脳信号処理研究チーム

近年の計測技術の発達によって、計測によって得られる信号の情報量は指数関数的に増大しています。しかしながら、その得られた情報を有効に生かすための信号処理の技術は、情報量の増大に十分に追従しているとは言い難いのです。特に脳研究に代表される大規模な生体計測分野では、計測によって得られる膨大な生体信号から機能的な意義を読み出すための効率的でロバストな信号処理手法の開発が切望されています。当チームでは、これら大規模で複雑な生体信号に対する新しい信号処理手法の開発、実装を行っています。特に Non-negative Matrix and Tensor Decompositions/Factorizations (NMF/NTF/NTD) や Sparse Component Analysis (SCA) に代表される最新のブラインド信号源分離手法における研究については、アルゴリズムを開発、実装するのみでなく、その研究成果をインターネットに公開しています。これによって世界中の誰もがこの最新の信号処理を利用でき、信号処理の普及と発展に大きく寄与しています。加えて、これら開発された信号処理手法の応用と、その生体計測における有効性の検証を目指して、ブレインコンピュータインターフェース(BCI)、ヒューマンロボットインタラクション(HRI)の開発を行っています。BCIシステム自体の医用工学的な有効性もさることながら、計測によって得られた脳反応から、脳における情報処理メカニズムの解明、さらには人工的なニューラルネットワークのための効率的でロバストな学習アルゴリズムについても研究を行っています。発展として，現在は視覚あるいは聴覚のみを利用しているBCIを、より多くの感覚を組み合わせたマルチモーダルなものにするとともに、ニューロフィードバックを実現するシステムを開発し、脳のメカニズムについてのさらなる理解を目指し、AD(アルツハイマー病)、ADHD(注意欠如・多動性障害)、ASD(自閉症スペクトラム障害)などの早期診断を可能にする脳信号処理手法の開発にも取り組んでいます。

研究テーマ

• 生体信号(特にEEG,NIRS)におけるノイズ除去や信号の分類を目的としたブラインド信号源分離手法の開発
• 上記信号処理手法の多チャンネル脳波信号の時空間信号処理に対する応用
• ヒューマン/ブレインコンピュータインターフェース(HCI/BCI）のためのソフトウェア、ハードウェアの開発
• マルチモーダルな脳信号処理の結果に基づく脳の神経回路網の解明
• アルツハイマー病, ADHD(注意欠如・多動性障害), ASD(自閉症スペクトラム障害)などの早期診断を可能にする脳信号処理手法の開発

主要論文

1. C Caiafa and A Cichocki:
   "Computing Sparse Representations of Multidimensional Signals Using Kronecker Bases."
   Neural Computation, 25 (1), 186-220, (2013).
2. Q Zhao, C Caiafa, D Mandic, Z Chao, Y Nagasaka, N Fujii, L Zhang, and A Cichocki:
   "Higher-Order Partial Least Squares (HOPLS): A Generalized Multi-linear Regression Method."
   IEEE Transactions on Pattern Analysis and Machine Intelligence, (In press), (2013).
3. A. Cichocki, S. Cruces and S. Amari:
   "Generalized Alpha-Beta Divergences and their Application to Robust Nonnegative Matrix Factorization"
   Entropy, 13(12), 134-170, (2011).
4. F. Vialatte, M Maurice-Vialtte,J. Dauwels and A. Cichocki:
   "Steady-State Visually Evoked Potentials: Focus on Essential Paradigms and Future Perspectives."
   Progress in Neurobiology 90(4), 418-438 (2010).
5. J Dauwels, F Vialatte, T Musha, A Cichocki:
   "A Comparative Study of Synchrony Measures for Early Diagnosis of Alzheimer’s Disease Based on EEG.."
   NeuroImage, 49 (1), 668-693, (2010)
6. A. Cichocki, R. Zdunek, A-H Phan and S. Amari:
   "Nonnegative Matrix and Tensor Factorizations (Monograph -650 pages)"
   John Wiley, New York, (477 pages) September 2009.
7. A. Cichocki, Y. Washizawa, T. Rutkowski, H. Bakardjian, A.-H. Phan, S. Choi, H. Lee, Q. Zhao, L. Zhang, and Y. Li:
   "Noninvasive BCIs: Multiway Signal-Processing Array Decompositions"
   IEEE Computer, vol. 41, no. 10, pp. 34-42, 2008 (invited paper)
8. Cichocki, A., Shishkin, S., Musha, T., Leonowicz, Z., Asada, T., and Kurachi, T:
   "EEG Filtering Based on Blind Source Separation (BSS) for Early Detection of Alzheimer's Disease"
   Clinical Neurophysiology, 116, (2005).
9. Li. Y., Cichocki, A., and Amari, S.:
   "Analysis of Sparse Representation and Blind Source Separation"
   Neural Computation, 16, 6, 1193-1234 (2004).
10. Cichocki, A., and Amari, S.:
    "Adaptive Blind Signal and Image Processing: Learning Algorithms and Applications. (550 pages) "
    monograph Wiley (2003).