第1章 脳波の理解へ向けた脳と神経細胞の基礎

• はじめに
• 1 脳と神経細胞の基本構造
  • 1.1 脳の基本構造
  • 1.2 神経細胞の基本構造
• 2 神経細胞における情報伝達
  • 2.1 神経細胞内の情報伝達
    • 2.1.1 静止膜電位
    • 2.1.2 活動電位
  • 2.2 神経細胞間の情報伝達
    • 2.2.1 エクソサイトーシス
    • 2.2.2 シナプス後電位
• 3 脳波と脳・神経細胞
  • 3.1 脳波と脳波計
  • 3.2 脳波の特徴
    • 3.2.1 脳と神経細胞に起因する脳波の特徴
    • 3.2.2 その他の脳波の特徴
  • 3.3 脳波実験へ向けた感覚系の基礎
• おわりに

第2章 脳波計測の原理と準備・実際の計測

• はじめに
• 1 脳波計測の原理
  • 1.1 脳波とは何か
    • 1.1.1 背景脳波
    • 1.1.2 事象関連電位
  • 1.2 脳波計測の強み _{他の計測ツールとの比較から}
• 2 脳波計測の準備
  • 2.1 知りたい心理・行動プロセスに適した脳波計測手法
  • 2.2 脳波計測に必要なもの
    • 2.2.1 脳波計
    • 2.2.2 電極
    • 2.2.3 ソフトウェア
    • 2.2.4 計測環境
• 3 実際の脳波計測の手順と留意点
  • 3.1 脳波計測の手順
  • 3.2 脳波計測の留意点
    • 3.2.1 実験者が計測前,計測中,計測後にすべきこと
    • 3.2.2 実験参加者に計測前,計測中,計測後にしてもらうこと
• おわりに

第3章 脳波計測データの解析/取り扱い方と応用

第1節 脳波の解析方法

• 1 脳波解析の前処理
  • 1.1 アーチファクトとは
  • 1.2 ノイズの除去方法
    • 1.2.1 電源ノイズ
    • 1.2.2 眼球運動・まばたき
    • 1.2.3 手足の動きや頭の動き
  • 1.3 体積伝導の除去
• 2 時間窓の作成
  • 2.1 脳波実験の種類
    • 2.1.1 Block design
    • 2.1.2 Event-related design
  • 2.2 時間窓の作成
• 3 事象関連電位の解析
  • 3.1 加算平均による事象関連電位の算出
  • 3.2 事象関連電位の例
  • 3.3 統計検定
• 4 時間-周波数解析:脳波リズム振幅解析
  • 4.1 フーリエ変換
  • 4.2 ウェーブレット変換
  • 4.3 脳波リズム振幅の例
• 5 時間-周波数解析:脳波リズム同期解析
  • 5.1 コヒーレント解析:2脳波電極間の脳波リズム振幅
  • 5.2 位相同期解析:2脳波電極間の脳波リズム位相
  • 5.3 脳波リズム位相の例

第2節 実環境における脳波データ計測とその応用

• はじめに
• 1 脳波データ計測の概要
  • 1.1 脳波について
  • 1.2 脳機能計測手法の比較
  • 1.3 ウェアラブル脳波計の概要
• 2 事象関連電位の概要
  • 2.1 事象関連電位
  • 2.2 事象関連電位の測定方法
• 3 実環境における事象関連電位の計測の応用例
  • 3.1 学習中の意欲の度合いの測定
  • 3.2 日常環境下における抑うつ気分の予測
• おわりに

第3節 脳波に混入するノイズの種類と除去手法

• はじめに
• 1 脳波に混入するノイズの種類
  • 1.1 環境由来のノイズ
  • 1.2 生体由来のノイズ
  • 1.3 ノイズの波形例
• 2 脳波データに用いられるノイズ検出、除去手法
  • 2.1 ノイズ検出、除去手法の種類
    • 2.1.1 独立成分分析 (Independent component analysis、ICA)
    • 2.1.2 主成分分析 (Principal component analysis、PCA)
    • 2.1.3 正準相関分析 (Canonical correlation analysis、CCA)
    • 2.1.4 連続ウェーブレット変換 (Continuous wavelet transform、CWT)
    • 2.1.5 離散ウェーブレット変換 (Discrete wavelet transform、DWT)
    • 2.1.6 経験的モード分解 (Empirical mode decomposition、EMD)
    • 2.1.7 Hampelフィルタ (Hampel filter)
    • 2.1.8 適応フィルタ (Adaptive filter)
    • 2.1.9 心電図除去アルゴリズム
  • 2.2 その他の手法
    • 2.2.1 ハイパス/ローパス/ノッチ/コムフィルタ (High pass/Low pass/Notch/Comb filter)
    • 2.2.2 形態学的成分分析 (Morphological component analysis、MCA)
    • 2.2.3 簡易的な指標
    • 2.2.4 複数の手法の組み合わせ
    • 2.2.5 機械学習のクラス分類アルゴリズムによるノイズ検出
• 3 デジタルフィルタ使用時の注意点
  • 3.1 位相の遅れと進み
  • 3.2 高次またはQ値が高いフィルタの波形歪み
  • 3.3 ゼロフェーズフィルタ
  • 3.4 過大なスパイクノイズに対する応答
  • 3.5 FIRフィルタかIIRフィルタか
  • 3.6 高次のIIRフィルタでのバイクアッド構成
  • 3.7 FFT後、周波数領域で不要な成分を除去してから逆FFTすることの問題点

第4節 ウェアラブル脳波計で記録された脳波の特徴と可視化

• 1 ウェアラブル脳波計に関する研究動向
• 2 ウェアラブル脳波計の医療分野への応用
• 3 ウェアラブル脳波計によるICU/ER脳波の特徴解析
• まとめ

第4章 AI・機械学習によるデータ活用

第1節 機械学習による脳波データ活用

• はじめに
• 1 NeuroAIの勃興
• 2 エンジニアリングの目標達成のための機械学習
• 3 人間らしい行動を目指す機械学習
• 4 神経的な妥当性
• おわりに

第2節 メタ学習による個人に適応した脳波からの感情予測

• 1 脳波データを用いた機械学習の課題:個人特性・少量データ
• 2 メタ学習の脳波への応用
• 3 メタ学習を利用した脳波からの感情予測
• まとめ

第5章 脳波計測事例

第1節 製品の視覚的デザインに対する印象評価

• はじめに
• 1 製品形態に対する好悪評価時の脳波計測
  • 1.1 実験方法
    • 1.1.1 実験参加者
    • 1.1.2 刺激
    • 1.1.3 装置
    • 1.1.4 手続き
    • 1.1.5 脳波測定
    • 1.1.6 脳波分析
  • 1.2 結果と考察
• おわりに

第2節 感情状態の心理生理学的評価

• はじめに
• 1 感情の考え方
• 2 感情を喚起する方法
• 3 感情と脳波
• 4 脳波マイクロステート
• 5 研究事例
  • 5.1 主観評価
    • 5.1.1 Affect grid
    • 5.1.2 印象 (感性) 評価
    • 5.1.3 主観的強度の時間変化
  • 5.2 匂い刺激提示に伴う脳波活動
• まとめ

第3節 飽きの発生に関する脳波を利用した食の飽きやすさの認知科学的検討

• 1 研究1:飽きの発生に関係する脳波の特定
  • 1.1 方法
    • 1.1.1 対象
    • 1.1.2 課題
    • 1.1.3 計測と解析
  • 1.2 結果
  • 1.3 飽きの発生に関する脳波の特徴とは
• 2 研究2:食の飽きに関係する脳波の評価
  • 2.1 方法
    • 2.1.1 対象
    • 2.1.2 課題
    • 2.1.3 脳波計測と解析
  • 2.2 結果
  • 2.3 認知科学的飽きやすさの特徴とは

第4節 「匂い」や「触知覚」の神経生理学的評価

• はじめに
• 1 「嗅覚」研究の考え方
• 2 「匂い」の神経生理学的評価
  • 2.1 匂いに対する脳内情報処理
  • 2.2 匂いの脳波研究
  • 2.3 匂いの脳波測定 (自験例)
    • 2.3.1 方法
    • 2.3.2 結果および考察
  • 2.4 2項のまとめ
• 3 「手の触知覚」研究の考え方
  • 3.1 手の感覚運動障害がもたらす影響と問題
  • 3.2 PSIに対するリハビリテーション
• 4 「触知覚」の神経生理学的評価
  • 4.1 触知覚障害への介入における脳波測定 (自験例)
    • 4.1.1 方法 (代償感覚刺激フィードバックトレーニング)
    • 4.1.2 結果および考察
  • 4.2 4項のまとめ

第6章 脳波を応用したブレインマシンインターフェース

第1節 ブレインコンピュータインターフェースの原理

• はじめに
• 1 脳波を用いたBCIの特徴
  • 1.1 脳活動の計測手法の比較とBCIへの適用性
  • 1.2 脳波を用いたBCIの特徴
• 2 BCIの分類と実現方法
  • 2.1 BCIの分類
  • 2.2 運動想起に伴う脳活動を検出するBCI
  • 2.3 誘発応答を検出するBCI
  • 2.4 事象関連電位を検出するBCI
• 3 BCIの今後の課題
• まとめ

第2節 脳波を応用した車の自動運転化への活用事例

• あらまし
• 1 ブレインマシンインターフェース (BMI) の実施シナリオ
• 2 これまでの脳波を用いた自動運転への応用事例
  • 2.1 海外での取り組み
  • 2.2 自動車メーカーの取り組み事例
• 3 脳波を用いた車酔い研究
  • 3.1 Virtual Reality (VR) を用いた車酔い誘発実験
  • 3.2 VRを用いた車酔い脳波実験
  • 3.3 実験で得られたErrP脳波の時間/周波数領域特徴
  • 3.4 気分スコアと脳波パワーの相関
  • 3.5 実験で誘導した気分悪化・車酔い・脳波
  • 3.6 車酔いの前兆となる脳波について
• 4 自動運転におけるBMI技術の今後
• 謝辞

第3節 脳波を利用したブレインマシンインターフェースの医療応用

:体内植込み型ブレインマシンインターフェース

• 1 体内植込み型ブレインマシンインターフェースと対象となる疾患
• 2 ALS
  • 2.1 ALSとは
  • 2.2 ALS患者が抱えるジレンマ
  • 2.3 ALS患者の多くが埋め込みBMIの利用を希望している
• 3 体内植込みBMIのコア技術1:脳信号解読
  • 3.1 神経細胞活動の解読
  • 3.2 頭蓋内脳波の解読
  • 3.3 AIを用いた脳信号の解読
  • 3.4 ロボットの自律制御とBMIの随意制御の調和
  • 3.5 発話内容の解読
  • 3.6 書字内容の解読
• 4 体内植込みBMIのコア技術2:体内植込み装置
  • 4.1 脳内針電極
  • 4.2 Neuralink
  • 4.3 血管内電極
  • 4.4 頭蓋内脳表電極
• 5 実用化への過程
  • 5.1 医療機器実用化までの過程
  • 5.2 大阪大学におけるBMI開発の過程
  • 5.3 革新的医療技術実用化のための特例制度の活用
  • 5.4 企業への導出
• 6 将来展望
  • 6.1 体内植込み装置のインパクト
  • 6.2 対象疾患の拡大
  • 6.3 BMIに接続される機器の多様性

第7章 ビジネス活用に向けたブレインテックの概要と活用事例

• 1 ブレインテック概要
  • 1.1 ブレインテックとは
  • 1.2 ブレインテックの全体像
  • 1.3 ビジネス活用に向けた課題・留意点
• 2 活用・研究事例
  • 2.1 ブレインテックの活用が期待される領域
  • 2.2 ブレイン・マシン・インターフェース
  • 2.3 ニューロフィードバック
  • 2.4 ニューロモジュレーション
  • 2.5 デコーディング
• 3 今後の展望