頑健なてんかん発作予測：患者固有およびマルチ患者一般化のための3D-SERESNetフレームワーク

科学分野:

• 神経学
• 生体医工学
• 機械学習

背景:

• てんかんは、世界中で数百万人に影響を与える一般的な神経疾患です。
• 発作の予測は、患者の安全と生活の質にとって非常に重要です。
• 現在の予測方法には、効率的で正確なモデルが必要です。

研究 の 目的:

• てんかん発作予測のための効率的な深層学習モデルを開発すること。
• 時間周波数表現と3D畳み込みニューラルネットワークを活用して、特徴学習を強化すること。
• てんかんデータセットにおけるデータ不均衡の問題に対処すること。

主な方法:

• EEGの時間周波数表現に短時間フーリエ変換（STFT）を利用しました。
• 時間周波数グラフから3D表現を構築しました。
• 階層的な時空間スペクトル特徴学習のために3D Squeeze-and-Excitation Residual Network（3D-SERESNet）を採用しました。
• データ不均衡に対処するために、フォーカルロス関数を適用しました。

主要な成果:

• 患者固有の設定で、偽陽性率（FPR）0.090/hで平均感度90.77%を達成しました。
• 患者非依存の設定で、FPR 0.232/hで感度84.41%を達成しました。
• CHB-MIT EEGデータセットで頑健なパフォーマンスを示しました。

結論:

• 3D-SERESNetは、てんかん発作予測に効果的なモデルです。
• このモデルは、患者固有および患者非依存の発作予測の両方で有望視されています。
• このアプローチは、AIによる神経疾患管理において大きな進歩をもたらします。