CN111588347B - 脑活动特征量的提取方法 - Google Patents
脑活动特征量的提取方法 Download PDFInfo
- Publication number
- CN111588347B CN111588347B CN202010079387.XA CN202010079387A CN111588347B CN 111588347 B CN111588347 B CN 111588347B CN 202010079387 A CN202010079387 A CN 202010079387A CN 111588347 B CN111588347 B CN 111588347B
- Authority
- CN
- China
- Prior art keywords
- subject
- change
- blood flow
- cerebral blood
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000007177 brain activity Effects 0.000 title claims abstract description 82
- 238000000605 extraction Methods 0.000 title abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 64
- 230000003727 cerebral blood flow Effects 0.000 claims description 130
- 238000005259 measurement Methods 0.000 claims description 67
- 238000004497 NIR spectroscopy Methods 0.000 claims description 19
- 108010054147 Hemoglobins Proteins 0.000 claims description 17
- 102000001554 Hemoglobins Human genes 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000001953 sensory effect Effects 0.000 claims description 14
- 230000005484 gravity Effects 0.000 claims description 12
- 230000000638 stimulation Effects 0.000 claims description 12
- 230000019771 cognition Effects 0.000 claims description 6
- 208000010877 cognitive disease Diseases 0.000 description 12
- INGWEZCOABYORO-UHFFFAOYSA-N 2-(furan-2-yl)-7-methyl-1h-1,8-naphthyridin-4-one Chemical compound N=1C2=NC(C)=CC=C2C(O)=CC=1C1=CC=CO1 INGWEZCOABYORO-UHFFFAOYSA-N 0.000 description 11
- 108010002255 deoxyhemoglobin Proteins 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 108010064719 Oxyhemoglobins Proteins 0.000 description 10
- 230000001965 increasing effect Effects 0.000 description 8
- 238000002790 cross-validation Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000003920 cognitive function Effects 0.000 description 5
- 210000003128 head Anatomy 0.000 description 5
- 230000001939 inductive effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000000523 sample Substances 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 4
- 238000007477 logistic regression Methods 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 230000037081 physical activity Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 230000008344 brain blood flow Effects 0.000 description 3
- 231100000870 cognitive problem Toxicity 0.000 description 3
- 230000036992 cognitive tasks Effects 0.000 description 3
- 210000001061 forehead Anatomy 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 108010036302 hemoglobin AS Proteins 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 208000027061 mild cognitive impairment Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000003478 temporal lobe Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
- A61B5/14553—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases specially adapted for cerebral tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/168—Evaluating attention deficit, hyperactivity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/7425—Displaying combinations of multiple images regardless of image source, e.g. displaying a reference anatomical image with a live image
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/12—Healthy persons not otherwise provided for, e.g. subjects of a marketing survey
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Neurology (AREA)
- Physiology (AREA)
- Psychology (AREA)
- Psychiatry (AREA)
- Neurosurgery (AREA)
- Hematology (AREA)
- Cardiology (AREA)
- Developmental Disabilities (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Child & Adolescent Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Social Psychology (AREA)
- General Business, Economics & Management (AREA)
- Educational Technology (AREA)
- Business, Economics & Management (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Optics & Photonics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
Abstract
本发明提供一种脑活动特征量的提取方法。该脑活动特征量的提取方法包括以下步骤:基于作为对于区别健全者的群体与非健全者的群体而言是否有效的指标的指标值,在多个数据中,按用于判别受验者是健全者还是非健全者的有效性从高到低的顺序获取多个数据的组合;以及将获取到的多个数据的组合按有效性从高到低的顺序进行显示。
Description
技术领域
本发明涉及一种脑活动特征量的提取方法,特别是涉及一种包括获取与脑血流量的变化有关的特征量的步骤的脑活动特征量的提取方法。
背景技术
以往,已知一种包括获取与脑血流量的变化有关的特征量的步骤的脑活动特征量的提取方法。例如在国际公开2012/165602号中公开了这种脑活动特征量的提取方法。
在国际公开2012/165602号中,公开了一种认知功能障碍判别装置,其利用近红外光谱法来测量正在执行认知课题时的受验者的脑血流数据。在国际公开2012/165602号的认知功能障碍判别装置中构成为:向受验者提供各种各样的认知课题,对通过功能性近红外光谱法(fNIRS)测量多个测定部位而得到的脑血流数据进行多个特征量的提取,利用提取出的特征量以及预先构建的用于判定认知功能障碍的模型,来进行受验者的认知功能的判别。
在国际公开2012/165602号的认知功能障碍判别装置中,针对已知认知功能是否存在障碍的受验者,获取正在执行认知课题时的脑血流数据的特征量,基于获取到的特征量来构建用于判定认知功能障碍的模型。在国际公开2012/165602号的认知功能障碍判别装置中,在构建用于判定认知功能障碍的模型时,通过逐步选择法,来选择出对于用于区别健全者的群体与非健全者(认知功能障碍者)的群体的判断基准而言有用的特征量。此外,作为逐步选择法的特征选择基准,使用各2个群体(健全者的群体和非健全者的群体)的估计正确答案率的平均值。而且,在国际公开2012/165602号中,作为用于进行健全者的群体与非健全者(认知功能障碍者)的群体的辨别的特征量(判断基准),选择了包括7个测定部位的前额叶的右侧区域中的特征量、以及包括5个测定部位的左颞叶的后方区域中的特征量这合计12个特征量。
然而,在国际公开2012/165602号所记载的认知功能障碍判别装置中,通过按照固定的规则选择特征量的逐步选择法,来选择对于用于区别健全者的群体与非健全者的群体的判断基准而言有用的特征量,因此能够想到有时所选择出的特征量较为限定。因此,能够想到如下问题:有时因用于辨别健全者的群体与认知功能障碍者的群体的、有用的特征量(判断基准)的提取遗漏而导致无法适当地判别受验者是健全者还是非健全者。
发明内容
本发明是为了解决上述那样的问题而完成的,本发明的一个目的在于提供一种能够抑制因有用的判断基准的提取遗漏而导致无法适当地判别受验者是健全者还是非健全者的脑活动特征量的提取方法。
为了达成上述目的,本发明的一个方面的脑活动特征量的提取方法包括以下步骤:向受验者提供诱发脑活动的课题,受验者包括健全者的群体和非健全者的群体;在向受验者提供了课题时测定受验者的每个测量部位的脑血流量的变化;获取与脑血流量的变化有关的特征量;计算与课题、测量部位及特征量的组对应的、作为对于区别健全者的群体与非健全者的群体而言是否有效的指标的指标值;获取将课题、测量部位及特征量的组与计算出的指标值相关联而得到的多个数据;基于计算出的指标值,在多个数据中,按用于判别受验者是健全者还是非健全者的有效性从高到低的顺序获取多个数据的组合;以及将获取到的多个数据的组合按有效性从高到低的顺序进行显示。
关于本发明的一个方面的脑活动特征量的提取方法,如上所述,包括以下步骤:基于作为对于区别健全者的群体与非健全者的群体而言是否有效的指标的指标值,在与指标值相关联的多个数据中,按用于判别受验者是健全者还是非健全者的有效性从高到低的顺序获取多个数据的组合;以及将获取到的多个数据的组合按有效性从高到低的顺序进行显示。由此,与指标值相关联的多个数据按用于判别受验者是健全者还是非健全者的有效性从高到低的顺序进行显示,因此能够容易地掌握与有效性高的指标值关联的多个数据。其结果,能够抑制产生对于判别受验者是健全者还是非健全者而言有用的特征量(判断基准)的提取遗漏,因此能够抑制因有用的判断基准的提取遗漏而导致无法适当地判别受验者是健全者还是非健全者。
在上述一个方面的脑活动特征量的提取方法中,优选的是,还包括以下步骤:针对所显示的多个数据的组合,制作数据的数量不同的多个模型,并且基于制作出的多个模型各自的正确答案率,来获取判别受验者是健全者还是非健全者所需的数据的数量。如果像这样构成,则能够基于数据的数量不同的多个模型的正确答案率来容易地掌握为了判别受验者是健全者还是非健全者而需要(获取及显示)的数据的数量。
在上述获取判别受验者是健全者还是非健全者所需的数据的数量的结构中,优选的是,获取数据的数量的步骤包括以下步骤:制作多个数据的数量不同的多个回归模型,并且基于制作出的多个回归模型各自的正确答案率,来获取判别受验者是健全者还是非健全者所需的数据的数量。如果像这样构成,则能够基于多个回归模型各自的正确答案率来容易地获取判别受验者是健全者还是非健全者所需的数据的数量。
在上述获取判别受验者是健全者还是非健全者所需的数据的数量的结构中,优选的是,获取数据的数量的步骤包括以下步骤:获取正确答案率成为规定的阈值以上的数据的数量。如果像这样构成,则能够基于规定的阈值来容易地判定判别受验者是健全者还是非健全者所需的数据的数量。
在上述一个方面的脑活动特征量的提取方法中,优选的是,还包括以下步骤:按有效性从高到低的顺序来排列与指标值相关联的多个数据。如果像这样构成,则能够按有效性从高到低的顺序容易地显示获取到的多个数据的组合。
在上述一个方面的脑活动特征量的提取方法中,优选的是,获取与脑血流量的变化有关的特征量的步骤包括以下步骤:使获取脑血流量的变化的平均值的期间不同,来获取脑血流量的变化的多个种类的平均值中的至少任一个作为与脑血流量的变化有关的特征量,脑血流量的变化的多个种类的平均值是基于在进行课题的期间中包含的规定的期间中的脑血流量的变化的平均值、以及在不进行课题的期间中包含的规定的期间中的脑血流量的变化的平均值而获取到的。如果像这样构成,则能够根据脑血流量的变化的多个种类的平均值中的任一个来获取与脑血流量的变化有关的特征量,因此能够有效地增加用于判别健全者的群体与非健全者的群体的多个数据的数量。其结果,能够获取对于判别受验者是健全者还是非健全者而言更加充足的数量的判断基准。
在上述一个方面的脑活动特征量的提取方法中,优选的是,获取与脑血流量的变化有关的特征量的步骤包括以下步骤:获取由在进行课题的期间中的表示脑血流量的变化的曲线形成的区域的面积重心、以及在进行课题的期间中的表示脑血流量的变化的曲线的斜率的最大值中的至少任一个,来作为与脑血流量的变化有关的特征量。如果像这样构成,则例如即使某个期间内的脑血流量的变化的平均值相同,由于存在面积重心或斜率的最大值不同的情况,因此也能够通过包含面积重心和斜率的最大值中的至少任一个作为与脑血流量的变化有关的特征量,来精密地判别受验者是健全者还是非健全者。
在上述一个方面的脑活动特征量的提取方法中,优选的是,提供课题的步骤包括针对同一课题提供难度不同的多个课题的步骤,获取与脑血流量的变化有关的特征量的步骤包括以下步骤:获取进行难度互不相同的多个课题的期间之间的脑血流量的平均值的差或比,来作为特征量。在此,在认知课题执行时的脑血流数据的测量中,每个受验者对课题存在习惯、经验、教育水平等的偏差。因而,对受验者执行共同的固定难度的认知课题会存在以下情况:对某些受验者来说过于简单因此检测不出脑活动,而对某些受验者来说过于难因此放弃执行课题。因此,通过如上述那样构成,能够测定基于与受验者相应的难度的课题的脑活动的变化,因此即使在受验者对认知课题的适应存在个人差异的情况下,也能够判定认知功能的程度。
在上述一个方面的脑活动特征量的提取方法中,优选的是,提供课题的步骤包括以下步骤:向受验者提出对于受验者而言的感觉刺激、计算、记忆、想象以及空间认知中的至少任一个,来作为课题。如果像这样构成,则能够向受验者提供诱发脑活动的多个种类的课题,因此能够有效地增加用于判别健全者的群体与非健全者的群体的多个数据的数量。其结果,能够获取对于判别受验者是健全者还是非健全者而言更加充足的数量的判断基准。
在上述一个方面的脑活动特征量的提取方法中,优选的是,测定脑血流量的变化的步骤包括以下步骤:测定氧合血红蛋白量的变化、脱氧血红蛋白量的变化以及总血红蛋白量的变化中的至少任一个,来作为脑血流量的变化的指标,总血红蛋白量为氧合血红蛋白量与脱氧血红蛋白量的总量。如果像这样构成,则能够通过多个种类的指标来获取受验者的脑血流量的变化,因此能够有效地增加用于判别健全者的群体与非健全者的群体的多个数据的数量。其结果,能够获取对于判别受验者是健全者还是非健全者而言更加充足的数量的判断基准。此外,氧合血红蛋白量会对课题比较敏感地做出反应,另一方面,也会因受验者的身体活动等除课题以外的因素而敏感地做出反应,从而有时在测定结果中包含噪声。另一方面,脱氧血红蛋白量对于受验者的身体活动等不敏感(对脑活动部位的局部性具有精度),因此通过将脱氧血红蛋白量用作脑血流量的变化的指标,能够获得噪声比较少的测定结果。
在上述一个方面的脑活动特征量的提取方法中,优选的是,测定每个测量部位的脑血流量的变化的步骤包括以下步骤:测定在包含国际10-20法的F3、F4、P3及P4中的至少一个的范围内设定的每个测量部位的脑血流量的变化。如果像这样构成,则能够测定一般在测量脑波时使用的范围(前额联合区、运动区、间隔区)的脑血流量的变化,因此能够适当地测定与课题对应的脑血流量的变化。
在上述一个方面的脑活动特征量的提取方法中,优选的是,测定每个测量部位的脑血流量的变化的步骤包括以下步骤:通过近红外光谱法(near-infrared spectroscopy:NIRS)来测定每个测量部位的脑血流量的变化。如果像这样构成,则能够使用NIRS装置来测定受验者的脑血流量的变化。其结果,NIRS装置为非介入的,在与磁共振成像(MagneticResonances Imaging:MRI)等比较的情况下,无需大规模的设备,因此能够简便地测定受验者的脑血流量的变化。此外,NIRS装置是以下装置:穿戴于受验者的头部,利用近红外光来测定受验者的脑血管中的血红蛋白量的变化,由此测定脑血流量的变化。
附图说明
图1是用于说明用于实施本发明的一个实施方式的脑活动特征量的提取方法的脑活动测量系统的整体结构的图。
图2是示出本发明的一个实施方式的测定脑活动时的测定部位的示意图。
图3是用于说明国际10-20法的测定部位的示意图。
图4是表示本发明的一个实施方式的任务期间和休息期间的时序图以及任务的强度的时间变化的曲线图。
图5A是用于说明本发明的一个实施方式的脑活动特征量的提取方法中的特征量(任务-休息间的平均值差)的图。
图5B是用于说明本发明的一个实施方式的脑活动特征量的提取方法中的另一特征量(面积重心)的图。
图5C是用于说明本发明的一个实施方式的脑活动特征量的提取方法中的又一特征量(波形斜率)的图。
图6是用于说明将课题、测量部位及特征量与同课题、测量部位及特征量的组对应的用于区别健全者的群体与非健全者的群体的指标值相关联而得到的多个数据的图。
图7是用于说明用于判别受验者是健全者还是非健全者的试行及其正确答案率的图。
图8是表示获取用于判别受验者是健全者还是非健全者的多个数据的组合的流程的流程图。
具体实施方式
下面,基于附图来说明将本发明具体化所得到的实施方式。
首先,参照图1~图3来说明用于实施本发明的一个实施方式的脑活动特征量的提取方法的脑活动测量系统100的结构。
(脑活动测量系统的结构)
如图1所示,脑活动测量系统100具备脑活动测量装置1、数据处理装置2以及显示装置3。
脑活动测量装置1是以下装置(光测量装置):使用近红外光谱法(NIRS)来光学性地测量受验者P的脑活动,生成时间序列的测量结果数据。具体地说,脑活动测量装置1是NIRS装置。脑活动测量装置1从配置于受验者P的头部表面上的送光探头(未图示)照射近红外光的波长区域的测量光。然后,使在头部内反射的测量光入射到配置于头部表面上的受光探头(未图示)来进行检测,由此获取测量光的强度(受光量)。送光探头和受光探头分别设置有多个,安装于用于将各探头固定于头部表面上的规定位置的支架4。在本实施方式中,脑活动测量装置1基于多个波长(例如,780nm、805nm以及830nm这3个波长)的测量光的强度(受光量)和血红蛋白的吸光特性,来测量氧合血红蛋白、脱氧血红蛋白以及总血红蛋白的变化量作为脑血流量的变化的指标。
数据处理装置2进行从脑活动测量装置1送来的测量数据的统计处理。即,数据处理装置2构成为计算用于判定受验者P的认知功能的程度的统计数据。数据处理装置2由具备CPU、存储器以及硬盘驱动器等的PC(个人计算机)构成。
显示装置3构成为显示用于使受验者P执行的任务(参照图4)。显示装置3是液晶显示器等监视器。此外,任务是本发明的“课题”的一例。
图2示出由脑活动测量装置1测定受验者P的脑的血流量时的测量部位。另外,图3是示出国际10-20法中的测量部位的图。在脑活动测量装置1中,获取受验者P的脑活动的测定数据时的测量部位设定在包含图3所示的国际10-20法的F3、F4、P3及P4的范围内。具体地说,作为包含国际10-20法的F3、F4、P3、P4中的任一个的范围,将如图2所示的54个通道设定为测量部位。此时,作为关注区域(ROI),设定ROI1~ROI5。
(脑活动特征量的提取方法)
接着,参照图4~图7来说明本实施方式的获取用于判别受验者P是健全者还是非健全者的多个数据的组合及数量的脑活动特征量的提取方法。
如图4所示,在本实施方式的脑活动特征量的提取方法中,向包括健全者的群体和非健全者的群体的受验者P提出诱发脑活动的任务(参照图8的步骤S1)。具体地说,如图4的时序图所示,在提出任务时,向受验者P提出多次任务。另外,在向受验者P提出多次任务的情况下,向受验者P提出任务时的任务期间31与不向受验者P提出任务的休息期间32交替地重复。任务期间31例如为15秒钟。另外,休息期间32例如为30秒钟。在休息期间32内,使受验者P发出无意义的话语,由此构建在测定受验者P的脑血流量的变化时的基线。作为在休息期间32内使受验者P发出的无意义的话语,例如为“あ、い、う、え、お”。此外,在图4中,示出任务重复4次的例子。
此外,在本实施方式的脑活动特征量的提取方法中,在提出任务时(参照图8所示的步骤S1),向受验者P提出对于受验者P而言的感觉刺激、计算、记忆、想象以及空间认知来作为任务。具体地说,在将向受验者P提出的任务设为感觉刺激的情况下,对受验者P的感觉器官给与感觉刺激。例如,使保冷剂碰触受验者P的手掌,由此对受验者P给与冷感觉刺激。另外,在将向受验者P提出的任务设为计算的情况下,向受验者P提出计算问题。例如,作为计算问题,使用在认知症的诊断用的简易精神状态检查(MMSE)中使用的serial 7(100-7)。此外,serial 7(100-7)是从100连续减7的问题。另外,在将向受验者P提出的任务设为记忆及想象的情况下,提出以下问题:实施脑活动特征量的提取方法的实验者在受验者P的手上书写形状类似的文字,受验者P来猜该文字。类似的文字例如是“ス”、“マ”、“ヌ”。另外,在将向受验者P提出的任务设为空间认知的情况下,提出以下问题:在显示装置3中显示风景照片,将作为示意图示出了风景照片中描绘的建筑物的地图交给受验者P,使受验者P用编号回答为了能看到风景照片的风景要站在哪个位置。
另外,在本实施方式的脑活动特征量的提取方法中,在提出任务时(参照图8所示的步骤S1),针对同一任务提出难度不同的多个任务。具体地说,如图4的时序图所示,以使第3次和第4次的任务的难度高于第1次和第2次的任务的难度的方式向受验者P提出任务。例如,在向受验者P提出计算问题的情况下,在第1次和第2次的任务中向受验者P提出从100连续减7的问题,在第3次和第4次的任务中向受验者P提出难度比从100连续减7的问题的难度高的从100连续减3的问题。此外,在偶数的减法和奇数的减法中,奇数的减法的难度更高。另外,在提出实验者在受验者P的手上书写形状类似的文字、受验者P来猜该文字的问题的情况下,在第1次和第2次的任务中将在受验者P的手上书写的文字设为1个文字,在第3次和第4次的任务中将在受验者P的手上书写的文字设为2个文字。另外,在提出在显示装置3中显示风景照片、将作为示意图示出了风景照片中描绘的建筑物的地图交给受验者P、使受验者P用编号回答为了能看到风景照片的风景要站在哪个位置的问题的情况下,与第1次和第2次的任务相比,例如在第3次和第4次的任务中增加道路、建筑物的数量等,由此提高任务的难度。
另外,在本实施方式的脑活动特征量的提取方法中,在向受验者P提出任务时测定受验者P的每个测量部位的脑血流量的变化(参照图8所示的步骤S2)。详细地说,在测定脑血流量的变化时,测定氧合血红蛋白量的变化、脱氧血红蛋白量的变化、以及作为氧合血红蛋白量与脱氧血红蛋白量的总量的总血红蛋白量的变化,来作为脑血流量的变化的指标。另外,如图2和图3所示,在测定脑血流量的变化时,测定在包含国际10-20法的F3、F4、P3及P4的范围中设定的每个测量部位的脑血流量的变化。另外,在测定脑血流量的变化时,如上所述,通过近红外光谱法(NIRS)来测定每个测量部位的脑血流量的变化。
另外,如图5A~图5C所示,在本实施方式的脑活动特征量的提取方法中,获取与脑血流量的变化有关的特征量(参照图8的步骤S3)。详细地说,如图5A所示,在获取与脑血流量的变化有关的特征量时,使获取脑血流量的变化的平均值的期间不同,来获取基于任务期间31中包含的规定的期间中的脑血流量的变化的平均值以及休息期间32中包含的规定的期间中的脑血流量的变化的平均值而获取到的、脑血流量的变化的多个种类的平均值作为与脑血流量的变化有关的特征量。另外,如图5B和图5C所示,在获取与脑血流量的变化有关的特征量时,获取由任务期间31中的表示脑血流量的变化的曲线形成的区域的面积重心(参照图5B)、以及任务期间31中的表示脑血流量的变化的曲线的斜率的最大值(参照图5C)来作为与脑血流量的变化有关的特征量。
具体地说,如图5A所示,作为与脑血流量的变化有关的特征量,获取特征量1~5。特征量1是任务期间31(参照图4)整体的脑血流量的变化的平均值与紧挨在任务期间31之前的休息期间32(参照图4)整体的脑血流量的变化的平均值之差。特征量2是任务期间31整体的脑血流量的变化的平均值与将紧挨在任务期间31之前的休息期间32整体的脑血流量的变化的平均值及紧挨在任务期间31之后的休息期间32整体的脑血流量的变化的平均值进行平均所得到的值之差。特征量3是任务期间31的后半段中的脑血流量的变化的平均值与紧挨在任务期间31之前的休息期间32的后半段中的脑血流量的变化的平均值之差。特征量4是任务期间31的后半段中的脑血流量的变化的平均值与将紧挨在任务期间31之前的休息期间32的后半段中的脑血流量的变化的平均值及紧挨在任务期间31之后的休息期间32的后半段中的脑血流量的变化的平均值进行平均所得到的值之差。特征量5是任务期间31的前半段中的脑血流量的变化的平均值与紧挨在任务期间31之前的休息期间32的后半段中的脑血流量的变化的平均值之差。即,特征量5是紧挨在向受验者P提出任务之后的(上升的)脑血流量的变化。
另外,如图5B和图5C所示,作为与脑血流量的变化有关的特征量,分别获取特征量11和特征量21。特征量11示出包含由任务期间31(参照图4)内的表示脑血流量的变化的曲线形成的区域的面积重心的位置的任务期间31中的相对位置(重心点f)。此外,特征量11与基于规定期间内的脑血流量的变化的平均值的特征量1~5不同,不易受到脑血流量的绝对值的影响,因此不易受到因受验者P、测量部位的差异而不同的测量时的光路长度的影响。特征量21是任务期间31内的表示脑血流量的变化的曲线在任务期间31开始后到10秒钟为止的期间内斜率最大的情况下的斜率。
另外,如图6所示,在本实施方式的脑活动特征量的提取方法中,计算与任务、测量部位及特征量的组对应的、作为对于区别健全者的群体与非健全者的群体而言是否有效的指标的指标值(参照图8的步骤S4)。具体地说,将多个受验者P分为认知功能健全者(以下称为NDC)的分组和轻度认知功能障碍者(以下称为MCI)的分组。然后,在课题、测量部位及特征量的组合不同的多个条件下,计算作为是否能够区别NDC与MCI的指标的指标值。使用Mann-Whitney(曼-惠特尼)的U检验中的显著性(p值)、以及作为灵敏度/特异度的指标的Youden-Index(约登指数)来进行指标值的计算。此外,p值和Youden-Index是本发明的“指标值”的一例。
此外,在图6的表中,p-value、Task、Channel以及Signal分别表示p值、任务的种类、测量部位、作为脑血流量的变化的指标的信号的种类。在Task中,Reikan、Keisan、Sumanu以及Kuukan分别表示对受验者P给与冷感觉刺激的任务、向受验者P提出计算问题的任务、向受验者P提出猜形状类似的文字的问题的任务、以及向受验者P提出回答为了能看到风景照片的风景要站在哪个位置的问题的任务。在Signal中,Oxyhb、Deoxyhb以及Totalxyhb分别表示氧合血红蛋白量的变化、脱氧血红蛋白量的变化、以及总血红蛋白量的变化。此外,Oxyhb(的动态范围宽从而)会对任务比较敏感地做出反应,另一方面,也会因受验者P的身体活动等除任务以外的因素而敏感地做出反应,从而有时在测定结果中包含噪声。另一方面,Deoxyhb对于受验者P的身体活动等不敏感(对脑活动部位的局部性具有精度),因此通过将Deoxyhb用作脑血流量的变化的指标,能够获得噪声比较少的测定结果。
另外,在图6的表中,Feature_type、Feature_combi以及Trial分别表示特征量的种类、特征量的组合以及用于计算特征量的任务。在Feature_type中,Feature1、Feature2、Feature3、Feature4、Feature5、Feature11以及Feature21分别表示特征量1、特征量2、特征量3、特征量4、特征量5、特征量11以及特征量21。Feature_combi表示任务的试行的组合。例如,关于记载于图6的最上段的数据中的“Trial-3”,将任务“Sumanu”被试行了多次(例如,4次)时的、第3次试行时的测定结果设为特征量。在该情况下,仅将1次试行的测定结果设为特征量,因此“Feature_combi”被设为“Single”。另外,关于图6的从上数第2个记载的数据中的“Trial-2×4”,将任务“Reikan”被试行了多次(例如,4次)时的、第2次和第4次试行时的各自的测定结果的差设为特征量。在该情况下,求2次试行的测定结果的差,因此“Feature_combi”被设为“Diff”。另外,关于图6的从上数第14个记载的数据中的“Trial-3×4”,将任务“Reikan”被试行了多次(例如,4次)时的、第3次和第4次试行时的各自的测定结果的比设为特征量。在该情况下,使用2次试行的测定结果的比,因此“Feature_combi”被设为“Ratio”。
另外,在本实施方式的脑活动特征量的提取方法中,获取多个将课题、测量部位及特征量的组与计算出的指标值相关联所得到的数据。另外,在本实施方式的脑活动特征量的提取方法中,按有效性从高到低的顺序排列与指标值相关联的多个数据(参照图8的步骤S6)。另外,在本实施方式的脑活动特征量的提取方法中,将获取到的多个数据的组合按有效性从高到低的顺序进行显示(参照图8的步骤S7)。
具体地说,在本实施方式的脑活动特征量的提取方法中,课题、测量部位及特征量的组与计算出的指标值相关联(参照图8的步骤S5)。在图6中,示出了课题、测量部位及特征量的组与指标值相关联所得到的20个数据,但是实际计算的数据的个数不限于此。然后,按从有效性高的指标值到有效性低的指标值的顺序,来排列课题、测量部位及特征量的组与指标值相关联所得到的数据。在图6中,按p值从小到大的顺序来排列相关联所得到的数据1~20。而且,将按从有效性高的指标值到有效性低的指标值的顺序排列后的数据显示于供进行脑活动特征量的提取的人(医生等)确认数据的显示部(未图示)。
另外,如图7所示,在本实施方式的脑活动特征量的提取方法中,基于计算出的指标值,在多个数据中,按用于判别受验者是健全者还是非健全者的有效性从高到低的顺序获取多个数据的组合。然后,制作多个数据的数量不同的多个回归模型,并且基于制作出的多个回归模型各自的正确答案率,来获取判别受验者P是健全者还是非健全者所需的数据的数量。
具体地说,在本实施方式的脑活动特征量的提取方法中,基于所获取(显示)的多个数据的多个组合,分别制作用于判别受验者P是健全者还是非健全者的多个回归模型(参照图8的步骤S9)。例如,如图7所示,一边增加多个数据(标记)的数量,一边分别制作回归模型。然后,基于制作出的回归模型,来获取判别受验者P是健全者还是非健全者时的各自的正确答案率(参照图8的步骤S10)。然后,基于获取到的各自的正确答案率,来获取判别受验者P是健全者还是非健全者所需的数据的组合及数量。
更具体地说,如图7所示,在本实施方式的脑活动特征量的提取方法中,使图6示出的按从有效性高的指标值到有效性低的指标值的顺序排列的数据的组合的数量不同,进行逻辑回归试行,获取区别NDC与MCI的正确答案率。在逻辑回归试行中,构建将目标变量设为二值(NDC:0-MCI:1)的回归模型。而且,通过所构建的回归模型,来进行用于区别二值的验证,从而获取正确答案率。关于验证,例如进行10折交叉验证。其结果,如图7所示,随着按p值从小到大的顺序排列的数据的个数增加,用于区别二值的交叉验证的正确答案率变高。此外,在图7中,示出了在使用基于p值进行排列后的数据的情况下的交叉验证的正确答案率、在使用基于Youden-Index进行排列后的数据的情况下的交叉验证的正确答案率、以及在使用随机排列的数据的情况下的交叉验证的正确答案率。然后,基于获取到的正确答案率,来获取判别受验者P是NDC还是MCI所需的数据的组合及数量。
此外,在本实施方式的脑活动特征量的提取方法中,获取正确答案率成为规定的阈值以上的数据的数量。例如,在图7所示的例子中,判别受验者P是健全者还是非健全者所需的数据的数量为20个以上。具体地说,在图7所示的例子中,在使用基于p值进行排列后的数据的情况下,数据的数量为40个以上且60个以下时交叉验证的正确答案率达到大致90%,因此将判别受验者P是NDC还是MCI所需的数据的组合设为基于p值进行排列后的从上数40以上且60以下的数据的组合。此外,判别受验者P是健全者还是非健全者所需的数据的数量取决于测量对象组。
(获取判断基准的流程)
接着,参照图8来说明获取用于判别受验者P是健全者还是非健全者的多个数据的组合及数量(对于判别受验者P是健全者还是非健全者而言充足的数量的判断基准)的流程。
首先,在步骤S1中,向包括健全者的群体和非健全者的群体的受验者P提出诱发脑活动的任务。此外,在步骤S1中,针对同一任务提出难度不同的多次任务。
接着,在步骤S2中,测定在向受验者P提出任务时的受验者P的每个测量部位的脑血流量的变化。此外,在步骤S2中,测定氧合血红蛋白量的变化、脱氧血红蛋白量的变化以及总血红蛋白量的变化,来作为脑血流量的变化的指标。
接着,在步骤S3中,获取与脑血流量的变化有关的特征量。此外,在步骤S3中,作为与脑血流量的变化有关的特征量,使获取脑血流量的变化的平均值的期间不同,来获取脑血流量的变化的多个种类的平均值(特征量1~5)、由任务期间中的表示脑血流量的变化的曲线形成的区域的面积重心(特征量11)、以及任务期间中的表示脑血流量的变化的曲线的斜率的最大值(特征量21),脑血流量的变化的多个种类的平均值(特征量1~5)是基于任务期间中包含的规定的期间中的脑血流量的变化的平均值以及休息期间中包含的规定的期间中的脑血流量的变化的平均值而获取到的。
接着,在步骤S4中,计算与任务、测量部位及特征量的组对应的、作为对于区别健全者的群体与非健全者的群体而言是否有效的指标的指标值(p值和Youden-Index)。
接着,在步骤S5中,将任务、测量部位及特征量的组与步骤S4中计算出的指标值(p值和Youden-Index)相关联。
接着,在步骤S6中,按从有效性高的指标值(p值和Youden-Index)到有效性低的指标值(p值和Youden-Index)的顺序,排列将任务、测量部位及特征量的组与计算出的指标值相关联而得到的数据。
接着,在步骤S7中,将在步骤S6中进行排列后的多个数据的组合显示于供进行脑活动特征量的提取的人(医生等)确认数据的显示部(未图示)。
接着,在步骤S8中,使数据的数量不同,来获取多个在步骤S7中显示出的多个数据的组合。
接着,在步骤S9中,分别基于步骤S8中获取到的多个数据的多个组合,来制作用于判别受验者P是健全者还是非健全者的多个回归模型。
接着,在步骤S10中,基于步骤S9中制作出的回归模型,获取判别受验者P是健全者还是非健全者时的各自的正确答案率。
接着,在步骤S11中,基于步骤S10中获取到的各自的正确答案率,获取判别受验者P是健全者还是非健全者所需的数据的组合及数量(对于判别受验者P是健全者还是非健全者而言充足的数量的判断基准)。
(实施方式的效果)
在本实施方式中,能够获得以下那样的效果。
在本实施方式中,如上所述,基于作为对于区别健全者的群体与非健全者的群体而言是否有效的指标的指标值,在与指标值相关联的多个数据中,按用于判别受验者P是健全者还是非健全者的有效性从高到低的顺序获取多个数据的组合。然后,将获取到的多个数据的组合按有效性从高到低的顺序进行显示。由此,与指标值相关联的多个数据按用于判别受验者P是健全者还是非健全者的有效性从高到低的顺序进行显示,因此能够容易地掌握与有效性高的指标值关联的多个数据。其结果,能够抑制产生对于判别受验者P是健全者还是非健全者而言有用的特征量(判断基准)的提取遗漏,因此能够抑制因有用的判断基准的提取遗漏而导致无法适当地判别受验者P是健全者还是非健全者。
另外,在本实施方式中,如上所述,针对所显示的多个数据的组合,制作数据的数量不同的多个模型,并且基于制作出的多个模型各自的正确答案率,来获取判别受验者P是健全者还是非健全者所需的数据的数量。由此,能够基于数据的数量不同的多个模型的正确答案率来容易地掌握为了判别受验者P是健全者还是非健全者而需要(获取及显示)的数据的数量。
另外,在本实施方式中,如上所述,制作多个数据的数量不同的多个回归模型,并且基于制作出的多个回归模型各自的正确答案率,来获取判别受验者P是健全者还是非健全者所需的数据的数量。由此,能够基于多个回归模型各自的正确答案率来容易地获取判别受验者P是健全者还是非健全者所需的数据的数量。
另外,在本实施方式中,如上所述,获取正确答案率成为规定的阈值以上的数据的数量。由此,能够基于规定的阈值来容易地判定判别受验者P是健全者还是非健全者所需的数据的数量。
另外,在本实施方式中,如上所述,按有效性从高到低的顺序来排列与指标值相关联的多个数据。由此,能够按有效性从高到低的顺序容易地显示获取到的多个数据的组合。
另外,在本实施方式中,如上所述,使获取脑血流量的变化的平均值的期间不同,来获取基于任务期间31中包含的规定的期间中的脑血流量的变化的平均值以及休息期间32中包含的规定的期间中的脑血流量的变化的平均值而获取到的、脑血流量的变化的多个种类的平均值,来作为与脑血流量的变化有关的特征量。由此,能够根据脑血流量的变化的多个种类的平均值来获取与脑血流量的变化有关的特征量,因此能够有效地增加用于判别健全者的群体与非健全者的群体的多个数据的数量。其结果,能够获取对于判别受验者P是健全者还是非健全者而言更加充足的数量的判断基准。
另外,在本实施方式中,如上所述,获取由任务期间31中的表示脑血流量的变化的曲线形成的区域的面积重心、以及任务期间31中的表示脑血流量的变化的曲线的斜率的最大值,来作为与脑血流量的变化有关的特征量。由此,即使某个期间内的脑血流量的变化的平均值相同,由于存在面积重心或斜率的最大值不同的情况,因此也能够通过包含面积重心和斜率的最大值中的至少任一个作为与脑血流量的变化有关的特征量,来精密地判别受验者P是健全者还是非健全者。
另外,在本实施方式中,如上所述,针对同一任务提出难度不同的多个任务。另外,获取难度互不相同的多个任务期间之间的脑血流量的平均值的差或比来作为特征量。由此,能够测定基于与受验者P相应的难度的任务的脑活动的变化,因此即使在受验者P对任务的适应存在个人差异的情况下,也能够判定认知功能的程度。
另外,在本实施方式中,如上所述,向受验者P提出对于受验者P而言的感觉刺激、计算、记忆、想象以及空间认知来作为任务。由此,能够向受验者P提出诱发脑活动的多个种类的任务,因此能够有效地增加用于判别健全者的群体与非健全者的群体的多个数据的数量。其结果,能够获取对于判别受验者P是健全者还是非健全者而言更加充足的数量的判断基准。
另外,在本实施方式中,如上所述,测定氧合血红蛋白量的变化、脱氧血红蛋白量的变化、以及作为氧合血红蛋白量与脱氧血红蛋白量的总量的总血红蛋白量的变化,来作为脑血流量的变化的指标。由此,能够通过多个种类的指标来获取受验者P的脑血流量的变化,因此能够有效地增加用于判别健全者的群体与非健全者的群体的多个数据的数量。其结果,能够获取对于判别受验者P是健全者还是非健全者而言更加充足的数量的判断基准。
另外,在本实施方式中,如上所述,测定在包含国际10-20法的F3、F4、P3及P4的范围内设定的每个测量部位的脑血流量的变化。由此,能够测定一般在测量脑波时使用的范围(前额联合区、运动区、间隔区)的脑血流量的变化,因此能够适当地测定与任务对应的脑血流量的变化。
另外,在本实施方式中,如上所述,通过近红外光谱法(near-infraredspectroscopy:NIRS)来测定每个测量部位的脑血流量的变化。由此,能够使用NIRS装置来测定受验者P的脑血流量的变化。其结果,NIRS装置为非介入的,在与磁共振成像(MagneticResonances Imaging:MRI)等比较的情况下,无需大规模的设备,因此能够简便地测定受验者的脑血流量的变化。
[变形例]
此外,应该能够想到,本次公开的实施方式在所有方面均为例示而并非限制性的。本发明的范围并不由上述的实施方式的说明示出,而是由权利要求书示出,还包含与权利要求书等同的意思及范围内的所有变更(变形例)。
例如,在上述实施方式中,示出了测定氧合血红蛋白量的变化、脱氧血红蛋白量的变化以及总血红蛋白量的变化的例子,但是本发明不限于此。在本发明中,也可以仅测定氧合血红蛋白量的变化,也可以仅测定脱氧血红蛋白量的变化,仅测定总血红蛋白量的变化。
另外,在上述实施方式中,示出了根据基于p值进行排列后的数据来获取判别受验者P是健全者还是非健全者所需的数据的组合及数量的例子,但是本发明不限于此。在本发明中,也可以根据基于Youden-Index进行排列后的数据来获取判别受验者P是健全者还是非健全者所需的数据的组合及数量。
另外,在上述实施方式中,作为灵敏度/特异度的指标,示出了使用Youden-Index的例子,但是本发明不限于此。在本发明中,作为灵敏度/特异度的指标,也可以使用Youden-Index以外的指标。例如,也可以使用AUC。
另外,在上述实施方式中,示出了使用Mann-Whitney的U检验中的显著性(p值)、以及作为灵敏度/特异度的指标的Youden-Index来计算与任务、测量部位及特征量的组对应的、作为对于区别健全者的群体与非健全者的群体而言是否有效的指标的指标值的例子,但是本发明不限于此。在本发明中,也可以使用其它指标值来计算与任务、测量部位及特征量的组对应的、作为对于区别健全者的群体与非健全者的群体而言是否有效的指标的指标值。
另外,在上述实施方式中,作为对受验者P给与感觉刺激的任务,示出了对受验者P给与冷感觉刺激的例子,但是本发明不限于此。在本发明中,只要是对受验者P的感觉器官给与感觉刺激的任务即可,也可以将对受验者P的感觉刺激设为冷感觉刺激以外的感觉刺激。
另外,在上述实施方式中,在向受验者P提出计算问题的情况下,使用了从100连续减7的问题等,但是本发明不限于此。在本发明中,也可以使用四则运算的任意计算问题。
另外,在上述实施方式中,在将向受验者P提出的任务设为记忆及想象的情况下,示出了提出在受验者P的手上书写形状类似的文字而受验者P来猜该文字的问题的例子,但是本发明不限于此。在本发明中,在将向受验者P提出的任务设为记忆及想象的情况下,也可以提出其它问题。
另外,在上述实施方式中,在将向受验者P提出的任务设为空间认知的情况下,示出了向受验者P提出回答为了能看到风景照片的风景要站在哪个位置的问题的例子,但是本发明不限于此。在本发明中,在将向受验者P提出的任务设为空间认知的情况下,也可以提出其它问题。
另外,在上述实施方式中,示出了向受验者P提出对于受验者P而言的感觉刺激、计算、记忆、想象以及空间认知来作为任务的例子,但是本发明不限于此。在本发明中,也可以向受验者P提出对于受验者P而言的感觉刺激、计算、记忆、想象以及空间认知以外的任务。
另外,在上述实施方式中,示出了针对同一任务提出难度不同的多个任务的例子,但是本发明不限于此。在本发明中,也可以针对同一任务提出难度相等的多个任务。
另外,在上述实施方式中,示出了获取特征量1、特征量2、特征量3、特征量4、特征量5、特征量11以及特征量21这7个特征量作为与脑血流量的变化有关的特征量的例子,但是本发明不限于此。在本发明中,也可以从特征量1、特征量2、特征量3、特征量4、特征量5、特征量11以及特征量21中获取至少任一个作为与脑血流量的变化有关的特征量,也可以从特征量1、特征量2、特征量3、特征量4、特征量5、特征量11以及特征量21中获取任意的2~6个作为与脑血流量的变化有关的特征量。另外,也可以获取除特征量1、特征量2、特征量3、特征量4、特征量5、特征量11以及特征量21以外的特征量作为与脑血流量的变化有关的特征量。
另外,在上述实施方式中,示出了在判别受验者P是健全者还是非健全者时进行10折交叉验证来获取正确答案率的例子,但是本发明不限于此。在本发明中,也可以在判别受验者P是健全者还是非健全者时进行10折交叉验证以外的方法来获取正确答案率。
另外,在上述实施方式中,示出了在获取判别受验者P是健全者还是非健全者所需的数据的数量时进行逻辑回归试行的例子,但是本发明不限于此。在本发明中,也可以在获取判别受验者P是健全者还是非健全者所需的数据的数量时进行逻辑回归试行以外的回归试行或机器学习等。
另外,在上述实施方式中,示出了获取判别受验者P是健全者还是非健全者所需的数据的数量的例子,但是本发明不限于此。在本发明中,也可以不获取判别受验者P是健全者还是非健全者所需的数据的数量。在该情况下,在图8的流程中,能够省略使数据的数量不同来获取多个在显示部中显示的多个数据的组合的步骤(步骤S8)以后的步骤。
Claims (12)
1.一种脑活动特征量的提取方法,包括以下步骤:
向受验者提供诱发脑活动的课题,所述受验者包括健全者的群体和非健全者的群体;
在向所述受验者提供了所述课题时测定所述受验者的每个测量部位的脑血流量的变化;
获取与所述脑血流量的变化有关的特征量;
计算与所述课题、所述测量部位及所述特征量的组对应的、作为对于区别所述健全者的群体与所述非健全者的群体而言是否有效的指标的指标值;
获取将所述课题、所述测量部位及所述特征量的组与计算出的所述指标值相关联所得到的多个数据;
基于计算出的所述指标值,在所述多个数据中,按用于判别所述受验者是所述健全者还是所述非健全者的有效性从高到低的顺序获取所述多个数据的组合;以及
将获取到的所述多个数据的组合按有效性从高到低的顺序进行显示。
2.根据权利要求1所述的脑活动特征量的提取方法,其特征在于,
还包括以下步骤:针对所显示的所述多个数据的组合,制作所述数据的数量不同的多个模型,并且基于制作出的所述多个模型各自的正确答案率,来获取判别所述受验者是所述健全者还是所述非健全者所需的所述数据的数量。
3.根据权利要求2所述的脑活动特征量的提取方法,其特征在于,
获取所述数据的数量的步骤包括以下步骤:制作所述多个数据的数量不同的多个回归模型,并且基于制作出的所述多个回归模型各自的正确答案率,来获取判别所述受验者是所述健全者还是所述非健全者所需的所述数据的数量。
4.根据权利要求2或3所述的脑活动特征量的提取方法,其特征在于,
获取所述数据的数量的步骤包括以下步骤:获取所述正确答案率成为规定的阈值以上的所述数据的数量。
5.根据权利要求1所述的脑活动特征量的提取方法,其特征在于,
还包括以下步骤:按所述有效性从高到低的顺序来排列与所述指标值相关联的所述多个数据。
6.根据权利要求1所述的脑活动特征量的提取方法,其特征在于,
获取与所述脑血流量的变化有关的特征量的步骤包括以下步骤:使获取所述脑血流量的变化的平均值的期间不同,来获取所述脑血流量的变化的多个种类的平均值中的至少任一个作为与所述脑血流量的变化有关的特征量,所述脑血流量的变化的多个种类的平均值是基于在进行所述课题的期间中包含的规定的期间中的所述脑血流量的变化的平均值、以及在不进行所述课题的期间中包含的规定的期间中的所述脑血流量的变化的平均值而获取到的。
7.根据权利要求1所述的脑活动特征量的提取方法,其特征在于,
获取与所述脑血流量的变化有关的特征量的步骤包括以下步骤:获取由在进行所述课题的期间中的表示所述脑血流量的变化的曲线形成的区域的面积重心、以及在进行所述课题的期间中的表示所述脑血流量的变化的曲线的斜率的最大值中的至少任一个,来作为与所述脑血流量的变化有关的特征量。
8.根据权利要求1所述的脑活动特征量的提取方法,其特征在于,
提供所述课题的步骤包括针对同一所述课题提供难度不同的多个课题的步骤,
获取与所述脑血流量的变化有关的特征量的步骤包括以下步骤:获取进行难度互不相同的多个所述课题的期间之间的所述脑血流量的平均值的差或比,来作为所述特征量。
9.根据权利要求1所述的脑活动特征量的提取方法,其特征在于,
提供所述课题的步骤包括以下步骤:向所述受验者提出对于所述受验者而言的感觉刺激、计算、记忆、想象以及空间认知中的至少任一个,来作为所述课题。
10.根据权利要求1所述的脑活动特征量的提取方法,其特征在于,
测定所述脑血流量的变化的步骤包括以下步骤:测定氧合血红蛋白量的变化、脱氧血红蛋白量的变化以及总血红蛋白量的变化中的至少任一个,来作为所述脑血流量的变化的指标,其中,所述总血红蛋白量为所述氧合血红蛋白量与所述脱氧血红蛋白量的总量。
11.根据权利要求1所述的脑活动特征量的提取方法,其特征在于,
所述每个测量部位设定在包含国际10-20法的F3、F4、P3及P4中的至少一个的范围内。
12.根据权利要求1所述的脑活动特征量的提取方法,其特征在于,
测定所述每个测量部位的脑血流量的变化的步骤包括以下步骤:通过近红外光谱法来测定所述每个测量部位的脑血流量的变化。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019029663A JP7147623B2 (ja) | 2019-02-21 | 2019-02-21 | 脳血流量の特徴量の抽出方法 |
JP2019-029663 | 2019-02-21 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111588347A CN111588347A (zh) | 2020-08-28 |
CN111588347B true CN111588347B (zh) | 2023-04-28 |
Family
ID=72141335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010079387.XA Active CN111588347B (zh) | 2019-02-21 | 2020-02-04 | 脑活动特征量的提取方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11678833B2 (zh) |
JP (1) | JP7147623B2 (zh) |
KR (2) | KR102457314B1 (zh) |
CN (1) | CN111588347B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112190235B (zh) * | 2020-12-08 | 2021-03-16 | 四川大学 | 一种基于不同情况下欺骗行为的fNIRS数据处理方法 |
WO2023105932A1 (ja) * | 2021-12-10 | 2023-06-15 | 株式会社島津製作所 | 脳機能指標生成システム、脳機能指標表示システムおよび脳機能指標生成方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012165602A1 (ja) * | 2011-05-31 | 2012-12-06 | 国立大学法人名古屋工業大学 | 認知機能障害判別装置、認知機能障害判別システム、およびプログラム |
CN104182042A (zh) * | 2014-08-14 | 2014-12-03 | 华中科技大学 | 一种多模态信号的脑机接口方法 |
CN105163659A (zh) * | 2013-05-01 | 2015-12-16 | 株式会社国际电气通信基础技术研究所 | 脑活动分析装置、脑活动分析方法以及生物标记物装置 |
CN106974660A (zh) * | 2017-04-20 | 2017-07-25 | 重庆邮电大学 | 基于脑功能活动检测中的血氧特征实现性别判定的方法 |
WO2019008773A1 (ja) * | 2017-07-07 | 2019-01-10 | 株式会社島津製作所 | 認知機能判定方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050209785A1 (en) * | 2004-02-27 | 2005-09-22 | Wells Martin D | Systems and methods for disease diagnosis |
US8202095B2 (en) * | 2007-12-14 | 2012-06-19 | Medical Care Corporation | Cognitive function index |
JP5668138B2 (ja) * | 2011-06-17 | 2015-02-12 | 株式会社日立製作所 | 生体光計測装置 |
EP2649935A2 (en) * | 2012-04-12 | 2013-10-16 | Canon Kabushiki Kaisha | Evaluation method, evaluation device, program, and recording medium |
JP6694289B2 (ja) * | 2016-02-12 | 2020-05-13 | 株式会社日立製作所 | 薬効評価補助システム、及び薬効評価補助情報提示方法 |
WO2018217499A1 (en) * | 2017-05-24 | 2018-11-29 | Covidien Lp | Determining a limit of autoregulation |
WO2019009420A1 (ja) | 2017-07-07 | 2019-01-10 | 国立大学法人大阪大学 | トレンド分析を利用した痛みの判別、機械学習、経済的判別モデルおよびIoTを応用した医療装置、テイラーメイド機械学習、および新規疼痛判別用脳波特徴量 |
JP6722845B2 (ja) * | 2017-10-03 | 2020-07-15 | 株式会社国際電気通信基礎技術研究所 | 判別装置、うつ症状の判別方法、うつ症状のレベルの判定方法、うつ病患者の層別化方法、うつ症状の治療効果の判定方法及び脳活動訓練装置 |
-
2019
- 2019-02-21 JP JP2019029663A patent/JP7147623B2/ja active Active
-
2020
- 2020-01-30 KR KR1020200011280A patent/KR102457314B1/ko active IP Right Grant
- 2020-02-04 US US16/781,174 patent/US11678833B2/en active Active
- 2020-02-04 CN CN202010079387.XA patent/CN111588347B/zh active Active
-
2022
- 2022-03-10 KR KR1020220030342A patent/KR20220039666A/ko active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012165602A1 (ja) * | 2011-05-31 | 2012-12-06 | 国立大学法人名古屋工業大学 | 認知機能障害判別装置、認知機能障害判別システム、およびプログラム |
CN105163659A (zh) * | 2013-05-01 | 2015-12-16 | 株式会社国际电气通信基础技术研究所 | 脑活动分析装置、脑活动分析方法以及生物标记物装置 |
CN104182042A (zh) * | 2014-08-14 | 2014-12-03 | 华中科技大学 | 一种多模态信号的脑机接口方法 |
CN106974660A (zh) * | 2017-04-20 | 2017-07-25 | 重庆邮电大学 | 基于脑功能活动检测中的血氧特征实现性别判定的方法 |
WO2019008773A1 (ja) * | 2017-07-07 | 2019-01-10 | 株式会社島津製作所 | 認知機能判定方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20200102349A (ko) | 2020-08-31 |
US20200268305A1 (en) | 2020-08-27 |
US11678833B2 (en) | 2023-06-20 |
KR102457314B1 (ko) | 2022-10-20 |
KR20220039666A (ko) | 2022-03-29 |
CN111588347A (zh) | 2020-08-28 |
JP2020130724A (ja) | 2020-08-31 |
JP7147623B2 (ja) | 2022-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101811888B1 (ko) | 연상 능력 검사 및/또는 훈련 | |
US20170007147A1 (en) | Cognitive function evaluation apparatus, method, system and program | |
JP6596089B2 (ja) | アレルギー検査で使用するための方法及び機器 | |
CN111588347B (zh) | 脑活动特征量的提取方法 | |
JPWO2005120349A1 (ja) | 生体光計測装置、生体光計測方法およびプログラム | |
US10835169B2 (en) | Brain function index computing device and brain function index computing method | |
KR102316255B1 (ko) | 인지 기능 판정 방법 | |
CN111588348B (zh) | 认知功能的指标化方法 | |
KR100956180B1 (ko) | 광전식 맥파측정을 통한 신체진단시스템 | |
Yanagisawa et al. | Evaluation of pleasant and unpleasant emotions evoked by visual stimuli using NIRS | |
JP6886686B2 (ja) | ストレス評価装置およびストレス状態の評価方法 | |
Yang et al. | Comparison of Neural Biomarker Assessment Methods for Early Detection of Alzheimer's Disease | |
Mendez-Encinas et al. | Assessment of attention through user's performance in a virtual reality game. | |
EP3479752B1 (en) | System and method for the determination of parameters of eye fixation | |
Montgomery | Socioeconomic Risk and Neural Correlates of Working Memory in Preschool-Aged Children: An FNIRS Study | |
JPWO2022054349A5 (zh) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |