瞳孔径分析による自動ストレス分類

Automatic Stress Classi cation With Pupil Diameter
Analysis
International Journal of Human-Computer Interaction, Vol.30, No.3, pp.220-236, 2014
20170830_hwada

この論文では,瞳孔の動きを心理的ストレスに関連付けるためのウェーブレット変換及びニューラルネットワー クに基づく手法を提案している.提案手法では,シミュレートされた運転課題時の瞳孔径及び電気皮膚活動を記録 することで評価を行った.自己報告のアンケートの収集も行った.参加者は,運転課題のみを含むベースライン ランを実行した後,アラート音が鳴っている際の運転,2 人の人間に運転の評価をされる運転及びこの両方の3 つ のストレスランを行った.自己報告及び瞳孔系は,指標付けされたストレス操作に成功し,これらの指標間に有 意な相関が発見された.しかし,皮膚電気活動は変化しなかった.訓練後,4 方向並列ニューラルネットワーク分 類器は,与えられた未知の瞳孔径が79.4%の精度で,4 つの実験のうちの1 つから来たかどうかを推測可能であっ た.本研究は,瞳孔径がストレス検出のための優れた識別力を有することを示した.

様々なレベルの自動運転におけるfNIRS を用いた脳活動の検討

Assessing Driver Cortical Activity under Varying Levels
of Automation with Functional Near Infrared
Intelligent Vehicles Symposium(IV) 2017 IEEE, pp. 1509-1516, 2017
20170821_yfujiwara

運転者の精神状態に関する情報は,高度に自動化された車両のためのインターフェイスの設計に不可欠である. 機能的近赤外分光法(fNIRS)は,参加者の脳活動を研究するために広く普及している神経イメージングツールで あり,HCI 実験,特にドライビングシミュレータを用いた研究で用いられている.fNIRS のデータ解析は,繰り 返し測定できるような実験設計が要求される. 本稿では,部分的に自動運転が可能な車両と完全に自動運転が可能な車両を運転しているドライバの車線変更 時の脳活動についての研究を提示する.また,fNIRS 測定のニーズを満たす実験設計を採用し,その後の解析を 行った.この研究には28 人が参加し,ドライビングシミュレータで約7 時間運転した.自動運転の各モードで8 回車線変更操作を実施し,ビデオ録画,NASA TLX アンケート,fNIRS データを記録し,解析を行った.自動ま たは手動で車線変更する間,同様にdorsolateral prefrontal cortex での活性化が見られた.

BCI 特徴空間における特徴選択のための積極的突然変異を用いた遺伝的アルゴリズム

Genetic algorithm with aggressive mutation for
feature selection in BCI feature space
Pattern Analysis and Applications, 2015, Vol.18, No.3, P.485-492
20170830_tishihara

この論文の目的は,攻撃的突然変異を有する遺伝的アルゴリズムと呼ばれる,特徴選択のための新しいアルゴリズムを提示することである.この論文では,アルゴリズムの理論的背景と,ブレイン-コンピュータインタフェース(BCI)領域における特徴選択のための応用の両方を提示している.アルゴリズムの可能性を十分に提示し,実用性を実証するために,BCI の研究で一般的に使用されている他の方法と比較する.提案されたアルゴリズムの実際の応用は,第2 回BCI コンペティション(データセットIII-モーターイメージ)に提出されたベンチマークセットであった.

機械学習を用いた視線追跡データのイベント検出

Using machine learning to detect events in eye-tracking data
Behavior Research Methods, pp1–22, 2017

イベント検出は、眼球運動データ解析の難しい段階である.現在のイベント検出方法の主な欠点として,目の動きデータの質に基づいてパラメータを調整しなければならないことが挙げられる.
本実験では,注視,サッカード,またはその他の眼球運動イベントに属する生の視線サンプルの完全自動化された分類を,機械学習アプローチを用いて達成できることを示す.既に手作業またはアルゴリズムで検出された事象は,ユーザがパラメータを設定する必要なしに,他のデータの同様の分類を生成するように分類器を訓練するために使用することが可能である.本研究では,注視,サッカード,およびサッカード後の振動(PSO)の検出のためのランダム森林機械学習技術の適用を検討する.目の動き分類アルゴリズムを用いるアプリケーションに提案された方法の実用性を示すために,この方法を眼球運動駆動のバイオメトリックアプリケーションに用いる例を提供する.我々は,機械学習技術が現在の最先端の事象検出アルゴリズムと比較して優れた検出をもたらし,手作業コーディングの性能に達することができると結論付けた.

動的グラフの指標:チュートリアル,ツールボックス,および説明

Dynamic graph metrics: Tutorial, toolbox, and tale
NeuroImage, Available online 8 July 2017
20170830 katayama

中枢神経系は,知覚,行動,および認知をサポートする複雑な機能的相互作用のパターンで互いに連結された, 細胞から領域への多くの個々の単位から構成される.このようなシステムの自然かつ簡潔な表現の1 つはノード (ユニット)がエッジ(相互作用)によって接続されているグラフである.伝統的なグラフアプローチは,時空間 スケール,種,群にわたって適用可能であるが,感情的および認知的状態の理解,タスクスイッチング,適用及び 開発,老化および疾患の進行のための非常に重要な時間変化する接続パターンの複雑さに対処することができな い.ここでは,動的グラフの特徴を明らかにする集団を提供する適用数学のツールセットを調査する.この調査 と併せて,既存または未取得のニューロ画像データにこれらの指標を容易に適用できるように,視覚化のための 提案と一般に入手可能なMATLAB ツールボックスを提供する.以前に公開さらた時間変化する機能的グラフの データセットに適用することでツールボックスを説明するが,ツールは時間変化する構造グラフや他の種類の関 係データにツールを適用することもできる.私達の目的は,動的グラフの正確で創造的な分析に頼っている新た な問題に対処するために,ニューロイメージングコミュニティに役立つ一連のツールとその使い方にに関する直 観を提供することである.

脳機能ネットワークのグラフ解析とモジュール性:最適な閾値の探索

Graph analysis and modularity of brain functional connectivity networks: searching for the optimal threshold
arXiv preprint arXivarXiv:1705.06481, 2017
20170830tmiyoshi

ニューロイメージングデータは,脳の接続性の形態的な構成をとらえるノードとエッジのネットワークとして表 すことができる.グラフ理論はこれらのネットワークとその構造を様々なスケールで研究するための一般的かつ 強力なフレームワークを提供する.例えば,脳機能接続ネットワークを含む多くの自然ネットワークのモジュー ル構造を調査するために,コミュニティ検出方法が広く適用されている.実験的ノイズによって最も影響を受け る最も弱いエッジを除去し,グラフの密度を減少させるために,スパース化手順はしばしば適用される.よって, 理論的および計算的により扱いやすくなる.しかしながら,弱いリンクには重要な構造情報が含まれている可能 性があり,最適なトレードオフを特定する手順は活発な研究の対象である.ここでは,統計的物理学に基づいた 方法であるパーコレーション解析の使用を検討し,脳接続ネットワークにおけるコミュニティ検出のための最適 なスパース化閾値を特定する. グラウンドトゥルースモジュール構造とヒトの脳機能接続ネットワークらしい現実的な形態的特徴を備えた合成 ネットワークを使用することにより,パーコレーション解析を適用して,ネットワークのコミュニティ構造の情報 を最大化する最適なスパース化閾値を特定できることを示す.このアプローチは,Newman のモジュラリティー, InfoMap,Asymptotical Suprise という脳接続ネットワーク分析に広く用いられる3 つのコミュニティ検出方法を 使用して検証される.重要なことは,最適な閾値を決定する重要な要素であるノイズとデータの変動の影響をテ ストすることである.このデータ駆動方法は,異なる接続強度を特徴とする患者やコントロール群などの集団に おける脳ネットワークのコミュニティ分析に特に有用であることが示されるはずである.

様々なレベルの自動運転におけるfNIRS を用いた脳活動の検討

Assessing Driver Cortical Activity under Varying Levels
of Automation with Functional Near Infrared
Spectroscopy
Intelligent Vehicles Symposium(IV) 2017 IEEE, pp. 1509-1516, 2017
20170821_yfujiwara

運転者の精神状態に関する情報は,高度に自動化された車両のためのインターフェイスの設計に不可欠である.
機能的近赤外分光法(fNIRS)は,参加者の脳活動を研究するために広く普及している神経イメージングツールで
あり,HCI 実験,特にドライビングシミュレータを用いた研究で用いられている.fNIRS のデータ解析は,繰り
返し測定できるような実験設計が要求される.
本稿では,部分的に自動運転が可能な車両と完全に自動運転が可能な車両を運転しているドライバの車線変更
時の脳活動についての研究を提示する.また,fNIRS 測定のニーズを満たす実験設計を採用し,その後の解析を
行った.この研究には28 人が参加し,ドライビングシミュレータで約7 時間運転した.自動運転の各モードで8
回車線変更操作を実施し,ビデオ録画,NASA TLX アンケート,fNIRS データを記録し,解析を行った.自動ま
たは手動で車線変更する間,同様にdorsolateral prefrontal cortex での活性化が見られた.

マルチモーダルMRI,fMRI および表現型データの非負行列分解は,ADHD におけるデフォルトモードサブネッ トワークの差異を明らかにする

Non-negative matrix factorization of multimodal MRI,
fMRI and phenotypic data reveals differential changes in
default mode subnetworks in ADHD
Neuroimage, vol.102, pp. 207-219, 2014
20170821_sfujii

マルチモーダルニューロイメージングフレームワークでは,1 人の被験者に関するデータが,機能的MRI,構
造的MRI,行動的および/または表現型情報などの固有の異なるソースから収集される.各ソースが提供する情報
は独立したものではない.各モダリティの特徴のサブセットは,生成モデルを使用して解釈できる1 つ以上の共
通の潜在的な大きさにマップする.これらの潜在的な次元または「トピック」は,各個人の機能の背後にある生
成プロセスのまばらな概要を提供する.教師なしの生成モデルであるトピックモデリングは,一見異なる機能を
共通の領域にマッピングするために使用されてきた.fMRI,MRI,表現型および行動測定を含むマルチモーダル
ADHD データの潜在構造を推論するために,Non-Negative Matrix Factorization(NMF)を使用する.我々は4
つの異なるNMF アルゴリズムを比較し,最も疎な分解がADHD と健康な患者の間で最も差別的であることを見
出した.モーション,デフォルトモードのネットワークアクティビティ,および入力データの他の特徴など,解釈
可能で認識可能な範囲に対応するところを特定する.たとえば,ADHD-不注意診断でクラスタ化されたデフォル
トモードのサブネットワークに関連する構造的および機能的なグラフ理論の機能である.後部帯状回,楔前部,お
よび海馬傍回の領域などのデフォルトモードネットワーク(DMN)領域の構造測定は,すべてADHD-不注意に
よる診断に関連していた.腹側DMN サブネットワークではADHD-I においてより多くの機能的接続があり,背
側DMN ではより少ない機能接続がある.ADHD のトピックは診断サイトに依存しており,地理的な場所の診断
上の違いを示唆している.我々は,ADHD-200 分類競合に照らして我々の所見を評価し, 教師なしで指名されたト
ピックを以前に公開された教師あり学習方法と対比させる.最後に,これらの潜在変数の有効性を,730 例の患者
におけるADHD の分類に用いてバイオマーカーとして示す.累積的に,この原稿は,ADHD のマルチモーダル
データが潜在的な次元によってどのように解釈されるかを扱っている.

タスク状態を超えた脳ネットワーク適応性

Brain Network Adaptability across Task States
PLoS computational biology, vol.11, pp.1004029, 2015
20170803_mnishizawa

人間の脳内の活動は,多様な機能状態の間を移動し,動的な環境の要求を満たすが,これらの遷移を導く基本
原理はあまり理解されていない.ここでは,脳領域間の機能的相互作用のパターンを分析するためのネットワー
ク科学の最近の進歩を活用する.我々は,4 つの認知状態(タスクフリーの安静状態,注意を要する状態,および
2 つの記憶を要求する状態)の中および間の両方において,タスクのパフォーマンスに伴う脳再構成の状況を動的
ネットワーク表現を用いて調べる.ハイパーグラフの形式を用いて,我々は,(タスク特有の)脳の状態と(タス
クの一般的な)脳の状態の両方において,時間の経過と共に強度にコヒーレントに変動する機能的相互作用のグ
ループの存在を特定する.これらの結果は,多くのダイアディック(地域間)関係の複雑さに関する先の強調とは
対照的に,脳適応能力は,認知システムの動的統合を推進する共通のプロセスによって記述できることを示して
いる.さらに,本発明者らの結果は,機能強化された脳力学を理解するための効果的な尺度としてハイパーグラ
フを確立し,クロスタスク,クロスエイジングおよびクロスコホートの機能変化を調べる際に有用である.

神経科学における新しい手法のアプローチ:functional near-infrared imaging ハイパースキャニングを用いた対 人間の脳の結合の評価

A new methodical approach in neuroscience assessing
inter-personal brain coupling using functional
near-infrared imaging (fNIRI) hyperscanning
Frontiers in human neuroscience, vol.7, 2013
20170803 mmizuno

10 年ほど前にfunctional magnetic resonance imaging (fMRI) を用いて2 人の被験者の脳活動を同時に計測す
る手法が初めて試されて以来,神経科学の新たなパラダイムが確立された.これは,「ハイパースキャニング」と呼
ばれ,2 人以上のヒトの脳活動を同時に計測する手法のことである.ハイパースキャニングによるアプローチは相
互作用による脳と脳の結合の基礎となる対人間の脳のメカニズムを明らかにする可能性があると期待される.こ
れらのメカニズムは実際の社会的相互作用中にも関係があり,1 人の被験者の計測では補うことができない.特に
functional near-infrared imaging(fNIRI) は費用対効果が高く,自然な状況での対人間の相互作用を計測すること
が容易であり,信頼できる有望な新しい技術である.この短いレビューでは,これまでに発表されたfNIRS ハイ
パースキャン研究について報告し今後の研究の可能性と課題をまとめる.