内容

目次

1.　脳波とブレイン・コンピュータ・インタフェース 1.1　定義 1.2　歴史 1.3　脳の構造 1.4　基本構成 1.5　分類 1.6　BCIにおける脳波の利点 1.7　開発環境 1.8　むすび 2.　BCIのための信号処理・解析・パターン認識 2.1　数学的準備 　2.1.1　ベクトルと行列の基礎 　2.1.2　期待値，分散，共分散，相関係数 　2.1.3　正定値行列と固有値問題 　2.1.4　特殊な行列 　2.1.5　一般化固有値分解 　2.1.6　対称行列の同時対角化 　2.1.7　信号のサンプリングとベクトル・行列表記 2.2　フィルタ 　2.2.1　線形時不変システムとフィルタ 　2.2.2　伝達関数と周波数特性 　2.2.3　フィルタ設計 　2.2.4　フィルタ利用上の注意 2.3　周波数解析 　2.3.1　離散フーリエ変換 　2.3.2　短時間フーリエ変換 　2.3.3　ウェーブレット変換 　2.3.4　経験的モード分解 2.4　多変量解析 　2.4.1　主成分分析 　2.4.2　正準相関分析 　2.4.3　独立成分分析 　2.4.4　重回帰分析 　2.4.5　正則化 2.5　パターン認識 　2.5.1　最近傍決定則 　2.5.2　ベイズ決定則 　2.5.3　線形判別分析 　2.5.4　サポートベクトルマシン 　2.5.5　ニューラルネットワーク 　2.5.6　多クラス分類 2.6　むすび 3.　脳波計測 3.1　発生原理 3.2　計測システム 3.3　電極の取り付け 3.4　参照電極 3.5　雑音対策 3.6　倫理面の対応 3.7　むすび 4.　前処理と特徴抽出 4.1　脳波における観測モデル 4.2　基準電位の再参照 4.3　周波数フィルタリング 4.4　ベースライン補正 4.5　ダウンサンプリング 4.6　雑音区間の除外 4.7　雑音除去 　4.7.1　主成分分析 　4.7.2　独立成分分析 4.8　加算平均 4.9　周波数特徴の抽出 4.10　同期解析 　4.10.1　コヒーレンス 　4.10.2　Phase-lockingvalue 4.11　事象関連脱同期 4.12　信号源解析 4.13　むすび 5.　評価方法 5.1　評価指標 5.2　交差検定法 5.3　ベンチマーク用データセット 5.4　オフライン解析とオンライン実験 5.5　むすび 6.　事象関連応答によるBCI 6.1　事象関連電位 6.2　オドボール課題 6.3　加算平均による抽出 6.4　空間フィルタを使った特徴抽出 6.5　線形判別分析による識別 　6.5.1　線形判別分析 　6.5.2　ステップワイズ法による特徴選択 6.6　P300スペラ 　6.6.1　刺激の構成 　6.6.2　線形判別分析による識別手順 6.7　むすび 7.　視覚応答によるBCI 7.1　視覚誘発電位 7.2　実験課題 　7.2.1　刺激変調方式 　7.2.2　実験装置 7.3　前処理 　7.3.1　基準電位の再参照 　7.3.2　空間フィルタリング 　7.3.3　周波数フィルタリングとフィルタバンク 7.4　特徴抽出と識別 　7.4.1　時間変調特徴量の識別 　7.4.2　周波数変調特徴量の識別 　7.4.3　符号変調特徴量の識別 7.5　応用事例 　7.5.1　スペラ 　7.5.2　緑内障診断 7.6　むすび 8.　運動関連応答によるBCI 8.1　運動関連応答 8.2　運動想起脳波のパターン認識 　8.2.1　共分散行列による特徴表現 　8.2.2　共通空間パターン法 8.3　多様体による共分散行列の識別 　8.3.1　共分散行列の対称正定値性 　8.3.2　対称正定値行列の作る多様体と接空間 　8.3.3　接空間写像法 　8.3.4　多様体上の平均とメディアン 　8.3.5　多様体上の距離 　8.3.6　最小距離法 8.4　フィルタバンクの利用 8.5　深層学習による運動想起の推定 8.6　フィードバック 8.7　むすび 引用・参考文献 索引