EEG（脳波検査）：完全ポケットガイド

脳が決して休むことなく、絶えず情報を処理し、選別し、現実を形作っていることを知ってください。脳波（EEG）は、この活動をリアルタイムで捉え、ニューロンが電気信号や周波数パターンを通じてどのようにコミュニケーションをとっているかを明らかにします。これにより、研究者たちは認知、感情、行動に関する貴重な知見を得ることができます。

.factoid-box { border:1px solid #DDD; padding:1.5rem; position:relative; margin-block-start:3rem!important; background:var(–wp–preset–color–tertiary); } .factoid-box:before { content: ‘INSIDE SCOOP’; padding:0.5rem 1rem; display:block; background:var(–wp–preset–color–secondary); color:white; top:0; right:1rem; transform:translateY(-50%); position:absolute; font-weight:600; }

脳は、宇宙において最も精巧で複雑、そして魅力的な要素の一つです。脳のおかげで、私たちは過去の出来事を記憶し、現在のあらゆる感覚情報を処理し、思考や記憶、予測を未来へと投影することができるのです。

これらすべては、あなたが積極的に食べ物を探したり、周囲と交流したり、友人や家族と会話したり、命を狙う捕食者から逃げたりできるようにするためのものです。もちろん、博士論文を執筆したり、就職の面接を乗り切ったり……あるいは親友の『キャンディークラッシュ』のハイスコアを塗り替えたりといった、より複雑な日常の課題にも対処しなければなりません。

※この投稿は、当社の『EEGポケットガイド』からの抜粋です。下記から無料版をダウンロードして、EEGの世界についてさらに深く理解を深めてください。

あなたの脳は24時間365日、常に活動しています

眠っているときも起きているときも、次のビジネスミーティングの準備をしているときも、街をぶらぶら散歩しているときも――あなたが考え、夢を見、物を見て、感じている間、脳は常に活動しています。

それはあらゆる情報を吸収し、既存のデータを整理・再構成して、自分自身と周囲の環境の両方について、一貫した体験として統合します。あなたにとって、その体験こそが現実そのものです。脳は、あなたが環境をどのように捉えるかを形作り、あなたにとって最も関連性の高い対象や情報を選別し、強調します。思考、感情、欲望、経験に基づいて、脳は最終的にあなたの行動を左右します。あなたが気づかないうちに、行動のプロセスを制御することさえあるのです。

脳の構成要素

言うまでもなく、行動とその根底にある要因を分析するには、人間の脳の構造と機能の両面における複雑さを徹底的に理解する必要があります。言い換えれば、脳を構成する要素とは何か、そしてそれらはどのように相互作用しているのでしょうか。

画像技術、プロセッサ技術、データ解析手法、およびアルゴリズムにおける近年の進歩のおかげで、学術研究者も産業研究者も、人間の脳の奥深くを探求し、それがどのように私たちの知覚や外界との関わり方を形作っているのかを解明することができるようになった。

最も汎用性の高い脳画像診断法の一つが脳波検査です。略してEEGです。文字通り、「脳波検査（electroencephalography）」とは、脳の電気的活動を記録することを意味します。なぜ「記録」なのでしょうか？地震計と同様に、EEGの記録は当初、紙の上で行われていたからです。

脳波検査は、頭皮に電極を装着して脳の電気的活動を記録するものです。脳からの電気的活動を測定することは、脳内のネットワークを構成する数多くの異なるニューロンが、電気的インパルスを通じて互いにどのように通信しているかを反映するため、有用です。

なぜ脳波（EEG）は人間の行動を解明する上で優れたツールなのか

EEGが人間の行動の根底にある神経認知プロセスを研究するための優れたツールである理由はいくつかある（Cohen, 2011）：

• EEGは時間分解能が非常に高く、認知が起きるその瞬間の時間枠内で認知プロセスを捉えることができます。認知、知覚、言語、感情、運動の各プロセスは高速です。 ほとんどの認知プロセスは数十ミリ秒から数百ミリ秒の間に起こり、これは瞬きよりもはるかに速い。さらに、認知プロセスを引き起こす事象は、数百ミリ秒から数秒にわたる時間的シーケンスで発生する。高速カメラと同様に、EEGは高い時間分解能を持ち、他の脳画像技術（MRIやPETスキャナーなど）よりもはるかに優れた精度で、認知プロセスの根底にある生理学的変化を捉えることができる。
• EEGは神経活動を直接測定するものです。脳は常に活動しており、電気的活動を発生させています。その活動は極めて微弱（9V電池の電圧よりもはるかに小さい）ですが、適切な装置を使えば検出可能です。EEGセンサーは、頭皮の表面からこれらの微弱な信号を捉えることができます。神経科学の研究では、EEG信号が認知、情動、または注意の処理とどのように関連しているかについて、一貫した知見が得られ、広く受け入れられている理論が確立されています。 一方、MRIのような技術は優れた空間分解能を有していますが、本質的には神経活動を間接的に測定するものであり、測定対象と認知処理との関連性について、より深い理解が求められます。
• EEGは安価で軽量、かつ持ち運びが可能です。MRIスキャナーを使って野外で研究を行ったことはありますか？それは到底不可能です。それに対し、EEGシステムは持ち運びが可能で軽量であるため、実環境下での柔軟なデータ収集を可能にします。
• EEGは、行動反応が見られない状況下でも、認知・情動処理をモニタリングします。脳の処理は、最終的には行動を左右します。しかし、反応抑制や創造性、瞑想といった精神的なプロセスに関心がある場合、行動上の変化は非常に微細なものに留まることがあります。対照的に、これらのプロセスは、識別可能な脳の電気的活性化パターンを伴うため、EEGによる測定に最適な対象となります。

脳波（EEG）を用いることで、脳がどのように機能しているか、どの脳領域が活性化しているか、そしてそれらがどのように相互作用しているかについて知見を得ることができます。しかし、これらの信号は一体どのように生成されているのでしょうか？

「EEGとは何か、その仕組み」をご覧ください

基本的な操作方法を超えてその可能性を真に理解するには、実務における**主要なEEGの応用例**をご覧ください。

脳の領域とその機能

人間の脳は、中枢神経系（CNS）の主要な器官である。

平均して、その重さは約1.4kg（総体重の約2％）であり、他の脊椎動物の脳と同様に、基本的な領域分けを含む多くの特徴を共有している。

脳幹、辺縁系、小脳、大脳をご紹介します：

1. 大脳

大脳（または皮質）は、人間の脳の中で最も前方に位置し、最大の部分を占めています。一般に、意識的な思考や感覚情報の処理といった高次脳機能と関連付けられています。大脳は左右の半球からなり、これらを繋ぐ神経細胞の塊が脳梁を形成しています。大脳皮質は、脳溝（溝）と脳回（隆起）によって構成される、非常に複雑な地形をしています。 もしこれらの溝や隆起をすべて広げたとしたら、大脳の総表面積は約2500 cm²となり、これは50×50 cmの枕カバーほどの大きさにあたる（Peters & Jones, 1984）。

2. 小脳

小脳（「小さな脳」を意味する）は、表面が複雑にひだ状になっている2つの半球から成っています。小脳は、微細な運動、姿勢、および平衡感覚の調節と制御に関与しています。小脳は、脊髄の感覚系や脳の他の領域からの入力を受け取り、これらの情報を統合して、運動機能を微調整します。

3. 脳幹

脳幹は、脳の最下部かつ最も古い部分であり、中脳、橋、延髄から構成されています。「爬虫類脳」とも呼ばれるこの部分は、心拍、呼吸、膀胱機能、平衡感覚といった自律神経系の働きを司っています。
つまり、脳幹は、意識的に考えなくても自動的に機能してほしいと願うすべてのことを制御しているのです。

4. 大脳辺縁系

大脳辺縁系は、しばしば「感情の脳」と呼ばれます。これは脳の奥深くに位置し、進化の過程で古くから存在する構造です。大脳辺縁系には、視床、視床下部、扁桃体が含まれます。大脳辺縁系は、就職の面接やブラックフライデーの買い物、将来のパートナーとのデートなど、「闘争・逃走反応」を引き起こす状況において、中心的な役割を果たしています。

大脳皮質はさらに4つの領域、すなわち大脳葉に分けられます。各大脳葉には左右の対となる部分がありますが、左右の大脳半球の間には微妙な違いがあります。

一般に、右脳は創造性や想像力と結びつけられ、左脳は数値的・空間的認知といった論理的思考能力と結びつけられてきました。しかし、科学的研究において、これまで以上に深い知見を得られる高度な画像診断技術や分析手法が次々と開発されるにつれ、こうした固定観念は徐々に薄れつつあります。確かに両半球の間には違いが存在しますが、それは従来のイメージが描くよりもはるかに複雑なものです。

大まかな区分としては、依然として後頭葉、側頭葉、頭頂葉、前頭葉の4つの葉に分けられている。

5. 後頭葉

後頭葉は、低次視空間処理（方向感覚、空間周波数）、色覚、運動知覚などを担う、脳の視覚処理中枢です。後頭皮質は、頭蓋骨の最も後方に位置しています。 私たちが見るすべての情報はここで処理される（信号が後頭皮質に到達する前後に一部の処理が行われることもあるが、この領域は視覚処理と知覚の中心である）。後頭葉の病変は、通常、視覚的幻覚、色や運動の失認、および失明と関連している。

6. 側頭葉

側頭葉は、視覚的記憶、言語、および感情的な連想を用いて、感覚入力を処理し、そこから派生した、あるいはより高次な意味を導き出す働きに関与しています。側頭皮質は長期記憶を担っています。左側頭皮質は、書き言葉や話し言葉の理解に関与しています（ウェルニッケ野）。これらの領域に損傷が生じると、言語障害（ウェルニッケ失語症）を引き起こします。 左側頭葉の病変によって引き起こされる、まれな「外国語訛り症候群」さえ存在します。この症候群の患者は、母国語を外国語の訛りで話しているかのように聞こえます。

7. 頭頂葉

頭頂葉は、外部からの情報だけでなく、骨格筋、四肢、頭部、目、耳石器などからの内部感覚フィードバックを統合する役割を担っています。頭頂葉皮質は、これらすべての情報源を統合し、私たちの身体が環境とどのように関わっているか、また環境内のあらゆるもの（物体や人）が空間的に私たちとどのように位置関係にあるかについて、一貫した表象を形成する役割を担っています。 眼や手の動き、あるいは眼と手の協調を必要とする動作は、頭頂葉皮質なしでは不可能です。頭頂葉皮質は、把持すべき物体の形状、大きさ、向きを処理し、記憶し、呼び出す役割も担っています。

さらに、頭頂葉領域は自己参照的処理や主体性の感覚に関与していると考えられている。頭頂葉皮質の損傷は、運動行動や対象指向的な行動に深刻な障害をもたらすだけでなく、体外離脱体験を引き起こすことも明らかになっている。

8. 前頭葉

前頭葉は、意識的な思考や意思決定の大部分が行われる領域です。また、前頭皮質には、四肢や目の随意運動を制御する運動野が含まれています。前頭葉には、ドーパミン感受性ニューロンの大部分が存在します。ドーパミン系は、報酬、注意、短期記憶、計画、および動機付けに関連するあらゆる認知処理を担っているため、この点を認識しておくことは極めて重要です。

神経の活性化と電界

人間の脳には約850億個のニューロンが存在します。これらは、脳内のコミュニケーションの大部分を担う細胞です。また、神経信号の伝達を支え、促進し、維持する（その他にも様々な機能を果たす）数十億個の細胞も存在します。

ニューロンは通常、細胞体と1本以上の軸索から構成されており、これらはすべてシナプスで終わっています。シナプスは、ニューロン間の抑制性または興奮性の活動の「ゲートウェイ」として機能します。つまり、シナプスはニューロン間で情報インパルスを伝達（「発火」）し、それによって後続のニューロンが信号を発する確率を高める（興奮性）か、あるいはその確率を低下させる（抑制性）のです。

大活躍：ピラミッド細胞

脳によって生成される電界のすべてが、組織や骨、頭蓋骨を貫いて頭皮の表面まで届くほど強いわけではない。研究によると、外部（すなわち脳波計）から測定できるのは、主に大脳皮質領域における錐体細胞の同期した活動であることが示されている。その名称は、細胞体が錐体状／三角形をしていることに由来する。

錐体細胞は、すべての皮質領域（後頭葉、側頭葉、頭頂葉、前頭葉）に見られ、常に皮質表面に対して垂直な向きをとっている。細胞体は表面から離れる方向（灰白質側）を向いており、一方、樹状突起は表面に向かう方向を向いている（詳細については、Luck, 2014 および Buzsáki et al., 2012 を参照）。

この細胞の独特な配向により、非常に安定した方向を持つ電界が生じます。対照的に、脳幹や小脳といったより深部の脳構造にある細胞には、このような特定の配向は見られません。

その結果、たとえ深部にある数十万ものニューロンが同期した活動を示していたとしても、電界は頭皮の表面に向かって安定して伝播するのではなく、さまざまな方向に広がり、互いに打ち消し合う可能性が高くなる。

脳波信号

脳が生み出す電気的活動を記録するために、脳波（EEG）の研究者が頭蓋骨を開けてセンサーを取り付ける必要はありません（もっとも、そのようなケースも確かにあります）。 幸いなことに、それよりもはるかに簡単な方法があります。頭皮の表面に配置したセンサー（電極）から電気信号を記録するだけです。1920年代にドイツの神経学者ハンス・ベルガーによって初めて人間に適用された（Jung & Berger, 1979）EEGは、安価で非侵襲的、かつ完全に受動的な記録手法です。

EEGには、他の画像診断法や純粋な行動観察と比較して、いくつかの利点があります。EEGの最大の利点は、その優れた時間分解能にあります。つまり、1秒間に複数の電極から数百から数千もの電気活動のスナップショットを捉えることができるのです。このため、EEGは、行動の根底にある認知的・感情的処理の正確な時間的経過を研究する上で、理想的な技術となっています。

他の生理学的記録（EDAやGSRなど）では通常、電極が数個しか必要とされないのに対し、EEGの記録には電極アレイが使用されます。実験の規模に応じて、電極数は10個から500個以上と多岐にわたります。装着を迅速に行うため、EEG電極は伸縮性のあるキャップ、メッシュ、あるいは硬質のグリッドに取り付けられており、これにより、セッションや被験者が異なっても、頭皮上の同一の位置からデータを収集できるようになっています。

電気信号は非常に微弱であるため、記録されたデータはデジタル化され、増幅器に送られます。EEGシステムの価格差は、通常、電極の数や品質、デジタル化の品質、そして増幅器の品質やサンプリングレートによって生じます。一般的に、サンプリングレートが高いEEGシステムは、サンプリングレートが低い機器よりも高価です。

データが増幅されると、電圧値の時系列として表示できるようになります。100年前、脳波（EEG）の経時変化は紙にプロットされていました。臨床現場での脳波記録が依然として紙ベースで行われることもありますが、学術研究や商業研究における脳波システムのほぼすべてが、データをコンピュータ画面上で連続的な電圧の推移として表示しています。

他の脳画像診断法との比較：

• 磁気脳波法（MEG）は、神経活動によって生じる磁場を記録する。EEGと同様に、MEGは優れた時間分解能を有しており、EEGよりも深部の神経活動をはるかに正確に捉えることができると広く考えられている。MEGスキャナーは大型で据え置き型であり、高価である。また、高度な技術的メンテナンスと、運用に必要な人材の育成に多大なリソースを要する。
• 機能的磁気共鳴画像法（fMRI）は、神経活動の変化に伴う血流の変化を測定する。神経細胞の活動が活発化すると酸素が必要となるが、これは血液によって供給される。酸素を運んだ血液は、酸素を運んでいない血液とは磁気的性質が異なる。fMRIでは、この性質を水素原子が生み出す磁場の歪みとして測定する。fMRIは優れた空間分解能を持つ一方で、脳波（EEG）のような時間分解能には欠ける。
• 陽電子放出断層撮影（PET）は、被験者の体内に注入された放射性同位元素の崩壊によって生じるガンマ線を基盤とする核医学画像診断法である。PETを用いることで、認知活動中の神経細胞の代謝活動（例えば、グルコース代謝）を観察することができる。PET検査は動きによるアーチファクトに対してははるかに耐性が高いが、脳波（EEG）記録のような高い時間分解能には欠けている。

脳波のリズムと振動

皮質活動がニューロンのシナプス後電位と関連していることは、すでに学んだ通りです。もちろん、単一のニューロンのシナプス後電位は、検出できるほど大きなものではありません。しかし、方向性が似た何十万ものニューロンでシナプス後電位が同時に、かつ同期して発生すると、それらが重なり合って電界を生成し、その電界は脳組織や頭蓋骨全体に急速に伝播します。最終的には、頭皮からその電位を測定することが可能になります。

これを、観客が拍手している様子に例えてみましょう。最初は誰もがそれぞれのリズムで拍手するため、目立ったパターンがない雑音のような状態になります。しかし、しばらくすると観客の拍手が揃い始め、突然、全員が同じタイミングで、同じリズムで拍手するようになります。この揃った拍手の音は、数分前の雑音よりもはるかに大きく響きます。そして、ある時点で、その揃った拍手は次第に消えていきます。

それが神経活動であれ、群衆の拍手であれ、あるいは地震の轟音であれ、これらすべての現象は、振動パターンの同期によって生じている。

人間の脳にある数十億ものニューロンは、非常に複雑な発火パターンを示し、それらがかなり入り組んだ形で混ざり合っています。脳波（EEG）で測定できる神経振動は、未処理の生データの中でも確認できます。しかし、その信号は常にいくつかの基礎周波数の混合であり、それらは特定の認知的、情動的、あるいは注意的な状態を反映していると考えられています。 これらの周波数は、個人の要因、刺激の特性、および内部状態によってわずかに異なるため、研究では特定の周波数範囲、すなわち周波数帯に基づいて分類されている。具体的には、デルタ帯（1～4 Hz）、シータ帯（4～8 Hz）、アルファ帯（8～12 Hz）、ベータ帯（13～25 Hz）、ガンマ帯（25 Hz以上）である。

脳波の周波数帯域

1. デルタ帯域（1～4 Hz）

1～4 Hzの範囲の振動は、最も周波数が低く振幅が最も大きい脳波であり、デルタ波として特徴づけられる（Niedermeyer & da Silva, 2012）。デルタ波は通常、深いノンレム睡眠（ステージ3）、すなわち徐波睡眠（SWS）中にのみ現れる。 睡眠研究所では、睡眠の深さを評価するためにデルタ帯域のパワーが測定される。デルタリズムが強ければ強いほど、睡眠は深い。デルタ周波数は右脳半球でより強く現れ、その発生源は通常、視床に局在している。睡眠は記憶の定着と関連しているため、デルタ周波数は、生い立ちに関する記憶や、後天的に獲得した技能、学習した情報の形成および内部的な整理において、中核的な役割を果たしている。

2. シータ波（4～8 Hz）

4～8 Hzの周波数範囲にある脳波は、シータ波帯と呼ばれる（Niedermeyer & da Silva, 2012）。多くの研究で、前頭部のシータ波活動は、集中した注意や情報の取り込み、処理、学習、あるいは記憶の想起といった際の、精神的な作業の難易度と相関することが一貫して報告されている。 課題の難易度が上がるにつれて、シータ波の周波数はより顕著になる。これが、シータ波が一般的に、精神的負荷やワーキングメモリの基盤となる脳のプロセスと関連付けられる理由である（Klimesch, 1996; O‘Keefe & Burgess, 1999; Schack, Klimesch, & Sauseng, 2005）。シータ波は皮質全域から記録可能であり、これは内側前頭前野、中央皮質、頭頂皮質、内側側頭皮質を含む広範なネットワークによって生成されていることを示唆している。明らかに、シータ波は、互いに離れた脳領域間における認知処理の伝達周波数として機能している（Mizuhara, Wang, Kobayashi, & Yamaguchi, 2004）。

学習や記憶の文脈において、こうした脳のプロセスがどのように働き、どのように測定されるのかについてさらに詳しく知りたい方は、当記事『N-backの基本：N-backテストを用いた学習と記憶』をご覧ください。

3. アルファ波（8～12 Hz）

1929年にハンス・ベルガーによって初めて発見されたアルファ波は、8～12 Hzの周波数範囲におけるリズミカルな振動活動と定義されている（Niedermeyer & da Silva, 2012）。 アルファ波には、感覚、運動、記憶機能を反映するいくつかの機能的相関関係があります。目を閉じて心身がリラックスしている状態では、アルファ帯域のパワーが増加します。対照的に、目を開けて心身が活動している状態では、アルファパワーは減少、あるいは抑制されます。アルファ波の抑制は、あらゆる種類の刺激に対して注意を集中させているときなど、精神的な活動や関与の状態を示す有効な指標となります（Pfurtscheller & Aranibar, 1977）。 また、アルファ波の抑制は、脳が様々な感覚から情報を収集する準備を整え、注意資源を調整し、その特定の瞬間に本当に重要なことに集中しようとしていることを示しているとも言える。

4. ベータ帯域（12～25 Hz）

12～25 Hzの範囲の振動は、一般にベータ帯域の活動と呼ばれている（Niedermeyer & da Silva, 2012）。この周波数は、後頭部および前頭部の両方で生成される。活発で多忙な思考や不安を伴う思考、そして積極的な集中は、一般的にベータ波のパワーが高くなることと相関していることが知られている。 中央皮質（運動野に沿って）では、動作を計画したり実行したりする際に、特に手を伸ばしたり物を掴んだりする際に細かい指の動きや集中した注意が必要な場合、ベータ波のパワーが強くなる。興味深いことに、このベータ波のパワーの増加は、他者の身体の動きを観察している際にも認められる。 私たちの脳は、他者の四肢の動きを模倣しているように見え、これは脳内にベータ周波数によって調整される複雑な「ミラーニューロンシステム」が存在することを示唆している（Zhang et al., 2008）。

5. ガンマ波帯（25 Hz以上）

現時点では、ガンマ波は脳波研究における「ブラックホール」のような存在である。なぜなら、脳のどの部位でガンマ波が生成されるのか、またこれらの振動が何を反映しているのかが、依然として不明だからだ。一部の研究者は、ガンマ波はシータ波と同様に、対象物に関する様々な感覚的印象を統合し、一貫した形に結びつけるための搬送波として機能し、それゆえに注意プロセスを反映していると主張している。 一方、ガンマ波は眼球運動や微小サッカードといった他の神経プロセスの副産物であり、したがって認知処理を全く反映していないと主張する研究者もいる。今後の研究では、ガンマ波の役割についてより詳細に解明していく必要があるだろう。

正確な脳波データの収集

「クリーンなデータに勝るものはない」――これはカリフォルニア大学アーバイン校のスティーブ・ラック教授の賢明な言葉であり、脳波（EEG）データを収集する際には常に心に留めておくべきものです。今日に至るまで、不適切な方法で記録されたデータを修復できるアルゴリズムは存在しません。魔法のように信号を改善するような方法でデータをクリーンアップしたり処理したりすることは、そもそも不可能なのです。

「GIGO（Garbage In, Garbage Out）」という基本原則は、EEGデータにも当てはまります。したがって、常に適切に記録されたデータから始めることが重要です。正確なデータを記録することには、いくつかの利点があります：

• 年間でより多くの実験を行うようにしましょう。不十分なデータから何とか良い結果
  を引き出そうとして時間を無駄にしないでください。最初から正確なデータを収集するようにしましょう。
• より多くの、より質の高い論文を発表しましょう。
  データが整っていれば、仮説の検証もはるかに容易になります。質の低いデータしか持っていない場合、ある効果が認知状態の違いによるものなのか、それとも単なる人工的な要因の副産物に過ぎないのか、どうして確信できるでしょうか？査読者は、データ品質の向上に向けたあなたの努力を高く評価してくれるでしょう。
• 資金調達や就職のオファーを得る可能性が高まります。助成金申請書に整理された
  データを提示することは、資金獲得の可能性を大幅に高めます。また、学会や次の就職面接で、整理されたデータに基づいた成果を発表すれば、自身の研究能力を最大限にアピールすることができます。

EEG電極

EEGシステムは、頭皮に装着した電極を用いて、脳から発生する電位を検出します。もちろん、単に皮膚にワイヤーを直接取り付けることも可能ですが、その場合、電気的接続が非常に不安定になってしまいます。そのため、湿式EEG電極を使用することをお勧めします。これらは金属製の円盤やペレット状のもので、通常は生理食塩水をベースとした導電性ゲル、ペースト、またはクリームを介して皮膚と接続されます。

電極の金属と導電性ペーストの適切な組み合わせは重要です。なぜなら、一部の金属は腐食が比較的早く進むため、データの精度が低下してしまうからです。

最適な条件下では、皮膚、電極、および電極用ゲルがコンデンサとして機能し、低周波（例えば、デルタ周波数帯域における緩やかな電圧変化など）の伝達を弱めます。最も一般的な湿式電極は、銀（Ag）を基材とし、その表面に塩化銀（AgCl）の薄層をコーティングしたもので、Ag/AgCl電極といった表記がよく見られます。

あるいは、ドライ型EEG電極を使用することも可能です。これらは電極用ゲルを必要とせず、皮膚に直接接触します。一般的に、ドライ型電極は装着がはるかに迅速ですが、その一方で、ウェット型センサーと比較して、動きによるアーチファクト（電極、キャップ、または被験者の動きによるもの）が生じやすい傾向があります（Saab et al., 2011）。

電極アレイと配置

頭皮上の電極の位置を定義・命名するための最も一般的な体系は、米国脳波学会（1994）およびOostenveld & Praamstra（2001）によって提唱されている。 これらは通常、それぞれ10-20法および10-5法と呼ばれている。10-20法では、電極は経線および緯線に沿って10％および20％の位置に配置される。

10-20システムの重要なポイントは以下の通りです：

• ナシオン（Nz） 鼻の付け根
  、両目の間のくぼみ。
• 後頭部（スペイン語） 頭の後ろ
  にあるこぶ。
• 左右の耳前点　口を開け閉めすると、耳のすぐ
  前にあるこれらのくぼみを指で触って確認できます。

鼻根点（前）と後頭点（後）を結ぶ垂直線、および左右の耳前点を結ぶ水平線を、それぞれ10等分します。

同様に、赤道も10％と20％の区間に分けられます。

電極の数と配置

Luck（2014）およびMichelら（2004）の提言に従えば、EEG実験において「万能の」最適な電極数は存在しない。電極の数や配置は、既存の研究結果や知見によって異なる場合がある。

対象とする脳の処理について何も分かっていない場合、かつMRI記録との位置合わせ（例えば、ソース再構成のため）が必要な場合は、信号の発生源をより深く理解するために、少なくとも64チャンネルで記録することを検討するとよいでしょう。ただし、一般的な表面ベースのEEGパラダイムでは、32チャンネル以下でも十分です。まずは小規模から始め、専門知識や経験が蓄積されるにつれて拡張していくことをお勧めします。 128チャンネル以上のEEGアレイのセットアップや解析には、20チャンネルのアレイ（研究にはそれで十分だったかもしれない）よりもはるかに多くの時間を費やすことになることを覚えておいてください。

もう一つ留意すべき点は、電極の配置です。より代表的な結論を導き出せるよう、頭皮全体に電極を均等に配置するようにしてください（Michel et al., 2004）。次のような例を考えてみましょう。文献やこれまでの研究から、あるEEGパラダイムにおいて最も強い効果は左前頭野で現れると予想されます。 しかし、左前頭部に数個の電極を配置するだけで、他の領域を無視してはいけません。代わりに、適切な数の電極を使用し、他の領域からも記録を行うべきです。そうすることで、効果とアーチファクトを確実に区別することができます。脳活動の変化は対象とする電極にのみ影響するかもしれませんが、アーチファクトは配置場所に関係なく、すべての電極で確認される可能性があるからです。

基準電極と接地電極（および数学的な解説）

脳波（EEG）の記録は、複数の電極から得られます。Czの電圧値は、まさにその位置での電気的活動を反映していると思われるかもしれません。しかし、一点における電圧というものは存在しません。その代わりに、脳波の電圧は、測定点（例えばCz）と接地電極（G）との間の電位（または電流）を反映しているのです。

したがって、CzとGの間で記録される電圧は、単にCz – Gとなります。接地電極は増幅器の接地回路に接続されているため、接地電極によって常に何らかの電気ノイズが混入します。その結果、CzとGの間で測定される電圧には、脳由来の活動だけでなく、電気ノイズも含まれることになります。

この制限を克服するため、EEGシステムでは基準電極Rが導入される。増幅器は、Czと接地電極間の電位（Cz – G）に加え、基準電極と接地電極間の電位（R – G）も記録する。これに基づき、増幅器はCzと基準電極の差を [Cz – G] – [R – G]として計算します。これはCz – G – R + Gと等しく、Gが相殺されるため、Cz – Rに簡略化されます。したがって、増幅器の出力は、記録部位（Cz）と基準電極間の電位となり、あたかも接地電極（G）が存在しないかのような状態になります。

では、参照電極を設置するのに最適な場所はどこでしょうか？実は、そのような場所は存在しません。参照電極の選択は、すべての電極間の絶対電位に影響を与えるだけであり、相対電位にはまったく変化をもたらさないからです。

つまり、基準電極の位置を変えると、相対的な分布はまったく同じであっても、頭皮上の電圧分布がまったく異なって見えることがあるということです。山や谷のある風景を想像してみてください。基準電極を変えることは、その風景を水で満たすようなものです。海面は変化しますが、風景の絶対的な形状はまったく変わりません。この点については、Michel et al. (2004) でより詳しく論じられています。

電極インピーダンス

電極と頭皮との間に安定した電気的接続を確保することは、鮮明な脳波（EEG）信号を記録するための鍵となります。しかし、頭皮には古い角質や皮脂、汗などが蓄積しており、これらは電気的活動をうまく伝導しないため、電気抵抗の障壁となります。脳波記録におけるこの現象を表す専門用語は「インピーダンス」であり、単位はオーム（Ω）で表されます。

一般的に、EEGシステムには、各電極のインピーダンスをグラフで表示するソフトウェアまたはハードウェアベースの品質指標が備わっています。通常、緑色や低いインピーダンス値は記録品質が高いことを示し、赤色や高いインピーダンス値は記録品質が低いことを示します。つまり、インピーダンスが低い場合にのみ、記録された信号が周囲からのアーチファクトではなく、頭部内部の生理的プロセスを反映していることを確実に判断できるのです。 したがって、EEGデータを収集する際は、常にインピーダンスを可能な限り低く保つようにしてください。

インピーダンスを下げる方法について、いくつかアドバイスをご紹介します：

• 被験者には、髪を洗って乾かしてから実験に参加するよう伝えてください。

ヘアケア製品（ヘアスプレー、コンディショナー、ワックス、ジェルなど）は一切使用せず、髪は完全に乾いた状態にしておく必要があります。また、ヘアピンやクリップは、いずれ外すことになるため、着用しないよう被験者に指示してください。濡れた髪やその他のヘアケア製品は、インピーダンスの上昇を引き起こします。また、ヘアピンは、見落とされた場合、隣接する電極間の接触を引き起こす可能性があり、EEGキャップやストリップを装着した後は発見が困難になります。 洗髪したばかりの髪には、EEG測定部位から髪をより容易に遠ざけることができるという利点もあります（髪は導電性が低いため）。

• すべての電極設置箇所をアルコールで拭き取ってください。

例えば、70%のイソプロパノール、アルコール綿、またはアルコールに浸した綿棒などを使用できます。EEGキャップを装着した後、電極を接続する前に、アルコールに浸した綿棒を各電極ソケットに押し当て、指2本で優しく、しかししっかりとこすってください。 また、基準電極（多くの場合、左右の耳の後ろ）や、目の上・下・横（眼電図（EOG）の記録用）など、その他の重要な記録部位にもアルコールを塗布してください。アルコールが蒸発する際に目に悪影響を及ぼす可能性があるため、被験者には必ず目を閉じるよう指示してください。作業を進める前に、アルコールが完全に蒸発するまで必ず待ってください。

• 電極用ゲルまたは導電性ペーストを塗布してください。

導電性ペーストの中には、研磨性があり、軽石の粒子（フェイシャルマスクのようなもの）が含まれているものがあります。その場合は、綿棒や木製の棒の先にペーストを付け、各電極ソケットに塗布することで、インピーダンスを大幅に低減できます。ここでも、棒をそっと押し当ててこすります。その後、ソケットにペーストを充填し、電極を挿入します。 研磨性のないゲル（超音波検査用のゲルに類似）は、こする技術に依存しません。代わりに、ソケットにゲルを塗布するだけで済みます。ただし、ゲルの塗布量には注意が必要です。ゲルを塗りすぎると、隣接する電極間にゲルブリッジが形成され、後処理時に修正が困難（あるいは不可能）な、無効なデータやアーチファクトが発生する恐れがあります。

信号のデジタル化、増幅、および転送

電極で電圧が検出されると、その連続的なアナログ信号は、コンピュータに保存するために増幅され、デジタル変換される必要があります。こうした処理はすべて裏側で行われ、ユーザーには気づかれないものですが、増幅とデジタル変換に関する基本的な知識を持っておくと良いでしょう。

脳は常に活動しているため、生成される電圧には絶えず変動や変化が生じています。しかし、EEGシステムはこの連続的なプロセスを断片的に捉え、カメラで写真を撮るようにデータのサンプルを生成します。EEGシステムは、取得可能なサンプリングレート（1秒あたりのサンプル数）によって異なります。

振動と同様に、サンプリングレートは1秒あたりのサンプル数として表され、単位はヘルツ（Hz）です。例えば、サンプリングレートが250 HzのEEGシステムでは、1秒間に250サンプルを取得できます。1秒は1000ミリ秒（ms）とも表せるため、隣接するサンプル間の間隔は1000 ÷ 250 = 4 msとなります。 対照的に、EEGのサンプリングレートが500 Hzの場合、サンプル間の間隔は1000 / 500 = 2 msとなります。より高い時間分解能での測定に関心がある場合は、より高いサンプリングレート（すなわち500 Hz以上）でEEGデータを収集する必要があります。 周波数に基づく解析（アルファ波やベータ波の前頭葉の側性化など）に関心がある場合は、128 Hzのサンプリングレートで十分です。

デジタル化に加え、EEG信号は増幅されます。これが、EEGシステムが非常に高価な理由です。

これをデータのサウンドシステムだと考えてみてください。スマートフォンのモノラルスピーカーのように、増幅性能が低いと、わずかな電圧の変化まで強調する高性能アンプ（映画館のドルビー3Dシステムなど）に比べて、出力される信号が弱くなってしまいます。EEGシステムにはモジュール式のものがあり、電極と各種アンプを自由に組み合わせることができますが、一方で、電極グリッドとアンプボックスが固定された組み合わせとなっているシステムもあります。

信号がデジタル化され増幅された後、記録用コンピュータに送信されます。これは、有線接続（USBなど）または無線接続（BluetoothやWi-Fiなど）によって行われます。 有線アンプは、学術研究機関や神経科学、心理学の研究室では依然として一般的です。一方、商業研究所やニューロマーケティングの代理店では、被験者が実験室のテストステーションに縛られることなく、自由に動き回って周囲を探索できるため、ワイヤレスEEGヘッドセットがよく使用されています。

脳波データのクリーニングとアーチファクトの除去

データ収集や分析に取り掛かる前に、一つだけ心に刻んでおくべきことがあります。それは、「クリーンなデータに勝るものはない」ということです（この章の冒頭でこの言葉を目にした方もいらっしゃるかもしれません）。 常にデータを可能な限りクリーンな状態に保つようにしてください。つまり、収集されたデータが脳の活動のみを反映していることを意味します。理論上は簡単そうに聞こえますが、実際には「しかし」という問題があります。電極は環境中の他の発生源からの電気的活動も拾ってしまうため、こうしたアーチファクトを可能な限り回避、最小化、あるいは少なくとも制御することが重要です：

生理学的アーチファクト

1. 筋活動（EMG、ECG）

筋肉の活動は電流を発生させ、それが電極によって検出されます。筋肉が電極に近いほど、記録への影響は強くなります。特に、顔面筋（額、頬、口）、首の筋肉、顎の筋肉の活動は、EEG記録に深刻な影響を及ぼします。歯を食いしばることは絶対に避けるべきです。被験者には、咀嚼や顎を緊張させないように指示してください。心臓も筋肉であるため、EEGデータの品質に影響を与えます。 心臓の活動を単に止めるよう指示することはできないため、EEG記録から心電図（ECG）ノイズを除去するには、信号のノイズ除去手順に頼らなければなりません。理想的には、光学式センサー（例：光電式脈波計）や心電図装置を用いて心拍数をモニタリングすることが望ましいです。

2. 眼球運動

眼球運動（水平および垂直）は、電極が捉える電界に影響を与えます。垂直方向の眼球運動（上下）はより正弦波状に見え、水平方向の眼球運動（左右）はより箱型に見えます。眼には、網膜にある何百万ものニューロンによって形成される強力な電磁場があります。眼球を動かすと、眼球によって生成される電界も変化します。 アイトラッカーを使用するか、目の周囲に追加のEEG電極を設置して、眼球運動を記録することを推奨します。

3. まばたき

眼球運動と同様に、まばたきも脳波信号にかなりの影響を与えます。画面に特定の刺激が表示されている間に被験者がまばたきをすると、その刺激を見た際の皮質処理が脳波に反映されない可能性があります。 EEGの専門家であれば、EEGデータに関連する情報が含まれていないため、この試行を解析から除外したくなるかもしれません。しかし、記録全体を通じてまばたきが不規則に発生している場合は、回帰分析や補間、あるいはブラインドソース分離（BSS）などの統計的手法に基づく減衰処理の方が適切である可能性があります。この場合、汚染されたデータ部分は、周辺のデータチャンネルや時間点を用いて補間されたデータに置き換えられます。

外部からのアーティファクトの入手先

1. 動き

電極のずれやヘッドセットの動きは、影響を受けたチャンネルまたはすべてのチャンネルに目立つアーチファクトを引き起こす可能性があります。その原因は多岐にわたります。例えば、EEGヘッドセットが緩んだり、電極がソケットから外れたりすることが挙げられます。ヘッドセットが頭にしっかりとフィットしていること、およびすべての電極が皮膚に確実に固定されていることを常に確認することをお勧めします。

2. 回線ノイズ

電源ノイズ（米国では60 Hz、EUでは50 Hz）は、電極記録に顕著なアーチファクトを引き起こす可能性があり、これは生EEGデータにおいて非常に明白になります。 特にインピーダンスが低い場合、ラインノイズは強くなります。基準電極が影響を受けると、捕捉されたラインノイズは他のすべての電極に伝播します。幸いなことに、脳の認知周波数は多くの場合50Hzまたは60Hzの範囲を下回っているため、それに応じてデータをフィルタリングしたり、関心のある周波数に焦点を当てたりすることができます。

3. 揺れとスイング

体を揺らしたり、頭を振ったりすると、記録結果に大きな影響を与える可能性があります。特に頭を振ったり、頭を打ち付けたりすると、脳内の水分分布が変化し、それが脳の電気的特性や発生する電磁界に影響を及ぼします。被験者が頭を素早く動かしたり、急に上や下を見たりしないよう注意してください。そうしないと、データに変動が生じ、後処理の際に修正するのが困難になります。

脳波解析：指標と特徴量

EEGの解析や特徴量抽出に関しては、生データから結果を得るために必要な膨大な前処理手順に、すぐに圧倒されてしまうかもしれません。実際、効果的なEEGパラダイムを設計することは一種の芸術であり、EEGデータの解析は熟練を要する技術です。特に信号処理、アーチファクト検出、減衰処理、あるいは特徴量抽出といった分野においては、一定レベルの専門知識と経験が不可欠です。 これらのどのステップにおいても、対象とするEEGのプロセスや関心のある指標をどのように最も効果的に強調するかについて、十分な知識に基づいた判断が求められます。

ある人にとって有効な信号であっても、他の人にとってはノイズに過ぎないかもしれません。装置の特性、被験者集団、記録条件、刺激、あるいは実験パラダイム全体といった要素にかかわらず、あらゆるEEGデータセットに適用できる汎用的なデータ処理パイプラインなど、そもそも存在しないのです。

画像提供：Andrii Cherninskyi CC BY 3.0

1. 眼球の筋肉の収縮（例えばまばたきなど）によって引き起こされる眼電図上のアーチファクト。 前頭部電極で顕著な、振幅が大きく、遅く、正の波形。
2. P3電極と皮膚の接触不良（それによるインピーダンスの上昇）による電極アーチファクト。
3. 嚥下アーチファクト。
4. 基準電極と皮膚の接触不良による共通基準電極アーチファクト。全チャンネルで同様の巨大な波形。

幸いなことに、最近の脳波測定システムの中には、データ処理の「オートパイロット」機能を備えたものがあります。これらは主導権を握り、自動ノイズ除去処理を適用したり、高次元の認知・情動指標を自動的に生成したりすることで、結論を導き出すまでの時間を大幅に短縮することができます。

事象関連電位（ERP）

事象関連脳波（EEG）パラダイムの目的は、外部刺激によって引き起こされる脳の反応を捉えることです。事象関連脳波パラダイムでは、刺激を繰り返し提示します（例えば100回以上）。同時に、刺激の提示時間は200～1000ミリ秒と極めて短時間です。

イベント関連脳波（EEG）研究の背景にある論理について見てみましょう：

1. 刺激の提示とは全く無関係なランダムなノイズに加え、継続的かつ絶え間ない脳波（EEG）活動が常に発生しています。これが「デフォルト活動」（絶えず続く思考や精神状態）です。刺激を提示すると、刺激に関連する脳波活動が誘発されます。

2. 刺激と無関係な連続データの中から刺激に関連するEEGデータを抽出するために、刺激は数回（例えば50回以上）提示されます。データ収集が完了すると、50回のトライアルが得られます。これらは刺激開始時刻に時間同期されたデータ区間であり、通常、刺激開始の約200ミリ秒前から1000ミリ秒後までの範囲に及びます。 各トライアルは、各電極におけるデータの時間経過を表しています。連続的なEEG記録からデータ領域を選択することを、エポック化またはセグメンテーションと呼びます（場合によっては、各トライアルに対してベースライン補正が行われ、各刺激前のEEGデータの平均値が刺激後のデータから差し引かれます）。

3. アーチファクトを含むエポックを除外した後（あるいは、例えばまばたきによるデータの補正を行った後）、残りのエポックをサンプルごとに平均化し、EEGデータの平均的な時間経過曲線を作成します。すべての試行のEEG時間経過曲線を平均化することで、刺激に関連するEEG活動のみが残り、無関係なランダムなバックグラウンドノイズは低減されます（反復回数を増やすほど、事象関連EEGデータはよりクリーンなものになります）。

4. 残りの平均脳波波形は事象関連電位であり、特定の刺激によって誘発された刺激に関連する平均的な脳波活動を反映している。

研究により、視覚、触覚、聴覚、嗅覚、および触覚刺激といったあらゆる感覚モードにおける事象関連電位（ERP）が特定されている。これらの感覚刺激はすべて、事象関連脳波（EEG）活動を誘発する。

ERPは、外観や形状、数、潜時、「ウィグル」の振幅、ERP成分（正のピークと負のピーク）、およびトポグラフィ（ピーク時の全電極における電圧分布）といったいくつかの特徴によって記述することができます。N400、P300、N170などのERP成分は、学術研究において最も広く分析され、よく理解されているERP成分の一部です。

選択肢は2つあります。ERPを、刺激の開始時刻に同期させた時間経過曲線としてプロットすることも、あるいは刺激の特性や異なる内部状態に応じて時間とともに分布特性が変化する電位マップの系列としてプロットすることも可能です。電位が最も強い場所（正極および負極）によって、その時点でどの脳領域が活性化しているかを推測することができます。

多くの場合、科学者は異なる実験条件におけるERPを比較します。例えば、顔刺激によって誘発されたERPと家屋刺激によって誘発されたERPを比較するといった具合です。あるいは、異なる被験者グループ間のERPを比較することも可能です。例えば、自閉症スペクトラム障害のある子どもと、年齢を合わせた対照群を比較する場合などです。いずれの場合も、分析では、刺激提示時刻に同期した特定の時点における、条件間のERPの潜時、振幅、または分布の差異に焦点を当てます。

ERPの研究には、次の2つの要素が必要です：

1. 刺激の反復

刺激を1回提示しただけではERPを取得できないため（EEGデータには刺激に関連する成分と関連しない成分の両方が含まれる）、提示を繰り返す必要があります（100回以上の反復を想定してください）。

2. 刺激の正確なタイミング

事象関連パラダイムでは、各試行のEEGデータが刺激の開始時刻と正確に同期していることが前提となります。そのためには、刺激開始マーカーが刺激提示のまさにその瞬間に送信されている必要があります。開始マーカーと実際の刺激開始の間にランダムな遅延が生じると、EEGデータが刺激開始時刻と正確に同期していることは保証できなくなります。その結果、個々の試行がそれぞれの刺激開始時刻に完全に同期していないため、平均ERP波形が薄くなったり、完全に消失したりする可能性がある。 例えば、画面上の実際の刺激開始時刻を確実に把握する唯一の方法は、刺激提示画面にフォトダイオードを取り付け、その輝度レベルを他のデータと共に保存することです。刺激が画面に表示されるたびにフォトダイオードの信号が変化するため、誤っている可能性のある開始マーカーではなく、真の刺激開始時刻にデータを適切に同期させることができます。

ERPパラダイムの収集と分析に関する詳細は、Luck (2014) に記載されています。

脳波解析：指標と特徴量

ERP（イベント関連電位）の解析は、感覚刺激によって引き起こされる特定の脳活動に限定されています。しかし、脳は絶えず振動する発振器のようなものであり、例えば睡眠中のように刺激が全くない状態でも、リズミカルな活動を生成しています。私たちの行動、思考、動機、感情を駆動する脳活動を利用するためには、周波数の分析に基づいた、異なる解析アプローチが必要となります。

脳の活動に大きく寄与している主な周波数は何でしょうか？これらの周波数は、内部状態や環境要因の変化に応じてどのように変化するのでしょうか？

以前学んだように、脳は主に1～80Hzの低周波数を発生させます。これらは特定の周波数帯（デルタ波、シータ波、アルファ波、ベータ波、ガンマ波など）に分類され、注意、認知、感情の基盤となる特定の脳領域の活動と関連しています。

ERPと比較すると、周波数解析は生理学的プロセスや脳の構造とより密接に関連しています。そのため、周波数や周波数帯域の解析に焦点を絞る方が、多くの場合、はるかに容易です。周波数解析のもう一つの利点は、結論を導き出すために必要なデータ量がはるかに少ないことです。しかし、周波数に基づく解析には代償も伴います。電圧のミリ秒単位の変化を捉えることができるERPの設計とは対照的に、周波数に基づくEEG測定では、時間的な精度がはるかに低いのです。

試験時間が限られており、分析の目的が刺激に関連する活動の正確なタイミングではなく、被験者の一般的な精神的、情動的、あるいは認知的な状態にある場合は、頻度に基づく分析が推奨されます。頻度分析は、認知・情動状態に関する研究において特に有用です。例えば、被験者がメディアコンテンツに注意を向けているとき、製品や食品の品質について考察しているとき、あるいはウェブサイトやソフトウェアのインターフェースを操作しているときに脳波（EEG）を測定する場合などが挙げられます。

周波数解析において最も広く使われる用語の一つに「パワー」があります。これは、信号内の特定の周波数の強さを表すものです。パワーが高いということは、そのEEG信号に特定の周波数がより多く含まれていることを意味します。言い換えれば、そのEEG信号は特定の周波数によって支配されているとも言えます。周波数に基づく解析を始めたい場合は、被験者を探し、最も古く、最も多く再現されているEEG実験の一つを実施してみてください：

1. 目を開けてください。被験者から2分間脳波データを記録し、その間、ただ目を開けておくよう指示します（まばたきは自由です）。

2. 目を閉じてください。さらに2分間、脳波データを記録し、被験者に目を閉じて、自分の内面の思考や心象に集中するよう指示します。

FFTを用いて両条件を個別に分析し、自然発生的なEEGデータに含まれる周波数を抽出すると、目を閉じた状態では、目を開いた状態と比較して、後頭部チャンネルにおいてアルファ帯域（8～12 Hz）の周波数パワーが高いことがわかるでしょう。目を開いた際にアルファ波のパワーが低下するというこの現象は「アルファ波遮断」と呼ばれ、1929年にハンス・ベルガーによって初めて報告されました。

前頭部の非対称

ここ数十年の間に、脳波（EEG）データの周波数解析は格段に進歩した。周波数解析に基づく指標の中でも特に高度なものの一つが、前頭部の非対称性、すなわち前頭部の側性化である。

この関与度および動機付けの指標では、通常、ベータ帯域（12～25 Hz）またはガンマ帯域（25 Hz以上）のパワーが用いられ、特に前頭葉皮質領域上の電極（例えば、F3およびF4チャンネル）で測定される。研究者らは一貫して、右前頭葉皮質に比べて左前頭葉皮質で帯域パワーが高いことが、肯定的な感情、関与、および動機付けを示していることを明らかにしている（Davidson, 2004; Schaffer et al., 1983）。最近の知見によれば、メディア広告、実物製品、およびサービスに直面した際の回答者の関与度を測定する上で、前頭葉の側性化を実際に活用できることが示唆されている（Astolfi et al., 2008; Vecchiato et al., 2012; Yilmaz et al., 2014）。

好奇心や新規刺激に対する興奮といった安定した性格特性のEEGバイオマーカーに関する研究によると、前頭葉の側性化は、関与するか、あるいは引き下がるかという、その人の一瞬の「接近・回避」傾向を反映している。間接的には、この一瞬の関与は、その人の動機付けも反映している（Harmon-Jones et al., 2010）。 さらに、左前頭部の帯域パワーが大きいことは、喜びといった関与に関連する感情の指標となり得る一方、右前頭部の帯域パワーが大きいことは、嫌悪、恐怖、悲しみなどの否定的感情状態を示唆する可能性がある。

テレビCMを視聴している被験者からEEGデータを収集し、どの広告やどのシーンがターゲット層の関与度を高めているのか、また市場投入前にどの部分を修正すべきかを知りたいと考えているかもしれません。この場合、連続的なEEGデータから前頭部の非対称性を比較的容易に算出することができます。必要な電極はF3とF4の2つです。ほぼすべてのEEGヘッドセットには、これらの標準的な電極位置が備わっています。 もしお使いのEEGシステムにF3およびF4の電極がない場合でも、本来のF3-F4の位置付近にある電極を使用することも可能です。

以下の処理手順に従ってください：

1. データの前処理を行う

研究によって手順は異なるため、一般的な推奨事項を示すことはできません。最適な手順の順序を見つけるための優れた出発点としては、前頭葉の非対称性に関するオリジナルのpvapers論文や、Luck（2014）およびCohen（2014）の著書が挙げられます。

2. データをエポック変換する

このステップでは、各広告の再生中に記録された連続的なEEGデータを、より短い区間に分割します。科学的な研究では、最大2秒間の重なりを持つエポックを設定することが推奨されています。もし60秒間の広告をテストする場合

3. 周波数変換

各エポックに周波数変換を適用し、データの根底にある周波数を特定します。ベータ帯域（12～25 Hz）のパワーに注目することができます。

4. 各エポックについて前頭部の非対称性を計算する：

つまり、左右の脳半球間のパワーの差を、両半球の合計パワーで割った値である。非対称性が高いほど接近行動を反映し、低いほど回避行動を反映する。

5. 前頭部の非対称性をプロットする

この手順では、1エポックごとに1つの非対称性スコアが生成されます。これにより、スコアの経時変化をプロットして、刺激の提示中に生じる動機付けや関与の変化を可視化することができます。さらに、すべてのエポックの値を平均化することで、全体的な前頭葉非対称性指数を求めることができます。

これらを総合すると、ベータ波およびガンマ波帯における前頭部の非対称性は、刺激や心的イメージに対する動機付けの度合い（接近）あるいは回避の度合い（回避）の観点から解釈することができる。前頭部の非対称性は、頭皮の前頭部に電極を配置したEEGヘッドセット（理想的にはF3およびF4）から抽出することができ、これにより、刺激提示の過程における動機付けの短期的な変化を分析することが可能となる。

認知・情動指標

関与や動機付けに関連する周波数ベースの脳信号に加え、学術研究や産業研究では、精神的負荷や眠気の根底にある大脳皮質のプロセスが調査されている。

実稼働環境において、回答者の疲労度、注意力、タスクへの没入度、および精神的負荷を継続的にモニタリングする能力は、特定の行動が危険な状況を引き起こす可能性があるシナリオにおいて特に有用である。 一例として、発電所の制御担当者の認知的負荷、眠気、およびタスクへの没入度をモニタリングすることは、脳が（すべてが順調な場合）一般的に非常に単調な環境にどのように反応するか、また、まれではあるが時折発生する災害や生命を脅かす状況に対して、皮質負荷や没入度のスコアがどのように適応するかを分析するのに役立つ可能性があります。この情報は、没入感、モチベーション、生産性を高めるためのデバイス、ソフトウェアインターフェース、あるいは作業環境全体の最適化に活用できます。

さらに、進行中の脳活動からエンゲージメントや覚醒度の心理生理学的マーカーを継続的に抽出することで、認知状態、感情状態、注意状態に関するフィードバックを提供する閉ループシステムの設計が可能になります。 言い換えれば、脳に基づく作業負荷や眠気のレベルが所定の閾値を超えた場合（あるいは集中度のレベルが一定値を下回った場合）、対象者に通知を行い、対策を講じさせることができる。この研究分野は今後数年間でさらに発展し、脳に基づくユーザーの状態に完全に自動で反応する、完全に適応型のシステムが設計されることになるだろう。

例えば、Advanced Brain Monitoring（ABM）社の「B-Alert EEG」シリーズは、いくつかの学術研究プロジェクトにおいて有効性が実証されている2つの認知・情動指標を提供しています（Berka et al., 2004 / 2007; Johnson et al., 2011; Stevens et al., 2007; Stikic et al., 2014）：

1.認知状態

認知状態は、情報収集や視覚的探索を行う際の、全体的な関与度、注意力、集中度を反映しています。関与度は連続的な尺度で表され、両極端の値は0（関与度が低い）と1（関与度が高い）です。これらの両極端の間の値を分類するために、ABMでは、関与度が高くなる順に以下の4つの分類レベルを設けています：

• 入眠 [0.1]

• 注意散漫 [0.3]

• 高いエンゲージメント [0.9]

• エンゲージメントが低い [0.6]

2. 業務量

ワークロードとは、作業記憶、問題解決、分析的推論といった実行機能に関わるあらゆる認知プロセスを指します。 シータ帯域の活動に関連するワークロードは、課題の要求度やワーキングメモリの負荷が高まるにつれて増加する。例えば、リストを記憶したり、課題に関連する要素に集中するために注意をそらす刺激を遮断しようとしたりする際などがこれにあたる。ワークロードの数値範囲も0から1であり、値が大きいほどワークロードが高いことを示す。認知状態の指標とは対照的に、ワークロードにはスケールの中央に「最適な範囲」が存在する：

• 退屈 [最大 0.4]

• 最適な負荷 [0.4 – 0.7]

• ストレスと情報過多 [0.7以上]

これらの指標の主な利点は、前頭前野非対称性指数と同様に、値が0から1の範囲に標準化されている点です。値が小さいほど、関与度や作業負荷が低い、あるいは軽減されていることを示し、値が大きいほど、関与度や作業負荷が高まっていることを反映しています。

指標は1秒ごとに算出されるため、動的な刺激の提示（ウェブサイトやソフトウェアの操作、動画の視聴、ショッピングモールの探索など）の全過程において、認知的・情動的状態がどのように変化するかを容易に評価することができます。また、動画のシーン、ウェブサイト、店舗のコーナーなど、より長い時間軸にわたって平均を算出するだけで要約スコアを算出でき、作業負荷や関与度の全体的なレベルを抽出することが可能です。

認知・情動指標も提供できる別の脳波ヘッドセットシリーズとして、Emotiv社が製造する「Emotive EPOC」および「EPOC+」があります。これらのデバイスでは、以下の指標を収集することができます：

1. 没頭／退屈は、長期的な覚醒状態と、課題に関連する刺激への意識的な注意の向け方を反映している。

2. 興奮（覚醒）とは、正の価値を持つ刺激に対する瞬間的な生理的覚醒を反映するものである。

3. ストレス（フラストレーション）

4. 瞑想（リラクゼーション）

Emotiv社はこれらの尺度の妥当性に関する公開された論文を提供していないため、これらの指標の科学的価値については議論の的となっている（例：Pham & Tran, 2012）。

周波数ベースのEEG指標は、以下の商用および学術的な応用分野で利用されています：

• 生物医学工学において、
  周波数に基づく設計手法はブレイン・コンピュータ・インターフェース（BCI）の分野で活用されている。運動野におけるアルファ波活動をモニタリングすることで、研究者は被験者が特定の四肢を動かすことを計画しているかどうかを検知することができる。重要な点は、たとえ四肢が麻痺している場合（例えば事故の後など）であっても、これらの領域は特定の周波数で振動し続けるということである。こうした脳信号をモニタリングすることで、患者は自身の脳活動に基づいてロボットアームやロボット脚を操作することが可能になる。
• 消費者神経科学：実店舗や仮想店舗を散策する回答
  者から、周波数ベースのEEG指標を測定することで、買い物中のエンゲージメント、動機付け、または眠気の度合いを調査することができます。店内のどこでエンゲージメントレベルが高く、どこで動機付けが最も低くなるのでしょうか？自己報告やインタビューは、回答者の記憶や内省能力の限界（あるいは社会的期待）により、通常は偏りが生じがちですが、EEGを用いれば、実際の散策中に直接的かつ非侵襲的なモニタリングが可能となります。
• マーケティング調査において
  、頻度ベースの脳波（EEG）指標は、認知・情動プロセスに基づいて障害要因を特定し、ワークフローを改善するため、製品のパッケージやデザイン、さらにはウェブサイトやソフトウェアのインターフェースに至るまで、ブランドの有効性を検証する商業調査で広く活用されています。
• 広告、予告編、メディアテスト　
  テレビ広告は、潜在的な顧客に商品やサービスを購入してもらうことを目的としています。広告や予告編を視聴する回答者の脳波（EEG）活動をモニタリングし、その周波数成分に基づいてデータを分析することで、視聴者の認知的・情動的な状態について、フィルターのかかっていない偏りのない洞察を得ることができます。同様に、オンライン授業の教材や解説動画についても、エンゲージメントや学習負荷の指標に基づいて評価することができ、理解しにくい教材を排除することが可能になります。

これで終わり？

とんでもない！もしこのガイドが参考になったなら、下記からダウンロードできる全64ページのEEGポケットガイドもきっと気に入っていただけるはずです。ご質問がございましたら、お気軽に当社のEEG専門家チームまでお問い合わせください。研究をさらに一歩前進させるお手伝いをいたします。最適なEEG機器選びに欠かせない5つのポイントに関する記事もぜひご覧ください。

脳波測定装置メーカー

• Advanced Brain Monitoring (ABM) (2237 Faraday Ave, Carlsbad, CA, 92008, USA)
• ant Neuro（Colosseum 22, 7521 PT エンスヘデ、オランダ）
• Biosemi B.V.（WG-Plein 129, 1054SC アムステルダム、オランダ）
• ブレインマスター・テクノロジーズ社（195 Willis Street, Bedford, OH 44146, USA）
• Brain Products GmbH（住所：Zeppelinstr. 7, 82205 Gilching, Germany）
• コグニオニクス社（8445 Camino Santa Fe [Suite 205]、サンディエゴ、CA 92121、米国）
• エレクトリカル・ジオデシックス（EGI）。（500 East 4th Ave., Suite 200, Eugene, OR 97401, USA）
• Emotiv Inc.（268 Bush Street [Suite 4109]、サンフランシスコ、CA 94104、米国）
• g.tec Medical Engineering GmbH（住所：Sierningstrasse 14, 4521 Schiedlberg, オーストリア）
• NeuroSky Inc.（125 S Market Street [Suite 900]、サンノゼ、CA 95113、米国）
• Mind Media BV.（Louis Eijssenweg 2B, 6049CD Herten, オランダ）
• ミツァール株式会社（Mitsar Co. Ltd.、住所：ロシア・サンクトペテルブルク 197374、オプティコフ通り4-2A、BC「ラフタ」）
• Neuroelectrics（住所：Avinguda Tibidado, 47 bis, 08035 バルセロナ、スペイン）
• ウェアラブル・センシング社（5754 Pacific Center Blvd, San Diego, CA 92121, USA）

脳波解析ソフトウェア

• iMotions Lab
• BESAリサーチ（BESA GmbH）
• BIOPAC ACQKnowledge（BIOPAC Inc.）
• ブレインストーム（南カリフォルニア大学、カリフォルニア州ロサンゼルス）
• BrainVision Analyzer（Brain Products GmbH）
• BrainVoyager（Brain Innovation B.V.）
• Cartool Software（ローザンヌ・ジュネーブ生物医学画像センター）
• Curry 7（コンピュメディックス・リミテッド）
• EEGLAB（カリフォルニア大学サンディエゴ校（UCSD）スワーツ計算神経科学センター）
• ロレタ（KEY脳・精神医学研究所、チューリッヒ）

参考文献

• 米国脳波学会（1994）。米国脳波学会。ガイドライン13：標準電極位置の命名法に関するガイドライン。『Journal of Clinical Neurophysiology』、11、111–113。
• Astolfi, De Vico Fallani, Cincotti ほか (2008). テレビコマーシャルに対する脳反応の神経基盤：高解像度脳波（EEG）研究. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 16(6), 522–531.
• Badcock, Preece, de Wit ほか (2015). 小児における研究レベルの聴覚事象関連電位測定のためのEmotiv EPOC EEGシステムの妥当性検証. PeerJ, 3, e907.
• Berka, Izzetoglu, Bunce ほか (2004). ワイヤレスEEGヘッドセットを用いて取得した覚醒度、認知機能、および記憶に関するEEG指標のリアルタイム解析. International Journal of Human-Computer Interaction, 17(2), 211–227.
• Berka, Levendowski, Lumicao ほか (2007). 警戒、学習、および記憶課題における課題への没頭度と精神的負荷のEEG相関. Aviation, Space, and Environmental Medicine, 78(5), B231–B244.
• Buzsáki, Anastassiou, & Koch (2012). 細胞外電場および電流の起源 ― EEG、ECoG、LFP、およびスパイク。Nature Reviews Neuroscience, 13(6), 407–20.
• Cohen (2011). 「そろそろその時が来た」。『Frontiers in Human Neuroscience』, 5(2), 1–15.
• コーエン（2014）『ニューラル時系列データの分析：理論と実践』マサチューセッツ州ケンブリッジ：MITプレス。
• Colrain, Turlington, & Baker (2009). アルコール依存症が男女の睡眠構造および脳波パワースペクトルに及ぼす影響. Sleep, 32(10), 1341-352.
• Davidson (2004). 前頭前野は感情においてどのような「役割」を果たすのか：前頭部の脳波非対称性研究に関する考察. Biological Psychology, 67(1-2), 219–234.
• de Vico Fallani、Astolfi、Cincotti ほか（2008）。テレビコマーシャルにおける記憶の正常な符号化時の皮質ネットワークの構造。『Clinical Neurophysiology』、119(10)、2231–223764
• Dimigen, Valsecchi, Sommer, & Kliegl (2009). ヒトの微小サッカードに関連する視覚的脳反応. The Journal of Neuroscience, 29(39), 12321–31.
• Gratton, Coles, & Donchin (1983). 眼球アーチファクトをオフラインで除去する新しい手法. Electroencephalography and Clinical Neurophysiology, 55(4), 468–484.
• ハンディ（2005）『事象関連電位：方法論ハンドブック』ケンブリッジ：MITプレス。
• Harmon-Jones, Gable, & Peterson (2010). 感情関連現象における非対称的前頭葉皮質活動の役割：総説と最新動向. Biological Psychiatry, 84, 451–462.
• Johnson, Popovic, Olmstead ほか (2011). 同期化されたEEGおよび認知機能を用いて、一般化されたモデルを個人に合わせて調整するための眠気・覚醒度アルゴリズムの開発と検証。Biological Psychology, 87(2), 241–250.
• Jung, & Berger (1979). 『脳波検査の50年：ハンス・ベルガーによる脳波の発見と初期の知見（1924–1931）』. 『精神医学・神経疾患アーカイブ』, 227, 279–300.
• Kahana, Sekuler, Caplan, Kirschen, & Madsen (1999). 仮想迷路の探索中、ヒトのシータ波は課題に依存した変化を示す。Nature, 399(6738), 781-784.
• Klimecki, Leiberg, Lamm, & Singer (2012). 思いやりトレーニング後の機能的神経可塑性とそれに伴う肯定的感情の変化. Cerebral Cortex, 23(7), 1552-1561.
• Klimesch (1996). 記憶プロセス、脳波振動、およびEEG同期。International Journal of Psychophysiology, 24(1-2), 61-100.
• Lainscsek, Hernandez, Weyhenmeyer, Sejnowski, & Poizner (2013). 「EEG時系列の非線形力学解析によるパーキンソン病患者と健常者の鑑別」。Frontiers in Neurology, 04-200.
• Lopes da Silva, Gonçalves, & de Munck (2009). 脳波検査（EEG）。『神経科学百科事典』, 849-855.65
• Luck (2005). 「ERP実験を設計するための10の簡単なルール」。Handy編『Event-Related Potentials: A Methods Handbook』所収。マサチューセッツ州ケンブリッジ：MIT Press。
• Luck (2014, 第2版). 『事象関連電位法の入門』. マサチューセッツ州ケンブリッジ：MITプレス.
• 水原、王、小林、および山口（2004）。精神課題におけるシータ波振動とともに現れる長距離皮質ネットワーク。『Neuroreport』、15(8)、1233。
• Niedermeyer & Lopes da Silva (2012, 第6版). 『脳波検査：基礎原理、臨床応用および関連分野』. ペンシルベニア州フィラデルフィア：Lippincott Williams & Wilkins.
• Ohme, Reykowska, Wiener, & Choromanska (2010). 広告研究における前頭部脳波の非対称性の応用. Journal of Economic Psychology, 31(5), 785–793.
• O‘Keefe, & Burgess (1999). シータ波活動、仮想ナビゲーション、およびヒトの海馬。『Trends in Cognitive Sciences』, 3(11), 403-406.
• Onton, Delorme, & Makeig (2005). 作業記憶中の前頭部正中線における脳波の動態. Neuroimage, 27(2), 341-356.
• Oostenveld, & Praamstra (2001). 高解像度EEGおよびERP測定のための5パーセント電極配置法. Clinical Neurophysiology, 112(4), 713–719.
• Pham, & Tran (2012). Emotiv EPOCデバイスを用いた感情認識. 『Lecture Notes in Computer Science』, 7667, 394–399.
• ラムソイ（2015）『ニューロマーケティングと消費者神経科学入門』ローヴィグ：ニューロンズ社。
• Rana, & Kaina (2014). 複雑な視覚運動課題における皮質ネットワークの活性化と非活性化を調節する10 Hzアルファ帯域パワーの機能的役割. PLOS One, 9(10), e107715.
• Saab, Battes, & Grosse-Wentrup (2011). 運動イメージ課題における乾式電極と湿式電極を用いた同時EEG記録. 第5回国際脳・コンピュータ・インターフェース会議 (BCI 2011), 312–315.66
• Schack, Klimesch, & Sauseng (2005). 作業記憶課題におけるシータ波と高周波アルファ波の位相同期. International Journal of Psychophysiology, 57(2), 105-114.
• Schaffer, Davidson, & Saron (1983). うつ病患者と非うつ病被験者における前頭葉および頭頂葉の脳波の非対称性. Biological Psychiatry, 18, 753–762.
• Stevens, Galloway, & Berka (2007). 学生が問題解決スキルを習得する過程における認知的負荷、没頭度、および注意散漫に関する脳波（EEG）の変化。第11回ユーザーモデリング国際会議（UM 2007）、187–196。
• Stikic, Johnson, Tan, & Berka (2014). 脳波に基づく肯定的および否定的な感情状態の分類. Brain-Computer Interfaces, 1(2), 99–112.
• Vecchiato、Toppi、およびAstolfi（2012）。電気的神経画像診断の付加価値