観測されないセルアセンブリの状態推定によるサルBMIデータのデコード精度向上

カテゴリ: 研究会(論文単位)

論文No: MBE22022

グループ名: 【C】電子・情報・システム部門 医用・生体工学研究会

発行日: 2022/03/13

タイトル(英語): Improving decoding accuracy of monkey BMI data by estimating the state of unobserved cell assemblies

著者名: 朝比奈 昂洋(東京大学),榛葉 健太(東京大学),小谷 潔(東京大学),神保 泰彦(東京大学)

著者名(英語): Takahiro Asahina(The University of Tokyo),Kenta Shimba(The University of Tokyo),Kiyoshi Kotani(The University of Tokyo),Yasuhiko Jimbo(The University of Tokyo)

キーワード: ブレイン・マシン・インターフェース|微小電極アレイ|セルアセンブリ|同期活動|Brain-machine interface|microelectrode array|cell assembly|synchronous activity

要約(日本語): Brain-Machine Interface (BMI) において，神経活動から腕の動き等の運動をデコードする技術の向上は重要な課題である．本研究では，発火時系列から広範囲のセルアセンブリについてシナプス結合を推定する手法を提案する．公開されたサルBMIデータのデコードにシナプス結合推定を組み込み，デコード精度の向上を示した．特に，ビン幅が短い場合に誤差減少率が高く，シナプス結合推定が発火率よりビン幅に対してロバストである可能性をin vivoデータから示した．

要約(英語): In the Brain-Machine Interface (BMI), it is important to improve the method to decode the movement such as arm movement from neural activity. In this study, we propose a method to estimate the synaptic connectivity for a wide range of cell assemblies from spike train. We incorporated the synaptic connectivity estimation into the decoding of publicly available monkey BMI data, and showed an improvement in decoding accuracy. In particular, we showed that the error reduction rate was high when the bin width was short, and in vivo data showed that synaptic connectivity estimation might be more robust to bin width than firing rate.

本誌: 2022年3月16日医用・生体工学研究会-2

本誌掲載ページ: 33-36 p

原稿種別: 日本語

PDFファイルサイズ: 1,265 Kバイト