霊長類扁桃体への迅速な脅威信号伝達の視覚経路における顔表情検出原理の解明

阐明灵长类杏仁核快速传递威胁信号的视觉通路中面部表情检测原理

• 批准号: 20J22553
• 负责人: 林 燦碩
• 金额: $ 1.98万
• 依托单位: Osaka University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-24 至 2023-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20J22553/
• 关键词: 皮質下経路; 表情認識; 扁桃体; ニューラルネットワーク

ヒトを含む霊長類にとって顔表情は社会生活を営む際の重要な視覚情報であり、中でも恐怖表情は生存に関わる脅威情報として迅速に処理される必要がある。この迅速な処理には、霊長類の発達した大脳皮質から成る視覚情報処理に比べ、原始的な皮質下脳領野から成る視覚処理経路（皮質下経路）が係っている。先行研究により皮質化経路の処理特性とその神経回路的な特徴が個別には明らかになっている一方、処理特性がどの回路的特徴の影響によるものであるのかについては明らかではない。本研究では皮質下経路の神経回路的な特徴に基づいたニューラルネットワークモデル（Shallow convolutional Neural Network, SNN）構築し、その処理特性を調べることで、皮質下経路が表情を検出する仕組みの理解を進めることを目標とした。SNNには３つ回路的特徴：1. 少ない構成脳領野、2. 上丘表層細胞がもつDifferent of Gaussian（DoG）型受容野、3. 急激な受容野の拡大を組み込んだ。またそれらの特徴を組み込まなかったモデルも同時に構築した。組み込まなかったモデルには相当する大脳皮質経路の特徴を組み込んだ。モデル間において、顔表情の弁別精度と空間周波数に対する応答基準系という２つの処理特性を比較した結果、SNNは最も低い弁別精度を示すと同時に、検証したモデルの中で唯一、皮質下経路と同じ網膜基準の空間周波数処理を示した。つまり３つの特徴全てを同時に備えていることが皮質下経路の情報処理に重要であった。またSNNについての解析を進めた結果、SNNは極低空間周波数から成る顔画像に対しては大きさ不変的な出力を示すことがわかった。これは新生児が呈示される距離によらず顔に対して視線を向けることに関わる重要な結果であると考えられる。現在、この研究結果をまとめた論文が国際誌において査読中である。

ヒ ト を containing む 霊 long class に と っ て facial expression は social life を 営 む interstate の important な visual 覚 intelligence で あ り, medium で も terrorist expression は survival に masato わ る threats wei intelligence と し て quickly に 処 Richard さ れ る necessary が あ る. こ の quickly な 処 Richard に は, long 霊 class の 発 da し た big 脳 cortex か ら into る 覚 intelligence 処 reason に than べ, primitive な subcortical 脳 brought wild か ら into る visual 覚 処 Richard 経 road (subcortical 経 road) が っ て い る. Leading research に よ り cortex change 経 road の 処 principle features と そ の god 経 loop of な 徴 が individual に は Ming ら か に な っ て い る side, 処 features が ど の loop of 徴 の influence に よ る も の で あ る の か に つ い て は Ming ら か で は な い. In this study, the な characteristics に basis of the で ネットワ subcortical meridian and the Neural circuit of the neuron are studied at づ たニュ たニュ ラ ラ ネットワ ネットワ モデ モデ モデ モデ モデ ネットワ モデ モデ モデ モデ ネットワ モデ モデ モデ モデ づ (Shallow convolutional Neural Network) SNN) build し, そ の 処 principle features を adjustable べ る こ と で, subcortical 経 が expression を 検 out す る blackstone group み の understand を into め る こ と を target と し た. Characteristics of the SNNに に 3 circuit: 1. Few な form a 脳 field; 2. The surface cells of the upper collum が が <e:1> Different of Gaussian (DoG) type receptive field; 3. Acute な receptive field 拡 large を group み込んだ. Youdaoplaceholder0 <s:1> characteristics を groups み込まな ったモデ ったモデ ったモデ を に simultaneously に constructs た た. The み込まな み込まな ったモデ ったモデ に に is equivalent to the する large 脳 cortical artery <s:1> characteristic を group み込んだ. Between モ デ ル に お い て, facial expression の chemical don't cycle for precision と space に す seaborne る 応 a benchmark system と い う 2 つ の 処 principle features を compare し た results, SNN は most low も い chemical don't precision を shown す と に at the same time, 検 し た モ デ ル の only, subcortical で と 経 road with じ retinal benchmark の space cycle for 処 Richard を shown し た. Youdaoplaceholder0 ま ま 3 <s:1> <s:1> characteristics are all てを and に at the same time keep えて る る とが とが subcortical artery <s:1> information processing に important であった. Analytical を ま た SNN に つ い て の into め た results, SNN は cycle for very low space か ら into る yan portrait に し seaborne て は big き さ was no variations of な output を す こ と が わ か っ た. こ れ は where new が presented さ れ る distance に よ ら ず yan に し seaborne て sight を to け る こ と に masato わ る important results な で あ る と exam え ら れ る. Now, the research results of <s:1> て are available in the をまとめた paper が international journal にお て て 読.

项目成果

Why is Visual Information Conveyed by the Subcortical Pathway Coarse?

为什么皮层下通路传递的视觉信息很粗糙？

• 发表时间: 2022
• 作者: Lim;C.;Inagaki;M.;Shinozaki;T.;and Fujita;I.
• 通讯作者: I.

畳み込みニューラルネットワークを用いた皮質下経路の粗い情報処理の説明

使用卷积神经网络解释皮层下通路的粗略信息处理

• 发表时间: 2021
• 作者: 林燦碩;稲垣未来男;篠崎隆志;藤田一郎
• 通讯作者: 藤田一郎