マルチモダリティを用いた深層学習モデルによる海馬ニューロン群活動パターンの識別

カテゴリ：研究会(論文単位)

論文No：ST25054,CT25089

グループ名：【C】電子・情報・システム部門 システム/【C】電子・情報・システム部門 制御合同研究会

発行日：2025/11/26

タイトル(英語)：Multimodal Deep Learning-Based Classification of Hippocampal Neuronal Ensemble Activity Patterns

著者名：李 浩田(日本工業大学),梁 桐(順天堂大学),石川 淳子(山口大学),呉本 尭(日本工業大学),間普 真吾(山口大学),美津島 大(山口大学)

著者名(英語)： Haotian Li(Nippon Institute of Technology),Tong Liang(Juntendo University),Junko Ishikawa(Yamaguchi University),Takashi Kuremoto(Nippon Institute of Technology),Shingo Mabu(Yamaguchi University),Dai Mitsushima(Yamaguchi University)

キーワード：海馬,エピソード記憶,深層学習,マルチモダリティ,特徴抽出,左右海馬機能,hippocampus,episodic memory,deep learning,Multimodality,feature extraction,right-left Hippocampus functions

要約(日本語)：特定の経験に基づくエピソード記憶は、海馬CA1領域のニューロン群における活動パターンと深く関連していることが広く知られている。一方で、左右の海馬における機能的差異に関する研究はこれまで十分に行われていない。そこで本研究では、マルチモダリティを活用した深層学習モデルを用いて、特定の経験後に記録された海馬のマルチユニット活動（MUA）パターンを識別する手法を提案する。

要約(英語)：It is well established that episodic memory associated with specific experiences is closely linked to the activity patterns of neuronal ensembles in the hippocampal CA1 region. However, functional differences between the left and right hippocampus have not been extensively studied. In this study, we propose a method for identifying hippocampal multi-unit activity (MUA) patterns following specific experiences using a multimodal deep learning model.

本誌：2025年11月29日-2025年11月30日システム/制御合同研究会

本誌掲載ページ：19-24p

原稿種別：日本語

PDFファイルサイズ：1,390Kバイト