JP2018521830A - 注意欠陥を監視し改善する方法およびシステム - Google Patents

Abstract

本発明は、注意レベルをモニタリングする方法およびシステムに関する。前記方法およびシステムは、被検者の注意レベルを測定し前記被験者をトレーニングして注意レベルを改善する、ＥＥＧ脳対コンピュータインターフェースとして用いることができる。【選択図】図２

Description

本発明は、被検者の注意欠陥を監視し訓練する方法およびシステムに関する。

注意欠陥／多動性障害（ＡＤＨＤ）は、子供の障害としてもっとも多いものの１つであり、ＵＳ ＣＤＣは３〜１７歳の子供の１１％がこの障害を持っていると推定する。原因となるメカニズムや関連する認知障害は不明であり、有力な理論は全てこの障害の複雑性を指摘している。ＡＤＨＤを患う子供は、同年代の健康な子供と比較して、学校の成績が悪い、退学率が高い、薬物乱用の傾向が高い、社会的関係が希薄である、精神疾患率が高い、などの問題をかかえている。現在、ＡＤＨＤの最も有効かつ最も研究されている治療法は、刺激療法である。治療によって家庭と教室における行動が改善することが分かっているが、治療を受けた後のこれらの改善は長期間続かない。治療をやめると効果は失われて副作用が現れる。例えば頭痛、吐き気、食欲減退、物理的成長減退、心血管障害などである。これら刺激療法は、薬物乱用の可能性があるものでもある。

脳信号を直接モニタリングすると、明確に判明している脳機能を見ることにより、ユーザの注意状態をより具体的に特徴付けることができる。ただしこれは、脳信号を処理して統計的に意味のある注意または不注意の計測結果を得られる場合のみのことである。

特に、注意欠陥の特徴を有する障害を患っている被検者について、リアルタイムで被検者の注意状態をモニタリングすることができる方法とシステムへのニーズがある。例えば注意欠陥多動性障害（ＡＤＨＤ）、鬱、不安障害、精神分裂症、自閉症である。また、注意欠陥トレーニングシステムにおいて用いるニーズがある（例：フィードフォワード学習）。

本発明は、ＥＥＧ脳信号を分類する方法に関する。前記方法は以下を有する：（ｉ）被検者の近傍において、コンピュータに接続されたデバイスを配置するステップであって、前記デバイスは前記被検者によって起動される、ステップ；前記被検者に対して、刺激に応答して前記デバイスを起動することに対する指示を提示するステップであって、前記被検者は前記被検者に対して特定の刺激が提示されたとき前記デバイスを起動するように指示される、ステップ；前記被検者によるデバイス起動を記録しながら前記被検者に対して前記刺激を提示するステップ；（ｉｉ）ステップ（ｉ）の少なくとも一部を実施しながら前記被検者の１以上のＥＥＧ脳信号を記録するステップ；（ｉｉｉ）ステップ（ｉ）における前記被検者によるデバイス起動を格納し、ステップ（ｉｉ）における前記１以上のＥＥＧ脳信号をコンピュータに格納するステップ；（ｉｖ）デバイス起動の応答時間パラメータを判定し、前記１以上のＥＥＧ脳信号それぞれについて応答時間値を計算するステップ；（ｖ）ステップ（ｉｖ）の応答時間値に基づき、前記１以上のＥＥＧ脳信号を分類して、注意状態と不注意状態を含むように前記被検者の脳信号特性をラベル付けするステップ。前記方法はさらに、前記１以上のＥＥＧ脳信号を分類して、被検者の眠気レベルによって特徴付けられる（ａ）注意状態、（ｂ）第１不注意状態、（ｃ）第２不注意状態、を含むように前記被検者の脳信号特性をラベル付けするステップを有する。実施形態において前記方法はさらに、長応答時間にともなうデルタ帯域またはシータ帯域において増加する相対パワーを有する前記１以上のＥＥＧ脳信号を識別するステップ、そのＥＥＧ脳信号を前記第２不注意状態に属するものとしてラベル付けするステップ、を有する。前記方法はさらに、前記被検者の眠気レベルを計算するステップを有する。実施形態において前記方法は、前記被検者の眠気レベルが所定閾値を超えているか否かを判定するステップ、超えている場合は前記被検者に警告を出すステップ（例：警報や前記被検者の警戒を促す画像）、を有する。前記方法の１実施形態において、前記１以上のＥＥＧ脳信号それぞれについての前記応答時間値は、前記応答時間パラメータと前記ＥＥＧ脳信号から計算される複合値である。実施形態においてステップ（ｖ）は、前記複合値のクラスタ分析によって前記１以上の脳信号を分類するステップを有する。他実施形態においてステップ（ｖ）は、前記ＥＥＧ脳信号のクラスタ分析とこれにともなう応答時間値によって前記１以上のＥＥＧ脳信号を分類するステップを有する。他実施形態において、前記応答時間パラメータまたは前記応答時間値は、年齢調整、性別調整、精神状態調整（例：ＡＤＨＤ対健常、または鬱、不安障害、精神分裂症、自閉症を患う被検者）したものである。実施形態において、前記応答時間値は、前記被検者の精神状態を測定した重大度（例：ＡＤＨＤ、鬱、不安障害、精神分裂症、自閉症の重大度）に応じて調整される。実施形態において前記被検者はＡＤＨＤを有し、前記応答時間値は前記被検者を測定したＡＤＨＤの重大度（例：前記被検者のＡＤＨＤ−ＲＳスコアを含む複合値）に応じて調整される。前記応答時間は、前記被検者に対して前記刺激を提示する１〜４秒（例：１秒、１．５±０．５秒、２．０±０．５秒、２．０±１秒、３．０±１秒）直前に、または前記被検者が前記刺激に対して応答する１〜４秒直前に測定される、ＥＥＧ脳信号とともに生じるものである。前記方法はさらに、被検者の注意レベルを表現するステップを有し、前記表現するステップは以下を有する：（ａ）被検者群の共起表現脳波（ＥＥＧ）脳信号から得られる一般的被検者非依存モデルを提供するステップであって、前記被検者非依存モデルはラベル付けされた脳信号を含む、ステップ；（ｂ）前記被検者から取得した被検者固有ＥＥＧ脳信号を提供するステップ；（ｃ）前記被検者非依存モデルと前記被検者固有脳信号に基づき、前記被検者が注意状態または不注意状態である可能性を表すスコアを計算するステップ；（ｄ）前記スコアを前記被検者に提示するステップ。実施形態においてステップ（ｃ）は、前記被検者固有ＥＥＧ脳信号と被検者群の前記ラベル付けされたＥＥＧ脳信号を比較するステップ、前記被検者が注意状態または不注意状態である可能性を前記比較に基づき判定するステップ、を有する。

１側面において本発明は、被検者の注意レベルを表現する方法に関する。前記方法は以下を有する：（ｉ）被検者群の共起表現脳波（ＥＥＧ）脳信号から得られる被検者非依存モデルを提供するステップであって、前記被検者非依存モデルは、被検者の眠気レベルによって特徴付けられる（ａ）注意状態、（ｂ）第１不注意状態、（ｃ）第２不注意状態、に関するラベル付けされた脳信号を含む、ステップ；（ｉｉ）前記被検者から取得した被検者固有脳信号を提供するステップ；（ｉｉｉ）前記被検者非依存モデルと前記被検者固有脳信号に基づき、前記被検者が注意状態または不注意状態である可能性を表すスコアを計算するステップ；（ｉｖ）前記スコアを前記被検者に提示するステップ。実施形態においてステップ（ｉｉｉ）は、前記被検者固有ＥＥＧ脳信号を前記ラベル付けされた被検者群のＥＥＧ脳信号と比較するステップ、前記比較に基づき前記被検者が注意状態または不注意状態である可能性を判定するステップ、を有する。前記方法はさらに以下を有する：（ｘ１）前記スコアをビデオゲームに入力するステップ；（ｘ２）少なくとも１つのアウトプットを有するビデオゲームを前記被検者に提示するステップ；（ｘ３）前記被検者に対して前記スコアに対応する少なくとも１つの信号を提示するステップ；（ｘ４）前記スコアが所定閾値を超えるかまたは所定範囲外である場合は、前記ゲームの難易度または進捗を変更するステップ。

ＥＥＧ脳信号を処理することにより、１以上のＥＥＧパラメータを生成することができる。このとき、以下のなかから選択された方法を用いることができる：フーリエ変換分析、ウェーブレット分析、絶対パワー分析、相対パワー分析、位相分析、コヒーレンス分析、振幅対称分析、および／または逆ＥＥＧ分析（例：脳の電気的活動の位置特定）、または当該分野において知られているその他任意の方法。上記方法の１実施形態において、ＥＥＧ脳信号は、１上の周波数帯の相対パワーから選択することができる。他実施形態においてＥＥＧ信号は、１以上の周波数帯の絶対パワーから選択することができる。１側面において本発明は、被検者の注意レベルを表現するシステムに関する。前記システムは以下を備える：（ｉ）前記被検者からＥＥＧデータを収集するＥＥＧヘッドセット；（ｉｉ）本発明の方法にしたがって、前記被検者が注意状態または不注意状態である可能性を表すスコアを計算するアルゴリズムを実装したプロセッサ。

本明細書において、用語“応答時間値”は、応答時間または応答時間を用いて計算した値を表す。これは、被検者に対して刺激が提示され、被検者がデバイスを起動するよう指示されたとき測定したものである。このとき被検者の１以上のＥＥＧ脳信号を記録する。応答時間値は例えば、応答時間と、応答時間を測定したとき収集した共起ＥＥＧ脳信号とから計算した複合値である。これに代えて応答時間値は、共起ＥＥＧ脳信号を含めずに、測定した応答時間から計算することができる。

本明細書において、用語“眠気レベル”は、被検者が眠く不注意になっている頻度または程度を表す。これは例えば、被検者のデルタまたはシータ脳信号の相対パワー（例：アルファおよびベータＥＥＧ信号のパワーに対する相対値）によって特徴付けられ、および／または、被検者の１以上のＥＥＧ脳信号を記録しながら被検者に対して刺激が提示されて被検者がデバイスを起動するように指示されたときの応答時間の遅さによって特徴付けられる。

本発明のその他特徴および利点は、以下の詳細説明、図面、特許請求範囲から明らかになるであろう。

３クラスタモデルを示すイメージである。望ましい実施形態において、この３つのクラスタは以下に対応する：（ｉ）注意クラスタ、（ｉｉ）第１不注意クラスタ、（ｉｉｉ）第２不注意クラスタ。実施例２において同様のモデルを、ＥＥＧ、応答時間、年齢データを用いて生成した。 本発明の方法を用いて、特定の被検者（例：ゲーム中）についてリアルタイム注意力測定結果を生成し使用する、サーバとローカルデバイスを備えるシステムを示すフローチャートである。 複数被検者のデータ群（“トレーニングセット”）から被検者非依存モデルを生成するプロセスを示すフローチャートである。 本発明の方法を用いて被検者固有注意力モデルを生成するプロセスを示すフローチャートである。 ゲームその他の活動を実施している間における被検者固有注意力スコアを生成するプロセスを示すフローチャートである。 複数被検者のデータ群（“トレーニングセット）から”被検者非依存モデルを生成する別プロセスを示すフローチャートである。眠気測定結果を実施例３のように計算することができる。グローバルモデルは以下の３つのクラスタモデルを含む：（ｉ）眠気測定結果によって識別する被検者の眠気レベルによって特徴付けられる不注意状態、（ｉｉ）注意状態、（ｉｉｉ）非眠気不注意状態（例：白昼夢不注意状態）。注意状態および非眠気不注意ＥＥＧ状態は、ＥＥＧ脳信号と共起応答時間またはこれらの組み合わせに基づきラベル付けすることができる。

本発明は、被検者のリアルタイム注意状態をモニタリングするシステムおよび装置に関する。本方法は、被検者が注意力充分な期間を識別する校正手順を含む。例えば精神運動警戒タスク（ＰＶＴ）を用いて、ＥＥＧデータ収集とともに校正手順を実施できる。各ＰＶＴ実施における応答時間は、その実施における注意状態の指標として用いられる（すなわち、応答時間が短ければ被験者はその実施において注意力充分であり、応答時間が遅ければ被験者はその実施において不注意状態であることを示す）。ＰＶＴ応答時間のみに基づくＥＥＧ特性の分類は、エラーと非一貫性につながる可能性がある（例：被験者がランダムに応答して注意を払っていない場合、または前回の刺激に対する応答が遅れて次の刺激に対する素早い応答の範囲内に入ってしまう場合）。この問題に対処するため、本発明の方法とシステムは、パフォーマンス（すなわち応答時間）とＥＥＧ特性が同時に高い注意レベルを示しているとき、被検者が注意状態にあると識別する。したがって本発明の方法は、応答時間とＥＥＧ信号、またはその組み合わせを用いて、ＥＥＧ特性を分類する。

ＰＶＴ応答時間は、特に若年の子供については年齢に影響されることが知られている（Ｖｅｎｋｅｒ，ｅｔ Ａｌ. Ｓｌｅｅｐ＆Ｂｒｅａｔｈｉｎｇ，１１（４），２１７−２４）。ＲＴパフォーマンスは、思春期後半において低下する前に、幼少期を通じて改善する（速くなる）。この関係は式（ａ）を用いて線形近似することができる。

ＲＴａｄｊは調整したＲＴ、ＡｇｅＮｏｒｍは調整しない標準年齢、ｋは年齢ごとのミリ秒の調整係数である。これに代えてこの関係は、例えば式（ｂ）を用いて漸近近似することができる。

ｍは年の調整係数である。これに代えて、年齢範囲にわたって標準データを有するルックアップテーブルにより調整することができる。

実施例が記載するように、ＥＥＧ特性の分類のなかで３つのグループを識別した：（ｉ）不注意状態に対応し、長応答時間（注意状態グループと比較して）と、眠気に関するＥＥＧ活動によって特徴付けられる、ＥＥＧ特性（眠気グループ）；（ｉｉ）不注意状態に対応し、長応答時間（注意状態グループと比較して）と、非眠気不注意状態に関するＥＥＧ活動によって特徴付けられる、ＥＥＧ特性（白昼夢不注意グループ）；（ｉｉｉ）注意状態に対応し、短応答時間（不注意グループと比較して）と、注意状態に関するＥＥＧ活動によって特徴付けられる、ＥＥＧ特性。これら３つのグループを最もよく区別するＥＥＧ特性を用いて、リアルタイムで注意状態と不注意状態を識別するモデルを生成した。

＜ＥＥＧデータ収集＞
本発明は、ＥＥＧデータを利用する方法およびシステムに関する。ＥＥＧデータは例えば、ヘッドセットの形態の電極システムを用いて収集することができる。本発明において用いるのに適したヘッドセットは、例えば米国特許出願１４／１７９，４１６号に記載されている。同出願は参照により本願に組み込まれる。国際１０−２０システムは、標準化された電極位置を提供しており、近年高密度システムが開発された（１０−１０システムと呼ばれる場合がある）。本発明のヘッドセットは以下のように設計されている：（ｉ）子供の額上の１０−１０システムのＡＦ３およびＡＦ４位置において電気センサを直感的かつ簡便に配置する（すなわちヘッドセットを装着するために多大なトレーニングを必要としない）（オプションとして乳様突起にグラウンド電極も配置する）；（ｉｉ）年齢の異なる子供の頭部サイズの変化に対処する；（ｉｉｉ）心地よく装着できる。例えば本発明のヘッドセットの実施形態は、８歳の少女の第５パーセンタイルから１８歳の少年の第９５パーセンタイルの頭部サイズ範囲に適応するように構成されている。本発明のヘッドセットは８〜１８歳の子供のために設計されているが、大多数の大人にもフィットする。１８歳の少年の頭部サイズは大人の頭部サイズに近いからである。

ヘッドセットは、ＥＥＧ信号を測定する電気センサを収容している。ＥＥＧ信号は外部コンピュータによって処理される。電気センサは、ユーザのＥＥＧ信号を計測する１以上の電極を有する。電極はドライ電極またはウェット電極である（すなわち、ドライ電極は導電性であり通常は濡れている材質を電極とユーザ肌の間に配置することなく信号を取得することができ、ウェット材料はそのような導電材料を必要としない）。電気センサは例えば乾燥ファブリック電極などのドライ電極を有する。本発明の方法とシステムにおいて用いるのに適したファブリック電極は、米国特許公開２００９０１１２０７７号に記載されている。同文献は参照により本願に組み込まれる。電気センサはパディングを収容してユーザの快適性に寄与し、さらに肌接触を調整・改善することができる。

収集したＥＥＧデータは、本明細書が記載するコンピュータ処理に転送される。

＜ＥＥＧ処理＞
本発明の方法とシステムは、複数チャネルＥＥＧ取得を利用して、被検者の脳活動の様々な周波数帯からデータを収集し、注意状態を区別する。比較的大きいベータ（約１６〜３２Ｈｚ）活動は、警戒状態において見られ、アルファ（約８〜１６Ｈｚ）活動は、警戒状態のなかで精神的活性がより低い状態において支配的であり、シータ（約４〜８Ｈｚ）は注意が低下すると生じる（Ｓｔｒｅｉｔｂｅｒｇ ｅｔ ａｌ．，Ｎｅｕｒｏｐｓｙｃｈｏｂｉｏｌｏｇｙ Ｖｏｌ １７，１０５−１１７，１９８７）。オプションとして本発明の方法は、ＥＥＧデータを周波数帯へ分解せずに実施することができる。例えばＥＥＧデータを周波数ドメインから時間ドメインへ変換し、このとき本発明の方法が用いるＥＥＧ特性は特定の幅を有する。これに代えて位相−空間ベースの分析手順を利用して、注意状態または不注意状態のＥＥＧ特性を識別することができる。

周波数帯を区別することに加えて、本方法は脳の個別記憶サイトにおいてＥＥＧ信号を定量化することを含む。１実施形態において、ＡＦ３電極とＡＦ４電極との間の電圧差を測定する。これは前帯状皮質背側部の電気活動を検出する。ｆｕｎｃｔｉｏｎａｌＭＲＩ（ｆＭＲＩ）を利用した研究において、注意が低下すると前帯状皮質背側部が活発になることが分かった（Ｕｄｄｉｎ ｅｔ ａｌ．，Ｊｏｕｒｎａｌ ｏｆ Ｎｅｕｒｏｓｃｉｅｎｃｅ Ｍｅｔｈｏｄｓ，１６９：２４９（２００８））。したがって、ＡＤＨＤの子供がＡＦ３とＡＦ４にセンサを有するヘッドセットを用いるとき、その領域から取得した脳信号をモニタリングすることは有益である。ＡＤＨＤの形態のなかには側頭葉が示唆されているものもあり、したがって実施形態によっては、乳様突起の１つまたは双方の上に電極を配置する（Ｒｕｂｉａ ｅｔ ａｌ．，Ｂｉｏｌｏｇｉｃａｌ Ｐｓｙｃｈｉａｔｒｙ，６２：９９９（２００７））。

ＥＥＧチャネルからノイズを除去して、例えばまばたき、移動、筋活動などの非ＥＥＧアーティファクトを除去する。続いて取得するＥＥＧ特性にアーティファクトを導入することを避けるため、このノイズ除去ステップは必要である。ノイズ除去は既知のウェーブレット変換技術を用いて実施することができる（例えば以下を参照：Ｚｉｋｏｖ ｅｔ ａｌ．，Ｅｎｇｉｎｅｅｒｉｎｇ ｉｎ Ｍｅｄｉｃｉｎｅ ａｎｄ Ｂｉｏｌｏｇｙ，２００２．２４ｔｈ Ａｎｎｕａｌ Ｃｏｎｆｅｒｅｎｃｅ ａｎｄ ｔｈｅ Ａｎｎｕａｌ Ｆａｌｌ Ｍｅｅｔｉｎｇ ｏｆ ｔｈｅ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｓｏｃｉｅｔｙ ＥＭＢＳ／ＢＭＥＳ Ｃｏｎｆｅｒｅｎｃｅ，２００２．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｓｅｃｏｎｄ Ｊｏｉｎｔ．Ｖｏｌ．１．ＩＥＥＥ，２００２）。望ましい実施形態において、ノイズ除去したＥＥＧチャネルを正規化して、全帯域の総パワーに対する相対パワーの測定結果を生成する。詳細は実施例に記載する。

＜注意状態と不注意状態のグローバルモデル＞
グローバルモデルは、事前処理から得られるＥＥＧ成分を用いて生成される。グローバルモデルは、被検者非依存モデルであり、多数の個人からのデータに基づいている。各被験者についての校正を実施して、このモデルを微調整し、当該被検者の注意状態と不注意状態を区別する能力を向上させることができる。

グローバルモデルは、関連する追加パラメータとともに事前処理した成分を統合することにより生成できる。１実施形態においてグローバルモデルは、ＥＥＧ特性に加えて、年齢や応答時間（ＲＴ）などの要素を含む。後者２つは精神運動警戒タスク（ＰＶＴ、後述）から得られる（Ｄｉｎｇｅｓ＆Ｐｏｗｅｌｌ，Ｂｅｈａｖｉｏｒａｌ Ｒｅｓｅａｒｃｈ Ｍｅｔｈｏｄｓ，Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ，ａｎｄ Ｃｏｍｐｕｔｅｒｓ，１７：６５２（１９８５））。これら追加パラメータにより、モデルを発展させて注意状態と不注意状態をよりよく区別することができる。オプションとして、事前処理した成分を年齢に掛け合わせて、各ＥＥＧ特性プロファイルを重み付けすることができる。他実施形態において、事前処理した成分を対応するＲＴに掛け合わせて、各ＥＥＧ特性プロファイルを重み付けすることができる。１実施形態において、事前処理したＥＥＧ成分を年齢と対応するＲＴの双方に掛け合わせることができる。これにより以後の分析において、年齢、ＲＴ、ＥＥＧ特性プロファイルの相互作用を自由に探索することができる。他実施形態において、ＲＴを年齢によって調整して、ＲＴの年齢変化に対処することができる。他実施形態において、事前処理した成分をＡＤＨＤ−ＲＳスコアと掛け合わせて、以後の分析においてＡＤＨＳ重大度と他の変数の相互作用を自由に探索することができる。

以後の主成分分析の準備において、Ｚ変換を用いて、これらＲＴ重み付け変数をさらに正規化することができる。これは変数サイズの相対差分を検出できる。注意状態と不注意状態を区別する観点から、複合値を用いて、ＥＥＧ特性に起因する分散を記述することができる。これに代えて、分散はＥＥＧ特性とこれにともなう応答時間値に基づき表すことができる。１実施形態において、この処理は主成分分析とその後のクラスタ分析を含む。主成分分析を実施して、直交する（相関しない）識別変数候補のセットを生成することができる。これによりモデル開発における複数共直線性の問題を回避できる。他実施形態において、眠気のＥＥＧ指標を含むセグメント（上昇したデルタおよび／またはシータ活動）を最初にラベル付けしてデータセットから分離し、残りのデータセットに対してロジスティック回帰を実施する。回帰分析により、連続データにおいて注意状態のインスタンスを不注意状態のインスタンスから分離する。その他詳細は実施例で説明する。

＜被検者固有モデルとＥＥＧデータの分類＞
上述のように、個別の周波数帯内における被検者の脳活動はその被験者の注意状態と相関しているが、被検者ごとに脳活動プロファイルは大きく異なる。ある個人について注意状態を最もよく区別する周波数帯セットの相対パワーは、他の個人にとって正確に同じものではない場合がある。したがって、タスクにおける精神的エンゲージメントを評価する際に用いるＥＥＧ注意状態インデックスを得るためには、被検者固有のＥＥＧ−注意状態マッピングプロファイルを得る必要がある。これを被検者依存モデルと呼ぶ。これにより特定被検者の注意状態をより正確に表すことができる。

本発明の１側面は、アルゴリズムを個々のユーザにパーソナライズすることに関する。本発明の１側面において、各個人ユーザはＥＥＧ計測を同時に実施しながらＰＶＴタスクを実施する。ＥＥＧ特性の事前処理を上述のように実施し、ＰＶＴ実施から得たデータを上述のグローバルモデルの主成分定義空間へマッピングする。各被験者データに対してクラスタ分析を実施し、これらクラスタの重心をグローバルモデルの重心と比較する。ロジスティック回帰を用いて、ユーザがいずれかのクラスタに対応する注意状態である可能性を、以下のように得る。

本発明の他側面において、各被験者の脳状態を、ＰＶＴのコンテキストの外でモニタリングする。この実施形態において、被検者のＥＥＧ特性は、上述のＲＴとは関係しない手順から得られたクラスタにマッピングされる。

＜モデルを用いて被検者の注意状態と不注意状態をモニタリングする＞
本発明の方法とシステムにより、被検者が特定の注意状態を有する可能性をリアルタイム判定することができる。クラスタ分析またはロジスティック回帰に続いて、所与の時間中に記録したＥＥＧから得たＥＥＧ測定値を、被検者固有モデルに対して入力し、これを用いて注意状態の可能性を計算する。詳細は実施例で説明する。

＜アプリケーション＞
本発明の方法とシステムを用いて、注意を必要とするタスクを実施している個人の注意レベルをモニタリングすることができる。被験者の注意レベルを検出し、記録し、分析して、被検者が注意状態であるか否かを判定することができる。被験者が不注意状態であると分かれば、注意を払うように被検者へ促すことができる。オプションとしてサードパーティ（例：教師または親）は被験者の注意状態についてアラートを受けることができる。

本発明の方法とシステムを用いて、トレーニング中の被検者の注意レベルのリアルタイム測定結果を提供することにより、注意状態をトレーニングすることができる。例えば本発明の方法とシステムを、フィードフォワードトレーニングシステムなどのトレーニングシステムに組み込んで、被検者の注意レベルを改善することができる。

本発明の１側面は、出力値を用いて、被検者が操作するビデオゲームを制御することに関する。ビデオアニメーションを生成し表示する手段は、測定した電気活動が同時に処理されている間にビデオアニメーションを維持する手段を備えることが望ましい。さらに処理手段は、電気活動測定結果を格納し、測定結果をグローバルモデルと比較することができる。

実施形態において、ビデオゲームの要素は被験者の注意状態によって制御される。この制御は、特定の注意状態において実施するよりも、注意レベルが変化したとき本発明の方法によって継続的に実施することが望ましい。これにより被験者は、ゲームをプレイできるように注意レベルを適正に維持するよう促される。

＜注意力トレーニングのシステム＞
本発明の方法とシステムは、注意力測定およびトレーニングのためのより大規模なシステムの一部として統合することができる。システムは、被検者の脳機能をモニタリングするヘッドセットデバイスを備える。ヘッドセットデバイスは、ソフトウェアパッケージを搭載したコンピュータ上で動作するトレーニングプログラムに対して入力を提供することができる。システムはさらに、トレーニングプログラムが格納されたサーバ、またはグローバルモデルが格納されたサーバを備えることができる。データは、サーバ上、コンピュータ上、および／またはヘッドセットデバイス上で処理することができる。ヘッドセットが検出しトレーニングプログラムが処理したデータは、例えば視覚ディスプレイなどの電子インターフェースを介して被験者に提示される。ディスプレイは被験者の視野に配置され、被検者のＥＥＧデータから得た連続的情報を提供することができる。電子インターフェースは、パーソナルデスクトップコンピュータ、ラップトップ、タブレット、スマートフォン、ゲームシステムなどのデバイスに収容することができる。

以下の実施例により、特許請求する方法とシステムがどのように実施され、作成され、評価されるのかについての完全な開示と説明を、当業者に対して提供する。これは本発明の例示のみを意図しており、本発明者らが発明として認識しているものの範囲を限定する意図ではない。

＜実施例１：応答時間データを付記したＥＥＧ収集＞
精神運動警戒タスク（ＰＶＴ）は、刺激に対する被検者の応答時間を測定するものであり、これを被験者に対して実施すると同時に被検者の脳活動を記録した。このプロセスを用いて、任意のインスタンスにおけるＥＥＧ特性の所与のセットが注意状態と不注意状態に対応するか否かについての情報を得た。ＰＶＴ以外の注意状態の測定結果を用いることもできる。ＰＶＴは、データ収集中に被検者の注意状態と不注意状態を取り出すためにも有用である。これは、被検者がタスクを実施するために警戒状態を維持しようと試みる必要がある期間において、長時間にわたって様々な時間間隔で刺激を与えることにより実現される。ラベル付けしたインスタンスは長応答時間の傾向があり、そのインスタンスは時間経過にわたってより頻度が増える場合がある。

タッチ検出ビデオモニタを介してＰＶＴを以下のように実施した：光刺激を２〜１０秒のランダム間隔で出現させ、被検者はその刺激の後できる限り速くスクリーンをタッチするように指示される。これを１０分間にわたって実施する。応答時間を測定し、実施ごとに記録した。各被験者について約８０〜１００応答時間を収集した。

刺激の直前の２分の１部分のＥＥＧプロファイルを選択して、ＰＶＴ応答時間と組み合わせて分析した。この時間部分は、比較的活動していない状態を表しており、刺激時における被検者の脳状態の指標を提供し、刺激に対する被検者の応答に影響されていない。完全な応答は、視認、記憶、意志、動作を含む。

ＥＥＧ特性を各２分の１部分から抽出した。特性は、７つの周波数帯それぞれのパワーを全周波数帯の総パワーで除算したものを含むことができる。したがってこれは、所与のＰＶＴ実施についての応答時間に対応する各周波数帯の相対パワーを表す。２つのチャネル（ＡＦ３とＡＦ４）においてＥＥＧデータを収集し、所与のＰＶＴ応答時間について１４個の周波数特性を得た。

＜実施例２：クラスタ分析によるＥＥＧ分類＞
ＥＥＧおよびＰＶＴ応答時間データを用いて、実施例１で説明したテストを実施しているときの被検者の注意状態と不注意状態の特性として、ＥＥＧ特性を分類した。

ＥＥＧおよびＰＶＴ応答時間データを蓄積した。蓄積データの各ＥＥＧ特性に、当該実施における応答時間を乗算し、さらに特定被検者の年齢を乗算して、分析する変数を生成した（数式の一般形態を式１に示す）。

ｌｂａ＿ｔｈｅｔａ＿ｍａｓｔｏｉｄ＿ｒは複合値、ｌａｔｅｎｃｙは応答時間、ｂ＿ｔｈｅｔａ＿ｍａｓｔｏｉｄ＿ｒは４〜８Ｈｚ乳様突起チャネル周波数範囲における相対ＥＥＧパワーである。

同様の変数の全範囲にわたって各変数タイプをＺ変換した（数式の一般形態を式２に示す）。

ｌｂａ＿ｔｈｅｔａ＿ｍａｓｔｏｉｄ＿ｒｚはＺ変換された複合値、ＥとＦは分析から得られた定数である。

次に変数を主成分分析（ＰＣＡ）へ引き渡した。変数の全てまたはサブセットを分析することができる。例えば式３（下記）を用いることができる。Ａ〜ＤはＰＣＡから得られた定数である。Ａ、Ｂ、Ｃ、Ｄは分析において得られた定数である。

クラスタリングのため主成分分析を選択した。複数の方法を用いることができる。例えばデータ内の変化を最もよく説明する２つ（すなわちＰＣＡ１と２）を選択することができる。これに代えて、本発明のモデルを生成するため、本発明のモデルに最もフィットするクラスタを生成することができる主成分を選択することができる。この場合、デフォルトモードネットワークにおける増加した高周波数活動に対応する長応答時間を有するクラスタが１つ存在し、デルタおよびシータ周波数ＥＥＧ活動の増加に対応する非常に長い応答時間に対応するクラスタが１つ存在し、第３クラスタは、他の２つのグループよりも非常に短い応答時間を有し、デフォルトモードネットワーク高周波数活動が第１グループよりも少なく、シータおよびデルタパワーが第２グループよりも小さい。

ＳＡＳソフトウェアを用いて、蓄積データとともに２つの主成分をクラスタ分析に供した。Ｋ−ｍｅａｎｓクラスタリングを実施した。クラスタリングを１回または繰り返し実施して、得られる注意モデルを最適化することができる。クラスタ分析の結果は、重心座標（注意状態と不注意状態）が定義された少なくとも２つのクラスタを有するモデルである。この研究において、最もフィットしたものは、３つの重心座標を生成した（１つの重心は注意状態、２つの重心は不注意状態）。

＜実施例３：ロジスティック回帰によるＥＥＧ分類＞
ＥＥＧおよびＰＶＴ応答時間データを用いて、実施例１で説明したテストを実施しているときの被検者の注意状態と不注意状態の特性として、ＥＥＧ特性を分類する。

ＥＥＧおよびＰＶＴ応答時間を蓄積した。ＥＥＧ帯（ｂ＿ｄｅｌｔａ＿ｍａｓｔｏｉｄ＿ｒ、ｂ＿ｔｈｅｔａ＿ｍａｓｔｏｉｄ＿ｒ、など）の相対パワーを、眠気を示す長応答時間にともなうＥＥＧ減速（すなわち、デルタおよびシータ帯のパワー増加）の証拠のために実験した。複合測定結果を生成し、閾値を割り当てた。複合測定結果が閾値を超えている場合、その回の実施は不注意眠気グループに割り当てられる。

残りの実施に対してロジスティック回帰を実施して、応答時間のＥＥＧ特性の相関を発見した（図５参照）。相関係数（例：ピアソン相関係数ｒ）を実験し、相関が弱い特性を以後の分析から除去した。残りのＥＥＧ特性に重み付けして組み合わせ、複合測定結果を形成した。得られた結果を正規化して注意状態のインデックスを生成した。

＜実施例４：注意状態と不注意状態のリアルタイムグローバルモデル＞
実施例２におけるＥＥＧと応答時間データ分類を用いて、ＰＶＴタスク環境外で収集したＥＥＧデータのみに基づき、注意状態と不注意状態のリアルタイムグローバルモデルを生成した。

被検者が何らかの形態で関与しつつリアルタイムで注意レベルを示す手段としてＥＥＧ特性を評価する際に用いるのに適したモデルを生成するのが目標であり、注意レベルを計測する機能は有用である（例：学習その他タスクの補助、あるいは特定のタスクなし）。このアプリケーションにおいて、ＥＥＧセグメントは例えばＰＶＴ応答時間値などのような注意レベルの他の測定をともなう必要はない。

実施例２で説明したクラスタ分析分類を用いるため、ＥＥＧデータのみを用いて、応答時間データを含まない新たなデータポイントをクラスタに割り当てる方法を開発した。

蓄積データ内の各特性に、特定被検者の年齢を乗算して、分析変数を生成した（数式の一般形態を式４に示す）。

同様の変数の全範囲にわたって各変数タイプをＺ変換した（数式の一般形態を式５に示す）。

次に変数を主成分分析（ＰＣＡ）した。変数の全部またはサブセットを分析することができる。

ロジスティック回帰を実施して、反応時間を含まない主成分を、応答時間で生成したクラスタへマッピングした。年齢とＥＥＧ測定結果をともに用いた。結果として、タイムセグメント中に収集したＥＥＧデータが、そのタイムセグメントにおいて被検者が属するクラスタを表す確率を示す数式を得た（数式の一般形態を式６に示す）。ｔｅｓｔ＿ｃｌｕｓはクラスタ１に属する確率、ｐｒｉｎ１〜５はＰＣＡ分析の主成分１〜５である。

この数式を用いて、リアルタイム注意レベルモニタリングのために新たなＥＥＧデータを分類する。

被検者の複数のグループにしたがって様々なグローバルモデルを生成することができる。例えば８〜１２歳と１３〜１８歳の被検者から異なるグローバルモデルを得て、これにより例えばＲＴ、データ分散、状態毎（例：ＡＤＨＤやＡＤＤ）に蓄積した被検者などによる寄与分をより正確に特定することができる。

これに代えて、実施例３のＥＥＧ応答時間データ分類を用いて、ＰＶＴタスク環境外で収集したＥＥＧデータのみに基づき、注意状態と不注意状態のリアルタイムグローバルモデルを生成することができる。

＜実施例５：被験者のリアルタイム注意レベルの評価＞
実施例４の注意レベルモデルを用いて、ＥＥＧ信号モニタリングを実施している間における被検者のリアルタイム注意状態を評価した。複数の個人からＥＥＧ特性を収集し、実施例４のグローバルモデル（または必要であれば被検者固有モデル）において形成したロジスティック回帰数式に適用して、現在のタイムウインドウからあらかじめ定義したクラスタ中心の各セットまでの重み付け特性の近接度または距離を、計算した。注意クラスタ中心および不注意クラスタ中心からの相対距離に基づき、これら距離スコアを、注意状態または不注意状態の尤度に変換した。このプロセスを、個別のまたは重なる一連のタイムウインドウにわたって繰り返し、任意の時点における注意レベルスコアを提供することができる。このプロセスは、比較的リアルタイムで、または事後処理技術として実施することができる。その他詳細は後述する。

上述のように、注意状態の１つの重心（すなわち１つの状態）特性および不注意状態の２つの重心（すなわち２つの状態）を用いて、クラスタ分析に基づく注意レベルモデルを生成した。１つの不注意状態は、不注意状態ではあるが眠気状態ではなく、もう１つの不注意状態は眠気状態である（このアプローチは、任意個数の注意状態と不注意状態へ容易に拡張できる）。まず被検者が不注意状態１にある確率ｐ１と不注意状態２にある確率ｐ２を計算した。次に注意状態インデックスＩ＿ａｔｔを式７の形態の関数で生成した。

式７において、出力ｆは０から１の間であり、低注意レベルから高注意レベルにわたっている（もちろん、使用前または提示前に、Ｉ＿ａｔｔの値を所望のようにスケーリングまたは変換することができる）。例えばｆ（ｐ１，ｐ２）＝１−ｍａｘ（１，ｐ１＋ｐ２）。スコアは、指数に対する入力として、変換後線形重み付けした確率の関数を用いて計算した。例えば、ｆ（ｐ１，ｐ２）＝１−ｅｘｐ（ａ０＋ａ１＊ｌｎ（ｐ１＋ｐ２））、ａ０とａ１の値は、Ｉ＿ａｔｔを制約範囲内に抑えつつ、特定データセットにわたってインデックスの個別パワーを最大化するように選択される。

子供のマッピング手順により、子供の正常または注意欠陥に対する調整をすることができる。

＜その他の実施形態＞
本明細書が言及する全ての文献、許可済み特許、特許出願は、参照により本願に組み込まれ、各文献や特許出願が具体的かつ個別に参照によって組み込まれたのと同様に取り扱われる。

具体的実施形態とともに本発明を説明したが、さらに変形することが可能であり、本発明の原理に準じている限り本願は任意の変形、使用形態、調整をカバーする意図であり、本開示からのそのような本発明に関する分野に属する既知のまたは一般的態様に基づき変形したものを含む意図であり、本明細書が記載する必須要素に適用可能であってそれが特許請求範囲に含まれることを理解されたい。

その他の実施形態は特許請求範囲の範囲内である。

Claims (20)

1. ＥＥＧ脳信号を分類する方法であって、
   （ｉ）被検者の近傍において、コンピュータに接続されたデバイスを配置するステップであって、前記デバイスは前記被検者によって起動される、ステップ；前記被検者に対して、刺激に応答して前記デバイスを起動することに対する指示を提示するステップであって、前記被検者は前記被検者に対して特定の刺激が提示されたとき前記デバイスを起動するように指示される、ステップ；前記被検者によるデバイス起動を記録しながら前記被検者に対して前記刺激を提示するステップ；
   （ｉｉ）ステップ（ｉ）の少なくとも一部を実施しながら前記被検者の１以上のＥＥＧ脳信号を格納するステップ；
   （ｉｉｉ）ステップ（ｉ）における前記被検者によるデバイス起動を格納し、ステップ（ｉｉ）における前記１以上のＥＥＧ脳信号をコンピュータに格納するステップ；
   （ｉｖ）デバイス起動の応答時間パラメータを判定し、前記１以上のＥＥＧ脳信号それぞれについて応答時間値を計算するステップ；
   （ｖ）ステップ（ｉｖ）の応答時間値に基づき、前記１以上のＥＥＧ脳信号を分類して、注意状態と不注意状態を含むように前記被検者の脳信号特性をラベル付けするステップ、
   を有することを特徴とする方法。
2. 前記方法はさらに、前記１以上のＥＥＧ脳信号を分類して、（ａ）注意状態、（ｂ）第１不注意状態、（ｃ）被検者の眠気レベルによって特徴付けられる第２不注意状態、を含むように前記１以上の脳信号特性をラベル付けするステップを有する
   ことを特徴とする請求項１記載の方法。
3. 前記方法はさらに、
   長応答時間にともなうデルタ帯域またはシータ帯域において増加する相対パワーを有する前記１以上のＥＥＧ脳信号を識別するステップ、
   そのＥＥＧ脳信号を前記第２不注意状態に属するものとしてラベル付けするステップ、
   を有することを特徴とする請求項２記載の方法。
4. 前記方法はさらに、前記被検者の眠気レベルを計算するステップを有する
   ことを特徴とする請求項３記載の方法。
5. 前記方法は、
   前記被検者の眠気レベルが所定閾値を超えているか否かを判定するステップ、
   超えている場合は前記被検者に警告を出すステップ、
   を有することを特徴とする請求項４記載の方法。
6. 前記１以上のＥＥＧ脳信号それぞれについての前記応答時間値は、前記応答時間パラメータと前記ＥＥＧ脳信号から計算される複合値である
   ことを特徴とする請求項１から５いずれか１項記載の方法。
7. ステップ（ｖ）は、前記複合値のクラスタ分析によって前記１以上の脳信号を分類するステップを有する
   ことを特徴とする請求項６記載の方法。
8. ステップ（ｖ）は、前記ＥＥＧ脳信号とこれにともなう応答時間値のクラスタ分析によって前記１以上のＥＥＧ脳信号を分類するステップを有する
   ことを特徴とする請求項１から５いずれか１項記載の方法。
9. 前記応答時間パラメータまたは前記応答時間値は、年齢調整、性別調整、または精神状態調整したものである
   ことを特徴とする請求項１から８いずれか１項記載の方法。
10. 前記被験者はＡＤＨＤを患っており、
    前記応答時間値は、前記被検者の精神状態を測定した重大度に応じて調整される
    ことを特徴とする請求項９記載の方法。
11. 前記応答時間は、前記被検者に対して前記刺激を提示する１〜４秒前に測定したＥＥＧ脳信号にともなうものである
    ことを特徴とする請求項１から１０いずれか１項記載の方法。
12. 前記方法はさらに、被検者の注意レベルを表現するステップを有し、
    前記表現するステップは、
    （ａ）被検者群の共起表現脳波（ＥＥＧ）脳信号から得られる被検者非依存モデルを提供するステップであって、前記被検者非依存モデルはラベル付けされた脳信号を含む、ステップ；
    （ｂ）前記被検者から取得した被検者固有ＥＥＧ脳信号を提供するステップ；
    （ｃ）前記被検者非依存モデルと前記被検者固有脳信号に基づき、前記被検者が注意状態または不注意状態である可能性を表すスコアを計算するステップ；
    （ｄ）前記スコアを前記被検者に提示するステップ、
    を有する
    ことを特徴とする請求項１から１１いずれか１項記載の方法。
13. ステップ（ｃ）は、
    前記被検者固有ＥＥＧ脳信号を被検者群の前記ラベル付けされたＥＥＧ脳信号と比較するステップ、
    前記被検者が注意状態または不注意状態である可能性を前記比較に基づき判定するステップ、
    を有することを特徴とする請求項１２記載の方法。
14. 被検者の注意レベルを表現する方法であって、
    （ｉ）被検者群の共起表現脳波（ＥＥＧ）脳信号から得られる被検者非依存モデルを提供するステップであって、前記被検者非依存モデルは、（ａ）注意状態、（ｂ）第１不注意状態、（ｃ）被検者の眠気レベルによって特徴付けられる第２不注意状態、に対応するラベル付けされた脳信号を含む、ステップ；
    （ｉｉ）前記被検者から取得した被検者固有ＥＥＧ脳信号を提供するステップ；
    （ｉｉｉ）前記被検者非依存モデルと前記被検者固有脳信号に基づき、前記被検者が注意状態または不注意状態である可能性を表すスコアを計算するステップ；
    （ｉｖ）前記スコアを前記被検者に提示するステップ、
    を有することを特徴とする方法。
15. ステップ（ｉｉｉ）は、
    前記被検者固有ＥＥＧ脳信号を前記ラベル付けされた被検者群のＥＥＧ脳信号と比較するステップ、
    前記比較に基づき前記被検者が注意状態または不注意状態である可能性を判定するステップ、
    を有することを特徴とする請求項１４記載の方法。
16. 前記方法はさらに、
    （ｘ１）前記スコアをビデオゲームに入力するステップ；
    （ｘ２）少なくとも１つのアウトプットを有するビデオゲームを前記被検者に提示するステップ；
    （ｘ３）前記被検者に対して前記スコアに対応する少なくとも１つの信号を提示するステップ；
    （ｘ４）前記スコアが所定閾値を超えるかまたは所定範囲外である場合は、前記ゲームの難易度または進捗を変更するステップ、
    を有することを特徴とする請求項１２から１５いずれか１項記載の方法。
17. フーリエ変換分析、ウェーブレット分析、絶対パワー分析、相対パワー分析、位相分析、コヒーレンス分析、振幅対称分析、および／または逆ＥＥＧ分析から選択した方法を用いて、前記ＥＥＧ脳信号を処理することにより、１以上のＥＥＧパラメータを生成する
    ことを特徴とする請求項１から１６いずれか１項記載の方法。
18. 前記ＥＥＧ脳信号は、１上の周波数帯の相対パワーから選択されている
    ことを特徴とする請求項１７記載の方法。
19. 前記ＥＥＧ信号は、１以上の周波数帯の絶対パワーから選択されている
    ことを特徴とする請求項１７記載の方法。
20. 被検者の注意レベルを表現するシステムであって、
    （ｉ）前記被検者からＥＥＧデータを収集するＥＥＧヘッドセット；
    （ｉｉ）請求項１２から１９いずれか１項記載の方法にしたがって、前記被検者が注意状態または不注意状態である可能性を表すスコアを計算するアルゴリズムを実装したプロセッサ、
    を備えることを特徴とするシステム。

Images