文献

J-GLOBAL ID：202202215336904603   整理番号：22A1019292

モデルベースおよびモデルフリー表現接続性解析の警告と Nu【JST・京大機械翻訳】

Caveats and Nuances of Model-Based and Model-Free Representational Connectivity Analysis

著者 (7件)： Karimi-Rouzbahani Hamid (MRC Cognition and Brain Sciences Unit, University of Cambridge, Cambridge, United Kingdom) ,  Karimi-Rouzbahani Hamid (Department of Computing, Macquarie University, Sydney, NSW, Australia) ,  Woolgar Alexandra (MRC Cognition and Brain Sciences Unit, University of Cambridge, Cambridge, United Kingdom) ,  Henson Richard (MRC Cognition and Brain Sciences Unit, University of Cambridge, Cambridge, United Kingdom) ,  Henson Richard (Department of Psychiatry, University of Cambridge, Cambridge, United Kingdom) ,  Nili Hamed (Department of Excellence for Neural Information Processing, Center for Molecular Neurobiology (ZMNH), University Medical Center Hamburg-Eppendorf (UKE), Hamburg, Germany) ,  Nili Hamed (Wellcome Centre for Integrative Neuroimaging, University of Oxford, Oxford, United Kingdom)
資料名： Frontiers in Neuroscience (Web)  (Frontiers in Neuroscience (Web))
巻： 16  ページ： 755988  発行年： 2022年 
JST資料番号： U7087A  ISSN： 1662-453X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 脳連結性分析は,通常,異なる脳領域における活性化の一次元要約間の統計的関係に頼っている。しかしながら,単一次元に対する各領域内の活性化パターンを要約することは,それらの多次元活性パターン間の潜在的統計的依存性を無視する。表現連結性解析(RCA)は,データの次元を減らすことなく,活動の多次元パターン間の関係を定量化する方法である。RCAの2つの変異体を考察した。モデルフリーRCAにおいて,目標は2つの脳領域に対する共有情報を定量化することである。モデルベースのRCAでは,2つの領域が,モデルによって定義されるように,刺激/タスクの特定の側面について情報を共有するかどうかの1つのテストがある。しかし,これは新しいアプローチであり,モデルフリーおよびモデルベースのRCAの潜在的空洞は,まだ研究中である。最初に,モデルベースのRCAがモデルのレンズを通して接続性を検出し,次に,モデルベースおよびモデルフリーRCAが矛盾する結果を与える3つのシナリオを提示する。これらの矛盾する結果は機能的連結性の解釈を複雑にする。複雑な中間モデル,地域全体の共通パターン,および脳領域にわたる表現構造の変換という3つのシナリオにおける課題を強調した。論文は,結果を再現するスクリプトを伴う。各事例において,矛盾した結果に起因する困難を軽減する可能性のある方法を示唆した。本研究の結果は,RCAの幾つかの研究上の側面に光を当て,研究者がこの方法をより有効に利用することを可能にする。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相似解 ,  レンズ ,  データ ,  脳 ,  匂い ,  解析 ,  分析 ,  *モデル ,  一次元 ,  高次元 ,  連結性
準シソーラス用語： *モデルベース ,  スクリプト ,  脳領域 , 【Automatic Indexing@JST】

著者キーワード (5件)： 表現連結性解析 ,  多次元連結性 ,  機能的連結性 ,  多変量パターン解析 ,  表現類似性解析

分類 (4件)： 脳・神経系モデル  (EL02050C) ,  生体計測  (EL03020C) ,  中枢神経系  (EJ12030F) ,  パターン認識  (JE07000S)

引用文献 (38件)：

• Anzellotti S., Coutanche M. N. (2018). Beyond functional connectivity: investigating networks of multivariate representations. Trends Cogn. Sci. 22 258-269. doi: 10.1016/j.tics.2017.12.002
• Anzellotti S., Caramazza A., Saxe R. (2017a). Multivariate pattern dependence. PLoS Comput. Biol. 13:e1005799. doi: 10.1371/journal.pcbi.1005799
• Anzellotti S., Fedorenko E., Kell A. J., Caramazza A., Saxe R. (2017b). Measuring and modeling nonlinear interactions between brain regions with fMRI. bioRxiv [Preprint]. bioRxiv, 074856, doi: 10.1371/journal.pcbi.1005799
• Bar M., Kassam K. S., Ghuman A. S., Boshyan J., Schmid A. M., Dale A. M., et al (2006). Top-down facilitation of visual recognition. Proc. Natl. Acad. Sci. U.S.A. 103 449-454. doi: 10.1371/journal.pcbi.1005799
• Basti A., Mur M., Kriegeskorte N., Pizzella V., Marzetti L., Hauk O. (2019). Analysing linear multivariate pattern transformations in neuroimaging data. PLoS one 14:e0223660. doi: 10.1371/journal.pone.0223660

タイトルに関連する用語 (7件)： モデルベース ,  モデル ,  表現 ,  接続性 ,  解析 ,  警告 ,  NU