効率的なフーリエ集約による手持ちビデオのブレ除去

Hand-Held Video Deblurring Via Efficient Fourier Aggregation
Mauricio Delbracio, Guillermo Sapiro
IEEE Transactions on Computational Imaging, Vol.1, No.4, pp.270-283, 2015
20180425_kkobayashi

手持ちカメラで撮影されたビデオは,主に撮影者の手の必然的な自然な振れによって引き起こされる,かなりの量のぼやけに悩まされる.本研究では,フーリエ領域の情報をビデオ内の連なるフレームから組み合わせることにより,手ぶれによるブレを除去するアルゴリズムを提案する.複数の動きのあるオブジェクトやオクルージョンが存在する典型的なビデオの動的な性質は,特に複雑さが低い場合には,手ぶれの除去に関するこの問題を非常に困難にする.入力ビデオフレームが与えられると,まず,時間的に隣接するフレームの一貫した登録バージョンを作成する.その後,一貫して登録されたフレームのセットは,フーリエ領域で,フーリエスペクトルの大きさに応じた重みでブロック的に融合される.この方法は,手ぶれのぶれがランダムな性質を有するという生理的な事実から動機付けられる.したがって,連なるビデオフレームは,一般に異なるようにぼやけている.幅広い比較とともに,自然に記録された多数のビデオを使った実験は,提案されたアルゴリズムが最先端の結果を達成すると同時に,競合他社よりもはるかに高速であることを示している.

ワーキングメモリのパフォーマンスに関する脳の接続性

Brain Connectivity Related to Working Memory Performance
Michelle Hampson, Naomi R. Driesen, Pawel Skudlarski, John C. Gore and R. Todd Constable
Journal of Neuroscience 20 December 2006, 26 (51) 13338-13343
2018_0423 taimoto

後部帯状回皮質(PCC)および内側前頭回および腹側前方帯状回皮質(MFG / vACC)の部分を組み込んだ内側前頭領域を含む,いくつかの脳領域は,機能的イメージング研究における多くの異なる認知課題中にシグナル低下を示す.これらの領域は,安静時に係合し,認知課題中に離脱するデフォルトモードネットワークの構成要素であることが示唆されている.この研究では,作業記憶タスク中および安静時のPCCとMFG / vACCとの間の機能的接続性を,領域間の磁気共鳴信号レベルの時間相関を調べることによって調査した. 2つの領域は両方の条件において機能的に連結されていた.さらに,作業記憶タスクの性能は,作業記憶タスクの間だけでなく,安静時でも,この機能接続の強度と正の相関があった.したがって,これらの領域は,認知課題の間に乖離するのではなく,認知能力を促進または監視するネットワークの構成要素であると思われる.さらに,これらのデータは,これらの2つの領域の間の結合強度の個人差が,この作業記憶タスクにとって重要な認知能力の差異を予測する可能性を高める.

個々の人間の脳の精密な機能マッピング

Precision Functional Mapping of Individual Human Brains
Evan M.Gordon, Timothy O.Laumann, Adrian W.Gilmore, Dillan J.Newbold Neuron, Volume 95, Issue 4, 16 August 2017, Pages 727-729
20180423knakamura

fMRIを用いた人間の脳機能の研究は,休止状態の機能的接続性(RSFC)およびタスク活性化マップの詳細と特異性,および臨床的有用性を調べるためにグループ全体で平均化されたデータを分析することに主に焦点を当てている.脳組織の機能的な理解を個々の人間のレベルについて行うために,10名の成人のそれぞれから,5時間のRSFCデータ,6時間のタスクfMRI,複数の構造的MRI,および神経心理学的検査を含む新規なMRIデータセットを用意した.これらのデータを使用して,個人ごとに10の忠実度の高い個人特有の機能的コネクトームを生成しました.この個人の機能的接続に基づくアプローチは,構造的およびタスクに由来する脳の特徴に対応する独自のネットワーク機能とネットワークトポロジーを含む,脳ネットワークにおけるいくつかの新たな変動性を明らかにした.我々は健常者および罹患した個々の人間の脳の組織を調べる将来の研究に用いるモデルとして,この高度にサンプリングされた個人中心のデータセットを神経科学者のためのリソースとして発表した.

ハイブリットEEGーアイトラッカー:脳波信号からの眼の動きとまばたきの自動同定と除去

Hybrid EEG–Eye Tracker: Automatic Identification and Removal of Eye Movement and Blink Artifacts from Electroencephalographic Signal
Mannan, Malik M Naeem and Kim, Shinjung and Jeong, Myung Yung and Kamran, M Ahmad
Sensors 2016, 16(2), 241
20180423rosawa

EEGに記録される眼球運動および瞬きのアーチファクトによる汚染は,脳波データの分析をより困難にし,誤まった結果に導く可能性がある.EEGデータからこれらのアーチファクトを効率的に除去することは,ブレインコンピュータインターフェース(BCI)を開発するための分類精度を改善するための重要なステップである.本稿では,EEGとアイトラッカーのハオブリッドシステムを用いてEEGデータから眼のアーチファクトを識別し除去するための独立成分分析(ICA)とシステム同定に基づく自動フレームワークを提案した.提案するアルゴリズムの性能は,実験的および標準的なEEGデータセットを用いて評価した.提案されたアルゴリズムは,アーチファクトの領域から目に関連するアーチファクトを除去するだけでなく,非アーチファクト領域での神経活動に関連するEEG信号を保存する.ADJUST based ICA,REGICA と呼ばれる二つの最先端の技術を比較することで,EEGデータから目の動き及び瞬きのアーチファクトを除去するために提案されたアルゴリズムにおける重要な改善点と性能差を明らかにする.さらに提案されたアルゴリズムにより修正されたEEGデータとアーチファクトのないEEGデータとの間に低い相対誤差及び高い相関を得られることを実証した.

無意識の情動刺激に対する扁桃体の反応

Amygdala Response to Emotional Stimuli without Awareness: Facts and Interpretations
Matteo Diano, Alessia Celeghin, Alessia Celeghin, Marco Tamietto
Frontiers in psychology 7, 2029, 2017
20180412 rshimizu

過去20年にわたり、観察者が誘発情動刺激の内容、または存在さえ認識していないときにも、ヒト扁桃体がその機能のいくつかを発揮するという証拠が報告されている.それにもかかわらず、焦点を当てた注意や認識なしに扁桃体の反応に影響を及ぼす限界と条件については、まだ判明していない.ここでは、被験者に関する過去や最近の研究を考慮し、健常者および脳損傷患者に関するニューロイメージングの文献を調べ、その刺激の強さと限界について考える。
我々は視覚認識できる刺激とできない刺激では扁桃体の機能に違いが出ることは、高い時間分解能を有する扁桃体応答をサンプリングするデータと共に、扁桃体を中心とする機能的および解剖学的機構の多様性を理解すると,非意識的感情処理におけるその役割を支持するのに役立つことが主張できる.
また相互作用するネットワークは皮質および皮質経路の異なる計算特性を利用して扁桃体へ視覚情報を仲介しそれによって感情処理の異なる段階で扁桃体機能をサポートする.この見解は明らかに対照的な提案と同様に、文献の明らかな矛盾を和らげる.我々は、この応答は異なる機能的メカニズムに由来するものであり、一般的に想定されているよりも複雑なニューラルネットワークによって引き起こされているにもかかわらず、認識なしで扁桃体応答を支持する証拠としている.このようなメカニズムの複雑さを認識することで、扁桃体の機能の多様性を認識しなくても、人間の行動に影響を与えることなく、新しい洞察を得ることができる.

結合度解析による感情理論の研究:一般化された心理生理学的相互作用とグラフ理論からの証拠

Studying emotion theories through connectivity analysis: Evidence from generalized psychophysiological interactions and graph theory
Huang, Yun-An and Jastorff, Jan and Van den Stock, Jan and Van de Vliet, Laura and Dupont, Patrick and Vandenbulcke, Mathieu
NeuroImage, Vol.172, pp.250-262, 2018
20180412 sikeda

基本的な情動理論によれば,情動はより基本的な単位に分けることができず,それぞれの基本的な感情は独自 の固有の神経回路によって表されるのに対し,感情の心理学的構築モデルは基本的な心理過程によって構築され る可変的な概念である.以前の研究では,いくつかの脳領域が異なる感情を知覚するときに共通して活性化され ることを示すことによって,一般的な情動ネットワークとして心理学的構築モデルの証拠を示している.さらに この一連の脳領域は心理学的構築モデルによって予測されるように,中枢的な影響,概念化および実行制御に関 連する領域であった.本研究では,2 つの課題を解決するため,同一のデータセットないの機能的な脳の結合性を 調査する.1 つめは異なる情動を知覚するために一般的な情動ネットワーク内に共通の経路があるかどうか,2 つ めはもしそうであればこの共通の経路に異なる情動を区別するための情報が含まれているかどうかである.一般 的な感情ネットワーク内の接続性を調べるため,一般化された心理生理学的相互作用および情報フロー指標を使 用した.その結果,中枢的な影響,概念化,言語および実行制御に関与するノードを接続する一般的な情動経路 を明らかにした.異なる感情の知覚は,一般的な情動経路のノードからの接続パターンに基づいて正確に分類す ることができなかった.一般的な情動経路外の接続が含まれていた場合,正常な分類が可能であった.本研究で は,一般的な情動経路は一般的な情動ネットワーク内の共通の経路として機能し,感情を越えた共通の基本的な 心理プロセスに関与することを提案する.しかし,異なる情動を分類するために一般的な感情ネットワーク内の 追加の接続が必要である.

シングルチャンネルEEGデバイスを用いたドライバー疲労のモニタリング:凝視ベース,運転実績,主観的データによる検証研究

Monitoring driver fatigue using a single-channel electroencephalographic device: A validation study by gaze-based, driving performance, and subjective data
José M. Morales,Carolina Díaz-Piedra,Héctor Rieiro,Joaquín Roca-González,Samuel Romero,Andrés Catena, Luis J. Fuentes,Leandro L. Di Stasi
Accident Analysis & Prevention Volume.109, pp.62–69, 2017
180411_snakamura

ドライバーの疲労はアルコールと同等にパフォーマンスを低下させる可能性がある.毎年何千もの事故や死亡事故を引き起こしている交通安全における最も重要な懸案事項である.技術開発により,ウェアラブルなシングルチャンネルEEGデバイスは,疲労モニターとして注目を集めている.ドライバーが自分の疲労レベルを評価し,パフォーマンスの低下を防ぐのに役立つ.しかし,ドライバーの疲労の生理学的影響の調査にはシングルチャンネルEEGデバイスを用いた研究はほとんどなく,結果的に矛盾する結果となった.ここでは,精神状態の変化(覚醒から疲労まで)をモニターするために,シングルチャンネルEEGデバイスの妥当性を評価した. 15人のドライバが2時間のシミュレーターにおけるドライビング・タスクを行い,同時に前頭脳活動とサッカード速度を記録した.サッカード速度は疲労の基準指標として用いた.また、主観的な倦怠感や疲労感、運転実績も収集した.デルタ波のパワースペクトルは逆U字型の二次傾向を示し,ベータ波のパワースペクトルは運転セッションが進行するにつれて直線的に増加することがわかった.サッカードの速度は直線的に減少し,疲労度の上昇を示唆した.本発明者らの結果は,EEGデバイスが精神状態における変化を検出し,日常的な複雑で動的なタスクでの計測が可能であることを示唆した.

Brain activity, Driving simulation, Eye movements, Fatigue detector, Low-cost technology, Wearable technology

若い男性ドライバーのマインドワンダリング傾向と危険な運転の関連について

Linking mind wandering tendency to risky driving in young male drivers
Albert, Derek A and Ouimet, Marie Claude and Jarret, Julien and Cloutier, Marie-Soleil and Paquette, Martin and Badeau, Nancy and Brown, Thomas G
Accident Analysis & Prevention 111 (2018): 125-132

“危険な運転は,特に若いドライバーの交通事故の重大な原因である.マインドワンダリング状態は,自発的な気晴らしの形態であり,車間距離の短縮,応答時間の遅れ,運転者の警戒の軽減,および衝突リスクの増大に関連する.しかし,マインドワンダリングが危険な運転を引き起こすかどうかは不明である.マインドワンダリングは実行機能制御にも関連しているが,この能力がマインド・ワンダリング傾向と危険な運転との関係を緩和するかどうかは不明である.本研究は,18-21 歳の若い男性運転者(N=30)において危険運転行動を予測するかどうか,運転者の警戒と実行機能制御の関係性の緩和について調査した.マインドワンダリングは,SART(Sustained Attention to Response Task)とDDFS(Daydreaming Frequency Scale)で測定された.危険な運転は,運転シミュレータの平均速度によって評価され,ドライバーの警戒は目の追跡で測定された水平眼球運動によって定量化された.結果は,SART のパフォーマンスに基づくマインドワンダリング傾向が大きいほど,より速い平均速度を確認した.しかし,ドライバーの警戒または実行機能制御力のいずれの関係性も緩和しなかった. これらの知見は,マインドワンダリングの個人差の複雑さを言及している.全体的に,マインドワンダリング傾向は若いドライバーの危険な運転の重要なマーカーであり,それは標的とされた介入の発展を導くことができる.”

瞬時接続の時間経過を用いた機能分割

Functional parcellation using time courses of instantaneous connectivity
Erik S.B.van Oort, Maarten Mennes, Tobias Navarro Schroder
NeuroImage 2017, Available online 14 July 2017

機能的な神経イメージングの研究により,脳機能は空間的に分離された領域間の機能的ネットワークの集合であると理解されてきた.これらのネットワークは,各ネットワークの機能を強調して担う1 組の領域群から構成されていると考えられる.このため,脳の機能的構造の本質的なコンポ―ネントが脳の各領域であるとして,機能的な分割によって脳の機能的領域を同定することを目的とする手法が数多く提唱されている.現在の分割手法は,通常,ボトムアップ手法を採用し,より小さい単位の領域をクラスタリングすることによって領域を生成する.本研究では,あらかじめ定められた関心領域をサブ領域に分割するために,脳機能の瞬時の接続性を用いたトップダウン手法を提案する.最適なサブ領域の数を決定するために,split-half reproducibility が用いられた.静止状態のfMRI データに対して瞬時接続分割手法が適用され,視床、嗅内皮質、運動皮質、および脳幹および線条体を含む皮質の分割を生成する能力が実証された.分割された領域は,細胞構造アトラスと比較して評価され,本手法が既知の細胞構造的特徴に従う生物学的に有効な領域を生成することが示された.

オートエンコーダーを用いたアンサンブルExtreme Learning Machineに基づくリモートセンシングの画像分類

Remote Sensing Image Classification Based on Ensemble Extreme Learning Machine With Stacked Autoencoder
Lv, Fei and Han, Min and Qiu, Tie
IEEE Access, vol. 5, pp. 9021-9031, 2017

分類は,リモートセンシングで最も人気のあるトピックの1つである.リモートセンシングデータは複雑であり,ラベルされたトレーニングサンプルの数がリモートセンシング画像の分類における性能および効率を制限してしまうという問題がある.これらの問題のために,過去20年間に膨大な数の方法が提案された.しかし,それらの大部分は良好な性能をもたらさない.本論文では,ELMのアンサンブルに基づくリモートセンシング画像分類アルゴリズムSAE-ELMを提案する.まず,アンサンブルの分類精度を向上させるために,標本データに特徴的なセグメンテーションとSAEを採用し,ベース分類器間の多様性を向上させる.さらに,アルゴリズムの学習速度を向上させるために,ELMニューラルネットワークをベース分類器として選択する.最後に,最終的なアンサンブルベースの分類器を決定するために,Q-statisticsを用いた.実験では,提案アルゴリズムをBagging,Adaboost,Random Forestらと比較し,提案アルゴリズムが低解像度,中解像度,高解像度,ハイスペクトラムのリモートセンシング画像で高い分類精度を得るだけでなく,UCIデータにおいて,高い安定性と汎用性を示した.