| 研究課題/領域番号 |
26462211
|
|---|
| 研究機関 | 山口大学 |
|---|
研究代表者 |
丸田 雄一 山口大学, 医学(系)研究科(研究院), 学術研究員 (30543970)
|
|---|
| 研究分担者 |
藤原 幸一 京都大学, 情報学研究科, 助教 (10642514)
野村 貞宏 山口大学, 医学(系)研究科(研究院), 准教授 (20343296)
|
|---|
| 研究期間 (年度) |
2014-04-01 – 2017-03-31
|
| キーワード | てんかん / 脳波ノイズ除去法 / 多変量経験的モード分解 / 脳内ネットワーク |
|---|
| 研究実績の概要 |
高度なてんかん発作検出理論の構築あるいは発作予知理論の構築と実証を目的として、頭蓋内脳波データの解析結果から発作予知を行うための基盤技術確立を目指し研究を実施している。
上記目的の達成のためには、脳波解析の解析精度を低下させるアーチファクト（ノイズ）の分離・除去が必要である。
そこで、本年度は、頭蓋内脳波のノイズ除去法の確立を主な目的とし、アドバンストなICA、非負値行列分解/非負値テンソル分解（NMF/ NTF）、多変量経験的モード分解(Multivariate empirical mode decomposition;MEMD)による研究を実施した。このうち、多変量経験的モード分解によりオリジナル波形を一度複数の周波数成分に分解し信号を狭帯域の信号に分解し、ノイズを構成している成分を分離し、純粋な脳波信号を再現することに概ね成功した。
次に、てんかん発作起始に先行した脳内情報処理の変調を脳内ネットワークの変調として情報工学的解析技術を巧みに利用した検出手法の確立に着手した。
①相互相関法、②Phase-Locking value (PLV)法を用いて、チャンネル間の同期を網羅的に解析しているが、その前処理として実施している多変量経験的モード分解（ノイズ除去法）に時間を要し、脳内ネットワーク結合を明らかするところには至っていない。
以上の問題点の解決のため、多変量経験的モード分解のプログラムの並行処理を含めたプログラムの最適化に現在着手している。このほか、頭蓋内脳波データと共に脳血流データを採取する硬膜下センサーを開発した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
本研究に用いている脳波データは、2KHzのサンプリングレートで採取された30CHを超える膨大脳波データである。このデータを使用して、脳内ネットワーク解析を実施するにあたり、前処理としてノイズ除去を実施している。その際に使用する多変量経験的モード分解には、かなりの時間を要し、脳内ネットワーク結合解析を実施する以前に多大な時間をロスしていることがその原因である。そこで、前処理時間の大幅な短縮を図るため、多変量経験的モード分解のプログラムの並行処理を含めたプログラムの最適化に現在着手している。
|
| 今後の研究の推進方策 |
まずは、前処理時間の大幅な短縮を図るため、多変量経験的モード分解のプログラムの並行処理を含めたプログラムの最適化を実施する。ついで、当初の計画手順に従い、①相互相関法、②Phase-Locking value (PLV)法、③EMMA(Enumeration of Motifs through Matrix Approximation)などの手法を用いて、チャンネル間の同期を網羅的に解析し、脳内ネットワーク結合を明らかする。次に5分のウィンドウ・サイズで全ての発作について発作前の脳内ネットワーク結合の変調の存在を証明する。また、ｔ検定、一元配置分散分析法などにより、発作予知に有効な因子を統計学的に決定する。
|
| 次年度使用額が生じた理由 |
脳波ノイズ除去プログラムの処理速度の問題により、当初の脳内ネットワークの解析手法の確立に遅れが出るなど、実験の進行が遅れたことに加えて、学会発表や論文投稿もかなわなかったことによる。
|
| 次年度使用額の使用計画 |
学会発表のための旅費や論文投稿料として使用する
|
