講演抄録/キーワード |
講演名 |
2019-03-15 13:30
[ポスター講演]RNNを用いた発作間欠時脳波からのてんかん発作起始領域の推定 ○ニャムラダナー ビャムバドルジ・福森航輔・田中聡久(東京農工大)・飯村康司・三橋 匠・菅野秀宣(順天堂大) EA2018-138 SIP2018-144 SP2018-100 |
抄録 |
(和) |
てんかんは発作を伴う脳神経疾患である. てんかんの原因部位である発作起始領域(てんかん焦点)は, 患者の頭蓋内脳波を測定し, 専門医による目視での脳波判読で特定する. 長時間に渡り計測した脳波の判読は専門医にとって大きな負担となるため, 発作起始領域を発作間欠期脳波から自動判別する技術が求められている. そこで本稿では,てんかん患者の頭蓋内脳波からてんかんの発作部位である発作起始領域を教師あり学習によって検出する方法を提案する. 識別モデルには, 再帰型ニューラルネットワークの一種であるBiLSTM を用いたモデルを構築した. また, 比較対象のモデルとして, ロジスティック回帰モデル, サポートベクターマシンモデルと性能比較した. 皮質形成異常てんかん患者の脳波に対して学習したモデルで発作起始領域を検出したところ, 高い識別率を達成した. |
(英) |
Epilepsy is a neurological disorder characterized by recurrent seizures. An option of treatment is surgical resection of the brain tissue responsible for seizures. However, this option depends critically on accurate localization of the pathological brain tissue, which is referred to as the epileptic focus(seizure onset zone; SOZ). To this end, it is necessary to localize the SOZ causing seizures from the electrocorticogram (ECoG) signals. Since the inspection of ECoG recorded for a long time is a heavy load for clinicians, a technology for automatic detection of the epileptic focus from interictal ECoG is required. Therefore, We propose a method to detect epileptic focus using supervised learning from Interictal Electrocorticogram of epileptic patients. As a machine learning model, BiLSTM model which is one kind of Recurrent neural network is adopted. In addition, we compare performance with logistic regression model, SVM model as comparative models. When the epileptic focus was detected in a model learned for the interictal ECoG of a cortical dysplasia epilepsy patient, a high discrimination rate was achieved. |
キーワード |
(和) |
てんかん / 発作起始領域 / 頭蓋内脳波 / 教師あり機械学 / 再帰型ニューラルネットワーク / / / |
(英) |
Epilepsy / Seizure onset zone / Electrocorticogram / Supervised learning / Recurrent Neural Network / / / |
文献情報 |
信学技報, vol. 118, no. 496, SIP2018-144, pp. 229-231, 2019年3月. |
資料番号 |
SIP2018-144 |
発行日 |
2019-03-07 (EA, SIP, SP) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
EA2018-138 SIP2018-144 SP2018-100 |
|