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。
|
研究成果の概要 |
異なる被験者やセッションで脳イメージングデータの統計的性質が大きく異なるという課題に対応するため、このドメイン間差を較正する脳情報転移学習法TSMNetを開発した。また、EEGとfMRIのマルチモーダルデータに共通する情報表現を抽出するために、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て、自己教師あり特徴量構築法DeepGeoCCAを開発した。ATRのEEG-fMRI同時計測データの認知負荷度判別問題に適用したところ、EEGモデルにTSMNetを組み込むことにより、異なる被験者でも高い汎化性を持つことを示した。
|
研究成果の学術的意義や社会的意義 |
本研究で開発されたDeepGeoCCAに基づくマルチモーダルデータの自己教師あり学習法は、ATRが実施中のプロジェクトで活用されており、メンタルヘルスや認知機能の維持・向上に資するブレイン・マシン・インタフェースの研究を通じて社会への貢献が期待される。また、脳イメージングデータのみならず、ScanQAのように、様々な状況が考えうる複雑な実環境データに対して、深層学習の性能向上などの波及効果が期待できる。
|