神経活動の分散性によるブレインマシンインターフェイス用識別器の選択

• 船水 章大

  東京大学大学院情報理工学系研究科

• 神崎 亮平

  東京大学大学院情報理工学系研究科 東京大学先端科学技術研究センター

• 高橋 宏知

  東京大学大学院情報理工学系研究科 東京大学先端科学技術研究センター 科学技術振興機構　さきがけ

書誌事項

タイトル別名

• Selection of Brain-Machine-Interface Decoder Depending on Dispersiveness of Neural Activity
• シンケイ カツドウ ノ ブンサンセイ ニ ヨル ブレインマシンインターフェイスヨウ シキベツキ ノ センタク

抄録

In this study, we attempted to identify influential characteristics of input data for neural decoding across different decoders. Support vector machine (SVM), k-nearest neighbor method (KNN) and canonical discriminant analysis (CDA) were used as decoders to predict test tone frequencies from tone-induced neural activities in the rat auditory cortices. The sequential dimensionality reduction (SDR) that we had previously proposed reduced input data dimension one by one without deteriorating the prediction accuracy in order to identify the neural activity pattern that led to the best prediction accuracy for each decoder. We found that the accuracy of SVM and KNN improved when neural activities had high spike rates and high dispersiveness, while CDA performed better on sparse neural activities. These results suggest that the best decoder can change according to the spike rates and dispersiveness of neural activities. Since these characteristics of neural activities change depending on brain regions or test stimuli, the selection of proper decoder would be important for efficient neural decoding.

収録刊行物

• 電気学会論文誌Ｃ（電子・情報・システム部門誌）

  電気学会論文誌Ｃ（電子・情報・システム部門誌） 129 (10), 1801-1807, 2009

  一般社団法人 電気学会

キーワード

• 機械学習
• 識別器
• 聴皮質
• サポートベクターマシン
• スパースネス
• ラット

詳細情報

• CRID: 1390001204605811968
• NII論文ID: 10025318493
• NII書誌ID: AN10065950
• DOI: 10.1541/ieejeiss.129.1801
• ISSN: 13488155
• ISSN: 03854221
• NDL書誌ID: 10450014
• Web Site: https://ndlsearch.ndl.go.jp/books/R000000004-I10450014
• Web Site: http://www.jstage.jst.go.jp/article/ieejeiss/129/10/129_10_1801/_pdf
• 本文言語コード: ja
• データソース種別:
  • JaLC
  • NDL
  • Crossref
  • CiNii Articles
• 抄録ライセンスフラグ: 使用不可