皮質脳波の非線形ダイナミクスを用いたリアルタイム脳情報解読

利用皮质脑电图的非线性动力学进行实时大脑信息解码

基本信息

批准号：
22K15623
负责人：
福間良平
金额：
$ 2.91万
依托单位：
Osaka University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K15623/
关键词：
非線形ダイナミクス皮質脳波 DMD Brain-Computer Interface Electrocorticogram

项目摘要

Dynamic mode decomposition (DMD)を用いることで、多数の計測点で観察された非線形ダイナミクスから事前知識なくモデルを構築することができる。我々の先行研究において、DMDを用いることで頭蓋内脳波から上肢運動内容を高精度で推定できることを示していたが、一方で推定に時間がかかる欠点があった。我々は数式変形を行うことで、トライアルごとに独立な特徴量を得ることで、計算時間を短縮し、正則化の適用を可能とした(特許申請中)。本年度は新たに得られた脳波特徴量(DMD特徴量)の神経科学的性質を明らかにすることを試みた。まず、上肢運動時の頭蓋内脳波から得られたパワーとDMD特徴量を比較した。結果、DMD特徴量の一部はパワーと高い相関を示し、さらに同じ運動を行ったトライアル間でより高い再現性を示すことが明らかになった。即ちDMD特徴量の一部は再現性の高いパワーとしての挙動を示すことが分かった。他のタスクをデコードするにあたってもDMD特徴量がパワーよりも有効であることを示すために、我々の先行研究で用いた動画視聴覚中の皮質脳波に対しても同様の解析を行った。この結果、DMD特徴量を用いるとパワーを用いるよりも高い精度で動画の意味内容が推定可能であることが明らかになった。さらにDMD特徴量の一部は、上肢運動時タスクのように、再現性の高いパワーとしての挙動を示すことが明らかになった。また、予備的な解析でDMD特徴量が他のモダリティにも有効であることが示唆された。

通过使用动态模式分解（DMD），可以从在许多测量点上观察到的非线性动力学构建模型。在我们的前面研究中，DMD的使用表明，上肢运动的内容可以从颅内脑波中估算为高精度，但是缺点是估计需要花费时间的缺点。通过执行数学变形，我们通过获得每个试验的独立特征来减少计算时间，并启用了正则化（在申请专利时）。今年，我们试图阐明新获得的EEG功能（DMD功能）的神经科学特性。首先，比较了上肢运动中从颅内脑波中获得的功率，并比较了DMD功能。结果，据揭示了一些DMD功能显示出与功率高的相关性，并且在试验之间进行了相同的练习之间的较高的可重复性。换句话说，发现某些DMD功能表明该行为是一种高度可重复的力量。为了证明DMD功能在解码其他任务时比功率更有效，在我们先前的研究中使用的视频中，对皮质脑波进行了相同的分析。结果，据揭示了DMD功能的使用估计具有比使用功率更高的精度。此外，揭示了一些DMD功能显示出高度可重现的功率行为，例如上肢运动中的任务。初步分析表明，DMD特征也对其他方式有效。