従来の MRI から白質の微細構造の統計的推定

Statistical estimation of white matter microstructure from conventional MRI
UPENN BIOSTATISTICS WORKING PAPERS, VBol.44, 2015

拡散テンソル画像法(DTI)は,多発性硬化症(MS),および他の神経障害において白質の整合性を研究するた めの主要なモダリティとなっている.残念ながら,大規模な多施設研究で DTI ベースのバイオマーカーの使用は, 疾患に関連する変化の研究を混乱させる系統的バイアスによって妨げられている.また,多施設研究でサイト間の ばらつきは従来のMRIベースのマーカーに比べDTIのほうが大きい.私たちの研究では,MD,FA,RD,ADの 4 つの DTI の指標を推定するために ”the Quantitative MR Estimation Employing Normalization”(QUEEN) モデルを適用する.QuEEn モデルは,DTI などの量的モダリティと 1 つまたは複数の従来の MRI モダリティの 標準化された強度と関連付けるために,ボクセルワイズ一般化加法回帰モデルを使用している.私たちは,2 組 の検査をした被験者の検査と再検査のエラーから推定される DTI 画像の予測誤差を比較することにより,モデル の精度を評価する.4 つの DTI 指標から,MD と RD の両方の推定は,非常に正確であるように思われる.また, AD の推定は MD と RD より不正確である.そして,FA の推定の精度は悪い.このように,モデルの性能は一貫 していない.従って,白質の整合性を評価するいくつかの場合には,従来の MRI シーケンスだけを取得するには 充分である

動的な機能的コネクティビティ:規則,課題,および解釈

Dynamic functional connectivity: Promise, issues, and interpretations
Neuroimage, Vol.80, pp.360-378, 2013
20160613harada

脳は,複数の時間尺度に対して内部的および外部的な刺激を動的に統合,協調,そして応答しなければならな い.MRI を用いた脳活動の非侵襲的計測は,脳機能の基本的な機能を支えている大規模な機能的組織に対する私 たちの理解を大いに進めてきた.以前の休止状態中の fMRI の検討による結論は,静的な機能的結合に基づいてい る.そして,ごく最近の研究のみが自発的な BOLD FC の時間的特徴を含む豊富な情報を活用し始めている.現 れた証拠は,Dynamic FC計測が分析および解釈に関して制限が残るものの,認知と行動の重要な側面として基礎 となっている巨視的な神経活動パターンにおける指標の変化を示唆している.ここでは,私たちは Dynamic FC の検討分野における近年の知見,方法論的考慮,神経や行動の相関,および今後の方向性を確認する.

血流動態反応の特徴づけ:相対的なタイミングに基づくプレゼンテーション速度、サンプリング手順、および 指令脳活動の可能性の影響

Characterizing the Hemodynamic Response: Effects of Presentation Rate, Sampling Procedure, and the Possibility of Ordering Brain Activity Based on Relative Timing
NeuroImage,vol.11, no.6, pp.735–759, 2000
20160611 syoshitake
イベント関連の機能的 MRI(ER-fMRI)により血行動態に基づくニューロイメージング方法では,認知の設 定の典型的な行動のタスクのパラダイムを採用することができる.しかし,血行動態応答とその分散の低迷は, ER-fMRI を適用することができる方法を制限する.2 つの関連した研究では、一次視覚と運動野の近くの血行動 態応答の推定値が,ER-fMRI の手順の限界を決定するために,また,より一般的に血行動態の振る舞いを記述す るために,さまざまなパラダイムとサンプリング間で比較された.一般的な血行動態応答の時間的プロファイル は,重複イベントでの線形モデル内の線形方程式のセットを解くことにより,推定された.形状についての仮定で は方程式は解かれなかった.時間プロファイルの推定に続いて,振幅およびタイミングはγ関数を用いてモデル 化された.結果は,(1) 領域内での対象の被験者では,測定値の 1 つのシリーズと次のものでは,血行動態応答は 振幅 (r2 = 0.98) とピークまでの時間推定 (r2 = 0.95) で非常に安定し,ピークまでの時間推定 (r2 = 0.60) でや や低く安定した.(2) 試験の速度を(20 秒の間隔を置いたものから)変更すると,血行動態応答振幅が小さく,し かし優位に減少した.(平均) 間隔が 5 秒の間隔では,20 秒間隔をあけたものに比べて振幅の 17 から 25%までの 減少を示した.信号の強さの解析では,速い速度で試行数の増加が,統計的に信頼性のある応答検出が目的であ る場合,振幅の減少を上回ることが示された.(3)1 領域における血行動態応答の振幅とタイミングの知識はあっ ても,たとえ被験者内比較であっても,別の領域でそれらの特性を予測することはできなかった.(4) 被験者間で, 応答の振幅は,time-to-onset または time-to-peak の推定値といった応答のタイミングのどちらとも、有意な相関 を示さなかった.(5) 領域内での応答の安定性は,応答のタイミングでの相殺が領域間のタイミングの変更につい ての疑問に答える立場に事象関連 fMRI の方法を配置する,第二の方法であることを発見するのに十分であった。

ディープニューラルネットワークを用いた脳波に基づく感情認識のための重要な周波数バンドとチャネルの調査

Investigating Critical Frequency Bands and Channels for EEG-Based Emotion Recognition with Deep Neural Networks
IEEE Transactions on Autonomous Mental Development vol.7(3), pp. 162-175, 2015
160613 ykohri

本論文では快,通常,不快の 3 感情を認識するうえで重要な周波数帯域とチャネルを調査する脳波ベースの感 情認識モデルを構築する DBNs を提案する.我々は 15 人の被験者から脳波データを取得し,各被験者は数日の間 隔で 2 回の実験を行った.DBNs は,マルチチャンネル EEG データから抽出された差分エントロピー特徴で訓練 した.我々がこの DBNs の重みを調べ,重要な周波数帯域とチャネルを調査したところ 4,6,9 及び 12 の異な る四つのチャネルが選択された.これらの 4 つのチャネルの認識精度は,元の 62 チャンネルのものよりも優れた 86.65 %で比較的高い精度で安定していた.訓練を受けた DBNs の重みを用いて決定される周波数帯域およびチャ ネルは,既存の研究と一致している.実験結果より別の感情に関連する神経が存在しない場合,セッションや個 人全体で共通であることを示していた.また DBN,SVM,LR および KNN の平均識別精度はそれぞれ 86.08 %, 83.99 %,82.70 %,72.60 %となった.