高次元データの時間変動相関によるグルーピングの変化の解析

基于高维数据时变相关性的分组变化分析

• 批准号: 14J01140
• 负责人: 新谷 俊了
• 金额: $ 0.58万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2014
• 资助国家: 日本
• 起止时间: 2014-04-25 至 2016-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-14J01140/
• 关键词: 結合推定

多領野fMRIデータを用いた脳領野間の結合を推定するための推定方法の開発を行った。本課題で扱う結合は領野間の活動の相関を因果的にとらえた有向性の結合である。本年度は昨年度課題としていたスパース推定に取り組んだ。結合推定の手法であるDynamic Causal Modeling (DCM)において結合係数の推定は最尤推定によって実行される。一般に目的関数に最適化変数の絶対値を罰則項として導入することによりスパースな解が得られることが知られている(L1スパース推定)。脳の情報処理を調べるには全脳が完全結合していると考えるより、重要な領野間がスパースに結合していると考え調べることが重要だと考えられるため、脳領野間の結合推定にL1スパース推定を用いた。L1スパース推定では予測関数が最適化変数の線形で表せる場合は、高速に最適解を求める方法が知られているため、DCMによるfMRI信号の予測を線形近似してL1スパース推定を行うことを試みた。しかし、DCMにおいては本課題で用いた線形近似では複数領野を経由するような結合がうまく表現できないことが分かった。そこで、予測関数が非線形になる場合のL1スパース推定において用いられる手法を導入し、現在研究結果をまとめている。昨年度、相関解析により多領野間がクラスター状に結合する構造を持つことが分かったが、本年度のL1スパース推定の結果と合わせ、脳領野間の重要な結合を取り出すことにより、脳領野間の結合が時間変動するクラスターに分解できることが期待される。本研究により、多領野のfMRIデータという高次元データから時間変動する結合による脳領野間の結合クラスターの変化を知ることができるため、本申請の目的に対して貢献できたと考えている。

Multi-field fMRIデ タを タを is developed by using the <s:1> た脳 interfield <s:1> combined with the を presumption するため <s:1> presumption method <e:1> for を rows った. This subject combines the にとらえた directionality <e:1> of <s:1> activities <e:1> among the <s:1> fields and を causality with である. For this year, と for the previous year 's topic と て たスパ たスパ ス ス is presumed to take に as the group of んだ. By combining the presumption of the であるDynamic Causal Modeling (DCM)にお である て て and the presumption of the combined coefficient <s:1>, it is presumed that the によって is feasible される. Optimal number of general purpose に masato に - several の unique numerical を seaborne penalty term と し て import す る こ と に よ り ス パ ー ス が な solution to ら れ る こ と が know ら れ て い る (L1 ス パ ー ス presumption). 脳 の intelligence 処 Richard を adjustable べ る に は full 脳 が fully combining し て い る と exam え る よ り, important な between wild が ス パ ー ス に combining し て い る と exam え adjustable べ る こ と が important だ と exam え ら れ る た め presumption, 脳 brought wild の combination between に L1 ス パ ー ス presumption を with い た. Presumption L1 ス パ ー ス で は optimal number of masato が variations to test several の linear で table せ は る occasions, high-speed に optimal solution を め る method が know ら れ て い る た め, DCM に よ る を の fMRI signal to test the linear approximation し て L1 ス パ ー ス presumption を line う こ と を try み た. し か し, DCM に お い て は this topic で with い た linear approximation で は plural brought wild を 経 by す る よ う な combining が う ま く performance で き な い こ と が points か っ た. そ こ で masato, to test several が nonlinear に な る occasions の L1 ス パ ー ス presumption に お い て in い ら れ る を import し, now the results を ま と め て い る. Last year, phase analytical に masato よ り receive more between wild が ク ラ ス タ ー shape に combining す る tectonic を hold つ こ と が points か っ た が, this year's の L1 ス パ ー ス presumption の result と わ せ, 脳 の important between wild な union を take り す こ と に よ り, 脳 の combining が time variations between wild move す る ク ラ ス タ ー に decomposition で き る こ と が expect さ れ る. This study に よ り, more wild の fMRI デ ー タ と い う high dimensional デ ー タ か ら time - move す る combining に よ る 脳 brought wild の combination between ク ラ ス タ ー の variations change を know る こ と が で き る た め, the purpose of this application の に し seaborne て contribution で き た と exam え て い る.

项目成果

Estimating effective connectivity between brain areas with DCM.

使用 DCM 评估大脑区域之间的有效连接。

• 发表时间: 2015
• 作者: Toshiaki Shintani;Shinri Ohta;Kuniyoshi L. Sakai;Shigeru Shinomoto
• 通讯作者: Shigeru Shinomoto

DCMによる脳領野間の有効結合の推定

使用 DCM 估计大脑区域之间的有效连接

• 发表时间: 2015
• 作者: 新谷俊了;太田真理;酒井邦嘉;篠本滋
• 通讯作者: 篠本滋

脳領野間の結合推定

大脑区域之间连接性的估计

• 发表时间: 2015
• 作者: Takaki Makino;Yukiko Iwata;Katsutoshi Shinohara;Yutaka Jitsumatsu;Masao Hotta;Hao San;Kazuyuki Aihara;K. Shinohara;Katsutoshi Shinohara;Katsutoshi Shinohara;Katsutoshi Shinohara;K. Shinohara;K. Shinohara;K. Shinohara;Ｂａｈｒｉｎｉ， Ｉ．， Ｓｏｎｇ， Ｊ．， Ｄｉｅｚ， Ｄ．， Ｈａｎａｙａｍａ， Ｒ．;ＳＯＮＧ Ｊｉｈｏｏｎ， ＨＡＮＡＹＡＭＡ Ｒｉｋｉｎａｒｉ;新谷 俊了
• 通讯作者: 新谷 俊了