UMIN試験ID | UMIN000057333 |
---|---|
受付番号 | R000065532 |
科学的試験名 | 安静時および課題時の頭蓋内脳波を活用した気分変動バイオマーカーと機械学習モデルの開発 |
一般公開日(本登録希望日) | 2025/04/01 |
最終更新日 | 2025/03/18 18:32:28 |
日本語
頭蓋内脳波を用いた気分状態解読研究
英語
Intracranial EEG Mood State Decoding Study
日本語
頭蓋内脳波気分解読
英語
Intracranial EEG-based Mood Decoding
日本語
安静時および課題時の頭蓋内脳波を活用した気分変動バイオマーカーと機械学習モデルの開発
英語
Development of Mood Variation Biomarkers and Machine Learning Models Utilizing Intracranial EEG in Resting and Task States
日本語
SEEG気分デコーディング研究
英語
SEEG-based Mood Decoding (SEEG-MD)
日本/Japan |
日本語
てんかん
英語
epilepsy
脳神経外科学/Neurosurgery |
悪性腫瘍以外/Others
いいえ/NO
日本語
てんかん患者を対象に安静時および感情を喚起するような画像を提示している最中の頭蓋内脳波データを収集し、機械学習を用いて気分変動に関連する神経活動パターンを同定する。特に、深層学習モデルと従来の機械学習モデルを比較することで、より高精度かつパーソナライズされた気分変動バイオマーカーの実現可能性を探ることが目的である。
英語
We collect intracranial EEG data from epilepsy patients during rest and while presenting emotionally evocative images, using machine learning to identify neural activity patterns associated with mood fluctuations. Specifically, by comparing deep learning models with traditional machine learning models, we aim to explore the feasibility of achieving more accurate and personalized mood fluctuation biomarkers.
その他/Others
日本語
本研究では、てんかん患者を対象に、安静時および感情を喚起する画像を提示している最中の頭蓋内脳波データを収集することを目的とする。このデータを機械学習を用いて解析し、気分変動に関連する神経活動パターンを同定する。特に、深層学習モデルと従来の機械学習モデルを実装し、それらの精度や有効性を比較することで、より高精度かつパーソナライズされた気分変動バイオマーカーの実現可能性を検討する。さらに、得られたバイオマーカーが、てんかん患者における個別化治療や気分調整にどのように応用可能かについても探求する。
英語
The study aims to collect intracranial EEG data from epilepsy patients during both resting states and while viewing emotionally evocative images. The goal is to analyze these signals using machine learning to identify neural activity patterns associated with mood fluctuations. To achieve this, deep learning models will be implemented and compared with traditional machine learning approaches to assess their effectiveness. By evaluating these models, the study seeks to determine the feasibility of developing highly accurate and personalized biomarkers for mood fluctuations. Additionally, the potential clinical applications of these biomarkers for personalized treatment and mood regulation in epilepsy patients will be explored.
日本語
患者の気分状態を予測する機械学習アルゴリズムの正解率
英語
The accuracy of machine learning algorithms for predicting patients' mood state
日本語
1. 患者の気分変動を予測するために最も寄与する機械学習アルゴリズム、脳領域、周波数帯、バイオマーカーの同定
2. 主要評価項目の被験者間での差異の検証
英語
1.Identification of the most contributing machine learning algorithms, brain regions, frequency bands, and biomarkers for predicting mood fluctuations
2.Verification of intersubject differences in key evaluation metrics
介入/Interventional
単群/Single arm
非ランダム化/Non-randomized
オープン/Open -no one is blinded
無対照/Uncontrolled
1
予防・検診・検査/Prevention
その他/Other |
日本語
感情を喚起するような画像を提示している際の神経活動を記録する。具体的には、以下の手順で行う:
・研究対象者には、OASISデータセットから選択されたポジティブ、ネガティブ、ニュートラルの3つのカテゴリーの画像をそれぞれ25枚ずつ使用し、25枚x3を1セッションとする。
・各画像は5秒間提示する。各画像の提示が終了した後、次の画像が表示される前に、画面の中央に注視点(小さなドットや十字マークなど、患者の視線を誘導するための目印)を400-600ミリ秒間表示する。
英語
Record neural activity while presenting emotion-evoking images. The procedure is as follows:
- Each participant is shown 25 images from each of the three categories positive negative and neutral selected from the OASIS dataset forming one session of 25 x 3 images
- Each image is presented for 5 seconds After the presentation of each image a fixation point such as a small dot or cross is displayed at the center of the screen for 400 to 600 milliseconds before the next image appears
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
18 | 歳/years-old | 以上/<= |
80 | 歳/years-old | 以下/>= |
男女両方/Male and Female
日本語
難治性てんかんに対する外科的治療を行うため、てんかん焦点の分布を同定することを目的に頭蓋内電極を留置される予定または留置された患者のうち、本研究への参加に同意した者
英語
Patients who are scheduled for or have undergone intracranial electrode implantation to identify the distribution of epileptic foci for surgical treatment of refractory epilepsy and have consented to participate in this study.
日本語
次のいずれかに該当する場合
・重度の知的障害があり課題遂行が困難な患者
・電極留置術に伴う合併症や体力低下などにより課題遂行や研究への協力が困難と予想される患者
・その他、研究責任者が研究対象者として不適当と判断した患者
英語
Patients meeting any of the following criteria:
- Severe intellectual disability making task execution difficult
- Expected difficulty in task execution or study participation due to complications or physical decline associated with electrode implantation
- Deemed unsuitable as study subjects by the principal investigator
20
日本語
名 | 登史 |
ミドルネーム | |
姓 | 森下 |
英語
名 | Takashi |
ミドルネーム | |
姓 | Morishita |
日本語
福岡大学病院
英語
Fukuoka university
日本語
脳神経外科
英語
Department of Neurosurgery, Faculty of Medicine
814-0180
日本語
福岡市城南区七隈七丁目45番1号
英語
7-45-1 Nanakuma, Jonan-ku, Fukuoka City
092-801-1011
tmorishita@fukuoka-u.ac.jp
日本語
名 | 登史 |
ミドルネーム | |
姓 | 森下 |
英語
名 | Takashi |
ミドルネーム | |
姓 | Morishita |
日本語
福岡大学病院
英語
Fukuoka university
日本語
脳神経外科
英語
Department of Neurosurgery, Faculty of Medicine
814-0180
日本語
福岡市城南区七隈七丁目45番1号
英語
7-45-1 Nanakuma, Jonan-ku, Fukuoka City
092-801-1011
tmorishita@fukuoka-u.ac.jp
日本語
福岡大学
英語
Fukuoka University
日本語
日本語
日本語
英語
日本語
その他
英語
Neuroad, Inc.
日本語
株式会社Neuroad
日本語
営利企業/Profit organization
日本語
英語
日本語
英語
日本語
英語
日本語
福岡大学
英語
Fukuoka university
日本語
福岡市城南区七隈七丁目45番1号
英語
7-45-1 Nanakuma, Jonan-ku, Fukuoka City
092-801-1011
tmorishita@fukuoka-u.ac.jp
いいえ/NO
日本語
英語
日本語
英語
2025 | 年 | 04 | 月 | 01 | 日 |
未公表/Unpublished
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
日本語
英語
一般募集中/Open public recruiting
2025 | 年 | 03 | 月 | 18 | 日 |
2025 | 年 | 03 | 月 | 10 | 日 |
2025 | 年 | 03 | 月 | 18 | 日 |
2027 | 年 | 03 | 月 | 31 | 日 |
日本語
英語
2025 | 年 | 03 | 月 | 19 | 日 |
2025 | 年 | 03 | 月 | 18 | 日 |
日本語
https://center6.umin.ac.jp/cgi-open-bin/ctr/ctr_view.cgi?recptno=R000065532
英語
https://center6.umin.ac.jp/cgi-open-bin/ctr_e/ctr_view.cgi?recptno=R000065532