脳波（EEG）信号における特徴分析とグラフ畳み込みニューラルネットワーク（GCN）を用いた別々の周波数帯でのてんかん発作検出

Abstract

てんかん発作は、脳内における異常で過剰な電気活動を特徴とする神経疾患であり、その結果として反復的な発作イベントが生じます。脳波（EEG）信号は、時間的および空間的な神経動態を捉える能力を持つため、発作診断に広く用いられています。近年の深層学習手法は高い検出精度を達成している一方で、しばしば解釈可能性や神経生理学的妥当性を欠いています。本研究では、発作期（ictal-phase）EEG解析に基づく、周波数に配慮したてんかん発作検出のための枠組みを提示します。生のEEG信号は5つの周波数帯域（デルタ、シータ、アルファ、ローバー・ベータ、ハイアー・ベータ）に分解され、各帯域から11の識別的特徴量が抽出されます。次に、グラフ畳み込みニューラルネットワーク（GCN）を用いて、EEG電極間の空間的な依存関係を、グラフノードとして表現してモデル化します。CHB-MIT頭皮EEGデータセットでの実験により、高い検出性能が示されました。各周波数帯域において、それぞれ97.1%、97.13%、99.5%、99.7%、51.4%の精度を達成し、全体のブロードバンド精度は99.01%でした。結果は、中周波帯域が強い識別能力を持つことを示し、さらに周波数固有の発作パターンを明らかにします。提案手法は、従来のブロードバンドEEGベースの手法と比べて、解釈可能性と診断精度を向上させます。