权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Identification of electrical activity pattern in a cultured neural network by the combination of 3D-clustering and deep neural networks.

通过结合 3D 聚类和深度神经网络来识别培养神经网络中的电活动模式。

基本信息

批准号：
19H04185
负责人：
工藤卓
金额：
$ 10.9万
依托单位：
Kwansei Gakuin University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2019
资助国家：
日本
起止时间：
2019-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

今年度は，神経活動パターンを画像化する手法において，其の前処理として新たな方法を2つ試行した．1つは，これまでと同様に情報処理の単位と考えられている電極ごとのバーストをクラスタリングの単位とする手法である．今年度は，一時クラスタの要素ごとにまとめて画像を生成するのではなく，各パターンの出現時間順を維持した形でマップを結合して224x224 画像を形成した．もう一つの手法は，瞬時空間パターンマップを用いた画像生成である．瞬時空間パターンマップとは，刺激開始後に計測された電位信号において，1 刺激(スイープ)ごとに 100 ms の活動について 1 ms 幅の時間窓で活動電位スパイクを検出し，64電極のスパイクカウントデータから作成したマップであり，シナプス間の神経信号伝達が起こらない 1 ms の短い時間幅で区切られた同一の時間窓内で発火した再現性の高い電気活動の空間パターンを示している．これは，刺激が誘発した一つの信号が分岐したり並列したりしながら伝搬した伝搬ストリームの神経活動痕跡を時間順に並べた画像に相当する．第一の手法，第二の手法ともに90% 以上の高精度で自発性活動パターンと誘発応答パターンの識別に成功した．第二の手法では，空間優先神経活動パターンイメージの識別精度は神経回路網ごとにばらつきがあったものの，概ね 90％を超えたところで収束したが，エポックごとの識別精度が不安定な傾向があった. 時間優先神経活動パターンイメージの識別精度は，ほぼ100％に近く，空間優先神経活動パターンイメージと比較して精度が収束するまでのエポック数が少ない傾向があった．空間優先も時間優先も共に高い識別精度であったことから，信号の時空間的伝搬であるストリームがニューラルネットワークの識別に大きく影響する可能性が示された.

This year, the method of imaging the brain activity is introduced, and the pretreatment and new method are tried out. 1. The method of processing the same information is introduced. This year, the elements of the image are generated and the appearance time of each image is maintained. The image is formed by combining 224 x 224 images.もう一つの手法は，瞬时空间パターンマップを用いた画像生成である. Instantaneous spatial potential is measured after stimulation starts. 1 Stimulation is detected for 100 ms activity. 1 ms amplitude is detected for 64 electrodes. The signal transmission between the two phases starts at 1 ms in a short time amplitude and is divided into two phases in the same time interval. The stimulus is induced by a signal that diverges and parallels the signal, and the signal is induced by a signal that diverges and parallels the signal. The first method and the second method were successful in identifying the spontaneous activity with a high accuracy of more than 90%. The second method is to identify the spatial priority of the neural network. The identification accuracy of the neural network is 90%. The accuracy of identification of temporal priority neural activity is 100% near, while spatial priority neural activity is 100% near. Spatial priority and time priority combine to achieve high recognition accuracy. This shows the possibility that the temporal and spatial movement of signals may have a significant impact on the recognition of wireless devices.