運動イメージBCIにおける認知負荷ゲーティングシステム:差分エントロピーベースの信頼性推定を用いた二重課題EEG研究
Cognitive load gating system in motor imagery BCIs: a dual-task EEG study with differential entropy-based reliability estimation
本研究は、運動イメージに基づくブレイン・コンピュータ・インターフェース(BCI)システムにおいて、認知負荷がBCIの精度に与える影響を調査した。13名の参加者に対し、安静、単純な計算課題(易、中、難)、純粋な左右運動イメージ、および運動イメージと計算課題を同時に行う二重課題の4つのタスクを実施し、脳波(EEG)を記録した。9つの分類器(FBCSPやリーマン幾何学ファミリーなど)から選択されたモデルを用いた第一層で運動意図をデコードし、第二層では39次元の差分エントロピー(DE)特徴量と分類器の信頼度スコアを組み合わせた、被験者固有の安全ゲートを構築した。このゲートは、ロジスティック回帰を用いて試行ごとの運動イメージ予測の信頼性を予測する。純粋な運動イメージ課題における平均バランス正解率は0.594であったが、二重課題では0.517に低下した。DEベースの安全ゲートは、平均25.0%の棄却率で、誤った陽性コマンド(8.00から5.62へ)と誤った陰性コマンド(13.00から9.00へ)を統計的に有意に減少させ、ゲート後のバランス正解率は有意に改善した。DE特徴量がゲート性能を向上させることをアブレーション研究で示した。これらの結果は、運動イメージBCIの安全性プロファイルを改善する可能性を示唆している。
- 運動イメージBCIにおいて、認知負荷により二重課題時の平均バランス正解率が0.594から0.517に低下した
- 差分エントロピー(DE)特徴量と分類器信頼度スコアを組み合わせた安全ゲートを構築し、平均25.0%の棄却率で誤った陽性・陰性コマンドを統計的に有意に減少させた
- DEベースの安全ゲート適用後、バランス正解率が有意に改善した
本研究は、BCIの実用化における最大の課題の一つである「実環境での精度低下」に対し、認知負荷を検出して誤命令を棄却する安全ゲート機構を提案した点が重要。運動イメージBCIは医療・ゲーム・メタバースなど様々な応用が期待されるが、実用時のノイズやユーザーの注意分散が精度を著しく下げることが知られている。本研究のアプローチは、脳波の差分エントロピーという高次特徴量と分類器の信頼度スコアを組み合わせることで、精度低下時に自動的に棄却する仕組みを実装しており、実用化に向けた安全性・信頼性向上に寄与する。現時点では実験室レベルの研究であり即座の投資対象とは言えないが、BCI産業の進展を追う上で注目すべきブレークスルーの一つである。