論文の概要: Predicting the imagined contents using brain activation
- arxiv url: http://arxiv.org/abs/2106.07355v1
- Date: Mon, 14 Jun 2021 12:34:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-15 23:09:37.711087
- Title: Predicting the imagined contents using brain activation
- Title(参考訳): 脳活性化による想像内容の予測
- Authors: Krishna Prasad Miyapuram, Wolfram Schultz, Philippe N. Tobler
- Abstract要約: 心的イメージとは感覚入力がない場合に知覚的な経験を指す。
我々は、抽象的な視覚刺激と、視覚的に提示されたり、金銭的な報酬やスクランブル画像とを関連づけた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mental imagery refers to percept-like experiences in the absence of sensory
input. Brain imaging studies suggest common, modality-specific, neural
correlates imagery and perception. We associated abstract visual stimuli with
either visually presented or imagined monetary rewards and scrambled pictures.
Brain images for a group of 12 participants were collected using functional
magnetic resonance imaging. Statistical analysis showed that human midbrain
regions were activated irrespective of the monetary rewards being imagined or
visually present. A support vector machine trained on the midbrain activation
patterns to the visually presented rewards predicted with 75% accuracy whether
the participants imagined the monetary reward or the scrambled picture during
imagination trials. Training samples were drawn from visually presented trials
and classification accuracy was assessed for imagination trials. These results
suggest the use of machine learning technique for classification of underlying
cognitive states from brain imaging data.
- Abstract(参考訳): 精神的イメージとは知覚入力がない場合に知覚的な経験を指す。
脳画像研究は、共通の、モダリティに特有なニューラル相関が画像と知覚に相関していることを示唆している。
我々は、抽象的な視覚刺激と、視覚的に提示されたり、金銭的な報酬やスクランブル画像とを関連づけた。
機能的磁気共鳴画像を用いて12名の被験者の脳像を収集した。
統計的分析により、人間の中脳領域は、想像または視覚的に提示される金銭的報酬に関係なく活性化された。
中脳の活性化パターンに基づいて訓練されたサポートベクターマシンは、参加者が想像した金銭的報酬か、想像力の試練中にスクランブルされた絵かを75%の精度で予測した報酬を視覚的に提示する。
視覚的に提示した実験からトレーニングサンプルを抽出し,想像力試験で分類精度を評価した。
これらの結果は,脳画像データから基礎的認知状態の分類に機械学習を用いたことを示唆する。
関連論文リスト
- Unidirectional brain-computer interface: Artificial neural network
encoding natural images to fMRI response in the visual cortex [12.1427193917406]
本稿では,人間の脳を模倣する人工ニューラルネットワークVISIONを提案する。
VISIONは、人間の血行動態の反応をfMRIボクセル値として、最先端の性能を超える精度で45%の精度で予測することに成功した。
論文 参考訳(メタデータ) (2023-09-26T15:38:26Z) - Seeing through the Brain: Image Reconstruction of Visual Perception from
Human Brain Signals [27.92796103924193]
脳波信号から視覚刺激像を再構成するための包括的パイプラインNeuroImagenを提案する。
我々は、与えられた脳波データから複数の粒度の出力を引き出すために、新しいマルチレベル知覚情報デコーディングを組み込んだ。
論文 参考訳(メタデータ) (2023-07-27T12:54:16Z) - Controllable Mind Visual Diffusion Model [58.83896307930354]
脳信号の可視化は、人間の視覚システムとコンピュータビジョンモデルの間の重要なインターフェースとして機能する活発な研究領域として登場した。
我々は、制御可能なマインドビジュアルモデル拡散(CMVDM)と呼ばれる新しいアプローチを提案する。
CMVDMは属性アライメントとアシスタントネットワークを用いてfMRIデータから意味情報とシルエット情報を抽出する。
そして、制御モデルを利用して抽出した情報を画像合成に活用し、セマンティクスやシルエットの観点から視覚刺激によく似た画像を生成する。
論文 参考訳(メタデータ) (2023-05-17T11:36:40Z) - Semantic Brain Decoding: from fMRI to conceptually similar image
reconstruction of visual stimuli [0.29005223064604074]
本稿では,意味的・文脈的類似性にも依存する脳復号法を提案する。
我々は、自然視のfMRIデータセットを使用し、人間の視覚におけるボトムアップとトップダウンの両方のプロセスの存在にインスパイアされたディープラーニングデコードパイプラインを作成します。
視覚刺激の再現は, それまでの文献において, 本来の内容とセマンティックレベルで非常によく一致し, 芸術の状態を超越している。
論文 参考訳(メタデータ) (2022-12-13T16:54:08Z) - BI AVAN: Brain inspired Adversarial Visual Attention Network [67.05560966998559]
機能的脳活動から直接人間の視覚的注意を特徴付ける脳誘発対人視覚注意ネットワーク(BI-AVAN)を提案する。
本モデルは,人間の脳が監督されていない方法で焦点を絞った映画フレーム内の視覚的物体を識別・発見するために,注意関連・無視対象間の偏りのある競合過程を模倣する。
論文 参考訳(メタデータ) (2022-10-27T22:20:36Z) - Adapting Brain-Like Neural Networks for Modeling Cortical Visual
Prostheses [68.96380145211093]
皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。
現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。
我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
論文 参考訳(メタデータ) (2022-09-27T17:33:19Z) - Adversarially trained neural representations may already be as robust as
corresponding biological neural representations [66.73634912993006]
本研究では,霊長類脳活動に直接対人的視覚攻撃を行う方法を開発した。
霊長類の視覚系を構成する生物学的ニューロンは、既存の(不正に訓練された)人工ニューラルネットワークに匹敵する敵の摂動に感受性を示す。
論文 参考訳(メタデータ) (2022-06-19T04:15:29Z) - Prune and distill: similar reformatting of image information along rat
visual cortex and deep neural networks [61.60177890353585]
深部畳み込み神経ネットワーク(CNN)は、脳の機能的類似、視覚野の腹側流の優れたモデルを提供することが示されている。
ここでは、CNNまたは視覚野の内部表現で知られているいくつかの顕著な統計的パターンについて考察する。
我々は、CNNと視覚野が、オブジェクト表現の次元展開/縮小と画像情報の再構成と、同様の密接な関係を持っていることを示す。
論文 参考訳(メタデータ) (2022-05-27T08:06:40Z) - Brain-inspired algorithms for processing of visual data [5.045960549713147]
視覚野のニューロンの機能に関する神経科学的知見に基づく画像処理とコンピュータビジョンのアプローチを概観する。
入力刺激の変化に対する安定性が向上した視覚系を提供するため,一部のニューロンの応答抑制機構に特に注目する。
論文 参考訳(メタデータ) (2021-03-02T10:45:38Z) - The Selectivity and Competition of the Mind's Eye in Visual Perception [8.411385346896411]
階層的競争の形で横方向と上下方向のフィードバックを組み込んだ,新しい計算モデルを構築した。
これらの要素が脳内の高レベル領域の情報フローと選択性を説明するのに役立つだけでなく、これらの神経機構が新しい分類枠組みの基礎となることも示している。
論文 参考訳(メタデータ) (2020-11-23T01:55:46Z) - Compositional Explanations of Neurons [52.71742655312625]
本稿では, 合成論理的概念を同定し, 深部表現におけるニューロンの説明手順について述べる。
本稿では,視覚と自然言語処理のモデルにおける解釈可能性に関するいくつかの疑問に答えるために,この手順を用いる。
論文 参考訳(メタデータ) (2020-06-24T20:37:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。