医療情報システム研究室 MRI 班【文献調査】 Sparse estimation automatically selects voxels relevant for the decoding of fMRI activity patterns. 大村歩廣安知之山本詩子 2015 年 01 月 08 日タイトル 1 まばらな推定により fMRI 活動パターンのデコードに関連したボクセルが自動的に選ばれる著者 2 Yamashita, O., Sato, M., Yoshioka, T., Tong, F., Kamitani, Y. 出典 3 NeuroImage, Volume 42, Issue 4, 1 October 2008, Pages 1414–1429 アブストラクト 4 近年の研究は，fMRI 活動パターンからタスクのパラメータを推定またはデコードするために fMRI 活動パターンからデータを用いていた．fMRI デコードのため，多くの無関係なボクセルの存在が一般化しにくくする可能性があるため，オーバーフィッティングとして知られている問題として，デコーダへのインプットとしてボクセル（または特徴量）の適切なセットを選ぶことが重要である．一変量の統計に基づき，個々のボクセルは選ばれたが，もしボクセルの間の相互関係が重要な情報を伝えるならば，ボクセルの結果として生じているセットは準最適であるかもしれない．本論文では，我々は新しいリニアの分類アルゴリズムを sparse logistic regression (SLR) と呼ぶことにし，提案する．SLR は，識別のためのそれらの重量パラメータを評価する間，関連したボクセルを自動的に選ぶ．シミュレーションデータを使うことによって，我々は SLR が無関係なボクセルを自動的に取り除く，すなわち多くの無関係なボクセルの存在において他の方法より高い識別性能を達成できることを確認した．SLR は， 2 つの視覚実験から得られた fMRI ローデータにも効果的であると判明し，視覚野の対応した位置のボクセルをうまく識別した．よりよいパターン分離を可能にするために，ボクセルの間の関係づけられていたノイズを利用することによって SLR が選んだボクセルは，一変量の統計に基づいて選んだボクセルよりよい性能であった．我々は，SLR は fMRI デコードの頑強な方法を提供し，また，ボクセル選択のための独立型のツールとして役立つかもしれないと結論付ける．キーワード 5 Machine learning methods, Support vector machine, Classifiers, Visual cortex, Novel linear classification algorithm 参考文献 6 6.1 fMRI データの一般線形モデルを用いた解析に関する文献 • Friston, K.J., Holmes, A.P., Worsley, K.P., Poline, J.B., Frith, C.D., Frackowiak, R.S.J., 1995. Statistical parametric maps in functional imaging - a general linear approach. Hum. Brain Mapp. 2, 189–210. • Worsley, K.J., Liao, C.H., Aston, J., Petre, V., Duncan, G.H., Morales, F., Evans, A.C., 2002. A general statistical analysis for fMRI data. NeuroImage 15, 1–15. 6.2 fMRI 活動パターンから視覚刺激を識別している研究 • Haxby, J.V., Gobbini, M.I., Furey, M.L., Ishai, A., Schouten, J.L., Pietrini, P., 2001. Distributed and overlapping representations of faces and objects in ventral temporal cortex. Science 293, 2425–2430. 1 • Strother, S.C., Anderson, J., Hansen, L.K., Kjems, U., Kustra, R., Sidtis, J., Frutiger, S.,Muley, S., LaConte, S., Rottenberg, D., 2002. The quantitative evaluation of functional neuroimaging experiments: the NPAIRS data analysis framework. NeuroImage 15, 747–771. • Spiridon, M., Kanwisher, N., 2002. How distributed is visual category information in human occipitotemporal cortex? An fMRI study. Neuron 35, 1157–1165. • Cox, D.D., Savoy, R.L., 2003. Functional magnetic resonance imaging (fMRI) “ brain reading ”: detecting and classifying distributed patterns of fMRI activity in human visual cortex. NeuroImage 19, 261–270. • Kanwisher, N., McDermott, J., Chun, M.M., 1997. The fusiform face area: a module in human extrastriate cortex specialized for face perception. J. Neurosci. 17, 4302–4311. • Carlson, T.A., Schrater, P., He, S., 2003. Patterns of activity in the categorical representations of objects. J. Cogn. Neurosci. 15, 704–717. • Mitchell, T.M., Hutchinson, R., Just, M.A., Niculescu, R.S., Pereira, F., Wang, X., 2004. Learning to decode cognitive states from brain images. Mach. Learn. 57, 145–175. • LaConte, S., Strother, S., Cherkassky, V., Anderson, J., Hu, X., 2005. Support vector machines for temporal classification of block design fMRI data. NeuroImage 26, 317–329. • O’Toole, A.J., Jiang, F., Abdi, H., Haxby, J.V., 2005. Partially distributed representations of objects and faces in ventral temporal cortex. J. Cogn. Neurosci. 17, 580–590. 6.3 視覚野の情報をデコードしている研究 • Kamitani, Y., Tong, F., 2005. Decoding the visual and subjective contents of the human brain. Nat. Neurosci. 8, 679–685. • Kamitani, Y., Tong, F., 2006. Decoding seen and attended motion directions from activity in the human visual cortex. Curr. Biol. 16, 1096–1102. 6.4 ｆ MRI データから感情を推定する研究 • Haynes, J.D., Rees, G., 2006. Decoding mental states from brain activity in humans. Nat. Rev., Neurosci. 7, 523–534. • Norman, K.A., Polyn, S.M., Detre, G.J., Haxby, J.V., 2006. Beyond mind-reading: multivoxel pattern analysis of fMRI data. Trends Cogn. Sci. 10, 424–430. 6.5 SVM に関する文献 • Boser, B., Guyon, I., Vapnik, V., 1992. A training algorithm for optimal margin classifiers. In Fifth Annual Workshop on Computational Learning Theory, pp. 144–152. • Vapnik, V.N., 1998. Statistical Learning Theory. Wiley, New York. 6.6 脳機能マッピングに関する文献 • Kriegeskorte, N., Goebel, R., Bandettini, P., 2006. Information-based functional brain mapping. Proc. Natl. Acad. Sci. U. S. A. 103, 3863–3868. 6.7 主成分分析に関する文献 • Carlson, T.A., Schrater, P., He, S., 2003. Patterns of activity in the categorical representations of objects. J. Cogn. Neurosci. 15, 704–717. 6.8 automatic relevance determination(ARD) に関する文献 • MacKay, D., 1992. Bayesian interpolation. Neural Comput. 4, 415–447. • Neal, R.M., 1996. Bayesian learning for neural networks. Lect. Notes Stat. 118 Springer. 6.9 特徴量選択と識別性能に関する文献 • Baker, C.I., Hutchison, T.L., Kanwisher, N., 2007. Does the fusiform face area contain subregions highly selective for nonfaces? Nat. Neurosci. 10, 3–4. 2