コンヴォルションニューラルネットワークによるモーターユニット数推定

科学分野:

• 神経科学
• コンピュータ生物学
• バイオメディカルエンジニアリング

背景:

• 複合筋肉活動ポテンシャル (CMAP) スキャンは,詳細な筋肉活性化データを提供します.
• CMAPスキャンを使用する現在のモーターユニット数推定 (MUNE) 方法は,しばしば手作業のデータフィッティングに時間がかかります.

研究 の 目的:

• ニューラルネットワークベースのアプローチの実現可能性を探求する.
• CMAPスキャンからMUNEのためのエンドツーエンドのコンボリューションニューラルネットワーク (CNN) モデルを提案し評価する.

主な方法:

• CNNを使用した監督学習フレームワークであるNNEstimationを開発しました.
• ニューラルネットワークの訓練のための様々なパラメータを持つ合成CMAPスキャンを生成した.
• 合成データと実験的なCMAPデータの両方でNNEsEstimationをテストしました.

主要な成果:

• NNEstimationは,合成データに対するMScanFitデータフィッティング方法と比較して,より低い推定誤差と実行時間が示されました.
• NNEstimationの精度は主にモーターユニットの数に依存し,ノイズや振幅ではありません.
• 実験データに基づくNNEstimationからの推定は,MScanFitの結果と高い一致を示しました.

結論:

• 合成データで訓練されたNNEstimationは,実験データに関する従来の方法と比べられるMUNE結果を提供します.
• AI主導のアプローチは実行時間を大幅に短縮し,実用的なMUNEアプリケーションの大きな可能性を示している.