2019 Fiscal Year Research-status Report
Establishment of real-time diagnostic system for needle electromyography by audio features
| Project/Area Number |
17K09800
|
|---|
| Research Institution | Kanazawa Medical University |
|---|
Principal Investigator |
野寺 裕之 金沢医科大学, 医学部, 准教授 (40363147)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 針筋電図 / 音特徴量 / 人工知能 / 自動判別 / AI |
|---|
| Outline of Annual Research Achievements |
神経・筋疾患の患者で行われた針筋電図検査で得られた安静時放電のデータベース化し、臨床的に重要な放電を分類した。分類された放電ファイルを2秒ごとに分割した。
手法１）それぞれの放電ファイルを用いて音特徴量をソフトウェアにより抽出した。機械学習的手法を用いて6種類の安静時放電の判別を試みたところ、正判別率は90.4%であった。具体的には以下の放電を対象とした（endplate potential; fibrillation potential and positive sharp wave; myotonic discharge;noise artifact; complex repetitive discharge; fasciculation potential)。 Nodera H, Osaki Y, Yamazaki H, Mori A, Izumi Y, Kaji R. Classification of needle-EMG resting potentials by machine learning. Muscle Nerve. 2019;59:224-228.
手法２）手法１と同一の放電データファイルを用いて実験を行った。針筋電図放電から得られた音情報をメルスペクトログラムに画像変換を行い、得られた画像を教師データとテストデータに分割した。それらのデータを用いて畳み込みニューラルネットワーク（CNN)を用いてディープラーニングを行った。画像データ増幅を行ったところ、正判別率は100%まで増加した。Nodera H, Osaki Y, Yamazaki H, Mori A, Izumi Y, Kaji R. Deep learning forwaveform identification of resting needle electromyography signals. ClinNeurophysiol. 2019;130:617-623.
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
2つの異なる手法を用い、安静時放電の判別を行った。以下に記載する参考文献として示す通り、英文雑誌2報に掲載されたことより、研究はおおむね順調に進展していると考えている。引き続きデータの集積を行っているが、稀な放電パターンに対するデータ数が伸び悩んでいる。
参考文献
Nodera H, Osaki Y, Yamazaki H, Mori A, Izumi Y, Kaji R. Classification of needle-EMG resting potentials by machine learning. Muscle Nerve.2019;59:224-228.
Nodera H, Osaki Y, Yamazaki H, Mori A, Izumi Y, Kaji R. Deep learning forwaveform identification of resting needle electromyography signals.ClinNeurophysiol. 2019;130:617-623.
|
| Strategy for Future Research Activity |
安静時放電6種類を用いて深層学習を行う人工知能的判別法は高精度で可能であることが本年度の研究で示された。
今後の課題としては、筋原性および神経原性放電の鑑別が可能であるか、データを蓄積して検討を行う予定である。臨床データのみの集積では限界がある可能性も考え、動物モデルからのデータ収集も予定している。すでに発表した英語論文の内容を踏まえ、データ数を多くし、別の深層学習ネットワークにても判別を試みていく。
|
| Causes of Carryover |
研究代表者の異動により、現在の所属機関にて研究を立ち上げるのに時間がかかったため。
次年度の使用計画としては、ディープラーニングにより発生した大容量のデータを保存するためにハードディスクおよびその周辺機器を購入する予定である。また、進歩著しい人工知能分野の最近の知見を研究に取り入れるため、書籍を購入する予定である。
|
