バイオフィードバックアプリケーションのための動的情報チャネルとしての瞳孔面積の変化

Pupil Size Changes as an Active Information Channel for Biofeedback Applications
Ehlers, Jan and Strauch, Christoph and Georgi, Juliane and Huckauf, Anke
Applied psychophysiology and biofeedback, Vol.41, No.3, pp.331-339, 2016
20171021_hwada

瞳孔の大きさは通常,認知・情動状態の洞察を提供する受動的な情報チャネルと考えられているが、制御は行 えていない.しかし,最近の研究では,瞳孔の活動によって指標付けられた交感神経活動において,単純な認知 手法による戦略的干渉を可能にすることを示している.短期間かつ成功数が多くないにも関わらず,快・不快画 像を用いて,被験者はベースライン変化を超えて瞳孔径を拡張することが可能となった.現在の研究では,実験 的環境の変化に基づいた包括的な応答反応が提供されている.結果,より厳しい方法論的条件(制御されたベー スライン設定および指定されたユーザーの指示)が報告された効果を強化する一方で,全体的な性能は標準偏差 1 だけ増加することを示した.したがって,効果は瞳孔レベルに限定されない.皮膚コンダクタンス変化の同時計 測結果は,誘導された自律神経性覚醒の一般的な増強を証明する.研究間の結果の安定性を考慮すると,我々は, 瞳孔面積情報が情動的監視を超え,人間とコンピュータの相互作用における能動的な入力チャネルを構成し得る と結論付ける.さらに,瞳孔径の変動は,交感神経興奮の自己誘導変化を確実に示し,このパラメータの関連性 は,将来の臨床バイオフィードバックにおけるアプローチのために強く示される.

運動想起に基づくブレイン-コンピュータ・インターフェースのスパース・フィルタ帯域による空間パターンの最適化

Optimizing spatial patterns with sparse filter bands for motor-imagery based brain-computer interface
運動想起に基づくブレイン-コンピュータ・インターフェースのスパース・フィルタ帯域による空間パターンの最適化
Yu Zhanga, Guoxu Zhoub, Jing Jin, Xingyu Wanga, Andrzej Cichockib
Journal of Neuroscience Methods, 2015, Volume.255, P.85-89
20171021_tishihara

背景:CSPは,ブレイン-コンピュータインターフェース(BCI)アプリケーションにおいて分類のための運動想起特徴抽出のために最も広く適用されている.CSPの成功した適用は,フィルタ帯域の選択に大きく依存する.しかし,最も適切なバンドは典型的には被験者固有であり,手動ではほとんど決定できない.新しい方法:本研究では,空間パターンを最適化するためのスパースなフィルタ帯域共通空間パターン(SFBCSP)を提案する.SFBCSPは,重複バンドのセットで生EEGデータからフィルタリングされた複数の信号上のCSP特徴を推定する.CSPの重要な特性をもたらすフィルタ帯域はスパース回帰を利用して監督された方法で選択されます.サポートベクトルマシン(SVM)は,MI分類のために選択された特徴上に実装される.結果:2つの公開EEGデータセット(BCI競技IIIデータセットIVaおよびBCIコンペティションIV IIb)を使用して,提案されたSFBCSP方法を検証する.実験結果は,SFBCSPがMIの分類性能を改善するのを助けることを実証する.既存の方法との比較:SFBCSPによる最適化された空間パターンは,いくつかの競合する方法と比較して全体的に優れたMI分類精度を与える.結論:提案されたSFBCSPは,MIベースのBCIの性能を改善するための潜在的な方法である.

タクシー運転手の警戒に関連した機能的結合のダイナミクス変化

Changes in functional connectivity dynamics associated with vigilance network in taxi drivers
Shen, Hui and Li, Zhenfeng and Qin, Jian and Liu, Qiang and Wang, Lubin and Zeng, Ling-Li and Li, Hong and Hu, Dewen
Neuroimage, vol. 124, pp. 367-378, 2016
20171015_yfujiwara

resting-state での機能的結合の低周波数帯の変動はノイズではなく,認知状態のシフトに関連していることを示している脳神経イメージング研究の数はますます増加している.しかし,安静時の機能的結合の変動が長期的な訓練と経験によってどのように影響するのか、どのように変化するのかについての知識は限られている.ここでは,resting-state での機能的結合が運転行動にどのように関連しているかを調査するためにスライディングウインドウアプローチを使用して,20 人の免許タクシードライバーと20 人の健常非ドライバーで比較を行った.私たちは,多変量パターン解析技術に基づいた特定の接続における低周波数変動の振幅によって,運転の経験を効果的に解読できることが分かった.興味深いことに,これらの接続の大部分は「警戒ネットワーク」と名づけられた領域内に収まっていた.さらに,警戒中の減少した振幅はタクシーの運転年数と負の相関が見られた.この結果は,警戒ネットワークと長時間の運転間にresting-state での機能的結合の時間変化依存が関連していることを示唆している.よって,脳がどのように運転行動をサポートするかについての私たちの理解を向上させるだけでなく,脳の機能的ネットワークと個人の行動に関係性が見られた.

空間源推定のEEG ニューロフィードバックは努力を必要としない思いやり瞑想中の脳活動と主観的評価を結び つける.

Source-space EEG neurofeedback links subjective experience with brain activity during effortless awareness meditation
空間源推定のEEG ニューロフィードバックは努力を必要としない思いやり瞑想中の脳活動と主観的評価を結び つける.
Remko van Lutterveld, Sean D.Houlihan, Prasanta Pal, Matthew D.Sacchet, Cinque McFarlane-Blake, Payal R.Patel, John S.Sullivan, Alex Ossadtchi, SusanDruker, Clemens Bauer, Judson A.Brewer
Neuroimage, vol.151, pp. 117-127, 2017
20171017_sfujii

【背景】
瞑想はますます精神疾患にとって有益な効果を示している.しかし,瞑想を学ぶことは簡単に識別可能な外的兆候がないため,単純ではなく,また直接のフィードバックは不可能である.瞑想が後部帯状皮質(PCC)と相関することが判明しているため,我々はPCC からの空間源EEG のニューロフィードバックが容易な意識(瞑想の主要な要素)の主観的経験と参加者が信号を自発的に制御できるかどうかを試した.
【方法】
16 人の瞑想初心者と16 人の瞑想熟練者が研究に参加した.瞑想初心者は基本的な瞑想の練習を行うために簡単に訓練され,徐々に挑戦的なニューロフィードバックのテストバッテリーで容易な意識の主観的な経験を誘導した.瞑想熟練者は同じテストバッテリーでこの状態を誘発するために自己選択の瞑想練習を行った.ビームフォーマーアルゴリズムを用いて抽出されたガンマバンド(40-57Hz)PCC 活性に基づいて,ニューロフィードバックが提供された.PCC の活動と容易な意識の主観的経験との関連性は,口頭による厳密な調査によって評価された.
【結果】
どちらのグループも,PCC 活動の低下が,高い中央信頼度(0-10 のリッカート尺度で初心者:8 人,経験者:9 人)で,容易な意識に対応していると報告した.どちらの群も,PCC の活動と容易な意識の主観的経験(初心者:8 人,経験者:9 人)の間で,その時々の中央値のの高い相関を示した.どちらのグループも簡単に意識瞑想を実践することにより,意識のない方向にPCC 信号を自発的に制御することができた(初心者:時間の中央値%=77.97,P = 0.001; 経験豊富:89.83,P <0.0005). 【結論】 これらの知見は,EEG 神経フィードバックを利用して脳活動の客観的測定値と容易に意識する主観的経験とを結びつける可能性を支持し,このパラダイムが瞑想訓練の道具として潜在的に有用であることを示唆する."

DEAP:進化的アルゴリズムを簡単に

DEAP: Evolutionary Algorithms Made Easy
Felix-Antoine Fortin, Francois-Michel De Rainville, Marc-Andre Gardner, Marc Parizeau, Christian Gagne
Journal of Machine Learning Research, Vol.13, pp. 2171-2175, 2012

進化的計算(Evolutionary Computation:EC)は非常に多様な技術と方法で洗練された分野であり,上手に設 計されたフレームワークでさえ,非常に複雑になる可能性がある.したがって多くの場合,色々な方法で可能な 限り詳細な実装を隠すように高度な機能を持つ大きなライブラリが提供されている.このライブラリをブラック ボックスソフトウェアモデルという.これらのボックスがより精巧になればなるほど,それらはより曖昧になり, 念入りに調べ,変更を検討する可能性は低くなる.しかし,EC を使用して実際の問題を解決する多くの場合,ア ルゴリズムのカスタマイズを必要とする.DEAP(Distributed Evolutionary Algorithms in Python)フレーム ワークは,python 言語で構築されており,洗練された EC システムの組み立てに不可欠な接着剤の役割を果たす. DEAP の目的は,迅速に自分好みに進化的アルゴリズムをプロトタイプするために,プロセスのすべてのステッ プが明示的(擬似コードのように)で,読みやすい実用的なツールを提供することである.また,コードのコン パクトさとコードの明瞭度の両方が DEAP の価値を高めている.

LCIによる内視鏡専門医の視認性および色差値における様々な結腸直腸ポリープの可視性の改善

Linked color imaging improves the visibility of various featured colorectal polyps in an endoscopist’s visibility and color difference value
Naohisa Yoshida, Yuji Naito, Ritsu Yasuda, Takaaki Murakami, Ryohei Hirose and others
International Journal of Colorectal Disease, Volume 32, Number 9, pp.1253-1260, 2017
20171010 yokada

目的:レーザー内視鏡によるLinked Color Imaging(LCI)は,新たな狭帯域光観察である.本研究では,主観的な内視鏡専門医の視界スコアリングおよび客観的な色差(CD)値を利用して,結腸直腸ポリープの様々な視認性を改善するためのLCI の有効性を検討した.
手法:白色光(WL)とLCI の2 つの画像を,2 ~ 20mm の54 個の連続した新生ポリープについてレビューした.すべての画像は,4 人の内視鏡検査医によって,4(優れた可視性)から1(視認性が低い)のポリープ視認性スコアに基づいて評価された.さらにLCI およびWL の各ポリープと周囲の粘膜との間のCD 値を独自のソフトウェアを用いて計算した.
結果:LCI の平均ポリープ視認性スコア(3.11 ± 1.05)は,WL(2.50 ± 1.09,P < 0.001)のスコアより有意に高かった.内視鏡医の視界不良(ポリープ視認性スコア1 と2)の比率では,LCI(27.9%)はWL(55.6%,P < 0.001)よりも有意に低かった.CD 分析に関して,LCI のCD 値はWL のCD 値よりも有意に高かった(33.3±13.9 対20.7±13.6,P < 0.001).サブグループ解析では,LCI の約24 小径ポリープ(≦ 5mm)のポリープ視認性スコアおよびCD 値は,WL より有意に高かった(3.29 ± 0.99 対2.12 ± 0.99,P < 0.001;31.6 ± 12.8 対14.7±7.6,P < 0.001).さらに,ポリープのLCI のポリープ視認性スコアおよびCD 値は,ポリープの位置,大きさ,組織学および形態的にもWL の値よりも有意に高かった. 結論:LCI は,ポリープの視認性スコアおよびCD 値の両方において,WL と比較して様々なポリープの視認性を改善した.

早期胃癌の内視鏡診断のためのeラーニングシステムの開発:国際多施設ランダム化比較試験

Development of an e-learning system for the endoscopic diagnosis of early gastric cancer: an international multicenter randomized controlled trial
Yao, K and Uedo, N and Muto, M and Ishikawa, H and Cardona, HJ and Castro Filho, EC and Pittayanon, R and Olano, C and Yao, F and Parra-Blanco, A and others
EBioMedical, Vol.9, pp.140–147, 2016
20171010_nishida

所見
35か国からの515人の内視鏡医が適格性について評価され,332人がこの研究に登録され,166人が各群に割り当てられた.
このうち,eラーニンググループ151人,非eラーニンググループ144人が分析に含まれた.eラーニング群と非eラーニング群の平均改善率(標準偏差)は,
それぞれ1.24(0.26)と1.00(0.16)であった(P<0.001). 解釈 このグローバルな研究は,早期胃癌の内視鏡検査に関する知識を拡大し,貴重な経験を提供するeラーニングシステムの有効性を明らかにした.

多重スケール特徴量統合のためのショートカットを備えた深層3 次元畳み込みエンコーダネットワークの多発 性硬化症病変セグメンテーション

Deep 3D Convolutional Encoder Networks With Shortcuts for Multiscale Feature Integration Applied to Multiple Sclerosis Lesion Segmentation
IEEE transactions on medical imaging, vol. 35, no.5, pp. 1229-1239, 2016
20171007_ttamaki

我々は,ショートカット接続を有する深層3 次元畳み込みエンコーダーネットワークに基づく新規のセグメンテーション手法を提案し,それを磁気共鳴画像における多発性硬化症(MS)病変のセグメント化に適用する.我々のモデルは,2 つの相互接続された経路,すなわち,より抽象的で高レベルの画像特徴を学習する畳み込み経路と,ボクセルレベルでの最終的なセグメンテーションを予測するデコンボリューション経路とからなるニューラルネットワークである.特徴抽出および予測経路の共同訓練は,画像タイプおよびセグメンテーションタスクの任意の所与の組み合わせに対する精度のために最適化された異なるスケールでの特徴の自動学習を可能にする.さらに,2 つの経路間のショートカット接続により,高レベルと低レベルのフィーチャを統合することができ,広範囲のサイズにわたる病変のセグメンテーションが可能となる.2 つの公的に利用可能なデータセット(MICCAI 2008 およびISBI 2015 チャレンジ)について我々の方法を評価した結果,我々の手法は,トレーニングに利用可能な比較的小規模のデータのみであってもトップランクの最先端の方法と同等に機能することが示された.さらに,本手法を,MS 臨床試験からの大量のデータセットを使って,自由に入手可能で広く使用されている5 つのMS 病変セグメンテーション法(EMS、LST-LPA、LST-LGA、Lesion-TOADS およびSLS)と比較した.その結果は我々の手法が広範囲の病変サイズにわたってこれらの他の手法より一貫して優れていることを示している.

SimiNet:脳ネットワークの類似性を定量化するための新しい 方法

SimiNet: a Novel Method for Quantifying Brain Network Similarity
IEEE Transactions on Pattern Analysis and Machine Intelligence vol.PP, pp.1-1, 2017
2017_1007taimoto

2 つのネットワーク間の類似性を定量化することは,多くのアプリケーションで重要である.主にノードおよびエッジの特性に基づいて,グラフの類似性を計算するための多くのアルゴリズムが提案されている.興味深いことに,これらのアルゴリズムのほとんどは,空間的に定義された機能領域を含む脳ネットワークのコンテキストにおける重要な要素であるノードの物理的な位置を無視している.本論文では,3 次元座標系内のノードを先験的に定義した2 つのグラフ間の類似度を測定するためのSimiNet と呼ばれる新しいアルゴリズムを提案する.SimiNetは,ノード,エッジ,および空間の機能を考慮した定量化インデックス(0-1 の範囲)を提供する.複雑なグラフをSimiNet のパフォーマンスを評価するためにシミュレートし,これを8 つの最先端の方法と比較した.結果は,SimiNet がノードとエッジの両方を使用して類似度を計算することに加えて,比較グラフの弱い空間変動を検出できることを示していた.SimiNet は,視覚認識タスクの間に得られた実際の脳ネットワークにも適用される.このアルゴリズムは,2 つのカテゴリーの視覚刺激,すなわち動物および道具の命名作業中に得られた脳ネットワークの空間的変動を検出する時に高性能を示す.この研究の観点は,人間の脳における物体分類のより良い理解である.

NSGA-II を用いた土地利用配分の空間多目的最適化手法

Spatial Multi-Objective Optimization Approach for Land Use Allocation Using NSGA-II
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing vol.7(3), pp.906-916,
2014
171005 ykohri

土地利用パターンの分析と評価は,天然資源管理にとって非常に重要である.土地利用配分に関する近年の研究は,主に線形計画最適化に基づいている.これらの方法は多目的問題を解決する能力は有するが,土地利用管理のために最適化の空間的側面は考慮されない.本研究では,イラン北西部における土地利用配分の最適化のためにNSGA-II を適用した.灌漑農業,乾燥農業,放牧地,およびその他の用途の4 つの土地がETM 画像から抽出された.本手法では,交換ランダムブロック(ERB)と呼ばれる新しいクロスオーバを使用して,個体間で情報を交換した.結果は,本手法が提案された条件に従って最適な土地利用組合せのセットを見つけることができることを示した.また,GoA-MOLA という多目的土地配分の手法と比較した場合,NSGA-II の性能が許容可能であることを示した.