JP2016526972A5 - - Google Patents

Description

電界脳波を含む脳の電気的活動測定用のセンサおよびプロセッサ

［関連出願の相互参照］
本願は、米国特許仮出願番号６１／８３７，６９２、２０１３年６月２１日出願、名称：「電界脳波用の新規センサ」の米国合衆国法典３５、セクション１１９条（ｅ）の下における利益を主張し、その開示は、ここに参照によって組込まれる。

人間の脳内の電気的活動を検索および測定するための至適基準は、皮質脳波記録（ＥＣＯＧ）のように、頭蓋内電極を使用することである。この技術は高価であり、危険を伴う。それは、まれな症例で使用され、ＦＤＡによって承認された構成に限定されている。

したがって、空間的および時間的な解像度の点でＥＣＯＧに匹敵する非侵襲的かつ手頃な価格のツールの必要性が生じる。十分な感度を持つ器具が利用できるという条件で、人間の脳は、頭の外で検出可能な電気と磁気信号を発する。非侵襲的脳信号モニタリングは、研究および臨床のさまざまな設定に不可欠なツールである。現在の方法は、脳波記録法（ＥＥＧ）、脳磁図（ＭＥＧ）、機能的磁気共鳴画像法（ｆＭＲＩ）、および機能的近赤外分光法（ｆＮＩＲＳ）が挙げられる。

ｆＭＲＩは、頭の全容積に対して空間的解像度を提供するが、暫定的な解像度（１〜１０秒）、利便性、および携行性に限定される。また、神経活動の直接測定を提供しない。

ＥＥＧは頭皮を横断して電位を標本抽出し、ＭＥＧは頭皮面から数センチの磁気を標本抽出する。これらの技術で、６４〜２５６の如き多数のセンサが、被験体の頭皮に貼り付けられる。

ＥＥＧセンサの小型化は、信号品質の劣化を補償する必要性によって著しく妨げられる。ＥＥＧにおける電極の分離は、１０ｃｍから３ｃｍに至る範囲で、未だ高分解能測定に不十分である。ＥＥＧは、全体参照を使用し、それに応じて、局所測定の品質は、全体的な脳の活動によって落とされ、その結果、局所測定は相応しくない。グローバル参照電極と接地電極は頭皮全体の配線を必要とする。ＥＥＧはまた、被験体の頭に電極を設定し、その後、電極の除去に時間と困難を蒙る。いくつかの一般向けの高密度ＥＥＧシステムは、数分間にセットアップ時間を短縮する液体電解質を使用する。さらに、液体電解質が、隣接する電極間のクロストークを著しく増加させる導電性ブリッジに導き、更にＥＥＧの空間分解能を制限する。ドライ電極は、著しくノイズを制限する。また、現在の電極は、非常に太く、巻き毛のタイプにうまく作動しない。

脳の活動によって生成される典型的な頭皮電位は、極端に弱く数マイクロボルトのオーダーで、これはＥＥＧ（０．１〜０．５マイクロボルト）に使用される増幅器の内部雑音に匹敵する。これは、ノイズの外部ソースとの組み合わせで、生のＥＥＧ信号を非常にノイズの多い状態にさせる。このようなアルファおよびベータのような強い脳リズムを除いて、ＥＥＧ信号は順ノイズを平均化し、使用可能な信号対雑音比（ＳＮＲ）を得るために繰り返される数十に渡る試験を平均しなければならない。脳とコンピュータのインターフェース、睡眠研究、てんかん研究、およびＥＥＧベースのバイオメトリクスの他の多くの実用的な例の如き、多くの用途では、しかし乍ら、脳波の平均化は、各イベントのユニークな性質の故に、不可能である。
脳磁力図（ＭＥＧ）は、脳波のいくつか問題、特にそのレファレンスと接地の問題を克服する。しかし、ＭＥＧは、被験体の任意の移動性を排除する高価なインフラを必要とする、ノイズ抑制その他の問題に直面している。

本発明は、電界の活性を含む脳の電磁活性を測定するためのセンサシステムおよび方法に関する。信号が弱いため、脳波記録法（ＥＥＧ）により測定された電位とは異なり、脳の活動に関連する電界は、一般的に研究されていない。電界ベクトルが、電位の負の勾配によって与えられる（ＥＥＧによって測定される）と、追加情報を提供することができる。本発明のシステムは、電界脳波（ＥＦＥＧ）と呼ばれる局所の電界、ならびに人間の頭皮での電位と、例えばラプラシアンのような、その電位のより高次の導関数（微分係数）を測定することができる。小さな測定領域で多数のセンサを平均化することにより、許容可能な信号対雑音比（ＮＳＲ）を達成することができる。

一態様において、システムは、電界及び脳の潜在的な活動を測定するためのセンサアセンブリを含み、支持板によって支持された複数の電極を含んでなる。電極は、密集した並べ方で配置され、複数の電極の一つは、基準電極を備えている。それぞれの複数の電極のうちの１つに結合する複数の増幅器は、支持板の第２の側に配置されている。マイクロコントローラはまた、増幅器と連通する支持板によって支持されている。マイクロコントローラは、脳の電磁活動によって発生する電界を示す信号の加重平均を決定するように動作するプロセッサを含む。

他の態様においては、マイクロコントローラは、脳の電磁活動を表す電位を決定することができ、電位のより高次の空間微分係数を決定することができる。システムのセンサアセンブリは、マイクロコントローラと外部デバイスとの間で信号を送受信するためのトランシーバを含むことができ、無線データ送信ポートを含むことができる。

センサアセンブリは、複数の増幅器およびハウジング内に配置されたマイクロコントローラとを含む、支持板に取り付けられたハウジングを含むことができる。さらなる態様においては、複数の電極は、１ｃｍ以下の空隙、または４ｍｍ以下の空隙、または３ｍｍ以下の空隙に配置することができ、そして六角形パターン、円形パターン、三角パターン、正方形パターン、または規則性のないパターンを含む様々なパターンで配置することができる。

別の態様においては、脳の電磁的活動を測定するための方法は、頭皮上に並べられて、複数の電極を配置し、各電極は関連した増幅器と電気的に通信し、複数の電極のうち、基準電極を画定し、複数の電極の活性電極および基準電極間の電位差を測定し、そして、電位差の加重平均を決定し、その加重平均は脳の電気的活動を表す。

他の態様においては、前記方法は、脳の電磁活動を表す電位を決定し、電位のより高次の微分係数を決定することを含む。その方法は、被験体の脳活動の画像を生成することを含むことができる。

さらに別の態様においては、脳の電磁活動の測定の信号対雑音比を改善するための方法が提供され、前記方法は、関連する増幅器と電気的に通信する各電極を頭皮上に並べて設置し、複数の電極のうち、基準電極を画定し、複数の電極のそれぞれと基準電極の間の電位差を測定し、そして、脳の電気的活動の加重平均を表す、電位差の加重平均を決定する。複数の電極は、支持板上に支持することができ、複数の増幅器は、電極に近接した支持板上に支持することができる。

さらなる態様において、脳の電位及び電界を同時に測定する方法が提供され、前記方法は、関連する増幅器と電気的に通信する各電極を頭皮上に並べて設置し、複数の電極のうちの第一の基準電極を画定し、複数の電極から離れて間隔をあけさらに基準電極を画定し、複数の電極の活性電極と第一の基準電極の間の電位差を測定することと、複数の電極の各々と別の電極との間の電位差を測定することとを切り替え、そして、電位差の加重平均と電位の加重平均を決定し、当該加重平均は脳の電気的活動を示す。

さらに別の態様においては、被験体の脳活動を測定するための方法が提供され、前記方法は、関連する増幅器と電気的に通信する各電極を頭皮上に並べて設置し、複数の電極のうち、基準電極を画定し、複数の電極の活性電極と基準電極の間の電位差を測定し、脳の電気的活動を示す、電位差の加重平均を決定する。この方法は、被験体の脳活動の画像を形成することを含むことができる。被験体は、アルツハイマー病、パーキンソン病、筋萎縮性側索硬化症、脳卒中、外傷性脳損傷、自閉症、うつ病、またはてんかん等の神経的状態に苦しむ。さらに別の態様では、本方法は、神経的状態のための被験体を処置することを含む。さらに別の態様では、本方法は、健常者の脳活動と被験体の脳活動を比較し、健常者の脳活動と、被験体の脳活動の比較に基づいて被験体の神経状態を検出することを含む。

さらなる態様においては、被験体の医療用人体エリアネットワークを提供するためのシステムは、被験体の脳の電磁的活動を測定するための１つまたはそれ以上のセンサアセンブリ、各センサアセンブリは支持板を含み、複数の電極は支持体から突き出し、電極は密集した配置で配置された、基準電極を含む複数の電極の１つ、支持板によって支持された複数の増幅器、信号を受信する複数の電極のうちの１つに結合する複数の増幅器の各増幅器、増幅器からの信号を受信するための増幅器と通信するマイクロコントローラ、当該マイクロコントローラは、脳の電磁活動によって生成される電界を示す信号の加重平均を決定するように動作する。被験体の生理学的パラメータをモニタリングするための１つまたは複数の追加のセンサは、ＧＰＳ装置、加速度計、ジャイロスコープ、磁力計、マイク、カメラの少なくとも一つを含む他のセンサが備えられている。プロセッサは、１つまたは複数のセンサアセンブリと、１つまたは複数の追加のセンサからのデータを受信し、データを同期するように動作する。

プロセッサおよび追加のセンサのうちの１つまたはそれ以上は、スマートフォン内に存在することができる。このシステムは、テレビを見ること、座ること、食べること、歩きこと、または運動するなどのような多様な活動の一つを表すセンサ解読のデータベースを含めることができる。本システムは、ホストプロセッサ、クラウド・コンピューティング設備、または外部コンピュータへ同期したデータを送信することができる。

本願発明は、以下に説明した添付図面と一体化した、以下の詳細な記述からより詳しく理解し得るであろう：
本発明の一態様に基づくセンサアッセンブリの上面透視図である。 図１のセンサアッセンブリの底部透視図である。 センサアッセンブリのさらなる態様の底部透視図である。 被験体の頭皮へ適用された使用におけるセンサアッセンブリの側面図である。 センサアッセンブリを支えるヘッドバンドの略式正面図である。 図５Ａのセンサアッセンブリおよびヘッドバンドの略式等角図である。 センサアッセンブリの電子機器の概略図である。 従来のＥＥＧセンサと比較して、１９個のピン・センサアレイの実施態様とＥＥＧ及びＥＦＥＧの信号対雑音比（ＳＮＲ）の改善を示すグラフである。 同上 同上 同上 センサ組立体から得られたＥＦＥＧデータから生成された脳活動の画像の概略図である。 ４×４のセンサアレイをテストする実験からの正しい分類の配分と対応する信号対雑音比（ＳＮＲ）のグラフである。 センサ密度の関数としてのＳＮＲのグラフである。 超高密度脳波アレイ全体のエポックにわたって平均された視覚的に呼び起こされた応答の、一被験体からの例を示す。 最上図は、５人の被験体のための超高密度脳波アレイ全体のｄＶＥＰ変化のスナップショットを、中央の図は、電極のホットスポットに近い時間経過を、下の図は、角の電極のみを用いて補間されたｄＶＥＰｓのスナップショットを示す。 ＥＥＧ信号と３人の被験体でテストしたセンサアレイの実施態様のＥＦＥＧ信号経時変化のグラフである。 センサアレイの実施態様の試験中に得られた脳の局所領域からの電界のＥＦＥＧ信号のマップである。 同上 ネットワーク機器との無線通信のセンサアッセンブリの一態様を表す略図である。 医療人体エリアネットワークにおける数個のセンサアッセンブリの一態様の略図である。 転倒可能性を示唆する急激な変動を示す、スマートフォン加速器からの経時的加速変化のグラフである。 転倒可能性を示唆する急激な変動を示す、スマートフォン加速器からの経時的回転変化のグラフである。 誤警報の数と検出漏れの数を示し、他の三つの転倒検出アプリケーションに本発明の転倒検出技術を比較したグラフである。 センサデータから神経的状態を推測するために使用される隠れマルコフモデルの概略図である。 スマートフォンから外部デバイスへのデータ加工のサイトの時間的遅延を比較するグラフである。

本システムおよびプロセスは、電界脳波（ＥＦＥＧ）とＥＥＧが同様に実施可能である。センサシステムは、密接にアレイ状に離間した複数のセンサを利用したセンサアセンブリを用いる。各センサに関して、システムは、電位（ＥＥＧ）、電界成分（ＥＦＥＧ）、及びその表面ラプラシアンのような、より高次の電位の微分係数を測ることができる。測定された電界データから、電界発生源の位置の推定を行うことができ、脳活動の画像を生成し得る。

システムは、センサの数、Nを採用し、それぞれがアクティブな独立した増幅器に関連付けられている。むしろ複数のノイズ検査にわたるよりも、複数のノイズセンサを平均化することによって、許容可能な信号対雑音比（ＳＮＲ）を達成することができる。各センサの増幅器ペア（能動増幅器と基準増幅器）に関する独立ノイズを仮定すると、関連するＳＮＲの増加が収束率の平方根で与えられる。

図１−４を参照すると、センサシステムは、電極３４のアレイ３２内に配置された個々のセンサ３０の複数のセンサ支持アセンブリ２０を含む。各センサは、頭皮との良好な電気的接触を行うための適切な構成を有する。いくつかの実施態様においては、各電極は、導電性ピン３５の形で各ピンの端部または先端は、例えば、凸状（図２）は丸くすることができ、カップ状または凹状、またはワッフル状（図3）にすることができる。先端または端部の構成は、被験体の髪のタイプ（例えば、カーリー、ストレート、細毛、太毛）と量（例えば、多い、薄い、脱毛）に依存することができる。所望であれば、電極は、ばね機構、例えば、頭皮と接触するように押圧することができる。適切な電極材料は、銀、金、銅、及びそれらの合金が挙げられる。一実施態様では、電極を頭皮 - 電極界面におけるＤＣ分極を防止または最小限にするために、銀のコアと、表面をＡｇ／Ｃｌでコーティングすることができる。所望であれば、他の電極や電界センサ構成を使用することができる。他のセンサ構成は、ニオブ酸リチウムのフォトニック結晶のような電気光学センサを含むことができる。

いくつかの実施態様では、センサアセンブリ２０は、電極３４を取り付けまたは支持するための支持プレート３６または他の構造体を含む。電極のピン３５は、第一面３７から突出した支持板を貫通して延びる。電極（以下に記載）と接続する電子部品４２は、支持板３６の第二面に載置されるか、または別の第二面によって支持される（図１参照）。電子部品と電極間の接続は、支持板の第二面に形成される。センサアセンブリは、電子部品を包囲するハウジング又はカバー３８を含む。ハウジングは、頭皮と電気的に接触する突起電極と被験体４０の頭皮の領域に取り付けられるように寸法決めされる。図４を参照されたい。ハウジング又はカバーは、被験体の頭皮上にセンサアセンブリを配置するとき、使用者が把持することができる。センサアセンブリは、必要に応じて、いくつかのセンサアセンブリが被験体の頭皮に取付けることができる程に十分に小さい。

センサアセンブリ２０によって支えられた支持電極３４は、任意の適切なアレイ３２内に配置することができ、電極の任意の適当な数、Nを提供することができる。電極は、より密接に従来の脳波に使用される電極よりも間隔を置いて配置することができる。電極密度は、例えば、０．３ ｃｍ^−２、１．０ｃｍ^−２、４．０ｃｍ^−２、またはそれより大きくすることができる。例えば、一実施態様では、電極１９は、３〜４ｍｍの間隔を有する六角形アレイ状に配置される（図２、図３）。アレイは、その最も広い寸法で直径２ｃｍである。１９個の電極の組合された領域は、頭皮表面に適用した場合、数平方センチメートルである。別の例では、１６個の電極は、４×４の平方アレイに配置されている。電極の間隔は１ｃｍである。電極は、円形、三角形等の他のパターン、または規則性のないパターンで配置されてもよく、用語‘アレイ’は、そのようなパターン又はパターンのない全てを包含する。

比較的目立たない頭皮に取付けることができることは、ハウジング３８を含むセンサアセンブリ２０は、十分に小型化することができることを示す。センサアセンブリは、現在使用されたＥＥＧセンサのプロファイルよりも低いプロファイルで形成することができる。センサアセンブリは、任意の適切な方法で頭皮に取り付けられる。例えば、いくつかの実施態様において、センサアセンブリは、テープ又は皮膚および毛髪上で使用するのに適した接着剤で取り付けることができる。他の実施態様において、センサアセンブリは、ヘッドバンドやヘッドセットなどの装置で所定の位置に保持することができる。センサアセンブリは、一体的にヘッドバンドまたはヘッドセットを形成することができる。ヘッドバンドまたはヘッドセットは、ヘッドのサイズと様々な形状に適合するように調整可能であり得る。ヘッドバンドまたはヘッドセットには、２つ、３つ、４つ、またはそれ以上のセンサアセンブリとして、複数のセンサ組立体を支持するように構成することができる。例えば、図５Ａ、５Ｂを参照されたい。被験体の頭部にバンド６４がサポートしているセンサアセンブリ２０を支持するヘッドセットを示す図である。殆どの場合、セットアップ時間が５分以下であり得る。殆どの場合、頭皮との信頼性の高い電気的接触は、電気的ブリッジを作成して、乾燥したＥＥＧの電極の空間分解能をひどく減少させ得る、液体またはゲル電解質の使用なしに行うことができる。

上述したように、電極に接続された回路を構成する電子部品４２は、ハウジング内に配置されている。具体的には、各電極３４は、対応する増幅器４４に電気的に接続されている。図６を参照されたい。前記増幅器は、その関連する電極３４と基準電極の間の電位差を増幅する。各増幅器の出力は、関連するアナログ−デジタル変換器（ＡＤＣ）４６に供給され、後述するように、さらなるデータ処理のためにマイクロコントローラ５０に電位差を表すデジタル信号を順次送信する。

ＥＦＥＧモードでは、センサアレイの一つの電極が、基準電極である。一般に、中央の電極が、幾何学的考慮を単純化するため、基準電極３７として選択されるが、他のいずれの電極も、代わりに選択され得る。残りのＮ−１の電極の電位は、関連する増幅器によって基準電極を参照して測定される。この方法において、局所電界成分は、電位の局所勾配を介して推定される。

ＥＥＧモードでは、基準電極が、頭皮上又は耳たぶの別の位置に取り付けられ、例えば、従来のＥＥＧ電極とすることができ、またはそれは、頭皮上の異なる位置に配置された別のセンサアセンブリ上の電極とすることができる。

従来のＥＥＧセンサとは異なり、本明細書に記載のセンサアセンブリは、ＥＥＧとＥＦＥＧ型で同時に使用することができる。ＥＥＧ及びＥＦＥＧ両方が動的に増幅器への入力において例えばマルチプレクサと、ＥＥＧモードのリモート基準電極とＥＦＥＧモードのローカル基準電極との間の各増幅器の参照を切り替えることにより、同時にサンプリングすることができる。

脳の全体的な活動が、アルファリズムのように、関心のあるとき、ＥＥＧ型が最も有用である。センサアセンブリの近傍で局所的脳活動を推定する際、ＥＦＥＧとラプラシアン型が最も便利である。ラプラシアンは、頭蓋骨−頭皮電流密度に比例する電位の曲率である。頭皮の電界パターンは、対応するＥＥＧパターンより集中し、ＥＥＧと異なり、ＥＦＥＧは基準電位を選択するあいまいさから解放される。ラプラシアンのパターンはより集中しているが、電位の二次微分係数であるラプラシアン測定は、また、ＥＦＥＧより、測定ノイズによって、より影響される。

ＥＦＥＧ型においては、一の電極、例えば、中央の電極は、活性電極のような残りのＮ−１の電極の、関連する増幅器によって測られる電位に対するローカル電位基準として使用されるが、活性電極は、関連する増幅器によって測定される。この方法においては、局所電界成分が電位の局所勾配を介して推定され得る。次のようにＮ−１勾配測定から頭皮に対して接線方向電界の二つの成分を計算するために、それらの加重和が以下の式によって計算される：

ここで、Ｆｉは、ｉ番目の電極からの電位信号の略で、ΔＦｉは、ｉ番目の電極センサと基準電極との間の（増幅された）電位差を表す。Ｎは、アレイの数であり、Ｘｉは、アレイの中心に対する電極のＸ座標を表す。類似の式は、フィールドのｙ成分を与える。半径方向成分は、必要に応じて同様に測定したが、接線成分が支配的であるため、一般に必要ではない。別の電極が基準電極である場合、式は適切に基準電極の位置の幾何学的形状を反映するように重み付けすることができる。

ＥＥＧモードにおいて、増幅されたＥＥＧ電位はセンサアッセンブリによって平均化される：

ここで、Ｆｉは第１電極を基準にしてｉ番目の電極からの信号を、Ｎは電極数を表す。

同様に、ラプラシアン型において、頭蓋骨−頭皮電流密度に比例する電位の曲率Ｌは、以下によって計算される：

ここで、ｒｉは電極からアレイ中心までの距離を表す。

計算は、各電極の信号が、そのノイズ分散の逆数によって重み付けされた最適な確率の総和を実施し、こうして、可能な限り最高のＳＮＲ（信号ノイズ比）を達成する。双極ＥＥＧペアとして実施される単一ＥＦＥＧチャネルと比較して得られたＳＮＲの増加は、ＥＦＥＧに対して√（Ｎ−３）、およびラプラシアンに対して√（Ｎ−１）によって与えられる。たとえば、１９個の電極を有するセンサアレイに対して、ＥＦＥＧのＳＮＲ増加は√（１９−３）=√１６＝４である。ラプラシアンの場合、ＳＮＲの増加=√（１９−１）=√１８≒４．２４３である。 ＥＥＧの場合、独立したアンプノイズを仮定すると、単一の増幅器チャネルと比較して、予想されるＳＮＲの増加は√Ｎで与えられる。例えば、１９個の電極を有するセンサアセンブリに対して、ＳＮＲ＝√１９≒４．５５９である。

センサシステムは、ＳＮＲを改善するための追加の技術を使用することができる。能動的な増幅器は、出力ケーブルとの干渉の発生源との間の容量結合を減少させることによって信号品質を大いに向上させる。アクティブな増幅が効率的に機能するためには、増幅器はできるだけセンサの近くに配置する必要がある。第一段階の増幅は、センサアセンブリ２０内のセンサの近くに搭載されているアクティブなアンプ４４を使用して行われる。特に、電極３４は、支持板３６の貫通孔内に固定されており、それらに接続された増幅器４４の非常に近くに接続され、前記増幅器は、支持板の第二面に支持されているチップ上に配置される。図１を参照されたい。

一実施態様では、１つまたは複数のテキサス・インスツルメンツ社から市販のＡＤＳ１２９８やＡＤＳ１２９９チップ４８を使用することができる。これらのチップは、マルチチャンネルであり、同時サンプリングを採用し、２４ビット、デルタシグマアナログ - デジタルプログラマブルゲインアンプ（ＰＧＡ）、内部リファレンス、およびオンボード発振器内蔵-とコンバータ（ＡＤＣ）を採用している。各チップは、８つの独立したチャネルのための増幅を提供することができる。例えば、電極１９を用いたセンサアセンブリの実施態様のために、これらのチップの内の３つが使用されそれは２４の独立した利用可能のチャンネルを与える。電極からの出力は、各チップの８つの入力の１つに接続する。これは、同様のチップの将来の世代もまた使用され得ることが理解される。

ＡＤＳ１２９８または１２９９は、チャンネルごとにサンプル当たり３バイトのＡＤＣ速度で２４ビットのデータをサンプリングすることができる。このサンプリングの解像度とレートが最高のＳＮＲおよび適切なデータ品質を得るために調節可能である。代表点のサンプリング速度は、１ｋＨｚであり、これは、チャネルごとに３ ＫＢ／秒のデータサンプリング速度を与える。７００チャネルの場合、これは、２．１ＭＢ／ｓのデータ速度を与える。これにより、より高い速度が現在または将来の他のチップで達成可能であり得ることが理解されるであろう。

各チップ４８は、シリアル・ペリフェラル・インターフェース（ＳＰＩ）４９チャンネル出力（チャネル１、２、３）を介してデジタル形式のデータを出力する。コモンモードの干渉を低減するために、各チップの駆動右脚（ＤＲＬ）は、単一のＤＲＬ出力に結合され、差動アナログ負の入力は、マイクロプロセッサに共通の基準（Ｖｒｅｆ）入力として終焉する。すべての入力信号は、デジタル形式でサンプリングされ、情報は、マイクロコントローラ５０で処理される。

マイクロコントローラ５０は、センサアセンブリ２０の支持板３６によって支持することができる。連続的モニタリングおよび追加の信号処理のためのＡＤＣからの出力信号を受信する、マイクロコントローラは、ＥＦＦＧ時系列で得られた信号前処理を実行するための指示で、マイクロプロセッサ、入出力制御、メモリ（ＲＡＭ、ＲＯＭ等）を含む。センサアセンブリは、また、例えばリチウムポリマー電池を含む、バッテリーのような電源を含むことができる。消費電力は比較的低く、一般的には２００ｍＷでより低い。センサアセンブリ２０のハウジング３８内の小さな設置面積内に適合するように必要に応じて、マイクロコントローラや他のチップを積層することができる。

オンボード・マイクロプロセッサは、影響を緩和するために、例えば、データの冗長性を低減するために、例えば、上記のように、個別電極電圧から電界成分を計算するために使用され、また、その場でより複雑な計算のために、例えばデータ冗長性を低減するために使用することができ、データが別のデバイスに送信するための送受信機５２に交信される前に、追加の信号処理によりノイズの効果を軽減し、及び信号の電界強度を計算する。正確なタイミングまたはリアルタイムデータが必要な場合は、ＦＰＧＡ（書換え可能ゲートアレイ）を使用することができる。

さらなるＳＮＲの改善の一例として、バイアス駆動回路は、基準から、積極的に電磁妨害（ＥＭＩ）を打消しするための増幅器４４の差動入力への電流（コモンモード信号）のための経路を提供し、コモンモードを改善し、 拒否する。マイクロプロセッサは、積極的にプログラマブル・ゲイン・アンプのそれぞれをモニタリングする。それは（ダイナミックレンジと信号振幅とを比較することによって）、電極のいずれかを緩めて感知した場合、それは、動的に関連する増幅器のスイッチを開いて、バイアス駆動信号の閉ループゲインからそれを除去することができる。これは、全体のセンサアセンブリのコモンモード除去比を向上させることができる。

図７Ａ-７Ｄは、図1に示すようにＳＮＲが単一のＥＥＧチャネル用センサアレイは、１９ピンの形状を採用する１に設定されたシミュレーションで得られたＥＥＧおよびＥＦＥＧ信号ためのＳＮＲの改善を示し、センサアレイは、図 ２に示したように、１９ピン配置を採用し、４ Ｈｚで回転する１μＶ／ｃｍの一定の大きさのシミュレートされた電界を採用した。図７Ｂは、図７Ｂの従来のＥＦＧに対して１９ピンのセンサアレイで検出されたＥＥＧ電位のＳＮＲにおける√19の改善を示している。図７Ｄは、関連する電界の測定のためのＳＮＲの４倍の改善を示している。

測定された電界と潜在的なデータから、電界と電位源の位置の推定を行うことができ、脳活動の画像を生成することができる。様々なアルゴリズムおよび頭部モデルはデータから位置を推定し、脳活動の画像を生成し、画像マップを使用することができる。例えば図８は、ハーモニーとして知られているソフトウェアパッケージを使用して生成された脳活動の画像の概略図である。球面調和の解剖学的根拠に、ＥＥＧ／ＭＥＧ線形逆発信源再建：ペトロフ、Y．，ハーモニー，PLOS ONE、2012年10月、第7巻第10集、e44439を参照されたい。

センサアセンブリの実施態様は、従来の高密度ＥＥＧと比較して脳活動に関する追加情報をＥＦＥＧが提供するかどうかを決定し、及び近い電極間隔の場合、すなわち、超高密度の電極密度が、センサアセンブリ内で、従来の高密度ＥＥＧのセンサ間隔、または電極密度と比較して、追加のＥＥＧ情報を提供することができるか否かを決定するために試験された。

具体的には、電極の超高密度アレイを有するセンサアレイは、小径電極の正方形の４ｘ４グリッドが１ｃｍでの電極間の分離、または１．０ｃｍ^-２の密度を有して、使用された。既存の高密度ＥＥＧシステムとの比較のために、エレクトリック・ジオデシックス社の数個の１２８センサＥＥＧネットの電極密度は、０．１６７ｃｍ^−２と推定された。６４センサを有するＥＥＧネットの電極密度は０．０８４ｃｍ^-２であることが推定され、２５６センサを持つネットの電極密度は、現在は最密ＥＥＧネットが市販され、０．２６９ｃｍ^−２であると推定された。

このアプローチは、そのＥＥＧデータに基づいて、個々の試験のバイナリ分類を行うために、分類アルゴリズムに用いられた、信号分類パラダイムを使用した。なお、アレイによって捕捉された機能情報の量Ｉは、アルゴリズムの分類精度Ｐｃの単調増加関数であると仮定された。このアプローチの利点は、（ｉ）脳波の単なる空間的変化に比べて脳機能情報の推定値を与えること、（ｉｉ）頭皮上の分類タスクに関連する機能情報の‘ホットスポット’が与えられたということで、それはセンサ密度Ｉ（ｄ）の関数としてのこの位置でＩを推定するのに十分であり、全頭皮Ｉ（ｎ）の信頼できる推定値を得ることができる。

このパラダイムでは、１１人の被験体が、コンピュータモニタ上に一つずつ提示された単語の画像を観察した。各試行では、単語は、０．５秒間スクリーンに現れ、続く０．５秒間、空白の画面が見えた。表示された単語は２タイプで：‘ＴＡＢＬＥ’の如くにアルファベットの大文字で印刷された一般的な英語の名詞、および‘ヘブライ語’の言葉：同じＡＳＣＩＩコードを有するヘブライ文字で英単語のラテン文字を置換して得た無意味な言葉。被験体は、ネイティブスピーカーまたは英語の堪能なスピーカーのいずれかであった。被験体はヘブライ語を話しも読みもせず、ヘブライ語のアルファベットに慣れていなかった。 １０分間の脳波セッションの間に、各被験体は、各タイプの２３６の異なる単語がランダムに差し挟まれた。単語の提示のタイミングは、電極から収集したデータのタイミングと相関しており、その結果、脳応答は各単語の提示と相関させることができた。

予備実験では、共通の「有益な」場所が、後頂後頭部頭皮領域内のイニオン（外後頭隆起点）の左上方約６センチメートルに選ばれた。４ｘ４の超高密度センサアレイは、すべての被験体に対して、この場所に適用された。所与の区画（epocs）で刺激が存在することに基づき、視覚誘発電位（VEP）区画は、英語とヘブライ語の２つのセットに分けられる。データの一部は、分類アルゴリズムをトレーニングするために使用され、残りのデータは、ナイーブ・ベイズ・アプローチを用いて、トレーニングされたアルゴリズムの性能を試験するために使用された。

正しく分類された試験（Ｐｃ）の割合は５２％から７８％に被験体の間で変動した。パーセントの正しい値はｄ’へ変換され、即ち、ｄ’＝２ｎｏｒｍｉｎｖ（ｐｃ）を用いた分類分析の信号対雑音比（ＳＮＲ）へ変換される。ここで、ｎｏｒｍｉｎｖ（ ）は、平均０分散１の正規分布（ＣＤＦ）に関する累積密度関数の逆数を表す。各被験体に対するＳＮＲおよびｐｃは、図９のｙ軸に沿ってプロットされている。エラーバーは１つの標準偏差を示す。全１６個の電極（フル4×4アレイ）を用いた場合、ＳＮＲは平均で０．４７±０．０２であった。配列の４隅の電極のみが同じ分析に使用され、平均ＳＮＲは０．２７±０．０２に低下した。したがって、平均で１ｃｍスケールの脳波をサンプリングすると、３ｃｍスケールのサンプリングに比べて、機能的脳信号の量のほぼ倍量を提供する。個別には、改善は１１人の被験体中１０人に顕著であった。 ０．１１ｃｍ^−２センサ密度におけるコーナー電極は、約８４のセンサを備えたフル頭皮脳波配列と張り合う（emulate）。これは、今日の最も一般的な６４および１２８センサ高密度ＥＥＧシステムに匹敵する。１ｃｍ ^−２ センサ密度におけるフルの４×４アレイは、７６６個のセンサと超高密度脳波頭皮配列と張り合う。二つの中間のセンサ密度に対するＳＮＲは、５個および９個を持つ平方アレイに４×４アレイデータを補間することにより見積もられる。そのため、各々１６８個及び３３６個のセンサのフル頭皮ＥＥＧアレイに張り合う。センサ密度の関数としてのＳＮＲは概ね対数的に増加した（図１０）。適切なフィット（χ^２＝ ３．６９、ｐ <０．３）は、線形最小二乗法によって得られ、次式によって与えられる。
ＳＮＲ ＝ ０．４７６ ＋ ０．０８６ｌｏｇ（ｄ），
ｄはセンサの密度であり：４、５、９および１６電極極超高密度ＥＥＧアレイ構成に対してそれぞれ０．１１、０．２２、０．４４、１ｃｍ^−２であった。

超高密度ＥＥＧサンプリングのＳＮＲの増加を理解するために、誘発反応の空間分布を調べた。代表的な被験体に対する視覚誘発電位（ＶＥＰ）は、図１１に示されている。データは、通常、カラーマップによって表されるが、様々なグレースケールによってここに示された、４×４アレイにおける電極間で補間された、刺激区画にわたって平均された。電極の位置は黒丸でマークされている。英語とヘブライ語の刺激に対する応答は、左側、右側にそれぞれ示されている。 ２つの時間点のスナップショットは、時間の矢印で示すように、２つの条件の間の、それらの応答は８０ミリ秒後に全く異なっていた。英語とヘブライ語の刺激間のＶＥＰの差、ｄＶＥＰ ＝ ＶＥＰ_English−ＶＥＰ_Hebrewは、分類精度の電極密度の最強の効果を持つ５人の被験体に対して、図１２の上部パネルに示されている。最大の観察されたｄＶＥＰに対する電極のｄＶＥＰの時間経過は、各スナップショットの下にプロットされている。各プロット上の点は、対応するスナップショットが取られたときを示している。超高密度脳波アレイ全体の観察ｄＶＥＰの変化は非常に顕著な、局所のホットスポットが形成されている：英語とヘブライ語の刺激間の電位変動は、一部の被験体について２μＶ／ ｃｍのと同じくらい高かった。ホットスポットの時間経過は、明確に定義されたピークを有する。これは、ホットスポットが誘発脳の応答ではなく、測定に関連したノイズを反映していることを示している。ホットスポットは、コーナー電極のみを用いて内挿したｄＶＥＰで自分の存在しないことによって、特に目立つように作られている。これは、図１２ボトムのパネルに示されている。データは、アレイの平均に関して測定されたＶＥＰの局所的な変動を反映しているため、グローバル参照を使用して記録された従来のＶＥＰとは異なって見えるかもしれない。

高密度脳波の超高密度の脳波の観察分類ＳＮＲの改善は、以下から生じる：（ｉ）図１２のｄＶＥＰホットスポットによって反映さるように、独立した信号の増加数。または（ｉｉ）が原因で近くの超高密度のＥＥＧ電極の近傍間で平均化ノイズに起因する減少されたノイズ。この後者の機構を試験するために、単一の最も情報量の多い電極への分類数を制限しながら、分類分析を繰り返した。これは、電極近傍間の平均のノイズを除外する。フルの４×４アレイに対する平均ＳＮＲは０．４７±０．０２から０．２５±０．０２に低下したが、４つのコーナーのＳＮＲは０．２７±０．０２から０．１５±０．０２に比例的に減少した。これは、ノイズの平均化が分類精度の観察された改善を説明することはできないことを示している。

独立した信号数は一定のまま（すなわち、ＶＥＰが過剰にサンプリングされたとき）であっても、前記改善が、大多数の入力信号から恩恵を受ける、分類アルゴリズムのいくつかのアーチファクト（不自然な結果）に起因し得ると主張することができるかも知れない。また、上記の「最も情報量の多い電極」の分析は、一方の電極のみが両方のケースで使用されていたので、この反論を反証するためにここに適用される。しかし、直接的な試験が実施され、そこにおいては、コーナー電極上のＶＥＰの生データが４×４アレイの残りの１２個の電極に渡って補間され、分類分析が補間された１６個の電極データセットに適用された。補間された４×４のデータセット（ｐｃ＝０．５８±０．０４）間の被験体全体の平均分類精度の有意な増加はなかった。したがって、フルの４×４アレイのためのより高い分類精度は１ｃｍの分解能でサンプリング脳波の本物の利点であるように見える。

また、図１３は、三人の被験体のための脳内のある場所での心電図や脳波の測定を示し、電界脳波は、脳波によって提供されるものに加えて、情報を提供することに対して、図１４Ｂにヘブライ語の刺激に対して示されている。

この研究では、超高密度ＥＥＧによって捕捉電位の高い空間周波数変化が脳の状態に実質的に重要な情報を提供することを実証している。分類パラダイムのＳＮＲの観察された二重の改善は、多くの脳コンピュータインターフェース（ＢＣＩ）アプリケーションにすぐに関係づけられる。同様に、有意な改善はＥＥＧにも期待できる。この研究はまた、効果が単独でＥＥＧから提供された情報を超える、追加の有用な情報を提供することを示している。

本明細書に記載されるように、一つまたはそれ以上のセンサアセンブリは、センサシステムの一部であってもよい。図１５を参照すると、センサアセンブリ２０のデータは、さらなる分析のために周辺装置に送信することができる。センサアセンブリからの信号の送信は、例えば、ブルートゥース（登録商標）、ジグビー、無線ＬＡＮ、ＷｉＦｉ８０２．１５．４、ＷＬＡＮ、ＲＦＩＤおよび他の無線規格などの接続規格を介して、有線または無線で送信することができる。ケーブルの長さが解消されるので、無線システムでは、ＡＣノイズをさらに低減することができる。出力データは、連続的にフラッシュドライブにローカルに保存することができ、一定の待ち時間でリアルタイムに無線でホストシステムまたはクラウドストレージに送信することができる。

一実施態様においては、１以上のセンサアセンブリが、スマートフォン、タブレットコンピュータ、ラップトップコンピュータ、または他のデバイスなどのようなデバイス８５と通信することができると言うセンサシステム８０が提供される。 デバイス８５は、代わりに、別のホストシステム、例えば、インターネット９０を介して、データを送信することができる。例えば、センサアセンブリは、被検者のスマートフォンに無線でデータを送信することができ、それは、別の外部コンピュータ８２、医師、臨床医または研究者によって使用されるプロセッサ装置８４、または被験体から離れて配置された別のネットワーク化施設８６にデータを送信することができる。したがって、被験体は、連続的に、病院や他の医療施設または試験場所（ラボ）から離れた、彼または彼女の家のような場所でモニタリングすることができる。むしろ、このような継続的なモニタリングのために病院に入院しているよりも、自宅で通常のルーチンを維持しながら、例えば、てんかん患者が継続的にてんかん発作を示す信号をモニタすることができる。臨床医からのメッセージは、必要に応じて、被験体に返送することができる。

センサシステム８０からのデータは、例えば、脳電磁活動に調査を行う訓練を受けた研究者、または神経学的状態を診断する臨床医によって使用され得る。システムは、一実施態様においてはヒトを被験体に含む哺乳動物を含む動物の診断をし、治療をするために使用することができる。例えば、システムは、高い時間的、空間的分解能で、パターン認識および認識のために、または被験体の脳活動を、正常な被験体の脳活動、または多くの被験体の脳の活動のデータベースと比較するために機能的脳イメージングのために使用することができる。システムは、視覚及び音声、加齢、睡眠、またはそのようなてんかん、アルツハイマー病、パーキンソン病、筋萎縮性側索硬化症（ALS）、卒中等発作、自閉症、うつ病、および外傷性脳損傷のような疾患の神経相関を調べるために使用することができる。例えば、データは、てんかんのための音源定位、または発作もしくはサイレント事象にＥＦＥＧとＥＥＧパターンの間の相関を検出するために分析することができる。別の例として、システムは、老化プロセス中および／またはパーキンソン病における運動障害で足どりと注意力との間の相関を検出することができる。システムは、患者主導の神経リハビリテーション、モバイル脳／体イメージング、歩行の研究と歩行リハビリテーションと神経人間工学のために、脳卒中患者の運動リハビリテーションの間に使用することができる。

システムは、人間−機械およびブレインコンピュータインターフェースを調査するか、または利用するために使用することができる。現在、脳とコンピュータのインターフェースは、多くの場合、ユーザーが長持続時間、集中することが予想される点滅パターンの形で、積極的な刺激を必要とする。センサアレイは、対照的に、直接ピックアップし、特殊な装置を必要とせずに、リアルタイムで通常の設定において、被験体の脳活動を送信する。例えば、センサアレイからの信号は、ホストプロセッサに送信され、外部デバイスを制御するために、例えば、デバイスをオンまたはオフにし、カーソルを移動し、音声出力の音量を制御し、人工器官を制御し、電話をかけ、音声合成を制御し、車いすを制御し、または眠いドライバを目覚めさせる音や振動を与える。ホスト・プロセッサは、感情やデータベース、ルックアップテーブル、または脳地図と意図的な思考の送信を表す信号の比較を行うことができる。訓練レジメは、ユーザーがデバイスを制御するために、脳活動の使用を学習することができることにより行うことができる。

一実施態様では、センサシステムは、脳活動データを収集するために被験体１４０が着用する１つまたはいくつかのセンサアセンブリ１２０を含むことができる。図１６を参照されたい。スマートフォン１６０は、被験体によって着用または携行されている場合、ＧＰＳ装置１６２、加速度センサ１６４、ジャイロスコープ１６６、及び磁気センサ１６８のような、現在のスマートフォン１６０内に存在する他のセンサは、コンテキストデータを提供するために用いることができる。 （このようなセンサは、スマートフォンに加えて着用可能な装置の任意の態様で、他の装置を含むことができ、スマートフォンの参考文献は、そのような他の装置を包含し得ることが理解されるであろう。）被験体の動きと音声を捕捉するためのカメラとマイクを使用する他のデバイス１８０を、同様にコンテキストデータを提供するために用いることができる。これらのセンサおよび装置は、被験体１４０のための医療用人体通信１９０（ＭＢＡＮ）に統合することができる。脳活動センサアセンブリからのデータは、データコンテキストを提供する他のセンサおよび装置からのデータと同期することができ、その結果、被験体の脳活動は、被験体が実行するアクティビティに関連付けることができる。このように、気分、不安、ストレス、認知機能、または睡眠などのような特定の神経学的状態を誘発する要因は、治療を推奨するのに役立つ可能性があると、見極めることができる。

例えば、突然の転倒は、潜在的に、パーキンソン病、認知障害、認知症、または脳卒中の発症などの深刻な問題を示すことができる。正常に歩いている被験体が急に低下すると、スマートフォンのセンサは加速度、線形加速度、角速度と向きに関するデータを収集することができる。具体的には、総加速度は、直交３軸の加速度から計算することができる。図１７および１８は、人が普通に歩いているときに突然倒れたときのスマートフォンで収集された、加速度、線形加速度、角速度及び方向データを示す。すべての３つの軸の加速度は、総加速度を見つけるために組み合わされている：

個々のトレースを図１７に示す。角速度は、ハードウェアベースの三軸ジャイロスコープを使用して回収することができる。スマートフォンの座標系は、携帯電話に関連して定義され、軸は常に静止したままである。すなわち、スマートフォンの向きが変更されると、軸は適切に回転しない。このように、幾何平均値は、より有用であり、３つの直交方向での速度から計算することができる：

トレースは、図１８に示されている。同様に、携帯電話の向きは方位角、ピッチ（一方の軸周りの角度、例えば、x軸）およびロール（他の軸周りの角度、例えば、z軸）により決定される。転倒検出技術は、回転センサを超える９０°の同時変化を登録する場合は、複数の被験体をチェックして得られた経験的に測定された閾値に対して、総加速度を比較する。被験体の電磁気的脳活動と転倒のデータの調整は、転倒とおそらく治療の診断とコースの原因の評価につながる可能性がある。図１９Ａおよび１９Ｂに示すように、本転倒検出技術は、低い誤警報をもたらすことが見出され、他の市販のアプリケーションに比べて検出誤差を見逃して来た。これらの図では、番号１、２および３は、市販のスマートフォンの転倒検出アプリケーションを表す。番号４は、上述した本転倒検出技術を表す。データ分析は、スマートフォンで起こり得、またはスマートフォンは、分析のために別のコンピュータにデータを送信することができる。検出されたコンテキストが落ち、ユーザーのアクションである場合には、緊急の通知イベントを示すことができる。一緒になった場合、例えば、センサアレイおよび転倒の場合からの収集データは、脳卒中の可能性を指し示すことができる。したがって、当該データは、必要な介護者に警告するために、スマートフォンによってすぐに送信される。

このシステムは、このような、テレビを見たり、座ったり、食べたり、歩いたり、または運動するなどの特定の活動の指標である、センサ読み取りのデータベースを含めることができる。例として、そのようなテレビを見るような簡単な毎日の活動は、テレビ番組の内容に応じて、ストレスレベルと、被験体の精神状態で一時的な変更を導入することができる。システムは、例えば設備機器などの要素の座標、およびテレビ、トイレ、エクササイズマシン、ダイニングテーブルなどの場所のような被験体の生活空間や他の環境のマップを含めることができる。スマートフォンのアシストＧＰＳ（ＡＧＰＳ）能力は、室内や施設内の被験体の位置を決定するために用いることができる。加速度計は、被験体が激しい身体活動を示唆し、連続的な動きを受けているかどうかを検出するために使用することができる。そうでない場合には、スマートフォンの向き、従って被験体の向きは、地球の磁気軸に対してスマートフォンの磁力計を用いて決定される。 ＡＧＰＳの点の位置だけでなく、テレビへの視線に沿った向きは、被験体がテレビを見ていることを高い確率で示すことができる。

さらに例として、マイクロソフトから入手出来る、ゲーム分野に最初に開発されたＫＩＮＥＣＴ（登録商標）のような被験体の動きや発言を捕捉するデバイスは、他人によって連続的にモニタリングされることから目視確認を伴うプライバシーの侵害なしに、被験体の骨格図のデジタル表現を生成する機能を提供し得る。これらのスケルトンの数値は調査被験体者の関節や手足に対応する頂点と辺のグラフとして表現され、デバイスはまた、部屋の中の追加の所在地情報を提供すると言う、深さまたは奥行きの推定についての情報を返送する。このようなデバイスを使用して、事例が、被験体が物理的に場所を変更しない場合に、捕獲され得、よって、スマートフォン加速度計によってゼロ変動を記録するが、それが神経学的データに影響を与える、限られた動きに依然携わる。例えば、食べながら、被験体の下顎の動きが、脳の活動をモニタリングするためのセンサアセンブリによって検知されたデータにノイズを導入することができ、それは、突然のスパイク（波形の山型ピーク）をもたらし得る。スケルトンの図形データは、頂点およびエッジの動きが正規であるかどうかを確認するために使用することができ、おそらく食べる時の腕の動作に対応する。別の例として、もしスマートフォン上のセンサが、被験体によって潜在的な転倒を示すなら、動き捕捉機器を作動させることができる。

被験体が携えるパターンのデータベースは、総合的なコンテキスト知覚の枠組みを確立するために用いられる。スマートフォンは、１つまたは複数の脳活動センサアセンブリ、および動きや音声捕捉デバイスなどの他の外部装置のような従属ノードをポーリングするためのマスターの役割で配置される。スマートフォンは、スマートフォン自体のボード上のセンサを含む、すべてのソースからのデータを、時刻表示し、集約することができる。スマートフォンは、連続的にセンサデータをモニタリングすることができ、既知または予測パターンからの逸脱が検出された場合には、影響を受けたセンサのデューティ・サイクルを増加させることができる。いくつかの実施態様では、スマートフォンは、たとえば、圧縮されたフォーマットで、ホストプロセッサ、またはその後のデータ解析のためのクラウド・コンピューティング機能に、データを送信することができる。他の実施態様では、スマートフォンは、データ解析のために、ラップトップコンピュータなど、外部のコンピュータにデータを送信することができる。さらに別の実施態様において、データ処理および分析がスマートフォン自体で起こすことができる。スマートフォン上のデータ分析は、被験体が転倒することを示唆している場合は、１つの例として、スマートフォンが動き捕捉デバイスを始動することができ、および／または視覚的な検査のために他の人にアラートを送信する。

実験はまた、スマートフォン上のセンサが、加速度、回転および配向に関するデータを収集するために使用されているとき、スマートフォンと外部のコンピュータとの間でのデータ処理の負荷を共有することに関わる待ち時間を決定するために、行われた。電話は、信頼性の高い配信のためのコンピュータへのＴＣＰ接続を確立し、データを無線チャネルを介して定期的に確認応答で送信された後、初期ハンドシェイク遅延の数ミリ秒を導入する。 １つのアプローチでは、外部コンピュータ上で連続走行するＭＡＴＬＡＢ（登録商標）スクリプトは、これらのセンサ値を読み取り、スマートフォンを有する被験体が突然転倒しているかどうかを決定するために、上述の転倒検出技術を実行する。もし転倒が検出された場合、例えば、マイクロソフトのＫＩＮＥＣＴ（登録商標）などの周辺センサ装置は、モニタリング被験体患者のモニタリングを捕捉することができ、活性化することができる。比較のために、データ分析、すなわち、転倒検出技術は、スマートフォン上で実行される。転倒が検出された場合、スマートフォンは、ＴＣＰ接続を使用してコンピュータにトリガー信号を送信し、ＫＩＮＥＣＴ（登録商標）装置を作動させる。

図２１は、２５ヘルツ、５０ヘルツ、７５ヘルツ、１００ヘルツの異なるデータのサンプリング速度における、これら二つのアプローチのための遅延を比較している。図２１では、コンピュータ・ベースのアプローチは、‘Ｃ’で示され、スマートフォンベースのアプローチは、‘Ｓ’によって示される。総遅延は、（ｉ）データ（Ｔ_ｐｒｏｃ）を分析し、（ｉｉ）コンピュータ上で走行するＴＣＰサーバーに接続し、（ｉｉｉ）データ（Ｔ_{ｔｒａｎｓ}）を送信し、および（ｉｖ）ＫＩＮＥＣＴ（登録商標）デバイス（Ｔ_Ｋ）をトリガーするに要する時間からなる。結果から分かるように、待ち時間の観点から、スマートフォン上のデータを分析し、転倒が検出された場合、ＫＩＮＥＣＴ（登録商標）デバイスをトリガーすることがはるかに良い。

スマートフォンは、パーソナル通信デバイスとして、およびインターネットにアクセスするための便利な方法として提供されるばかりでなく、強力な処理プラットフォームとして提供される。最新の市販モデルは、１．５ＧＨｚのデュアルコアプロセッサおよびハンドセットメーカーによってＲＡＭ １−２ ＧＢという範囲の計算能力を提供する。スマートフォンは、センサアセンブリまたはアセンブリとクラウド間の中央のゲートウェイとして機能し得、データを中継し推論を送受信するだけでなく、処理タスクのための適切な計算資源を選択することができる。一実施態様においては、エンド・ツー・エンドの実装のために、アマゾン弾性計算クラウド（アマゾンＥＣ２）を使用することができる。このサービスの弾性的性質は、システムが瞬時に交通や需要の急増を満たすために拡張することができる。この決定の枠組みの中で使用されるパラメータは、タスクを完了するための処理のエネルギーコスト、帯域幅の使用の観点から、無線チャネルを介してデータを送信する間接費、および処理待ち時間である。

高いサンプリング速度は予測時に少ないエラーが発生する一方で、低いサンプリング速度は、バッテリーの消費量の点で優れている。１０ミリｓ（１００Ｈｚ）毎にセンサをポーリングしたときに比べて、４０ミリｓ（２５Ｈｚ）毎にセンサからデータの収集が行われているときには、電話のバッテリー消費電力が少ない。したがって、スマートフォンは、センサアレイ（複数可）からのセンサデータを連続的に追跡し、予測し、マークされた偏差が観察されたときは、それらの特定のセンサのデューティ・サイクルを増加させることができる。

センサアセンブリのデータを用いて、神経学的情報のモニタリングのリアルタイムに対して発生する処理機能の一例として、スマートフォンプロセッサは、因果関係、分類、およびソース再構築分析を含む、電界脳波（ＥＦＥＧ）データの前処理、人工物の除去、生および平均化したデータの視覚化を実行する。

別の例として、ＫＩＮＥＣＴ（登録商標）などの１または複数のセンサアセンブリ、スマートフォンセンサ、動き捕捉デバイスを含む、全体のニューラルネットワークからのデータを使用して、当該スマートフォンは、時刻表示し、複数のセンサストリームからのデータを同期させ、およびデータ集約と圧縮の最初のラウンドを引き受けることができる。それはまた、加速度計又は配向測定値における変化の如く、観測されたセンサデータと神経活動スパイクの一致を定義するために、センサデータ間の相互相関を行うことができる。

さらなる例では、例えば、アマゾン弾性計算クラウドを使用して、時系列分析、および自動相関研究は、スマートフォンによって収集され、クラウドに保存された履歴データの膨大なボリュームについて実行することができる。クラウド処理の大きな計算能力を必要とするそのような１つの研究は、与えられた活動のための神経回路網におけるセンサの各々のための一時的なデータが、長期的なトレンド、突然のスパイク、および循環成分に分解される時系列の分解である。これは、年齢と、短期・長期の時間スケールにわたって、神経活動がどのように変化するかを識別するのに役立つ。

センサアレイからの情報、マイクロソフト社のＫＩＮＥＣＴ（登録商標）などの近傍で検出されたセンサ、およびスマートフォン内のセンサは、生のセンサデータの文脈の知覚を高めるために、隠蔽マルコフモデル（ＨＭＭｓ）への入力として提供することができる。ＨＭＭは、その状態が隠された状態の結果である、観察可能な変数とは対照的に、その状態が隠されているマルコフ連鎖が含まれている。神経回路網においては、神経学的状態{通常のS1、S2}は、図２０に示すように、マルコフ連鎖を形成する。所与のセンサのタイプを考慮すれば、センサ測定値の範囲は境界値、Nクラスの観察に対応する{[O^min ₁、O^max ₁]、[O^min ₂、O^max ₂]、...、[O^min _N、O^max _N]}として定義することができる。ＨＭＭは、神経学的状態のそれぞれに与えられた観測の確率的マッピングを可能にし、発生するこれらの観察を引き起こす原因の一つである。

テレビを見ているような単純な毎日の活動は、ストレスレベルでの一時的な変更やプログラムの内容に応じて、患者の精神状態を導入することができるし、もしあれば、それは、神経信号の急激な変化の状況を識別するのに役立つことができ、脳卒中などのより深刻な状態を、区別し得る。初期化時には、スマートフォンは、とりわけ、例えば、ドロップダウンメニューを介して、テレビ、洗面所、運動器械、ダイニングテーブルなどのようなキー施設や機器類の座標で、患者の生活空間の推定を要求することができる。スマートフォンのアシストＧＰＳ機能（ＡＧＰＳ）は、関連する施設内の部屋の中に患者の局在化に役立つ。例えば被験体がテレビを見ているとしましょう。被験体が活発な身体活動を示唆し、継続的な運動を受けている場合には、加速度計を検出することができる。連続的な動きが検出されない場合には、地球の磁気軸に対する電話機の向き（従って、被験体の向き）は、磁力計を用いて確認される。 ＡＧＰＳの点の位置だけでなく、テレビへの視線に沿った向きは、患者がテレビを見ていることを高い確率で示すことができる。したがって、このシナリオでは、ＨＭＭの出力は、神経学的状態の急激な変化が原因で視覚的な感覚入力をする可能性があることを考えると、非危険段階としてウエイト付けされる。

上述のように、一実施態様において、センサシステムは、短距離無線接続性（一般的に<１０ｍ）に適した低エネルギーの標準であり、根本的なチャネルアクセス方式として、ブルーテゥース（登録商標）技術を採用している。ブルーテゥース（登録商標）は、単一のマスタ装置用の７個のアクティブな接続（スレーブ装置）を収容し、追加のデバイスは、低電力載置モードで配置することができる。マスターは、例えば、スマートフォンのための、データを集約し、総合的な処理のために、インターネットクラウドに測定値の圧縮セットを送信し、スレーブノードのポーリングを担う。それになり、このような無線通信を使用するなどの代替通信技術が使用することができることを歓迎する。

センサアセンブリは、最近、米国連邦通信委員会によって指定された２３６０〜２４００ＭＨｚの医療ボディ領域ネットワークの送信帯域で信号を送信するように構成することができる。この周波数帯域が頻繁に使用されているので、システムは、送信のために最良の周波数帯域を識別するために、統計的活動モデルを採用することができる。これらの活動モデルは、より高い優先順位のユーザーとの干渉回避とチャネルアクセス方式を定式化し、神経信号のデータ報告要件を報告するデータが許容される待ち時間の間接費と合うのを確実にするために使用される。

システムは、高レベルの干渉を示すＭＢＡＮ帯域内の周波数の一部を回避するためのチャネルホッピングパターンを使用することができる。 ＭＢＡＮ帯域内のより高い優先度のユーザーの統計的に高い可能性があるときはいつでもまた、センサアレイは、進行中の送信を一時停止して、そのホッピングシーケンスの次のラウンドでそのサブチャネルを選択する確率を下げることができる。他の優先度の低い／同位レベルのユーザーの場合は、しかし、このシステムは、そのホッピングシーケンスのその特定のサブチャネルを含むように続けることができ、それによってシステムの神経回路ネットワーク内の異なる多数のホッピングシーケンスを可能にする。コア運用技術は、第１のスペクトルの確率が所定の周波数ｆで利用可能と高い同一の外部条件に対して、以前に得られたものより最近の測定値に重み付けし、時間とともに進化する持続時間ｔを与えるための分布関数を識別する。この分布は、ホッピングシーケンスのチャネルのセットを選択するために使用される。

本発明のシステムは、ＭＢＡＮ帯域で異なる優先順位の送信機の下のチャネル選択を動的に活用することを含む。大規模な調査は、無線医療テレメトリ・サービス（ＷＭＴＳ）バンド内の異なる優先順位の共存するユーザーの影響について行われ、（ｉ）６０８〜６１４ ＭＨｚの現在のデジタルテレビ（ＤＴＶ）チャンネル３７で、（ii）低いＬバンド（１３９５〜１４００ ＭＨｚ）で、および（iii）高いＬバンド（１４２７〜１４３２ＭＨｚ）のＦＣＣによって再度提供されて来た。軍や政府機関は、運用レーダーの数と低Ｌバンドスペクトルに優先的にアクセス権を持っている。また、上位Ｌバンドと低Ｌバンドはそれぞれ、優先アクセスと同等のアクセスに基づいて非医療遠隔測定会社によって使用されている。実例の場合のように、これらの研究は、低Ｌバンド間欠中心周波数から０．５ＭＨｚだけずれた信号を送信したことを明らかにした。したがって、チャネルは、医療テレメトリセンサによって連続使用することはできない。したがって、時間の長い期間のために利用可能であるとのより高い可能性を有しているスペクトルの部分をこれらのより高い優先順位の信号を識別して選択する必要がある。予め定めた活動パターンに基づいて種々のチャネル選択スキームを使用することができる。例えば、R．Doost-MohammadyとKR．Chowdhury，の ‘ダイナミックスペクトルアクセスを介する無線医療テレメトリの促進’、Proc. of IEEE ICC，2012年6月; R．Doost-MohammadyとKR．Chowdhury，“コグニティブ無線ネットワークを介したトランスヘルスケア・医療テレメトリ”ＩＥＥＥ無線通信誌、19巻，第4号、2012年8月を参照されたい。

脳の電磁的活性を測定するためのシステムおよび方法は、本明細書に記載のように多くの利点を提供することができる。また、ＥＦＥＧ測定の様式は、高解像度の局所測定をもたらし、一方で、全世界的に参照されるＥＥＧ測定のために、また提供する。センサシステムは、信号対雑音比の大幅な改善をもたらした。センサシステムのセンサアセンブリは、目立たず、小さな設置面積を有し、自己完結型で、無線で操作することができ、局所的に参照されている。

センサアセンブリは、すぐに被験体の頭部上に配置することができ、同様にそれを迅速に除去することができる。センサアレイは、種々の毛髪タイプで動作する。センサアセンブリの電極は、乾燥または電解質ゲルと一緒に使用することができる。センサシステムは、ロープロファイル、脳活動のリアルタイムモニタリングを提供するために、被験体の脳活動を、例えば、始終、継続的なモニタリングのために使用することができる。

センサシステムは、プロセッサまたは、スマートフォン、ラップトップコンピュータ、またはタブレットコンピュータのような他の装置と様々な通信を行うことができる。通信は、有線接続または無線接続を介して行うことができる。センサシステムは、データ転送、データの前処理および分析のためのハードウェア及びアルゴリズムを含む測定システムを含む。

本発明のシステムは、種々の分野に適用可能である。本システムは、パターン認識および認識のために、高い時間および空間分解能での脳機能イメージングのために使用することができる。システムは、視覚及び音声、加齢、睡眠の神経相関を調査するために、例えば、脳の研究を行うために使用することができ、例えば、てんかんのような疾患、アルツハイマー病、パーキンソン病、ＡＬＳ、卒中等の麻痺、自閉症、うつ病、および外傷性脳損傷などに適用できる。本システムは、人間−機械、およびブレインコンピュータインターフェースを調査するために使用することができる。

本システムは、スマートフォンや、画像および／または音声捕捉デバイスなどの他のデバイスで見られるような他のセンサと共に脳活動データを収集するために被験体によって着用される、１つまたはいくつかのセンサアセンブリを含むことができる。本システムは、神経回路ネットワークとして使用することができ、被験体のコンテキストデータを提供するために使用することができる。本システムは、患者のための医療用人体通信に統合することができる。

なお、本明細書に記載の実施態様の様々な特徴は、様々な方法で組み合わせることができることが理解されるであろう。スマートフォンへの言及は、本明細書中に着用または被験体によって実施することができる他の装置を含む。

本発明は、好ましい実施態様を参照して説明してきた。本発明は明らかな改変および等価物は当業者には明らかなように、図示して説明した構成、操作、正確な材料または態様の正確な詳細に限定されないことを理解すべきである。これは、開示された実施態様に多くの修正および変更が、本発明の詳細な説明を読み、理解することにより、容易に当業者に示唆すると考えられる。それらは、本発明の範囲内に入る限り、全てのこのような修正及び変更を含むことが意図されている。

Claims (28)

1. 被験体の脳の電磁気的活動を測定するためのセンサアセンブリで、以下からなる：
   第１面および第２面を有する支持板；
   前記被験体の頭皮に向かって配向可能な支持板の前記第１面から引き出した複数の電極で、前記電極は、離間した配列に配置され、前記複数の電極の一つは基準電極であり、他の前記複数の電極は活性電極であり；
   複数の増幅器は、支持板の第２面に配置され、複数の増幅器の各々は、前記複数の電極の１つと接続され；
   増幅器から信号を受信するために、増幅器と通信するマイクロコントローラで、前記マイクロコントローラは、前記被験体の脳の電磁気的活動によって発生された電界強度を示す信号の加重平均を決定するように作動するプロセッサを含み、
   前記マイクロコントローラが、前記各活性電極と前記基準電極との電位差、及び前記各活性電極と前記基準電極との距離に基づき、前記電界強度の前記加重平均を決定する。
2. 前記マイクロコントローラは、前記各活性電極と前記基準電極との電位差に前記各活性電極と前記基準電極との距離の成分を掛けた値の和を、更に前記距離の成分の二乗の和で除して、前記加重平均を決定するよう作動する、請求項１に記載のセンサアセンブリ。
3. 前記マイクロコントローラは、電極数によって除された、前記複数の電極の各電極からの電位信号の和から電位の相加平均を決定するよう作動する、請求項１に記載のセンサアセンブリ。
4. 前記マイクロコントローラは、前記各活性電極と前記基準電極との電位差に前記電極の配置の中心への距離の成分を掛けた値の和を、更に前記配置の中心への距離の４乗の和で除して、加重平均を決定するよう作動する、請求項１に記載のセンサアセンブリ。
5. 前記マイクロコントローラは、電位のより高次の微分係数を決定するために作動する、請求項１に記載のセンサアセンブリ。
6. 前記複数の電極は、１ｃｍ以下の距離を開けて配置されている、請求項１に記載のセンサアセンブリ。
7. 前記複数の電極は、４ｍｍ以下の距離を開けて配置されている、請求項１に記載のセンサアセンブリ。
8. 前記複数の電極は、または３ｍｍ以下の距離を開けて配置されている、請求項１に記載のセンサアセンブリ。
9. 前記複数の電極は、少なくとも０．３個電極／ｃｍ^２の密度で配置されている、請求項１に記載のセンサアセンブリ。
10. 前記複数の電極の各々は、導電性ピンを備える、請求項１に記載のセンサアセンブリ。
11. さらにセンサアセンブリを備え、前記センサアセンブリが被験体の頭に載せるためのヘッドバンドで形成されている、請求項１に記載のセンサアセンブリ。
12. 複数の増幅器の各々は、関連する前記活性電極および前記基準電極と電気的に通信する、請求項１に記載のセンサアセンブリ。
13. 各増幅器は、接続されるアナログデジタル変換器と電気的に通信し、各アナログデジタル変換器は、マイクロコントローラのプロセッサと電気的に通信する、請求項１に記載のセンサアセンブリ。
14. 被験体の脳の電磁活性を測定するための方法で、以下からなる：
    頭皮上の配置で複数の電極を配置し、前記複数の電極の一つは基準電極であり、前記複数の他の電極は活性電極であり、前記活性電極は、関連した増幅器と電気的に通信し；
    前記各活性電極、および基準電極間の電位差を測定し；
    測定された前記電位差と、前記各活性電極と前記基準電極との距離に基づき、前記被験体の脳の電磁気的活動によって発生された電界強度の加重平均を決定する。
15. 前記マイクロコントローラは、電極数で除された、前記複数の電極の各電極からの電位信号の和から電位の相加平均を決定するよう作動する、請求項１４の方法。
16. 前記加重平均を決定するためのステップは、前記各活性電極と前記基準電極との電位差に前記電極の配置の中心への距離の成分を掛けた値の和を、更に前記配置の中心への距離の４乗の和で除して、加重平均を決定する、請求項１４の方法。
17. 前記被験体の電磁脳活動の画像を作成することをさらに備える、請求項１４の方法。
18. 外部デバイスに対する前記脳の電気的活動を示す信号を無線で送信するステップをさらに備える、請求項１４の方法。
19. 前記基準電極は、前記複数の電極のうちの第１の基準電極であり；
    前記複数の電極から遠く分離された更なる基準電極を規定し；
    前記測定のステップは、前記複数の電極のうちの活性電極と前記第１の基準電極間の電位差を測定することと、前記複数の電極の各々と、前記更なる基準電極間の電位差を測定することの切り替えをするものであり；および
    電位差の加重平均と電位の加重平均を決定し、前記加重平均は、脳の電気的活動を示す、請求項１４の方法。
20. 前記電位のより高次の微分係数を決定するステップをさらに備える、請求項１９の方法。
21. 被験体が神経状態を病んでいる場合の請求項１４の方法。
22. 前記被験体が、アルツハイマー症、パーキンソン症、筋萎縮性側索硬化症、脳卒中、外傷性脳損傷、自閉症、うつ病、またはてんかんを罹患している請求項２１の方法。
23. 正常な被験体の脳活動と前記被験体の脳活動を比較するステップをさらに含む、請求項２１の方法。
24. 被験体の医療用人体エリアネットワークを提供するためのシステムで、以下からなる：
    被験体の脳の電磁的活動を測定するための１つまたはそれ以上のセンサアセンブリで、各センサアセンブリは、請求項１に記載のセンサアセンブリを含み；
    被験体の生理的パラメータをモニタリングするための、前記１つまたはそれ以上のセンサアセンブリから遠隔の、１つまたは複数の追加のセンサ；および
    前記１つまたは複数のセンサアセンブリから遠隔のプロセッサで、前記１つまたは複数のセンサアセンブリと、前記１つまたは複数の追加のセンサからのデータを受信するように動作し、前記データを同期する。
25. １つまたは複数の追加のセンサは、ＧＰＳデバイス、加速度計、ジャイロスコープ、磁力計、マイク、およびカメラの中の少なくとも１つからなる、請求項２４のシステム。
26. 多種の活動の一つを示すセンサ信号のデータベースをさらに備え、
    前記多種の活動は、テレビ視聴、座ること、食すこと、歩くこと、または運動することを含む、請求項２４のシステム。
27. 前記プロセッサが、前記１つまたは複数の追加のセンサから加速度及び方位データを検出し、検出された加速度及び方位データを閾値加速度及び方位データと比較し、検出されたデータが所定の閾値よりも大きいかまたは小さいかに応じて信号を送信するように作動する、請求項２４のシステム。
28. 前記遠隔のプロセッサが、多種の分類の一つにセンサデータを対応付け、各分類が被験体の神経性の状態を示す、請求項２４のシステム。