視覚探索時の目標刺激の有無と視覚提示の均一性との間の神経学的相互作用:fMRI を用いた研究

Neural basis of interaction between target presence and display homogeneity in visual search : An fMRI study
NeuroImage, vol.45, pp. 993-1001, 2009
20161026 htanaka

機能的磁気共鳴画像法 (fMRI) の技術は,同種もしくは異種の視覚探索に機能する注意機構の神経メカニズムを 研究するために使用された.参加者は,トライアルの半分で目標刺激が存在する場合の探索を行い,残りの半分 で目標刺激が存在しない場合の探索を行う設計といった,同じ配向もしくは異なる配向をもつ妨害刺激の中での 探索が求められた.行動的には,妨害刺激が不均一であった時には妨害刺激がある場合よりもない場合の方が反 応時間は遅く,妨害刺激が均一であった時には妨害刺激がない場合の方が反応時間は早かった.神経レベルでは, 幅広く分布する分散ネットワークは,この妨害刺激の有無の作用が関与している.左右の前頭眼野,頭頂間溝,中 心前回そして補足眼野は,妨害刺激に対して目標刺激が際立って見える場合や目標刺激の有無を探索したり反応 したりする場合に機能する.右側の上前頭回や左右の側頭頭頂接合部は,探索過程において妨害刺激の情報を処 理する際に機能する.

Visual search, Feature search, Display homogeneity,fMRI

静的および動的なレスティングステイト fMRI の脳コネクティビティを用いた統合失調症と双極性患者の分類

Classification of schizophrenia and bipolar patients using static and dynamic resting-state fMRI brain connectivity
NeuroImage, Vol.134, 645-657, 2016
20161018 rhagiwara

最近,機能的ネットワークコネクティビティ(空間的に離れた脳内ネットワーク間の時系列相関として定義され た,FNC)が,様々な精神疾患における脳内ネットワークの機能的な構成を調べるために使用されている.動的 な FNC は,時間の短い期間にわたって FNC の変化を考慮する従来の FNC 解析の最近の拡張である.このよう な動的 FNC 計測は,コネクティビティの様々な側面について利益となるかもしれないが,複雑な精神疾患におい て分類するために静的および動的 FNC の性能の詳細な直接的な比較はない.本論文では,静的および動的 FNC の特徴に基づいて,統合失調症,双極性患者および健常者の自動分類のためのフレームワークを提案する.また, 静的および動的 FNC 間の交差検定分類性能を比較する.結果は,動的 FNC からの特徴が分類目的のための静的 FNC より明確な利点を示し,動的 FNC が予測精度の面で静的 FNC よりもより優れていることを示す.また,静 的および動的 FCN の特徴の組み合せは,動的 FNC の特徴だけであるより分類性能を大幅に改善することなく, 静的 FNC は分類目的のために動的 FNC を組み合わせたとき重要な情報を追加しないことを示す.静的および動 的 FNC の特徴に基づいた 3 つの分類方法は,高い精度で適切な症状のグループに個々の対象を判別する.提案し た分類のフレームワークは,追加の精神疾患に潜在的に適用可能である.

等強度の複数撮像手段における幼児脳画像分割深層畳み込みニューラルネットワーク

Deep convolutional neural networks for multi-modality isointense infant brain image segmentation
NeuroImage, vol.108, pp.214-224, 2016
20161015_ttamaki.pdf

白質 (WM),灰白質 (GM),と脳脊髄液 (CSF) への幼児の脳組織画像の分割は,初期の脳発達における健康と 病気を調べる上で重要な役割を果たす.等強度段階 (生まれて 6 8ヶ月程度) において,白質と灰白質は T1 と T2 の MR 画像ともに同程度の信号強度を示す.そのため,この段階の幼児の脳の組織分割は非常に困難である.ご く少数の既存手法は,この等強度段階の組織分割のために設計されている.しかしながら,これらの既存手法は, T1 または T2 画像のどちらか一方の画像,または T1 と T2 画像の組み合わせのみを用いていた.本稿で,我々は 複数の撮像手段で得られるMR画像を用いて,等強度段階の脳組織を分割するために深層畳み込みニューラルネッ トワーク (CNN) を利用することを提案する.CNN は,訓練可能なフィルタと局所受容野的役割を持つプーリン グ作用は生の入力画像に交互に適用され,結果的に複雑な特徴の階層構造が生じる Deep Learning モデルの一種 である.具体的に,我々は入力として T1 と T2 と異方性比率 (FA) 画像から成る複数の撮像手段の情報を用いて, 出力として分割マップを生成した.複数の中間層には,入力と出力の間の非常に非線形な特徴マップから特徴を 捉えるために,畳み込み,プーリング,正規化やその他の処理を適用した.我々は,我々の提案手法と従来手法の 性能を 1 組の等強度段階の脳画像を手動で分割したものを用いて比較した.結果は,我々の提案手法が従来手法 よりもかなり性能が優れていた.これに加えて,我々の結果は,複数の撮像手段の画像の統合は等強度段階の脳 画像の分割の大きな性能向上につながることを示した.

NERO ビデオゲームにおけるリアルタイム Neuroevolution

Real-Time Neuroevolution in the NERO Video Game
IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION,vol.9,no.6,2005
20161015_ttamaki.pdf

近年のビデオゲームではキャラクターの動作はスクリプト化されている.つまり,何度プレイヤーがある弱点を 見つけても,その弱点が修復されることはない.しかし,ゲームのキャラクターがプレイヤーとの相互作用を通 じて学習することができれば,ゲームをプレイする際の面白さが保たれたまま,キャラクターの動作を向上させ ることが可能である.本稿では,普通にゲームをする時と同じように,リアルタイムで複雑な人工ニューラルネッ トワークを進化させるための rtNEAT を紹介する.rtNEAT 法によって,エージェントはゲーム中に変化や改善 を行うことができる.実際に rtNEAT は一連のカスタマイズされた練習問題を通じて,プレイヤーがエージェン トのチームを育成するというビデオゲームの全く新しいジャンルを作ることができる.このコンセプトを実証す るために NERO ゲームを rtNEAT に基づいて構築した.NERO では,プレイヤーは他のプレイヤーと戦闘する ためにバーチャルのロボットチームを育成する.本稿では機械学習の新しいアプリケーションからの結果を説明 し,rtNEAT によって NERO のようなビデオゲームで,エージェントがリアルタイムに進化し,適応できること を実証する.展望としては,rtNEAT は相互的で適応するゲームを通じた,教育・訓練アプリケーションになり 得るかもしれない.

neural network, neuro-evolution, neuroevolution of augmenting topologies (NEAT), neuroevolving robotic operatives (NERO)

fMRI での BOLD 信号における血流動態反応のベイズによるモデル化

Bayesian Modeling of the Hemodynamic Response Function in BOLD fMRI
NeuroImage, Vol. 14, No. 1, pp.140–148, 2001
20161012 syoshitake

MRI では,神経活動と神経血管カップリングを介した血流動態反応の間の複雑な関係性をモデル化する精巧な 応答モデルが必要です.直接的で記述的なモデルだけでなく,生理学的な仮定に基づく方法が提案されています. ピークや次の刺激のアンダーシュートまでの時間のような血流特性の細かい決定を可能にするような直接的なア プローチに注目しています.ベイズによる手法では簡単に,課題での異なる血流動態特性に適合でき,非線形最 適化アルゴリズムから数値的な問題なく,推定できることが呈示されている.モデルの有用性は,視覚と音響刺 激パラダイムにおける次の刺激のアンダーシュートの分析によって実証されます.さらに,変更された血流動態で の fMRI データの解析を改善するためのアプローチ方法を提示します

hemodynamic response, HRF, Bayesian analysis, MCMC

MOEA/D における適応置換戦略

Adaptive Replacement Strategies for MOEA/D
IEEE transactions on cybernetics, Vol.46, No.2, pp.474-486, 2016
20161012harada

MOEA/D に基づいた多目的進化的アルゴリズムは, 多目的最適化問題を単一の部分問題の集合へと分解し, 協 調的な手法でそれらを解決する. 部分問題に対する新たな解に割り当てられる代替スキームは,MOEA/D におけ る多様性と収束性を維持するために重要な役割を果たす. 本稿では, 最も適した部分問題に新たな解を割り当てる グローバル代替スキームを提案する. 我々は, 代替近傍の大きさが母集団の多様性と収束に重要であることを実証 し, その大きさを動的に調整する手法を開発している. この手法を利用した steady-state アルゴリズムと世代交代 アルゴリズムが設計され, 実験的に研究されている. いくつかのテスト問題における実験結果から, 提案したアルゴ リズムが有効的であることが示された.

各感情経験による記憶に関わる扁桃体の活性

Event-related activation in the human amygdala associates with later memory for individual emotional experience
The Journal of Neuroscience vol.20(19), pp. RC99-1, 2000
161012 ykohri

感情経験による記憶強化に関わる扁桃体の役割は多くの動物や患者,脳イメージングの研究で調査されている. 特に脳イメージング研究では,エンコーディング中の扁桃体の活性と記憶の間に相関関係があることが発見され た.しかし,これらの研究では個々の刺激に関連した扁桃体の活性と記憶の相互関係が個人によって違いがあるか 知られていない.そこで,本研究では被験者に中性と不快のシーンを見せ,各シーンでどの程度感情を見せるか を調査した.各シーンごとの扁桃体の反応は,被験者の経験や 3 週間後に行った記憶テストの成績と関連があり, 最も強い感情をみせたシーンに最も大きい反応を見せた.また,エンコーディング中の左扁桃体の活性の大きさ は最も強い感情をみせたシーンに反応を見せた.これらの発見は,扁桃体の活性は主観的な感情経験を反映して おり,感情の強さが記憶の強化に関連しているという考えを後押ししている.

脳は反復的な指の動きをどのように制御するのか

How the brain controls repetitive finger movements
Journal of Physiology-Paris, vol.99, no.1, pp.8–13, 2006
20161011 murakami

物理的・社会的環境における適切な相互作用には正確なタイミング能力が必要である.計画と運動の制御は感覚 同期に密接に関連しているので,同期能力の調査は運動行動の基本原則への洞察を可能にすると考えられる.指 タッピング課題がヒトの行動が外部イベントに関連して同期するのかを研究するために頻繁に用いられている.行 動研究のデータから,それは同期される周辺のイベントではなく,その中心的な表現であると仮定されている.感 覚同期の神経基盤は,最近になって研究されており,まだ十分に理解されていない.本稿では,感覚同期を調査す る神経生理学的研究のレビューデータから感覚同期に関連する神経生理学的プロセスを解明する.このレビュー は,単純で反復的な同期課題に関連した神経活動や脳磁場活動を調査した研究に焦点を当てている.

偏相関分析を用いた安静状態の機能的結合の検出:多距離と全頭プローブの近赤外分光法を使用した研究

Detection of resting state functional connectivity using partial correlation analysis: A study using multi-distance and whole-head probe near-infrared spectroscopy
NeuroImage, Available online 10 August 2016
20161011 katayama

多チャンネル近赤外分光法(NIRS)は,血中酸素濃度の変化の簡易で非侵襲的な計測を可能にした脳機能イメー ジングモダリティである.我々は,安静状態の機能結合の推定するための臨床的に適用可能な方法を,NIRS で神 経以外の成分の影響を減らすために偏相関分析を用いて発展させた.多距離のプローブ配置の NIRS を用いて,健 康な 17 人の被験者の 8 分間の安静状態の脳活動を計測した.主成分分析は元の NIRS データから浅い信号と深い 信号を抽出するために使われた.本来の信号から計算されたピアソンの相関は,深い信号から計算された相関と比 較して有意に高かった.一方で,本来の信号から計算された偏相関は,深い信号(脳信号)独自から計算された 相関と匹敵した.それ以上我々の方法を検定するために,健康な 80 人の 17 の皮質領から構成される全頭の NIRS 配置を用いて 8 分の安静状態の脳活動を計測した.隣接,半球間相同,遠い同側性の脳領域のペアの間で有意な 安静状態の機能結合が見られた.そのうえ,女性は,男性と比較して半球間の後頭部の領域のペアで高い安静状 態の機能結合を示した.加えて,左側頭部の同側性のペアで高い結合性が見られた.2 つの構成要素の実験の混合 性の結果は,偏相関分析は脳外の信号の影響の還元性に有効であること,NIRS はよく述べられた安静状態のネッ トワークと安静状態の機能結合の性別に関する違い検出できることを指し示す.

機械学習を用いた EEG による感情状態の分類

Emotional state classification from EEG data using machine learning approach
Neurocomputing, Vol.129, pp.94-106, 2014
20161010 hwada

近年,EEG データによる感情分類はドライ電極技術や機械学習アルゴリズムや様々なブレインマシンインター フェースの開発により,多くの注目を集めている.しかし,研究者らは異なる感情の状態と様々な脳波の特徴との 関係の詳細に関して,ほとんど理解していない.そこで,EEG ベースの感情分類の精度を向上させ,時間と感情 の状態変化を可視化するために,本論文では,既存の脳波の特徴量抽出方法である 3 種類を比較し,感情のタス クに無関係なノイズを除去するための方法である,滑らかかつ効率的な機能を紹介し,マニホールド学習と感情 変化の軌跡を追跡する簡単な方法を提案する.有効性を示すために我々は自然な感情状態を被験者に喚起させ,6 人のデータセットを収集するムービー誘導実験を設計した.我々の EEG データセットの実験結果から,我々はパ ワースペクトルの特徴は他の 2 種類より優れていることを示す.また,線形動的システムに基づく特徴平滑化方 法は感情分類精度を大きく向上させることを示し,感情変化の軌跡はマニホールド学習の学習対象に依存しない 特徴量を低下させることで,可視化を可能とした.