• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2021 年度 研究成果報告書

超解像化fMRIに対する教師無し学習を併用した脳情報デコーディングシステムの開発

研究課題

  • PDF
研究課題/領域番号 17K00312
研究種目

基盤研究(C)

配分区分基金
応募区分一般
研究分野 知能情報学
研究機関高知工科大学

研究代表者

吉田 真一  高知工科大学, 情報学群, 教授 (30334519)

研究分担者 岡本 一志  電気通信大学, 大学院情報理工学研究科, 准教授 (10615032)
佐伯 幸郎  神戸大学, システム情報学研究科, 特命助教 (40549408)
研究期間 (年度) 2017-04-01 – 2022-03-31
キーワード深層ニューラルネットワーク / MRI / 脳情報デコーディング / 超解像アルゴリズム / 機械学習 / extreme Learning Machine / CNN / support vector machine
研究成果の概要

超解像化したMRI画像による脳情報デコーディングのアルゴリズムの開発のため、MRI画像の超解像化手法と、脳情報デコーディングのための機械学習手法の開発を行った。MRI画像の超解像化には、深層ニューラルネットワークの一種の敵対的生成ネットワークを用いたRFB-ESRGANとnESRGANによるものを開発し、3次元MRI画像に対し2次元画像用超解像化モデルを用いることで、性能向上を図った。脳情報デコーディングについては、顔の表情を見たときの脳活動から表情の種類を推定する機械学習と、脳構造画像からBig Five性格テストを行った結果の推定を行った。

自由記述の分野

人工知能

研究成果の学術的意義や社会的意義

3次元MRIデータに対して2次元深層ニューラルネットワークモデルを用いることで、計算コストの削減のみならず、超解像化の精度を向上できたことは学術的な意義があるものであり、3次元データがしばしば使われる医療分野への深層学習の適用をスムースに進めることが可能になる。同時に、深層でないニューラルネットワークELMの脳画像への適用や、脳構造画像へのCNNの適用でBig Fiveスコアを推定したことは学術的な意義があると考えている。

URL: 

公開日: 2023-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi