m
なお、α,β,γがとり得る範囲については、それぞれ、α=1,…,L;β=1,…,M(=l+m);γ=1,…,gとする。さらに、同時パターンの各セルに対するダミー変数をbjk、同時パターンの行と列に対するダミー変数を、それぞれ、cj,dkとする。また、各グループに対するダミー変数をaγとすれば、これらにより、個体Piに関するグループによる値yiと、同時パターンによる値ziを次のように定義するものとする。
b≡[b11,b12,…,b1m,b21,…,b2m,…bl1,bl2,…,blm]
数量化の目的から、yi、ziの相関が最大となるように、ダミー・ベクトルbを決定すれば、(6.2.2)式によりziの数量化が行える。この場合の相関は正準相関であるので、数量化の際の基準として、
12 独立成分分析実行部
13 独立成分射影実行部
14 ダイポール解析実行部
15 独立成分分析・ダイポール解析結果蓄積部
16 脳活動パターン学習部
21 動的確率ネットワーク構築部
22 3ウェイ・カテゴリカルデータ解析部
Claims (4)
- 脳波を利用したブレイン・コンピュータ・インタフェースであって、
ユーザから計測された複数チャネルのデジタル脳波データに対して独立成分分析を適用する独立成分分析実行部と、
前記独立成分分析実行部から出力される各独立成分を各チャネル上に射影し、脳波計測時の電極位置における独立成分ごとの脳波の振幅値を算出する独立成分射影実行部と、
前記独立成分射影実行部によって射影された多チャネル脳波データにダイポール解析を適用するダイポール解析部と、
前記独立成分分析実行部、前記独立成分射影実行部及び前記ダイポール解析部で得られた結果に基づき、前記各独立成分に対する、試行、時間、及びダイポールが推定された脳内部位からなる3次元データを生成する独立成分分析・ダイポール解析結果蓄積部と、
前記3次元データを学習する脳活動パターン学習部と、
を有する、ブレイン・コンピュータ・インタフェース。 - 前記脳活動学習部は、動的確率ネットワークを利用して脳活動パターンを学習する動的確率ネットワーク構築部を備える、請求項1に記載のブレイン・コンピュータ・インタフェース。
- 前記脳活動学習部は、3ウェイ・カテゴリーデータ解析を利用して脳活動パターンを学習する3ウェイ・カテゴリーデータ解析部を備える、請求項1に記載のブレイン・コンピュータ・インタフェース。
- 複数個の電極を用いてユーザの脳波を複数チャネルで計測し、計測された脳波信号をアナログ/デジタル変換して前記デジタル脳波データとする脳波計測部をさらに備える、請求項1乃至3のいずれか1項に記載のブレイン・コンピュータ・インタフェース。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007063721A JP4876988B2 (ja) | 2007-03-13 | 2007-03-13 | ブレイン・コンピュータ・インタフェース装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007063721A JP4876988B2 (ja) | 2007-03-13 | 2007-03-13 | ブレイン・コンピュータ・インタフェース装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008225877A true JP2008225877A (ja) | 2008-09-25 |
JP4876988B2 JP4876988B2 (ja) | 2012-02-15 |
Family
ID=39844420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007063721A Expired - Fee Related JP4876988B2 (ja) | 2007-03-13 | 2007-03-13 | ブレイン・コンピュータ・インタフェース装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4876988B2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010257343A (ja) * | 2009-04-27 | 2010-11-11 | Niigata Univ | 意思伝達支援装置 |
JP2012146116A (ja) * | 2011-01-12 | 2012-08-02 | Kyushu Institute Of Technology | スピーチ内容を識別する装置及び方法 |
CN104166548A (zh) * | 2014-08-08 | 2014-11-26 | 同济大学 | 基于运动想象脑电数据的深度学习方法 |
KR101524585B1 (ko) * | 2013-08-08 | 2015-06-04 | 중앙대학교 산학협력단 | 뇌파 분류 장치 및 방법 |
JP2016067922A (ja) * | 2014-09-25 | 2016-05-09 | エスエヌユー アールアンドディービー ファウンデーション | ブレイン−マシンインタフェース装置および方法 |
CN106108893A (zh) * | 2016-06-20 | 2016-11-16 | 杭州电子科技大学 | 基于眼电、脑电的运动想象训练人机交互系统设计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03241414A (ja) * | 1990-02-20 | 1991-10-28 | Nippon Telegr & Teleph Corp <Ntt> | 頭皮準備電位パターンによる操作装置 |
JPH0833616A (ja) * | 1994-07-22 | 1996-02-06 | Nec Corp | 生体内部状態伝達装置およびその方法 |
JPH1133008A (ja) * | 1997-07-23 | 1999-02-09 | Nec Corp | 生体内ダイポール推定精度評価装置 |
JP2001120511A (ja) * | 1999-10-26 | 2001-05-08 | Shimadzu Corp | 生体信号計測装置 |
JP2006280421A (ja) * | 2005-03-31 | 2006-10-19 | Shimadzu Corp | 脳機能情報モニタリング装置 |
-
2007
- 2007-03-13 JP JP2007063721A patent/JP4876988B2/ja not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03241414A (ja) * | 1990-02-20 | 1991-10-28 | Nippon Telegr & Teleph Corp <Ntt> | 頭皮準備電位パターンによる操作装置 |
JPH0833616A (ja) * | 1994-07-22 | 1996-02-06 | Nec Corp | 生体内部状態伝達装置およびその方法 |
JPH1133008A (ja) * | 1997-07-23 | 1999-02-09 | Nec Corp | 生体内ダイポール推定精度評価装置 |
JP2001120511A (ja) * | 1999-10-26 | 2001-05-08 | Shimadzu Corp | 生体信号計測装置 |
JP2006280421A (ja) * | 2005-03-31 | 2006-10-19 | Shimadzu Corp | 脳機能情報モニタリング装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010257343A (ja) * | 2009-04-27 | 2010-11-11 | Niigata Univ | 意思伝達支援装置 |
JP2012146116A (ja) * | 2011-01-12 | 2012-08-02 | Kyushu Institute Of Technology | スピーチ内容を識別する装置及び方法 |
KR101524585B1 (ko) * | 2013-08-08 | 2015-06-04 | 중앙대학교 산학협력단 | 뇌파 분류 장치 및 방법 |
CN104166548A (zh) * | 2014-08-08 | 2014-11-26 | 同济大学 | 基于运动想象脑电数据的深度学习方法 |
CN104166548B (zh) * | 2014-08-08 | 2017-06-13 | 同济大学 | 基于运动想象脑电数据的深度学习方法 |
JP2016067922A (ja) * | 2014-09-25 | 2016-05-09 | エスエヌユー アールアンドディービー ファウンデーション | ブレイン−マシンインタフェース装置および方法 |
CN106108893A (zh) * | 2016-06-20 | 2016-11-16 | 杭州电子科技大学 | 基于眼电、脑电的运动想象训练人机交互系统设计方法 |
Also Published As
Publication number | Publication date |
---|---|
JP4876988B2 (ja) | 2012-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hsu et al. | Real-time adaptive EEG source separation using online recursive independent component analysis | |
CN107126193B (zh) | 基于滞后阶数自适应选择的多变量因果关系分析方法 | |
WO2019216504A1 (ko) | 인간 감정 인식을 위한 딥 생리적 정서 네트워크를 이용한 인간 감정 추정 방법 및 그 시스템 | |
Esposito et al. | Real-time independent component analysis of fMRI time-series | |
Bagchi et al. | EEG-ConvTransformer for single-trial EEG-based visual stimulus classification | |
Li et al. | Sparse representation for brain signal processing: a tutorial on methods and applications | |
Torres-Valencia et al. | Comparative analysis of physiological signals and electroencephalogram (EEG) for multimodal emotion recognition using generative models | |
US10499823B2 (en) | Selection of electroencephalography (EEG) channels valid for determining cognitive load of a subject | |
US20160113587A1 (en) | Artifact removal techniques with signal reconstruction | |
Miao et al. | A spatial-frequency-temporal optimized feature sparse representation-based classification method for motor imagery EEG pattern recognition | |
JP4876988B2 (ja) | ブレイン・コンピュータ・インタフェース装置 | |
KR20190128978A (ko) | 인간 감정 인식을 위한 딥 생리적 정서 네트워크를 이용한 인간 감정 추정 방법 및 그 시스템 | |
Lee et al. | Independent component analysis involving autocorrelated sources with an application to functional magnetic resonance imaging | |
KR101293446B1 (ko) | 움직임을 상상하는 뇌파 분류 방법 및 그 장치 | |
Lin et al. | EEG-based brain-computer interfaces: a novel neurotechnology and computational intelligence method | |
CN106991409B (zh) | 一种运动想象脑电信号特征提取与分类系统及方法 | |
Buriro et al. | Predicting microsleep states using EEG inter-channel relationships | |
Ferdowsi et al. | Removing ballistocardiogram artifact from EEG using short-and long-term linear predictor | |
Pfister et al. | Robustifying independent component analysis by adjusting for group-wise stationary noise | |
Delis et al. | Space-by-time decomposition for single-trial decoding of M/EEG activity | |
Ojeda et al. | Bridging M/EEG source imaging and independent component analysis frameworks using biologically inspired sparsity priors | |
Christoforou et al. | Second-order bilinear discriminant analysis | |
Nagarajan et al. | Relevance-based channel selection in motor imagery brain–computer interface | |
Michalopoulos et al. | Classification of EEG single trial microstates using local global graphs and discrete hidden Markov models | |
KR102142183B1 (ko) | 사용자의 심리활동과 생체신호에 기반한 감정 추정 방법 및 그 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100302 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110908 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110914 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110929 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20111101 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20111114 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20141209 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |