• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

音信号特徴量を用いた針筋電図のリアルタイム判別システムの開発

研究課題

研究課題/領域番号 17K09800
研究種目

基盤研究(C)

配分区分基金
応募区分一般
研究分野 神経内科学
研究機関金沢医科大学 (2019-2020)
徳島大学 (2017-2018)

研究代表者

野寺 裕之  金沢医科大学, 医学部, 准教授 (40363147)

研究期間 (年度) 2017-04-01 – 2021-03-31
研究課題ステータス 完了 (2020年度)
配分額 *注記
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2018年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2017年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
キーワード針筋電図 / 人工知能 / 音特徴量 / 自動判別 / AI / 機械学習 / ディープラーニング / 針筋電図検査 / 安静時放電 / 神経内科 / 神経筋疾患
研究成果の概要

神経筋疾患の患者での針筋電図検査で安静時放電をデータベース化した。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。
手法2)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。

研究成果の学術的意義や社会的意義

針筋電図の放電判別は専門医以外には容易ではなく、正確な診断を妨げている。本研究により機械学習やディープラーニングを用いることで高精度に判別が可能であることが分かった。今後は実用化に向けて対象となる波形を増やしていく。

報告書

(5件)
  • 2020 実績報告書   研究成果報告書 ( PDF )
  • 2019 実施状況報告書
  • 2018 実施状況報告書
  • 2017 実施状況報告書
  • 研究成果

    (2件)

すべて 2019 2018

すべて 雑誌論文 (2件) (うち査読あり 1件)

  • [雑誌論文] Deep learning for waveform identification of resting needle electromyography signals2019

    • 著者名/発表者名
      Nodera Hiroyuki、Osaki Yusuke、Yamazaki Hiroki、Mori Atsuko、Izumi Yuishin、Kaji Ryuji
    • 雑誌名

      Clinical Neurophysiology

      巻: 130 号: 5 ページ: 617-623

    • DOI

      10.1016/j.clinph.2019.01.024

    • 関連する報告書
      2019 実施状況報告書 2018 実施状況報告書
    • 査読あり
  • [雑誌論文] Classification of needle-EMG resting potentials by machine learning2018

    • 著者名/発表者名
      Nodera Hiroyuki、Osaki Yusuke、Yamazaki Hiroki、Mori Atsuko、Izumi Yuishin、Kaji Ryuji
    • 雑誌名

      Muscle & Nerve

      巻: 59 号: 2 ページ: 224-228

    • DOI

      10.1002/mus.26363

    • 関連する報告書
      2018 実施状況報告書

URL: 

公開日: 2017-04-28   更新日: 2022-01-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi