1. はじめに
ようこそ！このチュートリアルでは、脳波について学び、それを使って脳と行動を理解する方法について学びます。
ハンス・ベルガーは、1929年に人の頭に置かれたセンサーを使用して記録された電位の変化を説明した際に、電気脳波計という用語を造りました。彼は、記録した順番にちなんでアルファ波とベータ波という2つのタイプの脳波を特定しました。このような波は他の哺乳類で記録されていましたが、ベルガーはそれを人間について初めて説明しました！
それ以来、脳波計測法は神経科学の重要なツールとなり、脳波（研究者が神経振動と呼ぶもの）についての理解を深め、疲労や覚醒といった脳の状態を特徴づけるのに役立ってきました。
この簡潔なチュートリアルでは、以下の内容をカバーします：
神経振動とは何ですか？
神経振動をどうやって測定できますか？
神経振動で何ができるのですか？
Emotivデバイスとソフトウェアを使った実用的な応用。
2. EEGとは何ですか？
脳波計測（EEG）は、私たちの脳の電気活動を測定するための非侵襲的かつ受動的な方法です。電極/センサー/チャンネルは、頭皮に置かれ、ニューロンと呼ばれる脳細胞の集団によって生成される電気活動を記録します。
図 1 – ニューロンはEEGデバイスで検出可能な電気活動を生成します [Siuly, et al. (2016)]。
2.1. EEGシステム
市場には、EEGを記録するために使用できる多くのEEGデバイスがあります。EEGデバイスは、以下のように様々です：
1つのセンサーまたは256個の電極まで – より多くの電極は、頭皮上の情報の空間分解能を高めます。
湿式または乾式の電極 – 湿式電極は、スカルプとセンサーの間の導電性を改善するために電解ジェルや生理食塩水を使用します。乾式電極は、金属または直接接触が必要な導電性ポリマーです。
アクティブ電極またはパッシブ電極 – パッシブ電極システムは、信号を増幅するデバイスに単純に伝送します。アクティブ電極システムは、信号が増幅に達する前に各電極で信号を増幅します。これは、信号の環境電気ノイズを減らします。
Bluetoothでデータを送信する有線または無線デバイス。
図 2 – 無線の低密度EEGシステム。
図 3 – 有線の高密度電極EEGシステム。
2.2. EEGはいつ使用するのですか？
各神経画像法は、異なる研究課題に答えるのに役立ちます。
EEGの最大の強みは、ミリ秒のスケールで神経活動を測定できることであり、前意識的プロセスを測定できます。
図 4 – 様々な神経画像ツールの空間解像度と時間解像度。
「私のビデオのどの部分に参加者が最も注意を払ったか？」というような質問に最も適しています。
EEGは主に脳の外部層から活動を記録します（つまり、空間解像度が低いです）。単一のセンサーでは、活動の起源を特定するのは不可能です。多くのチャンネルで記録することで、起源を数学的に再構成することができますが、深い起源を特定するのは依然として限られています。機能的磁気共鳴画像法（fMRI）は、「注意の変化に関連する脳の部分はどこか？」という質問に答えるのにより適しています。
2.3. センサーから生のEEGへ？
EEGデバイスが頭に装着されると、脳の活動はそのセンサーと基準センサー間の振幅の差として単一のセンサーで測定されます。ほとんどのEEGシステムでは、これは共通モードセンス（CMS）電極と呼ばれています。追加のセンサーであるドライブレッグ（DRL）は、CMSでの干渉を減少させるのに役立ちます。
図 5 – EEG信号伝送の簡略化されたブロック図。
アクティブおよびパッシブ電極の両方を持つシステムでは、信号は増幅され、ローパスフィルタリングされます。ローパスフィルタリングは、信号中の環境からの可能な電気干渉を取り除くステップです。たとえば、主電源のラインです。
これらのステップは、ハードウェア自体で発生し、生のEEG信号がコンピュータの画面に表示される前に発生します。
2.4. 基本用語集
10-20標準命名規則
左側のセンサーは通常、奇数番号で、右側のセンサーは通常、偶数番号です。
注1: これらは単なる命名規則であり、EEGセンサーの位置は活動の起源の指標ではありません。
注2: 単一チャンネルでの活動の起源を特定するためには、数学的な再構成のような追加のステップが必要です。
3. 神経振動とは何ですか？
脳波は通常、神経振動と呼ばれ、単一または群のニューロンによって生成されるリズミカルなパターンです。
脳がこれらの異なるタイプの振動を生成する理由はまだ明確ではありませんが、多くの理論があります。研究者は、これらのリズミカルなパターンを使用して脳の謎を理解しようとし、異なるタスクを使用してこれらの振動活動を特徴づけます。
3.1. 振動のいくつかの特性
この図は、規則的な電気信号の測定を示しています：
図 6 – 様々な神経画像ツールの空間解像度と時間解像度。
左側（y軸）には、電気記録の振幅をプロットし、横軸（x軸）には時間をプロットできます。信号の振幅は、中央点の周りで規則的に変動します。1サイクルは振動とも呼ばれます。
1秒あたりのサイクル数は波の周波数と呼ばれ、その単位はヘルツ（Hz）です。したがって、1秒あたり1サイクル = 1 Hz。振幅は通常、マイクロボルト（µV）で測定されます。
脳の中で、0.2 Hz（非常に遅い波）から80 Hz以上（非常に速い波）の周波数範囲の波が見られます。発作に関連する500 Hzまでの高周波活動も脳で記録されています。
異なるタイプの脳振動は、周波数に基づいて特徴づけられます。これらは周波数帯として知られ、異なる脳の状態に関連付けられることがあります：
図 7 – 典型的なEEGの脳波。
3.2. なぜ異なる周波数帯が重要なのですか？
正常な脳パターンと異常な脳パターンの特定
神経振動は、神経学において発作を検出し、てんかんを診断するのに重要です。脳コンピュータインターフェース（BCI）
ベータ、ガンマ、およびミュー振動の量は、遠隔デバイスをトレーニングするために使用されます（例：思考で車椅子を動かす）。ニューロフィードバック
これは脳をトレーニングする方法であり、脳波（例：ガンマ振動）を表示し、認知タスクに取り組んで脳内のガンマ振動を増加させます。ニューロマーケティング
アルファおよびベータ周波数帯は、広告のどの部分がより魅力的であるか、またはそうでないかを特定するために使われます。
3.3. EEGデータ分析の種類
最も一般的に研究者は、時間領域または周波数領域のいずれかで分析を行います。
時間領域分析
通常、刺激の発生後の興味のある時点における電圧振幅を測定します。これらは事象関連電位（ERP）と呼ばれます。
周波数領域分析
通常、特定の時間ウィンドウ内または事象の発生に関連して、異なる周波数帯における神経振動の量を測定します。
次に、周波数領域分析の概要を提供します。
3.4. 処理
EEG記録を行った後、通常はデータをクリーンアップして振動を理解します。
フィルタリング
データ内の高周波および低周波の環境ノイズを除去する技術です。アーチファクト除去
物理的な動き、目の瞬きはすべて大きなアーチファクト（EEG内の50 µVを超えるピーク）を引き起こす可能性があります。これらは、結果に影響を与えないように削除できます。一部の研究者は、データを保存するためにこれらのアーチファクトを修正する高度な方法を使用します。
データが処理された後、信号は周波数領域に変換され、各タイプの脳波の量を定量化できるようになります。
図 8 – 生のEEGにおけるまばたきアーチファクト。
3.5. 高速フーリエ変換（FFT）
フーリエ変換は、EEG信号を「時間領域」（画像A）から「周波数領域」（画像B）に変換する数学的な操作です。
周波数領域では、録音内の各タイプの振動がどれだけあるかを定量化できます。これは、通常、周波数帯の「パワー」と呼ばれ、パワースペクトル（画像B）として表示されます。
図 9A – 時間領域内の生EEG。
図 9B – FFT後のパワースペクトル（周波数領域）。
3.6. バンドパワー
フーリエ変換から得られる周波数帯のパワー（例：アルファ帯）は、各周波数帯の量を示します。バンドパワーの単位は通常、µV2/Hzです。最も一般的に、FFTからの振幅やパワースペクトルは、対数単位のデシベル（dB）で表示されます。デシベルは、測定されたパワー（P）と基準パワー（Pr）の比率の単位として次のように定義されます：
関心のあるイベントに対してこの測定単位が得られると、バンドパワーを比較して実験的な影響を理解できるようになります。
4. 理論から実践へ
次に、アルファ抑制効果を見ていきます。
これはハンス・ベルガーによって最初に報告された現象で、目を開けているときのアルファ振動（アルファパワー）の量が、目を閉じているときと比較して著しく減少するのを示します。
図 10 – 目を開けていると、アルファ振動が増加します。
最初にEmotivPRO Builderを使用して、シンプルな実験を構築しました。この実験では、参加者が画面に焦点を合わせながら目を開けて2分間、次に閉じて2分間、目を開ける合図として2分後にベルの音が聞こえます。
自分自身のアルファ抑制実験を作成するためのビデオを以下で見ることができます。または、こちらのリンクから私たちの実験を実行することができます：ここ：
4.1. デバイス適合とEEGの質
私たちのEQゲートがどのように機能するかについて、こちらで詳しく読むことができます。あなたのヘッドセットに特有のデバイス適合について詳しくは、以下を参照してください：
EPOCタイプ
Insightタイプ
4.2. EEGデータの処理と変換
データを取得したら、Emotiv Analyzerを使用して周波数領域に変換できます。ビデオの手順に従ってください。
4.3. データの解釈
Analyzerが完了したら、zipファイルをダウンロードします。各記録については、バンドパワーのcsvファイルと統計分析を行うために使用できる画像ファイルがあります。
図 11 – バンドパワー。
出力では、目を閉じたときのアルファパワーの増加（オレンジ）が、目を開けているとき（青）と比較して見ることができます。
これでチュートリアルは終了です！あなたは基礎を身につけました🙂
リソースセクションには、より高度な読みもあるリンクがあります。
5. リソース
高度な読み物
Donoghue et al. 2022 神経振動を研究するための方法論的考慮事項
EEG用語の用語集
Kane et al. 2017（こちら）
オープンソースコード
Pythonコーディングに慣れている場合、目を開けたセグメントと閉じたセグメントによってラベル付けされたアルファパワー値を取得するために使用できるPythonスクリプトを提供しています。アルファ抑制データファイルのコードとサンプルは、こちらで見つけてください：https://osf.io/9bvgh/
EMOTIVマニュアル
EmotivPRO Builderマニュアル
EmotivPROマニュアル
EmotivPRO Analyzerマニュアル
7. 参考文献
Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. 神経振動を研究するための方法論的考慮事項. European journal of neuroscience, 55(11-12), pp.3502-3527. doi: https://doi.org/10.1111/ejn.15361
Kane, N., Acharya, J., Beniczky, S., Caboclo, L., Finnigan, S., Kaplan, P.W., Shibasaki, H., Pressler, R. and van Putten, M.J., 2017. 臨床脳波検査官が最も一般的に使用する用語の改訂辞書とEEG所見報告形式の更新提案. Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). 脳波（EEG）とその背景. In: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. はじめに
ようこそ！このチュートリアルでは、脳波について学び、それを使って脳と行動を理解する方法について学びます。
ハンス・ベルガーは、1929年に人の頭に置かれたセンサーを使用して記録された電位の変化を説明した際に、電気脳波計という用語を造りました。彼は、記録した順番にちなんでアルファ波とベータ波という2つのタイプの脳波を特定しました。このような波は他の哺乳類で記録されていましたが、ベルガーはそれを人間について初めて説明しました！
それ以来、脳波計測法は神経科学の重要なツールとなり、脳波（研究者が神経振動と呼ぶもの）についての理解を深め、疲労や覚醒といった脳の状態を特徴づけるのに役立ってきました。
この簡潔なチュートリアルでは、以下の内容をカバーします：
神経振動とは何ですか？
神経振動をどうやって測定できますか？
神経振動で何ができるのですか？
Emotivデバイスとソフトウェアを使った実用的な応用。
2. EEGとは何ですか？
脳波計測（EEG）は、私たちの脳の電気活動を測定するための非侵襲的かつ受動的な方法です。電極/センサー/チャンネルは、頭皮に置かれ、ニューロンと呼ばれる脳細胞の集団によって生成される電気活動を記録します。
図 1 – ニューロンはEEGデバイスで検出可能な電気活動を生成します [Siuly, et al. (2016)]。
2.1. EEGシステム
市場には、EEGを記録するために使用できる多くのEEGデバイスがあります。EEGデバイスは、以下のように様々です：
1つのセンサーまたは256個の電極まで – より多くの電極は、頭皮上の情報の空間分解能を高めます。
湿式または乾式の電極 – 湿式電極は、スカルプとセンサーの間の導電性を改善するために電解ジェルや生理食塩水を使用します。乾式電極は、金属または直接接触が必要な導電性ポリマーです。
アクティブ電極またはパッシブ電極 – パッシブ電極システムは、信号を増幅するデバイスに単純に伝送します。アクティブ電極システムは、信号が増幅に達する前に各電極で信号を増幅します。これは、信号の環境電気ノイズを減らします。
Bluetoothでデータを送信する有線または無線デバイス。
図 2 – 無線の低密度EEGシステム。
図 3 – 有線の高密度電極EEGシステム。
2.2. EEGはいつ使用するのですか？
各神経画像法は、異なる研究課題に答えるのに役立ちます。
EEGの最大の強みは、ミリ秒のスケールで神経活動を測定できることであり、前意識的プロセスを測定できます。
図 4 – 様々な神経画像ツールの空間解像度と時間解像度。
「私のビデオのどの部分に参加者が最も注意を払ったか？」というような質問に最も適しています。
EEGは主に脳の外部層から活動を記録します（つまり、空間解像度が低いです）。単一のセンサーでは、活動の起源を特定するのは不可能です。多くのチャンネルで記録することで、起源を数学的に再構成することができますが、深い起源を特定するのは依然として限られています。機能的磁気共鳴画像法（fMRI）は、「注意の変化に関連する脳の部分はどこか？」という質問に答えるのにより適しています。
2.3. センサーから生のEEGへ？
EEGデバイスが頭に装着されると、脳の活動はそのセンサーと基準センサー間の振幅の差として単一のセンサーで測定されます。ほとんどのEEGシステムでは、これは共通モードセンス（CMS）電極と呼ばれています。追加のセンサーであるドライブレッグ（DRL）は、CMSでの干渉を減少させるのに役立ちます。
図 5 – EEG信号伝送の簡略化されたブロック図。
アクティブおよびパッシブ電極の両方を持つシステムでは、信号は増幅され、ローパスフィルタリングされます。ローパスフィルタリングは、信号中の環境からの可能な電気干渉を取り除くステップです。たとえば、主電源のラインです。
これらのステップは、ハードウェア自体で発生し、生のEEG信号がコンピュータの画面に表示される前に発生します。
2.4. 基本用語集
10-20標準命名規則
左側のセンサーは通常、奇数番号で、右側のセンサーは通常、偶数番号です。
注1: これらは単なる命名規則であり、EEGセンサーの位置は活動の起源の指標ではありません。
注2: 単一チャンネルでの活動の起源を特定するためには、数学的な再構成のような追加のステップが必要です。
3. 神経振動とは何ですか？
脳波は通常、神経振動と呼ばれ、単一または群のニューロンによって生成されるリズミカルなパターンです。
脳がこれらの異なるタイプの振動を生成する理由はまだ明確ではありませんが、多くの理論があります。研究者は、これらのリズミカルなパターンを使用して脳の謎を理解しようとし、異なるタスクを使用してこれらの振動活動を特徴づけます。
3.1. 振動のいくつかの特性
この図は、規則的な電気信号の測定を示しています：
図 6 – 様々な神経画像ツールの空間解像度と時間解像度。
左側（y軸）には、電気記録の振幅をプロットし、横軸（x軸）には時間をプロットできます。信号の振幅は、中央点の周りで規則的に変動します。1サイクルは振動とも呼ばれます。
1秒あたりのサイクル数は波の周波数と呼ばれ、その単位はヘルツ（Hz）です。したがって、1秒あたり1サイクル = 1 Hz。振幅は通常、マイクロボルト（µV）で測定されます。
脳の中で、0.2 Hz（非常に遅い波）から80 Hz以上（非常に速い波）の周波数範囲の波が見られます。発作に関連する500 Hzまでの高周波活動も脳で記録されています。
異なるタイプの脳振動は、周波数に基づいて特徴づけられます。これらは周波数帯として知られ、異なる脳の状態に関連付けられることがあります：
図 7 – 典型的なEEGの脳波。
3.2. なぜ異なる周波数帯が重要なのですか？
正常な脳パターンと異常な脳パターンの特定
神経振動は、神経学において発作を検出し、てんかんを診断するのに重要です。脳コンピュータインターフェース（BCI）
ベータ、ガンマ、およびミュー振動の量は、遠隔デバイスをトレーニングするために使用されます（例：思考で車椅子を動かす）。ニューロフィードバック
これは脳をトレーニングする方法であり、脳波（例：ガンマ振動）を表示し、認知タスクに取り組んで脳内のガンマ振動を増加させます。ニューロマーケティング
アルファおよびベータ周波数帯は、広告のどの部分がより魅力的であるか、またはそうでないかを特定するために使われます。
3.3. EEGデータ分析の種類
最も一般的に研究者は、時間領域または周波数領域のいずれかで分析を行います。
時間領域分析
通常、刺激の発生後の興味のある時点における電圧振幅を測定します。これらは事象関連電位（ERP）と呼ばれます。
周波数領域分析
通常、特定の時間ウィンドウ内または事象の発生に関連して、異なる周波数帯における神経振動の量を測定します。
次に、周波数領域分析の概要を提供します。
3.4. 処理
EEG記録を行った後、通常はデータをクリーンアップして振動を理解します。
フィルタリング
データ内の高周波および低周波の環境ノイズを除去する技術です。アーチファクト除去
物理的な動き、目の瞬きはすべて大きなアーチファクト（EEG内の50 µVを超えるピーク）を引き起こす可能性があります。これらは、結果に影響を与えないように削除できます。一部の研究者は、データを保存するためにこれらのアーチファクトを修正する高度な方法を使用します。
データが処理された後、信号は周波数領域に変換され、各タイプの脳波の量を定量化できるようになります。
図 8 – 生のEEGにおけるまばたきアーチファクト。
3.5. 高速フーリエ変換（FFT）
フーリエ変換は、EEG信号を「時間領域」（画像A）から「周波数領域」（画像B）に変換する数学的な操作です。
周波数領域では、録音内の各タイプの振動がどれだけあるかを定量化できます。これは、通常、周波数帯の「パワー」と呼ばれ、パワースペクトル（画像B）として表示されます。
図 9A – 時間領域内の生EEG。
図 9B – FFT後のパワースペクトル（周波数領域）。
3.6. バンドパワー
フーリエ変換から得られる周波数帯のパワー（例：アルファ帯）は、各周波数帯の量を示します。バンドパワーの単位は通常、µV2/Hzです。最も一般的に、FFTからの振幅やパワースペクトルは、対数単位のデシベル（dB）で表示されます。デシベルは、測定されたパワー（P）と基準パワー（Pr）の比率の単位として次のように定義されます：
関心のあるイベントに対してこの測定単位が得られると、バンドパワーを比較して実験的な影響を理解できるようになります。
4. 理論から実践へ
次に、アルファ抑制効果を見ていきます。
これはハンス・ベルガーによって最初に報告された現象で、目を開けているときのアルファ振動（アルファパワー）の量が、目を閉じているときと比較して著しく減少するのを示します。
図 10 – 目を開けていると、アルファ振動が増加します。
最初にEmotivPRO Builderを使用して、シンプルな実験を構築しました。この実験では、参加者が画面に焦点を合わせながら目を開けて2分間、次に閉じて2分間、目を開ける合図として2分後にベルの音が聞こえます。
自分自身のアルファ抑制実験を作成するためのビデオを以下で見ることができます。または、こちらのリンクから私たちの実験を実行することができます：ここ：
4.1. デバイス適合とEEGの質
私たちのEQゲートがどのように機能するかについて、こちらで詳しく読むことができます。あなたのヘッドセットに特有のデバイス適合について詳しくは、以下を参照してください：
EPOCタイプ
Insightタイプ
4.2. EEGデータの処理と変換
データを取得したら、Emotiv Analyzerを使用して周波数領域に変換できます。ビデオの手順に従ってください。
4.3. データの解釈
Analyzerが完了したら、zipファイルをダウンロードします。各記録については、バンドパワーのcsvファイルと統計分析を行うために使用できる画像ファイルがあります。
図 11 – バンドパワー。
出力では、目を閉じたときのアルファパワーの増加（オレンジ）が、目を開けているとき（青）と比較して見ることができます。
これでチュートリアルは終了です！あなたは基礎を身につけました🙂
リソースセクションには、より高度な読みもあるリンクがあります。
5. リソース
高度な読み物
Donoghue et al. 2022 神経振動を研究するための方法論的考慮事項
EEG用語の用語集
Kane et al. 2017（こちら）
オープンソースコード
Pythonコーディングに慣れている場合、目を開けたセグメントと閉じたセグメントによってラベル付けされたアルファパワー値を取得するために使用できるPythonスクリプトを提供しています。アルファ抑制データファイルのコードとサンプルは、こちらで見つけてください：https://osf.io/9bvgh/
EMOTIVマニュアル
EmotivPRO Builderマニュアル
EmotivPROマニュアル
EmotivPRO Analyzerマニュアル
7. 参考文献
Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. 神経振動を研究するための方法論的考慮事項. European journal of neuroscience, 55(11-12), pp.3502-3527. doi: https://doi.org/10.1111/ejn.15361
Kane, N., Acharya, J., Beniczky, S., Caboclo, L., Finnigan, S., Kaplan, P.W., Shibasaki, H., Pressler, R. and van Putten, M.J., 2017. 臨床脳波検査官が最も一般的に使用する用語の改訂辞書とEEG所見報告形式の更新提案. Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). 脳波（EEG）とその背景. In: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. はじめに
ようこそ！このチュートリアルでは、脳波について学び、それを使って脳と行動を理解する方法について学びます。
ハンス・ベルガーは、1929年に人の頭に置かれたセンサーを使用して記録された電位の変化を説明した際に、電気脳波計という用語を造りました。彼は、記録した順番にちなんでアルファ波とベータ波という2つのタイプの脳波を特定しました。このような波は他の哺乳類で記録されていましたが、ベルガーはそれを人間について初めて説明しました！
それ以来、脳波計測法は神経科学の重要なツールとなり、脳波（研究者が神経振動と呼ぶもの）についての理解を深め、疲労や覚醒といった脳の状態を特徴づけるのに役立ってきました。
この簡潔なチュートリアルでは、以下の内容をカバーします：
神経振動とは何ですか？
神経振動をどうやって測定できますか？
神経振動で何ができるのですか？
Emotivデバイスとソフトウェアを使った実用的な応用。
2. EEGとは何ですか？
脳波計測（EEG）は、私たちの脳の電気活動を測定するための非侵襲的かつ受動的な方法です。電極/センサー/チャンネルは、頭皮に置かれ、ニューロンと呼ばれる脳細胞の集団によって生成される電気活動を記録します。
図 1 – ニューロンはEEGデバイスで検出可能な電気活動を生成します [Siuly, et al. (2016)]。
2.1. EEGシステム
市場には、EEGを記録するために使用できる多くのEEGデバイスがあります。EEGデバイスは、以下のように様々です：
1つのセンサーまたは256個の電極まで – より多くの電極は、頭皮上の情報の空間分解能を高めます。
湿式または乾式の電極 – 湿式電極は、スカルプとセンサーの間の導電性を改善するために電解ジェルや生理食塩水を使用します。乾式電極は、金属または直接接触が必要な導電性ポリマーです。
アクティブ電極またはパッシブ電極 – パッシブ電極システムは、信号を増幅するデバイスに単純に伝送します。アクティブ電極システムは、信号が増幅に達する前に各電極で信号を増幅します。これは、信号の環境電気ノイズを減らします。
Bluetoothでデータを送信する有線または無線デバイス。
図 2 – 無線の低密度EEGシステム。
図 3 – 有線の高密度電極EEGシステム。
2.2. EEGはいつ使用するのですか？
各神経画像法は、異なる研究課題に答えるのに役立ちます。
EEGの最大の強みは、ミリ秒のスケールで神経活動を測定できることであり、前意識的プロセスを測定できます。
図 4 – 様々な神経画像ツールの空間解像度と時間解像度。
「私のビデオのどの部分に参加者が最も注意を払ったか？」というような質問に最も適しています。
EEGは主に脳の外部層から活動を記録します（つまり、空間解像度が低いです）。単一のセンサーでは、活動の起源を特定するのは不可能です。多くのチャンネルで記録することで、起源を数学的に再構成することができますが、深い起源を特定するのは依然として限られています。機能的磁気共鳴画像法（fMRI）は、「注意の変化に関連する脳の部分はどこか？」という質問に答えるのにより適しています。
2.3. センサーから生のEEGへ？
EEGデバイスが頭に装着されると、脳の活動はそのセンサーと基準センサー間の振幅の差として単一のセンサーで測定されます。ほとんどのEEGシステムでは、これは共通モードセンス（CMS）電極と呼ばれています。追加のセンサーであるドライブレッグ（DRL）は、CMSでの干渉を減少させるのに役立ちます。
図 5 – EEG信号伝送の簡略化されたブロック図。
アクティブおよびパッシブ電極の両方を持つシステムでは、信号は増幅され、ローパスフィルタリングされます。ローパスフィルタリングは、信号中の環境からの可能な電気干渉を取り除くステップです。たとえば、主電源のラインです。
これらのステップは、ハードウェア自体で発生し、生のEEG信号がコンピュータの画面に表示される前に発生します。
2.4. 基本用語集
10-20標準命名規則
左側のセンサーは通常、奇数番号で、右側のセンサーは通常、偶数番号です。
注1: これらは単なる命名規則であり、EEGセンサーの位置は活動の起源の指標ではありません。
注2: 単一チャンネルでの活動の起源を特定するためには、数学的な再構成のような追加のステップが必要です。
3. 神経振動とは何ですか？
脳波は通常、神経振動と呼ばれ、単一または群のニューロンによって生成されるリズミカルなパターンです。
脳がこれらの異なるタイプの振動を生成する理由はまだ明確ではありませんが、多くの理論があります。研究者は、これらのリズミカルなパターンを使用して脳の謎を理解しようとし、異なるタスクを使用してこれらの振動活動を特徴づけます。
3.1. 振動のいくつかの特性
この図は、規則的な電気信号の測定を示しています：
図 6 – 様々な神経画像ツールの空間解像度と時間解像度。
左側（y軸）には、電気記録の振幅をプロットし、横軸（x軸）には時間をプロットできます。信号の振幅は、中央点の周りで規則的に変動します。1サイクルは振動とも呼ばれます。
1秒あたりのサイクル数は波の周波数と呼ばれ、その単位はヘルツ（Hz）です。したがって、1秒あたり1サイクル = 1 Hz。振幅は通常、マイクロボルト（µV）で測定されます。
脳の中で、0.2 Hz（非常に遅い波）から80 Hz以上（非常に速い波）の周波数範囲の波が見られます。発作に関連する500 Hzまでの高周波活動も脳で記録されています。
異なるタイプの脳振動は、周波数に基づいて特徴づけられます。これらは周波数帯として知られ、異なる脳の状態に関連付けられることがあります：
図 7 – 典型的なEEGの脳波。
3.2. なぜ異なる周波数帯が重要なのですか？
正常な脳パターンと異常な脳パターンの特定
神経振動は、神経学において発作を検出し、てんかんを診断するのに重要です。脳コンピュータインターフェース（BCI）
ベータ、ガンマ、およびミュー振動の量は、遠隔デバイスをトレーニングするために使用されます（例：思考で車椅子を動かす）。ニューロフィードバック
これは脳をトレーニングする方法であり、脳波（例：ガンマ振動）を表示し、認知タスクに取り組んで脳内のガンマ振動を増加させます。ニューロマーケティング
アルファおよびベータ周波数帯は、広告のどの部分がより魅力的であるか、またはそうでないかを特定するために使われます。
3.3. EEGデータ分析の種類
最も一般的に研究者は、時間領域または周波数領域のいずれかで分析を行います。
時間領域分析
通常、刺激の発生後の興味のある時点における電圧振幅を測定します。これらは事象関連電位（ERP）と呼ばれます。
周波数領域分析
通常、特定の時間ウィンドウ内または事象の発生に関連して、異なる周波数帯における神経振動の量を測定します。
次に、周波数領域分析の概要を提供します。
3.4. 処理
EEG記録を行った後、通常はデータをクリーンアップして振動を理解します。
フィルタリング
データ内の高周波および低周波の環境ノイズを除去する技術です。アーチファクト除去
物理的な動き、目の瞬きはすべて大きなアーチファクト（EEG内の50 µVを超えるピーク）を引き起こす可能性があります。これらは、結果に影響を与えないように削除できます。一部の研究者は、データを保存するためにこれらのアーチファクトを修正する高度な方法を使用します。
データが処理された後、信号は周波数領域に変換され、各タイプの脳波の量を定量化できるようになります。
図 8 – 生のEEGにおけるまばたきアーチファクト。
3.5. 高速フーリエ変換（FFT）
フーリエ変換は、EEG信号を「時間領域」（画像A）から「周波数領域」（画像B）に変換する数学的な操作です。
周波数領域では、録音内の各タイプの振動がどれだけあるかを定量化できます。これは、通常、周波数帯の「パワー」と呼ばれ、パワースペクトル（画像B）として表示されます。
図 9A – 時間領域内の生EEG。
図 9B – FFT後のパワースペクトル（周波数領域）。
3.6. バンドパワー
フーリエ変換から得られる周波数帯のパワー（例：アルファ帯）は、各周波数帯の量を示します。バンドパワーの単位は通常、µV2/Hzです。最も一般的に、FFTからの振幅やパワースペクトルは、対数単位のデシベル（dB）で表示されます。デシベルは、測定されたパワー（P）と基準パワー（Pr）の比率の単位として次のように定義されます：
関心のあるイベントに対してこの測定単位が得られると、バンドパワーを比較して実験的な影響を理解できるようになります。
4. 理論から実践へ
次に、アルファ抑制効果を見ていきます。
これはハンス・ベルガーによって最初に報告された現象で、目を開けているときのアルファ振動（アルファパワー）の量が、目を閉じているときと比較して著しく減少するのを示します。
図 10 – 目を開けていると、アルファ振動が増加します。
最初にEmotivPRO Builderを使用して、シンプルな実験を構築しました。この実験では、参加者が画面に焦点を合わせながら目を開けて2分間、次に閉じて2分間、目を開ける合図として2分後にベルの音が聞こえます。
自分自身のアルファ抑制実験を作成するためのビデオを以下で見ることができます。または、こちらのリンクから私たちの実験を実行することができます：ここ：
4.1. デバイス適合とEEGの質
私たちのEQゲートがどのように機能するかについて、こちらで詳しく読むことができます。あなたのヘッドセットに特有のデバイス適合について詳しくは、以下を参照してください：
EPOCタイプ
Insightタイプ
4.2. EEGデータの処理と変換
データを取得したら、Emotiv Analyzerを使用して周波数領域に変換できます。ビデオの手順に従ってください。
4.3. データの解釈
Analyzerが完了したら、zipファイルをダウンロードします。各記録については、バンドパワーのcsvファイルと統計分析を行うために使用できる画像ファイルがあります。
図 11 – バンドパワー。
出力では、目を閉じたときのアルファパワーの増加（オレンジ）が、目を開けているとき（青）と比較して見ることができます。
これでチュートリアルは終了です！あなたは基礎を身につけました🙂
リソースセクションには、より高度な読みもあるリンクがあります。
5. リソース
高度な読み物
Donoghue et al. 2022 神経振動を研究するための方法論的考慮事項
EEG用語の用語集
Kane et al. 2017（こちら）
オープンソースコード
Pythonコーディングに慣れている場合、目を開けたセグメントと閉じたセグメントによってラベル付けされたアルファパワー値を取得するために使用できるPythonスクリプトを提供しています。アルファ抑制データファイルのコードとサンプルは、こちらで見つけてください：https://osf.io/9bvgh/
EMOTIVマニュアル
EmotivPRO Builderマニュアル
EmotivPROマニュアル
EmotivPRO Analyzerマニュアル
7. 参考文献
Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. 神経振動を研究するための方法論的考慮事項. European journal of neuroscience, 55(11-12), pp.3502-3527. doi: https://doi.org/10.1111/ejn.15361
Kane, N., Acharya, J., Beniczky, S., Caboclo, L., Finnigan, S., Kaplan, P.W., Shibasaki, H., Pressler, R. and van Putten, M.J., 2017. 臨床脳波検査官が最も一般的に使用する用語の改訂辞書とEEG所見報告形式の更新提案. Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). 脳波（EEG）とその背景. In: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
サポート
© 2025 EMOTIV、全著作権所有。
あなたのプライバシーの選択（クッキー設定）
*免責事項 – EMOTIV製品は、研究用途および個人的な使用のみを目的としています。当社の製品は、EU指令93/42/EECで定義されている医療機器として販売されていません。当社の製品は、病気の診断や治療を目的として設計または意図されていません。
翻訳についての注意：このウェブサイトの非英語版は、あなたの便利のために人工知能を使用して翻訳されています。私たちは正確さを追求していますが、自動翻訳には原文とは異なるエラーやニュアンスが含まれている可能性があります。最も正確な情報については、当サイトの英語版をご参照ください。
サポート
© 2025 EMOTIV、全著作権所有。
あなたのプライバシーの選択（クッキー設定）
*免責事項 – EMOTIV製品は、研究用途および個人的な使用のみを目的としています。当社の製品は、EU指令93/42/EECで定義されている医療機器として販売されていません。当社の製品は、病気の診断や治療を目的として設計または意図されていません。
翻訳についての注意：このウェブサイトの非英語版は、あなたの便利のために人工知能を使用して翻訳されています。私たちは正確さを追求していますが、自動翻訳には原文とは異なるエラーやニュアンスが含まれている可能性があります。最も正確な情報については、当サイトの英語版をご参照ください。
サポート
© 2025 EMOTIV、全著作権所有。
あなたのプライバシーの選択（クッキー設定）
*免責事項 – EMOTIV製品は、研究用途および個人的な使用のみを目的としています。当社の製品は、EU指令93/42/EECで定義されている医療機器として販売されていません。当社の製品は、病気の診断や治療を目的として設計または意図されていません。
翻訳についての注意：このウェブサイトの非英語版は、あなたの便利のために人工知能を使用して翻訳されています。私たちは正確さを追求していますが、自動翻訳には原文とは異なるエラーやニュアンスが含まれている可能性があります。最も正確な情報については、当サイトの英語版をご参照ください。