日本生体医工学会中国四国支部2018で発表した研究です.
題目「ゆらぐ脳波データからどのように集中度合いを可視化するか」
Created by 上原賢祐
詳細はこちら: https://kenyu-life.com/2018/10/30/eeg_constress_value/
◯アブストラクト◯
ヒト脳波は心理・生理状態によって大きく影響される生体信号であるがゆえに,集中度合い等をはじめとしたヒトの状態推定を可能とする.脳波信号の一般的な理解では,ヒトが一旦集中状態に入ると周波数パワーが高くなる傾向にあるため,周波数解析により脳波に含まれる特定の周波数帯域の含有量を見ることは1つの有効な状態推定の手立てである.しかし,ヒト脳波はゆらぎと言われる非線形な性質を持つため,周波数解析などの線形的な信号処理では,ヒト脳波が有する真の情報を取り出すことができないと考えられる.すなわち,ヒトの集中状態を可視化するにあたっては,脳波信号の「ゆらぎ」を考慮し,波形の細かい変化の仕方自体にも眼を向ける必要があると考えられる.
そこで本研究では,非線形な解析手法を用いた脳波信号の解析を行い,ヒトの集中度合いの可視化を目的とする.脳波信号の振る舞いを一自由度の非線形振動子によってモデル化し,波形の細かい変化に対応させるため,モデル中の各係数パラメータを実験的に同定した.その結果,脳波の定量化をすることが可能であることを確認し,各モデルパラメータの相関値によって集中度合いを可視化できることが分かった.
* Satoshi Hara and Kohei Hayashi. Making Tree Ensembles Interpretable: A Bayesian Model Selection Approach. AISTATS'18 (to appear).
arXiv ver.: https://arxiv.org/abs/1606.09066#
* GitHub
https://github.com/sato9hara/defragTrees
28. 主な参考文献
• Matti 先生のHP:https://vuorre.netlify.com/tags/brms/
• DeCarlo and Lawrence (1998). Signal Detection Theory and
Generalized Linear Models. Psychological Methods, 186–205.
• Rouder et al. (2007). Signal Detection Models with Random
Participant and Item Effects. Psychometrika, 621–642.
• Wright and London (2009). Multilevel modelling: beyond the
basic applications. Br. J. Math. Stat. Psychol, 439–456.