Low-dimensional brain networks in the bilateral motor-related areas

2022 Fiscal Year Annual Research Report

• Project Area: Hyper-adaptability for overcoming body-brain dysfunction: Integrated empirical and system theoretical approaches
• Project/Area Number: 22H04772
• Research Institution: Nagaoka University of Technology
• Principal Investigator: 南部 功夫 長岡技術科学大学, 工学研究科, 准教授 (40553235)
• Project Period (FY): 2022-04-01 – 2024-03-31
• Keywords: 脳波 / ネットワーク / 低次元化

Outline of Annual Research Achievements

本研究項目の目的は超適応の解明に向けた脳状態空間表現を同定するための手法を開発することである。また、開発した手法を用いて特に両側の運動関連領域における低次元空間上でのダイナミクスを調べることで、超適応時の変化を検出することを目指す。
この目的のため、 昨年度から引き続き、有向グラフを用いた低次元空間同定手法(AR-based method)についてヒトの到達運動時の脳波計測データを用いて検証を行った。無向グラフを用いた 低次元空間同定手法(TVGL-based method)についても、複数の別のデータセット(脳波、皮質脳波)において検討を行った。
自己回帰モデルとカルマンフィルタを組み合わせた手法については、試行平均データを2次元もしくは3次元の低次元空間に射影した結果、 運動の安静状態から実行状態にかけて滑らかに遷移することが確認された。平滑化をかけると、この傾向は顕著 になり、限られた条件ではあるが低次元空間上での時間変化を捉えることができた。
次に、無向グラフィカルモデルを用いた低次元空間可視化手法を検討した。到達運動時のデータについては、低次元空間上において運動前から運動実行時にかけて徐々に変化する傾向が見られた。またこの傾向はシータ波やアルファ波などの低周波帯で特に顕著に確認された。
この結果から、タスク状態に伴うダ イナミクスの変化を可視化できる可能性を示唆する一方で、タスク状態に関連がない時間的変動の影響を受ける可能性も明らかになった。今後、詳細な検討を行い、 様々なモダリティのデータにも適用可能な手法への可能性と、両側運動関連領域に対するダイナミクスに対して検討を行うことを目指す。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

本年度は主に新規のデータセットに対する検討を行った。新しいデータセットに対する有用性や知見を得ることができた一方で、複数の異なる手法の比較や検討は実現できていないことが今後の検討課題である。

Strategy for Future Research Activity

今後は、様々なネットワーク解析手法を検討し、比較を行う。例えば、これまでに活用してきたTime-varying graphical lassoモデルを用いた手法と自己回帰モデルを使った手法に加え、統計的因果探索であったり、興奮-抑制バランスを評価するデータ同化手法などを検討する。