2020 Fiscal Year Research-status Report
深層学習を用いたてんかん発作予測のための新たな特徴量の創出
Project/Area Number |
19K18427
|
Research Institution | Osaka University |
Principal Investigator |
山本 祥太 大阪大学, 医学系研究科, 招へい教員 (20795728)
|
Project Period (FY) |
2019-04-01 – 2022-03-31
|
Keywords | てんかん / 深層学習 |
Outline of Annual Research Achievements |
深層学習を利用した場合の発作同定の精度が、一般的な機械学習による精度よりも高い傾向が見られることが分かった。また発作予測精度についても、深層学習を利用した方が精度が良い傾向が見られることが分かった。次の段階として、このような精度の高いモデルを利用した場合に抽出された特徴量が、臨床データとどの程度関連性があるかの検討を行っている。深層学習を用いる事で抽出できた特徴量が高い、または低い事によって、その波形がどの程度発作波形らしいのかを検討し、眼で見る事の出来ないような発作特徴量を利用した場合に、てんかん患者さんの予後を改善できる可能性があるかどうかを検討している。 まず、術前のMRI画像、切除術後のMRI画像と、電極を留置した状態でのCT画像から、留置した電極の内、どの電極が信号を計測した領域の脳が、焦点切除術の際に切除されたかについて検討を行った。更に、これまでは脳波波形を目視で確認した場合に発作焦点として判断された電極の波形についての検討を行っていたが、これに加えて、留置した全電極から得られた波形に関して、深層学習が抽出した特徴量がどのような値になっているかの検討を行った。これら深層学習が抽出した特徴量が大きな値を示す電極と、実際に切除された電極とを比較することで、この深層学習手法により抽出した特徴量を利用することで薬剤難治性てんかん患者の焦点切除における予後の改善につなげる事ができるのではないかと考えている。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
発作同定、予測ともに深層学習の利用により精度の改善が見込める事が分かってきているため。またさらにそこから研究を発展させることができているから。
|
Strategy for Future Research Activity |
課題、深層学習手法により抽出した特徴量が、臨床データと照らし合わせてどの程度有効かに結び付ける事。この研究は現在進行中である。
|
Causes of Carryover |
解析がある程度順調に進行し、必要データ量がやや減少したことによる。また学会などへの参加費用が減少した事。
|