| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-03-06 17:00 深層リカレントニューラルネットワークを用いたfMRIの解析及び脳機能の解読 ○大橋耕也（東工大）・鈴木大慈（東工大/JST/理研）  IBISML2016-104 |
|
| 抄録 | （和） | 被験者が特定のタスクを行っているときの脳活動をfMRIにより観測したデータ (task-evoked fMRIデータ) から，そのタスクを特定する問題を考える．先行研究として，FFNN (Feedforward Neural Network) を用いた手法が提案されており，ロジスティック回帰等の既存手法を優越する分類精度を達成することが示されている．しかし彼らの手法は時間情報を用いておらず，分類精度向上の余地が残されていた． 本研究では時間情報を取り入れた解析を行うため，RNN (Recurrent Neural Network) を用いた分類手法を提案する．提案手法は，自然言語処理の分野で提案されたテキスト分類の考え方を採用したものである．実データを用いた数値実験により，提案手法は既存手法以上の分類精度を達成することが確認された．さらに，学習されたタスク分類器に感度分析を行うことで，特定のタスクに対し重要な役割をもつ脳の部位が推定できることを示す． |
| （英） | We consider a classification problem in which the task that a subject is performing is identified from the brain activity data observed by fMRI. It has been shown that a classification method using FFNN (Feedforward Neural Network) achieved better classification accuracy than existing methods such as logistic regression. However, their method did not use temporal information and there was room for improvement in classification accuracy. In this study, we propose a classification method using RNN (Recurrent Neural Network) to incorporate temporal information. The proposed method adopts the idea of text classification method proposed in the field of natural language processing. Numerical experiments using real data confirmed that the proposed method achieves classification accuracy higher than those of existing methods. Furthermore, we show that through the sensitivity analysis of the learned task classifier, it is possible to estimate the part of the brain that has an important role for a specific task. |
|
| キーワード | （和） | Deep learning / RNN / fMRI / Classification / Brain decoding / Brain machine interface / / |
| （英） | Deep learning / RNN / fMRI / Classification / Brain decoding / Brain machine interface / / | |
| 文献情報 | 信学技報, vol. 116, no. 500, IBISML2016-104, pp. 33-40, 2017年3月. | |
| 資料番号 | IBISML2016-104 | |
| 発行日 | 2017-02-27 (IBISML) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2016-104 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2017-03-06 - 2017-03-07 |
| 開催地（和） | 東京工業大学 |
| 開催地（英） | Tokyo Institute of Technology |
| テーマ（和） | 統計数理，機械学習，データマイニング，一般 |
| テーマ（英） | Statistical Mathematics, Machine Learning, Data Mining, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2017-03-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層リカレントニューラルネットワークを用いたfMRIの解析及び脳機能の解読 |
| サブタイトル（和） | |
| タイトル（英） | Recurrent Neural Networks for task-evoked fMRI data classification |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Deep learning / Deep learning |
| キーワード(2)（和/英） | RNN / RNN |
| キーワード(3)（和/英） | fMRI / fMRI |
| キーワード(4)（和/英） | Classification / Classification |
| キーワード(5)（和/英） | Brain decoding / Brain decoding |
| キーワード(6)（和/英） | Brain machine interface / Brain machine interface |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 大橋 耕也 / Koya Ohashi / オオハシ コウヤ |
| 第1著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第2著者 氏名（和/英/ヨミ） | 鈴木 大慈 / Taiji Suzuki / スズキ タイジ |
| 第2著者 所属（和/英） | 東京工業大学/科学技術振興機構さきがけ/理化学研究所 (略称： 東工大/JST/理研) Tokyo Institute of Technology・PRESTO,Japan Science and Technorogy Agency/RIKEN (略称： Tokyo Tech/JST/RIKEN) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-03-06 17:00:00 |
| 発表時間 | 30分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2016-104 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.500 |
| ページ範囲 | pp.33-40 |
| ページ数 | 8 |
| 発行日 | 2017-02-27 (IBISML) |
[研究会発表申込システムのトップページに戻る]