時間領域と時間周波数領域における局所-大域的特徴融合ネットワークを用いた自動脳波アーチファクト検出

科学分野:

• 神経学
• 医用画像
• 人工知能

背景:

• ビデオ脳波（VEEG）の解釈はアーチファクトによって課題があり、診断精度と臨床医の効率に影響を与える。
• VEEGにおける自動症からのアーチファクトは、側頭葉てんかん（TLE）の重要な診断洞察を提供する可能性がある。

研究 の 目的:

• VEEGアーチファクトを識別および分類するための自動化されたアルゴリズムを開発すること。
• 臨床医がVEEGにおける干渉信号と発作関連活動を区別するのを支援すること。

主な方法:

• 時間領域および時間周波数領域（LG-TDTFD-Net）に基づく局所-大域的特徴融合ネットワークを提案した。
• VEEG信号から局所的および大域的特徴を抽出するために畳み込みニューラルネットワーク（CNN）およびTransformerを採用した。
• 包括的な特徴抽出のために、時間領域および時間周波数領域分析を統合した。

主要な成果:

• LG-TDTFD-Netは、TLEアーチファクトの検出と分類において優れた性能を示した。
• 提案手法は、臨床および公開データセットの両方で既存のベースラインモデルを上回った。

結論:

• 局所的および大域的特徴の融合は、VEEGアーチファクト表現とモデル一般化を強化する。
• 開発されたアルゴリズムは、アーチファクトと発作信号を効果的に区別し、TLEの臨床診断をサポートする。