Comments
Description
Transcript
近似的刺激提示手法を用いた 定常状態視覚誘発電位に基づく非同期型
^#J'E=M<DH 46F9YZ\Ia$.b*?-d_ ! ! 78 " W B A i 目次 第1章 序論 1 1.1 研究背景 - - . . . . . . . . 1 1.2 BCI 研究 現状 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 (BCI) 1.2.1 BCI 起源 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2.2 BCI 分類 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2.3 BCI 応用例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 課題 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.3.1 情報伝達率 向上 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.3.2 実環境応用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.4 研究目的 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.5 論文構成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 脳 13 1.3 第2章 BCI 研究 電気生理学的基礎 視覚系 2.1 緒言 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2.2 電気生理学的基礎 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2.2.1 脳 構造 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2.2.2 神経細胞 情報伝達 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 視覚系 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 2.3.1 末梢視覚系 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 2.3.2 中枢視覚系 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 発生機序 計測方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.4.1 容積伝導 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.4.2 脳波計測 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.4.3 脳波律動成分 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.3 2.4 第3章 3.1 脳波 VEP 型 BCI 関 既存研究 緒言 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 23 目次 3.2 VEP 型 BCI 概要 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.3 VEP 型 BCI 設計 . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 3.4 第4章 3.3.1 視覚刺激 種類 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 3.3.2 視覚刺激変調方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 VEP 型 BCI 信号処理 . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.4.1 空間 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.4.2 信号特徴解析手法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 3.4.3 注視刺激特定手法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 随意性瞬目検出手法 37 4.1 緒言 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 4.2 方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 4.3 4.4 眼電図 第5章 用 4.2.1 眼電図 計測方法 . . . . . . . . . . . . . . . . . . . . . . . 39 4.2.2 眼電図計測実験 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 4.2.3 眼電図解析手法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 4.2.4 SVM 発生機序 4.2.5 個人差 随意性瞬眼検出手法 . . . . . . . . . . . . . . . . . . . 43 随意性瞬眼検出手法 . . . . . . . . . . . . . . . . . . 45 結果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 4.3.1 SVM 4.3.2 個人差 用 考慮 用 手法 考慮 分類精度 . . . . . . . . . . . . . . . . . . . . . . 47 考察 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 4.4.1 随意性瞬目検出精度 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 4.4.2 応用 . . . . . . . . . . . . . . . . . . 50 電動車椅子制御 . . . . . . . . . . . . . . . . . . . . 51 結言 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 近似周波数 55 提案手法 用 手法 46 分類精度 . . . . . . . . . . . . . . . . . . . . 4.4.3 4.5 相関特徴 用 定常状態視覚刺激提示手法 5.1 緒言 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 5.2 方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 5.3 5.2.1 近似周波数 刺激提示手法 . . . . . . . . . . . . . . . . . . . . 57 5.2.2 脳波計測実験 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 5.2.3 脳波解析手法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 5.2.4 疑似 BCI 実験 . . . . . . . . . . . . . . . . . . . . . . . . . 60 結果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 5.3.1 用 SSVEP 波形 振幅 . . . . . . . . . . . . . . . . . . . . . . ii 61 目次 5.4 5.5 第6章 5.3.2 振幅値 5.3.3 位相 5.3.4 振幅値 SNR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 潜時 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 頭皮上分布 . . . . . . . . . . . . . . . . . . . . . 64 5.3.5 周波数分類精度 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 5.3.6 疑似 BCI 性能 . . . . . . . . . . . . . . . . . . . . . . . . . 68 考察 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 SNR 5.4.1 誘発 波形特徴 . . . . . . . . . . . . . . . . . . . . . . 69 5.4.2 注視刺激特定精度 情報伝達率 . . . . . . . . . . . . . . . . . . . . . . 70 5.4.3 干渉周波数成分 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 5.4.4 刺激周波数 . . . . . . . . . . . . . . . . . . . . 72 5.4.5 位相情報 刺激変調 . . . . . . . . . . . . . . . . . . . . . . . . . . 73 5.4.6 周波数近似手法 応用例 . . . . . . . . . . . . . . . . . . . . . . . . . . 74 結言 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 周波数-位相近似手法 用 77 SSVEP 含 高速 SSVEP 型 BCI 6.1 緒言 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 6.2 方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 6.2.1 周波数-位相近似手法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 6.2.2 脳波解析手法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 6.2.3 注視刺激特定手法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 6.2.4 脳波計測実験 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 6.2.5 脳波解析 性能評価 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 結果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 6.3 潜時 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 BCI 性能 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 BCI 性能 . . . . . . . . . . . . . . . . . . . . . . . . . 87 考察 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 6.4.1 情報伝達率 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 6.4.2 学習 有効性 . . . . . . . . . . . . . . . . . . . . 91 6.4.3 実用的 実現 課題 . . . . . . . . . . . . . . . . . . . . 93 6.4.4 周波数-位相近似手法 応用可能性 . . . . . . . . . . . . . . . . . . . . 94 結言 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 結論 97 6.3.1 位相 6.3.2 6.3.3 6.4 6.5 第7章 疑似 用 BCI 手法 参考文献 103 iii 目次 研究業績 119 iv v 図目次 概略図 . . . . . . . . . . . . 2 脳波信号計測機器 . . . . . . . . . . . . . . . . . . . . . . . . 8 乾式電極 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 構成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 機能局在 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 伝達 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 構造 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 1.1 1.2 市販 1.3 湿式電極 1.4 本論文 2.1 大脳皮質 2.2 細胞膜 2.3 眼球 2.4 網膜上 視細胞密度 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.5 網膜 大脳皮質 経路 . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.6 容積伝導 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.7 生体電気信号 21 3.1 VEP 型 BCI 3.2 時間分割多元接続 3.3 周波数分割多元接続 3.4 符号分割多元接続 用 3.5 空間分割多元接続 用 3.6 各種空間 3.7 SSVEP 3.8 10 Hz 3.9 CCA 4.1 随意性瞬目 4.2 眼球 4.3 眼電図計測実験 4.4 各瞬目時 網膜 計測方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 用 視覚刺激 例. . . . . . . . . . . . . . . . . . . . . 24 例 . . . . . . . . . . . . . . . . . . . . 26 例 . . . . . . . . . . . . . . . . . . . 27 視覚刺激 例 . . . . . . . . . . . . . . . . . . . . 28 視覚刺激 例 . . . . . . . . . . . . . . . . . . . . 29 電極配置 . . . . . . . . . . . . . . . . . . . . . . . 30 . . . . . . . . . . . . . . . . . . . . . . . . . . 31 頭皮上分布 . . . . . . . . . . . . . . . 33 SSVEP 検出手法 . . . . . . . . . . . . . . . . . . . . . . . . . 36 用 視覚刺激 用 周波数 視覚刺激注視時 基 用 視覚刺激 SSVEP 非同期型 BCI 電池 . . . . . . . . . . . . . . . . . . 38 電極配置 . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 流 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 垂直電位 水平電位 . . . . . . . . . . . . . . . . . . . . . . . . . 42 図目次 最大化 . . . . . . . . . . . . . . . . . . . . . . . . . . 4.5 SVM 4.6 眼電図 4.7 各瞬目時 EOG 信号 信号間 入力信号 . . . . . . . . . . . . . . . . . . . . . 試行間相関係数 瞬目時 相関係数 非瞬目時 44 45 EOG . . . . . . . . . . . . . . . . . . . . 48 例 . . . . . . . . . . . . . 50 4.8 随意性瞬目 用 4.9 随意性瞬目 制御可能 電動車椅子 動作軌跡 . . . . . . . . . . . . . 52 5.1 刺激変調符号列 誘発 SSVEP . . . . . . . . . . . . . . . . . . . . . . 58 5.2 実験 実験 視覚刺激提示装置 . . . . . . . . 59 5.3 BCI 実験 流 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 5.4 型 固定周期手法 周波数近似手法 誘発 SSVEP 信号波形 比較 61 脳波解析結果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.5 63 5.6 SSVEP 振幅値 SNR 頭皮上分布 . . . . . . . . . . . . . . . . . . . . . . . 64 5.7 干渉周波数成分 振幅値 頭皮上分布 . . . . . . . . . . . . . . . . . . . . . 72 6.1 刺激変調符号列 誘発 . 79 6.2 提案手法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 6.3 刺激提示装置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 6.4 各周波数 . . . . . . . 84 6.5 誘発 潜時 . . . . . . . . . . . . . . . . . . . . . . . . 85 注視刺激特定精度 . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 6.6 6.7 疑似 6.8 SSVEP,振幅 刺激変調符号列 SSVEP 位相 BCI 実験 SSVEP ,複素 複素 注視刺激特定精度 ITR . . . . . . . . . 87 各視覚刺激 対 注視刺激特定精度(%) . . . . . . . . . . . . . . . . . . 89 6.9 周波数特定精度 位相特定精度 . . . . . . . . . . . . . . . . . . . . . . . . . 91 6.10 学習 数 注視刺激特定精度 . . . . . . . . . . . . . . . . . . . . . . . . 93 vi vii 表目次 1.1 各種脳波反応 基 1.2 ITR 向上 目的 2.1 桿体視 4.1 SVM 4.2 RBF 4.3 個人差 4.4 従来手法 錐体視 BCI 性能比較 . . . . . . . . . . . . . . . . . 6 BCI 先行研究 . . . . . . . . . . . . . . . . . . . . . 7 特徴 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 分類精度(F 値) . . . . . . . . . . . . . . . . . . . . . . 47 瞬目 用 混合行列 . . . . . . . . . . 47 混合行列 . . . . . . . . . . . . . . . 48 比較(F 値) . . . . . . . . . . . . . . . . . . . . . . . 49 5.1 周波数分類精度(10 Hz vs. 12 Hz) . . . . . . . . . . . . . . . . 66 5.2 周波数分類 混合行列(10 Hz vs. 12 Hz) . . . . . . . . 67 考慮 SVM 手法 提案手法 分類結果 分類結果 5.3 疑似 周波数検出精度 . . . . . . . . . . . . . . . . . . . . . . . . . 68 5.4 疑似 周波数検出 混合行列 . . . . . . . . . . . . . . . . . 69 6.1 疑似 BCI 性能評価 . . . . . . . . . . . . . . . . . . . . . . . . . . 88 1 第1章 序論 研究背景 - 1.1 (BCI) (BCI: Brain-computer interface) 経系 機械 間 計測 関 直接的 脳内 神経系 萎縮 筋 四肢 情報伝達 実現 生理的 活動 介 外部機器 筋力 意図 中 特 重度 1966 年 Plum 四肢麻痺 病態 治療法 顔面神経麻痺 行 進行 遅 [4], 治療 困難 ,運動制御 発話 神経筋難病 実現 ,筋 対 ,工学的 効果 組織 ,神経筋難病患者 定義 重度 症状 運動障害 感覚障害 ,ALS 神経筋難病 抑制 目 治療 治療 行 .近年 神経筋難病 有効性 確認 対象 ,損傷機能 対 ,認知機能 異常 病勢進展 再生医療 質 . ,胚 人工多能性幹(iPS: Induced pluripotent stem)細胞 臨床試験 生活 挙 [2].先述 通 , ,根本的 再生 症候群 患者 , 症候群 ,薬剤 医学的 提供 , [3]. 被験者 . 供 方法 .BCI 技術 ,薬剤 性幹(ES: Embryonic stem)細胞 損傷 生 起因 確立 治療 用 可能 Posner 脳幹梗塞,外傷性脳損傷 病状 推定 何 . 症候群 的 [1].BCI 筋萎縮側索硬化症(ALS: Amyotrophic lateral 根本的 提供 神経筋難病 有効 操作 低下 sclerosis) 筋 対処法 技術 ,中枢神 向上 技術 眼球運動 可能 研究 操作可能 実用化 期待 研究例 未 機械的 行 補填 報告 手段 提 [1].例 質問回答装置 文書処理 研究 報告 [5–7]. , 1.1 研究背景 - (BCI) 第 1 章 序論 - 図 1.1 概略図 脳活動 BCI 意図 直接的 推定 ,神経筋難病患者 脳活動 計測 生活 質 方法 向上 外部機器 新 技術 情報伝達 可能 注目 1 集 . ,非侵襲的 計測可能 脳波(EEG: Electroencephalography) 脳磁図(MEG: Magnetoencephalography)[15, 16],機能的磁気共鳴画像法 [1, 8–14] (fMRI: Functional magnetic resonance imaging)[17,18],近赤外分光法(NIRS: Near-infrared spectroscopy)[19],侵襲的 方法 皮質脳波(ECoG: Electrocorticography)[20, 21] . ,類似 技術 Electromyography) ,機器制御 眼球運動 筋活動 生 利用 変化 捉 脳 活動領域 同定可能 応用 大型 .MEG 制限 時間分解能 空間分解能 高 術 簡便 襲的 計測可能 計測 言 ,様々 応用 不自由者 分野 用 .一方,EEG 期待 .次 特徴量 ,図 1.1 概略図 車椅子 脳表 加 高 留置 , 硬膜下 ,外科的手 計測器 操作 高価 安価 用 ,非侵 ,肢体 BCI , ,EEG 信号計測(Data recording),信 ,運動想起 視覚刺激注視 ,信号処理部 抽出 血流 時間分解能 .EEG 号処理(Signal processing),制御出力(Device control) 計測 .fMRI . BCI EEG 信号計測部 抽出 脳機能計測 可能 支援 外部機器 応用 行 EEG 難 意図 低 ,計測器 NIRS .ECoG 電極 用 用 行 ,時間分解能 困難 計測環境 必要 電位変化 研究 BCI 計測器 ,眼電図(EOG: Electrooculography) 筋電図(EMG: . 外部機器 ,計測 ,抽出 制御 構成 3 特定 行動( )時 特徴量 2 , EEG 時 状態 表 EEG 変換 ,各機器 . EEG ,電動 送出 . 第 1 章 序論 1.2 BCI 研究 現状 BCI 研究 現状 1.2 起源 1.2.1 BCI 表現 “Brain-computer interface” 当初 用 意味 [22].近年 行 対 脳機能 1973 年 関 知見 最初 Vidal 表現 , 得 ,脳活動 利用 BCI 使用 外部機器 制御 一般 用 . ,類義語 (BMI: Brain-machine interface) ,脳 埋 込 電極 記録 神経細胞 場合 用 [23]. 分類 1.2.2 BCI 近年 活動 利用 微小 用 EEG ,次 BCI 4 種類 EEG 特徴量 用 :視覚誘発電 位(VEP: Visual evoked potential),事象関連電位(ERP: Event-related potential) ,感覚運 動律動(SMR: Sensorimotor rhythm) ,緩変動電位(SCP: Slow cortical potential) .本節 , 特徴量 基 研究動向 BCI 述 . 1.2.2.1 視覚誘発電位(VEP) 視覚刺激 VEP ,1977 年 射 視野 Vidal 光刺激 時 BCI 応用 誘発 方向 ,異 文字 記号 被験者 入力 解析 実現 ,異 法 [26–28] 誘発 VEP 型 BCI ,BCI 臨床応用 周波数 点滅 意図 VEP 研究 ,異 被験者 視線 可能性 光刺激 行 視野領域 推定 誘発 照 ,視線 提案 Sutter VEP [9]. 提案 ,情報伝達速度 向上 実現 BCI 研究 .1992 年 示 特徴的変化 EEG 64 個 視覚刺激 用 可能 行 計測 [24]. BCI 点灯 実験 研究 Cheng 時刻 後頭部 VEP 移動 BCI 者 照射 , , 研究 示 .Middendorf 患 ALS 誘発 光駆動反応 応用 [8, 25].近年 ,視覚刺激 提示方 推定 信号処理手法 [29–32] 対象 . 1.2.2.2 事象関連電位(ERP) ERP 繰 特定 事象 知覚 返 提示 定 事象 知覚 中 時 生 時々挿入 一過性 電位変動 異 刺激 約 300 ms 後 主 頭頂部 3 知覚 観測 ,例 時 EEG 生 ,同 刺激 .特 陽性成分 ,特 P300 1.2 BCI 研究 現状 第 1 章 序論 呼 ,1965 年以降 認知精神生理学 1988 年 P300 Farwell 上 字入力 文字 可能 . 向 記号 , 示 性能 36 個 英字 点灯 時 ,実用化 [35]. 研究 順不同 1 P300 成分 検出 文字 , 上 消灯時 , 点灯 記号 刺激配置 明暗差 研究 行 , 文 視線 移 注意 ,視線移動 困難 点灯時 P300 型 BCI 応用 生 実験 行 比較 [36, 37],刺激 [33, 34]. 記号 標的 .2000 年以降 利用 BCI 研究 被験者 指示 使用 盛 Donchin 提示 入力 研究 BCI 点灯 時間間隔 違 性能 違 比較 [38] . 1.2.2.3 感覚運動律動(SMR) 運動行動時 SMR 感覚運動野 存在 指摘 動成分 随意運動中 観測 [39–41].Chatrian 減少 示 mu 律動成分 分 ERD 頭皮上 増加 観測 Pfurtscheller 位置 実行 脳半球 ,mu 律動 現在 律 8 - 12 Hz 事象関連脱同期(ERD: [42, 43]. 同様 他 beta 律動 呼 示 随意運動 ERD 現象 Berger ,随意運動 事象関連同期(ERS: Event-related synchronization) 観測 ERS , ,1930 年代 mu 律動 呼 知 Event-related desynchronization) 続 律動成分 観測 [44]. 異 .例 律動変化 ,左右 [45, 46],足 運動時 律動成 18 - 26 Hz 手 観測 運動時 頭頂部 対側 大 観測 ERD [47]. Jasper 1949 年 発表 Penfield 運動 運動想像時 研究 ,随意運動時 [49–51]. 由者 観測 実現 BCI ,SMR 示 運動想像時 観測 知見 利用可能 研究 基 ERS [41, 48]. 律動変化 ,運動想像時 期待 ERD 実際 ,近年 随意 多 類似 示 用 SMR ,過去 20 年以上 肢体不自 渡 研究 行 [52–54]. 1.2.2.4 緩変動電位(SCP) 特定 SCP 位 呼 事象 運動 ,行動 先行 EEG 運動想像 準備 生 陰性 時間領域 通 肢体不自由者 伴 利用 500 - 1000 ms 前 観測 生 皮質 電位変化 解析 SCP SCP 活性化 構成 観測可能 意図的 用 4 電位変化 考 ERP ,準備電 [55].SCP ,頭皮上 .Birbaumer 計測 ,人々 操作 学習可能 ,ALS 患者 BCI 可能性 [56–58].古典的 示 第 1 章 序論 1.3 BCI 研究 SCP 型 BCI 持 ,SCP 成分 選択肢 残 繰 応用研究 多岐 択肢 選択 1 分類 選択肢 ,大別 “Yes” 離散値入力 応用 上 6×6 字入力 行 行列状 配置 BCI [34].Jia ,12 種類 電話 環境制御装置 ,左右 腕 用 実演 電動車椅子 可能 BCI 支援 利用可能性 異 37 名 研究 ,実際 認 可能 肢体不自由者 被験者 [69]. 有効性 BCI [66, 67]. 症候群 示 上肢 ,脳卒中 ,Galan 片麻痺患者 行 対 異 用 行 ,仮想空間 臨床実験 ,上肢機能 行 BCI 実験 結 用 BCI 脳卒中片麻痺 Shindo 視覚的 病期 用 .Prasad 振幅 研 Huang 患者 BCI ,近年 SMR 用 文字入力 患者 報告 制 .Birbaumer ,SCP 型 BCI , , [64].Millan [65]. 病期 研究 BCI SMR 症候群 用 P300 型 BCI 観測 応用 ALS 患者 対象 光刺激 [63].Edlinger 提案 BCI [68].軽度 麻痺 有意差 提案 BCI 電動車椅子操作 用 点滅 応用 想起 誘発 ,文 P300 電化製品 方向制御 環境制御装 , [62].一方,連続値入力 運動 移動 研究 周波数 提案 2 種類 BCI 36 種類 記号 順不同 点灯 提案 操作 2 値選択 複数 選 “No” Donchin 御 果 [60]. 文字入力装置 仮想現実 技術 融合 ,仮想空間中 存在 EEG 実現 BCI BCI SMR 特定 選択肢 群 分割 , ,連続値入力 BCI [37, 61, 62].Farwell VEP 型 BCI 究 ,複数 目的 選択肢 含 群 含 返 .離散値入力 置 [59]. 応用例 1.2.3 BCI BCI 2 値 選択 行 場合 ,SCP 成分 増減 BCI 1 増減 課題 研究 触覚的 改善 明 [70, 71]. 1.3 1.3.1 BCI 研究 課題 情報伝達率 向上 性能評価 一般 使用 BCI 単位時間 通信情報量 求 情報伝達率(ITR: Information transfer rate) ,bits/min 5 単位 表 [25].M 個 選 1.3 BCI 研究 課題 第 1 章 序論 表 1.1 各種脳波反応 択肢 ,T Farwell Number of Accuracy Speed ITR mechanism commands (%) (s/selection) (bits/min) VEP 4 - 32 85 - 98 1-4 25 -145 ERP 4 - 84 83 - 95 9 - 18 15 - 35 SMR 2-3 70 - 98 2-6 3 - 17 SCP 2-4 70 - 90 3-4 10 - 13 精度 選択 1 選択 1 要 時間 [s], P300 型 BCI Donchin 視覚刺激 特定 ,一度 度 依存 示 , 情報理 (1.1) .例 ,先述 順不同 点灯 入力 行 次 時間 通信速 選択肢数,精度,通信速度 改善 高 ITR 後 [13]. 入力 .上式 示 通 ,ITR , 可能 通信速度 ,36 個 視覚刺激 全 入力 定義 持 要因 3 実現 BCI . 表 1.1 ,従来研究 度,通信速度,ITR 示 [1, 13].VEP 構築可能 ,運動想起時 実現 外部刺激 不要 BCI .2000 年前後 研究 ERP 型 BCI 多 EEG(SMR,CSP) 基 [26, 28, 32, 72, 73]. ,ERP 型 BCI 基 EEG 関係 達成 ITR 場合,ITR BCI 伝送情報量 基 次式 求 . ! " #$ 1−P 60 ITR = log2 M + P log2 P + (1 − P )log2 × M −1 T 標的 例 性能比較 BCI Neuro- P [%] 論 基 ,VEP 型 BCI 高 実現 ITR 実用的 高速 EEG 特徴,選択肢数,精 ,最大 10 - 25 bits/min 選択肢 持 BCI 比 高精度 .一方,SMR ,選択肢数 限 高 通信 ITR 可能 CSP 型 BCI 高 ITR 実現 [54, 74–76]. 向上 ITR 目的 ERP 型 BCI 提案 先行研究 例 表 1.2 示 84 個 選択肢 実現 ,35 bits/min VEP 型 BCI ,選択肢数 現 ,58 bits/min 性能 達成 提示手法 VEP 型 BCI 工夫 [28, 32].VEP ERP ,機能拡張 更 少 [31]. 提案 ITR (6 個) ,Bin 提案 達成 高速 [73].一方,Bin 高精度 Spuler ,100 bits/min 以上 型 BCI 高性能化 .近年 Jin 期待 6 示 . ITR 通信 実 ,視覚刺激 ITR 実現 56 bits/min 第 1 章 序論 表 1.2 ITR 向上 目的 Study BCI 先行研究 7 Neuro- Number of Accuracy Speed ITR mechanism Commands (%) (s/selection) (bits/min) Farwell and Donchin (2000) [13] ERP 36 95 17.4 16 Jin et al. (2011) [73] ERP 84 93 9.5 35 Bin et al. (2009) [31] VEP 6 95 2.3 58 Bin et al. (2011) [28] VEP 32 85 2.1 108 Spuler et al. (2012) [32] VEP 32 96 2.8 144 Yin et al. (2013) [77] VEP + ERP 36 94 4.9 56 1.3 BCI 研究 課題 1.3 BCI 研究 課題 第 1 章 序論 図 1.2 市販 脳波信号計測機器 1.3.2 実環境応用 1.3.2.1 携帯型 設計 近年,実験環境 行 . 大型計測機器 大型計測機器 性能評価 BCI 研究 BCI 用 例 EEG 示 ,実環境応用 目的 計測 ,医療機器 研究用機器 行 .図 1.2A - D (日本光電). 現在 例 電極数 負担 持 運 様々 環境 BCI 研究 示 II( 計測機器 ,電極装着 .近年 ,市販 社),脳波計 EEG-120 多 ,多 使用環境 EEG 計測 可能 利用 情報 .図 1.2E - G 測機器 直接転送 頭 計測 限 問 ,市販 , 小型計測機器 :Mindwave/Mindset(Neurosky, Inc.),High Density Dry EEG Headset System 電極数 制限 Bluetooth . 代 機器自体 無線通信機能 利点 活 自動車運転中 EEG 計測 有効性 行 検証 ,実験環境 搭載 ,計測 携帯型 BCI 解析 環境 ,多 信号 解析用計算機 計測 ,実環境 小型計 生体信号 使用 解析 [78–81], 想定 BCI ,携帯型 BCI BCI 8 . 提案 [82–84]. 様々 計測機器 ,計測 小型化 ,小型計測機器 行 歩行中 一度 小型計測機器 開発 (Cognionics, Inc.) ,Emotiv EPOC Headset(Emotiv Systems) . 箇所 絞 使用 :g.BCIsys(g.tec medical engineering GmbH),BioSemi Active Two EEG System(BioSemi, Inc.), 題 研究 盛 使用 可能 台 .今後 第 1 章 序論 1.3 BCI 研究 図 1.3 湿式電極 様々 環境 想定 考 研究 行 ,BCI 疲労 不快感 一般 頭皮上 有毛部 塗布 必要 , 電性 注入 粘着部分 導電性 . 付着 電極 示 engineering GmbH EEG 湿式電極 使用時 頭皮 間 .図 1.3A ,頭皮上 固定 皮膚 粘着 塗布 . 生 ,EEG 計測 終了時 導電性 示 後 使用 予 ,導電性 有効性 装着 電極 g.LADYbird 中央 穴 導 使 捨 電極 電極 洗髪 , ,導電性 必要 . 研究 針 軽減 ,図 1.3B 不快感 負担 与 電極 応用 可能性 大幅 拡大 計測 EEG (g.tec medical engineering GmbH) 触電極 乾式電極 . 1.3.2.2 電極装着 近年 課題 用 [85, 86].図 1.3C Cognionics Inc. 形状 ,頭髪 終 . 計測時 計測 EEG 生 D 販売 避 頭皮 接触 軽減可能 乾式電極 , 乾式電極 ,小型計測器 負担 大幅 可能 非接 g.tec medical . 電極 ,数 s 乾式電極 用 考 . 間 , 1.3.2.3 非同期 従来研究 決 提案 , BCI 多 , 入力 入力 合 9 . 1.4 研究目的 第 1 章 序論 同期 入力 外部機器 転送 稼働状態 続 休止状態 常生活 研究 安静状態 分類結果 , 組 入力 入力 事 刺激 同期 BCI 研究 盛 誘発 切替可能 状態 切 提案 [88].Zhang 機械学習 [89]. 型 BCI 分類 他 , ,EOG 機械学習 導入 非 [90–93]. 研究目的 1.4 本研究 ,実環境下 文字入力 文字入力 想定 行 ,少 ,BCI 可能 日常利用 想定 文字 1 , 望 , 2.1 s/selection 高速 選択 .従来 実現 BCI 考 性化 ,両者 間 潜在的 生 期待 好循環 (1)非同期型 ,(2)高速 4章 実現 ,非同期 BCI 実現 検出 ,EOG 瞬目 示 組 , 無意識 行 行 瞬目 区別 文字入力 . 需要 ,BCI 目的 提案 合 拡大 達成 ,本研究 提案 提案 替 提案 利用 200 ms 程度 瞬発的 行為 ,誤操作 引 起 意図的 行 随意性瞬目 用 . ,EOG 容易 ,瞬目 . 検出 .Usakli 非同期 BCI ,EOG 可能性 考 10 ,次 . 型 BCI 適 速度 匹敵 型 型 行 研究 市場 活 型 切 入力速 [94, 95], 拡大 BCI 状態 [90].瞬目 可能 EEG 任意 切替 健常者 実現 文字入力 研究 約 30 - 50 words/min ,BCI . 1 min 間 約 25 個 文字 入力可能 BCI 肢体不自由者 . 必要 用 約 50 - 100 words/min .BCI 多選択肢 BCI [28, 32].一方,健常者 入力速度 提案 目的 稼働状態 切替状態 非同期 BCI 最高値 高速 BCI 32 個 選択肢(英字 26 種類,Backspace, Space, Enter, Shift, Period, Comma) 性 休止状態 EEG 提案 行 研究 SMR 型 BCI 手法 [87].日 .Cheng ,稼働状態 複数 生体信号 組 合 EMG 度 望 合 判断 提案 依存 可能 EEG 有無 , 非同期 BCI [25].同様 ,Pfurtscheller ,VEP 一定時間毎 何 近年 研究 非同期 BCI BCI 提案 作動中 BCI, 想定 入力可能 VEP 型 BCI 替 切替可能 使用 型 , .Mason 任意 BCI 任意 呼 必要 有効 検出 日常的 ,日常的 . ,従 第 1 章 序論 来研究 1.5 論文構成 多 閾値処理 EOG [90, 96]. 検出 ,瞬目時 , 利用前 必要 .本研究 検出 用 振幅 EOG 学習 ,個人差 ,新規 瞬目 持続時間 計測 少 個人毎 波形形状 EOG 利用可能 応用 個人差 適切 閾値 特徴量 型 存在 決定 随意性瞬目 提案 目的 . 5章 6章 ,文字入力 高速 BCI 多 VEP 型 BCI 力速度 挙 (2)誘発 .視覚刺激 波数情報 付与 問題 解決 周波数, 視覚刺激数 周波数近似手法 証 行 . 高精度 ,視覚刺激 対 多 特徴抽出 可能 VEP 入力 同時 BCI 1.5 提案 提案 情報 付与 考 信号処理手法 提案 情報付 目標 BCI ,VEP 性能評価 ,提案手法 利用可能性 長 ,通信速度 位相情報 EEG 向上 可 付加 周波数情報 VEP 検出精度 ITR 検 ,1 検証 32 個 視覚刺激 用 応用可能性 示 .BCI 40 回 選択 可能 .5 章 削減 ,誘発 . 提示可能 . 近似的周波数情報 . 困難 ,短 提案 向上 周 , BCI ,5 章 ,周波数-位相近似手法 1 分間 手法 時間 検出 高速 BCI 実現 注視 分離可能性 研究 増加 視覚刺激 .具体的 . 情報付与方 , 特徴解析 VEP 困難 信号処理手法 提案 近似的 増 入 周波数 選択肢数 周波数 誘発 選択肢数 [1, 26]. 用 ,本研究 ,従来 実現 BCI 重要 研究課題 場合,提示可能 ,周波数情報 可能 高精度 検出 VEP 提示 示 ,(1)視覚刺激 視覚刺激 多 用 限 ,VEP 高速入力 課題 情報付与方法 視覚刺激 .表 1.2 ,VEP 型 BCI VEP 型 BCI 法 改善, 提案 . ,多選択肢 両立 能 高速 BCI 用 位相情報 行 .6 章 BCI 提案 , .32 個 選択肢 想定 ,170 bits/min 程度 ITR 実現可能 . 論文構成 本論文 図 1.4 示 ,EEG 発生源 情報 視覚系 .第 3 章 以下 6 章 脳 関 通 構成 .下記 概要 示 .第 2 章 電気生理学的 基礎知識 中枢神経 到達 ,VEP 型 BCI ,VEP 設計 11 発生 述 ,眼 与 機序 信号処理手法 関 解説 既存研究 1.5 論文構成 第 1 章 序論 図 1.4 述 態 切 .第 4 章 替 機構 型 ,非同期 BCI 構築 VEP 法 視覚刺激 示 結論 BCI 述 提示可能 有効性 示 周波数 ,高速 BCI 検出 情報量 .第 5 章 ,高速 実現可能性 述 . 12 用 ,周波数近似手法 示 示 . 増加 随意性瞬目 休止状 ,近似的刺激提示手法 提案 , 増加可能 応用可能 付加 稼働状態 .第 5 章 第 6 章 高速 VEP 型 BCI 上 実現 ,EOG 提案 応用 本論文 構成 ,第 6 章 , 手法 誘発 ,周波数-位相近似手 高精度 注視刺激 .最後 第7章 特定可能 本研究 13 第2章 脳 電気生理学的基礎 視覚系 緒言 2.1 本章 ,VEP 型 BCI . ,2.2 節 視覚刺激 BCI 情報処理 脳内 理解 上 電気生理学的 電位発生源 注視 時 述 必要 計測 .最後 基礎知識 神経細胞 EEG ,2.4 節 述 用 . ,VEP 型 ,2.3 節 発生機序 EEG 概説 視覚 関 計測方法 述 . 電気生理学的基礎 2.2 脳 2.2.1 人間 構造 感覚 働 ) 知覚,随意運動,学習,言語,認知 実現 . 構成 ,大脳皮質 行 ,樹状突起 [97]. 他 伝達 形成 図 2.1 , 示 神経細胞( 結合 ,活動電位 用 異 .例 ) 形成 情報 符号化 . 脳 大脳皮質 神経膠細胞( 形成 構成 受 軸索 間 取 伝 結合 .他 , 神経回 複合体 大脳皮質 ,大脳皮質 前頭葉(Frontal lobe),頭頂葉(Parietal lobe),側頭 葉(Temporal lobe),後頭葉(Occipital lobe) 位 , 情報処理 大部分 約 150 億個 軸索 情報 機能 樹状突起,細胞体,軸索 他 伝達 路網 大脳皮質 関 機能 ,前頭葉 (Broca’s area),頭頂葉 持 局所領域 分 4 . 部分 分 , . 大脳皮質 嗅覚野(Olfactory area) 言語 発話 関連 ,各部 機能局在 野 運動野(Motor area) 体性感覚野(Somatosensory area) ,側 2.2 電気生理学的基礎 第2章 脳 図 2.1 頭葉 電気生理学的基礎 視覚系 大脳皮質 機能局在 聴覚野(Auditory area),後頭葉 視覚野(Visual area) 存在 . 2.2.2 神経細胞 情報伝達 2.2.2.1 細胞膜 膜電位 細胞膜(Plasma membrane) 物質 移動 制御 機能 持 択的 透過 外 濃度 持 . 選択的 形成 生 存在 持 .膜内外 生 静止膜電位 電位差 .膜電位 孔 場合, 勾配 濃度勾配 内側 膜電位 正 . 14 呼 ,特 変化 ,K+ 膜 直接透過 .例 ,静止時 ,膜 貫通 選 透過 移動 電位差 存在 移動 可能 形成 K+ ,Na+ ,Ca2+ ,Cl− 保 過分極 脂質 膜内外 差(濃度勾配) 内外 電位差 質 Na+ 通過 内外 膜内外 存在 膜透過性 選択性 , [98].細胞膜 主要 成分 脂質 (Ion channel) 働 (図 2.2A). 覆 外側 対 静止時 脱分極 , , 内 従 移動 電位差 -65 mV . 合 電位差 内外 ,負 変化 生 第 2 章 脳 電気生理学的基礎 視覚系 2.2 電気生理学的基礎 図 2.2 (A) 細胞膜 [98] 伝達 [99] (B) 伝達 2.2.2.2 図 2.2B 軸索 示 , 情報 受 取 樹状突起 .情報 側 後 伝 , 後膜(Postsynaptic membran) 間 前側 軸索 含 , 約 20 nm . 小胞 陽 K+ 場合 過分極 ,抑制性 起 球形 物質 酸 放出 神経伝達物質 神経伝達物質 ,伝達物質動作性 透過 Excitatory postsynaptic potential) 呼 透過 間隙(Synaptic cleft) 小胞(Synaptic vesicle) 呼 含 受 取 前膜(Presynaptic membrane) 後樹状突起 受容体(Receptor) 届 Na+ 他 前,情報 小胞 中 (Neurotransmitter) 開 . 介 側 呼 . 結合 孔 場合,興奮性 脱分極 起 . 後電位(EPSP: ,Cl− 陰 後電位(IPSP: Inhibitory postsynaptic potential) 呼 . 2.2.2.3 活動電位 間 情報伝達 電位(Action potential) 変化 電位 電位変化 生 , ,活動電位 時 用 生 発火 時 Na 情報伝達 起動電位 状態 脱分極 神経伝達物質 + 膜内 行 行 , 膜電位 閾値 約 40 mV 流入 生 15 活動 [100].何 閾値 .脱分極 ,個々 超 脱分極 超 達 , 要因 起 膜 活動電位 ,3 ms 程度 後 + K 膜電位 生 静止状態 流出 活動 再 戻 . 分極 2.3 視覚系 第2章 脳 図 2.3 状態 保 .脱分極 ,神経系 (A) 眼球 起 電流 発火頻度 樹状突起 軸索 伝 他 ,近接 細胞膜 . 2.3 脱分極 引 金 依存 活動電位 符号化 . 生 EPSP 活動電位 .細胞膜 軸索 脱分極 流入 Na+ ,脱分極 活動電位 物質 放出 大 情報 開 視覚系 (B) 網膜 構造 [101] 伝達 位依存性 電気生理学的基礎 閾値 末端 伝 . 発生 , 起 閾値 影響 達 発火頻度 増加 活動電位 達 ,電 活動電位 発生 場所 活動電位 , 間隙 発生 神経伝達 . 視覚系 2.3.1 末梢視覚系 2.3.1.1 眼球 構造 可視光線 受容 構造 満 変換 神経経路 光刺激 情報 図 2.3A 示 視覚系 中枢神経 .眼球 呼 送 生 感覚 視覚 ,眼 網膜(Retina) 球形 形状 .光刺激 神経活 . 硝子体(Vitreous body) ,強膜(Sclera) 維持 粘性 .光刺激 高 液体 神経活動 網膜 眼球 奥 存在 ,光刺激 角膜(Cornea) 水晶体(Optic lens) 焦点 調節 様体繊維 知覚 知覚 動 変換 眼球 電磁波 後 網膜 達 支 , .水晶体 毛様体筋(Ciliary muscle) 付着 水晶体 形状 変化 16 対象物 焦点 合 毛 第 2 章 脳 電気生理学的基礎 視覚系 図 2.4 表 2.1 . 光刺激 2.3 視覚系 網膜上 視細胞密度 [101] 桿体視 錐体視 特徴 Rod Cone Sensitivity ◦ × Time resolution × ◦ Color sence × ◦ ,網膜 届 光 量 虹彩(Iris) 収縮 神経活動 変換 調節 ,視神経(Optic nerves) 通 .網膜 届 中枢(脳) 送 . 2.3.1.2 網膜 構造 網膜 眼 図 2.3B 届 光刺激 示 ,5 種類 , 細胞 軸索 視覚情報 cell) 胞 拡散 ,網膜 束 中枢 通 中枢 3 層構造 形成 中枢 伸 , 直接的 送 経路 . 出力源 神経活動 神経節細胞(Ganglion cell) 細胞(Amacrine cell) 働 構成 視細胞(Photoreceptor cell) 後,双極細胞(Bipolar cell) 経節細胞 細胞 受 ,網膜 視神経 対 取 情報 光感受性 神経節細胞 . 17 呼 変換 . 伝達 .神 . 3 種類 ,水平細胞(Horizontal 広範 持 . 双極細胞 細胞 視細胞 神経節細 2.3 視覚系 第2章 脳 図 2.5 網膜 大脳皮質 電気生理学的基礎 視覚系 経路 [102] 2.3.1.3 視細胞 特徴 視細胞 光刺激 神経活動 変換 光感受性 持 視物質 光 細胞 吸収 ,暗闇中 約-20 mV 過分極 起 ,光刺激 膜電位 持 . 強度 応 .視細胞 円筒形 桿体(Rod) 円錐形 錐体(Cone) 分類 異 高 ,錐体 主 桿体 性質 持 .例 桿体 働 暗所 働 比 高 素早 動作 物体 ,桿体 錐体 比 認識 認識 持 ,表 2.1 示 . 出来 . 大 光感度(Sensitivity) 時間分解能(Time resolution) 物体 振幅 ,色 , ,明所 錐体 知覚 錐体 . 図 2.4 示 ,網膜中心部 ,桿体 中心窩 位置 約 20◦ 離 盲点(Blind spot) 20 程度 領域 対応 ◦ 部分 密度 高 存在 視野 中心窩(Fovea) 周囲 . , 位置 中心視野 , 以外 中枢 伝達 錐体 密集 ,中心窩 視細胞 15 - 20◦ 存在 領域 .中心窩 周辺視野 . 2.3.2 中枢視覚系 2.3.2.1 網膜 網膜 情報 皮質 生 視床 中枢 経路 神経活動 視神経 通 外側膝状体 (LGN: Lateral geniculate necleus) 第一次視覚野(Primary visual area) 18 伝達 . .具体的 伝達 ,両目 , 捉 ,視神経 後,大脳 第 2 章 脳 電気生理学的基礎 全領域 半分 ,眼球 網膜 分割 情報 .各視索 . 情報 左右 対応 半視野 (Optic chiasm) 左半球 2.4 脳波 発生機序 計測方法 領域 左右 半視野 左 構成 視覚系 半視野 網膜 知覚 呼 .図 2.5 領域 .眼球 出 ,例 視神経 場所 交叉 ,各半視野 体 視神経 束 左右半球 ,第一次視覚野 , 眼 視覚野 投射 接続 LGN 左半視野 情報 右半球 示 右眼 右半分 半分 視交叉 視索(Optic tract) 情報 視覚野 伝達 ,右半視野 . 2.3.2.2 第一次視覚野 高次視覚野 第一次視覚野 網膜 近接 質 情報 LGN , 視細胞 方向性 郭 得 網膜部位局在 混 合 持 認識 可能 . ,移動 IT 野,動 高次視覚野 野 伝達 様々 関 呼 ,動 知覚 脳波 物体 領域 近接 情報 存在 性 . ,特定 ,物体 形状 輪 反応 運動方 . .例 ,物体 V5 野 情報 . 投射 知覚 場合 認識 可能 指示 発生機序 移動 呼 V1 野 両眼視 存在 刺激 伝達 細胞 統合 1 V2 野,V3 野 通 眼球運動 ,V1 野 形 色 知覚 MT 野 ,目的 応 重要 , 他 領域 高次視覚 MT 野 情報 投射 経路 背側路 行 .一方,V1 野 V2 野,V3 野, ,物体 形状 色 認識 行 . 計測方法 容積伝導 2.4.1 樹状突起 興奮性 負電位 変化 正電位 保 貼付 発生 電位差 添付 電位差 電極 ,EPSP 細胞外電位 発生源 場所 中心 同期的 ,周囲 [103].一方,静止 . 電極 発生 EPSP ,細胞体周囲 正 質 眼 方向 IT 野 通 側頭葉 至 経路 腹側路 2.4 V1 野 視覚処理 行 .V1 野 .V1 野 領域 方向選択性 ,特定 V1 野 他 取 情報 .双方 反応 向選択性 V4 野 受 ,左右 入力情報 刺激 視覚野 最初 電場 生 間 介在 形成 周囲 計測 可能 間 電位差 強 電場 ,細胞外 分極 ,細胞外 周囲 負 細胞外電位 生 ,電流 流 .頭皮 生体組織 .近接 細胞内 正電位 容積導体 数千 形成 皮質 ,電位差 数十万 ,図 2.6 .電位発生源 電流双極子 19 呼 生 頭皮 皮 ,電極 2.4 脳波 発生機序 計測方法 第2章 脳 図 2.6 計測 率 発生 電位 双極子 変化 .例 電位 近接 頭皮 計測 電極 距離 容易 困難 視覚系 容積伝導 [103] 双極子 方向,容積導体 ,大脳皮質 凹凸 頭皮 電気生理学的基礎 構成 媒体 伝導 脳溝,脳回 呼 計測可能 ,脳溝 ,脳回 生 電位 近接 . 2.4.2 脳波計測 脳内 発生 電位変化 ,頭皮 2.7A ,脳表 計測 非侵襲的 計測 通 計測 可能 雑音 要 電気信号 言 電極 計測可能 計測 電極 計測 .一般 EEG 計測 行 . 悪 頭蓋骨 .一方,ECoG 計測可能 難 . .EEG ,伝導率 ,電極 ,本研究 ,図 2.7B 装着 EEG ,基準電極 電圧 計測点 電圧 差 方法 赤色 電極配置 国際 10-20 法 呼 置 適宜決定 測 部位 述 必要 近接 ,EEG 計測時 ,双極子 電極以外 箇所 方向 計測 20 観測 容積導体 焦点 当 行 望 . 増幅 差動増幅 呼 示 箇所 貼付 ,The International 脳部位 種類 頭蓋 外科的手術 Fedration of Society for Electroencephalography and Clinical Neurophisiology .2.2.1 節 .図 脳波(EEG: Electroencephalogram) 人 利用可能 電位信号 少 簡便 計測 貼付 皮質脳波(ECoG: Electrocorticogram) 多 減衰 骨 通 皮質 電位変化 電位変化 伝 EEG ,頭皮 応 影響 . 推奨 電極配 考慮 ,計 第 2 章 脳 電気生理学的基礎 図 2.7 (A) 生体電気信号 計測方法 被験者 EEG 生 特別 誘発脳波 刺激 与 脳内 構成 .EEG theta 帯域,8.0 - 13 Hz 区分 , 覚醒時 増加 階判定 誘発電位 情報 解析 ,EEG 約 145 ms 後 中心視野 周波数 beta 帯域,30 Hz 以上 .例 EEG 周 律動成分 delta 帯域,4.0 - 7.5 Hz 0.5 - 4.0 Hz ,alpha 帯域 睡眠時 特徴的 gamma 帯域 安静時 EEG 変動 生 . 診断 百数十 ms 後 視覚野 生 ,75 ms 後 最初 .続 陰性成分 (N1 対 近 様々 同期的 視覚誘発電位 (VEP: Visual evoked potentials) 睡眠段 対 比 生 極 視覚刺激 担 少 ERP 成分 . ,周辺視野 . 誘発 ,視空間上 提示 21 . 陽性成分 (P1 対 高 一種 陰性 成分 脳 ,V1 野 原理 VEP 挙 事象関連電位 (ERP) ,約 100 ms 後 N145) 視覚情報処理 中心視野 視覚刺激 視線 細胞 誘発 . V1 野 生 ,中心視野 ,知覚刺激 ,癲癇発作 代表例 位置 自発脳波 ,複数 表現 theta 帯域 .一般 ,視覚刺激 知覚 数 観測 alpha 帯域,14 - 26 Hz ,視覚刺激 知覚 経細胞 脳波計測箇所 [104] .先述 周波数帯域 ,delta 帯域 可能 後頭葉 時 生理学的 意義 有 律動成分 胞 (B) 国際 10-20 法 2 種類 存在 活動 VEP 2.4 脳波 発生機序 計測方法 脳波律動成分 2.4.3 期的 視覚系 P100) ,多 視覚情報処理 皮質拡大 振幅値 複数 呼 神経細 関 [105]. 持 ,目的 視覚刺激 注視刺激 神 2.4 脳波 発生機序 計測方法 特定 化 可能 ,上述 頑健 第2章 脳 .VEP 特徴 潜時 選択的注視 . 22 発生源 関 電気生理学的基礎 視覚刺激 研究 特性 VEP 視覚系 多少 変 有用性 示 23 第3章 VEP 型 BCI 関 既存研究 緒言 3.1 本章 ,VEP 型 BCI 概要 述 述 関 ,次 . 既存研究 3.3 節 述 . VEP 型 BCI ,3.4 節 ,3.2 節 設計 VEP 型 BCI 用 上 VEP 型 BCI 重要 既存研究 信号処理手法 述 . VEP 型 BCI 3.2 第1章 述 概要 ,視覚刺激 視野内 照射 視覚誘発電位(VEP: Visual evoked potential) 用 初 葉 位置 野 多 報処理 提案 BCI 第一次視覚野(V1 野) 神経細胞 関 誘発 優位 高 .VEP 対応付 中心視野 述 VEP 型 BCI 解析 適 知覚 比 極 複数 解析 注視刺激 外部機器 求 高 脳 後頭 .V1 ,周辺視野 対 視覚情 明 視覚刺激 中 視線 1 誘発 ,特定 実現 BCI 達成 向 VEP 成分 比 特定 実環境応用 BCI VEP 一種 少 入力 ITR Vidal ,ERP 視覚情報処理 担 EEG 特徴 百数十 ms 後 VEP 成分 他 視覚刺激 視覚 . ,多 期待 選択肢 . ,主 (1)視覚刺激 種類, (2)視覚刺激 変調方法, (3)VEP 信号処理手法 誘発 ,1977 年 EEG 変化 提示 ,VEP 型 BCI 研究 呼 視覚刺激 生 対 操作 精度,高速性 VEP 数 ,視空間上 ,注視刺激 第1章 中心視野 神経細胞 [105]. 刺激 [24].VEP 誘発 関 視覚刺激 研究 ,誘発 行 .高 VEP 解析 ITR 達成 適切 , 信号処理手法 3.3 VEP 型 BCI 設計 図 3.1 総合的 検討 VEP 型 BCI 必要 種類 変調方法 第 3 章 VEP 型 BCI 用 関 既存研究 視覚刺激 例 [106, 107] .本章 , 次節(3.3 節) 研究 用 視覚刺激 述 ,信号処理手法 3.3 VEP 型 BCI 3.4 節 述 . 設計 3.3.1 視覚刺激 種類 VEP 型 BCI 類 用 視覚刺激 , [106].各視覚刺激 提示方法 誘発 VEP 刺激 特徴 分 次 . 刺激 3.3.1.1 刺激 閃光 瞬間的 Light-emitting diode(LED), 上 場合,視覚刺激 一方,LED 数 大 視覚刺激 . 様々 視覚刺激 試 約 90 ms 後 生 [106]. 験者間変動 大 提示 陰性成分(N2) 視覚刺激 , 刺激 誘発 120 ms 後 生 刺激 . 24 Liquid crystal display 用 変更 場合,電子回路 場合 成分 示 [107]. ,多数 . 報告 ,図 3.1A 柔軟 変更 変更 検討 光 ,位置 容易 第一 発 Cathode ray tube(CRT) (LCD) 示 刺激 . 扱 提示 必要 場合 検証用 刺激提 VEP ,主 刺激提示 陽性成分(P2) 誘発 VEP 構成 比 被 第 3 章 VEP 型 BCI 関 既存研究 刺激 白黒 , 用 反転 模様 ,主 VEP 刺激 用 誘発 報告 提示 刺激 ,市松模様 縞模様 . 約 75 ms 後 ,波形 構成 潜時 白 刺激 135 ms 後 生 陽性成分(P100) 場合 異 反転 .図 3.1B 刺激提示 N135),約 100 ms 後 生 任意 時間間隔 提示 VEP 誘発 陰性成分(N75, [106]. 試行間 成分 被験者間 少 . 視覚刺激変調方法 3.3.2 VEP 型 BCI 複数 注視刺激 重 設計 刺激 3.3.1.2 黒 3.3 VEP 型 BCI 特定 視覚刺激 可能 検討 対 , .Gao 送工学 異 多次元接続方式 情報 付加 刺激変調方法 VEP 型 BCI 則 性能 BCI 視覚刺激 誘発 VEP 左右 慎 変調方式 ,伝 時分割多元接続(TDMA: Time-division multiple access),周波数分割多元接続(FDMA: Frequency-division multiple access),符号分割多元 接続(CDMA: Code-division multiple access) ,空間分割多元接続(SDMA: Space-division multiple access) 4 種類 分類 刺激 用 [108].本節 場合 例 主 上 ,各多元接続方式 解説 提示 . 3.3.2.1 時分割多元接続(TDMA) 最 単純 刺激変調方式 , TDMA 方式 誘発 調視覚誘発電位(t-VEP: Time modulated visual evoked potentials) ,複数 BCI 出現 . 視覚刺激 時刻 求 例 点灯 注視刺激 特定 [109,110].図 3.2 上 3.2A),各視覚刺激 図 3.2B t-VEP 型 BCI ,一般 時 計測 持 激 BCI 点灯 注視 困難 点灯時刻 誘発 ,同一 . VEP 例 示 (図 同期 発生時刻 視覚刺激 厳密 点灯 同期 数 上限 . 必要 同 EEG ,多 選択肢 ,視覚刺激数 増加 伴 ,目的 視覚刺 通信速度 低下 . ,視覚刺激 VEP 成分 自発脳波成分 含 視覚刺激 TDMA 脳波計 提示可能 長 VEP 成分 刺激 提示 生成 .t-VEP 型 BCI ,誘発 変調符号列 立 上 刺激提示装置 時間 2 種類 示 ,各視覚刺激 構築 可能 [27].t-VEP 型 異 , 時間変 VEP 注視 時 複数試行 25 EEG 加算平均 一度 検出 行 信号 3.3 VEP 型 BCI 設計 図 3.2 第 3 章 VEP 型 BCI 時間分割多元接続 対雑音比(SNR: Signal-to-noise ratio) 全 視覚刺激 複数回点灯 力 時間 ,高 後 向上 視覚刺激 行 注視刺激 実現 ITR 用 望 関 既存研究 . 方法 例 [27] 一般的 特定 行 ,一度 入 . 3.3.2.2 周波数分割多元接続(FDMA) 周期的 FDMA 発 potentials) 方式 [27].特 ,6 Hz 以上 周波数 点滅 視覚刺激 点滅 同 周波数 周波数解析 視覚刺激 速 変調 , 方式 誘 視覚刺激 誘発 ,定常状態視覚誘発電位(SSVEP: Steady-state visual evoked potentials) f-VEP EEG 視覚刺激 周波数変調視覚誘発電位(f-VEP: Frequency modulated visual evoked VEP VEP 点滅 通信 同時 行 高調波成分 注視刺激 点滅 特定 .FDMA 周波数 ,位相 代表例 ,計測 [1]. ,t-VEP 可能 構成 逐次的 点灯 方式 方式 3 種類 情報付加方法 ,周波数 位相 両方 . 全 比 高 ,図 3.3A-C 情報付加 行 方法 例 示 . 図 3.3A 周波数 情報付 上 提示 12 Hz 場合 点滅 .alpha 帯域(8 - 13 Hz) 帯域 視覚刺激 刺激周波数 SSVEP 慎重 変調刺激 用意 SSVEP 例 点滅 , 高 SNR 34 Hz 以上 刺激周波数 選択 [112, 113]. 低下 ,刺激周波数 . 方法 , 制限 [114].実際, 26 ,刺激周波数 選択 必要 用 一方 ,精度 重視 [111].一方, 軽減 SNR , 10 Hz ,高周波帯域 検討 必要 ,一方 選択 知覚 眼疲労 高 刺激 2 点滅 刺激 2 用途 選択肢 提示可能 対象 数 周波数 周波数 1 周期 第 3 章 VEP 型 BCI 関 図 3.3 数 下 既存研究 周波数分割多元接続 用 整除 周波数 10 Hz(6 提示可能 選択肢 必要 視覚刺激 SSVEP 情報付 異 対 EEG 頑健 位相(0 図 3.3C ,高 分類 周波数情報 用 達成 場合 高精度 注視刺激 特定 周波数 .計測 ,Wang [26]. ,選択肢数 変調 対 同一 刺激 例 6種 ,周波数 位 増加 可能 . 視覚刺激 例 示 . 4 周波数解析 方法 位相解析 行 ,注 15 種類 視覚刺激 用 BCI [115]. 視覚刺激 覚刺激提示装置 生成 ,位相 研究例 報告 .Jia ITR . 知 用 EEG 特定 持 2 2 種類 位相 得 周波数 . 注視刺激 SSVEP ,2 種類 周波数 視覚刺激 提案 90 ) 持 情報付 /周期) [26].図 3.3B ◦ SSVEP ,60 Hz 周波数 提示 困難 位相特性 行 類 位相(解像度:60◦ ) 12 Hz(5 応用 BCI ◦ 位相解析 両方 応用 設計 例 [27] .例 /周期) BCI SSVEP (10 Hz) 視刺激 /周期) 対 視覚刺激 提示可能 ,11 Hz(5.45 ,多 相 3.3 VEP 型 BCI 必須 点灯 時刻 生成 必要 . ,EEG 特定 厳密 記録 必要 視 ,位相情報 用 解析 用 長 場合 長 ,通信速度 注視刺激特定精度 . 3.3.2.3 符号分割多元接続(CDMA) 擬似乱数符号列 CDMA 用 方式 変調 周波数変異変調(FSK: Frequency shift keying) 方式 存在 [108].図 3.4B 刺激 , 例 誘発 VEP 異 擬似乱数符号列 符号列 立 上 情報付 同期 2 点灯 . ,符号変調視覚誘発電位(c-VEP: Code modulated visual 27 3.3 VEP 型 BCI 設計 図 3.4 符号分割多元接続 evoked potentials) 呼 生成 , 選択肢 択 各刺激 対 従来研究 . 最 高 既存研究 符号列 N 符号列 生成 [27, 28]. ,符号列長 提示 ,高 関 例 [27] M 系列 符号列 生成 報告 年 視覚刺激 研究 循環 多 用 [27].Bin ,最大 N 通 比 第 3 章 VEP 型 BCI ,TDMA 達成 ITR 達成 ITR FDMA 比 高速 期待 注視刺激選 [28].実際,2013 ,c-VEP BCI 基 BCI [32]. 図 3.4C 用 FSK 変調方式 視覚刺激 2 誘発 外部機器 対応 ’0’ 復号化 . 実現 ITR 例 困難 増加 ,周波数変調 生成 ,符号列 視覚刺激 T1 符号列 3 ,選択肢数 研究 二値符号列 ,符号列長 増 . 高 .Kimura [116].図 3.4C ’101’ 方法 示 SSVEP 入力 ’100’ 例 生成 幾 ’1’,視覚刺激 T2 ,対応 選択肢数 伴 選択 対応 時間 増加 増加 , . 3.3.2.4 空間分割多元接続(SDMA) SDMA 法 視野上 ,Vidal 図 3.5A 位置 提案 初 視覚刺激 用 BCI 視野上 刺激 照射 ,BCI 近年 [117]. 被験者 ,図 3.5B 示 報告 視覚刺激 , 提示 注視 1 90% 以上 精度 分類 VEP . FDMA 組 合 視覚刺激 ,左右 半視野 周波数変調 一方 方 研究 上 固視点 方法 誘発 SDMA 研究 注意 向 . 4 行 [24].Vidal 刺激 実現可能性 ,Zheng 情報付 VEP 方法 視覚刺激 頂点付近 提示 案 照射 市松模様 , 異 異 空間情報 ,被験者 2 周波数情報 中央 28 用 BCI 提 視覚刺激 照射 , 特定 提示 .具体的 固視点 視 第 3 章 VEP 型 BCI 関 既存研究 図 3.5 線 保 ,2 知覚 情報 対側 用 空間分割多元接続 視覚刺激 ,2 場合 視覚刺激 他 変調方法 . 組 応用 BCI 照射 可能 ,後頭部 左右 視覚刺激 .左右 貼付 複数 視野 電極 特定 . 空間情報 加 ,FDMA . 合 ,注視刺激特定精度 分類可能 困難 視空間上 向上 空間解像度 低 ,多 . VEP 型 BCI 3.4 視野 向 可能 信号処理 視覚刺激 例 [117] 周波数情報 ,EEG 必要 用 伝 ,注意 高精度 分類 SDMA 左右 視覚野 解析 VEP 3.4 VEP 型 BCI 信号処理 空間 3.4.1 複数 電極 行 測器 計測 SNR 生 ,時間 EEG 空間的 向上 雑音 環境 [118].空間 依存 雑音 除去 可能 準電極導出法,共通平均基準導出法,発生源導出法 他 ,眼球運動 筋活動 起因 3 用 ,計 .本論文 ,基 空間 述 雑音 除去 . ,主成分分析(PCA: Principal component analysis) 独立成分分析(ICA: Independent component analysis) 用 空間 提案 [119]. 3.4.1.1 基準電極導出法 目的 特 電極(探査電極) ,図 3.6A 皮上 電極 基準 耳朶 基準電極 貼付 電位差 電極 場合 双極導出 計測 基準 方法 場合 .一般 ,EEG 29 基準電極導出法 単極導出 呼 . ,頭 耳朶 眉間,鼻尖,乳様 3.4 VEP 型 BCI 信号処理 図 3.6 突起 基準電極 間 電位差 第 3 章 VEP 型 BCI 各種空間 場合 既存研究 電極配置 [118] 差動増幅 観測 関 計測 . ,左右半球間 ,双極導出 用 EEG 差 頭部 . 3.4.1.2 共通平均基準導出法 共通平均基準導出法(CAR: Common average reference) ,図 3.6B 電極 電位 査電極 EEG 全 電極 平均値 ,CAR x i (t ) y i (t ) = x i (t ) − ,N 用 電極数 示 [119].例 . 雑音 .CAR 除去 有用 適 計算 適用 方法 信号 y i (t ) 電極 計測器 筋活動 生 起因 . 同様 雑音 場合 雑音 雑音 ,PCA ,各 [118].i 番目 探 次式 求 & 1% x 1 (t ) + x 2 (t ) + · · · + x N (t ) N ,全 ,電源雑音 ,眼球運動 差分 示 . (3.1) 混入 場合 有 CAR 除去可能 ,電極 影響 異 空間 ICA . 3.4.1.3 発生源導出法 発生源導出法 ,目的 電極 周囲 位置 [118, 119].i 番目 電極 y i (t ) = x i (t ) − 発生源導出法 3.6C 目的 多 EEG 抽出 EEG ,発生源導出法 次式 x j (t ), j = 1, 2, 3, 4 図 3.6C 電極 図 3.6D 再近傍 電極 平均電位 , x i (t ) 定義 電極 ,電極 用 関 研究 用 成分 含 場合, 選択方法 Small Laplacian [118]. 成分 30 周囲 4 箇所 空間 電極 . & 1% x 1 (t ) + x 2 (t ) + x 3 (t ) + x 4 (t ) 4 示 基準 除去 (3.2) 2 種類存在 呼 .図 手法 ,再近傍 可能性 , 電極 . 第 3 章 VEP 型 BCI 関 既存研究 3.4 VEP 型 BCI 信号処理 4 Amplitude (µV) 10Hz 12Hz 3 2 1 0 10 12 14 図 3.7 場合 手法 ,図 3.6D 用 雑音成分 20 22 2 番目 近 電極 用 空間 用 除去 24 26 周波数 SSVEP 示 . 16 18 Frequency (Hz) 呼 Large Laplacian ,局所的 領域 共通 存在 情報 表現 ,複数 . 信号特徴解析手法 3.4.2 3.4.2.1 周波数解析 2.4 節 述 神経細胞 ,EEG ,各々 同期的 活動 ,f 示 ,F ( f ) x(n) ,一般 適用 得 波数 対応 周波数成分 . (3.3) 周波数 [Hz],n 点,N . 点滅 視覚刺激注視時 振幅 ,周波数解析 基礎律動 定義 ' ' '1 ( ' N f ' − j 2π( f )n ' s F(f ) = ' x(n)e ' ' N n=1 ' 12 Hz FFT . 変換(FFT: Fast Fourier ,次式 FFT 振幅 ,10 Hz 計測 EEG ,大脳皮質内 神経細胞 活動 推定 .信号 x(n) 周波数 [Hz], f s 活動 頭皮上 .周波数解析 行 transform) 用 図 3.7 結果 周期的 周期性(周波数) 解析 有用 手段 長 神経細胞 例 示 高調波成分 解析 EOG 31 .図 EEG(SSVEP) 対 ,各 SSVEP 構成 解析 用 分 . 主 刺激周 . 他 3.4 VEP 型 BCI 信号処理 第 3 章 VEP 型 BCI 関 既存研究 3.4.2.2 信号対雑音比 信号対雑音比(SNR: Signal-to-noise ratio) ,信号 対 ,電気工学 通信工学 研究 分野 式 信号電力 雑音電力 比 対数 求 ,視覚刺激 定義 誘発 用 SNR ,F ( f ) 式 3.3 振幅 成分 解析 行 周波数成分 刺激周波数 .先述 信号, .一方,SSVEP 以外 成分 雑音 K ×F(f ) SNR = )K /2 % & F ( f + k∆ f ) + F ( f − k∆ f ) k=1 求 刺激周波数 f 選択 空間 定数 .式 3.4 周波数成分 対 用 ,SNR (3.4) 振幅 ,K 決定 近接 次 [111]. 周波数解像度 示 . Hz 雑音 量 示 値,∆ f ,刺激周波数 分 ,SNR SSVEP 成分 大 ±2-4 値 求 向上 . 3.4.2.3 位相 潜時 2.2 節 述 構成成分 計測 ,VEP 生 EEG SSVEP 用 時間差 視覚刺激 潜時 ,群遅延 SSVEP ,SSVEP 一次関数 次式 P1 成分 N1 成分 . 誘発 成分 求 位相 φx ( f ) 構成 ,刺激提示 潜時 .潜時 含 裏付 [120, 121]. 求 潜時 一定 得 仮定 可能 . ,次式 潜時 t , 関数 位相 φx ( f ) 線形回帰関数 ∆φx ( f 1 − f 2 ) × 1000 2 × ( f1 − f2) 異 (3.6) 周波数 ( f 1 , f 2 ) SSVEP . 3.4.2.4 頭皮上分布 .各電極 傾 . ,∆φx ( f 1 − f 2 ) = φx ( f 1 ) − φx ( f 2 ) 電極 FFT (3.5) ,刺激周波数 f .SSVEP t= 複数 , . N f %1 ( − j 2π( f )n & s φx ( f ) = angle x(n)e N n=1 回帰 解析 EEG 振幅 計測 場合 値 ,頭皮上分布 SNR 32 計算 用 解析 ,電極間 値 行 補間 位相差 第 3 章 VEP 型 BCI 関 図 3.8 振幅値 既存研究 視覚刺激注視時 10 Hz 頭皮上分布 SNR 生成 振幅値 ,10 Hz 頭皮上分布 点滅 ,10 Hz ,10 Hz 高 示 EEG 特徴的 特定 注視刺激特定手法 3.4.3.1 FFT 基 有意 生 ,値 最大 他 分 誘発 様々 場面 示 , . 可能性 利用 特徴量 .特 想起 . 特定 最 周波数 ,刺激周波数 値 頭皮上分布 EEG ,視覚刺激 簡単 手法 [26].刺激周波数 既知 分 高 生成 EEG 後頭部 高 振幅値 持 頭皮上分布 注視刺激 周波数 検出 3.7 256 箇所 生成 手法 SSVEP 型 BCI 計算 EEG 解析用 頭皮上分布 ,9, 11, 12 Hz EEG 可能 3.4.3 幅値 図 .頭皮上分布 , ,運動想起時 運動部位 視覚野 EEG 頭皮上分布 TOPOPLOT 関数 用 . 信号処理 ,EEGLAB 視覚刺激注視時 例示 特徴的 傾向 SSVEP .本研究 MATLAB Toolbox(Mathworks, Inc.) [122].図 3.8 3.4 VEP 型 BCI 持 . 注視刺激 振幅 優位 ,刺激周波数 振 判断 .図 周波数 ,近接 ,80 - 90 % 以上 ,周波数解析 周波数 振幅 高 精度 注視刺激 長 選択 BCI 比 特定 . 周波数解析 重要 要素 一般 . FFT 長 用 , 大 精度 向上 33 性能評価 ,通 3.4 VEP 型 BCI 信速度 信号処理 低下 必要 . .例 像度 低下 課題 ,1 Hz 周波数解像度 用 大幅 ITR 低下 引 適 長 1s分 解析 行 必要 起 関 既存研究 選択 ,0.25 Hz .式 1.1 ,最適 長 周波数解 示 ,通信 調査 重要 研究 . 3.4.3.2 最小 結合 最小 基 手法 結合(MEC: Minimum energy combination) 提案 Friman 出 ,視覚刺激 周波数解像度 4s分 速度 第 3 章 VEP 型 BCI 有効 電極 基 MEC ,多 用 用 EEG MEC 手法 手法 何 多 含 向上 電極 手法 ,次式 X ∈ R M ×N 探査電極 必要 推定 2007 年 用 SSVEP 検 手法 決定 単 必要 , . ,計測 . 化 予 手法 選択 [30, 123, 124].FFT 処理 行 ,雑音成分 SNR EEG 信号 手法 手法 基 雑音成分 EEG , f Hz 視覚刺激注視時 除去 EEG 信号 . XT = Y T A +E ,Y ∈ R 2Nh ×N E ∈R 雑音 示 M ×N ,f 周波数, f s 本手法 , 合信号 S ∈ R N ×N s 類 有効 参照信号, A ∈ R 2Nh ×N (3.7) 各電極 振幅値 保持 .参照信号 次式 定義 . sin(2π f n) cos(2π f n) . ,n = 1 , 2 ,··· , N .. Yf = fs fs fs sin(2πNh f n) cos(2πNh f n) 周波数,Nh 多 EEG 信号 X ,結合係数 W ∈ R (3.8) 高調波 数,N 周波数分類 有効 用 N ×NS EEG 成分 数 示 ,後述 式 3.13 線形変換 決定 長 示 . 成分 抽出 得 .N s W . ,雑音 ,次式 余分 信号成分 多 可能 限 EEG 信号 X 最適化問題 解 ,最適 W 除去 結合係数 SSVEP 成分 Y 決定 min ∥ X̃ T W ∥2 = minW T X̃ X̃ T W 34 周波数分 (3.9) X̃ = X T − Y T (Y Y T )−1 Y X T 次 ,次式 混 . S = XTW 最適 行列, 除去 求 . (3.10) . (3.11) 第 3 章 VEP 型 BCI 実際 関 ,式 3.11 既存研究 3.4 VEP 型 BCI 実現 PCA [30]. 固有値(λ1 ≤ λ2 ≤ λ3 · · · ) 0 ,次 Ns 条件式 最小 値 用 i =1 )N 視刺激 式 λi 刺激周波数 i . (3.12) (3.13) 信号強度 次式 求 . (3.14) 第 k 高調波成分 ,S l 特定 構成 > 0.1 Nh Ns ( 1 ( P= ∥ Yk S l ∥ N s Nh l =1 k=1 参照信号 Y 周波数 満 後 ,SSVEP 求 . j =1 λ j ,Yk ,PCA (v 1 , v 2 , v 3 , · · · ) 2 v Ns v1 v2 W = 1 , 1 ,··· , 1 λN s λ1 λ2 満 得 ,結合係数 W 固有 )N s 結合係数 W 信号処理 l 番目 ,全 刺激周波数 f i 特定 . 対 混合信号 示 .注 式 3.14 計算 ,次 (3.15) arg max P i , i = 1, 2, · · · , K i 近年 研究 ,MEC 基 手法 (CCA: Canonical correlation analysis) 示 基 手法 方 提案 後述 高精度 正準相関分析 周波数 検出 [123, 124]. 3.4.3.3 正準相関分析 基 FFT 同年 基 SSVEP 手法 検出精度 SSVEP [31, 125].CCA 関 (正準相関) ,CCA 基 2007 年 2 組 多変量 結合係数 三角関数 EEG 用 向上 最大 多 広 BCI 用 手法 参照信号 間 線形結合 .SSVEP 正準相関 用 報告 Lin , 決定 手法 相 研究 特徴量 , 用 . ,2 組 多変量 ,CCA SSVEP x 相関 最大 y 線形結合 Wx ,W y 求 x = X T Wx ,y = Y T W y 次式 示 問題 % & E WxT X Y T W y arg max ρ(x, y) = 3 % & % & Wx ,W y E WxT X X T Wx E W yT Y Y T W y 基 三角関数 X ,Y , BCI 基 ,X 参照信号 多 ,Y EEG .参照信号 35 式 3.8 定義 帰着 . (3.16) X Yf 同 用 長 . 3.4 VEP 型 BCI 信号処理 図 3.9 CCA 図 3.9 示 択 位相 基 変化 ,SSVEP 最大 周波数 f 正弦波 位相 未知 関 既存研究 SSVEP 検出手法 [31] ,注視刺激 特定 準相関係数 ρ 合 第 3 章 VEP 型 BCI 選択 ,SSVEP 場合 周波数 f 刺激周波数 対応 良 ,正弦波 . 位相 対応可能 36 一致 . 余弦波 ,正 線形結 結合係数 選 37 第4章 眼電図 相関特徴 用 目検出手法 随意性瞬 緒言 4.1 本章 別 ,非同期 BCI 意図的 瞬目(随意性瞬目) ,1990 年代以降盛 課題 応用 置 携帯端末 用 選択 可能 ,場所 問 休止状態 切 替 可能 用 稼働状態 , 誤入力 休止状態 ,稼働時 意図的 防 ,誤 問題 場合 EMG ,高精度 行 背景雑音 高速 比 入力 振幅 型 周期性瞬目,光刺激 眼球運動 替 . 入力 行 動作 ,実際 非同期 BCI 無意識的 用 行 可能性 型 可能 高精度 利用 物理刺激 誘発 低 ,意図 提案 型 大 広 行 ,意図 日常的 瞬目 . ,日常生活 随意運動 EOG , 意識的 解決 行 . 問題 提案 選択 可能性 適 BCI BCI 推定 EOG ,眼球運動 瞬目 状態 切 替 生体信号計測装 様々 環境 EEG 状態 切 . 様々 非同期 小型 非同期型 ,主 選択 .BCI 際 軽減, 区 ,複数 生体信号 組 合 BCI, [90, 91].既存 非同期 BCI 瞬目 述 実用化 .近年 [79, 81, 83]. 行 手法 負担 挙 信号解析装置 台頭 日常的 述 ,使用環境 多様化 利用 可能 稼働状態 検出 ,第 1 章 .具体的 使用時間 ,人間 EOG 研究 残 目的 要求 動作 . 検出 [126]. 行 必要 ,瞬目 無 反射性瞬目,意図 4.1 緒言 第 4 章 眼電図 図 4.1 的 行 随意性瞬目 区別 随意性瞬目 . 化 他 示 随意性瞬目 本研究 分類 誤入力 行 型 間 分類精度 検証 用 可能 研究 研究 周期性瞬目 考 無視 案 (2)EOG ,随意性瞬目 非同期 BCI 場合 瞬目 分類 発生 個人毎 規 BCI 検証 慮 分類手法 提案 ,周期性 [128–130]. 分類 手法 提案 , ,本研究 随意性瞬目 切 行 . 可能性 低 用 手 (1) 被験者毎 分類 個人差 影響 頑健 分類手法 替 構築 前 用 ,無意識的 生成 .高精 検出 ,本研究 .検出 分類 使用 部位 活性 提案 . 目的 波形形状 用 状態 個人差 同時計測 片目 行 意図的 検出精度 fMRI [127]. 随意性瞬目 実現 (SVM: Support vector machine) 法, 持続時間 異 報告 2 回瞬目 行 . ,各瞬目時 随意性瞬目 型 両目 瞬時 振幅 EOG [127].EOG 数多 ,周期性瞬目 少 随意性瞬目時 応用 瞬目間 分類可能性 示 用 ,EOG 型 困難 ,EOG 瞬目 随意性瞬目 度 識別 随意性瞬目 比較 随意性瞬目検出手法 ,周期性瞬目 反射性瞬目 ,実用的 ,周期性瞬目時 , 周期性瞬目 . 検出 用 非同期型 BCI 3 種類 分類 随意性瞬目 有意差 用 相関特徴 訓練 ,新規 随意性瞬目 用 .瞬目時 高精度 分類 計測 必要 利用可能 38 ,図 4.1 提 示 EOG 変化 可能 ,新 .個人差 構築 考 第 4 章 眼電図 相関特徴 用 図 4.2 . , 随意性瞬目検出手法 (A)眼球 電池 ,本研究 非同期 BCI 適 目的 (B)電極配置 個人差 随意性瞬目 影響 考慮 考察 分類手法 提案 行 . 方法 4.2 眼電図 4.2.1 発生機序 計測方法 2.3.1.3 節 述 眼球 4.2A 角膜 角膜網膜電位 測 電位 時 常 変化 .EOG EOG 電位変化 影響 網膜 構成 網膜 間 一定 ,瞼 原因 ,EOG 検出 容易 EOG 約-20 mV ,眼球 動作 ,眼球周囲 貼付 生 . 考 . 伴 行 振幅 大 電位差 生 [101]. 眼球周囲 解析 計測 伴 観 電位 用 ,瞬目 眼球 ,瞬目時 皮膚電位 皮膚上 上方向 眼球 回転 変化 EOG (10 - 15µV) 約 原因 変化量 線形関係 ,眼球運動 瞬目 [126]. ,一般 図 4.2B 示 眼球 上下左右 正中前頭部 貼付 参照電極,接地電極 計 6 箇所 詳細 ,EOG 取決 ,図 ,瞬目時 眼球周囲 比 持 電極 [131].眼球運動 背景雑音 膜電位 呼 電位変化 報告 角膜 覆 報告 1 値 眼球運動 観測 事 視細胞 角膜網膜電位 . ,主 1.5 度 回転 起 無 (1)優位眼 頬骨部, (3,4)優位眼 非優位眼 左右 3 cm 朶 4.2 方法 乳様突起,正中前頭部 用 多 39 4 箇所 貼付 電極 耳朶 計測 .電極位置 関 上部 4 cm 前頭部 (2)下部 2 cm 側頭骨部 計測 ,参照電極 耳 [126, 132, 133]. ,眼球 上下 4.2 方法 第 4 章 眼電図 図 4.3 2 箇所 電位差 眼球運動 左右 2 箇所 電位変化 相関特徴 眼電図計測実験 電位差 解析 用 随意性瞬目検出手法 流 得 ,背景雑音 可能 影響 除去 . 4.2.2 眼電図計測実験 随意性瞬目時 .被験者 EOG 計測 周期性瞬目時 心身 健康 .全 被験者 特徴 EOG 8名 男女 実験前 解析 ,EOG 計測実験 対象 ,図 4.2B 示 計測箇所 慶應義塾大学倫理委員会 University of California, San Diego (UCSD) Human Research Protections Program 承認同意書 署名 下部 2 cm 位置, 起 .各被験者 優位眼 基準電極,FPz 箇所 取得 常 瞬目( ,1000 Hz 優位眼 非優位眼 接地電極 事前 調査 位置 貼付 計測 .EOG 周波数 記録 ) , (2)両目 瞬時 行 .本実験 2 度行 瞬目( 40 認可 ,優位眼 左右 3 cm 行 電極 上部 4 cm 貼付 ,乳様突 Ag/AgCl 電極 , (1)両目 行 通 ), (3)優位眼 第 4 章 眼電図 相関特徴 瞬目( ) 実験 離 示 目時 用意 行 ,各被験者 EOG 計測 .視覚刺激 [134].図 4.3A 向 .実験 図 MATLAB 安静時 瞬 Psychophysics Toolbox extentions 用 EOG 計測 流 10 s 間表示 安静状態 示 流 瞬目時 時刻 合 , 後 瞬目時 . 消 計測 EOG 実験 計測 後 行 種類 示 , 瞬目 注視 維持 .被験者 固視点 .固視点 一度表示 3s ,10 試行分 ,各被験者 1 合計 100 試行分 信号 8 bits 同期 EOG 30 s 間表 ,安静時 同様 次 瞬 行 ,各瞬目 ,実行中 表示中 . , “+” 30 s 間 計測 行 . . 示 10 s 間表示 .各瞬目 行 . 固視点 計測 EOG 合 示 保 ,固視点 ,指定 ,0.5 s 間表示 着席 視覚刺激 目 示 文字列(“Normal”,“Double”,“Wink”) 表示 約 60 cm 表示 開眼状態 .次 ,図 4.3B . . 正面 安静時 文字列 .被験者 行 ,被験者 4.2 方法 計測 EOG 部屋 流 “Rest” 示 3 種類 瞬目時 明 椅子 実装 中央 随意性瞬目検出手法 電磁遮蔽 場所 4.3 用 計測 合計 10 EOG 刺激提示装置 生成 . 眼電図解析手法 4.2.3 計測 .垂直電位 得 各瞬目 EOG 眼球 上部 ,水平電位 算 ,垂直電位 電極 得 .次 水平電位 試行毎 800 ms 瞬目 区間 行 区間 電位変化 v(n), n = 1, 2, ..., N . , ,瞬目 含 瞬目 目視 排除 部分 瞬目 非優位眼側 電位 減 従 固視点 提示時刻 目視 . 異 . 判定 ,刺激提示 瞬目 .垂直電位 µ(n) − µmin µmax − µmin 41 求 減算 誤 水平電位 気 行 時,瞬間的 ,800 ms 正規化 v́(n) = 水平電位 生成 . 判定 電位 電位 分割 本来行 目視 ,次式 下部 安静状態(Rest) 10 倍程度 増大 数 垂直電位 電位 計測 失敗試行 有無 , ,刺激提示装置 区間 明 安静時電位 比 電極 区間 抽出 解析 計測 優位眼側 ,800 ms 0 ms 特徴 電位 区間中 ,元信号 . (4.1) 4.2 方法 第 4 章 眼電図 図 4.4 各瞬目時 相関特徴 用 随意性瞬目検出手法 垂直電位 水平電位 , µ(n) = v(n) − µmax 最大値 µ(n) 研究 µ(n) 最小値 示 . 全被験者 各瞬目時 垂直電位 Normal,Double,Wink 時 垂直電位 上図 各瞬目 . 信号 ,二度 試行毎 ,下図 振幅 (4.2) ,N 長 ,本 . N = 800 図 4.4 ,µmin N 1 ( v(h) N h=1 図 各瞬目時 電位 ,縦軸 小 試行回数,横軸 試行毎 試行 大 .図 4.4A - C 水平電位 示 . 試行間平均 示 位置 間隔 示 ,図 4.4D - F 並 200 ms 振幅 水平電位 . ,上図 並 試行 時間 [ms] . 順 表 瞬目 起因 ,図 4.4B 並 表示 . 図 4.4 分 ,各瞬目時 .特 ,Double 時 同 位 ,垂直電位 Wink 垂直電位 形状 振幅 同 Wink 垂直電位 振幅 . 大 振幅 2 度現 現 水平電位 分 値 分 ,振幅 ,Normal 42 . 生 ,Wink .Normal,Doube, 前後数 ms Wink 水平電 区間 持続時間 約 200 ms 類似 第 4 章 眼電図 ,Double 相関特徴 持続時間 法 分類問題 認識 呼 [135]. 様々 最大化 分類 汎化能力 持 利用 分類問題 考 行 実現 機械学習手 ,線形判別 非線形 非常 ,画像 注目 . .訓練 集合 目標値 t 1 , t 2 , ..., t N (t n ∈ {−1, 1}) 基 y(xn ) 高 分野 対応 式 指標 .SVM 2 xn . 技法 応用 SVM 分 , 音声認識 4.2 方法 随意性瞬眼検出手法 , SVM 随意性瞬目検出手法 約 300 - 500 ms 用 4.2.4 SVM 用 ,N 個 入力 与 ,分類 次 . y(xn ) = wT φ(xn ) + b ,w 結合係数,b ,φ(x) 関数 φ(x)T φ(xn ) = K (x, xn ) |y(xn )|/'w' 求 最小値 . t n y(xn )/'w' 数倍 特徴空間変換関数 訓練 仮定 書 t n y(x) > 0 直 . 距離 t n y(xn )/'w' , 制約式 成立 用 式 4.5 次 制約 下 関数 最小化 (4.4) ,訓練 分類境界 w b , 値 1 同 係数 SVM 'w' (4.5) 最小化問題 問題 置 ,実際 問題 必要 許容 . 修正 乗数 ,各 換 , 乗数 . , (4.6) . 線形分離可能 分布 重 定 . N 6 ( 7 1 L(w, b, a) = 'w'2 − t n (wT φ(xn ) + b) − 1 2 n=1 ,a = (a 1 , a 2 , ..., a N )T b 得 . t n y(xn ) = t n (wT φ(xn ) + b) ≥ 1 ,式 4.4 距離 w , 変化 次 成立 , 分類境界 最大化 最適化問題 解 分類境界 4 5 1 arg max min |y(xn )| 'w' n w,b ,線形分離可能 距離 . ,SVM ,次 (4.3) 場合 多 変数 ξn (≥ 0) 仮定 ,線形分離不可能 用 一部 訓練 場合 . 適用 誤分類 . t n y(xn ) ≥ 1 − ξn 43 (4.7) 4.2 方法 第 4 章 眼電図 相関特徴 図 4.5 SVM 式 4.7 制約条件 考 ,解 用 随意性瞬目検出手法 最大化 [135] 誤分類 与 式 4.4 最小化 問題 . N N N ( ( ( 1 L(w, b, ξ, a, µ) = 'w'2 + C ξn − a n {t n y(xn ) − 1 + ξn } − µn ξn 2 n=1 n=1 n=1 ,a n 乗数 µn 新 分類 x .学習 ,次式 y(x) = an 計算 , y(x) N ( (4.8) 用 b 符号 調 良 . (4.9) a n t n k(x, xn ) + b n=1 ,k(x, xn ) 許容 関数 制約 呼 最大化 4.5 図示 図 4.5B 使用 ,各瞬目 ,瞬目時 直電位 振幅 ,Wink 時 振幅 他 極大値 抽出 用 垂直電位 特徴量 瞬目時 異 他 瞬目 必要 振幅 呼 最大化 示 .円 示 高 分類境界 垂直電位 SVN 決定 用 . 提案 .図 4.4 分 振幅値 非常 高 . ,垂 高 ,予 相互相関 44 , 分類境界 瞬目時 振幅値 他 瞬目 分類 持 可能 . . 生 用意 Double 垂直電位 最大値 特徴量 . 振幅 . ,水平電 分類 ,約 300 - 500 ms 以内 極大値,(2)水平電位 境界 手法 ,Wink .本研究 .図 用 ,水平電位 分類 囲 . ,安静時 特徴量 ,誤分類 制約 ) SVM 比 示 例 汎化能力 分類 安静時 ,入力 (1)垂直電位 場合 極大値 ,Double 幅 境界 ( ,線形分離不可能 本研究 ,式 4.5 . .図 4.5A 最大化 決定 位 ,k(x, xn ) = φ(x)φ(xn ) 極大値,(3)Double 2度 振 , 第 4 章 眼電図 相関特徴 用 随意性瞬目検出手法 4.2 方法 1 d 0.8 da a Input signal v (t) a Normalized amplitude 0.6 0.4 Template signal vt(t) 0.2 0 −0.2 t p −0.4 −150 −100 図 4.6 入力 垂直電位 式 4.1 EOG (Linear) −50 0 50 Sampling number 眼電図 相互相関 式 4.2 示 定義 150 信号 入力信号 最大値 特徴量 正規化 適用 SVM 適用 Radial basis function 式 4.10 100 . , . ,本研究 ,線形 (RBF) 用 分類 行 .線形 , k(x, x́) = xT x́ 式 4.11 RBF 定義 (4.10) . ! $ 'x − x́' k(x, x́) = exp − σ2 ,x́ 4.2.5 学習 ,x 個人差 個人差 考慮 考慮 ,通常瞬目 時刻 振幅 最大 下 . 時,振幅 差 影響 計測 受 ,σ 実数 ,随意性瞬目 ,瞼 閉 . 始 時刻 ,瞼 自然 個人差 検出 形状 試行間差 可能 .次 特徴量 適用 事前 . 特徴 用 垂直電位 振幅 上昇 位置 開 .図 4.6 示 ,瞼 時刻 平常時 閉 振幅 降 ,相関係数 特徴量 . 垂直電位 水平電位 ,最小二乗法 過帯域: 0.5 - 15 Hz) . 随意性瞬眼検出手法 手法 行 新規 (4.11) 設計 ,式 4.1,式 4.2 用意 信号 45 8次 計測信号 入力信号 (通 FIR 正規化 相関係数 行 求 4.3 結果 第 4 章 眼電図 . , 信号 作成 示 .次式 求 . 相関特徴 随意性瞬目検出手法 Normal 時 眼電図 学習 .図 4.6 信号 v t (n) ,振幅 用 極大点 n p 区間 ±d a 示 時間平均 求 ,v a (n) 入力信号 対 相関係数 r )2d a ,v¯a 値 r th − d a + n) − v¯a )(v t (n) − v¯t ) 3 )2d a 2 2 ¯ (v (n − d + n) − v ) a a n=0 a p n=0 (v t (n) − v¯t ) r=3 )2d a v¯t 上回 入力信号 時刻 n p ± d a 本手法 信号 平均 瞬目 含 判定 瞬目分類 用 ,入力 判定 . 分類 . Normal 分類 目 時間差 水平電位 示 . 瞬目 Double ,Matlab 関数 含 場合 ,垂直電位 瞬目 分類 閾 findpeaks.m .次 ,振幅 判定 含 ,垂直電位 d th 以内 . 相関係数 求 ,閾値 r th ,水平電位 瞬目 ,水平電位 示 .相関係数 r 検出 適用 (4.12) . 振幅 信号 式 4.12 判定 Wink 次 垂直電位 時刻 間 瞬目 区間 n=0 (v a (n p 瞬目 複数含 極大点 上回 区 , 区間 1 度含 場合,2 瞬 . 4.3 結果 用 4.3.1 SVM 表 4.1 ,SVM 分類精度 行 用 用 . 得 大 被験者 水平電位 振幅値 極大値 表 4.2 個人差 大 ,Normal ,RBF Rest . 誤分類 ,Double 6.58 % 場合 場合 特 分布 重 .最 99.83 % 分 精度 示 低 分類精度 大 ,水平電位 得 極大値 ,被験者 s3 大 向上 高 s8 ,線形 考 . 瞬目分類 混合行列 示 .全 SVM ,瞬目 得 .特 分類精度 用 ,線形 分類精度 試行間差 評価 94.43±6.15 %,RBF 被験者 傾向 90 % 以上 精度 分類可能 % 用 F値 用 場合 用 ,線形 s8 用 RBF 高 ,RBF s1 特徴量 分散 大 場合 10 分割交差検証法 用 調和平均 用 用 RBF ,垂直電位 Wink 再現率 .8 名中 6 名 97.28 % .一方,被験者 s3 .Wink ,精度 F 値 平均 ,線形 場合 場合 類精度 瞬目分類 結果 示 .各被験者毎 算出 .各被験者 用 手法 分類精度 示 安静状態 Normal 46 .Normal 高 精度 ,1.49 % 0.32 % Wink 分類可能 Wink 瞬目 0.54 示 誤分類 第 4 章 眼電図 相関特徴 用 随意性瞬目検出手法 表 4.1 SVM 4.3 結果 瞬目 分類精度(F 値) Kernel function Number of Subject Linear RBF valid trials s1 99.64 99.83 397 s2 98.13 97.92 388 s3 81.57 95.80 376 s4 98.20 98.75 387 s5 98.20 98.40 391 s6 93.71 93.70 354 s7 96.56 97.57 369 s8 89.45 96.28 392 Mean±STD 94.43±6.15 97.28±1.94 382±14.42 表 4.2 用 RBF 分類結果 混合行列 SVM Output of SVM-based method (%) ,Double 差 Input Rest Normal Double Wink Rest 98.87 0.00 0.28 0.85 Normal 0.32 95.56 2.87 1.25 Double 0.00 6.58 92.49 1.49 Wink 0.54 0.56 1.21 97.69 真陽性率 相互相関係数 ,多 低下 Double Normal 非同期 BCI 個人差 考慮 考慮 ,相関係数 用 精度 振幅 振幅 極大値 考 検出 間隔 Normal .一方,Wink 可能性 示 ,随意性瞬目 試行間 同等 真陽性率 . Wink , 適 . ,個人差 定 高 誤分類 型 考 4.3.2 ,垂直電位 ,Double 97.69 % .Double 92.49 % 閾値 d th 手法 分類精度 手法 求 3 種類 設定 区間 示 .d a d a ,相関係数 設定 47 .提案手法 未知 閾値 r th , ,各瞬目時電位 判 試行間 4.3 結果 第 4 章 眼電図 図 4.7 (A) 各瞬目 EOG 信号間 試行間相関係数 相関特徴 用 随意性瞬目検出手法 (B) 瞬目時 非瞬目時 EOG 相関係数 表 4.3 個人差 考慮 手法 分類結果 混合行列 Output of proposed method (%) 相関係数 最大 示 .横軸 相関係数 Rest Normal Double Wink Rest 97.28 0.00 0.00 2.72 Normal 0.16 96.97 0.16 2.71 Double 0.00 1.44 96.49 2.07 Wink 0.32 1.92 0.00 97.76 値 選択 .図 4.7A .結果 ,d a =49 ms .次 ,d a =49 図 4.7B 信号 対 示 求 本研究 ,提案手法 .学習 2 - 100 ms 1名 場合 相関係数 対 ,主 0.7 以下 ,d a 影響 対 検証 変化 時 得 明 上回 ,瞬目 用 ,Double 48 得 学習 持続時間 . 頑健性 示 ,7 名 8 分割交差検証法 信号 作成 含 結果 交差検証法 ,図 4.4 ,d th =500 ms 個人差 平均値 信号 相関係数 0.7 . 相関係数 最大値 相関係数 .実際 利用 分 ,残 ,d a 分布 設定 最適値 500 ms 程度 出 一様 ,r th =0.7 依存 試行間 場合 入力信号 .各瞬目信号 相関係数 . ,各瞬目 ,縦軸 相関係数 表 da 求 Input , 相関係数 学習 分類精度 算 求 区間 示 第 4 章 眼電図 相関特徴 用 随意性瞬目検出手法 表 4.4 従来手法 提案手法 比較(F 値) Method Yamagishi et al. [96] Proposed 1 [136] Proposed 2 s1 98.71 86.07 99.36 s2 94.98 86.67 97.20 s3 96.31 89.90 98.93 s4 99.31 94.52 99.57 s5 99.36 96.30 99.57 s6 97.62 98.71 99.14 s7 92.95 88.11 95.43 s8 94.30 87.79 98.05 Mean±STD 96.67±2.42 91.01±4.82 98.41±1.46 求 ,先述 瞬目検出 da 4.4 考察 混合行列 示 . .表 適用 分 .表 4.3 ,全 瞬目 ,相関係数 特徴量 軽減 影響 ,瞬目 相関 . 高 場合 ,高精度 個人差 観察 振幅 ,微小 眼球運動 F値 98.41 % 得 随意性瞬目検出 差 眼球運動 . .本手法 受 試行毎 ,安静状態 考 影響 分類結果 95 % 以上 分類精度 得 ,個人毎 考 影響 取 除 手法 必要 ,提案手法 可能 示 . 考察 4.4 4.4.1 随意性瞬目検出精度 本研究 ,周期性瞬目 個人 特化 SVM 用 手法 % 分類精度 得 高 精度 検出 目検出 手法 区別 随意性瞬目 検出 EOG 波形 相関係数 用 個人差 分類精度 97.28 % . , 示 . 手法 用 提案 . 98.41 方 Wink ,提案手法 型 用 手法 ,Double 結果 , 考慮 ,相関係数 手法 示 可能 得 ,SVM 高精度 随意性瞬 応用可能性 確認 . 相関係数 特徴量 手法 回避 証 他 被験者 ,EOG . 得 振幅 事実 学習 示 用 49 個人差 影響 ,1 名 分類精度 被験者 交差検証法 得 分類精度 低下 検 求 4.4 考察 第 4 章 眼電図 図 4.8 .一方,SVM 行 結果 用 表 4.4 手法 [96] 水平電位 Wink 精度 示 比較 . ,提案手法 同様 値 用 手法 特徴量 ,山岸 瞬目 基 ,Normal 場合 Double 手法(Yamagishi et al.) 手法(Proposed 1) 分類精度 他 手法 垂直 ,通常 2 回含 交差検証 Yamagishi 生 .本手法 手法 分類精度(Proposed 2) 相関係数 手法 ,瞬目 識別 示 用 ,同様 提案 500 ms 以内 瞬目 .表 4.4 96.67±2.42 %,SVM 調査 手法 第二振幅 眼球運動 行 影響 .Yamagishi 値 随意性瞬目検出手法 例 ,従来研究 行 用 型 個人差 ,四方向 分類 関係数 用 用 手法 第一振幅 識別 瞬目 随意性瞬目 相関特徴 91.01±4.82 %,相 . 98.41±1.46 % 分類精度 有意差 分類 ,t 検定 事 明 (Yamagishi et al. vs. Proposed 2: p=0.005, Proposed 1 vs. Proposed 2: p=0.002). 果 ,EOG 波形 相関係数 性瞬目検出 可能 特徴量 示 用 ,個人差 影響 頑健 結 随意 . 応用 4.4.2 性能評価 評価結果) ,常時入力 ,400 ms 毎 ,予 示 . 続 EOG 800 ms 分 計測 対 手法 適用 結果( 応用 対 提案手法 取得 ,提案手法 50 適用 必要 瞬目検出 行 .本研究 第 4 章 眼電図 相関特徴 構築 BCI 測 用 随意性瞬目検出手法 . ,EOG ,256 Hz . ,d a ,r th ,d th ) , 図 4.8 ,提案手法 文字列 解析窓 用 本例 ,4 種類 何 瞬目 検出 Double 赤色 示 ,次 ,瞬目 開始 .実際 合 時間 要 . 検出 正 行 用 対応 ,他 , 瞬目 型 ,非同期 BCI 対応 瞬 ,800 ms 型 入力 入力 提案手法 用 提案手法 別 実現 目指 . , ,多機能 電動車椅子制御 ,随意性瞬目 Double 検出 . 加 ,左右 左右回転 応用例 問題 解決 .例 認識 , 場合,最適 ,環境 場 左右 走行速度 本電動車椅子 用 後,再 前進 実装 ,交差点 ,時間 可能 回転 . ,前方 .例 交差点 衝突 走行 一 . ,通路 交差点,障害物 有無 走行 算出 ,壁 ,入力 旋回 必要 .提案 電動車椅子 前方 合 実環境 電動車椅子 ,交差点 (LRF: Laser range finder) 装着 境情報 等 . 制御可能 用 左右 前進 小型 前進,停止,左右回転 可能 ,本研究 特徴量 ,Double ,電動車椅子 ,随意性瞬目 場 回転 行 相関係数 ,Double .例 可能 円滑 走行 度停止 , 負 区 Normal . 対応 ,随意性瞬目 少 対 利用 Wink 電動車椅子 水平電位 分類 Wink 応用 提案手法 ,非随意性瞬目 Wink ,EOG 3 種類 入力 停止,左右 数 数 ms 後 ,瞬目 .本研究 両方 戻 最大 800 ms .実際 組 4 種類 文字 瞬目 視覚的 BCI 示 . 4.4.3 Wink . 入力 . 行 “Rest” Wink 用 . , 示 入力 Wink 示 赤色 文字 計 設定 状態 状態 用 EEG 値 対応 “Rest”,“Normal”,“Double”,“Wink” ,Double 安静時 ( 解析時 確認 場合 ,提案手法 上 ,現在 対応 周波数 例 実行 . 目 1000 Hz 用 , 表示 4.4 考察 円滑 例 51 図 4.9 示 ,停止状態 状況 左右 Wink 左右 Wink 右左折 行 .図 4.9 環 実際 行 行 . 走行 軌 4.5 結言 第 4 章 眼電図 図 4.9 跡 上 随意性瞬目 表示 2.8 s 後 右 ,9.2 s 後 示 衝突 可能性 ,12.3 s 後 減 ,円滑 随意性瞬目検出手法 , .環境情報 考慮 随意性瞬目検出手法 例 走行 ,16.8 s 後 可能 最大 3 種類 入力 走行開始 左 ,瞬目 実行回数 . 障害 ,提案 持 , 作 用 電動車椅子 動作軌跡 .図 4.9 実行 物等 制御可能 相関特徴 応用 ,電動車椅子 応用 示 操 . 結言 4.5 本章 ,非同期 BCI 型 手法 結果 実現 提案 相関係数 用 ,相関係数 ,EOG .随意性瞬目 手法 提案 用 手法 検出 高精度 ,分類精度 検証 用 98.41% 52 随意性瞬目 検出 目的 行 . 高精度 用 SVM 個人差 影響 用 第 4 章 眼電図 頑健 相関特徴 随意性瞬目検出 実現 , .. 用 可能 ,提案手法 用 非同期 BCI ,新規 実現 型 3 種類 随意性瞬目 周期性瞬目 区別 ,前進 型 4.5 結言 利用可能 型 応用可能 目 随意性瞬目検出手法 示 EEG 目指 . 53 左右回転 .本研究 用 BCI 行 発展課題 組 合 移動 検出 用 ,随意性瞬 , 55 第5章 近似周波数 激提示手法 用 定常状態視覚刺 緒言 5.1 定常状態視覚誘発電位(SSVEP: Steady-state visual evoked potentials) 視覚刺激 視野上 照射 接 後頭部 計測 事前訓練 .SSVEP 不要 型 BCI 誘発 利点 ,視覚刺激 用 注目 提示方法 EEG 特徴 集 上 工夫 刺激提示手法 LED 変更 困難 調節 提示 視覚刺激 性能 点滅光 用 用 , 選択肢数 増加 困難 /周期) 周波数 応用 近年,Wang 激周波数 解像度 半分 方法 不可能 [79, 81, 84, 86]. 周波数 制限 , 多 選択肢 必要 . 提案 周波数 10 Hz(6 約数 ,文字入力装置 用 方法 , , , 向上 提案 場合 /周期) . 各 想定 ,60 Hz 12 Hz(5 提示可能 BCI .例 ,位置 利用 高 実現可能 [107]. 容易 SSVEP 型 BCI 需要 ,一般 用 ,大 日常環境下 視覚刺激提示手法 , 変化 視覚刺激 数,色,点滅 ,近年 使 使 用 携帯端末 PC 高 V1 野 近 [26].第 3 章 述 , . ,主 点滅 [8, 25–27, 111, 137, 138].SSVEP ,視覚刺激提示手法 設計 重要 研究分野 LED ,ITR BCI 周期的 周波数 近似 [114].本手法 用 提示 可能 ,刺 , .彼 9 - 12.75 5.1 緒言 第 5 章 近似周波数 16 種類 周波数(0.25 Hz 間隔) 点滅 Hz bits/min 有効性 難 達成 ITR . 示 周波数近似手法 ,周波数近似手法 .例 用 誘発 提案 頑健 周波数-位相変調方法 ,SSVEP 研究 認知神経科学 振幅 SSVEP 数近似手法 本研究 Hz,10 Hz...,13 Hz 位相情報 臨床神経学 正確 位相 様々 計測 120 Hz CRT 視覚刺激 提示 下 11 Hz,13 Hz 視覚刺激 提示 本研究 SSVEP 型 BCI 要求 . 研究 選択 用 手法 有効性 定量評価 精度 ITR LCD 必要 波数近似手法 有効性 場合 誘発 検証 ,10 Hz 周波数近似手法 生成 . 変調 定量的 特徴解析, . 56 12 Hz , ,9 Hz, 方法 場合 多 , 用 周波数近似 周波数検出 動作 8 種類 視覚刺激(8 Hz - 15 Hz, 1 性能評価 行 . SSVEP CRT ,高速 SSVEP 型 BCI ,75 Hz 振幅値, 周波数近似手法 可能 BCI 実験 呼 9 生成 少 切替 用 ,周波数近似手法 . SSVEP 選択可能 求 ,性能評価 行 . Hz 間隔) 提示 ,周波 2 種類 刺激提示手法 固定周期手法 ,疑似 [115]. , 誘発 120 Hz 示 ,Jia [106, 142]. ,各手法 . 周波数 可能 下 刺激提示手法間 直接比較 実現 ,周波数近似 示 , .LCD 75 Hz 従来 振幅 変調方法 要求 下 行 不足 柔軟 用 ,75 Hz 120 Hz 未 SSVEP SNR,位相 潜時,頭皮上分布,周波数検出精度 比較 行 . 視覚刺激 SSVEP 特徴比較 有 特徴 頑健性 SSVEP ,75 Hz 研究 位相情報付 周波数 位相 誘発 定量的 正確 SSVEP 誘発 直接比較 ,位相情報 用 ,視覚刺激 近似手法 言 .正確 ,手法間 研究 用 ,従来手法 保証 研究 手法 採用 阻 要因 研究 特徴 構築 ,75.4 BCI SSVEP 型 BCI 多 原因 SSVEP 頑健性 位相,潜時 要求 広 主 誘発 幾 関連 [79, 81, 84, 86, 123, 139–141]. 定常状態視覚刺激提示手法 視覚刺激 用 周波数近似手法 ,SSVEP 用 ,本研究 目的 (1)周 , (2)高速 BCI 第 5 章 近似周波数 用 定常状態視覚刺激提示手法 5.2 方法 方法 5.2 近似周波数 5.2.1 用 刺激提示手法 従来 用 固定 .例 提示 ,60 Hz ,3 発光,‘0’ 毎 消灯 表現 手法 点灯 ,1 周期 切 視覚刺激 点灯 必要 消灯 切 . ,‘1’ 替 必要 , .Wang 提案 手法 ,近似的 様々 周波数 実現 刺激 符号列‘1110001110011100011...’ /周期 混合 6 視覚刺激 10 Hz 不可能 可変 ,11 Hz 替 数 符号列‘111000111000111...’ 毎 実現 数 [114].例 消灯 2.73 周波数 ,1 周期 下 ,10 Hz .一方,11 Hz /周期 視覚刺激変調手法 実現 ,5 .本研究 , 手法 周波数近似手法 呼 ,従来手法 対比的 固定周期手法 呼 .刺激周波数 時,周波数近似手法 %& ,square · 用 得 符号列 c( f , i ) 次式 定義 " ! $# i c( f , i ) = square 2π f RefreshRate 比 50 % , 図 5.1D 下 ,式 5.1 符号列 場合 符号列 場合 混在 8 . 方法 実現 可能 120 Hz .120 Hz 固定 12 , 1 周期 数 7 . 行 周波数近似手法 誘発 .EEG 計測実験 ,75 Hz 120 Hz ,10 Hz 手法 12 Hz 提示 ,10 Hz . , 12 Hz ,他 示 比較 5 × 5 cm (ViewSonic Corp.)上 用 ,刺激周波数 視覚刺激 以外 SSVEP 周波数 SSVEP ,図 5.2A ViewSonic P810 CRT . 示 示 脳波計測実験 固定周期手法 測実験 数 下 番号 75 Hz 例 1 周期 75 Hz 5.2.2 刺激変調符号列 10 Hz (5.1) 周波数 生成 f . ,i 半分 .図 5.1A 下 矩形波 可能 行 正方形 提示 比較 SSVEP 57 視覚刺激 9 - 13 Hz(1 Hz 間隔) 上 周波数近似手法 ,各手法 ,周波数近似 21 . 120 Hz 周波数 ,EEG 計 提示 直接的 比較 誘発 5 種類 固定周期 . 行 SSVEP 5.2 方法 第 5 章 近似周波数 図 5.1 刺激変調符号列 違 用 Microsoft DirectX 9.0 本研究 慶應義塾大学倫理委員会 認可 ,顎台 用 視力 頭部姿勢 視覚刺激 1 .刺激提示用 実装 . .視覚疲労 注視 固定 数分間 休憩 行 ,256 個 計測 EEG Panasonic Corp.) 実 椅子 ,視覚刺激 間 数s間 着席 提 10 種類(5 種類 周波 ,数 s 間 休憩 挟 EEG 計測 休憩 ,各 間 BioSemi Active Two EEG System(BioSemi, Inc.) 用 頭部全体 周波数 EEG . EEG 計測 信号 8 bits . ,被験者 ,計 4 電極位置 計測 ,2048 Hz 行 中央 選択 ,各刺激注視 Ag/AgCl 電極 用 生成 . 1 .脳波計 . ,図 5.2A 中 . (Polhemus, Inc.) 用 矯正 35 cm 離 .各被験者 30 s 間注視 避 計測 EEG .被験者 ) 視覚刺激 , UCSD Human Research Protections Program 署名 数 × 2 種類 本実験 用 眼鏡 承認同意書 同期 SSVEP 10 名 男性(平均年齢: 25 ± 5 歳) 被験者 験前 行 定常状態視覚刺激提示手法 Microsoft Visual C++ 被験者 全 誘発 検証 全 示 用 計測 . ,3D 電極 Cz 箇所 電位 基準 . ,刺激提示装置 4 s 毎 出力 ,EEG . 加 , 表面 装着 ,60 s 間 点滅信号 計測 58 (PNZ108CLR, . 1000 Hz 第 5 章 近似周波数 図 5.2 周波数 用 定常状態視覚刺激提示手法 (A) 用 実験 (B) .図 5.1B 計測 図 5.1D 点滅信号 10 Hz 実験 ,75 Hz 例 5.2 方法 視覚刺激提示装置 下 120 Hz 示 . 脳波解析手法 5.2.3 本研究 誘発 振幅値,SNR,位相 潜時,頭皮上分布 解析 行 , SSVEP 視覚刺激提示手法間 比較 行 .計測 EEG 256 Hz ,透過周波数 5 - 30 Hz 刺激提示装置 割 ,30 s 間分 生成 従 各 EEG 6個 EEG 計測 行 4 第3章 示 通 数f .SSVEP 有用 群遅延 位置 電極 本研究 用 特定 行 上記 解析 得 . 振幅値 SNR 度 比較 視刺激 特定 分類 行 ,全 得 . 行 .同様 式 3.5 ,刺激周波 得 . ,3D 頭皮上分布 作成 , ,K 0.25 Hz ∆f ,式 3.3 対 12 線形回帰関 得 電極 ,SSVEP 検出 . 加 ,注視刺激特定精度 場合 注視刺激特定精度 直接比較 行 2 24 個 ,位相 φx ( f ), f = 9, 10, ..., 13 得 SSVEP ,本研究 周波数解析 ,式 3.4 ,EEG 分 . FFT ,位相 φx ( f ) 潜時 ,式 3.6 , 頭皮上 得 用 4s 傾 振幅値 F ( f ) 式 3.4 SNR 本研究 対 抽出 対 EEG .次 4s間 ,各視覚刺激 ,計測 刺激周波数 f 数 適用 . 検証 行 .各刺激提示手法 ,10 Hz 注視刺激特定精 刺激周波数(9 - 13 Hz) 用 ,第 3 章 述 用 12 Hz ,2 種類 用 FFT . 59 基 分類 行 5 手法 CCA 基 .注 手法 用 5.2 方法 第 5 章 近似周波数 図 5.3 5.2.4 疑似 BCI 実験 流 用 検証 員会 承認 承 得 .本実験 ,周波数近似手法 署名 [115].全 ,実験 ,図 5.2B 示 被験者 個人情報 24 下 8 個 正方形(3 × 3 cm) 点滅刺激 ,点滅周波数 ,全 MATLAB 視覚刺激 被験者 休憩 挟 1個 上 注視 位置 刺激 表示 1 s 間提示 視刺激 3 × 3 cm 位置 矩形枠 計測 .実験 移動 点滅 示 後頭部 . 8 個 視覚刺激 視覚刺激 流 注視位置 続 繰 返 . . 移動 .点滅 . ,視覚提示 行 0.5 s 間表示 注視 60 .視覚刺激 [134].EEG 注視 図 5.3 間 視線 , (Dell 8 個 視覚刺激 注視 , 赤色 矩形枠 消 了 ,脳波計 g.USBamp(g.tec medical .被験者 ,被験者 ,被験者 実装 .1 行 対 .刺激提示 椅子 座 ,同時 点滅 1 s 間注視 実験 15 提示 周波数 記録 指示 激 用 256 Hz 70 cm 離 指定 扱 方針 8 - 15 Hz(1 Hz 間隔) 変調 Psychophysics Toolbox extentions engineering GmbH) 取 視覚刺激 周波数近似手法 4 箇所 電極(POz, O1, O2, Oz) 用 慶應義塾大学倫理委 Dell S2409W LCD Inc.) 用 ,75 Hz . 被験者(3 名) 被験者(男性:8 名,女性:2 名,平均年齢:22.5±0.85 BCI 実験 行 同意書 ,少人数 [114]. 本研究 ,8 名 疑似 研究 BCI BCI 評価 行 歳) 定常状態視覚刺激提示手法 BCI 実験 周波数近似手法 有効性 用 .次 終 , ,点滅 ,点滅刺 ,次 注 用 Amplitude (uV) 第 5 章 近似周波数 定常状態視覚刺激提示手法 9Hz VEP 5 75Hz 120Hz 0 Amplitude (uV) −5 0 0.2 Amplitude (uV) 0.2 Amplitude (uV) Amplitude (uV) 1 0 0.2 0.4 0.6 12Hz VEP 5 0.8 1 75Hz 120Hz 0 0.2 0.4 0.6 13Hz VEP 5 0.8 1 75Hz 120Hz 0 0.2 0.4 0.6 Time (s) 0.8 周波数近似手法 基 CCA ,式 1.1 定義 1 誘発 手法 視覚刺激数 M 1 s+ 視線移動 0.5 s) 5.3 0.8 75Hz 120Hz 固定周期手法 ,式 1.1 0.4 0.6 11Hz VEP 5 −5 0 BCI 1 0 −5 0 EEG 0.8 75Hz 120Hz −5 0 計測 0.4 0.6 10Hz VEP 5 −5 0 図 5.4 5.3 結果 SSVEP 信号波形 比較 分類 ,注視刺激 用 性能評価 行 ITR 8,注視刺激特定 要 時間 T 特定 .疑似 [1].本研究 1.5 s(刺激注視 . 結果 5.3.1 SSVEP 波形 振幅 図 5.1A 10 Hz 図 5.1D , 75 Hz 刺激変調符号列 示 . 法,75 Hz 下 120 Hz ,120 Hz 周波数近似手法 61 下 生成 下 符号列 生成 固定周期手 .図 5.1B 5.3 結果 第 5 章 近似周波数 図 5.1E , 表面 ,明 刺激 図 5.1F 5.1C 点灯時 ,2 種類 符号列 振幅 高 刺激信号 振幅値 ,刺激信号 , ,周波数近似手法 図 5.4 小 同等 振幅値 持 同等 .刺激変調 刺激 持 分 ,刺激周波数帯 . 高 結果 誘発 SSVEP 誘発 示 . 位相 持 , 5.3.2 振幅値 波形 全刺激周波数 ,Oz 計測 刺激周波数 ,全 ,f 同 周波数 刺激周波数 EEG 刺激周波数 示 .全 持 近 形状 正弦波 ,SSVEP 類似 ,次節以降 述 対 通過周波数 [ f -2 f +2] . 波形 分 解析結果 周波数成分 常 特徴 持 . SNR ,2 種類 幅値 示 .9 Hz Oz 箇所 全 13 Hz 振幅値 10 Hz 小 SSVEP 振幅値 (p< 10−4 ). , 周波数 分 振幅値 間, 間 同等 示 振幅 位相 見 SSVEP ,SSVEP 一方,12 Hz 持 .図 (図 5.1H,図 5.1I). 下 適用 SSVEP 振幅値 傾向 ,固定周期手法 Hz 図 5.5A 示 . . 用 ,背景雑音 除 .詳細 振幅値 波形 SSVEP , SSVEP 波形 被験者間平均 示 .図 5.4 一定 振幅値 小 示 下 ,2 種類 条件下 ,消灯時 同様 用 示 照度変化 , 振幅 周波数 定常状態視覚刺激提示手法 計測 誘発 観測 SSVEP 以外 可能性 振幅値 持 (図 5.1G) 周波数 振幅値 用 計測 ,刺激周波数 大 .75 Hz 120 Hz 3.70 µV 3.80 µV 刺激提示手法間 有意差 認 2.89 µV 以外 SSVEP 振 従 ,t 検定 結果, (p=0.70). ,刺激提示手法間 有意差 認 3.37 µV 周波数 SSVEP 振幅値 (75 Hz vs. 120 Hz, 9 Hz: 4.79 µV vs. 4.83 µV , 11 Hz: 3.10 µV vs. 2.99 µV , 13 Hz: 2.77 µV vs. 2.95 µV ) , 間 有意差 確認 (9 Hz: p=0.77, 11 Hz: p=0.19, 13 Hz: p=0.34). 図 5.5B ,各 SSVEP SNR 示 間 有意差 確認 Hz SNR 以外 周波数 有意差 SNR .振幅値 同様 ,12 Hz SNR (75 Hz: 3.37, 120 Hz: 3.83, p< 0.001) .一方,10 確認 (75 Hz: 3.44, 120 Hz: 3.34, p< 0.67). 有意差 確認 (75 Hz vs. 120 Hz, 9 Hz: 4.28 vs. 4.38, p=0.62, 11 Hz: 2.93 vs. 2.96, p=0.73, 13 Hz: 3.59 vs. 3.79, p=0.35). 62 第 5 章 近似周波数 用 定常状態視覚刺激提示手法 図 5.5 5.3.3 潜時 者間平均値 Oz 箇所 計測 近似 依 一定 SSVEP 潜時 128 ms, 120 Hz 示 示 示 求 SSVEP 刺激周波数 関数 線形回帰 潜時 脳波解析結果 位相 潜時 位相 数 5.3 結果 示 .図 5.5C .各 当 , . ,図 5.5C 従来研究 結果 線形回帰曲線 傾 結果 ,固定周期手法 刺激周波 用 75 Hz SSVEP [115, 143].t 検定 結果,2 種類 確認 63 (p=0.16). 値 推定 潜時 一致 潜時 有意差 潜時 SSVEP ,2 種類 . 被験 位相 直線 135 ms ,位相 5.3 結果 第 5 章 近似周波数 図 5.6 SSVEP 振幅値 5.3.4 振幅値 図 5.6A ,SSVEP 振幅値 分布 類似 SNR 示 . 差 ,後頭部 頭皮上分布 SNR 振幅値 ,下段 基 高 頭皮上分布 示 .各図 上段 SNR 頭皮上分布 Hz 頭皮上分布 定常状態視覚刺激提示手法 頭皮上分布 SNR 図 5.6B 用 示 ,中段 120 Hz 頭皮上分布 振幅値 示 SNR 64 120 75 Hz 75 Hz .全 条件下 ,頭皮上 持 分 .刺激周波数 第 5 章 近似周波数 大 用 定常状態視覚刺激提示手法 従 ,振幅値 頭皮上分布 認 示 電極位置 示 個 電極 有意差 上分布 , .先 間 間 述 ,12 Hz 有意差 ,頭皮上分布 存在 確認 , 表 5.1 結果 CCA . ,M 1 基 手法,M 3 示 手法 示 基 手法 振幅値 SSVEP 振幅値 確 SNR 13 個,SNR 3 頭皮 . 提示 ,75 Hz , .表 5.1 得 分類精度 .FFT 91.72 % (p=0.58) .CCA 得 用 固定 周波数近似手法 周波数近似手法 振幅値 SSVEP 基 手法 高 手法間 SNR 提示 分類精度 有意差 有 ,固定周期手法 周波数近似手法 ,刺激提示手法間 手法 用 基 手法 場合 同様 (M 2 : p=0.22, M 3 : p=0.29).第二高調波 ,CCA 基 有無 手法 有意差 分類結果 混合行列 高 図 5.5D .M 1 用 77.80 % 用 示 示 ,全 全 場合 ,FFT ,刺激提示手法間 用 有意差 基 認 手法 有意差 分類精度 被験者 認 分類精度 分類精度 高 分類 確認 向上 示 高 分類精度 得 ,高調 (75 Hz: p=0.08; 120 Hz: p=0.17).表 5.2 .FFT 得 基 手法 ,CCA 10 Hz SSVEP 比 基 手法 10 Hz SSVEP 用 場合 SSVEP , 12 Hz . 刺激周波数(9-13 Hz) 場合 分類精度 ,75 Hz 下 下 下 (p=0.11) .一方,CCA (75 Hz vs 120 Hz: M 2 : 89.20 % vs. 93.46 %, M 3 : 90.55 % vs. 94.27 %).第二高調波 用 ,75 Hz 周波数分類精度 120 Hz ,有意差 認 81.19 % 周波数検出精度 向上 120 Hz 下 (75 Hz vs. 120 Hz, M 2 : 97.33 % vs. 98.96 %, M 3 : 97.95% vs. 99.37 %). ,FFT SSVEP CCA CCA(Nh = 2) 基 ,120 Hz 92.30 % 基 用 分類 精度比較 ,刺激提示手法 直接的 比較 12 Hz 結果 一致 用 分類 SSVEP 基本周波数 下 2 , 12 Hz 第二高調波 視覚刺激 ,固定周期手法 分 10 Hz 手法,M 2 基本周波数 12 Hz . 示 有意差 SNR 確認 用 基 FFT .10 Hz 周期手法 高 振幅値 . (p< 10−4 ).他 刺激周波数 間 有意差 ,FFT ( N h = 1) 波 分 周波数分類精度 5.3.5 精度 高 値 示 領域 小 SNR 黒点 5.3 結果 分類精度 高調波 有意差 認 65 有無 向上 有意差 示 認 (p=0.03), (p=0.13).FFT 用 5.3 結果 表 5.1 M1 周波数分類精度(10 Hz vs. 12 Hz) M2 M3 75 Hz 120 Hz 75Hz 120Hz s1 79.17 86.96 100.00 100.00 100.00 100.00 s2 68.75 67.35 93.75 93.75 95.83 99.37 s3 100.00 100.00 100.00 100.00 100.00 100.00 s4 89.80 91.67 85.71 97.92 87.76 100.00 s5 97.92 95.74 97.92 100.00 97.92 100.00 s6 100.00 97.87 100.00 97.87 100.00 97.87 s7 100.00 100.00 100.00 100.00 100.00 100.00 s8 100.00 98.00 100.00 100.00 100.00 100.00 s9 83.67 87.50 95.92 97.92 97.96 97.92 s10 97.92 97.92 100.00 100.00 100.00 100.00 Mean±STD 91.72±3.50 92.30±3.16 97.33±1.46 98.96±0.46 97.95±1.22 99.37±0.31 定常状態視覚刺激提示手法 120 Hz 用 75 Hz 第 5 章 近似周波数 66 Subject 第 5 章 近似周波数 用 周波数分類 M1 混合行列(10 Hz vs. 12 Hz) M2 75 Hz 120 Hz M3 75 Hz 120 Hz 75Hz 120Hz 67 10 Hz 12 Hz 10 Hz 12 Hz 10 Hz 12 Hz 10 Hz 12 Hz 10 Hz 12 Hz 10 Hz 12 Hz 10 Hz 90.10 9.90 90.71 9.29 100.00 0.00 100.00 0.00 100.00 0.00 100.00 0.00 12 Hz 6.67 93.33 6.28 93.72 5.38 94.62 2.07 97.93 4.15 95.85 1.23 98.77 定常状態視覚刺激提示手法 表 5.2 5.3 結果 5.3 結果 第 5 章 近似周波数 表 5.3 手法 同様 疑似 周波数検出精度 Accuracy (%) ITR (bits/min) s1 90.83 92.03 s2 96.67 107.82 s3 84.17 77.01 s4 92.50 96.21 s5 95.00 102.93 s6 100.00 120.00 s7 94.17 100.62 s8 86.67 82.37 s9 100.00 120.00 s10 70.00 51.06 Mean±STD 91.00±9.00 95.00±20.90 用 手法 間 (M 2 : p=0.09, M 3 : p=0.12). 結果 ,75 Hz 現可能 ,統計的 5.3.6 疑似 ,疑似 BCI 実験 示 比 高 超 , ,高 周波数検出精度 示 実 . ITR 性能評価結果 示 .疑似 得 ITR .特 達成 分 結果 SSVEP 達成可能 一致 .特 SSVEP 型 BCI 68 SNR 結果 分 100% , 分類精度 他 帯域 ,周波数近 周波数(8 - 15 Hz) 実現可能性 示 , , ,9 - 13 Hz SSVEP 様々 ITR 混合行列 [137]. 用 s9 .95.00 bits/min [31, 114].表 5.4 示 (被験者間平均) . ,被験者 s6 alpha 帯域(8 - 13 Hz) 従来研究 誘発 ITR 最高値 分類精度 高 似手法 値 91.0±9.0 % ,120 bits/min SSVEP 型 BCI 90% 高 得 ,95.0±20.9 bits/min 注視刺激特定精度 周波数 認 BCI 性能 BCI 実験 結果 類精度 同等 有意差 ,120 Hz 比 示 表 5.3 定常状態視覚刺激提示手法 Subject ,CCA 用 用 . 実現 第 5 章 近似周波数 Input 定常状態視覚刺激提示手法 表 5.4 疑似 周波数検出 混合行列 8 Hz 9 Hz 10 Hz 11 Hz 12 Hz 13 Hz 14 Hz 15 Hz 8 Hz 89.33 2.00 0.67 0.67 4.00 2.00 0.67 0.67 9 Hz 1.33 91.33 2.67 0.67 0.00 2.67 0.67 0.67 10 Hz 1.33 0.00 97.33 0.00 0.67 0.00 0.67 0.00 11 Hz 2.00 0.00 2.00 93.33 1.33 0.00 1.33 0.00 12 Hz 0.00 0.67 0.00 1.33 98.00 0.00 0.00 0.00 13 Hz 8.00 1.33 0.00 0.00 0.00 90.67 0.00 0.00 14 Hz 3.33 1.33 1.33 0.67 4.00 6.67 82.00 0.67 15 Hz 4.00 1.33 0.00 0.00 2.00 1.33 5.33 86.00 考察 5.4.1 誘発 ,従来 用 視覚刺激提示手法 誘発 SSVEP 波形特徴 SSVEP 周波数近似手法 有効 固定周期手法 行 .本研究 ,SSVEP 型 BCI 手法 ,2 種類 手法 SSVEP , 対 以外 視覚刺激 SSVEP 用 ,提案手法 結果 有意 差 生 分数調波成分 得 結果 SSVEP 実現 示 12 Hz 解析 69 行 特徴 , SSVEP ,手法 SSVEP 特定 信号 増幅 考 周波数 [144]. 3 種類 周波数近似手法 .計測 ,120 Hz 2 種類 Hz,11 Hz,13 Hz) ,同等 信号特徴 持 下 用 . 固定周期 実現 (p< 10−4 ).従来研究 生 分数調波成分 .10 Hz 固定 計測 行 視覚刺激 潜時,頭皮上分布 .一方,12 Hz 得 用 CRT 12 Hz 特徴比較 検証 必要 周波数近似手法 ,振幅値,SNR,位相 同等 有効性 視覚刺激 提示 ,誘発 ,刺激提示手法間 直接的 特徴比較 行 振幅値 厳密 10 Hz 実現 直接的 SSVEP 動作 ,120 Hz 周波数解像 [114]. 誘発 ,周波数近似手法 周期手法 周波数近似手法 高 示 周波数近似手法 . 手法間 5.4 考察 Output of the simulated online test 5.4 度 用 示 誘発 .図 5.5A SSVEP SSVEP(9 ,75 Hz 振幅値 刺激 5.4 考察 第 5 章 近似周波数 周波数 増加 伴 期手法 用 場合 似手法 用 頑健 特徴 滑 減少 生 本研究 示 . 解析 高調波 SSVEP 第二高調波 SSVEP 考 視覚刺激 一般 解析 特徴解析 行 固定周 ,周波数近 ,誘発 . 重要 振幅値 結果 実現可能 用 振幅差 SSVEP . 基本周波数 焦点 絞 高調波成分 含 発 作用 周波数 ,SSVEP 定常状態視覚刺激提示手法 ,12 Hz 様々 持 用 SSVEP ,SSVEP 分類 ,周波数近似手法 [26].9 Hz , 刺激注視時 13 Hz 間 誘 同等 示 (75 Hz vs. 120Hz, 9 Hz: 2.65 µV vs. 2.63 µV , p=0.87; 13 Hz: 1.11 µV vs. 1.12 µV , p=0.82). , 確認 以外 刺激周波数 対 第二高調波 有意差 (75 Hz vs. 120 Hz, 10 Hz: 1.87 µV vs. 2.27 µV , p=0.01; 11 Hz: 1.52 µV vs. 1.83 µV , p=0.02; 12 Hz: 1.29 µV vs. 1.62 µV , p=0.02). ,120 Hz 分数調波(20 24 Hz) 刺激周波数(10 Hz - 12 Hz) 干渉作用 第二高調波 振幅値 増大 Hz 考 高 振幅値 .第二高調波以外 振幅値 示 干渉周波数 干渉周波数成分 ,更 関 ,周波数近似手法 呼 成分 ,照度 調査 必要 観測 用 誘発 [145]. 視覚刺激間 , SSVEP , 光強度 比較 行 . 5.4.2 注視刺激特定精度 情報伝達率 本研究 ,周波数近似手法 固定周期手法 分類精度 比較 法 行 比 誘発 .周波数近似手法 低 示 10 Hz 分類精度 ,有意差 12 Hz 被験者平均 認 SSVEP 固定周期手 (周波数近似 vs. 固定周期,FFT:91.72 % vs. 92.30 %,p=0.58;CCA:97.33 % vs. 98.96 %,p=0.22) . ,本研究 対 周波数分類 120 Hz 似 5 種類 刺激周波数(9 Hz - 13 Hz,1 Hz 間隔) 刺激注視時 用 比 ,注視刺激 低 提案手法 加 Hz 行 ,有意差 ,分類精度 . 高 SSVEP 提案手法 組 合 SNR 持 視覚刺激 Bakardjian 研究 .75 Hz 認 ,選択 ,広帯域 構築 考 周波数 検討 大幅 誘発 際 増 12 従来手法 . 疑似 得 ,周波数近 下 ,SSVEP 型 BCI 有効 分類精度 . 低下 性能 BCI 分類精度 求 ,120 Hz 上記 性能評価 加 ,本研究 平均 91.0±9.0 % 特定精度 SSVEP BCI 実験 行 ,8 個 選択肢 持 推定 .同様 .疑似 8 個 選択肢 持 刺激周波数 70 BCI 実験 結果, SSVEP 型 BCI 用 8 種類 刺激周波数 選択 , 第 5 章 近似周波数 定常状態視覚刺激提示手法 入力速度 示 3.4 s/selection 波数 用 選択 ,1.5 s/selection 入力速度 改善,分類精度 bits/min ITR 域 達成 向上 5.4.3 干渉周波数成分 可能 述 詳細 観察 示 .図 5.7 , 高 刺激注視時 分 .本研究 考 持 高調波以外 生 分 視覚刺激注視時 存在 ,頭皮上分布 ,干渉周波数 呼 基 高調 ,10 Hz 視覚 9 Hz,15 Hz,33 分 , 成 誘発 考 刺激周波数 干渉 生 . 付加情報 SSVEP [145].図 基本周波数 .例 視覚刺激注視時 成分 高 刺激 振幅 EEG 分 注視 95.0 周波数 下 . 増加, . SSVEP ,12 Hz ,視覚刺激 , CCA ,分類精度 可能 成分 12 Hz 周波数 観測 現 干渉周波数成分 信号 振幅値 選択肢数 刺激周波数 帯 増加 ,75 Hz 振幅値 主 後頭部 .理論上 刺激周 ,本研究 誘発 5 Hz,15 Hz,25 Hz 高 仮定 実現 BCI 10 Hz 分 波成分以外 Hz ,高速 ,基本周波数 図 5.7B alpha 帯域 向上 ITR ,周波数近似手法 5.7A 達成 ,選択肢数 選択 高 ,周波数近似手法 用 柔軟 選択 先 ,SNR 入力速度 . 周波数 与 注視刺激特定手法 考 用 . ,次式 ,分類精度 参照 向上可能 . Yf = ,f i m , m = 1, 2, ..., M 刺激周波数(9 - 13 Hz) % [146],本研究 5.4 考察 . sin(2π f n) cos(2π f n) .. . sin(2πNh f n) cos(2πNh f n) sin(2π f i 1 n) cos(2π f i 1 n) .. . sin(2π f i M n) cos(2π f i M n) ,n = 1 , 2 ,··· , N fs fs fs (5.2) m 番目 干渉周波数 示 .実際 ,本手法 用 注視刺激周波数 検出 ,式 5.2 干渉周波数成分 選択 2 M . 結果 71 結果,平均検出精度 ,被験者毎 最 ,本手法(M 4 ) 用 検出率 全 92.82±6.57 高 ,式 3.8 5.4 考察 第 5 章 近似周波数 図 5.7 干渉周波数成分 定義 従来 参照信号 用 場合 振幅値 用 頭皮上分布 高精度 (M 2 vs. M 4 : p=0.03,M 3 vs. M 4 : p=0.048). ,干渉周波数成分 考慮 特徴抽出 定常状態視覚刺激提示手法 検出 示 ,周波数近似手法 検討 用 場合 . 5.4.4 刺激周波数 本研究 ,従来研究 固定周期手法 広 用 周波数近似手法 比較 10 Hz 行 12 Hz 刺激周波数 用 .実際,9 Hz,11 Hz,13 Hz 72 刺激周波 第 5 章 近似周波数 数 用 ,固定周期手法 定常状態視覚刺激提示手法 用 Hz)下 提示 一般的 考 .本研究 更 発展 用 . ,LED ,様々 本研究 用 行 研究 ,90 Hz 固定周期手法 用 刺激提示装置 刺激周波数 ,SSVEP 型 BCI 実験 近年 (60 Hz,75 Hz,120 不可能 動作 方針 5.4 考察 直接比較 一般 用 ,BCI 刺激周波数 用 刺激周波数 選択 選択 比 ,22 Hz 混合 Hz , 5.4.5 近似 近似 近 刺激数 一周波数 増加手法 複数 数 行 . ,ITR ,潜時 周波数 実現 下 下 組 込 一定 20 Hz 24 向上 考 . 考 .刺激提示時刻 知 同一 ,異 周波数 位相 位相 持 持 SSVEP 同 誘発 位相情報 周波数情報 組 合 向上 SSVEP 研究 報告 振幅値 SNR 刺激周波数 固定周期手法 ,式 5.3 ,固定周期 ,変調可能 ,視覚刺激 得 .結果 近似的 ,近似精度 位相情報 視覚刺激 波数近似手法 .周波数近似手法 高 用 可能 時間 増 場合,120 Hz 場合,60 Hz [26, 149, 150]. 刺激周波数 実現 刺激周波数 選択 発生 SSVEP SSVEP 型 BCI 刺激変調 様々 更 提示 ,高 近似 位相情報 含 刺激周波数 ,120 Hz . 周波数 周波数近似 生成 , ,周波数近似手法 用 ,高周波数帯域 用 周波数 用 刺激周波数 混合 30 Hz 下 .対 望 2 場合,高 ,60 Hz ,高周波数帯域 視覚刺激 用 生成可能 近接 軽減 制限 30 Hz . . 報告 眼疲労 半分 ,周波数近似手法 不可欠 20 Hz 有効性 注視 .例 20 Hz . 適用可能 , 困難 実現 . .固定周期手法 用 ,理論的 .例 刺激周波数 SSVEP 快適性 向上 選択可能 高帯域 周波数 手法 柔軟 可能 提示 alpha 帯域 刺激周波数 [147, 148].高周波数帯域 刺激周波数 採用 alpha 帯域 視覚刺激 [26],周波数近似手法 他 周波数帯域 ,20 Hz 以上 周波数帯域 9 Hz 依 誘発 一定 SSVEP 周波数近似手法 73 生成 [115].本研究 解析 加 ,位相 潜時 ,周 解析 ,約 130 ms 潜時 示 同等 視覚刺激 結果 位相情報 . 組 5.5 結言 第 5 章 近似周波数 込 ,位相 分類 可能 位相 示 . 方法 ,SSVEP 型 BCI 定常状態視覚刺激提示手法 誘発可能 SSVEP " ! c( f , φ, i ) = square 2π f ,φ 用 考 $ # i +φ RefreshRate ,近似的 視覚刺激 . (5.3) 周波数 数 大幅 位相 実現 増加 . 5.4.6 周波数近似手法 応用例 周波数近似 用 . 視覚刺激提示手法 ,高 ,様々 達成可能 ITR , 刺激周波数 多 応用 BCI 8 方向 操作 肢 成 電話番号入力 択肢 必要 . 期待 .例 12 個 選択 [146] (数字 10 個,Backspace,Enter)[111],30 個以上 選 文字入力 考 選択 (英字 26 個,Backspace,Space,Enter,Shift)[151] ,周波数近似手法 従来 視覚刺激数 増加 用 手法(Dual-frequency method [152],Mixed frequency-phase method [115]) , 選択肢数 低 携帯端末 増加 可能性 型端末 画面上 [79, 81].周波数近似手法 用 視覚神経科学 研究 利用 注視時 研究 脳活動 調 的注視)能力 診断 . .例 多 視覚情報 用 , 刺激 提示 SSVEP 型 BCI 用 際 提案手法 有効 様々 応用例 考 ,様々 知覚 周波数 情報 , 点滅 光刺激 選択 (選択 [153]. 結言 5.5 本章 ,SSVEP 型 BCI 視覚刺激変調手法 激周波数 有効性 限 検証 増加 ,周波数近似 [154, 155].従来 固定周期手法 ,周波数近似手法 向上 用 刺激 特徴 SSVEP . 実現可能 比較 周波数解像度 SSVEP 結果,手法 検出 周波数近似手法 示 位相情報 . 付 依 頑健 疑似 大幅 潜時 ,位相 変化 誘発 74 ITR 確認 結果,高速 実現 ,視覚刺激 複数 誘発 誘発 BCI 実験 行 SSVEP SSVEP 固定周期手法 SSVEP ,95.00 bits/min 誘発 刺 半分 .周波数近似手法 ,周波数近似手法 用 用 提示可能 .実際, 周波数 精度 選択肢数 . 点滅時刻 視覚刺激 . 高 用 対 一定 , ,周波 第 5 章 近似周波数 数情報 .次章 入力 用 定常状態視覚刺激提示手法 位相情報 周波数 BCI 付加 位相情報 応用 選択肢数 用 5.5 結言 更 刺激提示手法 提案 . 75 増加 可能 ,多選択肢 必要 考 文字 77 第6章 周波数-位相近似手法 用 SSVEP 型 BCI 緒言 6.1 第1章 述 ,EEG 用 様々 BCI 分野 [1, 156, 157],過去数十年 間 性能 飛躍的 向上 (1)視覚刺激提示方法,(2)視覚刺激 要因 確 高速 依存 .第一 刺激提示 行 ,頑健 必要 解決 設計 上 役割 ,第 5 章 f-VEP,c-VEP,s-VEP 担 4 種類 誘発 VEP [114, 158, 159].次 重要 .SSVEP 型 BCI 性能 .第 3 章 存在 刺激 示 数 , 周波数近似手法 用 ,視覚刺激 情報付与 述 , 時分割多元接続方式(TDMA: Time division multiple access) 正 ,BCI VEP 型 BCI 無線通信技術 , 3 ,安定 ,SSVEP 型 BCI 制限 問題 注目 情報付与方法,(3)注視刺激特定手法 信頼性 .一般 研究者 t-VEP, 利用 周波数分割多元接続方 式(FDMA: Frequency division multiple access),符号分割多元接続方式(CDMA: Code division multiple access),空間分割多元接続方式(SDMA: Space division multiple access) 相当 [27].無線通信技術 場合 同様 ,効果的 符号化方法 用 向上 SNR 高速 BCI 用 多 実現 CCA 手法 比 基 本研究 ,効果的 手法 ,ITR 分離可能性 高 注視刺激特定手法 EEG 解析手法 広 [31,125].単 基 ,刺激間 SSVEP 型 BCI .第三 必要 向上 目的 .近年,CCA 研究 ,注視刺激特定精度 大幅 向上可能 研究 , 用 密度(PSD: Power spectrum density) EEG 近年 VEP 改良 SSVEP 型 BCI 示 [160–162]. 提案 .近年報告 [125]. 6.2 方法 第 6 章 周波数-位相近似手法 SSVEP 型 BCI 研究 SSVEP 型 BCI .前章 ,視覚刺激 激特定手法 数 位相情報 増加 位相情報 手法 提案 ,更 通 ,周波数 必要 可能 速度 入力 可能 計 32 個 視覚刺激 用 学習 .本研究 ,従来 位相 同時 注視刺 検出 提案 提案 .提案 ,8 周波数 位相情報 捉 EEG 参照信号 新規性 .本研究 4 種類 位相情報(0, 90, 180, 270 度) 持 利用 基 CCA ,(1)周波数-位相近似手法 提示手法 提案, (2)多選択肢(32 個)BCI 注視刺激特定手法 利用 実現 SSVEP 型 BCI .短時間(高速) 特有 提案 視覚刺激 [115]. SSVEP 型 BCI 種類 周波数情報(8 - 15 Hz,1 Hz 間隔) 激特定手法 考 ,最適 視覚刺激提示方法,情報付与方法,注視刺 ,高性能 ,本研究 込 ,周波数 . ,40 文字/min [31]. 改善 余地 組 検出 激特定手法 用 高速 SSVEP 型 BCI 60 bits/min 以下 近年飛躍的 向上 ITR 示 多 ITR 用 設計, (3)学習 注視刺 用 視覚刺激 用 基 CCA . 方法 6.2 6.2.1 周波数-位相近似手法 前章 述 , 上 刺激 柔軟 制限 .周波数近似手法 SSVEP 潜時 140 ms 前後 拡張可能 相 位相 応 考 位相 位相情報 付加 . 持 SSVEP 視覚刺激 .近似周波数 加 番号 示 半分 比 50 % .理論的 ) 異 ,周波数 提示可能 視覚刺激数 大幅 ,f ,周波数-位相近似手法 78 ,刺激位 増加 定義 $ # i +φ RefreshRate 矩形波 位相(0 - 360 度) 位相領域 視覚刺激 次式 実現可能 潜 SSVEP . 符号列 c( f , φ, i ) " ! c( f , φ, i ) = square 2π f ,square[·] ,周波数近似 位相 誘発 位相情報 , ,周波数近似手法 結果 ,同一周波数 , 解決 上 ,9 - 13 Hz(1 Hz 間隔) [155]. 設計 周波数 制限 研究 頑健 示 用 点滅 持 視覚刺激 [79, 113, 114]. 提示 色 ,実現可能 周波数 提示 提示 変更 半分 時 視覚刺激 . (6.1) 刺激周波数,φ 位相,i 周波数( .図 6.1A ,75 Hz 第 6 章 周波数-位相近似手法 図 6.1 (A) 刺激変調符号列 下 180, 270 度) 持 位相情報 正確 6.2.2 用 高速 SSVEP 型 BCI (B) 誘発 SSVEP,(C) 振幅 周波数-位相近似手法 10 Hz SSVEP 6.2 方法 生成 符号列 示 . 現 ,(D) 複素 4 種類 位相(0, 90, ,図 6.1B 分 [163]. ,特定 周波数 ,光駆動 周波数- 脳波解析手法 式 6.1 生成 刺激符号列 .誘発 得 刺激周波数 値 SSVEP 周波数 位相 .振幅 値 得 . 79 位相 ,FFT 位相 持 視覚刺激 求 値 ,SSVEP 提示 複素 ,各 振幅 A x ( f ) 6.2 方法 第 6 章 周波数-位相近似手法 初期位相 φx ( f ) 次式 ,x(n) 提示 . 0 2 N f 1 ( − j 2π( f )n s A x ( f ) = abs x(n)e N n=1 0 2 N f 1 ( − j 2π( f )n s φx ( f ) = angle x(n)e N n=1 EEG, f 長 示 (6.2) (6.3) 刺激周波数, f s . ,第 5 章 発生 SSVEP 高速 SSVEP 型 BCI 求 単 点,N 用 潜時 t 同様 求 周波数,n 解析手法(式 3.6) ,刺激 . 6.2.3 注視刺激特定手法 6.2.3.1 CCA 基 PSD 周波数情報 SSVEP 手法 位相情報 2 段階処理 行 手法 数 特定 ,次 数 特定手法 FFT 値 得 周波数検出 位相 求 述 通 計算 位相 参照値 ,参照信号 Y f 最 高 ,正準相関係数 複素 用 値 6.2.3.2 学習 本研究 提案 要 ,SSVEP .学習 提案手法 .K Wx ) 特徴量 検証 適用 利用 X 基 EEG 学習 検証 .本研究 基 [115]. 示 参照信号 Y f 間 刺激周波数 求 X 特定 数 . 用意 周波数 学習 単 刺激周波数 複素 値 内積 求 , . CCA 基 特定 注視刺激特定手法 時間平均 ,CCA 得 参照信号 Xˆk 相関係数 ,SNR 独立 行 向上 空間 求 (式 3.16 注視刺激特定 空間 参照信号 Xˆk 間 正準係数 WXX̂ , (2)検証 80 必 . Xk (k = 1, 2, ..., K ) . 正 手法 学習 示 周波 周波数 ,周波数検出 位相検出 注視刺激 基 [31, 125],学習 f ,予 参照信号 視覚刺激数 求 最大 参照信号 ,参照信号 Xˆk .CCA 特定 式 3.8 特定 学習 処理 刺激周波 周波数(8 - 15 Hz, 1 Hz 間隔) 入力 CCA 手法 行 X . 注視刺激 用 ,1 段階 得 新 位相検出 1 箇所 選択 ,特定 求 視覚刺激 行 ,周波数検出 基 特定 初期位相 EEG ,刺激提示 複素 ,CCA 位相検出 求 手法 .CCA .周波数検出 後,後頭部 電極 EEG , SSVEP 多 準相関係数 CC A(X, Y f ) 単純 ,注視刺激 比較 , 最 .本研究 ,3.4.3.3 節 複素 求 (1) X 第 6 章 周波数-位相近似手法 用 高速 SSVEP 型 BCI 図 6.2 6.2 方法 提案手法 三角関数 基 参照信号 Y 間 正準係数 W X Y , (3)学習 三角関数 参照信号 Y 間 法 号 基 注視刺激特定手法 新規 入力 三角関数 能力 空間 3 種類 導入 参照信号 Xˆk .図 6.2 示 .注視刺激 ,学習 )間 基 相関係数 参照信号 ,周波数 特定 得 考慮 流 信号(検証 .従来手法 区別 処理 正準係数 WX̂Y 基 最大 効果 基 刺激 検証 ,提案手 参照信 特定 正準相関係数 ,位相 ,本研究 3 種類 . 相関係数 ,上述 正準相関係数 加 4 種類 特徴量 . 本研究 ,上述 特徴量 ,上記 示 4 種類 特徴量 組 合 相関 ρ 次式 統合分類器 定義 ,ρ(a, b) a b 間 相関係数 81 示 . . ρ ρ1 ρ 2 ρ(XT W , X̂T W ) XX̂ XX̂ ρ= ρ 3 = ρ(XT WXY , X̂T WXY ) ρ4 ρ(XT WX̂Y , X̂T WX̂Y ) 提案 .次 (6.4) ,次式 示 重 付 6.2 方法 第 6 章 周波数-位相近似手法 相関係数 ρ̃ 特徴量 図 6.3 刺激提示装置 ,先述 特徴量 4 ( ρ̃ = i =1 ,sign 利用 検証 (e.g., 0 度 参照信号 学習 視覚刺激 統合 高速 SSVEP 型 BCI 手法 . sign(ρ i ) · ρ 2i (6.5) 間 負 相関係数 180 度,90 度 対応 用 分類可能性 保 270 度).提案手法 注視刺激 特定 , 特徴量 ρ̃ 最大 . 6.2.4 脳波計測実験 6.2.4.1 実験 1: 脳波計測実験 周波数-位相近似手法 実験 Inc.)上 図 6.3 (縦) 行 視覚刺激 . 実験 32 個 視覚刺激 提示 示 ,視覚刺激 2 cm(横) (8 - 15 Hz) 示 視覚刺激 ,式 6.1 示 MATLAB 本研究 8×4 ,各行 全 誘発 計測,解析 EEG ,24 (Dell S2409W, Dell LCD . 3 × 3 cm 行列 正方形 配置 ,2 刺激間 .各列 周波数-位相近似手法 距離 3 cm 8 種類 周波数 生成 Psychophysics Toolbox extentions ,平均年齢 23 歳 . 75 Hz 4 種類 位相 (0, 90, 180, 270 度) 述 , 用 示 . 実装 13 名 男女(男性:10 名,女性:3 名) 82 . , ,刺激提 [134]. 実験 第 6 章 周波数-位相近似手法 行 .全 験 被験者 座 注視 間 取 ,同時 扱 刺激 方針 点滅 .1 数 min 挟 赤 者 間 点滅 注視位置 消 注視 , 順 実験 行 上記 続 行為 . .次 .点滅 繰 返 行 , .被験者 注視 上 注視 主 後頭部 位置 記録 .注視刺激 生成 視線移動 用 4s間 位置 矩形枠 貼付 16 個 電極 分割 ,脳波 周波数 刺激提示 計測 .計測 ,特徴解析 EEG 注視刺激特定手法 検 BCI 実験 注視刺激特定手法 ,第 5 章 同様 疑似 移動時間 含 行 BCI 実験 想定 32 個 視覚刺激 注視 2 回行 性能 .本実験 0.5 s 間 入力 提案 BCI 実験 行 13 名 被験者 対 実験内容 .計測条件 EEG 計測実験 ,視覚刺激 想定 行 点滅時間 . 1 s 間,視線 ,32 個 指示 .各被験者 , 評価 .実験 ,刺激提示 ,32 個 EEG 計測実験 間(実験 1:4 s 間,実験 2:1 s 間)以外 同 順 入力 比 ,刺激 実 点滅時 . 脳波解析 性能評価 6.2.5 EEG 計測実験 疑似 式 3.1 示 response) 実験 疑似 始 時点 , 計測 信号 同時 移動 . 刺激提示手法 験 ,被験者 512 Hz 8 bits EEG 6.2.4.2 実験 2:疑似 同 示 , 従 証 時間 3× ,被験 (FPz, F3, F4, Fz, Cz, P1, P2, Pz, PO3, PO4, PO7, PO8, O1, O2, Oz) 計 g.USBamp(g.tec medical engineering GmbH) 視覚 注視 4 s 間提示 ,次 .EEG 4s間 表示 ,点滅刺激 終 1個 . ,点滅刺激 ,実 70 cm 離 注視 , . 移動 署名 指定 視覚刺激 ,合計 7 0.5 s 間表示 視線 同意書 .被験者 指示 矩形枠 承認 了承済 32 個全 ,刺激提示 3 cm 6.2 方法 32 個 視覚刺激 中 休憩 高速 SSVEP 型 BCI ,慶應義塾大学倫理委員会 個人情報 椅子 用 BCI 実験 通過周波数 7 - 50 Hz CAR 適用 .視覚系 BCI 実験 , 実験 ,全 無限 反応 遅 応答(IIR: Infinite impulse 考慮 計測 [0.12 s 4.12 s] 分類精度 最大 83 EEG [0.12 s 1.12 s] 区間 , EEG 計測 ,0 刺激 点滅 開 区間 切 出 . ,120 ms 遅 適用 6.3 結果 第 6 章 周波数-位相近似手法 . ,CCA 過学習 PO8, POz, O1, O2, Oz) 用 関数 基 参照信号 解析 用 分類精度 定義 8 個 電極(PO3, PO4, PO7, 用 周波数検出 3(Nh = 3) . 三角 ,CCA ,Small Laplacian 法 ,先述 前処理 行 用 Oz 提案手法 分類 . ,Leave-one-out 交差検証法(LOOCV: Leave-one-out cross validation) 推定 . 分類 BCI 実験 1.1 .CCA 高速 SSVEP 型 BCI . EEG EEG 計測実験 行 位相検出 EEG 計測 ,後頭部 ,高調波成分 数 注視刺激特定手法 箇所 単 防 用 使用 EEG 解析 性能評価 ITR 学習 適用 行 .本稿 ,分類精度 疑似 加 式 . 結果 6.3 6.3.1 位相 潜時 図 6.1 ,4 種類 6.1A) 誘発 . 想定 図 ,異 分 .図 6.1C 位相 .図 6.1D 存在 図 6.4 持 SSVEP(図 6.1B) 例 示 .刺激 下 提示 示 位相(0,90,180,270 度) 各周波数 示 持 示 全 ,誘発 SSVEP SSVEP SSVEP 振幅 10 Hz 振幅 (A) 刺激変調符号列 生 ,4 種類 位相 対応 結果 84 75 Hz 複素 . 刺激変調符号列(図 10 Hz ,周波数-位相近似手法 (B)SSVEP 複素 , 第 6 章 周波数-位相近似手法 図 6.5 所望 周波数 位相 持 SSVEP 型 BCI 高速 SSVEP 型 BCI 誘発 SSVEP SSVEP 誘発 視覚刺激 数 ,刺激変調符号列 誘発 6.4B 示 . 所 用 EEG 示 用 複素 法 得 符号列 周波数 位相 傾向 , 遅 関数 曲線 傾 示 示 周波数 位相 示 時間(潜時) 複素 持 線形回帰 .推定 持 , 理 行 有意差 視覚系 ,線形回帰 傾 生 .図 6.5 ,誘発 SSVEP 推定 潜時 , 位相 正 85 潜時 一定 SSVEP 結果 一致 結果 分類 周波数-位相 潜時 144ms,141ms,142ms, 示 (p=0.73). 周波数 異 遅 .全 , 確認 ,SSVEP 互 ,刺激変調符号列 一元配置分散分析(ANOVA: Analysis of variance) 結果,異 間 .近似手 ,位相 被験者間平均 刺激周波数 当 潜時 ,従来研究 同程 .一方,非 予想 推定可能 SSVEP 値 予想 示 刺激位相 対 145ms 対 SSVEP 間 違 位相 潜時 示 .図 6.5A .図 6.5B .4 種類 Oz 箇 複素 SSVEP 式 3.6 図 複素 空間 誤差 見 .符号列 手法 被験者間平均 刺激周波数 ,注視刺激 4 種類 刺激位相 同等 , .図 6.4A 振幅値 .誘発 推定 SSVEP . 増減 ,CAR 値 示 同様 (B) 潜時 0,90,180,270 度 位置 現 注視刺激 対 場合 SSVEP .理想的 度 振幅値 持 , (A) 位相 示 柔軟 SSVEP 6.3 結果 [115, 143]. 刺激位相 ,適切 可能性 示 潜時 機械学習 . 処 6.3 結果 第 6 章 周波数-位相近似手法 図 6.6 図 6.6A 実験 被験者平均 示 . 手法 用 基 CCA 周波数検出 生成 基 PSD 注視刺激特定精度 提案手法 全 示 . 結果 M5 長 用 高 ,4 種類 分類精度 用 ,分類精度 ,M 4 提案手法 5 基 学習 三角関数 学習 基 参 三角関数 ,M 5 組 合 提案手法(M 2 ,M 3 ,M 4 ,M 5 ) ITR 得 ,最 高 分類精度 70.95±17.53 % 86 CCA 検証 検証 提案手法 空間 M1 ,統合分類器 ,M 3 ITR 対 ,M 1 2 段階手法 ,M2 提案手法 ,図 6.6B 分割 .図 6.6 用 生成 被験者平均 ,1 - 4 s 計算 空間 長 .1 s 結果 用 生成 参照信号 注視刺激特定精度 位相検出 空間 照信号 基 高速 SSVEP 型 BCI BCI 性能 6.3.2 種類 用 示 ITR 得 88.84±11.48 % .特 分 増加 第 6 章 周波数-位相近似手法 図 6.7 用 疑似 高速 SSVEP 型 BCI BCI 実験 (M 1 vs. M 5 ,p< 10−3 ),ITR 増加 %) , .例 ,1 s 長 長 場合 長 比 長 短 場合 1s 場合,多少 減少 ITR 持 最 高 精度向上 分類精度 計算 ITR 案手法(M 2 ,M 3 ,M 4 ,M 5 ) .0.5 s 分類精度 ,0.5 s .図 6.6C 分類精度 長 場合,提案手法 優位性 提案手法 比 有意 低 高 分 間 疑似 表 6.1 疑似 4.26 % 増加可 ,1 s 長 示 用 示 , 比 有意 場合 高 顕著 現 −5 . 場合 各手法 提 示 .特 ,M 1 ; M1 vs. M3 : p< 10−5 ; M1 分類精度 他 手法 分類精度 有意差 認 p=0.75; M2 vs. M4 : p=0.85; M3 vs. M4 : p=0.50). 6.3.3 起 比 有意 (M 5 vs. M 1 : p< 10−6 ; M 5 vs. M 2 : p< 10−3 ; M 5 vs. M 3 : p< 10−5 ; M 5 vs. M 4 : p< 10−4 ) .M 2 ,M 3 ,M 4 用 結果 1s M1 引 161.00±34.23 bits.min (M 1 vs. M 2 : p< 10 vs. M4 : p< 10−6 ; M1 vs. M5 : p< 10−6 ),一方,M5 減少 ITR 最適 図 6.6D ITR .式 1.1 分類精度 構築 比較 分類精度(>88 得 ITR 大幅 (p< 10−6 ). BCI 注視刺激特定手法 更 表 比較的高 用 2s (B)ITR 161.00±34.23 bits/min (88.84±11.48 % vs. 93.10±6.16 %,p< 0.05),ITR 104.03±12.49 bits/min 高 111.65±41.75 bits/min , 分 能 (A) 注視刺激特定精度 (M 1 vs. M 5 ,p< 10−5 ).全 得 6.3 結果 提案手法 有効性 示 結果 (M 2 vs. M 3 : ,CCA 基 空間 . BCI 性能 BCI 実験 ,周波数分類精度(8 分類) 得 被験者毎 位相分類精度(4 87 分類精度 ITR 示 . 分類),周波数-位相 6.3 結果 第 6 章 周波数-位相近似手法 表 6.1 疑似 用 BCI 性能評価 Accuracy (%) ITR Subject Frequency Phase Mixed (bits/min) s1 96.88 93.75 92.19 168.70 s2 93.75 90.62 90.62 163.47 s3 93.75 95.31 93.75 174.12 s4 93.75 92.19 92.19 168.70 s5 96.88 90.62 90.62 163.47 s6 96.88 93.75 92.19 168.70 s7 100.00 95.31 95.31 179.79 s8 100.00 96.88 96.88 185.78 s9 89.06 78.12 78.12 126.34 s10 100.00 98.44 98.44 192.26 s11 95.31 85.94 85.94 148.70 s12 98.44 96.88 96.88 185.78 s13 87.50 85.94 84.38 144.03 Mean±std 95.55±3.98 91.83±5.68 91.35±5.69 166.91±18.50 分類精度(32 精度 分類) 結果 ,被験者間平均値 区別 超 90 % 高 示 値 .3 種類 得 高精度 行 .1 試行 長 位相分類 ,3 名 ITR . 平均 ,図 6.8 ,刺激周波数 一致 [155]. 図 6.7 異 実線 . , 1.5 s 分類精度 高 長 0.1 s 1s 刺激提示 ,0.1 s 得 ITR 105.64±11.55 bits/min 各視覚刺激 高帯域 分類精度 長 , 対 注視刺激特定精度 注視刺激特定精度 用 場合 ITR 示 増 ,周波数分類 分類 位相分類 周波数分類精度 100 % 被験者間平均 166.91±18.50 bits/min 検出 ,各 被験者 全 (周波数:95.55±3.98 %,位相:91.83±5.68 %,周波数-位相:91.59±5.69 %) .一般 , 高速 SSVEP 型 BCI 得 示 ,周波数- ITR .周波数検出 位相 59.55±10.85 bits/min 示 .図 低 , 分 従来研究 結果 BCI 性能 推定結果 示 .図中 ,破線 示 従 分類精度 増加 SSVEP 発生 120 ms ,刺激提示 時間 88 0s .図 6.7A 示 遅 考慮 . 抽出 0.12 s 後 0.22 第 6 章 周波数-位相近似手法 用 高速 SSVEP 型 BCI 6.4 考察 100 0 Phase (Degree) 90 90 80 180 70 60 270 8 9 10 図 6.8 s後 11 12 Frequency (Hz) 各視覚刺激 対 抽出 .結果 分類精度 13 14 注視刺激特定精度(%) ,短 長 上回 長 用 上可能 共通 . .最 高 現象 .図 6.7B ,短 ,分類精度 低下 向 ITR 周波数検出,位相検出,周波数-位相検出全 ,0.6 s ITR ,3 種類 分 検出時間 短縮 分 50 15 場合 得 (周波数-位相: 203.56±30.74 bits/min,周波数:121.58±21.47 bits/min,位相:72.01±14.96 bits/min).実 際,分類精度 目的 6.4 6.4.1 応 最適値 必要 対 疑似 .ITR ITR . 用 最高値 広 用 [1, 164].本研究 BCI 実験 行 知見 BCI 中 ,166.91±18.50 bits/min 144 bits/min 従来 周波数 位相情報 組 合 BCI 実験 192.26 bits/min(s10) 最高値 , 大 ,13 名 結果,平均 166.91±18.50 bits/min 最大値 最小値 .我々 似 際 情報伝達率 評価 ITR 選択 構築 BCI 考察 BCI EEG , ITR 上回 66.5 bits/min c-VEP 型 BCI 結果 [32]. 89 示 得 報告 過去 ITR ITR 126.34 bits/min(s9) ITR SSVEP 型 BCI 被験者 研究 研究 得 ,本研究 同様 疑 [115].本研究 従来研究 6.4 考察 第 6 章 周波数-位相近似手法 用 高速 SSVEP 型 BCI 比 , (1)視覚刺激数 増加(32 vs. 15) , (2)注視刺激特定 要 時間 短縮(1 s vs. 2 s),(3)多 基 手法 使用(CCA vs. bipolar), (4)学習 注視刺激特定手法 成 使用 .本研究 用 場合 多数 誘発 ,適切 機械学習手法 CCA 基 用 高 符号列長 余地 考 本提案 拡張 , 激特定 要 達成 長 .特 , 用 ,最 長 時間 高 値 示 被験者毎 減 被験者(s8) 解像度 考慮 , ,ITR ,本研究 . 分 向上可能 262.17 bits/min 用 ,注視刺 実現可能 ,更 目的 有効 手段 達成 . 向上 用 研究 視線位相時間 0.5 s 最適化 性能向上 .周 1 ,視線移動 .実際, .Chen ,高性能 .上述 BCI ITR 手法 増加 ,視線移動時間 減少 時間 . .図 6.7 ) 決定 向上 間 減少 決定 向上 [111].個人差 考慮 個人 特有 .一方,視覚刺激数 増加 ,ITR 波数 位相 誇 行 必要 203.56±30.74 bits/min (電極位置,高調波成分, 期待 情報 , 性能 改善 余地 適応的 持 [27, 28, 32]. c-VEP 型 BCI ,ITR [155]. 最高性能 直接比較 手 [31]. 研究 研究 ,更 示 ITR 用 基 ,SSVEP BCI 達成 90 % .CCA 加 , ITR ,学習 長 ,周波数近似 最適化 ITR 短 ,58 bits/min 位相情報 結果 . 高 性能 達成 先行研究 高 ,0.6 s 近似手法 . 研究 . 高 分 ,1 s 既存研究 比 c-VEP 型 BCI 長 結果, 示 示 達成 ITR 増加 実現 , .解析 持 提案手法 実現可能 ,周波数近似手法 .実際 性質 BCI 100 bits/min 量 大幅 可能 分類 初 本研究 周波数-位相近似手法 ,高 周波数-位相解像度(周波数:1 Hz,位相:90 度) 持 ,SSVEP 型 BCI 法 用 CCA 100 bits/min 以上 大幅 性能改善 達 提示 空間 分類精度 本研究 提案 視覚刺激 SSVEP 以上 高 理由 用 BCI 行 考 ,60 文字/min . 90 訓練 0.3 s 短縮可能 実現 時 視線移動 示 慎重 速度 選択 入力可能 第 6 章 周波数-位相近似手法 用 図 6.9 6.4.2 学習 本研究 詳 提案手法 対 CCA 性能向上 ,本研究 基 手法 5 種類 分類手法 適用 示 位相検出 向上 手法 有効性 考察 従来 顕著 . 結果 両方 分類精度 現 6.4 考察 周波数特定精度 位相特定精度 提案手法 ,BCI 手法 ITR 用 高速 SSVEP 型 BCI ,CCA 周波数分類精度 比較 場合 参照信号 行 .図 6.9 学習 導入 示 精度 比 高 ,CCA 基 手法 分類精度 ,位相検出精度 場合,位相検出精度 用 有意 1s 周波数検出 .特 76.20 %,M5 :90.35 %,p< 0.005)向上 ,周波数検出精度 .0.5 s ,0.5 s 位相検出 用 M 5 :93.10 %,p< 0.05)向上 位相分類精度 周波数検出 向上可能 .1 s 重要 役割 担 .提案 高 値 達成 13.60 %(M1 :79.50 %, 場合 ,提案手法 91 分類 (M 5 vs. M 1 ;周波数: 83.10 % vs. 30.77 %,p< 10 ;位相:82.55 % vs. 41.38 %,p< 10−8 ). −6 14.15 %(M1 : 6.4 考察 第 6 章 周波数-位相近似手法 提案手法 用 周波数検出 位相検出精度 向上 特徴量 ,三角関数 .(1)時間領域 学習 方 良 学習 SSVEP 用 [160, 162],Pan 出 行 手法 数検出精度 特徴付 位相 提案 考慮 従来 手法 ,正準相関 基 CCA 用 手法 ,位相 参照信号間 正確 検出 ,検証 加 通常 ,統合分類器 効 分類精度 分 .最 高 分類精度 達成 法 分類精度 高 分類 合 注意 文字入力 有意差 点 EEG 計測 行 必要 学習 個人差 比較的高 .実利用 ,高精度 考 学習 .図 6.10 数 性能改善 位相検出 ). 増加 従 ,性能 ,周波数検出 使用 手法 比 提案手 . 基 CCA ,実利用 前 手法 用 ,SSVEP 学習 事前 利用 計測 分類精度 増加 ITR 高 関係 .学習 顕著 ,160 bits/min 以上 位相 手法 望 学習 分 位相検出 数 検証 示 .概 数 増加 .5 試行分以上 ITR 得 (5 試行:161.34 bits/min,6 試行:164.20 bits/min,7 試行:166.91 bits/min) .本研究 試行 1.5 s 要 5 min 程度 予備実験 必要 想定 ,5 試行分 . 92 有 長 取得 行 数 同時検出 可能 . ,学習 位相 示 ,提案手法 用 通常 用 , (分類精度:78.98 % vs. 26.41 必要 学習 必要 ,提案手法 重要 ,学習 取得 , 用 .図 6.6 基 CCA .周波数検出 事前 用 処理 短 構築 BCI ,注視刺激特定 提案 ,周波数 存在 −6 相関係数 . ,0.5 s .通常 空間 3 種類 空間 最 高 結果 基 . 推定 改善 比 平均値 可能 重 可能 異 %;ITR: 200.14 bits/min vs. 33.92 bits/min,p< 10 ,1 s 以内 .(2)提案 .検証 統合分類器 挙 ,両者 達成 参照信号間 2 他 手法 重要 参照信 .一方,CCA 検証 相関係数 組 三角関数 相関 正値 負値 .(3)提案手法 特徴量 CCA 周波 分類 2 参照信号間 比 EEG 信号間 相関係数 特徴量 参照信号 180 度異 可能 周波数検 手法 ,提案手法 場合 位相 SSVEP .Zhang 基 CCA 周波数検出精度 検証 180 度異 比 参照信号 適用 1 次元信号 次元削減 位相 学習 示 高 相関係数 ,同周波数 参照信号 考 Multi-way CCA(MCCA) 提案 従来 ,空間 .正準相関 決定 行 手法 .図 6.9 号 次 実証 三角関数 [161]. 高速 SSVEP 型 BCI 理由 可能 周波数検出 改善 用 学習 計測 1 第 6 章 周波数-位相近似手法 用 高速 SSVEP 型 BCI 図 6.10 学習 実用的 6.4.3 本研究 疑似 研究 実験 課題 BCI 実験 用 広 得 数 注視刺激特定精度 実現 BCI 用 知見 容易 提示 使用中 可能性 潜時 入力誤 ,本研究 ,潜時 長 実際 文字入力装置 必要 切 替 機構 導入 必要 必要 型 改善 .例 問題 対 影響 押 ,SSVEP 高齢者 実験 考慮 SSVEP 行 , ,提案 問題 最 簡単 ,第 4 章 示 眼疲労 不快感 ,高周波数帯域 [147] 93 必要 .第一 ,文字入力状態 休憩状態 判別 眼疲労 .視覚刺激 影響 [166].1991 年 年齢 被験者 注視 軽減 , 評価 , 誘発 , 視覚刺激 . 20 代 被験者 用 導入 ,VEP 型 BCI 必要 用意 . . [25].本研究 影響 受 処 . ,次 構築 遅 報告 ,様々 実装 ,非同期 BCI ,自動 検証 BCI . 転送 要因 視覚刺激 . 有効性 時間 変化 ,低周波数帯域 ,疑似 生理,心理変化 . 年齢 方法 実装 関連 考 振幅 BCI ,様々 訓練 報告 小 効果 対 Porciatti . BCI 性能 . 被験者 行 適用 得 理時間, 振幅 性能評価 [116, 161, 165].本質的 , 与 6.4 考察 高 解決策 , 型 随意性瞬目検出手法 利用 問題 対処可能 不快感 生 刺激 .第二 , 調節 比 [167] 視覚刺激 , 6.5 結言 眼疲労 第 6 章 周波数-位相近似手法 不快感 軽減 型 BCI 有用 構築 携帯端末 示 必要 .第三 .日常生活 無線通信技術 用 用 ,実用性 実用性 実現 BCI 高速 SSVEP 型 BCI 考慮 携帯 向上 不可欠 , [79, 86, 168]. 6.4.4 周波数-位相近似手法 応用可能性 本研究 法 ,32 個 視覚刺激 注視刺激特定手法 用 有効性 検証 比 ,提案 [32, 35] 相当 .P300 , . 匹敵 考 . 本研究 提案 180 度 激特定手法 制御 ,2 種類 ) 用 有効 短縮 考 .例 , 情報 速度 [142, 153]. ,高速入力 付 期待 [170, 171]. 応用 ,提案手法 応用可能 BCI 0.5 s 以下 物体 [169].高速 BCI 期待 (選択的注視)能力 基 実現 ,周波数-位相 SSVEP 考 ,本研究 対 ,肢体不自 提案 ,多 技術 視覚情報 研究 用 求 対 .例 関 適用 注視刺 長 入力 ,健常者 視覚神経科学 選択 多 2 種類 位相 (例: ,提案手法 支援 利用 知覚 ) 15 Hz 追跡 由者 行動 入力 SSVEP 型 BCI 場合,注視刺激特定 .数 100 ms 程度 用 多 ,電話番号入力装置 少 周波数(例:10 Hz 応用 ,SSVEP 他 . . 多 視覚的注意 .例 4 個 視覚刺激 持 考 .1.5 s 視線追跡装置 注視刺激特定手法 ,入力 [106].例 文字入力 40 文字 入力 可能 ,文字入力装置 応用 可能 持 機械 用 示 入力速度 要 関節 ,周波数-位相近似手 c-VEP 1 min 間 ,提案 入力装置 用 高速 入力 可能 1 個 注視刺激 特定 0度 SSVEP 型 BCI 利用可能 選択的注視 基 [160, 172, 173]. 6.5 結言 本章 ,周波数近似手法 視覚刺激数 用 大幅 , 同 機械学習手法 特徴 ,位相情報 増加 ,視覚刺激 ,適切 拡張 関連付 手法 周波数 付加 提案 位相 用 持 ,SSVEP 型 BCI [174]. SSVEP ,SSVEP 情報 94 BCI 周波数-位相近似手法 誘発 周波数 . 位相 利用 検出 第 6 章 周波数-位相近似手法 .本研究 基 手法 度 BCI 眼疲労 決 位相 検出 検証 可能 必要 用 相関係数 . CCA 特徴量 多選択肢 既存研究 選択肢数 性能評価 疑似 構築 不快感 ,学習 ,学習 中 高精 最高値 ITR . ,文字入力装置 ,本研究 行 6.5 結言 手法 結果,166.91 bits/min 示 提案 検出 周波数 性能評価 実現 位相 .提案手法 ,正確 BCI 高速 SSVEP 型 BCI ,周波数 提案 用 用 性能評価 軽減 ,実用性 高 行 性能 達成可能 . BCI 実験 必要 重要 . 研究課題 実装 行 BCI 95 , ,視覚刺激 .今後 . 注視 ,上記 課題 解 97 第7章 結論 本研究 ,実環境下 期化 向上 ITR BCI 研究 文字入力 工学的 視覚刺激提示手法 実現 大 支援 市場 研究 簡便 利用 入力 可能 潜在 生 提案 BCI . ,健常者 対 通信速度,精度 評価指標 望 ITR 通信 可能 達成 性能 .従来研究 符号変調 実現 .本研究 高精度 EEG .具体的 提示手法 提案 , 示 EEG 瞬目 検出 高精度 . 第4章 目的 必要 .文字 対 周波数 手法 誘発 用 2.1 s/selection 高速 情報 位相 VEP 周波数-位相情報 抽出 付与 手法 提案 ,BCI 応用 区別 通信 向上 情報 付加 正確 . 長 実現 視覚刺激 周波数-位相情報 提案 未 ,短 ITR 信号処理手法 実現 総合 170 bits/min 程度 ,通信速度 実現 , 達成 多 可能 選択 指標 匹敵 各視覚刺激 瞬目 重要 VEP 用 ,無意識的 示 .BCI 上 ,学習 型 関 匹敵 , 特徴抽出 ,近似的 拡 ,高性能 有用性 BCI 評価 ,上記 高速 BCI BCI 健常者 , 用 ITR 魅力的 実現 1 - 1.5 s/selection 程度 高速 入力速度 望 的 有用 32 個 選択肢(英字 26 種類,Backspace,Space, Enter,Shift,Period,Comma) 必要 肢数 筋 ALS 販売会社 研究者 増加 ,BCI 考 少 .従来 肢体不自由者 ,BCI 間 好循環 非同 提案 必要 ,健常者 対 .BCI ,需要 増加 ,BCI 信号処理手法 機能補填 神経筋難病患者 対象 未 提案 BCI 付与 ,短 ,EOG 長 随意性 稼働状態 休止状態 切 替 ,非同期 BCI 随意性瞬目 実現 . 第 7 章 結論 用 EOG 波形形状 EOG 健 , 型 瞬目検出法 EOG 時 検出 大 適切 提案手法 実現 閾値 決定 被験者以外 瞬目分類精度 響 受 求 特徴量 , 増加 方法 EOG 振幅 抽出 波形形状 分類精度 成功 ,提案手法 周波数近似手法 様々 周波数 提案 可能性 提案 示 示 実現 本研究 成功 位相 位相情報 頑 ,選 誘発 異 応用可能性 基 FFT 少 EEG 周波 32 種類 視覚刺激 ,文字入力 手法 検証 ,解析 ,周波数-位相検出精度 学習 新規 ,情報量 提案手法 用 達成 ,既存研究 選 正準 増加 疑似 BCI 提案 BCI 中 最 通信速度 実現 ,従来研 . 更新 ,健常者 検出可能 付加 SSVEP 用 . 最高値 速度 同等 SSVEP 付加 ,電極選択 必要 VEP 型 BCI ITR 提案 ITR 解析 BCI 実験 高精度 付加 情報量 提案 究 健常者 位相解析 示 実験 結果,167 bits/min 可変 SSVEP ,疑似 位相情報 成功 用 高精度 分類 周期 SSVEP ,SSVEP 周波数 .一方,多 提案手法 提示可能 . 必要 左右 BCI . 誘発 . 拡張 位相情報 周波数 選択 1 相関 特徴 影 随意性瞬目 誘発 . 提示 SSVEP 電極 提案手法 考 .本手法 .本手法 上 ,本研究 実現 ,周波数情報 数-位相近似手法 択 SVM ,個人差 , 周波数近似手法 ,周波数近似手法 電極 場合 上 高速 可能性 増加 用 用 . 増加可能 持 .一般 頑 . 示 応用可能性 示 向上 第6章 用 新規 SNR,位相 潜時 従来手法 結果,選択肢数 択肢数 影響 試行 . 用 瞬目 個人差 実現 達成 制限 健 特性 個人差 ,RBF 学習 ,SSVEP 型 BCI BCI 時 検出 .従来 提示可能 周波数 解像度 向上 ,選択肢数 結果,振幅値 高速 持続時間 利用可能 近似的 行 振幅 高精度 周波数 ,ITR 提案 ,提案手法 ,EOG 困難 結果,高精度 抽出 対 影響 受 型 第5章 用 手法 用 . 試行間差 対象 特徴量 特徴量 随意性瞬目検出 間差 振幅値 応用 ,1.5 s/selection . 1 min 間 約 40 個 文字入力 可能 文字入力 有用 BCI 示 文字入力 対象 98 行 速度 ,潜在 匹敵 拡大 ,他 . 期待 , . 第 7 章 結論 応用 可能 選択肢 数 .例 割 多 BCI . On Off 提案手法 激 有効 用 需要 本研究 拡大 質 向上 周辺環境 存在 ,環境操作 機器操作 BCI 可能 操作入力 実現 . ,本研究 BCI 場合,選択肢 提案 手法 利用 4 - 8 方向 移動 制御 ,選択肢 BCI . 場合,周波数 高速 提案 考 , 家電機器 , ,1s 以下 ,今後 活 当 ,多 不可欠 , 健常者 通信 成果 位相 情報 可能 発展 .本研究成果 有用 99 付加 考 様々 礎 少 . 応用研究 ,多 BCI 技術 発展 BCI 対 少数 視覚刺 例 行 ,BCI 肢体不自由者 生 切 願 . 101 謝辞 本研究 ,著者 ,多 慶應義塾大学大学院 理工学研究科 後期博士課程在学中 方 御指導 本研究 遂行 上 有益 . 賜 心 感謝 意 経験 頂 申 上 感謝 力,研究者 成長 .筆者 的確 東京農工大学在学中 御指導,筆者 御鞭撻 賜 審査仮定 ,有益 賜 遂行 ,実験条件 留学 対 御礼申 御理解 御協 上 . 慶應義塾大学 理工学部 厚 研究 導 重 御助言 . 慶應義塾大学 理工学部 俊之教授,滑川徹教授,牛場潤一准教授,高橋正樹准教授 本研究 意 表 ,慶應義塾大学 後期博士課程 ,研究活動 学会活動 本論文 . ,親身 御指導 御支援 賜 満倉靖恵准教授 行 御助言 行 御礼申 解析,論文執筆 関 多 村上 上 . 御助言 賜 Swartz Center for Computational Neuroscience, University of California, San Diego Tzyy-Ping Jung 教授,Yijun Wang 氏,Yu-Te Wang 氏 深 感謝致 慶應義塾大学大学院入学以来,研究生活 学生生活 慶應義塾大学 理工学部 浜田望名誉教授 厚 御礼申 筆者 東京農工大学在学中 御指導 賜 先輩 御支援 ,多 上 御支援 賜 . 東京農工大学 工学部 中條拓伯准教授, 東京大学大学院 情報理工学系研究科 三輪忍助教 満倉研究室 至 . 賜 心 感謝申 上 . 日本文理大学 工学部 吉森聖貴准教授,徳 島大学 工学部 伊藤伸一助教,岡山県立大学 情報工学部 滝本裕則助教,香川大学 工学部 佐藤敬子助教,明電舎株式会社 深井寛修氏, 大学 工学部 鈴木聡氏 共同研究 遂行 感謝致 中 共 工学研究科 高橋研究室卒業生 研究生活 共 . 切磋琢磨 奥川恭平氏 感謝 同輩 意 表 ,様々 頂 上 共 慶應義塾大学 理 . 卒業生 現役生 皆様 感謝致 学生生活,研究生活 . 御助言 感謝申 東京農工大学 満倉研究室 大学 満倉研究室 卒業生,修了生 学入学時 電機株式会社 冨田洋平氏,香川 修了生 皆様,慶應義塾 .特 ,東京農工大 日立製作所中央研究所 藤大樹氏 第 7 章 謝辞 最後 理 心 年4月 ,筆者 学生生活 感謝申 上 亡 愛犬 寛容 . 理解 示 父 中西克也 ,2008 年 5 月 亡 冥福 祈 , 論文 捧 母 中西優子 . 2014 年 7 月 102 姉 中西樹 2011 103 参考文献 [1] J. R. Wolpaw, N. Birbaumer, D. J. Mcfarland, G. Pfurtscheller, and T. M. Vaughan, “Brain-computer interfaces for communication and control,” Clin. Neurophysiol., vol. 113, pp. 767–791, 2002. [2] J. B. Posner, C. B. Saper, N. D. Schiff, and F. Plum, “Prognosis in coma and related disorders of consciousness, mechanisms underlying outcomes, and ethical considerations,” in Plum and Posner’s Diagnosis of Stupor and Coma. Oxford: Oxford Uni- versity Press, 1966, pp. 341–386. [3] R. G. Miller, J. D. Mitchell, L. Mary, and D. H. Moore, “Riluzole for amyotrophic lateral sclerosis (ALS)/ motor neuron disease (MND),” Coherence Database Syst. Rev., vol. 14, no. 3, pp. 1–29, 2009. [4] Y. Kazuki, M. Hiratsuka, M. Takiguchi, M. Osaki, N. Kajitani, H. Hoshiya, K. Hiramatsu, T. Yoshino, K. Kazuki, C. Ishihara, S. Takehara, K. Higaki, M. Nakagawa, K. Takahashi, S. Yamanaka, and M. Oshimura, “Complete genetic correction of iPS cells from Duchenne muscular dystrophy,” Mol. Ther., vol. 18, no. 2, pp. 386–393, 2010. [5] J. R. LaCourse and F. C. Hludik, “An eye movement communication-control system for the disabled,” IEEE Trans. Biomed. Eng., vol. 37, no. 12, pp. 1215–1220, 1990. [6] Y.-L. Chen, F.-T. Tang, W. H. Chang, M.-K. Wong, Y.-Y. Shih, and T.-S. Kuo, “The new design of an infrared-controlled human-computer interface for the disabled,” IEEE Trans. Rehabil. Eng., vol. 7, no. 4, pp. 474–481, 1999. [7] M. Kubota, Y. Sakakihara, Y. Uchiyama, A. Nara, T. Nagata, H. Nitta, K. Ishimoto, A. Oka, K. Horio, and M. Yanagisawa, “New ocular movement detector system as a communication tool in ventilator-assisted Werdnig-Hoffmann disease,” Dev. Med. Child Neurol., vol. 42, no. 1, pp. 61–64, 2000. [8] M. Middendorf, G. McMillan, G. Calhoun, and K. S. Jones, “Brain-computer interfaces based on the steady-state visual-evoked response,” IEEE Trans. Rehabil. Eng., 参考文献 vol. 8, no. 2, pp. 211–214, 2000. [9] E. E. Sutter, “The brain response interface: Communication through visually-induced electrical brain response,” J. Microcomput. Appli., vol. 15, no. 1, pp. 31–45, 1992. [10] G. Pfurtscheller and C. Neuper, “Motor imagery and direct brain-computer communication,” Proc. IEEE, vol. 89, no. 7, pp. 1123–1134, 2001. [11] J. R. Wolpaw, D. J. McFarland, and T. M. Vaughan, “Brain-computer interface research at the Wadsworth Center,” IEEE Trans. Rehabil. Eng., vol. 8, no. 2, pp. 222–226, 2000. [12] T. Hinterberger, S. Schmidt, N. Neumann, J. Mellinger, B. Blankertz, G. Curio, and N. Birbaumer, “Brain-computer communication and slow cortical potentials,” IEEE Trans. Biomed. Eng., vol. 51, no. 6, pp. 1011–1018, 2004. [13] E. Donchin, K. M. Speneer, and R. Wijesinghe, “The mental prosthesis : Assessing the speed of a P300-based brain-computer interface,” IEEE Trans. Rehabil. Eng., vol. 8, no. 2, pp. 174–179, 2000. [14] B. Blankertz, G. Dornhege, C. Schäfer, R. Krepki, J. Kohlmorgen, K.-R. Müller, V. Kunzmann, F. Losch, and G. Curio, “Boosting bit rates and error detection for the classification of fast-paced motor commands based on single-trial EEG analysis,” IEEE Trans. Neural Syst. Rehabil. Eng., vol. 11, no. 2, pp. 127–131, 2003. [15] L. Kauhanen, T. Nykopp, and M. Sams, “Classification of single MEG trials related to left and right index finger movements,” Clin. Neurophysiol., vol. 117, no. 2, pp. 430–439, 2006. [16] L. Kauhanen and T. Nykopp, “EEG and MEG brain-computer interface for tetraplegic patients,” IEEE Trans. Neural Rehabil. Syst. Eng., vol. 14, no. 2, pp. 190–193, 2006. [17] T. Hinterberger and N. Weiskopf, “An EEG-driven brain-computer interface combined with functional magnetic resonance imaging (fMRI),” IEEE Trans. Biomed. Eng., vol. 51, no. 6, pp. 971–974, 2004. [18] S.-S. Yoo, T. Fairneny, N.-K. Chen, S.-E. Choo, L. P. Panych, H. Park, S.-Y. Lee, and F. a. Jolesz, “Brain-computer interface using fMRI: Spatial navigation by thoughts,” Neuroreport, vol. 15, no. 10, pp. 1591–1595, 2004. [19] S. Coyle, T. Ward, C. Markham, and G. McDarby, “On the suitability of near-infrared (NIR) systems for next-generation brain-computer interfaces,” Physiol. Meas., vol. 25, no. 4, pp. 815–822, 2004. [20] B. Graimann, J. E. Huggins, S. P. Levine, and G. Pfurtscheller, “Toward a direct brain interface based on human subdural recordings and wavelet-packet analysis,” IEEE Trans. Biomed. Eng., vol. 51, no. 6, pp. 954–962, 2004. [21] N. J. Hill, T. N. Lal, M. Schr, T. Hinterberger, B. Wilhelm, F. Nijboer, U. Mochty, 104 参考文献 G. Widman, C. Elger, B. Sch, and K. Andrea, “Classifying EEG and ECoG signals without subject training for fast BCI Implementation: Comparison of Non-Paralysed and Completely Paralysed Subjects,” IEEE Trans. Neural Rehabil. Syst. Eng., vol. 14, pp. 2–5, 2006. [22] J. Vidal, “Toward direct brain-computer communication,” Annu. Rev. Biophys. Bioeng., vol. 2, pp. 157–180, 1973. [23] J. P. Donoghue, “Connecting cortex to machines: Recent advances in brain interfaces,” Nat. Neurosci., vol. 5, pp. 1085–1088, 2002. [24] J. Vidal, “Real-time detection of brain events in EEG,” Proc. IEEE, vol. 65, pp. 644– 665, 1977. [25] M. Cheng, X. Gao, S. Gao, and D. Xu, “Design and implementation of a braincomputer interface with high transfer rates,” IEEE Trans. Biomed. Eng., vol. 49, no. 10, pp. 1181–1186, 2002. [26] Y. Wang, X. Gao, B. Hong, C. Jia, and S. Gao, “Brain-computer interfaces based on visual evoked potentials,” IEEE Eng. Med. Biol. Mag., vol. 27, no. 5, pp. 64–71, 2008. [27] G. Bin, X. Gao, Y. Wang, B. Hong, and S. Gao, “VEP-based brain-computer interfaces: Time, frequency, and code modulations,” IEEE Comput. Intell. Mag., vol. 4, no. 4, pp. 22–26, 2009. [28] G. Bin, X. Gao, Y. Wang, Y. Li, B. Hong, and S. Gao, “A high-speed BCI based on code modulation VEP,” J. Neural Eng., vol. 8, 025015, pp. 1–5, 2011. [29] G. R. Müller-Putz, R. Scherer, C. Brauneis, and G. Pfurtscheller, “Steady-state visual evoked potential (SSVEP)-based communication: Impact of harmonic frequency components,” J. Neural Eng., vol. 2, pp. 123–130, 2005. [30] O. Friman, I. Volosyak, and A. Gräser, “Multiple channel detection of steady-state visual evoked potentials for brain-computer interfaces,” IEEE Trans. Biomed. Eng., vol. 54, no. 4, pp. 742–750, 2007. [31] G. Bin, X. Gao, Z. Yan, B. Hong, and S. Gao, “An online multi-channel SSVEP-based brain-computer interface using a canonical correlation analysis method,” J. Neural Eng., vol. 6, 046002, pp. 1–6, 2009. [32] M. Spüler, W. Rosenstiel, and M. Bogdan, “Online adaptation of a c-VEP braincomputer Interface (BCI) based on error-related potentials and unsupervised learning,” PLoS One, vol. 7, no. 12, e51077, pp. 1–11, 2012. [33] S. Sutton, M. Braren, J. Zubin, and E. R. John, “Evoked potential correlates of stimulus unvertainty,” Science, vol. 150, no. 700, pp. 1187–1188, 1965. [34] E. Donchin, “Presidential address, 1980. Surprise!...Surprise?” Psychophysiology, 105 参考文献 vol. 18, no. 5, pp. 493–513, 1981. [35] L. A. Farwell and E. Donchin, “Talking off the top of your head: Toward a mental prosthesis utilizing event-related brain potentials,” Electroencephalogr. Clin. Neurophysiol., vol. 70, no. 6, pp. 510–523, 1988. [36] P. Meinicke, M. Kaper, F. Hoppe, M. Heumann, and H. Ritter, “Improving transfer rates in brain computer interfacing : A case study,” in Adv. Neural Inf. Process. Syst., 2002, pp. 1107–1114. [37] E. W. Sellers and E. Donchin, “A P300-based brain-computer Interface: Initial tests by ALS patients,” Clin. Neurophysiol., vol. 117, no. 3, pp. 538–548, 2006. [38] K. Takano, T. Komatsu, N. Hata, Y. Nakajima, and K. Kansaku, “Visual stimuli for the P300 brain-computer interface: A comparison of white/gray and green/blue flicker matrices.” Clin. Neurophysiol., vol. 120, no. 8, pp. 1562–1566, 2009. [39] H. Berger, “Uber das Elektrenkephalogramm des Menschen,” Arch. Psychiatr. Nervenkr., vol. 87, pp. 555–574, 1932. [40] H. H. Jasper and H. L. Andrews, “Electroencephalography. III. normal differentiation of occipital and precentral regions in man,” Archives of Neurology and Psychiatry, vol. 39, pp. 96–115, 1938. [41] H. Jasper and W. Penfield, “Zur Deutung des normalen Elektrencephalogramms und seiner Veranderungen. Electroeorticograms in man : Effect of voluntary movement upon the electrical activity of the preeentral gyrus,” Arch Psychiat Z Neurol, vol. 174, no. 307, pp. 163–174, 1949. [42] G. E. Chatrian, M. C. Petersen, and J. A. Lazarte, “The blocking of the rolandic wicket and some central changes related to movement,” Electroencephalogr. Clin. Neurophysiol., vol. 11, no. 3, pp. 497–510, 1959. [43] G. Pfurtscheller and A. Aranibar, “Evaluation of event-related desynchronization (ERD) preceding and following voluntary self-paced movement,” Electroencephalogr. Clin. Neurophysiol., vol. 46, no. 2, pp. 138–146, 1979. [44] G. Pfurtscheller, “Event-related synchronization (ERS): An electrophysiological correlate of cortical areas at rest,” Electroencephalogr. Clin. Neurophysiol., vol. 83, no. 1, pp. 62–69, 1992. [45] A. Stancak and G. Pfurtscheller, “Mu-rhythm changes in brisk and slow self-paced finger movements,” Neuroreport, vol. 7, pp. 1161–1164, 1996. [46] G. Pfurtscheller, A. Stancak, and C. Neuper, “Event-related synchronization (ERS) in the alpha band - an electrophysiological correlate of cortical idling: A review,” Int. J. Psychophysiol., vol. 24, pp. 39–46, 1996. 106 参考文献 [47] C. Neuper and G. Pfurtscheller, “Evidence for distinct beta resonance frequencies in human EEG related to specific sensorimotor cortical areas,” Clin. Neurophysiol., vol. 112, pp. 2084–2097, 2001. [48] H. Gastaut, R. Naquet, and Y. Gastaut, “A study of the mu rhythm in subjects lacking one or more limbs,” Electroencephalography and Clinical Neurophysiology, vol. 18, pp. 720–721, 1965. [49] G. Pfurtscheller and C. Neuper, “Motor imagery activates primary sensorimotor area in humans,” Neurosci. Lett., vol. 239, pp. 65–68, 1997. [50] ——, “Future prospects of ERD/ERS in the context of brain-computer interface (BCI) developments,” Prog. Brain Res., vol. 159, pp. 433–437, 2006. [51] ——, “Dynamics of sensorimotor oscillations in a motor task,” in Brain-Computer Interfaces. Berlin Heidelberg: Springer, 2010, pp. 47–64. [52] G. Krausz, R. Scherer, G. Korisek, and G. Pfurtscheller, “Critical decision-speed and information transfer in the "Graz Brain-Computer Interface",” Appl. Psychophysiol. Biofeedback, vol. 28, no. 3, pp. 233–240, 2003. [53] B. Blankertz, G. Dornhege, M. Krauledat, K.-R. Müller, V. Kunzmann, F. Losch, and G. Curio, “The Berlin Brain-Computer Interface: EEG-based communication without subject training,” IEEE Trans. Neural Rehabil. Syst. Eng., vol. 14, no. 2, pp. 147–152, 2006. [54] B. Blankertz, G. Dornhege, M. Krauledat, K.-R. Müller, and G. Curio, “The noninvasive Berlin Brain-Computer Interface: Fast acquisition of effective performance in untrained subjects,” NeuroImage, vol. 37, no. 2, pp. 539–550, 2007. [55] H. H. Kornhuber and L. Deecke, “Changes in the brain potential in voluntary movements and passive movements in man: Readiness potential and reafferent potentials,” Pflugers Arch Gesamte Physiol Menschen Tiere, vol. 284, pp. 1–17, 1965. [56] B. Rockstroh, W. Lutzenberger, and N. Birbaumer, “Biofeedback of slow cortical potentials. I,” Electroencephalogr. Clin. Neurophysiol., vol. 48, pp. 293–301, 1980. [57] S. Schütz and B. Weissbecker, “A spelling device for the paralysed,” Nature, vol. 398, pp. 297–298, 1999. [58] N. Birbaumer, A. Kübler, N. Ghanayim, T. Hinterberger, J. Perelmouter, J. Kaiser, I. Iversen, B. Kotchoubey, N. Neumann, and H. Flor, “The thought translation device (TTD) for completely paralyzed patients,” IEEE Trans. Rehabil. Eng., vol. 8, no. 2, pp. 190–193, 2000. [59] W. Lutzenberger, T. Elbert, B. Rockstroh, and N. Birbaumer, “The effects of selfregulation of slow cortical potentials on performance in a signal detection task,” Int. J. 107 参考文献 Neurosci., vol. 9, pp. 175–183, 1979. [60] A. Kübler, B. Kotchoubey, J. Perelmouter, and M. Schauer, “The thought translation device : A neurophysiological approach to communication in total motor paralysis,” Exp. Brain Res., vol. 124, pp. 223–232, 1999. [61] D. Krusienski, E. Sellers, D. J. Mcfarland, T. M. Vaughan, and J. R. Wolpaw, “Toward enhanced P300 speller performance,” J. Neurosci. Methods, vol. 167, no. 1, pp. 15–21, 2008. [62] G. Edlinger, G. Krausz, C. Groenegress, C. Holzner, C. Guger, and M. Slater, “Braincomputer interfaces for virtual environment control,” in 13th Int. Conf. Biomed. Eng., 2009, pp. 366–369. [63] C. Jia, H. Xu, B. Hong, X. Gao, Z. Zhang, and S. Gao, “A human computer interface using SSVEP-based BCI technology,” Lect. Notes Comput. Sci., vol. 4565, pp. 113– 119, 2007. [64] B. Graimann, B. Allison, C. Mandel, L. Thorsten, D. Valbuena, and A. Gr, “Noninvasive brain-computer interfaces for semi-autonomous assistive devices,” in Robust Intell. Syst. London: Springer, 2008, pp. 113–138. [65] J. D. R. Millán, F. Renkens, J. Mouriño, and W. Gerstner, “Noninvasive brain-actuated control of a mobile robot by human EEG,” IEEE Trans. Biomed. Eng., vol. 51, no. 6, pp. 1026–1033, 2004. [66] F. Galán, M. Nuttin, E. Lew, P. W. Ferrez, G. Vanacker, J. Philips, and J. D. R. Millán, “A brain-actuated wheelchair: Asynchronous and non-invasive Brain-computer interfaces for continuous control of robots,” Clin. Neurophysiol., vol. 119, no. 9, pp. 2159–2169, 2008. [67] D. Huang, K. Qian, D.-Y. Fei, W. Jia, X. Chen, and O. Bai, “Electroencephalography (EEG)-based brain-computer interface (BCI): A 2-D virtual wheelchair control based on event-related desynchronization / synchronization and state control,” IEEE Trans. Neural Syst. Rehabil. Eng., vol. 20, no. 3, pp. 379–388, 2012. [68] N. Birbaumer, “Slow cortical potentials: Plasticity, operant control, and behavioral effects,” Neurosci., vol. 5, no. 2, pp. 74–78, 1999. [69] ——, “Brain-computer-interface research: Coming of age,” Clin. Neurophysiol., vol. 117, no. 3, pp. 479–483, 2006. [70] G. Prasad, P. Herman, D. Coyle, S. McDonough, and J. Crosbie, “Applying a braincomputer interface to support motor imagery practice in people with stroke for upper limb recovery: A feasibility study,” J. Neuroeng. Rehabil., vol. 7, no. 60, pp. 1–17, 2010. 108 参考文献 [71] K. Shindo, K. Kawashima, J. Ushiba, N. Ota, M. Ito, T. Ota, A. Kimura, and M. Liu, “Effects of neurofeedback training with an electroencephalogram-based braincomputer interface for hand paralysis in patients with chronic stroke: A preliminary case series study,” J. Rehabil. Med., vol. 43, no. 10, pp. 951–957, 2011. [72] F. Nijboer, E. W. Sellers, J. Mellinger, M. A. Jordan, T. Matuz, A. Furdea, S. Halder, U. Mochty, D. J. Krusienski, T. M. Vaughan, J. R. Wolpaw, N. Birbaumer, and A. Kübler, “A P300-based brain-computer interface for people with amyotrophic lateral sclerosis,” Clin. Neurophysiol., vol. 119, no. 8, pp. 1909–1916, 2008. [73] J. Jin, B. Z. Allison, E. W. Sellers, C. Brunner, P. Horki, X. Wang, and C. Neuper, “Optimized stimulus presentation patterns for an event-related potential EEG-based brain-computer interface,” Med. Biol. Eng. Comput., vol. 49, no. 2, pp. 181–191, 2011. [74] L. Liu and Q. Wei, “Extension of common spatial pattern (CSP) algorithm to multi-task case by Jacobi Rotations for single-trial EEG classification,” in 4th Int. IEEE EMBS Conf. Neural Eng., 2009, pp. 347–350. [75] Q. Wei, Y. Ma, and Z. Lu, “Independent component analysis for spatial filtering and feature extraction in a four-task brain-computer interface,” in 2010 Second Int. Conf. Intell. Human-Machine Syst. Cybern., 2010, pp. 151–154. [76] Q. Wei, Y. Ma, and K. Chen, “Application of quadratic optimization to multi-class common spatial pattern algorithm in brain-computer interfaces,” in 3rd Int. Conf. Biomed. Eng. Informatics, 2010, pp. 764–767. [77] E. Yin, Z. Zhou, J. Jiang, F. Chen, Y. Liu, and D. Hu, “A novel hybrid BCI speller based on the incorporation of SSVEP into the P300 paradigm,” J. Neural Eng., vol. 10, 026012, pp. 1–9, 2013. [78] C.-T. Lin, Y.-C. Chen, T.-Y. Huang, T.-T. Chiu, L.-W. Ko, S.-F. Liang, H.-Y. Hsieh, S.-H. Hsu, and J.-R. Duann, “Development of wireless brain computer interface with embedded multitask scheduling and its application on real-time driver’s drowsiness detection and warning,” IEEE Trans. Biomed. Eng., vol. 55, no. 5, pp. 1582–1591, 2008. [79] Y.-T. Wang, Y. Wang, and T.-P. Jung, “A cell-phone-based brain-computer interface for communication in daily life,” J. Neural Eng., vol. 8, 025018, pp. 1–5, 2011. [80] N. S. Dias, J. P. Carmo, P. M. Mendes, and J. H. Correia, “Wireless instrumentation system based on dry electrodes for acquiring EEG signals,” Med. Eng. Phys., vol. 34, no. 7, pp. 972–981, 2012. [81] Y.-T. Wang, Y. Wang, C.-K. Cheng, and T.-P. Jung, “Developing stimulus presentation on mobile devices for a truly portable SSVEP-based BCI,” in 35th Annu. Int. Conf. 109 参考文献 IEEE Eng. Med. Biol. Soc., 2013, pp. 5271–5274. [82] S. Debener, F. Minow, R. Emkes, K. Gandras, and M. de Vos, “How about taking a low-cost, small, and wireless EEG for a walk?” Psychophysiology, vol. 49, no. 11, pp. 1449–1453, 2012. [83] Y.-T. Wang, C.-K. Cheng, Y. Wang, and T.-P. Jung, “Cell-phone based drowsiness monitoring and management system,” in 2012 IEEE Biomed. Circuits Syst. Conf., 2012, pp. 200–203. [84] Y.-P. Lin, Y. Wang, and T.-P. Jung, “A mobile SSVEP-based brain-computer Interface for freely moving humans : The robustness of canonical correlation analysis to motion artifacts,” in 35th Annu. Int. Conf. IEEE Eng. Med. Biol. Soc., 2013, pp. 1350–1353. [85] Y. M. Chi, T.-P. Jung, and G. Cauwenberghs, “Dry-contact and noncontact biopotential electrodes: Methodological review,” IEEE Rev. Biomed. Eng., vol. 3, pp. 106–119, 2010. [86] Y. M. Chi, Y.-T. Wang, Y. Wang, C. Maier, T.-P. Jung, and G. Cauwenberghs, “Dry and non-contact EEG sensors for mobile brain-computer interfaces,” IEEE Trans. Neural Rehabil. Syst. Eng., vol. 20, no. 2, pp. 1–7, 2012. [87] S. G. Mason and G. E. Birch, “A brain-controlled switch for asynchronous control applications,” IEEE Trans. Biomed. Eng., vol. 47, no. 10, pp. 1297–1307, 2000. [88] G. Pfurtscheller, B. Z. Allison, C. Brunner, G. Bauernfeind, T. Solis-Escalante, R. Scherer, T. O. Zander, G. Mueller-Putz, C. Neuper, and N. Birbaumer, “The hybrid BCI,” Front. Neurosci., vol. 4, no. 30, pp. 1–11, 2010. [89] H. Zhang, C. Guan, and C. Wang, “Asynchronous P300-based brain-computer interfaces: A computational approach,” IEEE Trans. Biomed. Eng., vol. 55, no. 6, pp. 1754– 1763, 2008. [90] A. B. Usakli, S. Gurkan, F. Aloise, G. Vecchiato, and F. Babiloni, “A hybrid platform based on EOG and EEG signals to restore communication for patients afflicted with progressive motor neuron diseases,” in 31th Annu. Int. Conf. IEEE Eng. Med. Biol. Soc., 2009, pp. 543–546. [91] Y. Punsawad, Y. Wongsawat, and M. Parnichkun, “Hybrid EEG-EOG brain-computer interface system for practical machine control,” in 32nd Annu. Int. Conf. IEEE Eng. Med. Biol. Soc., 2010, pp. 1360–1363. [92] R. Leeb, H. Sagha, R. Chavarriaga, and J. D. R. Millán, “A hybrid brain-computer interface based on the fusion of electroencephalographic and electromyographic activities,” J. Neural Eng., vol. 8, 025011, pp. 1–5, 2011. [93] Y. Nam, B. Koo, A. Cichocki, and S. Choi, “GOM-Face: GKP, EOG, and EMG110 参考文献 based multimodal interface with applications to humanoid robot control,” IEEE Trans. Biomed. Eng., vol. 61, no. 2, pp. 453–462, 2014. [94] N. Green, J. Kruger, C. Faldu, and R. S. Amant, “A reduced QWERTY keyboard for mobile text entry,” in Ext. Abstr. ACM SIGCHI Conf. Hum. Factors Comput. Syst., 2004, pp. 1429–1432. [95] O. Tsimhoni, D. Smith, and P. Green, “Address entry while driving: Speech recognition versus a touch-screen keyboard,” Hum. Factors, vol. 46, no. 4, pp. 600–610, 2004. [96] K. Yamagishi, J. Hori, and M. Miyakawa, “Development of EOG-based communication system controlled by eight-directional eye movements,” in 28th Annu. Int. Conf. IEEE Eng. Med. Biol. Soc., 2006, pp. 2574–2577. [97] M. F. Bear, B. W. Connors, and M. A. Paradiso, “Neurons and glia.” Lippincott Williams and Wilkins, 1996, pp. 23–50. [98] ——, “The neuronal membrane at rest.” Lippincott Williams and Wilkins, 1996, pp. 51–74. [99] ——, “Synaptic transmission.” Lippincott Williams and Wilkins, 1996, pp. 101–132. [100] ——, “The action potential.” Lippincott Williams and Wilkins, 1996, pp. 75–100. [101] ——, “The eye.” Lippincott Williams and Wilkins, 1996, pp. 277–308. [102] ——, “The central visual system.” Lippincott Williams and Wilkins, 1996, pp. 309– 342. [103] ——, “Brain rhythms and sleep.” Lippincott Williams and Wilkins, 1996, pp. 585– 616. [104] B. Graimann, B. Allison, and G. Pfurtscheller, “Brain-computer interfaces: A gentle introduction,” in Brain-Computer Interfaces. Berlin Heidelberg: Springer, 2010, pp. 1–28. [105] B. P. M. Daniel and D. Whitteridge, “The representation of the visual field on the cerebral cortex in monkeys,” J. Physiol., vol. 159, pp. 203–221, 1961. [106] F.-B. Vialatte, M. Maurice, J. Dauwels, and A. Cichocki, “Steady-state visually evoked potentials: Focus on essential paradigms and future perspectives,” Prog. Neurobiol., vol. 90, no. 4, pp. 418–438, 2010. [107] Z. Wu, Y. Lai, Y. Xia, D. Wu, and D. Yao, “Stimulator selection in SSVEP-based BCI,” Med. Eng. Phys., vol. 30, no. 8, pp. 1079–1088, 2008. [108] S. Gao, Y. Wang, X. Gao, and B. Hong, “Visual and auditory brain-computer interfaces,” IEEE Trans. Biomed. Eng., vol. 61, no. 5, pp. 1436–1447, 2014. [109] F. Guo, B. Hong, X. Gao, and S. Gao, “A brain-computer interface using motion-onset 111 参考文献 visual evoked potential,” J. Neural Eng., vol. 5, pp. 477–485, 2008. [110] P.-L. Lee, J.-C. Hsieh, C.-H. Wu, K.-K. Shyu, S.-S. Chen, T.-C. Yeh, and Y.-T. Wu, “The brain computer interface using flash visual evoked potential and independent component analysis,” Ann. Biomed. Eng., vol. 34, no. 10, pp. 1641–1654, 2006. [111] Y. Wang, R. Wang, X. Gao, B. Hong, and S. Gao, “A practical VEP-based braincomputer interface,” IEEE Trans. Neural Syst. Rehabil. Eng., vol. 14, no. 2, pp. 234– 239, 2006. [112] F.-C. Lin, J. K. Zao, K.-C. Tu, Y. Wang, Y.-P. Huang, C.-W. Chuang, H.-Y. Kuo, Y.Y. Chien, C.-C. Chou, and T.-P. Jung, “SNR analysis of high-frequency steady-state visual evoked potentials from the foveal and extrafoveal regions of human retina,” in 34th Annu. Int. Conf. IEEE Eng. Med. Biol. Soc., 2012, pp. 1810–1814. [113] X. Chen, Z. Chen, S. Gao, and X. Gao, “A high-ITR ssvep based BCI speller,” BrainComputer Interfaces, 2014, (Accepted). [114] Y. Wang, Y.-T. Wang, and T.-P. Jung, “Visual stimulus design for high-rate SSVEP BCI,” Electron. Lett., vol. 46, no. 15, pp. 1057–1058, 2010. [115] C. Jia, X. Gao, B. Hong, and S. Gao, “Frequency and phase mixed coding in SSVEPbased brain-computer interface,” IEEE Trans. Biomed. Eng., vol. 58, no. 1, pp. 200– 206, 2011. [116] Y. Kimura, T. Tanaka, H. Higashi, and N. Morikawa, “SSVEP-based brain-computer interfaces using FSK-modulated visual stimuli,” IEEE Trans. Biomed. Eng., vol. 60, no. 10, pp. 2831–2838, 2013. [117] Z. Yan, X. Gao, and S. Gao, “Right-and-left visual field stimulation: A frequency and space mixed coding method for SSVEP based brain-computer interface,” Sci. China Inf. Sci., vol. 54, no. 12, pp. 2492–2498, 2011. [118] D. J. McFarland, L. M. McCane, S. V. David, and J. R. Wolpaw, “Spatial filter selection for EEG-based communication,” Electroencephalogr. Clin. Neurophysiol., vol. 103, no. 3, pp. 386–394, 1997. [119] Y. Li, K. K. Ang, and C. Guan, “Digital signal processing and machine learning,” in Brain-Computer Interfaces. Berlin Heidelberg: Springer, 2010, pp. 305–330. [120] D. Regan, “Some characteristics of average steady-state and transient responses evoked by modulated light,” Electroencephalogr. Clin. Neurophysiol., vol. 20, pp. 238–248, 1966. [121] H. Spekreijse, M. A. Estivez, and D. Reits, “Visual evoked potentials and the physiological analysis of visual processes in man,” in Visual evoked potentials in man, new dovelopments. Oxford: Oxford University Press, 1977, pp. 16–89. 112 参考文献 [122] A. Delorme and S. Makeig, “EEGLAB: An open source toolbox for analysis of singletrial EEG dynamics including independent component analysis,” J. Neurosci. Methods, vol. 134, no. 1, pp. 9–21, Mar. 2004. [123] W. Nan, C. M. Wong, B. Wang, F. Wan, P. U. Mak, P. I. Mak, and M. I. Vai, “A comparison of minimum energy combination and canonical correlation analysis for SSVEP detection,” in 5th Int. IEEE EMBS Conf. Neural Eng., no. 3, 2011, pp. 469– 472. [124] Y. Zhang, P. Xu, K. Cheng, and D. Yao, “Multivariate synchronization index for frequency recognition of SSVEP-based brain-computer interface.” J. Neurosci. Methods, vol. 221, pp. 32–40, 2014. [125] Z. Lin, C. Zhang, W. Wu, and X. Gao, “Frequency recognition based on canonical correlation analysis for SSVEP-based BCIs,” IEEE Trans. Biomed. Eng., vol. 54, no. 6, pp. 1172–1176, 2007. [126] C. G. Pinheiro, E. L. M. Naves, P. Pino, E. Losson, A. O. Andrade, and G. Bourhis, “Alternative communication systems for people with severe motor disabilities: A survey,” Biomed. Eng. Online, vol. 10, no. 31, pp. 1–28, 2011. [127] J.-Y. Chung, H. W. Yoon, M.-S. Song, and H. Park, “Event related fMRI studies of voluntary and inhibited eye blinking using a time marker of EOG,” Neurosci. Lett., vol. 395, no. 3, pp. 196–200, 2006. [128] J. Hori, K. Sakano, and Y. Saitoh, “Development of communication supporting device controlled by eye movements and voluntary eye blink,” in 26th Annu. Int. Conf. IEEE Eng. Med. Biol. Soc., 2004, pp. 4302–4305. [129] Y. Kim, N. Doh, Y. Youm, and W. K. Chung, “Human-mobile communication system using electrooculogram signals,” in 2001 IEEE/RSJ Int. Conf. Intell. Robot. Syst., 2001, pp. 2160–2165. [130] X. Kong and G. Wilson, “A new EOG-based eyeblink detection algorithm,” Behav. Res. Methods, Instruments Comput., vol. 30, no. 4, pp. 713–719, 1998. [131] F. Matsuo, J. Peters, and E. Reilly, “Electrical phenomena associated with movements of the eyelid,” Electroencephalogr. Clin. Neurophysiol., vol. 38, pp. 507–511, 1975. [132] R. Barea, L. Boquete, M. Mazo, and E. López, “Wheelchair guidance strategies using EOG,” J. Intell. Robot. Syst., vol. 34, pp. 279–299, 2002. [133] T. Doyle, Z. Kucerovsky, and W. Greason, “Design of an electroocular computing interface,” in 2006 Can. Conf. Electr. Comput. Eng., 2006, pp. 1458–1461. [134] D. H. Brainard, “The psychophysics toolbox,” Spat. Vis., vol. 10, no. 4, pp. 433–436, 1997. 113 参考文献 [135] C. M. Bishop, “Linear models for classification,” in Pattern Recognition and Machine Learning. Springer, 2006, pp. 179–224. [136] M. Nakanishi, Y. Mitsukura, Y. Wang, Y.-T. Wang, and T.-P. Jung, “Online voluntary eye blink detection using electrooculogram,” in 2012 Int. Symp. Nonlinear Theory its Appl., 2012, pp. 114–117. [137] X. Gao, D. Xu, M. Cheng, and S. Gao, “A BCI-based environmental controller for the motion-disabled,” IEEE Trans. Neural Syst. Rehabil. Eng., vol. 11, no. 2, pp. 137–140, 2003. [138] E. C. Lalor, S. P. Kelly, C. Finucane, R. Burke, R. Smith, R. B. Reilly, and G. McDarby, “Steady-state VEP-based brain-computer interface control in an immersive 3D gaming environment,” EURASIP J. Adv. Signal Process., vol. 2005, no. 19, pp. 3156–3164, 2005. [139] T. Cao, X. Wang, B. Wang, C. M. Wong, F. Wan, P. U. Mak, P. I. Mak, and M. I. Vai, “A high rate online SSVEP based brain-computer interface speller,” in 5th Int. IEEE EMBS Conf. Neural Eng., 2011, pp. 465–468. [140] K. B. Ng, A. P. Bradley, and R. Cunnington, “Stimulus specificity of a steadystate visual-evoked potential-based brain-computer interface,” J. Neural Eng., vol. 9, 036008, pp. 1–13, 2012. [141] P. Gergondet and S. Druon, “Using brain-computer interface to steer a humanoid robot,” in Proc. 2011 IEEE Int. Conf. Robot. Biomimetics, 2011, pp. 192–197. [142] S. T. Morgan, J. C. Hansen, and S. A. Hillyard, “Selective attention to stimulus location modulates the steady-state visual evoked potential,” Proc. Natl. Acad. Sci. U. S. A., vol. 93, no. 10, pp. 4770–4774, 1996. [143] F. Di Russo and D. Spinelli, “Electrophysiological evidence for an early attentional mechanism in visual processing in humans,” Vision Res., vol. 39, no. 18, pp. 2975– 2985, 1999. [144] C. S. Herrmann, “Human EEG responses to 1-100Hz flicker: Resonance phenomena in visual cortex and their potential correlation to cognitive phenomena,” Exp. Brain Res., vol. 137, no. 3-4, pp. 346–353, 2001. [145] M. Nakanishi, Y. Wang, Y.-T. Wang, Y. Mitsukura, and T.-P. Jung, “Integrating interference frequency components elicited by monitor refresh rate to enhance frequency detection of SSVEPs,” in 6th Annu. Int. IEEE EMBS Conf. Neural Eng., 2013, pp. 1092–1095. [146] H. Bakardjian, T. Tanaka, and A. Cichocki, “Optimization of SSVEP brain responses with application to eight-command brain-computer interface,” Neurosci. Lett., vol. 114 参考文献 469, pp. 34–38, 2010. [147] Y. Wang, R. Wang, and X. Gao, “Brain-computer interface based on the highfrequency steady-state visual evoked potential,” in 2005 First Int. Conf. Neural Interface Control, 2005, pp. 37–39. [148] P. F. Diez, V. A. Mut, A. P. E. M, and L. E. Laciar, “Asynchronous BCI control using high-frequency SSVEP,” J. Neuroeng. Rehabil., vol. 8, no. 39, pp. 1–8, 2011. [149] T. Kluge and M. Hartmann, “Phase coherent detection of steady-state evoked potentials: Experimental results and application to brain-computer interfaces,” in 3rd Int. IEEE EMBS Conf. Neural Eng., 2007, pp. 425–429. [150] M. A. Lopez-Gordo, A. Prieto, F. Pelayo, and C. Morillas, “Use of phase in braincomputer interfaces based on steady-state visual evoked potentials,” Neural Process. Lett., vol. 32, pp. 1–9, 2010. [151] H.-J. Hwang, J.-H. Lim, Y.-J. Jung, H. Choi, S. W. Lee, and C.-H. Im, “Development of an SSVEP-based BCI spelling system adopting a QWERTY-style LED keyboard,” J. Neurosci. Methods, vol. 208, pp. 59–65, 2012. [152] K.-K. Shyu, P.-L. Lee, Y.-J. Liu, and J.-J. Sie, “Dual-frequency steady-state visual evoked potential for brain computer interface,” Neurosci. Lett., vol. 483, pp. 28–31, 2010. [153] S. K. Andersen and M. M. Müller, “Behavioral performance follows the time course of neural facilitation and suppression during cued shifts of feature-selective attention,” Proc. Natl. Acad. Sci. U. S. A., vol. 107, no. 31, pp. 13 878–13 882, 2010. [154] M. Nakanishi, Y. Wang, Y.-T. Wang, Y. Mitsukura, and T.-P. Jung, “An approximation approach for rendering visual flickers in SSVEP-based BCI using monitor refresh rate,” in 35th Annu. Int. Conf. IEEE Eng. Med. Biol. Soc., 2013, pp. 2176–2179. [155] ——, “Generating visual flickers for eliciting steady-state visual evoked potentials at flexible frequencies using monitor refresh rate,” PLoS One, vol. 9, no. 6, e99235, 2014. [156] M. A. Lebedev and M. A. L. Nicolelis, “Brain-machine interfaces: Past, present and future,” Trends Neurosci., vol. 29, no. 9, pp. 536–546, 2006. [157] J. J. Daly and J. R. Wolpaw, “Brain-computer interfaces in neurological rehabilitation,” Lancet Neurol., vol. 7, no. 11, pp. 1032–1043, 2008. [158] M. Nakanishi and Y. Mitsukura, “Wheelchair control system by using electrooculogram signal processing,” in 19th Korea-Japan Jt. Work. Front. Comput. Vis., 2013, pp. 137–142. [159] M. Nakanishi, K. Okugawa, M. Takahashi, and Y. Mitsukura, “Voluntary eye blink detection using electrooculogram for controlling powered wheelchairs considering en115 参考文献 vironmental information,” IEEJ Trans. Electron. Inf. Syst., vol. 133, no. 10, pp. 1969– 1975, 2013. [160] Y. Zhang, G. Zhou, Q. Zhao, and A. Onishi, “Multiway canonical correlation analysis for frequency components recognition in SSVEP-based BCIs,” in 18th Int. Conf. Neural Inf. Process., 2011, pp. 287–295. [161] J. Pan, X. Gao, F. Duan, Z. Yan, and S. Gao, “Enhancing the classification accuracy of steady-state visual evoked potential-based brain-computer interfaces using phase constrained canonical correlation analysis,” J. Neural Eng., vol. 8, 036027, pp. 1–7, 2011. [162] Y. Zhang, G. Zhou, J. Jin, M. Wang, X. Wang, and A. Cichocki, “L1-regularized multiway canonical correlation analysis for SSVEP-based BCI,” IEEE Trans. Neural Syst. Rehabil. Eng., vol. 21, no. 6, pp. 887–896, 2013. [163] D. Regan, “Evoked potential sources and the equivalent diple approximation,” in Hum. brain Electrophysiol. Evoked potentials evoked Magn. fields Sci. Med. New York: Elsevier, 1989, pp. 19–20. [164] P. Yuan, X. Gao, B. Allison, Y. Wang, G. Bin, and S. Gao, “A study of the existing problems of estimating the information transfer rate in online brain-computer interfaces,” J. Neural Eng., vol. 10, 026014, pp. 1–11, 2013. [165] N. V. Manyakov, N. Chumerin, A. Robben, A. Combaz, M. van Vliet, and M. M. Van Hulle, “Sampled sinusoidal stimulation profile and multichannel fuzzy logic classification for monitor-based phase-coded SSVEP brain-computer interfacing,” J. Neural Eng., vol. 10, 036011, pp. 1–11, 2013. [166] V. Porciatti, D. C. Burr, M. C. Morrone, and A. Fiorentini, “The effects of aging on the pattern electroretinogram and visual evoked potential in humans,” Vision Res., vol. 32, no. 7, pp. 1199–1209, 1991. [167] P.-L. Lee, C.-L. Yeh, J. Y.-S. Cheng, C.-Y. Yang, and G.-Y. Lan, “An SSVEP-based BCI using high duty-cycle visual flicker,” IEEE Trans. Biomed. Eng., vol. 58, no. 12, pp. 3350–3359, 2011. [168] B. C.-T. Lin, L.-W. Ko, J.-C. Chiou, J.-R. Duann, R.-S. Huang, S.-F. Liang, T.-W. Chiu, and T.-P. Jung, “Noninvasive neural prostheses using mobile and wireless EEG,” Proc. IEEE, vol. 96, no. 7, pp. 1167–1183, 2008. [169] S. S. Robertson, S. E. Watamura, and M. P. Wilbourn, “Attentional dynamics of infant visual foraging,” Proc. Natl. Acad. Sci. U. S. A., vol. 109, no. 28, pp. 11 460–11 464, 2012. [170] Y. Wang and T.-P. Jung, “A collaborative brain-computer interface for improving hu116 参考文献 man performance,” PLoS One, vol. 6, no. 5, e20422, pp. 1–11, 2011. [171] B. J. Lance, S. E. Kerick, A. J. Ries, K. S. Oie, and K. McDowell, “Brain-computer interface technologies in the coming decades,” Proc. IEEE, vol. 100, pp. 1585–1599, 2012. [172] S. P. Kelly, E. C. Lalor, C. Finucane, G. McDarby, and R. B. Reilly, “Visual spatial attention control in an independent brain-computer interface,” IEEE Trans. Biomed. Eng., vol. 52, no. 9, pp. 1588–1596, 2005. [173] B. Z. Allison, D. J. McFarland, G. Schalk, S. D. Zheng, M. M. Jackson, and J. R. Wolpaw, “Towards an independent brain-computer interface using steady state visual evoked potentials,” Clin. Neurophysiol., vol. 119, no. 2, pp. 399–408, 2008. [174] M. Nakanishi, Y. Wang, Y.-T. Wang, Y. Mitsukura, and T.-P. Jung, “A high-speed brain speller using steady-state visual evoked potentials,” Int. J. Neural Syst., vol. 24, 1450019, 2014, (Accepted). 117 119 研究業績 定期刊行誌掲載論文(主論文 関連 原著論文) 1. 中西正樹, 奥川恭平, 高橋正樹, 満倉靖恵, “環境情報 考慮 眼電位 用 電動車椅子制御 随意性瞬目検出手法”, 電機学会論文誌 C, Vol.133, No.10, pp.1969-1975, 2013. 2. M. Nakanishi, Y. Wang, Y. -T. Wang, Y. Mitsukura, and T. -P. Jung, “Generating Visual Flickers for Eliciting Robust Steady-State Visual Evoked Potentials at Flexible Frequencies Using Monitor Refresh Rate”, PLoS ONE, Vol.9, No.6, e99235, 2014. 3. M. Nakanishi, Y. Wang, Y. -T. Wang, Y. Mitsukura, and T. -P. Jung, “A High-Speed Brain Speller Using Steady-State Visual Evoked Potentials”, Int. J. Neural Syst., 2014. (Accepted for publication) 定期刊行誌掲載論文( 他 論文) 1. M. Nakanishi, and Y. Mitsukura, “Separation of Mixed Audio Signals With Time Frequency Masking Using Bivariate Empirical Mode Decomposition”, J. Sig. Process., Vol.15, No.4, pp.271-274, 2011. 2. M. Nakanishi, and Y. Mitsukura, “Horn Extraction in Noisy Environments by Empirical Mode Decomposition”, Inform., Vol.14, No.8, pp.2759-2766, 2011. 3. K. Okugawa, M. Nakanishi, Y. Mitsukura, and M. Takahashi, “Driving Control of a Powered Wheelchair by Voluntary Eye Blinking and with Environment Recognition”, Appl. Mech. Mater., Vol.490-491, pp.1764-1768, 2014. 4. 奥川恭平, 中西正樹, 満倉靖恵, 高橋正樹, “随意性瞬目 境認識 基 p.DR0125, 2014. 走行制御 用 電動車 環 実験的検証”, 日本機械学会論文集, Vol.80, No.813, 第 7 章 研究業績 国際会議論文(査読付 full-length papers) 1. M. Nakanishi, Y. Mitsukura, T. Tanaka, S. Miwa, and H. Nakajo, “Extraction of Horns in a Noisy Enviroment by EMD”, Proc. 2010 RISP Int. Workshop Nonlin. Circuits Commun. Sig. Process., pp.333-336, Hawaii, USA, Mar. 2010. 2. M. Nakanishi, Y. Mitsukura, and T. Tanaka, “Separation of Mixed Audio Signals With Time Frequency Masking Using Bivariate Empirical Mode Decomposition”, Proc. 2011 RISP Int. Workshop Nonlin. Circuits Commun. Sig. Process., pp.243-246, Tianjin, China, Mar. 2011. 3. M. Nakanishi, Y. Mitsukura, and A. Hara, “EEG Analysis for Acoustic Quality Evaluation Using PCA and FDA”, Proc. 22nd IEEE Int. Symp. Robot Hum. Interactive Commun., pp.321-324, GA, USA, Aug. 2011. 4. K. Takahashi, M. Nakanishi, and Y. Mitsukura, “Recognizing Facial Actions Using RBF Networks”, Proc. 2011 Int. Symp. Nonlin. Teory its Appl., pp.298-301, Kobe, Japan, Sep. 2011. 5. M. Nakanishi, and Y. Mitsukura, “Periodicity Detection for BCI Based on Periodic Code Modulation Visual Evoked Potentials”, Proc. 37th IEEE Int. Conf. Acoust. Speech Sig. Process., pp.665-668, Kyoto, Japan, Mar. 2012. 6. M. Nakanishi, Y. Mitsukura, Y. Wang, Y. -T. Wang, T. -P. Jung, “Online Voluntary Eye Blink Detection Method Using Electrooculogram”, Proc. 2012 Int. Symp. Nonlin. Teory its Appl., pp.114-117, Majorca, Spain, Oct. 2012. 7. K. Nishimura, M. Nakanishi, T. Fuji, and Y. Mitsukura, “Scrolling Interface for Computers Using Signal Sinusoidal Signal”, Proc. MJIIT-JUC Joint Int. Symp. 2012, Kuala Lumpur, Malaysia, pp.21-23, Nov. 2012. 8. M. Nakanishi, and Y. Mitsukura, “Wheelchair Control System by Using Electrooculogram Signal Processing”, Proc. 19th Korea-Japan Joint Workshop Fontiers Comput. Vis., pp.137-142, Incheon, Korea, Jan. 2013. 9. M. Nakanishi, and Y. Mitsukura, “Analysis of Visual Evoked Potentials Modulated by Pseudo-Random Sequences”, Proc. 2013 RISP Int. Workshop Nonlin. Circuits Commun. Sig. Process., pp.432-435, Hawaii, USA, Mar. 2013. 10. M. Nakanishi, and Y. Mitsukura, “Analysis of Visual Evoked Potentials Modulated by 120 第 7 章 研究業績 Periodic Binary Sequences”, Proc. 6th Int. Conf. Inform., pp.275-278, Tokyo, Japan, May 2013. 11. M. Nakanishi, Y. Wang, Y. -T. Wang, Y. Mitsukura, and T. -P. Jung, “An Approximation Approach for Rendering Visual Flickers in SSVEP-Based BCI Using Monitor Refresh Rate”, Proc. 35th Annu. Int. Conf. IEEE Eng. Med. Biol. Society, pp.21762179, Osaka, Japan, Jul. 2013. 12. M. Nakanishi, Y. Wang, Y. -T. Wang, Y. Mitsukura, and T. -P. Jung, “Integrating Interference Frequency Components Elicited by Monitor Refresh Rate to Enhance Freqeuncy Detection of SSVEPs”, Proc. 6th Int. IEEE EMBS Conf. Neural Eng., pp.10921095, San Diego, USA, Nov. 2013. 13. M. Nakanishi, and Y. Mitsukura, “Analysis of Interference Frequency Components in SSVEPs Elicited by LCD Monitor”, Proc. 2014 RISP Int. Workshop Nonlin. Circuits Commun. Sig. Process., pp.669-672, Hawaii, USA, Mar. 2014. 14. M. Nakanishi, Y. Wang, Y. -T. Wang, Y. Mitsukura, and T. -P. Jung, “Enhancing Unsupervised Canonical Correlation Analysis-Based Frequency Detection of SSVEPs by Incorporating Background EEG”, Proc. 36th Annu. Int. Conf. IEEE Eng. Med. Biol. Society, Chicago, USA, Aug. 2014. (Accepted) 15. Y. Wang, M. Nakanishi, Y. -T. Wang, and T. -P. Jung, “Enhancing Detection of SteadyState Visual Evoked Potentials Using Individual Training Data”, Proc. 36th Annu. Int. Conf. IEEE Eng. Med. Biol. Society, Chicago, USA, Aug. 2014. (Accepted) 16. X. Chen, Y. Wang, M. Nakanishi, T. -P. Jung, and X. Gao, “Hybrid Frequency and Phase Coding for a High-Speed SSVEP-Based BCI Speller”, Proc. 36th Annu. Int. Conf. IEEE Eng. Med. Biol. Society, Chicago, USA, Aug. 2014. (Accepted) 国内学会発表 1. 中西正樹, 満倉靖恵, 田中聡久, 三輪忍, 中條拓伯, 「経験的 雑音環境下 分解 用 警笛抽出手法」, 電気学会 産業計測制御研究会, IIC-10-071・ 073-078, pp.19-22, 2010 年 3 月. 2. 中西正樹, 満倉靖恵, 田中聡久, 「二変量経験的 音源分離手法」, 第 25 回信号処理 11 月. 121 分解 用 時間周波数 , pp.410-413, 2010 年 第 7 章 研究業績 3. 中西正樹, 満倉靖恵, 原晃, 「主成分分析 用 音質評価 脳波解析」, 電気 学会 産業計測制御研究会, IIC-11-82, pp.55-58, 2011 年 3 月. 4. 中西正樹, 満倉靖恵, 原晃, 「脳波信号解析 音質評価」, 平成 23 年 電気学会 産 業応用部門大会, pp.II-275-280, 2011 年 9 月. 5. 中西正樹, 満倉靖恵, 「眼電位 用 随意性瞬目検出手法」, 第 86 回 計測 部門研究会, pp.1-6, 2012 年 4 月. 6. 中西正樹, 満倉靖恵, 「眼電位 用 電気学会 電子・情報・ 随意性瞬目検出手法」, 平成 24 年 部門大会, pp.1046-1050, 2012 年 9 月. 7. 西村公伸, 中西正樹, 藤大貴, 満倉靖恵, 「単一周波数 平成 24 年 電気学会 電子・情報・ 操作」, 部門大会, pp.895-898, 2012 年 9 月. 8. 中西正樹, 奥川恭平, 満倉靖恵, 高橋正樹, 「随意性瞬目 用 電動車椅子制御 眼電位解析手法」, 第 55 回自動制御連合講演会, pp.1259-1264, 2012 年 11 月. 9. 奥川恭平, 中西正樹, 高橋正樹, 満倉靖恵, 「眼電位 操作 基 知的車 環境評価 走行制御」, 第 55 回自動制御連合講演会, pp.1694-1699, 2012 年 11 月. 10. 中西正樹, 満倉靖恵, 「電動車椅子乗車時 想定 析」, HCG 眼球運動 眼電位変化 解 2012, pp.3-7, 2012 年 12 月. 11. 中西正樹, 満倉靖恵, 「周期的符号変調刺激 誘発 視覚誘発電位 解析」, 第 56 回自動制御連合講演会, pp.524-527, 2013 年 11 月. 受賞 1. 電気学会 産業計測制御技術委員会, 「優秀論文発表賞」, 2010 年 12 月. 2. Technical Program Committee of the 2011 RISP NCSP, “Student Paper Award”, Mar. 2011. 研究助成 1. 慶應義塾大学先端科学技術研究 2012 年度 KLL 後期博士課程研究助成金, 2012 年度. 2. 慶應義塾大学博士課程学生研究支援 (研究科推薦枠), 2012 年度. 122 第 7 章 研究業績 3. 日本学術振興会特別研究員奨励費, 2013 年度. 123