[論文レビュー] Color-based classification of EEG Signals for people with the severe locomotive disorder

Ankit Shrestha, Bikram Adhikari|arXiv (Cornell University)|Apr 12, 2023

EEG and Brain-Computer InterfacesNeuroscience被引用数 3

ひとこと要約

本研究では、重度の運動機能障害を有する被験者向けに、単一チャネルのNeuroSky Mindwaveヘッドセットから得られる生のEEG信号を分類する、注目メカニズムを備えたLSTMディープラーニングモデルを提案する。赤、青、黒、黄の色刺激を用いて特徴的な脳波パターンを誘発させ、二値分類では93.5%、四値分類では65.75%の正確性を達成し、車椅子などの補助機器に対する非侵襲的BCI制御の可能性を示した。

ABSTRACT

The neurons in the brain produces electric signals and a collective firing of these electric signals gives rise to brainwaves. These brainwave signals are captured using EEG (Electroencephalogram) devices as micro voltages. These sequence of signals captured by EEG sensors have embedded features in them that can be used for classification. The signals can be used as an alternative input for people suffering from severe locomotive disorder.Classification of different colors can be mapped for many functions like directional movement. In this paper, raw EEG signals from NeuroSky Mindwave headset (a single electrode EEG sensor) have been classified with an attention based Deep Learning Network. Attention based LSTM Networks have been implemented for classification of two different colors and four different colors. An accuracy of 93.5\% was obtained for classification of two colors and an accuracy of 65.75\% was obtained for classifcation of four signals using the mentioned attention based LSTM network.

研究の動機と目的

• 重度の運動機能障害を有する被験者向けに、低コストで非侵襲的な脳-コンピュータインターフェース（BCI）を構築すること。
• 色刺激を用いて分類可能なEEGパターンを誘発できるかを検証すること。
• 消費者向けEEGヘッドセットから得られる生のEEG信号を分類する、注目メカニズムを備えたLSTMネットワークの性能を評価すること。
• 運動機能に制限のある被験者向けに、スマート車椅子の方向制御やコミュニケーションシステムなどの実用的BCIアプリケーションを可能にすること。

提案手法

• 制御された低ノイズ環境下で、NeuroSky Mindwave単一電極ヘッドセットを用いて512 Hzで生のEEG信号を収集した。
• 四色の刺激（赤、青、黒、黄）を、方向制御命令（左、右、上、下）に対応させ、BCI制御に使用した。
• 外れ値や異常信号をフィルタリングすることで、ノイズを低減し、信号品質を向上させた。
• EEGシーケンスを二クラスまたは四クラスに分類する、注目メカニズムを備えた長短期記憶（LSTM）ニューラルネットワークを実装した。
• 検証損失と正確性に基づく早期停止を採用し、100エポックにわたってモデルを訓練した。トレーニング/バリデーションの分割割合は50%とした。
• EEGシーケンス内の関連する時間的特徴に注目できるように、注目メカニズムを統合した。

実験結果

リサーチクエスチョン

• RQ1 NeuroSky Mindwaveのような単一チャネルEEGデバイスは、異なる色刺激に対して識別可能な脳波パターンを信頼性高く捉えることができるか？
• RQ2 注目メカニズムを備えたLSTMネットワークは、二値および四値の色識別タスクにおける生のEEG信号分類にどの程度効果的か？
• RQ3 低コストBCI環境下において、クラスの不均衡と信号の複雑さが分類正確性に与える影響は何か？
• RQ4 提案されたモデルは、思考による色選択を用いて、スマート車椅子などの補助機器を実用的かつリアルタイムで制御可能か？

主な発見

• 注目メカニズムを備えたLSTMモデルは、二色分類タスク（例：赤対黄）で93.5%の分類正確性を達成し、二値分類の50%ベースラインを顕著に上回った。
• 四色分類では65.75%の正確性を達成し、ランダム四値分類の25%ベースラインを上回った。
• 四色分類では、収束に約50～65エポックを要し、特に赤対黄および青対黄のペアで最高の性能が得られた。
• 四色分類器では、黒（54%）の正確性が低く、誤分類率が高かったことから、神経生理学的に特定の色ペアはより識別が困難であることが示された。
• 未学習データにおいてもモデルは頑健性を示し、未学習の赤・黄の試行では96%の正確性を達成した。これは二値シナリオにおける優れた一般化能力を示している。
• Bluetooth対応の車椅子プロトタイプと統合に成功した。移動は、高い注目度が検出された場合にのみ発動され、誤動作の低減に寄与した。