2022 Fiscal Year Annual Research Report
Deep Priorを用いた教師無し深層学習による脳内電流源推定
Publicly Offered Research
| Project Area | Comprehensive understanding of scattering and fluctuated fields and science of clairvoyance |
|---|
| Project/Area Number |
21H05596
|
|---|
| 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) |
2021-09-10 – 2023-03-31
|
| Keywords | 脳内電流源推定 / 深層学習 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は，未学習のDeepニューラルネットワークにより表現される暗黙的な事前分布（Deep Prior）に着目し，頭の外側のセンサで非侵襲に測定したノイズを含む観測信号から，脳内電流源を予測する逆問題を解くことである．この問題は脳内の散乱現象の透視化に関係しているといえる．
これまでの研究成果において，畳み込みネットワークが電流源の事前分布を表現可能であることを示してきた．しかし，多くのパラメータを持つ非線形なネットワークを含んだモデルの最適化によって推定される電流は一意ではなく，Deep Priorを用いた安定的な電流源の位置推定法が必要であった．そこで令和4年度ではDeep Priorを用いた電流源推定の安定性を向上させるための新たな損失関数として，自己正確推定損失を提案した．この損失は，Deep Priorの持つセンサ上のノイズを除去する性質と電流源の位置を正確に推定できる線形逆作用素を用いて，ネットワークが出力する電流分布に制約を与えることができる．また，Deep Priorを用いる場合，ノイズの少ないセンサ出力を得るため適切な回数でパラメータの更新を打ち切る必要がある．この課題への対応方法として，モデルのセンサ出力が観測ノイズに過適合するのを防ぐことができる新たな再構成損失も提案した．
右側の1次聴覚野および1次体性感覚野にそれぞれ単一電流源を配置して脳活動データを合成し，提案手法を用いて電流分布を推定した結果，従来のDeep Priorを用いた手法よりも電流源の位置推定の安定性が向上し，よく用いられる線形の手法と同等の性能を示した．これらの結果は自己正確推定損失と再構成損失の有効性を示すものである．
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
