JP2016123823A - Mental disease classification method, discrimination method, and discrimination criteria creation and learning system - Google Patents
Mental disease classification method, discrimination method, and discrimination criteria creation and learning system Download PDFInfo
- Publication number
- JP2016123823A JP2016123823A JP2015002557A JP2015002557A JP2016123823A JP 2016123823 A JP2016123823 A JP 2016123823A JP 2015002557 A JP2015002557 A JP 2015002557A JP 2015002557 A JP2015002557 A JP 2015002557A JP 2016123823 A JP2016123823 A JP 2016123823A
- Authority
- JP
- Japan
- Prior art keywords
- waveform
- database
- light measurement
- biological light
- signal
- 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.)
- Pending
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Description
本発明は,生体内の情報を得るための生体光計測に係り,特に脳活動状態を評価するための生体光計測信号を波形特徴に基づき分類する技術に関する。 The present invention relates to biological light measurement for obtaining in-vivo information, and more particularly to a technique for classifying biological light measurement signals for evaluating brain activity based on waveform characteristics.
精神疾患は国内の年間受診者数が高血圧症に次いで2位と患者数が多いだけでなく,罹患年数が長いという特徴を有している。従って精神科診療の質の向上は一つの社会的要請と捉えられる。特に診療における最初の段階に当たる診断は,従来問診のみに基づいて行われることが多かった。問診は担当する医師の技量の差が出易い診断法であり,医療の質を向上するためには客観的手段を取り入れることが望ましい。客観的手段の導入は患者にとっても病状の理解を助けるという効果がある。精神科における生体光計測技術を用いた研究では,言語流暢性タスクに伴う前頭部の生体光計測信号(ヘモグロビン信号)変化を計測し,その波形パターンから精神疾患を分類する。これに関し,生体光計測信号の振幅の重心時刻という一つの指標(重心指標)を用いることにより,例えばうつ病と双極性障害とを約70%の確率で正しく分類可能であることが示された(非特許文献1)。 Psychiatric disorders are characterized by not only the highest number of patients, the second largest number of patients in the country after hypertension, but also the long-term morbidity. Therefore, improving the quality of psychiatric practice is regarded as a social request. In particular, the diagnosis that corresponds to the first stage of medical care has often been based only on conventional interviews. Interrogation is a diagnostic method that is likely to cause differences in the skills of the doctors in charge, and it is desirable to incorporate objective means to improve the quality of medical care. The introduction of objective means has the effect of helping patients understand the medical condition. In research using biophotometry technology in psychiatry, changes in biophotometric signals (hemoglobin signals) in the forehead associated with verbal fluency tasks are measured and psychiatric disorders are classified based on their waveform patterns. In this regard, it was shown that, for example, depression and bipolar disorder can be correctly classified with a probability of about 70% by using one index (centroid index), which is the center of gravity time of the amplitude of the biological light measurement signal. (Non-Patent Document 1).
上述した生体光計測技術の精神科応用において,さらなる判定精度の向上が求められる。判定結果に一定の誤りが含まれてしまう理由は大きく二つある。ひとつは採用されている自動判別指標に改良の余地がある場合であり,もうひとつは脳活動信号の計測精度である。検査では一般的には「語流暢性タスク」という心理実験タスクが用いられるが,心理実験タスクの遂行という心内過程は外部からの制御が困難であるため,計測結果にばらつきが存在してしまい,すなわち検査結果の誤差要因となってしまう。これら二つの課題は個別に検討する必要があるが,実測された生体光計測信号を用いた場合に両者の切り分けは不可能である。一方,判別技術を取得するための学習に於いて,上記のような曖昧さを含まない生体光計測信号を用いることが重要であるが,実測された信号には曖昧さが混入することは避けらない。また信号を人工的に合成するとしても,うつ病や統合失調症の波形を合成するために必要なパラメータが不明である。 In the psychiatric application of the above-mentioned biological light measurement technology, further improvement in determination accuracy is required. There are two main reasons why a certain error is included in the determination result. One is the case where there is room for improvement in the automatic discrimination index adopted, and the other is the measurement accuracy of the brain activity signal. In the test, a psychological experiment task called “word fluency task” is generally used. However, since the internal process of executing the psychological experiment task is difficult to control from the outside, the measurement results vary. That is, it becomes an error factor of the inspection result. These two issues need to be considered separately, but it is impossible to distinguish between the two when measured biological light measurement signals are used. On the other hand, in learning to acquire a discrimination technique, it is important to use a biological optical measurement signal that does not include ambiguity as described above. However, avoid ambiguity in the measured signal. Not. Even if the signals are artificially synthesized, the parameters necessary to synthesize the waveforms of depression and schizophrenia are unknown.
本発明の目的は,上記の課題を解決し,生体光計測信号の高精度な判別が可能な生体光計測装置,信号処理装置,及びその方法を提供することにある。 An object of the present invention is to solve the above-described problems and provide a biological light measurement device, a signal processing device, and a method thereof that can determine a biological light measurement signal with high accuracy.
上記の目的を達成するため,本発明においては,生体光計測信号の計測を行う計測部と,生体光計測信号の二つ以上の基本波形と,基本波形に基づき生体光計測信号をモデル化した際の基本波形毎の重み係数と,生体光計測信号の波形判読結果を蓄積するデータベースと,データベースを用いて作成される,生体光計測信号の分類のための判別基準に基づき,計測部で計測される生体光計測信号の判別を行う処理部を備える構成の生体光計測装置を提供する。 In order to achieve the above object, in the present invention, a biological light measurement signal is modeled based on a measurement unit that measures a biological light measurement signal, two or more basic waveforms of the biological light measurement signal, and the basic waveform. Measured by the measurement unit based on the weighting factor for each basic waveform, the database that accumulates the results of waveform interpretation of the biological light measurement signal, and the criteria for classification of the biological light measurement signal that are created using the database Provided is a biological light measurement device having a processing unit for determining a biological light measurement signal to be performed.
また,上記の目的を達成するため,本発明においては,処理部を備え,処理部は,生体光計測信号の2つ以上の基本波形に基づき,生体光計測信号を複数の基本波形毎の重み係数を使ってモデル化し,モデル化によって得られる信号の波形判読結果をデータベースに蓄積する構成の信号処理装置を提供する。
処理部と記憶部とを備え,処理部は,生体光計測信号の2つ以上の基本波形に基づき,生体光計測信号を複数の基本波形毎の重み係数を使ってモデル化し,記憶部は,基本波形と重み係数と,モデル化によって得られる信号の波形判読結果をデータベースとして蓄積する構成の信号処理装置を提供する。
In order to achieve the above object, the present invention includes a processing unit, and the processing unit weights the biological light measurement signal for each of the plurality of basic waveforms based on two or more basic waveforms of the biological light measurement signal. Provided is a signal processing apparatus configured to model using coefficients, and to store waveform interpretation results of signals obtained by the modeling in a database.
A processing unit and a storage unit, wherein the processing unit models the biological light measurement signal using a weighting factor for each of the plurality of basic waveforms based on two or more basic waveforms of the biological light measurement signal; Provided is a signal processing device configured to store a basic waveform, a weighting factor, and a waveform interpretation result of a signal obtained by modeling as a database.
更に,上記の目的を達成するため,本発明においては,信号処理装置における信号処理方法であって,信号処理装置は,生体光計測信号の2つ以上の基本波形に基づき,生体光計測信号を複数の基本波形毎の重み係数を使ってモデル化し,基本波形と重み係数と,モデル化によって得られる信号の波形判読結果をデータベースとして蓄積する信号処理方法を提供する。 Furthermore, in order to achieve the above object, according to the present invention, there is provided a signal processing method in a signal processing device, wherein the signal processing device outputs a biological light measurement signal based on two or more basic waveforms of the biological light measurement signal. Provided is a signal processing method for modeling using a weighting factor for each of a plurality of basic waveforms and storing the basic waveform, the weighting factor, and the waveform interpretation result of the signal obtained by the modeling as a database.
本発明によれは,脳活動の曖昧さを含まない信号波形を提供することにより,熟達者の判別基準を抽出可能となり,高精度な生体光計測信号の分類判断を実現できる。 According to the present invention, by providing a signal waveform that does not include the ambiguity of brain activity, it becomes possible to extract the criteria for discriminating the expert, and to realize highly accurate classification judgment of the biological light measurement signal.
以下,本発明の実施形態を図面に従い説明する。本明細書において,実測した生体光計測信号から抽出した,少なくとも2つ以上の基本波形でモデル化し,合成波形である疑似信号を生成する際の合成パラメータを「重み係数」,或いは「重み付け」と称する。また、独立成分解析、主成分解析等で抽出した信号成分を、「基本波形」と称する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings. In this specification, a synthetic parameter when generating a pseudo signal that is a synthetic waveform by modeling with at least two or more basic waveforms extracted from the measured biological light measurement signal is referred to as “weighting coefficient” or “weighting”. Called. A signal component extracted by independent component analysis, principal component analysis, or the like is referred to as a “basic waveform”.
以下順次説明する本発明の種々の実施例にあっては,生体光計測信号から抽出した代表的ないくつかの信号成分である基本波形を,任意の重み付けで合成した信号波形を提示する機能を提供する。また,熟達者による合成波形の判読結果を,合成波形の合成パラメータである重み係数と関連付けてデータベースとして蓄積する機能を提供することにより,あいまいさを含まない信号群に対する判別基準を作成可能とする。更に,このようにして作成した判別基準に基づき,判別手法を自動的に生成し,任意の生体光計測信号に対する判別する機能を提供する。また更に,判読法を学習しようとする者が,蓄積された熟達者が判読した合成波形を判読結果に基づき学習するための機能を提供する。 In various embodiments of the present invention, which will be described in order below, a function of presenting a signal waveform obtained by combining basic waveforms, which are representative signal components extracted from a biological light measurement signal, with arbitrary weighting. provide. In addition, by providing a function that accumulates the results of interpretation of synthesized waveforms by experts as a database in association with the weighting coefficient that is the synthesized parameter of the synthesized waveform, it is possible to create discrimination criteria for signal groups that do not include ambiguity . Furthermore, based on the discrimination criterion created in this way, a discrimination method is automatically generated, and a function for discriminating an arbitrary biological light measurement signal is provided. Furthermore, a function is provided for a person who wants to learn a reading method to learn a synthesized waveform read by the accumulated expert based on the reading result.
複数人,例えば50例程度の被験者から計測した生体光計測信号に対し,独立成分解析、主成分解析などの信号成分抽出処理を行い,いくつかの信号成分,例えば3成分程度,を基本波形として抽出する。このようにして抽出した信号成分である基本波形を用いることにより,各被験者の信号をある程度,復元することができる。すなわち,信号成分の抽出は複数被験者の信号の縮約を意味する。例えば,このような信号成分としては,本発明者等による非特許文献2に記載された,脳活動成分と全身性成分の2成分を抽出し,抽出した複数の信号成分を記録する。
Signal component extraction processing such as independent component analysis and principal component analysis is performed on biological optical measurement signals measured from a plurality of persons, for example, about 50 subjects, and several signal components, for example, about three components, are used as basic waveforms. Extract. By using the basic waveform which is the signal component extracted in this way, the signal of each subject can be restored to some extent. That is, the extraction of signal components means the reduction of the signals of multiple subjects. For example, as such a signal component, two components of a brain activity component and a systemic component described in
次に,複数の信号成分のそれぞれについて,任意に重み付けし,足し合わせた合成信号を疑似信号として生成する。このとき,合成パラメータである重み付けは実測された生体光計測信号の振幅に類似するように定めるのがよい。このようにして生成した合成信号に対し,熟達者が判読し,ラベリングした波形判読結果を,合成信号と共に記録する。これを異なる合成信号に対し複数回,例えば100回以上,行い結果をデータベースとして蓄積する。すなわち,蓄積される情報は,各信号成分に対する重み付けの数値と,判読された結果を示すラベルのデータセットとなる。このデータベースに基づき,例えばサポートベクターマシンなどのデータ識別手法を適用することにより,熟達者の判別基準を客観的な判別手法として定義することができる。この判別手法を任意の実測された生体光計測信号に適用することにより,信号を判別することが可能となる。 Next, each of the plurality of signal components is arbitrarily weighted, and a combined signal is generated as a pseudo signal. At this time, the weighting as the synthesis parameter is preferably determined to be similar to the actually measured amplitude of the biological light measurement signal. The expert interprets the synthesized signal generated in this way and records the labeled waveform interpretation result together with the synthesized signal. This is performed a plurality of times for different synthesized signals, for example, 100 times or more, and the result is accumulated as a database. That is, the accumulated information is a data set of weights for each signal component and a label indicating the interpretation result. Based on this database, for example, by applying a data identification method such as a support vector machine, it is possible to define an expert discrimination standard as an objective discrimination method. By applying this discrimination method to any actually measured biological light measurement signal, the signal can be discriminated.
また,上記データベースは,判別手法の学習者にも有用である。例えば,データベースから1つのデータセットをコンピュータが選択し,データセットの重み付けに基づき波形を合成し,学習者に提示する。学習者は提示された波形に対しラベリングする。その結果が熟達者のものと同じであれば正解とするシステムを提供することにより学習者の効率的な波形判読を補助可能となる。 The database is also useful for learners of discrimination methods. For example, a computer selects one data set from the database, synthesizes a waveform based on the weight of the data set, and presents it to the learner. The learner labels the presented waveform. If the result is the same as that of an expert, it is possible to assist the learner in reading the waveform efficiently by providing a system that makes the correct answer.
実施例1は,生体光計測装置や生体光計測波形分類のための信号処理装置,並びにそれらの装置における生体光計測波形分類方法に関する実施例である。すなわち,処理部と記憶部とを備え,処理部は,生体光計測信号の2つ以上の基本波形に基づき,生体光計測信号を複数の基本波形毎の重み係数を使ってモデル化し,記憶部は,基本波形と重み係数と,モデル化によって得られる信号の波形判読結果をデータベースとして蓄積する構成の信号処理装置や方法,生体光計測装置の実施例である。
まず,図1Aを用いて,本実施例の生体光計測波形を取得して解析・分類する生体光計測装置の一構成例を示す。光を生体に入射し,生体内を散乱・吸収され伝播して出てきた光を検出できる生体光計測装置である生体光計測装置において,装置本体20に含まれる1つまたは複数の光源101から照射される光30を,導波路40を介して,被検者10に入射させる。光30は,照射点12から被検者10内に入射し,被検者10内を透過,伝播した後は,照射点12とは離れた位置にある検出点13から導波路40を介して,1つまたは複数の光検出器102で検出される。照射−検出器間距離(SD距離)は,照射点12と検出点13間の距離で定義される。
First, FIG. 1A is used to show a configuration example of a biological light measurement device that acquires, analyzes, and classifies a biological light measurement waveform of the present embodiment. In a biological light measurement device that is a biological light measurement device capable of detecting light that has entered a living body and can detect light that has been scattered, absorbed, and propagated in the living body, from one or more
ここで,1つまたは複数の光源101は半導体レーザ(LD)や発光ダイオード(LED)等であり,1つまたは複数の光検出器はアバランシェフォトダイオード(APD)やフォトダイオード(PD),光電子増倍管(PMT)等であれば良い。また,導波路40は光ファイバ,ガラス,ライトガイド等であれば良い。
Here, the one or more
光源101は,光源駆動装置103により駆動され,1つまたは複数の光検出器102のゲインは制御・解析部106により制御される。制御・解析部106は,光源駆動装置103の制御も行い,入力部107からの条件等の入力を受ける。光検出器102で光電変換した電気信号は,増幅器104で増幅され,アナログ−デジタル変換器105でアナログ−デジタル変換され,制御・解析部106へ送られ,処理される。なお,図1の生体光計測装置の構成において,図1の制御・解析部106の右側に図示されたブロック構成を纏めて,生体光計測信号を計測する計測部と総称することがある。
The
制御・解析部106は処理部であり,計測部の光検出器102で検出された信号に基づき解析・分類などの処理を実行する。具体的には,アナログ−デジタル変換器105で変換して得られたデジタル信号を受け当該デジタル信号をもとに,例えば,検出光量変化もしくは吸光度変化から,酸素化,脱酸素化ヘモグロビン濃度長変化(oxy-Hb,deoxy-Hb)を算出する。ここで,濃度長変化とは濃度と光路長の積の変化量である。このデジタル信号は,後で説明するデータ解析・分類用のデータベース中にも蓄積される。
The control /
ここでは,制御・解析部106は光源101の駆動,光検出器102のゲイン制御,アナログ−デジタル変換器105からの信号処理を全て行う処理部であることを想定して記述したが,それぞれ別個の制御部を有し,さらにそれらを統合する手段を有することでも同機能を実現できる。
Here, the control /
また,計測データおよびヘモグロビン濃度長変化算出結果は,記憶部108に保存され,解析結果および/または保存データに基づいて表示部109で計測結果を表示することが可能である。
The measurement data and the hemoglobin concentration length change calculation result are stored in the storage unit 108, and the measurement result can be displayed on the
送光器50,受光器60は,図1Aに記載していないが,送光器50は,例えば光源101側の導波路40を含み,被検者10に接触あるいは接触に近い状態で設置され,受光器60は,例えば光検出器102側の導波路40を含み,被検者10に接触あるいは接触に近い状態で設置される。このとき,被検者10上においては,各受光器が受光する光が,灰白質,頭皮をともに伝播するよう,各々の送光器50,受光器60が配置される。これは,以下で述べる分類方法において,各受光信号に含まれる脳由来信号がSD距離に応じて近似的に,線形的に増加することを仮定するため,そのときに傾きを計算するときに,脳由来信号が含まれることが必要となるためである。SD距離が非常に短く,灰白質の平均光路長が小さい場合には,脳活動成分のSDに対する傾きを精度良く求めることができなくなる。
Although the light transmitter 50 and the light receiver 60 are not shown in FIG. 1A, the light transmitter 50 includes, for example, the
次に,計測データおよびヘモグロビン濃度長変化算出結果を用いた脳活動成分,全身性成分の分離および抽出方法について説明する。本手法は,独立成分分析(ICA: Independent Component Analysis)を用いて,計測で得られる近赤外分光法(NIRS: Near Infrared Spectroscopy)信号から複数の独立成分を抽出し,それらを脳活動成分もしくは全身性成分へ分類する方法である。独立成分分析は,信号分離手法の一つであり,先験情報無しに,線形混合された信号を分離することができる解析手法である。信号源が複数あり,多点計測されたデータの解析に有効とされる。この脳活動成分と全身性成分については,上述した本発明者等による非特許文献2を参照することができる。
Next, a method for separating and extracting brain activity components and systemic components using measurement data and hemoglobin concentration length change calculation results will be described. This method uses independent component analysis (ICA) to extract multiple independent components from near-infrared spectroscopy (NIRS) signals obtained by measurement and extract them as brain activity components or It is a method of classifying into systemic components. Independent component analysis is one of the signal separation methods, and is an analysis method that can separate linearly mixed signals without prior information. There are multiple signal sources, and it is effective for analyzing data measured at multiple points. Regarding the brain activity component and the systemic component,
続いて,図1Bに実施例1の生体光計測波形分類を行う信号処理装置の一構成例を示す。同図の装置にあっては,図1Aの構成と異なり,生体光計測を行う計測部は設置されておらず,通常のパーソナルコンピュータ(PC)等で構成可能である。計測された生体光計測信号は,データベース111中に蓄積されている。このデータベース111は,図1Aの記憶部108に対応し,表示画面112,中央処理部(CPU)113,入力装置114はそれぞれ,表示部109,制御・解析部106,入力部107に対応する。データベース111は,PCの記憶部や,外付けの外部記憶装置,或いは図示を省略したPCのネットワークインタフェース部を介して,ネットワーク接続されたデータセンター等に蓄積される。
Next, FIG. 1B shows a configuration example of a signal processing apparatus that performs biological light measurement waveform classification according to the first embodiment. Unlike the configuration of FIG. 1A, the apparatus shown in FIG. 1 does not include a measurement unit that performs biological light measurement, and can be configured by a normal personal computer (PC) or the like. The measured biological light measurement signal is stored in the
図2を用いて,図1のデータベース111の内容について説明する。上述した通り,データベースには生体光計測信号解析を表現するために基本となるいくつかの信号成分が含まれる。ここでは4つの信号成分201,202,203,204として説明する。信号成分201は,脳活動成分に相当している。同図の左欄の信号成分201〜204各々において,横軸は時間,縦軸は振幅を意味し,図中の灰色の四角205は,実験課題を提示した期間を示している。この課題期間205は,実測信号を判別する際に,実測信号の課題期間とデータベースで設定した課題期間とを一致させる際に必要となる。
The contents of the
同図の右欄のデータベース111の内容である表形式データ206は,データ番号,各信号成分の重み付け値と,その重み付けに従い合成した合成波形に対する判別ラベルなどが1つの組として保存されている。この判別ラベルは,熟練者等による波形判読結果を示している。例ではラベルはNまたはPとし,66例のデータがデータベース111に保存されていることを示している。
The
図3に本実施例の装置における,生体光計測信号のデータ解析・分類の流れを説明するフロー図を示す。なお,図1A,図1Bの装置にあって,この解析・分類の流れは,操作者の操作の下,制御・解析部106やCPU113などの処理部のプログラム実行等により実現される。
FIG. 3 is a flowchart for explaining the flow of data analysis / classification of biological light measurement signals in the apparatus of this embodiment. In the apparatus of FIGS. 1A and 1B, this analysis / classification flow is realized by executing a program of a processing unit such as the control /
まず,解析対象とするデータベースを選択する(301)。これは,年齢層や性別,あるいは計測場所などの条件に応じて柔軟に判別手法を決定可能とするためである。次に,判別基準の作成方法を選択する(302)。選択されたデータベースに基づき,ラベルを判別する手法は幾つか提案されており,目的に応じ適したものを用いるのがよい。例えば,良く知られた決定木やサポートベクターマシン(SVM)などを用いることができる。そして判別基準作成(303)において,選択された判別基準の作成手法により判別基準が生成される。 First, a database to be analyzed is selected (301). This is because the determination method can be determined flexibly according to conditions such as age group, sex, or measurement location. Next, a method for creating a discrimination criterion is selected (302). Several methods for discriminating labels based on the selected database have been proposed, and it is preferable to use a method suitable for the purpose. For example, a well-known decision tree or support vector machine (SVM) can be used. In discrimination criterion creation (303), a discrimination criterion is generated by the selected discrimination criterion creation method.
ここでは,図4に示すような決定木の手法によって生成した判別アルゴリズムを例として説明する。図3の実測波形のモデル化(304)では,実測された生体光計測信号のモデル化,すなわち疑似信号の生成が行われる。図2では図示を省略したが,データベース111や記憶部108には,実測波形のデータも蓄積されている。実測波形のモデル化(304)では実測・蓄積された信号について,同じくデータベースに記録されている基本波形である図2の波形A201,B202,C203,D204を用い,回帰分析によりモデル化される。すなわち,実測・蓄積された生体光計測信号を,基本波形A,B,C,Dに適切な重み付け,重み係数をかけ合わせた信号群の総和とした疑似信号で表現する。
Here, a discrimination algorithm generated by the decision tree technique as shown in FIG. 4 will be described as an example. In modeling of the actually measured waveform (304) in FIG. 3, modeling of the actually measured biological light measurement signal, that is, generation of a pseudo signal is performed. Although not shown in FIG. 2, measured waveform data is also stored in the
図5に実測波形のモデル化(304)の具体例を模式的に示す。実測信号501は4つの基本波形A〜Dでモデル化され,4つの基本波形A〜Dはそれぞれ実測波形501に最もあてはまる重み係数を判別(305)することにより,振幅が調整され,調整された基本波形A511〜D514となる。最後に,実測波形の重み係数を判別(305)して導出した各波形成分の重み付け515から,図4の決定木に示す判別基準に基づき,実測波形501の生体光計測信号に対し波形判読結果(ラベル)を与え,ラベル出力(306)が行われる。
FIG. 5 schematically shows a specific example of modeling the measured waveform (304). The
すなわち,図4に示す,基本波形Cの重み付けが0.02以上かの判別(401)を最初として,各基本波形A〜Dの重み付けが所定値以上か否かの判別(402〜406)が実行され,波形判読結果である判別ラベルがPあるいはNとされる。図5の実測波形501の例では,基本波形Cの重み付けが0.02以上であるので,判別(401)においてラベルはPとなる。判別ラベル出力(504)では,例えば図1Bの画面112にラベル名として「P」を表示する。
That is, the determination (402 to 406) as to whether or not the weighting of each of the basic waveforms A to D is greater than or equal to the predetermined value is executed, starting with the determination (401) that the weighting of the basic waveform C is 0.02 or more shown in FIG. , The discrimination label that is the result of waveform interpretation is P or N. In the example of the actually measured
以上説明した本実施例の生体光計測装置や生体光計測波形分類装置において,二つ以上の基本波形と,重み付け(係数)と,波形判読結果であるラベルからなるデータベースを順次蓄積することができる。このデータベースは,以下の実施例2−4で説明する生体光計測装置や波形自動分類装置における自動分類方法,分類学習法等において有効に活用することができる。 In the biological light measurement device and biological light measurement waveform classification device of the present embodiment described above, a database composed of two or more basic waveforms, weights (coefficients), and labels that are waveform interpretation results can be sequentially stored. . This database can be effectively used in an automatic classification method, a classification learning method, and the like in a biological light measurement device and a waveform automatic classification device described in the following Example 2-4.
実施例2は,既に作成された多数の生体光計測信号波形のデータベースから実測波形の判別基準を生成し,生体光計測装置の計測部が計測した生体光計測信号を自動判別するための生体光計測装置,信号処理装置等の実施例である。すなわち,生体光計測信号の計測を行う計測部と,生体光計測信号の2つ以上の基本波形と,基本波形に基づき生体光計測信号をモデル化した際の基本波形毎の重み係数と,生体光計測信号の波形判読結果を蓄積するデータベースと,データベースを用いて作成される,生体光計測信号の分類のための判別基準に基づき,計測部で計測される生体光計測信号の判別を行う処理部を,備える構成の生体光計測装置等の実施例である。本実施例で利用する装置構成は,図1A,図1Bに示した生体光計測装置や信号処理装置の構成と同様の装置構成を備える。 In the second embodiment, a biometric light for automatically discriminating a biological light measurement signal measured by a measurement unit of a biological light measurement device is generated from a database of a large number of biological light measurement signal waveforms already created. It is an Example of a measuring device, a signal processing device, etc. That is, a measurement unit that measures a biological light measurement signal, two or more basic waveforms of the biological light measurement signal, a weighting factor for each basic waveform when the biological light measurement signal is modeled based on the basic waveform, A process for discriminating biological optical measurement signals measured by the measurement unit based on a database for accumulating the results of waveform interpretation of optical measurement signals and a discrimination criterion for classification of biological optical measurement signals created using the database It is an Example of the biological light measuring device etc. of the structure provided with a part. The apparatus configuration used in the present embodiment has the same apparatus configuration as that of the biological light measurement apparatus and signal processing apparatus shown in FIGS. 1A and 1B.
まず,図6を用いて,本実施例において利用する記憶部に蓄積されたデータベースの一例について説明する。本実施例では基本となる信号成分として,図2に示したA〜Dの4種類から,AとBの2種類を用いる場合を例示する。この2種類の波形は,本発明者等による,非特許文献2において,生体光計測信号の主要な2成分として抽出された信号成分と同様の形状である。ただし,課題期間等,時間方向の情報は異なる。図6の成分A601が脳活動成分,信号成分B602が全身性成分である。生体光計測信号には計測対象領域における血行動態の変化についての情報が含まれているが,計測領域が大脳皮質である場合,血行動態変化は脳活動による血行動態変化と全身性の血行動態変化が少なくとも含まれている。さらに,生体光計測では頭皮上から計測するため,大脳皮質以外の信号成分も含まれている。非特許文献2では成分A601で示される脳活動成分と,成分B602で示される全身性成分が主要な信号成分であるとされているため,この2種類が基本となる信号成分として好適である。
First, an example of a database accumulated in a storage unit used in this embodiment will be described with reference to FIG. In this embodiment, a case where two types A and B are used as the basic signal components from the four types A to D shown in FIG. These two types of waveforms have the same shape as the signal components extracted as two main components of the biological light measurement signal in
図6の右欄のデータベースを示す表形式データ604は,図2で説明した表形式データ206同様,成分A601と成分B602により生体光計測信号をモデル化,すなわち疑似信号とした結果である重み付けと,波形判読結果であるラベルを表にしたものである。ただし,モデル化に於いては,前処理として,例えばバンドパスフィルタなどにより,雑音成分を除いておくことが望ましい。表形式データ604では100例のデータベースとなっている。
The
本実施例の装置においては,このデータベースを用いて波形の判別基準を作成する。図7に図6のデータベース中のデータである重み付けとラベルを2次元のプロット,すなわち2次元の散布図で図示した例を示す。同図の左右の散布図それぞれにおいて,横軸は波形成分Aの重み付け,縦軸は波形成分Bの重み付けである。ラベルNは□記号,ラベルPは○記号で示した。データベースに基づき,ラベルを判別する手法は,実施例1で説明した通りSVM,決定木などが知られており,目的に応じ適したものを用いるのがよい。 In the apparatus of this embodiment, a waveform discrimination reference is created using this database. FIG. 7 shows an example in which the weights and labels, which are data in the database of FIG. 6, are illustrated in a two-dimensional plot, that is, a two-dimensional scatter diagram. In each of the left and right scatter plots in the figure, the horizontal axis represents the weighting of the waveform component A, and the vertical axis represents the weighting of the waveform component B. Label N is indicated by □ and label P is indicated by ○. As a method for discriminating a label based on the database, SVM, decision tree, etc. are known as described in the first embodiment, and it is preferable to use a method suitable for the purpose.
そして,2次元の散布図を利用者に表示し,利用者が手動で境界線を決定する例を示す。すなわち,利用者が散布図から目視により最適と考えられる3つの境界線701〜703を波形の判別基準として設定し,判別領域を決定した。同図に見るように,これらの境界線701〜703により2つのラベルN,Pは高い精度で判別可能であることがわかる。この波形の判別基準,判別領域の設定は,処理部である制御・解析部106或いはCPU113が,データベース中のデータである重み付けとラベルのデータを利用して自動設定できることは言うまでもない。
An example in which a two-dimensional scatter diagram is displayed to the user and the user manually determines the boundary line is shown. That is, the user sets three
すなわち,本実施例にあっては,表示部は,基本波形毎の重み係数と,波形判読結果を散布図としてその表示画面に表示し,使用者は,表示画面に表示された散布図に基づき,入力部を用いて,判別基準を入力可能である構成,或いは処理部が,判別基準を,データベースを用いて自動作成することができる。 That is, in this embodiment, the display unit displays the weighting factor for each basic waveform and the waveform interpretation result as a scatter diagram on the display screen, and the user is based on the scatter diagram displayed on the display screen. The configuration in which the discrimination criteria can be input using the input unit, or the processing unit can automatically create the discrimination criteria using the database.
次に本実施例における装置による,新たに計測された生体光計測信号を,作成した波形の判別基準,判別領域で判別する処理を説明する。まず,処理部である制御・解析部106或いはCPU113により,データベースに記録されている基本波形A601,B602を用い,回帰分析により実測信号をモデル化,すなわち疑似信号とする。
Next, a process for discriminating a newly measured biological light measurement signal by the apparatus according to the present embodiment using the created waveform discrimination reference and discrimination area will be described. First, the control /
図8にモデル化の一例を示す。実測信号801は2つの基本波形でモデル化され,2つの基本波形はそれぞれ実測波形に最もあてはまる重み付けにより振幅が調整されている(811,812)。最後に,モデル化により導出した各波形成分の重み付けから,上述の通り設定した波形の判別基準に基づき,実測信号801に対し波形判読結果としてのラベルを与える。図8の例では,波形A,Bの重み付け813がそれぞれ0.69,0.87であるので,図7の散布図の波形の判別基準の境界線から明らかなように,境界線703よりも上の判別領域に位置するので,波形の判別基準によるラベルはNとなる。判別ラベル出力では,例えば図1Bの表示画面113にラベル名として「N」を表示する。
FIG. 8 shows an example of modeling. The
このように,本実施例によれば,装置内に,予め基本となる基本波形A,Bと,それらを用いたラベル化の際の重み付けと,波形判読結果であるラベルからなるデータベースを蓄積しておき,このデータベースを利用して波形の判別基準,判別領域を生成することにより,被験者から新たに実測した生体光計測信号のデータを高い精度で判別することが可能な生体光計測装置を提供することができる。また,計測部が付設されていない信号処理装置においても,生体光計測で実測した生体光計測信号のデータを受け取り,高い精度で判別可能な自動判別方法を提供することができる。 As described above, according to the present embodiment, a database consisting of basic waveforms A and B that are basic, weights for labeling using them, and labels that are the results of waveform interpretation are accumulated in the apparatus. In addition, a biometric optical measurement device capable of discriminating data of a biological optical measurement signal newly measured from a subject with high accuracy by generating a discrimination criterion and a discriminating region of a waveform using this database. can do. In addition, even in a signal processing device not provided with a measuring unit, an automatic discrimination method that can receive data of a biological light measurement signal measured by biological light measurement and can discriminate with high accuracy can be provided.
実施例3は,実施例1,2で説明したデータベースの生成,判別基準の作成と,生成されたデータベースを用い学習者が,作成された判別基準を学習するための学習方法等に関する実施例である。すなわち,入力部を更に備え,処理部は,データベースに蓄積された,任意の基本波形と重み係数を選択して波形合成を行い,得られた合成波形を表示部に表示し,学習者により,入力部から入力される合成波形に対する判断結果を,データベースに記憶された波形判読結果と比較する構成の生体光計測装置等の実施例である。本実施例においても,実施例1の図1A,図1Bで説明した装置構成を用いることができる。 The third embodiment is an embodiment relating to the generation of the database and the creation of the discrimination criterion described in the first and second embodiments, and the learning method for the learner to learn the created discrimination criterion using the generated database. is there. That is, it further includes an input unit, and the processing unit selects an arbitrary basic waveform and weighting factor stored in the database, performs waveform synthesis, displays the obtained synthesized waveform on the display unit, and the learner It is an Example of the biological light measuring device etc. of the structure which compares the judgment result with respect to the synthetic | combination waveform input from an input part with the waveform interpretation result memorize | stored in the database. Also in the present embodiment, the apparatus configuration described in FIG. 1A and FIG. 1B of the first embodiment can be used.
図9A,図9Bに実施例3の処理フローを示す。図9Aはデータベースを作成する場合の処理フローであり,図9Bは作成したデータベースを用いて学習者が学習する場合の処理フローである。基本的には,これらの処理フローは,図1A,図1Bの制御・解析部106,CPU113等で実行されるプログラム処理で実現される。図9A,図9Bから明らかなように,両フローで「波形合成」,「波形表示」,「判別結果の入力」処理が共通している。
9A and 9B show a processing flow of the third embodiment. FIG. 9A is a processing flow when a database is created, and FIG. 9B is a processing flow when a learner learns using the created database. Basically, these processing flows are realized by program processing executed by the control /
まず,図9Aのデータベース生成フローの基本波形選択900において,波形合成に用いる基本波形を選択する。例えば,図2に示した基本波形201〜204や,図6に示した基本波形601,602などを選択する。次に,波形合成901では,選択された基本波形のそれぞれについて任意の重み係数をランダムに選択して,疑似信号である合成信号を生成する。この時,合成信号が極端に大きくなったり小さくなったりするのを防ぐために,重み係数の値の範囲を適切に設定することが望ましい。実際の信号振幅から値の範囲を設定してもよい。波形表示902では,疑似信号である合成波形を判別する判別者に対して提示するため,図1A,図1Bの表示部109や画面112上に波形を表示する。
First, in the
図10に画面上の表示の例を示す。画面左側1001にはベースライン処理により波形全体の傾きを除去した波形を表示し,画面右側1002には波形全体の傾きを除去する前の波形を表示している。この波形全体の傾き成分は生体光計測信号中の低周波雑音に対応する成分である。
FIG. 10 shows an example of display on the screen. The left side of the
図11は画面上に表示される波形判読ウィンドウの一例を示す。波形判読ウィンドウ1101には幾つかのボタン1102〜1106が配置されている。この例では波形を2つのラベルP,Nに判別する場合を示しており,ラベルボタンはラベルP1102とラベルN1103の2つに加え,ラベルその他1105と不明ボタン1104も配置してある。また,合成波形の表示から,学習者等による判別ボタンの押下までの時間は,波形判読の難易度に関連すると考えられるため,処理部である制御・解析部106や,CPU113は,図示を省略したタイマー機能等を用いて計測した時間を同時に記録することが望ましい。そのため,波形判読を一時中断するPauseボタン1106を波形判読ウィンドウ1101上に配置してある。すなわち,本実施例の好適な態様にあっては,処理部は学習者が合成波形の分類判断に要した時間を前記データベースに記憶しておく。
FIG. 11 shows an example of a waveform interpretation window displayed on the screen.
判別結果の入力903は,例えばマウスなどの入力部107や入力装置114による操作で表示されたボタンを押す。そして,選択されたラベルの結果は,データベース登録904においてデータベースに登録される。この時,一連のデータとして登録されるのは,基本波形またはその名前,各基本波形の重み係数,波形判読結果のラベル名,更には後で説明する判別に要した時間などである。データベースへの登録後,波形合成(901)へもどり,新たな合成波形についての判別を繰り返し,データベースへ登録していくことにより,多数のサンプルのデータベースを作成することができる。
For the
次に,図9Bの処理フローにより,上述の通り作成されたデータベースを用い,学習者が判別基準を学習する場合を説明する。まず,図9Bのデータベース選択905によりデータベースを選択する。これは,学習したい対象が,例えば男性のみの場合や,例えば特定の年齢群である場合,または特定の判別者により作成されたデータベースのみを用いたい場合など,目的に応じ,適切なデータベースを選択する機能である。データベースの選択後,波形合成906において,データベースからランダムに選択されたデータセットから,波形を合成する。合成された波形は波形表示部907により,表示部109や画面112上に表示される。ここで,選択されるデータセットについて,データベースに判別に要した時間が記録されている場合には,判別に要した時間を「難易度」として解釈し,適切な難易度のデータセットを選択してもよい。
Next, the case where the learner learns the discrimination criterion using the database created as described above according to the processing flow of FIG. 9B will be described. First, a database is selected by the
得られた合成波形の表示例は図10の例と同様である。次に,学習者が画面112や入力部107や入力装置114を用いて,判別結果を入力する。ここでも,図11の波形判別ウィンドウの例と同様の表示画面となる。そして,学習者によって入力された判別結果は,データベースと比較(909)において,データベース中に蓄積された波形判読結果のラベル名と比較され,結果表示910において正解または不正解が画面112等に表示される。この際,判別に要した時間を,判別技術の習得度と解釈し,判別学習の評価に用いてもよい。
A display example of the obtained composite waveform is the same as the example of FIG. Next, the learner inputs the discrimination result using the
以上説明した本実施例により,生体光計測装置,信号処理装置等に有効なデータベースの生成が可能となり,また,生成されたデータベースを用い学習者が効率良く判別基準を学習することが可能となる。 According to the present embodiment described above, it is possible to generate a database effective for a biological light measurement device, a signal processing device, and the like, and a learner can efficiently learn a discrimination criterion using the generated database. .
実施例4は,生体光計測装置で得られる生体光計測信号について新たな知見を得た場合に,過去に作成して蓄積した多数のデータベースを活用する場合に有用なデータベースの再構成法に関する実施例である。すなわち,処理部は,データベースに蓄積された基本波形と重み係数を用いて波形合成を行い,得られた合成波形を基本波形と異なる複数の基本波形に基づきモデル化し,異なる複数の基本波形と,得られた新たな重み係数をデータベースに再蓄積し,再蓄積されたデータベースを用いて作成される,生体光計測信号の分類のための判別基準に基づき,計測部で計測される生体光計測信号の判別を行う構成の生体光計測装置等の実施例である。 Example 4 relates to a database reconstruction method that is useful when a large number of databases created and accumulated in the past are used when new knowledge is obtained about a biological light measurement signal obtained by a biological light measurement device. It is an example. That is, the processing unit performs waveform synthesis using the basic waveforms and weighting factors accumulated in the database, models the obtained synthesized waveform based on a plurality of basic waveforms different from the basic waveform, The new weighting factor obtained is re-accumulated in the database, and the biological light measurement signal measured by the measurement unit is created based on the discrimination criterion for classification of the biological light measurement signal, which is created using the re-accumulated database. This is an example of a biological light measurement device or the like configured to perform the determination.
ここで,実施例2で示した図6の2つの基本波形601,602を用いて作成したデータベースがすでに1000例蓄積されている場合を想定する。そして,例えばその後の生体光計測信号の研究から,信号の特徴をより詳細に抽出するためには,実施例1の図2で示した4つの基本波形201〜204を用いた方が効果的であることが後から分かったとした場合に,本実施例によれば,蓄積された大量のデータベースを再構築し,再利用することが可能となる。
Here, it is assumed that a database created using the two
まず,図12に示す,処理部である制御・解析部106或いはCPU113のプログラム処理等で実現可能な処理フローにおいて,データベース選択1201で蓄積された既存のデータベースを選択する。選択されたデータベースには,当該データベースを作成した際の2つの基本波形が蓄積されている。次に,基本波形選択1202でデータベース再構成のための新たな基本波形の追加や選択を行う。波形合成1203では,蓄積された既存のデータベースの2つの基本波形と重み付けに基づく合成波形として疑似信号を生成する。
First, an existing database stored in the
続いて,波形のモデル化1204では,波形合成1203で生成された合成波形の疑似信号を,基本波形選択1202において新たに追加や選択された4つの基本波形を用いて,合成波形をモデル化して,新たな疑似信号を生成する。この再度のモデル化の手法は実施例1,3と同様の回帰分析でよい。このようにして再モデル化されたデータがデータベース登録1205において,4つの基本波形に基づく新規のデータとして,4つの基本波形と共に新たなデータベースに登録される。
Subsequently, in the
本実施例によれば,既に多数の例が蓄積されたデータベースを有効利用して,生体光計測信号について得られた新たな知見を反映したデータベースを提供でき,新たに再蓄積されたデータベースを用いて,生体光計測信号をより正しく分類可能とすることができる。 According to the present embodiment, it is possible to provide a database reflecting new knowledge obtained from biological light measurement signals by effectively using a database in which a large number of examples have already been accumulated, and using a newly re-accumulated database. Thus, it is possible to classify biological light measurement signals more correctly.
なお,本発明は上記した実施例に限定されるものではなく,様々な変形例が含まれる。例えば,上記の実施例において,データベース中のデータである重み付けとラベルを2次元のプロット,すなわち2次元の散布図で図示した例を示したが,基本波形が3つ以上の場合,3次元のプロット,すなわち3次元の散布図を用いるなどの変形を行う。上記した実施例は本発明のより良い理解のために詳細に説明したのであり,必ずしも説明の全ての構成を備えるものに限定されものではない。また,ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり,また,ある実施例の構成に他の実施例の構成を加えることが可能である。また,各実施例の構成の一部について,他の構成の追加・削除・置換をすることが可能である。 In addition, this invention is not limited to an above-described Example, Various modifications are included. For example, in the above embodiment, the weighting and label, which are data in the database, are shown as a two-dimensional plot, that is, a two-dimensional scatter diagram. However, if there are three or more basic waveforms, Deformation such as plotting, that is, using a three-dimensional scatter diagram is performed. The above-described embodiments have been described in detail for better understanding of the present invention, and are not necessarily limited to those having all the configurations described above. Further, a part of the configuration of a certain embodiment can be replaced with the configuration of another embodiment, and the configuration of another embodiment can be added to the configuration of a certain embodiment. In addition, it is possible to add, delete, and replace other configurations for a part of the configuration of each embodiment.
更に,上述した各構成,機能,制御解析部,処理部等は,それらの一部又は全部を実現するプログラムを作成する例を説明したが,それらの一部又は全部を例えば集積回路で設計する等によりハードウェアで実現しても良いことは言うまでもない。 Further, the above-described configuration, function, control analysis unit, processing unit, and the like have been described as an example of creating a program that realizes a part or all of them. Needless to say, it may be realized by hardware.
10 被験者
101 光源
102 光検出器
103 光源駆動装置
104 増幅器
105 アナログ−デジタル変換器
106 制御・解析部
107 入力部
108 記憶部
109 表示部
111 データベース
112 画面
113 CPU
114 入力装置
201〜204 基本波形A,B,C,D
205 課題期間の模式的表示
206 データベースの表形式表示
501 実測波形の例
511〜514 調節された基本波形A,B,C,D
515 重み付け
601 基本波形A
602 基本波形B
603 課題期間の模式的表示
604 データベースの表形式表示
701 判別境界1
702 判別境界2
703 判別境界3
801 実測波形
811 調節された基本波形A
812 調節された基本波形B
813 重み付け
1001 前処理後の波形
1002 前処理前の波形
1101 波形判別ウィンドウ
1102 ラベルPのボタン
1103 ラベルNのボタン
1104 不明のボタン
1105 ラベルその他のボタン
1106 一時停止のボタン
DESCRIPTION OF
114 Input devices 201-204 Basic waveforms A, B, C, D
205 Schematic display of
515
602 Basic waveform B
603 Schematic display of
702
703 Discrimination boundary 3
801 Actual measured
812 Adjusted basic waveform B
813
Claims (20)
生体光計測信号の2つ以上の基本波形と,前記基本波形に基づき生体光計測信号をモデル化した際の基本波形毎の重み係数と,生体光計測信号の波形判読結果を蓄積するデータベースと,
前記データベースを用いて作成される,生体光計測信号の分類のための判別基準に基づき,前記計測部で計測される前記生体光計測信号の判別を行う処理部を,備える,
ことを特徴とする生体光計測装置。 A measurement unit for measuring biological light measurement signals;
A database for storing two or more basic waveforms of the biological light measurement signal, a weighting factor for each basic waveform when the biological light measurement signal is modeled based on the basic waveform, and a waveform interpretation result of the biological light measurement signal;
A processing unit for determining the biological light measurement signal measured by the measurement unit based on a determination criterion for classification of the biological light measurement signal created using the database,
A biological light measurement device characterized by that.
表示画面を表示する表示部と入力部を更に備え,
前記表示部は,前記基本波形毎の重み係数と,前記波形判読結果を散布図として前記表示画面に表示し,
使用者は,前記表示画面に表示された前記散布図に基づき,前記入力部を用いて,前記判別基準を入力可能である,
ことを特徴とする生体光計測装置。 The biological light measurement device according to claim 1,
A display unit for displaying a display screen and an input unit;
The display unit displays the weighting factor for each basic waveform and the waveform interpretation result as a scatter diagram on the display screen,
The user can input the discrimination criterion using the input unit based on the scatter diagram displayed on the display screen.
A biological light measurement device characterized by that.
前記処理部は,前記判別基準を,前記データベースを用いて作成する,
ことを特徴とする生体光計測装置。 The biological light measurement device according to claim 1,
The processing unit creates the discrimination criterion using the database.
A biological light measurement device characterized by that.
表示画面を表示する表示部と入力部を更に備え,
前記処理部は,前記データベースに蓄積された,任意の前記基本波形と前記重み係数を選択して波形合成を行い,得られた合成波形を前記表示部に表示し,
学習者により,前記入力部から入力される前記合成波形に対する判断結果を,前記データベースに記憶された前記波形判読結果と比較する,
ことを特徴とする生体光計測装置。 The biological light measurement device according to claim 1,
A display unit for displaying a display screen and an input unit;
The processing unit selects an arbitrary basic waveform and the weighting factor stored in the database, performs waveform synthesis, displays the obtained synthesized waveform on the display unit,
The learner compares the judgment result for the composite waveform input from the input unit with the waveform interpretation result stored in the database.
A biological light measurement device characterized by that.
前記処理部は,前記学習者が前記合成波形の分類判断に要した時間を前記データベースに記憶する,
ことを特徴とする生体光計測装置。 The biological light measurement device according to claim 4,
The processing unit stores the time required for the learner to determine the classification of the composite waveform in the database.
A biological light measurement device characterized by that.
前記処理部は,
前記データベースに蓄積された前記基本波形と前記重み係数を用いて波形合成を行い,得られた合成波形を前記基本波形と異なる複数の基本波形に基づきモデル化し,前記異なる複数の基本波形と,得られた新たな重み係数を前記データベースに再蓄積し,
再蓄積された前記データベースを用いて作成される,生体光計測信号の分類のための判別基準に基づき,前記計測部で計測される前記生体光計測信号の判別を行う,
ことを特徴とする生体光計測装置。 The biological light measurement device according to claim 1,
The processor is
Waveform synthesis is performed using the basic waveform stored in the database and the weighting factor, and the resultant synthesized waveform is modeled based on a plurality of basic waveforms different from the basic waveform, and the plurality of different basic waveforms and obtained Re-accumulating the new weighting factor obtained in the database,
Based on the discrimination criteria for classification of biological light measurement signals created using the re-accumulated database, the biological light measurement signals measured by the measurement unit are determined.
A biological light measurement device characterized by that.
前記処理部は,
生体光計測信号の2つ以上の基本波形に基づき,前記生体光計測信号を複数の基本波形毎の重み係数を使ってモデル化し,
モデル化によって得られる信号の波形判読結果をデータベースに蓄積する,
ことを特徴とする信号処理装置。 With a processing unit,
The processor is
Based on two or more basic waveforms of the biological light measurement signal, the biological light measurement signal is modeled using a weighting factor for each of the plurality of basic waveforms,
Accumulate waveform interpretation results of signals obtained by modeling in a database,
A signal processing apparatus.
前記処理部は,前記データベースを用いて生体光計測信号の分類のための判別基準を作成し,作成された前記判別基準に基づき,計測された生体光計測信号の判別を行う,
ことを特徴とする信号処理装置。 The signal processing device according to claim 7,
The processing unit creates a discrimination criterion for classifying the biological light measurement signal using the database, and discriminates the measured biological light measurement signal based on the created discrimination criterion.
A signal processing apparatus.
表示部を更に備え,
前記表示部は,前記基本波形毎の重み係数と,前記波形判読結果を散布図として表示可能である,
ことを特徴とする信号処理装置。 The signal processing device according to claim 7,
A display unit;
The display unit can display a weighting factor for each basic waveform and the waveform interpretation result as a scatter diagram,
A signal processing apparatus.
表示部と入力部とを更に備え,
前記表示部は,前記基本波形毎の重み係数と,前記波形判読結果を散布図として表示可能であり,
使用者は,前記表示部に表示された前記散布図に基づき,前記入力部を用いて,生体光計測信号の分類のための判別基準を入力可能である,
ことを特徴とする信号処理装置。 The signal processing device according to claim 7,
A display unit and an input unit;
The display unit can display a weighting factor for each basic waveform and the waveform interpretation result as a scatter diagram,
Based on the scatter diagram displayed on the display unit, the user can input a discrimination criterion for classification of biological light measurement signals using the input unit.
A signal processing apparatus.
表示部と入力部とを更に備え,
前記処理部は,前記データベースに蓄積された,任意の前記基本波形と前記重み係数を選択して波形合成を行い,得られた合成波形を前記表示部に表示し,
学習者により,前記入力部から入力される前記合成波形に対する判断結果を,前記データベースに記憶された前記波形判読結果と比較する,
ことを特徴とする信号処理装置。 The signal processing device according to claim 7,
A display unit and an input unit;
The processing unit selects an arbitrary basic waveform and the weighting factor stored in the database, performs waveform synthesis, displays the obtained synthesized waveform on the display unit,
The learner compares the judgment result for the composite waveform input from the input unit with the waveform interpretation result stored in the database.
A signal processing apparatus.
前記処理部は,
前記データベースに蓄積された前記基本波形と前記重み係数を用いて波形合成を行い,得られた合成波形を前記基本波形と異なる複数の基本波形に基づきモデル化し,前記異なる複数の基本波形と,得られた新たな重み係数を前記データベースに再蓄積し,
再蓄積された前記データベースを用いて作成される,生体光計測信号の分類のための判別基準に基づき,前記生体光計測信号の判別を行う,
ことを特徴とする信号処理装置。 The signal processing device according to claim 7,
The processor is
Waveform synthesis is performed using the basic waveform stored in the database and the weighting factor, and the resultant synthesized waveform is modeled based on a plurality of basic waveforms different from the basic waveform, and the plurality of different basic waveforms and obtained Re-accumulating the new weighting factor obtained in the database,
Discrimination of the biological optical measurement signal is performed based on a discrimination criterion for classification of the biological optical measurement signal created using the re-accumulated database.
A signal processing apparatus.
ことを特徴とする生体光計測装置。 The signal processing device according to claim 7 is provided.
A biological light measurement device characterized by that.
記憶部を更に備え,
前記記憶部は,
前記基本波形と前記重み係数と,前記波形判読結果を前記データベースとして記憶する,
ことを特徴とする信号処理装置。 The signal processing device according to claim 7,
A storage unit;
The storage unit
Storing the basic waveform, the weighting factor, and the waveform interpretation result as the database;
A signal processing apparatus.
前記処理部は,前記記憶部に記憶された前記データベースを用いて生体光計測信号の分類のための判別基準を作成し,作成された前記判別基準に基づき,計測された生体光計測信号の判別を行う,
ことを特徴とする信号処理装置。 15. A signal processing apparatus according to claim 14, wherein
The processing unit creates a discrimination criterion for classifying a biological light measurement signal using the database stored in the storage unit, and discriminates a measured biological light measurement signal based on the created discrimination criterion I do,
A signal processing apparatus.
前記処理部は,前記記憶部に記憶された前記データベースに蓄積された前記基本波形と前記重み係数を用いて波形合成を行い,得られた合成波形を前記基本波形と異なる複数の基本波形に基づきモデル化し,前記異なる複数の基本波形と,得られた新たな重み係数を前記データベースに再蓄積し,
再蓄積された前記データベースを用いて作成される,生体光計測信号の分類のための判別基準に基づき,前記生体光計測信号の判別を行う,
ことを特徴とする信号処理装置。 15. A signal processing apparatus according to claim 14, wherein
The processing unit performs waveform synthesis using the basic waveform stored in the database stored in the storage unit and the weighting factor, and the obtained synthesized waveform is based on a plurality of basic waveforms different from the basic waveform. Modeling, re-accumulating the different basic waveforms and the new weighting factor obtained in the database,
Discrimination of the biological optical measurement signal is performed based on a discrimination criterion for classification of the biological optical measurement signal created using the re-accumulated database.
A signal processing apparatus.
ことを特徴とする生体光計測装置。 The signal processing apparatus according to claim 14 is provided.
A biological light measurement device characterized by that.
前記信号処理装置は,
生体光計測信号の2つ以上の基本波形に基づき,前記生体光計測信号を複数の基本波形毎の重み係数を使ってモデル化し,
前記基本波形と前記重み係数と,モデル化によって得られる信号の波形判読結果をデータベースとして蓄積する,
ことを特徴とする信号処理方法。 A signal processing method in a signal processing device, comprising:
The signal processing device includes:
Based on two or more basic waveforms of the biological light measurement signal, the biological light measurement signal is modeled using a weighting factor for each of the plurality of basic waveforms,
Accumulating the basic waveform, the weighting factor, and the waveform interpretation result of the signal obtained by modeling as a database,
And a signal processing method.
前記信号処理装置は,
前記データベースを用いて,生体光計測信号の分類のための判別基準を作成し,作成した前記判別基準に基づき,計測された生体光計測信号の判別を行う,
ことを特徴とする信号処理方法。 The signal processing method according to claim 18, comprising:
The signal processing device includes:
Using the database, create a discrimination criterion for classifying the biological light measurement signal, and based on the created discrimination criterion, determine the measured biological light measurement signal,
And a signal processing method.
前記処理部は,前記データベースに蓄積された,任意の前記基本波形と前記重み係数を選択して波形合成を行い,得られた合成波形を表示部に表示し,
学習者により,入力部から入力される前記合成波形に対する判断結果を,前記データベースに記憶された前記波形判読結果と比較する,
ことを特徴とする信号処理方法。 The signal processing method according to claim 18, comprising:
The processing unit performs waveform synthesis by selecting an arbitrary basic waveform and the weighting factor stored in the database, and displays the obtained synthesized waveform on a display unit,
The learner compares the judgment result for the composite waveform input from the input unit with the waveform interpretation result stored in the database.
And a signal processing method.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015002557A JP2016123823A (en) | 2015-01-08 | 2015-01-08 | Mental disease classification method, discrimination method, and discrimination criteria creation and learning system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015002557A JP2016123823A (en) | 2015-01-08 | 2015-01-08 | Mental disease classification method, discrimination method, and discrimination criteria creation and learning system |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2016123823A true JP2016123823A (en) | 2016-07-11 |
Family
ID=56358509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015002557A Pending JP2016123823A (en) | 2015-01-08 | 2015-01-08 | Mental disease classification method, discrimination method, and discrimination criteria creation and learning system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2016123823A (en) |
-
2015
- 2015-01-08 JP JP2015002557A patent/JP2016123823A/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pinti et al. | The present and future use of functional near‐infrared spectroscopy (fNIRS) for cognitive neuroscience | |
Pinti et al. | A review on the use of wearable functional near‐infrared spectroscopy in naturalistic environments | |
JP5982483B2 (en) | Biological condition evaluation apparatus and program therefor | |
CN1850003B (en) | Living body light measuring device | |
Lai et al. | Quantitative kinematic characterization of reaching impairments in mice after a stroke | |
JP5668138B2 (en) | Biological light measurement device | |
JP5898970B2 (en) | Mood evaluation system | |
WO2005120349A1 (en) | Biophotometer, biophotometry, and program | |
Mirbagheri et al. | Simulation and in vivo investigation of light-emitting diode, near infrared Gaussian beam profiles | |
Guarin et al. | Video-based facial movement analysis in the assessment of bulbar amyotrophic lateral sclerosis: clinical validation | |
Manjur et al. | Detecting Autism Spectrum Disorder and Attention Deficit Hyperactivity Disorder Using Multimodal Time-Frequency Analysis with Machine Learning Using the Electroretinogram from Two Flash Strengths | |
JP6404162B2 (en) | Brain function index calculation device and brain function index calculation method | |
Budarapu et al. | Early Screening of Autism among Children Using Ensemble Classification Method | |
JP2016123823A (en) | Mental disease classification method, discrimination method, and discrimination criteria creation and learning system | |
JPWO2007144977A1 (en) | Biological light measurement device | |
JP2005198788A (en) | Biological activity measuring device | |
JP6502488B2 (en) | Brain activity feedback system | |
JP5809864B2 (en) | Biological light measurement device, waveform analysis method | |
Heimann et al. | Associative learning measured with ERP predicts deferred imitation using a strict observation only design in 14 to15 month old children | |
Choi et al. | Machine learning approach for classifying college scholastic ability test levels with unsupervised features from prefrontal functional near-infrared spectroscopy signals | |
KR101033035B1 (en) | Health diagnostic controlling method of pulse wave analysis apparatus | |
KR102445749B1 (en) | Method, system and non-transitory computer-readable recording medium for evaluating cognitive function by using machine learning | |
Vianne et al. | A Promising Approach to Detect Signs of Apathy from a Single Tri-axial Accelerometer | |
Maharaj et al. | Automated measurement of repetitive behavior using the Microsoft Kinect: a proof of concept | |
Soygaonkar et al. | A Survey: Strategies for detection of Autism Syndrome Disorder |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20160603 |