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。
視覚システムの調査は,主に,実験データを分析するために用いられる実験的刺激またはモデルを制限するための先験仮説に依存する。仮説は科学的問診の必須部分であるが,排他的仮説駆動アプローチは,既存の理論に対する確認バイアスと,それらによって予測されない新しい発見から離れている。本論文では,顔,場所,文字,または身体部分に選択する関心(ROI)の4つの高レベル視覚領域を研究するために,仮説-中立計算アプローチを用いた。機能的磁気共鳴映像法(fMRI)測定によるこれらのROIのニューラルネットワークモデルを制約するために,自然Sceneデータセットの前例のないスケールと品質を利用した。ROIにおける刺激画像および関連活動のみを用いて,著者らは,そのROIの各々のボクセルにおける活動を予測することができるニューラルネットワークを,そのROIの各々のボクセルにおける活性を予測することができ,それは,最先端のモデルをモデル化する精度を有することを示した。さらに,一度訓練された場合,ROI特異的ネットワークは,どの種類の機能特性がそれらの訓練において自発的に出現するかを明らかにすることができる。カテゴリーレベルの監視にもかかわらず,訓練されたネットワークにおけるユニットは,顔や単語のような意味概念のための検出器として強く動作し,従って,これらの視覚領域におけるカテゴリー選択性に対する証拠のかなりの部分を提供する。重要なこととして,この選択性は,訓練食における選択的欠乏を伴うネットワークを訓練するとき,それらの好ましいカテゴリーを含む画像を除くことにより維持される。訓練されたネットワークにおける得られた選択性は,視覚領域が排他的カテゴリー検出器として機能しないが,これらのカテゴリーがない場合でさえ,それらの好ましいカテゴリーに典型的な視覚パターンに敏感であることを強く示唆した。最後に,著者らの応答最適化ネットワークには明確な機能特性があることを示した。まとめると,著者らの知見は,モデル解釈技術と組み合わせた応答最適化モデルが,脳における表現と計算の性質を探索するための強力で統一的な計算フレームワークとして役立つことを示唆する。【JST・京大機械翻訳】
