[論文レビュー] Features and Machine Learning for Correlating and Classifying between Brain Areas and Dyslexia

Alex Frid, Larry M. Manevitz|arXiv (Cornell University)|Dec 27, 2018

EEG and Brain-Computer Interfaces参考文献 33被引用数 37

ひとこと要約

本論文は、人為的介入なしに、脳波（EEG）データからのイベント関連電位（ERP）を自動的に分析する機械学習フレームワークを提示する。高域透過フィルタをかけた信号（従来ノイズとみなされていたもの）を含む複雑な特徴を抽出することで、最先端の分類精度を達成し、読み書き障害の神経的差異において左側頭半球優位性が確認された。

ABSTRACT

We develop a method that is based on processing gathered Event Related Potentials (ERP) signals and the use of machine learning technique for multivariate analysis (i.e. classification) that we apply in order to analyze the differences between Dyslexic and Skilled readers. No human intervention is needed in the analysis process. This is the state of the art results for automatic identification of Dyslexic readers using a Lexical Decision Task. We use mathematical and machine learning based techniques to automatically discover novel complex features that (i) allow for reliable distinction between Dyslexic and Normal Control Skilled readers and (ii) to validate the assumption that the most of the differences between Dyslexic and Skilled readers located in the left hemisphere. Interestingly, these tools also pointed to the fact that High Pass signals (typically considered as "noise" during ERP/EEG analyses) in fact contains significant relevant information. Finally, the proposed scheme can be used for analysis of any ERP based studies.

研究の動機と目的

• EEGに基づくERPデータを用いて、読み書き障害者と熟練読者の区別を人為的介入なしに自動化する手法の開発。
• 読み書き障害者と対照群の差を一貫して示す神経的特徴を特定・検証すること。
• 読み書き障害者と熟練読者の神経的差異が主に脳の左半球に局在しているかどうかを調査すること。
• 通常ノイズとして扱われる高域フィルタ処理済みERP成分が、意味のある神経パターンを特定するのに有効であるかを検討すること。
• 任意のERPベースの神経認知研究に適用可能な汎用的フレームワークの構築。

提案手法

• 語彙判断タスク中に収集された生のERP信号を、多次元機械学習手法を用いて処理する。
• 数学的および機械学習ベースの特徴抽出を適用し、データ内に潜む複雑な非線形パターンを同定する。
• 高域透過フィルタを用いて従来ノイズとみなされていた成分を抽出し、予測的妥当性を評価する。
• 抽出された特徴に基づき、読み書き障害者と熟練読者を区別する教師あり分類モデルを訓練する。
• 手動によるラベル付けや特徴工学は一切行わず、完全に自動化されたデータ駆動型分析に依存する。
• 交差検証および読み書き障害研究分野における既存の分類ベンチマークとの比較を通じて、フレームワークの妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 機械学習技術を用いることで、ERPデータにおいて読み書き障害者と熟練読者を区別する信頼性のある神経的特徴を自動的に同定できるか？
• RQ2 読み書き障害者と熟練読者の主な神経的差異は、脳の左半球に局在しているか？
• RQ3 通常ノイズとして捨てられる高域フィルタ処理済みERP成分が、読み書き障害の分類に有意義な情報を含んでいるか？
• RQ4 この手法は、ERP信号を用いた自動読み書き障害検出において最先端のパフォーマンスを達成できるか？
• RQ5 提示されたフレームワークは、読み書き障害にとどまらず、他のERPベースの神経認知研究にも汎用的に適用可能か？

主な発見

• 提示された手法は、人為的介入なしに、ERPデータから読み書き障害者を識別する分類精度において最先端の水準に達した。
• 分析により、読み書き障害者と熟練読者の神経的差異の大部分が左半球に存在することが確認された。
• 従来ノイズとみなされていた高域フィルタ処理済みERP信号が、読み書き障害の分類において顕著な予測情報を持つことが判明した。
• この手法は、自動特徴抽出により従来のアプローチを凌駕する新たな複雑な特徴を同定し、分類性能を向上させた。
• このフレームワークは汎用的であり、多次元解析を要する任意のERPベースの神経認知研究に応用可能である。
• 結果は、臨床および認知神経科学分野において、EEGデータに潜む微細で明確でないパターンを解明するための高度な機械学習技術の有効性を裏付けた。