SinTransNet：小児てんかん性痙攣症候群検出のためのEEGベースの深層学習フレームワーク
カテゴリ：手術支援
公開日：2026年6月24日
タイトル：SinTransNet: an EEG-based deep learning framework for infantile epileptic spasms syndrome detection.
雑誌名：BMC Med Inform Decis Mak. 2026 Jun 24; doi: 10.1186/s12911-026-03621-y.
概 要：
小児てんかん性痙攣症候群（IESS）は、幼児における重度の発達性てんかん性脳症であり、痙攣のクラスターとEEG上のヒプサリズミアパターンが特徴です。早期に診断されない場合、長期的な神経発達障害を引き起こす可能性があります。EEG信号の非定常性と多様な複雑性は解釈を困難にし、診断が時間を要し、エラーが発生しやすくなります。これらの課題に対処するために、SinTransNetという革新的なEEGベースの深層学習フレームワークを提案します。このフレームワークは、マルチバンド信号分解、適応的正弦畳み込み、Transformerベースの注意機構を組み合わせています。
方 法：
SinTransNetは、129件のEEG記録と1,941件のてんかん性痙攣イベントからなる独自のデータセットで評価されました。EEGを5つの主要な周波数帯域（δ、θ、α、β、γ）に分解し、スパイク・アンド・ウェーブ複合体などの振動特徴を分離します。周波数適応型の特徴抽出には正弦畳み込みを使用し、Transformerの注意機構を用いて帯域間の相関や長距離依存性を捉え、IESSの正確な検出を実現します。
結 果：
SinTransNetは、平均精度85.69%、感度80.55%、特異度90.76%という優れた性能を示しました。自動化された効率的なIESS識別ツールを提供することで、臨床のワークフローを改善し、小児神経学における早期介入を支援する可能性があります。
結 論：
SinTransNetは、IESSの検出において高い精度を持ち、臨床現場での診断プロセスを効率化することが期待されます。