2021 Fiscal Year Research-status Report
安静時脳波の時空間特徴学習に基づく脳状態や個性の定量化
| Project/Area Number |
21K12055
|
|---|
| Research Institution | National Institute of Advanced Industrial Science and Technology |
|---|
Principal Investigator |
平山 淳一郎 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (80512269)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
川鍋 一晃 株式会社国際電気通信基礎技術研究所, 脳情報通信総合研究所, 研究室長 (30272389)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 機械学習 / 脳波 / 機能的結合 |
|---|
| Outline of Annual Research Achievements |
機能的な脳ネットワーク特性やその個人差を定量化するための、脳波(EEG)や機能的MRI(fMRI)データの新たな特徴解析技術を開発することを目的とし、今年度は主に以下の２点の研究を実施した。
第一に、従来型の機能的結合解析では、安静時計測で見ようとする自発的な脳ネットワークと、自然な状況下での視覚や聴覚入力によって誘発される脳ネットワークを見分けることは難しい。これは刺激や課題情報を陽に利用しない教師なし型の手法に共通した、計測モダリティに依らない一般的な問題と考えられる。そこで、複数の脳領域間での機能的結合解析において、連続的に変動する刺激や課題因子を陽に考慮した教師あり型の低次元結合成分抽出法を開発し、特に自然動画刺激下でのfMRIデータによる検証を実施した。提案したNdSCA法は、多数の（多次元）連続共変量間での要因分解を求めるFunctional ANOVAを前段とし、後段の領域間での縮小ランク回帰によってそれらの要因効果をよく表現する低次元結合成分を求める。従来型の教師なし手法と比べて、提案法では課題因子が脳ネットワークに与える影響が解釈可能になることが示された。
第二に、脳波からの情報抽出においては、安静時や課題時を問わず、信号源パワーの変動に着目することは自然であり、近年、それと近似的に線形関係にあるセンサレベルでの共分散行列、特にそのリーマン幾何構造を考慮した機械学習による脳波判別モデルの有効性が認識されている。ここでは、代表的な手法の１つである接空間埋め込み法における接点の選択について、従来の幾何平均の代わりに、リーマン計量に基づいて一般化されたモード（密度の極大値）の利用を新たに考察し、運動想像脳波データによる検証を実施した。従来法と有意な差は認められなかったものの、理論上はロバストネスの観点から有用と予想され、引き続き検証課題となった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
手法開発にあたっては、当初想定した安静時データではなく、自然刺激や運動想像課題中のデータなどを用いることで定量評価を実現するよう計画を変更した。一方で手法の数理的なアイデアは汎用性があり、安静時を含む脳波やfMRIの特徴解析手法の開発として順調な進展が得られた。
|
| Strategy for Future Research Activity |
引き続き、安静時や課題時における脳波やfMRIデータの特徴解析手法の開発を実施する。特にNdSCAのアイデアを発展させ、被験者間の個人差等を非観測の要因効果として推定する手法を検討、検証する。さらに、そこでのリーマン埋め込みの有用性を検討する。
|
| Causes of Carryover |
研究打ち合わせ等のオンライン化に伴い旅費が不要となったこと、および次年度以降に計算機資源の増強の必要性が見込まれたため。次年度以降の予算と結合して計算機の記憶装置や処理装置増設の費用に充てる計画。
|
