論文「Stringology-Based Motif Discovery from EEG Signals: an ADHD Case Study」の技術的サマリー

本論文は、注意欠如・多動症（ADHD）の脳波（EEG）信号解析において、文字列処理のアルゴリズム（Stringology）から着想を得た新しい計算フレームワークを提案し、その有効性を実証した研究です。従来のスペクトル解析や複雑度指標では捉えきれない、神経信号の「微細な時間的パターン（モティフ）」の構造と安定性を定量化し、ADHD の神経動態における特徴を明らかにすることを目的としています。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細にまとめます。

1. 問題定義と背景

• 既存手法の限界: 従来の ADHD に関する EEG 解析は、長時間の平均化されたスペクトルパワー（例：シータ/ベータ比）や事象関連電位（ERP）、あるいはラプラス・ツェンデフ複雑度（LZC）などのグローバルな複雑度指標に依存しています。これらは信号の「平均的な性質」を捉えますが、信号内に潜む「短寿命だが機能的に意味のある時間的マイクロパターン（微細な波形の形状や順序）」を見逃す可能性があります。
• ADHD の神経動態: ADHD では、神経活動の不安定性、時間的安定性の低下、ネットワーク間の協調性の欠如が報告されています。しかし、これらの異常が「どのような時間的パターンの繰り返しや構造変化」として現れるのか、その具体的なメカニズムは未解明でした。
• 課題: 振幅の絶対値に依存せず、信号の相対的な順序や階層的な形状に焦点を当て、ADHD と健常群を区別できる時間的モティフ（反復パターン）を同定し、定量化する手法の必要性。

2. 提案手法：Stringology ベースのモティフ発見フレームワーク

本研究では、文字列処理の分野（Stringology）から以下の 2 つのマッチング手法を EEG 解析に適応させました。

2.1 手法の概要

1. 順序保存マッチング (Order Preserving Matching: OPM):

   • 信号の絶対的な振幅値ではなく、サンプル間の相対的な順序関係（大小関係）のみを保存してパターンをマッチングします。
   • 例：(2, 9, 4) と (1, 3, 2) は、どちらも「1 番目 < 3 番目 < 2 番目」という順序構造を持つため、一致とみなされます。
   • 特徴: 振幅スケーリングに不変であり、厳密な順序関係（上昇・下降トレンド）を保持する非常に安定したパターンを抽出します。

2. カルテシアン木マッチング (Cartesian Tree Matching: CTM):

   • 数値列を「カルテシアン木（局所最小値・最大値の階層構造を表す木構造）」に変換し、その**形状（トポロジー）**が一致するかを判定します。
   • 特徴: 厳密な順序関係よりも緩やかで、ノイズや微小な順序の揺らぎに対して頑健です。波形の「全体的な形状」や「階層的な構造」を捉えます。

2.2 解析パイプライン

1. データ: 128Hz で記録された 19 チャンネルの EEG データ（ADHD 群 61 名、対照群 60 名、計 121 名）。視覚的注意力タスク中のデータを使用。
2. 前処理: ノイズ除去、ICA によるアーティファクト除去、1/4 間引き（32Hz へ）。
3. モティフ発見: 各参加者の各チャンネル時系列を文字列とみなし、OPM と CTM を用いて「支持度（Support）≥ 0.9（90% 以上の参加者に出現）」かつ「グループ固有」の反復パターンを抽出。
4. 特徴量抽出:
   • 基本特徴: 長さ、出現頻度、支持度。
   • 勾配特徴 (Gradient): 隣接点間の振幅差の最大値・平均値・標準偏差（信号の急峻さや変動性）。
   • 順位特徴 (Rank - OPM 用): 順位転換点の数、順位差の最大値など（順序構造の安定性）。
   • 木構造特徴 (Tree - CTM 用): 木の最大深さ、葉の数、分岐数、バランス（階層的複雑度）。

3. 主要な結果

ADHD 群と対照群を比較した結果、以下の統計的に有意な差異が確認されました。

3.1 モティフの頻度と長さ

• 頻度: ADHD 群では、両手法（OPM, CTM）ともに、対照群よりもモティフの出現頻度が有意に高かった。これは、ADHD の脳活動において、限られた時間的パターンが過度に反復（ステレオタイプ化）していることを示唆。
• 長さ:
  • OPM モティフ: ADHD 群で有意に短かった（長さ 6〜7 点、約 0.19 秒）。
  • CTM モティフ: 群間で長さの有意差は見られなかった（長さ 9〜10 点、約 0.31 秒）。
  • 解釈: 厳密な順序パターン（OPM）は短時間で崩壊するが、大まかな波形形状（CTM）の持続時間は保たれている。

3.2 時間的安定性と勾配 (Gradient Features)

• 結果: OPM と CTM 双方において、ADHD 群のモティフは最大ジャンプ値、平均ジャンプ値、ジャンプ変動性が有意に大きかった。
• 意味: ADHD の神経信号は、反復パターン内でも急激な振幅変化（不安定性）が多く、時間的な滑らかさが欠如している。

3.3 順序構造の不安定性 (OPM Rank Features)

• 結果: ADHD 群では、順位転換点（Rank Turning Points）の数が全チャンネルで有意に多かった。
• 意味: 信号の「上昇・下降」の方向転換が頻繁に起こっており、順序的なダイナミクスが不安定である。

3.4 階層的複雑度の低下 (CTM Tree Structural Features)

• 結果: ADHD 群では、カルテシアン木の最大深さ、分岐数、葉の数が有意に少なかった（木が浅く、単純化されている）。
• 意味: ADHD の脳波パターンは、対照群に比べて階層的な構造が単純化されており、多層的な極値のネスト（入れ子構造）が減少している。

3.5 空間的分布

• OPM 効果: 前頭葉と側頭葉で特に顕著（実行機能や注意制御に関連する領域）。
• CTM 効果: 頭頂葉と側頭葉で構造的な差異が顕著。

4. 主要な貢献と意義

1. 新たな解析パラダイムの提案:
   • EEG 解析に「Stringology（文字列処理）」の概念を導入し、振幅値ではなく「順序」と「形状」に焦点を当てた新しいモティフ発見フレームワークを確立しました。
2. ADHD の神経動態の解明:
   • ADHD の異常は単なる「ノイズの増加」や「複雑度の低下」だけでなく、**「構造的に反復的だが、時間的に不安定で、階層的に単純化されたパターン」**として現れることを初めて定量的に示しました。
   • 具体的には、「短い時間スケールでの順序の不安定性（OPM）」と「多スケール構造の単純化（CTM）」という二重のメカニズムが同定されました。
3. 臨床的・研究への応用可能性:
   • 従来のスペクトル解析や複雑度指標では捉えきれなかった微細な時間的構造を定量化できるため、ADHD の客観的バイオマーカー開発や、神経発達障害のモニタリングツールとしての可能性を示唆しています。
4. 補完的なアプローチ:
   • OPM（厳密な順序）と CTM（階層的形状）を組み合わせることで、神経ダイナミクスを多角的かつ補完的に理解できることを実証しました。

5. 結論

本研究は、ADHD における脳波の時間的ダイナミクスが、**「高い反復性（ステレオタイプ化）」と「時間的・構造的な不安定性（急峻な変化と階層構造の単純化）」**によって特徴づけられることを示しました。Stringology に基づくモティフ分析は、神経信号の微細な時間的アーキテクチャを解読するための強力なツールであり、ADHD の神経メカニズム理解と診断支援への新たな道を開くものです。