深層学習による脳―機械インタフェースの深化 環境情報と利用者意図の双方向最適認識
【研究分野】人間情報学およびその関連分野
【研究キーワード】
Brain-Machine interface / P300 / Brain-Computer interface / ブレイン・マシンインタフェース / 運動想起 / 脳波 / Brain Machine Interface
【研究成果の概要】
環境情報と親和性の高いBrain-Computer Interfaceを構築するため，光学シースルー方式のMixed Realityについて，環境情報を考慮した選択肢の提示と実際の車いす駆動システムの開発を行った．
光学シースルー方式における基礎的な検討を行った後に，刺激提示手法，脳波解析手法，脳波識別手法を1つのシステムに組み込み，さらにリアルタイムで稼働させることで，実際に利用者意図に基づいて車いすを駆動するシステムを構築した．所定の場所への移動成功精度は68%であり（チャンスレベルは2.8％）適切にシステムが刺激提示，識別，移動までのプロセスを遂行していることを確認した．
【研究の社会的意義】
本研究では，基礎的な刺激や識別手法の検討を行った後に，実際に利用者意図に基づいて車いすを駆動するシステムを構築したという点で社会的な意義を果たした研究と考えられる．環境情報を考慮したスマートかつ利用者にとって自然な情報提示に基づく車いす駆動システムを構築することができた．利用者は仮想マーカが配置された場所であればどこにでも移動することができ，従来の運動想起型BMIによる車いす操作に比べると，特別な訓練が不要であることや移動方向を常にイメージしなくても一度の指令で移動可能などの利点を持つ．
【研究代表者】
【研究種目】挑戦的研究(萌芽)
【研究期間】2017-06-30 - 2020-03-31
【配分額】6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)