深層学習モデルによる経験特異的な海馬リップル発火の認識

カテゴリ: 研究会(論文単位)

論文No: ST23015

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2023/08/22

タイトル(英語): Deep Learning can Recognize Experience-Specific Ripple-Firings in Hippocampal CA1

著者名: 呉本 尭(日本工業大学),小林 祐一(日本工業大学),石川 淳子(山口大学),間普 真吾(山口大学),美津島 大(山口大学)

著者名(英語): Takashi Kuremoto(Nippon Institute of Technology),Yuichi Kobayashi(Nippon Institute of Technology),Junko Ishikawa(Yamaguchi University),Shingo Mabu(Yamaguchi University),Dai Mitsushima(Yamaguchi University)

キーワード: リップル波|エピソード記憶|機械学習|深層学習|脳波識別|海馬|ripple wave|episodic memory|machine learning|deep learning|EEG recognition|hippocampus

要約(日本語): 海馬を構成する神経細胞の活動状況を観測・解析することによって，エピソード記憶の記銘・想起や長期記憶形成などのメカニズムの究明につながる．本研究では，ラットの経験によるエピソード記憶の脳波パターンを深層学習モデルによって識別することを提案する．具体的には，５種類のリップル波に対して，畳み込みニューラルネットワーク（CNN)，VGG16，ResNet50及びVGG16+SVMなどの深層学習モデルの識別精度を比較し,VGG16+SVMの場合は適合率（precision)が最も高く,95.6%であったことを明らかにした.

要約(英語): Spontaneous multiple-unit firing events, ripple-firings, seem to be important for the processing of episodic memories in the hippocampal CA1. Using deep learning models, such as CNN, VGG16, ResNet50 and CNN with SVM, VGG16 with SVM, we recognized 5 types of ripple firings by rat hippocampal CA1 neurons. The recognition accuracy of VGG16 with SVM reached 95.6%, the highest result among these deep learning methods.

本誌: 2023年8月25日システム研究会

本誌掲載ページ: 9-14 p

原稿種別: 日本語

PDFファイルサイズ: 1,695 Kバイト