この記事は、インテル® デベロッパー・ゾーンに公開されている「Functional Connectivity of Epileptic Brains: Investigating Connectivity of Epileptic Brain – Week 1 Update」(https://software.intel.com/en-us/blogs/2017/11/14/functional-connectivity-of-epileptic-brains-investigating-connectivity-of-epileptic) の日本語参考訳です。
このブログでは、てんかん脳の結合性調査の利用について紹介します。前処理、必要なフィルターの適用、基本的な結合性の抽出を含む、EEG データ処理の基本ステップを示します。これらのステップは、メインのマシンラーニング分類アルゴリズムとして多層パーセプトロン・ニューラル・ネットワークを使用する特徴抽出プロセスにおいて重要な役割を果たします。
てんかんの定義
てんかんとは、てんかん発作と呼ばれる脳機能の反復性非誘発発作を特徴とする脳疾患です。てんかん発作が起こると、大脳皮質のニューロンが同時に過剰放電を行うことで、筋肉の硬直、筋肉痙攣、意識障害などの症状を引き起こします。この疾患は、全人口の 0.5 ～ 1% に影響する慢性疾患と考えられています。疾病対策センターの報告によると、アメリカ国内だけで成人 (18 才以上) の 1.8%、子供 (0 ～ 17 才) の 1% がてんかんを患っているとされています。上記の症状は一般的なもので、発作の部位、持続期間、伝播経路は個人によって異なります。発作は突然起こるため、この不確実性がてんかん患者の生活の質に大きく影響します。てんかんの定義を読むだけで、てんかん患者の多くがこの疾患によって苦しんでいることが分かります。私は、現在のテクノロジーをもってすれば、知識の境界を押し上げて、てんかん患者の治療プロトコルの向上に貢献できると信じています。
脳とてんかんを取り上げる理由
私は、フロリダ国際大学の Center of Advance Technology and Education (CATE) に来てすぐに、てんかん脳の研究に取り掛かりました。研究内容は、脳 (つまり、てんかん脳) の結合領域についてです。脳を研究対象とした主な理由は、その複雑さです。人間の脳は、私が今までに遭遇した最も魅力的で複雑なシステムです。そのため、脳の働きを理解することは、常に私の研究における最優先事項の 1 つです。
脳は、我々の体の指令センターと考えることができます。神経系を利用して全身に指令を伝達するだけでなく、脳内部の異なる領域とも通信しています。脳内のニューロンのグループは、軸索を媒体として別のグループと通信しており、脳波 (EEG) を監視することで、その活動をキャプチャーすることができます。
EEG を使用する理由
神経生理学的技術の中で、脳波 (EEG) は、脳の活動を検査する最も一般的で信頼できるモダリティーであり、主な診断評価として採用されています。EEG 記録は、ほかの神経画像検査と比較して単純で安価です。EEG は、脳神経によって生成される電気活動をキャプチャーします。高い時間分解能を備えた EEG は、信号ペア間の同期を識別するのに最適なツールと見なされています。てんかん診断の多くは、EEG の記録と視覚化によって行われます。疾患検出において、EEG からてんかんの特徴を読み取ることが重要な役割を果たします。したがって、EEG の隠れたパターンを読み取ることは、複雑なてんかん診断プロセスの緩和に役立つ可能性があります。
画像の出典: http://www.medicalestudy.com (英語)
脳の結合性について
機能的結合性の研究は、神経科学の分野において大きな注目を集めており、さまざまな研究で有望な結果をもたらしています。機能的結合性は、大脳皮質で起こる事象の相関関係の調査によって定義されます。機能的結合性の値は、ニューロンのグループ間の同期レベルに依存します。この同期レベルは、コヒーレンス測定など最も有望な尺度の 1 つを用いて EEG 記録から予測できます。EEG コヒーレンスは、脳領域にわたる異なる周波数の神経活動間の相互作用を提供します。ここでは、これを用いて発作間てんかん型放電 (IED) のパターンを解析します。異なる型の IED 特性は異なるパターンを作成し、それが分類パラメーターとして使用されます。
次のステップ
ここでは、脳の結合性と EEG への適用方法について簡単に説明しました。次のステップでは、EEG データを作業環境へインポートして、データの調査プロセスに取り掛かります。
次のステップ: EEG データの前処理 – パート 2
コンパイラーの最適化に関する詳細は、最適化に関する注意事項を参照してください。
