Independent Component Analysisを用いたMEGデータの解析

スポンサーリンク

概要

• 論文の詳細を見る

• MEG(Magnetoencephalograph, 脳磁計)は, 脳外から無侵襲で脳滑動を捉える計測法として注目を集めているが, 脳から発生される磁場は極めて微弱(地磁気の数億分の一程度)であるため, 雑音除去が重要な問題となる.従来の方法ではシールドルーム, 別センサーによる外部磁場の測定(リファレンスチャンネル), 及び加算平均を併用し, 脳内活動の計測を行っている.本研究ではMolgedey & Schusterが提案した相関関数を用いた時間構造に基づく独立成分分析(Independent Component Analysis)により, 外部雑音, 地磁気の変化, 電源ノイズ等の除去し, 抽出されたノイズと独立な成分を用いることにより, 従来に比べ少ない加算平均回数でダイポール推定を行う.島津製作所製のMEGによって計測されたデータを用いて行った実験の結果を報告する.

• 社団法人電子情報通信学会の論文
• 1998-06-19

著者

• 池田 思朗

  理化学研究所脳科学総合研究センター情報創成システム研究チーム

• 村田 昇

  理化学研究所 国際フロンティア研究システム

• 村田 昇

  理化学研究所脳科学総合研究センター情報創成システム研究チーム

関連論文

• 7p-YD-6 統計的学習理論
• Independent Component Analysisを用いたMEGデータの解析
• Independent Component Analysisを用いたMEGデータの解析
• TD-2-1 独立成分分析とは
• サポートベクターマシン
• 予測誤差に基づく正則化因子の最適化
• 再帰的学習によるEMアルゴリズムの加速

スポンサーリンク