~/yuki-kashiwada

$ cat research/eeg-dsa-seizure-differentiation.md

Differentiation between epileptic and functional/dissociative seizures using density spectral array of ictal single-channel EEG with deep learning

論文第2著者(共著)ライセンス: CC BY-NC-ND 4.0PMID 41016125

著者

  1. Kazutoshi Konomatsu,
  2. Yuki Kashiwada,
  3. Takafumi Kubota,
  4. Kazutaka Jin,
  5. Ryu Koda,
  6. Kento Takahashi,
  7. Temma Soga,
  8. Makoto Ishida,
  9. Naoto Kuroda,
  10. Kazushi Ukishiro,
  11. Yosuke Kakisaka,
  12. Masashi Aoki,
  13. Nobukazu Nakasato

Epilepsy & Behavior, 172:110713 · https://doi.org/10.1016/j.yebeh.2025.110713

  • 受付:
  • 修正:
  • 受理:
  • オンライン公開:
  • 掲載号:

要約

発作時脳波を時間-周波数の画像(density spectral array, DSA)に変換し、ResNet34 で内側側頭葉てんかん(mTLE)の発作と機能性/解離性発作(FDS)を鑑別しました。電極を減らした条件のうち、頭頂部 Cz の1チャネルで AUC 0.941 が得られました。

##主な数値

AUC (Cz 単一チャネル)
0.941
Middle 1/3 区間
患者数
99
mTLE 48 / FDS 51
解析した発作数
206
テストセット
19 / 33
患者 / 発作
モデル
ResNet34
脳波の切り出し
±3 min
発作開始を基準

##背景

てんかんの診断は、てんかん発作と非てんかん性の発作を見分けることから始まります。本研究は、発作時脳波の DSA を深層学習で解析することで、この2つを鑑別できるかを検討しました。

##データ

長時間ビデオ脳波モニタリングで記録された発作を、mTLE 患者と FDS 患者の連続症例について後ろ向きに解析しました。対象は mTLE 48 名・FDS 51 名の計 99 名です。

学習には mTLE 40 名(91 発作)と FDS 40 名(82 発作)、テストには mTLE 8 名(15 発作)と FDS 11 名(18 発作)を用いました(発作数の合計は 206)。

##手法

臨床的な発作開始時刻を 0 とし、前後3分間(-3〜+3分)の脳波を切り出しました。両耳朶連結基準で、Cz、C3/C4 の平均、Fp1/Fp2 の平均、O1/O2 の平均、全電極の各条件について周波数解析を行い DSA を作成しました。

畳み込みニューラルネットワーク ResNet34 を DSA 画像で学習・評価しました。

##結果

探索的解析では、電極を減らした条件のうち Cz 電極と「Middle 1/3」の時間区間の組み合わせで AUC が最も高く(0.941)、この結果は事前に規定した DeLong 検定(Bonferroni 補正後)で統計的に確認されました。

##意義

単一チャネル(Cz)の DSA と深層学習で、てんかん発作と非てんかん性発作を鑑別できることを示しました。著者らは、特に医療資源の限られた環境で、早期スクリーニングやトリアージを補助する実用的な手段になりうると位置づけています。

##限界・注意点

  • -後ろ向き研究で、テストセットは 19 名・33 発作と小規模。
  • -てんかん側は内側側頭葉てんかんのみが対象。
  • -電極・区間の比較は探索的解析として行われている。
  • -このページは公開アブストラクトに基づく要約です。詳細な指標は本文を参照してください。

##よくある質問

Q.脳波と深層学習で、てんかん発作と心因性非てんかん性発作(PNES)を見分けられますか?

本研究では、発作時脳波の DSA を ResNet34 で解析し、内側側頭葉てんかんの発作と機能性/解離性発作(FDS。以前は PNES と呼ばれることが多かった)を鑑別できることを示しました。Cz 1チャネルの条件で AUC 0.941 でした。

Q.density spectral array (DSA) とは何ですか?

脳波を周波数解析し、各周波数成分の強さの時間変化を色で表した時間-周波数の図です。本研究では発作開始の前後3分間の DSA を画像として深層学習モデルに入力しました。

Q.精度はどのくらいですか?

電極を減らした条件のうち、Cz 電極と Middle 1/3 区間の組み合わせで AUC 0.941 が最高でした。テストセットは mTLE 8 名(15 発作)と FDS 11 名(18 発作)です。

Q.なぜ単一チャネルが重要なのですか?

1チャネルで鑑別できれば、記録や解析の負担を減らせる可能性があります。著者らは、医療資源の限られた環境での早期スクリーニングやトリアージの補助としての可能性を挙げています。

Q.柏田祐樹の立場は?

13 名の著者のうち第2著者で、東北大学大学院医学系研究科の Department of AI and Innovative Medicine から参加した唯一の著者です。筆頭著者は Kazutoshi Konomatsu、責任著者は Kazutaka Jin です。

Q.この論文はどう引用すればよいですか?

Konomatsu K, Kashiwada Y, et al. Epilepsy & Behavior. 2025;172:110713. DOI: 10.1016/j.yebeh.2025.110713 として引用してください。論文は CC BY-NC-ND 4.0 のオープンアクセスです。

##引用方法

APA 形式

Konomatsu, K., Kashiwada, Y., Kubota, T., Jin, K., Koda, R., Takahashi, K., Soga, T., Ishida, M., Kuroda, N., Ukishiro, K., Kakisaka, Y., Aoki, M., & Nakasato, N. (2025). Differentiation between epileptic and functional/dissociative seizures using density spectral array of ictal single-channel EEG with deep learning. Epilepsy & Behavior, 172, 110713. https://doi.org/10.1016/j.yebeh.2025.110713

BibTeX

@article{konomatsu2025eegdsa,
  author       = {Konomatsu, Kazutoshi and Kashiwada, Yuki and Kubota, Takafumi and Jin, Kazutaka and Koda, Ryu and Takahashi, Kento and Soga, Temma and Ishida, Makoto and Kuroda, Naoto and Ukishiro, Kazushi and Kakisaka, Yosuke and Aoki, Masashi and Nakasato, Nobukazu},
  title        = {Differentiation between epileptic and functional/dissociative seizures using density spectral array of ictal single-channel {EEG} with deep learning},
  journal      = {Epilepsy \& Behavior},
  volume       = {172},
  pages        = {110713},
  issn         = {1525-5050},
  publisher    = {Elsevier Inc.},
  year         = {2025},
  doi          = {10.1016/j.yebeh.2025.110713},
  url          = {https://doi.org/10.1016/j.yebeh.2025.110713}
}

引用ファイル: konomatsu2025eegdsa.bib (BibTeX) · konomatsu2025eegdsa.ris (RIS / EndNote / Zotero)

要約はサイト運営者が論文・データセットの公開情報をもとに独自に作成したものです。正確な内容は原著を参照してください。