|
本年度は、多様な物体画像が「いつ」脳活動に表現されるのかをスパースモデリングを用いて定量化する手法についての研究をさらに押し進めつつ、画像特徴量と物体カテゴリ表現ダイナミクスの関係性の検証を開始した。この目標達成のため、以下の項目を特に重点的に実施した。
１．背景除去済み物体画像を用いたMEG計測実験：MEG信号からの物体カテゴリ予測成績をより高め、結果の信頼性を向上させるため、物体画像刺激に含まれている背景部分を除去した。この背景除去済み物体画像を用いて、新たにMEG信号計測実験を行った。
２．MEG信号からの皮質上神経電流分布推定と物体カテゴリ情報の時間分解予測解析：背景除去済み画像に対して得られた新しいMEG信号を用いて皮質上神経電流分布を推定した。推定された皮質上神経電流分布の各時刻の信号をパターン識別アルゴリズムを用いて解析することにより、物体カテゴリの情報がいつ脳内に表現されているのかを同定した。
３．皮質上神経電流分布推定の精度評価：皮質上神経電流分布推定結果の精度評価を行うため、人工データを用いた解析を行った。具体的には、本研究で主たる解析対象とする脳部位に人工的な神経電流源をおき、それをもとに頭皮上で計測される脳磁場信号をシミュレートし、シミュレートした信号から逆に皮質上神経電流分布を推定することで、どの程度正確に原信号を復元出来たかを厳密評価した。
４．物体カテゴリ画像特徴量の定量化：コンピュータビジョンの分野で物体カテゴリの認識に大きな成果を挙げているDeep convolutional neural network（DCNN）を用いて、MEG信号計測実験で用いた物体画像刺激に対応する高次画像特徴量を抽出した。
|
