| Project/Area Number |
19K18388
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 56010:Neurosurgery-related
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
藤田 祐也 大阪大学, 大学院医学系研究科, 招へい教員 (20839097)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2020: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2019: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
|
|---|
| Keywords | てんかん / 深層学習 / phase-amplitude coupling / deep learning / MEG / PAC / epilepsy / AI / automatic diagnosis / phase amplitude coupling / cross frequency coupling / functional connectivity / 特徴量抽出 / 脳波 / 脳磁図 |
|---|
| Outline of Research at the Start |
てんかんは1000人あたり5人から10人に1人の高い割合で見られる疾患である。しかしながら、脳波・脳磁図の複雑な波形の判読には経験 を要し、正確な診断を得ることは難しい。脳波・脳磁図の自動診断が可能となれば、正確な神経生理学的診断がいつでもどこでも可能となり、早期の正確な診断及び治療が可能になると考えた。近年 Deep learning などの人工知能技術が発展し、ビックデータを処理し解析をすることが可能となり、特に画像認識分野での実用化が期待されている。脳波や脳磁図のデータに対してもそれらの技術を応用できると考えた。
|
| Outline of Annual Research Achievements |
てんかんは診断には脳波や脳磁図の判読が必須である。しかしながら、これらの判読には時間がかかり、専門性が必要であるため、正確かつ簡単に診断するシステムの開発が望まれている。近年、人工知能の分野が発達し、Deep learningの進歩により様々な分野への実用化が進んでいる。
本研究では、初年度で90名のてんかん患者、90名の健常者にご協力いただき、我々の施設で脳磁図用に開発したDeep learning model（convolutional neural network : MNet）を用いて、てんかん患者と健常者の自動判別を行なった。また、診断に有用とされている特徴量（Power, Functional connectivity）や、てんかん発作と発作間欠期の識別に有用とされる特徴量、phase-amplitude couplingをMNetと組み合わせることで、MNetによる識別精度の向上及び抽出された特徴量の解明を試みた。PowerやFunctional connectivityといった特徴量とMNetを組み合わせた場合は、MNet単独と識別率は変わらなかった。一方で、MNetとphase-amplitude couplingを組み合わせることで診断率が向上することを明らかにし、phase-amplitude couplingがMNetが抽出する特徴量とは異なる側面の情報を持っていることを明らかにした。
また、これらの結果は単施設の結果であったため、汎化を目指し多施設の脳磁図データバンクの作成を行なった。
|
