脳活動に関するデータ.pptVIP

脳活動に関するデータ データの種類 脳波?脳磁図?fMRI画像 データの特徴 脳活動とパフォーマンスの関係はきわめて冗長。 脳波とニューロン活動は１対１に対応しない。 fMRI信号の増減とニューロン活動の増減は１対１に対応しない。 脳は刺激依存性ではなく課題依存性に活動する 実験設定　 発表概要 1. 実験データの種類 2. データからの情報抽出?実験例 　　　　2.1 複数レベル間の関係 2.1.1 動作のキネマティクス?ダイナミクス 2.1.2 筋活動 2.1.3 脳活動 　　　　2.2 時系列という情報 3. 非線形時系列解析法 　　　　4.1 フラクタル解析 　　　　4.2 再帰定量化解析 4. まとめ データから得られるもう一つの情報：時系列情報 厳密な意味での独立試行はありえない。 時系列データには、平均および標準偏差以上の情報が含まれる。 複雑な変動の背後にある単純な構造が抽出できる可能性がある。 時系列データ データの種類 リズム動作?心拍?足圧中心動揺、学習曲線 データの特徴 統計的ノイズでは説明できない変動を含む。 データの変動がダイナミカルシステムの時間発展としてモデル化しうる可能性がある。 すべての状態変数を観測することは不可能。 発表概要 1. 実験データの種類 2. データからの情報抽出?実験例 　　　　2.1 複数レベル間の関係 2.1.1 動作のキネマティクス?ダイナミクス 2.1.2 筋活動 2.1.3 脳活動 　　　　2.2 時系列という情報 3. 非線形時系列解析法 　　　　4.1 フラクタル解析 　　　　4.2 再帰定量化解析 4. まとめ 発表概要 1. 実験データの種類 2. データからの情報抽出?実験例 　　　　2.1 複数レベル間の関係 2.1.1 動作のキネマティクス?ダイナミクス 2.1.2 筋活動 2.1.3 脳活動 　　　　2.2 時系列という情報 3. 非線形時系列解析法 　　　　4.1 フラクタル解析 　　　　4.2 再帰定量化解析 4. まとめ 環境とのカップリングにより動作は集合変数のアトラクタレベルで安定する 再帰定量化解析で用いる指標 時系列解析のためのツール 再帰定量化解析の利点 * データの種類 動作のキネマティクス 動作のダイナミクス 筋活動 脳活動 Kudo et al. NeuroImage. (In revise) 実験結果　 脳活動の解析手順 時系列情報に着目する意味 Kudo, Park, Turvey (In preparation) 実験設定　 再帰プロット 実験結果　 複雑な時系列であっても、必ずしも状態変数が多いとは限らない。 時系列を説明する状態変数の数。 次元 誤差の指数的増大の指標。 リアプノフ指数 ３変数への拡張が容易。 情報を得たあとのあいまいさの減少度 。 平均相互情報量 系の決定論的構造。 リアプノフ指数に関連。 システムに含まれるノイズに関連。 時系列の複雑さ 意味 RQAによって算出可。 RQAによって算出可。 RQAによって算出可。 備考 決定率 再帰率 最大線長 指標 エントロピー 再帰定量化分析ツール。Windowsプログラム。 /~eugenek/download.html 再帰定量化分析の方法、研究例紹介等 再帰定量化分析ツール。DOSベース。 非線形時系列解析ツール。DOSベース。 内容 URL http://www.agnld.uni-potsdam.de/~marwan/rp/index.php /~cwebber/ http://www.mpipks-dresden.mpg.de/~tisean/TISEAN_2.1/index.html 再帰定量化解析（recurrent quantification analysis, RQA） ?　RQAとは何か？ 　　― RQAとは、時間遅れをもつ高次元の状態空間に再構　　　　　成された時系列信号の再帰状態を検討するための方法。 　　Webber and Zbulit (1991)により開発された。 ?　RQAによって分析される時系列データにはどのようなものが あるか？　　 　　― 心拍変動、筋活動、周期動作軌跡、重心動揺など ?　RQAによって何が分かるか？ 　　― 非線形性をもつシステムの背後にあるアトラクタの状態を　　　　　推定できる。 ある時系列がいくつの状態変数で最もよく説明できるのか分かる。 時系列情報を生み出すアトラクタの状態を推定することができる。 時系列の変動が統計的ノイズ