脳の動態と行動を同時再現するAIモデル：cDONNの革新

August 8, 2026 · 論文解説

🎧 この記事を音声で聴く（AI生成Podcast）

解説対象論文: Classifier-guided Deep Oscillatory Neural Networks (cDONN) for capturing both neural dynamics and behavior simultaneously
Biomedical Signal Processing and Control｜被引用数: 1（2026年8月8日時点）

脳が複雑な神経活動と行動を同時に生み出すメカニズムを解き明かすことは、長年の課題でした。本記事で紹介する「Classifier-guided Deep Oscillatory Neural Networks (cDONN)」は、この困難な課題に挑む新しいAIモデルです。生物学的脳から着想を得て開発されたこのモデルは、入力画像からその内容を分類する「行動」と、それに対応する脳波（EEG）信号を生成する「神経動態」の両方を、これまでにない方法で同時に捉えることを可能にします。

研究サマリー（FINER & PICO）

Feasible実施可能性	既存のDONNフレームワークを基盤とし、EEGデータセットと画像データセットを統合することで、技術的に実現可能であることが示されています。
Ethical倫理面	本研究は、脳の活動と行動の同時モデリングに関するものであり、特定の倫理的懸念は明記されていませんが、EEGデータ利用は倫理的ガイドラインに従う必要があります。
Interesting面白さ	脳の神経動態と行動を同時に捉えるという、生物学的着想を得たAIモデルは、計算論的神経科学において非常に興味深い研究領域です。
Novel新規性	神経動態と行動の両方を同時に捉えるAIモデルは、これまでの研究にはない新規性があります。
Relevant切実さ	脳機能の理解、神経疾患のモデリング、ブレイン・コンピューター・インターフェース(BCI)など、幅広い分野への応用が期待される非常に意義深い研究です。
Measurable測定可能性	画像分類精度、EEG信号生成の分類精度、Inception Score、FID、パワースペクトル解析、トポプロット解析など、多様な定量的指標で評価されています。
Modifiable派生・改善	提案されたcDONNのモジュール式アーキテクチャは、各コンポーネントの改良や異なるデータセットへの適用など、将来的な拡張と修正が可能です。
Structured文章構造	研究は、モデルアーキテクチャ、データセット、訓練方法、および多角的な評価指標（画像分類精度、EEG生成品質、データ拡張、パワースペクトル、トポプロット）を用いて体系的に構成されています。
PICO / PECO対象・介入・比較・結果	対象者: 人間のEEGデータと視覚刺激 (ThoughtVizデータセット)。介入: cDONNモデルによる画像分類とEEG信号生成。比較: 既存の画像分類モデルやEEG生成モデル。結果: 脳活動と行動の同時捕捉と、データ拡張による分類精度向上。

はじめに：脳の複雑な動きと行動の同時理解への挑戦

どうも、Beyond the Pixelです。脳は、私たちが外界を認識し、行動する際に、複雑な神経活動のパターンとそれに伴う振る舞いを同時に生成しています。しかし、この二つの側面、「神経動態」（脳の内部の動き）と「行動」（外部に現れる振る舞い）を同時にモデル化することは、これまで未解決の課題でした。既存のAIモデルは、脳活動のダイナミクスを捉えることに特化したもの（例：振動子ネットワークや脳波生成のための深層学習モデル）か、あるいは行動を学習することに特化したもの（例：画像認識や言語処理のための深層ニューラルネットワーク）に分かれていました。それぞれの分野で目覚ましい進歩を遂げてきたものの、これらの二つの側面を統合的に捉えるモデルは不足していたのです。このような背景の中、本研究は、生物学的脳から着想を得た新しいAIモデル「分類器誘導型深層振動ニューラルネットワーク（cDONN）」を提案しました。このモデルは、入力画像に対する行動（分類）と、それに対応する神経活動（EEG信号生成）を同時にモデル化し、捉えることを可能にします。

cDONNとは？脳に着想を得たハイブリッドモデル

cDONNは、神経信号の動態と行動パターンの両方を同時にモデル化し、捉えるように設計された、生物学的着想を得た新しいクラスのAIモデルです。このネットワークは、フィードフォワードニューラルネットワークとホップ振動子ニューロン（Hopf oscillator neuron）を統合しており、特にシーケンシャルデータ生成タスク（時系列データの生成）に適しています。cDONNのモデルはY字型構造をしており、二つの出力分岐を持ちます。一つは行動を示す入力画像を分類するためのものであり、もう一つは神経動態を表す対応するEEG信号を生成するためのものです。

**Figure 1.** Figure 1: Abstract flow diagram of Classifier-Guided Network.解説: この図は、提案された分類器誘導型ネットワーク（cDONN）の全体的な概念図を示しています。入力画像から、振る舞いを分類する「Image Classifier（画像分類器）」と、神経動態を表すEEG信号を生成する「Dynamic Network（動的ネットワーク）」の2つの出力経路に分岐するY字型の構造が示されています。

この概念図に示されているように、入力から二つの異なるタスクへの出力経路が分かれています。この研究は、このような統合モデルが、脳が行動反応と動的な神経活動の両方を処理する能力を反映しているという点で、既存の研究にはない新規性を提供しています。cDONNのより詳細なアーキテクチャは、画像分類ネットワーク、信号生成ネットワーク、信号評価ネットワークの各モジュールとして詳細に描かれています。

**Figure 2.** Figure 2(A-C): Detailed architecture of the classifier-guided Deep Oscillatory Neural Network (A): Image classifier Network, (B): Signal Generator Network, (C): Signal evaluator Network解説: この図は、分類器誘導型深層振動ニューラルネットワーク（cDONN）の詳細なアーキテクチャを示しています。（A）は画像分類ネットワークを、（B）は信号生成ネットワークを、（C）は信号評価ネットワークの各モジュールを示しており、全体のY字型構造における各部分の構成が詳しく描かれています。

データセット

本研究では、「ThoughtViz」データセットを使用しました。このデータセットには、数字、文字、オブジェクトの3つのカテゴリーが含まれています。EEGデータは、10-20電極配置システムに従って、Emotiv EPOCデバイスから14チャンネル（AF3, F7, F3, FC5, T7, P7, O1, O2, P8, T8, FC6, F4, F8, AF4）で記録されました。23名の参加者から2048 Hzのサンプリングレートでデータが収集され、その後128 Hzにダウンサンプリングされています。視覚刺激は各10秒間表示され、その後に20秒間のリラックス期間が設けられました。データの前処理として、0.25秒のスライディングウィンドウと0.0625秒のオーバーラップを使用してデータがセグメント化され、さらにZスコア正規化が適用されています。トレーニングとテストには、画像とEEG信号が以下のように分割して使用されました。

**Table 2.** Table 2. Training, testing, and splitting of the Image and EEG解説: この表は、本研究で使用された画像およびEEGデータセットのトレーニングとテストにおけるデータ分割の詳細を示しています。個々のクラスごとの画像シーケンスとEEG信号のサンプル数が、時系列データとしての形状とともに記されています。

例えば、個々のクラスについて、トレーニングには4000サンプル、テストには540サンプルの画像とEEG信号が用いられました。

モデルの主要コンポーネント

cDONNは、主に「画像分類ネットワーク」と「信号生成ネットワーク」、そして「信号評価ネットワークのバンク」という三つの主要なコンポーネントで構成されています。これらは全て、研究グループによって開発された深層振動ニューラルネットワーク（DONN）フレームワークに基づいて構築されています。

画像分類ネットワーク

このネットワークは、画像を入力として受け取り、その内容を10の異なるカテゴリーに分類するように設計されています。画像分類ネットワークのアーキテクチャは、複数の層から構成されています。

具体的には、入力層から始まり、複合ReLU（cReLU）ニューロンで構成される隠れ層（H1〜H6）が続きます。H7層にはホップ振動子ニューロンが実装されており、その後、複合Tanh（cTanh）ニューロン層（H8、H9）と線形活性化関数を持つ層（H10）が続きます。ネットワーク内のすべてのニューロンと重みは複素数値です。H7層のホップ振動子の固有周波数（ω）は、0.1〜64 Hzの典型的なEEG周波数範囲内でランダムに初期化されます。このネットワークの最終的な出力は、標準的なワンホットエンコーディングではなく、正しいクラスに対応するニューロンのターゲット出力が「ランプ信号」として定義されます。これは時間とともに線形に増加する信号であり、それ以外のニューロンの出力はゼロに保たれます。画像分類ネットワークのモデルパラメータは詳細に設定されており、各層のニューロン数などが指定されています。

**Table 4.** Table 4. Image classifier network Parameters解説: この表は、画像分類ネットワークのモデルパラメータを詳細に示しています。各隠れ層（H1〜H10）のニューロンの種類（ReLU、Hopf、Complex Tanh、Linear）とユニット数が記載されています。

また、ホップ振動子のパラメータは、他のネットワークと比較して特定の値に設定されています。

**Table 3.** Table 3. Oscillator parameters used in all 3 networks解説: この表は、信号生成ネットワーク、画像分類ネットワーク（H7層）、および信号評価ネットワークの3つの主要なネットワークで使用されたホップ振動子のパラメータを比較して示しています。振動子の外部入力スケーリングファクター、周波数範囲、初期値などが含まれています。

信号生成ネットワーク

信号生成ネットワークは、視覚刺激に対応するEEG信号を生成することを目的としています。このネットワークの独自の点は、生成されるEEG信号に多様性を持たせるためにノイズが注入されることです。ノイズは、3つのガウス分布からなる多次元ガウス混合モデル（GMM）としてモデル化されます。このノイズは、画像分類ネットワークの隠れ層H6の出力（ネットワークA）を利用した条件付きバッチ正規化（Conditional Batch Normalization, CBN）メカニズムを介して注入されます。これにより、生成器はH6層で捉えられた視覚的特徴に基づいてEEG信号を適応的に形成し、条件付き信号生成を可能にします。

このネットワークでは、cReLU-ホップ振動子ペアの層が複数回繰り返され、最終的にcTanh層と線形層を経て、生のEEG信号が生成されます。信号生成ネットワークのモデルパラメータは詳細に設定されています。

**Table 5.** Table 5. Signal Generator network parameters解説: この表は、信号生成ネットワークのモデルパラメータを詳細に示しています。画像分類器と共通のReLU層、条件付きバッチ正規化（CBN）、ガウス混合モデル（GMM）ノイズ、cReLU層、Hopf層、cTanh層、および線形層のユニット数と機能が記載されています。

この生成ネットワークの損失関数は、分類器損失、真の信号と生成信号間の平均二乗誤差（MSE）損失、および真の信号と生成信号間のバッチ平均を最小化することを目的とした分布一致損失の三つの項で構成されています。

信号評価ネットワークのバンク

信号評価ネットワークは、7つの個別のモジュールで構成されており、それぞれが簡略化されたDONNアーキテクチャに基づいています。これらのモジュールは、実際のEEG信号または生成されたEEG信号を入力として受け取り、10クラスの信号分類タスクを実行します。

**Figure 5.** Figure 5: Signal evaluator Network, which is a subsection fig (2(C))**解説:** この図は、信号評価ネットワークの単一モジュールのアーキテクチャを示しています。EEG信号が入力され、cReLU層、バッチ正規化層、ホップ振動子層を複数回経て、最終的に線形層（C9）で出力が生成される構成になっています。これは全体モデルの信号評価部分（図2(C)）の一部です。

各モジュールは、過学習を防ぎ、EEG信号の異なる特性（スペクトル的または時間的パターン）を認識するように設計されており、標準的なDONN分類器よりも少ないパラメータとニューロン数で構築されています。この「弱分類器」の設計により、学習に多様性が生まれ、各モジュールが信号生成プロセスを導く上で独自の貢献をします。集合的に、これらの評価器は信号生成ネットワークに勾配フィードバックを提供する堅牢なシステムを形成し、現実的でクラスを代表するEEG信号を生成するよう学習を支援します。トレーニングエポックごとに、各評価器はランダムに選択された実際のEEGデータのバッチで訓練され、生成器は合成EEG信号を生成し、7つの評価器のうちランダムに選択された5つに送られ、フィードバックを受け取ります。信号評価ネットワークのモデルパラメータも詳細に設定されています。

**Table 6.** Table 6. Signal Evaluator network parameters解説: この表は、信号評価ネットワークのモデルパラメータを詳細に示しています。cReLU層、バッチ正規化層、Hopf層、cTanh層、および線形層のユニット数と機能が記載されています。

トレーニングループ

トレーニングプロセスは、まずK個の信号分類器を個別のバッチのEEG信号で訓練することから始まります。これにより、分類器は特定のクラスの信号が持つ異なるパターンや部分空間を学習し、モード崩壊を防ぎます。分類器が訓練された後、生成器が訓練されます。生成器の訓練中、生成器はK個の分類器のうちランダムに選択されたm個からフィードバックを受け取ります。さらに、分布一致や平均二乗誤差（MSE）損失を含む他の損失コンポーネントも組み込まれます。

事前学習済みDONN分類器

生成されたEEG信号の品質を評価するために、本研究では事前学習済みのDONNネットワークが利用されました。

**Figure 6.** Figure 6: Pre-trained DONN Model解説: この図は、事前学習済みのDONNモデルのアーキテクチャを示しています。EEG信号が入力として与えられ、ReLUニューロン層（H1）、ホップ振動子層（H2）、Tanhニューロン層（H3, H4）、そして最終的な線形層（H5）を介して分類結果を出力します。

このモデルは、以前の研究でThoughtViz EEGデータの分類に用いられ、高い精度を達成しています。そのアーキテクチャとパラメータ設定の詳細は、以下の表にまとめられています。

**Table 1.** Table 1. Parameters of the pre-trained DONN architecture [47].解説: この表は、EEG分類に用いられた事前学習済みDONNモデルのアーキテクチャにおける主要なパラメータと設定を詳細に示しています。入力信号サイズ、各層のニューロンの種類と数、ホップ振動子の周波数範囲、学習率、最適化手法、エポック数などが記載されています。

生成器ネットワークによって生成された信号は、この事前学習済みDONNモデルを使用して評価され、生成された信号の品質を一貫した分類フレームワーク内で信頼性高く評価することが可能になりました。

実験結果：脳波と行動のリアルな同時再現

cDONNモデルは、画像分類とEEG信号生成の両方で顕著な性能を示しました。以下にその詳細な結果を述べます。

画像分類性能

分類器誘導型ネットワークの画像分類分岐は、訓練段階で100%の精度を達成しました。テスト段階では、テスト用のフォント文字がネットワークに入力され、EEG信号と画像分類出力の両方が生成されました。画像分類側では、モデルは90.9%という高いテスト精度を達成しました。

**Table 7.** Table 7. Image classification accuracy using a classifier-guided DONN network.

これは、既存の複数の画像認識モデルと比較しても、競争力のある結果であり、限られたパラメータ数で高精度を達成している点が特筆されます。

信号生成性能（EEG分類）

訓練後に分類器誘導型ネットワークによって生成されたEEGデータは、事前学習済みのDONN分類器を用いて評価されました。この分類器は、実際のEEGデータを用いた10クラス分類タスクで74.05%のテスト精度を達成していました。分類器誘導型ネットワークが生成したEEGデータ（訓練段階からのもの）をこの事前学習済み分類器に入力したところ、69.37%の分類精度を達成しました。

**Table 8.** Table 8. Evaluation Matrix of EEG signals on a pre-trained classifier.

テスト画像から生成された対応するEEG信号は、事前学習済みDONN分類器によって評価された場合、60.29%の分類精度を達成しました。

データ拡張への応用

本研究では、提案されたネットワークのデータ拡張能力も検証しました。分類器誘導型DONNモデルから生成されたEEGテスト信号の一部を、事前学習済みのDONN信号分類器の再訓練に利用する実験を行いました。具体的には、90%の実際のEEGデータと10%の生成データ、80%の実際のEEGデータと20%の生成データ、100%の実際のEEGデータと10%の生成データ、そして100%の実際のEEGデータと20%の生成データという複数の割合でデータを組み合わせました。その結果、再訓練されたDONNモジュールのテスト信号に対する分類精度は、約75%から約83%に向上することが観察されました。

**Table 9.** Table 9. Summary report of Data Augmentation

これは、生成された信号が異なるクラスの画像に対応するEEG信号の優れた時間的・スペクトル的特徴を捉えており、未知のテストデータに対する信号分類器の堅牢性を向上させることを示しています。

定量的評価

生成モデルの品質をさらに定量的に評価するため、Inception Score（IS）とFrechet Inception Distance（FID）という二つの一般的な指標を用いました。ISは生成データの完全性と多様性を評価し、FIDは生成された信号と実際の信号間の類似度を測定します。本研究では、ISが1.45、FIDが7.21という結果が得られました。

**Table 10.** Table 10. Comparison of IS, FID metrics across other works

これらの数値は、他の研究と比較しても良好であり、cDONNが生成するEEG信号が、品質と多様性において実際の信号に非常に近いことを示唆しています。

パワースペクトル解析

生成されたEEG信号と実際のEEG信号の品質を客観的に評価するため、パワースペクトル解析を実施しました。これは、各周波数帯（デルタ、シータ、アルファ、ベータ、ガンマ）におけるパワーを比較するもので、生理学的に重要なスペクトル特徴を捉えることができます。分析の結果、特に低周波数帯であるデルタ帯、シータ帯、アルファ帯において、生成された信号が実際のEEGデータと強い一致を示すことが明らかになりました。

**Table 11.** Table 11. Class wise Power spectrum Mean Average Error (MAE) between generated and real EEG signals

例えば、アルファ帯のパワーは、A, C, F, H, P, Tの文字で特に実際の信号とよく対応していました。ベータ帯ではCとPの文字で中程度の、ガンマ帯ではPとYの文字でまずまずの一致が見られましたが、全体としては低周波数帯のパワーの方がより効果的に捉えられていることが分かりました。

トポプロット解析

特定のクラス（例：クラスC）について、実際のEEGデータとモデルが生成したEEGデータの両方を使用して、周波数帯ごとの脳表面におけるパワーの局所的な分布を視覚的に比較するトポプロット解析を行いました。この解析により、デルタ帯とシータ帯では、実際のEEGと生成されたEEGの両方で左中央領域、特に中央部に向かって強いパワーの集中が見られ、モデルがクラスCの低周波数帯における特徴的な空間パターンを効果的に捉えていることが示されました。アルファ帯では、実際の信号と生成された信号の両方で、中央および正中線頭頂部に強いパワーの集中が見られ、高いレベルの空間的一致を示しました。ベータ帯では、実際のEEGが中央および頭頂部にパワーを局所化するのに対し、生成されたEEGはより広範な分布を示しましたが、実際のデータに見られる両側対称性をある程度反映していました。一方、ガンマ帯では、実際のデータと生成されたデータの間の整合性はあまり顕著ではありませんでした。全体として、モデル生成EEGは、デルタ、シータ、アルファ帯で実際のEEGと良好な空間的対応を示し、ベータ帯も適度に捉えられていることが分かりました。ただし、ガンマ帯の一致は限定的でした。

考察と今後の展望

本研究で提案されたcDONNは、マルチモーダル信号生成と画像分類の両方を同時に実行できる革新的なAIモデルです。従来の深層学習モデルが主に分類精度の最大化に焦点を当てていたのに対し、cDONNは基盤となる神経動態を考慮に入れるという点で、生物学的着想を得たアプローチを採用しています。画像分類の性能は既存の文献と比較しても優れており（（表7））、Inception ScoreやFIDといった信号生成の品質を示す指標においても、先行研究を上回る結果を示しました（（表10））。私たちは以前、ホップ振動子からなる純粋な生成モデルを開発し、異なる睡眠段階でのEEG時系列を予測・生成できることを示しました。本研究は、そのホップ振動子ベースの生成フレームワークをDONNに拡張し、入力時系列を出力時系列にマッピングする振動型入出力アーキテクチャを実現しました。この進歩は、計算論的神経科学において、行動と脳動態の両方を同時に学習できるモデルを構築しようとする現在の競争の中で、重要な成果です。私たちの知る限り、本研究は画像分類の文脈で脳に着想を得た計算の行動的側面と動的側面の両方を同時に捉えるモデルを開発する最初の試みです。これは、単に分類性能を高めるだけでなく、生物学的脳のダイナミクスを模倣するという点で、従来の深層学習手法からの大きな転換を示しています。このような統合モデルは、脳機能と機能障害の根底にあるメカニズムを解明し、正常状態と病理状態の両方について深い洞察を提供することで、神経科学および神経工学におけるより精密で個別化されたアプローチを可能にする可能性を秘めています。

補足図表

Figure 7

Figure 8

Figure 10

Figure 11

用語集

cDONN (Classifier-guided Deep Oscillatory Neural Network): 分類器誘導型深層振動ニューラルネットワーク。脳活動の動態と行動パターンを同時にモデル化・捕捉する新規AIモデル。
Hopf oscillator (ホップ振動子): 安定したリミットサイクルを持つ調和振動子の一種で、脳の神経活動のダイナミクスをモデル化するために使用される。
EEG (脳波): 脳の電気活動を頭皮上から記録した信号。
Feedforward Neural Network (フィードフォワードニューラルネットワーク): 入力から出力へ一方向に情報が伝達される基本的なニューラルネットワーク構造。
cReLU (Complex ReLU): 複素数に対応した活性化関数の一種。
Ramp MSE loss (ランプMSE損失): ターゲット出力が時間とともに線形に増加するランプ信号として定義される、平均二乗誤差に基づく損失関数。
Conditional Batch Normalization (条件付きバッチ正規化, CBN): バッチ正規化の一種で、特定の条件（ここでは画像分類ネットワークの中間出力）に基づいて正規化のパラメータを調整する手法。生成モデルにおいて、生成されるデータの多様性を制御するのに役立つ。
Gaussian Mixture Model (ガウス混合モデル, GMM): 複数のガウス分布を組み合わせることで、より複雑なデータ分布を表現できる確率モデル。ここではノイズ生成に利用される。
Inception Score (IS, インセプションスコア): 生成モデルの性能を評価する指標の一つで、生成されたデータの品質と多様性を測る。値が高いほど生成データの品質が高いとされる。
Frechet Inception Distance (FID, フレシェット・インセプション・ディスタンス): 生成モデルの性能評価指標の一つで、生成されたデータと実データの分布間の距離を測る。値が低いほど生成データの品質が高いとされる。
Power Spectrum Analysis (パワースペクトル解析): 信号の周波数成分ごとの強度（パワー）を分析する手法。脳波信号の各周波数帯（デルタ、シータ、アルファなど）の活動レベルを評価するのに用いられる。
Topoplot analysis (トポプロット解析): 脳波データの脳表面における空間的な活動分布を視覚化する手法。脳のどの領域で特定の周波数帯の活動が強いかを示す。