(クレジット: Omid Sani、生成 AI を使用)
マリアム・シャネチ電気・コンピュータ工学の学部長教授であり、USC ニューロテクノロジーセンターの創設ディレクターでもある彼女のチームは、視覚入力の影響からこれらのパターンを解きほぐすことで、さまざまな被験者にわたって驚くほど一貫した固有の脳パターンを明らかにする新しい機械学習手法を開発しました。
作品は以下に掲載されました。 米国科学アカデミーの議事録 (PNAS)。
本に手を伸ばすなど、日常のさまざまな動作動作を行うとき、私たちの脳は、多くの場合視覚入力の形で情報を取り込む必要があります。たとえば、本がどこにあるかを確認するなどです。 次に、私たちの脳はこの情報を内部で処理して、筋肉の活動を調整し、動きを実行する必要があります。 しかし、私たちの脳内の何百万ものニューロンはどのようにしてそのようなタスクを実行するのでしょうか? この質問に答えるには、ニューロンの集合的な活動パターンを研究する必要がありますが、その際、運動に関連するかどうかにかかわらず、ニューロンの固有（別名内部）プロセスからの入力の影響を解きほぐしながら研究を行います。
マリアム・シャネチ (写真提供: USC Athletics/John McGillen)
それは、Shanechi 氏、彼女の博士課程学生 Parsa Vahidi 氏、および彼女の研究室の研究員である Omid Sani 氏が、運動行動と感覚入力の両方を考慮しながら神経活動をモデル化する新しい機械学習手法を開発することで実現したことです。
「脳データを分析するこれまでの方法では、神経活動と入力は考慮するが行動は考慮しないか、神経活動と行動は考慮するが入力は考慮しないかのどちらかでした」とシャネチ氏は述べた。 「私たちは、隠れた脳パターンを抽出する際に、神経活動、行動、入力という 3 つの信号すべてを考慮できる方法を開発しました。 これにより、入力関連のニューラル パターンと固有のニューラル パターンを解きほぐすことができるだけでなく、どの固有のパターンが動作動作に関連し、どのパターンがそうでないかを分離することもできました。」
Shanechi 氏と彼女のチームは、この方法を使用して、公開されている 3 つのデータセットを研究しました。その間、3 人の異なる被験者が、コンピューター画面上のカーソルをグリッド上で移動するか、ランダムな位置に順番に移動するかという 2 つの異なる移動タスクのうちの 1 つを実行しました。
「3 つの信号すべてを考慮しない方法を使用した場合、これら 3 人の被験者の神経活動に見られるパターンは異なって見えました。」 ヴァヒディさんは語った。 しかし、チームが新しい方法を使用して 3 つの信号すべてを検討したところ、動きに関連する 3 人の被験者全員の神経活動から、驚くほど一貫した隠れたパターンが現れました。 この類似性は、3 人の被験者が実行したタスクも異なっていたにもかかわらずです。
「この新しい一貫したパターンを明らかにすることに加えて、この方法では、以前の研究のように機械学習中に 3 つの信号すべてが考慮されなかった場合と比較して、神経活動と行動の予測も改善されました。」 サニは言った。 「この新しい方法により、研究者は、この研究のような感覚入力、電気刺激や光遺伝学的刺激、さらには異なる脳領域からの入力など、脳へのさまざまな測定入力を考慮して、神経および行動データをより正確にモデル化することができます。」
この方法と発見されたパターンは、外界から受け取る情報に基づいて私たちの脳がどのように動作を実行するかを理解するのに役立ちます。 さらに、この方法は、入力の効果をモデル化し、行動に関連する固有のパターンを分離することにより、脳深部刺激療法などの外部入力を最適化することで、大うつ病などの障害における異常な脳パターンを制御する将来のブレインコンピューターインターフェースの開発に役立ちます。 。
「私たちは、このアルゴリズムが科学的発見と、神経疾患または神経精神疾患を持つ何百万もの患者のための将来の神経技術の開発の両方をどのように促進できるかに興奮しています」とShanechi氏は述べています。
2024 年 2 月 14 日発行
最終更新日: 2024 年 2 月 14 日
1707936150
#新しいアルゴリズムが感覚入力から固有の脳パターンのもつれを解く #USC #Viterbi
2024-02-14 18:22:07