機械学習を用いた高音・低音想起時の脳波データの分類

運動想起や視覚想起の神経デコーディングに関する研究は数多く行われているが, 音想起に関するものは比較的少ない. そこで本研究では, 高音または低音を想起した際の脳波データを機械学習を用いて分類することを試みた. 実験協力者に基準音を2s間聴取させた後, 基準音よりも 1 オクターブ高い音ないしは低い音を3s間想起させ, この際の脳活動を64チャンネル脳波計で計測した. 2条件間で有意差が存在する時間周波数帯域を計算し, その帯域内のパワー値を対象に主成分分析によって次元圧縮を行ったものを特徴量として, 機械学習で分類した. 高音想起の際, 想起開始より 300-1000ms 後に前頭領域におい...

Full description

Saved in:
Bibliographic Details
Published inTransactions of Japanese Society for Medical and Biological Engineering Vol. Annual56; no. Abstract; p. S297
Main Authors 坂本, 嵩, 青山, 敦, 清水, 梨紗, 松下, 佳鈴, 小林, 篤矢, 野見山, 菜摘
Format Journal Article
LanguageJapanese
Published 公益社団法人 日本生体医工学会 2018
Japanese Society for Medical and Biological Engineering
Online AccessGet full text
ISSN1347-443X
1881-4379
DOI10.11239/jsmbe.Annual56.S297

Cover

Abstract 運動想起や視覚想起の神経デコーディングに関する研究は数多く行われているが, 音想起に関するものは比較的少ない. そこで本研究では, 高音または低音を想起した際の脳波データを機械学習を用いて分類することを試みた. 実験協力者に基準音を2s間聴取させた後, 基準音よりも 1 オクターブ高い音ないしは低い音を3s間想起させ, この際の脳活動を64チャンネル脳波計で計測した. 2条件間で有意差が存在する時間周波数帯域を計算し, その帯域内のパワー値を対象に主成分分析によって次元圧縮を行ったものを特徴量として, 機械学習で分類した. 高音想起の際, 想起開始より 300-1000ms 後に前頭領域において高ベータ帯域とガンマ帯域の活動増強が確認され, 高音と低音想起時の脳波情報は75%の精度で分類された. 以上の結果より, 前頭領域における高周波律動は高音想起に対するより大きな注意負荷を反映しており，この時間周波数的特徴が音想起情報のデコーディングにおいて重要であることが示唆された.
AbstractList 運動想起や視覚想起の神経デコーディングに関する研究は数多く行われているが, 音想起に関するものは比較的少ない. そこで本研究では, 高音または低音を想起した際の脳波データを機械学習を用いて分類することを試みた. 実験協力者に基準音を2s間聴取させた後, 基準音よりも 1 オクターブ高い音ないしは低い音を3s間想起させ, この際の脳活動を64チャンネル脳波計で計測した. 2条件間で有意差が存在する時間周波数帯域を計算し, その帯域内のパワー値を対象に主成分分析によって次元圧縮を行ったものを特徴量として, 機械学習で分類した. 高音想起の際, 想起開始より 300-1000ms 後に前頭領域において高ベータ帯域とガンマ帯域の活動増強が確認され, 高音と低音想起時の脳波情報は75%の精度で分類された. 以上の結果より, 前頭領域における高周波律動は高音想起に対するより大きな注意負荷を反映しており，この時間周波数的特徴が音想起情報のデコーディングにおいて重要であることが示唆された.
Though neural decoding of imagery has been extensively studied in the motor and visual domain, less effort has been made for auditory imagery. Here, we tested classification of 64-channel EEG data during participants imaging a tone that is an octave higher or lower than a standard tone for 2 seconds. Significant differences of time-frequency representations of the data between two conditions were individually detected for each channels and used as features for machine learning. While imaging higher tones, a stronger activity compared to the lower-tone imagery was observed in the frontal regions in the high-beta and gamma bands from 300 to 1000 ms after starting imagery. Eventually, machine learning achieved classification of the data with an accuracy of 75%. The results indicate that frontal high-frequency oscillations reflect more attentional demand for imagining higher pitch and that these time-frequency characteristics are keys to decode auditory imagery. 運動想起や視覚想起の神経デコーディングに関する研究は数多く行われているが, 音想起に関するものは比較的少ない. そこで本研究では, 高音または低音を想起した際の脳波データを機械学習を用いて分類することを試みた. 実験協力者に基準音を2s間聴取させた後, 基準音よりも 1 オクターブ高い音ないしは低い音を3s間想起させ, この際の脳活動を64チャンネル脳波計で計測した. 2条件間で有意差が存在する時間周波数帯域を計算し, その帯域内のパワー値を対象に主成分分析によって次元圧縮を行ったものを特徴量として, 機械学習で分類した. 高音想起の際, 想起開始より 300-1000ms 後に前頭領域において高ベータ帯域とガンマ帯域の活動増強が確認され, 高音と低音想起時の脳波情報は75%の精度で分類された. 以上の結果より, 前頭領域における高周波律動は高音想起に対するより大きな注意負荷を反映しており，この時間周波数的特徴が音想起情報のデコーディングにおいて重要であることが示唆された.
Author 小林, 篤矢
青山, 敦
野見山, 菜摘
坂本, 嵩
清水, 梨紗
松下, 佳鈴
Author_FL Matsushita Karin
KOBAYASHI ATSUYA
Shimizu Risa
Sakamoto Shu
Aoyama Atsushi
Nomiyama Natsumi
Author_FL_xml – sequence: 1
  fullname: KOBAYASHI ATSUYA
– sequence: 2
  fullname: Matsushita Karin
– sequence: 3
  fullname: Sakamoto Shu
– sequence: 4
  fullname: Shimizu Risa
– sequence: 5
  fullname: Nomiyama Natsumi
– sequence: 6
  fullname: Aoyama Atsushi
Author_xml – sequence: 1
  fullname: 坂本, 嵩
  organization: 慶應義塾大学　環境情報学部
– sequence: 1
  fullname: 青山, 敦
  organization: 慶應義塾大学　環境情報学部
– sequence: 1
  fullname: 清水, 梨紗
  organization: 慶應義塾大学　環境情報学部
– sequence: 1
  fullname: 松下, 佳鈴
  organization: 慶應義塾大学　環境情報学部
– sequence: 1
  fullname: 小林, 篤矢
  organization: 慶應義塾大学　環境情報学部
– sequence: 1
  fullname: 野見山, 菜摘
  organization: 慶應義塾大学　環境情報学部
BackLink https://cir.nii.ac.jp/crid/1390001288070068480$$DView record in CiNii
BookMark eNpFkM1Kw0AUhQepYK19A5duU2cyM8lkWYp_WHBRBXdhMkk0oY2SxIXLNkVduSgudGOxC1FEEYK4UOnDxKbtW5hafzb3Hg7fvZd75kHOO_AsABYRLCEkY23ZDRqGVSp73hGvU6VUkzV1BuQRY0giWNVymcZElQjBu3OgGASOASFCEEKZ5sFmet9Ne8-Dx9thv5O0OsOLu6TZTprd8cPluBsn0dvnx3km0igevbymV62k-TRqx2ncS6LTJHpPWv3MGZydjG-uF8CszeuBVfzpBbCzurJdWZeqW2sblXJVcmUVQolQwhi2mZAtzqlGiYk12TBNaGFCmC2bUGECUhUJamLCINUsBdpQw9DEpiEMXABL072e4-jCmVSEtewhJDMGsxMKy8YyrDbF3CDke5Z-6DsN7h_r3A8dUbf079z039z0shGEPhfhvzNJ8o8W-9zXXY6_AA4YisQ
ContentType Journal Article
Copyright 2018 社団法人日本生体医工学会
Copyright_xml – notice: 2018 社団法人日本生体医工学会
DBID RYH
DOI 10.11239/jsmbe.Annual56.S297
DatabaseName CiNii Complete
DatabaseTitleList

DeliveryMethod fulltext_linktorsrc
Discipline Engineering
DocumentTitleAlternate Classification of EEG data during imaging higher and lower pitched sounds using machine learning
DocumentTitle_FL Classification of EEG data during imaging higher and lower pitched sounds using machine learning
EISSN 1881-4379
EndPage S297
ExternalDocumentID 130007483804
article_jsmbe_Annual56_Abstract_Annual56_S297_article_char_ja
GroupedDBID 2WC
ALMA_UNASSIGNED_HOLDINGS
JSF
OK1
RJT
RYH
ID FETCH-LOGICAL-j2700-454883f8c2eaa5954d392bdd0e3448f2d068c0571c5d348059e60f0930d3dbcb3
ISSN 1347-443X
IngestDate Thu Jun 26 21:44:19 EDT 2025
Wed Sep 03 06:29:07 EDT 2025
IsDoiOpenAccess true
IsOpenAccess true
IsPeerReviewed true
IsScholarly true
Issue Abstract
Language Japanese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-j2700-454883f8c2eaa5954d392bdd0e3448f2d068c0571c5d348059e60f0930d3dbcb3
OpenAccessLink https://www.jstage.jst.go.jp/article/jsmbe/Annual56/Abstract/Annual56_S297/_article/-char/ja
ParticipantIDs nii_cinii_1390001288070068480
jstage_primary_article_jsmbe_Annual56_Abstract_Annual56_S297_article_char_ja
PublicationCentury 2000
PublicationDate 2018
PublicationDateYYYYMMDD 2018-01-01
PublicationDate_xml – year: 2018
  text: 2018
PublicationDecade 2010
PublicationTitle Transactions of Japanese Society for Medical and Biological Engineering
PublicationTitleAlternate 生体医工学
PublicationTitle_FL TJSBME
Trans. jpn. Soc. Med. Bio. Eng
生体医工学
Transactions of Japanese Society for Medical and Biological Engineering
PublicationYear 2018
Publisher 公益社団法人 日本生体医工学会
Japanese Society for Medical and Biological Engineering
Publisher_xml – name: 公益社団法人 日本生体医工学会
– name: Japanese Society for Medical and Biological Engineering
SSID ssib001100025
ssib002484549
ssib023159591
ssj0069534
ssib020474828
ssib000937326
ssib058494337
ssib002223871
ssib046007037
ssib007484362
Score 2.1435485
Snippet 運動想起や視覚想起の神経デコーディングに関する研究は数多く行われているが, 音想起に関するものは比較的少ない. そこで本研究では, 高音または低音を想起した際の脳...
Though neural decoding of imagery has been extensively studied in the motor and visual domain, less effort has been made for auditory imagery. Here, we tested...
SourceID nii
jstage
SourceType Publisher
StartPage S297
Title 機械学習を用いた高音・低音想起時の脳波データの分類
URI https://www.jstage.jst.go.jp/article/jsmbe/Annual56/Abstract/Annual56_S297/_article/-char/ja
https://cir.nii.ac.jp/crid/1390001288070068480
Volume Annual56
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
ispartofPNX 生体医工学, 2018, Vol.Annual56(Abstract), pp.S297-S297
journalDatabaseRights – providerCode: PRVAFT
  databaseName: Open Access Digital Library
  customDbUrl:
  eissn: 1881-4379
  dateEnd: 99991231
  omitProxy: true
  ssIdentifier: ssib007484362
  issn: 1347-443X
  databaseCode: KQ8
  dateStart: 20030101
  isFulltext: true
  titleUrlDefault: http://grweb.coalliance.org/oadl/oadl.html
  providerName: Colorado Alliance of Research Libraries
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwrV29b9UwEI9KWWBAfKoFijrgMSWJncQenddUFV8SopW6RfmU-iQKgteFrX0VMDFUDLBQ0QGBEAjpCTEA6h8T-tr-F9w5SeOKDhSQnqzL-Xz5-ew8-5z4bBhXrdjCHdaJ6bp-bmIPMXluZ2YRF1Za4IsYihuFb932ZufZ9QV3YWR0TPtqabmXTKWPD91X8jetCjxoV9wle4SW3VcKDKChfSGFFob0j9qYhB6RgogZRTgksEjoEjlNpEdCnwQzRDgkpIQ7ivCJYERyxbEJZzWBxQWRAREcCbgMqMqiJAhIyEgwTXioZXkqCwhOApcEPnKEwLtUCmWIWaC_EoZUOrVC7jeaOzUwANmWcgmHgp7CA8BCfepc40e0CpKgSr6jQCoY0t2vftOPkCGmFTTA2CGyg31KyYOkaMUEiqGRIMfGnxKDMu4BbVAbAOgqwiIBa8SggmhYH1nC1-VBbRAqyFAwqOQVfjSOwPoGTF96qccJfExU_VzEjFUPCJdISKYUusiRjYEBJmqV8KtgV9Zo6nwU0ymZDhFSG68o803G1JHKMJxXPM5tE8NM6oNcdVpDFcO9fqRlgotpaU8bvu46tYnyA5e_D7MOxTC13Uf3knyqUT3Vlj4QwLx-PCIlHTXSUXP7loPlo0YaNx1GXfB8jjs-zCHxc4s7muMAs2rd8cDAh_r7cpz1cl_fsc2Z_j4bI-jSNlCmYzHgtI44OD2u0AI7MjzFwWon8jBrF4y2SzuecKvvV5rmqDfpop2uHWIlmO52wfnDqB7HlhYXtRnt3GnjVO2KTsrKFGeMkW581jipBSg9Z9wYvt8Ybn7e_vh2Z2u9XF3fefGuXFkrVzb2Przc2xiU_W8_fzwHYtgf7H75Ony1Wq582l0bDAebZf9p2f9erm4BZ_vZk703r88b8zPhXGfWrI9fMbv4NQqehsA5LXjq5HEM5mAZ-FJJllk5ZYwXTmZ5PAV3z07djDIOflruWQW0jJXRLEkTesEYXbq_lI8ZkzH3ncKKszx2BOOZnXAnFh7LvQLdqcweN25W9ogeVDF2on_qNOPGBFg1ShcxBRdXLbfDMOTjhjhAevH_3u6ScQL_HaqF2cvGaO_hcj4BrkovuaJ67S_RWglj
linkProvider Colorado Alliance of Research Libraries
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%82%92%E7%94%A8%E3%81%84%E3%81%9F%E9%AB%98%E9%9F%B3%E3%83%BB%E4%BD%8E%E9%9F%B3%E6%83%B3%E8%B5%B7%E6%99%82%E3%81%AE%E8%84%B3%E6%B3%A2%E3%83%87%E3%83%BC%E3%82%BF%E3%81%AE%E5%88%86%E9%A1%9E&rft.jtitle=%E7%94%9F%E4%BD%93%E5%8C%BB%E5%B7%A5%E5%AD%A6&rft.au=%E5%9D%82%E6%9C%AC%2C+%E5%B5%A9&rft.au=%E9%9D%92%E5%B1%B1%2C+%E6%95%A6&rft.au=%E6%B8%85%E6%B0%B4%2C+%E6%A2%A8%E7%B4%97&rft.au=%E6%9D%BE%E4%B8%8B%2C+%E4%BD%B3%E9%88%B4&rft.date=2018&rft.pub=%E5%85%AC%E7%9B%8A%E7%A4%BE%E5%9B%A3%E6%B3%95%E4%BA%BA+%E6%97%A5%E6%9C%AC%E7%94%9F%E4%BD%93%E5%8C%BB%E5%B7%A5%E5%AD%A6%E4%BC%9A&rft.issn=1347-443X&rft.eissn=1881-4379&rft.volume=Annual56&rft.issue=Abstract&rft.spage=S297&rft.epage=S297&rft_id=info:doi/10.11239%2Fjsmbe.Annual56.S297&rft.externalDocID=article_jsmbe_Annual56_Abstract_Annual56_S297_article_char_ja
thumbnail_l http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/lc.gif&issn=1347-443X&client=summon
thumbnail_m http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/mc.gif&issn=1347-443X&client=summon
thumbnail_s http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/sc.gif&issn=1347-443X&client=summon