|
本研究の目的は、脳活動の速い成分に含まれる情報を対象とした脳情報デコーディングにおける基盤技術を確立することである。
脳活動データから脳内情報を読み取るデコーディング研究は、脳のどの部分にどういう情報が含まれているか、という疑問に答えることができる。高いデコーディング精度実現のためには空間情報が重要であるため、従来の研究では空間分解能に優れる機能的MRI装置(fMRI)が主に用いられてきた。しかしながら、時々刻々と変化するヒトの脳内の情報を捉えるには、fMRIの時間分解能の低さが障害となる。
そこで本研究では、ミリ秒単位の時間分解能を持つ脳磁図装置(MEG)と、一万件を超える過去のfMRI脳研究により得られた知見(メタ分析結果)を組み合わせることで、時空間分解能ともに優れた脳活動の推定を実現し、目的の達成を目指した。
令和元年度の研究では、機械学習手法の一種である変分ベイズ推定の枠組みでMEGデータとメタ分析結果を組み合わせる方法を検証した。メタ分析結果を使用することでfMRI計測に関わるコストを省きつつ、時空間分解能ともに優れた脳活動推定が可能であることを示した。この結果は、脳活動計測実験へ参加する被験者への負担を最小限に抑えられることだけではなく、計測コストをMEGデータの計測に集中できることも意味する。一方で、誤ったメタ分析結果を使用した場合には推定活動源の歪みが生じ、多くの偽陽性活動が発生する問題を確認していた。
令和2年度はこの問題を解決し、令和元年度の成果とあわせて論文としてまとめることに注力した。具体的には、最適なメタ分析結果を選択する基準として、変分ベイズ推定時に更新されるパラメータの一つである自由エネルギーを利用することで、MEGデータに適したメタ分析結果が客観的指標を元に選択できることを示した。以上の成果はNeuroImage誌へと投稿され、受理・掲載された。
|
