マウス大脳皮質聴覚野の機能的領野分けには広い合意がない．過去の領野分け研究には，合成音に限定した音刺激の使用，また，研究者の仮説を基にした音響特徴量の事前絞り込み，という2つの問題があった．本研究では，この2つの問題を解決するため，自然音に似た複雑音に対する聴覚野活動を広域計測し，音響特徴量に関する仮説を用意せずに機械学習技術を用いた領域分割を試みた．165種の複雑音に対する活動をカルシウムイメージングし，ヒトfMRI信号向けに提案された行列分解手法を用いて5つのコンポーネントに分解した．トノトピーとの比較，音響特徴量による回帰，音カテゴリとの比較の結果，過去に提案されたAAF, A1, A2, DA, DM, DPに相当する領域が確認され，さらに，DAの外側にも潜在的な新領域候補が発見された．
