2020 Fiscal Year Annual Research Report
オープンリソースの深層学習と標本外予測による個性の脳マッピング
Publicly Offered Research
| Project Area | Integrative research toward elucidation of generative brain systems for individuality |
|---|
| Project/Area Number |
19H04914
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
地村 弘二 慶應義塾大学, 理工学部(矢上), 准教授 (80431766)
|
|---|
| Project Period (FY) |
2019-04-01 – 2021-03-31
|
| Keywords | 機能的MRI / 深層学習 / 認知制御 |
|---|
| Outline of Annual Research Achievements |
ヒトが認知制御課題（課題切り替え）を遂行しているときの脳活動を機能的MRIで撮影し，オリジナルリソースとした．解析では，まず，オープンリソースであるHuman Connectome Project(HCP)から提供されている作業記憶課題の機能的MRI画像の皮質領域を2次元化し，具象物の写真を学習済みの畳み込みニューラルネットワークモデル（分類器）に再学習させた．そして，オリジナルリソースの皮質機能画像を再学習させた．オリジナルリソースの学習には，具象物を学習しているモデルの再学習と，HCPの再学習が必要であった．
そして，オリジナルリソースの画像を分類させてマッピングを行なった．その結果，後頭側頭皮質にある，紡錘状回の顔領域と海馬傍回の場所領域では，それぞれ，顔の分類と場所の分類に課題を切り替えるとき，知覚に関連する情報量が増えることがわかった．
これらの後頭側頭皮質の領域は，分類を切り替えときに，左の外側前頭皮質から信号を受けることがわかった．そして，手がかり刺激に知覚的にあいまいになると，前頭皮質は，後頭側頭皮質から信号を受ける，すなわち信号が逆向きになることがわかった．
また，上述の手法で，HCPが提供している作業記憶課題の脳活動マップから，一般流動性知能のスコアを予測することを試みた．交差検証による予測制度のr2乗値は.22であった．そして，一般流動性知能の予測に重要な情報を持つ脳活動を呈する領域をマッピングにより同定した．
以上のように本研究課題は，オリジナルリソースとオープンリソースを統合的に解析することにより，高い信頼性と一般性で認知の制御と知能に関わる脳機構を解明できることを例示した．
|
| Research Progress Status |
令和2年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和2年度が最終年度であるため、記入しない。
|
