| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-03-03 09:00 ［ポスター講演］てんかん性脳波異常区間の検出におけるニューラルネットワークモデルの一検討 ○福森航輔（東京農工大）・吉田 登（順天堂大）・田中聡久（東京農工大）  EA2019-156 SIP2019-158 SP2019-105 |
|
| 抄録 | （和） | てんかんは慢性の脳疾患であり，その診断には頭皮脳波検査による異常波形の検出が重要なステップとなる． しかしながら，その検査には多大な労力を要する為，自動診断支援技術の確立が求められている． 近年，機械学習の有効性が示されつつあるが，各種のてんかん脳波に対する検証は十分ではない． 本稿では，異常波形が連続して出現する小児・若年性てんかんの脳波に対し，異常区間の自動検出を試みる． そのための基礎検討として，専門医により注釈されたラベルを学習した教師ありモデルと，教師ラベルを与えない教師なしモデルを比較した． 教師ありモデルでは，畳み込みニューラルネットワーク（CNN）を構築し，教師なしモデルでは，CNNに基づく変分オートエンコーダを構築した． 実験では，小児・若年性欠伸てんかん患者8明の脳波を用いて，異常区間を検出するタスクを実施した． 結果として，異常区間を表す教師ラベルを与えた学習モデルは，8症例中6症例に対して高い検出性能（最大でAUC > 0.99）を示した． この結果は，異常脳波の検出において，教師ラベルは学習モデルの訓練において極めて重要な情報になっていることを示唆している． |
| （英） | Epilepsy is a chronic brain disease, and the detection of abnormal waveforms by scalp electroencephalography (EEG) is an important step in in diagnosing. Since the manual analyzation takes much time labor, the establishment of automatic diagnosis support technology is required. In recent years, the effectiveness of machine learning has been raised, however verification of various epileptic EEGs is not enough. In this paper, we detect abnormal interval automatically in EEG of children and juvenile epilepsy where abnormal waveforms appear continuously. As a basic study, we compared a supervised model with learned labels annotated by a specialist and an unsupervised model without supervised labels. In the supervised model, a convolutional neural network (CNN) is constructed, and in the unsupervised model, a variational auto-encoder based on CNN is constructed. In the experiment, we performed a task to detect abnormal sections using using the scalp EEG of eight children and juvenile absence epilepsy patients. As a result, the learning model with the the label indicating the abnormal interval showed high detection performance (up to AUC > 0.99) in 6 out of 8 cases. This result suggests that the labels are extremely important information for training a learning model in detecting abnormal EEG. |
|
| キーワード | （和） | てんかん / 異常区間 / 教師あり学習 / 教師なし学習 / 頭皮脳波 (EEG) / / / |
| （英） | epilepsy / abnormal intervals / supervised learning / unsupervised learning / electroencephalogram (EEG) / / / | |
| 文献情報 | 信学技報, vol. 119, no. 440, SIP2019-158, pp. 319-323, 2020年3月. | |
| 資料番号 | SIP2019-158 | |
| 発行日 | 2020-02-24 (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 | EA2019-156 SIP2019-158 SP2019-105 |
|
| 研究会情報 | |
| 研究会 | SP EA SIP |
| 開催期間 | 2020-03-02 - 2020-03-03 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | Okinawa Industry Support Center |
| テーマ（和） | 音声，応用／電気音響，信号処理，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIP |
| 会議コード | 2020-03-SP-EA-SIP |
| 本文の言語 | 日本語 |
| タイトル（和） | てんかん性脳波異常区間の検出におけるニューラルネットワークモデルの一検討 |
| サブタイトル（和） | |
| タイトル（英） | Comparison of Neural Network Models for Detection of Spatiotemporal Abnormal Intervals in Epileptic EEG |
| サブタイトル（英） | |
| キーワード(1)（和/英） | てんかん / epilepsy |
| キーワード(2)（和/英） | 異常区間 / abnormal intervals |
| キーワード(3)（和/英） | 教師あり学習 / supervised learning |
| キーワード(4)（和/英） | 教師なし学習 / unsupervised learning |
| キーワード(5)（和/英） | 頭皮脳波 (EEG) / electroencephalogram (EEG) |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 福森 航輔 / Kosuke Fukumori / フクモリ コウスケ |
| 第1著者 所属（和/英） | 東京農工大学 (略称： 東京農工大) Tokyo University of Agriculture and Technology (略称： TUAT) |
| 第2著者 氏名（和/英/ヨミ） | 吉田 登 / Noboru Yoshida / ヨシダ ノボル |
| 第2著者 所属（和/英） | 順天堂大学 (略称： 順天堂大) Juntendo University Nerima Hospital (略称： Juntendo Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 田中 聡久 / Toshihisa Tanaka / タナカ トシヒサ |
| 第3著者 所属（和/英） | 東京農工大学 (略称： 東京農工大) Tokyo University of Agriculture and Technology (略称： TUAT) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-03-03 09:00:00 |
| 発表時間 | 90分 |
| 申込先研究会 | SIP |
| 資料番号 | EA2019-156, SIP2019-158, SP2019-105 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.439(EA), no.440(SIP), no.441(SP) |
| ページ範囲 | pp.319-323 |
| ページ数 | 5 |
| 発行日 | 2020-02-24 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]