Quantitative Modeling for the Neural Basis of Mathematical Ability

本研究の目的は、ヒトが数学を生み出し、計算を実施する際の脳情報処理に関する定量的モデルを構築することである。その目的のため、8名の被験者を対象に、自然言語および記号で記述された数学課題を行わせ、その際の脳活動を機能的磁気共鳴画像法（fMRI）により撮像した。実験刺激から数学演算を離散的なカテゴリーに分けた演算子特徴量と、人工ニューラルネットワーク（ANN）モデルにより連続的な特徴量を抽出したANN特徴量を抽出し、それらを入力として脳活動を予測する符号化モデルをRidge回帰により構築した。また、モデルの重み行列に対して主成分分析等の可視化手法を適用することで、異なるデータや特徴量による脳表現の関連を調べた。結果として、自然言語と記号双方のデータで構築したモデルが脳の頭頂間溝において類似した表現を持つことを示し、European Journal of Neuroscience誌に発表した（Nakai & Nishimoto, EJN 2023）。また、研究代表者がNakai et al. (Brain and Behavior, 2021)において導入した手法を本研究に適用することで、ANN特徴量により構築した符号化モデルから、離散的な演算子モデルに類似したパターンを再構成できることを示した。その結果をNeuroImage誌に発表した（Nakai & Nishimoto, NeuroImage 2023）。さらに研究代表者は、フランスのリヨン神経科学研究センターとの共同研究を行い、小学校低学年児童の数学学習による頭頂間溝周辺の数に対する脳活動パターンの変化を解析し、その内容をPLOS Biology誌において発表した（Nakai et al., PLOS Biology 2023）。

本研究の目的は、ヒトが数学を生み出し、計算を実施する際の脳情報処理に関する定量的モデルを構築することである。その目的のため、8名の被験者を対象に、自然言語および記号で記述された数学課題を行わせ、その際の脳活動を機能的磁気共鳴画像法（fMRI）により撮像した。実験刺激から数学演算を離散的なカテゴリーに分けた演算子特徴量と、人工ニューラルネットワーク（ANN）モデルにより連続的な特徴量を抽出したANN特徴量を抽出し、それらを入力として脳活動を予測する符号化モデルをRidge回帰により構築した。また、モデルの重み行列に対して主成分分析等の可視化手法を適用することで、異なるデータや特徴量による脳表現の関連を調べた。結果として、自然言語と記号双方のデータで構築したモデルが脳の頭頂間溝において類似した表現を持つことを示し、European Journal of Neuroscience誌に発表した（Nakai & Nishimoto, EJN 2023）。また、研究代表者がNakai et al. (Brain and Behavior, 2021)において導入した手法を本研究に適用することで、ANN特徴量により構築した符号化モデルから、離散的な演算子モデルに類似したパターンを再構成できることを示した。その結果をNeuroImage誌に発表した（Nakai & Nishimoto, NeuroImage 2023）。さらに研究代表者は、フランスのリヨン神経科学研究センターとの共同研究を行い、小学校低学年児童の数学学習による頭頂間溝周辺の数に対する脳活動パターンの変化を解析し、その内容をPLOS Biology誌において発表した（Nakai et al., PLOS Biology 2023）。