2016 Fiscal Year Annual Research Report
Modeling macroscopic electroencephalogram dynamics based on the scaling of network dynamics for microscopic neurons
Project/Area Number |
26330293
|
Research Institution | National Institute of Information and Communications Technology |
Principal Investigator |
梅原 広明 国立研究開発法人情報通信研究機構, 脳情報通信融合研究センター脳機能解析研究室, 研究マネージャー (60358942)
|
Project Period (FY) |
2014-04-01 – 2017-03-31
|
Keywords | ニューロンモデル / ニューラルマスモデル / 神経集団モデル / 位相 / ベイズ推定 |
Outline of Annual Research Achievements |
本研究の目的は,脳波等から脳情報を効果的に取り出すことに資するため,神経活動と脳波との間のミクロ・マクロ対応を系統的に解明することである. 脳波や脳磁界信号といった大脳皮質の巨視的なダイナミクスを記述するための要素モデルにニューラルマスモデルがある.当初,ニューラルマスモデルは脳波の振動現象に合わせるため,解剖学的な値よりも比較的長い時定数を持つシナプスダイナミクスに基づき,神経集団の電位を表す変数の時間に関する2階確率微分方程式として経験的に組まれたに留まっており,実際の神経細胞モデルとの関係は必ずしも明確にはなっていなかった.神経細胞モデルのネットワークから膜電位やシナプス電流を平均化してニューラルマスモデルと同様の2階確率微分方程式を近似的に導いた先行研究はあるが,神経細胞が発火しない,という限定的な仮定が課されていた.本研究では,シナプス電流が膜電位に依存しない,と仮定することで,発火する状況においても集団を構成する神経細胞で平均化した膜電位の2階確率微分方程式を導いた. 2階確率微分方程式系による振動現象が神経細胞ネットワークのダイナミクスを平均化したモデルとして妥当であることを示したことから,最終年度では,ノイズが多く含まれる振動の位相データから真値を推定する手法の高精度化に関する研究も行った.位相は周期的な変数であるため,直線座標上の変数に基づくカルマンフィルタでの推定では不正確である.本研究では,角度統計に基づく逐次ベイズフィルタを組み,推定モデルに含めたノイズを制御するハイパーパラメータも含めた推定アルゴリズムを組み上げた.
|
Research Products
(4 results)