非侵襲脳活動計測(fMRI)と(MEG)情報統合とその応用

Slides:



Advertisements
Similar presentations
『わかりやすいパターン認 識』 第 5 章 特徴の評価とベイズ誤り確率 5.4 ベイズ誤り確率と最近傍決定則 発表日: 5 月 23 日(金) 発表者:時田 陽一.
Advertisements

土木計画学 第3回:10月19日 調査データの統計処理と分析2 担当:榊原 弘之. 標本調査において,母集団の平均や分散などを直接知ることは できない. 母集団の平均値(母平均) 母集団の分散(母分散) 母集団中のある値の比率(母比率) p Sample 標本平均 標本分散(不偏分散) 標本中の比率.
コンピュータビジョン特論 第8回対象追跡 2006年11月22日 加藤丈和.
相関を超えた情報処理の操作 小脳内部モデル 計算モデルに基づくシステム神経科学 システム神経科学は難しい 情報処理の理解と検証が難しい
非侵襲脳活動計測(fMRI)と(MEG)情報統合とその応用
ウェーブレットによる 信号処理と画像処理 宮崎大輔 2004年11月24日(水) PBVセミナー.
脳活動計測で 「指先の動きを再現する」技術
Bassモデルにおける 最尤法を用いたパラメータ推定
「データ学習アルゴリズム」 第3章 複雑な学習モデル 3.1 関数近似モデル ….. … 3層パーセプトロン
Bias2 - Variance - Noise 分解
Bias2 - Variance - Noise 分解
クロストーク成分の相互相関に 着目した音場再生システム
ベイズ的ロジスティックモデル に関する研究
「データ学習アルゴリズム」 第2章 学習と統計的推測 報告者 佐々木 稔 2003年5月21日 2.1 データと学習
クラスター変分法と確率的情報処理 --Belief Propagation と画像処理アルゴリズム--
確率モデルによる 画像処理技術入門 --- ベイズ統計と確率的画像処理 ---
確率・統計輪講資料 6-5 適合度と独立性の検定 6-6 最小2乗法と相関係数の推定・検定 M1 西澤.
第12章 連続潜在変数 修士 1年 村下 昇平.
誘発電位の基礎 九州大学大学院医学研究院 脳研臨床神経生理 飛松省三.
ベイズ基準によるHSMM音声合成の評価 ◎橋本佳,南角吉彦,徳田恵一 (名工大).
ベイジアンネットワーク概説 第3章 ベイジアンネットワークモデルの      数学的基礎 3.5 情報量基準を用いた構造学習 岩崎唯史.
【小暮研究会2】 「ベイズのアルゴリズム」:序章 【1,2:計量経済分析と統計分析】 【 3:ベイズ定理】
高次元データにおける幾つかの検定統計量の漸近分布について
脳活動に関するデータ データの種類 データの特徴 脳波・脳磁図・fMRI画像 脳活動とパフォーマンスの関係はきわめて冗長。
相関分析.
7. 音声の認識:高度な音響モデル 7.1 実際の音響モデル 7.2 識別的学習 7.3 深層学習.
奈良女子大集中講義 バイオインフォマティクス (9) 相互作用推定
NTTコミュニケーション科学基礎研究所 村山 立人
教師なしデータ 学習データ  X1, X2, …, Xn   真の情報源 テストデータ  X  .
確率的学習アルゴリズムを用いた有限状態オートマトンの抽出に関する研究
混合ガウスモデルによる回帰分析および 逆解析 Gaussian Mixture Regression GMR
多重ベータ分布を用いた音色形状の数理モデリングによる
情報理工学系研究科 数理情報学専攻 数理第四研究室 博士三年 指導教員: 駒木 文保 准教授 鈴木 大慈 2008年8月14日
確率伝搬法と量子系の平均場理論 田中和之 東北大学大学院情報科学研究科
確率的学習アルゴリズムを用いた有限状態オートマトンの抽出に関する研究
独立成分分析 5 アルゴリズムの安定性と効率 2007/10/24   名雪 勲.
音響伝達特性を用いた単一マイクロホンによる話者の頭部方向の推定
第5章 特徴の評価とベイズ誤り確率 5.5 ベイズ誤り確率の推定法 [1] 誤識別率の偏りと分散 [2] ベイズ誤り確率の上限および下限
複数の相関のある情報源に対するベイズ符号化について
独立成分分析 (ICA:Independent Component Analysis )
予測に用いる数学 2004/05/07 ide.
量子系における 確率推論の平均場理論 田中和之 東北大学大学院情報科学研究科
東北大学 大学院情報科学研究科 応用情報科学専攻 田中 和之(Kazuyuki Tanaka)
ニューロマーケティング H 経営学科3年 李 ミヌ.
ベイズ・アプローチによる グラフィカル・テスト理論
サーマルプローブを用いたイオン温度計測の新しいアプローチ
Core Technology Center
Number of random matrices
不完全な定点観測から 真の不正ホストの分布が分かるか?
文化財のデジタル保存のための 偏光を用いた透明物体形状計測手法
「データ学習アルゴリズム」 第3章 複雑な学習モデル 報告者 佐々木 稔 2003年6月25日 3.1 関数近似モデル
Numerical solution of the time-dependent Schrödinger equation (TDSE)
第3章 線形回帰モデル 修士1年 山田 孝太郎.
クロスバリデーションを用いた ベイズ基準によるHMM音声合成
「ICAによる顔画像特徴量抽出とSVMを用いた表情認識」
第9章 学習アルゴリズムとベイズ決定側 〔3〕最小2乗法とベイズ決定側 発表:2003年7月4日 時田 陽一
HMM音声合成における 変分ベイズ法に基づく線形回帰
ベイズ基準による 隠れセミマルコフモデルに基づく音声合成
ベイズ音声合成における 事前分布とモデル構造の話者間共有
P4 通信システム P4.1 ディジタルフィルタの設計とその応用 P4.2 伝送線路のFDTD解析 P4.2 H4.1 P4.1 H4.1
ガウス分布における ベーテ近似の理論解析 東京工業大学総合理工学研究科 知能システム科学専攻 渡辺研究室    西山 悠, 渡辺澄夫.
1ーQー18 音声特徴量抽出のための音素部分空間統合法の検討
統計力学と情報処理 ---自由エネルギーの生み出す新しい情報処理技術--- 2003年8月14日前半
◎小堀 智弘,菊池 浩明(東海大学大学院) 寺田 真敏(日立製作所)
電子ビームラインの構築と APDを用いた電子計測試験
領域ベースの隠れ変数を用いた決定論的画像領域分割
音響伝達特性を用いた単一チャネル 音源位置推定における特徴量選択の検討
わかりやすいパターン認識 第6章 特徴空間の変換 6.5 KL展開の適用法 〔1〕 KL展開と線形判別法 〔2〕 KL展開と学習パターン数
ベイジアンネットワークと クラスタリング手法を用いたWeb障害検知システムの開発
混合ガウスモデル Gaussian Mixture Model GMM
Presentation transcript:

非侵襲脳活動計測(fMRI)と(MEG)情報統合とその応用 佐藤雅昭1,2 吉岡琢1 梶原茂樹3 外山敬介3 郷田直一1 銅谷賢治1,2 川人光男1 1 ATR脳情報研究所 2 科学技術振興事業団 CREST 3 (株)島津製作所 基盤技術研究所

機能的MRI(fMRI) 高空間分解能(ミリメートル) 低時間分解能(数秒) 血流量に起因する信号 人脳機能地図の解明 視覚刺激の機能局在  高空間分解能(ミリメートル)  低時間分解能(数秒)  血流量に起因する信号 人脳機能地図の解明 MRI装置 視覚刺激の機能局在

脳磁図(MEG) 超伝導センサ  高時間分解能(ミリ秒)  脳活動電位に起因する磁場 MEG装置 201chセンサ配列

複数の非侵襲脳活動計測法の統合 fMRI + MEG 高い空間解像度(mm) + 高い時間解像度(msec) fMRI: 高い空間解像度 (数mm) 低い時間解像度 (数秒) (血流変化と同じオーダー) MEG: 高い時間解像度 (数ミリ秒) 低い空間解像度 (逆問題の不定性) fMRI + MEG 高い空間解像度(mm) + 高い時間解像度(msec)

(電流双極子数>>観測点数) MEG逆推定問題 MEG順モデル 脳内電流分布から誘発される 観測磁場 観測磁場B:N次元 (=SQUIDセンサ数) G:リードフィールド行列( N x I ) ε:観測ノイズ(N次元) MEG電流源逆推定問題 観測磁場Bから電流分布Jを推定 脳内電流分布J:I次元 (=電流双極子数) 不良設定問題 (電流双極子数>>観測点数) センサ数N:201 双極子数I:数百~数万

従来法 電流源が複数ある複雑な場合に 推定の信頼性が悪くなる 双極子推定 線形逆フィルタ 格子状に配置された電流双極子を仮定し、その強度を線形フィルタで逆推定 少数の電流双極子を仮定し、 その位置と強度を推定 電流源が複数ある複雑な場合に   推定の信頼性が悪くなる

ベイズ推定 観測データ尤度 P(B|J) : 電流が J の時,磁場 B を観測する確率 事前分布 P(J) : 事前知識により,電流が J である確率 事後分布 : P(J|B) ∝ (観測データ尤度) × (事前分布) 観測データと事前知識を合わせた後で,電流が J である確率 事後分布 確率 観測データ尤度 事前分布 電流 J

MEG data MRI structural image data fMRI functional image data MEG time series data SBI-system MEG data Cortical surface Brain Voyger MRI structural image data fMRI activity SPM fMRI functional image data

階層ベイズ法の事前分布 事前分布 = パラメトリックな共分散行列を持つ正規分布 厳密に事後分布を計算することは困難 1.各双極子に独立な分散     を仮定 電流双極子   の分散     を未知パラメータとする 2.連続条件:双極子間の距離に依存した相関を仮定 電流双極子   と   の相関は近いところほど大きいと仮定 3.fMRI情報:分散    に対する事前情報として利用 電流分散    に対する階層事前分布を用意して 電流分散もベイズ推定する    非線形推定問題になるので, 厳密に事後分布を計算することは困難

変分ベイズ推定法 事後分布計算を最適化問題に再定式化し, 変分法を用いて事後分布を近似計算する 非線形推定問題を繰り返し法で解く converge yes no MEGデータ 自由エネルギー 電流推定   分散推定 J-step a-step fMRI 非線形推定問題を繰り返し法で解く ・ 推定された電流分散を使って     電流強度を推定 ・ 推定された電流強度を使って     電流分散を推定 電流分散の大きいところ, すなわち電流強度の大きいところでのみ 電流復元利得を大きくして推定精度を上げるので 分解能を上げても推定精度は落ちない

False-positive fMRIシミュレーション 視覚野の三ヶ所に電流源を仮定 六ヶ所に活動が見られるfMRI情報(False-positive fMRI)を用いた場合にも推定がうまく行くかどうかを調べる 視覚野周辺の脳モデル(シミュレーションで使用) 正しいfMRI False-positive fMRI

推定結果 真の電流時系列 正しいfMRI False-positive fMRI VB Wiener

正しいfMRI 左から真の電流分布、階層変分ベイズ推定による 推定結果、およびWienerフィルタによる推定結果

False-positive fMRI

Hierarchical Bayes Estimation half visual field upper-quadrant

まとめ 1.得られる観測データの違い ・MEGのみ ・MRI+MEG ・MRI+fMRI+MEG   全ての場合を統一的に扱える理論的枠組みを提供   全ての場合で従来法を超える推定精度を実現 2.不正確なfMRI信号にも適用可能 fMRI不活性信号の問題,false positiveの問題を解消できる 3. 今後の課題     実データへの適用     ヒューマンインターフェースへの応用