サブコルチカル信号の画像表現を用いた認知症の深層学習による分類
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：Deep learning-based classification of dementia using image representation of subcortical signals
雑誌名：BMC Med Inform Decis Mak. 2025 Mar 06; 25(1): 113.
概 要：
この研究は、認知症（アルツハイマー病と前頭側頭型認知症）の早期かつ正確な診断を目的とし、脳の深部領域から得られたEEG信号を分析する深層学習に基づく分類システムを開発しました。EEGは脳活動を記録する非侵襲的なツールであり、ADとFTDの区別に有望です。標準化された低解像度脳電磁トモグラフィー（sLORETA）技術を用いて抽出されたスカウト時系列信号を画像表現に変換し、深層学習モデルに入力しました。2つの高密度EEGデータセットを用いて手法の有効性を検証しました。
方 法：
本研究は、EEGから得られたスカウト時系列信号を分析するコホート研究です。使用したデータセットは、BrainLat（128チャンネル、AD 16例、FTD 13例、健康対照19例）と、IITD-AIIA（64チャンネル、AD 10例、軽度認知障害9例、健康対照8例）です。連続ウェーブレット変換（CWT）を用いて時系列を画像に変換し、深層学習モデルに入力しました。異なる分類戦略と分類器の組み合わせを用いて、両データセットでのクラスの正確なマッピングを行いました。
結 果：
最良の結果は、DenseNetモデルアーキテクチャを用いた左および右のサブコルチカル領域の分類器の確率の積を使用することで達成され、BrainLatデータセットで94.17%、IITD-AIIAデータセットで77.72%の精度を示しました。
結 論：
画像表現に基づく深層学習アプローチは、認知症のさまざまな段階を区別する可能性があることが示されました。これは、効果的な治療と管理のために重要な早期診断の実現に向けた道を開くものです。