...

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

by user

on
Category: Documents
20

views

Report

Comments

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
Fly UP