脳の活動を読み取り、支援や医療に役立てる技術が近年大きな注目を集めています。その基盤となるのが、脳活動を計測し、複雑なデータから意味のある情報を取り出すデータ解析技術です。本講義では、脳波、fMRI、fNIRS、筋電図などから得られる多変量データを、どのように要約・可視化し、脳・神経系の理解につなげるのかを、講演者自身の研究例を交えて紹介します。具体的には、混ざり合った脳波から信号源と脳状態を推定する方法、安静時脳内ネットワークの個人差を捉える方法、課題や訓練に伴う筋協調とその神経制御のパターンを調べる方法、脳領域間の情報の流れを可視化する方法、脳梗塞後の運動機能回復に伴う脳内ネットワークの変化を評価する方法を取り上げます。これらの研究の背景には、対象や実験デザインの知識をデータ解析に取り入れ、推定・予測の精度と結果の解釈しやすさをともに高めようとする共通の考え方があります。

講師

平山 淳一郎先生
国立研究開発法人 産業技術総合研究所 情報・人間工学領域 人間情報インタラクション研究部門 脳数理研究グループ 研究グループ長

講義：オンデマンド配信

お問い合せ先

本講義に関するご質問等は、「各種お問い合わせフォーム」より、お問い合わせください。

講師紹介

平山 淳一郎（ひらやま じゅんいちろう）先生

現職

国立研究開発法人産業技術総合研究所 情報・人間工学領域 人間情報インタラクション研究部門
脳数理研究グループ 研究グループ長

経歴

2007年　奈良先端科学技術大学院大学　情報科学研究科　博士後期課程修了（博士（工学））
2006-2008年　日本学術振興会特別研究員DC2
2008-2009年　京都大学 大学院情報学研究科 特定研究員
2009-2011年　日本学術振興会特別研究員PD
2010-2011年　 ヘルシンキ大学 情報技術研究所 客員研究員
2011-2016年　 国際電気通信基礎技術研究所（ATR）脳情報通信総合研究所　専任研究員
2016-2020年　理化学研究所　革新知能統合研究センター（AIP)　研究員
2020-2025年　国立研究開発法人産業技術総合研究所 人間情報インタラクション研究部門　主任研究員
2025年-現在　 国立研究開発法人産業技術総合研究所 人間情報インタラクション研究部門　研究グループ長

研究概要

主に人や動物の脳活動、生理・心理、身体動作などのデータを対象として、統計的信号処理や機械学習の方法論を研究しています。これらのデータは大量に取得することが難しく、予測精度だけでなく、結果を人が理解し説明できることも重視されます。そこで、多変量データの背後にある構造や特徴を比較的少数のサンプルから効果的に抽出し、解釈可能な形で表現するための統計的モデリング、解析、可視化の方法を、脳活動や身体運動などに関する問題固有の知識と組み合わせて設計しています。こうした方法論を通じて、脳や身体の科学的理解を深めるとともに、工学・医療への応用に貢献することを目指しています。

主な業績

• J. Hirayama, T. Yamada, H. Kawaguchi, N. Higo & N. Matsumoto. Functional near-infrared spectroscopy reveals functional rewiring between macaque motor areas following postinfarction recovery of manual dexterity. Journal of Neuroscience, 46 (4), e1400252025, 2026.
• J. Hirayama. Interpretable supervised muscle network decomposition by multifactorial ANOVA-ICA. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 33, 2203-2214, 2025.
• Y. Takagi, S. W. Kennerley, J. Hirayama* & L. T. Hunt*. Demixed shared component analysis of neural population data from multiple brain areas. Advances in Neural Information Processing Systems 33 (NeurIPS2020), 6235-6244, 2020. (*equal contribution)
• J. Hirayama, A. Hyvärinen & M. Kawanabe. SPLICE: fully tractable hierarchical extension of ICA with pooling. Proceedings of the 34th International Conference on Machine Learning (ICML2017), PMLR 70:1491-1500, 2017.
• J. Hirayama, A. Hyvärinen, V. Kiviniemi, M. Kawanabe & O. Yamashita. Characterizing variability of modular brain connectivity with constrained principal component analysis. PLoS ONE, 11(12): e0168180, 2016.
• J. Hirayama, T. Ogawa & A. Hyvärinen. Unifying blind separation and clustering for resting-state EEG/MEG functional connectivity analysis. Neural Computation, 27(7), 1373-1404, 2015.