【プレスリリース】少ない脳画像データから再現性の高い予測が可能に －大規模脳画像データの「主成分」を小規模研究に転用し、脳行動予測の再現性を向上－

細田プロジェクトに関連する研究成果がプレスリリースされました。

【本学研究者情報】

〇大学院情報科学研究科
准教授　細田千尋（PM）

【発表のポイント】

• 大脳皮質厚データに主成分分析（PCA）^（注1）を行った場合、100人未満のサンプルでは主成分が極めて不安定になることを定量的に証明しました。サンプル間の安定性の94〜97%がサンプルサイズで説明されました。
• 大規模データの「主成分ベクトル」^（注2）をデータが重複しない小規模サンプルに転用すると、認知能力・性格特性の予測精度が有意に向上しました。
• 採用する主成分数を検討した結果、最適なピーク値があることが示されました。

【用語解説】

注1. 主成分分析（PCA）高次元データの次元を削減し、データの分散を最大化する方向（主成分）を求める統計手法。脳画像では16万4千次元のデータを圧縮するために用いる。次元の削減とは、たくさんの情報を、特徴を失わないように少数の指標にまとめること。

注2. 主成分ベクトル（固有ベクトル） PCAで算出される「主成分の方向」を定義するベクトル。大規模データから算出したものは安定しており、他のデータへの転用が可能。

詳細は以下リンクをご参照ください。
プレスリリース詳細

細田プロジェクト（Child Care Commons：わたしたちの子育てを実現する代替親族のシステム要件の構築）

blur_on2026.06.12