メタ分析ｆＭＲＩデータを制約情報に用いたＭＥＧ脳活動デコーディング方法の開発

以荟萃分析fMRI数据作为约束信息开发MEG脑活动解码方法

• 批准号: 19J14715
• 负责人: 鈴木 啓大
• 金额: $ 1.34万
• 依托单位: Nara Institute of Science and Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-04-25 至 2021-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19J14715/
• 关键词: 脳磁図; 逆問題; メタ分析; MEG; fMRI; meta-analysis; 階層ベイズ推定

本研究の目的は、脳活動の速い成分に含まれる情報を対象とした脳情報デコーディングにおける基盤技術を確立することである。脳活動データから脳内情報を読み取るデコーディング研究は、脳のどの部分にどういう情報が含まれているか、という疑問に答えることができる。高いデコーディング精度実現のためには空間情報が重要であるため、従来の研究では空間分解能に優れる機能的MRI装置(fMRI)が主に用いられてきた。しかしながら、時々刻々と変化するヒトの脳内の情報を捉えるには、fMRIの時間分解能の低さが障害となる。そこで本研究では、ミリ秒単位の時間分解能を持つ脳磁図装置(MEG)と、一万件を超える過去のfMRI脳研究により得られた知見(メタ分析結果)を組み合わせることで、時空間分解能ともに優れた脳活動の推定を実現し、目的の達成を目指した。令和元年度の研究では、機械学習手法の一種である変分ベイズ推定の枠組みでMEGデータとメタ分析結果を組み合わせる方法を検証した。メタ分析結果を使用することでfMRI計測に関わるコストを省きつつ、時空間分解能ともに優れた脳活動推定が可能であることを示した。この結果は、脳活動計測実験へ参加する被験者への負担を最小限に抑えられることだけではなく、計測コストをMEGデータの計測に集中できることも意味する。一方で、誤ったメタ分析結果を使用した場合には推定活動源の歪みが生じ、多くの偽陽性活動が発生する問題を確認していた。令和2年度はこの問題を解決し、令和元年度の成果とあわせて論文としてまとめることに注力した。具体的には、最適なメタ分析結果を選択する基準として、変分ベイズ推定時に更新されるパラメータの一つである自由エネルギーを利用することで、MEGデータに適したメタ分析結果が客観的指標を元に選択できることを示した。以上の成果はNeuroImage誌へと投稿され、受理・掲載された。

は の purpose, this study 脳 activity の speed い composition contains に ま れ る intelligence を like と seaborne し た 脳 intelligence デ コ ー デ ィ ン グ に お け る base plate technology を established す る こ と で あ る. 脳 activity デ ー タ か ら 脳 intelligence within を 読 み take る デ コ ー デ ィ ン グ research は, 脳 の ど の part に ど う い う intelligence が containing ま れ て い る か, と い う question answer に え る こ と が で き る. High い デ コ ー デ ィ ン グ be precision is の た め に は space intelligence が important で あ る た め, 従 research で の は space decomposition can に optimal れ る device functional MRI (fMRI) が main に with い ら れ て き た. し か し な が ら, carved 々 々 at と variations change す る ヒ ト の 脳 の intelligence within を catch え る に は, fMRI の time breakdown can の low さ が handicap of と な る. そ こ で this study で は, ミ 単 a の リ seconds can decompose を hold つ 脳 magnetic 図 device (MEG) と, ten thousand を え る past の fMRI study 脳 に よ り have ら れ た knowledge (メ タ analysis results) を group み close わ せ る こ と で, spatial decomposition can と も に optimal れ た 脳 activity の presumption を be し, purpose の now reach を refers し た. To RMB and annual の research で は, machine learning technique の a で あ る - points ベ イ ズ presumption の 枠 group み で MEG デ ー タ と メ タ analysis results を group み close わ せ る method を 検 card し た. メ タ analysis results を す る こ と で fMRI measuring に masato わ る コ ス ト を province き つ つ, spatial decomposition can と も に optimal れ た constructive が 脳 activities で あ る こ と を shown し た. こ の measuring results は, 脳 activities be 験 へ attend す る by 験 へ の burden を minimum に え suppression ら れ る こ と だ け で は な く, measuring コ ス ト を MEG デ ー タ の measuring に concentrated で き る こ と も mean す る. Side で, mistakenly っ た メ タ analysis results を し た occasions に は constructive activity source の slanting み が じ, more く の pseudo positive activity が 発 raw す る problem を confirm し て い た. In the second year of the Reiwa era, the <s:1> <s:1> problems を were solved by を, the <s:1> achievements of the first year of the reiwa era, the とあわせて papers were published by と, てまとめる, とに, and the attention was paid to た. Specific に は, optimum な メ タ analysis results を sentaku す る benchmark と し て, - ベ イ ズ presumption when に update さ れ る パ ラ メ ー タ の a つ で あ る free エ ネ ル ギ ー を using す る こ と で, MEG デ ー タ に optimum し た メ タ analysis index of が guest 観 を yuan に sentaku で き る こ と を shown し た. The above achievements are submitted to へと NeuroImage journal され, accepted and published された.

项目成果

メタ解析fMRIデータを空間制約情報に用いたMEG信号源推定方法

以荟萃分析fMRI数据作为空间约束信息的MEG信号源估计方法

• 发表时间: 2019
• 作者: 鈴木 啓大;山下 宙人
• 通讯作者: 山下 宙人

MEG current source reconstruction using a meta-analysis fMRI prior

使用荟萃分析 fMRI 先验进行 MEG 电流源重建

• DOI: 10.1016/j.neuroimage.2021.118034
• 发表时间: 2021
• 期刊: NeuroImage
• 影响因子: 5.7
• 作者: Suzuki Keita;Yamashita Okito
• 通讯作者: Yamashita Okito

Meta-analysis fMRI helps MEG source reconstruction

Meta 分析 fMRI 有助于 MEG 源重建

• 发表时间: 2019
• 作者: Yusuke Sakai;Yuko Kuwabara;Keita Ishijima;Saya Kagimoto;Serina Mura;Kango Tatemoto;Ryusei Kuwata;Kenzo Yonemitsu;Shohei Minami;Yudai Kuroda;Kenji Baba;Masaru Okuda;Hiroshi Shimoda;Masashi Sakurai;Masahiro Morimoto;Ken Maeda;鈴木 啓大
• 通讯作者: 鈴木 啓大