AIと神経難病・神経免疫疾患 ── 基礎（総論） ── 2026-10-10

垂直床反力の歩行信号を、リカレンスプロットとスペクトログラムの二つの表現に変換する。軽量な二分岐CNNで両者を統合し、パーキンソン病、ALS、ハンチントン病、健常対照の4群に分類する。被験者64人のデータセットで正解率は96.15%となり、単一分岐モデルの94.19%と95.75%を上回った。後ろ向きの観察で、抄録のみの確認。 — イメージアブストラクト ── 記事の全体像を 1 枚に（画像を押すと拡大）

基礎（総論） 1 本。筆頭: 歩行データによる神経変性疾患の分類：時間とスペクトルの複数表現を組み合わせた二分岐 CNN

対象誌と選び方は索引の頁に

神経変性・神経免疫の基礎研究の進展とAI

歩行データによる神経変性疾患の分類：時間とスペクトルの複数表現を組み合わせた二分岐 CNN
Gait-based neurodegenerative disease classification using multimodal temporal-spectral representations and a dual-branch CNN.
Computer methods in biomechanics and biomedical engineering · 2026-10-08 · 証拠の段階: 後ろ向きの観察（既存データセットでのモデル開発・評価）
抄録（全訳）
神経変性疾患（NDD）では、歩行障害がよく起こる。運動症状が疾患の間で重なるため、複数の疾患を見分けるのは難しい。この研究では、軽量な二分岐の畳み込みニューラルネットワーク（CNN）を提案した。入力は垂直床反力の信号で、これをリカレンスプロットとスペクトログラムの二つの表現に変換して統合する。分類する対象は、パーキンソン病、筋萎縮性側索硬化症（ALS）、ハンチントン病、健常対照の 4 群である。評価には、被験者 64 人を含む Gait in NDDs Dataset を使った。提案した枠組みの正解率は 96.15% だった。これは、リカレンスプロットを使う単一分岐モデル（94.19%）と、スペクトログラムを使う単一分岐モデル（95.75%）を上回った。時間的な再帰の情報とスペクトルの情報は、互いに補い合う。この結果から、両者を組み合わせると、神経変性疾患の歩行パターンを見分ける性能が上がることが示された。計算量は低いままである。
掲載誌の IF 相当：1.7（OpenAlex の直近 2 年の平均被引用数・2026-10-09 時点の値、2026-10-10 に取得。正式な IF（Clarivate）ではない）
書誌：Ozeloglu İG, Akman Aydin E. Gait-based neurodegenerative disease classification using multimodal temporal–spectral representations and a dual-branch CNN. Computer Methods in Biomechanics and Biomedical Engineering. 2026 Oct 8 [Epub ahead of print]. doi:10.1080/10255842.2026.2736243.
確認の範囲：抄録のみ確認

← この号の目次へ