単一裁判の機能的磁気共鳴イメージングの人間の脳活動の記録から個々の指の動きを解読する

多変量パターン分類分析（MVPA）は、空間分布の活性化パターンから脳の状態をデコードするための機能的磁気共鳴画像法（fMRI）データに適用されています。非侵襲的に記録された人間の脳の活性化から上肢の動きを解読することは、外部デバイスまたはコンピューターを制御するために個人の考えを直接活用する脳マシンインターフェイスを実装するために重要です。この研究の目的は、fMRI単一裁判データから個々の指の動きをデコードすることでした。13人の健康な人間の被験者が、視覚的にキューに遅れた指の動きのタスクに参加し、各試験で1つのわずかなボタンプレスのみが実行されました。MVPAを使用して、デコード精度（DA）は、関心のあるさまざまな運動関連領域に対して個別に計算されました。特徴ベクトルの構築のために、試行用の画像シリーズの2つの連続したボリュームの特徴ベクトルを連結しました。これらの空間的特徴ベクトルを使用すると、対側の一次体性感覚皮質の63.1％の平均DA（最良の被験者で84.7％）、反対側の原発性運動皮質の平均DA（最良の被験者の71.0％）を取得しました。これらの値は両方とも、チャンスレベルを大幅に上回っていました（20％）。さらに、Searchlight MVPAを実装して、脳全体で公平な方法で有益な領域を検索しました。さらに、試験の各ボリュームにSearchlight MVPAを適用することにより、空間的および時間的にデコードの情報を視覚的に実証しました。結果は、非侵襲的なfMRI技術が、個々の指の動きを解読するための有益な特徴と、指の動きのためのfMRIベースの脳マシン界面を開発する可能性を提供する可能性があることを示唆しています。

Multivariate pattern classification analysis (MVPA) has been applied to functional magnetic resonance imaging (fMRI) data to decode brain states from spatially distributed activation patterns. Decoding upper limb movements from non-invasively recorded human brain activation is crucial for implementing a brain-machine interface that directly harnesses an individual's thoughts to control external devices or computers. The aim of this study was to decode the individual finger movements from fMRI single-trial data. Thirteen healthy human subjects participated in a visually cued delayed finger movement task, and only one slight button press was performed in each trial. Using MVPA, the decoding accuracy (DA) was computed separately for the different motor-related regions of interest. For the construction of feature vectors, the feature vectors from two successive volumes in the image series for a trial were concatenated. With these spatial-temporal feature vectors, we obtained a 63.1% average DA (84.7% for the best subject) for the contralateral primary somatosensory cortex and a 46.0% average DA (71.0% for the best subject) for the contralateral primary motor cortex; both of these values were significantly above the chance level (20%). In addition, we implemented searchlight MVPA to search for informative regions in an unbiased manner across the whole brain. Furthermore, by applying searchlight MVPA to each volume of a trial, we visually demonstrated the information for decoding, both spatially and temporally. The results suggest that the non-invasive fMRI technique may provide informative features for decoding individual finger movements and the potential of developing an fMRI-based brain-machine interface for finger movement.