運動想起型BCIシステムにおける脳波信号の分類における信号分解法の比較

Comparison of signal decomposition methods in classification of EEG signals for motor-imagery BCI system
Jasmin Kevrica, Abdulhamit Subasib
Biomedical Signal Processing and Control, 2017,Volume.31,P.398-406
20171122_tishihara

“この研究では,分類タスクのためのブレインコンピュータインタフェース(BCI)システムにおける脳波(EEG)信号の分解について,3つの一般的な信号処理技術(経験的モード分解,離散ウェーブレット変換,およびウェーブレットパケット分解)を調査した.この目的のために,マルチチャンネル2クラスの運動想起データセットであるデータセットIVaを使用した.雑音除去の目的でマルチスケール主成分分析法を適用した.さらに,特定の機能グループの効果を調べるために,異なる機能セットが形成された.信号分解法のパラメータ選択プロセスも完全に説明された.我々の結果は,ウェーブレットパケット分解サブバンドから抽出されたマルチスケール主成分分析ノンノイズ統計と高次統計フィーチャの組み合わせが,92.8%の最高平均分類精度をもたらしたことを示している.我々の研究は,BCI信号の分類における高次統計と組み合わせた信号分解法の包括的な比較を提供する非常に少数のものの中の一つである.
加えて,Brain Computer Interface Systemsにおける脳波信号の分類作業の改善において,より高い周波数範囲の重要性を強調した.得られた結果は,提案されたモデルが運動想起時の脳波信号の信頼できる分類を得る可能性を有し,したがって車椅子を制御するための実用的なシステムとして使用できることを示している.また,個人が正しい動作を実行すると,適切なフィードバックが配信される現在のリハビリテーションをさらに強化することができます.このようにして,運動リハビリの成果は時間とともに改善されるかもしれない.”

機械学習による瞳孔径を用いた快・不快感情識別

Machine learning to differentiate between positive and negative emotions using pupil diameter
Babiker Areej, Faye Ibrahima, Prehn Kristin, Malik AamirAnke
Frontiers in psychology, Vol.6, 2015
20171122_hwada

瞳孔径は個人の感情状態を識別するための信頼可能なパラメータとして示唆されている.本稿では,正と負の 感情を検出し,識別するための機械学習技術を提案する.30 名の被験者に陽性および陰性の刺激を与え,瞳孔反 応を記録した.結果,正及び負の音刺激の処置中に瞳孔拡張において有意な増加を示し,負の刺激に対してより 大きな増加を示した.さらに,タスク終了時に陽性刺激と比較して陰性の持続的拡張が認められ,正および負の 感情の識別のために精度 96.5%,感度 97.93%,特異度 98%となる機械学習アプローチに利用された.得られた結 果は,異なる研究のために設計された,30 人の参加者が陽性,陰性の感情を伴う単語を処理しながら記録した別 のデータセットを用いて検証された.

自動運転における制御移行のための注意散漫、眠気および認知負荷の目に基づいた運転者状態モニタ

Eye-based driver state monitor of distraction, drowsiness, and cognitive load for transitions of control in automated driving
Christopher Cabrall, Nico Janssen, Joel Goncalves, Alberto Morando, Matthew Sassman, Joost de Winter Systems, Man, and Cybernetics (SMC), 2016 IEEE International Conference on, pp.1981-1982, 2016
171021_snakamura

将来の自動運転車両には,複数のモードと操作レベルが含まれている可能性が高いため,ドライバと機械の間 のさまざまな制御の移行(ToC)が必要とされる.従来の起動デバイス(例:ノブ,スイッチ,ボタンおよびタッ チスクリーン)は,他のシステム設定操作によって混乱させられ、システム稼働時に不適切な影響を受けやすい。 非侵襲的な視線追跡方法は、ドライバの状態(例:気晴らし,眠気および認知過負荷)から手動から自動運転に 切り替え、自動運転から手動運転移行時のドライバの準備状態の確認として役立てることができる。このシンプ ルなシステムをデモンストレーション・ペーパーの範囲内で、統合されたドライバ・ステート・モニターを概説す る.視線位置,視線の変動性,眼瞼の開口部および運転環境からの外部環境の複雑さを組み合わせて,自動運転 への移行を容易にする.ドライバフェーシングカメラと前方カメラの両方がますます普及し,さまざまな自動運 転車両において法的に義務付けられるため,我々の統合システムは,人間とコンピューターの相互作用と運転の 安全性を改善するための関連する将来の研究開発に役立つ.

正負の感情処理は情動的な画像の表示中に解離可能な機能ハブを示す

Positive and negative affective processing exhibit dissociable functional hubs during the viewing of affective pictures
Fekete, Tomer and Beacher, Felix DCC and Cha, Jiook and Rubin, Denis and Mujica-Parodi, Lilianne R
Human brain mapping, Vol.36, pp.415-426, 2015
20171116 sikeda

グラフ理論の指標を用いた最近のレスティングステイトにおける機能磁気共鳴イメージング(fMRI)研究は, 人間の脳機能ネットワークは,スモールワールドの特徴を有し,いくつかの機能的なハブ領域を含むことを明ら かにした.しかし,感情情報の処理中に感情的脳機能ネットワークが脳内でどのように組織されているかは不明 である.本研究では,健康な大学生 25 名から fMRI データを収集し,合計 81 の陽性,中立,陰性の画像を観察 した.結果は、感情的機能ネットワークは局所的効率がより高い弱いスモールワールドの特性を示し,それは感 情的な映像を見ている間に局所的接続が増加することを意味する.さらに,ポジティブおよびネガティブな感情 処理は,主にポジティブタスク領域に出現する解離可能な機能ハブを示す.これらの機能ハブは,情報処理の中心 であり,ネットワークの平均の重心より少なくとも 1.5 倍大きいノード間の重心値を有する.快の感情ネットワー クにおけるポジティブな影響スコアは,右眼窩前頭皮質と右被殻の間の値と相関を示し,不快情動ネットワーク におけるネガティブな影響スコアは,左眼窩前頭皮質と左扁桃の間の値と相関した.左上頭頂葉および下頭頂葉 における局所効率は,その後の陽性および陰性画像の覚醒評価とそれぞれ相関を示した.これらの結果は,感情 情報の処理中における人間の脳機能結合の組織原理の重要な証拠を提供する.

Measuring different oxygenation levels in a blood perfusion model simulating the human head using NIRS NIRSを用いたヒト頭部をシミュレートする血液灌流モデルにおける異なる酸素化レベルの測定
K. Rackebrandt,H. Gehring
Current Directions in Biomedical Engineering,vol. 1,no. 1,pp.371-375,2015
2017115 rhagiwara

両半球で分断された脳の酸素化,灌流および代謝は,大脳遠心性血管の静脈血の酸素化およびヘモグロビンレベルから推定することができる.再現性のあるシミュレートされた標的の血管(測定セル)の内部で異なる酸素供給速度を提供するために,血流力学的灌流回路に接続された解剖学的標的領域をシミュレートするためのファントムベースのモデルを提示する.これらの異なる飽和レベルを検出するために,三波長(770,808および850 [nm])の多距離NIRSセンサ(6つのフォトダイオードが線状に配置され,それぞれ6 [mm]離された)が使用された.これらの最初の結果に基づいて,反射された光の量を血液の実際の酸素飽和度と相関させる一連の測定が導入された.

レスティングステイトの脳ネットワークの機能的統合は,ワーキングメモリパフォーマンスの特定されていな いバイオマーカーであるか?

Is functional integration of resting state brain networks an unspecic biomarker for working memory performance?
M. Alavash, P. Doebler, H. Holling, C.M. Thiel and C. Gieing Neuroimage, Vol.108, 182-193, 2015
2017115 rhagiwara

“私たちの認知能力が利益をもたらす機能的な脳ネットワークの最適なトポロジーはあるか?以前の研究は,レスティングステイトの脳ネットワークの機能的統合は,認知能力のための重要なバイオマーカーであることを示唆している.しかしながら,より高いネットワーク統合が,良好な認知能力のための特異的な予測因子であるか,あるいはレスト中の特定のネットワーク構成が特定の認知能力のみを予測するかどうかは未だに不明である.
ここでは,安静時のネットワーク統合と認知能力との関係を,ワーキングメモリの異なる側面を測定した2 つのタスクを用いて調査した.1 つのタスクは視覚空間,他は数値ワーキングメモリを評価した.ネットワーククラスタリング,モジュール性,および効率性を,ネットワーク構成の様々なレベルでネットワーク統合を取得し,各ワーキングメモリテストでのパフォーマンスとの相関を統計的に比較するために計算した.
結果は,各ワーキングメモリの局面が異なるレスティングステイトのトポロジーから利益を得ていることを示し,テストはネットワーク統合の各測定値と著しく異なる相関を示した.グローバルなネットワーク統合とモジュール性が高いほど視覚空間ワーキングメモリのパフォーマンスが大幅に向上すると予測されていたが,両方の測定値が数値ワーキングメモリのパフォーマンスと有意な相関を示さなかった.対照的に,数値ワーキングメモリは,クラスタリングされた脳ネットワークを有する被験者,主としてワーキングメモリネットワークの核心領域である頭頂間溝で優れていた.
我々の発見は,レスティングステイトの脳ネットワークの局所的機能統合と全体的機能統合との間の特定のバランスが,認知能力の特別な側面を容易にすることを示唆している.ワーキングメモリのコンテキストでは,視覚的空間性は,グローバルに統合された機能的レスティングステイトの脳ネットワークによって促進されるが,数値ワーキングメモリは,特にワーキングメモリ性能に関与する脳領域における局所処理能力の増加から利益を得る.”

fMRI resting state におけるDCM

A DCM for resting state fMRI
Karl J.Friston, Joshua Kahan, Bharat Biswal, Adeel Razi
NeuroImage,Vol.94,396-407,2014
20171113 sishida

このテクニカルノートでは異なる脳領域間のクロススペクトルによって測定された機能的結合に基づくresting state fMRI 時系列の動的因果モデル(DCM)を紹介します.このDCM は分散したニューラルネットワークもしくはグラフにおける結合ニューロンの変動の生物物理学的に妥当なモデルから予測クロススペクトルを生成する決定論的モデルに基づいている.有効に得られた結果の図は観測された血行力学的反応間の機能的結合を説明する隠れたニューロン状態間のベストな実効的結合を見つける.これはクロススペクトルは領域変動の(二次)統計的依存性に関するの全情報を含むためである.このノートではモデルの描画,有向および無向の機能的結合の既存の計測との関係,そしてシミュレーションを用いた表面的妥当性を確立することに注目する.その後の論文で確率的DCM とパーキンソン病とハンチントン病における予後の妥当性に関して構築の妥当性を評価する.

動的機能結合法のシミュレーションと比較

A simulation and comparison of dynamic functional connectivity methods
William Hedley Thompson, Craig Geoffrey Richter, Pontus Plaven-Sigray,Peter Fransson
bioRxiv, pp.212-241, 2017
20171114 katayama

“fMRIのような神経イメージングデータに基づいて,脳の動的機能的結合性(DFC)を定量化することに,現在,関心が持たれている.多くの方法が提案され,適用されており,脳の変動への新しい洞察を明らかにする.しかし,脳内のDFCの根底にある真実は明らかでないため,提案された推定精度に関して多くの懸念が残っている.多くのDFC方法が存在するので,研究間の動的脳接続の差異を評価することは困難である.ここでは,DFC(スライディングウィンドウ,テーパスライディングウィンドウ,時間微分,空間距離,ジャックナイフ相関)を推定するための広範な現在のアプローチをまとめた5つの異なる方法を評価する.特に,DFC分析の重要な特性である時間経過に伴う共分散の変化を追跡する各手法の能力に関心を持っていた.比較されたすべての方法は互いに正に相関していましたが,方法間の相関の強さには大きな違いがあった.将来のDFCメソッドとの比較を容易にするために,記述されたシミュレーションが方法の評価のためのベンチマークテストとして機能することを提案する.
この論文では,Pythonパッケージであるdfcbenchmarkerを紹介する.これは,研究者が独自のDFCメソッドを簡単に提出して比較し,パフォーマンスを評価できるようにするものである.”

デフォルトモードネットワーク内の効果的な接続とマインドワンダリングの促進・抑制との因果関係

Causal relationship between effective connectivity within the default mode network and mind-wandering regulation and facilitation
S. Kajimura, T. Kochiyama, R. Nakai, N. Abe and M. Nomura
Neuroimage, vol. 133, pp. 21-30, 2016.
20171114_tmiyoshi

経頭蓋直流刺激(tDCS)は,思考が進行中の課題や外部環境内の事象から自己生成の思考や感情へとシフトする,マインドワンダリングを調節することができる.マインドワンダリング頻度の調節は外側前頭前野(the lateral prefrontal cortex:LPFC)やDefault mode network(DMN)における領域の神経変性に関連すると考えられるが,正確な神経メカニズムは未知のままである.機能的核磁気共鳴イメージング(functional magnetic resonance imaging:fMRI)を用いて,我々はtCDS(DMNのコア領域である右IPL上に配置された1つの電極と,左LPFC上に配置された別の電極),DMN内の刺激によって誘発された指向性接続変化,およびマインドワンダリング頻度の調節との間の因果関係を調べた.行動レベルでは,右IPLにおけるアノードtDCS(左IPLにおけるカソードtDCSを有する)が,逆の刺激と比較してマインドワンダリングを減少させた.神経レベルでは,右IPLにおけるアノードtDCSは,後部帯状皮質(PCC)の求心性接続を右IPLおよび前頭前野(mPFC)から減少させた.さらに,媒介分析では,右IPLおよびmPFCからの接続の変化が,マインドワンダリングの促進および抑制とそれぞれ相関することが示された.これらの効果は,効果的な接続の不均質な機能の結果である.すなわち,右IPLからPCCへの接続はマインドワンダリングを妨げるが,mPFCからPCCへの接続はマインドワンダリングを促す.現在の研究は,マインドワンダリング頻度のtDCS調節の基礎をなす神経メカニズムを実証するものである.

早期胃がんに対する青色レーザーイメージングを用いた拡大内視鏡の診断能力:前向き検討

Diagnostic ability of magnifying endoscopy with blue laser imaging for early gastric cancer: a prospective study
Dohi, O and Yagi, N and Majima, A and Hrii, Y and Kitaichi, T and Onozawa, Y and Suzuki, K and Tomie, A and Tsuchiya, R an others
Gastric Cancer Vol.20 pp.297-303 2017
20171114_nishida

“背景 :
青色レーザーイメージング(BLI)は,狭帯域光観察のために開発されたレーザー光源を利用した画像強調内視鏡技術である.本研究の目的は,早期胃癌の診断におけるBLIの有用性を評価することであった.
手法:
この単一施設の前向き研究は530人の患者を分析した.患者は,2012年11月から2015年3月まで,京都府立医科大学の白色(C-WLI)とBLI(M-BLI)による拡大内視鏡検査の両方で検査された.M-BLIには,不規則な微小血管パターンおよび/または不規則な微細表面パターンが含まれ,VSclassificationによるDemarcation Lineが含まれる.病変の生検は,C-WLIおよびM-BLI観察後に行った.この研究の主な目的は,C-WLIとM-BLIの診断性能を比較することである.
結果 :
我々は127の検出された病変(32の癌および95の非癌)を分析した.
M-BLI診断の精度,感度および特異度は,それぞれ92.1,93.8および91.6\%であった.
一方,C-WLI診断の精度,感度,特異度はそれぞれ71.7%,46.9%,80.0\%であった.
結論:
M-BLIは,C-WLIと比較して,早期胃癌の診断能を改善した.これらの結果は,M-BLIの診断有効性は,狭帯域イメージング(M-NBI)を用いた拡大内視鏡検査のそれと同様であることを示唆した.