隠れマルコフモデルに基づいた睡眠時ブラキシズム検査における筋電図波形識別の試み

点击翻译按钮获取中文摘要

筋電計による睡眠時ブラキシズム(SB)評価では，SB以外の筋活動もSBとして誤認される可能性があり，識別手法の確立が望まれる。そこで機械学習の応用によりSB／非SB時の筋電図の識別が可能か検討した。対象は，当科の教職員のうち本研究の同意が文書で得られた健常者12名とした（男性／女性：10／2名，平均年齢35.3±8.4歳）。これら被検者に，シールドルームにて仰臥位にてSB様運動（噛み締め）時ならびに非SB運動（嚥下，掻痒，頭部・体幹部の体動）を行わせた。その際の咬筋部，顎下部，オトガイ部，輪状軟骨部の筋電図をPolysomnography（PSG-1100，日本光電）を用いてカットオフ周波数10Hz，サンプリング周波数1,000Hzにて1名の検者が収集した。機械学習によるSB評価は，両側咬筋筋電図，両側舌骨下筋群，オトガイ筋，右側舌骨上筋群および皮膚伝達音を単体もしくは組み合わせたデータを対象に評価した．まず臨床評価結果をマスキングした状態で，睡眠検査1夜目に計測した睡眠時のSB運動ならびに非SB運動を教師データとして，2夜目のデータの各burst時の各種筋電図情報の波形をフレーム長100ms，フレームシフト50msとしてメル周波数ケプストラム係数（MFCC）を算出した．このMFCCに対して，1名の特徴量について他の11名の被検者の特徴量を教師データとした機械学習にてSB様運動の検出に関する感度，特異度を算出した。対象被験者12名のSB様運動の検出の感度／特異度を検討したところ，咬筋筋電図を用いた場合の識別精度が最も高く，感度／特異度：81.4±14.4／94.7±3.2であった。以上より咬筋筋電図に機械学習による解析を応用することで，SBと非SBの筋電図を精度高く識別できる可能性が示唆された。