在現代医療診断および臨床研究において、動的コントラスト強調磁気共鳴画像（Dynamic Contrast-Enhanced Magnetic Resonance Imaging, DCE-MRI）技術は、組織病理学に関する重要な情報を提供します。トレーサーキネティック（Tracer-Kinetic, TK）モデルをフィットさせることにより、時間系列MRI信号から薬物動態学（Pharmacokinetic, PK）パラメーターを抽出できます。しかし、これらの推定されたPKパラメーターは、信号対雑音比（Signal-to-Noise Ratio, SNR）、バックグラウンドT1時間、開始時間、動脈入力機能（Arterial Input Function, AIF）、およびフィットアルゴリズムなど...

Siamese-Transport領域適応フレームワークに基づく3D MRIによる膠芽腫およびアルツハイマー病の分類 研究背景 コンピュータ支援診断において、3D磁気共鳴画像法（MRI）によるスクリーニングは早期診断に重要な役割を果たし、さまざまな脳疾患の悪化を防止するのに有効です。膠芽腫は一般的な悪性脳腫瘍で、その治療法は腫瘍のグレードによって異なります。そのため、正確で効率的な3D MRI分類は医用画像分析において極めて重要です。しかし、従来の深層学習モデルは臨床における未ラベルデータに適用された場合、異なる装置やデータ収集パラメータの違いによる領域間不一致性のため、性能が著しく低下します。既存の方法は主に領域間の差異を減少させることに焦点を当てていますが、セマンティック特徴と領域情報の...

深度睡眠ネットワーク：シングルチャネルEEGに基づく自動睡眠ステージスコアリングモデル 背景紹介 睡眠は人体の健康に重要な影響を持ち、人々の睡眠の質を監視することは医学研究および実践において極めて重要です。通常、睡眠専門家は複数の生理信号（脳波図 (EEG)、眼電図 (EOG)、筋電図 (EMG)、心電図 (ECG) など）を分析することで睡眠ステージをスコアリングします。これらの信号は多導睡眠ポリグラフ (Polysomnogram, PSG) と呼ばれ、分類後に個人の睡眠状態を特定するために使用されます。しかし、この手動方法は時間がかかり、労力が必要であり、専門家が複数の夜に渡って複数のセンサーを記録し分析する必要があります。 複数の信号（EEG、EOG、EMG など）やシングルチャネル...

近年、バーチャルリアリティ技術（Virtual Reality、VR）は徐々に普及し、関連するハードウェアの価格もますます手頃になっています。たとえば、市販のヘッドマウントディスプレイ（Head Mounted Displays、HMDs）は高解像度のディスプレイを提供するだけでなく、正確な頭部および手持ちコントローラのトラッキング機能も備えています。これらの技術は当初はエンターテインメント業界で多く使用されていましたが、ますます多くの応用分野がこの技術をシリアスゲーム（Serious Games）のために利用し始めており、特にトラウマイベント後のリハビリテーション分野、中でも中風（脳卒中）患者のリハビリで活用されています。 背景と目的 脳卒中は、脳への血液供給が遮断されるか、脳内および脳周...

近年、脳腫瘍の高発生率と致命性のため、迅速かつ正確に脳腫瘍を検出し分類することが特に重要になってきています。脳腫瘍には悪性と非悪性の二種類があり、その異常な成長は脳に長期的な損傷を与えます。磁気共鳴画像（MRI）は一般的な脳腫瘍の検出方法です。しかし、専門家による手作業でのMRI画像分析に頼ると結果が一致しないリスクがあり、さらに単に腫瘍を識別するだけでは不十分で、迅速に腫瘍の種類を特定して早期に治療を開始することも重要です。 研究背景 腫瘍検出の速度、信頼性、公正性を向上させるために、本研究ではVGG16、InceptionV3、VGG19、ResNet50、InceptionResNetV2、Xceptionなど、さまざまな深層学習（Deep Learning, DL）アーキテクチャを探...

睡眠段階分類は、睡眠の質の評価や疾病の診断において極めて重要です。しかし、既存の分類方法は時間変動する多チャンネル脳信号の空間および時間特徴の処理、個別の生体信号の違いへの対応、モデルの解釈可能性の点で多くの課題に直面しています。従来の機械学習方法は複雑な特徴工学に依存しており、深層学習方法は特徴の表現学習に優れているものの、空間-時間特徴の利用、個体間の一般化能力、モデルの解釈可能性においてまだ改善の余地があります。 これらの課題を解決するために、北京交通大学のZiyu Jiaらとマサチューセッツ工科大学のLi-Wei H. Lehmanは、多視角時空グラフ畳み込みネットワーク（Multi-View Spatial-Temporal Graph Convolutional Networks...

背景紹介 運動イメージ（Motor Imagery, MI）は、実際の筋肉運動を行わずに想像によって活動を行うことを指します。このパラダイムは脳-コンピュータ・インターフェース（Brain-Computer Interface, BCI）に広く応用され、脳活動を外部装置の制御指令にデコードするために使用されます。特に、脳波（Electroencephalography, EEG）は相対的に安価で、携帯が容易であり、他の神経画像ツールより時間分解能が高いため、BCIに広く使用されています。さらに、このパラダイムは脳卒中患者の神経リハビリテーションに役立ちます。研究によると、ロボット支援の脳-コンピュータ・インターフェース訓練が脳卒中患者の運動リハビリ効果を向上させることができます（論文[5]お...

低級グリオーマ手術後の成長モデル予測価値の評価研究レビュー はじめに グリオーマは、脳内で急速に拡散する侵襲性脳腫瘍である。この拡散のパターンと速度を理解し予測することで、治療計画の最適化が可能である。拡散-増殖モデルに基づくグリオーマ成長モデルは実現可能性を示しているが、実際の臨床データでの応用と評価には依然として課題がある。この問題の評価を改善するために、本研究では腫瘍成長問題をランキング問題と見なし、平均精度（Average Precision, AP）を指標として使用することを提案する。この方法は特定の体積閾値を必要とせず、空間パターンをより正確に評価できる。 研究の出典 この論文は、カリン・A・バン・ガルデレン（Karin A. van Garderen）、セバスチャン・R・バン・...

MI-EEGデコードにおける注意機構に基づく時間依存学習畳み込みニューラルネットワーク（CNN） 研究背景と問題提起 脳-機械インターフェース（Brain-Computer Interface, BCI）システムは、脳信号をリアルタイムで翻訳してコンピュータと通信する新たな手段を提供しています。近年、BCI技術は麻痺患者に対する補助や予防的なケアにおいて重要な役割を果たすようになりました。現在の多くのBCIシステムは、非侵襲的で比較的便利な脳波（EEG）信号記録に依存して脳活動を追跡しています。しかし、同じMI（運動想像）タスクの期間中でも、異なる時期に生じる異なるMI関連パターンの時間依存性特性はしばしば無視され、MI-EEGデコード性能が大きく制約されています。 論文の出典と著者情報 論...

肌骨モデルは、生体力学解析に広く利用されており、直接計測が困難な運動変数（例：筋力や関節モーメント）を推定することができます。従来の物理駆動の計算肌骨モデルは、神経駆動から筋肉、筋肉の動力学、および身体と関節の運動学と動力学の間の動的相互作用を説明することができます。しかし、これらのモデルはその複雑さのため、動作速度が遅く、リアルタイムアプリケーションの実現が難しいです。近年、データ駆動方式はその実現速度の速さと操作の簡単さから有望な代替手段となっていますが、基礎的な神経機械プロセスを反映することができません。 本研究では、物理学の知識を融合した深層学習フレームワークを提案し、筋骨モデリングを実現します。このフレームワークでは、物理分野の知識をデータ駆動モデルに導入し、ソフト制約として罰則/...