2020 Fiscal Year Annual Research Report
Basic research on communication support technology for persons with speech disabilities based on analysis of cranial nerves for speech and language
| Project/Area Number |
18K19820
|
|---|
| Research Institution | Kobe University |
|---|
Principal Investigator |
滝口 哲也 神戸大学, 都市安全研究センター, 教授 (40397815)
|
|---|
| Project Period (FY) |
2018-06-29 – 2021-03-31
|
| Keywords | 言語脳神経活動 |
|---|
| Outline of Annual Research Achievements |
今年度は，機械学習を用いた新たな聴覚誘発反応の電流源推定を行った．脳磁図（magnetoencephalography：MEG）と脳波（electroencephalography：EEG）は時間分解能に優れた非侵襲な脳機能計測手法であり，これらの発生源は脳内の電流でモデル化される．MEG・EEGの脳内電流源の推定は，脳機能の解明や，脳疾患の診断に応用されている．しかしながら，脳内の電流分布の推定は，電流源のパラメータ数に対してMEG／EEGセンサの数が少ない劣決定問題であるため，本質的に困難である．
電流源推定の代表的な手法であるMinimum Norm EstimationやStandardized Low Resolution Brain Electromagnetic Tomographyでは，明示的に電流源の事前分布を与えることでこの問題を解決している．しかしながら，実際の電流源の事前分布を得ることは困難で，誤った事前分布に基づく推定では大きな誤差を生じる可能性もある．近年，畳み込み構造を持つ深いニューラルネットワークが，未学習であっても自然な画像の事前分布の役割を果たすことが示されている．本研究では，ニューラルネットワークを用いたMEG・EEGの逆問題の解法を提案した．脳内の電流源は広がりを持って分布していると考えられるので，ニューラルネットワークにおける畳み込み構造は電流源のパラメータの局所的な広がりを表現することが期待される．MEGのシミュレーションデータと実際の聴覚誘発脳磁界を用いて，ランダムに初期化された畳み込みネットワークによる電流源の事前分布の獲得の可否を検証し，また提案手法の推定結果を従来手法と比較した．
|
