カノニカル相関を用いたfMRI データの教師なし分類処理

Unsupervised analysis of fMRI data using kernel canonical correlation
NeuroImage, Volume 37, Issue 4, October 2007, Pages 1250-1259

fMRIデータ分析で使用されるようになってきた教師あり学習法(例:サポートベクタマシン)のクラスと異なるカノニカル相関分析に基づいた,新しい教師なしfMRI分析法を紹介する.SVMは単純な特定の分類ラベルに撮像データの特徴を関連付けさせるが,KCCAはこれらの単純なラベルをその刺激の特徴の詳細を含んでいる各刺激のラベル・ベクトルに置換する.我々は,情動刺激に対する反応に関するfMRIデータセットを用いてKCCAとSVMの分析を比較した.最初にfMRIデータの部分集合上のアルゴリズム(SVM、KCCA)と,対応するラベル/ラベル・ベクトル(快と不快の)を訓練し,次にオリジナルのトレーニング過程に与えないでおいたデータ上のアルゴリズムをテストした.SVMとKCCAの識別率は,非常に類似した.しかし,この研究から生じる最も重要な結果は,KCCAは,タスクの分類において最も重要であるとSVMが識別した領域を抽出することができたことである.また,その領域は主に視覚野であった.KCCAの結果は明確なタスクラベルのブラインドを得た.代わりに,刺激の種類は撮像データの特徴のベクトルから有効に得られる.

Machine learning methods, Kernel canonical correlation analysis, Support vector machines, Classi ers, Functional magnetic resonance imaging data analysis

pdf