| 研究課題/領域番号 |
20K12060
|
|---|
| 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62010:生命、健康および医療情報学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
岡本 洋 東京大学, 大学院工学系研究科(工学部), 特任研究員 (00374067)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2020年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | コネクトーム / 複雑ネットワーク / 機能モジュール / コミュニティ / 視覚野 / 腹側経路 / 背側経路 / 階層構造 / クラスタ数 / 自動決定 / 安定性 / 重なり / 階層性 / べき分布 / 深層ニューラルネットワーク / 複雑ネットワーク科学 / 脳情報処理様式 |
|---|
| 研究開始時の研究の概要 |
情報処理機械としての脳の本質はネットワーク構造にある。全脳におけるネットワーク地図―コネクトーム―を描き出す試みが世界中で活発に進められており、それらの結果が利用可能なデータとして公開されている。本研究は、脳が情報を処理する仕組み（脳情報処理様式）をコネクトームから導出できる、ということを示す。機械知能の分野で優れたオブジェクト認識性能を示す深層学習は、視覚野の情報処理様式を擬している、と考えられている。視覚野のコネクトームの構造を分析してこの考えを検証する。すなわち、深層学習の多層・フィードフォワード結合様式と実際の視覚野のネットワーク様式との整合および相違を明らかにする。
|
| 研究成果の概要 |
複雑ネットワークからソフトに重なるコミュニティの階層構造を抽出する方法Modular Decomposition of Markov Chan (MDMC)を開発した。MDMCを用いてコネクトームから脳情報処理のブロック・ダイアグラムを明らかにすることを試みた（コネクトームのリバースエンジニアリング）。高解像マウス視覚野コネクトームから、腹側経路と背側経路をコミュニティとして同定した。さらに、コミュニティの階層構造を抽出し、新たに視覚野ゲートおよび腹側・背側間ブリッジを同定した。MDMCが同定したこれらのコミュニティ構造は安定であり、ゆえにマウス視覚野はこれらに対応する機能を実際に有する。
|
| 研究成果の学術的意義や社会的意義 |
霊長類の視覚野はオブジェクト認識に関わる腹側経路と空間認識に関わる背側経路に機能分化していることが、マクロレベルの実験・観測を通じて知られてきた。高解像コネクトームのネットワーク分析を行い、マウス視覚野も腹側経路と背側経路に分岐することを、ミクロレベルから初めて明らかにした。本研究が提案したコネクトームのリバースエンジニアリングの方法は、脳以外の、生物・工学・社会システムの機能分析にも展開可能である。
|
