講演情報
[2Yin-B-45]時系列脳活動データを対象にした局所的な異常の検出
〇田丸 真鈴1、近添 淳一2、小林 一郎1 (1. お茶の水女子大学、2. 広島大学)
キーワード：
脳、異常検知、深層学習
脳活動の異常検知においては、異常データの収集が困難であるという課題から、正常データのみを用いて構築可能な異常検知モデルが注目されている。
本研究では、時系列脳活動データを解析することで、脳活動の個人差や性差、健常者と疾患を有する被験者の違いを明らかにし、脳疾患や機能異常の早期発見および理解につなげることを目的とする。また、異常を単一のスコアとして検出するだけでなく、脳内のどの領域（ROI）において、どの時間帯に異常が発生しているかといった局所的・時間的な異常構造の可視化と解釈に着目する。fMRI によって得られる多次元時系列データを対象とし、ROI 単位での特徴抽出および異常スコアの分析を通じて、局所的な脳活動異常や疾患に関連する領域の同定を試みる。具体的には、TranADを用いた再構成型異常検知手法を採用し、前処理方法の最適化、時系列構造のモデリング、ROI レベルでの異常寄与の解析を組み合わせることで、高精度かつ解釈性の高い脳異常検知モデルの構築を目指す。これにより、従来の全体的な異常検知に留まらず、疾患や機能障害に関連する局所的脳活動パターンの解明に貢献することを目指す。
本研究では、時系列脳活動データを解析することで、脳活動の個人差や性差、健常者と疾患を有する被験者の違いを明らかにし、脳疾患や機能異常の早期発見および理解につなげることを目的とする。また、異常を単一のスコアとして検出するだけでなく、脳内のどの領域（ROI）において、どの時間帯に異常が発生しているかといった局所的・時間的な異常構造の可視化と解釈に着目する。fMRI によって得られる多次元時系列データを対象とし、ROI 単位での特徴抽出および異常スコアの分析を通じて、局所的な脳活動異常や疾患に関連する領域の同定を試みる。具体的には、TranADを用いた再構成型異常検知手法を採用し、前処理方法の最適化、時系列構造のモデリング、ROI レベルでの異常寄与の解析を組み合わせることで、高精度かつ解釈性の高い脳異常検知モデルの構築を目指す。これにより、従来の全体的な異常検知に留まらず、疾患や機能障害に関連する局所的脳活動パターンの解明に貢献することを目指す。