Discovery Sagaサイレントキーワード俯瞰

本研究では、人間が将来行おうと計画した行動意図の遂行され易さを個人の脳活動データの時空間パターンから予測するための計算アルゴリズムを探る。特に、機能的MRIによって神経活動から数秒遅れて観測される脳血液動態データ(MRI-BOLD信号)をデコンボリューション演算によって実時間的な神経活動の時系列に変換し、BOLD信号のみからでは求めることが困難であった時間横断的な神経活動データ解析による検討を試みる。
平成20年度は、計画した行動意図を遅延・干渉をはさんで想起・実行する課題において計測された被験者の脳内のMRI-BOLD信号をデコンボリューションし、この課題中の実時間的な神経活動の時系列データを脳全体にわたって推定、算出した。課題における被験者の行動特性として、干渉中の課題の反応が速いほど引き続く行動意図の想起・実行の反応が遅いというトレードオフ関係が見られた。そこで、干渉課題と意図想起・実行との間での反応速度の差を各意図の想起・遂行のされ易さの行動的な指標として利用し、神経活動の時空間パターンとの対応を調べた。その結果、干渉課題中の左内側前頭皮質の活動が高いほど意図想起・遂行時の右内側前頭皮質の活動が高く、さらにそのときに干渉課題と意図遂行との間の行動的なトレードオフが大きくなる(すなわち干渉が抑えられて行動意図が遂行され易くなる)という結果を得た。この結果は、脳内での時間横断的な神経活動パターンが引き続く記憶・行動反応を動的に制御する機構を示唆し、BOLD信号デコンボリューションによる脳内神経活動の時空間解析が引き続く行動の予測に有用であることを示すものである。
また、これと併行して、実験動物から記録した実際の神経活動データに対し、非負行列因子分解を応用した新しい空間的神経活動分類アルゴリズムの開発・検討を行った。

【研究分担者】
渡辺正峰	東京大学	工学研究科	准教授	(Kakenデータベース)