2018/11/26

【脳科学の達人2017】神谷 之康 “ブレイン・デコーディング 脳から心を読む技術”【第40回日本神経科学大会 市民公開講座】

https://www.youtube.com/watch?v=1jmVr1nDvq4

先日オープンラボにて訪問した神谷研究室の動画。

脳情報デコーディング ― 脳から心を読む技術(大阪科学賞記者発表レジュメ)の内容+α。訓練データ計測時の動画などがある。

多元質感知Webセミナー「ブレイン・デコーディングの方法」間島慶 2018-10-26

https://www.youtube.com/watch?v=t7lbkIYQeME

先日オープンラボにて訪問した神谷研究室の動画。スライドの見出しは以下の通り

脳機能マッピングと脳情報デコーディング

脳機能マッピングは見ている画像パターンに応じて脳の応答箇所に差異が生じることを利用し、その差異を解析する研究。

脳情報デコーディングはfMRI画像等の脳活動情報から与えられている画像パターン等の刺激を予測する研究。

モジュラーデコーディング ~任意画像再構成へのアプローチ~

脳情報デコーディングにて刺激を予測する際、予測結果としてのデータが必要となる。(「予測の結果、与えられている刺激はxxに似ている」のxx) データに依らず任意の刺激を予測するためにモジュラーデコーディングという手法が存在する。

モジュラーデコーディングは刺激を複数の個別要素に分解し、各要素ごとに予測する。それらの予測結果を合成することで元の刺激全体を予測する。
例: 2次元画像の各ピクセルに分解し、各ピクセルの結果を合成して1枚の画像に復元する

深層学習を用いたデコーディング

比較的予測しやすい2値画像ではなく、自然画像を予測するためのアプローチ。CNNの中間層をモジュラーデコーディングの「複数の個別要素」として利用する。CNN層を増やすことで精度が向上する。

過学習の問題を防ぐには

過学習とは対象データの次元数が多く訓練データが少ない場合に精度が下がる問題。スパース推定による次元数の削減や大規模訓練データの活用により対策を行う。