权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Development of Intracranial EEG Analysis Algorithm to Improve Surgical Outcomes in Drug-Resistant Epilepsy

开发颅内脑电图分析算法以改善耐药性癫痫的手术结果

基本信息

批准号：
22K09296
负责人：
岩崎真樹
金额：
$ 2.75万
依托单位：
National Center of Neurology and Psychiatry
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K09296/
关键词：
てんかん外科頭蓋内脳波 AI 転帰

项目摘要

経験のある医師が目視で行ってきた頭蓋内脳波判読に深層学習・機械学習を応用することで、てんかん外科治療後の良好な発作予後につながる頭蓋内脳波の特徴を抽出し、発作予後を予測する新たな解析アルゴリズムを創出することが本研究の目的である。本研究では、脳波波形の「形態パターン」に着目し、まず深層学習の手本となる「形態」サンプル抽出と、畳込みニューラルネットワークによる「形態」の自動抽出ソフトウェアを構築、最終的に脳波の形態特徴と外科切除領域を入力することで術後の発作予後を予測するアルゴリズム開発につなげる。３つのステップで研究を予定している。はじめの二段階の深層学習を通じて、発作時脳波変化、発作間欠期てんかん性放電(IEDs)、高周波振動(HFO)の３つの評価項目で切除すべき領域にて出現する形態パターンの特徴を明らかにする。最後に脳波の形態特徴と切除領域の入力により術後の発作抑制率を推定する予測アルゴリズムの開発を行う。令和4年度は、まず研究計画書を作成し、NCNP倫理委員会の一括審査で承認を得て研究を開始した。現在まで4例を組み入れ、頭蓋内脳波データを収集した。研究計画のステップ１『深層学習の手本となる皮質脳波「形態」サンプル抽出と畳み込みニューラルネットワークによる「形態」の自動抽出』を推進した。これまでに研究グループで構築した画像識別ニューラルネットワークの転移学習によるHFO識別手法(Takayanagi et al 2021)を発展させ，データ拡張技術の導入と識別法の改良により皮質脳波形態サンプル検出の正解率90%以上を達成することができた。

The purpose of this study is to extract and predict the characteristics of intracerebral hemorrhage, and to create new analytical methods for the diagnosis of intracerebral hemorrhage. This study focuses on the morphological characteristics of the waveform, the automatic extraction of morphological characteristics, the construction of morphological characteristics, the final morphological characteristics of the waveform, the surgical resection field, the prediction of postoperative development and the prediction of postoperative development. 3. The study of the topic is scheduled. The two-stage deep learning process, the time-varying process, the IEDs, the high-frequency oscillation (HFO), and the three-stage evaluation process are discussed in detail. Finally, the morphological characteristics of the wave and the entry force of the excised field are estimated, and the development of the predicted recovery is carried out. To prepare the study proposal for the year 2004, and to start the study after a review by the NCNP Ethics Committee. Now there are 4 cases of group entry, head internal wave entry, head internal wave entry and head internal wave entry. The first step of the research project is to promote the automatic extraction of "morphology" from deep learning. This study aims to develop HFO recognition methods (Takayanagi et al 2021) for image recognition, image processing and shift learning, and to improve the recognition method for image processing by introducing stretch technology, thereby achieving a correct solution rate of more than 90%.