変分オートエンコーダを用いた睡眠時脳波の特徴抽出に関する研究

カテゴリ: 部門大会

論文No: MC9-3

グループ名: 【C】2021年電気学会電子・情報・システム部門大会

発行日: 2021/09/08

タイトル(英語): Extracting characteristic patterns from electroencephalograms during sleep using a variational autoencoder

著者名: 杉江 倫太朗（福井大学）,中山 明峰（名古屋市立大学）,岡崎 涼（名古屋市立大学）,平田 隆幸（福井大学）,髙田 宗樹（福井大学）

著者名(英語): Rintaro Sugie (Department of Fundamental Engineering for Knowledge-Based Society, Graduate School of Engineering, University of Fukui),Meiho Nakayama (Good Sleep Center, Nagoya City University),Ryo Okazaki (Good Sleep Center, Nagoya City University),Takayuki Hirata (Department of Human and Artificial Intelligent Systems, Graduate School of Engineering, University of Fukui),Hiroki Takada (Department of Human and Artificial Intelligent Systems, Graduate School of Engineering, University of Fukui)

キーワード: 変分オートエンコーダ|深層学習|回帰型ニューラルネットワーク|終夜睡眠ポリグラフ検査|睡眠時脳波メニエール病|Variational AutoEncoder|Deep Learning|Recurrent Neural Network|Polysomnography|Electroencephalograms during sleepMeniere's disease

要約(日本語): 内耳疾患の一種であるメニエール病は内耳への虚血病変が原因とされている。その一方、メニエール病は睡眠時無呼吸症候群を併発することも多く、それらの関係性も指摘されている。近年、これらを踏まえ投薬治療を中止、或いは抑制し、睡眠治療を行ったところ多くの患者に症状の改善が確認された。本研究では、メニエール病患者の睡眠時脳波には健常者には見られない特徴的なパターンが存在すると仮定した。健常者及びメニエール病患者の脳波を、変分オートエンコーダを用いて低次元に変換し、特徴的な差異が存在するかを検証した。睡眠脳波について、系列長の異なる5つのデータセットを学習させた。系列長を大きくとることによって、Support Vector Machine (SVM)の正答率及びF値を増大させることに成功した。さらに、上記の結果を踏まえて、機械学習モデルを再調整した。その結果、SVMの正答率の上昇が確認された。

PDFファイルサイズ: 410 Kバイト