-
- 三分一 史和
- 統計数理研究所モデリング研究系 総合研究大学院大学複合科学研究科統計科学専 攻
Bibliographic Information
- Other Title
-
- セイタイ イメージングデータ カイセキ ノ タメ ノ ジクウカン フィルタリングホウ
Search this article
Abstract
最近の計測技術の進歩により、グリッドタイプの時空間イメージングデータの計測が可能となっている。データ解析には主に回帰分析や相互相関解析が用いられ、脳神経の賦活の様子が統計量の空間分布として視覚化される。これらの解析法には神経賦活の時間的変化を反映した参照関数を先験的に仮定する必要があり、言い換えれば、神経賦活のうち、その変動パターンが参照関数と相似性の高いもののみが検出されるということになる。また、参照関数が定義出来ない場合は、解析そのものが困難になってしまうという問題がある。本講演では、これらの問題点を回避するために、我々の研究において開発された時空間フィルタリング法を解説する。これは、コントロール条件下の区間で自己回帰(AR)型の時系列モデルを同定し、残りの区間をその同定されたモデルによりフィルタリングを施しイノベーション(予測誤差)を推定するイノベーションアプローチに基づく方法である。イノベーションの中にコントロール区間のモデル化で予測することができない信号が含まれていれば、それは、コントロール区間では生じていなかった神経賦活と推定することができる。有意な神経賦活の検出にはイノベーションの振幅レベルを統計検定する必要があり、繰り返し測定されたデータと単一試行データの場合とでその統計処理法と統計量の空間マップ化法を紹介する。
Journal
-
- Japanese Journal of Cognitive Neuroscience
-
Japanese Journal of Cognitive Neuroscience 15 (1), 25-32, 2013
Japanese Society of Cognitive Neuroscience
- Tweet
Details 詳細情報について
-
- CRID
- 1390282680201424512
-
- NII Article ID
- 130006895767
- 40019760319
-
- NII Book ID
- AA11408788
-
- ISSN
- 1884510X
- 13444298
-
- NDL BIB ID
- 024792138
-
- Text Lang
- ja
-
- Data Source
-
- JaLC
- NDL
- CiNii Articles
-
- Abstract License Flag
- Disallowed