2026ジャーナル
Epileptic seizure detection from EEG via a mixture-component hidden Markov scale mixture model and band-wise evidence integration
Haonan Li, Akira Furui, Keiko Ogawa et al.
Biomedical Signal Processing and Control
EEGSeizure Detection+1
研究概要
患者ごとの調整を必要としない発作検出アルゴリズムの開発
てんかん発作とは，脳の神経細胞が異常な電気活動を起こすことにより生じ，時に意識の消失や痙攣を引き起こします．てんかん発作は脳波によって評価可能ですが，高度な訓練を受けた専門医による長時間の目視観察が必要でした．そのため緊急時など専門医が対応できない状況では発作の発見が遅れ、重篤化に繋がってしまう恐れがあります．
自動検出を実用化する上で最大の課題は，脳波の特徴が患者ごとに大きく異なることです．患者ごとにデータを収集して調整する方式では，新しい患者にすぐ適用することができません．そこで本研究では，発作時と非発作時とで患者間のばらつきの性質が異なることに着目し，脳の状態で条件付けたドメイン敵対的学習によって患者に依存しない特徴を抽出しています．さらに，発作は前兆から発作中，発作後へと時間をかけて進展する現象であるため，抽出した特徴の時間的な変化までモデル化することで，個々の時点だけを見ていては捉えられない発作の推移を扱えるようにしています．
このアプローチが目指すのは，対象患者のデータを一切用いずに学習を完結させることです．新たな患者に対して事前のデータ収集期間を設ける必要がなくなるため，導入した時点から発作モニタリングを開始できる，臨床的に実用性の高いシステムにつながると考えています．
技術的アプローチ：
- 状態条件付きドメイン敵対的学習による患者不変特徴の抽出
- CNNと双方向LSTMによる発作の時間的進展のモデル化
- 確率的生成モデルから得られた特徴量を用いた発作検出
岡山大学病院との共同研究により，実臨床データを用いた検証を進めています．
関連する研究成果全11件から6件を表示
すべて見る →2026国内会議
条件付き敵対的学習による患者非依存な脳波特徴を用いたてんかん発作検出
田﨑莉菜, 秋山倫之, 古居彬
第65回日本生体医工学会大会
EEGSeizure Detection+2
2025国際会議
EEG-based inter-patient epileptic seizure detection combining domain adversarial training with CNN-BiLSTM network
Rina Tazaki, Tomoyuki Akiyama, Akira Furui
Proceedings of the 47th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC)
EEGSeizure Detection+3
2025国内会議
患者不変な時系列てんかん発作検出のための条件付き敵対的学習
田﨑莉菜, 秋山倫之, 古居彬
第26回計測自動制御学会システムインテグレーション部門講演会（SI2025）
EEGSeizure Detection+2