てんかん性異常脳波の深層学習による自動検出

• Item type: SIG Technical Reports(1)
• 公開日: 2021-02-24
• タイトル: てんかん性異常脳波の深層学習による自動検出
• タイトル / 言語: en
• タイトル: Automatic Detection of Epileptic Abnormal EEG Using Deep Learning
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: SIP1
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京農工大学大学院工学府電気電子工学専攻
• 著者所属: 順天堂大学医学部附属練馬病院小児科
• 著者所属: 東京農工大学大学院工学府電気電子工学専攻
• 著者所属(英): en
• 著者所属(英): Department of Electrical and Electronic Engineering Tokyo University of Agriculture and Technology
• 著者所属(英): en
• 著者所属(英): Department of Pediatrics, Juntendo University Nerima Hospital
• 著者所属(英): en
• 著者所属(英): Department of Electrical and Electronic Engineering Tokyo University of Agriculture and Technology
• 著者名: 庄司, 拓句; 吉田, 登; 田中, 聡久
• 著者名(英): Taku, Shoji; Noboru, Yoshida; Toshihisa, Tanaka
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: てんかんの診断に脳波測定は不可欠な検査であるが，波形の判読には専門的な知識と経験を要する．そのため，てんかんに関連する異常脳波を自動検出できる技術の確立が求められている．本稿では，異常脳波を検出する ための軽量な CNN を提案する．この CNN モデルは電極ごとの時間たたみこみ，電極間の空間たたみこみ，さらに時間・空間のたたみこみを基本的な層として持ち，電極ごとに判定結果を出力する．これによって，脳の部位ごとに異常を検出することができる．てんかん患者 19 名の脳波を用いたシミュレーションの結果，提案モデルは既存の CNN と同等以上の AUC および F 値で異常脳波を検出した．少数のパラメータで効率的に時間方向と空間方向の特徴抽出を実現できるため，提案モデルは，データの大規模化が困難である医療脳波からの異常検出全般に応用が可能である．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Although electroencephalography (EEG) is essential for the diagnosis of epilepsy, it requires expertise and experience to evaluate the waveforms. This motivates the need to establish a technology that can automatically detect abnormal EEGs related to epilepsy. In this paper, we propose a compact CNN model for detecting abnormal EEGs. This CNN model has temporal convolution for each electrode, spatial convolution between electrodes, and temporal/space convolution as the primary layers and outputs each electrode’s prediction results. This allows us to detect abnormalities in each region of the brain. The simulation results using EEGs of 19 epilepsy patients showed that the proposed model detected abnormal EEGs with AUC and F-values equivalent to or higher than those of existing CNNs. Since the proposed model can efficiently extract features in the temporal and spatial directions with a small number of parameters, it can be applied to detect medical EEG abnormalities in general, where large-scale data is not available.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10442647
• 書誌情報: 研究報告音声言語情報処理（SLP）; 巻 2021-SLP-136, 号 6, p. 1-6, 発行日 2021-02-24
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8663
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会