マイクロステートと再発定量分析を使用するGRU-CNNモデルによる聴覚注意検出

総説と報告:微状態とリカースクエンティアル分析に基づくGRU-CNNモデルの聴覚注意検出への応用 背景と研究動機 注意力は一種の認知能力として感知過程において重要な役割を果たしており、人間が複雑な環境の中で特定の対象に集中し、他の干渉を無視するのを助ける。本論文は聴覚注意検出(Auditory Attention Detection, AAD)に関する研究であり、複数チャンネルの脳波(EEG)信号を通じて、聴者が目標話者に集中する過程で異なる動態特性を抽出し、競争的な話者が存在する場合でも効果的に聴覚注意を検出することを目指している。 論文の出典と著者情報 本論文はMohammadreza Eskandarinasab、Zahra Raeisi、Reza Ahmadi Lashaki、および...

ディープラーニングモデルによるセマンティック飽和のメカニズムの解明

ディープラーニングモデルによるセマンティック飽和のメカニズムの解明

ディープラーニングモデルが意味飽和メカニズムを解明 意味飽和(semantic satiation)は、ある単語やフレーズが何度も繰り返されることでその意味が失われる現象であり、よく知られた心理学的現象です。しかし、このメカニズムを引き起こす微視的な神経計算の原理は依然として未知です。本稿では、連続結合ニューラルネットワーク(continuous coupled neural network, CCNN)を使用してディープラーニングモデルを構築し、意味飽和のメカニズムを研究し、ニューロンの成分でこのプロセスを正確に記述します。研究結果は、中観的な視点から見ると、意味飽和は自下から上へのプロセスである可能性があり、既存のマクロな心理学研究が意味飽和を自上から下へのプロセスと見なしているのとは異...

ヒト頂縁回における単一ニューロンによる内部言語の表現

《Internal Speech Representation by Single Neurons in Human Supramarginal Gyrus》科学報告 背景紹介 近年、ブレイン・マシン・インターフェース(BMIs, Brain-Machine Interfaces)技術は音声デコード分野で顕著な進展を遂げています。BMIsは脳信号を音声またはオーディオ出力に変換し、病気や損傷のために話す能力を失った人々が再びコミュニケーションできるようにします。しかし、有声音声、試みの音声、模擬音声デコードにおいて重要な進展があったにもかかわらず、内在言語(internal speech)のデコード研究は相対的に希少であり、機能性も低いです。本論文は内在言語デコードの過程における課題を解決す...

パーキンソン病における全脳の1/f指数の地形図

パーキンソン病における全脳の1/f指数の地形図

パーキンソン病における全脳1/f指数のトポロジカルマップ 著者: Pascal Helson、Daniel Lundqvist、Per Svenningsson、Mikkel C. Vinding、Arvind Kumar 研究の背景 パーキンソン病(Parkinson’s Disease, PD)は進行性で衰弱を伴う脳の疾患であり、主に運動障害を特徴としますが、知覚と認知処理にも影響を及ぼします。症状の広範さと多くの神経伝達物質(例:ドーパミン)の脳内広範な投射のため、多くの脳領域がPDに影響されます。病気に関連する全脳神経ニューロン機能の変化を特徴付けるため、本研究ではPD患者と健康対照者の静止状態の磁気脳図(Magnetoencephalogram, MEG)を分析しました。 従来のス...

k-emophone: 実験中の感情、ストレス、および注意ラベルを含むモバイルおよびウェアラブルデータセット

科学データレポート | K-emophone: 場所特定の感情、ストレス、注意力ラベルを含むモバイルおよびウェアラブルデータセット 背景紹介 低コストのモバイルおよびウェアラブルセンサーの普及に伴い、多くの研究がこれらのデバイスを利用して人間の精神的健康、生産性、行動パターンを追跡および分析しています。しかし、これまでのところ、実験室環境で収集されたデータセットは発展してきた一方で、実世界のシナリオで収集された感情、ストレス、注意力などのラベルを含むデータセットが不足しており、感情計算(Affective Computing)および人間とコンピュータのインタラクション(Human-computer Interaction)分野の研究進展を制限しています。 研究の出所 本研究は、Soowon ...

深層学習に基づく運動イメージEEG分類、皮質源画像の機能的接続を利用する

深層学習に基づく運動想像EEG分類における皮質源イメージングの機能的結合の活用 研究背景と動機 脳-機械インターフェース(BCI)は、関連する神経経路や筋肉に依存せずに脳活動情報を直接デコードし、外部デバイスとの通信や制御を実現するシステムです。BCIシステムにおいて、よく使われる信号には脳波(EEG)、脳磁図(MEG)、および機能的磁気共鳴画像(fMRI)が含まれます。その中でも、EEGは非侵襲、実施の容易さ、低コスト、倫理的チャレンジがないなどの利点から最も一般的に使用されます。 運動想像(Motor Imagery, MI)はBCIの重要なパラダイムで、刺激条件がない場合でも、運動想像タスク中に運動想像EEG信号(MI-EEG)が自発的に生成されます。MI-EEG信号には、運動意図期間...