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。
刺激に対する脳応答パターンを予測する符号化モデルは,ボトムアップ神経系の変動性と個々の行動または病理学的状態の間のこの関係を捕捉する一つの方法である。しかし,それらは一般的に,最適精度を達成するために大量の訓練データを必要とする。ここでは,既存の符号化モデルを利用するための代替個別化アンサンブル符号化モデルアプローチを提案し,テストし,比較的少ない刺激応答データを持つ新しい個人に対する符号化モデルを作成した。著者らは,特定の個人,すなわち~300の画像応答対に対して小量のデータで訓練されたこれらの個人化されたアンサンブル符号化モデルが,同じ個人に対して約20,000の画像応答対で訓練されたモデルとは異なる精度を達成することを示した。重要なことに,個人化されたアンサンブル符号化モデルは,画像応答関係における個人間変動のパターンを保存する。さらに,提案手法は,異なるスキャナと実験装置を持つ新しい個人における画像応答データの前向きに収集した集合を検証することにより,ドメインシフトに対してロバストであることを示した。最後に,最近開発したNeuroGenフレームワークの中で,特定の個人に対する特定の領域の活性化を最大化するように設計された最適刺激を生成するために,著者らの個別化アンサンブル符号化モデルを使用した。以前に観察された動物対ヒト顔の画像に対する顔領域応答における個人間差を,アンサンブル符号化モデルを有するNeuroGenを用いて複製したことを示した。提案アプローチは,以前に収集した,深くサンプリングされたデータを使用して,正確な,個人化された符号化モデルを効率的に作成して,次に,異なる実験条件下で走査された新しい個人のための個人化された最適合成画像を,効率的に作成する可能性を示した。【JST・京大機械翻訳】