氏名　NI NI SOE
学位の種類　博士（工学）
学位記番号　博甲第508号
学位授与の日付　平成21年3月25日
学位論文題目　A Study on Brain Computer Interface based on Chaos and Fractal Analyses of Human Brain Activitie　（ヒト脳活動のカオス・フラクタル解析に基づいたブレインコンピュータインターフェースに関する研究）
論文審査委員
　主査　教授　中川　匡弘
　副査　教授　渡邉　和忠
　副査　准教授　北谷　英嗣
　副査　准教授　岩橋　政宏
　副査　准教授　石原　康利

• 論文目次
• 論文要旨
• 論文審査の結果の要旨

［平成20（2008）年度博士論文題名一覧］ ［博士論文題名一覧］に戻る．

Table of Contents

Abstract　p.II
Lists of Abbreviations　p.X
Lists of Figures　p.XI
Lists of Table　p.XVI

1.　Introduction　p.1
　1.1　Research Motivation　p.1
　1.2　Research Objectives and Approach　p.1
　1.3　Contributing research areas　p.2
　1.4　Originality of the Thesis　p.3
　1.5　Organizations of the Thesis　p.3
2.　Background　p.5
　2.1　Introduction　p.5
　2.2　What is a Brain computer Interface Technology （BCI）?　p.5
　2.3　What is not a BCI?　p.9
　2.3.1　Brain Fingerprinting　p.10
　2.4　The Human Brain　p.12
　2.4.1　Anatomy and Function　p.12
　2.5　Imaging the Brain　p.16
　2.5.1　Positron Emission Tomography （PET）　p.17
　2.5.2　Functional Magnetic Resonance Imaging （fMRI）　p.19
　2.5.3　Electroencephalography （EEG）　p.20
　2.5.4　Optical Imaging　p.23
　2.6　Motor function　p.26
　2.6.1　Motor Imagery　p.28
　2.7　Physiological Signals forBCI Development　p.29
　2.8　Summary　p.33
3.　Chaos and Fractal Analyses of Electroencephalogram （EEG）　p.34
　3.1　Introduction　p.34
　3.2　Chaos and Fractal Properties of EEG signals　p.34
　3.2.1　Introduction　p.34
　3.2.2　Material and Methods　p.38
　3.2.3　Experimental results　p.47
　3.2.4　Discussions　p.56
　3.3　Temporal Changes of Fractal Dimension of EEG signal　p.58
　3.3.1　Introduction　p.58
　3.3.2　Material and Methods　p.59
　3.3.3　Experimental results　p.65
　3.3.4　Discussions　p.72
　3.4　Summary　p.73
4.　Chaos and Fractal Analyses of Near Infrared Spectroscopy （NIRS）　p.74
　4.1　Introduction　p.74
　4.1.1　Principles of Near-Infrared Spectroscopy　p.74
　4.1.2　Physical Principles　p.77
　4.1.3　Some Applications of NIRS　p.78
　4.2　Analysis of different motor imagery tasks of NIRS signal by Chaos Theory　p.78
　4.2.1　Introduction　p.78
　4.2.2　Materials and Methods　p.80
　4.2.3　Experimental Results　p.86
　4.2.4　Discussions　p.94
　4.3　Fractal Analysis of Different motor imagery tasks of NIRS signal　p.95
　4.3.1　Introduction　p.95
　4.3.2　Material and Methods　p.98
　4.3.3　Experimental Results　p.102
　4.3.4　Discussions　p.105
　4.4　Temporal Changes of NIRS signals　p.106
　4.4.1　Introduction　p.106
　4.4.2　Material and Methods　p.108
　4.4.3　Experimental Results and discussion　p.114
　4.5　Summary　p.119
5.　Brain Computer Interface Application　p.120
　5.1　Introduction　p.120
　5.2　Statistical Pattern Recognition　p.121
　5.2.1　Linear Discriminant Analysis　p.122
　5.2.2　Support Vector Machines　p.123
　5.3　Neural Network Classification　p.130
　5.3.1　Introduction　p.130
　5.3.2　Probabilistic Neural Network　p.131
　5.4　Classification of EEG signal　p.134
　5.4.1　Classification Results of Time Dependent Fractal Dimension　p.136
　5.4.2　Classification Results of Phase Space Feature extraction　p.138
　5.5　Classification of NIRS signal　p.140
　5.5.1　Classification Results of Time Dependent Fractal Dimension　p.141
　5.5.2　Classification Results of Phase Space Feature extraction　p.142
　5.6　Discussion　p.145
　5.7　Summary　p.146
6.　Discussions　p.147
　6.1　Discussions on Signal Acquisition　p.147
　6.2　Discussions on Preprocessing by PCAof NiRS signal　p.148
　6.3　Discussions on Chaos and Fractal Analyses　p.149
　6.4　Discussions on Classification　p.151
7.　Conclusions and Further Research　p.154
　7.1　Conclusions　p.154
　7.2　Future Directions　p.155
　7.3　Concluding Remark　p.157
Appendices　p.158
Bibliography　p.167
Acknowledgements　p.181
List of Publications　p.183

　人間と機械のコミュニケーション手段として，波等の生理学的信号を用いたブレインーマシンインターフェース（BCI）の研究が注目され，非侵襲の即応性の高いBCI装置の開発が精力的に進められている．そのような状況の中で，脳波に基づいたBCIは，脳からの生体信号をコミュニケーション支援装置やロボットなどの制御信号に変換するインターフェース技術であり，医用・福祉への実用化のために小型・軽量化が進められている．一方，最近，近赤外分光（NIRS）により，大脳皮質のヘモグロビン濃度の時空間ダイナミクス計測による脳機能解明に向けた研究が国内外で広く進められている．しかしながら，NIRS計測においては原理的にヘモグロビン濃度の絶対値に関する情報が得られず，活性度の相対変化に関する情報のみ抽出可能であり，この為にBCIへの適用が遅れているのが現状である．そこで本論文では，普遍的な特徴量として，NIRSの信号のカオス・フラクタル性に注目し，光BCI実現に向けた基盤技術の確立を目的とする．具体的には，リアプノフ指数とフラクタル次元をBCIの制御信号とする新規手法を提案し，想起タスクの弁別能力を議論することによりその有用性を論じる．本論文は全7章から構成されており，以下に概要を述べる．
　まず，第1章，第2章では，BCI技術の歴史的背景，並びに，NIRS計測技術の基礎について述べ，従来技術の問題点を述べると共に，本研究の意義・目的を明確にしている．
　次いで，第3章では，脳波のカオス・フラクタル性について論じる．具体的には，Takensの埋め込み定理に基づいて相空間に埋め込まれたアトラクタについて，　リアプノフスペクトル解析によりカオス性を検証し，さらに，相関次元解析によりフラクタル性を定量化した．その結果，これまでの研究と符合し，脳波信号は，　決定論的なカオス性とフラクタル性を有していることが明らかにされ，脳波に基づいた小型BCI技術の基盤を確立した．
　さらに，第4章では，NIRS信号の普遍的な性質を抽出するため，前章で述べたカオス・フラクタル解析の手法を用いて，そのカオス性，並びに，フラクタル性を定量化した．具体的には，NIRS信号に対して主成分分析を施した後，相互情報量を用いて遅延時間を決定し，Takensの定理に基づいて相空間に埋め込み，リアプノフ解析，並びに，相関次元解析を行った．その結果，NIRS信号も脳波と同様に決定論的なカオス性を有しており，その複雑性はフラクタル次元で定量化されることを見出した．
　さらに，第5章では，具体的なBCIへの適用のために，前章で得られたリアプノフスペクトラムやフラクタル次元を特徴入力ベクトルとしたニューラルネットにより，想起タスク（安静，左手上げる，右手上げる，足を動かす）の弁別実験を行った．その結果，被験者5名に対して，90％以上の確度で，弁別可能であることを見出した．また，リアプノフスペクトルから得られるリアプノフ次元と相関次元の間に強い相関関係が得られることが見出され，先述のように，NIRS信号はカオス性とフラクタル性を有する決定論的な信号であることが確認された．さらに，リアルタイム制御を実現するために，時間依存型フラクタル解析として，臨界指数法（CEM）を適用し，タスクに応じたフラクタル性の変化を定量化し，カオス・フラクタルによる定量化手法の有用性を示した．
　第6章では，本論文で提案した技術と従来技術との比較を行った．具体的には，SVMとLDAと取り上げ，弁別精度を定量的に比較した．その結果，カオス・フラクタル性を特徴量としたニューラルネットを用いた本提案手法では，従来手法に比べて，20％程度の弁別能力を向上することが可能であることを見出した．また，従来の脳波を用いた時間依存型フラクタル解析手法によるBCIと比べても，30％程度の弁別能力の向上が確認され，その有用性が実証された．
　最後に，第7章では，本論文の総括と光BCI技術の今後の展望について述べた．
　上述のように，本研究の結果，運動状態の想起と生体信号のカオス・フラクタル性の間に関連性が見出された．また，カオス・フラクタル性の特徴量を入力情報とし，運動状態のカテゴリーを出力とした階層型ニューラルネットを構築することにより，運動想起を90％以上の認識率で動作分離することに成功しており，光 BCIシステムへの適用可能性が明らかにされた．

　本論文は、次世代ヒューマン・マシンインターフェースとして、近赤外分光に基づいた光ブレイン　コンピュータ　インターフェース技術についてその基盤技術を論じるものである。
　最近、神経信号や脳波、さらには、近赤外分光方式によるBCIが広く研究され、一部実用化が検討されており、特に、脳波を用いたBCIは、可搬性、即応性の面から注目されている。このようなブレインコンピュータインタフェースの研究は、1970年代に始まり、1990年代から現在にかけてその実用化を見据えて精力的に開発研究が推進されてきた。しかしながら、非侵襲・非拘束で高精度に脳活動を直接計測し、その特徴量によりロボット等を制御する次世代のヒューマンマシンインターフェース技術は未だ萌芽的段階にある。
　そこで本論文では、普遍的な特徴量として、NIRSの信号のカオス・フラクタル性に注目し、光BCI実現に向けた基盤技術の確立を目的とする。具体的には、リアプノフ指数とフラクタル次元をBCIの制御信号とする新規手法を提案し、想起タスクの弁別能力を議論することによりその有用性を論じる。本論文は全7章から構成されており、以下に概要を述べる。
　まず、第1章、第2章では、BCI技術の歴史的背景、並びに、NIRS計測技術の基礎について述べ、従来技術の問題点を述べると共に、本研究の意義・目的を明確にしている。
　次いで、第3章では、脳波のカオス・フラクタル性について論じる。具体的には、Takensの埋め込み定理に基づいて相空間に埋め込まれたアトラクタについて、リアプノフスペクトル解析によりカオス性を検証し、さらに、相関次元解析によりフラクタル性を定量化した。その結果、これまでの研究と符合し、脳波信号は、決定論的なカオス性とフラクタル性を有していることが明らかにされ、脳波に基づいた小型BCI技術の基盤を確立している。
　さらに、第4章では、NIRS信号の普遍的な性質を抽出するため、前章で述べたカオス・フラクタル解析の手法を用いて、そのカオス性、並びに、フラクタル性を定量化した。具体的には、NIRS信号に対して主成分分析を施した後、相互情報量を用いて遅延時間を決定し、Takensの定理に基づいて相空間に埋め込み、リアプノフ解析、並びに、相関次元解析を行っている。その結果、NIRS信号も脳波と同様に決定論的なカオス性を有しており、その複雑性はフラクタル次元で定量化されることが見出されている。
　さらに、第5章では、具体的なBCIへの適用のために、前章で得られたリアプノフスペクトラムやフラクタル次元を特徴入力ベクトルとしたニューラルネットにより、想起タスク（安静、左手を上げる、右手を上げる、足を動かす）の弁別実験を行っている。その結果、被験者5名に対して、90％以上の確度で、弁別可能であることを見出した。また、リアプノフスペクトルから得られるリアプノフ次元と相関次元の間に強い相関関係が得られることが見出され、先述のように、NIRS信号はカオス性とフラクタル性を有する決定論的な信号であることが確認された。さらに、リアルタイム制御を実現するために、時間依存型フラクタル解析として、臨界指数法（CEM）を適用し、タスクに応じたフラクタル性の変化を定量化し、カオス・フラクタルによる定量化手法の有用性を示した。
　第6章では、本論文で提案した技術と従来技術との比較を行った。具体的には、SVMとLDAとを取り上げ、弁別精度を定量的に比較した。その結果、カオス・フラクタル性を特徴量としたニューラルネットを用いた本提案手法では、従来手法に比べて、20％程度の弁別能力を向上することが可能であることを見出した。また、従来の脳波を用いた時間依存型フラクタル解析手法によるBCIと比べても、30％程度の弁別能力の向上が確認され、その有用性を実証している。
　最後に、第7章では、本論文の総括と光BCI技術の今後の展望について述べている。
　上述のように、本研究の結果、運動状態の想起と生体信号のカオス・フラクタル性の間に関連性が見出された。また、カオス・フラクタル性の特徴量を入力情報とし、運動状態のカテゴリーを出力とした階層型ニューラルネットを構築することにより、運動想起を90％以上の認識率で動作分離することに成功しており、光 BCIシステムへの適用可能性が明らかにしている。
　上記のように、本論文で提案する新規弁別手法により、脳波のフラクタル解析から得られる脳波のフラクタル特性の特徴量から、被験者の運動想起タスクの種類を
　高精度に識別可能であることを結論しており、新規脳機能計測基盤技術としての有用性を明示している。
　以上のことから、本研究成果は、脳波のフラクタル性に基づいた新規BCI技術の有用性を示し、また同手法は脳機能計測に新機軸をもたらすものと期待され、学術的及び工学的に貢献するところが大きく、博士（工学）の学位論文として十分な価値を有するものと認める。