感情をMEGで拡大する：注釈付き脳データからの感情分析

TL;DR（結論）

本研究は、感情ラベルが欠如している既存の脳磁図（MEG）データセットに対し、事前学習済みのテキスト感情分析モデルを用いて自動的に注釈を付与する革新的なパイプラインを提案しました。 シャーロック・ホームズの物語を聴取中の脳活動データと、テキストから抽出した感情スコアを時間軸で精密に統合することで、大規模な訓練データを構築し、脳信号から直接感情を解読するモデルの構築に成功しました。 実験の結果、多層パーセプトロン（MLP）や長短期記憶（LSTM）を用いた予測モデルは、統計的に有意な精度で感情状態を識別でき、非侵襲的な脳計測データから複雑な心理状態を読み取るための概念実証を提示しました。

なぜこの問題か

人間の内面的な体験や主観的な世界を深く理解するためには、脳活動の背後にある感情的な文脈を解読する技術が極めて重要です。近年、神経画像技術の飛躍的な向上と、データのオープン化が進んだことにより、実験室内の制御された環境ではなく、より自然な状況下での脳の働きを解明しようとする「ナチュラル・パラダイム」の研究が盛んに行われています。特に、音声やその書き起こしテキストと脳データを対応させた大規模なデータセットが登場しており、ディープラーニング技術を駆使して脳から直接情報をデコードする試みが大きな注目を集めています。しかし、脳活動に多大な影響を与える重要な文脈情報である「感情的反応」に関する注釈が付与されたデータセットは、世界的に見ても極めて少ないのが現状です。 既存の脳磁図（MEG）データセットの多くは、単語の出現タイミングや音素の開始時間といった物理的・言語的な情報は詳細に記録されていますが、その瞬間に被験者がどのような感情を抱いていたかというラベルは完全に欠落しています。…

核心：何を提案したのか

本研究の核心的な提案は、事前学習済みの「テキストから感情への予測モデル（Text-to-Sentiment models）」を橋渡し役として利用し、既存の非侵襲的脳記録データに対して感情の注釈を自動的かつ客観的に付与する新しい手法の確立です。具体的には、被験者が『シャーロック・ホームズの冒険』という長編のオーディオブックを聴取している最中に記録された、合計30時間分（3人の被験者、各10時間）の脳磁図（MEG）データを対象としています。まず、オーディオブックの書き起こしテキストを最新の感情分析モデルに入力し、各フレーズが持つ感情の強さを数値化（感情スコアの算出）します。 次に、テキストと音声を音素レベルで対応させる「強制整列（force-alignment）」技術を駆使することで、テキストから得られた感情ラベルを、ミリ秒単位で記録されている脳活動の時間軸と正確に一致させます。…

続きはログイン/プランで閲覧できます。