EPI（エレクトロフォトニック）による疾患検出

AI/ML
EPI（エレクトロフォトニック）による疾患検出

EPI（エレクトロフォトニック）による疾患検出

Electrophotonic Imaging（EPI）装置で指先のコロナ放電を撮像し、生体エネルギーフィールドのパターンから糖尿病など疾患を検出する可能性を探る研究リポジトリ。実験手法の概要と解析方針、画像取得の物理的原理についての資料（PDF）と簡易READMEが含まれます。機械学習での分類応用や前処理・特徴抽出の検討に役立つ出発点です（約300字）。

https://github.com/srustisain/epi-disease-imaging

概要

Electrophotonic Imaging（EPI）は指先に高電圧パルスを与えてガラス板上に生じるコロナ放電を撮像することで、人体の「エネルギーフィールド」を可視化する手法です。本リポジトリは、膵臓や肝臓が関与する糖代謝異常（糖尿病など）を対象に、EPI画像から疾患の有無を検出する可能性を示すための資料をまとめた小規模な研究リポジトリです。主要コンテンツは実験と理論の説明を含むPDFとREADMEで、機械学習モデルの適用や前処理・特徴設計の出発点として利用できます（約300字）。

GitHub

リポジトリの統計情報

  • スター数: 1
  • フォーク数: 0
  • ウォッチャー数: 1
  • コミット数: 3
  • ファイル数: 2
  • メインの言語: 未指定

主な特徴

  • EPI（Electrophotonic Imaging）の原理と実験条件（高電圧パルス、周波数、撮像方法）に関する解説資料を収録
  • 指先コロナ放電から得られる画像データの利用を前提とした疾患検出のアイデア提示
  • 小規模リポジトリながら、医用画像解析や機械学習へつなげるための出発点を提供
  • 実験ノート（PDF）を通じて再現実験やデータ収集の基礎情報を確認可能

技術的なポイント

EPIは物理的な放電現象を用いるため、画像は電気的・環境的ノイズの影響を強く受けます。解析上の重要なポイントは（1）撮像条件の標準化：電圧、周波数、接触圧、ガラス板の状態を定量的に管理すること、（2）前処理：背景除去、閾値処理、ガウシアンフィルタやノイズリダクション、コントラスト正規化などで安定した特徴抽出を行うこと、（3）特徴設計：形状特徴（面積、周囲長、分岐点数、重心）、テクスチャ特徴（LBP、GLCM）、フーリエ/ウェーブレット成分、及び放電の時間情報が利用可能なら時系列特徴を組み合わせると有効です。機械学習では、データが小規模である点を踏まえた転移学習（事前学習済みCNNのファインチューニング）やクラシカルな特徴＋SVM/ランダムフォレストの組合せ、クロスバリデーションによる過学習対策が現実的です。可視化・解釈性のためにGrad-CAMやSHAPを用いて、モデルがどの放電領域を判断に用いているかを評価すると臨床的信頼性の向上に寄与します。倫理面では、人体データ扱いの同意・匿名化、再現性確保のための詳細な実験プロトコル公開が重要です（約700字）。

プロジェクトの構成

主要なファイルとディレクトリ：

  • EPI disease detection.pdf: file
  • README.md: file

まとめ

EPIを用いた疾患検出の出発点となる基礎資料が収められた小規模リポジトリ。再現性とデータ拡充が今後の鍵です（約50字）。

リポジトリ情報：

READMEの抜粋：

Detection of Diseases using Electrophotonic Imaging (EPI)

The pancreas and liver are the organs which produce insulin and regulate blood sugar respectively, which is one of the main hormones that helps to regulate diabetes. Electrophotonic imaging is a process that measures the energy fields of humans. The Electrophotonic Imaging (EPI) instrument is used to capture coronal discharges at the fingertips induced by a pulsed electrical signal (10-15kV, 1024Hz, 10- microsecond) on the glass plate…