| 研究課題/領域番号 |
19K06906
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分46010:神経科学一般関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
Chao Zenas 東京大学, ニューロインテリジェンス国際研究機構, 准教授 (30532113)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2019年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
|---|
| キーワード | Predictive coding / Brain network / Hierarchy / Prediction signal / Theoretical model / Auditory sequence / Cortical oscillation / EEG / Schizophrenia / Brain / Network |
|---|
| 研究開始時の研究の概要 |
We will investigate three specific aims to evaluate the predictive-coding theory across sensory modalities and in both healthy and schizophrenic human subjects.
Aim 1. Causal interactions across hierarchies: How prediction and prediction-error signals causally interact across hierarchies and frequencies?
Aim2. Predictive coding across sensory modalities: How prediction and prediction-error signals interact when the sensory input is unimodal or multimodal?
Aim 3. Predictive coding in schizophrenic brain: How prediction and prediction-error signals differ between the normal and schizophrenic brain?
|
| 研究成果の概要 |
人間の脳は、階層的な予測コーディング ニューロン ネットワークを保有することが提案されています。 この理論を支持して、予測誤差のフィードフォワード信号が報告されていますが、フィードバック予測信号はとらえどころのないものでした。 ここでは、定量的モデルを使用して脳波でこれらの信号を分解し、2 つの機能階層にわたる神経サインを識別します。 私たちの調査結果は、予測信号の周波数順序と、予測コーディング理論をサポートする予測エラー信号との階層的相互作用を明らかにしています。 上記の結果は公開されています: Chao Z. et al. (2022)、Comms Biology、5(1)、1076。
|
| 研究成果の学術的意義や社会的意義 |
科学レベルでは、予測コーディングは、脳が利用できる圧倒的な量の感覚データを理解するための解決策になる可能性があり、その理解はニューロモルフィック エンジニアリングとニューロロボティクスのさらなる発展に役立つ可能性があります。 臨床レベルでは、個々の予測信号と予測誤差信号を識別し、健康な個人と精神病患者の両方でそれらの調整を監視することで、統合失調症や自閉症などの精神障害の予後および/または診断のための神経マーカーの開発に役立つ可能性があります。
|
