研究生院硕士课程智能机械工程课程二年级新涅淳（导师：人体机械动力学实验室）柴田恭子副教授)在2021年9月5日至8日在线举行的“日本机械工程学会2021年年会”上进行了研究报告，并获得了日本机械工程学会青年演讲者奖，以表彰其演讲内容的实用性和新颖性、他在演讲和问答环节中的态度以及他在研究中的主动性。

该奖项旨在表彰那些在日本机械工程学会分会和部门主办的讲座中做出杰出演讲的人，从而给年轻人带来信心和自豪感，支持年轻专业人员的发展，从而为以科学和技术创造力为基础的国家的人力资源发展做出贡献。

Shinke 先生演讲的主题是“利用 3DCNN 模板提出人脑听觉皮层的复杂声音估计系统”。
近年来，随着fMRI（功能磁共振成像）的发展，脑信息解码技术的研究不断取得进展。 fMRI是代表性的脑功能图像分析方法，能够定量测量大脑活动。在大脑信息解码技术中，在视觉皮层领域，已经开发出解码算法，不仅可以解码受试者看到的物体，还可以解码梦中看到的大脑图像。然而，在听觉皮层领域，太阳成集团tyc234cc古天乐MRI成像产生的声音极其响亮，因此大脑信息解码技术的研究相对滞后。

　　

因此，为了开发听觉领域的大脑信息解码技术，Shinke先生分析了fMRI成像数据，开发了一种音阶解码系统，可以估计受试者听到的声音。
具体来说，我们提出了一种估计作为听觉刺激给出的复杂声音的规模的方法，通过为每个音高构建一个双输出 3D CNN（3 维卷积神经网络）模型作为深度学习模板，可以检测复杂声音中包含的特定音高的声音，并组合从每个深度学习模板检测到的特定音高的声音。为了进行验证，我们估计了当给予由三种不同音高的声音组成的 20 种复杂声音作为听觉刺激时大脑活动图像的规模，并使用交叉验证对其进行评估。结果，估计率高达4500%，平均为3472%，表明该方法是有用的。此外，通过提高每个深度学习模板的检测精度，我们发现堆叠每个音阶的深度学习模板的结构将是有用的。
这项研究的进展预计将有助于阐明大脑的音乐识别和创作机制。

Shinie先生在领奖时说道：“我非常荣幸获得这一享有盛誉的奖项。我要向柴田恭子教授表示诚挚的谢意，感谢他给了我作为我的导师进行这项研究的机会，并在我进行这项研究的过程中自始至终给予我指导。我还要向日本国立生命科学研究所的Kiminobu Sato教授表示诚挚的谢意。 信息和通信技术为我提供了研究所需的知识，从构建研究环境到深度学习。我要向在我的研究活动中支持我的实验室成员表示衷心的感谢，也向在我追求自己理想的道路上热情关注和耐心支持我的父母表示衷心的感谢。虽然我多次失败，但我从未放弃，并为自己能够取得成果而感到高兴。即使在进入工作岗位后，我也会利用在大学培养的理论思维能力继续接受新的挑战。''

• 宇野诗织参加“第三届IIBC大学生英语演讲比赛”
• 暑假期间关闭办公室的通知（8/9-8/18）
• 栗原教授推出了使用四足机器人进行现场支持实验，可实现独立耕作
• “2025年高知英语训练营”举办

• 推文

其他菜单其他

• 取货
• 太阳成集团tyc234cc古天乐与主题
• 活动
• 关于个人信息的处理
• 相关链接
• 网站地图