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...
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/...
在今日の教育環境において、学生の学習スタイルを理解することは、彼らの学習効率を向上させるために極めて重要です。特に視覚学習スタイル（visual learning style）の識別は、教師と学生が教育と学習の過程でより効果的な戦略を取るのに役立ちます。現在、視覚学習スタイルを自動的に識別する主な方法は、脳波（Electroencephalogram, EEG）と機械学習技術に依存しています。しかし、これらの技術は通常、アーティファクトの除去および特徴抽出のためにオフライン処理が必要であり、そのためリアルタイムでの適用が制限されています。 この研究は、Soyiba Jawed、Ibrahima Faye、およびAamir Saeed Malikが《IEEE Transactions on N...
研究背景及目的 近年では、脳-コンピュータインタフェース（Brain-Computer Interface、BCI）システムが神経工学および神経科学の分野で広く応用され、脳波（Electroencephalogram、EEG）は中枢神経系の異なるニューロン集団の活動を反映するデータツールとして、これらの分野で重要な研究テーマとなっています。しかし、EEG信号は低空間分解能、高時間分解能、低信号対雑音比、および個体差が大きいという特徴があり、信号処理および正確な分類において大きな課題となっています。特に運動想像（Motor Imagery、MI）というEEG-BCIシステムの一般的なパラダイムにおいて、異なるMIタスクのEEG信号を正確に分類することは、BCIシステムの機能回復およびリハビリテ...
脑機インターフェース（Brain-Computer Interface, BCI）技術は近年急速に発展しており、末梢神経や筋肉を介さず、大脳を直接制御する先端技術として注目されています。特に運動イメージ（Motor Imagery, MI）脳波（Electroencephalography, EEG）の応用において、BCI技術は大きな可能性を示しています。MI-EEG信号を分析することで、身体障害や神経筋退化の患者の生活の質を向上させる手助けが可能です。しかし、個人間の差異や大脳活動の安定性、低信号雑音比（Signal-to-Noise Ratio, SNR）などの要因により、複雑なEEG信号から有効な特徴を抽出し、MI-EEG分類システムの精度を向上させることは依然として大きな課題となって...
聴覚記憶の識別および予測符号化の脳の時空間階層構造 背景紹介 本研究は、人間の脳が記憶した音楽の連続性とその体系的な変化を識別する際の階層的な脳メカニズムを探ることを目的としています。視覚パターンの神経処理に関する研究は広範に行われている一方で、聴覚連続性の認識およびそれに関連する予測誤差の理解は未だに十分ではありません。聴覚システムは時間の経過と共に形成されるパターンと連続性から情報を抽出し、大脳の時間的な階層構造を理解するためのユニークな機会を提供します。関連する研究は、大脳が予測符号化理論（Predictive Coding Theory，PCT）を通じて内的モデルを常に更新し、外界の情報や刺激を予測していると仮定しています。 研究の出所 本論文の著者には、L. Bonetti、G. ...
近年来、がんこな間作性てんかん (refractory epilepsy) は医学界から注目されています。このてんかんは、適切な抗てんかん薬による治療を2回受けても、重度のてんかん発作が継続する状態と定義されています。薬物治療が無効な患者の場合、てんかん発作の起源領域 (seizure onset zone、SOZ) を正確に特定し、その領域を切除または破壊する治療法は治癒につながる可能性があります。しかし、米国では薬物難治性てんかん患者に対する一般的な手術評価法は、立体定位脳波 (stereoelectroencephalography、SEEG) 電極を用いて異なる脳領域のてんかん活動をモニタリングすることですが、この方法では十分な数のてんかん発作を検出する必要があり、患者は数日から数週...
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...
手術室を混合現実環境に変える:脳動脈瘤クリッピング手術のための前向き臨床研究 脳動脈瘤の外科的治療は、神経外科の中でも非常に複雑で繊細な過程である。手術成績を改善するため、研究者は新しい技術やアプローチを絶えず探求している。近年、Mixed Reality(MR)技術の進歩により、手術室(Operating Room, OR)に新たなブレークスルーがもたらされた。特に、ヘッドマウンテッドディスプレイ(Head-Mounted Display, HMD)の使用により、外科医は患者の実際の解剖構造に仮想の三次元(3D)画像を重ね合わせることができ、空間認識とハンドリングの直感性が向上する。 研究の背景と目的 本研究の目的は、脳動脈瘤クリッピング手術における新しいMR-HMDの応用可能性、特に外科...