核心概念
埋め込み型神経インターフェースを用いて神経信号を測定し、人工ニューラルネットワークによる分類を行うことで、失われた感覚/運動機能の回復を支援する。
要約
本研究では、埋め込み型神経インターフェースを用いて神経信号を測定し、人工ニューラルネットワークによる分類を行うことで、失われた感覚/運動機能の回復を支援する手法を提案している。
主な内容は以下の通り:
神経信号の測定、前処理、分類を行う神経刺激・復号(ND&S)システムのアーキテクチャを定義した。
多入力多出力(MIMO)モデルを用いて神経信号の伝播特性を表現し、人工ニューラルネットワークの設計に活用した。
4種類の人工ニューラルネットワーク(CNN、IT、ENGNet、LSTM)を設計し、実測の神経信号データを用いて分類性能を評価した。
分類精度、F1スコア、予測時間の観点から、各ネットワークの特徴と実時間適用可能性を明らかにした。
提案手法は、ND&Sシステムのアーキテクチャと神経信号モデリングの観点から、現状の課題に対する有効な解決策を示している。また、人工ニューラルネットワークの設計と性能評価を通じて、実時間での神経信号分類の実現可能性を明らかにした。
統計
神経信号の有効値は約50μVである。
筋電図(EMG)信号の有効値は約5mVであり、周波数帯域は0-10kHzに及ぶ。
神経信号の周波数帯域は主に0.8-2.5kHzである。
引用
"神経系は電磁気的なナノネットワークとして機能し、体内の様々な場所でナノスケールの情報伝達を行っている。"
"神経信号の分類精度と処理時間は、ND&Sシステムの実時間性能に大きな影響を及ぼす重要なパラメータである。"