冈山大学
庆应义塾大学
立教大学

◆发表要点

• 深层神经回路可以高精度地从脑活动中解读行动，但是很难说明那个动作。
  
• 本研究提出了一种直观地说明深层神经回路解读脑活动的新方法。
  
• 运用提案手法，成功地提取了深层神经回路用于解读的脑活动特征。
  

　冈山大学学术研究院自然科学领域（理·生物）的松井铁平副教授和立教大学研究生院人工智能研究科的泷雅人副教授、生理学研究所的Trung Quang Pham特任助教、株式会社阿拉雅的近添淳一主任研究员、庆应义塾大学（理工学部）的地村弘二副教授的共同研究小组开发了一种直观地说明解读脑活动的深层神经回路动作的新方法。
　研究成果在3月16日瑞士神经科学杂志「Frontiers in Neuroinformatics」的Research Article刊登。
　根据MRI和脑波测量的脑活动数据，推测那个人做了什么的脑活动解读，是瞄准BMI的应用被广泛研究的技术。最近，积极地进行着用深层学习解读脑活动的研究。但是，深层神经回路的数据处理非常复杂，很难直观地说明“分析器为什么会对提供的数据做出回答”。在这次的研究中，作为对这个问题的新方法，我们提出了一种结合深层生成模型这个深层学习的另一种技术和反实虚拟说明的手法的方法。
　本研究成果在痴呆症和精神神经疾病的脑图像诊断中应用深层学习的时候，作为医生和患者一边理解AI的动作一边使用的基础技术很有用。

◆研究者寄语

作为一直研究人类和动物大脑的神经科学家，对于最近的深层学习的爆发式发展，非常受刺激。这次我们将深层学习的技术应用于神经科学，通过比较生物大脑和深层学习，来挑战揭示才智的本质。

松井副教授