JP2019155083A - 脳造影信号の時間‐周波数解析の知的なパラメータ指定 - Google Patents

Abstract

【課題】磁気脳造影（MEG）信号の時間周波数解析においてユーザーを支援するシステムを提供する。【解決手段】ある側面では、システムは、解析モジュールと、構成設定モジュールと、ユーザー・インターフェースとを含む。解析モジュールは、MEG信号の時間周波数解析、たとえば短時間フーリエ変換（STFT）または連続ウェーブレット変換（CWT）解析を実行する。解析は、該解析の時間分解能および周波数分解能に影響するパラメータ集合、たとえばSTFTのための窓サイズおよび重複サイズまたはCWTのための中心周波数および減衰パラメータによってパラメータ指定される。構成設定モジュールは、該パラメータ集合のための正しい値を自動的に決定する、または決定するためにユーザーを支援する。【選択図】図１

Description

本開示は概括的には脳造影信号の解析に関する。

磁気脳造影（MEG: magnetoencephalography）では、脳の電気活動が磁場を引き起こし、それが脳のまわりの種々の位置に配置された磁場センサーによって捕捉される。これらの信号は、医療状態の診断、脳機能の測定および研究遂行などさまざまな目的のために解析される。該信号は、時間的応答を検出するために特に好適である。ある一般的なシナリオでは、被験者は種々の型の刺激を受けるか、種々の型の活動を実行し、結果として生じるMEG信号がある種の応答または特性について検査される。たとえば、既知の刺激が被験者に呈示される場合、MEG信号は、刺激後のある時間遅延におけるある周波数の応答について観察されてもよい。その応答の存在または不在が、ある医療状態の指標となりうる。被験者の人口集団を横断して、たとえばある医療条件がある群とない群の間で、統計的解析が実行されることもできる。

多くの場合、所望される解析は、時間周波数解析である。すなわち、MEG信号は、ある時間遅延後にある周波数において生起する応答という上記の例のような、時間および周波数において観察される。しかしながら、不確定性原理のため、時間精度と周波数精度の間にはトレードオフがある。信号が生起する時間に関して非常に正確であるためには（高い時間分解能）、周波数分解能をあきらめる必要がある。逆に、信号においてどの周波数が存在するかに関して非常に正確であるためには（高い周波数分解能）、時間分解能をあきらめる必要がある。

このように、MEG信号は高い時間分解能および低い周波数分解能、高い周波数分解能および低い時間分解能または両者の間の何らかのトレードオフで解析されうる。正しいトレードオフを選択することは、結果を解釈し、目標応答を検出するために重要である。しかしながら、このトレードオフは典型的には、いくつかの技術的パラメータの値によって決定される。これらのパラメータについての異なる値を選択することは、解析を、より高い時間分解能またはより高い周波数分解能に移す。しかしながら、多くの場合、ユーザーはこれらのパラメータ、あるいはこれらのパラメータをどのようにして正しく設定するかを理解しないことがある。

本開示は、磁気脳造影（MEG）信号を含む脳造影信号の時間周波数解析においてユーザーを支援するシステムを提供することによって、従来技術の限界を克服する。ある側面では、システムは、解析モジュールと、構成設定モジュールと、ユーザー・インターフェースとを含む。解析モジュールは、MEG信号の時間周波数解析、たとえば短時間フーリエ変換（STFT: short time Fourier transform）または連続ウェーブレット変換（CWT: continuous wavelet transform）解析を実行する。解析は、該解析の時間および周波数分解能に影響するパラメータ集合、たとえばSTFTのための窓サイズおよび重複サイズまたはCWTのための中心周波数および減衰パラメータによってパラメータ指定される。構成設定モジュールは、該パラメータ集合のための値を自動的に決定する、または決定するためにユーザーを支援する。

他の側面は、コンポーネント、装置、システム、改善、方法、プロセス、アプリケーション、コンピュータ可読媒体および他の型の脳造影信号への応用も含め上記に関係した他の技術を含む。

本特許または出願ファイルは、カラーで作成された少なくとも一つの図面を含んでいる。カラー図面を含むこの特許または特許出願公開のコピーは、請求して必要な手数料を支払うことで、庁によって提供される。

本開示の実施形態は、他の利点および特徴を有する。そうした利点および特徴は、以下の詳細な説明および付属の請求項を付属の図面の例との関連で参酌することからより容易に明白になるであろう。

ある実施形態に基づく、磁気脳電図（MEG）信号を解析するためのシステムのブロック図である。

短時間フーリエ変換（STFT）を使う、図１のシステムのある動作モードを示す流れ図である。

チャープ信号の時間プロットである。

図３Ａのチャープ信号の周波数変換のプロットである。

ある実施形態に基づく、時間対周波数で異なる強調をもつMEG信号のSTFT解析の時間‐周波数プロットを示す図の一つである。 ある実施形態に基づく、時間対周波数で異なる強調をもつMEG信号のSTFT解析の時間‐周波数プロットを示す図の一つである。 ある実施形態に基づく、時間対周波数で異なる強調をもつMEG信号のSTFT解析の時間‐周波数プロットを示す図の一つである。

ある実施形態に基づく、周波数帯域のユーザー選択を示す、MEG信号の時間‐周波数プロットである。

連続ウェーブレット変換（CWT）を使う、図１のシステムのもう一つの動作モードを示す流れ図である。

チャープ信号の時間プロットを示す図である。

ある実施形態に基づく、時間対周波数で異なる強調をもつMEG信号のCWT解析の時間‐周波数プロットを示す図の一つである。 ある実施形態に基づく、時間対周波数で異なる強調をもつMEG信号のCWT解析の時間‐周波数プロットを示す図の一つである。

ある実施形態に基づくコンピュータ・システムのブロック図である。

図面および下記の記述は、単に例解としての好ましい実施形態に関する。以下の議論から、本稿に開示される構造および方法の代替的実施形態が、特許請求されるものの原理から外れることなく用いられうる有望な代替として、容易に認識されるであろうことを注意しておくべきである。

図１は、ある実施形態に基づく脳造影（MEG）信号を解析するためのシステムのブロック図を示している。システム１００は、MEG信号１６０にアクセスし、該信号に対して何らかの時間周波数解析を実行し、結果をユーザーに対して表示１７０する。この例では、システム１００は、データ・インターフェース１１０、構成設定モジュール１２０、時間周波数解析モジュール１３０およびユーザー・インターフェース１４０を含む。データ・インターフェース１１０は、MEG信号１６０へのアクセスを提供する。たとえば、データ・インターフェース１１０が以前に捕捉されたMEG信号を含んでいるデータベースにアクセスして、システム１００が該信号を捕捉後に解析するのでもよい。あるいはまた、データ・インターフェース１１０は、MEG信号を捕捉するMEGハードウェアへのインターフェースであって、システム１００は信号のリアルタイムの解析および表示を提供するのでもよい。ユーザー・インターフェース１４０は前記時間周波数解析を表示して、ユーザー入力を受け取りもする。これについては後述する。

解析モジュール１３０は、時間周波数解析を実行する。時間周波数解析の二つの例は短時間フーリエ変換（STFT）１３５および連続ウェーブレット変換（CWT）１３７であるが、ヒルベルト変換のような他の型の時間周波数解析が実行されてもよい。しばしば、解析は、調整できるパラメータの集合をもつ。たとえば、窓サイズおよび重複サイズはSTFT解析のための一般的なパラメータであり、中心周波数および減衰パラメータはCWT解析のための一般的なパラメータである。パラメータ集合は、解析の時間分解能および周波数分解能に影響する。

構成設定モジュール１２０は、パラメータ集合についての値を決定する。図１では、構成設定モジュール１２０は自然言語変換器である。これは、意味的な要求を収集するために、自然言語を使ってユーザーとコミュニケーションする。これらの意味的な要求は臨床上または解析上重要であり、パラメータ集合についての適切な値についての情報を提供する。意味的な要求は、実際のパラメータについての値を直接指定するのに十分であることもあり、ないこともある。たとえば、対話器（conversant）１２２は「可能な限り最良の時間遅延または時間分解能で周波数の範囲を検出」または「良好な周波数分解能で周波数の範囲を検出」または「アルファ帯域に焦点を当てる」といったユーザー入力を受け取ってもよい。対話器１２２は、「窓サイズを512に設定」または「重複サイズを窓サイズの50%に設定」または「中心周波数を20%増す」といった、パラメータ値を設定するために直接使用できるユーザー入力を受け取ることもできる。

知識アシスタント１２４は、解析されているMEG信号に基づいておよび／または対話器１２２からのユーザー入力を含むユーザー入力に基づいて、パラメータ集合の値を決定する。パラメータ集合は、時間周波数解析を実行する際に解析モジュール１３０によって使用される。

図２は、短時間フーリエ変換（STFT）を使う、図１のシステムのある動作モードを示す流れ図を示している。ここで、時間周波数解析はSTFT解析１３５であり、窓サイズおよび重複サイズを含むパラメータ集合をもつ。窓サイズは、フーリエ変換が適用されるサンプルのサイズである。これは、サンプル点の数によって、あるいは（所与のサンプリングレートについて）サンプルによってカバーされる時間期間によって指定されてもよい。所与のサンプリングレートについて、窓サイズが小さいほど時間サンプルは短く、より高い時間分解能を与えるが、周波数分解能はより低くなる。逆に、窓サイズが大きいほど時間サンプルは長く、より低い時間分解能を与えるが、周波数分解能はより高くなる。重複サイズは、隣り合う窓が重なる量である。重複は、スペクトル漏れの効果を軽減する。窓関数は典型的には、窓の端のほうで逓減するからである。ある手法では、重複サイズは窓サイズのある割合、たとえば窓サイズの25%または50%に設定される。これは、パラメータ集合を二自由度から一自由度に帰着させる。

図２では、知識アシスタント１２４は、ユーザーの知識レベルを、ユーザーと対話器１２２との間の自然言語の会話に基づいて判別２２４する。この例では、熟練者、中間および初心者という三つの知識レベルがある。熟練者ユーザーは、パラメータ集合についての値を直接設定する。初心者ユーザーについては、構成設定モジュールはより多くのガイダンスを提供する。構成設定モジュールは、MEG信号の解析に基づいて、パラメータ集合についての値の範囲およびデフォルト値を選択してもよい。ユーザーはこれらを直接ではなく、より直観的な手法を使って調整できる。たとえば、ユーザー・インターフェースがユーザーに、よりよい周波数分解能またはよりよい時間分解能を要求することを許容してもよく、次いで、構成設定モジュールがしかるべくパラメータ集合を調整する。中間ユーザーは両者の間である。

前記会話が、ユーザーが所望される結果を達成するためにどのパラメータをどのようにチューニングすべきかを知っていることを示す場合には、ユーザーは熟練者２３０であり、熟練者ユーザーは直接、窓サイズおよび重複サイズを設定する。前記会話は、「窓サイズを128に設定」、「重複サイズを32に設定」など、パラメータを直接設定する十分な情報を含んでいてもよい。あるいはまた、ひとたびユーザーが熟練者として分類されたら、知識アシスタント１２４が対話器１２２に、この情報を得るための、「窓サイズは？」「窓サイズの50パーセントに等しい重複サイズを使いましょうか？」といった質問をするよう指令してもよい。

次に初心者ユーザーを考える。前記会話が、ユーザーがパラメータ集合についての適切な値について、さらにはどんなパラメータが利用可能であるまたは典型的に使われるかさえ、ほとんどないし全く知らないことを示す場合、ユーザーは初心者２５０として分類される。典型的には、初心者の会話は、パラメータを設定することに直接有用な情報をほとんどまたは全く含まないであろう。知識アシスタント１２４は、ユーザーに時間精度と周波数精度との間での相対的な重要性を指定させてこれに基づいてパラメータ集合を自動的に計算することによって、初心者ユーザーにとって解析を容易にする。

あるいはまた、知識アシスタント１２４は、利用可能な情報に基づいて、ユーザー入力なしでパラメータを自動的に設定してもよい。たとえば、知識アシスタント１２４は、MEG信号の粗い周波数解析に基づいてパラメータ集合を選択してもよい。一例はプロセス２５２〜２５６に示される。

図３Ａは、チャープ信号の時間プロットを示しており、プロセス２５２〜２５６を例解するためにこれを使う。このチャープ信号は四つの領域をもつ：0〜1秒について15Hz、1〜2秒について45Hz、2〜3秒について75Hzおよび3〜4秒について100Hzである。知識アシスタント１２４は、MEG信号の周波数解析に基づいて可能な窓サイズの範囲を決定２５２する。ある実装では、これはMEG信号全体の粗いフーリエ変換である。M個の最も強い周波数が識別される。最も強い周波数を識別するために、閾値処理もしくは百分位カットオフまたは統計的解析に基づいて識別される周波数など、他の方法が使われることもできる。便宜上、これらの最も強い周波数は主要周波数と称される。

図３Ｂは、図３Ａのチャープ信号のフーリエ変換をプロットしている。これは、粗いフーリエ変換である。チャープ信号は15、45、75および100Hzに四つの主要周波数３１０、３２０、３３０および３４０をもつ。

知識アシスタント１２４は、可能な窓サイズの範囲を次のように設定２５４する。
・最小窓サイズ＝最低の主要周波数の２倍＝この例では2×15Hz＝30サンプルに基づく。これは最高の時間分解能を与える。
・最大窓サイズ＝全MEG信号のサイズ＝1000サンプル。これは最低の時間分解能を与える。
・デフォルト窓サイズ＝最高の主要周波数の２倍＝2×100Hz＝200サンプルに基づく。
この例は、乗数2×を使っているが、他の乗数を使うこともできる。

ユーザー・インターフェース１４０は、ユーザーが時間と周波数の間のトレードオフを変える２５６ことを許容する入力機構１４４を含んでいる。たとえば、ユーザー・インターフェース１４０は、一方の側が高い時間精度を表わし、他方の側が高い周波数精度を表わすスライダーまたはスクロールバー１４４を含んでいてもよい。

図４Ａ〜４Ｃは、ある実施形態に基づく、時間対周波数〔t vs f〕で異なる強調をもつMEG信号のSTFT解析の時間‐周波数プロットを示している。これらは、図３Ａのチャープ信号の短時間フーリエ変換解析の時間‐周波数プロットである。これらの図では、色は、応答の強さを示し、（赤に近い）暖色ほどより高いパワーを示し、（青に近い）寒色ほどより低いパワーを示す。図４Ａは、デフォルト窓サイズ＝200サンプルを、窓サイズの50%に設定された重複サイズとともに使うSTFT解析の時間‐周波数プロットである。右上はユーザー・インターフェースからのスライダー１４４を示しており、「t」は高い時間精度を示し、「f」は高い周波数精度を示す。図４Ａでは、スライダーはtとfの中間に設定される。時間不確定性４１０Ａは約0.25秒であり、周波数不確定性４２０Ａは約5Hzである。

図４Ｂでは、ユーザーはスライダー１４４を「f」のほうに動かしており、より高い周波数精度を望んでいることを示している。知識アシスタント１２４はこの要求を、より長い窓サイズ、この場合には窓サイズ＝400サンプルに変換する。知識アシスタント１２４は重複サイズも、新たな窓サイズの50%として再計算する。代替的な手法では、何らかの最低の重複サイズはあるという条件のもとで、重複サイズは、窓サイズが増すとともに縮小されることができる。結果として得られる図４Ｂにおける表示は、約2.5Hzというよりよい周波数不確定性４２０Ｂをもつが、約0.5秒というより大きな時間不確定性４１０Ｂをもつ。

図４Ｃは、ユーザーがスライダー１４４を「t」のほうに動かして、より高い時間精度を望んでいることを示している逆の状況を示している。知識アシスタント１２４はこの要求を、より短い窓サイズ、この場合には窓サイズ＝40サンプルに変換する。知識アシスタント１２４は重複サイズも再計算する。結果として得られる図４Ｃにおける表示は、約0.05秒というよりよい時間不確定性４１０Ｃをもつが、約25Hzというより悪い周波数不確定性４２０Ｃをもつ。

図２に戻ると、場合によっては、知識アシスタント１２４は、ユーザーが中間的な知識をもつことを判別することがある。ユーザーは、パラメータ集合に影響する何らの情報を提供したが、パラメータ集合についての特定の値を決定するまたはユーザーがパラメータについての値を効果的に直接選択できると結論するには十分ではない。この例では、ユーザーとの会話が、ある周波数帯域に関心があることを示す２４０。表１は、MEG解析に一般的な主要な周波数帯域を挙げている。
ある手法では、関心のある周波数帯域（単数または複数）は、ユーザーとの会話の自然言語処理に基づいて決定される。もう一つの手法では、ユーザーがたとえばドロップダウンメニューから、明示的に周波数帯域（単数または複数）を選択する。

あるいはまた、ユーザーは、時間‐周波数プロット上で関心のあるエリアを選択することによって、関心のある周波数帯域をグラフィックに指示してもよい。この手法は図５に示されている。図５は、ある実施形態に基づく、周波数帯域のユーザー選択を示すMEG信号の時間‐周波数プロットを示す。暖色ほど高いパワーを示す。ユーザーは、関心のある点を示すようカーソル５１０を位置決めする。この例では、関心のある点は約11Hzであり、これはアルファ帯域にある。知識アシスタント１２４は、アルファ帯域を、関心のある周波数帯域として選択し、次いで、8〜12Hzというこの周波数帯域に基づいて可能な窓サイズの範囲を次のように決定２４２する：
・最小窓サイズ＝アルファ帯域の下端の２倍＝2×8Hzに基づく
・最大窓サイズ＝アルファ帯域の上端の２倍＝2×12Hzに基づく
・デフォルト窓サイズ＝ユーザー選択された周波数の２倍＝2×11Hzに基づく
知識アシスタント１２４は、上記のデフォルト窓サイズに基づいて初期の窓サイズおよび重複サイズを計算２４４する。ユーザーは、時間‐周波数プロット上でグラフィックに、あるいは図４Ａ〜４Ｃにおけるスライドバー１４４のような機構を使って、時間対周波数のトレードオフを調整する２４６ことができる。

代替的な手法では、ユーザーは、関心のあるエリアを、たとえば長方形５２０を描くことによって示してもよい。

図６は、連続ウェーブレット変換（CWT）を使う、図１のシステムのもう一つの動作モードを示す流れ図を示している。ここでは、時間周波数解析はCWT解析１３７であり、中心周波数および減衰パラメータのパラメータ集合をもつ。中心周波数は、マザー・ウェーブレットの中心周波数である。中心周波数が高いほど、よりよい周波数精度をもつ傾向があり、中心周波数が低いほど、よりよい時間精度をもつ傾向がある。半値全幅（FWHM: full width half max）は時間領域における減衰の指標であり、帯域幅パラメータ（FB）は周波数領域における減衰の指標である。マザー・ウェーブレットの選択はCWT解析のためのもう一つのパラメータでありうる。

CWTについての図６のプロセスは、STFTについての図２のプロセスと類似している。知識アシスタント１２４はユーザーを熟練者、中間または初心者として分類する（６２４）。熟練者ユーザーは中心周波数および減衰パラメータを直接設定する（６３０）。初心者ユーザー（６５０）のためには、図２と同様の手法が取られる。知識アシスタント１２４は、MEG信号の周波数解析に基づいて可能な中心周波数の範囲を決定する（６５２）。たとえば、該範囲は、次のように設定されてもよい：
・最小の中心周波数＝最低の主要周波数の半分
・最大の中心周波数＝最高の主要周波数の半分
・デフォルトの中心周波数＝最小および最大の中心周波数の平均
減衰パラメータは、中心周波数の関数として計算されてもよい（６５４）。すると、ユーザーは、時間対周波数トレードオフを調整６５６することによってこの範囲内で選択することができ、パラメータ集合についての値を直接選択する必要が避けられる。

図７Ａ〜７Ｃは例を与えている。図７Ａはチャープ信号の時間プロットを示している。このチャープ信号は四つの領域をもつ：0〜1秒について15Hz、1〜2秒について30Hz、2〜3秒について40Hzおよび3〜4秒について60Hzである。

図７Ｂ〜７Ｃは、ある実施形態に基づく、時間対周波数で異なる強調をもつMEG信号の連続ウェーブレット変換（CWT）解析の時間‐周波数プロットを示している。これらの図において、色は応答の強さを示し、（赤に近い）暖色ほどより高いパワーを示す。図７Ｂは、0.75Hzのデフォルト中心周波数を3Hzに設定された減衰パラメータとともに使うCWT解析の時間‐周波数プロットである。右上はユーザー・インターフェースからのスライダー１４４を示しており、「t」は高い時間精度を示し、「f」は高い周波数精度を示す。図７Ｂでは、スライダーは、デフォルト・パラメータ集合のためのtとfの中間に設定される。

図７Ｃでは、ユーザーはスライダー１４４を「f」のほうに動かしており、より高い周波数精度を望んでいることを示している。知識アシスタント１２４は中心周波数を増し、しかるべく減衰パラメータを調整する。結果として得られる図７Ｃにおける表示は、よりよい周波数不確定性をもつが、時間不確定性はより大きくなる。

図８は、ある実施形態に基づくコンピュータ・システムのブロック図である。コンピュータ・システム８００は、上記のシステムを実装するために好適である。チップセット８０４に結合された少なくとも一つのプロセッサ８０２が示されている。チップセット８０４は、メモリ・コントローラ・ハブ８２０および入出力（I/O）コントローラ・ハブ８２２を含む。メモリ８０６およびグラフィック・アダプター８１２がメモリ・コントローラ・ハブ８２０に結合され、表示装置８１８がグラフィック・アダプター８１２に結合される。記憶装置８０８、キーボード８１０、ポインティングデバイス８１４およびネットワーク・アダプター８１６がI/Oコントローラ・ハブ８２２に結合される。コンピュータ８００の他の実施形態は異なるアーキテクチャーを有する。たとえば、メモリ８０６は、いくつかの実施形態では、プロセッサ８０２に直接結合されている。

記憶装置８０８は一つまたは複数の非一時的なコンピュータ可読記憶媒体、たとえばハードドライブ、コンパクトディスク読み出し専用メモリ（CD-ROM）、DVDまたは半導体メモリ・デバイスを含む。メモリ８０６は、プロセッサ８０２によって使用される命令およびデータを保持する。ポインティングデバイス８１４は、コンピュータ・システム８００にデータを入力するためにキーボード８１０と組み合わせて使われる。グラフィック・アダプター８１２は画像および他の情報を表示装置８１８に表示する。いくつかの実施形態では、表示装置８１８は、ユーザー入力および選択を受け取るためのタッチスクリーン機能を含む。ネットワーク・アダプター８１６はコンピュータ・システム８００をネットワークに結合する。コンピュータ８００のいくつかの実施形態は、図８に示したのとは異なるおよび／または他のコンポーネントをもつ。

コンピュータ８００は、本稿に記載される機能を提供するためのコンピュータ・プログラム・モジュールを実行するよう適応される。本稿での用法では、用語「モジュール」は、指定された機能を提供するために使われるコンピュータ・プログラム命令および／または他の論理を指す。このように、モジュールは、ハードウェア、ファームウェアおよび／またはソフトウェアで実装されることができる。ある実施形態では、実行可能なコンピュータ・プログラム命令で形成されるプログラム・モジュールは記憶装置８０８に記憶され、メモリ８０６にロードされ、プロセッサ８０２によって実行される。これらはMEG信号を捕捉後に解析するシステムの一部であってもよく、あるいはこれらはリアルタイムで動作する（埋め込まれた）システムの一部であってもよい。

上記で述べた手法は多くの利点をもつことができる。たとえば、医師または他のユーザーにとって全体的な解析時間を短縮することができる。また、より深い解析がどの方向に焦点を当てるべきか、たとえばよりよい情報を得るために時間または周波数のどちらについて粒度を増すべきかをより迅速に視覚化する方法をも提供する。より豊かな情報およびMEG信号のより直観的な操作を提供することによって、ユーザーが根底にある信号における重要な情報を識別し、それに集中することが容易になる。上記の手法は、ユーザーが洗練された信号処理技法（たとえばSTFTおよびCWT）を活用することをも許容するが、それでいて、そうしたツールの背後にある数学の理解を求めない。むしろ、ユーザーは診断および治療に集中することができる。アナリティクスを使い、統計的に有意なデータをハイライトする自動化は、この点でも助けになり、解析が、それほど経験のないユーザーによって実施されることを許容する。

詳細な説明は多くの個別事項を含んでいるが、これらは本発明の範囲を限定するものとして解釈されるべきではなく、単に種々の例を例解するものとして解釈されるべきである。本開示の範囲は、上記で詳細に論じられていない他の実施形態をも含むことは理解しておくべきである。たとえば、MEG信号が上記の例において使われたが、例解された原理は、電気脳造影（EEG: electroencephalography）信号を含む他の型の脳造影信号に適用されてもよい。当業者に明白となるであろうさまざまな他の修正、変更および変形が、付属の請求項において定義される精神および範囲から外れることなく、本稿で開示された方法および装置の構成、動作および細部に対してなされてもよい。よって、本発明の範囲は、付属の請求項およびその法的な等価物によって決定されるべきである。

１１０ データ・インターフェース
１２０ 構成モジュール
１２２ 対話器
１２４ 知識アシスタント
１３０ t-f解析モジュール
１４０ ユーザー・インターフェース
１６０ MEG信号
１７０ ディスプレイ

２２４ 知識レベルを判別
２３０ ユーザーが窓サイズ、重複サイズを設定
２４０ ユーザーが周波数帯域を選択
２４２ 窓サイズの範囲を設定
２４４ 窓サイズを選択して重複サイズを計算
２４６ t対fを調整
２５０ ユーザーは周波数を指定せず
２５２ 窓サイズの範囲を設定
２５４ 窓サイズを選択して重複サイズを計算
２５６ t対fを調整

６２４ 知識レベルを判別
６３０ ユーザーが中心周波数、減衰を設定
６４０ ユーザーが周波数帯域を選択
６４２ 中心周波数の範囲を設定
６４４ 中心周波数を選択して減衰を計算
６４６ t対fを調整
６５０ ユーザーは周波数を指定せず
６５２ 中心周波数の範囲を設定
６５４ 中心周波数を選択して減衰を計算
６５６ t対fを調整

８０２ プロセッサ
８０４ チップセット
８０６ メモリ
８０８ 記憶装置
８１０ キーボード
８１２ グラフィック・アダプター
８１４ ポインティングデバイス
８１６ ネットワーク・アダプター
８１８ ディスプレイ
８２０ メモリ・コントローラ・ハブ
８２２ I/Oコントローラ・ハブ

Claims (20)

1. 磁気脳造影（MEG）信号を表示するシステムであって、当該システムは：
   MEG信号へのアクセスをもつインターフェース・モジュールと；
   前記MEG信号の時間周波数解析を実行する解析モジュールであって、前記時間周波数解析は、解析の時間分解能および周波数分解能に影響するパラメータ集合によってパラメータ指定される、解析モジュールと；
   少なくとも部分的には前記MEG信号に基づいて前記パラメータ集合についての値を自動的に決定する構成設定モジュールと；
   前記パラメータ集合についての自動的に決定された値を使って実行された前記MEG信号の時間周波数解析を表示するユーザー・インターフェースとを有する、
   システム。
2. 前記構成設定モジュールは、前記MEG信号のフーリエ変換を実行し、前記フーリエ変換の周波数内容に基づいて前記パラメータ集合についての値を自動的に決定する、請求項１記載のシステム。
3. 前記ユーザー・インターフェースは、前記解析の時間分解能および／または周波数分解能に関係する、前記パラメータ集合についての値を明示的に指定しないユーザー入力をも受領し；
   前記構成設定モジュールは、前記ユーザー入力に基づいて前記パラメータ集合についての前記値を自動的に決定する、
   請求項１記載のシステム。
4. 前記ユーザー・インターフェースは、時間精度と周波数精度の間の相対的な重要性を指定するユーザー入力を受領し；
   前記構成設定モジュールは、前記ユーザー入力に基づいて前記パラメータ集合についての前記値を自動的に決定する、
   請求項１記載のシステム。
5. 前記構成設定モジュールはまた、ユーザーの知識レベルを判別し、ユーザーの該知識レベルに依存して前記パラメータ集合についての前記値を決定するために異なる方法を使う、請求項１記載のシステム。
6. 前記構成設定モジュールがユーザーが十分な知識をもつことを判別する場合、前記パラメータ集合についての前記値はユーザーによって直接選択される、請求項５記載のシステム。
7. 前記構成設定モジュールがユーザーが十分な知識をもたないことを判別する場合、前記ユーザー・インターフェースは前記パラメータ集合に関連するユーザー入力を受領するが、ユーザーは前記パラメータ集合についての特定の値は選択せず、前記構成設定モジュールは、前記ユーザー入力に基づいて前記パラメータ集合についての前記値を自動的に決定する、請求項５記載のシステム。
8. 前記ユーザー・インターフェースは、関心対象の周波数帯域を指定するユーザー入力を受領し；
   前記構成設定モジュールは、前記関心対象の周波数帯域に基づいて前記パラメータ集合についての値の範囲を決定する、
   請求項１記載のシステム。
9. 前記時間周波数解析が短時間フーリエ変換（STFT）解析であり、該STFT解析のための前記パラメータ集合は窓サイズおよび重複サイズを含み；
   前記ユーザー・インターフェースは、時間精度と周波数精度の間の相対的な重要性を指定するユーザー入力を受領し；
   前記構成設定モジュールは、前記ユーザー入力に基づいて前記窓サイズおよび前記重複サイズについての値を自動的に決定する、
   請求項１記載のシステム。
10. 前記構成設定モジュールが、周波数精度の相対的な重要性を増すユーザー入力に応答して、前記窓サイズを大きくする、請求項９記載のシステム。
11. 前記構成設定モジュールが、前記MEG信号の周波数解析に基づいて可能な窓サイズの範囲を決定し、前記ユーザー入力に基づいて、前記範囲内で前記窓サイズについての値を決定する、請求項９記載のシステム。
12. 可能な窓サイズの前記範囲が、前記MEG信号の時間的なサイズに基づく最大をもつ、請求項１１記載のシステム。
13. 可能な窓サイズの前記範囲が、前記MEG信号の主要な周波数成分に基づく最小をもつ、請求項１１記載のシステム。
14. 前記構成設定モジュールがさらに、前記重複サイズの値を、前記窓サイズの値の関数として決定する、請求項１１記載のシステム。
15. 前記時間周波数解析が連続ウェーブレット変換（CWT）解析であり、該CWT解析のための前記パラメータ集合は中心周波数および減衰パラメータを含み；
    前記ユーザー・インターフェースは、時間精度と周波数精度の間の相対的な重要性を指定するユーザー入力を受領し；
    前記構成設定モジュールは、前記ユーザー入力に基づいて前記中心周波数および前記減衰パラメータについての値を自動的に決定する、
    請求項１記載のシステム。
16. 前記構成設定モジュールが、周波数精度の相対的な重要性を増すユーザー入力に応答して、前記中心周波数を増す、請求項１５記載のシステム。
17. 前記構成設定モジュールが、前記MEG信号の周波数解析に基づいて可能な中心周波数の範囲を決定し、前記ユーザー入力に基づいて、前記範囲内で前記中心周波数についての値を決定する、請求項１５記載のシステム。
18. 前記構成設定モジュールがさらに、前記減衰パラメータの値を、前記中心周波数の値の関数として決定する、請求項１５記載のシステム。
19. プロセッサを有するコンピュータ・システム上で実装される方法であって、前記プロセッサは磁気脳造影（MEG）信号を表示する方法を実施するための命令を実行し、前記方法は：
    MEG信号にアクセスする段階と；
    前記MEG信号の時間周波数解析の時間分解能および周波数分解能に影響するパラメータ集合についての値を自動的に決定する段階であって、前記値は、少なくとも部分的には、表示されるべき前記MEG信号に基づいて決定される、段階と；
    前記パラメータ集合についての自動的に決定された値を使って、前記MEG信号の時間周波数解析を実行する段階と；
    前記パラメータ集合についての自動的に決定された値を使って実行された前記MEG信号の時間周波数解析を表示する段階とを含む、
    方法。
20. 磁気脳造影（MEG）信号を表示するための実行可能なコンピュータ・プログラム命令を記憶している非一時的なコンピュータ可読記憶媒体であって、前記命令はコンピュータ・システムによって実行可能であり、前記コンピュータ・システムに方法を実行させるものであり、前記方法は：
    MEG信号にアクセスする段階と；
    前記MEG信号の時間周波数解析の時間分解能および周波数分解能に影響するパラメータ集合についての値を自動的に決定する段階であって、前記値は、少なくとも部分的には、表示されるべき前記MEG信号に基づいて決定される、段階と；
    前記パラメータ集合についての自動的に決定された値を使って、前記MEG信号の時間周波数解析を実行する段階と；
    前記パラメータ集合についての自動的に決定された値を使って実行された前記MEG信号の時間周波数解析を表示する段階とを含む、
    コンピュータ可読記憶媒体。