JP2016030096A - 生体電気ノイズ同定システム及び生体電気ノイズ除去システム - Google Patents

Abstract

【課題】 生体電気ノイズ同定システムを提供する。【解決手段】 生体電気ノイズ同定システム１は、被験者のノイズ動作により生じるノイズが入力される入力部３と、ノイズ動作の種類及びノイズの有する特徴に応じて分類されたノイズ間の相関関係、又は、ノイズ動作の種類及びノイズの有する特徴に応じてノイズを分類するための識別器を示したデータベース４５を作成するデータベース作成部６と、データベース４５を記憶した記憶部４と、被験者の一のノイズ動作によって生じたノイズが入力部３に入力された場合に、データベース４５を参照して、被験者が他のノイズ動作を行った場合に生じるノイズを推定する制御部７と、を備えたことを特徴としている。【選択図】図４

Description

本発明は、生体電気ノイズ同定システム及び生体電気ノイズ除去システムに関する。

従来より、脳波等の生体電気信号に混入したノイズを推定する方法が知られており、その方法の１つとして、生体電気信号の周波数ごとに所定の混入率でノイズが含まれているものと推定する方法が提案されている。（例えば、特許文献１参照）。

特開平９−１３１３３１号公報

しかしながら、生体電気信号に混入するノイズには、様々な種類のものが存在するため、上記方法のような推定方法では、高精度にノイズの推定を行うことは難しい。

そこで、本発明は、生体電気信号に混入したノイズを高精度かつ容易に推定することのできる生体電気ノイズ同定システム、及び、生体電気信号に混入したノイズを高精度かつ容易に除去することのできる生体電気ノイズ除去システムを提供することを目的としている。

上記課題を解決するために、本発明は、被験者のノイズ動作により生じるノイズが入力される入力部と、前記ノイズ動作の種類及び前記ノイズの有する特徴に応じて分類されたノイズ間の相関関係、又は、前記ノイズ動作の種類及び前記ノイズの有する特徴に応じて前記ノイズを分類するための識別器を示したデータベースを作成するデータベース作成部と、前記データベースを記憶した記憶部と、被験者の一のノイズ動作によって生じたノイズが前記入力部に入力された場合に、前記データベースを参照して、前記被験者が他のノイズ動作を行った場合に生じるノイズを推定する制御部と、を備えたことを特徴とする生体電気ノイズ同定システムを提供している。

このような構成によれば、生体電気信号に混入したノイズを高精度かつ容易に推定することが可能となるので、その結果として、対象となる生体電気信号の抽出・解析を高精度かつ容易に行うことが可能となる。

また、前記データベース作成部は、前記ノイズが前記入力部に入力される都度、前記相関関係を更新可能であることが好ましい。

このような構成によれば、多くのノイズデータに基づいてデータベースが作成されることとなるので、生体電気信号に混入したノイズの推定をより高精度に行うことが可能となる。

また、前記記憶部は、生体電気信号を採取するための電極に関連して生じるノイズに関する電極ノイズデータを、前記電極の状態ごとに更に記憶しており、前記制御部は、前記推定の際に前記電極ノイズデータも参照することが好ましい。

このような構成によれば、電極ノイズの影響を軽減することができるので、生体電気信号に混入したノイズの推定をより高精度に行うことが可能となる。

また、前記記憶部は、前記ノイズを除去するためのフィルタ情報を前記ノイズ動作ごとに更に記憶しており、前記制御部は、前記フィルタ情報を参照して、前記入力部に入力されたノイズを除去するためのフィルタを決定することが好ましい。

このような構成によれば、ノイズ除去の精度が上がるので、対象となる生体電気信号の抽出・解析もより高精度に行うことが可能となる。

また、本発明の別の観点によれば、被験者のノイズ動作により生じるノイズが入力される入力部と、前記ノイズを除去するためのフィルタ情報を前記ノイズ動作ごとに記憶した記憶部と、前記フィルタ情報を参照して、前記入力部に入力されたノイズを除去するためのフィルタを決定する制御部と、を備えたことを特徴とする生体電気ノイズ除去システムを提供している。

このような構成によれば、ノイズ除去の精度が上がるので、対象となる生体電気信号の抽出・解析もより高精度に行うことが可能となる。

本発明の生体電気ノイズ同定システムによれば、生体電気信号に混入したノイズを高精度かつ容易に推定することが可能となる。

また、本発明の生体電気ノイズ除去システムによれば、生体電気信号に混入したノイズを高精度かつ容易に除去することが可能となる。

本発明の実施の形態による生体電気ノイズ同定システムのブロック図 本発明の実施の形態によるノイズ動作モデルの一例を示した図 本発明の実施の形態による分類基準の一例を示した図 本発明の実施の形態によるデータベースの一例を示した図

以下、本発明の実施の形態による生体電気ノイズ同定システム１について、図１−図４を参照して説明する。なお、本実施の形態による生体電気ノイズ同定システム１は、本発明の生体電気ノイズ除去システムも含んでいるものとする。

生体電気ノイズ同定システム１は、対象となる生体電気信号（例えば、脳波等）に混入したノイズの種類を推定（同定）するためものであり、本実施の形態におけるノイズとは、対象となる生体電気信号とは別に、被験者のノイズ動作等によって生じる生体電気信号のことを意味する。

図１は、生体電気ノイズ同定システム１のブロック図である。生体電気ノイズ同定システム１は、図１に示すように、生体電気信号検出装置２と、入力部３と、記憶部４と、フィルタ部５と、データベース作成部６と、制御部７と、を備えている。

生体電気信号検出装置２は、例えば、脳波計であり、被験者の生体電気信号を採取するための複数の電極を備えている。なお、後述するが、本実施の形態による生体電気ノイズ同定システム１では、脳波等の生体電気信号の計測に先立ち、「眼球の動き」、「首の動き」、「歯ぎしり」、「歩行動作」、「あくび・くしゃみ等の生理的動作」、「コンピューターのタイピング・マウス動作」、「スマートフォンやタブレットの操作時の動作」、「会話中の動作」、「飲食の動作」、「ゲームの操作動作」、「運転動作」等のノイズ動作により生じるノイズの採取を行う。従って、ノイズの採取の際には、複数の電極は、被験者の頭部付近のうち、各ノイズ動作により生じるノイズを採取するのに適した部位にそれぞれ配置される。

生体電気信号検出装置２により採取された生体電気信号は、入力部３へ入力され、記憶部４、データベース作成部６、及び、制御部７へ伝達される。また、入力部３へは、生体電気信号検出装置２以外の手段からも生体電気信号を入力することが可能である。

記憶部４には、複数の動作ノイズモデル４１と、複数の電極ノイズモデル４２と、動作ノイズモデル４１を更に分類した複数のグループ４３と、動作ノイズモデル４１の複数のグループ４３への分類基準４４と、複数のグループ４３間の相関関係を示したデータベース４５と、フィルタ情報４６と、が記憶されている。

図２は、動作ノイズモデル４１の一例を示したものである。動作ノイズモデル４１は、ノイズ動作によって生じるノイズの特徴量又は代表値であり、「眼球の動き」、「首の動き」、「歯ぎしり」、「歩行動作」等のノイズ動作ごとに記憶部４に記憶されている。

また、ノイズは、電極に関連しても生じ、このノイズは、電極の状態によって変化する。電極の状態としては、例えば、使用時間・使用回数による「電極の劣化」や、被験者の汗や皮脂などによる影響や、電極のずれ等に基づく「電極密着部の電気的変化」等が考えられる。

そこで、記憶部４は、これらの電極に関連して生じたノイズに関する電極ノイズモデル４２も記憶している。具体的には、使用時間に応じた複数の電極ノイズモデル４２、使用回数に応じた複数の電極ノイズモデル４２等を記憶している。

ところで、同じノイズ動作を行ったとしても、生じるノイズは、被験者によって“ノイズ期間”、“最大振幅”、“振幅の形”等において異なる。その結果、図２に示す包絡線の形状が異なってくる。

そこで、本実施の形態では、記憶部４が、同じノイズ動作によって生じるノイズを、その特徴に応じて更に複数のグループ４３に分類するための分類基準４４を記憶している。

図３は、分類基準４４の一例を示したものである。図３に示す分類基準４４では、「眼球の動き」によって生じたノイズに関して、“ノイズ期間”が、「眼球の動き」の動作ノイズモデル４１より長いか短いか、“最大振幅”が、「眼球の動き」の動作ノイズモデル４１より大きいか小さいかに基づいて、４つのグループａ１−ａ４に分類している。なお、実際には、更に多くの基準が用いられ、遥かに多くのグループ４３に分類されることが多い。

データベース４５は、複数のグループ４３間の相関関係を示したものであるが、これについては、後述する。

また、記憶部４には、各動作ノイズモデル４１及び各電極ノイズモデル４２を除去するのに適したフィルタに関するフィルタ情報４６も記憶されている。

フィルタ部５は、フィルタ情報４６に示されたフィルタを有しており、具体的には、ローパスフィルタ、ハイパスフィルタ、バンドパスフィルタ等、複数のフィルタの機能を有している。

データベース作成部６は、対象となる生体電気信号に混入したノイズの種類を推定するために、事前に、又は、随時、複数のグループ４３間の相関関係を示すデータベース４５の作成を行う。

本願の発明者の実験により、例えば、「眼球の動き」を行った場合にグループａ１に属するノイズを生じさせる被験者は、「首の動き」を行った場合に、グループｂ１に属するノイズを生させる傾向が強いことが分かった。

そこで、データベース作成部６は、例えば、図４に示すように、複数のグループ４３間の相関関係を示したデータベース４５を作成する。このデータベース４５は、ノイズに関するデータが入力部３に入力される度に更新される。また、データベース４５の作成に当たっては、統計処理（主成分分析、独立成分分析、判別分析、テンプレートマッチング、k-means 法、ベイズ推定等）を行うと、相関関係算出の効率を上げることができる。

制御部７は、一の被験者のノイズ動作によって生じたノイズが入力部３に入力された場合に、データベース４５を参照して、当該一の被験者が他のノイズ動作を行った場合に生じるノイズを推定する。この場合の推定の基準としては、例えば、最も発生確率の高いものを他のノイズ動作と推定する等、様々なものが考えられる。

また、制御部７は、ノイズの推定の際に、記憶部４に記憶された電極ノイズモデル４２も参照する。

例えば、計測されたノイズから、現在の使用時間・使用回数に応じた電極ノイズモデル４２を差し引いたもの、又は、割り引いたもの（更には、かけ合わせたり、畳み込んだりする場合もある）を動作ノイズと決定した上で、当該動作ノイズが属するグループ４３に基づき、ノイズの推定を行うこととなる。

更に、制御部７は、記憶部４に記憶されたフィルタ情報４６を参照して、フィルタ部５内から、対象となる生体電気信号に混入したノイズを除去するのに適したフィルタを選択し、当該ノイズを除去させる。

以上説明したように、本実施の形態による生体電気ノイズ同定システム１では、データベース作成部６が、ノイズ動作の種類及びノイズの特徴に応じてノイズを分類し、分類されたノイズ（グループ４３）間の相関関係を示したデータベース４５を作成する。そして、脳波等の生体電気信号の計測に先立ち、一の被験者の一のノイズ動作によって生じるノイズを計測しておけば、制御部７が、データベース４５を参照して、当該一の被験者の他のノイズ動作によって生じるノイズも推定することとなる。

このような構成によれば、生体電気信号に混入したノイズを高精度かつ容易に推定することが可能となるので、その結果として、対象となる生体電気信号の抽出・解析を高精度かつ容易に行うことが可能となる。

なお、制御部７による推定結果は、必ずしも信頼度の高いものとは限らない。従って、最終的には、制御部７による推定結果を採用するか否かを人間が判断してもよい。

また、本実施の形態による生体電気ノイズ同定システム１では、データベース作成部６が、ノイズに関するデータが入力部３に入力される度に、データベース４５の更新を行う。

このような構成によれば、多くのノイズデータに基づいてデータベース４５が作成されることとなるので、生体電気信号に混入したノイズの推定をより高精度に行うことが可能となる。

また、本実施の形態による生体電気ノイズ同定システム１では、記憶部４に電極ノイズモデル４２が記憶されており、制御部７は、ノイズの推定の際に、電極ノイズモデル４２も参照する。

このような構成によれば、電極ノイズの影響を軽減することができるので、生体電気信号に混入したノイズの推定をより高精度に行うことが可能となる。

また、本実施の形態による生体電気ノイズ同定システム１では、記憶部４にノイズを除去するのに適したフィルタを示したフィルタ情報４６がノイズ動作ごとに記憶されており、制御部７は、フィルタ情報４６を参照して、フィルタ部５内から、対象となる生体電気信号に混入したノイズを除去するのに適したフィルタを選択し、当該ノイズを除去させる。

このような構成によれば、ノイズ除去の精度が上がるので、対象となる生体電気信号の抽出・解析もより高精度に行うことが可能となる。

尚、本発明の生体電気ノイズ同定システム及び生体電気ノイズ除去システムは、上述した実施の形態に限定されず、特許請求の範囲に記載した範囲で種々の変形や改良が可能である。

例えば、上記実施の形態では、動作ノイズモデル４１及び電極ノイズモデル４２は、既に記憶部４に記憶されているものを用いたが、データベース４５と同様に、ノイズが入力部３に入力される度に、更新されてもよい。

また、上記実施の形態では、フィルタ部５は、フィルタ情報を参照してノイズを除去したが、この動作に関しては、データベース４５の存在や制御部７による推定とは無関係に実行可能である。

また、上記実施の形態では、フィルタ情報４６は、ノイズ動作ごとに記憶部４に記憶されていたが、グループ４３ごとに細かく記憶されていてもよい。

また、上記実施の形態では、複数のグループ４３間の相関関係を示したデータベース４５を作成したが、相関関係ではなく、ノイズを分類するための識別器を示したデータベース４５を作成してもよい。

識別器は、複数のノイズデータを分類するためのもので、複数のノイズデータに対する機械学習（サポートベクターマシン、ニューラルネット、ランダムフォレスト等）を行うことにより作成される。なお、機械学習に先立ち、統計処理（主成分分析、独立成分分析、判別分析、テンプレートマッチング、k-means 法、ベイズ推定等）を行うと、識別器作成の効率を上げることができる。

作成された識別器においては、分離超平面・決定境界により、複数のノイズデータが、ノイズ動作ごとに複数の集団に分類され、更にその中で、特徴に応じて複数の集団に分類される。そして、制御部７は、ノイズが計測された場合に、その数値等がいずれの集団に属するかで、当該ノイズの動作及び特徴を推定することができる。また、複数の被験者が一のノイズ動作を行った場合にそれぞれ属する集団に応じて、他のノイズ動作を行った場合に属する可能性の高い集団を統計処理していくことで、被験者の一のノイズ動作によって生じたノイズから他のノイズ動作によって生じるノイズを推定することも可能となる。この推定は、ノイズデータの蓄積が多くなるほど精度も上がる。

１ 生体電気ノイズ同定システム
２ 生体電気信号検出装置
３ 入力部
４ 記憶部
５ フィルタ部
６ データベース作成部
７ 制御部
４１ 動作ノイズモデル
４２ 電極ノイズモデル
４３ グループ
４４ 分類基準
４５ データベース
４６ フィルタ情報

Claims (5)

1. 被験者のノイズ動作により生じるノイズが入力される入力部と、
   前記ノイズ動作の種類及び前記ノイズの有する特徴に応じて分類されたノイズ間の相関関係、又は、前記ノイズ動作の種類及び前記ノイズの有する特徴に応じて前記ノイズを分類するための識別器を示したデータベースを作成するデータベース作成部と、
   前記データベースを記憶した記憶部と、
   被験者の一のノイズ動作によって生じたノイズが前記入力部に入力された場合に、前記データベースを参照して、前記被験者が他のノイズ動作を行った場合に生じるノイズを推定する制御部と、
   を備えたことを特徴とする生体電気ノイズ同定システム。
2. 前記データベース作成部は、前記ノイズが前記入力部に入力される都度、前記相関関係又は前記識別器を更新可能であることを特徴とする請求項１に記載の生体電気ノイズ同定システム。
3. 前記記憶部は、生体電気信号を採取するための電極に関連して生じるノイズに関する電極ノイズデータを、前記電極の状態ごとに更に記憶しており、
   前記制御部は、前記推定の際に前記電極ノイズデータも参照することを特徴とする請求項１又は２に記載の生体電気ノイズ同定システム。
4. 前記記憶部は、前記ノイズを除去するためのフィルタ情報を前記ノイズ動作ごとに更に記憶しており、
   前記制御部は、前記フィルタ情報を参照して、前記入力部に入力されたノイズを除去するためのフィルタを決定することを特徴とする請求項１から３のいずれか一項に記載の生体電気ノイズ同定システム。
5. 被験者のノイズ動作により生じるノイズが入力される入力部と、
   前記ノイズを除去するためのフィルタ情報を前記ノイズ動作ごとに記憶した記憶部と、
   前記フィルタ情報を参照して、前記入力部に入力されたノイズを除去するためのフィルタを決定する制御部と、
   を備えたことを特徴とする生体電気ノイズ除去システム。