ブレイン・デコーディングの方法#1-脳機能マッピングと脳情報デコーディング-

以下，自分の覚えとして，残します．
現在までのブレインデコーディングの研究の大きな流れ

■2005年　機械学習によるfMRIデコーディング（Kamitani&Tong,Nat.Neurosci.,2005;2006.）
■2008年　任意の画像を再構成するためのモジュラーデコーディング法による画像再構成（Miyawaki et al.,Neuron,2008）
■2017年　DNN導入による自然画像再構成（Shen et al.,preprint,2017）

脳機能マッピング

脳機能のマッピングの問題点
　統計的仮説検定を用いるので，偽陽性が生じやすい
➡︎・fMRIにのるノイズがガウス分布で近似できない．
　・一つ一つのボクセル単位でしか分析していないため，脳活動パターンとして，解析できない．ここのボクセルはわずかな選択性しか持たない．
脳活動マッピングによる脳の物体の認識の仕方
物体の認識について，特定の物体（例　椅子）に対応する脳活動のマッピングがあり，それによって，脳内では椅子が生じている．また，その他の物体（例　靴）では，別のマッピングがあり，それによって，脳内では靴を認識している．(Haxby et al,Science,2001)
機械学習による脳機能マッピング(Voxel pattern VS Individual voxels)
従来，個々のボクセルでしかパターン分析していなかったものを，機械学習を用いて，パターンとして解析．個々のボクセルはわずかな選択肢しか持たないがパターンは強い選択性を持つ．（Kamitani&Tong,Nat.Neurosci.,2005;2006.）

デコーディングとエンコーディング

概要
デコーディング（脳活動➡︎刺激）とエンコーディング（刺激➡︎脳活動）はベイズの定理によって，互いに交換可能．しかし，従来のエンコーディングでは，個々のボクセルを別々にモデリングしているので，脳活動のパターンを扱うことはできない．その結果を用いて，ベイズを用いて，デコーディングした結果は，脳活動を過小評価している可能性がある．また，脳は物理的に見ているものより，想像しているものに対応する脳活動を示す．
応用例（意思決定のデコーディング，クラファン予想）
■右左のボタンを被験者の好きなタイミングで押すとき，ボタンを押す８秒以上前から，どちらのボタンを押すか予想できている．（Soon et al, Nat. Neurosci., 2008）
■ベンチャービジネスの概要を見た際の脳活動（fMRI）を元にビジネスの成功を予想したものとアンケート調査を行って，アンケート調査の内容を元に予測したものを比較した場合，前者の方が精度よく予測できた．

眠たいの今日はここまで．．．

以上