JP2012183292A - 準備電位基盤の脳とコンピューター間のインターフェース装置および方法 - Google Patents

Abstract

【課題】脳とコンピューター間のインターフェース装置の提供。
【解決手段】脳波検出装置を通じて測定された準備電位信号を前処理する前処理部２１０と、前記前処理された準備電位信号から雑音を除去する雑音除去部２２０と、前記雑音の除去された準備電位信号の強度、位相、発生場所、発生時点のうちのいずれか１種以上を計算してユーザーの意図と関連する特徴を抽出する信号処理部２３０と、前記抽出されたデータがどのような動作のためのものであるかを分類するデータ分類部２４０と、を備えることを特徴とする脳とコンピューター間のインターフェース装置２００。
【選択図】図７

Description

本発明は、準備電位基盤の脳とコンピューター間のインターフェース装置および方法に関する。

ブレイン・コンピュータ・インタフェース（ＢＣＩ：ＢｒａｉｎＣｏｍｐｕｔｅｒ Ｉｎｔｅｒｆａｃｅ）とは、脳とコンピューターとの直結を試みるインターフェースであり、脳を構成するニューロン連合体によって形成された人の意地または考えをコンピューターが認識可能なデジタル信号に切り換える新規なヒューマン・コンピューター・インターフェースの一つである。身体を通じて行われる物理的世界とのコミュニケーションと同じくらいに、ネットワーク上において行われるデジタル世界とのコミュニケーションが次第に重要視されている中で、一層平等に、一層便利に、しかも一層自由にコンピューターを使用しようとする消費者の欲求が高まりつつある。

脳とコンピューター間のインターフェース技術は、考えるだけでマウスのカーソルを動かしたり、ロボットを制御したりする技術であり、便利であるだけではなく、寝たきりの全身麻痺患者も使えることから、極めて有用であり、しかも、何処でも使えるような技術である。

脳神経の信号伝達過程が電気的・化学的特性を有するという知見に着目して、脳の活動を測定する数多くの技術が開発されてきている。脳の活動を測定する技術には、脳波（Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ；ＥＥＧ）を用いる手法、脳磁場検出によるＭＥＧ（ＭａｇｎｅｔｏＥｎｃｅｐｈａｌｏｇｒａｐｈｙ）、脳の磁場における水素原子密度の分析を通じた磁気共鳴映像法（ＭａｇｎｅｔｉｃＲｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ；ＭＲＩ）、血管中に放射線を放出する化学物質を注入して脳の機能的側面を研究する陽電子放出断層撮影技法（ＰｏｓｉｔｒｏｎＥｍｉｓｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙ；ＰＥＴ）、および頭脳が活動するときにおける血流の酸素レベルの測定を通じて脳が機能的に活性化された度合いを測定する機能磁気共鳴映像法（ｆｕｎｃｔｉｏｎａｌＭａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ；ｆＭＲＩ）などがある（例えば、下記の非特許文献１参照）

キム・デシキらによれば、ＭＲＩやＰＥＴの場合、脳の活動状態を空間的に検出することはできるとはいえ、ＥＥＧおよびＭＥＧに比べて時間的な解像度が低く、ＥＥＧの場合にはＭＥＧに比べて低価であり、解析結果には大差がなく、脳の活動過程の変化を時間的／空間的に把握することができるというメリットがある。

このため、脳波を分析して装置を制御する脳とコンピューター間のインターフェースに関する研究が絶え間なく行われている。脳波を用いた脳とコンピューター間のインターフェースに関する先行研究によれば、豪州のシドニー工科大学では、目を閉じた安定状態で脳波のα波が増加し、目を開けるとα波が減少するような反応を通じてスイッチをオン／オフにするという「Ｍｉｎｄｓｗｉｔｃｈ」に関する研究と、オーストリアのグラーツ工科大学の身体障害者のためのカーソル制御、文字／単語の選択に関する研究（例えば、下記の非特許文献２参照）とを通じて、脳波を用いた装置制御の可能性を確認した。

脳波を活用する場合、言語の能力がない身体障害者と、寝たきりの全身麻痺患者や身体障害者が、考えるだけで自分の意図の通りに容易にコンピューターなどの装置を制御することができる（例えば、下記の非特許文献３参照）。さらに、様々なエンターテインメント環境下で脳波を活用するための研究も絶えず行われており、米国のカリフォルニア州立大学の場合、脳波を用いて３Ｄゲームを操作するための研究が行われている（下記の非特許文献４参照）。

一方、前記脳波を用いるための脳とコンピューター間のインターフェース技術は、大きく、侵襲的方法と非侵襲的方法とに大別できる。

侵襲的方法とは、手術などを通じて頭蓋骨中の脳において直接的に信号を測定して用いる方法のことをいい、非侵襲的方法とは、頭皮の表面から信号を取得して用いる方法のことを言う。

侵襲的方法は、雑音が少なく、より狭い領域の信号を正確に取得することができるというメリットはあるものの、手術を必要とするという短所がある。これに対し、非侵襲的方法は、手術が不要であり、一般人にとっても使用可能であるものの、信号の歪みが激しいという短所がある。

一般に、大勢の人々の便宜に供するために、非侵襲的方法により一層高速で且つ正確な脳とコンピューター間のインターフェースを実現するための多くの研究がなされている。

ところが、脳は多数の仕事を同時に処理するため、ユーザーの意図をよく反映する特徴を抽出することが重要であり、非侵襲的方法の場合、信号の歪みが激しいため、かような歪みを極力抑えるとともに、雑音を除去して関連信号を抽出することが重要である。

かような技術を特徴抽出と呼び、測定された多量の脳信号データの中で、重要で且つ必要な情報のみを抽出する過程であり、脳とコンピューター間のインターフェース技術の核心であるといえる。

既存の脳とコンピューター間のインターフェース研究の場合、大きく、４種類の方法（遅い皮質電圧、感覚運動波、Ｐ３００、定常状態視覚的誘発電位）に分けられる。遅い皮質電圧（ｓｌｏｗｃｏｒｔｉｃａｌ ｐｏｔｅｎｔｉａｌ）は、皮質Ｉ、ＩＩ層に入ってくる上り入力の同期の度合いおよび強度に応じて変化する信号であって反応が極めて遅く、感覚運動波（ｓｅｎｓｏｒｉｍｏｔｏｒｒｈｙｔｈｍｓ）は、感覚運動皮質領域におけるμ波やβ波の増減を用いる方法であって、これもまた動き後の信号を用いるものであるため、インターフェースの反応が遅いという欠点がある。Ｐ３００過程および定常状態視覚的誘発電位（ｓｔｅａｄｙ−ｓｔａｔｅｖｉｓｕａｌｌｙ ｅｖｏｋｅｄ ｐｏｔｅｎｔｉａｌ）の場合にも、ある刺激を与え、これに伴い現れる信号を用いてインターフェースを行う方法であって、タイムラグが発生して使用上の不便さがあった。

キム・デシキ、チェ・ザンウク、２００１；イ・ジョンモ他、２００３；Ｓｔａｆｆｏｒｄ、Ｗｅｂｂ、２００４ ウム・テワン、キム・ウンス、２００４、再引用 Ｗｏｌｐａｗ、Ｂｉｒｂａｕｍｅｒ、ＭｃＦａｒｌａｎｄ、Ｐｆｕｒｔｓｃｈｅｌｌｅｒ、＆Ｖａｕｇｈａｎ、２００２ Ｐｉｎｅｄａ、Ｓｉｌｖｅｒｍａｎ、Ｖａｎｋｏｖ、＆Ｈｅｓｔｅｎｅｓ、２００３

したがって、本発明は、上述した問題点、すなわち、既存の脳とコンピューター間のインターフェースの反応が遅いという問題点を解消することを目的とする。具体的に、本発明は、人によるが、自発的な動きの際に動き前のステップにおいて準備電位が発生するということを用いて上述した問題点を解消することを目的とする。より具体的に、本発明は、人によるが、自発的は動きの際に、動き前の−２０００ｍｓ〜−１５００ｍｓのタイミングにおいて速い準備電位が発生し、−５００ｍｓ〜０ｍｓのタイミングにおいて遅い準備電位が発生するということを用いる。

上述した目的を達成するために、本発明は、準備電位を用いて動き前にユーザーの意図を認識する脳とコンピューター間のインターフェース技術を提供する。具体的に、本発明は、準備電位を用いて動き前のステップにおいてユーザーの意図を分析し、サービスを提供してユーザーが不便さを感じることなくリアルタイムにてコンピューターや機械を制御できるようにする技術を提案する。

上述した目的を達成するために、本発明は、脳とコンピューター間のインターフェース装置を提供する。前記脳とコンピューター間のインターフェース装置は、脳波検出装置を通じて測定された準備電位信号を前処理する前処理部と、前記前処理された準備電位信号から雑音を除去する雑音除去部と、前記雑音の除去された準備電位信号の強度、位相、発生場所、発生時点のうちの１種以上を計算してユーザーの意図と関連する特徴を抽出する信号処理部と、前記抽出されたデータがどのような動作のためのものであるかを分類するデータ分類部と、を備える。

前記前処理部は、低域通過フィルタ（ｌｏｗ−ｐａｓｓｆｉｌｔｅｒ）、高域通過フィルタ（ｈｉｇｈ−ｐａｓｓ ｆｉｌｔｅｒ）、帯域通過フィルタ（ｂａｎｄ−ｐａｓｓ ｆｉｌｔｅｒ）のうちのいずれか一種を含んでいてもよい。

前記雑音除去部は、前記準備電位に混入されている雑波を除去する独立成分分析法（ＩＣＡ）と、電位信号に混入されている雑波を除去し、前記準備電位信号のみを抽出する主成分分析法（ＰＣＡ）と、のうちのいずれか１種以上を行っても良い。

前記信号処理部は、雑音の除去された準備電位信号の強度、位相、発生場所、発生時点のうちのいずれか１種以上を計算してユーザーの意図と関連する特徴抽出を行ってもよい。

前記データ分類部は、人工神経網（ｎｅｕｒａｌｎｅｔｗｏｒｋｓ）、サポートベクターマシン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ：ＳＶＭ）、ベイジアンネットワーク（ｂａｙｅｓｉａｎｎｅｔｗｏｒｋｓ）、線形判別分析法（ＬＤＡ）などの分類アルゴリズムを行ってもよい。

前記脳とコンピューター間のインターフェース装置は、前記分類された情報を入力されて、前記分類された情報に基づいてユーザーが意図する動作を区分してもよい。

一方、上述した目的を達成するために、本発明は、脳とコンピューター間のインターフェース装置を提供する。前記脳とコンピューター間のインターフェース装置は、脳波検出装置を通じて測定された準備電位信号を前処理するステップと、前記前処理された準備電位信号から雑音を除去するステップと、前記雑音の除去された準備電位信号の強度、位相、発生場所、発生時点のうちのいずれか１種以上を計算してユーザーの意図と関連する特徴を抽出するステップと、前記抽出されたデータがどのような動作のためのものであるかを分類するステップと、前記分類された情報に基づいてユーザーが意図する動作を区分してコンピューターの動作を制御するステップと、を含む。

前記雑音除去ステップにおいては、前記準備電位に混入されている雑波を除去する独立成分分析法（ＩＣＡ）が行われても良い。

前記雑音除去ステップにおいては、前記準備電位信号に混入されている雑波を除去し、前記準備電位信号のみを抽出する主成分分析法（ＰＣＡ）が行われてもよい。

本発明は、上述した問題点、すなわち、既存の脳とコンピューター間のインターフェースの反応が遅いという問題点を解決する。なお、本発明は、準備電位を用いて動き前のステップにおいてユーザーの意図を分析し、サービスを提供してユーザーが不便さを感じることなくリアルタイムにてコンピューターや機械を制御できるようにする。

ニューロンの構造を示す図である。 周波数帯域による脳波の形態を示す例示図である。 脳の構造および機能を示す例示図である。 脳波の測定のための頭の電極配置を示す例示図である。 ユーザーの他の意図による準備電位の違いを示す例示図である。 本発明に係るシステムの構成を示す図である。 本発明に係るインタフェース装置の構成を示すブロック図である。

以下、添付図面に基づき、本発明に係る好適な実施形態を詳述するが、図面符号とは無関係に、同一のまたは類似する構成要素には同じ参照番号を付し、これについての重複する説明は省く。以下の説明において使われる、構成要素の末尾につく語「部」は、明細書の作成の容易さのみが考慮されて付与または混用されるものであり、それ自体が区別される意味または役割を持つことはない。なお、本発明を説明するに当たって、関連する公知技術に関する具体的な説明が本発明の要旨を曖昧にする虞があると認められる場合にはその詳細な説明を省く。また、添付図面は、本発明の思想を容易に理解するための提供されるものに過ぎず、添付図面によって本発明の思想が制限されると解釈されてはならないことに留意されたい。

以下、添付図面に基づき、本発明を詳述する。

図１は、ニューロンの構造を示す図である。

人の身体と心の活動を可能にする神経系は神経細胞からなっており、神経系の基本単位は神経細胞である。最も小さな神経細胞であるニューロン（ｎｕｒｏｎ）は、図１に示すように、細胞体と樹状突起、軸索などからなっており、情報を受け入れて他の細胞に伝える役割を果たす。ニューロンは、細胞膜の浸透圧および電位の変化を通じて伝達される電気的な信号によって神経細胞間の信号のやり取りを行う。

ニューロンとしては、感覚ニューロン、連合ニューロンおよび運動ニューロンがある。感覚ニューロンは、感覚器に受け入れられた刺激を伝達する役割を果たし、中枢神経系の判断と命令を筋肉や反応器に伝える機能は運動ニューロンが司る。運動ニューロンと感覚ニューロンとを連結することは連合ニューロンが司る。人の脳は約１００億個のニューロンからなっており、ニューロン間の連結であるシナプスにおける情報の伝達中に電位差による脳波が発生する。

脳波を最初に測定して記録したベルジェ（Ｂｅｒｇｅｒ）は、今日の脳波記録法と呼ばれるＥＥＧ測定法を開発した。ＥＥＧを通じて測定された脳波を記述するための様々な方法の中で、ベルジェが最初に使用して提案した周波数帯域に対する分類体系が多用される。

図２は、周波数帯域による脳波の形態を示す例示図である。

脳波は、信号の様式に応じて、周期、周波数及び振幅で表される。脳波は、「１〜６０Ｈｚ周波数と約５〜３００μVの振幅を有する。脳波の読み取りには、周期ではなく、周波数が広く使われており、周波数帯域に応じて異なる特徴を示し、表１に示すように、γ波、β波、α波、θ波、及びδ波に分けられる。

図３は、脳の構造と機能を示す例示図である。

人の脳は、大脳、小脳、脳幹から構成されており、ＥＥＧを非侵襲的な方法により取得するためには頭皮に電極を取り付ける。このため、脳波は頭皮に最も近い大脳皮質の影響を多く受ける。

大脳皮質は、脳の領域の中で最も大きな部分を占め、人における最も発達した部分である。

大脳皮質は、運動、感覚、連合の機能を司る。運動機能は、あらゆる筋肉運動に預かり、感覚機能は、聴覚、視覚、嗅覚、味覚、痛覚などの人のあらゆる感覚機能に預かる。連合機能は、人の高度の精神機能であり、理性的思考、言語、高次元の思考能力などの機能を司る。

図４は、脳波測定のための頭の電極配置を示す例示図である。

一般に、脳波とは、頭皮の電極において捕捉された頭皮脳波（ｓｃａｌｐＥＥＧ）のことをいう。しかし、頭脳脳波の他にも、使用する電極や設置方法に応じて、脳皮質脳波（ＥＣｏＧ：Ｅｌｅｃｔｒｏｃｏｒｔｉｃｏｇｒａｍ）、蝶形電極脳波（Ｓｐｈｅｎｏｉｄａｌ Ｅｌｅｃｔｒｏｄｅ：ＥＥＧ）、卵円孔電極脳波（ｆｏｒａｍｅｎｏｖａｌｅｅｌｅｃｔｒｏｄｅ ＥＥＧ）、深部電極脳波（ｄｅｐｔｈ ｅｌｅｃｔｒｏｄｅＥＥＧ）など種々の記録方法がある。もちろん、このような電極の種類に応じて、主として観察しようとする部位や脳波記録の目的が様々である。臨床的な診療目的に応じて電極を選択して使用しなければならないことはもとより、基礎医学研究を目的に脳波を記録する際にも、目的に応じて取付個所と電極の種類を上手く選択する必要がある。一般に、頭皮脳波の記録に用いられる頭皮電極の取り付けは、図４に示す国際１０−２０システムに準拠する。

前記国際１０−２０システムは、最も汎用される脳波電極の取り付け方法であり、各電極別に相当する脳部位が図４の通りである。英文字はそれぞれ、Ｆｒｏｎｔａｌ、Ｃｅｎｔｒａｌ、Ｐａｒｉｅｔａｌ、Ｔｅｍｐｏｒａｌ、Ｏｃｃｉｐｉｔａｌを意味し、ＦｐはＦｒｏｎｔｏｐｏｌａｒを意味する。図４は、頭を上方から見た図であり、各電極間の割合が、頭頂部Ｃｚから前方にはｎａｓｉｏｎ、後方にはｉｎｉｏｎ、横方には両耳輪の上部までをそれぞれ５０としたとき、２０、２０、１０の割合で各電極を捕捉したものである。このような説明を側面図で示すと、右図のように見える。このような電極の取り付け方法は、長年に亘って広く用いられて現在に至っている。

図５は、準備電位が発生することを示している。

図５から明らかなように、人によるが、自発的な動きの際に、動き前の−２０００ｍｓ〜−１５００ｍｓのタイミングにおいて速い準備電位が発生し、−５００ｍｓ〜０ｍｓのタイミングにおいて遅い準備電位が発生する。

図５に示すように、赤線は、手を動こうとするときに発生する準備電位を示し、青線は、肘を動こうとするときに発生する準備電位を示す。

図６は、本発明に係るシステムの構成を示し、図７は、本発明に係るインタフェース装置の構成を示すブロック図である。

図６から明らかなように、本発明に係るシステムは、脳波検出装置１００と、インタフェース装置２００と、コンピューター３００と、を備える。

前記脳波検出装置１００は、非侵襲的方法である脳電図（ＥＥＧ）、脳磁図（ＭＥＧ）、近赤外線脳計測装備（ＮＩＲＳ）と、侵襲的方法である微細電極（ｍｉｃｒｏｅｌｅｃｔｒｏｄｅｓ）、硬膜下神経電極（ＥＣｏＧ）のうちのいずれか１種以上を用いて準備電位を検出することができる。

前記インタフェース装置２００は、前記人をはじめとする動物の頭に取り付けられる脳波検出装置１００によって検出される準備電位を通じて、前記動物の頭と前記コンピューター３００間をインタフェースする。

以下、このような前記インタフェース装置２００の構成について、図７に基づいて説明する。

前記インタフェース装置２００は、まず、前記脳波検出装置１００を通じて測定された準備電位信号を前処理する前処理部２１０と、雑音を除去する雑音除去部２２０と、信号処理部２３０と、データ分類部２４０と、を備える。

前記前処理部２１０は、個人に応じて周波数特性が異なるため、特徴抽出と雑音除去のための前処理過程を行う。前記前処理部２１０は、ユーザー毎に異なる帯域の低域通過フィルタ、高域通過フィルタ、帯域通過フィルタのうちのいずれか１種以上を含んでいてもよい。

また、前記前処理部２１０は、電力線による雑音除去のためのノッチフィルタ（ｎｏｔｃｈｆｉｌｔｅｒ）、ユーザー間／ユーザー内の違いを極力抑えるための基準電圧変更部（ＲｅｒｅｆｅｒｅｎｃｉｎｇＵｎｉｔ）、正規化部（ｎｏｒｍａｌｉｚａｔｉｏｎ Ｕｎｉｔ）、基準線修正部（ｂａｓｅ−ｌｉｎｅ ｃｏｒｒｅｃｔｉｏｎＵｎｉｔ）を備えていてもよい。

一方、雑音除去部２２０は、独立成分分析法（ＩＣＡ）、主成分分析法（ＰＣＡ）を行うことができる。このような雑音除去部２２０を通じて、筋電図（ＥＭＧ）、眼電図（ＥＯＧ）などの雑音が除去可能となる。

前記独立成分分析法（ＩＣＡ）は、脳波に混入する雑波を除去するためのものであるが、前記雑波は、首、顔、瞳の動きで発生し得る。このため、脳波の測定の際に、被験者の注意が必要である。被験者が十分に注意を払ったにも拘わらず、機能的に分離されている脳の領域に隣り合う領域の脳波が混入することがある。これは、独立成分分析法（ＩｎｄｅｐｅｎｄｅｎｔＣｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ：ＩＣＡ）を用いて、混入された信号から不要な雑波を分離することができる。

具体的に、独立成分分析とは、多数の信号が混ざっているものから元の信号を抽出する方法である。独立成分分析法（ＩＣＡ）は、線形的な信号の根源地や発生経路に関する情報がなくても、単に測定を通じて得た結果の分析を通じて根源的な信号を知るブラインド信号分離（ＢｌｉｎｄＳｏｕｒｃｅ Ｓｅｐａｒａｔｉｏｎ：ＢＳＳ）の方法の一つである。例えば、二人がマイクで同時に話したことを録音したとしたとき、録音された資料だけで二人の声をそれぞれ分離することができる。独立成分分析法（ＩＣＡ）は、多数の信号間の相関性および依存性を最小化させ、エントロピーを極大化させて確率的に最も独立的な信号を分析することができる。

脳波もまた、多数の電極において測定した線形的な信号の結合であって、神経活動の根源が正確に分からない信号であるため、独立成分分析法（ＩＣＡ）を用いて元の信号に最も近い信号を抽出することができる。脳波の研究に際して、独立成分分析法（ＩＣＡ）は、多数の電極において測定された脳波をいくつかの独立した信号に分離するために用いられる。

一方、前記信号処理部２３０は、準備電位の強度、位相、発生場所、発生時点などを計算してユーザーの意図と関連する特徴を抽出する。前記信号処理部２３０は、周波数成分検出のためのフーリエ変換や、準備電位の発生場所を検出するための信号源局地化方法を行うことができ、信号の強度差、信号の強度変化量、信号のパワーなどを計算する過程を行うことができる。

このようにして特徴が抽出されたデータは、前記データ分類部２４０に入力される。前記データ分類部２４０は、人工神経網、サポートベクターマシン（ＳＶＭ）、ベイジアンネットワーク、線形判別分析法（ＬＤＡ）などの分類アルゴリズムを行うことができる。

このように、前記データ分類部２４０によって前記抽出されたデータがどのような動作のためのものであるかが分類されれば、前記分類された情報は前記コンピューター３００に入力され、前記コンピューター３００は、前記分類された情報に基づいて、ユーザーが意図する動作を行う。例えば、前記分類されたデータが人差し指の動きであれば、前記コンピューター３００は、マウスのポインターを左側に動かすことができる。なお、前記分類されたデータが中指の動きであれば、前記コンピューター３００はマウスのポインターを右側に動かすことができる。

以上、本発明の好適な実施形態を例示的に説明したが、本発明の範囲はこのような特定の実施形態にのみ限定されるものではないため、本発明は、本発明の思想および特許請求の範囲に記載の範疇内において様々な形態に修正、変更、または改善可能である。

１００ 脳波測定装置、２００ インタフェース装置、３００ コンピューター。

Claims (8)

1. 脳波検出装置を通じて測定された準備電位信号を前処理する前処理部と、
   前記前処理された準備電位信号から雑音を除去する雑音除去部と、
   前記雑音の除去された準備電位信号の強度、位相、発生場所、発生時点のうちのいずれか１種以上を計算してユーザーの意図と関連する特徴を抽出する信号処理部と、
   前記抽出されたデータがどのような動作のためのものであるかを分類するデータ分類部と、
   を備えることを特徴とする脳とコンピューター間のインターフェース装置。
2. 前記前処理部は、
   低域通過フィルタ（ｌｏｗ−ｐａｓｓ ｆｉｌｔｅｒ）、高域通過フィルタ（ｈｉｇｈ−ｐａｓｓ ｆｉｌｔｅｒ）、帯域通過フィルタ（ｂａｎｄ−ｐａｓｓ ｆｉｌｔｅｒ）のうちのいずれか１種を備えることを特徴とする請求項１に記載の脳とコンピューター間のインターフェース装置。
3. 前記雑音除去部は、
   前記準備電位に混入されている雑波を除去する独立成分分析法（ＩＣＡ）を行うことを特徴とする請求項１に記載の脳とコンピューター間のインターフェース装置。
4. 前記雑音除去部は、
   前記準備電位信号に混入されている雑波を除去し、前記準備電位信号のみを抽出する主成分分析法（ＰＣＡ）を行うことを特徴とする請求項１に記載の脳とコンピューター間のインターフェース装置。
5. 前記分類された情報を入力されて、前記分類された情報に基づいてユーザーが意図する動作を区分するコンピューター装置
   をさらに備えることを特徴とする請求項１に記載の脳とコンピューター間のインターフェース装置。
6. 脳波検出装置を通じて測定された準備電位信号を前処理するステップと、
   前記前処理された準備電位信号から雑音を除去するステップと、
   前記雑音の除去された準備電位信号の強度、位相、発生場所、発生時点のうちのいずれか１種以上を計算してユーザーの意図と関連する特徴を抽出するステップと、
   前記抽出されたデータがどのような動作のためのものであるかを分類するステップと、
   前記分類された情報に基づいてユーザーが意図する動作を区分してコンピューターの動作を制御するステップと、
   を含むことを特徴とする脳とコンピューター間のインターフェース装置。
7. 前記雑音除去ステップにおいては、
   前記準備電位に混入されている雑波を除去する独立成分分析法（ＩＣＡ）が行われることを特徴とする請求項６に記載の脳とコンピューター間のインターフェース装置。
8. 前記雑音除去ステップにおいては、
   前記準備電位信号に混入されている雑波を除去し、前記準備電位信号のみを抽出する主成分分析法（ＰＣＡ）が行われることを特徴とする請求項６に記載の脳とコンピューター間のインターフェース装置。