西田知史 (Satoshi Nishida)

Name: Satoshi Nishida; 西田知史

Degree: Ph.D. (Medicine); 博士 (医学)

Affiliations:

Senior Researcher at Center for Information and Neural Networks, Advanced ICT Research Institute, National Institute of Information and Communications Technology; 国立研究開発法人情報通信研究機構 (NICT) 未来ICT研究所脳情報通信融合研究センター (CiNet) 主任研究員
Guest Associate Professor at Graduate School of Frontier Biosciences, Osaka University; 大阪大学大学院生命機能研究科招へい准教授
Visiting Associate Professor at Center for Human Nature, Artificial Intelligence, and Neuroscience (CHAIN), Hokkaido University; 北海道大学人間知・脳・AI研究教育センター客員准教授

E-Mail: s-nishida a-t-m-a-r-k nict.go.jp

ResearchGate: https://www.researchgate.net/profile/Satoshi_Nishida

Researchmap: http://researchmap.jp/s-nishida/

Research Experience

Apr 2024- Visiting Associate Professor at Center for Human Nature, Artificial Intelligence, and Neuroscience, Hokkaido University
Oct 2023-Mar 2024 Visiting Researcher at Center for Human Nature, Artificial Intelligence, and Neuroscience, Hokkaido University
Apr 2020- Guest Associate Professor at Graduate School of Frontier Biosciences, Osaka University
Apr 2019- Senior Researcher at National Institute of Information and Communications Technology
Dec 2020-Mar 2022 JST PRESTO Researcher
Apr 2015-Mar 2020 Visiting Researcher at Graduate School of Frontier Biosciences, Osaka University
Nov 2014-Mar 2019 Researcher at National Institute of Information and Communications Technology
Apr 2014-Oct 2014 Researcher at Kokoro Research Center, Kyoto University

Education

Mar 2014 Received Ph.D. in Medicine from Kyoto University
Mar 2010 Received M.E. from Nara Institute of Science and Technology
Mar 2008 Received B.E. from Kyoto Institute of Technology

Awards and Honors

情報通信研究機構: 成績優秀表彰優秀賞 (団体), Jun 2024
The 24th International Symposium on Advanced Intelligent Systems: Best Presentation Award, Dec 2023
日本神経回路学会: 優秀研究賞, Sep 2023
人工知能学会2022年度全国大会: 優秀賞, Jul 2022
The 22nd International Symposium on Advanced Intelligent Systems: Best Session Award, Dec 2021
人工知能学会2020年度全国大会: 優秀賞, Jul 2020
脳と心のメカニズム第20回冬のワークショップ: Excellent Poster Award, Jan 2020
脳と心のメカニズム第19回冬のワークショップ: Best Poster Award, Jan 2019
情報通信研究機構: 成績優秀表彰優秀賞 (団体), Apr 2018
ヒト脳イメージング研究会: 研究奨励賞, Sep 2017
情報通信研究機構: 成績優秀表彰優秀賞 (団体), Apr 2017
京都大学医学部: 若手研究者優秀論文賞, Sep 2014
日本学生支援機構: 大学院第一種奨学生返還全額免除, Jun 2014
Motor Control研究会: 若手研究奨励賞, Sep 2013
日本神経科学学会: JNS-SfN Exchange Travel Award Program, May 2013
京都大学 G-COE国際シンポジウム: 最優秀ポスター賞, Oct 2012
日本神経回路学会: 最優秀研究賞, Dec 2011
包括脳ネットワーク: 若手優秀発表賞, Aug 2011
IEEE Computational Intelligence Society Japan Chapter: Young Researcher Award, Mar 2011
奈良先端科学技術大学院大学: 最優秀学生賞, Mar 2010

Scientific Societies

Society for Neuroscience
日本神経科学学会
日本神経回路学会
人工知能学会
日本認知科学会

Research Topics

(1) Integration of Brain Information into Artificial Intelligence: 人工知能（AI）への脳情報統合

Recent developments in artificial intelligence (AI), including deep learning, are remarkable. On specific types of pattern-recognition tasks, AI shows higher performance than humans. However, improving the performance of AI does not necessarily mean that the perception and cognition of AI approach to that of humans. The future society in which people and AI live in harmony requires AI that behaves like humans and is acceptable to humans. Towards the realization of such AI, we are trying to develop new techniques to make AI behavior closer to human behavior by integrating brain information into AI. In a study we presented at the AAAI conference in 2020, which is one of the top conferences in the field of AI, we proposed a technique for incorporating brain activity into deep neural networks (DNNs) for deep learning. We then demonstrated that this brain-integrated DNN shows higher performance in estimating cognitive labels associated with video inputs [1] (see figure). We also apply this technique to a commercial service provided by NTT DATA Inc. to evaluate cognition induced by audiovisual contents [2]. We are also working on research projects that aim to apply this technique to other sensory modalities and realize new AI reflecting individual differences in perception and cognition.

深層学習をはじめとする近年のAI技術の発展には目覚ましいものがあります。特定のパターン認識課題においては、AIが人間の能力を上回る性能を発揮しています。しかし、AIの能力を高めることが、必ずしもAIが行う知覚や認知を人間が行う知覚や認知へ近づけることを意味しません。将来、AIが人間と共存する社会を実現するためには、人間らしい知覚や認知を行い、人間に寄り添うAIの誕生が望まれます。そこで私たちの研究グループでは、脳情報をAIに統合し、AIの知覚・認識を人間に近づけるための技術開発を行っています。2020年にAI分野のトップ会議AAAIにて発表した研究では、深層学習に用いられる深層ニューラルネットワーク（DNN）に脳活動を組み込むことで、映像入力からその映像と結びついた人間らしい認知ラベルを推定する課題において、DNNの推定性能を向上させることに成功しました [1]（下図を参照）。この技術は、株式会社NTTデータが実施する、視聴覚コンテンツの感性評価サービスにも利用されています [2]。現在、この技術を基盤として、他種の感覚入力への応用や、個性を持ったAIの実現を目指した研究にも取り組んでいます。

[1] Nishida S, Nakano Y, Blanc, A, Maeda N, Kado M, Nishimoto S. Brain-mediated Transfer Learning of Convolutional Neural Networks. Proceedings of the Thirty-Fourth AAAI Conference on Artificial Intelligence, 34(4):5281–5288, 2020. https://doi.org/10.1609/aaai.v34i04.5974 Preprint archive

[2] http://nttdata-neuroai.com/

研究紹介ビデオ: https://www.youtube.com/watch?v=txOOw7qX-Dk

映像を深層ニューラルネットワーク（DNN）に入力したときのDNNの活性化パターンから、映像に結びついた人々の印象や反応のラベルを推定する課題において、脳情報を組み込まないとき（脳非融合手法）に比べ、脳情報を組み込んだとき（脳融合手法＝提案手法）の方が高い推定性能を示した。また、脳情報が有効な人間らしいラベルの推定課題ほど、推定性能の向上度合いは大きくなった。

(2) Brain Decoding of Perceptual Experiences under Natural Situations: 自然な状況での知覚経験の脳情報デコーディング

The technique to read perceptual experiences from brain activity is called "brain decoding," which can provide a basis for innovative brain technologies, such as brain-machine interfaces. Although previous studies on brain decoding with fMRI have developed various techniques, most of them have attempted to decode perceptual experiences while using extremely simplified sensory inputs for experiments. However, concerning social applications of brain decoding, we need brain-decoding techniques to read rich perceptual experiences under daily-life situations. To address this issue, we have been trying to develop brain decoding for recovering such natural perceptual experiences. In a research paper we published in 2018, we proposed a new brain-decoding technique that can visualize natural experiences in the form of words (10,000 kinds of nouns, verbs, and adjectives). This technique effectively incorporated a natural language processing model into brain decoding [1] (see figure). We also apply this technique to a commercial service provided by NTT DATA Inc. to evaluate video contents based on brain information [2]. As an extension of this technique, we also developed a decoding technique that recovers natural perceptual experiences in the form of sentences [3].

何かを見たり聞いたりして感じたこと（知覚経験）を脳活動から読み取る脳情報デコーディングと呼ばれる技術は、brain-machine interfaceなどの脳情報技術の基盤となる重要な技術の一つです。これまでfMRIを用いた脳情報デコーディングについて様々な技術が考案されてきましたが、その多くは感覚入力が単純化された実験環境における知覚経験を読み取るものでした。しかし、実社会への応用を考えた場合、日常生活のような自然な状況で生じる多様な知覚経験を読み取る技術が必要となります。そこで私たちの研究グループでは、そのような自然な知覚経験を読み取るための、脳情報デコーディング技術の開発を行っています。2018年に発表した私たちの研究論文では、自然言語処理と呼ばれる工学の一分野の手法を組み込んで、脳活動から自然な知覚経験を1万種類の単語（名詞・動詞・形容詞）で解読するための技術を提案しました [1]（下図を参照）。この技術は、株式会社NTTデータが実施する、脳情報に基づく映像コンテンツ評価サービスにも利用されています [2]。また、その派生として、自然な知覚経験を記述文の形で解読する技術の開発も行いました [3]。

[1] Nishida S, Nishimoto S. Decoding naturalistic experiences from human brain activity via distributed representations of words. NeuroImage 180(A):232-242, 2018. https://doi.org/10.1016/j.neuroimage.2017.08.017

[2] https://www.nttdata.com/jp/ja/news/release/2015/080600/

[3] Matsuo E, Kobayashi I, Nishimoto S, Nishida S, Asoh H. Describing Semantic Representations of Brain Activity Evoked by Visual Stimuli. Proceedings of 2018 IEEE International Conference on Systems, Man, and Cybernetics (SMC), 576–583, 2018. https://doi.org/10.1109/SMC.2018.00107

左図の映像（実際には映画のワンシーンだが著作権の都合上イラスト化）を見ているときの脳活動から解読した知覚経験を、名詞、動詞、形容詞の形で可視化している。ここでは1万語の単語の中から、その人の知覚経験を表現するのにもっともらしいと推定された上位6単語ずつを示した。名詞・動詞・形容詞はそれぞれ、知覚経験の中の物体・動作・印象の内容に対応する。

(3) Visualizing Semantic Representations in the Brain 脳内意味表現の可視化

The world around us consists of a large variety of semantic information. Understanding the brain representation of such semantic information helps us uncover how humans recognize the world. To visualize the brain representation of semantic information from measured brain activity, we employ models for natural language processing (NLP), which is a field of information science. NLP models can quantify the semantic information of words and sentences as numerical representations. One of the studies we performed demonstrated that brain semantic representations visualized using NLP models appropriately capture our semantic perception [1] (see figure). This study revealed that the appropriateness of capturing our semantic perception is higher using NLP models than using other conventional models. In another study, we visualized semantic representations in schizophrenia brains using the NLP models and found disorganization of semantic representations that causes disrupted semantic processing in schizophrenia [2]. To our knowledge, this is the first study visualizing semantic disorganization directly in schizophrenia brains. In the future, we aim to develop more sophisticated methods to visualize brain semantic representations, including their difference across individual brains, and elucidate the neural mechanisms of human semantic processing.

私たち人間を取り囲む世界は、様々な意味を持った情報から構成されています。そのような無数に存在する意味情報の脳内表現を明らかにすることは、私たち人間が世界をどのようにして認知的に捉えているかを理解することにつながります。そこで私たちの研究グループでは、自然言語処理と呼ばれる情報科学の一分野で開発された、単語や文の意味情報を数値的に表現することが可能な数理モデルを用いて、無数に存在する意味情報の脳内表現を可視化することに取り組んでいます。まず私たちは、自然言語処理モデルによって可視化される脳内意味情報が、実際に人間の意味知覚を反映することを明らかにしました。そして、従来手法よりも自然言語処理モデルを用いたときの方が、人間の意味類似性の知覚を正確に反映することを明らかにしました [1]（下図を参照）。また、同様の自然言語処理モデルを用いた意味情報の可視化を用いて、統合失調症患者で見られる意味認知障害の原因となる、脳内意味表現の崩れを世界で初めて定量化することに成功しました [2,3]。今後は、最先端の自然言語処理モデルを積極的に取り入れながら、より正確に脳内意味表現を可視化する技術の開発に取り組むとともに、意味表現の個人差を含めて人間の意味認知の本質について調べていくことを計画しています。

[1] Nishida S, Blanc A, Maeda N, Kado M, Nishimoto S. Behavioral correlates of cortical semantic representations modeled by word vectors. PLOS Computational Biology 17(6): e1009138, 2021. https://doi.org/10.1371/journal.pcbi.1009138

[2] Nishida S, Matsumoto Y, Yoshikawa N, Son S, Murakami A, Hayashi R, Nishimoto S, Takahashi H. Reduced intra- and inter-individual diversity of semantic representations in the brains of schizophrenia patients. bioRxiv:2020.06.03.132928. https://www.biorxiv.org/content/10.1101/2020.06.03.132928v1

[3] Matsumoto Y, Nishida S, Hayashi R, Son S, Murakami A, Yoshikawa N, Ito H, Oishi N, Masuda N, Murai T, Friston K, Nishimoto S, Takahashi H. Disorganization of semantic brain networks in schizophrenia revealed by fMRI. Schizophrenia Bulletin, sbac157, https://doi.org/10.1093/schbul/sbac157

自然言語処理モデルの一種である単語ベクター空間を用いて、脳活動から単語の意味表現をモデル化し、脳内表現における単語の類似性構造（単語と単語の類似性を表す構造）を推定します。一方で、行動実験を用いて、人間の知覚を反映した単語の類似性構造を推定します。これら2つの類似性構造の間には有意な相関関係が存在し、単語ベクター空間を用いた脳活動からの推定結果が知覚をきちんと反映していることを示しました。

(4) Quantification of First-personal Conscious Experiences with Experimental Phenomenology: 実験現象学に基づく一人称的意識経験の定量化

The scientific understanding of "what is consciousness" is one of the ultimate goals in neuroscience research. Many studies have attempted to uncover the mechanism of consciousness. However, it remains unclear. A difficulty in scientific research on consciousness is how we coordinate first-personal, subjective conscious experiences with third-personal, objective experimental protocols. We address this issue to develop methods for collecting detailed descriptions of first-personal conscious experiences from naive experimental participants. We employ "experimental phenomenology," which is a methodology for incorporating Husserlian phenomenology into experimental psychology and cognitive neuroscience. Husserlian phenomenology, which is one of the theoretical systems in philosophy, assumes that the first step for observing conscious experiences in detail is the suspension of "natural attitude." The natural attitude is the perspective from which we take it for granted that real things in the real world exist in themselves before our conscious experience of them. By suspending this, we can reflectively orient our attention to how things appear to our conscious experience and how we make an effort to the appearance of the experience. In a research paper we wrote in 2020, we developed short-term training to collect detailed descriptions of first-personal conscious experiences from naive subjects by suspending their natural attitude [1]. More recently, we also developed a method to collect detailed experiential reports by introducing phenomenological interviews into existing psychological experiments. This study demonstrated the usefulness of this method for drawing the phenomenological descriptions of binocular-rivalry experiences from naive subjects [2]. We aim to elucidate various novel aspects of consciousness by combining the training method we have developed with quantitative text analysis and brain measurement experiments, in our project "Narrative Consciousness Studies" [3] supported by JSPS KAKENHI Transformative Research Areas B (see figure).

「意識とは何か」を科学的に解明することは、神経科学研究の重要なゴールの一つです。近年、様々な取り組みによって、その一端が明らかにされて来ていますが、まだ謎は多く残されています。意識を科学的に探究するうえで難しいのは、意識経験という一人称的な主観現象を、どのようにして三人称的な客観的実験検証に落とし込むかという点です。そのような難しい問題を解決するために、私達のグループは、哲学の理論体系の一つであるフッサール現象学を実験研究に落とし込むための「実験現象学」の方法論を基に、一般の実験被験者から一人称的意識経験の詳細な記述を取り出す手法の開発に取り組んでいます。フッサール現象学では、意識経験を詳細に観察するための第一ステップとして、自然的態度の停止が重要だと考えます。自然的態度とは、我々が例えば物体などの対象を経験する以前に、その対象が存在していることを自明として疑わないような世界の見方のことを指します。この自然的態度を停止することで、対象がどのように経験に表れてくるか、または経験の表れに対して自らがどのようにはたらきかけているかを、内省的に捉えることが可能になります。私達が2020年に発表した論文では、実験被験者にそのような自然的態度の停止を促して、一人称的意識経験に対するリッチな記述を取り出すため、短時間で訓練を行う手法の開発を試みました [1]。また、従来の科学心理実験のパラダイムに、実験者との対話を導入することで、そのようなリッチな記述を取り出す方法論についても提案し、両眼視野闘争の意識経験において、被験者から詳細な一人称的記述を取り出せることを示しました[2]。さらに、定量的な言語記述分析法と脳計測実験を取り入れ、従来研究で明らかにされていない意識の多様な側面について科学的に明らかにすることを目的とした研究を、科研費・学術変革B「ナラティブ意識学」にて実施しています [3]（下図を参照）。

[1] Miyahara K, Niikawa T, Hamada HT, Nishida S. Developing a Short-term Phenomenological Training Program: A Report of Methodological Lessons. New Ideas in Psychology, 58:100780, 2020. https://doi.org/10.1016/j.newideapsych.2020.100780

[2] Niikawa T, Miyahara K, Hamada HT, Nishida S. A new experimental phenomenological method to explore the subjective features of psychological phenomena: its application to binocular rivalry. Neuroscience of Consciousness, 2020(1):niaa018, 2020. https://doi.org/10.1093/nc/niaa018

[3] https://narrative-consciousness.nict.go.jp/

私たちのプロジェクト「ナラティブ意識学」では、現象学班が意識についての豊かで信頼できるナラティブを一般の被験者から取得する実験法を考案します。また、NLP班が自然言語処理技術を用いたテキストの分析を取り入れて、意識の特性を反映するナラティブの意味内容を数値化する分析法を開発します。さらに、脳科学班が数値化したナラティブと計測した脳活動の対応関係を分析して、意識の特性を生み出す脳のメカニズムを調べるための手法を考案します。以上の研究目的を達成することで、ナラティブに基づく意識の科学研究の基礎を確立でき、意識研究に大きな変革をもたらすと期待しています。

(5) Neural Mechanisms for Selection and Maintenance of Visual Information: 視覚情報の選択と保持に関わる神経機構

The visual world consists of cluttered scenes that contain various information changing moment by moment. Even in such situations, humans and animals can select appropriate information from complex scenes and maintain it temporarily to achieve subsequent proper actions. To elucidate the neural mechanisms underlying such visual selection and maintenance, we measured neuronal activity from the lateral intraparietal area (LIP) of the cerebral cortex in animals performing visual search tasks. LIP is located at the posterior parietal cortex and contributes to visual selection and gaze control. In a paper we published in 2014, we found that LIP neurons show both facilitative and suppressive effects on neuronal activity during visual selection [1]. This finding suggests that LIP neurons have facilitative and suppressive interactions to differentiate target information from the other information. In another paper we published in 2014, we found that LIP neurons showing task-related persistent activity to maintain visual information also reveal persistency in their task-unrelated, spontaneous activity [2] (see figure). This finding suggests that neurons involved in information maintenance have intrinsic properties for it. In another paper we published in 2014, we found that in the transition from visual selection to information maintenance, the pattern of LIP neurons involved in each function drastically changes at the level of individual neurons, although these neurons show sustained activity on average. This finding suggests that even in the cortical regions involved in both information selection and maintenance, different populations of neurons are involved in each of those two functions and change their signaling from one population to another in a switch-like fashion.

視覚世界には様々な情報が含まれており、かつその情報が刻一刻と変化します。人間や動物はそのような複雑な情報の中から適切に情報の選択を行い、かつ選択した情報を一時的に保持することで、それに続く適切な認知・行動を実現しています。そのような視覚情報の選択と保持に関わる神経機構を明らかにするために、私達のグループは視覚探索課題を遂行中の動物の、lateral intraparietal (LIP)野と呼ばれる皮質領野のニューロンから神経スパイク活動の計測を行いました。LIP野は後頭頂皮質に位置し、視覚情報の選択や視線の制御に関連するといわれる皮質領野です。2014年に私達が発表した論文では、視覚情報の選択を行っている際に、LIP野のニューロン活動で促進と抑制の2つの作用が見られ、選択対象の情報とそうでない情報を見分けるために、ニューロン間で促進性および抑制性の2つの相互作用が生じていることを示唆しました [1]。また2014年に発表した別の論文では、選択した視覚情報の保持を担う持続的な活動を示すニューロンは、課題と無関係な自発性の活動時にも持続性のある活動を示しており、情報保持を担うニューロンは本質的にそのための性質を有していることを示唆しました [2]（下図を参照）。さらに2014年に発表した別の論文にて、視覚情報の選択から保持へと移行する際に、平均的な活動に着目すると持続的な活動が観測されるが、個々のニューロンの活動に着目すると双方に寄与するニューロン群のパターンが劇的に変化することを示しました。これは、情報の選択と保持の双方に関わると考えられている脳領野においても、ミクロレベルでは異なるニューロン群が双方の機能に関わっており、かつそれら異なるニューロン群間の情報変遷がスイッチが切り替わるように行われることを示唆しています [3]。

[1] Nishida S, Shibata T, Ikeda K. Object-based selection modulates top-down attentional shifts. Frontiers in Human Neuroscience 8:90, 2014. https://doi.org/10.3389/fnhum.2014.00090

[2] Nishida S, Tanaka T, Shibata T, Ikeda K, Aso T, Ogawa T. Discharge-rate persistence of baseline activity during fixation reflects maintenance of memory-period activity in the macaque posterior parietal cortex. Cerebral Cortex 24(6):1671–1, 2014. https://doi.org/10.1093/cercor/bht031

[3] Nishida S, Tanaka T, Ogawa T. Transition of target-location signaling in activity of macaque lateral intraparietal neurons during delayed-response visual search. Journal of Neurophysiology 112(6):1516–1527, 2014. https://doi.org/10.1152/jn.00262.2014

消失した視覚刺激の位置情報を保持する必要がある遅延反応眼球運動課題において、刺激呈示前の自発性の発火活動時の活動維持性（発火率の変動しにくさ）と、情報保持に関わる遅延期間の持続的活動の強度の相関関係を分析した（左図）。双方の間には有意な相関があり（右図）、情報保持を担う持続的活動を示すニューロンは、活動を維持するための特性を本質的に有している可能性を示唆している。

Publications

Journal/Conference Papers

Luo Y, Nishida S, Kobayashi I*. Sex Differences in Brain Information Processing: Insights from Specific Brain Regions and Hemispheric Connectivity. Brain Informatics. BI 2024, 15542:167–178, 2025. https://doi.org/10.1007/978-981-96-3297-8_13
Maeda C, Abe T, Nishida S*. Enhancing Emotion Prediction via Self-supervised Learning using Neural Data. International Conference on Biomedical and Health Informatics (ICBHI) 2024. IFMBE Proceedings, 118:412–417. 2025. https://doi.org/10.1007/978-3-031-86323-3_49
Wang J, Kawahata K, Blanc A, Maeda N, Nishimoto S, Nishida S*. Asymmetric representation of symmetric semantic information in the human brain. NeuroImage: Reports, 5(1):100243, 2025. https://doi.org/10.1016/j.ynirp.2025.100243
Nishida S*. Behavioral and neural evidence for the underestimated attractiveness of faces synthesized using an artificial neural network. Computers in Human Behavior: Artificial Humans, 2(2):100104, 2024. https://doi.org/10.1016/j.chbah.2024.100104
Hayashi R*†, Kaji S†, Matsumoto Y, Nishida S, Nishimoto S, Takahashi H. Homogenization of word relationships in schizophrenia: Topological analysis of cortical semantic representations. Psychiatry and Clinical Neurosciences, 78(11):687-695, 2024. https://doi.org/10.1111/pcn.13727
Kawasaki H, Nishida S, Kobayashi I. Exploring Hierarchical Changes in Functional Brain Network Hubs through Brain-Activity Prediction with Convolutional Neural Networks. Proceedings of 2023 IEEE International Conference on Systems, Man, and Cybernetics (SMC), 4740–4745, 2023. https://doi.org/10.1109/SMC53992.2023.10394163
Matsumoto Y†, Nishida S†, Hayashi R†, Son S, Murakami A, Yoshikawa N, Ito H, Oishi N, Masuda N, Murai T, Friston K, Nishimoto S, Takahashi H*. Disorganization of semantic brain networks in schizophrenia revealed by fMRI. Schizophrenia Bulletin, 49(2):498–506, 2023. https://doi.org/10.1093/schbul/sbac157 Press release
Kawasaki H, Nishida S, Kobayashi I. Hierarchical Processing of Visual and Language Information in the Brain. Proceedings of AACL-IJCNLP 2022, 405–410, 2022. https://aclanthology.org/2022.findings-aacl.38
Shinkuma R*, Nishida S, Maeda N, Kado M, Nishimoto S. Reduction of information collection cost for inferring brain model relations from profile. IEEE Transactions on Systems, Man and Cybernetics: Systems, 52(7):4057–4068, 2022. https://doi.org/10.1109/TSMC.2021.3074069 Press release
Niikawa T, Miyahara K*, Hamada HT, Nishida S. Functions of Consciousness: Conceptual Clarification. Neuroscience of Consciousness, 2022(1): niac006, 2022. https://doi.org/10.1093/nc/niac006
Nishida S*, Blanc A, Maeda N, Kado M, Nishimoto S. Behavioral correlates of cortical semantic representations modeled by word vectors. PLOS Computational Biology, 17(6): e1009138, 2021. https://doi.org/10.1371/journal.pcbi.1009138
Ikutani Y, Kubo T*, Nishida S, Hata H, Matsumoto K, Ikeda K, Nishimoto S. Expert programmers have fine-tuned cortical representations of source code. eNeuro 8(1): ENEURO.0405-20.2020, 2021. https://doi.org/10.1523/ENEURO.0405-20.2020 Press release
Niikawa T*, Miyahara K, Hamada HT, Nishida S. A new experimental phenomenological method to explore the subjective features of psychological phenomena: its application to binocular rivalry. Neuroscience of Consciousness 2020(1):niaa018, 2020. https://doi.org/10.1093/nc/niaa018
Miyahara K*, Niikawa T, Hamada HT, Nishida S. Developing a Short-term Phenomenological Training Program: A Report of Methodological Lessons. New Ideas in Psychology 58:100780, 2020. https://doi.org/10.1016/j.newideapsych.2020.100780
Nishida S, Nakano Y, Blanc, A, Maeda N, Kado M, Nishimoto S. Brain-mediated Transfer Learning of Convolutional Neural Networks. Proceedings of the Thirty-Fourth AAAI Conference on Artificial Intelligence 34(4):5281–5288, 2020. https://doi.org/10.1609/aaai.v34i04.5974
Shinkuma R*, Nishida S, Kado M, Maeda N, Nishimoto S. Relational network of people constructed on the basis of similarity of brain activities. IEEE Access 7(1):110258–110266, 2019. https://doi.org/10.1109/ACCESS.2019.2933990
Matsuo E, Kobayashi I, Nishimoto S, Nishida S, Asoh H. Describing Semantic Representations of Brain Activity Evoked by Visual Stimuli. Proceedings of 2018 IEEE International Conference on Systems, Man, and Cybernetics (SMC), 576–583, 2018. https://doi.org/10.1109/SMC.2018.00107 Preprint archive
Nishida S, Nishimoto S*. Decoding naturalistic experiences from human brain activity via distributed representations of words. NeuroImage 180(A):232– 242, 2018. https://doi.org/10.1016/j.neuroimage.2017.08.017 Press release
Kawase C, Kobayashi I, Nishimoto S, Nishida S, Asoh H. Semantic representation in the cerebral cortex with sparse coding. Proceedings of 2017 IEEE International Conference on Systems, Man, and Cybernetics (SMC), 606–611, 2017. https://doi.org/10.1109/SMC.2017.8122673
Matsuo E, Kobayashi I, Nishimoto S, Nishida S, Asoh H. Generating Natural Language Descriptions for Semantic Representations of Human Brain Activity. Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics (ACL) – Student Research Workshop 22–29, 2016. https://doi.org/10.18653/v1/P16-3004
Nishimoto S*, Nishida S. Lining up brains via a common representational space. Trends in Cognitive Sciences 20(8):565–567, 2016. https://doi.org/10.1016/j.tics.2016.06.001
Tanaka T, Nishida S, Ogawa T*. Different target-discrimination times can be followed by the same saccade-initiation timing in different stimulus conditions during visual searches. Journal of Neurophysiology 114(1):366–380, 2015. https://doi.org/10.1152/jn.00043.2015
Koide N, Kubo T, Nishida S, Shibata T, Ikeda K*. Art expertise reduces influence of visual salience on fixation in viewing abstract-paintings. PLOS ONE 10(2): e0117696, 2015. https://doi.org/10.1371/journal.pone.0117696
Nishida S*, Tanaka T, Ogawa T. Transition of target-location signaling in activity of macaque lateral intraparietal neurons during delayed-response visual search. Journal of Neurophysiology 112(6):1516–1527, 2014. https://doi.org/10.1152/jn.00262.2014
Nishida S, Tanaka T, Shibata T, Ikeda K, Aso T, Ogawa T*. Discharge-rate persistence of baseline activity during fixation reflects maintenance of memory-period activity in the macaque posterior parietal cortex. Cerebral Cortex 24(6):1671–1685, 2014. https://doi.org/10.1093/cercor/bht031
Nishida S*, Shibata T, Ikeda K. Object-based selection modulates top-down attentional shifts. Frontiers in Human Neuroscience 8:90, 2014. https://doi.org/10.3389/fnhum.2014.00090
Nishida S, Tanaka T, Ogawa T*. Separate evaluation of target facilitation and distractor suppression in the activity of macaque lateral intraparietal neurons during visual search. Journal of Neurophysiology 110(12):2773–2791, 2013. https://doi.org/10.1152/jn.00360.2013
Tanaka T, Nishida S, Aso T, Ogawa T*. Visual response of neurons in the lateral intraparietal area and saccadic reaction time during a visual detection task. European Journal of Neuroscience 37(6):942–956, 2013. https://doi.org/10.1111/ejn.12100
Fujimoto A, Nishida S, Ogawa T. Saccade dynamics in error trials during visual search. Advances in Cognitive Neurodynamics (III): Proceedings of the Third International Conference on Cognitive Neurodynamics 575–581, 2013. https://doi.org/10.1007/978-94-007-4792-0_77
Fujimoto A, Nishida S, Ogawa T*. Dynamic alternation of primate response properties during trial-and-error knowledge updating. Robotics and Autonomous Systems 60(5):747–753, 2012. https://doi.org/10.1016/j.robot.2011.06.014
Nishida S, Shibata T*, Ikeda K. Prediction of human eye movements in facial discrimination tasks. Artificial Life and Robotics 14(3):348–351, 2009. https://doi.org/10.1007/s10015-009-0679-9

Domestic Journal Papers

西田知史. 日常的な認知に関わる脳情報処理のモデル化と人工脳への応用. 情報通信研究機構研究報告 68(1): 11–19, 2022.
西本伸志, 西田知史. 視覚と認知をつかさどる脳機能の定量的理解とその応用に関する研究. 情報通信研究機構研究報告 64(1): 5–12, 2018. https://doi.org/10.24812/nictkenkyuhoukoku.64.1_5
西田知史, 西本伸志. 意味認知と脳内情報表現 (特集「脳科学とAIのフロンティア」). 人工知能 32(6):857–862, 2017. https://doi.org/10.11517/jjsai.32.6_857
西田知史, 下川哲也, 小泉愛. 創薬医療に貢献するNICTの「脳情報科学×AI」研究開発. 日本化学会情報化学部会誌 35(2):168–173, 2017. https://doi.org/10.11546/cicsj.35.168

Books

西田知史. 脳情報に基づいたAIの信頼性評価技術. 「少ないデータによるAI・機械学習の進め方と精度向上、説明可能なAIの開発」, 第7章3節. 技術情報協会. 2024.

Preprint Archives

Shinozaki T, Doi T, Nishida S, Yanaka H. Do Large Vision-Language Models Distinguish between the Actual and Apparent Features of Illusions? arXiv:2506.05765. https://doi.org/10.48550/arXiv.2506.05765
Nishida S*, Hamada HT, Niikawa T, Miyahara K. Neural correlates of phenomenological attitude toward perceptual experience. bioRxiv:2024.07.07.602347. https://www.biorxiv.org/content/10.1101/2024.07.07.602347
Wang J, Kawahata K, Blanc A, Maeda N, Nishimoto S, Nishida S*. Asymmetric representation of symmetric semantic information in the human brain. bioRxiv:2024.02.09.579613, 2024. https://doi.org/10.1101/2024.02.09.579613
Kawahata K, Wang J, Blanc A, Maeda N, Nishimoto S, Nishida S*. Decoding Individual Differences in Mental Information from Human Brain Response Predicted by Convolutional Neural Networks. bioRxiv:2022.05.16.492029, 2022. https://www.biorxiv.org/content/10.1101/2022.05.16.492029
Nishida S*†, Toyoda S*†, Honda C, Watanabe M, Ollikainen M, Vuoksimaa E, Kaprio J, Nishimoto S*. Genetic influences on brain representations of natural audiovisual experiences. Research Square, 2021. https://doi.org/10.21203/rs.3.rs-902535/v2
Nishida S*†, Matsumoto Y†, Yoshikawa N, Son S, Murakami A, Hayashi R, Nishimoto S*, Takahashi H*. Reduced intra- and inter-individual diversity of semantic representations in the brains of schizophrenia patients. bioRxiv:2020.06.03.132928, 2020. https://doi.org/10.1101/2020.06.03.132928

* Correspondence †Co-first

Presentations

Invited Talks

西田知史. 脳情報の可視化とシミュレーション—個性の理解と模倣に向けて—. ホンダCiNet講演会. 宇都宮. 2024年4月23日.
八木俊匡, 西田知史. コーヒーを学問する. 神戸大学 V.Schoolサロン. 神戸. 2024年3月28日.
西田知史. 意味・感性に関わる脳内情報の可視化とその応用. JEITA感性のセンシング・インタラクション技術分科会. 東京. 2023年10月18日.
大山翔, 西田知史. 脳科学が拓く新たなビジネス領域：NeuroAIの開発～活用事例まで. 第5回使えるセンサ・シンポジウム2023. 大阪. 2023年7月19日.
西田知史. 脳情報に基づいたAIの信頼性評価技術の開発. 2023年人工知能学会全国大会, 企画セッション「人工知能とトラスト」. 熊本. 2023年6月7日.
西田知史. 自然言語処理を用いた脳内意味情報の可視化とその応用. Computational Psycholinguistics Tokyo. 東京. 2023年5月22日.
西田知史. 自然知覚に関わる脳情報の数理モデリングとその応用. Spring School for Theoretical Biology 2023. 東広島. 2023年3月7日.
西田知史. 人工脳の構築へ向けた脳情報のモデル化. 応用脳科学アカデミー＆ワークショップ, アドバンスコース「CiNet」第2回. オンライン. 2022年12月6日.
西田知史. 言語や五感情報を統合できる脳情報空間モデルの作成技術. JST新技術説明会. オンライン. 2022年10月27日.
西田知史. AIを「人間らしく」する脳情報融合. 大阪大学FBSコロキウム. オンライン. 2022年6月9日.
西田知史. 脳科学とAIの融合. 第21期金曜サイエンスサロン第1回. 大阪. 2022年1月14日.
西田知史. 自然知覚に関わる脳情報の定量化とAIへの応用. 北陸先端科学技術大学院大学知識科学系セミナー. 石川. 2021年12月3日.
西田知史. 脳科学と人工知能の融合. 応用脳科学アカデミー＆ワークショップ, アドバンスコース「CiNet」第2回. オンライン. 2021年10月6日.
西田知史. DX時代の最先端技術消費者感性を予測する脳解読基盤「NeuroAI®」: 脳情報とAIの融合. NTT DATA Innovation Conference 2020. 東京. 2020年1月24日.
Nishida S. Towards the decoding of human natural perception for real-world applications. Applying Neuroscience to Business. Yokohama, Japan. Sept 27, 2019.
西田知史. 自然な知覚状況下におけるヒト脳内情報の可視化とその応用. 本田技術研究所講演会. 吹田, 大阪. 2019年3月7日.
Nishida S. Brain decoding of human natural perception using statistical language modeling. The 5th CiNet Conference: Computation and representation in brains and machines. Osaka, Japan. Feb 22, 2019.
西田知史. 脳情報の可視化とその応用. 神戸大学計算科学教育センター遠隔講義計算生命科学の基礎V 計算科学・データサイエンスと生命科学の融合基礎から医療・創薬への応用まで. 神戸. 2019年1月23日.
西田知史. fMRIによるヒト脳情報表現の定量理解とその応用. SSKセミナー「脳科学のビジネス、組織へのインパクト」. 東京. 2018年3月22日.
西田知史. 脳内情報の可視化技術とビジネス・AIへの応用. 認定NPO安全安心科学アカデミー平成29年度第2回講演会. 大阪. 2018年3月20日.
西田知史. 脳内情報を可視化する:知覚解読と AI への応用. 第17期金曜サイエンスサロン第3回. 大阪. 2018年2月2日.
西田知史. 「意味」の脳内表象を可視化する〜意味論への神経科学的アプローチ〜. 北大ワークショップ「心をめぐる哲学的問題への科学的アプローチ」. 札幌. 2017年12月22日.
西田知史. 脳内情報の可視化とビジネス・AIへの応用. 2017年度応用脳科学コンソーシアム第1回CiNet脳情報研究ワークショップ. 東京. 2017年10月25日.
西田知史. 脳情報を読み解く：脳とAI の融合に向けて. 第7回 CiNetシンポジウム. 東京. 2017年6月29日.
西田知史. 単純な知覚を超えた高次認知の解読とその応用. 第19回ヒト脳機能マッピング学会ランチョンセミナー「ニューロイメージングによる日常世界の知覚体験の可視化とその応用」. 京都. 2017年3月.
西田知史. 脳活動モデル化を介した脳内知覚・意味表現の可視化. 大塚製薬株式会社中枢神経疾患研究所講演会. 徳島. 2017年2月.
西田知史. 脳活動予測モデルを介した脳内知覚・意味表現の定量可視化. 第377回CBI学会講演会「fMRI脳機能イメージング：新しいバイオマーカーを求めて」. 大阪. 2016年11月.
西田知史. 自然知覚の脳内情報表現. 一般財団法人テレコム先端技術研究支援センターテレコム技術情報セミナー. 東京. 2016年7月.
西田知史. 脳内イメージの可視化とその応用. 2015年度応用脳科学コンソーシアム第4回CiNet脳情報研究ワークショップ. 東京. 2016年1月.
西田知史. LIP野における視覚選択中の側抑制の機能的役割. 生理学研究所研究会「グローバルネットワークによる脳情報処理」. 岡崎, 愛知. 2013年1月.

International Conference

Maeda C, Yagi T, Nishida S. Manipulating Predictive Focus Facilitates Awareness of Quality in Coffee Tasting. The 28th Annual Meeting of the ASSC. Heraklion, Greece. Jul 8, 2025.
Takeuchi R, Takeshima H, Niikawa T, Nishida S. Decoding the semantic content of mental imagery via a word-vector space. 2025 Organization for Human Brain Mapping Annual Meeting, 0771. Brisbane, Australia. Jun 26, 2025.
Nishida S, Hamada HT, Niikawa T, Miyahara K. How the Brain Performs Phenomenology: Neural Correlates of Phenomenological Attitude toward Conscious Experience. Aware and Alive. Sapporo, Japan. Jul 9, 2024.
Hayashi R, Kaji S, Matsumoto Y, Nishida S, Nishimoto S, Takahashi H. Topological data analysis of cortical word representations in health and schizophrenia. FENS Forum 2024, PS05-28AM-453. Vienna, Austria. Jun 28, 2024.
Wang J, Kawahata K, Blanc A, Nishimoto S, Nishida S. Symmetric semantic information is represented in asymmetric and heterogeneous patterns across the human brain. FENS Forum 2024, PS04-27PM-227. Vienna, Austria. Jun 27, 2024.
Maeda C, Nishida S. Neural correlates of individual differences in music preferences. FENS Forum 2024, PS02-26PM-501. Vienna, Austria. Jun 26, 2024.
Maeda C, Nishida S. fMRI signals in the superior temporal cortex separately reflect inter- and intra-individual variations in music preferences. The 9th CiNet Conference: Cutting Edges of Cognitive and Action Information Processing. Osaka, Japan. Feb 14, 2024.
Kawasaki H, Nishida S, Kobayashi I. Localization and Representation of Visual and Language Information in the Human Brain. International Symposium on Advanced Intelligent Systems (ISIS) 2023, FA3-2. Gwangju, Korea. Dec 8, 2023. (Best Presentation Award)
Wang J, Nishida S. Individual variability in AI anxiety reflected in intersubject synchronization of movie-evoked fMRI signals. IBRO 2023, AS13-A19. Granada, Spain. Sep 11, 2023.
Maeda C, Nishida S. Diversity of music preferences is reflected in intersubject synchronization of fMRI signals. IBRO 2023, AS13-A13. Granada, Spain. Sep 9, 2023.
Miyahara K, Hamada HT, Niikawa T, Nishida S. Exploring neural signature of the phenomenological attitude toward conscious experience. CoRN 2023. Taipei, Taiwan. Aug 26, 2023.
Nishida S, Hamada HT, Niikawa T, Miyahara K. Neural signature of phenomenological attitude toward perceptual experience. The 26th Annual Meeting of the ASSC. New York, US. Jun 24, 2023.
Taguchi H, Nishida S, Nishimoto S, Kobayashi I. Validation of the Role of Attention Mechanism in Predicting Brain Activity. SCIS&ISIS2022, T-3-G-123. Mie, Japan. Dec 1, 2022.
Wang J, Kawahata K, Blanc A, Nishimoto S, Nishida S. Asymmetry in Representations of Semantic Symmetry in the Human Brain. International Symposium on Artificial Intelligence and Brain Science 2022, B14. Okinawa, Japan. Jul 4, 2022.
Kawahata K, Wang J, Blanc A, Nishimoto S, Nishida S. Making information representations of deep neural networks more brain-like via models for brain-response prediction. International Symposium on Artificial Intelligence and Brain Science 2022, A08. Okinawa, Japan. Jul 4, 2022.
Wang J, Blanc A, Nishimoto S, Nishida S. Symmetric pairs of semantic information are represented with little overlap in the human brain. 2022 Organization for Human Brain Mapping Annual Meeting, WTh084. Glasgow, UK. Jun 8, 2022.
Kawahata K, Blanc A, Nishimoto S, Nishida S. Individual differences of natural perceptual content in the human brain can be estimated via brain response prediction using deep neural networks. The 7th CiNet Conference: New horizons in brain mapping, 1-3. Online. Feb 1, 2022.
Kuroda E, Nishimoto S, Nishida S, Kobayashi I. A Deep Generative Model imitating Predictive Coding in the Human Brain. The 22nd International Symposium on Advanced Intelligent Systems, G04-4. Online. Dec 16, 2021. (Best Session Award)
Toyoda S, Nishida S, Honda C, Watanabe M, Ollikainen M, Vuoksimaa E, Kaprio J, Osaka Twin Research Group, Nishimoto S. Genetic effects on individual differences of natural audiovisual representations in the brain. The 80th Fujihara Seminar: Molecular and cellular mechanisms of brain systems generating individuality. Online. Aug 30, 2021.
Nishida S, Matsumoto Y, Yoshikawa N, Son S, Murakami A, Hayashi R, Takahashi H, Nishimoto S. Disorganized representational structures of semantic information in schizophrenia brains. The 12th FENS Forum of Neuroscience, 4572. Online, Jul 13, 2020.
Fujiyama C, Nishimoto S, Nishida S, Asoh H, Kobayashi I. A Study on a Correlation between a Predictive Model of Motion Pictures Imitating the Predictive Coding of the Cerebral Cortex and Brain Activity. 2019 Conference on Cognitive Computational Neuroscience, PS-2A.22. Berlin, Germany. Sep 15, 2019.
Ozaki K, Nishida S, Nishimoto S, Asoh H, Kobayashi I. Analysis of Correspondence Relationship between Brain Activity and Semantic Representation. 2019 Conference on Cognitive Computational Neuroscience, PS-1A.61. Berlin, Germany. Sep 14, 2019.
Ikutani Y, Kubo T, Nishida S, Hata H, Matsumoto K, Ikeda K, Nishimoto S. Toward Identifying the Neural Basis of Programming Expertise: an fMRI Study with Expert Programmers. APSIPA BioSiPS Workshop 2019. Luzon Island, the Philippines. Aug 28, 2019.
Toyoda S, Nishida S, Honda C, Watanabe M, Ollikainen M, Vuoksimaa E, Kaprio J, Osaka Twin Research Group, Nishimoto S. Genetic contribution to inter-individual differences in human natural audio-visual experiences. The 2019 Behavior Genetics Association Meeting, PS-1-7. Stockholm, Sweden. Jun 27, 2019.
Toyoda S, Nishida S, Honda C, Watanabe M, Ollikainen M, Vuoksimaa E, Kaprio J, Osaka Twin Research Group, Nishimoto S. Genetic contribution to inter-individual differences in human natural audio-visual experiences. 3rd Nordic Neuroscience Meeting 2019, D-35. Helsinki, Finland. Jun 14, 2019.
Yamaguchi H, Nishida S, Nakai T, Nishimoto S. Functional subdivisions around FEF revealed by multi-modal modeling of movie-evoked activity. 2019 Organization for Human Brain Mapping Annual Meeting, M874. Rome, Italy. Jun 10, 2019.
Nishida S, Matsumoto Y, Yoshikawa N, Son S, Murakami A, Hayashi R, Takahashi H, Nishimoto S. Schizophrenia reduces intra- and inter-individual diversity of semantic representations in the brain. 2019 Organization for Human Brain Mapping Annual Meeting, M085l. Rome, Italy. Jun 10, 2019.
Niikawa T, Miyahara K, Nishida S, Hamada H. An experimental phenomenology on binocular rivalry. First-person Science of Consciousness: Theories, Methods, Applications. Witten, Germany. May 24, 2019.
Miyahara K, Niikawa T, Nishida S, Hamada H. Developing a short-term phenomenological training program: A report of methodological lessons. First-person Science of Consciousness: Theories, Methods, Applications. Witten, Germany. May 24, 2019.
Ikutani Y, Kubo T, Nishida S, Hata H, Matsumoto K, Ikeda K, Nishimoto S. Program Expertise Depends on Fine-tuned Visual Cortex Specialized for Program Source Code. The 5th CiNet Conference: Computation and representation in brains and machines, 6. Osaka, Japan. Feb 20-21, 2019.
Miyahara K, Niikawa T, Hamada H, Nishida S. Expediting neurophenomenology: Lessons from an initial attempt. The 1st Meeting of Australasian Society for Philosophy and Psychology. Sydney, Australia. Dec 5, 2018.
Niikawa T, Katsunori K, Nishida S, Hamada H. Is binocular rivalry a perceptual phenomenon? Paris Consciousness/Self-consciousness [PaCS] Group Seminar, Paris, France. Nov 29 2018.
Wada A, Nishida S, Ando H, Nishimoto S. Modeling human visual responses with a U-shaped deep neural network for motion flow-field estimation. 2018 Conference on Cognitive Computational Neuroscience, PS-1B.32. Philadelphia, USA. Sep 6, 2018.
Toyoda S, Nishida S, Honda C, Watanabe M, Osaka Twin Research Group, Nishimoto S. Genetic contributions to individuality of natural audio-visual experiences. International Symposium - Towards Understanding "INDIVIDUALITY", P-55, Kyoto, Japan. Jul 24, 2018.
Nishida S, Nishimoto S. A brain-mediated computational model to estimate perceptual experiences evoked by arbitrary naturalistic visual scenes. Vision Science Society Annual Meeting 2018, 33.347. St. Pete Beach, USA. May 20, 2018.
Yamaguchi H, Nishida S, Nishimto S. An encoding model reveals spatiotemporal specificity of eye-related effects during natural vision. Computational and Systems Neuroscience (Cosyne) 2018, III-35. Denvor, USA. Mar 3, 2018.
Matsuo E, Kobayashi I, Nishimoto S, Nishida S, Asoh H. Describing Semantic Representations of Brain Activity Evoked by Visual Stimuli. NIPS 2017 Workshop on Visually-Grounded Interaction and Language. Long Beach, USA. Dec 8, 2017.
Niikawa T, Miyahara K, Hamada H, Nishida S. Phenomenological training in the wood of illusions: A methodological proposal for neurophenomenology. The 21st Annual Meeting of the ASSC, 92. Beijing, China. Jun. 16, 2017.
Miyahara K, Niikawa T, Hamada H, Nishida S. Phenomenal distinctions and structural isomorphism: A phenomenological critique of the integrated information theory of consciousness. The Science of Consciousness 2017, C10. San Diego, USA. Jun. 7, 2017.
Nishida S, Huth AG, Gallant JL, Nishimoto S. Word statistics in large-scale texts explain the human cortical semantic representation of objects, actions, and impressions. The 45th Annual Meeting of the Society for Neuroscience, 333.13. Chicago, USA. Oct 2015.
Nishida S, Huth AG, Gallant JL, Nishimoto S. Word-order statistics explain human brain activity evoked by natural movies. The Second CiNet Conference: International Symposium on Neural Mechanisms of Vision and Cognition, 16, Osaka, Japan. Mar 2015.
Nishida S, Fujimoto A, Ogawa T. Neuronal correlates of strategy switching between exploration and exploitation in macaque dorsal premotor cortex. Vision, Memory, Thought: How Cognition Emerges from Neural Network, B-8. Tokyo, Japan. Dec 2014.
Nishida S. Dynamic switching of target-location signaling in activity of macaque lateral intraparietal neurons during delayed-response visual search. Workshop on Cortical Dynamics: from the Architecture to Functions. Kyoto, Japan. Feb 2014.
Nishida S, Tanaka T, Ogawa T. Target facilitation and distractor suppression in the activity of macaque lateral intraparietal neurons during visual search. The 43rd Annual Meeting of the Society for Neuroscience, 262.06. San Diego, USA. Nov 2013.
Nishida S, Fujimoto A, Ogawa T. Neuronal activity in macaque dorsal premotor cortex signals selection strategies during trial-and-error visual search. International Symposium on Prediction and Decision Making 2013. Kyoto, Japan. Oct 2013.
Fujimoto A, Nishida S, Ogawa T. Error-type-dependent saccade dynamics during visual search. The Third International Conference on Cognitive Neurodynamics, P12. Hokkaido, Japan. Jul 2011.
Fujimoto A, Nishida S, Ogawa T. Behavioral and neuronal performances during the course of updating knowledge for problem solution. The 1st International Symposium on Brain Science, Tohoku University, P-S17. Sendai, Japan. Jun 2011.
Nishida S, Tanaka T, Ogawa T. Intrinsic temporal structures hidden in the baseline activity predict the extrinsic storage capacity in the delay-period activity during a memory-guided saccade task. The 1st International Symposium on Brain Science, Tohoku University, P-S19. Sendai, Japan. Jun 2011.
Nishida S, Shibata T, Ikeda K. Prediction of Human Eye Movements in Facial Discrimination Tasks. International Symposium on Artificial Life and Robotics, GS03-3. Oita, Japan. Feb 2009.

Domestic Conference

西田知史. フェイクニュースの真偽判断における個人差は楔前部の脳応答特性に表出する. 2025年度人工知能学会全国大会, 2P1-OS-26. 大阪. 2025年5月28日.
綿引周, 土井智暉, 篠崎大河, 西田知史, 新川拓哉, 宮原克典, 谷中瞳. 記述文選択タスクによる大規模視覚言語モデルのアモーダル補完能力の評価. 言語処理学会第31回年次大会, E8-6. 長崎. 2025年3月13日.
篠崎大河, 土井智暉, 綿引周, 西田知史, 谷中瞳. 大規模視覚言語モデルは錯視を理解しているか. 言語処理学会第31回年次大会, E8-3. 長崎. 2025年3月13日.
Muxuan Liu, 西田知史, 小林一郎. 「心の中の言葉」はどのように予測できるか？ ―複数のモダリティの特徴に基づく脳活動デコーディングプロセスの構築―. 言語処理学会第31回年次大会, E3-2. 長崎. 2025年3月11日.
竹島遥貴, 川畑輝一, ブランアントワーヌ, 西本伸志, 西田知史. 脳媒介転移学習は高性能な深層ニューラルネットほど情報表現を脳に近づける. ニューロコンピューティング研究会, NC2024-76. 東京. 2025年3月6日.
宮原克典, 新川拓哉, 濱田太陽, 西田知史. エポケーとは何をすることか:実証的アプローチの可能性. 第46回日本現象学会年度研究大会, 札幌. 2024年11月16日.
岡田心, 新川拓哉, 西田知史. 生成AIとインタビューを用いた顔のリアリティ判断に関わる規範的特徴の探索. 日本質的心理学会第21回大会, 東京. 2024年10月20日.
Oishi T, Shinkuma R, Maeda N, Nishida S. Brain-information based grouping for preference estimation in video. ニューロコンピューティング研究会, NC2024-33. 仙台. 2024年9月27日.
岡田心, 新川拓哉, 西田知史. 生成AIとインタビューを用いた顔のリアリティ判断で着目する特徴の探索. ナラティブ意識学ワークショップ「脳・言語・意識」, 13. 釧路, 北海道.2024年9月24日.
阿部武, 前田千結, 西田知史. Emotion Prediction via Transfer Learning with a Self-supervised Model Pretrained on Large-scale Neural Data. ナラティブ意識学ワークショップ「脳・言語・意識」, 11. 釧路, 北海道.2024年9月24日.
Takeshima H, Kawahata K, Blanc A, Nishimoto S, Nishida S. Brain-mediated Transfer Learning Enhances Brain-like Information Representations More Effectively in More Advanced Deep Neural Networks. ナラティブ意識学ワークショップ「脳・言語・意識」, 5. 釧路, 北海道.2024年9月24日.
前田千結, 西田知史. 音楽の好みに関連する神経表現の解明. ナラティブ意識学ワークショップ「脳・言語・意識」, 3. 釧路, 北海道.2024年9月24日.
Wang J, Kawahata K, Blanc A, Nishimoto S, Nishida S. Nonlinear processing of semantic information across the human brain revealed by asymmetric representations of semantic symmetry. ナラティブ意識学ワークショップ「脳・言語・意識」, 2. 釧路, 北海道.2024年9月24日.
Yokoi A, Toyoda S, Nishida S, Nshimoto S, Encoding of semantic information in pupillary responses during naturalistic perceptual experiences. NEURO2024, 2P-117. 福岡. 2024年7月25日.
Maeda C, Nishida S. Different neural substrates in the superior temporal cortex underlie inter- and intra-individual variations in human music preferences. NEURO2024, 1P-166. 福岡. 2024年7月24日.
柴田宏誠, 鴛海航, 藤原正幸, 西田知史, 我妻広明. 画像解析における印象の共通特性と個人的差異を明らかにするオントロジー概念階層を用いたアノテーション手法の検討, ニューロコンピューティング研究会, NC2024-24. 那覇. 2024年6月21日.
西田知史. 人間との関係性からAIの信頼を再考する. 2024年度人工知能学会全国大会, 企画セッション「信頼されない？AI #1 ~社会とAIの新しいつながりを考える~」. 浜松. 2024年5月30日.
Wang J, Nishida S. Artificiality is perceptually associated with trustworthiness but not attractiveness in AI-synthesized faces. 2024年度人工知能学会全国大会, 3Xin2. 浜松. 2024年5月30日.
西田知史. 脳情報の可視化とAIへの応用, 超異分野学会2024東京・関東大会, P-057. 東京. 2024年3月8日.
阿部武, 西田知史. Masked Auto Encoder と対照学習を用いたfMRI データの次元圧縮法と脳媒介パターン認識への応用, ニューロコンピューティング研究会, NC2023-42. 鳴門, 徳島. 2024年1月24日.（IEEE CIS-J Young Researcher Award受賞）
Maeda C, Nishida S. Variations in Personal Music Tastes are Reflected in the Synchronization of fMRI Signals across Individuals, 脳と心のメカニズム第23回冬のワークショップ. ルスツ, 北海道. 2024年1月9日.
川﨑春佳, 西田知史, 小林一郎. ヒト脳内における視覚・意味情報の局在と表現の調査. 第39回ファジィシステムシンポジウム (FSS2023), 2C1-1. 軽井沢. 2023年9月6日.
Oshiumi W, Ariyoshi M, Nishida S, Wagatsuma H. A Fusion of Image Captioning Techniques Based on Ontologies and Semantic Networks Toward Human-Like Comprehension. 第33回日本神経回路学会全国大会. 東京. 2023年9月4日.
Hayashi R, Kaji S, Matsumoto Y, Nishida S, Nishimoto S, Takahashi H. Homogeneous concept connections across multiple scales in word representation space of schizophrenia patients revealed by topological analysis of functional magnetic resonance imaging. 第33回日本神経回路学会全国大会. 東京. 2023年9月4日.
土井智暉, 宮原克典, 新川拓哉, 濱田太陽, 西田知史, 谷中瞳. 深層的特徴を考慮した自然言語処理による意識体験ナラティブ分析の試み. 第257回情報処理学会自然言語処理(NL)研究発表会. 東京. 2023年9月1日.
Maeda C, Nishida S. Intersubject synchronization of music-evoked fMRI signals reflects individual diversity in music preference. 第46回日本神経科学大会, 3Pm-145. 仙台. 2023年8月3日.
Nishida S, Hamada HT, Niikawa T, Miyahara K. Neural mechanisms underlying phenomenological attitude toward conscious experience. 第46回日本神経科学大会, 3Pm-034. 仙台. 2023年8月3日.
羅桜, 西田知史, 小林一郎. The Music LP Dataset:受動的・能動的音楽刺激下のヒト脳活動に対する脳波計測. 2023年度人工知能学会全国大会, 3J1-GS-1-01. 熊本. 2023年6月8日.
川﨑春佳, 茂木比奈, 西田知史, 小林一郎. 音楽刺激下のヒト脳内における性差の調査. 2023年度人工知能学会全国大会, 2F1-GS-1-02. 熊本. 2023年6月7日.
川畑輝一, 王佳新, Blanc Antoine, 西本伸志, 西田知史. 脳融合BERT：脳活動予測を介してBERTの振る舞いを脳に近づける. 2023年度人工知能学会全国大会, 2J4-GS-1-04. 熊本. 2023年6月7日.
西田知史. AIに対する潜在的な不安感の個人差をもたらす脳内メカニズム. 2023年度人工知能学会全国大会, 1K4-OS-11a-01. 熊本. 2023年6月6日.
田口遥香, 西田知史, 西本伸志, 小林一郎. 注意機構を導入した特徴量抽出に基づく画像刺激下の脳内状態推定. 情報処理学会第85回全国大会, 5U-07. 調布. 2023年3月3日.
Kawahata K, Wang J, Blanc A, Nishimoto S, Nishida S. Information transformation via brain-response prediction endows deep neural networks with more brain-like internal representations. 脳と心のメカニズム冬のワークショップ2023. ルスツ, 北海道. 2023年1月5日.
田口遥香, 西田知史, 西本伸志, 小林一郎. 脳内状態推定における注意機構の役割の検証. 第38回ファジィシステムシンポジウム (FSS2022), TB1-1. オンライン. 2022年9月15日.（優秀発表賞受賞）
Wang J, Blanc A, Nishimoto S, Nishida S. Distributed, heterogeneous representations of semantically symmetric information in the human brain. Neuro2022, 3P-089. 沖縄, 2022年7月2日.
Kawahata K, Wang J, Blanc A, Nishimoto S, Nishida S. Transforming information representations of deep neural networks to brain-like representations via models for brain-response prediction. Neuro2022, 3LBA-026. 沖縄, 2022年7月2日.
Matsumoto Y, Nishida S, Hayashi R, Son S, Murakami A, Yoshikawa N, Ito H, Oishi N, Masuda N, Murai T, Friston K, Nishimoto S, Takahashi H. Randomization of semantic network in the brain of schizophrenia revealed by fMRI. Neuro2022, 1P-264. 沖縄, 2022年6月30日.
川﨑春佳, 西田知史, 小林一郎. ヒト脳内における視覚・言語情報の階層的処理の解明への取り組み. 第36回人工知能学会全国大会, 4L3-GS-10-05. 京都, 2022年6月17日.
川畑輝一, BLANC Antoine, 西本伸志, 西田知史. 畳み込みニューラルネットワークによる脳活動予測を介した映像に対する嗜好の個人差推定. 第36回人工知能学会全国大会, 4K3-GS-1-01. 京都, 2022年6月17日.
西田知史. AI生成情報が人間の認知判断にもたらす負のバイアスとその脳内メカニズム. 第36回人工知能学会全国大会, 3F4-OS-23. 京都, 2022年6月16日. (大会優秀賞受賞)
Oishi T, Sugano R, Shinkuma R, Maeda N, Nishida S. Relational model for video-content grouping based on brain-activity information. センサネットワークとモバイルインテリジェンス研究会, SeMI2022-7. 沖縄, 2022年5月26日.
川﨑春佳, 西田知史, 小林一郎. 深層学習を用いた脳内における視覚・意味情報の階層的処理の解明へ向けた取り組み. ニューロコンピューティングけ研究会, NC2021-32. オンライン. 2022年1月21日.
川畑輝一, BLANC Antoine, 前田直哉, 西本伸志, 西田知史. 畳み込みニューラルネットワークによる脳活動予測を介して脳内知覚情報の個人差を推定するシステム. ニューロコンピューティング研究会, NC2021-31. オンライン. 2022年1月21日. (日本神経回路学会優秀研究賞受賞)
Kawahata K, Blanc A, Nishimoto S, Nishida S. Decoding individual differences of perceptual experiences from human brain response predicted by deep neural networks. 第5回ヒト脳イメージング研究会. オンライン. 2021年9月17日. (若手奨励賞受賞)
Iwasaka D, Shinkuma R, Nishimoto S, Nishida S. Brain model-based grouping system toward estimating people's content preferences. 2021年電子情報通信学会ソサイエティ大会, B-11-22. オンライン. 2021年9月15日.
隅⽥莉⾹⼦, ⼭⼝裕⼈, 中井智也, ⻄本伸志, ⻄⽥知史, ⼩林⼀郎. 聴覚と視覚からなる⾔語刺激下の脳活動状態推定による活動領域の⽐較. 第37回ファジィシステムシンポジウム (FSS2021), P5(WE2-1). オンライン. 2021年9月13日. (ポスター・デモセッション最優秀賞受賞)
⽥⼝遥⾹, ⻄⽥知史, ⻄本伸志, ⼩林⼀郎. 画像刺激下の脳活動状態推定における深層学習モデルの基礎的考察. 第37回ファジィシステムシンポジウム (FSS2021), P2(TC2-1). オンライン. 2021年9月13日.
新川拓哉, 宮原克典, 濱田太陽, 西田知史. 意識の機能をめぐる概念的明確化. 日本認知科学会第38回大会, P2-46. オンライン. 2021年9月5日.
Nishida S, Toyoda S, Honda C, Watanabe M, Ollikainen M, Vuoksimaa E, Kaprio J, Osaka Twin Research Group, Nishimoto S. Genetic effects on natural audiovisual representations in widespread brain regions. 第44回日本神経科学大会, 1P-035. 神戸. 2021年7月28日.
黒田彗莉, 西本伸志, 西田知史, 小林一郎. 予測符号化を模倣する深層生成学習モデル構築に向けた基礎的検討. 情報処理学会第83回全国大会, 1R-07. オンライン開催, 2021年3月18日.
黒田彗莉, 西本伸志, 西田知史, 小林一郎. 予測符号化を模倣する深層生成学習モデル構築に向けた取り組み. 第23回情報論的学習理論ワークショップ (IBIS2020), 4. オンライン開催, 2020年11月23-26日.
Nishida S. Brain-mediated Transfer Learning of Convolutional Neural Networks. 第2回脳科学サロン「脳とAI」. オンライン開催, 2020年10月10日.
西田知史, 中野裕介, Blanc Antoine, 前田直哉, 角将高, 西本伸志. 脳情報を組み込んだ単語分散表現による文章からの印象・好感度推定. 第34回人工知能学会全国大会, 3Q1-GS-9-01. オンライン開催, 2020年6月11日. (大会優秀賞受賞)
松本有紀子, 西田知史, 孫樹洛, 村上晶郎, 吉川長伸, 林隆介, 西本伸志, 高橋英彦. 統合失調症における脳内意味ネットワーク異常:エンコーディングモデルとグラフ理論解析を用いて. 脳と心のメカニズム第20回冬のワークショップ. ルスツ, 北海道. 2020年1月9日.
Ikutani Y, Kubo T, Nishida S, Hata H, Matsumoto K, Ikeda K, Nishimoto S. Toward Identifying the Neural Basis of Programming Expertise: an fMRI Study with Expert Programmers. 脳と心のメカニズム第20回冬のワークショップ. ルスツ, 北海道. 2020年1月8日.
Nishida S, Nakano Y, Blanc A, Maeda N, Kado M, Nishimoto S. Deep transfer learning mediated by human brain information. 脳と心のメカニズム第20回冬のワークショップ. ルスツ, 北海道. 2020年1月8日. (Excellent poster award受賞)
Matsumoto Y, Nishida S, Son S, Murakami A, Yoshikawa N, Hayashi R, Nishimoto S, Takahashi H. Abnormal semantic network in the schizophrenia brain: an encoding modeling and graph theoretic approach. 第42回日本神経科学大会, PB-460. 新潟, 2019年7月27日.
西田知史, 西本伸志. 脳内情報表現の融合による深層学習ネットワークの認識能力向上. 第33回人工知能学会全国大会, 4C2-J-1-02. 新潟, 2019年6月7日.
張嘉瑩, 西田知史, 西本伸志, 小林一郎. 深層学習を用いた動画刺激時の脳活動データからの文生成. 第33回人工知能学会全国大会, 4C2-J-1-03. 新潟, 2019年6月7日.
Nishida S, Matsumoto Y, Yoshikawa N, Son S, Murakami A, Hayashi R, Takahashi H, Nishimoto S. fMRI evidence for the disorganization of semantic representation in the schizophrenia brain. 脳と心のメカニズム第19回冬のワークショップ. ルスツ, 北海道. 2019年1月9日. (Best poster award受賞)
和田充史, 西田知史, 安藤広志, 西本伸志. U字型深層ニューラルネットワークを用いたヒト視覚応答のモデル化. 日本視覚学会2018年夏季大会, 2o06. つくば, 茨木. 2018年8月2日
西田知史, 西本伸志. 脳表象モデルを用いた任意の視覚入力に対する知覚内容推定システム. 第32回人工知能学会全国大会, 4Pin1-37, 鹿児島, 2018年6月8日.
張嘉瑩, 小林一郎, 西本伸志, 西田知史, 麻生英樹. 異被験者間の脳活動データ相互変換による擬似データ作成. 第32回人工知能学会全国大会, 2B1-03, 鹿児島, 2018年6月6日.
川瀬千晶, 小林一郎, 西本伸志, 西田知史, 麻生英樹. 脳活動と分散表現による意味表象へのスパースコーディング適用により獲得された辞書基底の分析. 第32回人工知能学会全国大会, 2B1-01, 鹿児島, 2018年6月6日.
張嘉瑩, 小林一郎, 松尾映里, 西本伸志, 西田知史, 麻生英樹. 異被験者間の脳活動データにおける相互変換への取り組み. 言語処理学会第24回年次大会, P1-9, 岡山. 2018年3月13日.
川瀬千晶, 小林一郎, 西本伸志, 西田知史, 麻生英樹. 脳活動データからのスパースコーディングによる意味表象推定と基底の分析. 言語処理学会第24回年次大会, P1-5, 岡山. 2018年3月13日.
豊田峻輔, 西田知史, 本多智佳, 渡邉幹夫, 大阪ツインリサーチグループ, 西本伸志. ヒト脳内における自然視聴覚情報表現への遺伝的寄与. 第64回中部日本生理学会, 甲府, 山梨. 2017年10月6日.
川瀬千晶, 小林一郎, 西本伸志, 西田知史, 麻生英樹. 脳活動のfMRIデータへの疎性コーディング適用による意味表象推定. 第33回ファジィシステムシンポジウム, WF1-2. 米沢, 山形. 2017年9月13日.
藤山千紘, 小林一郎, 西本伸志, 西田知史, 麻生英樹. 大脳皮質における予測符号化を模倣した深層動画像予測モデルに関する考察. 第33回ファジィシステムシンポジウム, WF1-3. 米沢, 山形. 2017年9月13日. (ポスターデモセッション優秀賞受賞)
松尾映里, 小林一郎, 西本伸志, 西田知史, 麻生英樹. 深層学習を用いた画像刺激下の脳活動情報からの文生成. 第33回ファジィシステムシンポジウム, WF1-4. 米沢, 山形. 2017年9月13日.
松本有紀子, 孫樹洛, 村上晶郎, 西田知史, 西本伸志, 高橋英彦. 高次視覚野応答のエンコーディングによる統合失調症の脳内意味表象異常の評価. 第1回ヒト脳イメージング研究会, P34. 町田, 東京. 2017年9月1日.
西田知史, 西本伸志. Voxelwise modeling for human cortical representations of impression during natural visual experiences. 第1回ヒト脳イメージング研究会, P16. 町田, 東京. 2017年9月1日. (研究奨励賞受賞)
Nishida S, Toyoda S, Honda C, Watanabe M, Osaka Twin Research Group, Nishimoto S. Genetic contributions to the representation of natural audiovisual experiences in the human brain. 第40回日本神経科学大会, P3-110. 千葉. 2017年7月22日.
藤山千紘, 小林一郎, 西本伸志, 西田知史, 麻生英樹. 大脳皮質における予測符号化を模倣した動画像予測モデルと脳活動の相関に関する考察. 第31回人工知能学会全国大会, 2K3-OS-33a-1in2. 名古屋. 2017年5月24日.
松尾映里, 小林一郎, 西本伸志, 西田知史, 麻生英樹. 深層学習による画像刺激時のfMRI脳活動データからの文生成. 第31回人工知能学会全国大会, 2K3-OS-33a-2in1. 名古屋. 2017年5月24日. (大会優秀賞受賞)
川瀬千晶, 小林一郎, 西本伸志, 西田知史, 麻生英樹. スパースコーディングを用いた脳活動の意味表象推定に関する精度向上への取り組み. 第31回人工知能学会全国大会, 2K3-OS-33a-4in2. 名古屋. 2017年5月24日. (大会優秀賞受賞)
藤山千紘, 小林一郎, 西本伸志, 西田知史, 麻生英樹. 大脳皮質における予測符号化を模倣した動画像予測に関する取り組み. 情報処理学会第79回全国大会, 2M-09. 名古屋. 2017年3月. (学生奨励賞受賞)
松尾映里, 小林一郎, 西本伸志, 西田知史, 麻生英樹. 深層学習を用いた画像刺激による脳活動データの説明文生成. 情報処理学会第79回全国大会, 6Q-06. 名古屋. 2017年3月. (学生奨励賞受賞)
川瀬千晶, 小林一郎, 西本伸志, 西田知史, 麻生英樹. スパースコーディングを用いた脳活動の意味表象推定への取り組み. 情報処理学会第79回全国大会, 3M-05. 名古屋. 2017年3月.
松尾映里, 小林一郎, 西本伸志, 西田知史, 麻生英樹. 画像説明文生成手法を援用した画像刺激時の脳活動の説明文生成. 言語処理学会第23回年次大会, P6-2. つくば. 2017年3月.
川瀬千晶, 小林一郎, 西本伸志, 西田知史, 麻生英樹. 脳活動におけるスパースコーディングによる意味表象推定. 言語処理学会第23回年次大会, P1-6. つくば. 2017年3月.
松本有紀子, 孫樹洛, 村上晶郎, 西田知史, 西本伸志, 高橋英彦. 統合失調症における脳内意味表象異常の可視化と定量. 第19回日本ヒト脳機能マッピング学会, P1-18. 京都. 2017年3月
松本有紀子, 孫樹洛, 村上晶郎, 西田知史, 西本伸志, 高橋英彦. 統合失調症における脳内意味表象異常の可視化と定量. 脳と心のメカニズム第17回冬のワークショップ. ルスツ, 北海道. 2017年1月.
Nishida S, Huth AG, Gallant JL, Nishimoto S. Voxelwise modeling with distributed word representations reveals the similarity and dissimilarity of semantic structures between a large-scale text corpus and the human brain. 第39回日本神経科学大会, P1-139. 横浜. 2016年7月.
Miyake Y, Nishida S, Nishimoto S. Decoding words from human brain activity during mental imagery of natural movies. 第39回日本神経科学大会, P2-120. 横浜. 2016年7月.
松尾映里, 小林一郎, 西本伸志, 西田知史, 麻生英樹. 深層学習を用いた画像刺激による脳活動データからの説明文生成. 第30回人工知能学会全国大会, 1G4-OS-11a-5in2. 北九州. 2016年6月.
川瀬千晶, 小林一郎, 西本伸志, 麻生英樹, 西田知史. 行列因子分解を用いた動画刺激による脳活動データからの言語表象推定への取り組み. 第30回人工知能学会全国大会, 1G4-OS-11a-6in1. 北九州. 2016年6月.
松尾映里, 小林一郎, 西本伸志, 西田知史, 麻生英樹. 深層学習を用いた画像を説明する文生成手法の一考察. 情報処理学会第78回全国大会, 2R-08. 横浜. 2016年3月. (学生奨励賞, 大会優秀賞受賞)
川瀬千晶, 小林一郎, 西本伸志, 麻生英樹, 西田知史. 行列因子分解を用いた脳活動の言語表象推定への取り組み. 情報処理学会第78回全国大会, 7L-01. 横浜. 2016年3月.
松尾映里, 小林一郎, 西本伸志, 西田知史, 麻生英樹. 深層学習による画像説明文生成手法の脳活動データへの適用. 言語処理学会第22回年次大会, P4-2. 仙台. 2016年3月.
川瀬千晶, 小林一郎, 西本伸志, 麻生英樹, 西田知史. スパースコーディングを用いた脳活動の分散意味表現による言語表象推定への取り組み. 言語処理学会第22回年次大会, P1-2. 仙台. 2016年3月.
Koide N, Kubo T, Nishida S, Nishimoto S, Ikeda K. Art professionals have unique criteria for judging art-style dissimilarities. 脳と心のメカニズム第16回冬のワークショップ. ルスツ, 北海道. 2016年1月.
Nishida S, Huth AG, Gallant JL, Nishimoto S. A corpus-based natural language model explains semantic representation distributed across cortical areas in the human brain. 第38回日本神経科学大会, 3P202. 神戸. 2015年7月.
Nishida S, Nishimoto S. A corpus-based language model explains distributed semantic representation in the human brain. 脳と心のメカニズム第15回冬のワークショップ. ルスツ, 北海道. 2015年1月.
Nishida S, Fujimoto A, Ogawa T. Neuronal activity in macaque dorsal premotor cortex during switching between exploratory and exploitative choice behaviors. 第37回日本神経科学大会, P2-230. 横浜. 2014年9月.
Nishida S, Fujimoto A, Ogawa T. 試行錯誤を伴う視覚探索における選択方略の保持と切り替えに関わるサル運動前野背側部のニューロン活動. 第7回Motor control研究会, A-24. 東京. 2013年9月. (若手研究奨励賞受賞)
Nishida S, Tanaka T, Ogawa T. Population coding in area LIP for the target location during a delayed-response visual search task dynamically alters in the transition from sensory to mnemonic processing. 包括脳ネットワーク夏のワークショップ, システム-24. 名古屋. 2013年8月.
Tanaka T, Nishida S, Kawabata M, Ogawa T. Stimulus-dependent delay from neuronal discrimination in LIP to saccade initiation during visual search. 第36回日本神経科学大会, P1-2-181. 京都. 2013年6月.
Nishida S, Tanaka T, Ogawa T. Lateral inhibitory interactions in the activity of macaque lateral intraparietal neurons during visual search. 第36回日本神経科学大会, P1-2-177. 京都. 2013年6月.
Fujimoto A, Nishida S, Ogawa T. Neuronal mechanisms underlying flexible adaptation in the changing environment. 第35回日本神経科学大会, P1-g10. 名古屋. 2012年9月.
Tanaka T, Nishida S, Ogawa T. Distinct effects of stimulus luminance and target-distractor similarity on target discrimination process in the posterior parietal cortex during visual search. 第35回日本神経科学大会, P4-m12. 名古屋. 2012年9月.
Nishida S, Tanaka T, Ogawa T. Neuronal dynamics of enhancing and suppressing effects in macaque posterior parietal cortex at discriminating a target from distractors during visual search. 第35回日本神経科学大会, P4-m17. 名古屋. 2012年9月.
Fujimoto A, Nishida S, Ogawa T. Neural activity in Macaque Prefrontal Cortex in Flexible Switching of Search Strategies. 第34回日本神経科学大会, P3-o04. 横浜. 2011年9月.
Tanaka T, Nishida S, Ogawa T. Target selection time differs when similar saccadic reaction times are evoked by different visual stimuli. 第34回日本神経科学大会, P2-o07. 横浜. 2011年9月.
Nishida S, Tanaka T, Shibata T, Ikeda K, Ogawa T. The strength of memory-period activity is predicted by intrinsic temporal structures in fixation-period baseline activity in macaque posterior parietal cortex. 第34回日本神経科学大会, P2-h17. 横浜. 2011年9月.
Nishida S, Tanaka T, Shibata T, Ikeda K, Ogawa T. Intrinsic temporal structures in baseline activity of single parietal neurons reflect delay-period activity during a memory-guided saccade task. 包括脳ネットワーク夏のワークショップ, システム-302. 神戸. 2011年8月. (若手優秀発表賞受賞)
田中智洋，西田知史，小川正. 視覚探索課題における脳内の目標選択時間は刺激の視覚的特徴とサッカード眼球運動潜時の両方に依存する. 電子情報通信学会技術報告, NC, ニューロコンピューティング, 111(96):67-72. 那覇. 2011年7月.
Fujimoto A, Nishida S, Tanaka T, Ogawa T. Neural activity in macaque prefrontal cortex during learning through trial-and-error behaviors. 第33回日本神経科学大会, P2-k15. 神戸. 2010年9月.
Tanaka T, Nishida S, Obuchi A, Fujimoto A, Ogawa T. Dynamic cording of target selection and saccade planning during visual search by macaque posterior parietal neurons. 第33回日本神経科学大会, P2-l17. 神戸. 2010年9月.
Fujimoto A, Nishida S, Ogawa T. Executing Search Mode Depending on Learning Phase at Problem Solution. 包括脳ネットワーク夏のワークショップ, 新学術津田-26. 札幌. 2010年7月.
西田知史，田中智洋，柴田智広，池田和司，小川正. 自発発火活動の時間相関による遅延活動期間の情報保持性能の潜在的表現. 電子情報通信学会技術報告, NC, ニューロコンピューティング, 110(149):1-6. 京都. 2010年7月. (日本神経回路学会最優秀研究賞受賞, IEEE-CIS Young Researcher Award受賞)
西田知史，柴田智広，池田和司. Object-Specific Modulation of Bottom-up and Top-down Attentional Search. 脳と心のメカニズム第10回冬のワークショップ, B-4. ルスツ, 北海道. 2010年1月.
西田知史，柴田智広，池田和司. Attentional Spreading during Object Tracking. 脳と心のメカニズム第10回夏のワークショップ, 13. 札幌. 2009年8月.
西田知史，柴田智広，池田和司. 空間的注意の広がりとしての同オブジェクト効果の解釈. 電子情報通信学会技術報告, NC, ニューロコンピューティング, 109(125):43-48. 生駒, 奈良. 2009年7月.
西田知史，柴田智広，池田和司. Analysis of Image Features Sampled by Eye Movements in Facial Perception. 脳と心のメカニズム第9回冬のワークショップ, P-31. ルスツ, 北海道. 2009年1月.
西田知史，岡夏樹. 効果線を用いた描画と擬音語・擬態語の対応付け学習における概念獲得モデル. フレッシュマンのための人工知能研究交流会. 東京. 2008年3月.

Grants

Research Grants

NICT競争的AI研究促進（SAIL）ファンド, 脳を用いた大規模視覚言語モデル学習法の開発, 研究期間: 2025年度, 研究参画者（代表者: 小林勇輝）
NICT競争的AI研究促進（SAIL）ファンド, 脳が感じる違和感を利用した AI 偽情報対策, 研究期間: 2025年度, 研究代表者
日本学術振興会科学研究費助成事業国際共同研究加速基金(海外連携研究), 脳とAIの対照に基づく視覚から言語を生成する個人脳プロセスの理解と模倣, 研究期間: 2024-2026年度, 研究代表者
日本学術振興会科学研究費助成事業挑戦的研究(萌芽), 脳空間を介してAIの認知的な判断過程を説明可能にする技術, 研究期間: 2024-2025年度, 研究代表者
国立情報学研究所公募型共同研究, 卓越した音楽の感受性に関わる脳内情報処理の理解とAIによる模倣, 研究期間: 2024年, 研究代表者（共同研究者：岸田昌子）
日本学術振興会科学研究費助成事業学術変革領域研究(B), ナラティブ意識学の創成, 研究期間: 2024-2026年度, 領域代表者
- 計画研究, ナラティブに基づいた意識経験の諸特性を表現する脳内情報の可視化, 研究期間: 2024-2026年度, 研究代表者
- 総括班, ナラティブ意識学の創成, 研究期間: 2024-2026年度, 研究代表者
キーコーヒー柴田裕記念財団研究助成, コーヒーの味わいに対する先入観と知覚のメカニズム, 研究期間: 2023-2024年度, 研究代表者
早稲田大–NICTマッチング事業, 不気味の谷現象の脳内機序解明に向けた計算神経科学的研究, 研究期間: 2023年度, 研究代表者（早稲田大代表者: 田和辻可昌、内定辞退）
九工大–NICTマッチング事業, 意味表現の個人差可視化を実現にする人工知能（AI）と脳情報統合技術の革新, 研究期間: 2023-2025年度, 研究代表者（九工大代表者: 我妻広明）
日本学術振興会科学研究費助成事業挑戦的研究(萌芽), サイバー情報のリアリティ欠如がもたらす認知的作用の解明に向けた学際的研究, 研究期間: 2022-2023年度, 研究代表者
NICT研究開発推進ファンド「TRIAL」, 人間らしさと個性を有した脳融合型言語 AI の開発. 研究期間: 2022年度, 研究代表者
日本学術振興会科学研究費助成事業基盤研究(C), 内観の認識論的地位の解明―現代哲学と神経科学による学融合的アプローチ, 研究期間: 2021-2024年度, 研究分担者 (代表者: 新川拓哉)
日本学術振興会科学研究費助成事業基盤研究(B), 脳情報空間を介してマルチモーダル認識問題を解く脳融合型AIの開発, 研究期間: 2021-2023年度, 研究代表者
科学技術振興機構戦略的創造研究推進事業（さきがけ）「信頼されるAIの基盤技術」領域, 脳情報に基づいた AI の信頼性評価技術の開発, 研究期間: 2020-2024年度, 研究代表者（1年延長制度に採択）
日本学術振興会科学研究費助成事業基盤研究(C), 習慣を中核にすえた新たな心の哲学と心の科学の展開, 研究期間: 2020-2022年度, 研究分担者 (代表者: 宮原克典)
立石科学技術財団研究助成(A), 人間の感性を理解する脳融合型AIの開発, 研究期間: 2019年度, 研究代表者
日本学術振興会科学研究費助成事業若手研究, ヒト脳情報を統合した個性を有する人工知能システムの開発, 研究期間: 2018-2020年度, 研究代表者
日本学術振興会科学研究費助成事業基盤研究(C), 意識の構造についての神経現象学的研究, 研究期間: 2018-2020年度, 研究分担者 (代表者: 新川拓哉)
NICT研究開発推進ファンド「TRIAL」, 魅力的な視聴覚コンテンツ制作のための脳モデルを介したコンテンツ評価手法の開発. 研究期間: 2017年度, 研究代表者
日本学術振興会科学研究費助成事業基盤研究(B), 多様層情報の脳内処理機構の解明に基づく脳内情報読解技術の深化と応用技術の開発, 研究期間: 2017-2019年度, 研究分担者 (代表者：小林一郎)
日本学術振興会科学研究費助成事業挑戦的萌芽研究, 科学的意識研究の方法論的基礎の哲学的検討:プロセス論的アプローチの確立に向けて, 研究期間: 2016-2017年度, 研究分担者 (代表者：新川拓哉)
日本学術振興会科学研究費助成事業若手研究(B), 自然視覚条件下の短期記憶におけるヒト大脳皮質の物体カテゴリ表現の解明, 研究期間: 2015-2017年度, 研究代表者
日本学術振興会平成27年度採用分特別研究員(PD), 作業記憶に関わる局所神経回路の計算機構の解明（内定辞退）
包括脳ネットワーク国内研究室相互の訪問研究プログラム, 視覚探索中の刺激選択に関連したニューロン活動に対する神経修飾物質の作用, 研究期間: 2013年度下半期, 研究代表者

Travel Grants

ISSA Summer School - Towards an Integrative Approach to the Study of Awareness, Kobe, Japan, Aug 2015
International Symposium “Vision, Memory, Thought: how cognition emerges from neural network”, 2014年12月
生理学研究所多次元脳トレーニング＆レクチャー, 2014年3月.
日本神経科学学会 JNS-SfN Exchange Travel Award Program, 2013年11月
脳と心のメカニズム第10回冬のワークショップ, 2010年1月.
日本神経回路学会オータムスクール ASCONE, 2009年10月.
脳と心のメカニズム第9回冬のワークショップ, 2009年1月.

Patents

EP Patent App. 23849982.6. Nishida S. Brain Response Space Generation Device, Evaluation Device, and Brain Response Space Generation Method. Jan 29, 2025.
US Patent App. 18/997,898. Nishida S. Brain Response Space Generation Device, Evaluation Device, and Brain Response Space Generation Method. Jan 23, 2025.
特許第7502746号, 発明者: 新熊亮一, 西田知史, 前田直哉, 角将高, 高山文博, 相本佳史, 発明の名称: 情報処理装置、情報処理システム、脳活動予測方法、及びプログラム, 出願人: 国立大学法人京都大学, 国立研究開発法人情報通信研究機構, 株式会社エヌ・ティ・ティ・データ, 株式会社エヌ・ティ・ティ・データ経営研究所, 出願日: 2020年6月26日, 登録日: 2024年6月11日
特開2024-019892, 発明者: 西田知史, 発明の名称: 脳応答空間生成装置、評価装置、及び脳応答空間生成方法, 出願人: 国立研究開発法人情報通信研究機構, 出願日: 2022年8月1日
特許第6928348号, 発明者: 西田知史, 西本伸志, 前田直哉, 発明の名称: 脳活動予測装置、知覚認知内容推定システム、及び脳活動予測方法, 出願人: 国立研究開発法人情報通信研究機構, 株式会社エヌ・ティ・ティ・データ, 出願日: 2017年8月9日, 登録日: 2021年8月11日
CN Patent 201780002397.X. Nishimoto S, Nishida S, Kashioka H. Material evaluation method and material evaluation device. Nov 17, 2020.
EP Patent 3406191B1. Nishimoto S, Nishida S, Kashioka H. Material evaluation method and material evaluation device. Oct 7, 2020.
特許第6687940号, 発明者: 西本伸志, 西田知史, 柏岡秀紀, 発明の名称: 素材評価方法、及び素材評価装置, 出願人：国立研究開発法人情報通信研究機構, 出願日: 2016年1月18日, 登録日: 2020年4月7日
特許第6662644号, 発明者: 西本伸志, 西田知史, 柏岡秀紀, 矢野亮, 前田直哉, 角将高, 萩原一平, 茨木拓也, 発明の名称: 視聴素材評価方法、視聴素材評価システム、及びプログラム, 出願人：国立研究開発法人情報通信研究機構, 株式会社エヌ・ティ・ティ・データ, 出願日: 2016年1月18日, 登録日: 2020年2月17日
US Patent App. 15/740,256. Nishimoto S, Nishida S, Kashioka H, Yano R, Maeda N, Kado M, Hagiwara I, Ibarak T. Viewing material evaluating method, viewing material evaluating system, and program. Nov 1, 2018.
US Patent App. 15/738,195. Nishimoto S, Nishida S, Kashioka H. Material evaluating method and material evaluating apparatus. Nov 1, 2018.

Committee Membership

脳と心のメカニズム計画委員（2024年度-）
日本神経回路学会オータムスクールASCONE2024 運営委員
日本神経回路学会 2023年度学術賞・論文賞・優秀研究賞に関する推薦委員
電子情報通信学会ニューロコンピューティング研究専門委員会専門委員（2023年度-）
電子情報通信学会 FIT2022 担当委員・プログラム委員
日本神経回路学会 2022年度学術賞・論文賞・優秀研究賞に関する推薦・選考委員
電子情報通信学会 2022年総合大会プログラム編成委員
情報・システムソサイエティ学術奨励賞選定委員会投票委員
Creative Destruction Lab (CDL) Neuro Mentor (2021-2022)
電子情報通信学会ニューロコンピューティング(NC)研究専門委員会幹事 (2021年度-2022年度)

Educational Activity

神戸大学 ROOTプログラム, サブアドバイザー（2024年度）
北海道大学人間知序論I 第7回「脳情報の解読とその応用」（2024年度）
名古屋大学全学教育科目人文・社会系基礎科目心理学特別講義「脳情報の解読とその応用」（2023年度）
神戸大学人文学研究科現代の心の科学と哲学特別講義「脳情報を介して心を可視化・モデル化する」（2022年度）
大阪大学生命機能研究科令和3年度特別集中講義「日常的な知覚に関わる脳内情報の可視化と人工知能への応用」 (2021年度)
お茶の水女子大学人間文化創成科学研究科理学総論特別講義「自然知覚に関わる脳情報の可視化とその応用」（2021年度）
中央大学文学研究科心理学特殊講義Ⅰ(2021年度)
神戸大学計算科学教育センター遠隔講義計算生命科学の基礎V 計算科学・データサイエンスと生命科学の融合基礎から医療・創薬への応用まで「脳情報の可視化とその応用」 (2018年度)
大阪大学生命機能研究科平成29年度特別集中講義「脳情報デコーディング」 (2017年度)
ISSA Summer School, Tutor (2017)
同志社大学理工学部情報処理実習 (2015年度-2019年度)

Scientific Materials in Print

西田知史. 脳シミュレータを用いた感性や思考の評価. センサイトWebジャーナル. 2024. https://sensait.jp/28753/
西田知史, 宮原克典, 新川拓哉. 特集：2023 年度人工知能学会全国大会 OS-11「人間とAIの共存のあるべき姿を考える」. 人工知能, 38(6):908, 2023.
西田知史, 宮原克典, 新川拓哉. 特集：2022 年度人工知能学会全国大会 OS-23「人間とAIの共存のあるべき姿を考える」. 人工知能, 37(6):820, 2022.
西田知史. AIへの脳融合. NICT NEWS, 2022 No.6 通巻496:12-13, 2022.
西田知史. Neuroscience 2013 （SfN 年次大会）参加記. 日本神経科学学会神経科学ニュース, No. 1, 2014.
西田知史. 2011年度日本神経回路学会最優秀研究賞の研究概要. 日本神経回路学会誌, 19(1):56-57, 2012.
西田知史. 若手優秀発表賞を受賞して. 包括脳ネットワークニュースレター, 3:12-13, 2011.
西田知史. 脳と心のメカニズム第10回冬のワークショップ参加報告. 日本神経回路学会誌, 17(2):80-81, 2010.
西田知史. 脳と心のメカニズム第9回冬のワークショップ参加報告. 日本神経回路学会誌, 16(2):103, 2009.

Media

[雑誌] 研究応援, 「脳活動の再現で人間らしさの解読を目指す」, vol. 32, pp. 34–35, リバネス出版, https://lne.st/business/publishing/kenkyu/, 2023年12月4日
[Web] fabcross, 「プログラミング上級者は脳活動が洗練されている——コード解析時の脳活動パターンが明らかに」, https://fabcross.jp/news/2021/20210331_brain-programmed.html, 2021年3月31日
[Web] EurekAlert!, "How the brain is programmed for computer programming?", https://www.eurekalert.org/pub_releases/2021-01/nios-htb012821.php, 2021年1月28日
[Web] KoKa Net,「プログラミングが上達する人の脳活動パターンが明らかに！」, https://www.kodomonokagaku.com/read/11639/, 2021年1月18日
[Web] 日経XTECH, 「AIの最高峰学会「AAAI」突撃取材、米国で日本勢が発表した深層学習の新手法とは」, https://xtech.nikkei.com/atcl/nxt/column/18/01218/022500003/, 2020年2月27日
[新聞] 日刊工業新聞, 「ＮＩＣＴ先端研究／情通機構（103）ＡＩに脳情報融合汎用性高めて「人間らしく」」, 2019年9月24日
[Web] 京都府: 知の京都, 「次世代脳情報基盤技術「脳の知覚情報処理の数理モデル化」」, https://www.pref.kyoto.jp/sangyo-sien/specialist/nishidasatoshi.html, 2019年6月6日.
[雑誌] CM INDEX, 「脳解読とAIで心の動きを先読み」, No.397, pp.22–26, 2019年4月20日
[雑誌] 週刊エコノミスト, 「AIが心を読む頭に浮かぶだけで文字に深層学習がますます進化」, 2018年1月23日
[Web] キーマンズネット, 「脳で感じた印象を文字にする「fMRI脳情報デコーディング」」, http://www.keyman.or.jp/at/30009886/, 2017年12月20日
[Web] MONOist, 「映像を見て感じた内容を脳から言語化する脳情報デコーディング技術を開発」, http://monoist.atmarkit.co.jp/mn/articles/1711/20/news048.html, 2017年11月20日
[Web] アピタル（朝日新聞デジタル）, 「CMの印象、脳活動から解読」, https://www.asahi.com/articles/ASKCM2H1DKCMUBQU005.html, 2017年11月19日
[新聞] 朝日新聞（大阪）, 「脳データ×AIでCMの印象を読み取り」, 2017年11月18日朝刊 33面
[新聞] 日経産業新聞, 「映像印象脳活動から推定」, 2017年11月14日 7面
[新聞] 電波タイムズ, 「考えただけで“内容を言語化” 脳情報デコーディング技術の開発に成功」, 2017年11月9日
[Web] EE Times Japan, 「脳活動から解読、映像を見て感じた印象も言語化」, http://eetimes.jp/ee/articles/1711/08/news052.html, 2017年11月08日

Web Resources

Psychophysics & Eyelink toolbox 導入手引き

Google Sites

Report abuse