脳波（EEG）および機能的磁気共鳴画像（fMRI）モダリティを用いたてんかん発作検出のためのGhostNetによる改良型注意機構付きPCNN：抽出パターンおよびヒストグラム特徴セット

科学分野:

• 神経学
• 機械学習
• 医用画像処理

背景:

• てんかん発作検出は、複雑な脳波信号特性のため困難である。
• 既存の機械学習（ML）および深層学習（DL）手法は、解釈可能性、時空間モデリング、および一般化において限界に直面している。

研究 の 目的:

• 堅牢な発作検出のための強化ハイブリッド並列畳み込み-GhostNetフレームワーク（HPG-ESD）を提案する。
• 検出の改善のため、多種脳波（EEG）および機能的磁気共鳴画像（fMRI）データを活用する。

主な方法:

• 複数のデータセットからの小児頭皮脳波および安静時fMRIデータを利用した。
• 強化共通空間パターン（E-CSP）を用いて、空間、時間、およびスペクトル脳波特徴を抽出した。
• 3D CNN埋め込みおよび平滑化された指向性勾配ヒストグラムのピラミッド（S-PHOG）を用いてfMRI特徴を抽出し、ソフト投票ハイブリッド並列畳み込み-GhostNet（S-HPCGN）モデル内で融合した。

主要な成果:

• HPG-ESDフレームワークは、0.941の精度、0.939の適合率、0.944の感度という高い性能指標を達成した。
• 従来の単一モダリティおよび最先端の発作検出方法を上回った。

結論:

• 脳波とfMRIを統合した多種学習は、信頼性の高い発作検出に大きな可能性を示している。
• 軽量で注意機構が強化されたアーキテクチャは、臨床的に関連性の高い発作検出に効果的である。