| 研究課題/領域番号 |
20K07727
|
|---|
| 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51020:認知脳科学関連
|
|---|
| 研究機関 | 群馬大学 (2022)
慶應義塾大学 (2020-2021) |
|---|
研究代表者 |
地村 弘二 群馬大学, 情報学部, 教授 (80431766)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 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)
2022年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2021年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2020年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | 機能的MRI / 認知制御 / 意思決定 / 認知機能 / 自制 / 動機づけ / オープンリソース / 機械学習 |
|---|
| 研究開始時の研究の概要 |
本研究は大規模オープンリソースと独自に収集した実験データを統合的に解析するフレームワークにより，ヒト非侵襲脳計測実験で新しい仮説をテストしながら，信頼性と一般性を確保することを目的とする．とりわけ，報酬により動機づけられた作業記憶の強化が，どのように持続して，どのような脳機構に支えられているのかを調べるために，機能的MRI・行動・心理検査のオープンリソースと互換性が高いオリジナル実験をデザインする． そして，深層学習によりオープンリソースデータの分類・予測を学習させ，オリジナルデータをテストし，分類・予測に特徴的な情報を可視化することにより，脳機能マッピングを行う．
|
| 研究成果の概要 |
行動課題に関連した脳活動を計測する機能的MRIを用いたオリジナル実験で収集した小サンプルデータと，Human Connectome Project (HCP)から配布されているビッグデータを統合的に解析する手法を考案した．脳活動から行動状況を分類する分類器の訓練をビッグデータで行い，オリジナルデータの分類を行うことにより，分類器の汎化と，データの独立性を確保することができた．また，オリジナルの行動課題のデータ収集に合わせて，HCPと同じデザインの行動課題・指標データを取得し，標準的機能的MRI解析，機械学習を用いた，統合的な解析を可能にした．
|
| 研究成果の学術的意義や社会的意義 |
機能的MRIを用いたヒト認知神経科学では，結果の再現性と信頼性が問題となっている．本研究では，公開されているビッグデータと，特異的な仮説を検証するための小サンプルサイズデータを統合的に解析することにより，再現性と信頼性をあげることに寄与した．とりわけ，独立のサイズが大きいサンプルを用いて，機械学習の分類器を訓練し，オリジナルのデータをテストする手法は，信頼性を確保する一つの標準的手法になると考えられる．また，オリジナル実験のデータを収集する際に，ビッグデータと相同のデータを収集することの有効性を示し，信頼性の高さを示した．
|
