JP2016144635A - 重心動揺解析装置 - Google Patents
重心動揺解析装置 Download PDFInfo
- Publication number
- JP2016144635A JP2016144635A JP2016009482A JP2016009482A JP2016144635A JP 2016144635 A JP2016144635 A JP 2016144635A JP 2016009482 A JP2016009482 A JP 2016009482A JP 2016009482 A JP2016009482 A JP 2016009482A JP 2016144635 A JP2016144635 A JP 2016144635A
- Authority
- JP
- Japan
- Prior art keywords
- center
- gravity
- power spectrum
- frequency
- disease
- 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.)
- Granted
Links
- 230000010355 oscillation Effects 0.000 title abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 77
- 238000001228 spectrum Methods 0.000 claims abstract description 75
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 81
- 230000005484 gravity Effects 0.000 claims description 70
- 201000010099 disease Diseases 0.000 claims description 64
- 238000013528 artificial neural network Methods 0.000 claims description 36
- 208000010112 Spinocerebellar Degenerations Diseases 0.000 claims description 14
- 206010008025 Cerebellar ataxia Diseases 0.000 claims description 13
- 230000002093 peripheral effect Effects 0.000 claims description 12
- 230000004064 dysfunction Effects 0.000 claims description 7
- 210000001638 cerebellum Anatomy 0.000 claims description 5
- 210000000133 brain stem Anatomy 0.000 claims description 4
- 210000003016 hypothalamus Anatomy 0.000 claims description 4
- 210000001652 frontal lobe Anatomy 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 210000001259 mesencephalon Anatomy 0.000 claims description 3
- 210000000278 spinal cord Anatomy 0.000 claims description 3
- 208000035475 disorder Diseases 0.000 description 16
- 238000012360 testing method Methods 0.000 description 15
- 238000000034 method Methods 0.000 description 14
- 238000007689 inspection Methods 0.000 description 12
- 208000027530 Meniere disease Diseases 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 208000025434 cerebellar degeneration Diseases 0.000 description 7
- 230000003902 lesion Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 201000000200 vestibular neuronitis Diseases 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 206010047348 Vertigo positional Diseases 0.000 description 4
- 201000000691 benign paroxysmal positional nystagmus Diseases 0.000 description 4
- 208000001870 benign paroxysmal positional vertigo Diseases 0.000 description 4
- 208000001089 Multiple system atrophy Diseases 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000001107 psychogenic effect Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 208000024523 vestibulocochlear nerve neoplasm Diseases 0.000 description 3
- 208000012886 Vertigo Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 208000015122 neurodegenerative disease Diseases 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 231100000889 vertigo Toxicity 0.000 description 2
- 208000027491 vestibular disease Diseases 0.000 description 2
- 102000007372 Ataxin-1 Human genes 0.000 description 1
- 108010032963 Ataxin-1 Proteins 0.000 description 1
- 208000012219 Autonomic Nervous System disease Diseases 0.000 description 1
- 208000003174 Brain Neoplasms Diseases 0.000 description 1
- 208000006274 Brain Stem Neoplasms Diseases 0.000 description 1
- 208000015879 Cerebellar disease Diseases 0.000 description 1
- 206010008034 Cerebellar infarction Diseases 0.000 description 1
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 208000028482 Hypothalamic disease Diseases 0.000 description 1
- 208000025282 Hypothalamo-pituitary disease Diseases 0.000 description 1
- 206010061216 Infarction Diseases 0.000 description 1
- 208000027601 Inner ear disease Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000018737 Parkinson disease Diseases 0.000 description 1
- 208000009415 Spinocerebellar Ataxias Diseases 0.000 description 1
- 206010061373 Sudden Hearing Loss Diseases 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 208000030394 cerebellar neoplasm Diseases 0.000 description 1
- 201000004559 cerebral degeneration Diseases 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000012252 genetic analysis Methods 0.000 description 1
- 230000002267 hypothalamic effect Effects 0.000 description 1
- 230000007574 infarction Effects 0.000 description 1
- 208000020658 intracerebral hemorrhage Diseases 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 201000003624 spinocerebellar ataxia type 1 Diseases 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000005062 synaptic transmission Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
【課題】重心動揺の周波数解析において健常者と患者との分布上の差異を明確にする。【解決手段】フォースプレートと、前記フォースプレートにより検出された荷重データを用いてＸＹ平面上の重心座標の時系列データを取得する重心座標取得手段と、取得した重心座標に関するパワースペクトルを算出するパワースペクトル算出手段と、算出したパワースペクトルと周波数との関係から周波数解析を行う周波数解析手段と、を備え、前記周波数解析手段は、各周波数について、健常者の重心動揺におけるパワースペクトルの平均値Ａと、健常者の重心動揺におけるパワースペクトルの標準偏差ＳＤを用いて、被験者の重心動揺におけるパワースペクトルｘを正規化した値（ｘ−Ａ）／ＳＤを指標値として用いる。【選択図】図１
Description
本発明は、重心動揺解析装置に係り、詳しくは、重心動揺の周波数解析に関するものである。
重心動揺計を用いた重心動揺検査（すなわち計測された重心動揺の解析）は多面的な角度から行われ、重心動揺検査項目としては、動揺パターン検査、面積・軌跡長検査（外周面積、単位軌跡長、単位面積軌跡長、Ｘ軸変位、Ｙ軸変位、ロンベルグ率等）、パワースペクトル検査（周波数解析）、位置・速度ベクトル検査、振幅確率密度分布検査などが知られている。
パワースペクトル検査では、重心動揺を構成する揺れの周波数とその強さを検査する。検査の周波数範囲は、例えば、０．０２Hz〜１０Hzであり、Ｘ軸には周波数を対数目盛あるいは実数目盛で示し、Ｙ軸にはパワーを対数目盛あるいはルート目盛で示す。従来の重心動揺計の周波数解析は、重心（ＣＯＰ）の前後または左右方向の時系列の変化に対し、ＦＦＴ（高速フーリエ変換）やＭＥＭ（最大エントロピー法）といったパワースペクトル解析手法を用い、振動の周波数分布を観察する手法がとられている。図２Ａが「健常者」、図２Ｂが「脊髄小脳変性症初期の患者」の重心動揺に対しＭＥＭによる周波数解析を行った結果を示すが、これらの図からでは分布上の差は明確には分らないという課題がある。また、重心動揺の周波数解析については、幾つかの報告（非特許文献１、２等）もあるが、この課題に応えるものではない。
本出願人は、被験者のデータの健常比を用いた周波数解析手法を提案している（特許文献１）。この健常比を用いる手法では、重心動揺の周波数解析において健常者と患者との分布上の差異を明確にすることができた。この健常比を用いる手法では、異常パワーをみなす値を、例えば、健常者から取得した値の２倍を超えた場合としており、これは全周波数帯域において一律であった。すなわち、３Hzであっても、８Hzであっても２倍を超えると異常と判定していた。
しかしながら、健常者の実際の周波数分布のバラツキを調べたところ、周波数毎に分布のバラツキが異なることが判った。これは、従来手法では、異常検出の感度が周波数によって変わってしまっていたことを意味する。図１２において、変動係数は標準偏差ＳＤ／平均を表し、バラツキが平均値に占める割合を示している。図１２に示すように、８Hz近傍では７０％であるのに対して、５Hzでは１４０％にもなり、よって、８Hz近傍ではバラツキが小さいので正常範囲は狭くし、５Hzではバラツキが大きいので正常範囲を広くする必要があるが、従来手法において、異常を検出するための値を、周波数ごとのバラツキを考慮して決めることは煩雑である。
耳鼻臨床80:6;891-898,1987重心動揺の周波数分析. 初鹿 信一 、船坂宗太郎、 佐藤恒正、鈴木. 秀明
Equilibrium Res. Vol. 41(1)、55-60 正常人の直立時重心動揺の周波数分析（１）、米田 敏、徳増 厚二
ニューラルネットを用いた重心動揺の識別 時田 喬：ER Vol.58(3) 215-222,1999
本発明は、重心動揺の周波数解析において健常者と患者との分布上の差異、および疾患特有の分布パターンを明確にするものであって、特許文献１に開示された手法の不具合を解決することができる重心動揺解析装置を提供することを目的とする。
本発明が採用した重心動揺解析装置は、
フォースプレートと、
前記フォースプレートにより検出された荷重データを用いてＸＹ平面上の重心座標の時系列データを取得する重心座標取得手段と、
取得した重心座標に関するパワースペクトルを算出するパワースペクトル算出手段と、
算出したパワースペクトルと周波数との関係から周波数解析を行う周波数解析手段と、
を備え、
前記周波数解析手段は、各周波数について、健常者の重心動揺におけるパワースペクトルの平均値Ａと、健常者の重心動揺におけるパワースペクトルの標準偏差ＳＤを用いて、被験者の重心動揺におけるパワースペクトルｘを正規化した値（ｘ−Ａ）／ＳＤを指標値として用いる、
重心動揺解析装置、である。
典型的な態様では、前記重心座標に関するパワースペクトルは、重心点のＸ方向動揺のパワースペクトル、重心点のＹ方向動揺のパワースペクトル、重心点の動揺速度ベクトル長のパワースペクトル、のいずれかである。
重心動揺の周波数解析において、これらの項目のパワースペクトルを計算すること自体は公知である。
パワースペクトル算出手段としては、ＦＦＴ（高速フーリエ変換）やＭＥＭ（最大エントロピー法）を例示することができる。
フォースプレートと、
前記フォースプレートにより検出された荷重データを用いてＸＹ平面上の重心座標の時系列データを取得する重心座標取得手段と、
取得した重心座標に関するパワースペクトルを算出するパワースペクトル算出手段と、
算出したパワースペクトルと周波数との関係から周波数解析を行う周波数解析手段と、
を備え、
前記周波数解析手段は、各周波数について、健常者の重心動揺におけるパワースペクトルの平均値Ａと、健常者の重心動揺におけるパワースペクトルの標準偏差ＳＤを用いて、被験者の重心動揺におけるパワースペクトルｘを正規化した値（ｘ−Ａ）／ＳＤを指標値として用いる、
重心動揺解析装置、である。
典型的な態様では、前記重心座標に関するパワースペクトルは、重心点のＸ方向動揺のパワースペクトル、重心点のＹ方向動揺のパワースペクトル、重心点の動揺速度ベクトル長のパワースペクトル、のいずれかである。
重心動揺の周波数解析において、これらの項目のパワースペクトルを計算すること自体は公知である。
パワースペクトル算出手段としては、ＦＦＴ（高速フーリエ変換）やＭＥＭ（最大エントロピー法）を例示することができる。
１つの態様では、前記周波数解析手段による周波数解析結果を、縦軸（ＳＤ）を指標値、横軸を周波数として表示する表示手段を備える。
１つの態様では、前記表示手段には、前記指標値の移動平均が表示される。
１つの態様では、横軸は、少なくとも０Hz〜１０Hzに亘っている。
１つの態様では、横軸の刻みは０．００１Hzである。
１つの態様では、前記表示手段には、前記指標値の移動平均が表示される。
１つの態様では、横軸は、少なくとも０Hz〜１０Hzに亘っている。
１つの態様では、横軸の刻みは０．００１Hzである。
１つの態様では、前記周波数解析手段による周波数解析結果を、横軸の周波数を所定の帯域毎に区分けし、縦軸を帯域毎の指標値の平均とするヒストグラムとして表示する表示手段を備える。
１つの態様では、周波数を０．５Hz帯域毎に区分けし、指標値を０．５Hz帯域毎に平均化した値を縦軸の度数とする。
１つの態様では、周波数を０．５Hz帯域毎に区分けし、指標値を０．５Hz帯域毎に平均化した値を縦軸の度数とする。
１つの態様では、ニューラルネットワークを用いた疾患判定手段を備え、
前記ニューラルネットワークは、入力層に前記指標値に対応する複数のユニットを含み、出力層に疾患に関する１つあるいは複数のユニットを含む。
１つの態様では、前記指標値は所定の帯域毎（例えば、０．５Hz）の代表値であり、入力層は、前記代表値に対応するユニットを含む。
例えば、ある指標値について、周波数帯域別分布が０．００１Hz〜１０Hzの範囲において、０．５Hz間隔で指標値が取得されている場合には、２１個の指標値が得られる。
したがって、指標値が３つ（重心点のＸ方向動揺のパワースペクトル、重心点のＹ方向動揺のパワースペクトル、重心点の動揺速度ベクトル長のパワースペクトル）の場合には、入力層には、３×２１＝６３個のユニットが設定される。
さらに、開眼、閉眼をそれぞれ条件として指標値が取得されている場合には、入力層には、３×２１×２＝１２６個のユニットが設定される。
入力層は、計算された指標値と直接には関係しない要素に対応するユニットを含んでいてもよい。例えば、入力装置には「年齢」がユニットとして設定され、この場合、入力層には１２６＋１＝１２７個のユニットが設定される。あるいは、入力層に、従来のニューラルネットワークを用いた疾患判定手段で採用されている要素に対応するユニットを設けてもよい。また、重心動揺計測時のラバー（マット）の有無をそれぞれ条件として指標値を取得し、入力層にラバー（マット）の有無に対応するユニットを設定してもよい。
１つの態様では、前記出力層のユニットは、中枢性機能障害に対応するユニットを含む。
１つの態様では、前記出力層のユニットは、疾患部位に対応するユニットを含み、前記疾患部位は、小脳、中脳、前頭葉、視床下部、脳幹、脊髄の１つあるいは任意の複数を含む。
１つの態様では、前記出力層のユニットは、疾患名に対応するユニットを含み、前記疾患名は、中枢性疾患に含まれる疾患名、末梢性疾患に含まれる疾患名の１つあるいは任意の複数を含む。
１つの対応では、前記出力層のユニットは、脊髄小脳変性症についての遺伝的な型分類に対応するユニットを含む。
前記ニューラルネットワークは、入力層に前記指標値に対応する複数のユニットを含み、出力層に疾患に関する１つあるいは複数のユニットを含む。
１つの態様では、前記指標値は所定の帯域毎（例えば、０．５Hz）の代表値であり、入力層は、前記代表値に対応するユニットを含む。
例えば、ある指標値について、周波数帯域別分布が０．００１Hz〜１０Hzの範囲において、０．５Hz間隔で指標値が取得されている場合には、２１個の指標値が得られる。
したがって、指標値が３つ（重心点のＸ方向動揺のパワースペクトル、重心点のＹ方向動揺のパワースペクトル、重心点の動揺速度ベクトル長のパワースペクトル）の場合には、入力層には、３×２１＝６３個のユニットが設定される。
さらに、開眼、閉眼をそれぞれ条件として指標値が取得されている場合には、入力層には、３×２１×２＝１２６個のユニットが設定される。
入力層は、計算された指標値と直接には関係しない要素に対応するユニットを含んでいてもよい。例えば、入力装置には「年齢」がユニットとして設定され、この場合、入力層には１２６＋１＝１２７個のユニットが設定される。あるいは、入力層に、従来のニューラルネットワークを用いた疾患判定手段で採用されている要素に対応するユニットを設けてもよい。また、重心動揺計測時のラバー（マット）の有無をそれぞれ条件として指標値を取得し、入力層にラバー（マット）の有無に対応するユニットを設定してもよい。
１つの態様では、前記出力層のユニットは、中枢性機能障害に対応するユニットを含む。
１つの態様では、前記出力層のユニットは、疾患部位に対応するユニットを含み、前記疾患部位は、小脳、中脳、前頭葉、視床下部、脳幹、脊髄の１つあるいは任意の複数を含む。
１つの態様では、前記出力層のユニットは、疾患名に対応するユニットを含み、前記疾患名は、中枢性疾患に含まれる疾患名、末梢性疾患に含まれる疾患名の１つあるいは任意の複数を含む。
１つの対応では、前記出力層のユニットは、脊髄小脳変性症についての遺伝的な型分類に対応するユニットを含む。
本発明に係る重心動揺の周波数解析では、各周波数毎に正規化「計測値−平均／ＳＤ」を行うことで、健常者と患者との分布上の差異、および疾患特有の分布パターンを明確にすることができる上、得られた指標値は全て各周波数のバラツキ（ＳＤ）を基準に規格化されるため、例えば、２以上を異常とするだけで、各周波数毎のバラツキも考慮された判別値を決めることができ、処理速度や必要なメモリ量の効率化を図ることができる。
重心動揺計測システムは、重心動揺計と、１つあるいは複数のコンピュータ（データを入力するための入力手段、処理されたデータを出力するための出力手段、主としてＣＰＵから構成される演算手段／制御手段、所定のプログラム、入力データ、計測データ、算出データ等を記憶するＲＯＭ、ＲＡＭ等の記憶手段、これらを接続するバス、を備えている）と、計測データ、算出データ等の各種データを表示する表示部と、から構成することができる。表示部は前記コンピュータの構成要素であってもよい。
重心動揺計は、被験者が載る足載せ台と、足載せ台の所定の複数箇所に作用する荷重を検出する荷重検出手段と、を備えるフォースプレートと、前記荷重データを用いてＸＹ平面上の重心座標（ＣＯＰ）の時系列データを取得する重心座標取得手段と、を備えている。重心動揺計は、さらに、重心座標（ＣＯＰ）の時系列データを用いてＸＹ平面上の重心移動速度を取得する重心移動速度取得手段を備えている。重心座標取得手段、重心移動速度取得手段は、コンピュータの演算手段によって構成することができる。重心座標（ＣＯＰ）の時系列データから重心図（ＸＹ平面上にＣＯＰの移動軌跡を表示した図：重心動揺Ｘ−Ｙ記録）、重心移動速度の時系列データから速度図（ＸＹ平面上に重心移動速度の軌跡を表示した図：重心動揺速度Ｘ−Ｙ記録）を取得することができる。
１つの実施形態では、フォースプレートは、平面視二等辺三角形状の形状を備えた可搬式のフォースプレートである。フォースプレートは、平面視二等辺三角形状の踏み台と、踏み台の３つの頂点の下方に位置して配置された３つのロードセル（荷重検知センサ）と、を備えている。ロードセルは３分力センサで、Ｘ軸方向、Ｙ軸方向、Ｚ軸方向の荷重出力を検出する。フォースプレートの形状や荷重センサの個数は限定されず、例えば、略四角形状の踏み板と、踏み板の四隅部に配置した４つのロードセルと、からなるフォースプレートを用いてもよい。
３つの荷重センサで取得された値から荷重の作用中心点（ＣＯＰ：Center of Pressure）が取得され、ＣＯＰをＸＹ座標上での重心位置とみなす。ＣＯＰの座標は、踏み台（床面）の面方向のＸＹ平面として、ＸＹ座標で取得される。各ロードセルで取得される荷重情報（ｚ、ｙ、ｚ方向）は、逐次コンピュータに送信され、コンピュータの演算手段でＣＯＰを逐次（０.０１秒、０．００５秒、０．００１秒等の単位時間毎）求めることで、ＣＯＰ（ＸＹ座標値）の時系列データを取得することができる。重心位置の計算に用いた荷重情報及び得られた重心位置のデータ（ＸＹ座標値）は、取得時間と共に記憶手段に記憶され、測定開始時から測定終了時までの重心位置の経時的な移動軌跡が得られる。得られた移動軌跡は、表示手段に重心図として表示され、移動軌跡の形状は平衡機能検査に用いられる。
また、取得した重心座標（ＣＯＰ）のデータ（ＸＹ座標）と取得時刻から重心の移動速度（ｘ方向速度、ｙ方向速度）を所定時間毎に算出することができる。典型的には、得られた重心移動速度の軌跡は、表示手段に速度図として表示されるが、重心移動速度（ｘ方向速度、ｙ方向速度）がデータとして得られていればよく、本発明において、重心移動速度を表示手段に表示することは必須ではない。なお、重心移動速度を求めることは公知であって、例えば特許第２８３１６１９号に記載されている。
重心動揺解析装置は、重心座標に関するパワースペクトルを算出するパワースペクトル算出手段と、算出したパワースペクトルと周波数との関係から周波数解析を行う周波数解析手段と、を備えている。本実施形態では、前記重心座標に関するパワースペクトルは、重心点のＸ方向動揺のパワースペクトル、重心点のＹ方向動揺のパワースペクトル、重心点の動揺速度ベクトル長のパワースペクトル、を含む。パワースペクトル算出手段は、当業者において良く知られており、例えば、ＦＦＴ（高速フーリエ変換）やＭＥＭ（最大エントロピー法）を例示することができる。
重心点のＸ方向動揺のパワースペクトルは、重心座標のＸ（左右）軸方向の揺れに含まれる周波数成分を表す。重心点のＹ方向動揺のパワースペクトルは、重心座標のＹ（前後）軸方向の揺れに含まれる周波数成分を表す。重心動揺の周波数解析において、これらのパワースペクトルを計算すること自体は公知である。
重心点の動揺速度ベクトル長について説明する。
任意の時刻における重心の座標をPｔ（Xｔ、Yｔ）とすると、
速度は、VXｔ＝（Xｔ−Xｔ−１）/Δｔ、VYｔ＝（Yｔ−Yｔ−１）/Δｔ（Δｔ：サンプリング周期）となり、
速度ベクトル長は、｜Vｔ｜＝√（VXｔ ２＋VYｔ ２）となり、
この｜Vｔ｜の時間変化に対して、パワースペクトルを計算することで周波数解析を行う。
重心動揺の周波数解析において、重心点の動揺速度ベクトル長のパワースペクトルを計算すること自体は公知である。
任意の時刻における重心の座標をPｔ（Xｔ、Yｔ）とすると、
速度は、VXｔ＝（Xｔ−Xｔ−１）/Δｔ、VYｔ＝（Yｔ−Yｔ−１）/Δｔ（Δｔ：サンプリング周期）となり、
速度ベクトル長は、｜Vｔ｜＝√（VXｔ ２＋VYｔ ２）となり、
この｜Vｔ｜の時間変化に対して、パワースペクトルを計算することで周波数解析を行う。
重心動揺の周波数解析において、重心点の動揺速度ベクトル長のパワースペクトルを計算すること自体は公知である。
本実施形態に係る周波数解析手段は、各周波数について、健常者の重心動揺におけるパワースペクトルの平均値Ａと、健常者の重心動揺におけるパワースペクトルの標準偏差ＳＤを用いて、被験者の重心動揺におけるパワースペクトルｘを正規化した値（ｘ−Ａ）／ＳＤを指標値として算出する。
健常者の数値（平均値Ａ、標準偏差ＳＤ）については、健常者の年代毎の集合（例えば２００人程度）についての周波数解析結果から取得される。より具体的には、１０歳単位（１０代、・・・・４０代、５０代、６０代、７０代、８０代、等）で各周波数について平均値Ａ、標準偏差ＳＤを取得し、年齢変動に対応させる。０．００１Hz刻みの重心点のＸ方向動揺のパワースペクトル、重心点のＹ方向動揺のパワースペクトル、重心点の動揺速度ベクトル長のパワースペクトルについて、各年代毎の平均値Ａ、標準偏差ＳＤを予め計算して用意しておきコンピュータの記憶部に格納しておく。あるいは、２０代〜４０代の健常者の集合についての周波数解析結果（安定性が高い数値を基準値とすることができる）から取得した平均値Ａ、標準偏差ＳＤをあらゆる年代の被験者について共通して適用してもよい。
本実施形態では、重心点のＸ方向動揺、重心点のＹ方向動揺、重心点の動揺速度ベクトル長について周波数解析を行うが、それぞれ開眼と閉眼のデータがあるので、合計６種類の指標値が計算される。足載せ台上のラバーの有無でさらに取得される種類が増える。それぞれの場合について、健常者集合のデータが得られており、記憶部に格納しておくことで、以下に述べる指標値の計算に用いられる。
ある被験者についての重心動揺検査結果を用いて、０．００１Hz刻みの重心点のＸ方向動揺のパワースペクトル、重心点のＹ方向動揺のパワースペクトル、重心点の動揺速度ベクトル長のパワースペクトルを取得し、健常者の重心動揺におけるパワースペクトルの平均値Ａと、健常者の重心動揺におけるパワースペクトルの標準偏差ＳＤを用いて、（ｘ−Ａ）／ＳＤを指標値として算出する。
算出した指標値を、縦軸：ＳＤ、横軸：周波数としてコンピュータの表示画面に表示する。典型的には、指標値として移動平均が用いられる（図３、図５、図７参照）。なお、図１では、移動平均の前後の指標値が表示されている。０．００１Hz刻みの指標値を0.5Hz刻みの帯域ごとに平均化し、ヒストグラムを描いたものをコンピュータの表示画面に表示する（図４、図６、図８参照）。ヒストグラム表現によって、特徴ピークの検出や全体の傾向を視覚的に容易に認識することができ、また、データ量を抑えることで、さらなる解析が行いやすくなる。重心点のＸ方向動揺を例に取ると、開眼と閉眼、ラバーの有無で４種類のヒストグラムが得られる。この４種類のヒストグラムを用いて、開閉差分、ラバー開閉差分、開眼ラバー差分、閉眼ラバー差分の４つのヒストグラムを取得することができる。
［実験例１］
多系統萎縮症（脊髄小脳変性症）患者（６７才）について、重心動揺検査（ラバーなし、６０秒、周期５０ｍｓ（２０Hz））を行い、パワースペクトル検査を行った。「左右位置のＭＥＭパワースペクトル（開眼）、ラバー無し」について周波数解析を行った。結果を表１に示す。
多系統萎縮症（脊髄小脳変性症）患者（６７才）について、重心動揺検査（ラバーなし、６０秒、周期５０ｍｓ（２０Hz））を行い、パワースペクトル検査を行った。「左右位置のＭＥＭパワースペクトル（開眼）、ラバー無し」について周波数解析を行った。結果を表１に示す。
６０代の健常者集合の数値（平均値Ａ、標準偏差ＳＤ）を用いて、周波数毎に指標値（ｘ−Ａ）／ＳＤを算出した。計算結果の一部を表２に示すと共に、移動平均を用いて平滑化した指標値のグラフを図３に示す。３Hzあたりにピークが検出されるが、これは、「脊髄小脳変性症患者」特有の周波数ピークと言われており、従来（図２Ｂ）では症状が重くならないと検出されなかった周波数ピークである。
算出された指標値（０．００１Hz刻み）を0.5Hz刻みの帯域ごとに平均化した値を表３に示し、ヒストグラムを描いたものを図４に示す。この表現でも３Hz近辺にピークがあることを、容易に確認できる。
［実験例２］
多系統萎縮症（脊髄小脳変性症）患者（６７才）について、重心動揺検査（ラバーなし、６０秒、周期５０ｍｓ（２０Hz））を行い、パワースペクトル検査を行った。「前後位置のＭＥＭパワースペクトル（開眼）、ラバー無し」について周波数解析を行った。結果を表４に示す。
多系統萎縮症（脊髄小脳変性症）患者（６７才）について、重心動揺検査（ラバーなし、６０秒、周期５０ｍｓ（２０Hz））を行い、パワースペクトル検査を行った。「前後位置のＭＥＭパワースペクトル（開眼）、ラバー無し」について周波数解析を行った。結果を表４に示す。
６０代の健常者集合の数値（平均値Ａ、標準偏差ＳＤ）を用いて、周波数毎に指標値（ｘ−Ａ）／ＳＤを算出した。計算結果の一部を表５に示すと共に、移動平均を用いて平滑化した指標値のグラフを図５に示す。３Hzあたりにピークが検出される。
算出された指標値（０．００１Hz刻み）を0.5Hz刻みの帯域ごとに平均化した値を表６に示し、ヒストグラムを描いたものを図６に示す。この表現でも３Hz近辺にピークがあることを、容易に確認できる。
［実験例３］
多系統萎縮症（脊髄小脳変性症）患者（６７才）について、重心動揺検査（ラバーなし、６０秒、周期５０ｍｓ（２０Hz））を行い、パワースペクトル検査を行った。「動径方向の速度のＭＥＭパワースペクトル（開眼）、ラバー無し」について周波数解析を行った。結果を表７に示す。
多系統萎縮症（脊髄小脳変性症）患者（６７才）について、重心動揺検査（ラバーなし、６０秒、周期５０ｍｓ（２０Hz））を行い、パワースペクトル検査を行った。「動径方向の速度のＭＥＭパワースペクトル（開眼）、ラバー無し」について周波数解析を行った。結果を表７に示す。
６０代の健常者集合の数値（平均値Ａ、標準偏差ＳＤ）を用いて、周波数毎に指標値（ｘ−Ａ）／ＳＤを算出した。計算結果の一部を表８に示すと共に、移動平均を用いて平滑化した指標値のグラフを図７に示す。６Hzあたりにピークが検出される。
算出された指標値（０．００１Hz刻み）を0.5Hz刻みの帯域ごとに平均化した値を表９に示し、ヒストグラムを描いたものを図８に示す。この表現でも６Hz近辺にピークがあることを、容易に確認できる。
本実施形態において、脊髄小脳変性症患の識別について説明したが、本発明が適用される症例は限定されない。症例に応じて特徴的な周波数分布パターンが得られる場合があり、そのような場合には、本発明に係る周波数解析が有効となる。例えば、図９は、心因性疾患を有する患者（左右開眼ラバー無し）について本発明を適用して得られたヒストグラムであり、0.5Hz以下にピークがあり、中高域の増加がほとんど見られないのが特徴である。図１０のメニエール病の特徴は、１Hz周辺が高く高域はやや大きい傾向にある点である。図１１の前庭神経炎は、メニエール病と同じ前庭系疾患なので１Ｈｚ周辺にピークがあるが、メニエール病には見られない３Hzの深い谷が見られる点に特徴がある。
図１３に、本実施形態に係る重心動揺解析装置を用いたパワースペクトル検査の出力結果を表示する。図１３において、0.001Hzから10Hzまでのパワースペクトルが、0.5Hz刻みの棒グラフとして、開閉眼それぞれの前後、左右、速度ベクトル長の周波数分布として表示されている。グラフの縦軸は、健常者の平均値からの差分が、SDを基準として表現されている。したがって、値が２を超えるとその帯域のパワーが健常値の2SDを超えていることになる。グラフ中の濃い帯状領域は、健常者の80%ラインとなっており、健常者の80%の人がこの帯の中に入っていることを示している。また、グラフの右に示す評価バーは、周波数解析（ＭＥＭ解析）後の生データからべき乗の近似曲線（Ｙ＝aＸ(-b)）を求め、その時の係数a、係数bが健常者の分布からどの程度外れているかを示している。閾値よりも上方に☆印がプロットされている場合、分布が健常者のパターンと異なっていることを示しており、そのグラフに着目して異常周波数を観察することができる。
本実施形態に係る重心動揺解析装置を用いたパターン認識による病巣診断の可能性について説明する。収集したデータの中から病名が確定しているデータを疾患毎にまとめ、重心動揺解析装置で算出される指標値について、0.5Hz単位の周波数分布をまず求め、次いで0.5Hz単位の周波数帯域ごとに加算平均を行い、帯域ごとの平均値とSDを棒グラフで表すことで、疾患毎に図１４〜図２３に示すような分布パターンを得た。
それぞれのグラフを俯瞰すると、疾患毎に特徴的な分布パターンを持っていることがわかる。開閉眼といった計測条件や、前後・左右といった方向性にも、特徴が見られる。なお、グラフによって縦軸スケールは異なり、グラフ中の水平線が健常者の80%予測区間を示している。
例えば、メニエール病（図１４）やBPPV（図１８）、カロリック陽性群（図１５）など、末梢の受容器が関係した疾患では開眼のパワーはほとんど正常範囲であり、閉眼の場合にわずかであるが、１Hz以下の増大が見られる程度である。
これに対して、前庭神経炎（図１６）や聴神経腫瘍（図１７）といった神経伝達系に病巣がある場合、2〜3Hzの小脳、脳幹が関連する協調運動障害や、5Hz以上の下肢筋の緊張を示す帯域が少し増加している。さらにSCD（図２１）では、いわゆる3Hz近傍の単峰性ピークや、パーキンソン病（図２２）の低周波域の立直り反射の低下と5Hz以上の振戦様の筋緊張、また、心因性（図１９）と判定された疾患や視床下部の病巣（図２３）で自律神経系の障害が考えられる疾患では、開閉眼関係なく0.25Hz以下に異常なパワーが認められる。
また、周波数帯域が関連している文献をまとめると、各周波数帯域で以下に示すようなキーワードの対応が確認できた。
本実施形態に係る指標値を用いた階層型ニューラルネットによる中枢性障害判定について説明する。ニューラルネット（NN）解析による重心動揺検査の病巣診断は、特許文献２（特許第２９６１７０５号）や非特許文献３（ニューラルネットを用いた重心動揺の識別 時田 喬：ER Vol.58(3) 215-222,1999）に開示されている。具体的には、特許文献２には、被検者の荷重を検出する検出台と、この検出台により検出される荷重から被検者の重心を所定の演算処理により重心演算結果として順次求める演算手段と、この演算手段により順次求められた重心演算結果を順次記憶する重心演算結果記憶手段と、を備え、重心演算結果に基づいて病名を診断する重心動揺計であって、前記重心演算結果記憶手段に記憶された重心演算結果から、病名診断に使用する評価用パラメータを抽出する抽出手段と、入力層に前記抽出手段により抽出された評価用パラメータに対応する複数のユニットが設けられ、出力層に複数の病名に対応する複数のユニットが設けられた固有の構造のニューラルネットワークによって、前記被検者の病名診断を行う病名診断手段と、この病名診断手段により行われた前記被検者の病名の診断結果を、前記複数の病名に対応する複数のユニット毎の値に応じて、前記複数の各病名毎の診断可能性として出力する出力手段と、を備えたことを特徴とする重心動揺計、が記載されている。このNNは、重心動揺計の解析手段として使用されてきたものの、多くの情報を持つと考えられる周波数解析の結果が、NNに十分反映されていなかったことなど、まだ多くの問題が残されている。
本発明者は、本実施形態に係る周波数解析、具体的には、重心動揺の時系列データをMEM（最大エントロピー法）で周波数パワースペクトルに分解し、さらに周波数ごとの健常者平均との差分を取ったのちバラつきを考慮して規格化するという手法を使った周波数特性の解析方法に着目した。この方法によって、これまで、高中低の３つの区分で、しかも高周波領域における動揺の増減が周波数特性にほとんど反映されなかった解析から、かなり細部にわたって特徴を抽出できる表現（例えば脊髄小脳変性症の３Hz近傍の単峰性ピークの可視化等）が可能になり、さらに分布パターンの数値化も可能になったことで、NNなどのパターン分析への入力も容易である。
本実施形態に係る周波数解析のように、症例毎に数値化された分布パターンを持ち、その特徴を視覚的に捉えることが出来る場合（図１４〜図２３参照）、それが非線形であっても３層程度の階層型ネットワークを使ったＮＮで十分にパターン学習、パターン認識が出来ると考えられる。教師あり学習によって生成されるNNは、任意の入力データが学習で作成されたパターンに似たパターンであればその度合いに応じて０から１の値を出力できると考えられる。そこで、特許文献２、非特許文献３に開示されたＮＮの学習・評価ツールを参照しつつ、周波数解析として得られた指標値を入力として使用してＮＮの構築を行った（図２４参照）。以下に説明する実施形態では、「中枢性機能障害」という疾患の大分類について、中枢性疾患識別用ＮＮを形成したが、このＮＮは一つの実施形態に過ぎないものであり、このＮＮによって本発明が限定されるものではなく、疾患名、疾患部位、型分類などに対応するユニットを設けた出力層を有するＮＮを構築して局所的な診断に用いてもよい。以下に、本実施形態に係るＮＮ構築の詳細、及び、その評価結果を順に記載する。
使用したデータは、本件特許出願人において蓄積され病名が確定している887名（表１１参照）の重心動揺検査のデータである。この887名をほぼ同数の3グループに分け、各グループでの学習を行い3個のNNを作成した。それぞれのNNで全グループ887名に対する評価を行い、判別値が最も良かったグループのNNを最終のNNとして採用した。
使用したニューラルネットは、階層型ネットワークであり、入力層、中間層、出力層の３層で構成されている。入力層には、本実施形態に係る重心動揺解析装置の周波数解析による周波数帯域別分布（0.001Hz〜10.0Hz：0.5Hz間隔）の出力値２１個を、開閉眼（２条件）と前後・左右・ベクトル長（３条件）の６条件に年齢を加えた、合計１２７個（２１×２×３＋１）のパラメータを使用した、また、中間層は４個、出力層は中枢性障害の１個とした。図２４（Ａ）を参照されたい。
学習方法としは、最急降下法をベースとするバックプロパゲーションを使用した。入力値データに、表１２に示す信号データを付加し学習用データを生成した。
学習係数、慣性項係数、Seed、初期荷重最大値の4個の初期条件を変化させ、学習終了誤差閾値を0.05としてネット荷重を生成し、評価データに対するROC曲線の下面積Azが最適になるネットを採用した。
学習を行った結果を表１３に示す。
中枢性以外の判別率を80.9%とした場合、中枢性疾患に対する判別率（感度）は88.8％、末梢疾患を中枢性とみなす率は22.7％、健常者を中枢性以外とみなす率（特異度）は86.1％であった。
この判別特性をＲＯＣ曲線で表した結果を図２５に示す。検査としての有効性を示すAz（ROC曲線下面積）は0.912とかなり高く、判別率の目安となる判別曲線のクロスポイントも83％以上であり、検査の有効性が確認できた。
中枢性障害の出力値をプロットすると、図２６のようになる。結果の表示方法として、
中枢性機能障害の可能性を、図２７に示すレベルメータで示すことができる。図２７はグレースケールであるため、便宜上、色の範囲を示した。１つの態様では、緑：中枢性障害の可能性は低い、黄：中枢性障害の可能性有、赤：中枢性障害の可能性が高い、としている。１つの態様では、境界値を以下の通りとする。この境界値は例示に過ぎない。
中枢性機能障害の可能性を、図２７に示すレベルメータで示すことができる。図２７はグレースケールであるため、便宜上、色の範囲を示した。１つの態様では、緑：中枢性障害の可能性は低い、黄：中枢性障害の可能性有、赤：中枢性障害の可能性が高い、としている。１つの態様では、境界値を以下の通りとする。この境界値は例示に過ぎない。
当初、NNの出力を中枢性障害ユニットと末梢性障害ユニットの２出力とし、中枢性疾患群の場合、中枢性障害ユニットの出力が１に、末梢性疾患群の場合、末梢性障害ユニットの出力が１に、また、健常者群の場合、どちらのユニットも出力が０になるように出力信号を設定して学習を行った。しかし、出力層を末梢性障害と中枢性障害の２個としてネットワークを作成したところ（図２４（Ｂ）参照）、２出力ネットワークの分離感度として、中枢性疾患の判別率が、末梢性疾患の判別率よりも高い値を示したため、本実施形態では、中枢性障害を捕える機能に特化したNNを組むことが合理的であると考え、出力層を１個とし、中枢性疾患のみに反応するよう学習データを組みなおした。なお、このことによって、本発明が末梢性疾患の判別に用いられることが排除されるものではない。
上述の実施形態では、「中枢性機能障害」という疾患の大分類についての中枢性疾患識別用ニューラルネットNNを形成したが、「脊髄小脳変性症」や「視床下部障害」といった局所的な病巣部位や、「心因性」といった病変部位が分からない疾患、さらに「脊髄小脳変性症」の遺伝子解析で可能になった型分類も、出力層として用いることができ、もって、疾患名、疾患部位、型分類など、局所的な診断に用い得るものである。
本実施形態に係るニューラルネットワークを用いた疾患判定手段を拡張して捉えると、
入力層と、中間層と、出力層を備えたニューラルネットワークと、
ニューラルネットワークの入力層に、周波数解析手段により算出された指標値を入力するための入力手段と、
ニューラルネットワークの出力層から、判定結果を出力するための出力手段と、
を備え、
前記指標値は、各周波数について、健常者の重心動揺におけるパワースペクトルの平均値Ａと、健常者の重心動揺におけるパワースペクトルの標準偏差ＳＤを用いて、被験者の重心動揺におけるパワースペクトルｘを正規化した値（ｘ−Ａ）／ＳＤであり、
前記重心座標に関するパワースペクトルは、重心点のＸ方向動揺のパワースペクトル、
重心点のＹ方向動揺のパワースペクトル、重心点の動揺速度ベクトル長のパワースペクトル、を含み、前記指標値は、これらの３つのパワースペクトルをそれぞれ用いて（３条件）取得されており、
前記指標値は、所定の帯域毎のＭ個（本実施形態では２１個）の代表値として周波数解析手段から出力され、
前記指標値は、開眼条件、閉眼条件の両方について（３条件）取得されており、
前記入力層は、少なくとも指標値の個数（Ｍ×３×２）に対応する数のユニットを備え、
前記出力層は、出力層に疾患に関する１つあるいは複数のユニットを含んでおり、当該ユニットの判定結果０あるいは１に基づいて、出力手段から判定結果が出力される。
１つの態様では、前記出力層のユニットは、中枢性機能障害に対応するユニットを含む。
１つの態様では、前記出力層のユニットは、疾患部位に対応するユニットを含み、前記疾患部位は、小脳、中脳、前頭葉、視床下部、脳幹、脊髄の１つあるいは任意の複数を含む。
１つの態様では、前記出力層のユニットは、疾患名に対応するユニットを含み、前記疾患名は、中枢性疾患に含まれる疾患名、末梢性疾患に含まれる疾患名の１つあるいは任意の複数を含む。
疾患名について例示すると、中枢性疾患の場合は、脳梗塞、脳内出血、脳腫瘍、変性症などの疾患原因に対し、その障害部位との組合せで病名が決まる。例えば、小脳の血管が梗塞を起こせば、小脳梗塞となり、変性疾患なら脊髄小脳変性症、腫瘍があれば小脳腫瘍あるいは小脳橋角部腫瘍といった疾患名になる。末梢性疾患の場合は、疾患名として、メニエール病、良性発作性頭位めまい症、前庭神経炎、突発性難聴（めまい随伴）、聴神経腫瘍等を例示することができる。
１つの態様では、前記出力層のユニットは、脊髄小脳変性症についての遺伝的な型分類に対応するユニットを含む。脊髄小脳変性症は、孤発性と遺伝性に分類され、さらに、遺伝性脊髄小脳変性症には、複数の型（SCA1、SCA2、SCA3、SCA6…）が知られている。脊髄小脳変性症は、その型によって病巣部位が異なると考えられ、周波数解析によって病巣部位を推定できれば、型の分類と結び付けることができる。
本実施形態に係るニューラルネットワークを用いた疾患判定手段を拡張して捉えると、
入力層と、中間層と、出力層を備えたニューラルネットワークと、
ニューラルネットワークの入力層に、周波数解析手段により算出された指標値を入力するための入力手段と、
ニューラルネットワークの出力層から、判定結果を出力するための出力手段と、
を備え、
前記指標値は、各周波数について、健常者の重心動揺におけるパワースペクトルの平均値Ａと、健常者の重心動揺におけるパワースペクトルの標準偏差ＳＤを用いて、被験者の重心動揺におけるパワースペクトルｘを正規化した値（ｘ−Ａ）／ＳＤであり、
前記重心座標に関するパワースペクトルは、重心点のＸ方向動揺のパワースペクトル、
重心点のＹ方向動揺のパワースペクトル、重心点の動揺速度ベクトル長のパワースペクトル、を含み、前記指標値は、これらの３つのパワースペクトルをそれぞれ用いて（３条件）取得されており、
前記指標値は、所定の帯域毎のＭ個（本実施形態では２１個）の代表値として周波数解析手段から出力され、
前記指標値は、開眼条件、閉眼条件の両方について（３条件）取得されており、
前記入力層は、少なくとも指標値の個数（Ｍ×３×２）に対応する数のユニットを備え、
前記出力層は、出力層に疾患に関する１つあるいは複数のユニットを含んでおり、当該ユニットの判定結果０あるいは１に基づいて、出力手段から判定結果が出力される。
１つの態様では、前記出力層のユニットは、中枢性機能障害に対応するユニットを含む。
１つの態様では、前記出力層のユニットは、疾患部位に対応するユニットを含み、前記疾患部位は、小脳、中脳、前頭葉、視床下部、脳幹、脊髄の１つあるいは任意の複数を含む。
１つの態様では、前記出力層のユニットは、疾患名に対応するユニットを含み、前記疾患名は、中枢性疾患に含まれる疾患名、末梢性疾患に含まれる疾患名の１つあるいは任意の複数を含む。
疾患名について例示すると、中枢性疾患の場合は、脳梗塞、脳内出血、脳腫瘍、変性症などの疾患原因に対し、その障害部位との組合せで病名が決まる。例えば、小脳の血管が梗塞を起こせば、小脳梗塞となり、変性疾患なら脊髄小脳変性症、腫瘍があれば小脳腫瘍あるいは小脳橋角部腫瘍といった疾患名になる。末梢性疾患の場合は、疾患名として、メニエール病、良性発作性頭位めまい症、前庭神経炎、突発性難聴（めまい随伴）、聴神経腫瘍等を例示することができる。
１つの態様では、前記出力層のユニットは、脊髄小脳変性症についての遺伝的な型分類に対応するユニットを含む。脊髄小脳変性症は、孤発性と遺伝性に分類され、さらに、遺伝性脊髄小脳変性症には、複数の型（SCA1、SCA2、SCA3、SCA6…）が知られている。脊髄小脳変性症は、その型によって病巣部位が異なると考えられ、周波数解析によって病巣部位を推定できれば、型の分類と結び付けることができる。
Claims (12)
- フォースプレートと、
前記フォースプレートにより検出された荷重データを用いてＸＹ平面上の重心座標の時系列データを取得する重心座標取得手段と、
取得した重心座標に関するパワースペクトルを算出するパワースペクトル算出手段と、
算出したパワースペクトルと周波数との関係から周波数解析を行う周波数解析手段と、
を備え、
前記周波数解析手段は、各周波数について、健常者の重心動揺におけるパワースペクトルの平均値Ａと、健常者の重心動揺におけるパワースペクトルの標準偏差ＳＤを用いて、被験者の重心動揺におけるパワースペクトルｘを正規化した値（ｘ−Ａ）／ＳＤを指標値として用いる、
重心動揺解析装置。 - 前記重心座標に関するパワースペクトルは、重心点のＸ方向動揺のパワースペクトル、
重心点のＹ方向動揺のパワースペクトル、重心点の動揺速度ベクトル長のパワースペクトル、のいずれかである、請求項１に記載の重心動揺解析装置。 - 前記周波数解析手段による周波数解析結果を、縦軸を指標値、横軸を周波数として表示する表示手段を備える、請求項１、２いずれか１項に記載の重心動揺解析装置。
- 前記表示手段には、前記指標値の移動平均が表示される、請求項３に記載の重心動揺解析装置。
- 前記周波数解析手段による周波数解析結果を、横軸の周波数を所定の帯域毎に区分けし、縦軸を帯域毎の指標値の平均とするヒストグラムとして表示する表示手段を備える、請求項１、２いずれか１項に記載の重心動揺解析装置。
- ニューラルネットワークを用いた疾患判定手段を備え、
前記ニューラルネットワークは、入力層に前記指標値に対応する複数のユニットを含み、出力層に疾患に関する１つあるいは複数のユニットを含む、請求項１、２いずれか１項に記載の重心動揺解析装置。 - 前記指標値は所定の帯域毎の代表値であり、入力層は、前記代表値に対応するユニットを含む、請求項６に記載の重心動揺解析装置。
- 前記指標値は、開眼、閉眼をそれぞれ条件として取得されており、入力層は、開眼条件、閉眼条件に対応するユニットを含む、請求項６、７いずれか１項に記載の重心動揺解析装置。
- 前記出力層のユニットは、中枢性機能障害に対応するユニットを含む、請求項６〜８いずれか１項に記載の重心動揺解析装置。
- 前記出力層のユニットは、疾患部位に対応するユニットを含み、前記疾患部位は、小脳、中脳、前頭葉、視床下部、脳幹、脊髄の１つあるいは任意の複数を含む、請求項６〜８いずれか１項に記載の重心動揺解析装置。
- 前記出力層のユニットは、疾患名に対応するユニットを含み、前記疾患名は、中枢性疾患に含まれる疾患名、末梢性疾患に含まれる疾患名の１つあるいは任意の複数を含む、請求項６〜８いずれか１項に記載の重心動揺解析装置。
- 前記出力層のユニットは、脊髄小脳変性症についての遺伝的な型分類に対応するユニットを含む、請求項６〜８いずれか１項に記載の重心動揺解析装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015019184 | 2015-02-03 | ||
| JP2015019184 | 2015-02-03 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016144635A true JP2016144635A (ja) | 2016-08-12 |
| JP6446379B2 JP6446379B2 (ja) | 2018-12-26 |
Family
ID=56685043
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016009482A Active JP6446379B2 (ja) | 2015-02-03 | 2016-01-21 | 重心動揺解析装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6446379B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019063503A (ja) * | 2017-09-28 | 2019-04-25 | アニマ株式会社 | 重心動揺解析装置及び方法 |
| WO2022145416A1 (ja) * | 2020-12-28 | 2022-07-07 | 国立大学法人 筑波大学 | 評価方法、評価装置、評価システムおよび評価プログラム |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10295672A (ja) * | 1997-04-24 | 1998-11-10 | Anima Kk | 病名診断装置 |
| JPH10295673A (ja) * | 1997-04-28 | 1998-11-10 | Anima Kk | 病気の重度診断装置 |
| JP2005130874A (ja) * | 2003-10-28 | 2005-05-26 | Matsushita Electric Works Ltd | 体調評価装置 |
| JP2011177278A (ja) * | 2010-02-26 | 2011-09-15 | Tokyo Institute Of Technology | 歩行障害自動分析システム |
| US20140081177A1 (en) * | 2012-09-14 | 2014-03-20 | Benemerita Universidad Autonoma De Puebla | Posturographic system using a balance board |
| JP2014171821A (ja) * | 2013-03-13 | 2014-09-22 | Anima Corp | 重心動揺解析装置 |
-
2016
- 2016-01-21 JP JP2016009482A patent/JP6446379B2/ja active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10295672A (ja) * | 1997-04-24 | 1998-11-10 | Anima Kk | 病名診断装置 |
| JPH10295673A (ja) * | 1997-04-28 | 1998-11-10 | Anima Kk | 病気の重度診断装置 |
| JP2005130874A (ja) * | 2003-10-28 | 2005-05-26 | Matsushita Electric Works Ltd | 体調評価装置 |
| JP2011177278A (ja) * | 2010-02-26 | 2011-09-15 | Tokyo Institute Of Technology | 歩行障害自動分析システム |
| US20140081177A1 (en) * | 2012-09-14 | 2014-03-20 | Benemerita Universidad Autonoma De Puebla | Posturographic system using a balance board |
| JP2014171821A (ja) * | 2013-03-13 | 2014-09-22 | Anima Corp | 重心動揺解析装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019063503A (ja) * | 2017-09-28 | 2019-04-25 | アニマ株式会社 | 重心動揺解析装置及び方法 |
| JP7112080B2 (ja) | 2017-09-28 | 2022-08-03 | アニマ株式会社 | 重心動揺解析装置及び方法 |
| WO2022145416A1 (ja) * | 2020-12-28 | 2022-07-07 | 国立大学法人 筑波大学 | 評価方法、評価装置、評価システムおよび評価プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6446379B2 (ja) | 2018-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abdulhay et al. | Gait and tremor investigation using machine learning techniques for the diagnosis of Parkinson disease | |
| Lee et al. | Evaluation of postural stability based on a force plate and inertial sensor during static balance measurements | |
| KR101247748B1 (ko) | 사용자 집중도 분석장치 및 방법 | |
| Krafczyk et al. | Artificial neural network: a new diagnostic posturographic tool for disorders of stance | |
| JP5740285B2 (ja) | 歩行分析装置及び歩行分析プログラム | |
| CN105550653B (zh) | 心电导联智能选择方法和系统 | |
| Karthikeyan et al. | Descriptive analysis of skin temperature variability of sympathetic nervous system activity in stress | |
| Jeon et al. | Multi-class classification of construction hazards via cognitive states assessment using wearable EEG | |
| JP2015062817A5 (ja) | 脳活動解析装置、脳活動解析方法、判別器生成装置、判別器生成方法、バイオマーカー装置およびプログラム、健康管理装置およびプログラム、ならびに判別器のプログラム | |
| WO2015158100A1 (zh) | 情感带宽测定及其情感损伤判别方法 | |
| CN107095669A (zh) | 一种癫痫患者脑电信号的处理方法及系统 | |
| US20180284100A1 (en) | Mobile blood alcohol content and impairment sensing device | |
| US20180249967A1 (en) | Devices, systems, and associated methods for evaluating a potential stroke condition in a subject | |
| CN108305680A (zh) | 基于多元生物学特征的智能帕金森症辅助诊断方法和装置 | |
| CN108185994A (zh) | 一种基于非线性技术的平衡能力检测方法及装置 | |
| JP6446379B2 (ja) | 重心動揺解析装置 | |
| Abujrida et al. | Smartphone-based gait assessment to infer Parkinson's disease severity using crowdsourced data | |
| CN108670277A (zh) | 精神压力监测方法 | |
| CN107427251A (zh) | 基于emg频率功率谱分析来诊断脑损伤的方法和设备 | |
| Al-Mulla et al. | Statistical class separation using sEMG features towards automated muscle fatigue detection and prediction | |
| CN114847875A (zh) | 多动症的功能性近红外光谱和红外热像的识别方法 | |
| JP6044670B2 (ja) | 歩行分析装置 | |
| JP2012213624A (ja) | 身体能力判定装置及び身体能力判定方法 | |
| JP7112080B2 (ja) | 重心動揺解析装置及び方法 | |
| Diou et al. | Data-driven assessments for sensor measurements of eating behavior |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160912 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170529 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170601 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170705 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20171130 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180213 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20180220 |
|
| A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20180427 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181203 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6446379 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |