| 研究領域 | 人工知能と脳科学の対照と融合 |
|---|
| 研究課題/領域番号 |
17H06029
|
|---|
| 研究種目 |
新学術領域研究(研究領域提案型)
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
複合領域
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
濱口 航介 京都大学, 医学研究科, 講師 (50415270)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
12,220千円 (直接経費: 9,400千円、間接経費: 2,820千円)
2018年度: 6,110千円 (直接経費: 4,700千円、間接経費: 1,410千円)
2017年度: 6,110千円 (直接経費: 4,700千円、間接経費: 1,410千円)
|
|---|
| キーワード | カルシウムイメージング / 関心領域 / 内部モデル / 強化学習 / システム神経科学 / 分子活性 / 神経科学 / 神経可塑性 / イメージング |
|---|
| 研究実績の概要 |
本研究では，以下２つの課題を行った．
１．分子活性レポータ画像解析技術の開発：分子活性レポータの画像と合わせ，二光子顕微鏡によるカルシウムイメージングの動画を高速で解析する事を目標に，新しいアルゴリズム，HDBCellSCANを開発した．隣接するピクセル間の相関Cが与えられた時，1-C をピクセル間の距離と定義する距離空間では，同じ細胞や樹状突起に属するピクセルは似た蛍光変化をするために密集する．この性質を利用し，密度依存クラスタリングを行うと，細胞の形状に依存せずに関心領域（ROI, 同じ蛍光変化をする領域）を同定できる．k-means等の従来のクラスタリング手法と比較すると，事前に細胞数を知る必要がなく，最小の細胞サイズ（ピクセル数）さえ知っていればよい．これは事前に細胞数がわからないカルシウムイメージングのROI検出に適した手法である．また他のクラスタリング手法と比較して，最も高速に動作するため，大規模イメージングの解析に適した技術である．
２．意思決定課題への応用：行動を選択する際の神経活動を記録するため，有限リソースのtwo arm bandit taskを開発した．学習後のマウスの行動パターンは，Model-freeの強化学習では説明できず，内部モデルによる予測を用いて意思決定を行っている事が示唆された．これらのマウスの２次運動野（M2）から，2光子カルシウムイメージング法による神経活動の観察を行った．上記の画像解析プログラムを用いて解析を行った所，行動選択の前の準備活動は，内部モデルからの予想に一致した行動価値を表現していた．今後は，この結果をさらに推し進め，より多くの個体，皮質領域からデータを集め，内部モデルの皮質担当領域の解明，M2領域の準備活動が調節される神経メカニズムの解明に，焦点を当てる．
|
| 現在までの達成度 (段落) |
平成30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 |
平成30年度が最終年度であるため、記入しない。
|
