[3Yin2] インタラクティブセッション1

[3Yin2-38] マカクザルの広域皮質脳波に基づき安静閉眼状態と麻酔投与状態を判別する深層学習モデルの開発

〇小林 般^1,2、宗田 卓史^1,3、山口 博行¹、小松 三佐子⁴、本田 学¹、山下 祐一¹ (1.国立精神・神経医療研究センター、2.東京農工大学、3.東京医科歯科大学、4.理化学研究所 脳神経科学研究センター)

キーワード：畳み込みニューラルネットワーク、スペクトログラム画像、麻酔、機械学習、脳波

皮質脳波（ECoG）は，基礎・臨床場面での活用が期待される脳機能計測手法である．しかし，膨大な多次元時系列データとなるため，周波数解析など従来の解析では有益な情報が見落とされる可能性がある．この問題に対して本研究では，畳み込みニューラルネットワーク（CNN）を用いた広域皮質ECoG解析手法を提案した．脳波が意識状態の評価方法として用いられることに着目し，マカクザルの安静閉眼時と麻酔投与時の判別を課題とした．スペクトログラム画像に変換したECoGデータを入力とし，CNNを訓練した．学習の結果，未学習のデータ収録日，未学習の個体への汎化性能は98.5%，92.9%であった．一方，異なる麻酔薬条件に対しては，86.4%だった．麻酔薬間の汎化が収録日や個体と比較し低かった原因として，麻酔薬の作用機序の違いが考えられた．そこでSmoothGradによる周波数解析を実施したところ，CNNの麻酔薬ごとの周波数帯域感度の違いを可視化できた．これらの結果から，CNNはECoGから有益な情報を抽出し，動物の意識状態の予測手法として有望であり，神経科学の基礎研究・臨床応用などへの活用可能性が示唆された．