異なる重症度の高所恐怖症に基づく機能的脳ネットワークをデコードするための畳み込みニューラルネットワークの使用

要旨 目的。高所恐怖症の有病率は高く、特に高層ビルの増加とともに顕著です。近年、研究者たちは神経科学の観点から高所恐怖症を分析し始めており、特に仮想現実曝露療法（VRET）を改善することを目指しています。脳波（EEG）は有益な神経画像技術ですが、高所恐怖症にはめったに使用されません。本研究の目的は、EEGを用いて高所恐怖症の程度を客観的に特定する有効性を評価することです。 アプローチ。EEGデータは仮想現実（VR）曝露実験によって収集されました。被験者の高所恐怖症の程度を3つのカテゴリに分類しましたが、それぞれの質問票スコアと行動データに顕著な違いが見られました。同期確率を使用して、各チャネルのペア間の機能的接続性を計算し、その後、機能的脳ネットワーク（FBN）と呼ばれる複雑なネットワークを取得しました。FBNから基本的なトポロジーの特徴とコミュニティ構造の特徴を抽出しました。統計結果は、FBNの特徴を使用して異なる被験者グループを区別できることを示しました。FBNの特徴を入力として機械学習（ML）アルゴリズムをトレーニングし、FBNを直接入力として畳み込みニューラルネットワーク（CNN）をトレーニングしました。 主な結果。FBNを使用して高所恐怖症の重症度を特定することが実現可能であることがわかりました。MLアルゴリズムにおいては、特定の脳皮質領域のコミュニティ構造の特徴が、分類精度の点で脳全体の典型的なトポロジーの特徴を上回ります。CNNアルゴリズムのパフォーマンスはMLアルゴリズムよりも優れています。ResNetを伴うCNNが最も良いパフォーマンスを示し（精度は98.46 ± 0.42%に達しました）。 意義。これらの観察結果は、特定の脳皮質領域のコミュニティ構造が高所恐怖症の程度を特定するために使用できる可能性があることを示しています。提案されたCNNフレームワークは客観的なフィードバックを提供でき、閉ループ型VRETポータブルシステムの構築に役立つ可能性があります。