|
近年，身体運動の脳内表現は、運動計画時や実行時の神経活動群から構成される低次元の状態空間 (Neural Manifold)での位置に依存することが明らかになっている．一方で，運動に関連する複数の脳領域がどのように関連しているのか、その脳領域間の関係性や相互作用は明らかになっていない．このような複数の脳領域が関与する全脳レベルでの低次元ダイナミクス遷移が明らかになれば、ヒトの運動や適応、学習などを深く理解できる可能性がある。
そこで，本研究では，ヒトの身体運動に関与している脳活動を全脳レベルの状態空間ダイナミクスとして同定できる手法についての検討を行った．具体的には脳機能結合の低次元空間表現を明らかにするために、2つの低次元空間同定手法を検討した。
最初に、非侵襲で脳活動が計測できる脳波(Electroencepharogram; EEG)を対象とし，そのうちの一つとしてグラフィカルモデル(Time-varying graphical Lasso)を用いた低次元空間可視化手法を検討した．次に、有向グラフを用いた手法として、自己回帰モデル(auto-regressive models)とカルマンフィルタを用いた手法について検討を行った。
両手法においても、異なるタスク状態を可視化できる可能性を示唆する結果を得ることができた。今後、さらに検証を行い、手法を確立させると同時に両手法の比較、そして別のデータへの適用を検討していく。
|
