文理解の脳fMRI反応を予測する統合神経意味計算モデルの構築
【研究キーワード】
文理解 / 脳科学 / fMRI / 計算神経言語学 / 機能的連結性 / 機械学習 / 深層学習
【研究成果の概要】
本研究のテーマである、機能的連結性データの機械学習・深層学習に関しては、多くの数の論文が完成、出版された。このうちIF付き国際学術論文(査読付き)に絞ると、以下のようになる。Naoki Okamoto, Hiroyuki Akama, 2021. doi:https://doi.org/10.3389/fninf.2021.709179 本研究では、深層ニューラルネットワークの一種であるInvariant Information Clustering(IICと略す)を拡張し、現在のところASDの判別において最も良好なクロスサイトモデリング結果を得ることができた。
Hiroyuki Akama, Yixin Yuan, Shunji Awazu, 2021.doi:https://doi.org/10.1002/brb3.2157 ランメルハートのスキーマ理論に則り、言語習得における教師なし/あり学習がもたらす脳機能変化とその個人差に焦点を当てたfMRI実験研究であるハイブリッド学習が脳の反応にどのような変化をもたらすか、タスクベースの機能的連結性の観点から解析した。
Sunao Yotsutsuji, Miaomei Lei, Hiroyuki Akama,2021. doi:https://doi.org/10.3389/fninf.2021.577451 fMRIの小規模データセットに対し、予測のための深層学習(deep learning)を適用する場合、2D畳み込みネットワーク(M2DCNN)による分類器が、3D畳み込みネットワーク(3DCNN)を凌駕して、タスクを行う際の脳反応の集団レベル機械学習(group-level MVPA)において高い精度をもたらすことを示した。このように、本研究を支える骨格となるトピックスに関し、充実した成果が上がっている。
【研究代表者】
【研究分担者】 |
粟津 俊二 | 実践女子大学 | 人間社会学部 | 教授 | (Kakenデータベース) |
|
【研究種目】基盤研究(C)
【研究期間】2019-04-01 - 2023-03-31
【配分額】4,160千円 (直接経費: 3,200千円、間接経費: 960千円)