ネットワーククラスタリングモデルに基づく画像分割手法

An image segmentation method based on network clustering model Yang Jiao, Jianshe Wu, Licheng Jiao
Physica A: Statistical Mechanics and its Applications vol.490, pp 1532-1542, 15 January, 2018

ネットワーククラスタリングの現象は,自然界,または人間社会において普遍的である.本論文では,マンモグラムの大規模セグメーテンションのためのネットワーククラスタリングモデル法を提案する.まず,流域変換を用いて画像を領域毎に分割し,画像の特徴を計算する.次に,得られた領域および特徴からグラフを構築する.ネットワーククラスタリングモデルは,グラフ内のノードのクラスタリングを実現するために適用される. 2つの既存方法と比較した時,ネットワーククラスタリングモデルに基づくアルゴリズムは,実験においてより効果的に実行される.

調節可能な光学特性を有する液体ファントム上の組織オキシメーターの比較:拡張

Comparison of tissue oximeters on a liquid phantom with adjustable optical properties: an extension
S. Kleiser,D. Ostojic,B. Andresen,N. NasseriH. IslerF. Scholkmann,T. Karen,G. Greisen,M. Wolf
Biomedical Optics Express,vol. 9,no. 1,pp.86-101,2018
180206 syokoyama

“脳近赤外線分光法(NIRS)オキシメーターは,臨床医が患者の治療を改善するのに役立つ.しかし,NIRSオキシメーターの適用は,異なるオキシメーターによって提供される組織酸素ヘモグロビン飽和(StO2)の計測の不一致のため,混乱を引き起こしている.オキシメータの比較可能性を確立するため,我々の研究では,新生児頭部の液体ファントム模倣特性に関する同時測定を行い,試験された装置を基準NIRSオキシメーター(OxiplexTS)と比較した.私たちはNIRSオキシメーターFORE-SIGHT,NIRO,SenSmartを評価し,以前の結果をINVOSとOxyPrem v1.3オキシメーターで再現した.一般的に,基準に対するStO2値の線形関係が得られた.デバイス固有の低酸素および高酸素閾値(SafeBoosC研究で使用されているもの,www.safeboosc.eu)とStO2値の変換を可能にするテーブルが用意されてる.”

ヒトの脳の本質的およびタスク誘発ネットワークアーキテクチャ

Intrinsic and Task-Evoked Network Architectures of the Human Brain
M.W. Cole, D.S. Bassett, J.D. Power, T.S. Braver and S.E. Petersen
Neuron, Vol.83, No.1, 238-251, 2014
20180206 rhagiwara

ヒトの脳の多くの機能的ネットワーク特性は,レストおよびタスク状態の間で同定されているが,両者がどのように関連しているかは不明である.私たちは,レスティングステイトネットワークアーキテクチャと非常に似ている数十のタスク状態に存在する脳全体のネットワークアーキテクチャを特定した.タスク間の最も頻繁な機能的接続強度は,レスト時に観察された強度と密接に一致しており,これは機能的な脳組織の「内在的」標準アーキテクチャであることを示唆している.さらに,タスク間で共通する一連の小さくて一貫した変更は,タスク状態とレスト状態を区別するタスク全体のネットワークアーキテクチャの存在を示唆している.これらの結果は,タスク実行中の脳の機能的ネットワークアーキテクチャが,レスト中に存在する固有のネットワークアーキテクチャと,副次的にタスクジェネラルとタスク固有のネットワーク変更を引き起こすことによって形成されることを示す.これは,典型的には別個に考えられる神経科学的調査の領域である,レスティングステイトの機能的接続性とタスク誘発性の機能的接続性との間に強い相関関係を確立する.

運転動画視聴時の緑内障患者の眼球運動の調査

Exploring Eye Movements in Patients with Glaucoma When Viewing a Driving Scene
Crabb, David P and Smith, Nicholas D and Rauscher, Franziska G and Chisholm, Catharine M and Barbur, John L and Edgar, David F and Garway-Heath, David F
PloS one, Vol.5, No.3, 2010
20180201_hwada

“背景
緑内障は視力障害の主要な原因である進行性の眼疾患である.視野の自動評価は病気の過程の様々な段階を決定する.診療所で撮影されたこれらの測定値を患者の実際の機能と関連付け,日常の作業を行うときに患者が制限された視野を補うかどうかを確認すること必要がある.そこで,本研究では,ハザード・パーセプション・テスト(HPT)における運転シーンを見る際の緑内障患者の眼球運動を調べた.

解析手法
HPTは,運転手の視点から見た様々な交通シーンの短い動画からなる英国運転免許試験の構成要素で,方向転換や減速を必要とする危険な状況が含まれている.両眼視野欠損を有する9人の緑内障患者および10人の年齢が一致した対照被験者からのデータを検討した(すべての経験豊富なドライバー).各被験者は,目の動きを伴う26の異なる動画を,視線追跡装置によって同時に監視した.ソフトウェアを用いて,データを前処理し,それを動画に併合し,眼の動きおよび視点(動的二変量輪郭楕円分析を使用して)を定量化した.平均し,全てのHPTフィルムにおいて,患者は,例えば,有意に多くのサッカードを作る対照とは異なる眼球運動特性を示した.患者の「point-of-regard」の平均領域は対照と有意差はなかったが,両眼視野欠損に関してハザードを見逃した明らかな被験者が確認された.

結論
両側緑内障患者の眼球運動パターンの特徴は,交通シーンを見るときに,年齢が一致した対照とは大きく異なる可能性がある.緑内障患者によって行われた眼球運動の研究は,運転に必要な視野成分の定義に関する有用な情報を提供する.

運転者の行動特性に基づく疲労検出システムの改良

An improved fatigue detection system based on behavioral characteristics of driver
Rajat gupta, Kanishk Amen, Nalin Shiva, Yadvendra Singh
Intelligent Transportation Engineering (ICITE), 2017 2nd IEEE International Conference on, pp.227–230, 2017
180201_snakamura

近年,交通事故が大幅に増加している.これらの事故の主な理由の1つは,ドライバーの疲労である.継続的かつ長時間の運転により,ドライバーは疲れて眠気に瀕し,事故につながる可能性がある.したがって,運転者の疲労度を測定し,居眠りを感じたときには事故を回避するためのシステムが必要である.そこで,車のダッシュボードにカメラを搭載したシステムを提案する.カメラは運転手の顔を検出し,その活動を追跡する.運転者の顔面から,システムはその顔の特徴の変化を観察し,これらの特徴を用いて疲労レベルを観察する.顔の特徴には,目(速い瞬きまたは重い目)および口(あくび検出)が含まれる.このように,PCA(Principle Component Analysis)を実装することにより,情報を失うことなく情報量の削減が可能である.このようにして得られたパラメータは,SVC(Support Vector Classifier)を介して処理され,疲労レベルを分類する.その後,分類器出力はアラートユニットに送られる.

被験者間情報とオンライン適応に基づいた教師無しブレインコンピュータインターフェース

Unsuperised Brain Computer Interface Based on intersubject Information and Online Adaptation Shijian Lu, Cuntai Guan, and Haihong Zhang
IEEE TRANSACTIONS ON NEURAL SYSTEMS AND REHABILITATION ENGINEERING, 2009, VOL.17, NO.2
20180201_tishihara

従来のブレインコンピュータインターフェースは被験者間にわたる脳波記録(EEG)のかなりの変動の問題に対処するためのガイドされた較正手順に依存している.しかしながら,この較正は,エンドユーザに不便をもたらす.本論文では,P300ベースのブレインコンピュータインタフェースでこの問題に対処するオンライン適応学習法を提案する.オンライン操作中に被験者固有のEEG特性を自動的にキャプチャすることにより,新規ユーザはガイド付き(監視された)較正なしでP300ベースの脳コンピュータインタフェースの操作を開始することができる.基本的な原則は,一般的なP300の特徴を捕捉するために被験者のプールの脳波からオフラインで,被験者に依存しないモデルと呼ばれる一般的なモデルを最初に学習することである.新しいユーザにとって、サブジェクト固有のモデルと呼ばれる新しいモデルは,新しい被験者から記録されたEEGに基づいてオンラインで適応され,信頼スコア基づいたに対象に依存しないモデル,または適応された被験者固有のモデルによって予測される.提案された方法を検証するために,10人の健康な被験者を対象とした研究が行われ,肯定的な結果が得られた.例えば,2~4分のオンライン適応(10~20文字のスペル)の後,適応モデルの精度は,完全に訓練された監督された被験者固有モデルの精度に収束する.

ヒトにおける感情知覚の一般的な神経相関

Common neural correlates of emotion perception in humans
Jastorff, Jan and Huang, Yun-An and Giese, Martin A and Vandenbulcke, Mathieu
Human brain mapping, Vol.36, pp.4184-4201, 2015
20180130 sikeda

神経イメージングの結果が感情カテゴリの識別可能な神経相関を支持するかどうかは長年にわたる論争である. 最近の 2 つのメタアナリシスでは,この命題に対して一方は支持,他方は反対といった正反対の結論に達した.こ の問題に関する直接的な証拠を得るため,単一の fMRI デザイン内で 4 つの感情の活性の比較を行った.怒り狂っ た,幸せな,恐ろしい,悲しいそして中立的な刺激が動的な身体表現として提示された.加えて相対的な感受性を 決定するために,被験者は行動実験によって中立的な感情と情動性感情との間の感情形態の分類を行った.脳行 動相関は,試験された 4 つの感情すべてにおいて同一であった大きな脳内ネットワークを明らかにした.この脳 内ネットワークは主に,デフォルトモードネットワークおよびセイリエンスネットワーク内に位置する領域から なっていた.4 つの感情について脳行動相関を示すにも関わらず,マルチボクセルパターン分析はこの感情ネット ワークのいくつかのノードが,個々の感情を区別することが可能である情報を含んでいることを示した.しかし有 意差は感情ネットワークに限定されず,行動観察ネットワーク内のいくつかの領域でも確認された.まとめると本 研究結果は,共通の感情的な脳内ネットワークは視覚処理と感情的な刺激の差別を支持している立場に賛成する.

EEG NeuroFeedback によって誘発される睡眠前の移行に必要かつ十分な神経動態

Neural dynamics necessary and sufficient for transition into pre-sleep induced by EEG NeuroFeedback
Kinreich, Sivan and Podlipsky, Ilana and Jamshy, Shahar and Intrator, Nathan and Hendler, Talma
NeuroImage, vol.97, pp. 19-28, 2014
20180125 sfujii

“完全に起きている状態から睡眠前までの移り変わりは,眠り込む直前に毎日発生する.したがってその乱れは有害であるかもしれない.しかし,移り変わりにおける神経相関は,その固有の動態を捉えることが困難なために,不明確なままである.私たちは睡眠前への速やかな移り変わりのためにEEG シータ/アルファニューロフィードバックを使用し,また,状態依存性神経活動を明らかにするため同期したfMRI を使用した.リラックスした精神状態は,副交感神経反応に対応する増強によって確認された.Neurofeedback セッションは,時間的に明確な「クロスオーバ」ポイントとしてマークされた,アルファよりもシータパワー増加のすでに知られているEEG サインに基づいて,成功または失敗として分類されました.fMRI の活性化は,この時点の前後で検討した.成功した睡眠前への移り変わりの間,クロスオーバ前の期間は,主に感覚ゲート関連領域(例えば,中間視床)におけるfMRI 活性の低下に対応するアルファ調節によって示された.並行して,移り変わりには十分ではないが,シータ調節は,辺縁系および自律神経制御領域(例えば,海馬,小脳)における活性の増加に対応した.クロスオーバ後の期間は,前頭部のセイリエンスネットワーク(例えば,前部帯状皮質,前部島)内のfMRI 活性の低下に対応するアルファ調整によって指定され,対照的に,後頭部のセイリエンスネットワーク(例えば,後部帯状皮質,後部島)に対応するシータ調節はによって指定された.私たちの発見は,覚醒状態から睡眠前状態への精神的移り変わりの根底にある多段階的な神経動態を描写している.移り変わりを開始するには,外部への監視における領域での活動の減少が必要であり,移り変わりを維持するためには,それぞれの処理に基いて外部から内部への移行を反映して,セイリエンスネットワークの前頭部と後頭部の間の反対がそれぞれ必要であった.”

模擬運転中のマインドワンダリングの検出と定量化

Detecting and Quantifying Mind Wandering during Simulated Driving
模擬運転中のマインドワンダリングの検出と定量化
Baldwin, Carryl L and Roberts, Daniel M and Barragan, Daniela and Lee, John D and Lerner, Neil and Higgins, James S
Frontiers in human neuroscience, vol.11, pp.406-421, 2017
20180124_yfujiwara

マインド・ワンダリングは交通安全に対する脅威であり,かなりの数の衝突と死者を発生させる.この研究では,マインドワンダリングは20 分間の高速道路運転のシナリオ,認知枯渇課題により引き起こされた.参加者はマインドワンダリングしているか,運転タスクに集中しているのかを自己報告するために,定期的に聴覚トーンに対する応答を調査した.自己報告されたマインドワンダリング頻度は高く,参加日数は統計的に変化する.運転実績の指標については,参加者のマインドワンダリング区間はスピードの低下と関連していた.また,タスク実行時の期間と比較してレーンの変動性を低減させた.電気生理学の尺度については,マインドワンダリング区間は脳波のアルファバンドの増加,ならびに聴覚プローブに応答したイベント関連電位(ERP)のP3a 成分の低下に関連していた.今回の結果は,マインド・ワンダリングが運転性能に影響を及ぼし,運転者の注意状態に関連する変化が潜在的な脳生理学において検出可能であることを裏付けている.さらに,結果は自動車運転のような連続的な作業において,人間の内部認知状態を検出することが可能であることを示唆している.マインドワンダリングの可能性のある区間を特定することは,運転者の注意を喚起するための有用な研究ツールとして役立ち,潜在的に将来の車内安全対策につながる可能性がある. mind wandaring, inattention, electroencephalography (EEG)

自発的なデフォルトのネットワーク活動は,心のさまよいとは無関係に行動の変動性を反映する

Spontaneous default network activity refects behavioral variability independent of mind-wandering
K. Yao, G. Anagnostopoulos and K. Ragunath
Proceedings of the National Academy of Sciences
20180122_mnishizawa

“脳のデフォルトモードネットワーク(DMN) は,感覚刺激または外部指向のタスクに過度に関与していないとき,つまり起きている安静中に非常に活動的である.複数の状況において,自発的なDMN 活性の増加は,現在の感覚環境とは無関係な心のさまよいや考えごとと関連している.心をさまようことは,日常生活の多くを特徴づけ,しばしばエラーを起こしやすい可変的な行動に関連している.しかしながら,自発的なDMN 活性の増加は,可変的ではなく安定的な挙動と確実に関連している.私たちは,このような見かけの矛盾に対処し,自己報告や行動に基づく注意状態の単一の尺度だけでは,DMN 活動の変動を説明するには不十分であるという仮説を検証することを目指した.私たちは,注意揺らぎを検出するためにfMRI を用いて,最適化された連続的なタスク中に,自己報告した心のさまよい,行動変動,および脳活動の様々なレベルを同時に測定した.心のさまよいが行動変動の増加と同時に発生したにもかかわらず,最も高いDMN 信号レベルは,単独の因子のみを考慮した場合と比較して,安定した行動と同時に強烈な心のさまよいによって最もよく説明された.これらの脳の行動-経験の関係は,既知のDMN サブシステム内およびDMN サブ領域内で非常に一貫していた.対照的に,このような関係は,他の注意関連ネットワーク(salience,背側注意,および前頭頭頂ネットワーク) については,欠如しているか,または反対方向にあった.我々の結果は,自発的なDMN 活動が特に反映する認知プロセスは,心のさまよいに部分的にしか関連せず,自己報告によって捕捉されない注意状態の変動も含むことを示唆している.”