ラベル 論文 の投稿を表示しています。 すべての投稿を表示
ラベル 論文 の投稿を表示しています。 すべての投稿を表示

2012年5月25日金曜日

前部帯状皮質前膝部への局部微少電流刺激は悲観的意思決定を誘発する.Amemori & Graybiel. Nat. Neurosci. 2012

Amemori & Graybiel. (2012). Localized microstimulation of primate pregenual cingulate cortex induces negative decision-making. Nature Neuroscience.

誰かに論文紹介できるくらいには読んで,いつも参加させてもらっている医学部の研究室での文献紹介にて紹介した.ただ,検索したら,こちらに日本語で内容が書かれていたから,研究内容についてはそちらをごらんあれ.新着論文レビュー FirstAuthor's 「マカクザルに対する前帯状皮質の前部への局所的な微小電気刺激は悲観的な意思決定を導く 2012年5月2日」

##

用いられる解析方法(&実験設計)は,「報酬系と意思決定」というテーマで,かつ電気生理学研究としては,1つの極.とっーても洗練されてる.これまで断片的に採られてきた先端的な方法が網羅されてる.行儀良く巨人の肩に座った研究.お手本.

2択の意思決定課題なので,Conflict を意思決定行動のエントロピー(情報量)と定義するのは,ちと大仰.この研究だけを見た生理学の人からは,「なんでこんな面倒な解析をするのか」という声も聞こえそうな気はする.だけど,今後,もっと選択肢が増えた複雑な状況に拡張するには,妥当な方法でしょう.

情報学や工学の人にとったら,何ら目新しい方法ではないけれど,実験科学の研究にきちんと適用するのは,それはそれで相当に大変.この研究は,適用するための細心の注意が払われていると思う.脳研究は,世界全体からすれば,重箱の隅をつつくようなことだけど,重箱の隅をつつくのも大変.隅をつつくのに,スプーンじゃ無理だろう? たぶん,箸だな.そんでもって,箸をうまく使わないといけない.

ところで,検証するのに技術的に可能かどうかの際(キワ)を攻めた研究はイイ研究だと思うけど,Nature,Scienceに掲載されるには,Reviewer(この論文だと生理学者) に理解されるかどうかの際が重要だったりする,たぶん.その点でも,この論文は,生理学者の理解の際の内側にきっちりと納めてるのが見事な感じ(こう書くと高慢かな.科学も社会的な営みで発展しているので,他の誰かに理解されなきゃ価値はないと見なされちゃうわけで... そういうことを考慮するのも多少は必要でしょう).

逆に言えば,実験家といえども,ここで何を計算しているかわからなかったら,さすがに不勉強と言われても仕方ないよね.だって,(たぶん)大学院では実験の訓練を受けてない理論の人が,ここまでの実験を行うんだからさ.実験は,神経活動の記録,微少電流刺激,投薬実験と行われていている.実験条件のパラメータ(報酬量と罰の量)も連続と言っていいほどで,多くの条件で実験されいる.記録している神経活動の数も一般的な場合より(たぶん,倍くらい)多いんじゃないかな.かなり読みごたえアリ.

個人的には,Behavioral patterns とか Firing patternsとか pattern という情報学にも親和性がある単語が使われているのが,あとからじわじわくる.pattern という単語が使えるほどに,実験条件のパラメータをふっている(連続にしている)ってことだし.じわじわ.

認知神経科学とかシステム神経科学の中の人,全員に,精読をおススメする論文です.自分が研究している領野だとか機能だとかに関係無く,参考になると思う.fMRI研究をしている人にも,解析方法が見慣れているはずなので,理解しやすいはず.

 

PS.

2年前だかにclosedなセミナーで,聞いてたはずなのに,さっぱり覚えていなかった(図だけはおぼろげに記憶あり).というか,その後に予定されてた自分の発表が気になって,たぶん,上の空で聞いてた.文献紹介で紹介したけれど,さらに精読すれば理解が深まりそうなので,もうちょっと読んでみたい.Supplementary は,紹介するのに必要なところしか読んでいないし.

PS. PS.

前回紹介したのもそうだけど,方法としては極みと言っていいのに,それでもこの程度.あー,科学って地道.1つの論文で心躍るほどにスゴイってのはないなぁ.脳の研究って,その点ではつまらない.

PS. PS. PS.

Pregenualという単語を知らなかったのでメモ.genual はgenuの複数形.pre(前)+ genu(膝,ここでは脳梁膝の意味か).ACC か Cingulate cortex が後にくる場合でしか,使われてないようす.タイトルで前帯状皮質前膝部と訳したのは,造語.一般に使われているかどうかは知らない.

2011年12月30日金曜日

知覚学習は,視覚刺激の提示なしでも,fMRI 脳活動をデコードし,ニューロフィードバックすることで引起こされる. Shibata et al. 2011

 

NewImage

今回紹介する論文のような,新しい方法をとりいれると研究が進展していくのだと思います.ひとくちに科学と言っても,分野によっていろいろな科学のあり方があって良いと思うのですが,採用する方法がその分野の科学を特徴づけるのは間違いないです ※1.

ということで,この科学の住人なので,自分の考え整理してみる.

Shibata et al. 2011.
Perceptual Learning Incepted by Decoded fMRI Neurofeedback Without Stimulus Presentation.
Scienc 334 (6061):1413–1415.


この研究の主な論点は下記の2つです.

1.fMRI ニューロフィードバック による因果性
2.傾きの知覚学習は,V1/V2が関与している

まず1つ目の因果性について

自然現象の因果性にせまろうとする場合,対象に介入する必要があります.脳の研究ならば,まさしく脳の活動に介入する必要があります.例えば,動物実験などで神経細胞に電気刺激をして脳活動を起こすような方法です.


少し脱線しますが,脳で難しいのはいたるところで結合があることです。一部の領野を刺激したつもりでも方法によっては、他の領野も刺激されていたり,情報が伝達されている場合があります。例えば,O'Doherty, et.al., 2011. Active tactile exploration using a brain-machine-brain interface. Nature. では猿の感覚野を刺激して、触覚に基づいたらしき課題を行わせてます.ただ,刺激した感覚野から他の領野へ刺激が伝わっているかもしれないので,本当に猿が触覚に基づいて判断しているかはわかりません.

今回紹介する論文に戻ります.研究のプロトコルは順に

  1. Pre-test stage:被験者の知覚判別能力を行動指標によって計測する.
  2. Decoder construction stage:脳活動データを計測し,Decoder(翻訳機)の学習を行い,視覚刺激を見ている時の脳活動パターンを特定する.
  3. Induction stage:視覚刺激提示によるニューロフィードバックを行い,被験者にV1/V2の脳活動を制御させる.
    1. 提示する視覚刺激は1,2で用いたのとは異なり,さらに提示した刺激では知覚学習は進まない
    2. 被験者は,後頭葉の脳活動をもとにしたフィードバックがある事は知っているが,後頭葉が視覚に関わる領野だったり,最初に行った知覚判別にかかわる領野である知識は持っていない ※2
    3. フィードバックは,2で特定した脳活動パターンに類似性が高ければ大きな円が表示され,被験者は円が大きくなるようにする.脳活動結果のグラフで指標とされている Likelihood(尤度) はこの類似性です(尤度を類似性と言いかえた深い意味はなし.尤度という言葉は情報科学の人以外にはなじみがないと思って.ちなみに,尤度が何を算出したモノなのか詳しくはわかりません).
  4. Post-test stage:ニューロフィードバック実験終了後に,再度1と同じ実験課題を用いて,知覚判別能力を計測する.
    1. 1の時の比較して,知覚判別能力が向上していた.つまり知覚学習があった.

対象とする知覚学習に関係しない視覚刺激提示でニューロフィードバック(Decoding neuro feedback)を行って脳活動を操作した結果,知覚(厳密には知覚にもとづく行動)に変化(学習)があることを示しました.この事より,視覚刺激の入力がなくても,脳活動を変化によって知覚を変化させることができる,という結論を得られました.

簡単に「によって」と書きましたが,今回の方法は電気刺激をするように脳活動自体に直接介入したのと同じと考えられるので,「得られた結論は,相関するというだけでなく,因果性がある」と言及できる方法です.さきほどのをもっと明示的に書くと,「脳活動の変化が原因で知覚学習は生じた」と言えるわけです.

ヒトのfMRI研究で,もしくは健常者で脳の情報処理について因果性に言及しようとすると,不可能と言いたいくらいに難しいので,画期的な事です.fMRIを使わなければTMS という方法を使ったり,健常者でなければ脳損傷患者に協力してもらうなどの方法で,因果性について言及するという研究が考えられます.

この結論について,ここまでのところでは,

(神経科学では当然ですが)学習は脳のどこかで行われている

という仮定があってはじめて,脳活動の変化によって知覚学習は生じた,と結論できます.上の議論は仮定があって成り立つ事ですから,やはり,その仮定である「知覚学習が行われている脳の領野」を示さないといけない※3 ※4.

この論文は単に方法の提案をしたいわけではありません.論文でも, ”The main purpose of our study was to test whether early visual cortical areas are sufficiently plastic to cause VPL of a specific orientation as a result of mere repetitive inductions of activity patterns corresponding to that orientation. ” と書かれています.そこで次の論点です.

2つめの論点,知覚学習に関与している領域について

1つめの論点で書いた検証だけでは,脳のどこが学習に関与しているかは自明ではありません.簡単に考えると,V1/V2の脳活動をフィードバックして被験者に制御させているのだから,学習自体もV1/V2だろうと結論したくなりますが,それは自明ではありません.


なぜなら,ニューロフィードバックで使った脳活動はV1/V2ですが,V1/V2は他の領野とつながっていて,V1/V2の脳活動は他の領野の活動を引き起こしていると考えられるからです.そして,V1/V2で表現された視覚刺激の情報を他の領野が受け取って,他の領野の脳活動変化によって学習が行われているかもしれないからです.また,Fig. 2 で脳の活動変化の指標となる尤度が学習日数におうじて上昇していますが,他の領野の学習による脳活動変化がV1/V2へ影響しているだけかもしれません ※5.

この研究ではV1/V2の活動変化によって学習が生じた事を検証するために,まず,

V1/V2の脳活動変化と知覚(にもとづく行動変化)に相関があること(Fig. 3E)

を示しています.サンプル1つは被験者1人を表しています(たぶん).

少し脱線しますが,サンプル1つが被験者1人を表す相関図は,fMRI研究でよく使われます.例えば,「領野Aと領野Bのの結合性を示すために使われたりもします.最近気づかせてもらったのですが,被験者1人を1つのサンプルとする相関図だと「領野Aの活動が大きい人は,領野Bでも高い」ということまでしか言えません.もっと単純にいうと,「脳活動が平均的に大きい人や小さい人がいる」というだけです.ほとんど情報はありません.この相関図を出すならば,サンプルは試行にして作るべきです.そうすれば,「領野Aの活動が大きい時には領野B も大きい,Aが小さい時にはBも小さい」と言えて,領野Aと領野Bの活動は同期していそうですし,結合性があると言えるでしょう.行動と脳活動の相関図,感覚刺激と脳活動の相関図でも同様です.

今回の研究の場合,1人の被験者で学習した時としなかった時など複数のサンプルをとることはできないので悩ましいところですが,同じ批判はあると思います.

V1/V2の活動変化によって学習が生じた事の検証として,他に Supplementary のFig. S9 があります.説明を論文の順序と逆にしますが,

Fig. S9 B
まず,fMRI decoder construction 時の脳活動データを用いた場合は,他の領野でもV1/V2と同様の判別率を得られた.このことから,他の領野も,傾きの情報表現は持っていることがわかります(「情報表現を持っている」かについては後述の議論を読んでください).
Fig. S9 A
次に,試行毎に尤度(「ニューロフィードバック時(Induction stage) の V1/V2 脳活動パターン」と「翻訳機学習したV1/V2の脳活動パターン」との類似度,ニューロフィードバックに使っている値) を他の領域の脳活動から予測しました.「コントロールとして」V1/V2の脳活動からの予測もしています.

その結果.尤度は,他の領域の脳活動と比較して,V1/V2でよく予測できています.V1/V2が学習に関わっているという十分条件が示しています.論文には ”the V1/V2 itself as a control” と書かれていますが,どちらかというと他の領域と比較して,V1/V2ではよく予測できたと言うべきところなのでしょう.これが逆になっているのは,「他の領域が学習に関わっていない」と言いたい事の表れかな(ちゃんとフォローできていませんが,著者らによる先行研究から考えると).もちろん,仮説検定で「帰無仮説である」ことを検証できないのと同じ論理で,「他の領域が学習に関わっていない」ことは検証できません ※5.

翻訳機が選択したボクセルは情報を表現しているか?


fMRIの脳活動のデコーディング(翻訳)を用いて,科学的な知見を得たいという試みはたくさんされています.

今回の研究でも,述べられている結論を言うためには,選択されたボクセルが傾きを表現している,ことが必要だとは思います.今回は,multinomial sparse logistic regression(Yamashita et al., 2009)をつかって,3つの傾き刺激をクラス分類しています.....えっと,表現を持っているか,僕にはわかりません ※6.

たとえば,Taget以外の視覚刺激2つを変えて翻訳機を学習させても,Targetについては同じボクセルが選ばれるのだったら,選択されたボクセルは特定の傾きの情報表現をもっていると言って良いのでしょうか.

例えば,Hassabis et al., 2009では,海馬傍回からは2つの部屋についてクラス分類できていて,海馬からは各部屋の位置についてクラス分類できています.つまり,一見,海馬と海馬傍回で階層的な位置表現になっていることを示唆するような内容です.ただ,たぶん著者らこの方法と結果からはそんなことは言えないことをわかっていて,「位置情報は1つのニューロンで表現されるのではなく,集団で表現される」という結論を述べるにとどまっています.

Dosenbach et al. 2010 では,SVR(Support Vector Regression, Support Vector machine for Regression)によるクラス分類で選択された領域が情報表現を持つと仮定して,さらに解析を進めていますが,おそらく間違いでしょう.Fig. 2 以降は間違えている.

一般に分類に最適なボクセルだからといって情報表現を持つとは限りません.前者のHassabis et al., 2009は,情報表現を持つ とは言わずに踏みとどまりましたが,後者の Dosenbach et al. 2010 は情報表現を持っていると解釈して解析を進めました.

SVMは,特徴空間の中で分類境界に近いところのサンプルのみを用いて境界が更新されます.なので,境界から離れたところのサンプルが加わっても境界が変更せず,分類するという点で汎化性はあります.ただ,境界を決めるのに使われているサンプル,つまりクラス分類に有用なボクセルを持ってきても,それは情報表現を持っていないと解釈するのが自然ではないでしょうか.各クラスの特徴を持っている,つまり情報表現をもっているは,境界から離れてクラスの中心にあるボクセルだと思うのです.もしくは,他のクラスから離れたところにあるボクセル.また,致命的なのは,カーネルにより写像変換された特徴空間でクラス分類しているので,どのような特徴空間でクラス分類しているか解釈するのが困難です.

確実なのはクラス分類するのではなく,例えば Miyawaki, Uchida et al., 2008 のように,情報表現のモデルを用いて表現して見せてくれれば,選択されたボクセルの総和として再構成できた程度に情報を持っていると言えるでしょう(Miyawaki, Uchida et al., 2008 でも,局所的な表現としてはクラス分類しています.ただ,それは得られた結果を基底表現として全体を再構成しています).その辺の議論はコチラ.

ですから,これを使ってニューロフィードバックを行い.....因果関係を検証するのに,この研究をプロトコルの1つに組み入れなければいけないとなると,目眩がしますねぇ....

最後に,ここまでスクロールしてくれた奇特な方に.次の論文を紹介します.マイナーな雑誌なだけに,あまり知らないと思うので挙げておきます.僕も友人に教えてもらいました.

Boulay, C. B. et al. 2011. Trained modulation of sensorimotor rhythms can affect reaction time. Clinical neurophysiology 122 (9):1820-1826.

今回紹介した論文と方法の点で似たような事が脳波で行われています.この論文では脳活動を抑制することまでも行っています.アイデアはかなり面白いです.ただし,いかんせん荒削りです.ちょっと理解しにくいし,科学として詰め切れていないのがかなり残念な論文.でも,方法のアイデアだけはすごい.

おわり.


※1
採用する方法によっては,ろくな科学にならない.fMRIによる認知科学の研究は,まだまだ科学になるかならないかの瀬戸際なところ.そんな風に感じています.
※2
僕は,被験者が視覚野からフィードバックされていること知っていてもいいように思うんですよね.明示的にガボール図を想像してても,この研究の論理は破綻しないような気がする.視覚刺激の入力がなければ同じだと感じてしまう.でも,それではダメだという人がいるのも想像する.なんでだろう?
※3
ちなみに,この研究では(ほとんどの神経科学者もそう考えていると思いますが),研究で対象となっている知覚学習は特定の領野で行われているだろうという仮定があります.つまり,学習の局在性が仮定されています.領野間での結合性変化によって学習するのなら,また別のことを考える必要はあるかもしれません(←あまりちゃんと考えていないので,本当に別の事を考える必要があるのかはわかりません).
※4
正直に言うと,僕は,脳の情報処理が知りたいだけで,どこの領野で情報処理されているかはどうでもいい,ただ,脳の情報処理である事を言うためには,やはり脳のどこで行われているか(もしくは複数の領野間のネットワークとして実現されている事を示さなければならないわけです.だから,好きでもない実験をやるわけです.実験を考えるのは好きですが,実験するのは大嫌いです.でも,必要だから実験します.
※5
「他の領域が学習に関わっていない」と言ってしまうと,Nieuwenhuis et al, 2011. Erroneous analyses of interactions in neuroscience: a problem of significance. Nature Neuroscience 14 (9):1105–1107 で批判されているリストに挙げられることになります.厳密性だけが科学だとは思いませんが,神経科学は解析などで使われる数理の仮定(制約)を無視する傾向にはあると思います.Nieuwenhuis et al, 2011のTable 1の結果を見てください,ひどすぎ.今回紹介した論文では正確に,”The results of these two offline tests indicate that influences of the neurofeedback on VPL were largely confined to early visual areas such as V1/V2. ” と書かれていて,それ以上の言及はありません.
※6
この議論するには,論文に書いてあるだけの情報でそれは断定できないというのが正直なところです.fMRI研究は,古典的な方法ですら随分と解析が込み入っているわりに,分析方法の記述は多くない.典型的な方法を採用しているにしても,当事者に話を聞くと,結構ヒューリスティックスだらけだったりします.このへん,fMRI研究の信用ならないところです.かといって,事細かく書けといわれたら,あまりに面倒だしな..分析のプログラムコードをSupplementとして挙げとくしか方法はないかなぁ.

 

2010年9月24日金曜日

Can Not Even Criticize


こないだ機能を物質に還元する方法は流行らないでほしいと書いたんですけど,先週の某有名雑誌に,領野間の結合性(connectivity)を使った指標で,年齢を予測するという論文がありました.結合性を指標にするなら,皮質の構造よりは機能との因果関係に迫れそうじゃない!? と肯定的な気分で読み始めたんですけど,結果の解釈が...

主の結果はSVR(Support Vector Regression, Support Vector machine for Regression)を使って,回帰問題を解いていて,さらには複数のモデルからAICを使ってモデル選択までしていて,ここまで行った手続きは無難そうに思える論文でした.

ただ,そのあとに,SVRの重み(を使った指標!?)を視覚化した図があって(この論文で目が惹かれるのはコチラの図だったりする),この論文の場合,重みを球の大きさに対応させて,脳の図の上に重ね書きされてる.あたかも,球の大きな領野が重要であるかのように...

(?△?)

確かに,SVMでもSVRでも識別境界や回帰関数を決めるのにサポートベクター(重みのかかっているROI)は効いてきます.その点では,重要なROIですけれど.

ただ,そのROIの脳活動は,情報を表現する特徴を有しているかという点では,重要ではないのでは ? 逆に重みがゼロになっているROIの方が,情報を表現していたりするのではなかろうか.診断の時に,大きな球で表されている領野を見て判断すればいいと言っているようでもあり,まちがっていないか?

あと非線形なカーネルなんか使ってたら,射影された判別のための特徴空間がどんな空間だかは,実際的には,全く解釈できないだろうと思う.

一時期流行ったSVMを使ったfMRIのDecoding研究でも,「識別に有用だったボクセルの値に情報表現があることを言えない」ということはみんなが気がついていて,巧妙に情報表現とは論点をずらしていました(それでも,情報表現について何かしら言えるんじゃないかというのが,期待でした.その期待はまだ消えていないと思いますが).今回は,「識別に有用だったボクセルの値に情報表現がある」と言っているのですよね.まずいんじゃないかな.

とはいえ,本文にもSupplementにも,図が何を計算した結果なのか明示的に書いてないので,何をしたのかよくわかりません.ということで,断定的に間違いとも言えないので,論文名は出さない.

神経科学の論文は,解析を再現できない論文が多い.数式も併せて説明を書いておいてほしい.Supplementでいいから.ただでさえ怪しいfMRI研究が,ますます相手にされなくなってしまうのでは.

いつぞや,機械学習な人たちに自分の先行研究として,ある論文を紹介したときに,とある解析の説明に数式がなくて,「それは書いてなかったんですよ」と言ったら,「それは書いてあるだろう.そんな論文が査読に来たら,リジェクトとするぞ」と言われて,おれがちゃんと読んでないみたいな雰囲気になっちゃって,......orz

Not Even Wrong, by Pauli.

2010年9月21日火曜日

【論文】交わる知性,ベイズ最適で.


Bahrami et al. Optimally interacting minds. Science (2010) vol. 329 (5995) pp. 1081-5

論理と実験とデータに?? がつくので,ちゃんとは紹介しないですけど,テーマとしてはおもしろかったので,簡単に紹介.

物事は複数人で相談して決めた方が良い結果になる場合があるのか? を調べた研究.

で,結果は,

2人で相談した結果というのが,個々人の判断をベイズ的に統合した結果になるという.場合によっては,相談して決めた方が良い結果になる.

ヒトにとって検出が簡単ではない視覚刺激をもちいた2択課題で,どちらが正解かを決断してもらうんだけど,個別に決断してもらうと,当然,正解率の高いヒトと低いヒトが1人づつ出てくるわけです(同じ正解率という事もあります).で,この論文のモデルが正しければ,2人で相談して決めた結果が,正解率が高いヒトよりも高くなる場合がある.おおざっぱに言って,能力の低いヒトが高いヒトの半分以上であれば,相談して決断する価値がある.2人の能力に差がありすぎると,相談しても良い結果にはならないけど.

組織で,能力の低いヒトが高いヒトの半分くらいのところになるように階層を区切って,意志決定のグループをつくったら良いのかしらとか思ったり.

ベイズでヒトの行動を説明した論文としては,Körding & Wolpert 2004, Nature の論文が,論理もデータも完璧という感じなんで※1※2,今回の論文はどうにも見劣りします.ただ,素朴な疑問になんとか取り組んだってのは,好きでした.


※1:
Körding & Wolpert 2004は,全てが完ぺきという印象の論文なんですけど,よく調べて実験条件の図などをみると,文章で読むより随分と特殊な運動をさせている印象.すごい狭い範囲でちょこちょこと腕を動かす課題なんで,そこにちょっとがっかりしますけど.

※2:
正確には,タイトルにBayesian integrationとあるものの「ベイズ的に情報が統合されている」とは言えなくて,単に「情報が統合されている」と言っている論文です(他にカルマンフィルターで説明した論文があって,併せて考えればモデル選択していなくてもベイズかなとは思わせるのですが).今回紹介したBahrami et.al.,2010の方は,他3つのモデルの比較をしていて(この比較の仕方がイマイチなんだよなぁ),ベイズ的に統合されていると主張しているので,Körding & Wolpert 2004と比較して難しい事を主張しようとはしている.まぁ,今回の場合,情報が統合されている(相談した方が良い)というだけでは新規性ないですからね.

2010年2月7日日曜日

【論文】(ボクセルパターンの)再現性が自覚的な知覚のある場合とない場合をわける.


(※多分に読み間違え,考え違いしている可能性アリ.とりあえずバカをさらしてみる.)
 
Reproducibility Distinguishes Conscious from Nonconscious Neural Representations Aaron Schurger, Francisco Pereira, Anne Treisman, Jonathan D. Cohen Science 1 January 2010:Vol. 327. no. 5961, pp. 97 - 99

Conscious(この論文では自覚的な知覚)とNonconscious(この論文では視覚入力があるの自覚的には知覚されない場合)を,脳活動パターン(fMRI計測におけるボクセルパターン(空間的パターン))によって区別できる,BOLD信号の大きさではなく,という論文.Science誌


Fig. 2 A,B
ボクセルパターンのばらつき(the variability of the vector angle)を評価するために,各試行のボクセルパターンをv_iとした時に2つのボクセルパターンをとってきて,1/norm(v_j+v_k)を評価指標にしている.2つのベクトルの和の逆数で,(すべてのnorm(v_i)が等しいとして(←この仮定が正しそうなことをFig2,CDで主張している))この値が小さければバラツキが小さい(Fig.2 A,B).Fig.2 C,Dで,BOLD信号の大きさ(L2ノルムを算出)自体は差がない(もちろんそれは言えないけど,察してねというグラフ).ボクセルパターンで,Consciousnessをわけられる(もっと言えば,Consciousnessを分けるのはボクセルパターンだと言いたいのだと思う).

Fig2. ABで使われた評価指標は,相関係数だとダメ?相関係数ならば,余弦をとっていることになるのだからもっと直接的だと思うのだけど.BOLD信号の大きさが等しいなら,論文で用いられた評価指標でも良いと思うのだけれど,不自然な感じが気になる.それぞれのベクトルの大きさが等しいとして,この評価指標と相関係数で何が違うのか後で計算してみるかも,メモ.

Fig 2.で値が0.74とかって,2次元ベクトルだとしても直交している!?相関をとるとマイナスになるような値のような気がする!?経験的にfMRIのデータなら,というか多次元データならそうだろうと思うけど...見せ方の問題でこうしたのか!?あれ!?よくわからない...素朴な解析なのに,考え違いしているのかな..あれ...

とりあえずここで終了.現実逃避終了w.
 

2009年7月5日日曜日

【論文】覚醒ザルの第一次視覚野における知覚抑制中のfMRI(BOLD信号)と神経活動の相違

 
Divergence of fMRI and neural signals in V1 during perceptual suppression in the awake monkey. Alexander Maier, Melanie Wilke, Christopher Aura, Charles Zhu, Frank Q Ye, David A Leopold. Nature Neuroscience (2008) vol. 11 (10) pp. 1193-200

とある論文抄読会で紹介してもらって,重要だと思ったので自分でも読んでみた.昨年の論文.

 ##

ヒトを被験者としたfMRI計測では知覚抑制に応じてBOLD信号の低下が見られるという研究と,サルの活動電位を計測では知覚抑制による低下が見られないという研究があり,矛盾がありました.そこで,この研究では知覚抑制が起きる実験課題で,2頭のサルで,fMRI,単一細胞活動計測,Local Field Potential(LFP)の3つの計測をおこなって,その矛盾の原因に迫っています.

結果からいうと,fMRI,単一細胞活動計測では先行研究の結果が追認されていて,つまり知覚抑制中のBOLD信号(fMRI)の低下はあるけれど発火率(単一細胞計測)に低下は確認されなかった.先行研究での矛盾は,ヒトとサルの種の違いではなく,計測方法の違いによる影響だろうという結果.

BOLD信号が計測領野への入力信号を反映していて,発火率が細胞からの出力信号を反映している違いによるのだろうという考察がされています.知覚抑制はV1以上の高次視覚野で表現されていて,fMRIではその信号のV1へのフィードバックが反映されているのだろうと.また,LFP計測では試行内の時間発展を解析すると周波数帯域によって知覚抑制による信号の低下具合が異なっていて,主に低周波帯域では低下が見られるたという結果がわかるのだけど,ブロック単位(複数試行)での解析では知覚抑制による差がはっきりしないようで,この事からfMRI計測(ブロック課題)のBOLD信号は単純に神経活動を時間的に積分しただけではなさそう,という考察がされています.

ちなみに著者の最後に名前があるLeopoldはLogothetisと一緒にやっていた方.

それでは以下に図を中心に詳細の説明.

Figure 1
Generalized flash suppressionという知覚抑制を用いています.これは,ランダムドット背景に固視点とそれとは別の視標(図の赤視標)を提示し,両眼で見せておいて,片眼の視標を消すと(もう片方では見えているのに)視標が見えなくなるという課題.
a. 4つの実験課題を行っていて,1つ目は知覚抑制が起こる課題(INV課題),INV課題において本当に視標を消してしまう課題(OFF課題),両眼共にずっと視標を表示している課題(VIS課題),課題試行の終盤に,ランダムドットが消えて視標のみの期間1.5 secがある課題(VIS_TR課題)(対照実験として,固視点だけ表示されている課題(FIX)もある).1試行は6秒.
b. FIX課題を含め5つの課題を時系列にした系列ブロック方式(Sequential block mode)と,4つの課題をランダムに並べて課題間にはFIX課題を行うランダムブロック方式(Randomized block mode)の2つのブロック課題で計測を行っています.
c.脳活動計測とは別に,知覚抑制課題で見えているかどうかをレバーで回答させる行動実験を行っていて,その結果.VIS課題,VIS_TR課題では80%以上の試行で視標見えていると回答したけれど,OFF課題では当然ながら数%のみ.そしてINV課題も知覚抑制の影響でVIS課題,VIS_TR課題に比較してとても見えたと回答した試行が少ない(グラフを目測するに20%程度).

Figure 2
BOLD信号の結果.
a.Localizer Taskで特定されたFigure 1で説明した第一次視覚野の視標に関連する部位.上が1頭目のサルで,下が2頭目サル.
b.aで同定された部位における,各課題でのBOLD信号変動率を表示した結果.FIX課題の平均BOLD信号を基準にその値からの変動率.aと対応して,上が1頭目,下が2頭目.
FIgure 1のcにある行動実験と対応して,VIS課題, VIS_TR課題が大きく,OFFは小さい.INVはその中間くらいの値になっている.先行研究と同じく,知覚抑制の影響による信号の低下が見られる結果.

Figure 3
単一細胞活動計測の結果.
a. Figure 2で同定した視標関連部位の神経細胞から記録した結果.Figure 2のbと同様に,各課題中の比較が示されているが,これまた先行研究と同様,単一細胞計測(緑線)ではOFF課題でのみ低下している.ちなみに視標関連部位以外(脳の絵をはさんで右側の図)の神経細胞では,当然ながら,4つの課題の信号では変化ないように見える.
b.左は比較のためfMRIでの変動率結果を表した棒グラフ(Figure 2のbは全試行の結果が表示されているが,ここでは各課題の平均),右が発火率の変動率.発火率の変動率の図では,4つの課題ではOFFのみが小さくなっている(INVで変化していない(もちろんこの仮説検定からそれは言えないけど)).

Figure 4
(書くのにつかれてきたので,Cだけ説明)
Cの上段はINV課題からVIS課題を引いた結果,低周波数帯域でパワーが減少している.下段は,OFF課題からVIS課題を引いた結果で,全周波数帯域で減少している.

Figure 5
低周波数帯域のLFP(a),高周波数帯域のLFP(b),単一細胞の発火率(c)の時間発展を見てみた図.低周波数帯域の知覚抑制期間でVIS(黒),VIS_TR(灰色)とINV(橙色)に差がある.

Figure 6
各計測での抑制指標(抑制による信号の低下率)の値の図(抑制指標の式を見つけられなかったのだけれど,Figure 6の図説から推測するに(INV-VIS)/(OFF-VIS)か!?)

Figure 7
これまでの結果をまとめた図.説明は省略.
 

2009年7月1日水曜日

Papers

 
Papers,最近使っている論文管理&検索ソフトです.Macのみでしか使えず,有料ソフトウェアですが,ユーザーインターフェース(見た目と操作性)はかなり良いのではないかと.

僕自身が何で知ったかは忘れてしまいましたが,Papersというあまりに一般的な名詞をつかっているので,検索してもなかなか登場してこないです.ちなみにフリーソフトのiPaperとは別物です.

Pubmedに対応していて,このソフトウェア上で検索すれば,PDF取得&書誌情報取得までがかなり楽です.Pubmed以外にもGoogle Scholar,Web of Science,IEEE Xplore,JSOTR,MathSciNetなどなどにも対応しているので,かなり広範囲の分野で使えそう.僕の場合はpubmedとGoogle Scholarで事足りちゃう.

すでにPDFを持っていれば,Matchボタンを1つで検索して,書誌情報を入れてくれます.大抵は,DOIの情報がPDFに入っているので,それを 使っているようです.うまくいかなくても,検索窓にタイトル入れて検索すれば,候補が出てくるのでそこから選択すればOKです.Web上の論文検索サイトとうまく連携されています.
BibTeX形式,Endnote形式,CSV形式などで論文リストを出力できます.ちょっとしたレジュメとかの作成に簡単に書誌情報をコピーしたいときには,Ctrl +C のコピーで下のように.
Shikauchi et al. Prediction of aperiodic target sequences by saccades. Behavioural brain research (2008) vol. 189 (2) pp. 325-31

PDFはソフトウェアに取り込むわけではなく,ディレクトリに保存されているので,Dropboxなどファイル共有サービスを使っても便利そうです.

論文を調べたり,取得したり,管理したり,読んだり,出力したりするのがスムーズなので,楽しい.

あ,あとiPhoneにも対応します.いや,iPhone持っていないのですけどね.「iPhone」にピクッと反応する人が目に浮かぶので^^ 僕もずいぶん前から欲しいなと思っていて.ただ3GSでもSoftBankはテザリング(iPhone経由でノートパソコンをネットにつなぐ)に対応しないようなので,二の足を踏みつつ悩み中.


取り込んだ論文を雑誌毎にリストしている図,
著者毎にもできます.


PS.
Webブラウザで現在表示しているページをPapersで簡単にアクセスできるようにしておく方法.

ブックマークツールバーにOpen in Papersのボタンを表示しておくと,ワンクリックでPapersが起動し,現在開いているページに接続してくれる.
  1. Papersのメニューバーの[Help]-[Papers Help Center]をクリック.
  2. Papers Help Centerの画面がでて ,メニューバーに[Topics]が表示される.
  3. [Topics]-[Install Bookmarklet]をクリック.
  4. 表示されたページのStep 2にある「Open in Papers」をブックマークツールバーにdrag&drop.完了.

2009年6月29日月曜日

【論文】ヒト海馬におけるニューロン集団の解読

 
Decoding neuronal ensembles in the human hippocampus.
Demis Hassabis, Carlton Chu, Geraint Rees, Nikolaus Weiskopf, Peter D Molyneux, Eleanor A Maguire.
Current biology : CB (2009) vol. 19 (7) pp. 546-54

海馬のfMRI脳活動データから被験者がどこにいるかをクラス分類した研究.識別率(クラス分類成功率)を評価指標にして,チャンスレベルより高い識別率であれば,選択したボクセルは位置の情報を符号化しているだろうという論理.Harrison & Tong 2009(以前に書いた記事)でも用いられた論理で展開されています.

今回登場する脳領野は海馬(hippocampus)と海馬傍回(parahippocampal gyrus)です(海馬傍回 by wikipedia の右にある図は位置を把握するのにわかりよいと思います).

ところで,この論文を一読した時,またまた,この方法は科学的な検証手段として妥当なのだろうか?というのが僕の疑問でした.それについては,論文の要旨を説明した後で.今回は特に,実験,解析,結果から何がわかるかだけ議論したいので,著者のIntro,Discussionは基本的に触れていません.検証しようとしている仮説自体は,重要だと思わなかったですし.

 ##

Figure 1. 実験課題.
被験者はVirtual Realityの世界で移動します.移動は,前進む,左に向く,右に向くの3通りで,対応したボタンを押せば移動できる.

A.青と緑の2つの部屋があります.
B.それぞれの部屋は,スタートもしくはゴールとなる位置A-Dの配置が異なっていて,ゴールの位置を特定する手がかりとなるドアや椅子,写真,置き時計の配置も異なっている.
 被験者はゴールとなるA-Dのいずれかを実験者から提示され,そのゴールを目ざす.試行の最初は5秒からのカウントダウンがあり,数字で表示され,カウントダウンの後にゴールとなる位置A-Dが文字で表示される(C).スタートの位置はゴールとは異なる位置です.被験者はゴールに達したら,たどり着いたことを知らせるボタンを押す.そうすると画面は,ちょうどVirtual Reality内で被験者がお辞儀をしたような視覚提示となり,つまり,前を向いた画面からなめらかに床の絨毯の画像へと移ります.Cのような青い絨毯の画像になる.スタート位置からゴールにたどり着くまでが,1試行.試行の最後,絨毯の画像が提示されているときの脳活動をその後の解析に用いている.つまり,どこの位置がゴールだとしても視覚刺激としては同じ条件になるわけです.
D.青と緑の部屋の試行はブロック課題で構成され,ブロック内では2−4試行行われる.青部屋ブロック,緑部屋ブロックの順番はランダム.


Figure 2.
A.(省略)
B.側頭葉を含む白枠で囲われたところ範囲が解析に使われる部位.fMRIは3Tで1.5x1.5x1.5 mm^3のボクセルで計測されています.
CDEFG.
この後,同じ部屋(ブロック内)で異なる2つの位置を識別するデコーダー,4つの位置を識別するデコーダー,ブロック間(青部屋と緑部屋)を識別するデーコーダー,3つのデコーダーをSVM(Support Vector Machine)で構成します.また,それぞれ,識別率が最も高くなるように白枠の範囲からボクセルを選択(ボクセル数,ボクセルの組み合わせを決定する.もちろん全探索ではないと思う.)しています.

Figure 3.
2つの位置を識別するデコーダで,チャンスレベル50%の識別率を超えたボクセル群が表示されています.選択されたボクセル群の多くは海馬(hippocampus)にあります.

Figure 4.5.
Figure 3と同様に,それぞれ4つ位置識別で選択されたボクセル,ブロック間識別で選択されたボクセルです.前者はFigure 3と同じく海馬に選択されたボクセルがあり,後者は海馬傍回(parahippocampal gyrus)に多くある.

ちなみに,ここで得られた結果は,従来のfMRI解析である一般化線型モデルの解析では得られなかったと書かれています.新しい方法だからこそ得られた結果だったわけですね.

以上が,実験,解析,結果です.
  
 ##

Multivariate pattern analysisと呼んでいるこの研究での解析方法は,次の3つのことを使って検証している.
1.予測精度を評価指標とする.
2.予測の方法はクラス分類.
3.チャンスレベルを有意に超える予測に貢献したボクセルには情報表現有り.

1.に関しては以前も書いので省略.
2.に関しては,思いつきですが,厳密に言えば「位置のクラス分類に最適な情報 ≠ 位置情報」じゃないかということ.位置のクラス分類に最適な情報 ≒ 位置情報と考えてるのか.「予測」と同じ議論の展開になってしまうので,これ以上は省略.
3.に関しては,チャンスレベルより有意に高ければいいのかな? ということ.
脳活動のデータは,あれだけ至るところでつながっていれば,いろんな事象と多かれ少なかれ相関するだろうと思っています.だから,「相関が0ではない=相関がある」とは感じないのですよね.「チャンスレベルを有意に超えれば良し」という基準は,それと似た感覚を受けます.これまでの神経科学で求められていた水準は満たしていると思いますが.「相関が0ではない」よりも強い検証だとは思いますが,直感との違和感は何かな??たぶん,単なる気のせい..

情報表現の存在については,クラス分類した場合,クラス分類に使われた情報が目的の情報(今回の場合は「位置」)を使っているかはクラス分類した結果だけでは保証できないので,それはいままでの神経科学と同じように綿密な実験課題をその保証としている.今回の研究では,視覚刺激は一定だから,考えられるのは位置の情報だけなので位置の情報表現がある,という論理ですね.

ところで,選択されたボクセルは「選択されたボクセルを用いれば,クラス分類できる.」というだけなので,もしかしたら「選択しなかったボクセルを使っても,クラス分類できる」かもしれないし,「選択されたボクセルにはクラス分類に不要なボクセルがある!?」かもしれない.というのも,各ボクセルの値は独立ではないように思うから.結局これもまた,神経細胞がいろいろなところでつながっているという直感から,そう思うのです.この研究でもある程度は調べられていますが,Figure 2,3.4の結果を断定できるほど強いことか言えるのか疑問.

ちなみに,この論文,「位置情報は1つのニューロンで表現されるのではなく,集団で表現される」という仮説を検証しようとしていました.今回の結果からfMRI脳活動データから解読できたのだから,偏った位置(anisotropic structure)に集団で表現されているということを述べています.クラス分類できれば上記の検証になるということは,自明ですかね? 確かに,それぞれの位置をコードするニューロンが全くの等方的分布(一様分布)だったら,fMRIデータからはクラス分類できないはずだけど...できないか?... できないか...

一読したところでは検証になっていないと思ったのですが,それなりに考えたら,これまでの神経科学の基準を満たす検証はできているのかなと思い直しました.

PS.
 このクラス分類の方法は,結局,脳地図作成の延長で,結局,情報表現のモデルについては実験の作業仮説だけ.研究結果から類推すると,青部屋と緑部屋は海馬傍回,各部屋での位置は海馬,というように階層的な位置表現になっているように思わせるけど,それについて実験課題以上の説明はできないし,実際著者も明示的には説明もしていない.部屋内の位置が連続的な表現なのか離散的な表現なのかもわからない.視覚や眼球運動研究における「位置」とは明らかに異なる表現だろうと想像するし,結局,この研究での「位置」って何?どんな表現?
 デコーディング研究がクラス分類にとどまらなければ良いなと思う.

PS. 2009/July/02
クラス分類で選択されたボクセルは,ボクセル内にクラス分類の対象となるニューロンがあるのでしょうか?たとえば,AとBのクラス分類ならば,Aを表現しているニューロン群とBを表現しているニューロン群が1つのボクセルに内在するということでしょうか.
 それともAとBをわける,フィルタのような情報表現のニューロンがあるということでしょうか?




 

2009年2月20日金曜日

【論文】復号化技術により低次視覚野の作業記憶の内容を明らかにする.

 
Decoding reveals the contents of visual working memory in early visual areas,
Stephenie A. Harrison & Frank Tong.
Nature , doi:10.1038/nature07832; Published online 18 February 2009


低次視覚野に作業記憶がある,という論文.うーん,率直なところ論文を読んでも半信半疑.

タスクは,被験者は2つのナナメ縞を見せて,キューに従ってどちらかを記憶させます.ナナメ縞を2つ出してキューが出終わるまでが2秒,そこから記憶しておく時間が11秒間(Figure. 1).記憶期間の低次視覚野のデータから,どちらのナナメ縞かを識別できています(Figure. 2).

それで,被験者が記憶期間後半の脳活動を使っても識別率が低下せず(Figure.3),さらに対照実験として被験者がナナメ縞を記憶をする必要のない課題をやらせたら,その時は識別できなかった( Supplementary Figure. 5 )という結果が得られています.このことから,低次視覚野が一時記憶 作業記憶としてナナメ縞を保持しているだろうと言っています.
<追記> ということで,これは一時記憶の効果でもなさそうということですね.

また,ナナメ縞を想像(予測)して下さい,という課題もやっていて,それも識別率がチャンスレベルと有意な差になっていない(Supplementary Figure. 6).視覚刺激の入力がないとダメのようです.つまり,メインのタスク(記憶課題)で識別できているのは,長期記憶ではなく,一時記憶 作業記憶の影響によるものだろうということです.

実験設定など,vikingさんの脳賦活の復号化(decoding)によって明らかにされた視覚野におけるワーキングメモリの内容:decoderは心のうちに思い描いたことまで読み取れるのか? が詳しいので,僕はサボります.そちらを読んでみてください.

 ##

最初,Supplementaryのほうを読まずにいたので(本文にも文章で書いてあるのですが,よく理解していなかった),血流変化が15秒くらいつづくことを考えると,一度情報が乗ってしまった血流が15秒くらい情報を保持している可能性は十分にあるのでは??と思っていました.Supplementary Figure. 5の結果をみて,それなりに納得.記憶課題では,低次視覚野が情報を保持していて,その発火活動による血流の増加があるはずなので,その効果で識別を可能にしているのでしょう(記憶課題でピーク後の血流低下は遅いということは確認されているのだろうか).

fMRI信号が入力を表現していること考えると,うーん,いろいろ妄想される...

 ##

脳内での情報の有無を検証するために復号化を手段として使うやり方は,僕もやってみたいと思う方法です.ただ,再構成ではなく,この論文のように識別しているだけだと,識別だけでは,ナナメ縞を識別できる何らかの情報,と言っているだけで少し弱い証拠です.「何らかの情報」が全く関係ない,刺激とたまたま同期した情報だったりすることもあるわけです.なので,識別課題だと関係ない情報は含まれいない事を説明しなくてはいけない.この論文では眼球運動の影響がないことの説明(言い訳)が必要になってしまいます.
 
Miyawaki, Uchida, et al.(2008)のように再構成しているならば,仮に関係ない情報が入っていても結果から目に見えて確認できますし.再構成できれば,得られた情報が脳内にあることの十分条件です.

とはいえ,この論文,復号化技術を神経科学の方法論にした点では,初めての論文ということになるのでしょうか.これでNatureに載ってしまうのは甘い気がしますが.

<追記>
+ 感覚記憶,Sensory memory.
+ 一時記憶(短期記憶),Short-term memory,cf. Miller, G. A., The Magical Number Seven, Plus or Minus Two : Some limits on our capacity for processing information, Psychological Review, 63, 1956.
 - 作業記憶,Working memory,cf. Baddeley, A. D., Working Memory, 1986.
+ 長期記憶,Long-term memory.
 +宣言的記憶,Declartive memory.
  - 意味記憶,Semantic memory.
  - エピソード記憶,Episodic memory.
 + 手続き記憶,Procedural memory.

上記,「作業記憶は目的のために記憶される」,ということで一時記憶と分けた.記憶機能に関する用語・概念で,認知科学とか心理学で考えられたのか.これらの概念で脳の機能を的確に表現できるかは知らんが,とりあえずメモ.
 

2009年2月13日金曜日

知り合いの論文

Social distance evaluation in human parietal cortex (Yamakawa Y, Kanai R, Matsumura M, Naito E, PLoS ONE. 2009;4(2))

人間関係の心理的距離(好きだとか嫌いだとか←正確には違います)とその人との身体的距離(物理的距離)について,いろいろな点で同じだったという話.顔写真をはった人形を使っての心理物理実験とfMRI計測実験してます.心理的距離と物理的距離が相関していて,両方の距離が頭頂の同じ場所に表象されているという結果.まだちゃんと読んでいないのですけど.

著者の方を知っていて,論文が出るまでの紆余曲折を聞いていたんで,今日の朝に出ているのを発見してうれしくなってしまった.

何かの時に著者の方と話をした後に,「持ち歩いてんだよ」と鞄の中から実験で使われている人形セットが(笑)被験者として実験をやりました.でも,僕は,この論文の主張に沿うようなイイ被験者じゃなかったんですよねw.嫌いな人も好きな人もまんべんなく自分の周りに並べたんで.
 

2009年2月11日水曜日

【論文】マカクザルの脳活動から予測したヒトの側頭葉前部の顔選択的活動部位

 
An anterior temporal face patch in human cortex, predicted by macaque maps,
Rajimehr R, Young JC, Tootell RB,
Proc Natl Acad Sci U S A. 2009 Jan 28


側頭葉に顔に選択的に活動する部位があり,nonhuman primates(nhp)の研究では,側頭葉の前(anterior temporal face patch, ATFP)と後ろ(posterior temporal face patch, PTFP)の2つに顔選択的な部位があったのですが,ヒトではFFA(fusiform face area)が知られているだけでした.このFFAはnhpでの後ろ側であるPTFPに対応するのだろうと思われていますが,では前側のATFPに対応するヒトの脳部位を同定しようというのがこの論文の主題.マカクザルとヒトで同じタスクを用いたfMRI計測をおこなって,脳の対応関係をみたところ,ヒトでもATFPに対応する部位が予測できたということです(Fig.4.).

側頭葉の前側は,最近のPET研究では有名人やよく見る顔で活動することが報告されているのですが,fMRI研究などでは見逃されていることも多い.その1つ目の理由は,側頭葉の前側が担っているのは顔認知の周辺的な情報だからだろうと.ここは有名人や近しい人の顔を見たときに活動する部位で,社会的な関係(特徴)の情報を持っているのではと言われているようです.2つ目は,fMRI計測ではSNが悪いところで有意な活動が出にくいんだとか.この部位はだいたい耳の横にあるのですけど,脳と骨の間の空洞が大きい部分なのでSN比が悪い(Fig.S7).

頭頂葉の顔選択部位(parietal face patch, PFP),前頭葉の顔選択的部位(frontal face patch, FFP)の対応も少し議論されています.前頭葉にあるFFPは,ヒトではPCG(precenral gyrus)なのではないかと.


この論文の論旨とは関係ない感想なのですが,FFAは精通している視覚刺激に選択的(たとえば,羊飼いは羊を見てもFFAが活動する)とも言われているのですが,僕もそうなんだろうと思っています.普通の物を見るアルゴリズムとどこが違うのかなぁという疑問がいつもおもうところで,最適性の程度が違うのかなと思っています.あと,他の部位と相互結合があって視覚以外の付加的な情報と関連づけられているのが,この部位なのかなと妄想しています.

 ##

 ヒト10人とサル2頭でfMRI計測しています.タスクは顔(集合写真のようなたくさんの顔が写っている画像)と場所(室内の画像)を使って,被験者は固視点から目を動かさずに画像を受動的に見ているだけ.ちなみに,集合写真を見せた方が顔に選択的な活動を検出されやすいみたいです.もう一つ,顔(1人の顔)と物を見せるタスクもやっていて,Fig.5でその結果を見せています.
 脳活動の解析では,ヒトとサルの脳活動の対応をとることが目的なのと,上記でも書いたようにATFPは普通に解析したのでは有意な活動が見えにくいので,統計的に有意に出やすいように大きめの範囲で平均を取ってから検定にかけています.


FIg.1.
A,B.monkey Jとmonkey Rの脳活動.赤-黄色が顔選択的に活動している部位,シアン-青が場所選択的に活動している部位.左下が後頭葉で,右に行くと側頭葉,上に行くと頭頂葉から前頭葉.Cはmonkey Jの前頭葉を横から見た図(上が右脳,下が左脳).

Fig.2.
ヒトの個人毎の脳活動,4人分.

Fig.3.
ヒトの被験者10人の平均脳活動.解析で有意な活動が出やすくなっているので,一般的な解析より側頭葉の下が広く活動しています.

Fig.4.
サルとヒトの脳活動の対応をとった結果です.対応の取り方は,Caretというソフトウェアを使っているようです.アルゴリズムとしては,脳の溝で主要な部分を対応点として,サルとヒトのそれぞれの脳を中間的な脳の形に変形させています(cf.The visual neuroscience のOrganization of visual areas in macaque and human cerebral cortex. David C. Van Essen(PDF)の章,Fig6を見るとわかりやすいです.ちなみにこの本,手元にあるのですけど,このページは白黒なんですよね.pdfで見るとカラーになっているので,そっちの方が見やすいです.).
Aがサルの脳活動,Bがヒトのアトラスにのせたサルの脳活動,Cがフラットな脳の図にのせたヒトの脳活動,Dはヒトの脳活動.赤矢印がPTFAもしくはFFA,緑矢印がATFA,青矢印がFFP.
サル,ヒト共に3カ所活動しているのがわかります.

Fig.5.
顔と物のタスクでの脳活動.A-Eがヒト,Fがサルの結果.これでも側頭葉の前と後ろで活動しているのがわかります.
 

2009年2月2日月曜日

モデル

Looking for cognition in the structure within the noise.
Johnson A, Fenton AA, Kentros C, Redish AD.
Trends Cogn Sci. 2009 Jan 7.


上の論文で,神経活動に関する研究が,符号化研究,復号化研究,生成モデル研究に分けらて,生成モデルを考えることが重要だとか.この方たちが言っている,符号化研究,復号化研究,生成モデル研究ってのをたたき台に自分が考えていることを整理.今回はこの論文の要約というわけではないので悪しからず.

まず実験では,感覚刺激,被験者・被験動物の行動,神経活動の3つが観測できる.

符号化研究では,感覚刺激もしくは行動と神経活動が,時間的に相関しているかを見ている.ウェスリー・C. サモンという人が,「統計的関連性を調べ,因果的説明を加えるという手続きをとること」が科学的説明だと言ったらしい.この言説の何が新しいかと言いうと,あたりまえに聞こえるけれど,因果的説明,つまり原因をつきとめることが科学だといったわけ.この手続きでいくと,符号化研究は統計的関連性を調べていることになる※2.相関を調べる研究はたくさん研究されているし,確かに相関がなければその先に研究のしようがないような気はする.大半のfMRI研究もこの類でしょう.

 ##

復号化研究では,神経活動から感覚刺激もしくは行動が復号化する.復号化できたとすれば,その神経活動に少なくとも復号化できただけの情報量が存在することを示している(情報が存在することの十分条件になる).これは,符号化研究よりは情報が存在していることを強く言える.

復号化研究で課題となる技術を考えると,まず1つ目が,復号器(デコーダー)の作成.
電気生理学の分野だと神経細胞に刺激を与えて,例えば電気刺激をして活性化させたり,逆に冷却して鈍らせたりする.動物なので,直接神経細胞に刺激を与えることが出来て,ある領野の神経細胞を電気刺激したら,動物の眼球が実際に動いたりということが検証できる.つまり,脳に備わっているデコーダーをそのままに利用できるのでデコーダーを作成する必要がないのだけど,人の場合はそうもいかない.技術的,倫理的に問題があるから,ある領野に電気刺激をして見えた画像を報告してもらうわけにはいかない(TMSという方法はあるが,簡単のためその話しはどこかへ置いておく).なので,人で復号化研究をするならば,デコーダーを作成して,計測した神経活動から感覚刺激を再現しなくちゃいけない.めんどくさい.ただ,どんなイビツなデコーダーだとしても復号化さえできれば復号化できた程度には情報表現がそこにあることになるから,強力な武器だ.

で,仮にデコーダーがうまく作成できたとして,脳の情報表現の話しなので,情報表現がどんなモデルになっているか考えなくちゃいけない※3.視覚の表象がJPEG方式かどうかを研究するのは,JPEGモデルがなけりゃできない.ちなみにモデルを考えるときのヒントの1つは計算論.どんな最適性が必要で脳が計算しているか考える.画像を思い出すことに最適性をおけば
PCA(Principal Component Analysis,主成分分析)で,画像を区別することに最適性を置けばLDA(linear discriminant analysis,線形判別分析)だとか(←あくまで例え)そんなことを考える.もう1つは,脳というハードウェアの制約.つまりその表現をニューラルネットワークで表現できるかとか考える.ニューロンの発火特性などもヒントになるかもしれない.

 そして,脳の情報表現モデルの仮説がたって,それを実験的に検証しようとする.例えば画像は形や色などなど高次元の情報を持つことになる.仮に脳の情報表現を知っていたとしても,それを検証実験するためには多変量解析が必要になる.動画なんてなったら,多変量に時間発展まで入ってくる.質点の動きだったら,位置,速さ,方向なんていう程度の次元ですんでいたが,大抵の情報は高次元だ.画像の情報表現が高次元であると同時に,とうぜん脳も集合的符号化(Population code)されているだろうから,高次元と高次元の情報の変換を考えなくちゃいけない.

(実際,デコーダー作成,情報表現のモデル作成,実験検証が順にできるわけでなく,各工程をいったりきたり試行錯誤するわけですけど.)

 復号化するのは結構ハードルが高いと思うのだけど,復号化技術を使えば,統制のとれていない刺激をつかって,例えば散歩しながら脳活動を計れたとして,ある領野から散歩しているときに見える画像がデコードできればその領野では見ている画像が表現されていると言っていい.統制がとれていない刺激でも実験はできるのかなと思う※4.

 ##

生成モデル...
Johonsonらは,符号化研究,復号化研究だけでなく,さらにある神経活動(情報)がどのように生成されるか,生成モデルを用いて予測すること(当然,「モデル」がなきゃ予測できない)が有用だと言ってます.ここで有用と言っているのは,この人達は,ニューロンに含まれるノイズをどのように扱うかという文脈で言っていて,一見するとノイズのように見えけど刺激を反映している信号は生成モデルを用いると区別できるでしょ,ということ言っています.この文脈でなくても,対象としている神経活動を活動を理解するためには低次からの入力や高次からのフィードバックなどなど回路(Network)を考える必要があるし,領野毎に独立に機能しているわけじゃないのは自明なのだから回路のモデルは必要.回路を考えなければ,環境との双方向的な機能は考えられないし.

もちろん,回路を調べることが難しいのはわかる.眼球運動の研究で閉回路系の実験は,フィードバックの実験統制をとるのが難しかったりするので,厳密性に欠けるとして嫌がる人もいるみたいですし.なので,やはり反射系など開回路系の方が研究しやすいといえば研究しやすい.開回路だと回路とはいっても回っていない回路.僕はその点はいい加減でも進める質なので,閉回路にしてある程度の実験統制で研究して,分かったことをもとに実験統制を強めていくということでもいいと思っています.徐々に囲みを小さくして精密さを高めていくというか,らせん階段状に発展していくというか,そんな感じでも良いと.

脱線しましたが,Johonsonらは生成モデルを使って,予測することで科学的検証を試みようということのようですが,予測は科学的検証になるのですかね※5?演繹で話しを進めていくことが科学ゲームのルールだと思っいます※6.サッカーで手を使っちゃいけないくらい根本的なルールかなと,例外はキーパーくらいで.なので,「このモデルだ」って言いたければ適当に対立するモデルを持ってきて仮説検定をする以外には示しようがない.本当はモデルは無限に考えられて,無限個のモデルと比較するのは無理だから,考えられる範囲のモデルと比較して進んでいくしかないと思っているのですが,どうなんでしょう.

以前,思いつき的にデータ同化が良いんじゃないか!?と書いたことがあったのですが,今では,あの時直感したほど有用ではないなぁという気がしています.データを逐次更新して,モデルパラメータをフィッティングしていくだけかなと.ただ,短期と長期のトレンドがあるようなダイナミクスを持つモデルの場合,データ同化で逐次更新していき,後から実験では観測できないパラメータの時系列を観察したら新しいことが分かるかもしれない,というような使い方はできるかと思っています.

どうまとめていいか分からなくなってきたのですが,冒頭の論文の生成モデルのくだりはアタリマエのことなんじゃないかと思う,という結論.アタリマエでも,やっている人は多くはないと思いますけどね.それと,神経科学において,全脳計測実験技術(fMRIとか多細胞計測とか)と情報学的素養(多変量解析とか確率的な制御回路理論とか)は使えるので,使います,と自分の研究方針を確認して,おわり.

あ,あと,前にも書いたけど,やはり脳という対象は方法論とかいろいろ考えなくちゃいけないから,おもしろいと思う.


※1.
何が科学的説明かってのは難しい.
カール・ヘンペル(Carl Gustav Hempel)らは演繹的法則的モデル(DNモデル,被服法則モデル)という科学的説明のモデルを提案したのだけど,2つの事象は無関係なのに論理的に正しければ科学的説明となったり,明らかにおかしい点がいくつかある.

※2
ホントは,相関しか調べてない,という事を強調したい.

※3
神経活動の生成モデルは,言ってみればネットワークのモデルが必要だと言っているのだと思うのだけれど,モデルはネットワークのモデルだけでなくて,情報表現自体のモデルだって必要だ.モデルは到るところの水準で必要で,これまでの研究だって,モデルと言えないほど簡単な情報表現のモデルだから,自然言語ですまされきただけだと思っている.
 例えば,質点の動きだけなら,古典物理で扱われている位置,速さ,方向(速さと方向を合わせたら速度)という表現が,世界を表現するに(たぶん)最適な表現になっていて,脳でもそういう表現があるかといわれたら,位置,速度が発火率で表現されていることが知られている.脳も古典物理で使われる表現で表象されていそうってことがわかる.方向に相関のある神経活動なんかもたくさん調べられてきた.位置,速さ,方向も動きの情報表現のモデル.アタリマエで単純なだけでモデルは必要だったわけ.一方で画像の表現についてはいくつも考えられるし,数理的に単純じゃないので理論家が必要になったり,モデルが意識される.
 視覚認知に比べると,地味なのだけれど眼球運動研究では神経回路モデルが古くから考えられていたし,実験検証できる範囲でモデルの検証はされてきている.ここで生成モデルとことさらいうことのほどなのだろうか.

※4
ただ,刺激に関係する領野がどこであるかまでを同時に探すのは結構大変な気がする.散歩しているときには様々な刺激が同時に入力されるわけで,刺激同士にも相関があって,複数の領野が同期的に活動しているのだろうから,根本的に分離できないことが大半だと思う.情報表現モデルの検証をするのに,デコーダー作成,領野探索が同時に入ってきては,まぁ,不可能かなぁ.ある程度,特定の領野に特定の情報が存在することがわかっているときだけなら.

※5
予測モデル(予測に最適なモデル)は生成モデル(真のモデル)に一致しないのですが...

※6
「仮説Hが正しいならばPである.実験結果はPであるからHである.」
これは間違った演繹であり,帰納が含まれているので,このような形で検証できない.
「仮説HならばPである.PではないのでHではない.」
こちらが正しい演繹.仮説検定.
cf.
「仮説検定型」(hypothesis-driven)研究の是非:Yes/Noが言えれば全ては丸く収まるのか
@ 大脳洋航海記




cf.
「ノイズ」の中の脳機能 @ The Swingy Brain
ビジョン,デビッド・マー著
科学哲学の冒険,戸田山和久著
 

2009年1月26日月曜日

【論文】対特徴注意は視覚のフィードフォワード情報処理を変調させる

Feature-based attention modulates feedforward visual processing
Weiwei Zhang & Steven J Luck
Nature Neuroscience 12, 24 - 25 (2008)


空間的注意とは独立に,対特徴注意のフィードフォワード情報処理を反映しているだろう活動を観測でき,またその活動は注意を向ける特徴が競合(同時に出現)している時にのみ起きている.実験で使用した視覚刺激がSupplementary Videoに置いてありますが,見てみると結構難しい.これが検出できるくらい集中(注意)してやらないとできないのですね.


Figure1
1つ目の実験として,固視点の左側に緑と赤のランダムドットを同時に表示し,被験者は赤色に注意を向けて輝度低下を検出する(cf.Figure 1a Experiment 1a 1b).また,背景を灰色にし,視覚刺激のコントラストを小さくした場合と,背景を黒にしコントラストを大きくした場合の2つのconditionを行っている.固視点の右側には探針刺激として,赤もしくは緑のランダムドットが断続的に現れる(探針刺激が現れた時の脳波を解析する).

2つ目の実験として,左側に出す赤と緑のランダムドットを交互にだし,刺激が競合しないようにしている.

被験者はランダムドットの特徴(色)に注意を向ける.空間的には固視点の左側に注意を向け,探針刺激は右側に出るので,空間的注意を分離し対特徴注意に関して調べることの出来る実験課題になっている.

Figure 2
1つ目の実験で,コントラストが低い場合,高い場合ともに,早い時間(110-160ms,80ms-130ms)で注意していた方(赤)で高い活動が現れている.
一方で,2つ目の実験,刺激の競合がない時では,差がない.

繰り返しですが,空間的注意とは独立に,対特徴注意のフィードフォワード情報処理を反映しているだろう活動を観測でき(cf.Figure 2 a,b),またその活動は注意を向ける特徴が競合(同時に出現)している時にしか起きない(cf. Figure 2 a, b, c).
 

【論文】温度(変化)を使って鳴禽(メイキン)の運動回路にあるダイナミクス(の表象)を解析する

Using temperature to analyse temporal dynamics in the songbird motor pathway.
Long MA, Fee MS.
Nature. 2008 Nov 13;456(7219):189-94.


概要
鳥のHVC(ヒトの高次運動野と相同する領野)を冷やして活動を低下させ,その時の鳥の歌声の準音節,音節,モチーフの3つの系列長(timescales)で調べると,すべての系列長で音の構成は保たれたまま系列が伸張(ゆっくりと)していたという話.一方でHVCからの投射がある運動核RAを冷やしても,変化は見られなかった.これまで,異なる時間長毎に歌声のダイナミクスが制御されていることも考えられていたが,そうではなく,HVCがすべて時間長について制御しているのではないか,またドミノ連鎖的(domino-like chain)に歌声のダイナミクスを制御しているのではないかという論文.ここで「ドミノ」連鎖的とは,音要素(準音節,音節,etc)の離散系列のダイナミクスであることを表している,たぶん.

(Dynamicsにtemporalという意味は含まれているように思うのだけど,どうなのだろう.今回の場合,側頭という意味でもないだろうし.でもtemporal dynamics という言葉が検索でけっこうな数ヒットする.)


Figure 1
a.ペルチェ素子(Peltier device,冷却素子)でHVCを冷却している.またHVC,RAと間脳のUvaなど神経経路を表示.
b.ペルチェ素子に電流を流したときの,HVCの温度変化.白丸が電流の流し始め(onset),黒丸が停止(offset).
c.HVCとペルチェ素子の距離0.5,2,4 mmにした時の,電流とHVC温度変化のグラフ.実験では0.5 mmの条件を用いてHVCを冷却している.
d.この実験で主となる結果.9つの歌声系列が示されいて,上から電流を0.5,0,-0.25,-0.50,-0.75,-1.00,-1.25,-1.50 A流したときの結果.一番下は0 Aの系列を人工的に382%(1つ上の-1.50Aの系列の伸張分と同じだけ)だけ延ばし系列.HVCを冷却すると歌声の系列が,伸張していることがわかる.
e.温度変化と系列伸張度(Dilation)の関係.実験を行った10羽について.赤線はdのデータとして挙げたNo.3の鳥について.
d.eの結果の平均を出した図.


Figure 2
a.b.c.準音節,音節,モチーフの3つの系列長で温度変化と伸張度を表したグラフ.どれも温度低下で伸張していることがわかる.
d.abcの結果から,1度冷却する毎の伸張度をヒストグラムで表示したグラフ.どれも伸張しているのがわかる.
e.f.
このグラフに関わる考察は,Supplementaryも参照しないとわからない込み入った議論になっていて,音節時間,音節開始間隔,モチーフ開始間隔,無音時間について議論している.特筆しておくのは,無音時間もHVC冷却で伸張していると言うこと.それと前の音節が引き金となって次の音節が続いていくのではないかということで,これが議論でドミノ連鎖的(domino-like chain)に系列制御されているのではないかと言及につながっている.


Figure 3
運動核であるRAを冷却して音響系列に変化がないことを示している.
a.解剖図とペルチェ素子の挿入具合.
b.RAを冷却するととHVCも若干冷却されてしまう.cのグラフを,この結果をもとにHVC冷却効果を補正し,eの結果を出している.
c.HVC冷却効果の補正前,電流を流すと若干伸張している.
d.Figure 1.fにRA伸張の結果を重ね合わせた図.
e.cからHVC冷却効果考慮して補正(取り除く)した結果.冷却しても伸張度に変化がない.
d.伸張度のヒストグラム.同様に伸張していないことがわかる.


Figure 4.
RAはHVCからの投射があるのに,Figure 3のように音響系列に変化がない様子をニューロン計測をして観察した結果.温度変化とともに持続性の発火率は減少するのだが(図abc),バースト発火は温度変化にはよらず一定であり(図d),RAがHVCからの入力に頑健に反応していることがわかる.
a.はRAを冷却した時のニューロン発火活動をしめしていて,b.は1Aで冷却した時に冷却開始時を境に発火率が小さくなっている様子,c.も同様に冷却と発火頻度の関係を示した図.


Figure 5
脳の左右で伸張する音響系列の要素(準音節)が異なることを示している.dは左を冷却した時でBという準音節を伸張しているがAの要素には影響ない,逆にeは右を冷却した時だがAは伸張しBは変化がない.HVCの1つのニューロがすべての音系列要素の伸張にかかわっているわけではなく,集団符号化(Population coding)しているという結果.

Supplementaryの最後の図に1つのモデルとして提案されているが,HVCが系列を制御し,音節の区切りなどで適宜左右間で同調を行い,Uva,RA,DMとも通信を行っているというモデルを挙げている.
 

2009年1月23日金曜日

アブストだけ読んだり,タイトルだけ読んだり,読みっぱなしだったり.


アブストだけ読んだ論文.
 
神経科学の論文ではないけれど,おもしろそうだったので
Indirect reciprocity provides only a narrow margin of efficiency for costly punishment
Hisashi Ohtsuki, Yoh Iwasa & Martin A. Nowak
Nature 457, 79-82 (1 January 2009)
人間社会で,非協力的な人に懲罰が与えらるような環境では(当然!?)利他的行動が促進されるのだけど,懲罰を与えること自体がコストである(懲罰を与える側にもコストがかかる)とすると,協力関係が促進されないってことをゲーム理論をもちいて検討したらしい.結果から言うと,協力関係の促進は狭いパラメータ範囲でのみおきていて,間接互恵性(情けは人のためならず,まわりまわって自分に利益がくるということ)が効率的になる(直接的になる,つまりすぐに自分に見返りを求めるようになる!?)ので,たいていの場合はコストを伴うと懲罰では協力関係を促進しようとすることは非効率,ということらしい.自分の経験と照らし合わせても,そうだろうなと思える.

今度は量子力学.
Squeezing and over-squeezing of triphotons
L. K. Shalm, R. B. A. Adamson & A. M. Steinberg.
Nature 457, 67-70 (1 January 2009)
量子力学では,観測に不確定性が生じるのだけど,位置と運動量の対のように相補的な間では等しく分配されるのだけど,スクイージング(squeezing)を行うと,一方の観測の不確定性を大きくする代わりに,もう一方の不確定性を小さくすることができるとか!
 知識がないので,何を言っているのか全然わからないけれど,すごそうな気がする.不確定性という言葉にヒカレル.

Emergence of complex cell properties by learning to generalize in natural scenes
Yan Karklin & Michael S. Lewicki.
Nature 457, 83-86 (1 January 2009)
視覚のモデル研究.画像の統計量の変動をニューロン活動が符号化して,...
 アブスト読んだだけでは見当つかなかったので,ちゃんと読む.

Anticipatory haemodynamic signals in sensory cortex not predicted by local neuronal activity
Yevgeniy B. Sirotin & Aniruddha Das
Nature 457, 475-479 (22 January 2008)
fMRIは血流変化を計測していることになるのだけど,それをもって脳活動計測と読んでいるのは血流変化がニューロン活動に関係すると考えられているから.この研究では,サルを使って,ニューロン活動の直接計測とfMRI計測を同時にしたら,先ほど述べた前提(仮定)だけでは完全には説明できない現象があって,一部のfMRI信号がニューロン活動と無関係であると.これから活動するだろうってところで,血流の増加が見られたとか.
 fMRIで行動の数秒前に活動(血流変化)が起こるっていう研究がいくつかあるが,この現象なのか??fMRI研究の再考をもとめる結果でもあります.

fMRI研究に問題を投げかけると言えば,すでにいろいろと取り上げられていますが,
Response to “Voodoo Correlations in Social Neuroscience” by Vul et al. - summary information for the press(PDF)
cf.
・Brain imaging studies under fire(nature news)
・脳のイメージング研究が炎上中(5号館のつぶやき)
・神経社会学のfMRI研究における魔術のような相関(追記あり)(大「脳」洋航海記)
・Ed Vulへの反駁と再批判:早合点されているようだが、これは手法への批判であって神経社会学そのものへの批判ではない(大「脳」洋航海記)

Visual image reconstruction from human brain activity using a combination of multiscale local image decoders.
Miyawaki Y, Uchida H, Yamashita O, Sato MA, Morito Y, Tanabe HC, Sadato N, Kamitani Y.
Neuron. 2008 Dec 10;60(5):

ATRの宮脇さん,内田くんらの論文.
ちなみに,この号のNeuronの表紙にもなっていて,モノグラムがルイ・ヴィトンみたいでかっこいい.


タイトルだけ読んでおもしろいかもと思った論文
J Neurosci. 2009 Jan 7;29(1):169-78.
Dynamic changes in brain activity during prism adaptation.
Luauté J, Schwartz S, Rossetti Y, Spiridon M, Rode G, Boisson D, Vuilleumier P.

J Neurosci. 2009 Jan 14;29(2):301-2.
Perception of facial expression in somatosensory cortex supports simulationist models.
Hussey E, Safford A.

J Neurosci. 2009 Jan 14;29(2):436-43.
Differential effect of reward and punishment on procedural learning.
Wächter T, Lungu OV, Liu T, Willingham DT, Ashe J.


読みっぱなしで,早く整理したい論文.
J Neurosci. 2008 Oct 15;28(42)
The native coordinate system of spatial attention is retinotopic.
Golomb JD, Chun MM, Mazer JA.

Nat Neurosci. 2009 Jan;12(1):24-5.
Feature-based attention modulates feedforward visual processing.
Zhang W, Luck SJ.

Neuron. 2008 Oct 9;60(1):162-73.
Context-dependent changes in functional circuitry in visual area MT.
Cohen MR, Newsome WT.

Nature. 2008 Nov 13;456(7219):189-94.
Using temperature to analyse temporal dynamics in the songbird motor pathway.
Long MA, Fee MS.
これはおもしろかった.鳥の歌の研究です,脳内で時系列がどうやって表現されているかのヒントになりそう.


明日は(今日は),1日実習です.
 

2009年1月8日木曜日

Pubmed RSS feed

RSSをつかって新着論文をチェックしてます.

基本はそれぞれの雑誌ホームページにあるRSS feed を使っているのだけれど,RSS feedがない雑誌や使っているRSS Readerではうまく表示されないときはPubmed のRSS feedをつかってます.

久々にある雑誌をPubmedのRSS feedで登録しようと思ったら,方法を忘れていたので,その方法をメモ.

例えば,
雑誌サイエンスでneuroscienceの論文ということで,
 ("Science (New York, N.Y.)"[Journal]) AND (neuroscience)
と検索して,検索結果の画面に出てくる[send to]をプルダウンして[RSS Feed]を選択.


あとは残り2Stepを指示通りに,最後[XML]のオレンジ色のボタンをクリックして登録完了.およそ1分.


 
雑誌名,著者,分野など好きな検索結果のRSS feedが作れるので便利ですな.
 

2008年11月25日火曜日

【論文】実験課題の繰り返しによる神経活動の抑制は知覚の予測を反映している.Summerfield2008

Neural repetition suppression reflects fulfilled perceptual expectations.
Summerfield C, Trittschuh EH, Monti JM, Mesulam MM, Egner T.
Nat Neurosci. 2008 Sep;11(9):1004-6.


概要
fMRI研究において,繰返し抑制(repetition suppression)という同じ刺激を繰り返すと神経活動が抑制されるという現象がよく知られているのですが,そのメカニズムを明らかにしようという論文.これまでにいくつかの仮説が示されており,経験した特徴が強調した表現に変化するという強調化(Sharpening)の効果だとか,疲労による神経活動の鈍化だとか言われてきました.この論文の著者らは神経活動の抑制は予測符号化仮説(Predictive coding theory)における予測誤差(Prediction error)が小さくなっていることを示すのではないかと言っています.結論としては,神経活動の抑制のすべてを予測誤差の減少で説明できるわけではないが,予測誤差の減少が繰返し抑制の原因であることを示している.

Figure 1
基本的には,この論文の結果はここの3つの図に表現されている.Figure2はFigure1の補足的実験.
a fMRIの実験タスク
実験課題はRep試行,Alt試行,Target試行の3種の試行からなっていて,それがランダムな順に出てくる.すべての試行は,最初の顔が250 ms間表示され,その後500 ms間の空白画像が表示され,最後に2つ目の顔が250 ms間表示される.試行間には2−4sの時間がある(rapid event-relatedでfMRI計測していると言うことですね.).Rep試行は最初と2つ目の顔が全く同一,Alt試行は異なる顔,Target試行は2つ目の顔が逆さ顔になっている.被験者は2つ目の顔が逆さ顔だったらボタンを押します.つまり,Target試行の時にボタン押しがされるのですが,この試行での脳活動は解析に必要なく,被験者がきちんと実験課題をしていることを確認するための試行.

そして,実験課題は2種類のブロックからなる.Rep試行が75%(Target試行を除いた試行数の)の確率で出てくるRepブロックと25%のAltブロックの2種類.

つまり,2種類の試行とその試行の出現確率が異なる2種類のブロックで実験課題は構成されています.

実験パラダイムの論理としては,
Repブロックでは,
→ 2つ目の顔が最初の顔と同じである確率が高い.
→ 被験者は2つ目の顔を最初に出た顔だと予測するようになる.
→ 同じ顔が出るRep試行では予測誤差が減少する.
→ もし,繰返し抑制が予測誤差を反映するとすれば,
   相関してニューロン活動の低下が観測できる.
という事.

b
側頭葉の領野の1つであるFFA(Fusiform Face Area,紡錘状顔領域)を別のタスクで同定していて,つまり顔に選択的に活動するfROI(functional Region of Interest,機能的関心領域)で解析する脳活動を特定している.4つある脳活動の図の内,左の2つは16人のFFAsを重ねて描いた図で,右2つはグループ解析をして被験者共通に活動していたFFAsを描いた図.

c
bで特定したFFAsの脳活動を比較しており,左の2つの棒グラフはRepブロックの結果を示していて,右2つはAltブロックの結果を示している.白の棒グラフがRep試行,灰色がAlt試行.

見るべき結果は次の2つ.
結果1.RepブロックではRep試行がAlt試行よりも22%だけ脳活動が減少している.
結果2.両ブロックでのRep試行を直接比較すると,「RepブロックでのRep試行」が「AltブロックでのRep試行」よりも小さくなっている.
(結果2の補足1.)AltブロックにおいてはRep試行の減少は9%だけである.
(結果2の補足2.)試行とブロックの2x2の分散分析の結果,試行間には主効果があって,比較するとRep試行がAlt試行よりも有意に小さく,ブロックに関しては主効果はない(ちなみに,解析の順序としては,もちろん分散分析を先にやって試行間の主効果のあることが認められた後,試行間での比較を行っている.論文の本文でも結果2は結果の2の補足1.2の後に書かれている.)

つまり,被験者の予測通りであり予測誤差が小さくなるRepブロックでは,実際に同じ顔が繰り返されるRep試行(繰り返される試行)で脳活動の低下がある(結果1より).しかも,同じRep試行でもAltブロックの場合よりも小さいので,単にRep試行であるから脳活動が下がっているというのでは無い(結果2より).

このことから,繰り返し抑制は予測誤差の減少を反映しているのだろうという結論になる.

AltブロックにおいてもRep試行で減少が見られるのは,基本的にヒトは最初の顔が2つ目にもでると予測するからでしょう.ちなみに,この実験では2つの試行で同じ顔は使われないので,予測するとすれば最初の顔を予測するしかない.

RepブロックでのAlt試行は,顔が繰返されるRep試行が多い中で異なる顔が出てくるわけで,予測誤差が大きくなって,「Alt試行 In Repブロック>Alt試行 In Altブロック」となるかと思ったりしたけど...そうはならないな.Alt試行はどちらのブロックでも出てくる2つ目の顔と被験者の予測は異なるわけで,異なり具合(予測誤差)は同程度なのでしょう.もし,「Alt試行 In Repブロック>Alt試行 In Altブロック」だとしたら,予測誤差ではなく,予測と異なるかどうかの2値が表現されているとも考えられたりしないだろうか?まぁ,それだと,両ブロック間でのRep試行は同じ値になるから,この論文の結果は説明できないのだろうけど.

Figure 2
a
Figure1が顔認識における予測誤差であることを示すために,試行における最初と2つ目の顔の大きさを変化させて行っている.Rep試行とAlt試行では,2つの異なる大きさの顔が用意されていて,小さい顔は大きな顔を15%減少させた顔.大きい顔が最初に出ることもあるし,小さい顔が最初に出ることもある.Target試行はサイズ変化が60%になっていて,急激に拡大するか,縮小したら被験者はボタンを押す.

b.c.
見方はFigure1と同じ.ただ,cで「Alt試行 In Repブロック>Alt試行 In Altブロック」となっている.この結果はどう解釈するんだろ?予測誤差は平均化されて両ブロックで変わらないという事にしているのだろうけど,最初と2つ目の顔の誤差(予測誤差)は定義できないから厳密には統制が取れていないわけで,その影響があるのかな.
 

【論文】マカクザルのVIP野:視覚と体勢体性感覚の一致した性質 Duhamel1998

Ventral Intraparietal Area of the Macaque: Congruent Visual and Somatic Response Properties
Jean-René Duhamel, Carol L. Colby, and Michael E. Goldberg.
The Journal of Neurophysiology Vol. 79 No. 1 January 1998, pp. 126-136.

概要.

脳領野で視覚野と体勢体性感覚野の境にあるVentral IntraParietal Area(VIP)で両感覚野から投射があることが知られています.VIPでの受容野が視覚と体勢体性感覚で共通しているという話.何が共通しているかというと受容野の位置選択性,大きさ,運動方向選択性,などなど.受容野の位置や大きさなど定義を厳密にしているわけではないですが,定性的には上記で述べた現象がみられるということはわかります.

感想
10年前の論文でVIP研究が始まった頃の,原始的!?な方法でおこなわれている研究.でも,VIPを研究する上では押さえておかなければいけない研究.データはひたすらヒストグラムつまり数を数えているだけだったり,結構生データな感じ.FIG.4とかは,割合で表示したり相関を示したらと思ったり思わなかったり..それにしてもサルにしたら,いろんな物でやたらとさわられるのは気味悪かったろうな.^^;

FIG.1.
ディスプレイで灰色で表示されているところが視覚的な受容野で,サルの顔や体で灰色に表示されているのが体勢体性感覚における受容野.体勢体性感覚の方は,エアパフや筆記用具でつついたり,綿棒でさわったりしている.同じニューロンで図にあるように,視覚と体勢感覚の両方に反応している.

視覚的な中心が鼻頭に対応している.FIG.2.3.で解析しているけれど,両感覚野とも中心から離れていくと,視覚と体勢体性感覚の両方で受容野の大きさが大きくなっているのがわかる.

FIG.2.
横軸!?は鼻頭からの距離,縦軸!?が体勢体性感覚の受容野の面積で,それぞれについてニューロンの数を表示している.FIG.1でも書いたけど,鼻頭からはなれると受容野の面積が大きくなっている.

FIG.3.
横軸!?は視覚受容野の中心からの距離,縦軸!?が体勢体性感覚の受容野の面積.これも相関がありそうなのがわかる.

FIG.4.A.
両感覚におけるニューロンの同側・反対側の関係を示したグラフ.視覚で反対側ならば体勢体性感覚でも反対側という関係が見られる.同側はもともと取れているニューロンも少ないので,こんな感じ.割合で表示しても良かったんじゃないかな.

FIG.4.B.
視覚座標の上下と体勢体性感覚での鼻を境にした上下のニューロン数の関係を示したグラフ.これも相関ありな感じ.

以下,こんな感じで図を見ればわかるので,あとの説明は簡単にで.

FIG.5.
運動選択性も同じ.

FIG.6.
運動選択性が同じ.
ただし,視覚受容野がディスプレイの外にある場合.

FIG.7.
同じく様々な場所での運動選択性.
一番下の2つの図は腕を動かしたときで,その時に活動するニューロンもあった.

FIG.8.
物が近づいてくるとき離れるとき視覚と頭部の前後体勢体性感覚.

FIG.9.
体勢体性感覚で綿棒を頭部につけたとき離したときに反応するニューロンが,視覚刺激の点滅に反応する.

FIG.10.
回転方向選択性について.これはちょっとにわかに信じがたいけど.こんな単純な視覚と体勢体性感覚の座標対応なのか??

 

2008年9月9日火曜日

【論文】知覚的な推論中の事前情報の神経表現 Summerfield2008

A neural representation of prior information during perceptual inference.
Summerfield C, Koechlin E.
Neuron. 2008 Jul 31;59(2):336-47.


概説
予測符号化仮説(Predictive coding hypothesis)であることを示唆するfMRI論文.予測符号化仮説とは,皮質領野間の相互結合(遠心性結合と求心性結合),領野内での再帰的結合で何が行われているかについての仮説で,次の3つの事をいっています.
  1. 低次皮質から高次皮質へは予測誤差(prediction error)を伝える.
  2. 高次皮質から低次皮質へは低次から伝えられる信号の予測値を伝える.
  3. 再帰的結合は低次から伝えられる信号の予測値(expectation)を計算する.
予測誤差を小さくするように,予測値を計算(ニューラルネットワークを構築)しているということなんでしょう.

2つの実験課題をもちいて,予測値(事前情報)の情報表現がある領野(ブロードマン18・19野,紡錘状回fusiform/lingual gyri,上側頭回Superior temporalgyrus)と予測誤差の情報表現がある領野(1次視覚野V1p,3次視覚野V3,中・下側頭回middle/inferior temporal gyrus)を同定し,その領野間結合関係をDynamic causal modeling(DCM)でモデル同定している.1次視覚野,紡錘状回,中・下側頭回,上側頭回で予測符号化仮説にあう結合関係を示唆している.

感想
おこなった実験課題によって観測できる脳機能についての説明には異論があるのだけれど,それ以外はおもしろい結果.もちろん,異論があるところに本当に問題があるとすれば,その後の結果も否定してしまうことになるのだけど.あと,priorという表現を用いているけれど,注意(attention)とどのように異なるのかが良くわからない.


Figure 1.
A.Predictive codingを説明した図(省略)
B.C.実験課題
上から順に3つの実験課題を説明する図が表示されている.大きく分けると2つの実験課題を行っている.1つは,最上段のA/B decisions task( Forced-choice discrimination task ).図Cは実験課題の進行を表しているが,A/B decisions taskではまず,黒丸の中に青と赤の線が60度で交わる格子が表示され,その後に赤の線分と同じ傾きをもつガボールフィルタAもしくは青の線分と同じ傾きを持つガボールフィルタBのどちらかが現れる.被験者はAもしくはBをボタンで回答する.
中段,下段はA/~A decisions task(Yes-no judgments task)であり,黒丸の中に緑の線分が現れ,その後緑の線分と同じ傾きを持つがーボールフィルタmatchもしくは不正解選択肢non-matchが出てくるので,matchの場合はボタン1,non-matchの場合はボタン2を押して回答する.中段の課題は不正解選択肢が1つだけの場合で,下段の課題と2つの場合.

A/B dicisions taskは,脳内では事前情報を利用せずに一人勝ち戦略(Winner-takes-all)によって計算される(p.337,l3).一方で,A/~A decisions taskはperceptual templateとして外部の刺激を利用し,事前情報を用いて行われる.(ヒトがA/B decisions taskを一人勝ち戦略で解いている必然性がない気がする.A/B decisions taskを一人勝ち戦略で解ける,というのは理解できるのだけど.著者らはこの2つの課題が事前情報の有無を表していると言っていて,この後のfMRI解析でも使われている論理なのだが,これでいいのか??)

D.実験課題の反応時間.薄い灰色がA/~A decisions
taskでmatchを押したときで数字の1,2は不正解選択肢が1つ(図B,中段の課題)と2つ(図B,最下段の課題)の時を表している.灰色はA/B decisions taskでの反応時間で,AはAを押したとき,BはBを押したときの反応時間を示している.濃い灰色はA/~A decisions taskでnon-matchを押したときの反応時間.数字はmatchと同じ不正解選択肢の数.同色グラフ内では差はないが,match < A/B < non-matchで反応時間が大きくなっている.

E(省略,cf.Figure2-5)

Figure 2.A/~A decisions > A/B
decisionsで活動を示した脳部位.つまり,予測値(事前情報)の表現があることを確認された脳部位.
A.ロードマン18・19野,紡錘状回fusiform/lingual gyri,上側頭回Superior temporal gyrusが活動している.
B.図Aに示された各領野で条件間の差を棒グラフと共に示した図.

Figure 3.non-match > (A/B decisions and match)で活動を示した脳部位.予測誤差の表現があることを確認された脳部位.
A.1次視覚野V1p,3次視覚野V3,中・下側頭回middle/inferior temporal gyrusが活動している.
B.省略

Figure 4.
A.B.C.省略
D.Figure2,3で確認された脳領野の結合を示した図(ここが最も重要な解析).最高次であるSTGはA/~Aで活動しており,そこからFG,V1cへと予測値(事前情報)が流れている結合があり,V1cからITGへ予測誤差が流れている結合がDCMによって同定されている.黒の矢印が有意な結合関係であり,灰色矢印は有意でない結合関係.
E.省略

Figure 5.match > (A/B decisions and non-match)で活動した脳部位.つまり,報酬予測や意志決定,予測的知覚(top-down perception)などに関わる脳部位.
A.腹内側前頭野(ventromedial prefrontal; vmPFC),眼窩前頭皮質(orbitofrontal cortices),後帯状回(Posterior cingulate cotex)が活動している.
B.省略
 

2008年9月1日月曜日

【論文】自然画像を見ているときの刺激特徴への注意がV4ニューロンの反応特性を変える David2008.

Attention to stimulus features shifts spectral tuning of V4 neurons during natural vision.
David SV, Hayden BY, Mazer JA, Gallant JL.
Neuron. 2008 Aug 14;59(3):509-21.
 
概説
V4ニューロンでの刺激特性(Spectral tuning)が,向特徴注意(feature based attention)で変化するが,その変化の仕方はある周波数帯の反応利得があがるというBaseline/gain modulationではなく,周波数帯域も変化するTuning modulationであるだろうという論文.刺激特性は,回転周波数(orientation tuning)と空間周波数(spatial tuning).僕は,この分野の,特に電気生理の研究に詳しいわけではないですが,長々と議論になっている話題.最後にV4が視覚探索する際に有用となるmatchedfilter(ニューロンが探索している刺激に選択的になる)の機能を果たしているという結果.自然画像が好きなGallantのグループの研究.

ちなみに,「向特徴注意」は造語です.spatial based attention は空間的注意という訳語があるのですが,feature based attentionやobject based attentionは見たこと無い.特徴的注意というのが変な感じがしたので,向特徴注意と表現してみる.

感想
読んでみると,Tuning modulationする細胞もあるかもしれない,というくらいの内容.Fig.8A(最後の図)を見ると,多くのニューロンはBaseline/gain modulationなんじゃん,と少しがっかり感.いや,僕がTuning modulation派というのではなく,Fig.7までTuning modulationを力説していただけに,最後に肩すかしを食らった感じ.

ちなみに,Jackknifed testが随所に出てきますが(もちろん,この研究では有意な差が出ているので問題ないのですが),一般にはブートストラップ法の方がうまくいきます.

以下,図の説明を中心に詳細.

順番が前後しますが,まずFigure 2のモデルの説明から.
Figure 2.
上からA.No modulation model,B.Baseline/gain modulation model,C.Tuning
modulation model.まず,有限要素構成仮説(←左の英語を僕が意訳した造語,labeled-line
hypothesis)という言葉があり,ある有限の基本要素(今回の場合,周波数)から刺激知覚が生成されるという仮説があり,図のガウス分布ひとつが基本要素を表している.図の横軸は刺激特性(たとえば周波数)であり,T1という刺激では点線の値の刺激特徴量をもつということになる.No modulation model では,刺激に注意が向いていても変化しない.B.Baseline/gain modulation modelは注意によって刺激特徴の基本要素の利得もしくは基準値があがって,刺激選択性が変化する(ここでの図はgainが変化した場合の図になると思う).C.Tuning
modulation modelでは,利得や基準値が上がるだけでなく,それぞれの基本要素がもつ刺激帯域(こんかいの場合は周波数帯域)も変化するというモデル.

この3つのモデルを定式化したのがpp.519-520にある3つの式である.Baseline/gain modulation では,No modulationにg(a)という利得パラメータと基準値のdがd(a)と注意(attention)の関数になっている.さらに,Tuning modulation modelでは,フィルターであるhが空間だけでなく,注意の関数として表されている.(うーーん,やっぱり図があって式があると理解しやすい.図だけでは理解がシャープではないんですよね.式があると頭がすっきりする.)

Figure1.
A Match to sample (MTS) task
固視点が表示され,次に注意の方向(左下か右上)と注意を向ける自然画像が500ms提示される.Delayが850msあった後,20msでつぎつぎに左下と右上の自然画像ペアが提示される.サルは注意の方向に注意を向ける画像が出現したと思ったらレバーを放す.

B.Free-viewing visual search(FVVS) task
自然画像が1つ提示される.2,3secのDelayのあと,3x3の自然画像の行列が提示される(ここでは最初に提示された自然画像はない).さらにDelayのあと,最初の自然画像が含まれる3x3の自然画像の行列が提示され,見つけたらレバーを放す.

Figure 3.
A.この論文の解析の基本となる図.受容野の周波数特性(Spectral Receptive Field)を表しており,横軸が回転周波数,縦軸が空間周波数.自然画像から逆相関法によって,周波数特性を算出している.
Bは横軸がno modulation modelで予測される反応,縦軸が計測された反応.そのニューロンが好む(反応特性がある)刺激T1と好まない刺激T2で差があることがわかる.つまり,刺激特性が変化している.
C. 左図から,T1,T2,その差分の周波数特性を示している.つまり,差分の周波数特性が注意による効果で変化した周波数特性.

Figure 4.

各グラフの見方はFigure 3.と同じ.
A. 1−3[cycle/RF]の低空間周波数帯では,広域の回転周波数特性を持っていることがわかる.
B. このニューロンが好む刺激T1と好まない刺激T2に差があることがわかる.
C. 周波数特性における注意の効果(Difference)を見てみると,図Aとは異なっているので,特徴に対する注意によって周波数特性が変化していることになる.
D. E. 受容野内外を比較した結果.Dでは差があるので,少なくともBaseline/gain
modelで調整が行われている.ただし,受容や内外の周波数特性の差分を見ると,図Aと差が無く,つまり空間的注意は周波数特性の調整には影響しないだろうという結論を示している.

Figure 5.
省略

Figure 6.

Target Similarity Index(TSI)(キャプションにThe tuning shift
index(TSI)と書いてあるが,おそらく誤り.)TSIは刺激と特徴に向けられた注意の効果によって変化した周波数特性の類似度であり,横軸の正方向が似ているということになる.ヒストグラムにおいて灰色のサンプル(ニューロン)は有意に負であったニューロン,黒が有意に性であったニューロンを示す.平均は0.13で,ゼロと有意な差があると述べている.つまり,V4ニューロンは特徴に向けられた注意によって刺激がもつ周波数に周波数特性が調整され,つまり視覚探索などで目的の物に目が向けられるようにするためのmatch
filterの機能となっている,という結果.

Figure 7.
FVVSタスクの結果,省略

Figure 8A.
ニューロン数を空間的注意によって調整されたニューロン,Baseline/gain modelのニューロン,Tuning modelのニューロンで分類してヴェン(Venn)図で示している.これを見ると,Tuning modelに含まれるニューロンは31個で,そのうち,Tuning modelだけに分類されるニューロンが3つある.(BCは省略)


メモ.参考文献に挙がっている重要論文.
Connor, et.al. 1996.
Efron, et.al.1986.
Luck, et.al.1997.
MacAdams, et.al.1999.
MacAdams, et.al.2000.
Moran, et.al.1985.
Motter, et.al.1994.
Reynolds, et.al.2000.
Treue, et.al.1999.
Williford, et.al.2006.