在今日の教育環境において、学生の学習スタイルを理解することは、彼らの学習効率を向上させるために極めて重要です。特に視覚学習スタイル（visual learning style）の識別は、教師と学生が教育と学習の過程でより効果的な戦略を取るのに役立ちます。現在、視覚学習スタイルを自動的に識別する主な方法は、脳波（Electroencephalogram, EEG）と機械学習技術に依存しています。しかし、これらの技術は通常、アーティファクトの除去および特徴抽出のためにオフライン処理が必要であり、そのためリアルタイムでの適用が制限されています。 この研究は、Soyiba Jawed、Ibrahima Faye、およびAamir Saeed Malikが《IEEE Transactions on N...
脑機インターフェース（Brain-Computer Interface, BCI）は、神経系と外部環境を接続するコミュニケーション手段です。運動イメージ（Motor Imagery, MI）はBCI研究の基礎であり、運動実行前の内的リハーサル（Internal Rehearsal）を指します。非侵襲性技術である脳波（Electroencephalography, EEG）は、そのコスト効率と利便性のため、高い時間分解能で神経活動を記録することができます。被験者が特定の身体部位を移動することをイメージすると、大脳の特定領域でエネルギー変化（ERD/ERS）が発生し、これらの変化はEEGにより記録され運動意図を識別するために使用されます。MIに基づくBCIシステムは大きな進展を遂げており、外骨格...
研究背景 脳と外部デバイスの直接通信を実現する脳-コンピュータインターフェース技術（brain-computer interface, BCI）は、人間と機械のインタラクション、運動リハビリ、医療などの分野で広く応用されています。BCIの一般的なパラダイムには、定常状態視覚誘発電位（steady-state visual evoked potentials, SSVEP）、P300、運動イメージ（motor imagery, MI）などがあります。特に、MI-BCIはその広い応用前景のために注目されています。 MI-BCIは通常、脳波（electroencephalography, EEG）信号を用いて運動イメージを検出し、利用者が運動を想像することでデバイス（電動車椅子、カーソル、上肢ロボ...
研究背景及目的 近年では、脳-コンピュータインタフェース（Brain-Computer Interface、BCI）システムが神経工学および神経科学の分野で広く応用され、脳波（Electroencephalogram、EEG）は中枢神経系の異なるニューロン集団の活動を反映するデータツールとして、これらの分野で重要な研究テーマとなっています。しかし、EEG信号は低空間分解能、高時間分解能、低信号対雑音比、および個体差が大きいという特徴があり、信号処理および正確な分類において大きな課題となっています。特に運動想像（Motor Imagery、MI）というEEG-BCIシステムの一般的なパラダイムにおいて、異なるMIタスクのEEG信号を正確に分類することは、BCIシステムの機能回復およびリハビリテ...
EMG駆動のロボットハンドトレーニングが慢性脳卒中患者の半球間バランスの回復に与える神経メカニズム：動的因果モデリングによる洞察 脳卒中は一般的な障害の原因であり、多くの脳卒中生存者は上肢麻痺を患います。上肢機能の障害は6ヶ月以上続くことが多く、完全回復する生存者は少数（12％未満）です。これらの患者の日常生活能力を回復させ、生活の質を向上させるために、研究者たちは脳卒中後のリハビリプランの開発に取り組んでいます。 近年、ロボット補助装置を使用した上肢のリハビリに関する研究が広く注目を集めています。ロボットリハビリは一貫性のある、集中的かつインタラクティブなトレーニング体験を提供し、患者の積極的な参加を促します。総合的な分析では、ロボット補助トレーニングを受けた個体は上肢のFugl-Meye...
脑機インターフェース（Brain-Computer Interface, BCI）技術は近年急速に発展しており、末梢神経や筋肉を介さず、大脳を直接制御する先端技術として注目されています。特に運動イメージ（Motor Imagery, MI）脳波（Electroencephalography, EEG）の応用において、BCI技術は大きな可能性を示しています。MI-EEG信号を分析することで、身体障害や神経筋退化の患者の生活の質を向上させる手助けが可能です。しかし、個人間の差異や大脳活動の安定性、低信号雑音比（Signal-to-Noise Ratio, SNR）などの要因により、複雑なEEG信号から有効な特徴を抽出し、MI-EEG分類システムの精度を向上させることは依然として大きな課題となって...
ブレイン・コンピュータ・インターフェース（Brain-Computer Interface, BCI）は、新たなコミュニケーションと制御技術として近年注目を集めている。脳波（EEG）に基づくBCIの中でも、運動イメージ（Motor Imagery, MI）は重要な分野であり、ユーザーの運動意図をデコードすることで、臨床リハビリテーション、スマート車椅子の制御、およびカーソル制御などの分野に応用されている。しかしながら、EEG信号の低い信号対雑音比（Signal-to-Noise Ratio, SNR）、非定常性、低い空間分解能および高い時間分解能などの複雑な特性のため、運動意図の正確なデコードには依然として挑戦が残っている。現在のMI基BCIデコードには主に伝統的な機械学習と深層学習の手法が...
电子電気工程師学会 (IEEE)《神経系统与康复工程事务》2021年第29卷刊登了一篇题为《一种基于注意力深度学习的单通道EEG睡眠阶段分类方法》的文章。本文由Emadeldeen Edele、Zhenghua Chen、Chengyu Liu、Min Wu、Chee-Keong Kwoh、Xiaoli Li及Cuntai Guan等学者撰写。文章的主要目的是提出一种新型的基于注意力的深度学习模型，用于通过单通道的脑电图（EEG）信号进行自动睡眠阶段分类。 研究背景 睡眠是人类重要的生理过程，直接影响到每日生活的各个方面。有研究表明，高质量的睡眠能够促进身体健康和脑功能的提升，而睡眠中断则可能导致失眠或睡眠呼吸暂停等睡眠障碍。睡眠阶段（如浅睡和深睡）对免疫系统、记忆和代谢等起着关键作用，因此...
聴覚記憶の識別および予測符号化の脳の時空間階層構造 背景紹介 本研究は、人間の脳が記憶した音楽の連続性とその体系的な変化を識別する際の階層的な脳メカニズムを探ることを目的としています。視覚パターンの神経処理に関する研究は広範に行われている一方で、聴覚連続性の認識およびそれに関連する予測誤差の理解は未だに十分ではありません。聴覚システムは時間の経過と共に形成されるパターンと連続性から情報を抽出し、大脳の時間的な階層構造を理解するためのユニークな機会を提供します。関連する研究は、大脳が予測符号化理論（Predictive Coding Theory，PCT）を通じて内的モデルを常に更新し、外界の情報や刺激を予測していると仮定しています。 研究の出所 本論文の著者には、L. Bonetti、G. ...
臨床におけるOPM-MEGの応用拡大：効果的な自動金属アーチファクト抑制法 背景紹介 磁性脳電図（Magnetoencephalography, MEG）は、多チャンネル磁場測定センサーを用いて脳内の神経電流分布と機能ネットワークを再構成する技術である。MEGは、源空間分解能において電気生理学（Electroencephalography, EEG）よりも顕著な優位性を持ち、磁場信号が頭蓋骨や頭皮組織の伝導干渉を受けず、時間分解能においても機能的磁気共鳴画像法（Functional Magnetic Resonance Imaging, fMRI）より優れている。したがって、MEGは脳機能と認知の研究、てんかんの臨床応用、および神経疾患の研究において重要な位置を占めている。 現時点で、MEG...