| 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 |
17H06039
|
|---|
| 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 | 国立研究開発法人国立精神・神経医療研究センター |
|---|
研究代表者 |
山下 祐一 国立研究開発法人国立精神・神経医療研究センター, 神経研究所 疾病研究第七部, 室長 (40584131)
|
|---|
| 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 |
6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)
2018年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2017年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
|
|---|
| キーワード | 深層学習 / ニューラルネットワーク / 精神疾患 / 脳機能計測 / 人工知能 / 安静時機能的磁気共鳴画像 / 精神障害 / 次元的アプローチ / 神経回路モデル / 計算論的精神医学 / 機械学習 / ニューラル・ネットワーク |
|---|
| 研究実績の概要 |
本研究課題では、voxel-basedの高次元安静時機能的MRI（rsfMRI）データを深層ニューラルネットワーク（DNN）で解析する技術の開発を行った。具体的には、畳み込みネットワーク自己符号化器（CNN-AE）を用いることで、rsfMRIに含まれる階層性と非線形性を伴いながら、超高次元3D画像を0.67％の次元数（15万次元から約1000次元）まで圧縮し、高い精度で再構成することに成功した。3次元脳画像の時系列データをAEにより再構成することは、非常にチャレンジングな課題であり、通常の自然画像向けのCNNとは異なる、脳画像に特化したネットワークのアーキテクチャ構築によりこれを実現した。開発したCNN-AEは、テストデータに対しても十分小さいエラーで再構成が可能であり、汎化性能があることが示された。異なる被験者間の差異、および同一被験者の時間的変化をともに再構成が可能であることも確認できた。抽出した各特徴量がどのような脳活動に対応するのかを示す感度マップ分析によれば、CNN-AEがrsfMRIに含まれる非線形性の特徴を取り込んで表現していることが確認された。再構成の精度は、主成分分析:PCA（あるいは独立成分分析: ICA）を用いた一般的な方法と比較して、同等以上の汎化性能を示し、圧倒的に少ないパラメータで実現可能なことが明らかになった（CNN-AE << PCA）。DNNを用いたvoxel-basedの高次元rsfMRIの再構成は、これまで報告のない世界初の成果である。この成果は、日本神経回路学会で発表し学会奨励賞を受賞した。
同時に、当研究課題では、開発手法により抽出した特徴量を用いて精神疾患の評価に適用するために、従来の精神疾患カテゴリーにとらわれない非特異的な生物学的基盤の検討を重視する次元的アプローチを用いることを目指した。この過程で、精神疾患に対する次元的アプローチの有効性についての検討と定量的な評価手法の開発を行い、その成果を原著論文、および総説論文として発表した。
|
| 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。
|
