Development of a noninvasive monitoring intracranial pressure by deep learning methods used the external auditory canal pressure pulse information

2022 Fiscal Year Annual Research Report

• Project/Area Number: 18K08940
• Research Institution: Shinshu University
• Principal Investigator: 降旗 建治 信州大学, 医学部, 特任准教授 (90021013)
• Co-Investigator(Kenkyū-buntansha): 本郷 一博 信州大学, 医学部附属病院, 特任教授 (00135154) ; 後藤 哲哉 信州大学, 医学部, 特任准教授 (30362130)
• Project Period (FY): 2018-04-01 – 2023-03-31
• Keywords: 頭蓋内圧 / 外耳道内圧脈波 / 深層学習 / 頭蓋内自然共振周波数 / 非侵襲的頭蓋内圧推定法 / パワースペクトル / 微分法によるピーク定量化 / 回帰木モデル

Outline of Annual Research Achievements

医療測定器としての頭蓋内圧（ICP）値は、直流成分であり、脳室ドレナージなど侵襲的な方法でしか達成できない。一方、蝸牛水管と内耳の解剖学的所見から、ICP の影響を受けた交流圧変動は、内耳・中耳・鼓膜を介して外耳道内圧（EACP）脈波として観察できる。
我々は、頭蓋内自然共振周波数（NRF）はICPのみに依存し、頭蓋内のICPとNRFの関係は二次関数（ICP = 0.0329NRF*NRF+ 0.0842NRF)で優れた相関関係（R2 = 0.9952）を示すことから、個々のNRFはICP値のみに依存することを解明した。そこで、非侵襲的にICPが類推できる医療機器を目指して、臨床試験データに基づくEACP波形情報の深層学習による安定した測定精度を維持した非侵襲的 ICP 推定法が確立できるかどうかを検討した。
まず、EACP波形以外のアーチファクトは、そのスペクトル解析結果に大きな影響を及ぼすため、長短期記憶（LSTM）ネットワークを使用し時系列予測したEACP信号がその雑音対策に有効であることを明らかにした。次に、EACP信号のパワースペクトル解析だけから頭蓋内NRFを抽出する新しい分析法を開発した。EACPのdB単位のパワースペクトルには、頭蓋内共振特性以外の固有特性が含まれているはずである。この両者を分離するのが最大の課題である。
スペクトルのベースライン補正やピーク・ディップ特性の定量化は、微分法を採用した。また、最小のピーク・ディップ数に抑えるために多項式（9次、10次、11次）によるスペクトル近似曲線が有効であることを発見した。深層学習法も含むMatlab2023a回帰学習器アプリによる解析は、上記検討結果から抽出できた36種類の独立変数と、実測したICPから逆算したNRFを目的変数として実施した。その結果、新規臨床試験データに対しても有効な回帰木モデルが構築できた。