機能的結合性を用いた機能的核磁気共鳴画像による画像分類

Image categorization from functional magnetic resonance imaging using functional connectivity
ChunyuLiu, SutaoSong, Xiaojuan Guo, Zhiyuan Zhu, Jiacai Zhang
Journal of Neuroscience Methods, Volume 309, Pages 146-158, 1 November 2018

“先行研究では,画像閲覧中に記録された機能的核磁気共鳴画像(fMRI)データからの刺激画像内の物体のカテゴリを推測しようと試みた.多くの研究は,所与の領域内または複数のボクセルにわたる活動パターンを抽出し,ボクセル間の関係を利用して刺激画像のカテゴリを解読することに焦点を当てている.しかし,画像カテゴリに応じた関心領域にわたる機能的結合性(FC)パターン,およびカテゴリ分類への潜在的な寄与はほとんど知られていない.

健康な成人ボランティアでfMRIを用いた4つの画像カテゴリ刺激(ネコ,顔,住居,車両)に対応した全脳FCパターンを機械学習フレームワーク(Support Vector Machine [SVM]とランダムフォレスト)を用いて調査した .我々はさらに,FCのロバスト性と,ニューラル復号のためのFCパターンに対するウィンドウ長の影響を調べた.

2つの分類モデルの平均1対1分類精度は,被験者内で74%,被験者間で80%であり,チャンスレベル(50%)より高かった.ランダムフォレストの結果はSVMの結果より優れており,48秒のFC結果は24秒のFC結果よりも優れていた.

我々は,FCパターンの分類性能を,ブロック間およびブロック内の2つの他の既存の方法と時間的な情報を重複させずに比較した.

異なるウィンドウ長(24および48秒)の全脳FCパターンは,画像カテゴリを高い精度で予測することができる.これらの結果は,人間の脳における大規模なFCパターンにおけるカテゴリー情報の表現の根底にある新しいメカニズムを明らかにしている.