概要
皮膚電気活動（EDA）は、ガルバニック皮膚反応（GSR）とも呼ばれ、交感神経系の活動を測定するもので、感情的な興奮度を評価するために広く用いられている。その主要な解析手法の一つがEDAピーク検出であり、これは皮膚伝導反応（SCR）として知られる相性信号の急激な変化を特定するものである。
これらのピークには、事象関連（ER-SCR）と非特異的（NS-SCR）のものがあり、実験中の感情の強さを示す信頼できる指標となります。EDAピークを検出するには、ノイズの除去、信号の閾値の特定、そして有意な生理的反応の抽出を行う必要があります。
一般的に、EDAのピーク数が多いほど覚醒度やストレスが高いことを示しますが、EDAだけではその感情がポジティブかネガティブかを判断することはできません。より深い洞察を得るためには、自己報告や顔面分析などの他の手法と組み合わせるのが最適です。
要するに、EDAピーク検出は、感情的な覚醒度を定量化する標準化された効果的な手法であり、心理学、神経科学、ユーザー調査の各分野において有用である。
Table of Contents
皮膚電気活動（EDA）は、人間行動の研究において、潜在的な感情的興奮を示す信頼性の高い指標である。EDA（しばしばガルバニック皮膚反応、またはGSRとも呼ばれる）は、交感神経系の活動を反映しており、その活動は生理的および感情的な活性化に依存している。
具体的な研究課題に応じて、EDA（探索的データ分析）の信号から導き出される主要な出力指標は数多く存在します。実際、データ収集を開始する前に、どのような出力指標に関心があり、どのような分析を行うかをまず検討しておくことが常に重要です。そこで、本記事では、そのような標準化が進んでいるEDA出力指標の一つである「ピーク検出」について、概要を解説します。
EDAコンポーネントの概要とSCR
ピーク検出分析の具体的な手法に入る前に、まずEDAの基礎となる要素を確認しておくことが重要です。EDAは、皮膚表面の汗の分泌量の微細な変化から得られる皮膚伝導度を測定するものです[1]。発汗は多くの調節プロセスに関与しており[4]、数多くの研究により、皮膚伝導度反応（SCR）が感情的な覚醒と関連していることが示唆されています[4-7]。
SCRの検出は、EDA活動の2つの基礎となる成分、すなわち、緩やかで安定したベースラインのトニック成分と、より速く反応的なフェーズ成分の変動によるものです。トニック活動レベルを上回るフェーズ活動の急激な変化は、EDAピークとして知られています。
刺激に対してこれらのピークが生じる場合、それは事象関連皮膚伝導度反応（ER-SCR）と呼ばれる。一方、これらのピークが刺激の提示とは関係がないと思われる場合、それは非特異的皮膚伝導度反応（NS-SCR）と呼ばれる [1, 6]。
EDAピークの数を評価することで、実験セッション中の感情的覚醒のレベルや強度に関する定量的な指標が得られる。
EDAピークの検出方法
EDAピークを抽出するには、いくつかの信号処理手順が必要です。以下に概説する手順は、標準化された手法[4, 9-11]に基づいており、任意の信号処理ツールボックスを使用して実行できます。iMotionsでは、以下に概説する手順を用いて、ソフトウェア内のR Notebookを通じてEDAピーク検出のための信号処理フローを提供しています。
校正済みのEDA信号を、お好みの信号処理ツールボックスに取り込む
a. この値は、使用しているEDAデバイスによって異なります。iMotions R Notebookは、組み込みデバイスであればどれでもこれを自動的に検出します。
b. Ledalabや、MatLab、Python、その他の信号処理システムで作成されたカスタムスクリプトなどのツールも使用できます。
信号のサンプリングレートを決定する
メディアンフィルタを用いて、元のEDA信号からフェーズデータを抽出する
フェーズ信号は、固定長ウィンドウ（通常8000 ms）でメディアンフィルタを適用することにより、元のEDA信号から抽出される。
フェーズデータにローパス・バターワースフィルタを適用し、ラインノイズを除去する
これにより、EDA信号に含まれるノイズ成分が除去されます。通常、5Hzのカットオフ周波数が使用されます。
開始点と終了点を特定する
a. 信号処理ツールがピークを検出する範囲を定義するために、ピークのオンセット値とオフセット値を特定します。
b. オンセットとは、フェーズ信号がオンセット閾値（通常は 0.01 µs 以上）を上回ったすべての点を指します。
c. オフセットとは、フェーズ信号がオフセット閾値（通常は 0 µs 未満）を下回ったすべての点を指します。
ピーク振幅の閾値を定義する
a. 各オンセット・オフセット・ウィンドウ内で最大振幅値を特定する。
b. 最大振幅値からオンセット時の振幅値を差し引く。
c. ピーク振幅閾値（通常は0.005）を特定する。オンセット時の振幅値を上回り、かつピーク振幅閾値を超えた値のみを、ピーク候補として扱う。
シグナルジャンプの閾値を特定する
a. ここでは、顕著な「信号のジャンプ」を検出するために、信号間の閾値を0.1 μsに設定します。
b. これらのジャンプは、フィルターでは検出されない動きによるアーチファクトに起因する偽陽性のピークである可能性があります。
c. ピーク候補は、以下の条件を満たす場合にのみ選択されます：
振幅が振幅閾値（0.005 μS）を超えており、かつ開始から
終了までの時間差が持続時間閾値（500 ms）を超えていること。
ビンデータ（仮想タイムビンにデータを割り当てる）
EDAピークの解釈
研究対象のEDAピークを導き出した以上、それらを適切に解釈できることが重要です。EDA活動は感情の強さを反映し、EDAピークの数は、特定の刺激が参加者にとってどれほど感情を喚起するかを示す指標となることを忘れないでください。
ストレス反応に関する研究によると、ストレスのない状況に比べて、ストレス状況下ではより多くのEDAピークが検出されることが示唆されている[7, 12, 13]。これらのEDAピークは、ストレス下で経験されるより強い感情的覚醒を反映している。ただし、EDAピークの数が多いほど感情の強度が強いことを示唆する一方で、その感情の方向性（価性）はEDAのみからは判断できないという点に留意する必要がある。
例えば、人前で話すことを好む人は、スピーチの直前や最中にEDAの活動が活発化する傾向がある一方で、より前向きな感情や興奮した感情を報告することもある。逆に、人前で話すことを嫌う人も、スピーチの最中にEDAの活動が活発化するが、その課題に対して否定的な感情を報告する傾向がある[12]。したがって、EDAの信号は感情の種類そのものを表すものではなく、単にその感情の強さを示しているに過ぎない。
したがって、EDAと感情の価値（例：自己報告や自動顔面解析）を評価するツールを組み合わせたマルチモーダルなアプローチを採用することで、感情の強度と価値の両方について、より深い洞察を得ることができるでしょう。
研究でEDAを活用する方法について詳しく知りたい方は、以下の無料ポケットガイドをダウンロードしてください。
参考文献
[1] Boucsein, W. (2012). 『皮膚電気活動』. ニューヨーク、ベルリン：Springer、第2版
[2] Wenger CB. 体温調節. In: Freedberg IM, Eisen AZ, Wolff K, Austen KF, Goldsmith LA, Katz SI（編）. 『一般内科における皮膚科学』第1巻. ニューヨーク：McGraw-Hill；2003. p. 119–27.
[3] Critchley, H. (2002). 書評：『Electrodermal Responses: What Happens in the Brain』. The Neuroscientist, 8(2), pp.132-142.
[4] Fowles DC, Christie MJ, Edelberg R, Grings WW, Lykken DT, Venables PH. 皮膚電気反応測定に関する論文発表の指針. Psychophysiology, 1981;18(3):232–9.
[5] Anders, S., Lotze, M., Erb, M., Grodd, W. および Birbaumer, N. (2004). 感情の価値と覚醒を支える脳活動：反応関連fMRI研究. Human Brain Mapping, 23(4), pp.200-209.
[6] Dawson, M., Schell, A., & Filion, D. (2000). 「皮膚電気反応系」. J. T. Cacioppo, L. G. Tassinary, および G.B. Bernston 編, 『心理生理学ハンドブック：第2版』, pp. 200–223. Cambridge Press, Cambridge, 2000.
[7] Bakker, J., Pechenizkiy, M., & Sidorova, N. (2011). 現在のストレスレベルは？ GSRセンサーデータからのストレスパターンの検出. Proceedings – IEEE International Conference on Data Mining, ICDM (pp. 573–580). doi:10.1109/ICDMW.2011.178
[8] Guo, R., Li, S., He, L., Gao, W., Qi, H., & Owens, G. (2013). 人間のメンタルヘルスのための、遍在的かつ目立たない感情センシング. 「患者のリハビリテーション研究手法の向上に向けたICT」会議録, 436–439. doi:10.4108/icst.pervasivehealth.2013.252133
[9] Benedek, M., & Kaernbach, C. (2010). 非負デコンボリューションを用いた皮膚電気反応データの分解. Psychophysiology, 47, 647–658. doi:10.1111/j.1469-8986.2009.00972.x
[10] Benedek, M., & Kaernbach, C. (2010). 相性皮膚電気反応の連続的測定法. Journal of Neuroscience Methods, 190, 80–91. doi:10.1016/j.jneumeth.2010.04.028
[11] Greco, A., Valenza, G., & Scilingo, E. (2016) 『メンタルヘルスへの応用を伴う皮膚電気活動処理の進展：ヒューリスティック法から凸最適化へ』. スイス. Springer.
[12] Tomaka, J., Blascovich, J., Kelsey, R.M. (1993). 脅威と挑戦の評価がもたらす主観的、生理的、および行動的影響. Journal of Personality and Social Psychology, vol. 65, no. 2, pp. 248-260. doi: 10.1037/0022-3514.65.2.248.
[13] Bradley, M., & Lang, P., (2000). 「感情の測定：行動、感情、および生理学的反応」. 『感情の認知神経科学』（R. Lane, L. Nadel 編）所収. ニューヨーク（米国）：オックスフォード大学出版局、2000年、pp. 242-276.
