JP2015084970A - 個人特性予測システム、個人特性予測方法及びプログラム - Google Patents

Abstract

【課題】脳を撮影した画像から、従来不可能であった詳細な個人特性を予測する個人特性予測システムを提供する。
【解決手段】検知対象者の脳画像から、大脳皮質の３次元情報を得、大脳の３次元情報から、大脳の各部位の特性値を検出し、予め用意された記憶情報と比較して、検出した特性値と類似した特性値を持つ記憶情報を探し出す。そして、その探し出した特性値を持つ脳の能力又は資質に関する情報から、対象者の能力又は資質を予測する。
【選択図】図１

Description

本発明は、脳を撮影した画像を利用した個人特性予測システム及び個人特性予測方法、並びにプログラムに関する。

近年、ＭＲＩ（magnetic resonance imaging：核磁気共鳴画像）やＣＴ（Computed Tomography：コンピュータ断層撮影）により、脳の断面画像を取得して、その脳の断面画像から脳の状態を判断する脳ドックが普及している。この脳ドックにより、脳内の血管の状態などが判り、脳梗塞や脳出血などの脳の病気の兆候を見つけることができる。

また、ＭＲＩなどで得られた脳の断面画像では、脳内の血管の状態だけでなく、脳の各部の状態についても判るため、血管の状態とは関係ない特定の病気についても、兆候が見つけられることが知られている。例えば、脳の前頭葉などが萎縮している患者は、認知症を発症する可能性が高いことが知られている。

特許文献１には、撮影したＭＲＩ画像から脳断面の灰白質画像を作成して、その灰白質画像を、健常者の灰白質画像と比較して、脳の特定部位の萎縮を判定して、認知症などの兆候を診断する方法についての記載がある。

特開２００５−２３０４５６号公報

上述したように、従来の脳画像から診断できる病変や兆候としては、脳梗塞などの血管に関係した病気や、脳の特定部位の萎縮などの認知症の兆候が主なものであり、より高度な脳についての解析や診断を、脳の断面画像から行うことは従来困難であった。

本発明の目的は、脳を撮影した画像から、従来不可能であった詳細な個人特性を予測することができる予測システム、予測方法及びプログラムを提供することにある。

本発明の個人特性予測システムは、
個人特性を検知する対象者の脳をスキャンした脳画像を取得する脳画像取得部と、
前記脳画像取得部が取得した脳画像から、大脳の３次元情報を得る３次元情報変換部と、
前記３次元情報変換部で得た大脳の３次元情報から、大脳の各部位の特性値を検出する特性値検出部と、
大脳の各部位の特性値と能力又は資質との相関に関する情報とを記憶する記憶部と、
前記特性値検出部が検出した特性値と、前記記憶部が記憶した特性値とを比較して、前記特性値検出部が検出した特性値と類似した特性値を持つ記憶情報を探し出し、その探し出した特性値を持つ脳の能力又は資質に関する情報から、前記対象者の能力又は資質を予測する個人特性予測部と、
前記個人特性予測部が予測した前記対象者の能力又は資質を示す情報を出力する出力部とを備えたものである。

本発明の個人特性予測方法は、
個人特性を検知する対象者の脳をスキャンした脳画像を取得する脳画像取得処理と、
前記脳画像取得処理で取得した脳画像から、大脳の３次元情報を得る３次元情報変換処理と、
前記３次元情報変換処理で得られた大脳の３次元情報から、大脳の各部位の特性値を検出する特性値検出処理と、
大脳の各部位の特性の標準値と、前記各部位の特性値と能力又は資質との相関に関する情報とを記憶する記憶処理と、
前記特性値検出処理で検出した特性値と、前記記憶処理で記憶した特性値とを比較して、前記特性値検出処理で検出した特性値と類似した特性値を持つ記憶情報を探し出し、その探し出した特性値を持つ脳の能力又は資質に関する情報から、前記対象者の能力又は資質を予測する個人特性予測処理と、
前記個人特性予測処理で予測した前記対象者の能力又は資質を示す情報を出力する出力処理とを含むものである。

本発明のプログラムは、
個人特性を検知する対象者の脳をスキャンした脳画像を取得する脳画像取得手順と、
前記脳画像取得手順で取得した脳画像から、大脳の３次元情報を得る３次元情報変換手順と、
前記３次元情報変換手順で得られた大脳の３次元情報から、大脳の各部位の特性値を検出する特性値検出手順と、
大脳の各部位の特性の平均値と、前記各部位の特性値と能力又は資質との相関に関する情報とを記憶する記憶手順と、
前記特性値検出手順で検出した特性値と、前記記憶処理で記憶した特性値とを比較して、前記特性値検出手順で検出した特性値と類似した特性値を持つ記憶情報を探し出し、その探し出した特性値を持つ脳の能力又は資質に関する情報から、前記対象者の能力又は資質を予測する個人特性予測手順と、
前記個人特性予測手順で予測した前記対象者の能力又は資質を示す情報を出力する出力手順とを、
コンピュータに実装して実行させるものである。

本発明によると、脳画像から取得した大脳の各部位の特性値と、予め用意された各部位の特性値と能力又は資質と相関に関する情報とに基づいて、その対象者の能力又は資質を予測することができる。例えば、大脳のある特定の部位の特性値が平均値より大きいとき、記憶した情報からそのような特性値を持つ脳が、記憶力などの能力や、社会性などの資質が高いことが示されるとき、該当する能力や資質を持つ可能性が高いと予測して提示することができる。

本発明の一実施の形態によるシステム例を示す構成図である。 本発明の一実施の形態によるシステムの構成例を示すブロック図である。 本発明の一実施の形態による処理手順の例（その１）を示すフローチャートである。 本発明の一実施の形態による処理手順の例（その２）を示すフローチャートである。 本発明の一実施の形態による脳画像解析結果表示例（その１）を示す図である。 本発明の一実施の形態による脳画像解析結果表示例（その２）を示す図である。 本発明の一実施の形態による脳画像解析結果表示例（その３）を示す図である。 本発明の一実施の形態による脳画像解析結果表示例（その４）を示す図である。 本発明の一実施の形態による脳の各部位の体積情報に基づく年齢予測例を示す図である。 脳の３つの領域を示す図である。 本発明の一実施の形態による３つの領域を使って予測した例を示す図である。 本発明の一実施の形態による３つの領域を個別に使って予測した例を示す図である。

［１．システム構成例］
以下、本発明の一実施の形態の例（以下、本例と称する。）を、図面を参照して説明する。
図１は、本例のシステム全体構成の例を示す図である。
本例のシステムは、個人特性を検知する検知対象者の脳のスキャン画像を得るＭＲＩ（magnetic resonance imaging：核磁気共鳴画像）装置１００を設置し、そのＭＲＩ装置１００で得られた脳スキャン画像（２次元スライス画像）を、端末装置２００に供給する。脳スキャン画像は、例えばＴ１強調画像を使用する。端末装置２００は、ＭＲＩ装置１００から供給された脳画像を表示すると共に、脳画像の解析を行う。なお、端末装置２００は、ＭＲＩ装置１００と直接接続してもよいが、例えばＭＲＩ装置１００で撮影した脳スキャン画像を何らかのネットワークを経由して、離れた場所の端末装置２００に伝送してもよい。あるいは、図１に示すように、メモリカード２０１や光ディスク２０２などの記憶媒体を端末装置２００に装着して、端末装置２００が、そのメモリカード２０１や光ディスク２０２などに記憶された脳スキャン画像を取得してもよい。

端末装置２００は、ＭＲＩ装置１００から取得した脳画像の解析を行う際に、脳画像のデータベース３１０を備えたサーバ３００と通信を行って、サーバ３００から解析に必要なデータを取得する。サーバ３００は、脳画像についての多数のデータを保持するデータベース３１０を備え、端末装置２００がそのサーバ３００内のデータベース３１０から必要なデータを取得する。そして、端末装置２００で解析を行った結果に基づいて、脳画像を撮影した対象者の個人特性を検知し、その検知結果を端末装置２００が表示する。サーバ３００内のデータベース３１０が蓄積するそれぞれの脳画像には、その脳画像を撮影した被験者の個人特性についてのデータが付加されている。被験者の個人特性の具体的な例につては後述するが、性質や性格などについて出来るだけ詳細なデータがあることが好ましい。
なお、図１に示した構成は一例であり、例えばサーバ３００のデータベース３１０に代えて、端末装置２００が不図示のデータベース（記憶装置）を備える構成にしてもよい。あるいは、脳画像を端末装置２００からサーバ３００に送って、サーバ３００が解析を行い、その解析結果を端末装置２００が表示するようにしてもよい。

［２．端末装置の構成例］
図２は、端末装置２００の構成例を示す。端末装置２００は、例えばコンピュータ装置で構成される。端末装置２００は、メモリやハードディスクドライブに記憶されたデータを記憶し、プログラムに従って演算処理を行う。そして、この演算処理結果を表示装置に出力する処理を行う。

図２は、端末装置２００内でのデータの処理機能から見た機能ブロック図である。それぞれの処理部は、相互にデータ転送可能である。
ＭＲＩ装置１００から伝送された脳画像データあるいは記憶媒体から得た脳画像データは、脳画像取得処理を行う脳画像取得部に相当する画像取込部２１１で、端末装置２００に取り込まれる。画像取込部２１１は、ＭＲＩ装置１００から取得した脳画像データを画像蓄積部２２１に送る。画像蓄積部２２１は、供給された脳画像データを記憶する記憶処理を行う。なお、ＭＲＩ装置１００から伝送される脳画像データは、例えば脳の断面をスキャンした画像であり、個々の検知対象者ごとに、断面の位置をずらした多数の脳画像データで構成される画像である。

画像蓄積部２２１が記憶した脳画像データは、３次元情報変換処理を行う３次元情報変換部２２２で、脳の３次元情報に変換される。例えば３次元情報変換部２２２は、多数の断面位置の脳画像データを大脳の表面に広がる大脳皮質である表層の３次元表層情報に変換する。３次元情報変換部２２２が変換した３次元表層情報は、それぞれの位置の表層（大脳皮質）の厚さ、各部位の曲率、表面積、体積などの情報を持っている。また、３次元情報変換部２２２は、脳の３次元情報から、脳内のそれぞれの部位の局所的体積などの情報を取得する。
３次元情報変換部２２２で得られた３次元表層情報は、標準脳変換部２２３で標準脳のテンプレートに合わせた空間座標系の３次元表層情報に変換される。さらに、標準脳変換部２２３では、それぞれの部位の局所的体積などの情報が、標準脳のテンプレートに合わせた局所的体積に変換される。そして、標準脳変換部２２３で変換された標準脳の空間座標系の３次元表層情報や局所的体積などの情報が画像蓄積部２２１に記憶される。また、大脳皮質の厚さ、各部位の曲率、表面積などのその他の情報についても、画像蓄積部２２１に記憶される。これらの画像蓄積部２２１に記憶された標準脳の３次元表層情報や局所的体積などの情報は、個人特性の解析処理に利用される。

特性値検出処理を行う特性値検出部２２４は、画像蓄積部２２１に記憶された標準脳の空間座標系の３次元表層情報などの記憶情報を読み出し、その読み出した情報で示された各種特性を検出する。具体的には、大脳皮質の各部位ごとの厚さ、各部位の曲率、表面積、容積などが、特性値検出部２２４によって検出される。容積については、例えば、海馬、扁桃体、大脳基底核などの部位の容積が検出される。
そして、特性値検出部２２４は、それぞれの検出した特性についての平均値を取得して、その平均値との差分を計算する。なお、各特性の平均値は、例えば特性値検出部２２４によってサーバ３００のデータベース３１０から取得され、不図示の記憶部に記憶されている。また、平均値を使用するのは１つの例であり、例えば比較の際に標準となる値（標準値）であればよい。また、このときに使用する平均値（標準値）は、検知対象者の年齢、性別、出身地などの条件ごとに異なるものを使用してもよい。

また、端末装置２００は、サーバ３００に用意されたデータベース３１０が蓄積した脳画像データとその付加データを検索するデータベース検索部２１２を備える。サーバ３００が備えるデータベース３１０は、過去の脳画像のデータから構築された、様々な予測モデルを持つ。それぞれの予測モデルの脳画像データには、予め心理テストなどで判別した該当者の個人の能力や資質などの個人特性データが付加されている。なお、以下の説明で個人の能力や資質と述べた場合には、個人のＩＱ、注意力、記憶力、社会性、病気、性格、価値観などの様々な能力や資質が含まれている。
そして、データベース検索部２１２は、特性値検出部２２４で得られた各特性を予測モデルと比較して、類似した予測モデルを検索して取得する。このときには、例えばそれぞれの部位ごとに類似した１つ又は複数の予測モデルを取得するようにしてもよい。

そして、データベース検索部２１２で探し出した脳画像データにもとづいて構築された予測モデルと、特性値検出部２２４が検出した検知対象者の特性値のデータとを個人特性予測部２２５に供給する。個人特性予測部２２５は、特性値検出部２２４が特性値を取得した検知対象者の脳画像データを、データベース検索部２１２から供給された予測モデルと比較することで個人特性を予測する個人特性予測処理を行う。個人特性予測部２２５は、両者のパターンがどの程度類似しているのかを判定し、類似度に応じて、データベース検索部２１２から供給された脳画像データに付加された個人特性データの内の参照可能な個人特性を決定する。さらに、個人特性予測部２２５は、その参照可能に決定した複数の個人特性を組み合わせて、検知対象者の個人特性を予測する。個人特性の具体的な予測例については後述する。

そして、個人特性予測部２２５は、個人特性データを、出力部２１４に供給する。出力部２１４は、予測した個人特性の一覧などを表示させるデータを作成し、その作成した個人特性データの表示データを表示部２１５で表示させる。あるいは、比較結果出力部２１４は、作成した個人特性データを、制御部２３１の制御の下で、端末装置２００の外部に出力する。外部に出力する際には、例えば指定されたアドレスに、電子メールの添付データとして送信してもよい。この個人特性の一覧を示す表示は、検知対象者の個人特性の予測結果の告知に相当するものである。

また、出力部２１４は、特性値検出部２２４が算出した特性値の差分値に基づいて、検知対象者の脳の中で厚さや大きさが標準から比較的大きく外れている箇所が判る脳画像を作成する。例えば、大脳皮質の厚さが厚い箇所が、他の箇所と異なる色の脳画像を作成する。そして、大脳皮質の厚さや大きさが標準から比較的大きく外れている箇所が判る脳画像が、表示部２１５に表示される。また、このとき、脳の萎縮の度合いや、不症候性白質病変の量などを定量化した表示を行うようにしてもよい。これらの表示例については後述する。

なお、上述した端末装置２００の各処理部２１１〜２１５，２２１〜２２５における処理は、制御部２３１の制御の下で実行される。また、端末装置２００は、キーボードやマウスなどの作業者が操作する操作部２３２を備え、その操作部２３２で行われた操作に基づいて、脳画像の取得から特性値検出や個人特性の検知処理などが実行される。

また、端末装置２００は、データベース更新処理部２１３を備える。このデータベース更新処理部２１３は、特性値検出部２２４、個人特性予測部２２５等の端末装置２００内の他の処理部における脳画像の解析結果に基づいて、データベース３１０が記憶するデータを更新する。

［３．端末装置での処理例］
図３は、端末装置２００における、検知対象者の脳の検知処理の流れを示したフローチャートである。
まず、端末装置２００の画像取込部２１１が、ＭＲＩ装置１００から脳のスキャン画像（２次元スライス画像）を取り込み、画像蓄積部２２１が取り込んだ画像データを記憶する（ステップＳ１１）。端末装置２００がＭＲＩ装置１００から画像を直接取り込むのは１つの例であり、例えば端末装置２００は、ＭＲＩ装置１００などを使用して作成された脳のスキャン画像を、メモリカードや光ディスクなどの記憶媒体から取り込んでもよい。そして、３次元情報変換部２２２が、取り込んだ脳のスキャン画像のセットを３次元情報に変換する（ステップＳ１２）。また、３次元情報変換部２２２は、３次元脳画像中の各ボクセルを、灰白質、白質などの組織の種類毎に分類する（ステップＳ１３）。この組織の種類毎に分類した後、端末装置２００では、大脳皮質の表層情報の処理と、３次元脳画像による処理と、大脳皮質下の構造の処理の３つの処理が行われる。

まず、大脳皮質の表層情報の処理について説明する。
３次元情報変換部２２２は、３次元脳画像から大脳皮質の３次元表層モデルを構築する（ステップＳ１４）。そして、標準脳変換部２２３が、３次元表層情報変換部２２２で変換された３次元表層情報を、標準脳の空間座標系の３次元表層情報に変換する（ステップＳ１５）。この標準脳の３次元表層情報に基づいて、特性値検出部２２４が、検知対象者の脳の各部位の特性値を検出すると共に、その検出した特性値の平均（標準）からの差を算出する（ステップＳ１６）。各部位の特性値としては、例えば、表層の部位ごとの厚さ、体積、表面積、曲率などである。特性値検出部２２４は、このようして得られた特性値を個人の特徴量として抽出する（ステップＳ１７）。

次に、３次元脳画像による処理について説明する。
３次元情報変換部２２２は、灰白質を抽出した３次元脳画像を作成する（ステップＳ２１）。そして、標準脳変換部２２３が、その灰白質を抽出した３次元脳画像を取得して、標準脳の空間座標系の３次元情報に変換する（ステップＳ２２）。さらに、標準脳変換部２２３が、標準脳の空間座標系でのボクセル毎の各部の体積と萎縮度を算出し（ステップＳ２３）、その算出した各部の体積と萎縮度による特徴量を抽出する（ステップＳ２４）。

次に、大脳皮質下の構造の処理について説明する。
３次元情報変換部２２２は、３次元脳画像から大脳皮質下の構造の定量化を行う（ステップＳ３１）。そして、３次元情報変換部２２２は、その定量化した大脳皮質下の構造から各部位の容積を特徴量として抽出する（ステップＳ３２）。

これらの特徴量の抽出処理が終わると、個人特性予測部２２５が個人特性の予測処理を行い、表示部２１５が予測結果を表示する。図４のフローチャートは、これらの予測処理と表示処理の流れを示す。
まず、個人特性予測部２２５は、図３のフローチャートのステップＳ１７，Ｓ２５，Ｓ３２で得られた特徴量を取得する（ステップＳ４１）。そして、個人特性予測部２２５は、取得した特徴量と、データベース検索部２１２で探し出した予測モデルの脳画像の特徴量とを比較する（ステップＳ４２）。この比較に基づいて、個人特性予測部２２５は、検知対象者の個人特性を予測する（ステップＳ４３）。例えば、検知対象者のある１つの部位の特徴量が、特定の予測モデルの特徴量と類似しているとき、その特定部位に関わりが大きい個人特性を、検知対象者の個人特性と予測する処理を行う。このときには、１つ１つの部位ごとに特徴量から個人特性を直接予測しても良いが、予め決めた複数の部位の特徴量の大小のバランスや組み合わせなどを総合的に判断して、個人特性を予測するのが好ましい。そして、表示部２１５は、予測した個人特性のリスト表示を行う（ステップＳ４４）。

また、個人特性予測部２２５は、図３のフローチャートのステップＳ１７，Ｓ２５，Ｓ３２で得られた脳の各部位のサイズを、データベース３１０内の他者のデータと比較する（ステップＳ５１）。そして、出力部２１４は、個人特性予測部２２５での比較結果に基づいて、各部位のサイズが平均から大きい箇所や小さい箇所が判る脳画像を作成する（ステップＳ５２）。表示部２１５は、作成した脳画像を表示する（ステップＳ５３）。このときの表示としては、例えば、平均よりも大きい部位を赤色で表示すると共に、平均よりも小さい部位を青色で表示する。

なお、ステップＳ４４での個人特性の表示と、ステップＳ５３での脳画像の表示は同時に行うようにしてもよい。あるいは、ユーザ操作に基づいて選択的にいずれか一方の表示を行うようにしてもよい。これらの表示例については後述する。なお、検知対象者の個人特性の予測結果は、表示部２１５での表示を行う他に、図示しないプリンタでプリントアウトさせたり、端末装置２００の外部に出力させてもよい。

そして、ステップＳ４４での個人特性の表示と、ステップＳ５３での脳画像の表示を行った後、端末装置２００の制御部２３１は、検知対象者に対して心理テストを実施したデータが得られたか否かを判断する（ステップＳ６１）。ここでの心理テストは、性格などの個人特性を診断するために予め用意されたものである。性格などの個人特性を精度良く診断する心理テストについては、公知のものが各種存在する。

心理テストを実施したデータがある場合には、データベース更新処理部２１３は、その心理テストで得られた結果を、ここまでの処理で得られた特徴量を持つ脳画像のデータに付加して、そのデータをデータベース３１０に付加する更新処理を行う（ステップＳ６２）。
心理テストの結果が得られない場合には、ステップＳ６２のデータベース３１０の更新処理は行わない。

［４．解析結果の表示例］
図５〜図８は、脳画像の解析結果の表示例を示す図である。本例の場合、解析結果の表示画面は、「プロフィール」、「脳ランキング」、「脳を見る」の３つの画面で構成される。それぞれの画面は、例えば操作部２３２の操作で切り替えることができる。
図５は、「プロフィール」の表示例を示す。
図５に示す「プロフィール」の表示例では、「脳画像から予測されるプロフィール」として、「基礎情報の予測結果」と、「脳の健康状態についての鑑定結果」と、「脳から予測される共感力」と、「脳から予測される認知能力」と、「脳から予測される総合的な性格」を表示する。

「基礎情報の予測結果」は、脳年齢と脳性別を表示する。脳性別は、男性度又は女性度をパーセントで表示する。
「脳の健康状態についての鑑定結果」は、脳の萎縮度と、白質病変の有無を表示する。脳の萎縮度は、パーセント値で表示し、その萎縮度がどの年齢の平均であるかを表示する。
「脳から予測される共感力」は、脳特性から予測される共感力を棒グラフで表示する。図５では共感力として、「他者の視点から物事を分析し考える」点と、「人の痛みを自分の痛みのように感じてしまう」点と、「強い想像力で物語などにのめり込む」点と、「人の気持ちに共感しやすい」点とを、それぞれパーセント値で表示した例を示す。これらの共感力は、例えば予測した共感力の内で、値が高い（又は低い）ものを選択して表示する。

「脳から予測される認知能力」は、「パフォーマンスＩＱ」と「言語的ＩＱ」と「作業記憶容量」と「日常での注意力」とを、それぞれ棒グラフで表示する。棒グラフは、それぞれのパーセント値を示す。
「脳から予測される総合的な性格」は、「好奇心」と「まじめ度」と「社交的」と「協調性」と「情緒不安定性」とを、正多角形状（五角形）のレーダーチャートで表示する。
と、と、と、と、を表示する。このレーダーチャートもパーセント値を示す。

図６は、「脳ランキング」の表示例を示す。
「脳ランキング」では、画像から算出した脳の容量が、平均よりも大きい部位と、平均から小さい部位を、ランキング形式で表示する。
図６の例では、「あなたの脳の容量トップ３」と、「あなたの脳の容量ワースト３」とを表示する。
図６に示した「あなたの脳の容量トップ３」では、１位：海馬、２位：上頭頂小葉、３位：鳥距溝周辺部と表示した例を示す。また、「あなたの脳の容量ワースト３」では、１位：楔前部、２位：上側頭溝、３位：目窩前頭皮質と表示した例を示す。
トップ３とワースト３の各項目では、それぞれの容量が、１００人中何位であるかを示す。また、それぞれの部位がどのような役割を持つのかを表示する。さらに、「もっと見る」の欄を選択することで、３位よりも下位の部位が表示される。

図７及び図８は、「脳を見る」の表示例を示す。この「脳を見る」の項目では、脳画像を表示する。図７は２次元表示を行った例を示す。２次元表示時の脳の断面位置は、画面上の上下・左右・前後のボタンの操作で、任意の位置に変更することができる。また、Ｔ１強調画像とＴ２強調画像とＦＬＡＩＲ画像の切り替えができる。この図７の表示では、「脳ランキング」で示した容量が大きい部位又は小さい部位を、他の部位と色分けして表示することができる。

図８は、３次元モデルの表示を行った例を示す。この３次元モデル表示時には、例えば大脳皮質を膨らませた表示に切り替えることもできる。また、３次元モデル表示時についても、「脳ランキング」で示した容量が大きい部位又は小さい部位を、他の部位と色分けして表示することができる。

［５．脳の各部位の体積から予測した例］
次に、端末装置２００の個人特性予測部２２５での個人特性の予測が、脳画像から検出した各部の特性値や容積から正しく行える点について説明する。
図９は、脳の各部の容積から総合的に予測モデルを構築し、それに基づいて対象者の年齢を予測し、その予測した年齢と、対象者の実年齢とをグラフ化したものである。縦軸が脳から予測される年齢であり、横軸が実際の年齢である。
この図９の例は、約２００人の脳画像のデータを元に、各部位の体積を計算して、その体積を特徴量として年齢の予測を行った結果である。図９から判るように、予測した年齢は、実年齢との平均誤差が４．２才であり、非常に精度良く年齢が予測できていることが判る。
この図９は結果が分かりやすい例として年齢を示したが、脳画像から認知能力や性格などの個人特性を予測した場合にも、同様に精度の高い予測ができる。

［６．相関が高い３つの部位を使用して予測した例］
次に、脳画像から認知能力や性格などの個人特性を予測する際に、その予測精度を高めるために、複数の部位の特性を利用する点の具体例を、図１０〜図１２を参照して説明する。
ここでは、脳画像検知対象者について、個人特性から予測される友達の数と、実際にソーシャルネットワークサービスを利用して登録している友達の数との相関を説明する。

図１０は、友達の数と相関が高い３つの部位を示す。すなわち、図１０の脳画像に破線で囲って示す部位である、中側頭回と、上側頭溝と、嗅内野との３つが、友達の数と相関が高い３つの部位であることが判った。
そして、図１１は、その３つの部位の容積などの特性を総合的に判断して、予測した友達の人数（縦軸）と、実際にソーシャルネットワークサービスで登録された友達の人数（横軸）との相関を示す。予測では、図１１に示すように、１００人から７００人程度の範囲内で予測した結果と、実際の友達の人数とでは、平均予測誤差が約１１４人となり、精度の高い予測ができる。

図１２は、中側頭回と、上側頭溝と、嗅内野とを個別に判断して、これらの部位から予測される友達の人数（縦軸）と、実際の友達の人数（横軸）との相関を示す。
図１２の左側に示すように、（左）中側頭回の特性だけを使った予測では、平均予測誤差が約１４８人になる。
図１２の中央に示すように、（右）上側頭溝の特性だけを使った予測では、平均予測誤差が約１３０人になる。
図１２の左側に示すように、（右）嗅内野の特性だけを使った予測では、平均予測誤差が約１２９人になる。

この図１２と図１１を比較すると判るように、３つの部位の特性を総合的に判断して友達の数を予測した場合には、実際にソーシャルネットワークサービスで登録された友達の人数との差が一番少なくなり、非常に良好な予測ができていることが判る。

図１０〜図１２に示した例では、予測結果が判りやすい例として、友達の人数を使用したが、図５に示した解析結果で示した、共感力や認知能力などの個人特性を予測する場合にも、同様に脳の複数の部位の特性を総合的に判断することで、解析結果の精度が向上する。
なお、脳の複数の部位の特性を総合的に判断する具体的な処理としては、例えば機械学習の手法を用いて、複数の部位の特性値を組み合わせた予測モデルを作ることが考えられる。この機械学習の手法の１つの手法としては、例えばサポートベクター回帰と称される手法が知られている。

脳の各部位の容積や大脳皮質の厚さなどの特性から判る個人特性としては、例えば、近年の研究で大脳皮質の各部位の厚さが、その脳を持つ個人のＩＱ、注意力、記憶力、社会性、病気、性格、価値観、資質などと関連があることが判っている。
ここでの社会性とは、共感力、孤独感、友達の数、楽観的か悲観的か、犯罪の危険性、交通事故を起こしやすいか、などである。
病気としては、アルツハイマー病、うつ病、統合失調症などの脳と直接又は間接的に関係した病気になる可能性の有無などである。
性格としては、明るい性格か、暗い性格か、心配性の性格かなどである。
価値観としては、家族思いか、公平か、政治的に右よりか左よりかなどである。
資質としては、職業の適性、特定分野の才能などである。
これらの個人特性は一例であり、その他の個人特性を推測するようにしてもよい。

以上説明したように本例のシステムによると、ＭＲＩなどでスキャンした脳画像を使用して、対象者の性格や社会性などの様々な個人特性を検知することができる。このため、例えば脳画像から直接判断が可能な病気などを調べる脳ドックなどと称される検診を行う際に、得られた脳画像を使用して個人特性の検知処理を行うことで、対象者の性格や資質などの従来は不可能であった詳細を通知することが可能になる。特に、データベースに用意された多数の脳画像とその脳画像から得た脳の各部の特性を利用して、個人の特性を推測するようにしたことで、従来の脳画像による検診からは不可能であった非常に詳細な特性を検知することができるようになる。

また、個人特性を対象者に告知する際には、平均よりも優れていると思われる箇所が判る脳画像を表示することで、個人特性を対象者に提示する際の根拠が脳画像で明確に示されることになり、対象者へのより効果的な個人特性の提示ができるようになる。

また、本例のシステムを利用して個人特性を検知できることで、その個人特性の提示を受けた対象者は、提示された内容から自身がトレーニングなどで鍛える能力が判り、トレーニングを効果的に受けることができるようになる。例えば、個人特性として記憶力が劣ることが示された場合、記憶力を向上させるトレーニングを行うことで、対処が可能になる。
また、一定期間トレーニングを行った後、再度、本例のシステムで個人特性の検知処理を行って、記憶力に関係した脳の各部の特性に変化があるか否かを判定することで、トレーニングの効果の有無も判るため、より効果的にトレーニングを行うことができる。記憶力などの脳の能力を鍛えるトレーニングは、従来から種々のものが提案されているが、いずれの方法でも客観的にトレーニングの効果を判断することは難しかったが、本例のシステムを適用することで簡単に効果が判るようになる。

［７．変形例］
なお、上述した実施の形態の例では、データベース３１０をサーバ３００が保持し、端末装置２００がＭＲＩ装置１００で得た画像とデータベース３１０から取得したデータとを使用して、個人特性の検知処理を行うようにした。これに対して、例えばＭＲＩ装置１００に接続された端末装置２００がサーバ３００の代わりにデータベースを備えて、その端末装置２００の内部での演算処理だけで、個人特性を解析するようにしてもよい。
あるいは、端末装置２００で、ＭＲＩ装置１００から脳画像を受け取る処理と、解析結果を表示する処理だけを行い、データベースを備えたサーバ側が解析のための演算処理を行うようにしてもよい。

また、上述した実施の形態の例で説明した個人特性は一例であり、本例のシステムでは脳に直接又は間接的に関係があれば、実施の形態の中で説明したもの以外であっても、様々な個人特性を予測することができる。

また、上述した実施の形態の例では、ＭＲＩ装置１００がスキャンした画像から個人特性を検知するようにしたが、個人特性を検知する際には、ＭＲＩ装置１００以外の測定器での測定結果を参考にするようにしてもよい。例えば、対象者の血液などから遺伝子情報を解析して、その遺伝子情報から得られた個人の性質などを含めて、総合的に個人特性を推測するようにしてもよい。また、脳画像を得る装置として、ＣＴ（コンピュータ断層撮影）を行う装置など、その他の装置を使用してもよい。

また、上述した実施の形態の例で説明した端末装置２００の構成は、一例を示したものであり、端末装置の構成は、図２に示したものに限定される分けではない。例えば、汎用のパーソナルコンピュータ装置に、本例の解析処理などを行うプログラム（ソフトウェア）を実装させて、そのプログラムの実行で脳解析を行う端末装置として機能するようにしてもよい。この場合、各種媒体に記憶させたプログラムを、端末装置にインストールすればよい。

１００…ＭＲＩ装置、２００…端末装置、２１１…画像取込部、２１２…データベース検索部、２１３…データベース更新処理部、２１４…出力部、２１５…表示部、２２１…画像蓄積部、２２２…３次元情報変換部、２２３…標準脳変換部、２２４…特性値検出部、２２５…個人特性予測部、２３１…制御部、２３２…操作部、３００…サーバ、３１０…データベース

本発明の個人特性予測システムは、
個人特性を検知する対象者の脳をスキャンした脳画像を取得する脳画像取得部と、
前記脳画像取得部が取得した脳画像から、大脳の３次元情報を得る３次元情報変換部と、
前記３次元情報変換部で得た大脳の３次元情報に基づいて、大脳の各部位の特性値を複数種類検出する特性値検出部と、
大脳の各部位の特性値と能力又は資質との相関に関する情報とを記憶する記憶部と、
前記特性値検出部が検出した前記複数種類の特性値と、前記記憶部が記憶した特性値とを比較して、前記特性値検出部が検出した前記複数種類の特性値と類似した特性値を持つ記憶情報を探し出し、その探し出した特性値を持つ脳の能力又は資質に関する情報から、前記対象者の能力又は資質を予測する個人特性予測部と、
前記個人特性予測部が予測した前記対象者の能力又は資質を示す情報を出力する出力部とを備え、
前記記憶部が記憶する大脳の各部位の特性値と能力又は資質との相関に関する情報は、複数の部位の特性値を組み合わせた予測モデルの情報であり、
前記個人特性予測部は、前記特性値検出部が検出した大脳の複数の部位の特性値を、前記記憶部が記憶した予測モデルと比較して、前記対象者の能力又は資質を予測するものであり、
前記特性値検出部が検出する複数種類の特性値の一つは、前記３次元情報変換部が脳画像から得た大脳皮質の３次元情報を、標準脳の空間座標系に変換し、変換された標準脳の空間座標系の大脳皮質の３次元情報から検出した大脳皮質の各部位の特性値であり、
前記特性値検出部が検出する複数種類の特性値の別の一つは、大脳の３次元情報に基づいて、大脳皮質下の構造を定量化した特性値である。

本発明の個人特性予測方法は、
個人特性を検知する対象者の脳をスキャンした脳画像を脳画像取得部が取得する脳画像取得処理と、
前記脳画像取得処理で取得した脳画像から、３次元情報変換部が大脳の３次元情報を得る３次元情報変換処理と、
前記３次元情報変換処理で得られた大脳の３次元情報に基づいて、特性値検出部が大脳の各部位の特性値を複数種類検出する特性値検出処理と、
大脳の各部位の特性の標準値と、前記各部位の特性値と能力又は資質との相関に関する情報とを記憶部が記憶する記憶処理と、
前記特性値検出処理で検出した前記複数種類の特性値と、前記記憶処理で記憶した特性値とを比較して、前記特性値検出処理で検出した前記複数種類の特性値と類似した特性値を持つ記憶情報を探し出し、その探し出した特性値を持つ脳の能力又は資質に関する情報から、個人特性予測部が前記対象者の能力又は資質を予測する個人特性予測処理と、
前記個人特性予測処理で予測した前記対象者の能力又は資質を示す情報を出力部が出力する出力処理と、を含み、
前記記憶処理で前記記憶部が記憶する大脳の各部位の特性値と能力又は資質との相関に関する情報は、複数の部位の特性値を組み合わせた予測モデルの情報であり、
前記個人特性予測処理で前記個人特性予測部は、前記特性値検出部が検出した大脳の複数の部位の特性値を、前記記憶部が記憶した予測モデルと比較して、前記対象者の能力又は資質を予測する個人特性予測方法であり、
前記特性値検出処理で検出する複数種類の特性値の一つは、前記３次元情報変換処理で脳画像から得た大脳皮質の３次元情報を、標準脳の空間座標系に変換し、変換された標準脳の空間座標系の大脳皮質の３次元情報から検出した大脳皮質の各部位の特性値であり、
前記特性値検出処理で検出する複数種類の特性値の別の一つは、大脳の３次元情報に基づいて、大脳皮質下の構造を定量化した特性値である。

本発明のプログラムは、
個人特性を検知する対象者の脳をスキャンした脳画像を取得する脳画像取得手順と、
前記脳画像取得手順で取得した脳画像から、大脳の３次元情報を得る３次元情報変換手順と、
前記３次元情報変換手順で得られた大脳の３次元情報に基づいて、大脳の各部位の特性値を複数種類検出する特性値検出手順と、
大脳の各部位の特性の平均値と、前記各部位の特性値と能力又は資質との相関に関する情報とを記憶する記憶手順と、
前記特性値検出手順で検出した前記複数種類の特性値と、前記記憶手順で記憶した特性値とを比較して、前記特性値検出手順で検出した前記複数種類の特性値と類似した特性値を持つ記憶情報を探し出し、その探し出した特性値を持つ脳の能力又は資質に関する情報から、前記対象者の能力又は資質を予測する個人特性予測手順と、
前記個人特性予測手順で予測した前記対象者の能力又は資質を示す情報を出力する出力手順とを、
コンピュータに実装して実行させるプログラムであり、
前記記憶手順で記憶する大脳の各部位の特性値と能力又は資質との相関に関する情報は、複数の部位の特性値を組み合わせた予測モデルの情報であり、
前記個人特性予測手順では、前記特性値検出手順で検出した大脳の複数の部位の特性値を、前記記憶手順で記憶した予測モデルと比較して、前記対象者の能力又は資質を予測するプログラムであり、
前記特性値検出手順で検出する複数種類の特性値の一つは、前記３次元情報変換手順で脳画像から得た大脳皮質の３次元情報を、標準脳の空間座標系に変換し、変換された標準脳の空間座標系の大脳皮質の３次元情報から検出した大脳皮質の各部位の特性値であり、
前記特性値検出手順で検出する複数種類の特性値のさらに別の一つは、大脳の３次元情報に基づいて、大脳皮質下の構造を定量化した特性値である。

Claims (10)

1. 個人特性を検知する対象者の脳をスキャンした脳画像を取得する脳画像取得部と、
   前記脳画像取得部が取得した脳画像から、大脳の３次元情報を得る３次元情報変換部と、
   前記３次元情報変換部で得た大脳の３次元情報から、大脳の各部位の特性値を検出する特性値検出部と、
   大脳の各部位の特性値と能力又は資質との相関に関する情報とを記憶する記憶部と、
   前記特性値検出部が検出した特性値と、前記記憶部が記憶した特性値とを比較して、前記特性値検出部が検出した特性値と類似した特性値を持つ記憶情報を探し出し、その探し出した特性値を持つ脳の能力又は資質に関する情報から、前記対象者の能力又は資質を予測する個人特性予測部と、
   前記個人特性予測部が予測した前記対象者の能力又は資質を示す情報を出力する出力部と、
   を備えた個人特性予測システム。
2. 前記個人特性予測部は、大脳の複数の部位の特性値を、前記記憶部が記憶した大脳の複数の部位の特性値と比較して、その複数の部位の特性値の組合せから、前記対象者の能力又は資質を予測する
   請求項１に記載の個人特性予測システム。
3. 前記３次元情報変換部は、脳画像から、大脳皮質の３次元表層情報を得、
   前記特性値検出部は、大脳皮質の３次元表層情報を標準脳の空間座標系に変換し、変換された標準脳の空間座標系の大脳皮質の３次元表層情報から、大脳皮質の各部位の特性値を検出する
   請求項２に記載の個人特性予測システム。
4. 前記特性値検出部が検出する大脳皮質の各部位の特性値は、少なくとも大脳皮質の各部位の厚さを含む
   請求項３に記載の個人特性予測システム。
5. 前記特性値検出部は、大脳の３次元情報から、灰白質を抽出した画像を標準脳の空間座標系に変換し、変換された標準脳の空間座標系での各部位の局所体積を算出して、その算出した局所体積を特性値とする
   請求項１に記載の個人特性予測システム。
6. 前記特性値検出部は、大脳の３次元情報から、大脳皮質下の構造の定量化を行い、その定量化された構造から特性値を得る
   請求項１に記載の個人特性予測システム。
7. 前記特性値検出部は、脳画像から微小梗塞がある場合の微小梗塞に関する特性値を検出し、
   前記個人特性予測部は、前記微小梗塞の特性値を、前記記憶部が記憶した特性値と比較する
   請求項１に記載の個人特性予測システム。
8. 前記出力部は、前記特性値検出部が検出した特性値が、その特性値の平均値から大きく外れた部位又は構造体について、他の部位又は構造体と異なる表示を行う脳画像を生成して出力する
   請求項１に記載の個人特性予測システム。
9. 個人特性を検知する対象者の脳をスキャンした脳画像を取得する脳画像取得処理と、
   前記脳画像取得処理で取得した脳画像から、大脳の３次元情報を得る３次元情報変換処理と、
   前記３次元情報変換処理で得られた大脳の３次元情報から、大脳の各部位の特性値を検出する特性値検出処理と、
   大脳の各部位の特性の標準値と、前記各部位の特性値と能力又は資質との相関に関する情報とを記憶する記憶処理と、
   前記特性値検出処理で検出した特性値と、前記記憶処理で記憶した特性値とを比較して、前記特性値検出処理で検出した特性値と類似した特性値を持つ記憶情報を探し出し、その探し出した特性値を持つ脳の能力又は資質に関する情報から、前記対象者の能力又は資質を予測する個人特性予測処理と、
   前記個人特性予測処理で予測した前記対象者の能力又は資質を示す情報を出力する出力処理とを含む
   個人特性予測方法。
10. 個人特性を検知する対象者の脳をスキャンした脳画像を取得する脳画像取得手順と、
    前記脳画像取得手順で取得した脳画像から、大脳の３次元情報を得る３次元情報変換手順と、
    前記３次元情報変換手順で得られた大脳の３次元情報から、大脳の各部位の特性値を検出する特性値検出手順と、
    大脳の各部位の特性の平均値と、前記各部位の特性値と能力又は資質との相関に関する情報とを記憶する記憶手順と、
    前記特性値検出手順で検出した特性値と、前記記憶手順で記憶した特性値とを比較して、前記特性値検出手順で検出した特性値と類似した特性値を持つ記憶情報を探し出し、その探し出した特性値を持つ脳の能力又は資質に関する情報から、前記対象者の能力又は資質を予測する個人特性予測手順と、
    前記個人特性予測手順で予測した前記対象者の能力又は資質を示す情報を出力する出力手順とを、
    コンピュータに実装して実行させる
    プログラム。