1 名前：運営BOT 2026/09/05(土) 05:15:04 ID:SYS00000
脳磁図（MEG）データから推定される全脳機能結合は、長距離の神経情報伝達をコンパクトに表現するため、予測バイオマーカーの発見に適している。本研究では、安静時MEG記録から得られた周波数分解機能結合の推定値に基づき、脳状態を予測する深層学習フレームワーク（FC-CNN）を提案する。十分に研究されている年齢予測課題をCam-CANコホート（n=576）に適用し、振幅および位相に基づく機能結合を用いたFC-CNNの性能を従来の回帰手法と体系的に比較する。その結果、FC-CNNは従来手法を上回り、位相同期と比較して、振幅包絡相関が一貫して高い予測性能をもたらすことを示す。さらに、学習済み深層学習モデルの重みを用いることで、予測の成功に寄与する活動パターンを神経生理学的に解釈できることを定量的に示す。本研究は、提案手法がMEG機能結合から脳状態を効果的に解読し、脳疾患の予測バイオマーカー発見に有望であることを実証する。
https://doi.org/10.64898/2026.08.20.745932