研究背景 脳と外部デバイスの直接通信を実現する脳-コンピュータインターフェース技術（brain-computer interface, BCI）は、人間と機械のインタラクション、運動リハビリ、医療などの分野で広く応用されています。BCIの一般的なパラダイムには、定常状態視覚誘発電位（steady-state visual evoked potentials, SSVEP）、P300、運動イメージ（motor imagery, MI）などがあります。特に、MI-BCIはその広い応用前景のために注目されています。 MI-BCIは通常、脳波（electroencephalography, EEG）信号を用いて運動イメージを検出し、利用者が運動を想像することでデバイス（電動車椅子、カーソル、上肢ロボ...
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...
ブレイン・コンピュータ・インターフェース（Brain-Computer Interface, BCI）は、新たなコミュニケーションと制御技術として近年注目を集めている。脳波（EEG）に基づくBCIの中でも、運動イメージ（Motor Imagery, MI）は重要な分野であり、ユーザーの運動意図をデコードすることで、臨床リハビリテーション、スマート車椅子の制御、およびカーソル制御などの分野に応用されている。しかしながら、EEG信号の低い信号対雑音比（Signal-to-Noise Ratio, SNR）、非定常性、低い空間分解能および高い時間分解能などの複雑な特性のため、運動意図の正確なデコードには依然として挑戦が残っている。現在のMI基BCIデコードには主に伝統的な機械学習と深層学習の手法が...
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...
臨床におけるOPM-MEGの応用拡大：効果的な自動金属アーチファクト抑制法 背景紹介 磁性脳電図（Magnetoencephalography, MEG）は、多チャンネル磁場測定センサーを用いて脳内の神経電流分布と機能ネットワークを再構成する技術である。MEGは、源空間分解能において電気生理学（Electroencephalography, EEG）よりも顕著な優位性を持ち、磁場信号が頭蓋骨や頭皮組織の伝導干渉を受けず、時間分解能においても機能的磁気共鳴画像法（Functional Magnetic Resonance Imaging, fMRI）より優れている。したがって、MEGは脳機能と認知の研究、てんかんの臨床応用、および神経疾患の研究において重要な位置を占めている。 現時点で、MEG...
心臓突然停止後の予後予測ツールとしての脳CTの分析の教師あり機械学習分析 研究背景 心臓突然停止（Out-of-Hospital Cardiac Arrest、OHCA）は西洋世界における主要な死因の1つで、生存率は3〜16%と非常に低い。OHCAの後の神経学的予後と全体的予後は、主に低酸素性虚血性脳損傷（Hypoxic-Ischemic Brain Injury、HIBI）によって決定される。OHCAによる大半の死亡は、予後が悪いと判断されて生命維持治療が中止されるためである。したがって、HIBIを正確に特定し、信頼できる予後判断を下すことは、家族への情報提供、治療決定、および限られた集中治療資源の合理的な使用において非常に重要である。 研究動機 OHCAは医学的に大きな課題をもたらしてお...
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...
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...