NIRSデータの非線形時系列解析
スポンサーリンク
概要
- 論文の詳細を見る
脳活動がカオス的であるかどうかという問題は長い論争になっている.脳波(EEG)計測および神経回路シミュレーションにより脳活動のカオス性を示唆する結果が報告されつつあるが,十分に検討が進んでいるとはいえない.本研究では,近赤外分光計測法(Near infrared spectroscopy : NIRS)を用いて脳活動のカオス性について調べた.安静状態(開眼,閉眼)で脳活動を計測した.計測されたNIRS時系列データから埋め込みベクトルを構成し,相関次元と最大リアプノフ指数を推定した.この結果,脳部位によってはNIRSデータは高次元カオス的である可能性が高いことが示された.
- 2012-07-23
著者
関連論文
- NIRSを用いた基礎的なドラム演奏時における熟達者-非熟達者間の脳活動比較(BCI/BMIその周辺,一般)
- 脳の情報表現 (特集《神経情報処理》最前線--情報科学と神経科学の融合)
- 大脳皮質神経細胞集団の形成--シナプス可塑性とその先 (特集 学習と記憶--基礎と臨床)
- 神経情報科学サマースクール NISS 2002講義録神経細胞とシナプスの数学モデル : 基礎と応用
- CNS 2001 参加報告
- 現実的な皮質ニューロンモデルの回路において生成される自発的な二状態間遷移
- 膜電位特徴を用いた遺伝的アルゴリズムによるニューロンパラメータ推定 (ニューロコンピューティング)
- NIRSデータの非線形時系列解析 (ニューロコンピューティング)
- 離散選択理論を用いた大脳皮質神経回路によるベイズ推定機能の生物学的実現 (ニューロコンピューティング)
- ドーパミン依存的応答変化を示す視床下核ニューロンモデル (ニューロコンピューティング)
- 粒子群最適化によるMulti-timescale Adaptive Thresholdモデルのパラメータ推定 (回路とシステム)
- 神経細胞の膜電位時系列から時間変動する入力信号と隠れ変数のダイナミクスを推定する(ポスターセッション,第14回情報論的学習理論ワークショップ)
- 粒子群最適化によるMulti-timescale Adaptive Thresholdモデルのパラメータ推定 (非線形問題)
- 神経細胞の膜電位時系列から時間変動する入力信号と隠れ変数のダイナミクスを推定する
- 25aAG-2 神経細胞膜電位データから時間変動する入力信号を推定する(25aAG ニューラルネットワーク2,領域11(統計力学,物性基礎論,応用数学,力学,流体物理))
- ドーパミン依存的応答変化を示す視床下核ニューロンモデル
- カイコガ触角葉における匂い情報のポピュレーションコーディング
- 離散選択理論を用いた大脳皮質神経回路によるベイズ推定機能の生物学的実現
- NIRSデータの非線形時系列解析
- 膜電位特徴を用いた遺伝的アルゴリズムによるニューロンパラメータ推定
- 29pXR-5 結合Escape rate modelを用いて多細胞スパイクデータからシナプス結合を推定する(29pXR ニューラルネットワーク2,領域11(統計力学,物性基礎論,応用数学,力学,流体物理))
- 粒子群最適化によるMulti-timescale Adaptive Thresholdモデルのパラメータ推定
- 粒子群最適化によるMulti-timescale Adaptive Thresholdモデルのパラメータ推定
- 膜電位特徴を用いた遺伝的アルゴリズムによるニューロンパラメータ推定