RE-HPBS-IPIC: 休息時EEGおよび高活性痛覚脳ソース駆動型被験者間疼痛強度分類フレームワーク

科学分野:

• 神経科学
• 生物医学工学
• 機械学習

背景:

• 脳波記録（EEG）を用いた正確な被験者間疼痛強度評価は、脳活動における著しい個人差により困難である。
• 既存の手法は、異なる被験者間で疼痛強度を確実に分類するのに苦労している。

研究 の 目的:

• EEGを用いた信頼性の高い被験者間疼痛強度分類のための新規フレームワークを開発すること。
• 疼痛関連脳ダイナミクスと転移学習を活用して、被験者間変動性を克服すること。

主な方法:

• 休息時EEGから疼痛感受性を定量化し、同様の神経疼痛シグネチャを持つ被験者を特定した。
• 被験者間で高活性痛覚脳ソースを局在化および再マッピングした。
• 脳ソース特徴を整列させ、変動性を軽減するために、バランス分布適応を採用した。
• ターゲットEEGデータの疑似ラベルを推論し、疼痛反応抽出をガイドするために転移学習を使用した。

主要な成果:

• 提案されたフレームワークは、被験者間疼痛強度分類において3つの既存のアプローチを大幅に上回った。
• 実際のEEGデータセットに対する実験的評価により、本手法の有効性が検証された。

結論:

• 開発された手法は、被験者間疼痛強度分類における信頼性の低さという課題に効果的に対処する。
• これにより、客観的な疼痛評価のための堅牢で臨床的に実行可能なソリューションが提供される。