EHR-HGCN：電子健康記録テキスト分類の新しいハイブリッド異種グラフ畳み込みネットワーク方法 学術的背景紹介 自然言語処理（NLP）の急速な発展に伴い、テキスト分類はこの分野の重要な研究方向の一つとなりました。テキスト分類は、文献の背後にある知識を理解するのを助けるだけでなく、生物医学テキスト、特に電子健康記録（Electronic Health Records, EHR）などの分野でも広く応用されています。既存の研究は主に双方向トランスフォーマーに基づくエンコード表現方法（BERTなど）や畳み込みニューラルネットワーク（CNN）を利用した深層学習方法に集中しています。しかし、これらの方法は医学長文の処理時に入力長さの制限や高い計算資源の需要に直面することが多いです。また、テキスト分類の...
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...
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/...
电子電気工程師学会 (IEEE)《神経系统与康复工程事务》2021年第29卷刊登了一篇题为《一种基于注意力深度学习的单通道EEG睡眠阶段分类方法》的文章。本文由Emadeldeen Edele、Zhenghua Chen、Chengyu Liu、Min Wu、Chee-Keong Kwoh、Xiaoli Li及Cuntai Guan等学者撰写。文章的主要目的是提出一种新型的基于注意力的深度学习模型，用于通过单通道的脑电图（EEG）信号进行自动睡眠阶段分类。 研究背景 睡眠是人类重要的生理过程，直接影响到每日生活的各个方面。有研究表明，高质量的睡眠能够促进身体健康和脑功能的提升，而睡眠中断则可能导致失眠或睡眠呼吸暂停等睡眠障碍。睡眠阶段（如浅睡和深睡）对免疫系统、记忆和代谢等起着关键作用，因此...
タイトルページ: 深層学習放射線組織学モデルと臨床放射線学的特徴を併せた膵管腺癌患者の潜在的腹膜転移の予測モデルの開発と検証 背景 膵管腺癌(Pancreatic Ductal Adenocarcinoma, PDAC)は極めて致死率の高い悪性腫瘍で、5年生存率は約11%です。予後不良の一部の理由は、80-85%の患者が症状が現れた時点で、すでに進行期の病気、切除不能、または転移(潜在的腹膜転移(Occult Peritoneal Metastases, OPM)を含む)が発生していることにあります。腹膜はPDACの第2の一般的な転移経路であり、約10-20%の患者が初診時に腹膜転移を示します。この部分の患者については、早期に腹膜転移を特定することは、不必要な手術を避けるための治療選択に大き...
深層学習を用いた乳房X線写真と超音波画像を組み合わせたBI-RADS US 4Aレジオンの悪性度予測に関する診断研究 背景紹介 乳がんは女性で最も一般的な悪性腫瘍で、comparatively高い発症率と死亡率を示しています。以前の研究では、乳腺の密度が高い女性ほど乳がんになりやすいことが示されています。アジア人女性の乳腺密度は一般に、アフリカ系アメリカ人や白人女性よりも高いため、乳腺密度の高いアジア人女性を対象とした研究が特に重要です。 乳房X線撮影(マンモグラフィー)は、乳がんのスクリーニングに重要な手段と考えられており、乳がん関連死亡率を30%減らすことができると言われています。しかし、マンモグラフィーは乳腺密度の高い女性の乳腺病変の検出能力が低く、感度は48%~85%に低下することが...
人工知能に基づく乳房病変の分類に関する多施設研究 乳がん領域では、早期診断は治療効果と生存率の向上に不可欠です。乳がんは、非浸潤がん(原発性がん)と浸潤がんの2種類に大別されます。これらの2つのタイプのがんでは、治療戦略と予後が大きく異なります。非浸潤がんではリンパ節転移のリスクが低い(1-2%)ため、センチネルリンパ節生検(SLNB)は推奨されません。一方、浸潤がんの場合、SLNBまたは腋窩リンパ節郭清(ALND)が必要です。したがって、術前に良性、悪性、非浸潤がん、浸潤がんを正確に区別することが非常に重要です。 コントラスト強調乳房撮影(CEM)は、腫瘍の血管特性を描出できる新しい技術で、臨床応用が広がっています。しかし、CEMは乳がんの診断では悪性病変に対する感度は高いものの、特異度は...
拡散モデルベースの深層学習アルゴリズムを用いた超解像度イメージングと体積電子顕微鏡の強化 背景紹介 電子顕微鏡(Electron Microscopy、略してEM)は高解像度のイメージングツールとして、細胞生物学の重大な突破口を開いた。従来のEM技術は主に2次元のイメージングに使用されていたが、ナノスケールの複雑な細胞構造を明らかにしてきた一方で、3次元(3D)構造の研究には一定の限界があった。より高度な技術である体積電子顕微鏡(Volume Electron Microscopy、略してVEM)は、連続切片と断層走査技術(透過電子顕微鏡TEMやスキャニング電子顕微鏡SEMなど)を用いて、細胞や組織の3Dイメージングを実現し、細胞、組織、さらには小型のモデル生物のナノスケールの3D構造を抽出...
EEG解読におけるユークリッド整列と深層学習の系統的評価 背景紹介 脳波(EEG)信号は、非侵襲性、携帯性、低コストな収集などの利点から、脳コンピューターインターフェース(BCI)タスクで広く利用されています。しかし、EEG信号には低い信号対雑音比、電極位置の影響を受けやすい、空間分解能が低いなどの欠点があります。深層学習(DL)技術の進歩に伴い、この技術はBCI分野で優れた性能を示し、場合によっては従来の機械学習手法を上回っています。しかし、DLモデルには大量のデータが必要であるという主な障害があります。複数の被験者データを使った転移学習(Transfer Learning、TL)は、データ共有によってDLモデルをより効率的に訓練できます。ユークリッド整列(Euclidean Alignm...
GCTNet：EEG信号に基づいて重度抑うつ症を検出するグラフ畳み込みTransformerネットワーク 研究背景 重度抑うつ症（Major Depressive Disorder, MDD）は、一般的な精神障害であり、顕著かつ持続的な低気分を特徴とし、全世界で約3億5千万人に影響を与えています。MDDは自殺の主な原因の一つであり、毎年約80万人がこれにより命を落としています。現在のMDDの診断は主に患者の自己報告と臨床医の専門的判断に依存しています。しかし、診断過程の主観性は、異なる医師間での一致性の低さを引き起こし、正確でない診断をもたらす可能性があります。研究によれば、MDDと診断された一般医師の正確率はわずか47.3%に過ぎません。したがって、客観的かつ信頼できる生理指標を探索し、効...