特許 7072771 てんかん判定装置、てんかん判定システム、てんかん判定方法及びてんかん判定プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2022-05-13

(45)【発行日】2022-05-23

(54)【発明の名称】てんかん判定装置、てんかん判定システム、てんかん判定方法及びてんかん判定プログラム

(51)【国際特許分類】

   A61B 5/372 20210101AFI20220516BHJP

   A61B 10/00 20060101ALI20220516BHJP

【ＦＩ】

A61B5/372 ZDM

A61B10/00 H

【請求項の数】 10

(21)【出願番号】P 2018051262

(22)【出願日】2018-03-19

(65)【公開番号】P2019162237

(43)【公開日】2019-09-26

【審査請求日】2021-03-17

(73)【特許権者】

【識別番号】504137912

【氏名又は名称】国立大学法人 東京大学

(73)【特許権者】

【識別番号】505246789

【氏名又は名称】学校法人自治医科大学

(74)【代理人】

【識別番号】100079108

【弁理士】

【氏名又は名称】稲葉 良幸

(74)【代理人】

【識別番号】100109346

【弁理士】

【氏名又は名称】大貫 敏史

(74)【代理人】

【識別番号】100117189

【弁理士】

【氏名又は名称】江口 昭彦

(74)【代理人】

【識別番号】100134120

【弁理士】

【氏名又は名称】内藤 和彦

(72)【発明者】

【氏名】高橋 宏知

(72)【発明者】

【氏名】江間見 亜利

(72)【発明者】

【氏名】川合 謙介

【審査官】門田 宏

(56)【参考文献】

【文献】特開２００３－３１０５６４（ＪＰ，Ａ）

【文献】特開２００１－３０９８９８（ＪＰ，Ａ）

【文献】中国特許出願公開第１０６８２１３７６（ＣＮ，Ａ）

【文献】中国特許出願公開第１０８４０３１１１（ＣＮ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ６１Ｂ ５／３６９ － ５／３８６

Ａ６１Ｂ １０／００

ＪＳＴＰｌｕｓ／ＪＭＥＤＰｌｕｓ／ＪＳＴ７５８０（ＪＤｒｅａｍＩＩＩ）

(57)【特許請求の範囲】

【請求項1】

対象者の脳波データを取得する取得部と、
前記脳波データを所定の時間幅で切り出して、脳波を表す複数の画像を生成する生成部と、
前記複数の画像を学習済みモデルに入力し、前記学習済みモデルによって、前記複数の画像のいずれかにてんかん発作の脳波が表れているかを判定させる判定部と、
を備えるてんかん判定装置。

【請求項2】

脳波を表す複数のテスト用画像を前記学習済みモデルに入力して、前記学習済みモデルの判定精度を評価する評価部と、
前記評価部による評価に基づいて、前記所定の時間幅の設定を行う設定部と、
前記設定部により設定された前記所定の時間幅で切り出された、脳波を表す複数の学習用画像と、前記複数の学習用画像がてんかん発作の脳波を表しているか否かに関する情報と、を学習用データとして学習モデルを学習させ、新たな学習済みモデルを生成する学習部と、
をさらに備える請求項１に記載のてんかん判定装置。

【請求項3】

前記評価部は、複数の指標に基づいて前記学習済みモデルの判定精度を評価する、
請求項２に記載のてんかん判定装置。

【請求項4】

前記複数の指標は、
てんかん発作が表れている画像について、てんかん発作が表れていると正しく判定できるかを示す指標と、
てんかん発作が表れていない画像について、てんかん発作が表れていないと正しく判定できるかを示す指標と、
てんかん発作が表れている画像について、てんかん発作が表れていないと誤って判定するかを示す指標と、
てんかん発作が表れていない画像について、てんかん発作が表れていると誤って判定するかを示す指標と、を含む、
請求項３に記載のてんかん判定装置。

【請求項5】

前記複数の画像は、前記脳波データを測定した複数の電極に対応する複数の色で示された波形を含む、
請求項１から４のいずれか一項に記載のてんかん判定装置。

【請求項6】

前記学習済みモデルは、学習済みの畳み込みニューラルネットワークである、
請求項１から５のいずれか一項に記載のてんかん判定装置。

【請求項7】

前記生成部は、前記脳波データに対してローパスフィルタ、ハイパスフィルタ及びノッチフィルタのうち少なくともいずれかを施した後、前記脳波データを前記所定の時間幅で切り出して、前記複数の画像を生成する、
請求項１から６のいずれか一項に記載のてんかん判定装置。

【請求項8】

対象者の脳波データを測定する測定装置と、前記脳波データに基づいて、てんかんを判定するてんかん判定装置と、を備えるてんかん判定システムであって、
前記てんかん判定装置は、
前記脳波データを所定の時間幅で切り出して、脳波を表す複数の画像を生成する生成部と、
前記複数の画像を学習済みモデルに入力し、前記学習済みモデルによって、前記複数の画像のいずれかにてんかん発作の脳波が表れているかを判定させる判定部と、
前記判定部により、前記複数の画像のいずれかにてんかん発作の脳波が表れていると判定された場合に、所定の端末に通知する通知部と、を有する、
てんかん判定システム。

【請求項9】

対象者の脳波データを取得することと、
前記脳波データを所定の時間幅で切り出して、脳波を表す複数の画像を生成することと、
前記複数の画像を学習済みモデルに入力し、前記学習済みモデルによって、前記複数の画像のいずれかにてんかん発作の脳波が表れているかを判定させることと、
を含むてんかん判定方法。

【請求項10】

てんかん判定装置に備えられたコンピュータを、
対象者の脳波データを取得する取得部、
前記脳波データを所定の時間幅で切り出して、脳波を表す複数の画像を生成する生成部、及び
前記複数の画像を学習済みモデルに入力し、前記学習済みモデルによって、前記複数の画像のいずれかにてんかん発作の脳波が表れているかを判定させる判定部、
として機能させるてんかん判定プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、てんかん判定装置、てんかん判定システム、てんかん判定方法及びてんかん判定プログラムに関する。

【背景技術】

【0002】

従来、患者の頭部に電極を配置して脳波（Electroencephalogram：EEG）を測定し、てんかん発作に特有の脳波パターンを観察することがある。そのような脳波パターンの観察は、てんかんの専門医によって行われることがある。

【0003】

下記非特許文献１には、脳波を入力として、ウェーブレット変換により特徴量を抽出し、ニューラルネットワークによりてんかん発作が生じているか否かを分類する技術が記載されている。

【先行技術文献】

【非特許文献】

【0004】

【文献】E. Juarez-Guerra、V. Alarcon-Aquino、P. Gomez- Gil、"Epilepsy seizure detection in eeg signals using wavelet transforms and neural networks"、２０１５年、Lecture Notes in Electrical Engineering、volume 312、ｐ．２６１－２６９

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、てんかん発作には様々な種類があり、発作中の脳波パターンも多岐にわたることが知られている。そのため、従来の技術では、十分に高い精度でてんかん発作を判定することが難しかった。

【0006】

そこで、本発明は、てんかん発作をより高い精度で判定することができるてんかん判定装置、てんかん判定システム、てんかん判定方法及びてんかん判定プログラムを提供する。

【課題を解決するための手段】

【0007】

本発明の一態様に係るてんかん判定装置は、対象者の脳波データを取得する取得部と、脳波データを所定の時間幅で切り出して、脳波を表す複数の画像を生成する生成部と、複数の画像を学習済みモデルに入力し、学習済みモデルによって、複数の画像のいずれかにてんかん発作の脳波が表れているかを判定させる判定部と、を備える。

【0008】

この態様によれば、脳波データを所定の時間幅で切り出して、脳波を表す複数の画像を生成して、複数の画像のいずれかにてんかん発作の脳波が表れているかを学習済みモデルに判定させることで、専門医がてんかん発作を診断するのと同様の条件で判定を行うことができ、より高い精度でてんかん発作を判定することができる。

【0009】

上記態様において、脳波を表す複数のテスト用画像を学習済みモデルに入力して、学習済みモデルの判定精度を評価する評価部と、評価部による評価に基づいて、所定の時間幅の設定を行う設定部と、設定部により設定された所定の時間幅で切り出された、脳波を表す複数の学習用画像と、複数の学習用画像がてんかん発作の脳波を表しているか否かに関する情報と、を学習用データとして学習モデルを学習させ、新たな学習済みモデルを生成する学習部と、をさらに備えてもよい。

【0010】

この態様によれば、脳波データを切り出す時間幅を調整して、判定精度が向上するように新たな学習済みモデルを生成することができ、より高い精度でてんかん発作を判定することができる。

【0011】

上記態様において、評価部は、複数の指標に基づいて学習済みモデルの判定精度を評価してもよい。

【0012】

この態様によれば、学習済みモデルの判定精度を多面的に評価することができ、脳波データを切り出す時間幅をより適切に調整することができる。

【0013】

上記態様において、複数の指標は、てんかん発作が表れている画像について、てんかん発作が表れていると正しく判定できるかを示す指標と、てんかん発作が表れていない画像について、てんかん発作が表れていないと正しく判定できるかを示す指標と、てんかん発作が表れている画像について、てんかん発作が表れていないと誤って判定するかを示す指標と、てんかん発作が表れていない画像について、てんかん発作が表れていると誤って判定するかを示す指標と、を含んでよい。

【0014】

この態様によれば、トゥルー・ポジティブ、トゥルー・ネガティブ、フォールス・ネガティブ及びフォールス・ポジティブの場合について学習済みモデルの判定精度を多面的に評価することができ、脳波データを切り出す時間幅をより適切に調整することができる。

【0015】

上記態様において、複数の画像は、脳波データを測定した複数の電極に対応する複数の色で示された波形を含んでもよい。

【0016】

この態様によれば、脳波データを測定した複数の電極を区別して、専門医がてんかん発作を診断するのと同様の条件で判定を行うことができ、より高い精度でてんかん発作を判定することができる。

【0017】

上記態様において、学習済みモデルは、学習済みの畳み込みニューラルネットワークであってもよい。

【0018】

この態様によれば、人と同程度かそれ以上の判定精度を有する学習済みモデルを用いることができ、より高い精度でてんかん発作を判定することができる。

【0019】

上記態様において、生成部は、脳波データに対してローパスフィルタ、ハイパスフィルタ及びノッチフィルタのうち少なくともいずれかを施した後、脳波データを所定の時間幅で切り出して、複数の画像を生成してもよい。

【0020】

この態様によれば、脳波データに含まれることがあるノイズを除去した上で複数の画像を生成することができ、より高い精度でてんかん発作を判定することができる。

【0021】

本発明の他の態様に係るてんかん判定システムは、対象者の脳波データを測定する測定装置と、脳波データに基づいて、てんかんを判定するてんかん判定装置と、を備えるてんかん判定システムであって、てんかん判定装置は、脳波データを所定の時間幅で切り出して、脳波を表す複数の画像を生成する生成部と、複数の画像を学習済みモデルに入力し、学習済みモデルによって、複数の画像のいずれかにてんかん発作の脳波が表れているかを判定させる判定部と、判定部により、複数の画像のいずれかにてんかん発作の脳波が表れていると判定された場合に、所定の端末に通知する通知部と、を有する。

【0022】

この態様によれば、脳波データを所定の時間幅で切り出して、脳波を表す複数の画像を生成して、複数の画像のいずれかにてんかん発作の脳波が表れているかを学習済みモデルに判定させることで、専門医がてんかん発作を診断するのと同様の条件で判定を行うことができ、より高い精度でてんかん発作を判定することができる。また、てんかん発作の脳波が表れていると判定された場合に、所定の端末に通知することで、脳波の確認作業の負担を軽減することができる。

【0023】

本発明の他の態様に係るてんかん判定方法は、対象者の脳波データを取得することと、脳波データを所定の時間幅で切り出して、脳波を表す複数の画像を生成することと、複数の画像を学習済みモデルに入力し、学習済みモデルによって、複数の画像のいずれかにてんかん発作の脳波が表れているかを判定させることと、を含む。

【0024】

この態様によれば、脳波データを所定の時間幅で切り出して、脳波を表す複数の画像を生成して、複数の画像のいずれかにてんかん発作の脳波が表れているかを学習済みモデルに判定させることで、専門医がてんかん発作を診断するのと同様の条件で判定を行うことができ、より高い精度でてんかん発作を判定することができる。

【0025】

本発明の他の態様に係るてんかん判定プログラムは、てんかん判定装置に備えられたコンピュータを、対象者の脳波データを取得する取得部、脳波データを所定の時間幅で切り出して、脳波を表す複数の画像を生成する生成部、及び複数の画像を学習済みモデルに入力し、学習済みモデルによって、複数の画像のいずれかにてんかん発作の脳波が表れているかを判定させる判定部、として機能させる。

【0026】

この態様によれば、脳波データを所定の時間幅で切り出して、脳波を表す複数の画像を生成して、複数の画像のいずれかにてんかん発作の脳波が表れているかを学習済みモデルに判定させることで、専門医がてんかん発作を診断するのと同様の条件で判定を行うことができ、より高い精度でてんかん発作を判定することができる。

【発明の効果】

【0027】

本発明によれば、てんかん発作をより高い精度で判定することができるてんかん判定装置、てんかん判定システム、てんかん判定方法及びてんかん判定プログラムを提供することができる。

【図面の簡単な説明】

【0028】

【図1】本発明の実施形態に係るてんかん判定システムの機能ブロックを示す図である。

【図2】本実施形態に係るてんかん判定装置の物理的構成を示す図である。

【図3】本実施形態に係るてんかん判定装置の学習済みモデルに入力される画像の一例である。

【図4】本実施形態に係るてんかん判定装置の判定精度を示す第１グラフである。

【図5】本実施形態に係るてんかん判定装置の判定精度を示す第２グラフである。

【図6】本実施形態に係るてんかん判定システムにより実行されるてんかん判定処理のフローチャートである。

【図7】本実施形態に係るてんかん判定システムにより実行される学習処理のフローチャートである。

【発明を実施するための形態】

【0029】

添付図面を参照して、本発明の実施形態について説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。

【0030】

図１は、本発明の実施形態に係るてんかん判定システム１の機能ブロックを示す図である。てんかん判定システム１は、てんかん判定装置１０と、測定装置２０とを備える。測定装置２０は、対象者の脳波を測定する装置であり、対象者の頭部に装着した複数の電極により、対象者の脳の電気活動を測定する。測定装置２０は、例えば国際１０－２０法に従って配置された２１個の電極を有してよいが、電極の数や配置は任意である。

【0031】

てんかん判定装置１０は、取得部１１、生成部１２、判定部１３、評価部１４、設定部１５、学習部１６、通知部１７及び記憶部１８を有する。取得部１１は、対象者の脳波データを取得する。取得部１１は、測定装置２０によって測定された対象者の脳波データを取得してよいが、予め記憶部１８又は他の記憶装置に記憶された対象者の脳波データを取得してもよい。

【0032】

生成部１２は、脳波データを所定の時間幅で切り出して、脳波を表す複数の画像を生成する。ここで、所定の時間幅は、任意に設定できるものであるが、例えば、０．５秒、１秒、２秒、５秒及び１０秒等であってよい。例えば、所定の時間幅が１０秒であり、脳波データの記録時間が１時間（３６００秒）である場合、生成部１２は、０～１０秒の範囲の脳波データを切り出して脳波を表す第１画像を生成し、１～１１秒の範囲の脳波データを切り出して脳波を表す第２画像を生成し、この処理を続けて、最後に３５９０～３６００秒の脳波データを切り出して脳波を表す第３５９１画像を生成してよい。生成部１２は、複数の画像により切り出される脳波データの範囲が重複するように、切り出す範囲を等間隔にずらすこととしてよいが、複数の画像により切り出される脳波データの範囲が重複しないようにしてもよい。

【0033】

生成部１２は、脳波データに対してローパスフィルタ、ハイパスフィルタ及びノッチフィルタのうち少なくともいずれかを施した後、脳波データを所定の時間幅で切り出して、複数の画像を生成してよい。ここで、ローパスフィルタは、例えば６０Ｈｚ以下の周波数のデータを通過させるフィルタであってよく、ハイパスフィルタは、例えば０．５Ｈｚ以上の周波数のデータを通過させるフィルタであってよく、ノッチフィルタは、５０Ｈｚの周波数のデータを阻止するフィルタであってよい。これにより、脳波データに含まれることがあるノイズを除去した上で複数の画像を生成することができ、より高い精度でてんかん発作を判定することができる。

【0034】

判定部１３は、複数の画像を学習済みモデル１３ａに入力し、学習済みモデル１３ａによって、複数の画像のいずれかにてんかん発作の脳波が表れているかを判定させる。本実施形態に係るてんかん判定装置１０において、学習済みモデル１３ａは、学習済みの畳み込みニューラルネットワーク（Convolutional Neural Network:ＣＮＮ）である。学習済みモデル１３ａとして学習済みの畳み込みニューラルネットワークを用いることで、人と同程度かそれ以上の判定精度を達成することができ、より高い精度でてんかん発作を判定することができる。

【0035】

評価部１４は、脳波を表す複数のテスト用画像を学習済みモデル１３ａに入力して、学習済みモデル１３ａの判定精度を評価する。ここで、評価部１４は、複数の指標に基づいて学習済みモデル１３ａの判定精度を評価してよい。これにより、学習済みモデル１３ａの判定精度を多面的に評価することができ、脳波データを切り出す時間幅をより適切に調整することができる。

【0036】

より具体的には、複数の指標は、てんかん発作が表れている画像について、てんかん発作が表れていると正しく判定できるかを示す指標と、てんかん発作が表れていない画像について、てんかん発作が表れていないと正しく判定できるかを示す指標と、てんかん発作が表れている画像について、てんかん発作が表れていないと誤って判定するかを示す指標と、てんかん発作が表れていない画像について、てんかん発作が表れていると誤って判定するかを示す指標と、を含んでよい。このように、トゥルー・ポジティブ、トゥルー・ネガティブ、フォールス・ネガティブ及びフォールス・ポジティブの場合について学習済みモデル１３ａの判定精度を多面的に評価することで、判定精度を多面的に評価することができ、脳波データを切り出す時間幅をより適切に調整することができる。

【0037】

設定部１５は、評価部１４による評価に基づいて、所定の時間幅の設定を行う。設定部１５は、評価部１４による評価が向上するように、所定の時間幅を設定してよい。

【0038】

学習部１６は、設定部１５により設定された所定の時間幅で切り出された、脳波を表す複数の学習用画像と、複数の学習用画像がてんかん発作の脳波を表しているか否かに関する情報と、を学習用データとして学習モデルを学習させ、新たな学習済みモデルを生成する。ここで、脳波を表す複数の学習用画像は、過去に測定装置２０により測定され、てんかん発作を表しているか否かに関する情報が関連付けられた画像であってよい。学習部１６は、学習モデルが畳み込みニューラルネットワーク等のニューラルネットワークの場合、誤差逆伝播法によってニューラルネットワークの重み係数の学習処理を行ってよい。このようにして、設定部１５により脳波データを切り出す時間幅を調整して、学習部１６によって判定精度が向上するように新たな学習済みモデルを生成することができ、新たな学習済みモデルを判定部１３に実装することで、てんかん判定装置１０によってより高い精度でてんかん発作を判定することができる。

【0039】

通知部１７は、判定部１３により、複数の画像のいずれかにてんかん発作の脳波が表れていると判定された場合に、所定の端末に通知する。ここで、所定の端末は、任意の情報処理端末であってよいが、例えば、専門医の用いる端末であったり、対象者を看護する者が用いる端末であったり、対象者自身が用いる端末であったりしてよい。てんかん発作の脳波が表れていると判定された場合に、所定の端末に通知することで、脳波の確認作業の負担を軽減することができる。

【0040】

記憶部１８は、学習部１６により用いられる学習用データを記憶してよい。もっとも、学習部１６及び記憶部１８は、てんかん判定装置１０に備えられていなくてもよく、学習モデルの学習処理は、通信ネットワークを介してアクセス可能な他の装置によって実行されてもよい。その場合、てんかん判定装置１０は、学習処理を行う他の装置に対して学習処理の条件を送信し、学習済みモデルを構成するための情報を受信してよい。学習済みモデルを構成するための情報は、学習モデルを特定する情報であり、ニューラルネットワークの場合、レイヤーの数、レイヤーの種類、レイヤー間のノードの接続、ノードの接続の重み係数（閾値を含む）及び活性化関数の種類等を含んでよい。

【0041】

図２は、本実施形態に係るてんかん判定装置１０の物理的構成を示す図である。てんかん判定装置１０は、演算部に相当するＣＰＵ（Central Processing Unit）１０ａと、記憶部に相当するＲＡＭ（Random Access Memory）１０ｂと、記憶部に相当するＲＯＭ（Read only Memory）１０ｃと、通信部１０ｄと、入力部１０ｅと、表示部１０ｆと、を有する。これらの各構成は、バスを介して相互にデータ送受信可能に接続される。なお、本例ではてんかん判定装置１０が一台のコンピュータで構成される場合について説明するが、てんかん判定装置１０は、複数のコンピュータが組み合わされて実現されてもよい。また、図２で示す構成は一例であり、てんかん判定装置１０はこれら以外の構成を有してもよいし、これらの構成のうち一部を有さなくてもよい。

【0042】

ＣＰＵ１０ａは、ＲＡＭ１０ｂ又はＲＯＭ１０ｃに記憶されたプログラムの実行に関する制御やデータの演算、加工を行う制御部である。ＣＰＵ１０ａは、脳波を表す画像に基づいててんかんを判定するプログラム（てんかん判定プログラム）を実行する演算部である。ＣＰＵ１０ａは、入力部１０ｅや通信部１０ｄから種々のデータを受け取り、データの演算結果を表示部１０ｆに表示したり、ＲＡＭ１０ｂやＲＯＭ１０ｃに格納したりする。

【0043】

ＲＡＭ１０ｂは、記憶部のうちデータの書き換えが可能なものであり、例えば半導体記憶素子で構成されてよい。ＲＡＭ１０ｂは、ＣＰＵ１０ａが実行するてんかん判定プログラムを記憶してよい。なお、これらは例示であって、ＲＡＭ１０ｂには、これら以外のデータが記憶されていてもよいし、これらの一部が記憶されていなくてもよい。

【0044】

ＲＯＭ１０ｃは、記憶部のうちデータの読み出しが可能なものであり、例えば半導体記憶素子で構成されてよい。ＲＯＭ１０ｃは、例えば探索プログラムや、書き換えが行われないデータを記憶してよい。

【0045】

通信部１０ｄは、てんかん判定装置１０を他の機器に接続するインターフェースである。通信部１０ｄは、インターネットやＬＡＮ（Local Area Network）等の通信ネットワークに接続されてよい。

【0046】

入力部１０ｅは、ユーザからデータの入力を受け付けるものであり、例えば、キーボード及びタッチパネルを含んでよい。

【0047】

表示部１０ｆは、ＣＰＵ１０ａによる演算結果を視覚的に表示するものであり、例えば、ＬＣＤ（Liquid Crystal Display）により構成されてよい。表示部１０ｆは、例えば脳波を表す画像や判定結果を表示してよい。

【0048】

てんかん判定プログラムは、ＲＡＭ１０ｂやＲＯＭ１０ｃ等のコンピュータによって読み取り可能な記憶媒体に記憶されて提供されてもよいし、通信部１０ｄにより接続される通信ネットワークを介して提供されてもよい。てんかん判定装置１０では、ＣＰＵ１０ａがてんかん判定プログラムを実行することにより、図１を用いて説明した様々な動作が実現される。なお、これらの物理的な構成は例示であって、必ずしも独立した構成でなくてもよい。例えば、てんかん判定装置１０は、ＣＰＵ１０ａとＲＡＭ１０ｂやＲＯＭ１０ｃが一体化したＬＳＩ（Large-Scale Integration）を備えていてもよい。

【0049】

図３は、本実施形態に係るてんかん判定装置１０の学習済みモデルに入力される画像Ｐの一例である。画像Ｐは、生成部１２によって脳波データから切り出された画像の一例であり、本例では１０秒間の脳波データを切り出している。

【0050】

画像Ｐは、測定装置２０が有する２１の電極により測定された脳波と、心電の波形とを示している。２１の電極により測定された脳波は、グラフの最上部から２１番目までの波形であり、心電の波形は、グラフの最下部に示された波形である。

【0051】

画像Ｐは、脳波データを測定した複数の電極に対応する複数の色で示された波形を含む。本例では、上下に隣り合って描画される波形が異なる色で示されたり、電極の配置に対応するように波形の色が変えられたりしているが、色の選択は任意である。このように色分けすることで、脳波データを測定した複数の電極を区別して、専門医がてんかん発作を診断するのと同様の条件で判定を行うことができ、より高い精度でてんかん発作を判定することができる。

【0052】

図４は、本実施形態に係るてんかん判定装置１０の判定精度を示す第１グラフである。第１グラフは、２４人の対象者について、それぞれ数十時間にわたって脳波データを測定し、本実施形態に係るてんかん判定装置１０によって正しくてんかん発作を判定できるかテストした結果を示している。第１グラフは、横軸に設定部１５により設定した時間幅（Time Window）を示し、縦軸に設定された時間幅で学習処理が行われた学習済みモデルの判定精度を示している。判定精度は、評価部１４により評価されたトゥルー・ポジティブ（True Positive）の値である。すなわち、第１グラフで示す判定精度は、てんかん発作が表れている画像について、てんかん発作が表れていると正しく判定できるかを示す指標に基づき評価された判定精度である。

【0053】

第１グラフによると、時間幅が０．５秒の場合、箱ひげ図で表される中央値は０程度であり、上側四分位点は０．１よりやや大きく、最大値は０．２程度である。また、時間幅が１秒の場合、箱ひげ図で表される最小値は０程度であり、下側四分位点は０．５程度であり、中央値は０．７よりやや大きく、上側四分位点は０．９程度であり、最大値は１．０程度である。また、時間幅が２秒の場合、箱ひげ図で表される最小値は０程度であり、下側四分位点は０．４程度であり、中央値は０．７程度であり、上側四分位点は０．９程度であり、最大値は１．０程度である。また、時間幅が５秒の場合、箱ひげ図で表される最小値は０程度であり、下側四分位点は０．５程度であり、中央値は０．７よりやや小さく、上側四分位点は０．９よりやや小さく、最大値は１．０よりやや小さい程度である。また、時間幅が１０秒の場合、箱ひげ図で表される最小値は０程度であり、下側四分位点は０．２程度であり、中央値は０．６程度であり、上側四分位点は０．８よりやや小さく、最大値は１．０程度である。

【0054】

このように、脳波データを切り出す時間幅は、学習モデルの学習処理が適切に行えるか否かに影響し、判定精度を変動させる要因となることがある。本実施形態に係るてんかん判定装置１０では、脳波データを切り出す時間幅を調整して、判定精度が向上するように新たな学習済みモデルを生成することができ、より高い精度でてんかん発作を判定することができる。

【0055】

図５は、本実施形態に係るてんかん判定装置１０の判定精度を示す第２グラフである。第２グラフは、２４人の対象者について、それぞれ数十時間にわたって脳波データを測定し、本実施形態に係るてんかん判定装置１０によって正しく正常状態を判定できるかテストした結果を示している。第２グラフは、横軸に設定部１５により設定した時間幅（Time Window）を示し、縦軸に設定された時間幅で学習処理が行われた学習済みモデルの判定精度を示している。判定精度は、評価部１４により評価されたトゥルー・ネガティブ（True Negative）の値である。すなわち、第２グラフで示す判定精度は、てんかん発作が表れていない画像について、てんかん発作が表れていないと正しく判定できるかを示す指標に基づき評価された判定精度である。

【0056】

第２グラフによると、時間幅が０．５秒、１秒、２秒、５秒及び１０秒の場合、箱ひげ図で表される最小値は０．９７～０．９９程度であり、下側四分位点は０．９８～０．９９程度であり、中央値は０．９９程度であり、上側四分位点は０．９９５程度であり、最大値は１．０程度である。

【0057】

図４の第１グラフと図５の第２グラフを比較すると、脳波データを切り出す時間幅と、判定精度との関係は、判定精度の評価に用いる指標によって異なることが確認できる。より具体的には、第１グラフでは、時間幅が０．５秒の場合に判定精度の中央値が０程度であるのに対して、第２グラフでは１．０に近いという違いがある。また、第１グラフでは、時間幅を１秒から１０秒まで長くしていくと判定精度の中央値が低下していくのに対して、第２グラフでは、時間幅を１秒から１０秒まで長くしていくと判定精度の中央値が上昇していくという違いがある。本実施形態に係るてんかん判定装置１０は、複数の指標に基づいて学習済みモデルの判定精度を評価して、複数の指標に基づいて評価された判定精度をバランス良く向上させるように、脳波データを切り出す時間幅を設定してよい。例えば、複数の指標に基づいて評価された判定精度の総和を最大化するように、脳波データを切り出す時間幅を設定してよい。

【0058】

図６は、本実施形態に係るてんかん判定システム１により実行されるてんかん判定処理のフローチャートである。はじめに、測定装置２０によって、対象者の脳波データを測定する（Ｓ１０）。以降の処理は、脳波データが蓄積された後に実行してもよいし、脳波データを測定しながら逐次実行してもよい。

【0059】

てんかん判定装置１０の生成部１２は、取得した脳波データにフィルタを施して前処理を実行する（Ｓ１１）。その後、生成部１２は、脳波データを所定の時間幅で切り出して、複数の画像を生成する（Ｓ１２）。

【0060】

てんかん判定装置１０の判定部１３は、複数の画像をＣＮＮ等の学習済みモデルに入力し、てんかん発作の脳波が表れているか判定する（Ｓ１３）。ここで、てんかん発作有りと判定された場合（Ｓ１４：ＹＥＳ）、てんかん判定装置１０の通知部１７は、所定の端末にてんかん発作が検出されたことを通知する（Ｓ１５）。一方、てんかん発作有りと判定されない場合（Ｓ１４：ＮＯ）、てんかん判定処理は終了する。

【0061】

本実施形態に係るてんかん判定装置１０によれば、脳波データを所定の時間幅で切り出して、脳波を表す複数の画像を生成して、複数の画像のいずれかにてんかん発作の脳波が表れているかを学習済みモデルに判定させることで、専門医がてんかん発作を診断するのと同様の条件で判定を行うことができ、より高い精度でてんかん発作を判定することができる。

【0062】

また、本実施形態に係るてんかん判定システム１によれば、脳波データを所定の時間幅で切り出して、脳波を表す複数の画像を生成して、複数の画像のいずれかにてんかん発作の脳波が表れているかを学習済みモデルに判定させることで、専門医がてんかん発作を診断するのと同様の条件で判定を行うことができ、より高い精度でてんかん発作を判定することができる。また、てんかん発作の脳波が表れていると判定された場合に、所定の端末に通知することで、脳波の確認作業の負担を軽減することができる。

【0063】

図７は、本実施形態に係るてんかん判定システム１により実行される学習処理のフローチャートである。はじめに、てんかん判定装置１０の評価部１４は、テスト用画像を学習済みモデルに入力して、判定精度を評価する（Ｓ２０）。設定部１５は、評価部１４による評価に基づいて、脳波データを切り出す時間幅を設定する（Ｓ２１）。

【0064】

学習部１６は、設定された時間幅で脳波データを切り出して、学習モデルの学習処理を実行し、新たな学習済みモデルを生成する（Ｓ２２）。そして、てんかん判定装置１０は、新たな学習済みモデルを判定部１３に実装する（Ｓ２３）。以上により、学習処理が終了する。

【0065】

このように、脳波データを切り出す時間幅を調整して、判定精度が向上するように新たな学習済みモデルを生成することができ、より高い精度でてんかん発作を判定することができる。また、学習用データが蓄積するに従って、より判定精度の高い学習済みモデルを生成して、判定部１３に実装する学習済みモデルを更新していくことができ、てんかん判定システム１の運用を続けるほど、より高い精度でてんかん発作を判定することができるようになる。

【0066】

以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。

【符号の説明】

【0067】

１…てんかん判定システム、１０…てんかん判定装置、１０ａ…ＣＰＵ、１０ｂ…ＲＡＭ、１０ｃ…ＲＯＭ、１０ｄ…通信部、１０ｅ…入力部、１０ｆ…表示部、１１…取得部、１２…生成部、１３…判定部、１３ａ…学習済みモデル、１４…評価部、１５…設定部、１６…学習部、１７…通知部、１８…記憶部、２０…測定装置

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】