発表のポイント

 

概要

 

　脳波は、脳の様々な活動の結果として発生する電気信号の集合であり、絶え間なく連続して発生する時系列信号です。脳波における特定の周波数の信号（アルファ波やガンマ波）が、覚醒状態や注意を反映していることが知られています。今よりもさらに高度な情報を脳波から読み取るためには、近年発展が著しいAI技術の活用に期待がもてます。特に、最近のChatGPTなどの生成AI技術で活躍している、時系列情報である自然言語処理に有用なVision Transformer^（注1）をベースにした深層学習モデルが有望かもしれません。
東北大学大学院薬学研究科の佐々木拓哉教授・田村篤史特任助教・鹿山将研究員、生命科学研究科の筒井健一郎教授、生理学研究所の北城圭一教授らの研究グループは、マウスに嫌悪的な内臓痛を引き起こし、8つの脳領域から記録した脳波（局所場電位）パターンをVision Transformerにより解析しました。その結果、従来の画像解析で用いられるような深層学習と比較して、より高精度に内臓痛の状態を検出できることを示しました。
　本研究成果は、複雑な脳活動パターンの解読に新たな可能性を開くものであり、情動の客観的評価をはじめとして、高度な脳-機械インターフェースの開発につながることが期待されます。
　この研究成果は、2024年10月17日（木曜日）に科学誌Scientific Reports誌に掲載されました。 

 

図1. マウスに内臓痛を誘発し、8つの脳領域の脳波（局所場電位）を計測した。
図2. 脳波信号を5秒おきに区切って、内臓痛に由来する嫌悪状態を生じる前後の脳波が、正常と嫌悪状態のどちらに判別されるか検討した。
図3. 脳波を推定するための解析法として、従来の周波数パワーに基づいた解析、AlexNet、Transformerの3つを比較した。周波数パワー解析よりもAlexNet、さらにAlexNet よりもTransformerは有意に高い判別精度を示した。*P < 0.05。
 

 

【用語説明】

注1. Transformer：自然言語処理タスクで高い性能を示す人工知能モデルの一種。

 

 

【論文題目】

Tasuku Kayama*, Atsushi Tamura, Tuo Xiaoying, Ken-Ichiro Tsutsui, Keiichi Kitajo, Takuya Sasaki**. (2024) Transformer-based classification of visceral pain-related local field potential patterns in the brain. Scientific Reports

DOI: 10.1038/s41598-024-75616-6

 

 

 

 

関連リンク

 

 

【問い合わせ先】

（研究に関すること）