| 研究課題/領域番号 |
19K18427
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分56010:脳神経外科学関連
|
|---|
| 研究機関 | 旭川医科大学 (2021-2022)
大阪大学 (2019-2020) |
|---|
研究代表者 |
山本 祥太 旭川医科大学, 医学部, 助教 (20795728)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2020年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2019年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | epilepsy / deep learning / data-driven / てんかん / 深層学習 |
|---|
| 研究開始時の研究の概要 |
てんかんの術前検査で得られた多くの頭蓋内脳波データを、人工知能の技術の一つである深層学習を用いて解析し、様々な種類のてんかんに共通している、発作を同定、予測することができる未知の特徴を発見する。この特徴を用いて、外科治療成績の改善を目指し、いつ起こかわからない発作による転倒や事故などを未然に防ぐようなデバイスの開発につなげることで、てんかん患者のQOLを改善させたいと考えている。
|
| 研究成果の概要 |
これまでの深層学習を利用した特に波形に関する研究では、ほとんどのものが波形の分類精度を上げることに焦点を当てており、作成した深層学習モデルが実際にどの様な特徴を捉えてその分類を行ったかということが、全くと言っていいほど明らかになっていなかった。画像解析用に開発された手法であるintegrated gradientという手法を利用したところ、てんかん焦点において発作時にみられるpowerの分布に一つのパターンが見られることがわかった。このパターンを特徴量として用いると、これまでに報告されてきた特徴量よりも高い精度で、脳波を分類できることがわかった。
|
| 研究成果の学術的意義や社会的意義 |
これまでに報告されてきた波形解析は個人ごとに行われていることが多かったが、今回の研究では波形を数値データとして直接深層学習の入力として使用し、患者間で共通のてんかん発作時に現れる波形特徴量を抽出できることを示した。てんかん発作を波形からより正確に同定することは、発作を検知して脳を刺激してんかん発作の伝播を防ぐシステムを作成する際に非常に重要である。今回報告した手法や、新しい指標が今後てんかん患者診療に応用されることが期待される。
|
