産業およびヘルスケア向けの単一チャネルおよび非侵襲的ウェアラブルブレインコンピュータインタフェース

本研究の提案は、民生用機器、簡易信号処理、拡張現実性を活用することで、低コストでウェアラブルでポータブルなブレインコンピュータインターフェースの開発に貢献します。この技術は、ブレインコンピュータインターフェース技術を日常生活に近づけ、産業およびヘルスケアアプリケーションの両方で多くのユーザーに新しい可能性を開くことを目的としています。この提案システムは、注意欠陥・多動性障害児や自閉症児のロボットリハビリテーションにも応用されています。

結果は有望でした。まず、スマートグラスとヘッドバンドを着用し、PCを主電源から切断した状態で、USBケーブルを介して低コストの脳波計をPCに接続します。このステップでは、既知の状態から開始するために、すべての電極を脳波計取得ボードから切り離す必要があります。

このフェーズでは、脳波ストリームは、Androidアプリケーションに実装された処理と互換性のあるスクリプトを使用して、PC上でオフラインで処理されます。スクリプトを開始して、EEG信号を受信し、視覚化します。表示された信号を確認してください。

これは、EEG増幅器の量子化ノイズのみに対応する必要があります。最初の電極を接続し、カスタムクリップでパッシブ電極を左耳に適用するか、イヤークリップ電極を使用します。測定差動チャンネルはまだ開回路であるため、出力信号はこのステップで変更しないでください。

測定EEGチャネルの差動入力の負極に活性電極を接続し、ヘッドバンドで前頭部に適用します。数秒後、信号はゼロに戻ります。もう一方のアクティブ電極を測定EEGチャネルの差動入力の正極に接続し、ヘッドバンドで後頭部に適用します。

前頭脳領域と後頭部領域に関して測定された視覚活動に対応する脳信号が表示されるようになりました。Androidアプリケーションでちらつきアイコンを起動して、10ヘルツと12ヘルツのちらつきアイコンでユーザーを繰り返し刺激します。スマートグラスのタッチパッドを押しながら、EEG取得および視覚化スクリプトを開始します。

このフェーズの各刺激が、10秒間ちらつく単一のアイコンで構成されていることを確認してください。各刺激に関連する10秒の信号から、高速フーリエ変換、10ヘルツおよび12ヘルツでのパワースペクトル密度を使用して2つの特徴を抽出する。あるいは、第2高調波も考慮してください。

特徴領域で集録された信号の表現を使用して、サポートベクターマシン分類器をトレーニングします。MATLABまたはPythonのツールを使用して、最終的なカーネルを持つ超平面のパラメータを識別します。入力特徴に基づいて、トレーニングされたモデルは、EEG信号の将来の観測を分類することができます。

USBケーブルをPCから外し、スマートグラスに直接接続します。トレーニング済みの分類器のパラメーターを Android アプリケーションに挿入します。これでシステムの準備が整いました。

低コストの脳波計は、直線性と大きさの誤差に関して特徴付けられました。結果をここに示す。スマートグラスのちらつきを測定して、公称方形波経路からの最終的な偏差を強調しました。

ちらつきボタンの振幅スペクトルに関する商用スマートグラスの特性評価をこの図に示します。ここでは、10ヘルツと12ヘルツでのちらつきを示しています。この図は、特徴領域における視覚刺激中に測定された信号を表す。

12ヘルツのちらつき刺激に関連する信号は青で表示され、10ヘルツのちらつき刺激に関連する信号は赤で表示されます。各被験者について、10秒の刺激に関連する結果を2秒の刺激に関連する結果と比較する。ここでは、すべての被験者をまとめて考慮して得られた精度と、すべての被験者の平均精度を報告します。

SSVEP関連の脳波データについて、2つのPSD特徴と4つのPSD特徴を考慮した場合の分類性能の比較を以下に示します。消費者グレードの機器の優れた計量特性を考えると、導電性ゲルを使用していないため、測定電極の機械的安定性に主に注意を払う必要があります。この手順は、比較的堅牢なノイズであるSSVEP信号に対して機能することが証明されましたが、モーター画像などのさらなるパラダイムで同様の計測器の使用を調査することができます。

ウェアラビリティ、携帯性、使いやすさのおかげで、この技術は現在、リハビリテーションの補助装置として、または産業シナリオの新しいツールとして研究されています。