具体实施方式
以下,使用附图说明本发明的实施方式。
实施例1
在图1中,表示本发明的装置结构的一个例子。在能够检测出光入射到生物体并在生物体内散射、吸收而传播的光的生物体光测量装置中,经由波导40使从包含在装置主体20中的一个或多个光源101照射的光30入射到被检测者10。光30从照射点12入射到被检测者10内,在被检测者10内透过、传播后,从位于与照射点12分离的位置的检测点13经由波导40,被一个或多个光检测器102检测。如上所述用照射点12与检测点13之间的距离来定义SD距离。
在此,一个或多个光源101可以是半导体激光器(LD)、发光二极管(LED)等,一个或多个检测器可以是雪崩光电二极管(APD)、光电二极管(PD)、光电子倍增管(PMT)等。另外,波导40可以是光纤、玻璃、光导等。
光源101被光源驱动装置103驱动,并通过控制/分析部106控制一个或多个光检测器102的增益。控制/分析部106还进行光源驱动装置103的控制,接收来自输入部107的条件等的输入。
通过光检测器102进行了光电变换的电信号通过放大器104被放大,通过模拟-数字变换器105进行模拟-数字变换,发送到控制/分析部106进行处理。
在控制/分析部106中,根据由光检测器102检测出的信号,执行分析。具体地说,接收通过模拟-数字变换器105进行变换所得到的数字信号,根据该数字信号,例如根据非专利文件1所记载的方法,从检测光量变化或吸收度变化,计算氧化、脱氧化血红蛋白浓度长度变化(oxy-Hb、deoxy-Hb)。在此,浓度长度变化是浓度与光路长度的积的变化量。
在此,设想了进行光源101的驱动、光检测器102的增益控制、来自模拟-数字变换器105的信号处理的全部而说明了控制/分析部106,但通过分别具有各别的控制部,并具有将它们统合的单元,也能够实现相同功能。
另外,将测量数据和血红蛋白浓度长度变化计算结果保存在存储部108中,能够根据分析结果和/或保存数据,通过显示部109显示测量结果。
在图1中没有记载发光器50、受光器60,但发光器50例如包含光源101侧的波导40,在与被检测者10接触或近似于接触的状态下被设置,受光器60例如包含光检测器102侧的波导40,在与被检测者10接触或近似于接触的状态下被设置。这时,在被检测者10上,各个发光器50、受光器60被配置为各受光器受光的光在灰白质、头皮中都传播。这是因为在以下说明的分析方法中,假定包含在各受光信号中的脑起因信号与SD距离对应地近似线性地增加,因此,在这时计算斜率时,需要包含脑起因信号。在SD距离非常短,灰白质的平均光路长度小的情况下,无法高精度地求出与脑起因信号成分的SD对应的斜率。
接着,说明使用了测量数据和血红蛋白浓度长度变化计算结果的脑起因、皮肤起因信号的分离和抽出方法。本方法是以下的方法,即使用独立成分分析(ICA:Independent Component Analysis),从测量所得到的NIRS信号中抽出多个独立成分,将它们分类为脑起因成分或皮肤起因成分。独立成分分析是信号分离方法的一种,是能够没有先验信息地对线性混合了的信号进行分离的分析方法。信号源是多个,对多点测量出的数据的分析有效。
以下,说明以下的方法,即只对通过NIRS测量得到的血红蛋白浓度长度变化的2个成分中的振幅大的oxy-Hb应用独立成分分析,根据其结果,分离脑起因信号和脑以外起因信号,但也可以使用deoxy-Hb或总血红蛋白浓度长度变化(oxy-Hb+deoxy-Hb)。
在图2中,表示多SD方式的测量截面图的例子。从发光器50照射的光 30入射到头皮上,在组织内向四面八方传播。在如图2所示那样将受光器60配置在SD距离15mm和30mm的情况下,通过SD距离15mm的受光器60受光的光30与通过SD距离30mm的受光器60受光的光30相比,透过平均浅的部分。图3是通过蒙特卡洛模拟计算典型的头部模型中的SD距离与光子透过率的关系的结果。在SD距离为15mm的情况和30mm的情况下,如图3所示,光子透过率有2位数左右的不同。该不同的原因是组织中的平均光路长度不同。在此,根据SD距离,头部各层中的部分平均光路长度变化。
图4表示通过蒙特卡洛模拟求出的SD距离与头皮和灰白质的变动平均光路长度的关系的图,(a)表示头皮的关系,(b)表示灰白质的关系。横轴是SD距离(mm),纵轴是头皮和灰白质光路长度(mm)。对头皮的部分光路长度,没有发现SD距离依赖性,但对灰白质发现了线性的SD距离依赖性。头皮的部分平均光路长度离散是因为模拟的计算光子数少而结果不收敛。NIRS信号强度与产生血流变化的部位的部分光路长度成正比(参照非专利文件1)(假定在该部分光路中是均匀的血流变化),因此从图4可以预想,如果SD距离变大,则NIRS测量信号中的脑起因成分变大,但皮肤起因成分不变化。在本发明中,着眼于该信号强度相对于SD距离的变化量,即斜率(倾斜)。
如果从图4将灰白质的部分光路长度设为Lgray(mm),SD距离为SD(mm),则如公式1那样表示两者的关系。
公式1
Lgray=0.833×SD-9.020(mm) ……(1)
在此,如果灰白质的部分光路长度(Lgray(mm))并不时间性地变化,进而为了方便而假定NIRS测量信号的普通振幅ΔCL(血红蛋白浓度和光路长度的积的变化量)为0.1mMmm(=[mmol/l]×[mm])(公式2),L=Lgray=15.97mm(在图4中,SD=30mm时),则如公式3那样求出ΔC。
公式2
ΔC×Lgray=0.1(mMmm) ……(2)
公式3
ΔC=0.1/Lgray=0.1/15.97=6.26×10-3(mM) ……(3)
由此,在公式1的两边乘以ΔC,得到公式4。
ΔCLgray=0.0052×SD-0.056(mMmm) ……(4)
在此,如果将第i个独立成分的振幅值作为时间的函数设为Ui(t),将SD距离为s(mm)处的第i个独立成分的加权值设为独立成分的个数为n时的W(i,s)(i=1、……、n),则如公式5那样,通过独立成分的线性结合表示各SD距离处的各时刻的NIRS信号ΔCL(s,t)。
公式5
ΔC L(s,t)=W(1,s)×U1(t)+……+W(n,s)×Un(t)(mMmm)……(5)
在此,如公式6那样,用独立成分的时间平均Umean、标准偏差Ustd,表示独立成分的平方平均平方根(Root Mean Square)Urms。
公式6
按照公式5的关系、多个SD距离同时测量出的数据具有与光路长度成正比的贡献量,因此,可以认为独立成分的加权值与平方平均平方根的积的绝对值的斜率d(|W×Urms|)/d(SD)(mMmm/mm)与从公式4导出的NIRS信号振幅相对于SD距离的斜率d(CL)/d(SD)=0.0052(mMmm/mm)理想地一致,因此得到公式7。
公式7
d(|W×Urms|)/d(SD)=d(ΔCL)/d(SD)=0.0052(mMmm/mm) ……(7)
公式7是假定了典型的头部模型,进而为了方便而如上所述那样将NIRS测量信号的振幅值假定为ΔCL=0.1(mMmm)的情况。在此,为了使用独立成分的加权值与平方平均平方根的积的绝对值的斜率d(|W×Urms|)/d(SD)(mMmm/mm),分离脑(特别是灰白质)起因的信号和皮肤(头皮)起因的信号,而对d(|W×Urms|)/d(SD)(mMmm/mm)确定阈值,假定未满阈值的独立成分不是脑起因的成分。可以将这样的成分考虑是皮肤起因的成分、或噪声的成分。通过根据最小二乘法求出回归直线,能够计算出斜率。在如上那样通过ICA分离独立成分以后,使用阈值以上和未满阈值的独立成分重构的结果分别为脑起因信号、皮肤起因信号。例如可以考虑将阈值设为此处求出的斜率的一半的值的方法。其中,从原理上,头部光路长度对每个被检测者都不同, 进而信号振幅对每个任务都不同,因此,理想的是对每个被检测者、每个任务优化阈值。
在此,说明了向一次函数的回归,但在图4的与SD距离对应的灰白质的部分平均光路长度依赖于头部构造而不为一次函数的情况下,也可以使用更普通的多项式回归、或向指数函数或对数函数或双曲线函数或其他任意函数回归的方法。
图5是在所使用的SD距离为15mm(1点)、30mm(2点)的2种而从信号中抽出的独立成分有2种的情况下,对与SD距离对应的各独立成分的加权值进行绘图所得的图。横轴是SD距离,纵轴是独立成分的加权值。在各独立成分中,同时表示出通过最小二乘法求出的直线、与斜率的阈值相当的直线。在图5的情况下,成分1的斜率为阈值以上,因此判断为脑起因成分,成分2的斜率未满阈值,因此判断为皮肤起因成分。
在该方法中,利用各独立成分的加权值相对于SD距离的斜率,因此,需要SD距离为10mm左右以上的测量数据,使得灰白质的部分平均光路长度为0以上。在此,10mm左右是指7mm以上、未满13mm。
在图5中,使用了各独立成分的加权值作为函数值,但也可以是振幅值或振幅值的标准偏差。
另外,在此说明了使用独立成分的加权值与平方平均平方根的积的绝对值作为阈值而计算斜率的方法,但在独立成分被适当地标准化了的情况等下,也可以只使用独立成分的加权值来计算斜率。即,可以使用将由加权值、振幅平均值、振幅值标准偏差的任意一个决定的函数g设为g(w,u,σ)=w(u^2+σ^2)^(0.5)、或g(w)=w(其中w为加权值,u为分离成分的振幅平均值,σ为分离成分的振幅值标准偏差)的情况下的函数g相对于SD距离的斜率作为阈值。
另外,此处使用的用语“脑起因成分”、“皮肤起因成分”是为了方便的称呼,在上述方法中,是根据加权值相对于SD距离的斜率形式上分离出的独立成分、根据分离出的多个独立成分重构出的NIRS信号。由此,也可以认为例如在“脑起因成分”中,除了包含脑在内的深部组织的生物体信号以外,有可能包含头骨中的血管内的血液的变动成分。另外,“皮肤起因成分”除了浅部组织的生物体信号以外,有可能包含非脑起因成分、即全身性的生物体信号、 或装置噪声、或因体动造成的噪声等。
在此,作为信号分离方法说明了独立成分分析的情况,但在使用了主成分分析、因子分析、重回归分析、簇分析等信号分离方法的情况下,也能够实施本发明的方法。
接着,说明在实际的探头配置下进行测量时应用以上方法的情况。在图6中,表示对人头部的探头配置例子。本探头能够设置在包含前头部、侧头部、头顶部、后头部在内的整个头上。在图7中,表示现有技术(例如参照非专利文件1)中的格子状探头配置(a)和测量点配置(b)。在该配置中,通常发光器50和受光器60的间隔为约30mm,将其大致中点作为测量点11a。“□”、“■”、“●”分别表示发光器、受光器、测量点。在该配置中,在全部测量点11a处,SD距离为30mm。也能够通过SD距离为60mm的组合进行测量,但信噪比(SNR)减小,并不现实。
在图8中,表示2倍密度探头配置(a)和测量点配置(b)。在专利文件9或非专利文件6中揭示了探头配置。该配置为在x轴上使图7的格子状探头配置错开15mm而重叠的配置。“□”、“■”、“●”、“△”分别表示发光器50、受光器60、SD距离为30mm的测量点11a、SD距离为15mm的测量点11c。
在此,为了抽出皮肤起因信号,而使用多个SD距离的测量点处的测量信号。该信号在成分分离后,用于选择所使用的成分。在只使用相同的SD距离的测量信号通过补插进行了映射的情况下,例如如果SD距离是15~20mm左右,则能够得到包含皮肤的浅部分起因信号的贡献大的图。
在此,根据SD距离,如果只用相同SD距离的数据进行成像,则测量点数少,因此有时分辨率低。在图8的例子中,SD距离15mm的测量点与SD距离30mm的测量点相比,测量点数少,因此分布密度小。这样,即使分布密度小的SD距离的测量数据,由于抽出要从SD距离为30mm的测量点的数据中分离的信号(脑起因信号、皮肤起因信号等),所以也是有效的。由此,即使测量点数少,也能够成为有效的测量数据。
以下说明如上那样为了在2种SD距离下进行测量而切换光源的点亮顺序的方法。如果同时使全部光源点亮,则在各检测器中,同时接收SD距离为15mm的信号和30mm的信号,由于其受光强度有2位数左右的不同(图3),所以由于伴随着SD距离为15mm的受光而产生的光电流散粒噪声的影响,担 心SD距离为30mm的信号的SNR会降低。由此,在各光源的照射功率固定的情况下,理想的是在SD距离为15mm和30mm时按照不同的定时进行检测。作为切换光源的点亮顺序的第一方法,在图9中,表示探头配置和光源的点亮顺序的例子之一。图9(a)表示图8的探头配置的上侧一半。。“□”、“■”分别表示发光器50、受光器60。带圆圈的数字1、2是光源的点亮顺序。在各探头上记载的记号表示面(A面/B面)、光源/检测器(S:Source/D:Detector)、探头编号。例如AS1表示是A面的第一号光源。该探头配置是将2个图7的现有的格子上的探头配置重叠而成,如果分别称为A面、B面,则在图9(a)所示的点亮顺序中,A面、B面的光源交替地点亮。在图9(b)中,表示测量点配置和测量顺序。圆圈表示SD距离为30mm处的测量点,三角表示SD距离为15mm处的测量点,在测量点的上或下记载的记号表示对应的光源编号和检测器编号。在图10中,表示光源的点亮顺序、检测器的测量顺序的例子之一。在此,只表示出A面的光源1(AS1)、光源2(AS2)B面的光源1(BS1)、光源2(BS2)、A面的检测器1(AD1)、检测器2(AD2)、B面的检测器1(BD1)、检测器2(BD2)。检测器始终为接通状态,光源交替地切换A面、B面。通过采用该点亮顺序,在A面、B面,能够使用相同强度的调制频率、或锁定频率,能够使所需要的频率的种类成为一半。由此,更容易设计为各光源之间的强度调制频率的带宽不重叠。
作为切换光源的点亮顺序的第二方法,在图11中表示探头配置和光源的点亮顺序的例子之二。记号与图9相同。在该点亮顺序中,在各光源中SD距离为15mm的测量时和SD距离为30mm的测量时是不同的定时,因此,通过与SD距离对应地调整光量,能够不使检测器饱和地容易地进行增益调整。在图12中,表示光源的点亮顺序、检测器的测量顺序的例子之二。记号与图10相同。光源始终为接通状态,但在各光源中,在SD距离为15mm的定时下将功率设定得小,在SD距离为30mm的定时下将功率设定得大。检测器在使用时同时接受SD距离为15mm的信号和30mm的信号,但也有不使用定时,在该期间能够设为切断。通过这样在不使用检测器时能够设为切断,能够降低检测器的消耗电力。
作为切换光源的点亮顺序的第三方法,在图13中表示探头配置和光源的点亮顺序的例子之三。记号与图9相同。在该点亮顺序中,A面、B面的SD 距离30mm处的测量的定时不同,并且另外设定用于测量SD距离15mm的定时。虽然时间分辨率降低,但由于平均功率下降,所以具有以下效果,即能够减小各检测器中因光电流造成的散粒噪声,进而检测器变得难以饱和。在图14中,表示光源的点亮顺序、检测器的测量顺序的例子之三。记号与图10相同。各光源在A面或B面为了SD距离为30mm的测量而点亮,另外为了SD距离为15mm的测量而点亮,因此,3次点亮定时中的2次是点亮,1次是切断。但是,AS1位于端部,并不存在测量SD距离15mm的检测器,因此,三次点亮定时中的2次为切断。
以上设想了使用锁定检测方式的装置而进行了说明,但除了能够使用CDMA方式以外,还能够使用在上述各点亮定时下顺序地点亮各光源的时间分割检测方式等。时间分割检测方式只有1个同时点亮的光源,因此,在检测时不需要考虑光源之间的干扰,进而由于对被检测者10的平均照射功率降低,所以具有能够增大每个光源的峰值功率的效果。
在从图15到图18中,分别表示3倍密度探头配置A~D和测量点配置。非专利文件6揭示了图15的4倍密度探头配置A。在各图中,“□”、“■”、“●”、“×”、“△”、“◇”分别表示发光器50、受光器60、SD距离为30mm的测量点11a、SD距离为23.7mm的测量点11b、SD距离为15mm的测量点11c、SD距离为10.6的测量点11d。在图15~图18的任意一个的探头配置下,SD距离为30mm的测量点配置是相同的。这时,SD距离为30mm的测量点间距为10.6mm,测量点的空间分布密度增加,空间分辨率提高。另外,由于可使用的SD距离的种类也增加,分布密度增加,所以在实施上述脑起因、皮肤起因信号的分离和抽出方法时是有效的。另外,除了图15~图18所示的SD距离以外,还存在能够在SD距离为45mm等发光器50与受光器60的组合中得到的测量点,因此,也可以采用包含这样的测量点的测量点配置。在该情况下,需要根据测量点配置适当地设定光源的点亮顺序等。
在实施上述脑起因、皮肤起因信号的分离和抽出方法时,本发明的生物体光测量装置的存储部108必须保存由各发光器50、受光器60的对唯一确定的SD距离,控制/分析部106将该值用于分析中。在图19中,表示2倍密度探头配置(a)、此时有效的测量点处的使用光源/检测器的组(b)。图19(b)的“○”表示是SD距离30mm的测量点,“◎”表示是SD距离15mm的测量 点。空栏的单元表示不进行对应的光源/检测器的组合的测量,即不使用。通过输入部107输入该对应关系,或从存储部108读出。
在图20中表示探头配置和SD距离的设定画面。在该设定画面中,从包含在输入部107中的键盘、鼠标等输入各种设定项目。在探头配置选择的下拉框110中,选择探头配置。作为例子,例如显示纵向4个、横向8个地排列发光/受光探头的配置(4×8)、纵向3个、横向10个地排列发光/受光探头的配置(3×10)等。在这些配置中,预先确定能够测量的测量点的位置、SD距离,因此,不需要输入SD距离等。在选择了“其他”的情况下,或为了在“4×8”、“3×10”等探头配置中也手动地设定SD距离、使用光源/检测器的组合,使用SD距离设定的单选按键111,进行以下的选择。“手动设定”是能够手动地设定光源、检测器的组合、SD距离的双方的设定。“自动设定”是自动地设定所使用的光源/检测器的组合、SD距离的双方的设定。在该情况下,例如设定为测量SD距离10~40mm左右的全部测量点。“只有SD距离30mm的自动设定”自动地只使用并设定全部光源/检测器的组合中的SD距离30mm,剩余的能够手动设定。将使用图21在后面说明“设定所使用的SD距离”。在手动设定所使用的光源/检测器的组合和SD距离的情况下,向SD距离输入用的单元112输入数值,由此能够进行设定。试验者在保存设定条件的情况下,按下确定按键113,在不保存设定条件的情况下,按下取消按键114。在本例子中,显示SD距离30mm和15mm,但控制/分析部106也可以自动地计算全部发光器50和受光器60的SD距离,并显示在单元内。在该情况下,也可以在图20的设定画面中,追加“使用”和“不使用”按键,由此能够在画面上设定与各测量点对应的单元的使用/不使用。
图21表示使用SD距离和有效半径的设定画面。从实际使用的探头配置考虑的SD距离有多种,因此是用于从其中选择所使用的SD的画面。在文本框121中,输入使用SD距离的种类数。另外,在输入使用SD距离的文本框122、123中,分别输入优先SD距离和除此以外的SD距离。在文本框124中输入有效半径。在此,全部测量优先SD距离的测量点。在该优先SD距离的测量点处,进行脑起因、皮肤起因信号的分离和重构。对于优先SD距离以外的使用SD距离,向“有效半径”的文本框124输入从优先SD距离的测量点位置使用到哪个距离。进而,在文本框123内,使用全部的有效半径以内的 SD距离的测量点。通过该方法,将全部测量点的SNR设为一定的范围内,进而,通过优先SD距离的设定,能够进行与目的对应的分析、显示。另外,由于是能够无遗漏地选择应该使用的测量点并使用的系统,所以能够高精度并且高重现性地进行上述脑起因、皮肤起因信号的分离和抽出方法。与图20同样地使用确定按键113、取消按键114。
图22表示光量和检测器增益的设定画面。操作者从输入部107进行光量和检测器增益的设定。通过用于设定光量的单选按键131,进行以下的4个光量设定。在“全部光源固定”中,在全部光源中设定为固定的光量。例如,在由于安全基准等的制约而将时间平均设为固定的情况下使用。“手动设定”是能够逐一地手动设定各光源的光量的设定。在“自动设定”中,自动地设定各光源的光量。在该情况下,设定为避免检测器的饱和并且光量成为事先确定的阈值以下,或者信噪比(SNR)成为最大。例如将此处的阈值设定为安全基准以下的3mW等。在“保存值读出”中,使用过去的设定值的保存值。
通过用于设定检测器增益的单选按键132,进行以下的4个检测器增益设定。在“固定增益”中,在时间上将对各检测器设定的增益设为固定。例如设定为检测器饱和的水平的一半左右,使得在检测光量最大的照射定时不饱和。在“适应增益”中,按照光源的各照射定时设定最优的增益。在“手动增益”中,手动地输入并设定各光源的增益。在“保存值读出”中,使用过去的设定值的保存值。对于这些设定,通过按下设定按键133,使设定条件有效。在保存设定条件的情况下,按下确定按键113,在不保存设定条件的情况下,按下取消按键114。
通过这样变更光量和检测器增益的设定,在各种探头配置、SD距离的测量中使测量条件最优化,能够统一各被检测者的条件,另外对同一被检测者也能够提高重现性。
在图23中,表示检测器增益自动调整画面。在图22中设定的检测器增益条件中,为“固定增益”或“适应增益”设定的情况下,进行检测器增益的自动调整。在上侧表示SD距离为30mm的测量点的自动增益设定结果139,在下侧表示SD距离为15mm的测量点的自动增益设定结果140。显示方法如图例135所示那样。使用将测量位置的单元涂为黑色而表示检出光量强的显示136、将测量位置的单元涂为灰色并在其中显示圆圈“○”来表示检出光量适 当的显示137、将测量位置的单元涂为白色而表示检测光量弱的显示138。由于很大地依赖于探头的安装状态,所以在一部分测量点检出光量变小时,通过重新安装探头,能够改善检出光量的结果。在该情况下,在变更探头安装状态后,按下增益调整的再试行按键134,能够再次调整检测器增益。
为了将本实施例所示的脑起因、皮肤起因信号的分离和抽出方法应用于更广泛的测量中,理想的是能够应用于所有探头配置。为此,将与各测量点有关的各种信息预先存储在数据库中,在分析时使用它,由此高效地进行脑起因、皮肤牵引信号的分离和抽出,是有效的。在图24中,表示各测量点信息的数据构造。在测量点信息区域161中,存储测量点编号154、光源/检测器ID155、光源/检测器坐标156、SD距离157、测量点坐标158、测量数据159的6种数据。测量数据159是从测量部160发送并保存的数据。试验的操作者从设定输入部151输入所使用的发光器-受光器的对、发光器-受光器的配置、对被检测者的位置基准、测量点的编号。
在此,位置基准是指例如以用于脑波电极的配置的国际10-20法为基准。根据其输入信息,向测量点信息区域161内的测量点编号154、光源/检测器ID155分别输入相应的数据。另外,通过计算部152计算光源/检测器坐标156、SD距离157、测量点坐标158,并作为数据存储。另外,在该计算时,读入被检测者形状数据153并使用。该被检测者形状数据153例如是核磁共振图像(MRI)、X线CT的头部形状数据、或在使用了磁的三维位置测量系统等中测量出的各被检测者的头部形状数据。
说明本实施例的测量的流程。在图25中,表示本实施例的测量流程图。最初,操作者输入被检测者数据(MRI图像等的构造数据)(S101)。然后,操作者输入探头配置(S102)。计算部152根据构造数据,实施蒙特卡洛模拟、或调用蒙特卡洛模拟结果,求出各测量点、各SD距离的平均光路长度(S103)。计算部152根据各测量点、各SD距离的平均光路长度,计算评价函数(例如加权值相对于SD距离的斜率)的阈值(S104)。接着,操作者将探头安装到被检测者(S105),调整检测器增益/光源的功率(S106),实施测量(S107)。接着,计算部152判断是否应用皮肤血流分离算法(S108),在应用的情况下,在皮肤血流分离处理(S109)之后,进行分析数据的显示、保存(S110)。在不应用的情况下,不进行皮肤血流分离处理(S109),进行分析数据的显示、 保存(S110)。这样,通过使用从构造数据计算和推定的对各被检测者最适的阈值,能够提高皮肤血流分离算法的精度。另外,在没有构造数据的情况下,也可以考虑针对阈值的经验值、或从标准的人头部构造数据计算的阈值使用对所有被检测者相同的值的方法。在该情况下,例如从0.0015~0.0055mMmm/mm选择阈值。
作为对每个被检测者使加权值相对于SD距离的斜率的阈值最优化的方法,存在以下的方法,即基于各被检测者的头部构造数据,根据基于蒙特卡洛模拟或光扩散方程式的数值分析来计算光路长度,决定最优的阈值使得与其结果不矛盾。但是,头部构造数据需要MRI、X射线CT的测量数据,对所有被检测者并不限于能够利用这样的头部构造数据,因此需要其他方法。在该情况下,可以考虑以下的方法,即假设确定为0.0015~0.0055mMmm/mm左右,对同一被检测者进行多个相同任务中的测量,在每次或尽量多的次数,探索同样分离为脑起因、皮肤起因成分的阈值。在该方法中,通过选择分离结果的重现性高的阈值来考虑依赖于被检测者的事实,因此,可以说是比使用固定的阈值更稳健的方法。
接着,在图26中,表示皮肤血流分离的流程图。最初,计算部152使一个或多个第二SD距离的测量数据与第一SD距离的各测量数据对应。或者,操作者手动地选择近旁的第二SD距离的测量点(S201)。接着,计算部152使用独立成分分析等信号分离方法,分离为一个或多个成分(S202),通过最小二乘法等决定各分离成分的各SD距离依赖性(各SD距离的加权值斜率)(S203)。然后,计算部152根据预先确定的评价函数,将分离成分分类为脑起因信号或皮肤起因信号(S204)。最后,计算部152只用脑起因信号成分重构信号并显示(S205)。
在该流程图中只说明独立成分分析,但也可以使用应用了因子分析、重回归分析、簇分析等的信号分离方法。另外,在计算各分离成分对SD距离的依赖性时,模型式并不限于直线,也可以是向适当次数的多项式、指数函数、对数函数、双曲线函数等进行最小平方拟合的方法。进而,可以在此处所述的评价函数中,使用独立成分的加权值斜率、能够根据构造数据的假定计算出的基于蒙特卡洛模拟的阈值、从加权值斜率减去拟合时的残差平方和所得的结果等。即,如果残差平方和大,则可以认为该分离成分的可靠性低,因此,看作 是噪声或全身性信号成分,不分离为脑起因成分,通过除去这样的成分,能够只抽出更妥当的分离成分作为脑起因成分。
另外,除了以上所述的评价函数的计算方法以外,还可以考虑以下的方法,即在计算独立成分的加权值斜率时,在存在多个相同的SD距离的数据的情况下,使用该SD距离的加权值计算标准偏差,对该值的倒数进行加权而计算斜率。这基于加权值的标准偏差越小则是越确定的值的假定,在离散大的情况下,该值是偶然得到的可能性高,在该方法中将评价函数计算得低,因此分离为脑起因成分的概率低。这样,具有能够从脑起因成分中除去在相同SD距离下在加权值中存在离散的成分的效果。
作为其他评价函数的计算方法,也可以考虑以下的方法,即将相对于优先SD距离的测量点的距离的倒数看作为可靠度进行加权,使用各SD距离的测量点的数据,计算加权值斜率。如果测量点偏离,则从发光器50照射的光的光路变化,因此对不同的部位进行测量的概率提高。由此,越是接近优先SD距离的测量点,在各测量点共有的光路越是增加,成为在通过独立成分分析计算独立成分时更妥当的条件。通过该方法,即使在皮肤血流等的分布范围小,由于测量点的位置而测量波形不同的情况下,也能够与测量点间距离对应地进行加权,因此具有能够得到更高精度的结果的效果。
进而,可以考虑以下的方法,即使用通过最小二乘法求出的表示各独立成分的SD距离依赖性的回归直线的SD距离轴(在图4的下图中为x轴)的切片。例如,由于在SD距离为一定值以上时加权值增加,所以SD距离轴的切片大的独立成分有可能是因灰白质等深部分的血流动态产生的。由此,可以考虑对SD距离轴(x轴)的切片设置阈值的方法。根据Modified Beer-Lambert法则,应该能够得到与光路长度成正比的信号(假定了在该部分光路中均匀的血流变化的情况),在某独立成分是灰白质起因的信号时,表示SD距离依赖性的回归直线的x切片理想的是10mm左右,希望至少是正的。上述x切片不依赖于信号振幅,因此没有任务依赖性,是能够成为可对同一被检测者共通利用的阈值的值。
例如,以图4(b)为依据,能够将上述x切片的阈值设定为10mm左右。由此,具有能够高精度地分离被检测者10的浅部和深部各自的组织起因信号的效果。另外,通过与上述的加权值斜率组合地利用,能够期待更高精度化的 效果。
进而,在上述x切片大约为10mm以下,特别为负值时,在不包含噪声的理想的情况下,包含不灰白质浅的部分的信号,在与此同时斜率也大的情况下,包含包括灰白质的深部的信号,因此,能够解释为是在深部和浅部共通地包含的成分。例如有可能在深部和浅部的双方中共通地包含全身性的血流变动成分。这样,通过调查上述x切片和斜率,能够判别是只包含在深部中的成分、还是只包含在浅部中的成分、还是包含在深部和浅部的双方中的成分。
在有多个发光器50和受光器60的情况下,如图21所示,例如针对各个SD距离为30mm(优先SD距离)的测量点,例如使用位于有效半径22.5mm以内的SD距离15mm的测量点,进行独立成分分析。在独立成分分析中,为了抽出多个独立成分,原理上需要多个测量点的数据,因此需要这样选择使用数据。以下说明这样与各个优先SD距离的测量点对应地选择在独立成分分析中使用的测量点时的流程。图27是与各个第一SD距离的测量点对应的第二SD距离的测量点的选择流程图。最初,操作者输入有效半径、测量点的最小/最大使用数等条件(S301)。接着,计算部152针对各个第一SD距离(优先SD距离)的测量点,计算与各个第二SD距离的测量点的距离(S302),保存阈值以下(也可以是不满阈值)的第二SD距离的测量点的信道编号(S303)。然后,计算部152进行调整使得选择出的第二SD距离的信道的个数符合条件(S304)。计算部152针对所有的第一SD距离的测量点,同样地进行这些步骤的计算(S305)。通过该流程,在分析中只包含近旁测量点,在皮肤血流不具有广域性的情况下,即在存在有限的皮肤血流分布的情况下,在抽出独立成分时也只使用以头皮上的具有优先SD距离的测量点为中心的近旁测量点,由此能够有效地分离、除去皮肤血流成分。在皮肤血流具有广域性的情况下,当然也能够同样地进行分离、除去。由此,相对于以脑功能以外的激光多普勒血流计或血压计等的测量信号为基准而除去皮肤血流的方法,是通用的方法。
在图28中,表示与SD距离对应地决定各独立成分的加权值斜率的阈值决定的流程图。最初,通过由操作者进行输入、读入模拟结果等,计算部152针对各SD距离,对灰白质的部分光路长度进行绘图(S401)。接着,计算部152通过使用最小二乘法求出回归直线,求出斜率(倾斜)a(mMmm/mm)(S402),将由斜率a(mMmm/mm)唯一决定的量、例如a/2(mMmm/mm) 作为独立成分选择的阈值(S403)。在此,为了分离图4所示的头皮和灰白质的信号,将与SD距离对应的斜率的平均确定为阈值。另外,阈值并不限于a/2,也可以是其他确定方法。通过该方法,能够使用依赖于各被检测者的头部构造的最优的阈值,能够高精度地实现皮肤起因成分的分离。
另外,可以是在优先SD距离的测量点附近在适合的有效半径内存在短SD距离的测量点的情况,但也可以考虑由于探头配置而不存在。这是因为在各SD距离的测量点的分布密度中产生离散。在该情况下,需要以下这样的例外处理,即在近旁不存在短SD距离的测量点,只对优先SD距离的测量点扩大有效半径,使用最近旁的短SD距离的测量点的数据。
接着,说明使用了本发明的实际的测量例子。为了确认本发明的基本原理,使用一个发光器50和6个受光器的探头,测量实施语言性工作记忆问题时的人左前额部。在图29中,表示一个发光器和6个受光器的多SD探头配置。各受光器60按照8mm间隔配置在直线上。在语言性工作记忆问题中,被检测者对在目标画面中显示1.5秒钟的2个或4个平假名进行记忆,尽快地判断在所记忆的画面中是否存在与在7秒钟的延迟期间后显示的探头画面内的1个片假名字符同音的平假名,在存在的情况下,按下“○”,在不存在的情况下,按下“×”。按键使用了游戏手柄的按键。探头画面由于按下按键而消失,但在不按下按键的情况下,最大2秒钟就消失了。在显示探头画面后,设置16~21秒钟的休息期间。在目标画面后的延迟期间和探头画面后的休息期间中,在画面中显示固定视点,被检测者注视固定视点。将显示目标画面之前的1秒钟、从开始显示探头画面起的14秒后到15秒后的1秒钟用于各模块的基线计算。重复进行16次该时序(总计16次试行)。
在图30中,表示实施语言性工作记忆问题时的各SD距离的测量数据。从上开始是SD距离为8、16、24、32、40、48mm的数据。图中的虚线的竖线是表示问题的开始/结束时刻的标记(t=1s为开始时刻)。粗线波形是氧化血红蛋白浓度长度变化(oxy-Hb)的时间变化波形,细线波形是脱氧化血红蛋白浓度长度变化(deoxy-Hb)的时间变化波形。由于与SD距离对应地得到的波形有些不同,因此可以认为在头部的浅区域、深区域中产生不同的血流动态变动。可以看到2个山峰(峰值),但第一个山峰随着SD距离增加而增大,但第二个山峰与SD距离无关地是大致相同的振幅。容易地推测出第一个山峰、 第二个山峰是独立成分,对于加权值与平方平均平方根的积相对于SD距离的斜率,第一个山峰大,第二个山峰小。
在图31中,表示所抽出的独立成分162、加权值斜率163、试行间相关系数平均164。在此,SD距离为8mm的数据被用于抽出独立成分,但不用于计算加权值斜率。这是因为:如图4所示,可以认为在SD距离为10mm以下时,灰白质的部分平均光路长度大致为0mm,因此即使用于计算斜率,也会造成精度恶化。在该结果中,抽出总计4个独立成分,各个成分相对于SD距离的成分加权值斜率如图31中段的图所示那样。成分2的斜率变大。另外,在图31下图中,表示独立成分的总计16试行之间的全部组合的相关系数平均值。这可以说表示出各独立成分的任务同步性的强度。通过该显示方法,能够调查成分加权值斜率与试行间相关的关联性,对调查脑起因成分和皮肤血流的任务依赖性是有效的。
在图32中表示应用本发明的方法而分离为脑起因、皮肤起因成分后的结果显示例子。在此,表示出将独立成分的阈值设为0.0021mMmm/mm时的结果。在原始数据171中,同时显示出在SD距离为32mm时测量出的oxy-Hb、deoxy-Hb,但脑起因数据172和皮肤起因数据173是只对oxy-Hb进行重构的结果。这是因为在本试验分析中,为了分离独立成分,只使用了oxy-Hb。在此重构为脑起因数据的数据是只使用图31中的成分2进行重构的结果。成分2的波形是正负逆转的,但这是因为在重构时附加的系数是负的。
在选择原始数据、脑起因、皮肤起因数据的显示方法的多选框174中,选择所显示的数据,能够实现与目的符合的显示方法。另外,在图32中没有显示,但也可以选择所显示的数据的SD距离。这样将SD距离越大则振幅越大的成分分离为脑起因成分,将剩余的成分分离为皮肤起因数据。通过这样将纵轴设为相同刻度而同时显示原始数据171、脑起因数据172、皮肤起因数据173,具有容易了解包含在原始数据中的脑起因、皮肤起因数据的状况、贡献的大小的效果,对取得因任务诱发的脑和皮肤血流的特征有作用。
接着,在图33中表示二维地配置多个发光器50、受光器60而对脑起因数据和皮肤起因数据进行成像而测量的情况的显示例子。这是全头测量型的光脑功能测量装置的测量结果的显示例子。显示出前头部、头顶部、左右侧头部、后头部的各个的氧化血红蛋白浓度长度变化(oxy-Hb)301。用灰度刻度条302 所示的浓淡来表示振幅值。能够通过时间显示的滚动条303来调整时间轴。另外,能够通过单选按键304来选择是否为脑起因信号、皮肤起因信号、SD距离30mm的通常显示。另外,在图34中,表示SD距离区分的二维数据显示例子。上图是SD距离为30mm时的原始数据(通常显示),下图是SD距离为15mm时的约束数据(通常显示)。通过单选框304能够选择显示方法。通过这样按照SD区分地显示二维测量数据,能够一目了然地确认脑起因信号和皮肤起因信号的SD距离区分的含有状况。
另外,在图32~图34所示的显示方法中,除了原始数据、脑起因数据、皮肤起因数据以外,也可以同时显示根据x切片等判别基准判断为包含在深部和浅部双方中的共通部分的成分。
在此,说明使用了上述x切片的脑起因和皮肤起因数据的分类的其他方法。图35是头皮和灰白质的部分光路长度的模型。横轴表示SD距离(mm),纵轴表示部分光路长度(mm)。这时,如果假定头皮光路长度是常数值,灰白质是x切片为正的直线,则能够如公式8和公式9那样进行模型化。
公式8
y=c ……(8)
公式9
y=a(x-Xsgray) ……(9)
在此,如果设按照某比例包含脑起因信号和皮肤起因成分的双方的“共通成分”的除去了光路长度影响的脑(灰白质)中的Hb浓度变化量贡献率为t(0<t<1)(称为“脑贡献率”),头皮(皮肤)中的浓度变化量贡献率为1-t,则如公式10那样表示根据t加权了的两者的光路长度和。
公式10
y=a(x-Xsgray)t+c(1-t) ……(10)
这时,该共通成分在各测量点处的成分贡献值与光路长度成正比,因此,针对SD距离而对成分贡献值进行绘图所得的结果例如如图36那样(使用了SD距离为15mm、30mm的数据的情况)。图36中的x切片(Xs)是将公式10的左边设为0时的x,因此如公式11那样表示Xs。
公式11
进而,如果对公式11进行变形而求解t,则得到公式12。
公式12
在此,根据假定了标准的人头部模型的血红蛋白模拟结果(图4),a、Xs、c分别为0.833、10.83、32.4。
由此,根据实际的测量数据求出各独立成分的SD距离-成分贡献值分布,通过将因此通过最小二乘法的线性回归而求出的x切片(Xs)代入到公式12,能够求出该共通成分的脑的浓度变化量贡献率t。按照t和1-t进行加权,能够将共通成分重构为脑起因和皮肤起因成分。
在图37中,表示使用了SD距离为15mm和30mm的测量点时的各独立成分的SD距离-成分贡献值分布的回归直线的x切片的成分分离方法的一个例子相关的流程图。计算部152在使用多个SD距离的测量信号实施独立成分分析后,针对各独立成分,求出SD距离(x轴)-加权值(y轴)分布的回归直线,计算x切片(Xs)(mm)和斜率a(mMmm/mm)(S501)。接着,计算部152判断x切片Xs是否是阈值TH1(例如TH1=15mm)以上(S502)。由于使用了SD距离15mm和30mm,所以在Xs≥15的情况下,是在SD距离15mm和30mm时加权值的符号不同、或加权值的绝对值在15mm时比在30mm时大的时候。通过判断斜率a是否是阈值TH2(例如TH2=0.003mMmm/mm)以上(S503),能够判别是前者还是后者,在此在不是的情况下,是后者的情况,看作是皮肤起因成分(S505),在是的情况下,是前者的情况,看作是脑起因成分(S506)。在前者的情况下,在SD距离为15mm和30mm时,加权值的符号不同,但斜率大,因此SD距离15mm的加权值的绝对值比30mm时小,判断为是伪像等。另外,在步骤502中,在不是的情况下,计算部152判断x切片Xs是否是阈值TH3(例如TH3=10.83mm)以上(S504),在是的情况下,看作是脑起因成分(S506),在不是的情况下,看作是共通地包含在脑和皮肤中的共通成分(S507)。能够通过基于头部构造的蒙特卡洛模拟等, 求出TH3。对于共通成分,计算部152使用上述公式12,求出脑贡献率t(S508)。可以在对全部独立成分进行以上计算后,对脑起因成分、皮肤起因成分的各个重构信号。
在此,说明了使用x切片Xs和斜率a的双方的方法,但也可以只通过任意一方进行。
另外,理想的是根据所使用的SD距离、头部构造、测量条件,对TH1、TH2、TH3进行优化。通过该流程的分析,能够与它们的贡献率对应地对脑和皮肤起因贡献率不同的多个成分进行加权并用于重构,能够防止由于分类为任意一方而造成的分析错误,能够计算出更高精度的脑起因和皮肤起因成分。另外,在脑和皮肤起因信号的相关性高的情况下,也能够在考虑到贡献率的基础上进行重构。
根据本实施例,能够对NIRS信号的脑起因、皮肤起因信号进行分离并显示结果,能够实施更高精度的各种脑功能测量并进行分析。
实施例2
在实施例1中,依赖于探头配置,在各SD距离的测量点的分布密度中有时产生离散。向实施例1所述的探头配置只追加受光器60,不降低时间分辨率就能够容易地增加测量点。在图38中,表示向2倍密度探头配置(图8)只追加了受光器60的探头配置(a)和测量点配置(b)。针对各个发光器50,向SD距离15mm的位置追加了受光器。这时,SD距离15mm的测量点如果除了探头配置的上下边界上的与发光器50相关的测量点,则发光器50的个数增加了2倍。追加的受光器60与其他多个受光器60中的至少一个同步地受光,由此能够不降低装置的时间分辨率和其他测量点的信噪比地增加测量点,能够更高精度地进行脑起因、皮肤起因信号的分离。这些追加的受光器60也可以是能够与所需要的精度对应地装卸的受光器60。
如果考虑与本实施例同样地只追加发光器50的情况,则为了防止与其他测量点的干扰,需要进行错开点亮的定时、或改变调制频率等措施,进而在周围的受光器60受光那样的配置的情况下,有在该受光器60中增加因光电流产生的散粒噪声的影响,因此会降低时间分辨率和/或其他测量点的信噪比。由此,只追加受光器60的本实施例的方式是有效的。
另外,图38所示的受光器60的配置是一个例子,并不限于该配置,在图 15~图18等所示的探头配置中,通过追加受光器60,也能够应用本实施例。
实施例3
在图39中,表示使用了全头测量型的光脑功能测量装置90的试验结构图。通过在光脑功能测量装置90中,向被检测体头部照射属于从可视光到红外区域的波长的光,通过同一光检测器检测通过了被检测体内部的多个波长的信号的光而进行测量,能够得到局部脑血液量(氧化血红蛋白/脱氧化血红蛋白/总血红蛋白浓度长度变化)。在测量期间中,也能够通过刺激/指令提示装置415,向被检测者10施加适当的刺激/指令。从计算机412通过控制信号414控制刺激/指令提示装置415。
设置有以下单元:调制器或振荡器401a和401b(401c和401d),用于使波长不同的多个光源402a~402d(如果是2种波长,则例如光源402a和402c为695nm,光源402b和402d为830nm)、多个光源402a和402b(402c和402d)的光通过驱动信号线416a和416b(416c和416d),并分别按照相互不同的频率进行强度调制;多个光照射单元,经由送光用光纤405a(405b)向被检测者10的头皮上照射来自结合器404a(404b)的光,其中接合器404a(404b)使强度调制后的光分别通过光纤403a和403b(403c和403d)而结合;在多个光照射单元的光照射位置的附近以其前端位于从光照射位置离开预先设定的距离(例如15mm和30mm)的方式分别设置在受光用光纤407a、407b上的受光器408a、408b所构成的多个受光单元。通过受光用光纤407a、407b,使通过生物体的光聚光到光纤,分别通过受光器408a、408b对通过生物体的光进行光电变换并放大。在此,在送光用光纤405a、405b和受光用光纤407a、407b的前端,分别具有用于保持光纤而适当地设置到被检测者10上的送光用探头501a、501b、受光用探头502a、502b。另外,为了保持多个探头,将探头支架503固定在被检测者10上。
受光单元10检测在被检测者10内部反射并透过的光,并变换为电信号,作为受光器408使用以电子倍增管、光电二极管为代表的光电变换元件。在图39中,说明使用2种波长的情况,但也可以使用3种以上的波长。另外,为了简化,在图39中,每种各配置了2个光照射单元、受光单元。在本实施例中,必须是多SD配置,因此存在未图示的多个受光单元。
通过受光器408a、408b进行了光电变换的表示通过生物体光强度的电信 号分别输入到锁定放大器409a~409d。还向锁定放大器409a~409d输入来自振荡器(调制器)401a和401b(401c和401d)的参照信号417a~417d。例如在409a、409b中,光源402a和402c的695nm的光分离并输出,通过锁定处理而取出,在409c、409d中,光源402b和402d的830nm的光分离并输出。这时,在图39中,为了简化,将测量点设想为送光用探头501a与受光用探头502a之间、送光用探头501b与受光用探头502b之间的2点。通过同样的结构,也可以将送光用探头501a与受光用探头502b之间、送光用探头501b与受光用探头502a之间的2点作为测量点。
在通过模拟-数字变换器410对作为锁定放大器409a~409d的输出的分离后的各波长的通过光强度信号进行模拟-数字变换后,发送到测量控制用计算机411。在测量控制用计算机411中,使用通过光强度信号,根据各检测点的检测信号,按照非专利文件1等说明的步骤,计算氧化血红蛋白浓度、脱氧化血红蛋白浓度长度变化和总氧化血红蛋白浓度长度变化,并作为多个测量点的经时信息存储在存储装置中。另外,在此,记载了在进行锁定处理后进行模拟-数字变换的例子,但也可以在对来自受光器的信号进行放大/模拟-数字变换后,数字地进行锁定处理。另外,记载了根据调制方式而分离多个光的实施例,但并不限于此,例如也可以使用在时间上错开照射多个光的定时而辨别多个光的时间分割方式。
计算机412由输入部、分析部、存储部、抽出部构成,通过分析部对在测量控制用计算机411中计算的结果进行分析。在输入部中,从外部输入分析条件等的设定。另外,在计算机412具有显示功能的情况下,也可以没有显示部413。在存储部中存储分析部的分析结果。在抽出部中,从由分析部分析后的信号中,抽出与被检测者10的局部脑血行动态有关的信息。在显示部413中,显示与通过抽出部抽出的被检测者10的局部脑血行动态有关的信息。在图39中,分别记载了测量控制用计算机411和计算机412,但也可以是一个计算机。
在该结构中,可以应用实施例1所说明的脑起因成分、皮肤起因成分的分离方法。利用该结构,在各被检测者中测量头部的前头部、侧头部、头顶部、后头部中的至少一个,在测量前头部时,实施记忆任务、情绪任务,在测量侧头部时,实施听觉任务、语言性任务、运动性任务,在测量头顶部时,实施运动性任务、空间认知任务,在测量后头部时,实施视觉任务、睡眠任务等。通 过实施各测量部位、各任务的测量,能够计算出该被检测者的各测量部位和实施各任务时的脑起因、皮肤起因成分的贡献率的分布,能够与测量部位和目的对应地应用于最优任务的选择中。例如,能够对某部位,选择尽量减少皮肤起因成分的贡献率那样的任务。
在图40中,表示显示被检测者的各部位的脑起因、皮肤起因成分的任务依赖性的画面的一个例子。图40的上图用平均值(黑圈)和标准偏差(错误条)表示各测量部位的皮肤起因成分指标。图40的下图在各部位表示出各任务的信号的皮肤起因成分指标。记号的含义是:WM:工作记忆任务、EM:情绪任务、AU:听觉任务、LG:语言性任务、MT:运动性任务、SC:空间认知任务、SL:睡眠性任务、VS:视觉任务。此处的皮肤起因成分指标可以使用同时利用了脑起因成分、皮肤起因成分的贡献率、或者使用脑起因成分和皮肤起因成分的平均振幅值。例如通过公式13和公式14求出此处用作指标的脑贡献率和皮肤贡献率。
公式13
脑贡献率=100×脑起因成分振幅值/(脑起因成分振幅值+皮肤起因成分振幅值)% ……(13)
公式14
皮肤贡献率=100×皮肤起因成分振幅值/(脑起因成分振幅值+皮肤起因成分振幅值)% ……(14)
在此,以下的公式15的关系成立。
公式15
脑贡献率+皮肤贡献率=100% ……(15)
在此,公式13和公式14的脑起因成分振幅值和皮肤起因成分振幅值定义为:通过平方平均平方根(RMS:root mean square)求出分离出的独立成分的实效值,进而计算出乘以各测量点的加权值的值(独立成分光纤值),分别针对脑起因和皮肤起因成分,取得所构成的独立成分的独立成分贡献值的总和所得的结果。在图40中,显示皮肤起因成分指标,但也可以显示脑起因成分指标。
通过图40的显示方法,能够掌握该被检测者的每个部位的皮肤血流和脑起因信号成分的贡献率的分布状况,能够用于选择最优任务。
根据本发明,在使用了可视光或近红外光的人头部光测量装置中,能够与目的对应地从测量信号中分离、抽出脑起因和皮肤起因成分,能够提高人脑功能测量的精度和重现性。
附图标号说明
10:被检测者;11:测量点;11a:测量点(SD=30mm);11b:测量点(SD:23.7mm);11c:测量点(SD:15mm);11d:测量点(SD:10.6mm);12:照射点;13:检测点;20:装置主体;30:光;40:波导;50:发光器;60:受光器;90:光脑功能测量装置;101:光源;102:光检测器;103:光源驱动装置;104:放大器;105:模拟-数字变换器;106:控制/分析部;107:输入部;108:存储部;109:显示部;110:探头配置选择的下拉框;111:SD距离设定的单选框;112:SD距离输入用的单元;113:确定按键;114:取消按键;121:输入使用SD距离的种类的文本框;122:输入优先SD距离的文本框;123:输入SD距离的文本框;124:输入有效半径的文本框;131:用于设定光量的单选按键;132:用于设定检测器增益的单选按键;133:设定按键;134:增益调整的再试行按键;135:图例;136:表示检测光量强的显示;137:表示检测光量适当的显示;138:表示检测光量弱的显示;139:SD距离30mm的测量点的自动增益设定结果;140:SD距离15mm的测量点的自动增益设定结果;151:设定输入部;152:计算部;153:被检测者形状数据;154:测量点编号;155:光源/检测器ID;156:光源/检测器坐标;157:SD距离;158:测量点坐标;159:测量数据;160:测量部;161:测量点信息区域;162:抽出的独立成分;163:加权值斜率;164:试行间相关系数平均;171:原始数据;172:脑起因数据;173:皮肤起因数据;174:原始数据、脑起因、皮肤起因数据显示方法选择多选框;301:氧化血红蛋白浓度长度变化(oxy-Hb);302:灰度刻度条;303:时间显示的滚动条;304:单选按键;401:振荡器(调制器);402:光源;403:光纤;404:结合器;405:送光用光纤;407:受光用光纤;408:受光器(包含放大器);409:锁定放大器;410:模拟-数字(A/D)变换器;411:测量控制用计算机;412:计算机;413:显示部;414:控制信号;415:刺激/指令提示装置;416:光源驱动信号;417:来自振荡器(调制器)的参照信号;501:送光用探头;502:受光用探头;503:探头支架。