ウェーブレットスケーログラムAIで良性発作性頭位めまい症（BPPV）の亜型診断を自動化

10月 23, 2026 · 論文解説

🎧 この記事を音声で聴く（AI生成Podcast）

解説対象論文: Wavelet Scalogram–Based Nystagmus Classification for Automated Benign Paroxysmal Positional Vertigo Subtype Diagnosis
Journal of Imaging Informatics in Medicine｜被引用数: 0（2026年10月23日時点）

研究サマリー（FINER & PICO）

Feasible実施可能性	既存のVNG記録と深層学習技術を活用し、リアルタイム処理が可能なため実現可能である。
Ethical倫理面	対象者からのインフォームドコンセントを得て、機関倫理委員会による承認の下で実施されたため倫理的である。
Interesting面白さ	1次元時系列データを2次元時空間スケーログラムに変換する新しいアプローチでめまい診断の精度向上を目指しており興味深い。
Novel新規性	連続ウェーブレット変換による2次元スケーログラム表現を眼振分類やBPPV亜型診断に適用した初の研究であり新規性がある。
Relevant切実さ	めまいの中でも最も一般的なBPPVの診断精度向上に貢献し、専門家不足という医療現場の課題解決に繋がるため重要である。
Measurable測定可能性	AUROC、精度、F1スコアなどの客観的な評価指標を用いて、眼振分類およびBPPV亜型診断の性能を定量的に測定している。
Modifiable派生・改善	2次元画像分類という汎用的な枠組みに再構築されているため、今後、より高性能な画像認識モデルへの置き換えなど改善の余地がある。
Structured文章構造	VNG記録から眼球軌跡抽出、CWTによる2次元変換、AI分類、ルールベースの診断という明確な構造を持つ。
PICO / PECO対象・介入・比較・結果	P: 良性発作性頭位めまい症（BPPV）の対象者、I: ウェーブレットスケーログラムとAIを用いた診断、C: 従来の1次元時系列データ処理や専門家の診断、O: BPPV亜型の自動かつ正確な診断。

はじめに：めまい診断の現状と課題

どうも、Beyond the Pixelです。めまいは成人のおよそ5%が毎年経験する一般的な症状であり、その中でも良性発作性頭位めまい症（BPPV）は、専門の外来で診断されるめまい疾患の20〜30%を占める最も頻度の高い原因です。BPPVは、耳石が剥がれて半規管に入り込み、頭の位置の変化によって内リンパ液中を移動することでめまいを引き起こします。このめまい発作中には、周期的な不随意の眼球運動である眼振が誘発されます。BPPVの診断には、ディックス・ホールパイクテストや仰臥位頭位変換検査などの特定の体位変換を行い、眼振の有無や種類を観察することが不可欠です。しかし、これらの検査の精度は専門家の経験に大きく依存し、眼振のタイプ（回旋性か水平性か）や生理的な眼振と疾患による眼振の区別は、十分な臨床経験なしには困難な場合があります。そのため、正確な眼振検査を実施できる専門家が不足している現状があります。

AIの力で診断を支援：VNGの活用

これらの課題を解決するため、近年、人工知能（AI）技術がさまざまな医療分野で応用され、コンピューター支援診断への期待が高まっています。特に、ビデオ眼振検査（VNG）装置の普及により、眼振を動画記録から定量的に分析することが可能になりました。VNGは、赤外線カメラ付きゴーグルを使って、標準的な頭位変換検査中に眼球の動きを記録する映像ベースの医療画像モダリティです。これにより、リアルタイムでのモニタリングやオフラインでのレビューが可能となり、自動化された画像解析パイプラインへの道が開かれました。これまでにも、VNG記録を用いた眼振の分類に関する研究は活発に行われてきましたが、多くのアプローチでは眼球軌跡信号を生の1次元時系列データとして処理しており、眼振パターンのスペクトル特性（周波数領域の情報）を十分に活用できていませんでした。

新しいAI診断アプローチ：ウェーブレットスケーログラムの威力

この研究では、VNG画像データから抽出された1次元の眼振信号を、連続ウェーブレット変換（CWT）によって2次元の時空間スケーログラム表現に変換するという新しいアプローチを提案しています。これにより、BPPV診断が画像分類タスクとして再構築され、標準的な画像情報処理パイプラインへの適用が可能になります。

**Figure 2.** Fig. 2 Overview of the proposed method解説: 提案されたAI診断手法の全体像を示しています。VNG記録からANyEyeアイトラッキングにより眼球軌跡が抽出され、連続ウェーブレット変換（CWT）によって2次元スケーログラムに変換されます。その後、この8チャンネルのCWTスケーログラムが画像エンコーダーと分類器に入力され、眼振の有無やタイプが分類されるプロセスが描かれています。

。この2次元表現は、時間と周波数の両方のダイナミクスを同時に捉えることができるため、生物医学信号の分類において、生の1次元信号よりも優れた性能を示すことがこれまでの比較研究で一貫して示されています。さらに、ImageNetで事前学習されたバックボーンアーキテクチャと組み合わせることで、このタスクに最適な特徴抽出器を特定しました。最終的な診断アルゴリズムは、CWTベースの眼振分類器と、体位情報を統合するルールベースの意思決定モジュールを組み合わせることで、実際の臨床推論プロセスを模倣しています。

研究方法：大規模データセットと精密なAIモデル開発

この研究では、単一の三次医療施設で収集された合計1352件のVNG記録（461名の対象者から）が使用されました。これには、後方半規管（PSCC）BPPV、外側半規管（LSCC）BPPV（耳石症とクプラ結石症の亜型を含む）、および健常対象者のデータが含まれています。

**Figure 1.** Fig. 1 Flow diagram of dataset construction解説: この図は、研究で使用されたデータセットの構築プロセスを示しています。当初468名の対象者から1390件のVNG記録が収集され、除外基準を経て、モデル開発には461名の対象者からの1352件の記録から抽出された1738の信号セグメントが使用されたことがわかります。これらは学習、検証、テストセットに分割されました。

。熟練した耳鼻咽喉科専門家2名が1312の眼振セグメントと426の正常セグメントを厳密にアノテーション（注釈付け）しました。眼球軌跡信号は、ディープラーニングベースのVNGアイトラッキングアルゴリズム「ANyEye」を用いて抽出され、ゴーグルのずれによるアーチファクト（ノイズ）の検出と補正機能も含まれています。抽出された4チャンネルの眼球軌跡信号（両眼の水平・垂直軌跡）は、連続ウェーブレット変換（CWT）により8チャンネルの2次元スケーログラムに変換されました。この2次元表現は、画像分類モデルに適しており、ImageNetで事前学習された複数のバックボーンアーキテクチャが評価されました。具体的には、水平眼振分類にはSwin-Tinyが、回旋眼振分類にはConvNeXtV2-Tinyがそれぞれ最高の性能を示し、採用されました。

**Table 1.** Table 1 Backbone comparison for horizontal and torsional nystagmus classification (mean ± SD over 5 seeds)**解説:** 水平および回旋眼振分類における、ImageNetで事前学習された複数のバックボーンアーキテクチャの性能比較（精度、Macro-F1、AUROC）を示しています。Swin-Tinyが水平眼振で、ConvNeXtV2-Tinyが回旋眼振で最高の性能を達成しました。

、

**Table 2.** Table 2 CWT scale-width ablation for horizontal (Swin-Tiny) and torsional (ConvNeXtV2-Tiny) nystagmus classification (mean ± SD over 5 seeds)**解説:** 水平眼振分類（Swin-Tiny）と回旋眼振分類（ConvNeXtV2-Tiny）におけるCWTのスケール幅（Waveletの周波数帯の広さ）の影響を調べた結果を示しています。スケール幅の変更が分類性能に有意な影響を与えなかったことが示されています。

。最終的なBPPV診断アルゴリズムは、体位変換（ステップ1）、眼振の有無の観察（ステップ2）、眼振の種類の分類（ステップ3）、そして体位と方向を考慮したBPPV亜型の決定（ステップ4）という4つの段階で構成され、臨床推論プロセスをシミュレートしています。

**Figure 3.** Fig. 3 Schematic diagram of the rule-based BPPV subtype diagnosis algorithm解説: ルールベースのBPPV亜型診断アルゴリズムの概略図です。このアルゴリズムは、1. 体位変換、2. 眼振の有無、3. 眼振のタイプ分類（水平性または回旋性）、4. 体位と方向による亜型決定、という4つのステップで、専門家の診断推論プロセスを模倣しています。

。

驚きの診断精度：BPPV亜型分類で高いF1スコアを達成

提案されたAIモデルは、眼振分類において非常に高い性能を示しました。回旋性眼振分類でAUROC値0.961、水平性眼振分類でAUROC値0.974を達成しています。特に、CWTベースの2次元表現は、生の1次元時系列データや他の時間周波数表現を用いたベースラインモデルよりも有意に優れた結果を示しました。

**Table 3.** Table 3 Representation and capacity ablation versus the proposed CWT + 2D pipeline (mean ± SD over 5 seeds)**解説:** 提案されたCWT+2Dパイプラインと、生の1次元ベースライン、代替の時間周波数表現、およびランダム初期化されたバリアントとの比較結果を示しています。CWT+2Dパイプラインが全ての比較対象を上回る性能を示したことがわかります。

。また、これまでのBPPV研究で提案された既存の3つのアーキテクチャと比較しても、提案されたパイプラインは両タスクで優れた性能を発揮しました。

**Table 4.** Table 4 Comparison with re-implemented prior BPPV models under the identical split and training protocol (mean ± SD over 5 seeds)**解説:** これまでのBPPV研究で提案された既存のモデルを、この研究と同じデータセットと学習プロトコルで再実装し、提案手法と比較した結果を示しています。提案されたCWT+2Dパイプラインが、水平および回旋眼振分類の両方で優れた性能を達成しました。

。BPPV亜型診断の記録レベルの精度は、PSCC評価で0.935、LSCC評価で0.938でした。F1スコアは、PSCCの全クラスで0.84を超え、LSCCのクラスでは0.59から0.98の範囲でした。特に、耳石症の亜型はクプラ結石症の亜型よりも優れた性能を示しています。

**Table 5.** Table 5 Diagnostic performance of the proposed algorithm by BPPV subtype on the held-out test set (recording level; mean ± SD over 5 seeds with 95% CI)**解説:** 提案されたアルゴリズムの、BPPV亜型ごとの診断性能（精度、感度、F1スコア）を示しています。PSCCおよびLSCCの全体的な精度は高く、特にLSCCの耳石症亜型でF1スコアが良好でしたが、クプラ結石症亜型はより低い性能でした。

、

**Figure 4.** Fig. 4 Confusion matrices of the BPPV diagnosis results on the held- out test set. Each cell shows the row-normalized percentage of the ground-truth class, with the mean recording count over the 5 training解説: PSCC（a）とLSCC（b）のBPPV診断結果の混同行列を示しています。各セルは、グラウンドトゥルースクラスに対する予測クラスの割合を、行ごとに正規化されたパーセンテージで示しており、括弧内には5回の学習シードにわたる平均記録カウントが記載されています。

。これは、VNG記録からのAI支援によるBPPV診断の実現可能性を強く示唆するものです。

AIモデルの堅牢性と効率性

この研究では、AIモデルが眼振信号の周波数特性に注目していることがGrad-CAM++分析によって明らかになりました。活性化マップは、特に高周波数帯域（スケールが小さいほど高周波数）に集中しており、モデルが専門家によってアノテーションされた眼振イベント自体に依存して正確な予測を行っていることを示唆しています。

**Figure 5.** Fig. 5 Quantitative Grad-CAM + + analysis over the held-out test set for the horizontal (a, c) and torsional (b, d) tasks. a, b Frequency- band activation profiles by class; c, d CAM–annotation temporal解説: 水平眼振（a, c）と回旋眼振（b, d）タスクにおけるGrad-CAM++分析の結果を示しています。(a, b)はクラスごとの周波数帯域活性化プロファイルで、活性化が高周波数帯に集中していることがわかります。(c, d)は、正しく分類されたウィンドウと誤分類されたウィンドウにおける、CAMとアノテーションされた眼振の時間的IoU（Intersection over Union）を比較しています。

、

**Figure 6.** Fig. 6 Representative eye trajectory signals, CWT scalograms and Grad-CAM + + overlays. a Horizontal and b torsional nystagmus解説: 代表的な眼球軌跡信号、CWTスケーログラム、およびGrad-CAM++オーバーレイを示しています。(a)は水平眼振の例、(b)は回旋眼振の例です。上部のグラフは眼球軌跡信号、中央はCWTスケーログラム、下部はGrad-CAM++の強度を示しており、モデルがどの領域を特に注目しているかが視覚的に確認できます。

。さらに、AIモデルは様々な合成劣化条件（ガウスノイズ、サンプル欠損、ベースラインドリフト、フレームレート低下）に対しても高いAUROCを維持し、堅牢性を示しました。実世界のVNG記録におけるゴーグルのずれに対しても、マクロF1スコアは比較的安定していました。

**Figure 7.** Fig. 7 Robustness of the proposed CWT + 2D pipeline and a parameter-matched 1D-ResNet baseline. a–d AUROC under synthetic Gaussian noise, dropout, baseline drift, and frame-rate reduction; e macro-F1 by observed slippage ratio on real recordings

。計算コストの面でも、このパイプラインはリアルタイムでの使用に十分対応可能であり、10秒のウィンドウあたりの推論時間はGPU上で12.6〜17.0ミリ秒、リアルタイムファクター（RTF）は0.004〜0.007と非常に効率的でした。

**Table 6.** Table 6 Computational efficiency of the diagnosis pipeline for the adopted backbones解説: 提案された診断パイプラインの計算効率を示しています。GPUおよびCPUにおける10秒のウィンドウあたりの推論時間と、リアルタイムファクター（RTF）が記載されており、リアルタイム利用に十分な効率性を持つことがわかります。

。これは、AIが臨床現場での実用性を持つ可能性を示しています。

今後の展望と課題

本研究はAI支援BPPV診断の実現可能性を示す強力な予備的証拠を提供しましたが、いくつかの限界も存在します。まず、すべての記録が単一の三次医療施設で収集されたものであり、異なる施設での記録装置、検査プロトコル、対象者層、疾患スペクトルへの一般化には外部検証が必要です。次に、現在の実装はPSCCおよびLSCC BPPVに限定されており、前方半規管BPPVや多半規管病変などの稀な亜型への拡張にはさらなる開発が求められます。最後に、実際の医療現場でのワークフローへの適合性や専門家の受け入れを含め、前向き臨床検証はまだ実施されていません。今後の研究では、多施設データを用いた前向き臨床検証を最優先に進める必要があります。また、稀なBPPV亜型への拡張、臨床歴や聴覚検査との多角的情報統合、モデルの信頼性を確保するための確信度校正分析なども重要な方向性となります。本研究で示されたGrad-CAM++分析によるモデルの「説明可能性」は、専門家の信頼を促進し、日常診断ワークフローでの導入を支援する上で不可欠です。

まとめ

この研究は、ビデオ眼振検査（VNG）記録を用いた良性発作性頭位めまい症（BPPV）のAIベース診断アルゴリズムを開発・評価しました。連続ウェーブレット変換（CWT）による周波数変換と、系統的なアーキテクチャ比較から選択されたタスク固有のバックボーン（水平眼振分類にはSwin-Tiny、回旋眼振分類にはConvNeXtV2-Tiny）を採用することで、強力な眼振分類性能と臨床的に関連性の高いBPPV診断精度を達成しました。このアルゴリズムは、4段階の診断フレームワークを通じて専門家の臨床推論プロセスを模倣しており、PSCCおよびLSCCの亜型に対して高い性能を発揮します。LSCCクプラ結石症の稀な亜型は最も困難な課題として残されましたが、これらの知見は、めまい診療における構造化された意思決定を支援するAIアシストBPPV診断ツールの実現可能性を示すものです。このアプローチを日常診療に導入するためには、多施設データでのさらなる検証、追加のBPPV亜型への拡張、および実世界での臨床試験が不可欠となるでしょう。

用語集

良性発作性頭位めまい症 (BPPV): 頭を特定の方向や位置に動かすことで、めまいが繰り返し起こる病気です。内耳にある耳石が剥がれ、半規管に入り込むことで生じます。
眼振: 無意識に起こる周期的な眼球の動きのことです。めまいなどの内耳の異常によって誘発されることがあります。
ビデオ眼振検査 (VNG): 赤外線カメラ付きゴーグルを使って眼球の動きを記録し、眼振の有無やタイプを客観的に評価する検査です。
連続ウェーブレット変換 (CWT): 1次元の時系列信号を、時間と周波数の両方の情報を同時に含む2次元の画像（スケーログラム）に変換する数学的な手法です。
スケーログラム: 連続ウェーブレット変換によって得られる、信号の周波数成分が時間とともにどのように変化するかを視覚化した2次元画像です。
ディックス・ホールパイクテスト: BPPV、特に後方半規管型BPPVを診断するために行われる頭位変換検査の一つです。対象者の頭を特定の方向に向けて素早く寝かせ、眼振を誘発させます。
仰臥位頭位変換検査: 外側半規管型BPPVを診断するために行われる頭位変換検査の一つで、対象者を仰向けに寝かせ、頭を左右に回転させて眼振を誘発させます。
後方半規管 (PSCC) BPPV: 耳石が内耳の後方半規管に入り込むことで引き起こされるBPPVの最も一般的なタイプです。
外側半規管 (LSCC) BPPV: 耳石が内耳の外側半規管に入り込むことで引き起こされるBPPVのタイプです。耳石症とクプラ結石症の2つの亜型があります。
ImageNet: 大規模な画像データセットであり、多くの画像認識AIモデルの事前学習に用いられます。
バックボーンアーキテクチャ: ディープラーニングモデルにおいて、入力データから特徴を抽出する主要なネットワーク構造のことです。ImageNetで事前学習されたものがよく用いられます。
AUROC (Area Under the Receiver Operating Characteristic curve): 受信者操作特性曲線の下の面積で、分類モデルの性能を評価する指標の一つです。値が1に近いほど性能が良いことを示します。
F1スコア: 精度と再現率の調和平均であり、特にクラスの不均衡がある場合に分類モデルの性能を評価するのに有用な指標です。
Grad-CAM++: ディープラーニングモデルが画像のどの部分に注目して予測を行ったかを可視化する技術の一つです。AIの判断根拠を理解するのに役立ちます。
リアルタイムファクター (RTF): ある処理にかかった時間と、処理対象のデータ（ここではVNG記録）の実際の時間長との比率です。RTFが1未満であれば、リアルタイム処理が可能であることを意味します。