出版書誌データベース

【書籍の特徴】
本書は，第一線で脳波BCI（ブレイン・コンピュータ・インタフェース）研究に携わっている筆者らが，BCIのパラダイムや信号処理について解説したものです。対象とする読者は，電気電子工学や情報工学を初めとする理工学を学ぶ学部生や大学院生，また脳神経科学の工学応用に興味のある研究者・技術者や脳科学の産業応用に興味のある方々を想定しています。基本的に高等学校から大学初年度の数学に関する知識があれば読み進めていけるようになっています。

【本書の構成】
1章：「脳波とブレイン・コンピュータ・インタフェース」では，BCIの定義と研究の歴史を紹介し，BCIにおける神経科学的なバックグランドについて簡単に述べます。さらに，BCIの構成について触れ，信号処理がどのような役割を担っているのかを述べます。また，これからBCI研究を始める方に向けて，一般的な開発環境を紹介します。
2章：「BCIのための信号処理・解析・パターン認識」では，BCIの構築に必要な信号処理，信号解析の手法を紹介します。それらの理解に必要な数学的な準備を冒頭に含めました。
3章：「脳波計測」では，頭皮脳波の発生原理，脳波計測に必要な装置，計測の手順，計測の際の注意事項などを紹介します。
4章：「前処理と特徴抽出」では，記録した脳波に対して何らかの処理を行い，雑音をできるだけ除去し，意味のあるパターンを抽出する方法を紹介します。
5章：「評価方法」では，開発したBCIの性能を評価する方法を解説します。また，ベンチマーク用データセットをいくつか紹介します。
6章：「事象関連応答によるBCI」では，イベントの発生頻度の違いによって，振幅が異なるERP（事象関連電位）を誘発することでBCIを構築する方法を紹介します。
7章：「視覚応答によるBCI」では，VEP（視覚誘発電位）研究の歴史や実験デザイン，信号解析手法について解説します。
8章：「運動関連応答によるBCI」では，微分幾何学（リーマン多様体）を信号処理に応用した手法をかなり詳しく説明しているのが特徴となっています。

1章，3章，4章，5章は，すべてのBCI開発における共通事項であるため，6章から8章を読む前に一読することをお勧めします。2章には，これ以降の章で必要となる信号処理の詳細をまとめてありますので，必要なときに参照してください。6章，7章，8章は，それぞれ独立した形で記述されていますので，自分の開発対象や興味に合わせて読むことが可能です。

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