3D-クラスタリングと転移学習を用いた多層畳み込みニューラルネットワーク による神経活動パターン抽出の試み

カテゴリ: 部門大会

論文No: TC3-17

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): Neuronal electrical activity patterns extracted by the 3D-clustering and a convolutional deep neural network with transfer learning

著者名: 大籠 海斗（関西学院大学）

著者名(英語): Kaito Ogomori (Kwanseigakuin University)

キーワード: 神経電気活動パターン|畳み込みニューラルネットワーク|転移学習転移学習|Neuronal electrical activity pattern|Convolutional neural network|Transfer learning

要約(日本語): 本研究では，培養神経回路網において自発性及び誘発性細胞外電位を多点で計 測し，得られたスパイクバースト活動の時空間3D-座標について X-means クラ スタリングを適用し，得られた神経活動時空間パターンを多層畳み込みニュー ラルネットワークを用いて識別することを試みた.本手法により得られた神経 活動パターンを，バースト数を要素とした標準的な8×8の2D 空間パターン マップに変換した.次に，局所的な空間的連続性を保持した空間情報優先神経活 動パターン画像と時間的連続性をできるだけ保持した時間情報優先神経活動パ ターン画像の 2 種類の224×224画像を作成した.いずれの入力画像 に対しても80%以上の高い識別精度が得られ，自発性及び誘発性活動の識別に 資する時空間的特徴が抽出された.また，転移学習と本画像変換法の組み合わせ により，少ない学習データでも神経活動時空間パターンを高精度に識別できる ことが示された.