| 研究課題/領域番号 |
21H03516
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61040:ソフトコンピューティング関連
|
|---|
| 研究機関 | 株式会社国際電気通信基礎技術研究所 |
|---|
研究代表者 |
川鍋 一晃 株式会社国際電気通信基礎技術研究所, 脳情報通信総合研究所, 研究室長 (30272389)
|
|---|
| 研究分担者 |
宮西 大樹 株式会社国際電気通信基礎技術研究所, 脳情報通信総合研究所, 研究員 (10737521)
平山 淳一郎 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (80512269)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)
2023年度: 5,460千円 (直接経費: 4,200千円、間接経費: 1,260千円)
2022年度: 5,850千円 (直接経費: 4,500千円、間接経費: 1,350千円)
2021年度: 5,980千円 (直接経費: 4,600千円、間接経費: 1,380千円)
|
|---|
| キーワード | 人間情報学 / マルチモーダル脳イメージング / 自己教師あり学習 / 転移学習 / 脳活動ダイナミクス |
|---|
| 研究開始時の研究の概要 |
うつ状態を予防するためには脳と心の不調の早期検出が重要であるが、教師ラベル付きの脳イメージングデータのサンプル数が限られているため、深層学習を用いた脳情報解読法が従来法と同等の性能に留まっている。本研究では、最先端の自然言語処理技術で活用されている自己教師あり学習アプローチを脳情報解読に導入し、深層学習を大幅に改良できる脳情報特徴量を構築するための新たなフレームワークを開発するとともに、結果が説明可能なニューロテクノロジーの確立を目指す。
|
| 研究実績の概要 |
教師ラベルの少ないマルチモーダル脳イメージングデータに対して有効な、自己教師あり学習による特徴量構築法の開発を目的とし、本年度は、以下の3つの課題に取り組んだ。第一に、昨年度に開発した脳情報転移学習法TSMNetをマルチモーダルデータに拡張する研究を行った。具体的には、EEG-fMRI同時計測データの時間的対応関係を利用した自己教師あり学習により、両者に共通して表現されている情報を抽出することを目指して、DeepGeoCCAという機械学習法を開発した。この手法は、深層学習を利用した非線形フィルタリングと、脳イメージングデータの統計的性質に則した幾何学的アプローチを組み合わせることにより、正準相関分析 (CCA) を拡張したものである。さらに、応用上問題となる、異なる被験者やセッションでのドメイン間差を較正するために、脳情報転移学習法TSMNetを組み込んだ。DeepGeoCCAを作業記憶課題中のEEG-fMRI同時計測の、同一被験者・セッションのデータに適用したところ、高い相関を持つ共通特徴量が得られ、認知負荷度の判別問題で高い精度を達成した。さらに、異なるセッションや被験者に対しても、我々のアプローチは汎化性を持つことを示した。この成果は、人工知能のトップ会議ICLR2024、および脳イメージングの国際学会OHBM2024で発表予定である。第二に、fMRIのような3次元データと、EEGのような時系列データを情報統合するためのベンチマークデータCityReferを構築した。本成果論文は人工知能のトップ会議NeurIPS2023に採択された。第三に、異なるシーケンスで撮像された複数MRIスキャナのfMRIデータの統計的性質を比較した。データ間の統計的性質の差異をうまく較正することで、複数のデータベースを統合して、より精度の高い解析が可能となることが期待できる。
|
| 現在までの達成度 (段落) |
令和5年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和5年度が最終年度であるため、記入しない。
|
