JP2016052430A - 脳内神経回路網状態検出装置と脳内神経回路網状態検出方法 - Google Patents

Abstract

【課題】刺激負荷時の脳波を測定して、それに対応した脳内神経回路網状態を適切に検出し、対応する感情を推定するための手がかりを得ることができる脳内神経回路網状態の検出装置と検出方法を提供すること。【解決手段】脳内神経回路網状態を検出装置する装置であり、被験者Ｈの頭部に配置される頭部電極ＨＥと、各電極からの集録信号を得て、必要な増幅を行う増幅器３と、増幅後信号を記録し、増幅後信号から必要に応じて雑音除去の手法を用いてアーチファクトを除去し、特定帯域成分を抽出後、実効電圧を導出し、刺激に対応した感情生成時間に対応して時系列に切り出し、各々のパワースペクトルの冪関数近似により得られるスケーリング係数の集合平均により解析全体のスケーリング係数を求め、左右各半球のスケーリング係数の二次元プロット表示を行うことができるよう演算する信号処理装置６とを備える。【選択図】図１

Description

本発明は、例えば食品の喫食など何らかの刺激を受けた人に生起する感情を、脳内神経回路網状態に基づいて推定する装置とその検出方法に関するものである。

菓子を含む食品一般について、人体に必要な栄養を補給するという目的以外にも、美味であることや、鎮静効果を得ること、爽快感等の好ましい刺激を得る等種々の目的をねらった食品が提供されている。そして、食品の喫食に限らず、美術や音楽など何らかの刺激を受けた人に生起する感情を推定する試みが従前よりなされている。

特開２００３−２４５０４８号公報 特開平８−１１７１９９号公報

上述した特許文献１では、ゲル化剤と香気成分を含有した食品、例えば、レモン果汁を含むゼリー食品を喫食してもらう。そして喫食によるリラックス効果を評価するため、デジタル脳波計を用いて喫食者の脳波を測定すると、喫食後はα波において有意なパワー増大が認められたとしているものである。
しかしながら、この文献の方法では、パワー絶対値の変動が大きく高精度の測定が難しいため、結果の信頼性が低い。

脳波を用いて感情推定を行う試みとしては、特許文献２がある。
特許文献２では、本来非線型的であいまいな生体情報のひとつである脳波の不規則な変動、すなわち「ゆらぎ」を如何にして心理データに変換して、感情推定を行うことをテーマとしている。
そのため、主として脳波の周波数成分の「ゆらぎ」を個人の「気分」（快−不快）と「主観的覚醒感」（ぼんやり−はっきり）の二つの軸を指標として測定評価しようとするものである。

しかしながら、特許文献２の手法を、食品の喫食等の刺激呈示時における脳内神経回路網状態を検出する方法に用いる上で、大きく二つの問題がある。
第１に、被験者への刺激呈示時には、しばしば咀嚼、嚥下、舌運動、瞬目、眼球運動、顔面筋運動性の筋活動が伴い、また心電位、脈波、体動性のリード線動揺のアーチファクトが混入する。特に喫食時に測定した脳波には、喫食性の筋活動により生ずる筋電位の強いアーチファクトが重畳し、脳波計で測定された脳波をそのまま使用することができない。
第２に、特許文献２の手法による感情推定は、解剖学および神経回路学的な根拠なしに経験的に判断されるため、科学的厳密性を欠き、実用的な精度が得られないという問題がある。

本発明は、以上の課題を解決するためになされたものであり、脳波を測定して、それに対応した脳内神経回路網状態を適切に検出し、対応する感情を推定するための手がかりを得ることができる脳内神経回路網状態の検出装置と検出方法を提供することを目的としている。

本発明は、脳内神経回路網状態を検出装置する装置であって、被験者の頭部に配置される頭部電極と、前記各電極において集録した信号を増幅する増幅器と、前記増幅器から送られる増幅された前記信号を取得し、増幅後信号に含まれる雑音成分を除去し、脳内神経回路網状態を反映した表示を行う信号処理装置とを備えることを特徴とする。

上記構成によれば、前記電極、前記増幅器、前記信号処理装置を介して、刺激呈示時の脳波を観測する。被験者の感情を推定しようとするとき、例えば喫食時であれば、食物の咀嚼、食塊形成、嚥下に伴う筋電位などがアーチファクトとして、脳波に重畳するので、脳波の集録後、記録した脳波から、信号処理部により、ノイズを除去する。これにより、刺激に対応した脳波を取得することができる。
さらに、前記信号処理部は、例えば、後述する手法により、脳波のパワースペクトルの冪関数近似を通じて、神経回路網のスモールワールド性を推定し、さらに両半球の神経回路網状態の対比により、喫食時の感情変化の推定を可能とするものである。

好ましくは、前記信号処理装置は、前記雑音成分を除去するアーチファクト除去部と、前記アーチファクト除去後の信号をさらに処理するアーチファクト除去後の信号処理部と、得られた信号の解析部とを備えることを特徴とする。
上記構成によれば、複雑な雑音成分を適切に除去して、解析に適した信号処理を行うことができる。

また、本発明は、被験者の頭部に複数個の電極を配置して、原脳波を得る原脳波取得工程と、前記原脳波に対して必要に応じて雑音除去の手法を用いて、アーチファクトを除去する雑音除去工程と、前記雑音を除去した低アーチファクト信号から特定帯域成分の信号を得る特定帯域信号取得工程と、前記特定帯域信号の実効電圧を求める実効電圧導出工程と、前記被験者の脳の左右各半球の前記実効電圧の時系列信号を解析して得た結果を、左右各半球について解析結果の集合平均を二次元グラフ上に対比表示する工程とを含むことを特徴とする脳内神経回路網状態検出方法である。

上記構成によれば、観測された原脳波には、しばしば種々のアーチファクトが混入、もしくは線形ないしは畳み込み混合されており、解析精度を著しく低下させることから、δ帯域遮断高域通過フィルタ、独立成分分析、独立ベクトル分析のいずれか一つまたは複数を用いてこれを除去する（雑音除去工程）。次いで、必要な特定帯域の信号を取り出し、さらに実効電圧を求めることで振幅時系列の特徴を抽出し（実効電圧導出工程）、そのパワースペクトルが表す冪型分布を取る周波数−パワー関数の冪関数近似の指数を求める。この指数の非負部、すなわちスケーリング係数は、神経回路網のスモールワールド性に関する特徴量であり、左右各半球のスケーリング係数の対比により、感情推定を行うものである。

好ましくは、前記原脳波取得工程において、前記複数の電極から選択された各半球の一対の電極にて信号を集録することを特徴とする。
上記構成によれば、特に感情への関与が大きい、左右の前頭眼窩野、内側前頭前野の脳活動をよく反映することができる。

好ましくは、前記雑音の除去工程において、δ帯域遮断高域通過フィルタ、独立成分分析、独立ベクトル分析のいずれか一つまたは複数によりアーチファクト除去を行うことを特徴とする。
上記構成によれば、複数の雑音除去手段の併用により、脳波成分に影響を与えるほとんど全てのアーチファクトを除去することができる。

好ましくは、前記特定帯域信号としてα帯域成分を用いることを特徴とする。
上記構成によれば、α帯域成分に関する神経回路網の評価を通じて、自己関連の身体および内省的思考時に機能する、デフォルトモードネットワークの活動を推定することが可能である。

好ましくは、前記実効電圧導出工程では、前記特定帯域信号の上下の各包絡線をとり、これらの絶対値を平均した値に１／√２を乗じて実効電圧を求めることを特徴とする。
上記構成によれば、近傍脳回における瞬時発火数の指標が得られ、その時系列から神経回路網のスモールワールド性の評価を行うための情報として用いることができる。

好ましくは、導出した実効電圧信号を３．２秒ないし１０２４秒ずつ時系列に切り出すことを特徴とする。
上記構成によれば、刺激に応じた感情生成時間に対応して、適切な感情変化を追跡することが可能である。

好ましくは、前記切り出した信号について、ウェーブレット変換等の低域側で十分な周波数解像度が得られるアルゴリズムを用いて、パワースペクトルを導出することを特徴とする。
上記構成によれば、解析時間単位の最適化と後に行う集合平均値導出とにより、精度の高い解析結果を得ることができる。
ここで、前記切り出した信号はフーリエ変換を始め何らかの方法で周波数領域情報に変換し、パワースペクトルを得るが、前記低域側で十分な周波数解像度が得られるアルゴリズムとしてはウェーブレット変換が推奨される。
すなわち、周波数の割に標本数が少ない低域側において高い周波数解像度が得られることで、後に行う冪関数近似により求めるスケーリング係数を、高精度で取得することができる。

好ましくは、前記パワースペクトルの、周波数軸の下限を０．０１Ｈｚないし０．５Ｈｚから、上限を０．５Ｈｚないし５．０Ｈｚから選択して、前記パワースペクトルを切り出し、冪関数近似によりその指数を導出、もしくは両対数軸に変換のうえ線形近似を行いその傾きを導出し、神経回路網のスケールフリー性の指標であるスケーリング係数を求め、必要に応じて前記切り出した信号の時系列の集合平均により解析全体のスケーリング係数を求めることを特徴とする

つまり、前記切り出した信号のパワースペクトルは、有限サイズ効果の制約下、有効な周波数帯域の下限が０．０１Ｈｚないし０．５Ｈｚ、上限が０．５Ｈｚないし５．０Ｈｚに制限されるので、スペクトルのその周波数帯域を切り出す。下限は前記切り出した信号の長さに依存する信号長を一周期とする周波数およびスペクトル漏れを考慮した安全率の設定により規定され、上限は前記特定帯域信号の包絡線を取る際の信号律動周波数である約１０Ｈｚのナイキスト周波数である５Ｈｚおよびスペクトル漏れを考慮した安全率の設定とに規定される。
上記構成によれば、過不足なくスケールフリー領域を捕捉することができ、後に行う冪関数近似により求めるスケーリング係数を、高精度で取得することができる。

好ましくは、前記スケーリング係数もしくは集合平均により求めた解析全体のスケーリング係数の、左右各半球の値を二次元にプロットし、脳の右半球と左半球に関して活動状態の描出を行うことを特徴とする。

また、好ましくは、前記切り出した信号のパワースペクトルの切り出した周波数帯域は、ｘを周波数、Ｐをパワースペクトルとして、

Ｐ（ｘ）∝ｘ−β

で表される冪関数による近似により、その指数の非負部βとして、スケーリング係数を求めることができる。またパワースペクトルを両対数軸にプロットし、近似直線の傾きを求めることによっても求めることができる。またデトレンド変動分析、フラクタル解析等の手法によっても求めることができる。
スケーリング係数は、解析時間全体に渡り集合平均を算出する。また感情の時間変化を解析する場合は、集合平均を算出せず切り出した信号ごとのスケーリング係数を時系列にプロットし、時間変化を解析することができる。この場合、切り出し区間をオーバーラップさせることにより、解析時に発生する切り出し境界付近の信号の歪みを抑制し、解析精度の低下を防ぐことができる。
上記構成によれば、スケーリング係数を、精度よく簡便かつ容易に求めることができる。

ここで、本発明は、人の脳構造と脳波に関して、発明者による以下の独自の知見により、なされたきわめて特徴ある内容を有するものである。
好ましくは、前記スケーリング係数の集合平均または時系列プロットの各時点値は、右半球の一極の脳波解析により得た集合平均を水平軸、左半球の一極の脳波解析により得た集合平均を垂直軸として、二次元プロットする。
上記構成によれば、左右の各半球の神経回路網のスモールワールド性を０から１のスケーリング係数により評価することができる。ここで0はニューラルネットワークが巨視的に特徴的な構造を示さない白色雑音様の状態、1は自己相似構造が示唆される組織化された状態を表わす。前頭葉α帯域成分の意義については、内側前頭前野、前部帯状回のデフォルトモードネットワークの活動との相関が高い、との説が有力である。従って、スケーリング係数０がノード間に特徴的なネットワーク構造が形成されておらずデフォルトモードネットワークの活動が低下した状態、１がネットワーク構造が形成されデフォルトモードネットワークが活性化した状態、と考えることが出来る。

「人」の大脳は左右の半球により構成され、これを構成する膨大な量の神経細胞は長さ・方向ともに多様な結合を有している。この結合は、各半球内での結合が主であり、さらに左右半球を繋ぐ脳梁が存在する。
個々の神経細胞（ニューロン）の位相および周波数の異なる発火は、一定条件下、雑音誘起位相同期によりメゾスコピックな同期クラスタを形成し、さらに大域的な同期へと発展し得る。本発明における頭皮上電極で観測される脳波はメゾスコピックな同期クラスタの活動を反映するものと考えられ、特に実効電圧は近傍脳回のニューロンの瞬時発火数の指標になるものと考えた。その解析により、α帯域成分の成因である複数のα帯域電源が成す神経回路網の、大域的同期の状態を評価することができる。

スケーリング係数の解釈に関して、デフォルトモードネットワークの活動は、内省、すなわち自分自身の身体・精神に関し考えること、が基本であることが知られている。脳活動のエネルギー上の制約から、覚醒時においては、α活動とβ活動は概ね相補的である。従ってα活動として表出されるデフォルトモードネットワークの活動低下に伴い、ワーキングメモリネットワーク、背側注意ネットワーク等の連合野におけるβ活動の活性化が示唆される。

また大脳の左右半球の機能に関して、ほぼすべての機能が連合野で処理され機能局在は否定されているものの、一部の機能については半球優位性が認められている。
言語処理は、情報処理・文構成・音韻処理・発話等に細分化される両半球の共同作業であるが、約９０％の者で左半球が優勢に処理されている。左半球は言語を用いる論理的思考全般に優勢な活動を示す。一方、音韻・空間・感情など、非言語的処理は、同様に両側性でありながらも、比較的右半球優位の活動であることが知られている。
上記の２つの視点を合わせることにより、左半球前頭部のスケーリング係数は、０近辺が論理思考が活発な状態「思索」、１近辺が漫然と思い巡らせている状態「悠々」、右半球前頭部のスケーリング係数は、０近辺が周囲に対し注意・警戒し緊張している状態「覚醒」、１近辺が周囲が気にならずリラックスした状態「鎮静」、と解釈することができる。

上述のような本発明の手段・手法により以下の利点が認められるものと考える。
１）脳波を利用して感情、思考を計測できるとする方法がいくつも呈示されているが、多くは経験的技法に頼っており、なぜその方法により感情、思考が推定できるか説明されていないが、本発明では、これらに比較してより明確に理由が示されているので、結果の信頼性がより高く担保されている。
２）本発明は他の手法に比べて演算処理の方法上解析がロバストであり、脳波自体から振幅、パワーなどを導くのではなく、アーチファクトを除去した信号を用いてパワースペクトルのスケーリング係数を求めて評価するため、結果の安定性が高い。
３）本発明では、動作の大きい咀嚼・嚥下を伴う喫食等を除く多くの場合、脳波の測定や解析結果の取得までの過程に高度の経験を要せず、計測の場所的条件等が無いので、実施が簡単である。
計測時に被検者に厳密な動作の抑制を課したり、喫食・視聴等に伴う体動の制限や不自然な拘束等を条件としないので、被検者の側面からも実施が容易である。
一般的な脳波計を使用し、所定のプログラムを実行する処理装置（パソコン）を用意すればよいので、特殊な装置を必要としない。
４）従来の方法は、被検者について、安静時や低活動時等の計測条件の制約があるが、本発明では、喫食、開眼等に伴うアーチファクト発生時など、様々なノイズ発生条件下でも実施でき、応用範囲が広い。

以上述べたように、本発明によれば、刺激呈示時の脳波を測定して、それに対応した脳内神経回路網状態を適切に検出し、対応する感情を推定するための手がかりを得ることができる脳内神経回路網状態の検出装置と検出方法を提供することができる。

本発明の実施形態に係る脳内神経回路網状態の検出装置の概略構成図。 本発明の実施形態に係る脳内神経回路網状態の検出方法を示すフローチャート。 図２の方法による集録信号の高域通過フィルタによる基線動揺除去処理後の信号の波形を示す図であって、ａは咀嚼に伴うアーチファクトが重畳している様子を示し、ｂはアーチファクト除去後の信号の波形を示す図。 図２の方法により、アーチファクト除去後の信号の波形図（左右半球のデータを拡大して示す）。 図２の方法により、帯域通過フィルタ処理がなされた左右半球の信号について、包絡線導出のため、その振幅の極値（極大、極小）を求めるようすを示す図。 図５により求めた包絡線の絶対値を用いて実効電圧を求めた波形図。 図６の信号を間引きし、２５．６秒ずつ時系列に切り出した様子を示す図。 図７で切り出した信号のパワースペクトルを求め、冪特性を容易に視認できるよう両対数でプロットすることで、スケーリング係数が近似直線の傾きとして描出されるグラフ。 縦軸に左半球のスケーリング係数の負数、横軸に右半球のスケーリング係数の負数を表すグラフにおける感情状態の傾向を示すグラフ。右ないしは上が高活性を表わす一般的な通念に合わせるため、スケーリング係数を式（１）における指数、すなわち符号反転数である負数として表示している。 左右半球のスケーリング係数の集合平均を取ることで、左右半球の活動状態を描出した図。 実効電圧法によるチョコレート喫食時脳波解析例。

以下、この発明の好適な実施形態を添付図面を参照しながら、詳細に説明する。
尚、以下に述べる実施形態は、本発明の好適な具体例であるから、技術的に好ましい種々の限定が付されているが、本発明の範囲は、以下の説明において特に本発明を限定する旨の記載がない限り、これらの態様に限られるものではない。

（脳内神経回路網状態検出装置）
図１は、本発明の実施形態に係る脳内神経回路網状態検出装置の概略構成図である。
図において、脳内神経回路網状態検出装置１は、被検者（図示せず）の脳内刺激を検出するためのものである。
この実施形態では信号集録部２、増幅器３、Ａ／Ｄ変換器４、信号処理・解析部５、表示部３０を有している。信号集録部２、増幅器３、Ａ／Ｄ変換器４および信号処理・解析部５に含まれる前処理部６までの構成は、これらの機能を有する市販の脳波計を使用してもよい。脳波計の種類は特に限定されるわけではない。頭皮上の電極は国際式電極配置に従い配置した。

ひとつの、あるいは複数の各電極からの入力は増幅器３に接続されている。
増幅器３からの増幅信号は、Ａ／Ｄ変換器４によりデジタル化され、信号処理・解析部５に入力される。信号処理・解析部５はひとつのあるいは複数のコンピュータと、目的にしたがって動作するソフトウエアやシーケンス回路により構成することができ、例えば、パーソナルコンピュータで構成してもよい。すなわち、いうまでもなく、信号の処理部と演算処理部とメモリとを有するものであれば、具体的名称が何であれ、本書で言うコンピュータの範疇である。

信号処理・解析部５は、例えば、前処理部６、アーチファクト除去部７、アーチファクト除去後の信号処理部８、解析部９を含んでいる。
前処理部６は例えば、必要により、入力されたデジタル信号の記録を行うデジタル化データ記録部１０、基準電極誘導部１１、低域通過フィルタ１２、高域通過フィルタ１３を含んでいる。
アーチファクト除去部７は、例えば、必要に応じて、δ帯域ハイパスフィルタ１４、独立成分分析部１５、独立ベクトル分析部１６等を含んでおり、δ帯域ハイパスフィルタ１４、独立成分分析部１５、独立ベクトル分析部１６はいずれかひとつだけを備えていてもよい。
アーチファクト除去後の信号処理部８は、例えば、特定帯域成分取出し部１７、極値検出部１８、包絡線導出部１９、実効電圧導出部２０、信号間引部２１、断片化信号処理部２２、スケーリング係数導出部２３等を含んでいる。
解析部９は二軸グラフ作成部２４を含んでいる。表示部３０は、信号処理・解析部５による処理および解析結果をディスプレイや印刷等の出力手段により示すものである。
本実施形態の脳内神経回路網状態検出装置１は以上のように構成されており、以下で説明する方法を実行することができる。

（脳内神経回路網状態検出方法）
図２は、本発明の脳内神経回路網状態検出方法の一例を示すものである。
図１の脳内神経回路網状態検出装置１では、例えば、ガムやチョコレート等を喫食しながら、喫食被検者の脳波を国際式電極配置の各電極において集録する（ＳＴ１）。
この時、計測に際して誘導法は任意であるが、喫食に伴うアーチファクトの重畳を考慮すると、顕著なアーチファクトの重畳が見られる両側の下前頭、中側頭を除く１５極による「平均基準電極法」によることが好ましい。これは加算平均電位を基準電位とする誘導法である。

図１の信号集録部２で信号を取得して増幅器３で増幅し（ＳＴ２）、信号処理・解析部５において以下の処理及び解析を行う。
すなわち、アナログーディジタル変換器４で
アナログーディジタル変換を行い（ＳＴ３）、基準電極誘導を行う（ＳＴ４）。信号処理・解析部５に含まれる前処理部６の低域通過フィルタ１２による交流障害および高域アーチファクトの除去（ＳＴ５）、高域通過フィルタ１３による基線動揺除去（ＳＴ６）により、脳波自体を構成するδ帯域より低域側、およびβ帯域より高域側の信号を予め除去し、同時に波形に異常がないか確認する。
例えば、低域通過フィルタとして通過帯域３０．０Ｈｚ、阻止帯域３２．０Ｈｚの、高域通過フィルタとして通過帯域１．７Ｈｚ、阻止帯域０．１Ｈｚの最小自乗ＦＩＲフィルタを使用することができる。

次に、この実施形態に特有のアーチファクト除去を行う（ＳＴ７）。
脳波には、種々のアーチファクトが重畳しており、例えば、図３（ａ）に示すように、ガム喫食時の脳波には、ほぼすべてのチャンネルにｔ１ないしｔ５の間隔で大きなアーチファクトが観察される。これは、喫食中の被検者の、主として咀嚼に伴う筋電位が重畳したものである。

次に、独立成分分析部１５において、アーチファクトの除去を行う方法を簡単に述べる。
集録した観測位置が異なる複数の観測信号を生成する、複数の原信号およびその線形混合行列を、原信号間の独立性を基準に近似的に推定する。
独立性の基準は、分布型を陽に用いず原信号の非ガウス性により評価する、分布型を仮定し直接独立性を評価する、低次モーメントのみを使用し相互相関により評価する、など、信号の特性に応じてどの方法を用いて設定してもよい。
観測信号に分離行列（混合行列の逆行列）を乗算することにより、原信号を推定する。
導出された複数の推定原信号の中から、事前情報により雑音信号を推定し、それを0ベクトルに置換し再混合することで、雑音を除去した観測信号を得ることができる。
このような処理に替えて行われる手法である独立ベクトル分析は以下のように行われる。
図１の独立ベクトル分析（ＩＶＡ）部１６において、アーチファクトの除去を行う方法を簡単に述べる。
強度の咀嚼に伴うアーチファクトは畳み込まれているため、独立成分分析を始めとする瞬時混合を前提とした解法では、原信号の推定ができない。そこで畳み込み混合問題として解く必要があるが、脳波は、例えば国際式電極配置においては１９極と多チャンネルであるため集録標本点数が数万〜数十万点にも及ぶ膨大なデータ量を有するデータであり、演算量の多さから時間領域で解くことは実質的に困難である。従ってデータを短時間ごとに切り出し、畳み込みの影響が解消される周波数領域で原信号に分解する、周波数領域独立成分分析の適用が望まれる。

しかし周波数領域独立成分分析により求めた原信号は、切り出した短時間ごとの信号の対応を一意に定める事が出来ず、特に多信号系においては、原信号が正しく復元されないパーミュテーション問題が発生する。この問題の解決のため、独立成分分析における独立性基準を全周波数帯域で共通化して解析する、独立ベクトル分析を適用する。
独立ベクトル分析（ＩＶＡ）部１６による演算手順は、アーチファクトが重畳する複数チャネル信号を、短時間フーリエ変換により短時間ごとに切り出しながら周波数領域展開し、周波数領域で唯一の独立性基準に基づき分離行列を推定、切り出した周波数領域観測信号に積算することで独立成分としての周波数領域原信号を推定、逆短時間フーリエ変換により時間領域に書き戻し、目視により原信号中の中からアーチファクトと推定される信号を判別、アーチファクトと推定される信号を０ベクトルに置換の上、原信号全体を短時間フーリエ変換により周波数領域に再展開、混合行列を積算することで周波数領域のアーチファクトを除去した観測信号を導出、逆短時間フーリエ変換により時間領域のアーチファクトを除去した観測信号が得られる（図３（ｂ））。
上述の各手法は既に知られた手法であり、より詳しくは、電子情報通信学会技術研究報告、第１１４巻５１号３７ページないし４２ページ（２０１４年発行）を参照されたい。

図４は、アーチファクト除去後の信号処理部８における処理の様子を示す。
前頭極のアーチファクト除去後の信号（左右半球のデータ）を示している。
α波は大部分のヒトの安静時脳波に観察され、たとえ視認されなくとも凡そ１０ないし４０％の構成比で含まれる常在波であり、基礎的な脳活動を反映している。そのため、本実施形態では、脳波のうち特にα帯域成分を取り出して用いる（ＳＴ８）。
しかしながら、よく知られる漸増漸減現象のため振幅の消長が著しく、直接その電圧を推定することが困難である。

そこで、図５に示すような処理を行う。
図５では、好ましくは、左右半球に対応する各１の電極を選定して、特定帯域成分取出し部１７により、各１のα帯域成分をとりだし、さらに、信号の時系列の極大および極小値（例えば符号Ｐで示す箇所）を検出し（ＳＴ９）、包絡線を導出する（ＳＴ１０）。

次に、実効電圧導出部２０における実効電圧の導出を行う（ＳＴ１１）。
極大ならびに極小の各包絡線をとり、これらの絶対値を平均した値に１／√２を乗じて、図６に示すように実効電圧を近似的に求める。
これは、既に説明したように、脳波の実効電圧は、ニューロンの発火率の指標として、簡便に得られる有用な方法であるとの着想によるものである。

次に演算負荷軽減のため、信号間引部２１によって、必要に応じて標本点の間引きを行う（ＳＴ１２）。
続いて、断片化信号処理部２２における処理を行う。
図７に示すように、刺激に応じた感情生成時間に対応して３．２秒ないし１０２４秒ずつ時系列に切り出し断片化する（ＳＴ１３）（断片化信号）。好ましくは６．４秒ないし５１２秒ずつ時系列に切り出し断片化する。本実施形態では、一般的な感情生成に要する時間が２０ないし３０秒とされているので、その範囲において標本数が信号処理に適する２の冪乗と等しくなるよう、切り出し時間を２５．６秒に設定している。

次いで、断片化信号Ｓ１ないしＳ４をウェーブレット変換により時間−周波数領域に展開し、時間方向に積分することで、パワースペクトルを推定し（ＳＴ１４）、その０．０５から１．０Ｈｚの区間を切り出す（ＳＴ１５）。
切り出し区間に関し、低域側は、２５．６秒のデータ長、すなわちそれを１周期として含む成分である０．０３９Ｈｚ成分を下限、高域側は、ＳＴ９の極値検出時の標本化周波数である約１０Ｈｚのナイキスト周波数である５Ｈｚを上限、とする制約を受ける。スペクトル漏れによる歪みを考慮すれば、理論上の上限および下限に対し余裕を持たせた、０．０５Ｈｚから１．０Ｈｚを切り出すことが望ましい。
続いて、スケーリング係数導出部２３により、パワースペクトルの冪関数近似により、近似関数の指数の非負部としてスケーリング係数を得る（ＳＴ１６）。
ＳＴ１４ないしＳＴ１６の処理を、近似の様子が分かりやすいよう、両対数グラフに表示したものを図８に示す。

以上の結果を使って解析部９による解析を行う。
図９は、導出したスケーリング係数に基づいて、二軸グラフ作成部２４が作成する感情を解析する場合の二軸グラフである。
このグラフに表示される解析結果により、刺激に応じて生起した大脳皮質の反応が、左半球優位であるか、右半球優位であるかを判断することができる。
反応が左半球優位である場合は思索などの言語的活動の高低に関する要素が強い刺激であり、右半球優位である場合は、身体モニタリング、感情などの非言語的活動の高低に関する要素が強い刺激であると解析することができる（ＳＴ１７）。

つまり、各半球のα帯域成分について以下のように考えることができる。
１）左右両極のスケーリング係数をメゾスコピックなα帯域電源ネットワークのスモールワールド性の指標値として評価する。
２）図示のように、左半球のスケーリング係数の負数の大きさを「思索」、右半球のスケーリング係数の負数の大きさを「身体モニタリングもしくは感情」に関わる脳活動の大きさと解釈し、二軸にプロットする。具体的には左半球軸は思索（上）−「悠々」（下）、右半球軸は「覚醒」（右）−「鎮静」（左）とする。

かくして、図８に至る解析の結果は、図１０上段に示した時系列のスケーリング係数の集合平均を取ると（ＳＴ１７）、下段に示すように、この実施形態の場合、喫食による刺激が、右半球優位のもので、やや覚醒的な刺激であったと判断される（ＳＴ１８）。

以下、本発明を用いてチョコレートの心理効果を評価した例を示す。
３名の被験者による個包装チョコレート1個（４．８ｇ）の喫食中の脳波を、図１に示す装置を用いて開眼で集録し、直前に測定した閉眼安静時の脳波と比較した。図２に示す手順に従い演算を行った。
図２のＳＴ４に示す基準電極誘導は、国際式電極配置が指定する１９極のうち、喫食に伴うアーチファクトが特に強く重畳する、左右の下前頭、中側頭を除く、１５極を使用した。

図２のＳＴ７に示すアーチファクト除去工程においては、喫食性アーチファクトの重畳状況に応じて、高域通過フィルタ（最小自乗ＦＩＲフィルタ、阻止帯域３．０Ｈｚ、通過帯域４．０Ｈｚ）と独立成分分析（ロバスト−ＳＯＢＩもしくはＦａｓｔＩＣＡ）、または前記高域通過フィルタと独立ベクトル分析（球対称指数ノルム分布を用いてニュートン法による固定点法で解く方法）の組み合わせ使用により、喫食に伴う筋電位および瞬目、眼球運動に伴う眼電位の重畳成分を除去を行った。開眼安静時の信号については、必要に応じて前記独立成分分析による瞬目、眼球運動に伴う眼電位の重畳成分の除去を行った。
さらに図２の手順に従い演算を進め、左半球電極として左前頭極（Ｆｐ１）、右半球電極として右前頭極（Ｆｐ２）のスケーリング係数を導出した。
被験者ごとに、以上の手順全体を２〜６回反復して行い、被験者ごとのスケーリング係数の総平均を算出し、喫食前安静時と比較した。左右のスケーリング係数を、右ないしは上が高活性を表わす一般的な通念に合わせて負数として表し、その対比を図１１の二次元グラフに示す。また表１に、スケーリング係数の負数を数値として示す。

チョコレート喫食中の各被験者の左右両半球のスケーリング係数（総平均）は、被験者１が安静時の０．４１０、０．４１５から０．２８４、０．３７１へ、被験者２が安静時の０．５８７、０．５４１から０．４６１、０．４２０へと変化した。反復数が少なく、また安静時の値の分散が大きいことから有意差は得られなかったが、被験者１および２で、チョコレート喫食中の脳活動活性化が示された。しかし安静時のスケーリング係数が元々０側にあり活性化状態に近かった被験者３は、安静時の０．３１７、０．２７８は喫食中に０．３１７、０．３３５となり、顕著な変化が観察されなかった。
チョコレートの心理的な賦活作用については、意識調査、心理学実験、疫学調査により広く知られているが、本試験においてもそれを示す結果が得られた。

１・・・脳内神経回路網状態検出装置、２・・・信号集録部、３・・・増幅器、４・・・Ａ／Ｄ変換器、５・・・信号処理・解析部

Claims (11)

1. 脳内神経回路網状態を検出装置する装置であって、被験者の頭部に配置される頭部電極と、前記各電極において集録した信号を増幅する増幅器と、前記増幅器から送られる増幅された前記信号を取得し、増幅後信号に含まれる雑音成分を除去し、脳内神経回路網状態を反映した表示を行う信号処理装置とを備える
   ことを特徴とする、脳内神経回路網状態検出装置。
2. 前記信号処理装置は、前記雑音成分を除去するアーチファクト除去部と、前記アーチファクト除去後の信号をさらに処理するアーチファクト除去後の信号処理部と、得られた信号の解析部とを備えることを特徴とする請求項１に記載の脳内刺激検出装置。
3. 被験者の頭部に複数個の電極を配置して、原脳波を得る原脳波取得工程と、
   前記原脳波に対して必要に応じて雑音除去の手法を用いて、アーチファクトを除去する雑音除去工程と、
   前記雑音を除去した低アーチファクト信号から特定帯域成分の信号を得る特定帯域信号取得工程と、
   前記特定帯域信号の実効電圧を求める実効電圧導出工程と、
   前記被験者の脳の左右各半球の前記実効電圧の時系列信号を解析して得た結果を、左右各半球について解析結果の集合平均を二次元グラフ上に対比表示する工程と
   を含む
   ことを特徴とする脳内神経回路網状態検出方法。
4. 前記原脳波取得工程において、前記複数の電極から選択された各半球の一対の電極にて信号を集録することを特徴とする請求項３に記載の脳内神経回路網状態検出方法。
5. 前記雑音の除去工程において、δ帯域遮断高域通過フィルタ、独立成分分析、独立ベクトル分析のいずれか一つまたは複数によりアーチファクト除去を行うことを特徴とする請求項３または４に記載の脳内神経回路網状態検出方法。
6. 前記特定帯域信号としてα帯域成分を用いることを特徴とする請求項３ないし５のいずれかに記載の脳内神経回路網状態検出方法。
7. 前記実効電圧導出工程では、前記特定帯域信号の上下の各包絡線をとり、これらの絶対値を平均した値に１／√２を乗じて実効電圧を求めることを特徴とする請求項３ないし６のいずれかに記載の脳内神経回路網状態検出方法。
8. 導出した実効電圧信号を３．２秒ないし１０２４秒ずつ時系列に切り出すことを特徴とする請求項７に記載の脳内神経回路網状態検出方法。
9. 前記切り出した信号について、ウェーブレット変換等の低域側で十分な周波数解像度が得られるアルゴリズムを用いて、パワースペクトルを導出することを特徴とする請求項８に記載の脳内神経回路網状態検出方法。
10. 前記パワースペクトルの、周波数軸の下限を０．０１Ｈｚないし０．５Ｈｚから、上限を０．５Ｈｚないし５．０Ｈｚから選択して、前記パワースペクトルを切り出し、冪関数近似によりその指数を導出、もしくは両対数軸に変換のうえ線形近似を行いその傾きを導出し、神経回路網のスケールフリー性の指標であるスケーリング係数を求め、必要に応じて前記切り出した信号の時系列の集合平均により解析全体のスケーリング係数を求めることを特徴とする請求項９に記載の脳内神経回路網状態検出方法。
11. 前記スケーリング係数もしくは平均により求めた解析全体のスケーリング係数の、左右各半球の値を二次元にプロットし、脳の右半球と左半球に関して活動状態の描出を行うことを特徴とする請求項１０に記載の脳内神経回路網状態検出方法。
    
    

Images