JP7297697B2 - 神経活動の領域を推定する推定方法、推定装置及び磁気共鳴イメージング装置 - Google Patents

Description

本発明の実施形態は、神経活動の領域を推定する推定方法、推定装置及び磁気共鳴イメージング（magnetic resonance imaging：ＭＲＩ）装置に関する。

従来、脳内の神経活動によって発生する、神経束を流れる電流によって生じる磁場を超伝導量子干渉計（superconducting quantum interference device：ＳＱＵＩＤ）によって計測することで、脳表面近傍の磁場分布を示す脳磁図（magnetoencephalography：ＭＥＧ）データを収集する技術が知られている。そして、近年では、磁場シールドルーム無しでも微弱な磁場を検出できるＳＱＵＩＤシステムも研究開発されており、ＭＥＧデータに基づいて、脳内の神経活動の領域を推定する方法が検討されている。

豊巻 敦人、渡辺 隼人、柳生 一自、室橋 春光、「ＭＥＧによるfunctional connectivityの解析－Default Mode Networkモデルに関連したAutism Spectrum Disorderと定型発達の比較－」、生理心理学と精神生理学、３１巻、１号、２０１３年、４１－４９頁

本発明が解決しようとする課題は、被検体内の神経活動の領域をより正確に効率よく推定することである。

実施形態に係る推定方法は、神経活動の領域を推定する推定方法であって、被検体内の神経束の立体構造を示す情報と、前記被検体の表面近傍の磁場分布を示す情報とに基づいて、前記神経束の何れに電流が流れたかを推定することを含む。

図１は、第１の実施形態に係る医用情報処理装置の構成例を示す図である。 図２は、第１の実施形態に係る生成機能によって行われる磁場分布の計算方法を示す図である。 図３は、第１の実施形態に係る生成機能によって行われる磁場分布の計算方法を示す図である。 図４は、第１実施形態に係る処理回路の各処理機能によって実現される処理の処理手順を示すフローチャートである。 図５は、第２の実施形態に係る医用情報処理装置の構成例を示す図である。 図６は、第２の実施形態に係る医用情報処理装置によって行われる脳内の異常領域の同定方法を示す図である。 図７は、第２実施形態に係る処理回路の各処理機能によって実現される処理の処理手順を示すフローチャートである。 図８は、第３の実施形態に係る医用情報処理装置の構成例を示す図である。 図９は、第３の実施形態に係る医用情報処理装置によって行われる神経束の推定方法を示す図である。 図１０は、第４の実施形態に係るＭＲＩ装置の構成例を示す図である。 図１１は、第５の実施形態に係る生成機能によって行われる磁場分布の計算方法を示す図である。

以下、図面を参照しながら、神経活動の領域を推定する推定方法、推定装置及び磁気共鳴イメージング装置の実施形態について詳細に説明する。

（第１の実施形態）
第１の実施形態では、本願が開示する推定方法及び推定装置を医用情報処理装置に適用した場合の例を説明する。

図１は、第１の実施形態に係る医用情報処理装置の構成例を示す図である。

例えば、図１に示すように、第１の実施形態に係る医用情報処理装置１１０は、ネットワーク１２０を介して、ＭＲＩ装置１３０やＭＥＧ計測装置１４０等と通信可能に接続されている。例えば、医用情報処理装置１１０、ＭＲＩ装置１３０及びＭＥＧ計測装置１４０は、病院等に設置され、院内ＬＡＮ（local area network）を介して相互に接続される。

ＭＲＩ装置１３０は、磁気共鳴現象を利用して、被検体の画像データを収集する。具体的には、ＭＲＩ装置１３０は、操作者によって設定された撮像条件に基づいて各種撮像シーケンスを実行することで、被検体から磁気共鳴データを収集する。そして、ＭＲＩ装置１３０は、収集した磁気共鳴データに対してフーリエ変換処理等の画像処理を施すことで、２次元又は３次元の画像データを生成する。

ＭＥＧ計測装置１４０は、被検体のＭＥＧデータを収集する。具体的には、ＭＥＧ計測装置１４０は、脳内の神経束を流れる電流によって生じる磁場をＳＱＵＩＤによって計測することで、脳表面近傍の磁場分布を示すＭＥＧデータを収集する。

医用情報処理装置１１０は、ネットワーク１２０を介して接続された他の装置から各種の医用データを取得し、取得した医用データを用いて各種の情報処理を行う。例えば、医用情報処理装置１１０は、ワークステーションやパーソナルコンピュータ、タブレット端末等のコンピュータ機器によって実現される。

具体的には、医用情報処理装置１１０は、ＮＷ（network）インタフェース１１１と、記憶回路１１２と、入力インタフェース１１３と、ディスプレイ１１４と、処理回路１１５とを有する。

ＮＷインタフェース１１１は、処理回路１１５に接続されており、ネットワーク１２０を介して医用情報処理装置１１０と他の装置との間で行われるデータ通信を制御する。具体的には、ＮＷインタフェース１１１は、処理回路１１５による制御のもと、他の装置との間で各種データの送受信を行う。例えば、ＮＷインタフェース１１１は、ネットワークカードやネットワークアダプタ、ＮＩＣ（network interface controller）等によって実現される。

記憶回路１１２は、処理回路１１５に接続されており、各種データを記憶する。具体的には、記憶回路１１２は、処理回路１１５からの要求に応じて、各種データを記憶し、また、記憶されているデータの読み出し及び更新を行う。例えば、記憶回路１１２は、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子や、ハードディスク、光ディスク等によって実現される。

入力インタフェース１１３は、処理回路１１５に接続されており、操作者から各種指示及び各種情報の入力操作を受け付ける。具体的には、入力インタフェース１１３は、操作者から受け付けた入力操作を電気信号へ変換して処理回路１１５に出力する。例えば、入力インタフェース１１３は、トラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力回路、及び音声入力回路等によって実現される。なお、本明細書において、入力インタフェース１１３は、マウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路も入力インタフェース１１３の例に含まれる。

ディスプレイ１１４は、処理回路１１５に接続されており、各種情報及び各種データを表示する。具体的には、ディスプレイ１１４は、処理回路１１５からの要求に応じて、各種情報及び各種データを表示用の電気信号に変換して出力する。例えば、ディスプレイ１１４は、液晶モニタやＣＲＴ（cathode ray tube）モニタ、タッチパネル等によって実現される。

処理回路１１５は、入力インタフェース１１３を介して操作者から受け付けた入力操作に応じて、医用情報処理装置１１０の動作を制御する。例えば、処理回路１１５は、プロセッサによって実現される。

以上、第１の実施形態に係る医用情報処理装置１１０の構成例について説明した。このような構成のもと、本実施形態に係る医用情報処理装置１１０は、被検体（被検者）のＭＥＧデータに基づいて、脳内の神経活動の領域を推定する機能を有する。

通常、ＭＥＧデータから脳内の神経束の位置及び神経束に流れる電流を推定することによって異常な神経束の正確な場所を特定するためには、逆問題を解くことが求められる。しかしながら、このような推定方法では、逆問題を解く際の制約条件がないことから、適切な解が得られる解法が未だに無いといえる。

このようなことから、本実施形態に係る医用情報処理装置１１０は、脳内の神経活動の領域をより正確に効率よく推定することができるように構成されている。

具体的には、本実施形態に係る医用情報処理装置１１０は、脳内の神経束の立体構造を示す情報と、被検体の脳表面近傍の磁場分布を示す情報とに基づいて、脳内の神経束の何れに電流が流れたかを推定する。ここで、本実施形態では、脳内の神経束の立体構造を示す情報として、ＭＲＩ装置１３０によって得られた拡散テンソルトラクトグラフィ（diffusion tensor tractography：ＤＴＴ）データが用いられる。また、本実施形態では、被検体の脳表面近傍の磁場分布を示す情報として、ＭＥＧ計測装置１４０によって得られたＭＥＧデータが用いられる。

より具体的には、本実施形態では、処理回路１１５が、第１取得機能１１５ａと、第２取得機能１１５ｂと、生成機能１１５ｃと、推定機能１１５ｄとを有する。なお、第１取得機能１１５ａは、第１取得部の一例である。また、第２取得機能１１５ｂは、第２取得部の一例である。また、生成機能１１５ｃは、生成部の一例である。また、推定機能１１５ｄは、推定部の一例である。

第１取得機能１１５ａは、脳内の神経束の立体構造を示すＤＴＴデータを取得する。

具体的には、第１取得機能１１５ａは、ネットワーク１２０を介して、ＭＲＩ装置１３０から被検体のＤＴＴデータを取得する。ここで、ＤＴＴデータは、ＤＴＩ（diffusion tensor imaging)やＱＢＩ（Q-ball imaging）によって得られた画像データに含まれる任意のボクセルでの最大拡散方向をトラッキングし、トラッキングの軌跡を神経束として描出するＤＴＴによって得られた画像データである。また、ＤＴＴデータは、３次元の位置情報を有する複数のボクセルからなる３次元のＤＴＴデータである。

第２取得機能１１５ｂは、被検体の脳表面近傍の磁場分布を示すＭＥＧデータを取得する。

具体的には、第２取得機能１１５ｂは、ネットワーク１２０を介して、ＭＥＧ計測装置１４０から被検体のＭＥＧデータを取得する。ここで、ＭＥＧデータは、ＭＥＧ計測装置１４０において、複数のＳＱＵＩＤが脳の周囲を囲むように配置されることよって規定される球面に沿った磁場の分布を示すデータである。

生成機能１１５ｃは、第１取得機能１１５ａによって取得された被検体のＤＴＴデータに基づいて、各神経束に電流が流れた際に形成される脳表面近傍の磁場分布を算出した複数のパターンを生成する。

具体的には、生成機能１１５ｃは、被検体のＤＴＴデータから脳内の神経束を特定し、特定した各神経束について、各神経束に電流が流れた際に脳表面近傍に形成される磁場分布を求める計算を、神経束ごとに電流値を変えながら複数回行うことで、複数のパターンを生成する。ここで、生成機能１１５ｃは、神経束ごとに、ＤＴＴデータにおけるボクセル単位のベクトルを電流素とし、かつ、１つの神経束に含まれる電流素には同一の電流値の電流が流れるという制約条件で、神経束に電流が流れた際に当該神経束に含まれる各電流素が脳表面近傍に発生させる磁場を求め、電流素ごとに算出した磁場を重ね合わせることで、１つの神経束による磁場分布のパターンを生成する。

図２及び３は、第１の実施形態に係る生成機能１１５ｃによって行われる磁場分布の計算方法を示す図である。

例えば、図２に示すように、ＤＴＴデータは、ＤＴＩ（diffusion tensor imaging)やＱＢＩ（Q-ball imaging）によって得られたボクセル単位の制限拡散テンソルより得られたベクトルを繋ぎ合わせたベクトルフロー図として描画したものであり、各ベクトルフローが神経束を表している。このようなＤＴＴデータにおいて、ボクセル単位のベクトルを電流素とすると、その電流素が脳の近傍に発生させる磁場ベクトルは、ビオ・サバールの法則によって計算することができる。

すなわち、ボクセル単位のベクトルｓを電流素とし、その電流値をＩとすると、電流素によってベクトルｒだけ離れた位置にある脳外の点Ｐに発生する磁場のベクトルｄＢは、以下の式（１）で求めることができる。なお、μ₀は真空の透磁率である。

例えば、図３に示すように、ＤＴＴデータに描出された１つの神経束において、４つの電流素が連結されていたとする。この場合に、１つの神経束に流れる電流の電流値は同一であることから、１つの神経束に含まれる電流素には同一の電流値の電流が流れるという制約条件を与えることができる。

すなわち、以下の式（２）に示すように、任意の点Ｐに発生する磁場のベクトルＢ_Pは、神経束に含まれる４つの電流素のベクトルｓ₁～ｓ₄、点Ｐと４つの電流素それぞれとの間の距離のベクトルｒ₁～ｒ₄、及び、当該神経束に流れる一定の電流値Ｉ_f1から、４つの電流素が作る磁場の重ね合わせることによって求めることができる。

ここで、異なる神経束によって点Ｐに形成される磁場についても、同様の計算で求めることができ、神経束ごとに、電流素に流れる電流値が異なることになる。

生成機能１１５ｃは、ＤＴＴデータから特定した各神経束について、神経束ごとに電流値を変えながら、上述した方法で磁場分布を求める計算を複数回行うことで、脳表面近傍に形成される磁場分布を算出した複数のパターンを生成する。ここで、生成機能１１５ｃによって生成されるパターンには、磁場分布を示す情報に加えて、磁場の計算に用いられた各神経束の電流値を示す情報が含まれていることとする。

推定機能１１５ｄは、生成機能１１５ｃによって生成された磁場分布の複数のパターンと、第２取得機能１１５ｂによって取得された被検体のＭＥＧデータとの相関関係から、当該ＭＥＧデータの取得時に脳内の神経束の何れに電流が流れたかを推定する。

具体的には、推定機能１１５ｄは、生成機能１１５ｃによって生成された磁場分布の複数のパターンの中から、第２取得機能１１５ｂによって取得された被検体のＭＥＧデータと一致するパターン、又は、最も近いパターンを特定する。その後、推定機能１１５ｄは、特定したパターンに基づいて、電流値がゼロでない神経束を特定することで、被検体のＭＥＧデータの取得時に電流が流れた神経束を推定する。そして、推定機能１１５ｄは、推定した神経束を示す情報を神経束の推定結果としてディスプレイ１１４に表示する。例えば、推定機能１１５ｄは、第１取得機能１１５ａによって取得された被検体のＤＴＴデータをディスプレイ１１４に表示し、そのＤＴＴデータ上で、推定した神経束を強調表示する。

ここで、推定機能１１５ｄは、神経束を特定した後に、さらに、当該神経束が連結している脳領域（脳回等）を推定してもよい。例えば、推定機能１１５ｄは、標準的な脳を脳回単位などの脳機能領域的又は解剖学的に区分けした複数の脳領域を示す３次元のモデルを変形させてＤＴＴデータに位置合わせすることで、特定した神経束が連結している脳領域を推定する。そして、例えば、推定機能１１５ｄは、ディスプレイ１１４に表示したＤＴＴ画像上で、推定した神経束と、当該神経束が連結している脳領域とを強調表示する。

または、例えば、ＭＲＩ装置１３０によって被検体のＴ１強調画像が得られている場合には、推定機能１１５ｄは、当該Ｔ１強調画像に脳回等の脳機能領域マップを表示し、その上で、推定した神経束と、当該神経束が連結している脳領域とを強調表示してもよい。

なお、上述した説明では、被検体のＤＴＴデータが用いられることとしたが、例えば、ＭＥＧデータが収集された被検体のＤＴＴデータが存在しない場合には、その代わりに標準的な脳のＤＴＴデータが用いられてもよい。その場合には、例えば、推定機能１１５ｄは、標準的な脳のＤＴＴデータと、その脳に対応した脳領域のモデルとを用いて、神経束が連結している脳領域を推定し、当該ＤＴＴ画像上で、推定した神経束と、当該神経束が連結している脳領域とを強調表示する。この場合は、標準的な脳のＤＴＴデータに対応する脳領域のモデルを用いるため、脳領域を推定する際のＤＴＴデータとモデルとの位置合わせは不要となる。

以上、処理回路１１５が有する各処理機能について説明した。例えば、処理回路１１５がプロセッサによって実現される場合に、各処理機能は、コンピュータによって実行可能なプログラムの形態で記憶回路１１２に記憶される。処理回路１１５は、記憶回路１１２から各プログラムを読み出して実行することで、各プログラムに対応する機能を実現する。換言すると、各プログラムを読み出した状態の処理回路１１５は、図１の処理回路１１５に示された各機能を有することとなる。なお、図１では、単一のプロセッサによって各処理機能が実現されるものとして説明したが、複数の独立したプロセッサを組み合わせて処理回路を構成し、各プロセッサがプログラムを実行することにより機能を実現するものとしても構わない。また、処理回路１１５が有する処理機能は、単一又は複数の処理回路に適宜に分散又は統合されて実現されてもよい。また、図１に示す例では、単一の記憶回路１１２が各処理機能に対応するプログラムを記憶するものとして説明したが、複数の記憶回路を分散して配置して、処理回路が個別の記憶回路から対応するプログラムを読み出す構成としても構わない。

図４は、第１実施形態に係る処理回路１１５の各処理機能によって実現される処理の処理手順を示すフローチャートである。

例えば、図４に示すように、本実施形態では、第１取得機能１１５ａが、ＭＲＩ装置１３０から被検体のＤＴＴデータを取得する（ステップＳ１１）。この処理は、例えば、処理回路１１５が、第１取得機能１１５ａに対応する所定のプログラムを記憶回路１１２から読み出して実行することにより実現される。

また、第２取得機能１１５ｂが、ＭＥＧ計測装置１４０から被検体のＭＥＧデータを取得する（ステップＳ１２）。この処理は、例えば、処理回路１１５が、第２取得機能１１５ｂに対応する所定のプログラムを記憶回路１１２から読み出して実行することにより実現される。

続いて、生成機能１１５ｃが、第１取得機能１１５ａによって取得された被検体のＤＴＴデータから脳内の神経束を特定し（ステップＳ１３）、各神経束に電流が流れた際に脳表面近傍形成される磁場分布を算出した複数のパターンを生成する（ステップＳ１４）。これらの処理は、例えば、処理回路１１５が、生成機能１１５ｃに対応する所定のプログラムを記憶回路１１２から読み出して実行することにより実現される。

その後、推定機能１１５ｄが、生成機能１１５ｃによって生成された磁場分布の複数のパターンの中から、被検体のＭＥＧデータと一致するパターン（又は、最も近いパターン）を特定し（ステップＳ１５）、特定したパターンに基づいて、当該ＭＥＧデータの取得時に電流が流れた神経束を推定する（ステップＳ１６）。そして、推定機能１１５ｄは、神経束の推定結果をディスプレイ１１４に表示する（ステップＳ１７）。これらの処理は、例えば、処理回路１１５が、推定機能１１５ｄに対応する所定のプログラムを記憶回路１１２から読み出して実行することにより実現される。

上述したように、第１の実施形態に係る医用情報処理装置１１０は、脳内の神経束の立体構造を示すＤＴＴデータに基づいて、脳内の各神経束に電流が流れた際に形成される脳表面近傍の磁場分布を算出した複数のパターンが生成する。また、医用情報処理装置１１０は、当該複数のパターンと、被検体の脳表面近傍の磁場分布を示すＭＥＧデータとの相関関係から、ＭＥＧデータの取得時に脳内の神経束の何れに電流が流れたかを推定する。

このように、磁場分布の複数のパターンとＭＥＧデータとを用いて電流が流れた神経束を推定することは、逆問題を解くことに相当する。しかしながら、本実施形態では、ＤＴＴデータを用いて脳内における神経束の経路を特定したうえで、各神経束を対象として磁場分布のパターンが生成されるので、逆問題の適切な解が得られるようになる。したがって、第１の実施形態によれば、脳内の神経活動の領域をより正確に効率よく推定することができる。

（第２の実施形態）
なお、上述した第１の実施形態では、被検体のＭＥＧデータに基づいて、ＭＥＧデータの取得時に電流が流れた神経束を推定する場合の例を説明したが、実施形態はこれに限られない。例えば、正常者のＭＥＧデータを用いた神経束の推定結果と、被検体のＭＥＧデータを用いた神経束の推定結果とを比較することで、被検体の脳内の異常領域を同定するようにしてもよい。以下では、このような例を第２の実施形態として説明する。なお、第２の実施形態では、上述した第１の実施形態と異なる点を中心に説明し、第１の実施形態と共通する点については詳細な説明を省略する。

図５は、第２の実施形態に係る医用情報処理装置の構成例を示す図である。

例えば、図５に示すように、第２の実施形態に係る医用情報処理装置２１０では、処理回路２１５が、第１取得機能２１５ａと、第２取得機能２１５ｂと、生成機能２１５ｃと、推定機能２１５ｄと、同定機能２１５ｅとを有する。なお、第１取得機能２１５ａは、第１取得部の一例である。また、第２取得機能２１５ｂは、第２取得部の一例である。また、生成機能２１５ｃは、生成部の一例である。また、推定機能２１５ｄは、推定部の一例である。また、同定機能２１５ｅは、同定部の一例である。

図６は、第２の実施形態に係る医用情報処理装置２１０によって行われる脳内の異常領域の同定方法を示す図である。

本実施形態では、例えば、図６の（ａ）に示すように、第１取得機能２１５ａが、ＭＲＩ装置１３０から、各年齢層の正常者の安静状態におけるＤＴＴデータを取得する。また、第２取得機能２１５ｂが、ＭＥＧ計測装置１４０から、各年齢層の正常者の安静状態におけるＭＥＧデータを取得する。さらに、第２取得機能２１５ｂは、第１の実施形態と同様に、被検体の安静状態におけるＭＥＧデータを取得する。

また、例えば、図６の（ｂ）に示すように、第１取得機能２１５ａが、ＭＲＩ装置１３０から取得した各年齢層の正常者のＤＴＴデータを年代ごとに平均して参照ＤＴＴデータを生成する。また、第２取得機能２１５ｂが、ＭＥＧ計測装置１４０から取得した各年齢層の正常者のＭＥＧデータを年代ごとに平均して参照ＭＥＧデータを生成する。

そして、生成機能２１５ｃが、被検体と同じ年代の参照ＤＴＴデータを用いて、第１の実施形態と同様の処理を行うことで、安静状態で各神経束に電流が流れた際に形成される脳表面近傍の磁場分布を算出した複数のパターンを生成する。また、推定機能２１５ｄが、生成機能２１５ｃによって生成された安静状態における磁場分布の複数のパターンと、被検体と同じ年代の参照ＭＥＧデータとを用いて、第１の実施形態と同様の処理を行うことで、安静状態で電流が流れる神経束を推定し、さらに、当該神経束に流れる電流の電流値を特定する。

その後、生成機能２１５ｃが、被検体と同じ年代の参照ＤＴＴデータを用いて、第１の実施形態と同様の処理を行うことで、安静状態で各神経束に電流が流れた際に形成される脳表面近傍の磁場分布を算出した複数のパターンを生成する。なお、このとき、生成機能２１５ｃは、既に特定済みの安静状態で電流が流れる神経束に関する電流値を初期値として電流値を変えるようにする。そして、生成機能２１５ｃによってパターンが生成されるごとに、推定機能２１５ｄが、生成されたパターンと、第２取得機能２１５ｂによって取得された被検体の安静状態におけるＭＥＧデータとを比較して、一致する、あるいは最も類似したパターンを特定する。これにより、磁場分布のパターンの特定にかかる時間を短縮することができる。そして、推定機能１１５ｄは、特定したパターンに基づいて、第１の実施形態と同様の処理を行うことで、安静状態で電流が流れる神経束を推定する。

その後、本実施形態では、例えば、図６の（ｃ）に示すように、同定機能２１５ｅが、正常者のＭＥＧデータを用いた神経束の推定結果と、被検体のＭＥＧデータを用いた神経束の推定結果とを比較することで、被検体の脳内の異常領域を同定する。

具体的には、同定機能２１５ｅは、参照ＭＥＧデータを用いて推定された神経束と、被検体のＭＥＧデータを用いて推定された神経束とを比較して、差分（主に神経束の減少）となっている神経束を特定する。その後、同定機能２１５ｅは、特定した神経束が連結している脳領域（脳回等）を特定し、特定した脳領域を異常領域として同定する。そして、例えば、同定機能２１５ｅは、ディスプレイ１１４に表示した参照ＤＴＴ画像上で、同定した異常領域を強調表示する。

ここで、「安静状態」とは“閉眼し何も考えていない状態”である。そのような状態において、脳内では、一定の活動パターンを続けている神経の接続状態であるＤＭＮ（default mode network）が存在することが知られている。すなわち、神経束にはそれぞれある一定の電流が流れていることになる。本実施形態では、そのような安定状態に関する参照ＤＴＴデータ及び参照ＭＥＧデータを利用することで、神経束をより高精度に推定することができるようにしている。

図７は、第２実施形態に係る処理回路２１５の各処理機能によって実現される処理の処理手順を示すフローチャートである。

例えば、図７に示すように、本実施形態では、第１取得機能２１５ａが、ＭＲＩ装置１３０から各年齢層の正常者の安静状態におけるＤＴＴデータを取得し（ステップＳ２１）、年代ごとに参照ＤＴＴデータを生成する（ステップＳ２２）。これらの処理は、例えば、処理回路２１５が、第１取得機能２１５ａに対応する所定のプログラムを記憶回路１１２から読み出して実行することにより実現される。

また、第２取得機能２１５ｂが、ＭＥＧ計測装置１４０から各年齢層の正常者の安静状態におけるＭＥＧデータを取得し（ステップＳ２３）、年代ごとに参照ＭＥＧデータを生成する（ステップＳ２４）。これらの処理は、例えば、処理回路２１５が、第２取得機能２１５ｂに対応する所定のプログラムを記憶回路１１２から読み出して実行することにより実現される。

続いて、生成機能２１５ｃ及び推定機能２１５ｄが、被検体と同じ年代の参照データ及び参照ＭＥＧデータを用いて、第１の実施形態と同様の処理を行うことで、安静状態で電流が流れる神経束を推定する（ステップＳ２５）。これらの処理は、例えば、処理回路２１５が、生成機能２１５ｃ及び推定機能２１５ｄに対応する所定のプログラムを記憶回路１１２から読み出して実行することにより実現される。

その後、第２取得機能２１５ｂが、ＭＥＧ計測装置１４０から被検体のＭＥＧデータを取得する（ステップＳ２６）。この処理は、例えば、処理回路２１５が、第２取得機能２１５ｂに対応する所定のプログラムを記憶回路１１２から読み出して実行することにより実現される。

続いて、生成機能２１５ｃ及び推定機能２１５ｄが、被検体と同じ年代の参照データ及び被検体のＭＥＧデータを用いて、第１の実施形態と同様の処理を行うことで、安静状態で電流が流れる神経束を推定する（ステップＳ２７）。これらの処理は、例えば、処理回路２１５が、生成機能２１５ｃ及び推定機能２１５ｄに対応する所定のプログラムを記憶回路１１２から読み出して実行することにより実現される。

その後、同定機能２１５ｅが、正常者のＭＥＧデータを用いた神経束の推定結果と、被検体のＭＥＧデータを用いた神経束の推定結果とを比較することで、被検体の脳内の異常領域を同定する（ステップＳ２８）。そして、同定機能２１５ｅは、異常領域の同定結果をディスプレイ１１４に表示する（ステップＳ２９）。これらの処理は、例えば、処理回路２１５が、同定機能２１５ｅに対応する所定のプログラムを記憶回路１１２から読み出して実行することにより実現される。

上述したように、第２の実施形態に係る医用情報処理装置２１０は、正常者のＭＥＧデータを用いた神経束の推定結果と、被検体のＭＥＧデータを用いた神経束の推定結果とを比較することで、被検体の脳内の異常領域を同定する。これにより、第２の実施形態によれば、ＭＥＧデータから、正確な異常な神経束の領域、及び、その神経束の出所となる脳回などの異常機能領域を同定することができるようになる。

なお、上述した第２の実施形態では、安静状態におけるＤＴＴデータを用いる場合の例を説明したが、実施形態はこれに限られない。通常、ＤＴＴデータは、被検体の状態によって変化しないため、安静状態ではない状態で収集されたＤＴＴデータが用いられてもよい。

また、上述した第２の実施形態では、正常者のＭＥＧデータ及び被検体のＭＥＧデータのいずれも安静状態のものを用いる場合の例を説明したが、実施形態はこれに限られない。例えば、正常者のＭＥＧデータ及び被検体のＭＥＧデータは、それぞれの状態が同じであれば、安静状態でなくてもよい。すなわち、本実施形態では、安静状態でない様々な状態での異常領域を同定することができる。

（第３の実施形態）
なお、上述した第１の実施形態では、ＤＴＴデータに基づいて算出された磁場分布のパターンと、被検体のＭＥＧデータとの相関関係から、ＭＥＧデータの取得時に電流が流れた神経束を推定する場合の例を説明したが、実施形態はこれに限られない。例えば、ＤＴＴデータと、ＭＥＧデータと、当該ＭＥＧデータ収集時に電流が流れた神経束の情報とを学習用データとした機械学習を行うことで、電流が流れたＭＥＧデータの取得時に電流が流れた神経束を推定するようにしてもよい。以下では、このような例を第３の実施形態として説明する。なお、第３の実施形態では、上述した第１の実施形態と異なる点を中心に説明し、第１の実施形態と共通する点については詳細な説明を省略する。

図８は、第３の実施形態に係る医用情報処理装置の構成例を示す図である。

例えば、図８に示すように、第３の実施形態に係る医用情報処理装置３１０では、処理回路３１５が、第１取得機能３１５ａと、第２取得機能３１５ｂと、学習機能３１５ｆと、推定機能３１５ｄと、同定機能３１５ｅとを有する。なお、第１取得機能３１５ａは、第１取得部の一例である。また、第２取得機能３１５ｂは、第２取得部の一例である。また、学習機能３１５ｆは、学習部の一例である。また、推定機能３１５ｄは、推定部の一例である。

図９は、第３の実施形態に係る医用情報処理装置３１０によって行われる神経束の推定方法を示す図である。

ここで、図９は、本実施形態に係る医用情報処理装置３１０によって行われる学習時の処理、及び、運用時の処理を示している。ここで、本実施形態では、例えば、過去に行われた神経束の推定で用いられたＤＴＴデータ及びＭＥＧデータと、それらのデータを用いて行われた神経束の推定結果を示す神経束活動情報とが記憶回路１１２に記憶されているとする。

例えば、図９の上側に示すように、学習時には、学習機能３１５ｆが、記憶回路１１２から、過去に行われた神経束の推定で用いられたＤＴＴデータ及びＭＥＧデータと、神経束活動情報とを取得する。そして、学習機能３１５ｆは、取得したＤＴＴデータ、ＭＥＧデータ及び神経束活動情報を学習用データとした機械学習を行う。

ここで、学習機能３１５ｆが行う機械学習としては、ディープラーニング（Deep Learning）や、ロジスティック（Logistic）回帰分析、非線形判別分析、サポートベクターマシン（Support Vector Machine：ＳＶＭ）、ランダムフォレスト（Random Forest）、ナイーブベイズ（Naive Bayes）等の各種の手法を用いることができる。

このような機械学習の結果として、学習機能３１５ｆは、被検体のＭＥＧデータに基づいて、当該ＭＥＧデータの取得時に電流が流れた神経束を示す神経束活動情報を出力する学習済みモデルを生成する。そして、学習機能３１５ｆは、生成した学習済みモデルを記憶回路１１２に記憶させる。このとき、学習機能３１５ｆは、以前に作成した学習済みモデルが既に記憶回路１１２に記憶されていた場合には、記憶されている学習済みモデルを新しく作成した学習済みモデルで置き換える。

一方、例えば、図９の下側に示すように、運用時には、推定機能３１５ｄが、学習機能１４５ａによって生成された学習済みモデルに対して、第２取得機能１１５ｂによって取得された被検体のＭＥＧデータを入力し、その結果として学習済みモデルから出力される神経束活動情報に基づいて、被検体のＭＥＧデータの取得時に電流が流れた神経束を推定する。そして、推定機能３１５ｄは、第１の実施形態と同様に、神経束の推定結果をディスプレイ１１４に表示する。

なお、上述した第１取得機能３１５ａ、第２取得機能３１５ｂ、学習機能３１５ｆ、及び推定機能３１５ｄによって行われる処理は、例えば、処理回路３１５が、第１取得機能３１５ａ、第２取得機能３１５ｂ、学習機能３１５ｆ、及び推定機能３１５ｄに対応する所定のプログラムを処理ごとに記憶回路１１２から読み出して実行することにより実現される。

上述したように、第３の実施形態に係る医用情報処理装置３１０は、ＤＴＴデータと、ＭＥＧデータと、当該ＭＥＧデータ収集時に電流が流れた神経束の情報とを学習用データとした機械学習を行うことで、電流が流れたＭＥＧデータの取得時に電流が流れた神経束を推定する。これにより、第３の実施形態によれば、神経束をより高速に推定することができるようになる。

（第１～第３の実施形態の変形例）
なお、上述した各実施形態で説明した医用情報処理装置は、その構成の一部を適宜に変形して実施することも可能である。

例えば、ＭＥＧ計測装置１４０において、脳を中心とした径方向の異なる位置に複数のＳＱＵＩＤが配置されることよって、同心で径の大きさが異なる複数の球面に沿った磁場の分布を示す複数のＭＥＧデータを同時に収集することが可能な場合には、医用情報処理装置が、各球面に関するＭＥＧデータを用いて、神経束を推定してもよい。その場合には、例えば、生成機能が、同じ電流値について電流素から点Ｐまでの距離のベクトルｒを変えることで、球面ごとに磁場分布のパターンを生成する。そして、推定機能が、磁場分布のパターンとＭＥＧデータとを球面ごとに比較し、全ての球面で磁場分布のパターンとＭＥＧデータとが一致、又は、最も近くなるときのパターンを特定することで、電流が流れた神経束を推定する。これにより、より高い精度で磁場分布のパターンを特定できるようになり、神経束の測定精度を向上させることができる。

また、例えば、上述した各実施形態では、生成機能が、ＤＴＴデータから特定した全ての神経束を対象として磁場分布のパターンを生成することとしたが、一部の神経束のみを対象とするようにしてもよい。その場合には、例えば、生成機能が、ＭＥＧデータにおいて、磁場の閾値を超えるような大きな反応が出ている領域を特定し、特定した領域に接続されている神経束のみを対象として、磁場分布のパターンを生成する。これにより、磁場分布のパターンにかかる処理時間を短縮することができ、より短い時間で神経束を推定できるようになる。

（第４の実施形態）
なお、上述した各実施形態では、本願が開示する推定方法及び推定装置を医用情報処理装置に適用した場合の例を説明したが、実施形態はこれに限られない。例えば、本願が開示する推定方法及び推定装置は、ＭＲＩ装置に適用することも可能である。以下では、このような例を第４の実施形態として説明する。

図１０は、第４の実施形態に係るＭＲＩ装置の構成例を示す図である。

例えば、図１０に示すように、本実施形態に係るＭＲＩ装置４３０は、静磁場磁石１、傾斜磁場コイル２、傾斜磁場電源３、全身用ＲＦコイル４、局所用ＲＦコイル５、寝台６、送信回路７、受信回路８、架台９、入力インタフェース１０、ディスプレイ１１、記憶回路１２、及び処理回路１３～１６を備える。

静磁場磁石１は、被検体Ｓが配置される撮像空間に静磁場を発生させる。具体的には、静磁場磁石１は、中空の略円筒状（中心軸に直交する断面の形状が楕円状となるものを含む）に形成されており、内周側に配置された撮像空間に静磁場を発生させる。例えば、静磁場磁石１は、略円筒状に形成された冷却容器と、当該冷却容器内に充填された冷却材（例えば、液体ヘリウム等）に浸漬された超伝導磁石等の磁石とを有する。なお、静磁場磁石１は、例えば、永久磁石を用いて静磁場を発生させるものであってもよい。

傾斜磁場コイル２は、被検体Ｓが配置される撮像空間に傾斜磁場を発生させる。具体的には、傾斜磁場コイル２は、中空の略円筒状（中心軸に直交する断面の形状が楕円状となるものを含む）に形成されており、傾斜磁場電源３から供給される電流に基づいて、内周側に配置された撮像空間に傾斜磁場を発生させる。また、傾斜磁場コイル２は、Ｘ軸、Ｙ軸、及びＺ軸それぞれに対応するＸコイル、Ｙコイル、及びＺコイルを有しており、傾斜磁場電源３から各コイルに供給される電流に応じて、互いに直交するＸ軸、Ｙ軸、及びＺ軸の各軸方向に沿った傾斜磁場を撮像空間に発生させる。

ここで、Ｘ軸、Ｙ軸、及びＺ軸は、ＭＲＩ装置４３０に固有の装置座標系を構成する。例えば、Ｘ軸は、水平方向に沿うように設定され、Ｙ軸は、鉛直方向に沿うように設定され、Ｚ軸は、傾斜磁場コイル２の軸方向に一致し、静磁場磁石１によって発生する静磁場の磁束に沿うように設定される。

傾斜磁場電源３は、傾斜磁場コイル２が有するＸコイル、Ｙコイル、及びＺコイルそれぞれに個別に電流を供給することで、Ｘ軸、Ｙ軸、及びＺ軸の各軸方向に沿った傾斜磁場を撮像空間に発生させる。このように、傾斜磁場電源３が、Ｘコイル、Ｙコイル、及びＺコイルそれぞれに適宜に電流を供給することによって、互いに直交するリードアウト方向、位相エンコード方向、及びスライス方向それぞれに沿った傾斜磁場を発生させることができる。

ここで、リードアウト方向に沿った軸、位相エンコード方向に沿った軸、及びスライス方向に沿った軸は、撮像の対象となるスライス領域又はボリューム領域を規定するための論理座標系を構成する。具体的には、リードアウト方向、位相エンコード方向、及びスライス傾斜磁場それぞれに沿った傾斜磁場が、静磁場磁石１によって発生する静磁場に重畳されることで、被検体Ｓから発生するＭＲ信号に空間的な位置情報を付与する。リードアウト方向の傾斜磁場は、リードアウト方向の位置に応じてＭＲ信号の周波数を変化させることで、リードアウト方向に沿った位置情報をＭＲ信号に付与する。位相エンコード傾斜磁場は、位相エンコード方向に沿ってＭＲ信号の位相を変化させることで、位相エンコード方向に沿った位置情報をＭＲ信号に付与する。スライス傾斜磁場は、スライス方向に沿った位置情報をＭＲ信号に付与する。例えば、スライス傾斜磁場は、撮像領域がスライス領域の場合には、スライス領域の方向、厚さ、枚数を決めるために用いられ、撮像領域がボリューム領域である場合には、スライス方向の位置に応じてＭＲ信号の位相を変化させるために用いられる。

全身用ＲＦコイル４は、被検体Ｓが配置される撮像空間にＲＦ磁場を印加し、当該ＲＦ磁場の影響によって被検体Ｓから発生するＭＲ信号を受信するＲＦコイルである。具体的には、全身用ＲＦコイル４は、中空の略円筒状（中心軸に直交する断面の形状が楕円状となるものを含む）に形成されており、送信回路７から供給されるＲＦパルス信号に基づいて、内周側に配置された撮像空間にＲＦ磁場を印加する。また、全身用ＲＦコイル４は、ＲＦ磁場の影響によって被検体Ｓから発生するＭＲ信号を受信し、受信したＭＲ信号を受信回路８へ出力する。例えば、全身用ＲＦコイル４は、ＱＤ（quadrature）コイルである。

局所用ＲＦコイル５は、被検体Ｓから発生したＭＲ信号を受信するＲＦコイルである。具体的には、局所用ＲＦコイル５は、被検体Ｓの部位ごとに用意されたＲＦコイルであり、被検体Ｓの撮像が行われる際に、撮像対象の部位の近傍に配置される。そして、局所用ＲＦコイル５は、全身用ＲＦコイル４によって印加されるＲＦ磁場の印加によって被検体Ｓから発生したＭＲ信号を受信し、受信したＭＲ信号を受信回路８へ出力する。なお、局所用ＲＦコイル５は、被検体ＳにＲＦ磁場を印加する送信コイルの機能をさらに有していてもよい。その場合には、局所用ＲＦコイル５は、送信回路７に接続され、送信回路７から供給されるＲＦパルス信号に基づいて、被検体ＳにＲＦ磁場を印加する。例えば、局所用ＲＦコイル５は、サーフェスコイルや、複数のサーフェスコイルで構成されたアレイコイルである。

寝台６は、被検体Ｓが載置される天板６ａを備え、被検体Ｓの撮像が行われる際に、被検体Ｓが載置された天板６ａを撮像空間に移動する。例えば、寝台６は、天板６ａの長手方向が静磁場磁石１の中心軸と平衡になるように設置されている。

送信回路７は、静磁場中に置かれた対象原子核に固有のラーモア周波数に対応するＲＦパルス信号を全身用ＲＦコイル４に出力する。具体的には、送信回路７は、パルス発生器、ＲＦ発生器、変調器、及び増幅器を有する。パルス発生器は、ＲＦパルス信号の波形を生成する。ＲＦ発生器は、共鳴周波数のＲＦ信号を発生する。変調器は、ＲＦ発生器によって発生したＲＦ信号の振幅をパルス発生器によって発生した波形で変調することで、ＲＦパルス信号を生成する。増幅器は、変調器によって発生したＲＦパルス信号を増幅して全身用ＲＦコイル４に出力する。

受信回路８は、全身用ＲＦコイル４及び局所用ＲＦコイル５によって受信されたＭＲ信号に基づいてＭＲ信号データを生成し、生成したＭＲ信号データを処理回路１４に出力する。具体的には、受信回路８は、検波器を有しており、当該検波器によって、全身用ＲＦコイル４及び局所用ＲＦコイル５によって受信されたＭＲ信号から共鳴周波数の成分を差し引くことでＭＲ信号データを生成し、生成したＭＲ信号データを処理回路１４に出力する。

架台９は、略円筒状（中心軸に直交する断面の形状が楕円状となるものを含む）に形成された中空のボア９ａを有し、静磁場磁石１、傾斜磁場コイル２、及び全身用ＲＦコイル４を支持している。具体的には、架台９は、静磁場磁石１の内周側に傾斜磁場コイル２を配置し、傾斜磁場コイル２の内周側に全身用ＲＦコイル４を配置し、全身用ＲＦコイル４の内周側にボア９ａを配置した状態で、静磁場磁石１、傾斜磁場コイル２、及び全身用ＲＦコイル４それぞれを支持している。ここで、架台９が有するボア９ａ内の空間が、被検体Ｓの撮像が行われる際に被検体Ｓが配置される撮像空間となる。

なお、ここでは、ＭＲＩ装置４３０が、静磁場磁石１、傾斜磁場コイル２及び全身用ＲＦコイル４それぞれが略円筒状に形成された、いわゆるトンネル型の構成を有する場合の例を説明するが、実施形態はこれに限られない。例えば、ＭＲＩ装置４３０は、被検体Ｓが配置される撮像空間を挟んで対向するように一対の静磁場磁石、一対の傾斜磁場コイル及び一対のＲＦコイルを配置した、いわゆるオープン型の構成を有していてもよい。この場合には、一対の静磁場磁石、一対の傾斜磁場コイル及び一対のＲＦコイルによって挟まれた空間が、トンネル型の構成におけるボアに相当する。

入力インタフェース１０は、操作者から各種指示及び各種情報の入力操作を受け付ける。具体的には、入力インタフェース１０は、処理回路１６に接続されており、操作者から受け取った入力操作を電気信号へ変換して処理回路１６に出力する。例えば、入力インタフェース１０は、撮像条件や関心領域（Region Of Interest：ＲＯＩ）の設定等を行うためのトラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力回路、及び音声入力回路等によって実現される。なお、本明細書において、入力インタフェース１０は、マウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路も入力インタフェース１０の例に含まれる。

ディスプレイ１１は、各種情報及び各種画像を表示する。具体的には、ディスプレイ１１は、処理回路１６に接続されており、処理回路１６から送られる各種情報及び各種画像のデータを表示用の電気信号に変換して出力する。例えば、ディスプレイ１１は、液晶モニタやＣＲＴモニタ、タッチパネル等によって実現される。

記憶回路１２は、各種データを記憶する。具体的には、記憶回路１２は、ＭＲ信号データや画像データを記憶する。例えば、記憶回路１２は、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子やハードディスク、光ディスク等によって実現される。

処理回路１３は、寝台制御機能１３ａを有する。寝台制御機能１３ａは、制御用の電気信号を寝台６へ出力することで、寝台６の動作を制御する。例えば、寝台制御機能１３ａは、入力インタフェース１０を介して、天板６ａを長手方向、上下方向又は左右方向へ移動させる指示を操作者から受け付け、受け付けた指示に従って天板６ａを移動するように、寝台６が有する天板６ａの移動機構を動作させる。

処理回路１４は、データ収集機能１４ａを有する。データ収集機能１４ａは、各種のパルスシーケンスを実行することで、被検体ＳのＭＲ信号データを収集する。具体的には、データ収集機能１４ａは、処理回路１６から出力されるシーケンス実行データに従って、傾斜磁場電源３、送信回路７及び受信回路８を駆動することで、パルスシーケンスを実行する。ここで、シーケンス実行データは、パルスシーケンスを表すデータであり、傾斜磁場電源３が傾斜磁場コイル２に電流を供給するタイミング及び供給する電流の強さ、送信回路７が全身用ＲＦコイル４に供給するＲＦパルス信号の強さや供給タイミング、受信回路８がＭＲ信号を検出する検出タイミング等を規定した情報である。そして、データ収集機能１４ａは、パルスシーケンスを実行した結果として、受信回路８からＭＲ信号データを受信し、受信したＭＲ信号データを記憶回路１２に記憶させる。ここで、データ収集機能１４ａによって受信されたＭＲ信号データの集合は、前述したリードアウト傾斜磁場、位相エンコード傾斜磁場、及びスライス傾斜磁場によって付与された位置情報に応じて２次元又は３次元に配列されることで、ｋ空間を構成するデータとして記憶回路１２に記憶される。

処理回路１５は、画像生成機能１５ａを有する。画像生成機能１５ａは、記憶回路１２に記憶されたＭＲ信号データに基づいて画像を生成する。具体的には、画像生成機能１５ａは、データ収集機能１４ａによって記憶回路１２に記憶されたＭＲ信号データを読み出し、読み出したＭＲ信号データに後処理、即ち、フーリエ変換等の再構成処理を施すことで画像を生成する。また、画像生成機能１５ａは、生成した画像の画像データを記憶回路１２に記憶させる。

処理回路１６は、ＭＲＩ装置４３０が有する各構成要素を制御することで、ＭＲＩ装置４３０の全体制御を行う。具体的には、処理回路１６は、操作者から各種指示及び各種情報の入力操作を受け付けるためのＧＵＩ（Graphical User Interface）をディスプレイ１１に表示し、入力インタフェース１０を介して受け付けられた入力操作に応じて、ＭＲＩ装置４３０が有する各構成要素を制御する。例えば、処理回路１６は、入力インタフェース１０を介して操作者から撮像条件の入力を受け付け、受け付けた撮像条件に基づいてシーケンス実行データを生成し、当該シーケンス実行データを処理回路１４に送信することで、各種のパルスシーケンスを実行する。また、例えば、処理回路１６は、操作者からの要求に応じて、記憶回路１２から画像データを読み出してディスプレイ１１に出力する。なお、本実施形態では、処理回路１６は、後述する第１取得機能１６ａと、第２取得機能１６ｂと、生成機能１６ｃと、推定機能１６ｄとを有する。

ここで、上述した処理回路１３～１６は、例えば、プロセッサによって実現される。この場合に、各処理回路が有する処理機能は、例えば、コンピュータによって実行可能なプログラムの形態で記憶回路１２に記憶される。各処理回路は、記憶回路１２から各プログラムを読み出して実行することで、各プログラムに対応する機能を実現する。ここで、各処理回路は、複数のプロセッサによって構成され、各プロセッサがプログラムを実行することによって各処理機能を実現するものとしてもよい。また、各処理回路が有する処理機能は、単一又は複数の処理回路に適宜に分散又は統合されて実現されてもよい。また、ここでは、単一の記憶回路１２が各処理機能に対応するプログラムを記憶するものとして説明したが、複数の記憶回路を分散して配置して、処理回路が個別の記憶回路から対応するプログラムを読み出す構成としても構わない。

以上、第４の実施形態に係るＭＲＩ装置４３０の構成例について説明した。このような構成のもと、本実施形態に係るＭＲＩ装置４３０は、被検体（被検者）のＭＥＧデータに基づいて、脳内の神経活動の領域を推定する機能を有する。

そして、本実施形態に係るＭＲＩ装置４３０は、第１の実施形態で説明した医用情報処理装置１１０と同様に、脳内の神経活動の領域をより正確に効率よく推定することができるように構成されている。

具体的には、本実施形態に係るＭＲＩ装置４３０は、脳内の神経束の立体構造を示す情報と、被検体の脳表面近傍の磁場分布を示す情報とに基づいて、脳内の神経束の何れに電流が流れたかを推定する。ここで、本実施形態では、脳内の神経束の立体構造を示す情報として、ＭＲＩ装置４３０によって収集されたＤＴＴデータが用いられる。また、本実施形態では、被検体の脳表面近傍の磁場分布を示す情報として、ＭＥＧ計測装置によって得られたＭＥＧデータが用いられる。

より具体的には、本実施形態では、処理回路１６が、第１取得機能１６ａと、第２取得機能１６ｂと、生成機能１６ｃと、推定機能１６ｄとを有する。なお、第１取得機能１６ａは、第１取得部の一例である。また、第２取得機能１６ｂは、第２取得部の一例である。また、生成機能１６ｃは、生成部の一例である。また、推定機能１６ｄは、推定部の一例である。

第１取得機能１６ａは、第１の実施形態で説明した第１取得機能１１５ａと同様の機能を有する。ただし、第１の実施形態では、第１取得機能１１５ａが、ネットワーク経由でＤＴＴデータを取得したのに対し、本実施形態に係る第１取得機能１６ａは、記憶回路１２から、ＤＴＴデータを取得する。

第２取得機能１６ｂは、第１の実施形態で説明した第２取得機能１１５ｂと同様の機能を有する。具体的には、第２取得機能１６ｂは、ネットワークを介してＭＲＩ装置４３０と接続されたＭＥＧ計測装置（図１０では図示を省略）から、ＭＥＧデータを取得する。

生成機能１６ｃは、第１の実施形態で説明した生成機能１１５ｃと同様の機能を有する。また、推定機能１６ｄは、第１の実施形態で説明した推定機能１１５ｄと同様の機能を有する。

ここで、本実施形態では、記憶回路１２、入力インタフェース１０、及びディスプレイ１１が、それぞれ、第１の実施形態で説明した記憶回路１１２、入力インタフェース１１３、及びディスプレイ１１４に対応する。

なお、上述した第１取得機能１６ａ、第２取得機能１６ｂ、生成機能１６ｃ、及び推定機能１６ｄによって行われる処理は、例えば、処理回路１６が、第１取得機能１６ａ、第２取得機能１６ｂ、生成機能１６ｃ、及び推定機能１６ｄに対応する所定のプログラムを処理ごとに記憶回路１２から読み出して実行することにより実現される。

上述した構成によれば、第４の実施形態に係るＭＲＩ装置４３０によれば、第１の実施形態で説明した医用情報処理装置１１０と同様に、脳内の神経活動の領域をより正確に効率よく推定することができる。

なお、上述した第４の実施形態では、ＭＲＩ装置４３０の処理回路１６が、第１の実施形態で説明した処理回路１１５と同様の機能を有する場合の例を説明したが、実施形態はこれに限られない。例えば、ＭＲＩ装置４３０の処理回路１６が、第２の実施形態で説明した処理回路２１５と同様の機能を有していてもよいし、第３の実施形態で説明した処理回路３１５と同様の機能を有していてもよいし、第１～第３の実施形態の変形例で説明した機能を有していてもよい。

（第５の実施形態）
また、上述した実施形態では、脳内の神経活動の領域を推定する場合の例を説明したが、実施形態はこれに限られない。例えば、第１の実施形態において、脳のＤＴＴデータに替えて心筋のＤＴＴデータを用い、ＭＥＧデータに替えてＭＣＧ（Magnetocardiography）データを用いることで、心筋内の神経刺激電流伝搬の領域を推定することも可能である。以下では、このような場合の例を第５の実施形態として説明する。なお、本実施形態では、心筋内の心筋線維が、神経束に相当する。

具体的には、本実施形態では、第１取得機能１１５ａが、心筋内の心筋線維の立体構造を示すＤＴＴデータを取得する。

ここで、心臓は拍動によって形状が周期的に変化することから、心筋線維の立体構造をより正確に特定するためには、心周期の中で心臓の形状の変化が少ない期間で収集されたＤＴＴデータを用いるのが望ましい。例えば、左心室の動きが最も小さくなる拡張期で収集されたＤＴＴデータが用いられる。

また、第２取得機能１１５ｂが、被検体の心筋表面近傍の磁場分布を示すＭＣＧ（Magnetocardiography）データを取得する。

ここで、例えば、ＭＣＧデータは、ペースメーカ等を用いて被検体の心筋に刺激を与えた際に、心筋内に存在する刺激伝導系の心筋線維であるプルキンエ線維に流れる電流によって生じる磁場をＳＱＵＩＤによって計測することで、収集される。そして、ここでは、ＤＴＴデータと対応するように、拡張期で収集されたＭＣＧデータが用いられる。

また、生成機能１１５ｃが、第１の実施形態と同様の手法により、第１取得機能１１５ａによって取得されたＤＴＴデータに基づいて、心筋線維に電流が流れた際に形成される心筋表面近傍の磁場分布を算出した複数のパターンを生成する。

図１１は、第１の実施形態に係る生成機能１１５ｃによって行われる磁場分布の計算方法を示す図である。

例えば、図１１に示すように、心臓の左心室５０における心筋は、心内膜５１側にある右手系斜走筋５２の内層、心外膜５３側にある右手系斜走筋５４の外層、及び、右手系斜走筋５２と右手系斜走筋５４の間にある輪状筋５５の中層の３層から構成されることが知られている。そして、心筋のＤＴＴデータでは、これらの各層に含まれる複数の心筋線維が、それぞれボクセル単位のベクトルを繋ぎ合わせたベクトルフローとして描出される。

本実施形態では、生成機能１１５ｃは、このようなＤＴＴデータにおいて、第１の実施形態と同様に、ボクセル単位のベクトルを電流素とすることで、その電流素が心筋の近傍に発生させる磁場ベクトルをビオ・サバールの法則によって計算する。また、生成機能１１５ｃは、ＤＴＴデータから特定した各心筋線維について、心筋線維ごとに電流値を変えながら、磁場分布を求める計算を複数回行うことによって、心筋表面近傍に形成される磁場分布を算出した複数のパターンを生成する。

そして、推定機能１１５ｄが、第１の実施形態と同様の手法により、生成機能１１５ｃによって生成された磁場分布の複数のパターンと、第２取得機能１１５ｂによって取得された被検体のＭＣＧデータとの相関関係から、当該ＭＣＧデータの取得時に心筋内の心筋線維の何れに電流が流れたかを推定する。

これにより、本実施形態によれば、心筋内の神経活動の領域をより正確に効率よく推定することができる。

さらに、例えば、第２の実施形態において、脳のＤＴＴデータに替えて心筋のＤＴＴデータを用い、ＭＥＧデータに替えてＭＣＧデータを用いることで、被検体の心筋内の異常領域を同定することも可能である。

また、例えば、第３の実施形態において、脳のＤＴＴデータに替えて心筋のＤＴＴデータを用い、ＭＥＧデータに替えてＭＣＧデータを用いることで、機械学習によって、電流が流れたＭＣＧデータの取得時に電流が流れた心筋線維を推定することも可能である。

また、例えば、第４の実施形態において、脳のＤＴＴデータに替えて心筋のＤＴＴデータを用い、ＭＥＧデータに替えてＭＣＧデータを用いることで、ＭＲＩ装置によって、心臓の心筋内の神経刺激電流伝搬の領域を推定することも可能である。

なお、上述した実施形態では、本明細書における第１取得部、第２取得部、生成部、推定部、同定部、及び学習部を、それぞれ、処理回路の第１取得機能、第２取得機能、生成機能、推定機能、同定機能、及び学習機能によって実現する場合の例を説明したが、実施形態はこれに限られない。例えば、本明細書における第１取得部、第２取得部、生成部、推定部、同定部、及び学習部は、実施形態で述べた第１取得機能、第２取得機能、生成機能、推定機能、同定機能、及び学習部によって実現する他にも、ハードウェアのみ、又は、ハードウェアとソフトウェアとの混合によって同機能を実現するものであっても構わない。

また、上述した説明で用いた「プロセッサ」という文言は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、或いは、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。プロセッサは、記憶回路に保存されたプログラムを読み出して実行することで、機能を実現する。なお、記憶回路にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合は、プロセッサは回路内に組み込まれたプログラムを読み出して実行することで機能を実現する。また、本実施形態のプロセッサは、単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて一つのプロセッサとして構成され、その機能を実現するようにしてもよい。

ここで、プロセッサによって実行されるプログラムは、ＲＯＭ（Read Only Memory）や記憶回路等に予め組み込まれて提供される。なお、このプログラムは、これらの装置にインストール可能な形式又は実行可能な形式のファイルでＣＤ（Compact Disk）－ＲＯＭ、ＦＤ（Flexible Disk）、ＣＤ－Ｒ（Recordable）、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記憶媒体に記録されて提供されてもよい。また、このプログラムは、インターネット等のネットワークに接続されたコンピュータ上に格納され、ネットワーク経由でダウンロードされることにより提供又は配布されてもよい。例えば、このプログラムは、上述した各機能部を含むモジュールで構成される。実際のハードウェアとしては、ＣＰＵが、ＲＯＭ等の記憶媒体からプログラムを読み出して実行することにより、各モジュールが主記憶装置上にロードされて、主記憶装置上に生成される。

以上説明した少なくとも１つの実施形態によれば、被検体内の神経活動をより正確に効率よく推定することができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これらの実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これらの実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１１０ 医用情報処理装置
１１２ 記憶回路
１１５、２１５ 処理回路
１１５ａ 第１取得機能
１１５ｂ 第２取得機能
１１５ｃ 生成機能
１１５ｄ 推定機能
２１５ｅ 同定機能

Claims (13)

1. 神経活動の領域を推定する推定方法であって、
   被検体内の神経束の立体構造を示す情報と、前記被検体の表面近傍の磁場分布を示す情報とに基づいて、前記神経束の何れに電流が流れたかを推定する
   ことを含み、
   前記立体構造を示す情報は、拡散テンソルトラクトグラフィデータであり、
   前記磁場分布を示す情報は、磁図データであって、
   前記拡散テンソルトラクトグラフィデータに基づいて、各神経束に電流が流れた際に形成される前記表面近傍の磁場分布を算出した複数のパターンを生成し、
   前記複数のパターンと、前記磁図データとの相関関係から、前記磁図データの取得時に前記神経束の何れに電流が流れたかを推定する、
   推定方法。
2. 前記神経束は、前記被検体の脳内の神経束である、
   請求項１に記載の推定方法。
3. 前記神経束は、前記被検体の心筋内の心筋線維である、
   請求項１に記載の推定方法。
4. 前記拡散テンソルトラクトグラフィデータから前記神経束を特定し、特定した各神経束について、各神経束に電流が流れた際に前記表面近傍に形成される磁場分布を求める計算を、神経束ごとに電流値を変えながら複数回行うことで、前記複数のパターンを生成する、
   ことを含む、請求項１に記載の推定方法。
5. 前記神経束ごとに、前記拡散テンソルトラクトグラフィデータにおけるボクセル単位のベクトルを電流素とし、かつ、１つの神経束に含まれる電流素には同一の電流値の電流が流れるという制約条件で、神経束に電流が流れた際に当該神経束に含まれる各電流素が前記表面近傍に発生させる磁場を求め、電流素ごとに算出した磁場を重ね合わせることで、１つの神経束による磁場分布のパターンを生成する、
   ことを含む、請求項４に記載の推定方法。
6. 正常者の磁図データを用いた神経束の推定結果と、前記被検体の磁図データを用いた神経束の推定結果とを比較することで、前記被検体内の異常領域を同定する、
   ことを含む、請求項１～５のいずれか一つに記載の推定方法。
7. 前記磁図データとして、前記被検体の安静状態における磁図データを用いる、
   ことを含む、請求項６に記載の推定方法。
8. 神経活動の領域を推定する推定装置であって、
   被検体内の神経束の立体構造を示す情報と、前記被検体の表面近傍の磁場分布を示す情報とに基づいて、前記神経束の何れに電流が流れたかを推定する推定部
   備え、
   前記立体構造を示す情報は、拡散テンソルトラクトグラフィデータであり、
   前記磁場分布を示す情報は、磁図データであって、
   前記拡散テンソルトラクトグラフィデータに基づいて、各神経束に電流が流れた際に形成される前記表面近傍の磁場分布を算出した複数のパターンを生成する生成部をさらに備え、
   前記推定部は、前記複数のパターンと、前記磁図データとの相関関係から、前記磁図データの取得時に前記神経束の何れに電流が流れたかを推定する、
   推定装置。
9. 前記神経束は、前記被検体の脳内の神経束である、
   請求項８に記載の推定装置。
10. 前記神経束は、前記被検体の心筋内の心筋線維である、
    請求項８に記載の推定装置。
11. 被検体から磁気共鳴データを収集する収集部と、
    前記磁気共鳴データに基づいて生成された前記被検体内の神経束の立体構造を示す情報と、前記被検体の表面近傍の磁場分布を示す情報とに基づいて、前記神経束の何れに電流が流れたかを推定する推定部と
    を備え、
    前記立体構造を示す情報は、拡散テンソルトラクトグラフィデータであり、
    前記磁場分布を示す情報は、磁図データであって、
    前記拡散テンソルトラクトグラフィデータに基づいて、各神経束に電流が流れた際に形成される前記表面近傍の磁場分布を算出した複数のパターンを生成する生成部をさらに備え、
    前記推定部は、前記複数のパターンと、前記磁図データとの相関関係から、前記磁図データの取得時に前記神経束の何れに電流が流れたかを推定する、
    磁気共鳴イメージング装置。
12. 前記神経束は、前記被検体の脳内の神経束である、
    請求項１１に記載の磁気共鳴イメージング装置。
13. 前記神経束は、前記被検体の心筋内の心筋線維である、
    請求項１１に記載の磁気共鳴イメージング装置。

Images