運転ブレイン・コンピューター・インターフェースのための新しいステアリング運動イメージングパラダイムのデザインとデコーディング
Design and Decoding of a Novel Steering Motor Imagery Paradigm for Driving Brain–Computer Interfaces
本研究は、運転シナリオにおける右ハンドル操作の運動イメージング・ブレイン・コンピューター・インターフェース(MI-BCI)実験パラダイムを提案する。このパラダイムは、従来の運動イメージングと実際の運転タスクとの間の不一致を解消するため、アクションレベルで実際のステアリング動作により近いものとなっている。このパラダイムの実現可能性を検証するため、8電極の低コストOpenBCIデバイスを使用して12名の参加者から運動イメージングEEGデータを収集し、体系的に分析した。時間周波数分析により、右ハンドル操作のイメージング中、電極C3はmuおよびbetaバンドでイベント関連性脱同期(ERD)を示し、電極C4はbetaバンドでERDを示したが、muバンドでは主にイベント関連性同期を示した。空間パターン分析は、共通空間パターン(CSP)がステアリング方向に関連する中心領域に識別可能な重み分布をもたらすことを示唆しており、このパラダイムがステアリング方向に対応する神経パターンの違いを誘発できることを示唆している。これに基づき、CSP、FBCSP、EEGNet、EEG-TCNet、ATCNetなどのベースライン手法を用いて、このパラダイム下で右手を操作する左右ターンステアリングタスクの分離可能性を評価した。デコーディング性能を向上させるため、Sinc畳み込み、マルチブランチ時間畳み込み、マルチヘッド自己注意メカニズムを統合したSMB-TCSANモデルを開発し、ステアリング方向データセットで平均66.80%の分類精度を達成した。本研究は、ステアリング運動イメージングデコーディングにおける低コスト・少チャンネルEEGデバイスの実現可能性を予備的に検証し、将来の運転支援BCIシステムの研究に概念的な設計参照を提供するものである。
- 運転中の右ハンドル操作に近い運動イメージング(アクションレベル)のBCIパラダイムを新たに提案し、従来の運動イメージングと実際の運転タスクとの不一致の解消を狙う
- 8電極の低コストOpenBCIデバイスで12名からEEGデータを収集し、時間周波数分析で電極C3・C4にmu/betaバンドのERD/ERSパターンを確認
- CSP・FBCSP・EEGNet・EEG-TCNet・ATCNetなどのベースラインを比較し、Sinc畳み込み・マルチブランチ時間畳み込み・マルチヘッド自己注意を統合したSMB-TCSANモデルでステアリング方向データセットの平均分類精度66.80%を達成
- 低コスト・少チャンネルEEGデバイスによるステアリング運動イメージングのデコーディング実現可能性を予備的に検証し、将来の運転支援BCIシステム設計の参照を提供
BCI(ブレイン・コンピューター・インターフェース)の研究段階の発表であり、運転支援という応用領域を狙う点は注目に値する。特に8電極の低コストOpenBCIデバイスで66.80%の分類精度を達成した点は、専用の高価な多チャンネルEEGに依存せずに済む可能性を示しており、民生BCIデバイスのコスト構造と普及速度に影響し得る。ただし参加者12名の実験室規模の予備検証に留まり、実車環境での性能や商業化時期は示されておらず、短期的な投資判断に直結する材料は乏しい。中長期ではneurotech/ウェアラブルEEG関連の動向として注視する価値がある。