抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
表現的類似性解析(RSA)は,人間の脳活動,行動データ,および計算モデルから表現空間を関連づける一般的な方法として浮上している。RSAは,すべての特徴(例えば,fMRIボクセルまたはモデルユニット)にわたるすべての条件のペアワイズ(dis-)相似性を特徴づける,表現的(dis-)類似性行列(RDMまたはRSM)の比較に基づいている。しかし,古典的RSAは各特徴を等しく重要である。この「等しい重み」仮定は,多変量復号化の柔軟性と対照的であり,それは目標変数を予測するための個々の特徴を再重み付けする。結果として,古典的RSAは,研究者がモデルと脳領域の間の対応を過小評価し,モデル比較の場合,それらを下位モデルの選択に導く可能性がある。本研究の目的は,まず,計算モデルに適用される特徴再加重RSA(FR-RSA)を広く試験して,再重みづけモデル特徴がRSM対応を改善し,モデル選択に影響する程度を明らかにすることである。以前の研究は,再重み付けがRSAにおけるモデル選択を改善することができるが,これらの結果がデータセットとデータモダリティをいかに一般化するかについては不明である。より一般的な結論を引き出すために,著者らは,公的に利用可能なデータセットと3つの一般的な深層ニューラルネットワーク(DNN)の範囲を利用した。第2に,fMRIボクセルを再重みづけするFR-RSAの新しい使用事例であるボクセル-再加重RSAを提案し,最適にボクセル活動パターンを結合する多変量復号化の論理的根拠を反映した。著者らは,個々のモデルユニットの再重み付けが,いくつかのfMRIと行動データセットに由来するモデルRSMと標的RSMの間の適合を著しく改善し,FR-RSAを考慮することの重要性を強調する。ボクセル再加重RSAでは,RSM対応の改善がより顕著であり,この新規アプローチの有用性を実証した。さらに,FR-RSAが適用され,それらの計算のための更新されたアプローチを提案するとき,古典的雑音天井を超過できることを示した。まとめると,著者らの結果は,計算モデル,脳,および行動データの間の適合を改善するためにFR-RSAの使用を広く検証して,競合計算モデルの間のより良い調整を可能にした。さらに,著者らの結果は,脳測定チャネルに適用されるFR-RSAが,表現空間間の対応を評価する重要な新しい方法になることを示唆する。【JST・京大機械翻訳】