2021 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 | Asahikawa Medical College |
|---|
Principal Investigator |
山本 祥太 旭川医科大学, 医学部, 助教 (20795728)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | epilepsy / deep learning |
|---|
| Outline of Annual Research Achievements |
本年は、主に深層学習を用いたてんかん発作時の頭蓋内脳波波形の分類と、そのモデルにより抽出された特徴を抽出することを行った。Epi-Netという深層学習モデルを作成して、波形の特徴としてpowerとPhase amplitude couplingを用いた場合の精度と比較して、分類精度が優位に高いことを確認した上で、さらに特徴の抽出を行った。これには、Integrated Gradientと呼ばれる手法を利用した。この手法は本来、画像の分類を行った深層学習モデルが画像のどの部分に着目して、分類結果を出力したかを解析するための手法である。この手法はさらに、微分可能な範囲での拡張で、波形から周波数帯域ごとのpowerについての特徴を抽出できるように手法として拡張されているが、我々はこの手法をさらに改変して利用して、結果がpowerの大きさに左右されないようにした。この新しい特徴抽出手法を用いることで発作時波形に特徴的なのは、どの帯域のpowerの上昇と低下なのかを明らかにした。また単に分類に関する各周波数帯域の寄与を表すだけでなく、これを利用した新たな発作時波形を特徴付ける指標としてdata-driven epileptogenicity indexという指標を作成した。この指標は波形分類制度が、これまでの代表的指標であるpower,phase amplitude coupling,energy ratioなどよりも分類精度が高くなることを示した。単施設のretrospectiveなデータでの解析結果ではあるが、この結果をJournal of Neural Engineeringに公表した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
データの整理や準備には時間がかかったものの、てんかん発作時波形から新たな手法を用いて新しい特徴を抽出することに成功した。
|
| Strategy for Future Research Activity |
現時点では単施設のretrospectiveなデータについての指標の有用性が示されている。今後は他施設データに適用して、臨床的な有用性を示したいと考えている。
|
| Causes of Carryover |
解析にはやや時間がかかったため、論文化を行うことはできたものの、国際学会での発表ができなかった。繰越額は主に国際学会での発表と、他施設データ保存用のストレージの購入に当てる計画。
|
