CNNのサリエンシーマップとEEG変調スペクトルを使用した、より改善された解釈可能な機械学習に基づくアルツハイマー病診断

安静状態の脳波（EEG）信号に基づいたバイオマーカーは、アルツハイマー病（AD）の研究において有望なツールとして浮上しています。最近、電力変調スペクトログラムの視覚的検査に基づいて、状態-of-the-artのバイオマーカーが発見され、変調スペクトログラムからの3つの「パッチ」または領域がAD診断に提案され、使用されました。ここでは、深層神経ネットワーク、特にサリエンシーマップと組み合わせた畳み込みニューラルネットワーク（CNN）を、データ駆動型の方法で最適なパッチを見つけるために、電力変調スペクトログラムの入力に対して訓練して使用することを提案します。54人の参加者から収集したEEGデータに対して実験が行われ、20人の健康な対照群、19人の軽度AD患者、15人の中等度から重度のAD患者が含まれます。3クラス問題、初期段階の検出（対照群と軽度AD）、重症度レベルの検出（軽度と中等度から重度）を含む5つの分類タスクが探求されています。実験結果は、提案されたバイオマーカーがすべての5つのタスクで従来のベンチマークを上回っており、視覚的検査によって以前には見られなかった補完的な変調スペクトログラム領域を見つけていることを示しています。最後に、ADの特性化において既知の混乱要因である年齢に対する感度をテストするために、提案されたバイオマーカーに対して実験が行われました。すべての5つのタスクにわたり、提案されたバイオマーカーのいずれも年齢との有意な関係を示さなかったため、自動化されたAD診断における有用性がさらに強調されます。