JP2019516434A - ヒトの脳の皮質機能の目録を作るための方法および磁気画像化デバイス - Google Patents
ヒトの脳の皮質機能の目録を作るための方法および磁気画像化デバイス Download PDFInfo
- Publication number
- JP2019516434A JP2019516434A JP2018551952A JP2018551952A JP2019516434A JP 2019516434 A JP2019516434 A JP 2019516434A JP 2018551952 A JP2018551952 A JP 2018551952A JP 2018551952 A JP2018551952 A JP 2018551952A JP 2019516434 A JP2019516434 A JP 2019516434A
- Authority
- JP
- Japan
- Prior art keywords
- peak
- epochs
- subset
- parameter values
- type
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
- A61B5/245—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetoencephalographic [MEG] signals
- A61B5/246—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetoencephalographic [MEG] signals using evoked responses
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
- A61P25/00—Drugs for disorders of the nervous system
- A61P25/28—Drugs for disorders of the nervous system for treating neurodegenerative disorders of the central nervous system, e.g. nootropic agents, cognition enhancers, drugs for treating Alzheimer's disease or other forms of dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/40—Animals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0223—Magnetic field sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
- A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/162—Testing reaction times
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Neurology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Neurosurgery (AREA)
- Hospice & Palliative Care (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Psychology (AREA)
- High Energy & Nuclear Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- Organic Chemistry (AREA)
- Pharmacology & Pharmacy (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
Description
本出願は、2016年3月30日に出願された“METHODS AND MAGNETIC IMAGING DEVICES TO INVENTORY HUMAN BRAIN CORTICAL FUNCTION”と題する米国仮出願番号第62/315,376号、および2017年3月28日に出願された“METHODS AND MAGNETIC IMAGING DEVICES TO INVENTORY HUMAN BRAIN CORTICAL FUNCTION”と題する米国出願番号第15/472,130号に基づく優先権を主張しており、これらの出願は、それらの全体が参考として本明細書中に本明細書によって援用される。
本明細書は、医用イメージングの分野を対象とする。より具体的には、本明細書は、脳内の電気活動を検出および評価するシステムおよび方法に関する。
社会的負担を急速に増加させているにもかかわらず、アルツハイマー疾患(「AD:Alzheimer’s disease」)のような神経変性障害に対する治療法の開発の進展は、遅いままである。
本発明者らは、ADを検出するために脳磁図(「MEG:magnetoencephalography」)を使用して適切な分類精度を達成するための過去の失敗が、反復刺激に対する誘発応答の合成に起因したことを発見した。以前は、すべてのそのような刺激にわたる誘発応答を平均し、個々の間の平均誘発応答を比較することが一般的であった。これらの初期の結果は、合成されたMEGデータに基づく単一のパラメータが、モデルMEGデータに基づいてすべての認知障害のあるテスト患者からすべての正常なテスト患者を区別するのに十分でないかも知れないことを示した。本発明者らは、反復刺激に対する正常な脳応答と病変した脳応答との間の統計的に有意義な差異が、複数の異なる誘発応答にわたる個々の誘発応答におけるある特定のパラメータの相対的な存在および強度において見出されることを発見し、この分布情報は、それらの応答の平均化を介してシグナル分析の初期段階において先に破棄された。
I.測定セットアップ
図1Aは、一実施形態による、電気活動によって生成される磁場の形態においてヒトの脳内の電気活動を検出するための脳磁図(「MEG」)システム48を示す。テスト患者50は、患者支持デバイス14内に着座する。ファラデーケージ10は、外部環境磁場を遮断するために、テスト患者50と患者支持デバイス14とを取り囲む。センサヘッド12、およびセンサ32(図1B参照)を冷却するための関連するデュワハウジング40(図1C参照)が空間内に固定される。センサヘッド12および患者支持デバイス14は、ファラデーケージ10の外部に配置されたコンピュータ20と通信し、コンピュータ20によって制御される。
上記で説明したMEGシステム48は、上記で論じたように、1つまたは複数のSQUIDセンサ32を使用して脳からのシグナルを検出する。一連の実施形態では、これらのシグナルは、ヒトの患者に提供される聴覚刺激に続いて捕捉される。一般に、本明細書に記載されたモデルは、患者に対して聴覚刺激の複数の反復を提供することを使用して構築され、患者に対して聴覚刺激の複数の反復を提供することに基づいて患者を評価することができる。本明細書で使用される「エポック」は、単一の刺激事象に関連するような、単一の所定の時間期間にわたる単一の測定された応答または単一の出力を指す。特定の例として、アルツハイマー疾患検出(「ADD」)モデルを構築するか、またはADDモデルに関して任意の所与の患者を評価するために、一般に、複数のエポックが収集される。以下のセクションIVで説明する実験例では、収集されるエポックの数は、おおよそ250であったが、これは、実装形態によって異なる場合がある。
一旦、MEGシグナルがモデルMEGデータとしてテスト患者50のセットから収集されたら、ADDモデルを構成するモデルパラメータを決定するために、モデルMEGデータの可能な候補パラメータが、識別され、分析され、選択されてもよい。セクションIII.Bで導入されるヒートマップは、MEGデータがこれらのタスクを実行する際に使用するために分析されてもよい1つの方法を提供する。
ADDモデルを開発する際、モデルを訓練および使用するために使用されるセンサヘッド12における特定のシグナルが考慮される。たとえば、以下のセッションIV(セクションIV.Eを除く)におけるモデルについて、2つのグループ間の最も識別力のあるパラメータが最初に識別された、トーン提示と同側に位置するSQUIDセンサ32のチャネルプールが再調査された。そのチャネルプール内では、一実装形態では、ピークA90のレイテンシの変動が最も小さいチャネルが選択された。具体的には、同側応答を捕捉するために先に識別されたチャネルグループの各々からのデータについて、ピークA90のレイテンシ(たとえば、刺激提示から予測ピークA90時間フレーム内の最大偏差までの時点)が計算された。そのプロセスは、2000回繰り返され、各反復における置換え(ブートストラップ)でエポックをサンプリングした。この手順は、プール内の各チャネルに関するピークA90のレイテンシの分布をもたらし、ピークA90のレイテンシの変動が最も小さいチャネルが選択された。
MEGシグナルデータの記録されたエポックから取得することができる多量の情報が存在する。個々のエポックレベルにおいて、または多くのエポックを平均化した後、以下の情報の部分は、候補パラメータ自体として、または他の候補パラメータの決定に向けた前駆情報として使用するために決定されてもよい。コンピュータ20は、磁場強度の絶対単位において、電気活動の絶対単位において、特定の他の単位において、または、その患者に関する記録された最大のエポックのもしくは特定のベースラインに対する%などの相対的スケールのいずれかにおいて、ピークA90の最大値80(または最大「強度」)と、ピークB91の最大値81と、ピークC92の最大値82とを決定してもよい。コンピュータ20はまた、以後、それぞれ、レイテンシA、レイテンシB、およびレイテンシCと呼ぶ、刺激後の各ピークの発生の関連する時間を決定してもよい。レイテンシはまた、他の形態において計算されてもよく、たとえば、ピークB91のレイテンシは、その患者または母集団に関する平均ピークA90のレイテンシに対して計算されてもよい、などである。コンピュータ20はまた、ピークA90、ピークB91、およびピークC92について、その患者に関する、または母集団に関するベースラインに関する曲線下面積を決定してもよい。たとえば、平均(ベースライン)±2標準偏差として計算された各ピーク90、91、92の開始点およびオフセットはまた、候補パラメータ識別において有用である場合がある。
候補パラメータのうちのいくつかは、一般に、ピークレイテンシパラメータと、ピーク開始点パラメータと、ピークオフセットパラメータと、ピーク持続時間パラメータとを含むピークタイミングパラメータとして類別されてもよい。これらの候補パラメータの各々は、ピークA90、ピークB91、およびピークC92の各々について計算されてもよい。これらの候補パラメータについて、ADDモデルのための候補パラメータの値は、本明細書では3ピークサブセットと呼ばれる3つのピーク90、91、92のすべてを含むと決定されたテスト患者訓練データからのエポックに基づいて決定される。したがって、各ピークに対するタイミングパラメータの値を計算するためにSQUIDセンサ32のテスト患者50のスキャンセッションからのすべてのエポックを使用する代わりに、どのエポックが各ピークを有するのかが最初に決定され、次いで、各ピークに対するタイミングパラメータの値が計算された。各タイミングパラメータの値の平均および変動は、ブートストラッピングによって計算され、これらの平均および変動は、追加の可能なADDモデル候補パラメータである。追加のパラメータはまた、平均化された応答MEGデータ(すなわち、患者ごとのSQUIDセンサごとのすべてのエポック全体の平均)から代わりに計算されるタイミングパラメータ(ならびにそれらの平均および変動)の値を含んでもよい。
訓練セット内のテスト患者のための他の候補パラメータの値の決定は、MEGデータのエポックのさらなる処理を含む。上記のように、ヒートマップによるイラストレーションは、これらの候補パラメータを概念化する上で有用である。1つのタイプの処理は、どのエポックがピークのうちの1つまたは複数を含むのかを決定するステップを含む。この計算は、上記のサブセクションIV.Bで導入したようなエポックの強い/弱いサブセットに基づくものを含むいくつかの候補パラメータを決定するために使用することができる。
曲線下特徴比面積[“rAUC”]は、平均MEGデータからのピークC92の曲線下面積(「AUC」)とピークA90のAUCとの比として計算される。ピークAおよびピークCの境界は、各ピークが水平ベースラインに対して開始および終了したときに基づいて、各実行について手動で規定される。境界は、各ピークの開始および終了に対して選択された時間を横切る直線の垂直線である。面積は、次いで、境界の開始点から境界の終了点までの直線的なベースラインを作成し、このベースラインに対するシグナルの大きさを合計することによって計算される。最後に、2つの曲線下面積間の比が計算される。例示的な実験では、rAUCは、認知障害のあるテスト患者よりも正常なテスト患者においてより大きい傾向があった。
候補パラメータは、それぞれ、信頼性および安定性について、テスト患者診察(各診察がエポックのセットを生成する)の範囲内で、そしてそれらにわたって再現可能であったかどうかに基づいて評価された。それらの特性を測定するために、Bland−Altmanプロットが使用された。2つのそのようなプロットが図3Eおよび図3Fにおいて現れ、三角形は、正常なテスト患者からのMEGデータに関連し、円は、ADテスト患者からのMEGデータに関連する。図3Eは、A*B*C候補パラメータの信頼性のBland−Altmanプロットを示す。図3Fは、テスト患者のセットに関するA*B*C候補パラメータの安定性の例示的なBland−Altmanプロットを示す。要するに、これらのプロットは、2つの尺度の平均とそれらの標準偏差とを比較する。図3Eおよび図3Fにおける水平線は、95%信頼区間線であり、信頼性または安定性に関する信頼境界外の1人よりも多い患者を有したいかなる候補パラメータも、不満足であるとみなされた。
ADDモデルパラメータが選択されたら、ADDモデルは、それらのMEGデータに基づいて患者を分類するために訓練される。ADDモデルを作成するために多種多様な機械学習技法を使用することができ、その例は、ランダムフォレスト分類器(「RFC:Random Forest Classifier」)、ランダム分類器リグレッサー、勾配ブースティング、サポートベクトル(サポートベクトル機械または「SVM:Support Vector Machine」としても知られる)、線形SVM、放射基底関数カーネルSVM(「RBF SVM:Radial basis function kernel SVM」)、線形回帰、ロジスティック回帰、および他の形式の回帰を含む。このリストは、網羅的ではなく、当業者は、ニューラルネットワークのような深層学習の分野における技法を含む、他の機械学習技法が使用されてもよいことを理解するであろう。
IV.A.テスト測定セットアップおよび例示的なデータ収集プロトコール
全脳シグナルを記録するために、Elekta Neuromag(登録商標)306チャネルMEGシステム48が使用された。システムは、合計306のSQUIDセンサ32を有し、102の場所の各々が、3つの異なるSQUIDセンサ32、すなわち、2つの平面グラジオメータSQUIDセンサ32と1つの磁力計SQUIDセンサ32とを有する。
第1の例示的なADDモデルについて、信頼性と安定性の両方がある17の候補パラメータのセット(セクションIII.C.参照)が、将来の分析のために実行された「良好な」パラメータと呼ばれた。信頼性および安定性試験に失敗した候補パラメータの多くは、正常なテスト患者とADテスト患者とを区別することにおいて有効であったが、候補パラメータが同じテスト患者の他の記録セッショにおいて十分に再現可能ではなかったので、それらは、モデルパラメータとしてこの特定のADDモデルのために選択されなかった。
以前の例示的なADDモデル(例示的ADDモデル1)からの同じ7つの候補パラメータと、事後[badInPool]候補パラメータとを使用して、合計8つのモデルパラメータについて別のADDモデルが構築された。
上記で説明した17の良好な候補パラメータの完全なセットまたはサブセットを使用して、異なる機械学習方法およびモデル設計が試験された。これらの結果の要約が表1に示されている。これらのモデル設計/方法の各々について、2ステップ分類(仮定のMMSEスコアを決定するための回帰、およびADまたは正常としての分類)と、2つのグループ間のADまたは正常としての単純な分類の両方が試みられた。各機械学習方法についてのハイパーパラメータは、これらのモデルの各々についてデフォルトで残されていた。当業者は、これらのハイパーパラメータを調整することが、一般にこれらの例示的なADDモデルの予測パワーの改善につながることを理解し得る。
SQUIDセンサ32の選択基準の効果を評価するために、他の選択基準が試験された。試験された基準は、ピークA90を有するエポックの最も高いパーセンテージを有するSQUIDセンサ32(「最多ピークA」)を選択するステップと、ピークB91を有するエポックの最も高いパーセンテージを有するSQUIDセンサ32(「最多ピークB」)を選択するステップと、すべてのエポックを使用してピークA90の最も高い強度を有するSQUIDセンサ32(「最高ピークA」)を選択するステップとを含んでいた。
モデルパラメータの数がどのようにADDモデルに影響を及ぼすのかをテストするために、大量の追加の例示的なADDモデルが作成され、使用される良好な候補パラメータの数は、セクションIV.E.3において上記で説明した1つ抜き交差検証フレームワークにおけるランダムフォレストリグレッサ(RFR)ADDモデルに対して様々であった。上記のように、第1にMMSEスコアを予測し、第2に、患者を正常とADとの間で分類するためにMMSEスコアを使用する、2ステップ分類が実行された。上記のように、ランダムフォレストリグレッサは、そのデフォルトのパラメータを使用し、ハイパーパラメータ最適化は、実行されなかった。各々のそのようなADDモデルの2つのバージョンが作成され、1つは、事後パラメータ([badInPool]および[weightInPool])を有し、1つは、事後パラメータを持たなかった。
開発されたモデル、たとえば、特定の候補パラメータのセットを有する上述したADDモデルのうちの1つは、訓練セットの一部ではなかった他の「新しい」患者に適用されてもよい。「新しい」MEGデータは、モデルMEGデータがテスト患者から収集されたのと同じ方法で、新しい患者から収集される。新しいMEGデータは、次いで、新しい患者のためのモデルに関するモデルパラメータの値を決定するために分析される。新しい患者のモデルパラメータの値は、モデルパラメータに関するモデル値と比較され、新しい患者の評価が提供される。新しい患者の評価は、モデルが評価するために開発された医学的状態に関する。本明細書全体を通しての共通の例は、ADの区別のためであるが、本明細書全体を通してのプロセスは、他の医学的状態にも適用可能である。
モデルが開発されると、モデルの性能を評価するために、追加の分析が行われてもよい。本明細書に記載された例示的なモデルを評価するために、最も高いスコアの良好な候補パラメータが、各テスト患者のMMSEスコアを予測するために使用された。それらの計算は、データセット全体を使用し、交差検証も使用して実行された。交差検証では、テスト患者のうちの1人が除外され、モデルは、残りのテスト患者のすべてを使用して訓練される。訓練されたモデルは、次いで、除外されたテスト患者のMMSEスコアを予測するために使用される。その評価は、除外されたテスト患者として各テスト患者に対して行われた。
他の特定の医学的状態を監視すること、または一般にヒトの脳の機能を監視することにおいて有用であり得る同様の方法論が開発され得る。本明細書に記載されたモデルは、脳の活性化/興奮の相対的な程度と、その後の活性化に対する応答とを含む、聴覚刺激後に収集されたMEGデータを分析する。モデルのためのMEGデータは、一般に、約6つまでの単一のSQUIDセンサと同じくらい少ない少数のSQUIDセンサのみから来てもよいが、SQUIDセンサのフルセット(たとえば、306のセンサ)が使用されてもよい。
Claims (75)
- 複数の聴覚刺激事象に対するテスト患者の脳の応答の脳磁図(MEG)データのエポックのセットにアクセスするステップと、
前記エポックの3ピークサブセットを識別するために前記エポックのセットを処理するステップであって、前記サブセット内の各エポックが第1のピークと、第2のピークと、第3のピークとを備える、ステップと、
前記MEGデータの前記個々のエポックを分析することによって複数のパラメータ値を決定するステップであって、
前記パラメータ値のうちの少なくとも1つが前記第1、第2、および第3のピークのうちの1つまたは複数を有する前記セット内のエポックの数に基づいて決定され、
前記パラメータ値のうちの少なくとも1つが前記3ピークサブセット内の前記エポックのうちの少なくともいくつかの第1、第2、および第3のピークのうちの1つの振幅に基づいて決定される、ステップと、
前記テスト患者が認知障害であるかどうかを決定するために、前記パラメータ値を前記パラメータに基づいて訓練されるモデルに入力するステップと、
前記決定を提供するステップと
を含む方法。 - 前記個々のエポックに基づいて前記複数のパラメータ値のうちの1つを決定するステップが、
前記セット内の他のエポックに対して前記第1のピークについて最も弱い振幅を有する前記セット内の前記エポックの弱いサブセットを識別することと、
前記第2のピークを有する前記弱いサブセット内の前記エポックの数に基づいて前記パラメータ値のうちの1つを決定することと
を含む、請求項1に記載の方法。 - 前記第1のピークがタイプAピーク、タイプBピーク、またはタイプCピークであり、前記第2のピークがそれらのピークのうちの異なる1つである、請求項2に記載の方法。
- 前記個々のエポックに基づいて前記複数のパラメータ値のうちの1つを決定するステップが、
前記セット内の他のエポックに対して前記第1のピークについて最も強い振幅を有する前記エポックの強いサブセットを識別することと、
前記第2のピークを有する前記強いサブセット内の前記エポックの数に基づいて前記パラメータ値のうちの1つを決定することと
を含む、請求項1に記載の方法。 - 前記第1のピークがタイプAピーク、タイプBピーク、またはタイプCピークであり、前記第2のピークがそれらのピークのうちの異なる1つである、請求項4に記載の方法。
- 前記個々のエポックに基づいて前記複数のパラメータ値のうちの1つを決定するステップが、
前記セット内の他のエポックに対して前記第1のピークについて最も弱い振幅を有する前記エポックの弱いサブセットを識別することと、
前記弱いサブセット内の前記エポックの前記第2のピークの振幅の尺度に基づいて前記パラメータ値のうちの1つを決定することと
を含む、請求項1に記載の方法。 - 前記第1のピークがタイプAピーク、タイプBピーク、またはタイプCピークであり、前記第2のピークがそれらのピークのうちの異なる1つである、請求項6に記載の方法。
- 前記個々のエポックに基づいて前記複数のパラメータ値のうちの1つを決定するステップが、
前記セット内の他のエポックに対して前記第1のピークについて最も強い振幅を有する前記エポックの強いサブセットを識別することと、
前記強いサブセット内の前記エポックの前記第2のピークの振幅の尺度に基づいて前記パラメータ値のうちの1つを決定することと
を含む、請求項1に記載の方法。 - 前記第1のピークがタイプAピーク、タイプBピーク、またはタイプCピークであり、前記第2のピークがそれらのピークのうちの異なる1つである、請求項8に記載の方法。
- 前記複数のパラメータ値のうちの1つを決定するステップが、
前記セット内の他のエポックに対して前記第1のピークについて最も強い振幅を有する前記エポックの強いサブセットを識別することと、
前記セット内の他のエポックに対して前記第1のピークについて最も弱い振幅を有する前記エポックの弱いサブセットを識別することと、
前記強いサブセット内の前記第1のピークの面積に対する前記弱いサブセット内の前記第1のピークの面積の比に基づいて前記パラメータ値のうちの1つを決定することと
を含む、請求項1に記載の方法。 - 前記複数のパラメータ値のうちの1つを決定するステップが、
前記セット内の他のエポックに対して前記第1のピークについて最も強い振幅を有する前記エポックの強いサブセットを識別することと、
前記セット内の他のエポックに対して前記第1のピークについて最も弱い振幅を有する前記エポックの弱いサブセットを識別することと、
前記弱いサブセット内の第2のピークの全体的な振幅に対する前記強いサブセット内の前記第2のピークの全体的な振幅の比に基づいて前記パラメータ値のうちの1つを決定することと
を含む、請求項1に記載の方法。 - 前記第1のピークがタイプAピーク、タイプBピーク、またはタイプCピークであり、前記第2のピークがそれらのピークのうちの異なる1つである、請求項11に記載の方法。
- 前記複数のパラメータ値のうちの1つを決定するステップが、
前記セット内の他のエポックに対して前記第1のピークについて最も強い振幅を有する前記エポックの強いサブセットを識別することと、
前記セット内の他のエポックに対して前記第1のピークについて最も弱い振幅を有する前記エポックの弱いサブセットを識別することと、
第2のピークを有する前記弱いサブセット内のいくつかのエポックの数に対する前記第2のピークを有する前記強いサブセット内のエポックの数の比に基づいて前記パラメータ値のうちの1つを決定することと
を含む、請求項1に記載の方法。 - 前記複数のパラメータ値のうちの1つを決定するステップが、
前記3ピークサブセット内の前記エポックの数に基づいて前記パラメータ値のうちの1つを決定することを含む、請求項1に記載の方法。 - 前記複数のパラメータ値のうちの1つを決定するステップが、
前記第1のピークと前記第2のピークとを有する前記セット内の前記エポックの数に基づいて前記パラメータ値のうちの1つを決定することを含む、請求項1に記載の方法。 - 前記第1のピークがタイプAピーク、タイプBピーク、またはタイプCピークであり、前記第2のピークがそれらのピークのうちの異なる1つである、請求項15に記載の方法。
- 前記複数のパラメータ値のうちの1つを決定するステップが、
前記第1のピークを有する前記3ピークサブセット内の前記エポックの数に基づいて前記パラメータ値のうちの1つを決定することを含む、請求項1に記載の方法。 - 前記第1のピークがタイプAピーク、タイプBピーク、またはタイプCピークである、請求項17に記載の方法。
- 前記複数のパラメータ値のうちの1つを決定するステップが、
前記第1のピークを有する前記3ピークサブセット内の前記エポックの持続時間の変動に基づいて前記パラメータ値のうちの1つを決定することを含む、請求項1に記載の方法。 - 前記第1のピークがタイプAピーク、タイプBピーク、またはタイプCピークである、請求項19に記載の方法。
- 前記複数のパラメータ値のうちの1つを決定するステップが、
前記第1のピークを有する前記3ピークサブセット内の前記エポックの持続時間の平均に基づいて前記パラメータ値のうちの1つを決定することを含む、請求項1に記載の方法。 - 前記第1のピークがタイプAピーク、タイプBピーク、またはタイプCピークである、請求項21に記載の方法。
- 前記複数のパラメータ値のうちの1つを決定するステップが、
前記第1のピークを有する前記3ピークサブセット内の前記エポックの持続時間の平均で割った、前記第1のピークを有する前記3ピークサブセット内の前記エポックの持続時間の変動に基づいて前記パラメータ値のうちの1つを決定することを含む、請求項1に記載の方法。 - 前記第1のピークがタイプAピーク、タイプBピーク、またはタイプCピークである、請求項23に記載の方法。
- 前記複数のパラメータ値のうちの1つを決定するステップが、
前記第1のピークを含むエポック内の前記第1のピークの総振幅に基づいて前記パラメータ値のうちの1つを決定することを含む、請求項1に記載の方法。 - 前記第1のピークがタイプAピーク、タイプBピーク、またはタイプCピークである、請求項25に記載の方法。
- 前記複数のパラメータ値のうちの1つを決定するステップが、
前記3ピークサブセット内のエポック内の前記第1のピークのレイテンシに基づいて前記パラメータ値のうちの1つを決定することを含む、請求項1に記載の方法。 - 前記パラメータ値が、前記第1のピークの前記レイテンシの分散、標準偏差、平均、中央値、および最頻値のうちの少なくとも1つにさらに基づく、請求項27に記載の方法。
- 前記第1のピークがタイプAピークまたはタイプCピークである、請求項27に記載の方法。
- 前記第1のピークの前記レイテンシが、前記エポック内の時間において前記第1のピークの前または後に生じる前記第2のピークの第2のレイテンシから開始して決定される、請求項29に記載の方法。
- 前記エポック内の前記1のピークの前記レイテンシが、前記エポック内のシグナルの一次導関数が実質的にゼロであるときに基づいて決定される、請求項29に記載の方法。
- 前記第1のピークがタイプBピークである、請求項27に記載の方法。
- 前記エポックのうちの1つにおける前記第1のピークの前記レイテンシが、前記エポック内のシグナルが実質的にその最大絶対値であるときに基づいて決定される、請求項32に記載の方法。
- 前記複数のパラメータ値のうちの1つを決定するステップが、
前記3ピークサブセット内のエポック内の前記第1のピークの開始点に基づいて前記パラメータ値のうちの1つを決定することを含む、請求項1に記載の方法。 - 前記パラメータ値が、前記第1のピークの前記開始点の分散、標準偏差、平均、中央値、および最頻値のうちの少なくとも1つにさらに基づく、請求項34に記載の方法。
- 前記第1のピークがタイプBピークである、請求項34に記載の方法。
- 前記エポックのうちの1つにおける前記第1のピークの前記開始点が、前記エポック内のシグナルがベースラインシグナルの標準偏差の2倍よりも大きいときに基づいて決定される、請求項36に記載の方法。
- 前記第1のピークがタイプAピークまたはタイプCピークである、請求項34に記載の方法。
- 前記エポックのうちの1つにおける前記第1のピークの前記開始点が、前記エポック内のシグナルの一次導関数が符号を変化させるときに基づいて決定される、請求項38に記載の方法。
- 前記複数のパラメータ値のうちの1つを決定するステップが、
前記3ピークサブセット内のエポック内の前記第1のピークのオフセットに基づいて前記パラメータ値のうちの1つを決定することを含む、請求項1に記載の方法。 - 前記パラメータ値が、前記第1のピークの開始点の分散、標準偏差、平均、中央値、および最頻値のうちの少なくとも1つにさらに基づく、請求項40に記載の方法。
- 前記第1のピークがタイプBピークである、請求項40に記載の方法。
- 前記エポックのうちの1つにおける前記第1のピークの開始点が、前記エポック内のシグナルが前記エポックに関するタイプBピークレイテンシの後のベースラインシグナルの標準偏差の2倍よりも大きいときに基づいて決定される、請求項42に記載の方法。
- 前記エポックのうちの1つにおけるタイプAピークの前記オフセットが、前記エポック内のシグナルの一次導関数が符号を変化させるときに基づいて決定される、請求項42に記載の方法。
- 前記エポックのうちの1つにおけるタイプCピークの前記オフセットが、シグナルがタイプBピークに関するオフセットと同じ値に戻るとき、または閾値時間の、最初に生じるものに基づいて決定される、請求項42に記載の方法。
- 前記複数のパラメータがbadInPoolパラメータと複数の追加パラメータとを含み、badInPoolパラメータの値を決定するステップが、
各追加パラメータについて、正常値分布内にある最も小さい正常なテスト患者の確率よりも小さい前記正常値分布内にある確率を有する前記テスト患者に関する値を有するいくつかの前記追加パラメータの数を決定することを含む、請求項1に記載の方法。 - 前記複数のパラメータがweightInPoolパラメータと複数の追加パラメータとを含み、weightInPoolパラメータの値を決定するステップが、
各追加パラメータについて、正常値分布内にある最も小さい正常なテスト患者の確率と、前記正常値分布内にある前記テスト患者に関する前記追加パラメータの値の確率との間の差を合計することを含む、請求項1に記載の方法。 - 前記モデルが、前記テスト患者を認知障害または非認知障害として分類するように構成された1ステップモデルである、請求項1に記載の方法。
- 前記モデルが2部分モデルであり、前記モデルが、テスト患者に関するミニメンタルステート検査(MMSE)スコアを予測するように構成された第1の部分と、前記予測されたMMSEスコアに基づいて前記テスト患者を認知障害または非認知障害として分類するように構成された第2の部分とを含む、請求項1に記載の方法。
- 前記モデルが、ランダムフォレストモデル、勾配ブースティングモデル、サポートベクトル機械(SVM)モデル、線形SVMモデル、放射基底関数カーネルSVM、線形回帰、およびロジスティック回帰のうちの少なくとも1つを使用して訓練された、請求項1に記載の方法。
- Aタイプピークが、前記聴覚刺激事象後の約50〜100ミリ秒の範囲内においてエポック内に生じる、請求項1に記載の方法。
- Bタイプピークが、前記聴覚刺激事象後の約100〜200ミリ秒の範囲内においてエポック内に生じる、請求項1に記載の方法。
- Cタイプピークが、前記聴覚刺激事象後の約200〜400ミリ秒の範囲内においてエポック内に生じる、請求項1に記載の方法。
- 前記複数の聴覚刺激事象をオーディオスピーカから送信するステップと、
前記テスト患者の前記脳の近位に配置されたMEGセンサを用いて前記エポックのセットを記録するステップと
のより以前のステップをさらに含む、請求項1に記載の方法。 - 前記MEGセンサがSQUIDである、請求項54に記載の方法。
- 同様に前記テスト患者の前記脳の近位に配置された少なくとも1つの追加MEGセンサを用いてエポックの少なくとも1つの追加セットを記録するステップをさらに含み、前記MEGセンサの各々が、前記テスト患者の前記脳の周囲の異なる位置に配置される、請求項54に記載の方法。
- タイプAピークを有するエポックの最も高いパーセンテージを有する前記MEGセンサを識別するために前記エポックのセットを処理するステップをさらに含み、
前記MEGデータのエポックのセットにアクセスするステップが、前記タイプAピークを有するエポックの前記最も高いパーセンテージを有する前記MEGセンサに関連する前記エポックのセットにアクセスすることを含む、請求項56に記載の方法。 - タイプBピークを有するエポックの最も高いパーセンテージを有する前記MEGセンサを識別するために前記エポックのセットを処理するステップをさらに含み、
前記MEGデータのエポックのセットにアクセスするステップが、前記タイプBピークを有するエポックの前記最も高いパーセンテージを有する前記MEGセンサに関連する前記エポックのセットにアクセスすることを含む、請求項56に記載の方法。 - エポック内のタイプAピークの最も高い強度を有する前記MEGセンサを識別するために前記エポックのセットを処理するステップをさらに含み、
前記MEGデータのエポックのセットにアクセスするステップが、前記タイプAピークの前記最も高い強度を有する前記MEGセンサに関連する前記エポックのセットにアクセスすることを含む、請求項56に記載の方法。 - 前記MEGセンサが前記テスト患者の前記脳の同側に配置される、請求項56に記載の方法。
- 前記聴覚刺激事象がおおよそ50マイクロ秒の持続時間である、請求項56に記載の方法。
- 前記聴覚刺激事象が少なくとも500ミリ秒間隔を開けられる、請求項56に記載の方法。
- 前記聴覚刺激事象が600〜700ヘルツ(両端の値を含む)のトーンを含む、請求項54に記載の方法。
- 前記エポックのセットが少なくとも250のエポックを含む、請求項1に記載の方法。
- 複数の聴覚刺激事象に対するテスト患者の脳の応答の脳磁図(MEG)データのエポックのセットにアクセスするステップと、
前記エポックの3ピークサブセットを識別するために前記エポックのセットを処理するステップであって、前記サブセット内の各エポックが第1のピークと、第2のピークと、第3のピークとを備える、ステップと、
複数のパラメータ値を決定するステップであって、前記パラメータ値のうちの少なくとも1つが、前記エポックのセットおよび前記エポックの3ピークサブセットのうちの少なくとも1つ内の個々のエポックからのMEGデータを分析することに基づいて決定される、ステップと、
前記テスト患者が認知障害であるかどうかを決定するために、前記パラメータ値を前記パラメータに基づいて訓練されるモデルに入力するステップと、
前記決定を提供するステップと
を含む方法。 - 複数の聴覚刺激事象に対するテスト患者の脳の応答の脳磁図(MEG)データのエポックのセットにアクセスするステップと、
前記エポックの3ピークサブセットを識別するために前記エポックのセットを処理するステップであって、前記サブセット内の各エポックが第1のピークと、第2のピークと、第3のピークとを備える、ステップと、
複数のパラメータ値を決定するステップであって、前記決定するステップが、
前記セット内の他のエポックに対してタイプAピークについて最も強い振幅を有する前記セットの前記エポックのstrongAサブセットを識別することと、
タイプBピークを有する前記strongAサブセット内の前記エポックの数を表すstrongA_Bnumパラメータを決定することと、
前記3ピークサブセット内の他のエポックに対して前記タイプAピークについて最も弱い振幅を有する前記セットの前記エポックのweakAサブセットを識別することと、
前記weakAサブセット内の前記エポックの前記タイプBピークの振幅の尺度を表すweakA_Bampパラメータを決定することと、
前記weakAサブセット内の前記エポックのタイプCピークの振幅の尺度を表すweakA_Campパラメータを決定することと、
前記3ピークサブセット内の前記エポックの数を表すA*B*Cパラメータと、
タイプAピークを有する前記セット内の前記エポックの数を表すnAパラメータとを備える、ステップと、
前記テスト患者が認知障害であるかどうかを決定するために、前記パラメータ値を前記パラメータに基づいて訓練されるモデルに入力するステップと、
前記決定を提供するステップと
を含む方法。 - 患者における認知障害を診断する方法であって、
複数の聴覚刺激事象に対する前記患者の脳の応答の脳磁図(MEG)データのエポックのセットにアクセスするステップと、
前記エポックの3ピークサブセットを識別するために前記エポックのセットを処理するステップであって、前記サブセット内の各エポックが第1のピークと、第2のピークと、第3のピークとを備える、ステップと、
前記MEGデータの前記個々のエポックを分析することによって複数のパラメータ値を決定するステップであって、
前記パラメータ値のうちの少なくとも1つが前記第1、第2、および第3のピークのうちの1つまたは複数を有する前記セット内のエポックの数に基づいて決定され、
前記パラメータ値のうちの少なくとも1つが前記3ピークサブセット内の前記エポックのうちの少なくともいくつかの第1、第2、および第3のピークのうちの1つの振幅に基づいて決定される、ステップと、
患者が認知障害であるかどうかを決定するために、前記パラメータ値を前記パラメータに基づいて訓練されたモデルに入力するステップと、
前記決定を提供するステップと
を含む、方法。 - 神経変性によって引き起こされた患者における認知障害を他の病因の認知障害から診断により区別する方法であって、
複数の聴覚刺激事象に対する前記患者の脳の応答の脳磁図(MEG)データのエポックのセットにアクセスするステップと、
前記エポックの3ピークサブセットを識別するために前記エポックのセットを処理するステップであって、前記サブセット内の各エポックが第1のピークと、第2のピークと、第3のピークとを備える、ステップと、
前記MEGデータの前記個々のエポックを分析することによって複数のパラメータ値を決定するステップであって、
前記パラメータ値のうちの少なくとも1つが前記第1、第2、および第3のピークのうちの1つまたは複数を有する前記セット内のエポックの数に基づいて決定され、
前記パラメータ値のうちの少なくとも1つが前記3ピークサブセット内の前記エポックのうちの少なくともいくつかの第1、第2、および第3のピークのうちの1つの振幅に基づいて決定される、ステップと、
患者が認知障害であるかどうかを決定し、神経変性によって引き起こされた認知障害を他の病因の認知障害から区別するために、前記パラメータ値を前記パラメータに基づいて訓練されるモデルに入力するステップと、
前記決定を提供するステップと
を含む、方法。 - 認知障害を有する患者を治療する方法であって、
認知障害を有すると決定された患者に治療有効量の抗認知障害治療剤を投与するステップを含み、
前記決定が、
複数の聴覚刺激事象に対する前記患者の脳の応答の脳磁図(MEG)データのエポックのセットにアクセスすることと、
前記エポックの3ピークサブセットを識別するために前記エポックのセットを処理することであって、前記サブセット内の各エポックが第1のピークと、第2のピークと、第3のピークとを備えることと、
前記MEGデータの前記個々のエポックを分析することによって複数のパラメータ値を決定することであって、
前記パラメータ値のうちの少なくとも1つが前記第1、第2、および第3のピークのうちの1つまたは複数を有する前記セット内のエポックの数に基づいて決定され、
前記パラメータ値のうちの少なくとも1つが前記3ピークサブセット内の前記エポックのうちの少なくともいくつかの第1、第2、および第3のピークのうちの1つの振幅に基づいて決定されることと、
患者が認知障害であるかどうかを決定し、神経変性によって引き起こされた認知障害を他の病因の認知障害から区別するために、前記パラメータ値を前記パラメータに基づいて訓練されたモデルに入力することと、
前記決定を提供することと
を含む方法によって行われた、方法。 - 前記患者が認知障害を有することを決定する先行ステップをさらに含み、前記決定が、
前記エポックの3ピークサブセットを識別するために前記エポックのセットを処理することであって、前記サブセット内の各エポックが第1のピークと、第2のピークと、第3のピークとを備えることと、
前記MEGデータの前記個々のエポックを分析することによって複数のパラメータ値を決定することであって、
前記パラメータ値のうちの少なくとも1つが前記第1、第2、および第3のピークのうちの1つまたは複数を有する前記セット内のエポックの数に基づいて決定され、
前記パラメータ値のうちの少なくとも1つが前記3ピークサブセット内の前記エポックのうちの少なくともいくつかの第1、第2、および第3のピークのうちの1つの振幅に基づいて決定されることと、
患者が認知障害であるかどうかを決定し、神経変性によって引き起こされた認知障害を他の病因の認知障害から区別するために、前記パラメータ値を前記パラメータに基づいて訓練されたモデルに入力することと、
前記決定を提供することと
を含む方法によって行われる、請求項69に記載の方法。 - 前記抗認知障害治療剤が疾患修飾抗神経変性剤である、請求項70に記載の方法。
- 前記疾患修飾抗神経変性剤が、ベータセクレターゼ1(BACE−1)、ガンマセクレターゼ、タウ、Aβ、アミロイド前駆体タンパク質(APP)、α−シヌクレイン、ロイシンリッチリピートキナーゼ2(LRRK2)、パーキン、プレセニリン1、プレセニリン2、アポリポタンパク質E4(ApoE4)、ハンチンチン、p75ニューロトロフィン受容体(p75NTR)、CD20、プリオンタンパク質(PrP)、および細胞死受容体6(DR6)のうちの1つまたは複数に結合する、請求項71に記載の方法。
- 前記抗認知障害治療剤が認知症症状増強剤である、請求項70に記載の方法。
- 認知障害を有する患者における抗認知障害治療剤の投薬量を設定する方法であって、
複数の聴覚刺激事象に対する前記患者の脳の応答の脳磁図(MEG)データのエポックのセットにアクセスするステップと、
前記エポックの3ピークサブセットを識別するために前記エポックのセットを処理するステップであって、前記サブセット内の各エポックが第1のピークと、第2のピークと、第3のピークとを備える、ステップと、
前記MEGデータの前記個々のエポックを分析することによって複数のパラメータ値を決定するステップであって、
前記パラメータ値のうちの少なくとも1つが前記第1、第2、および第3のピークのうちの1つまたは複数を有する前記セット内のエポックの数に基づいて決定され、
前記パラメータ値のうちの少なくとも1つが前記3ピークサブセット内の前記エポックのうちの少なくともいくつかの第1、第2、および第3のピークのうちの1つの振幅に基づいて決定される、ステップと、
患者が認知障害であるかどうかを決定し、認知障害の程度を区別するために、前記パラメータ値を前記パラメータに基づいて訓練されるモデルに入力するステップと、
認知障害の程度についての前記決定を提供するステップと、
前記患者の認知障害の前記決定された程度に基づいて前記抗認知障害治療剤の投薬量を設定するステップと
を含む方法。 - 認知障害を有する患者における抗認知障害治療剤の投薬量を用量設定する方法であって、
前記患者が第1の投薬量レベルで抗認知障害治療剤を受けていた間隔を開けた間隔において認知障害の程度の第1の決定および第2の決定を実行するステップと、
前記認知障害の程度が前記第1の決定と前記第2の決定との間で増加した場合、前記抗認知障害治療剤の前記投薬量を第2の投薬量レベルまで増加させるステップと
を含み、
前記第1および第2の決定の各々が、
複数の聴覚刺激事象に対する前記患者の脳の応答の脳磁図(MEG)データのエポックのセットにアクセスすることと、
前記エポックの3ピークサブセットを識別するために前記エポックのセットを処理することであって、前記サブセット内の各エポックが第1のピークと、第2のピークと、第3のピークとを備えることと、
前記MEGデータの前記個々のエポックを分析することによって複数のパラメータ値を決定することであって、
前記パラメータ値のうちの少なくとも1つが前記第1、第2、および第3のピークのうちの1つまたは複数を有する前記セット内のエポックの数に基づいて決定され、
前記パラメータ値のうちの少なくとも1つが前記3ピークサブセット内の前記エポックのうちの少なくともいくつかの第1、第2、および第3のピークのうちの1つの振幅に基づいて決定されることと、
認知障害の程度を区別するために、前記パラメータ値を前記パラメータに基づいて訓練されたモデルに入力することと、
認知障害の程度についての前記決定を提供することと
によって行われる、方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662315376P | 2016-03-30 | 2016-03-30 | |
US62/315,376 | 2016-03-30 | ||
US15/472,130 | 2017-03-28 | ||
US15/472,130 US10736557B2 (en) | 2016-03-30 | 2017-03-28 | Methods and magnetic imaging devices to inventory human brain cortical function |
PCT/US2017/024813 WO2017172961A1 (en) | 2016-03-30 | 2017-03-29 | Methods and magnetic imaging devices to inventory human brain cortical function |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019516434A true JP2019516434A (ja) | 2019-06-20 |
JP2019516434A5 JP2019516434A5 (ja) | 2020-05-07 |
JP7221693B2 JP7221693B2 (ja) | 2023-02-14 |
Family
ID=59960574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018551952A Active JP7221693B2 (ja) | 2016-03-30 | 2017-03-29 | ヒトの脳の皮質機能の目録を作るための方法および磁気画像化デバイス |
Country Status (6)
Country | Link |
---|---|
US (3) | US10736557B2 (ja) |
EP (1) | EP3435860B1 (ja) |
JP (1) | JP7221693B2 (ja) |
CN (1) | CN109640814B (ja) |
CA (1) | CA3019647A1 (ja) |
WO (1) | WO2017172961A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024075669A1 (ja) * | 2022-10-05 | 2024-04-11 | 株式会社島津製作所 | 電磁気センサの配置提案方法および配置提案装置、ならびに電流源の位置推定方法 |
JP7509960B2 (ja) | 2023-06-06 | 2024-07-02 | Tdk株式会社 | 軽度認知障害判定システム |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10736557B2 (en) | 2016-03-30 | 2020-08-11 | Brain F.I.T. Imaging, LLC | Methods and magnetic imaging devices to inventory human brain cortical function |
WO2019070895A1 (en) * | 2017-10-03 | 2019-04-11 | Braint F.I.T. Imaging, Llc | METHODS AND DEVICES FOR MAGNETIC IMAGING FOR THE INVENTORY OF HUMAN BRAIN CORTICAL FUNCTION |
US11896382B2 (en) * | 2017-11-27 | 2024-02-13 | Retispec Inc. | Hyperspectral image-guided ocular imager for alzheimer's disease pathologies |
US11798653B2 (en) * | 2018-10-18 | 2023-10-24 | Medimmune, Llc | Methods for determining treatment for cancer patients |
FI20185893A1 (fi) * | 2018-10-23 | 2020-04-24 | Elekta Oy | Päähän asennettava laitteisto |
GB2578929B (en) * | 2018-11-13 | 2021-07-07 | King Abdulaziz City Of Science And Tech | Automatic brain disorder tendency screening using statistical features of MEG data |
US11832966B2 (en) | 2019-04-03 | 2023-12-05 | Brain F.I.T. Imaging, LLC | Methods and magnetic imaging devices to inventory human brain cortical function |
CN110584641A (zh) * | 2019-09-17 | 2019-12-20 | 刘仁志 | 脑电波测试仪 |
US20230181399A1 (en) * | 2020-04-17 | 2023-06-15 | General Electric Company | Patient isolation unit for pathogen containment during medical imaging procedures |
US20230060317A1 (en) * | 2021-09-01 | 2023-03-02 | FieldLine Inc. | Coregistration of magnetoencephalography (meg) data to anatomical space |
AU2022359752A1 (en) * | 2021-10-06 | 2024-05-02 | Brain F.I.T. Imaging, LLC | Brain wave analysis of human brain cortical function |
CN115531681B (zh) * | 2022-09-21 | 2023-08-18 | 北京中科心研科技有限公司 | 一种应激状态诱发装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6195576B1 (en) * | 1998-03-09 | 2001-02-27 | New York University | Quantitative magnetoencephalogram system and method |
JP2015527111A (ja) * | 2012-06-29 | 2015-09-17 | フォード, ジョン ピー. | ヒトの脳の皮質機能の目録を作るための磁気画像化装置 |
Family Cites Families (67)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3445760A (en) | 1966-03-09 | 1969-05-20 | Ford Motor Co | Superconductive magnetometer in which superconductive elements defining a magnetic conduit are connected by weak links |
US3506913A (en) | 1968-06-28 | 1970-04-14 | Ford Motor Co | Superconductive quantum interference device utilizing a superconductive inductive reactive element shunted by a single junction |
US3689780A (en) | 1969-08-14 | 1972-09-05 | Hans Walter Meissner | Control of flow across a weak link in superconductive and superfluid devices |
US3676718A (en) | 1971-03-26 | 1972-07-11 | Bell Telephone Labor Inc | Supercurrent structures utilizing mobil flux vortices |
US3936677A (en) | 1975-01-21 | 1976-02-03 | Bell Telephone Laboratories, Incorporated | Supercurrent device for controlling mobile flux vortices |
US4862359A (en) | 1984-08-31 | 1989-08-29 | Bio-Logic Systems Corporation | Topographical mapping of brain functionality from neuropsychological test results |
US4736751A (en) | 1986-12-16 | 1988-04-12 | Eeg Systems Laboratory | Brain wave source network location scanning method and system |
US5242921A (en) | 1988-04-27 | 1993-09-07 | Yale University | Compositions and methods for treating cutaneous hyperproliferative disorders |
US5381791A (en) | 1992-03-10 | 1995-01-17 | Siemens Medical Systems, Inc. | Automatic indentification of anatomical features of interest from data acquired in nuclear medicine studies and automatic positioning of scintillation cameras to carry out such studies at optimal positions |
US5325862A (en) | 1993-03-26 | 1994-07-05 | The United States Of America As Represented By The Secretary Of The Navy | Method and/or system for personal identification and impairment assessment from brain activity patterns |
US5713354A (en) | 1994-08-01 | 1998-02-03 | Biomagnetic Technologies, Inc. | Biomagnetometer with whole head coverage of a seated reclined subject |
US6136548A (en) | 1994-11-22 | 2000-10-24 | Rutgers, The State University Of New Jersey | Methods for identifying useful T-PA mutant derivatives for treatment of vascular hemorrhaging |
JP3473210B2 (ja) | 1995-08-31 | 2003-12-02 | 株式会社島津製作所 | 生体磁気計測装置 |
FI964387A0 (fi) | 1996-10-30 | 1996-10-30 | Risto Ilmoniemi | Foerfarande och anordning foer kartlaeggning av kontakter inom hjaernbarken |
DE19808985B4 (de) | 1997-03-07 | 2012-06-14 | Hitachi, Ltd. | Verfahren und Vorrichtung zur Biomagnetfeld-Messung |
SE9701105D0 (sv) | 1997-03-25 | 1997-03-25 | Pacesetter Ab | Pacer housing |
US6473518B1 (en) | 1997-10-02 | 2002-10-29 | Hitachi, Ltd. | Method of measuring a biomagnetic field, method of analyzing a measured biomagnetic field, method of displaying biomagnetic field data, and apparatus therefor |
US6520921B1 (en) | 2000-06-20 | 2003-02-18 | Eastman Kodak Company | Method for determining attention deficit hyperactivity disorder (ADHD) medication dosage and for monitoring the effects of (ADHD) medication |
JP3582495B2 (ja) | 2001-02-21 | 2004-10-27 | 株式会社日立製作所 | 生体磁場計測装置 |
JP3757815B2 (ja) | 2001-04-27 | 2006-03-22 | 株式会社日立製作所 | 生体磁場計測装置 |
US20020175693A1 (en) | 2001-05-24 | 2002-11-28 | Tristan Technologies, Inc. | Material property detection system and method |
US20050124863A1 (en) | 2001-06-28 | 2005-06-09 | Cook Daniel R. | Drug profiling apparatus and method |
US6784663B2 (en) | 2001-08-27 | 2004-08-31 | Tristan Technologies, Inc. | Self-adjusting assembly and method for close tolerance spacing |
US6995165B2 (en) | 2002-02-12 | 2006-02-07 | Ford John P | Methods, compositions, and kits for organ protection during systemic anticancer therapy |
US6979688B2 (en) | 2002-02-12 | 2005-12-27 | Ford John P | Treatment method against side-effects of chemotherapy |
US20030158128A1 (en) | 2002-02-12 | 2003-08-21 | Ford John P. | Treatment, composition and method using uracil against side-effects of chemotherapy |
US7816366B2 (en) | 2002-02-12 | 2010-10-19 | Asymmetric Therapeutics, Llc | Compositions and methods for treating and preventing dermatoses |
US6724188B2 (en) | 2002-03-29 | 2004-04-20 | Wavbank, Inc. | Apparatus and method for measuring molecular electromagnetic signals with a squid device and stochastic resonance to measure low-threshold signals |
US7130675B2 (en) | 2002-06-28 | 2006-10-31 | Tristan Technologies, Inc. | High-resolution magnetoencephalography system and method |
US7197352B2 (en) | 2002-08-26 | 2007-03-27 | Tristan Technologies, Inc. | High-resolution magnetoencephalography system, components and method |
US7002341B2 (en) | 2002-08-28 | 2006-02-21 | Vanderbilt University | Superconducting quantum interference apparatus and method for high resolution imaging of samples |
JP3581361B1 (ja) | 2003-02-17 | 2004-10-27 | 株式会社脳機能研究所 | 脳活動測定装置 |
EP1624798A4 (en) * | 2003-05-06 | 2007-11-28 | George Mason Intellectual Prop | PHASE AND STATE-RELATED EEG AND BRAIN PRESENTATION |
WO2007008858A2 (en) | 2005-07-08 | 2007-01-18 | Ford John P | Metered-dose and safety and compliance packaging for systemic anticancer therapy |
JP2007029401A (ja) | 2005-07-26 | 2007-02-08 | Hitachi Ltd | 運動機能測定装置 |
US7904144B2 (en) | 2005-08-02 | 2011-03-08 | Brainscope Company, Inc. | Method for assessing brain function and portable automatic brain function assessment apparatus |
US7647098B2 (en) | 2005-10-31 | 2010-01-12 | New York University | System and method for prediction of cognitive decline |
CN101583308A (zh) | 2006-07-06 | 2009-11-18 | 明尼苏达大学评议会 | 利用短暂测量分析脑模式 |
US9402558B2 (en) * | 2007-04-05 | 2016-08-02 | New York University | System and method for pain detection and computation of a pain quantification index |
US9286443B2 (en) | 2007-06-04 | 2016-03-15 | Rapid Systems, Llc | Systems and methods for data aggregation and prioritization |
US8489544B2 (en) | 2007-06-04 | 2013-07-16 | John P. Ford | System and method for prioritization and display of aggregated data |
DE102007031930A1 (de) | 2007-07-09 | 2009-01-29 | Siemens Ag | Verfahren und Vorrichtung zum bildlichen Darstellen von funktionellen Vorgängen im Gehirn |
US9119855B2 (en) | 2008-03-12 | 2015-09-01 | Asymmetric Therapeutics, Llc | Compositions and methods for treatment of the side-effects associated with administration of cancer chemotherapeutic agents |
US8653090B2 (en) | 2008-03-12 | 2014-02-18 | Asymmetric Therapeutics, Llc | Compositions and methods for treatment of the side-effects associated with administration of cancer chemotherapeutic agents |
US20090232884A1 (en) | 2008-03-12 | 2009-09-17 | Ford John P | Composition and method for treatment of the side-effects associated with administration of cancer chemotherapeutic agents |
JP5163311B2 (ja) | 2008-06-26 | 2013-03-13 | 富士通セミコンダクター株式会社 | 半導体装置及びその製造方法 |
CN105844087A (zh) | 2009-04-30 | 2016-08-10 | 麦德托尼克公司 | 以基于支持向量机的算法为基础的病人状态探测 |
US20110190621A1 (en) | 2010-02-01 | 2011-08-04 | Verdoorn Todd A | Methods and Systems for Regional Synchronous Neural Interactions Analysis |
EP2584963B1 (en) | 2010-06-22 | 2016-11-09 | National Research Council of Canada | Cognitive function assessment in a patient |
US9095266B1 (en) | 2010-08-02 | 2015-08-04 | Chi Yung Fu | Method for treating a patient |
CN101912255A (zh) | 2010-08-10 | 2010-12-15 | 北京师范大学 | 基于实时功能磁共振信号的神经反馈系统 |
US20120084919A1 (en) | 2010-10-09 | 2012-04-12 | Fmi Technologies, Inc. | Patient positioning apparatus |
US9317660B2 (en) * | 2011-03-31 | 2016-04-19 | Adidas Ag | Group performance monitoring system and method |
US9173609B2 (en) | 2011-04-20 | 2015-11-03 | Medtronic, Inc. | Brain condition monitoring based on co-activation of neural networks |
JP2015518000A (ja) | 2012-04-13 | 2015-06-25 | アシンメトリック セラピューティクス,エルエルシー | 癌の化学療法剤の投与に関連した副作用の処置のための組成物及び方法 |
US8918176B2 (en) | 2012-04-23 | 2014-12-23 | Medtronic, Inc. | Assessing cognitive disorders based on non-motor epileptiform bioelectrical brain activity |
EP2882335A4 (en) * | 2012-08-09 | 2016-04-06 | Univ Northeastern | ELECTROFIELD ENZEPHALOGRAPHY: ELECTROFIELD-BASED BRAIN SIGNAL DETECTION AND MONITORING |
EP2789293A1 (en) | 2013-04-12 | 2014-10-15 | Commissariat à l'Énergie Atomique et aux Énergies Alternatives | Methods to monitor consciousness |
WO2015021070A1 (en) | 2013-08-05 | 2015-02-12 | The Regents Of The University Of California | Magnetoencephalography source imaging for neurological functionality characterizations |
US10588576B2 (en) * | 2014-08-15 | 2020-03-17 | Neosync, Inc. | Methods and device for determining a valid intrinsic frequency |
US10512411B2 (en) | 2016-02-10 | 2019-12-24 | Chiun-Fan Chen | Brain mapping system and method thereof |
CN105852885B (zh) | 2016-03-23 | 2018-08-24 | 陕西师范大学 | 基于改进超限学习机的n400诱发电位测谎方法 |
US10736557B2 (en) | 2016-03-30 | 2020-08-11 | Brain F.I.T. Imaging, LLC | Methods and magnetic imaging devices to inventory human brain cortical function |
US20190388679A1 (en) | 2017-03-07 | 2019-12-26 | Elminda Ltd. | Method and system for analyzing invasive brain stimulations |
CA3063716A1 (en) | 2017-05-18 | 2018-11-22 | New York University | Intersectional short-pulse electrical stimulation of the brain |
WO2019070895A1 (en) | 2017-10-03 | 2019-04-11 | Braint F.I.T. Imaging, Llc | METHODS AND DEVICES FOR MAGNETIC IMAGING FOR THE INVENTORY OF HUMAN BRAIN CORTICAL FUNCTION |
US11832966B2 (en) | 2019-04-03 | 2023-12-05 | Brain F.I.T. Imaging, LLC | Methods and magnetic imaging devices to inventory human brain cortical function |
-
2017
- 2017-03-28 US US15/472,130 patent/US10736557B2/en active Active
- 2017-03-29 CA CA3019647A patent/CA3019647A1/en active Pending
- 2017-03-29 JP JP2018551952A patent/JP7221693B2/ja active Active
- 2017-03-29 EP EP17776577.3A patent/EP3435860B1/en active Active
- 2017-03-29 WO PCT/US2017/024813 patent/WO2017172961A1/en active Application Filing
- 2017-03-29 CN CN201780033556.2A patent/CN109640814B/zh active Active
-
2020
- 2020-07-01 US US16/919,094 patent/US11850058B2/en active Active
-
2023
- 2023-11-10 US US18/506,901 patent/US20240074692A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6195576B1 (en) * | 1998-03-09 | 2001-02-27 | New York University | Quantitative magnetoencephalogram system and method |
JP2015527111A (ja) * | 2012-06-29 | 2015-09-17 | フォード, ジョン ピー. | ヒトの脳の皮質機能の目録を作るための磁気画像化装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024075669A1 (ja) * | 2022-10-05 | 2024-04-11 | 株式会社島津製作所 | 電磁気センサの配置提案方法および配置提案装置、ならびに電流源の位置推定方法 |
JP7509960B2 (ja) | 2023-06-06 | 2024-07-02 | Tdk株式会社 | 軽度認知障害判定システム |
Also Published As
Publication number | Publication date |
---|---|
EP3435860A4 (en) | 2019-12-11 |
CA3019647A1 (en) | 2017-10-05 |
WO2017172961A1 (en) | 2017-10-05 |
US10736557B2 (en) | 2020-08-11 |
CN109640814B (zh) | 2022-02-08 |
US20240074692A1 (en) | 2024-03-07 |
EP3435860B1 (en) | 2024-01-03 |
US20200330024A1 (en) | 2020-10-22 |
US11850058B2 (en) | 2023-12-26 |
EP3435860C0 (en) | 2024-01-03 |
US20170281071A1 (en) | 2017-10-05 |
CN109640814A (zh) | 2019-04-16 |
JP7221693B2 (ja) | 2023-02-14 |
EP3435860A1 (en) | 2019-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11850058B2 (en) | Methods and magnetic imaging devices to inventory human brain cortical function | |
US11832966B2 (en) | Methods and magnetic imaging devices to inventory human brain cortical function | |
Kropotov | Functional neuromarkers for psychiatry: Applications for diagnosis and treatment | |
Meir-Hasson et al. | An EEG finger-print of fMRI deep regional activation | |
US11344199B2 (en) | Systems and methods for detection and prediction of brain disorders based on neural network interaction | |
US11839475B2 (en) | Methods and magnetic imaging devices to inventory human brain cortical function | |
Stephen et al. | Using joint ICA to link function and structure using MEG and DTI in schizophrenia | |
JPS63226340A (ja) | 脳神経活動の位置と内部域の時間的関係を表示する方法とその装置 | |
Warbrick et al. | Do EEG paradigms work in fMRI? Varying task demands in the visual oddball paradigm: Implications for task design and results interpretation | |
US20170238879A1 (en) | Method of Analyzing the Brain Activity of a Subject | |
Vorderwülbecke et al. | Automated interictal source localisation based on high-density EEG | |
Milner et al. | Towards neural correlates of auditory stimulus processing: a simultaneous auditory evoked potentials and functional magnetic resonance study using an odd-ball paradigm | |
US20230107435A1 (en) | Brain Wave Analysis of Human Brain Cortical Function | |
Schmüser et al. | Data-driven analysis of simultaneous EEG/fMRI using an ICA approach | |
Aine et al. | Temporal dynamics of age-related differences in auditory incidental verbal learning | |
Liu | Blink-related oscillations: neurotechnology advances that open a new window into brain function | |
Maiorova et al. | An fMRI study of impairments to speech perception in patients with vascular sensory aphasia | |
Ghosh Hajra | Brain vital signs: Towards next generation neurotechnologies for rapid brain function assessments at point-of-care | |
Lindh et al. | Sensory and semantic target-target interaction have opposite effect on performance in Attentional Blink | |
Montes Restrepo | Accurate skull modeling for EEG source imaging | |
Virk | The functional neuroanatomy of auditory sensory gating and its behavioural implications | |
Wang | Integration of fMRI and MEG towards modeling language networks in the brain | |
Phy | Mateusz Rusiniak, Monika Lewandowska, Tomasz Wolak, Agnieszka Pluta, Rafał Milner, Małgorzata Ganc, Andrzej Włodarczyk, et al. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200327 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200327 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210310 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210325 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210615 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211101 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220112 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220426 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220627 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220926 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221116 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230105 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230202 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7221693 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |