2009 Fiscal Year Annual Research Report
| Project/Area Number |
20650038
|
|---|
| Research Institution | Juntendo University |
|---|
Principal Investigator |
高橋 俊光 Juntendo University, 医学部, 助教 (00250704)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
石井 尚登 順天堂大学, 医学部, 准教授 (50265998)
北澤 茂 順天堂大学, 医学部, 教授 (00251231)
新井 一 順天堂大学, 医学部, 教授 (70167229)
|
|---|
| Keywords | fMRI / 独立成分分析 / 受容言語 |
|---|
| Research Abstract |
平成21年度は、独立成分分析(以下、ICA)をfMRIデータに適応する方法の改善の検討を進めた。我々は先年度までに、fMRI計測中に被験者が早口言葉を心の中で唱えたタイミングをICA解析により高確率で当てる実験を行い、ICAが脳活動パターンの事前予想が困難な課題に有効であることを言語課題により具体的に示した(論文はrevision中)。しかし、その解析の過程において、意味づけ可能な独立成分(ノイズ成分も含む)に分離するための最適な独立成分の数をどのように設定するのかという問題が残った。先行研究では独立成分の数を全撮影ボリュームの半分に取る方法や、情報量基準による方法が知られているが、我々のデータに対しては、必ずしもうまくいかないケースがみられた(意味づけ不能な成分に分離された)。そこで今回、解析区間を短く限定してICAを施したところ、改善する傾向がみられた。このことから問題の原因のひとつは、被験者によっては空間的な脳活動パターンの多様性が高い場合があり、全撮影ボリュームに対し一度にICAを施すには無理がある場合があるものと推測した。そこで改善策として、データを小区間に分割して、各区間に対しICAを適用し、推定された各小区間の独立成分に対し多次元尺度法を施してクラスターに分類して小区間の間での独立成分の対応づけを行う、という方法を考案した。また、ICAの符号の不定性も大きな原因であると推測した。つまり、ICAでは独立成分の各ボクセルが正負の値をとり、さらには鏡映変換が許されているので、データを分解する自由度が極めて高くなり、意味づけが困難な脳活動パターンも分離されてくるものと考えた。これに対しては、データを非負の範囲に制約する非負行列因子分析の手法が有用であると考えており、現在検討を進めているところである。
|
