@techreport{oai:kanazawa-u.repo.nii.ac.jp:00056386,
 month = {May},
 note = {コンピューター上で体性感覚誘発電位（SEP）異常波形分類のための人工ニューラルネットワークを構築した。人工知能（AI）技術のひとつである深層学習（ディープラーニング）を用いて、若年者、健常例、末梢神経障害を含む脊髄障害例のSEP波形を再分類した波形計測値を教師信号として学習、試行、検証を繰り返し、異常波形診断のための分類器を作成した。AIを用いて最も精度の高い分類器の構築条件を分析し、SEPの異常波形分類アルゴリズムを明らかにした。, AIを用いた時系列データ、波形解析への応用は、標準化などの適切な前処理が必要である。深層学習は、時系列データのAI解析を効率的に行える可能性がある。
本法による体性感覚誘発電位波形のパターン認識法での異常波形分類は、計測値の標準化などのデータの前処理を要せず計測値をそのまま利用できる点が優れている。 また、脊髄、神経根の異常波形を区別できることから、脊髄疾患の障害領域の特定や、中枢から末梢神経に亘る機能的神経障害の部位診断が可能であると考えられる。, 研究課題/領域番号:20H01106, 研究期間(年度):2020-04-01 – 2021-03-31, 出典：研究課題「体性感覚誘発電位における深層学習による異常波形分類法の確立」課題番号20H01106
（KAKEN：科学研究費助成事業データベース（国立情報学研究所）） 
（https://kaken.nii.ac.jp/ja/report/KAKENHI-PROJECT-20H01106/20H01106seika/）を加工して作成, 金沢大学附属病院},
 title = {体性感覚誘発電位における深層学習による異常波形分類法の確立},
 year = {2021}
}