JP2021037397A - 脳活動分類器のハーモナイズシステム、及び脳活動分類器プログラム - Google Patents
脳活動分類器のハーモナイズシステム、及び脳活動分類器プログラム Download PDFInfo
- Publication number
- JP2021037397A JP2021037397A JP2020204081A JP2020204081A JP2021037397A JP 2021037397 A JP2021037397 A JP 2021037397A JP 2020204081 A JP2020204081 A JP 2020204081A JP 2020204081 A JP2020204081 A JP 2020204081A JP 2021037397 A JP2021037397 A JP 2021037397A
- Authority
- JP
- Japan
- Prior art keywords
- measurement
- brain
- brain activity
- data
- classifier
- 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
- 230000007177 brain activity Effects 0.000 title claims abstract description 125
- 238000005259 measurement Methods 0.000 claims abstract description 346
- 238000000034 method Methods 0.000 claims abstract description 258
- 238000012545 processing Methods 0.000 claims abstract description 115
- 210000004556 brain Anatomy 0.000 claims abstract description 81
- 238000004364 calculation method Methods 0.000 claims abstract description 74
- 239000011159 matrix material Substances 0.000 claims abstract description 73
- 230000003925 brain function Effects 0.000 claims abstract description 52
- 238000010801 machine learning Methods 0.000 claims abstract description 37
- 230000008878 coupling Effects 0.000 claims abstract description 31
- 238000010168 coupling process Methods 0.000 claims abstract description 31
- 238000005859 coupling reaction Methods 0.000 claims abstract description 31
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 85
- 201000010099 disease Diseases 0.000 claims description 77
- 230000008569 process Effects 0.000 claims description 71
- 230000000694 effects Effects 0.000 claims description 65
- 238000012549 training Methods 0.000 claims description 65
- 238000002790 cross-validation Methods 0.000 claims description 40
- 230000006870 function Effects 0.000 claims description 30
- 230000027455 binding Effects 0.000 claims description 28
- 238000009739 binding Methods 0.000 claims description 28
- 238000010200 validation analysis Methods 0.000 claims description 28
- 238000012360 testing method Methods 0.000 claims description 17
- 238000012795 verification Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 11
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 34
- 238000002595 magnetic resonance imaging Methods 0.000 description 86
- 239000000523 sample Substances 0.000 description 57
- 239000013598 vector Substances 0.000 description 54
- 238000010586 diagram Methods 0.000 description 48
- 239000000090 biomarker Substances 0.000 description 46
- 230000005291 magnetic effect Effects 0.000 description 46
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 45
- 238000003384 imaging method Methods 0.000 description 40
- 238000009826 distribution Methods 0.000 description 29
- 238000004458 analytical method Methods 0.000 description 26
- 208000020016 psychiatric disease Diseases 0.000 description 26
- 230000000284 resting effect Effects 0.000 description 26
- 208000024714 major depressive disease Diseases 0.000 description 23
- 201000000980 schizophrenia Diseases 0.000 description 23
- 238000011156 evaluation Methods 0.000 description 18
- 238000007477 logistic regression Methods 0.000 description 16
- 230000003068 static effect Effects 0.000 description 15
- 238000005481 NMR spectroscopy Methods 0.000 description 14
- 238000005070 sampling Methods 0.000 description 14
- 208000024891 symptom Diseases 0.000 description 13
- 238000012417 linear regression Methods 0.000 description 10
- 230000036961 partial effect Effects 0.000 description 10
- 208000035478 Interatrial communication Diseases 0.000 description 9
- 206010003664 atrial septal defect Diseases 0.000 description 9
- 230000036541 health Effects 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 8
- 230000035945 sensitivity Effects 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 7
- 239000008280 blood Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 208000035475 disorder Diseases 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 102000001554 Hemoglobins Human genes 0.000 description 6
- 108010054147 Hemoglobins Proteins 0.000 description 6
- 208000021384 Obsessive-Compulsive disease Diseases 0.000 description 6
- 238000013480 data collection Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 201000003995 melancholia Diseases 0.000 description 6
- 238000000513 principal component analysis Methods 0.000 description 6
- 241001669679 Eleotris Species 0.000 description 5
- 238000004497 NIR spectroscopy Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 229940079593 drug Drugs 0.000 description 5
- 239000003814 drug Substances 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 206010003805 Autism Diseases 0.000 description 4
- 208000020706 Autistic disease Diseases 0.000 description 4
- 206010054089 Depressive symptom Diseases 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 4
- 238000007417 hierarchical cluster analysis Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 239000001301 oxygen Substances 0.000 description 4
- 229910052760 oxygen Inorganic materials 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 125000004429 atom Chemical group 0.000 description 3
- 208000025748 atypical depressive disease Diseases 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000004886 head movement Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 208000020401 Depressive disease Diseases 0.000 description 2
- 241000282412 Homo Species 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 238000013398 bayesian method Methods 0.000 description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000005672 electromagnetic field Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 210000004326 gyrus cinguli Anatomy 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 2
- 238000002610 neuroimaging Methods 0.000 description 2
- 210000002442 prefrontal cortex Anatomy 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 230000008707 rearrangement Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000012239 Developmental disease Diseases 0.000 description 1
- 208000031940 Disease Attributes Diseases 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 101100043112 Homo sapiens SERPINB3 gene Proteins 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 208000037273 Pathologic Processes Diseases 0.000 description 1
- 108010026552 Proteome Proteins 0.000 description 1
- 102100036383 Serpin B3 Human genes 0.000 description 1
- 238000000692 Student's t-test Methods 0.000 description 1
- 208000028552 Treatment-Resistant Depressive disease Diseases 0.000 description 1
- 238000001793 Wilcoxon signed-rank test Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000001994 activation Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 208000029560 autism spectrum disease Diseases 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 238000000876 binomial test Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000037182 bone density Effects 0.000 description 1
- 210000001159 caudate nucleus Anatomy 0.000 description 1
- 210000001638 cerebellum Anatomy 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 230000006998 cognitive state Effects 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000005292 diamagnetic effect Effects 0.000 description 1
- 238000002597 diffusion-weighted imaging Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000007876 drug discovery Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000008338 local blood flow Effects 0.000 description 1
- 230000004199 lung function Effects 0.000 description 1
- 230000005415 magnetization Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000002493 microarray Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000007659 motor function Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 210000000869 occipital lobe Anatomy 0.000 description 1
- 230000005298 paramagnetic effect Effects 0.000 description 1
- 210000001152 parietal lobe Anatomy 0.000 description 1
- 230000009054 pathological process Effects 0.000 description 1
- 239000013610 patient sample Substances 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 239000005342 prism glass Substances 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005201 scrubbing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 208000012201 sexual and gender identity disease Diseases 0.000 description 1
- 208000015891 sexual disease Diseases 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
- 210000001103 thalamus Anatomy 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 210000004885 white matter Anatomy 0.000 description 1
Images
Classifications
-
- 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
- A61B5/05—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
- A61B5/72—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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/4806—Functional imaging of brain activation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/58—Calibration of imaging systems, e.g. using test probes, Phantoms; Calibration objects or fiducial markers such as active or passive RF coils surrounding an MR active material
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Signal Processing (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Psychiatry (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Child & Adolescent Psychology (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Neurosurgery (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
Abstract
【解決手段】脳活動分類器のハーモナイズシステムは、複数の計測サイトにある複数の脳活動計測装置と、これら装置で複数の被験者の脳活動を計測したデータを格納するサーバ装置と、複数の脳領域の組についての脳活動の時間相関を表す脳機能結合行列の要素である脳機能結合相関値の補正を行う計算処理システムとを備え、計算処理システムは、複数の計測サイトにおいて、複数の移動被験者の各々の複数の脳領域について脳活動を計測して得られる機能結合行列の所定の要素ごとに、各計測サイトにおける測定バイアスを算出し、被験者の脳機能結合相関値を測定バイアスで調整した値に基づき、属性の分類器を、特徴選択を伴う機械学習法により生成する。
【選択図】図10
Description
生体内の生物学的変化を定量的に把握するため、生体情報を数値化・定量化した指標のことを「バイオマーカ」と呼ぶ。
一方で、核磁気共鳴映像法(MRI:Magnetic Resonance Imaging)では、血流量の変化に応じて、検出される信号に変化が現れることを用いて、外部刺激等に対する脳の活動部位を視覚化することも可能である。このような核磁気共鳴映像法を、特に、fMRI(functional MRI)と呼ぶ。
i)調整値を、機械学習用のトレーニングデータセットと検証用のテストデータセットとに分割するステップと、
ii)トレーニングデータセットに対して、アンダーサンプリングおよびサブサンプリングを所定数だけ実行して、所定数のサブサンプルを生成するステップと、
iii)サブサンプルごとにスパースモデリングによる特徴選択により分類器サブモデルを生成するステップと、
iv)特徴選択に基づいて、属性に対する分類器を生成するステップとを実行する。
i)外側の交差検証をK分割交差検証として、調整値を、機械学習用のトレーニングデータセットと検証用のテストデータセットとに分割するステップと、
ii)トレーニングデータセットに対して、アンダーサンプリングおよびサブサンプリングを所定数だけ実行して、所定数のサブサンプルを生成するステップと、
iii)K分割交差検証の各ループにおいて、内側の交差検証で、サブサンプルごとに分類器サブモデルを生成するステップと、
iv)分類器サブモデルに基づいて、疾患の有無の属性に対する分類器を生成するステップとを実行する。
図1は、複数の計測サイトに設置されたMRI計測システムにより計測されたデータについて、ハーモナイゼーション処理を説明するための概念図である。
たとえば、頭部の後側(posterior:以下、“P”と略記する)から前側(anterior:以下、“A”と略記する)に向かう方向(以下、「P→A方向」と呼ぶ)と、逆の方向、すなわち、前側から後側に向かう方向(以下、「A→P方向」と呼ぶ)にスキャンを行うのかを規定する必要がある。状況によっては、両方の場合のスキャンを行うことを規定することもあり得る。
いわゆるスピンエコー法により、「T1強調画像」及び「T2強調画像」のいずれか、又は両方を撮像する条件を設定する。
fMRI(functional Magnetic Resonance Imaging)法により、「安静時」の被験者の脳機能画像を撮像する条件を設定する。
拡散強調画像(DWI:diffusion (weighted) image)を撮像するか否か、そしてその条件について設定する。
たとえば、EPI歪みを画像処理で補正するための1つの方法として、「フィールドマップ法」が知られており、空間歪みの補正に対する撮像の条件を設定する。
なお、計測プロトコルには、上記の条件の中から適宜、必要となるシーケンス部分を抜き出してもよいし、必要に応じて、他のシーケンス又はその条件を追加してもよい。
すなわち、図1における計算処理システム300が、記憶装置210内に格納されたデータに基づいて、後述するような脳活動バイオマーカを算出する際の基礎となるデータとして、これらのデータが使用される。
なお、特に限定されないが、EPI歪みを画像処理で補正する処理については、各計測サイトで演算処理がされた後に、記憶装置210内にデータが格納される構成とすることができる。
Nc×(Nc−1)/2(個)
ということになる。
ここでは、脳活動バイオマーカのために、たとえば、関心領域として140の領域を採用する。
公知文献2:Perrot et al., Med Image Anal, 15(4), 2011
公知文献3:Tzourio-Mazoyer et al., Neuroimage, 15(1), 2002
このような関心領域としては、たとえば、以下のような領域がある。
前頭前野腹内側部(VMPFC)
前帯状皮質(ACC)
小脳虫部、
左視床、
右下頭頂葉、
右尾状核、
右中後頭葉、
右中帯状皮質
ただし、採用する脳の領野は、このような領域に限定されるものではない。たとえば、対象とする神経・精神疾患に応じて、選択する領域を変更してもよい。
ここで、このような機能的な脳地図の脳領域については、以下のような文献にも開示がされており、特に限定されないが、たとえば、268のノード(脳領域)から成る、という構成とすることができる。以下の公知文献4から公知文献7の開示の全てをここに参照により援用する。
公知文献4:Noble S, et al. Multisite reliability of MR-based functional connectivity. Neuroimage 146,959-970 (2017).
公知文献5:Finn ES, et al. Functional connectome fingerprinting: identifying individuals using patterns of brain connectivity. Nat Neurosci 18, 1664-1671 (2015).
公知文献6:Rosenberg MD, et al. A neuromarker of sustained attention from whole-brain functional connectivity. Nat Neurosci 19, 165-171 (2016).
公知文献7:Shen X, Tokoglu F, Papademetris X, Constable RT. Groupwise whole-brain parcellation from resting-state fMRI data for network node identification. Neuroimage 82, 403-415 (2013).
図4は、各計測サイトに設置されるMRI装置100.i(1≦i≦Ns)の全体構成を示す模式図である。図4においては、1番目の計測サイトのMRI装置100.1を、例示的に、詳しく説明している。他のMRI装置100.2〜100.Nsについても、基本的な構成は同様である。
精神疾患と関連したビッグデータを収集するときには、1つのサイトが大規模な脳画像データ(人間の疾患と関係するコネクトーム)を集めることがほとんど不可能である。したがって、複数のサイトから画像データを収集することが必要である。
図6は、本実施の形態のrs-fcMRI法において、サイト間を移動しながら計測を受ける移動被験者(以下、「トラベリングサブジェクト」)によるサイト間差の評価手法を説明するための概念図である。以下に説明するように、本実施の形態では、トラベリングサブジェクトのデータセットを使用して、測定バイアスだけを除くことができるようなハーモナイゼーション法について説明する。
公知文献8:久保 拓弥著、「データ解析のための統計モデリング入門」、岩波書店、2012年 第1刷、2017年 第14刷
ii) 健常者及び精神疾患の患者の標本バイアスは、互いに異なると仮定する。したがって、健常者群及び各疾患を有する患者群に対して個別に、各サイトの標本バイアスを計算する。
iii) 疾患要因は、健常群の値からの偏差として定義する。
S108)。
図12は、図10に示した判別処理部3000が、被験者に対する疾患又は健常ラベルについての判別器を生成する処理を示すフローチャートである。このような判別器(又は分類器)は、被験者を診断するための補助情報(支援情報)を提供する。
S204)。補正処理が実行された後のデータは、補正後相関値データ3110として、記憶装置2080´に格納される。
公知文献9:Yahata N, et al. A small number of abnormal brain connections predicts adult autism spectrum disorder. Nat Commun 7, 11254 (2016).
公知文献10:Okito Yamashita, Masaaki Sato, Taku Yoshioka, Frank Tong, and Yukiyasu Kamitani. “Sparse Estimation automatically selects voxels relevant for the decoding of fMRI activity patterns.” NeuroImage, Vol. 42, No. 4, pp. 1414-1429, 2008.
図13は、図6において説明したような手続きにより、ハーモナイゼーション処理が実行された後に、新たな計測サイトが追加された場合のハーモナイゼーション処理を説明するための概念図である。図13を参照して、(Ns+1)個目の計測サイトMS.Ns+1が新たに加わった場合、改めて、トラベリングサブジェクトTS1を、また、この(Ns+1)個の計測サイト全体について、巡回させ、上述したハーモナイゼーション算出処理と同様の手続きを行い、測定バイアスを改めて算出することが可能である。
なお、以上の説明では、各計測サイトでは、以下の被験者のデータが取得されていることを前提として、ハーモナイゼーション算出処理について説明した。
ii)健常者のデータ
iii)トラベリングサブジェクトのデータ
ただし、上述した「測定バイアス」の評価のみを目的とするのであれば、トラベリングサブジェクトについて計測したデータに基づいて、GLMM(一般化線形混合モデル)により、「測定バイアス」を評価することとしてもよい。
以下では、実際に公開されている多疾患データベースのデータに対して、上述したようなハーモナイゼーション処理を実行した結果について説明する。
第1の仮説は、サイトがそれぞれ共通の母集団からの被験者をサンプリングすると仮定する。この状況では、標本バイアスは、被験者の無作為抽出のために生じることになり、それは、サイト間の偶然の患者の特性の差に帰着する。
以下のような3つの安静時の機能MRIデータセットを使用した:
(1)SRPBSの複数疾患のデータセット、
(2)19人のトラベリングサブジェクトデータセット、及び
(3)独立した検証用データセット。
(SRPBSの多疾患のデータセット)図15は、SRPBSの多疾患データセットの内容を示す図である。9つのサイトで診察された、5つの異なる疾患患者及び健常な対照群(HC)を含んだこのデータセットは、以下の合計805人の参加者のデータを含んでいた:9つのサイトからの482人の健常者;5つのサイトからの、161人の大うつ病(MDD)患者;1つのサイトからの49人の自閉症(ASD)患者;1つのサイトからの65人の強迫障害(OCD)の患者;及び3つのサイトからの48人の統合失調症(SCZ)患者。
このデータセットのサイト間差は、測定及び標本バイアスの両方を含んでいた。バイアス評価については、統一プロトコルを使用して得られたデータのみを使用した。なお、OCD患者はこの統一プロトコルを使用して、スキャンされなかったので、OCDのために疾患要因を評価することは行っていない。
・ATT:国際電気通信基礎技術研究所のシーメンスTimTrioスキャナ;
・ATV:国際電気通信基礎技術研究所のシーメンスVerioスキャナ;
・KUT:京都大学のシーメンスTimTrioスキャナ;
・SWA:昭和大学;
・HUH:広島大学病院;
・HKH:ヒロシマKajikawa病院;
・COI:COI(広島大学);
・KPM:京都府立医科大学;
・UTO:東京大学;
・ASD:自閉症障害;
・MDD:大うつ病性障害;
・OCD:強迫障害;
・SCZ:統合失調症;
・SIE:シーメンスfMRI装置;
・GE:GE fMRI装置;
・PHI:フィリップスfMRI装置。
SRPBSデータセット中の計測サイトを横断して測定バイアスを評価するために、トラベリングサブジェクトのデータセットを取得した。
安静時の機能結合MRIデータに基づいた、精神疾患の分類器及び参加者の年齢を予測するモデルの汎化性能を検証するために、2つの疾患及び7つのサイトをカバーする独立した検証コホートのデータを取得した。このデータには、合計625人の参加者が含まれていた。すなわち、6つのサイトからの476人の健常群(HCs)、2つのサイトからのMDDの93人の患者、及び1つのサイトからのSCZの56人の患者のデータが取得された。
最初に、主成分分析(PCA:principal component analysis)によって、SRPBS複数疾患の安静時の機能結合MRIデータセットにおける、サイト間差及び疾患効果を視覚化した。図17は、このような主成分分析によるサイト間差及び疾患効果を視覚化を示すグラフである。ここでの主成分分析は、教師なしの学習による次元低減手法に相当する。
定量的に安静時の機能結合MRIデータのサイト間差を調べるために、測定バイアス、標本バイアス及び診断の要因を特定した。上述したように、各々の機能的なコネクティビティに対する相関値のすべてのサイトにわたる平均からの偏差として、各サイトの測定バイアスを定義した。健常者及び精神疾患の患者の標本バイアスは、互いに異なると仮定する。したがって、健常者群及び各疾患を有する患者群に対して個別に、各サイトの標本バイアスを計算した。
線形混合効果モデルでは、SRPBS複数疾患のデータセットの各被験者のコネクティビティの相関値は、固定効果及びランダム効果からなる。固定効果は、ベースラインとしてすべての参加者及びすべてのサイトをにわたる平均相関値と、測定バイアス、標本バイアス及び疾患要因の和を含む。参加者の要因(つまり個人差)及びスキャン間の変化の結合した効果は、ランダム効果と見なされる。
参加者要因(p)、測定バイアス(m)、標本バイアス(shc, smdd, sscz)及び精神疾患要因(d)は、SRPBS複数疾患のデータセット及びトラベリングサブジェクトのデータセットからのすべての参加者の機能的なコネクティビティの相関値に回帰モデルを適合させることにより評価された。
トラベリングサブジェクトのデータセットに対する線形混合効果モデルは、トラベリングサブジェクトのデータセットにおいて特定のスキャンに対する各参加者のコネクティビティの相関値は、固定効果及びランダム効果からなる。固定効果は、すべての参加者及びすべてのサイトをにわたる平均相関値と、参加者要因と、測定バイアスとの和を含む。スキャン間の変化は、ランダム効果と見なされた。
定量的に要因間の大きさの関係を確認するために、線形混合効果モデルにおいて、寄与サイズを計算し比較して、各タイプのバイアス及び要因が、どの程度、データの分散を説明するのかを決定した。モデルに適合した後、被験者aからのb番目のコネクティビティは、以下のように記述できる。
各サイトkに対して、測定バイアスmk(N×1、ここで、Nは、機能的なコネクティビティの個数)間のピアソンの相関係数を計算し、測定バイアスにわたる相関係数に基づいた階層的クラスタリング分析を行なった。図18は、階層的クラスタリング分析による樹状図である。樹状図中の各リンケージの高さは、そのリンクによって連結されたクラスタ間で非類似性(1−r)を表わす。
上述したような「標本バイアス」の背景にあるメカニズムの2つの択一的なモデルを調べた。図20は、「標本バイアス」の背景にあるメカニズムを示す概念図である。
次に、トラベリングサブジェクトのデータセットを使用して、測定バイアスだけを除くことを可能とするハーモナイゼーション法について説明する。
HKHサイトでの位相エンコーディング方向が、SRPBS複数疾患のデータセットとトラベリングサブジェクトのデータセットの間で異なっていた。そのため、測定バイアスを評価するために、以下では、測定バイアスとは別個に、式中に位相エンコード要因(paq)を含めることとした。測定バイアス及び位相エンコード要因は、SRPBS複数疾患のデータセット及びトラベリングサブジェクトのデータセットを結合したものに、回帰モデルを適合させることにより評価された。
定量的にハーモナイゼーション法を評価するために、安静時の機能結合MRIデータに基づいて健常者群と患者を識別することを目的として、SRPBSの複数疾患のデータセットを使用して、精神疾患用バイオマーカを構築し、SRPBSの複数疾患データセットからのサイト間差の除去のための以下の4つの異なるハーモナイゼーション法を比較した。
(3)一般化線形モデル(GLM)を使用して、測定バイアスはSRPBSの多疾患データセットのみを使用して、生物学の共変量(例えば診断又は年齢)に対する調節を行うことなく、評価された(つまりGLM法)。GLM法については、たとえば、以下の文献に開示がある。以下の公知文献12の開示の全てをここに参照により援用する。
公知文献12:Fortin JP, et al. Harmonization of cortical thickness measurements across scanners and sites. Neuroimage 167, 104-120 (2017).
(2)SRPBS複数疾患のデータセットからの健常者群及びSCZ患者に対するすべての機能的なコネクティビティデータ(3つのサイトからの44人のSCZ患者、9つのサイトからの425人の健常者群)。
さらにハーモナイゼーション法の有効性を調査することを目的として、参加者の年齢を予測するために、生データのままの方法と同様に4つの異なるハーモナイゼーション法を使用して、回帰モデルを構築し、モデルの予測性能を比較した。
第1の実施の形態では、脳活動計測装置(fMRI装置)で、複数の測定場所で計測された脳活動データを計測し、この脳活動データに基づいて、バイオマーカの生成及びバイオマーカによる診断ラベルの推定(予測)を行う構成として、分散処理により行う一例の構成を説明した。
i)バイオマーカを機械学習により訓練するための脳活動データの計測(データ収集)、
ii)バイオマーカの機械学習による生成処理及び特定の被験者についてのバイオマーカによる診断ラベルの推定(予測)の処理(推定処理)、及び
iii)上記特定の被験者についての脳活動データの計測(対象者の脳活動計測)。
以上の説明では、すべての計測サイトについて、平等に、トラベリングサブジェクトが移動して計測を行うことにより、測定バイアスを評価するとの構成であった。
以下では、精神疾患のうち、大うつ病性障害を例として、すなわち、従来の症候に基づく診断手法により医師によって大うつ病性障害と診断された患者群を例として、分類器を生成する処理を説明する。すなわち、図10又は図28に示した判別器生成部3008が、患者群と健常群とを判別するための診断の補助情報を出力するような分類器を生成するために実行する処理の他の例を説明する。
(1)図30に示すように、第1のデータセットは、713人の参加者に対するデータを含んでいる(4つのサイトから564人の健常群HC、3つのサイトからの149人のMDD患者群)。
データセットにおける「デモグラフィック特性」は、いわゆる「人口統計学」において使用される特性であって、年齢、性別、などの他、診断名のような表中の属性を含む。なお、図30及び図31において、括弧中の人数は、BDIスコアのデータを有する参加者の数を示す。デモグラフィック分布は、すべての学習用データセットの中でMDDとHCの個体群間で一致する(p>0.05)。
データの最初の10秒間はT1平衡を考慮に入れるために廃棄される。
http://fmriprep.readthedocs.io/en/latest/workflows.html
脳領域のパーセレーションについては、ヒューマンコネクトームプロジェクト(HCP)スタイルの「表面ベースの方法」でデータを分析するために、以下のサイトに開示されるようなツールボックスを使用した(ciftifyツールボックスバージョン2.0.2)。
https://edickie.github.io/ciftify/#/
公知文献13:Glasser, M.F., Coalson, T.S., Robinson, E.C., Hacker, C.D., Harwell, J., Yacoub, E., et al. (2016). A multi-modal parcellation of human cerebral cortex. Nature 536(7615), 171-178. doi: 10.1038/nature18933.
公知文献14:Tzourio-Mazoyer, N., Landeau, B., Papathanassiou, D., Crivello, F., Etard, O., Delcroix, N., et al. (2002). Automated anatomical labeling of activations in SPM using a macroscopic anatomical parcellation of the MNI MRI single-subject brain. Neuroimage 15(1), 273-289. doi: 10.1006/nimg.2001.0978.
生理的な雑音回帰は、以下の公知文献15に開示されるCompCorを適用して実行される。公知文献15の開示の全てをここに参照により援用する。
公知文献15:Behzadi, Y., Restom, K., Liau, J., and Liu, T.T. (2007). A component based noise correction method (CompCor) for BOLD and perfusion based fMRI. Neuroimage 37(1), 90-101. doi: 10.1016/j.neuroimage.2007.04.042.
時間的なバンドパスフィルタが、0.01Hzと0.08Hzの間の通過帯域を備えたバターワース・フィルタを使用して、時系列データに適用され、BOLD活動の特性である低周波の変動に分析が限定される。
フレームの位置ずれ(FD:Frame-wise displacement)が、個々の機能的なセッションにおいて計算され、頭部運動による機能的結合FCのスプーリアスの変化を低減するために、FD>0.5mmであるボリュームが除去される。FDは、スカラ量(つまり並進運動と回転における絶対的な変位の加算)として時間的に連続する2つのボリュームの間の頭部運動を表わす。
本実施の形態の具体例においては、機能的結合FCは、各参加者につき379個の関心領域(ROI)にわたってBOLD信号の時間的な相関として計算される。
また、以下では、機能的結合FCの上のサイト効果を制御するために、第1から第3の実施の形態で説明したような学習用データセットに対するトラベリングサブジェクトのハーモナイゼーション方法を使用するものとして説明する。ただし、ハーモナイゼーション方法としては、この方法に限定されるものではなく、たとえば、上述したようなComBat法など他の方法を使用してもよい。
分類器の訓練データとして、上述したような学習用データセットを使用して、MDDのためのバイオマーカを構築する。それは、71,631の機能的結合FCの値に基づいて、健常群(健常(HC)との診断ラベルの個体群)及びMDD患者群(大うつ病性障害との診断ラベルの個体群)を識別するものである。
図35は、独立した検証データセットにおけるMDDの分類器の出力の確率分布を示す図である。すなわち、独立した検証データセットを使用して、分類器モデルの汎化性能がテストされる。
公知文献16:特許第6341513号
公知文献17:特許第6195329号
公知文献19:相良和彦、田中靖人、竹市博臣、山下宙人、長谷川良平、岡部達哉、前田太郎著、「ブレインコミュニケーション−脳と社会の通信手段−」、電子情報通信学会編、コロナ社、平成23年4月25日初版第1刷発行(診断と症候に共通する脳機能結合の抽出)
公知文献20:Ichikawa, N., Lisi, G., Yahata, N., Okada, G., Takamura, M., Yamada, M., et al. (2017). Identifying melancholic depression biomarker using whole-brain functional connectivity. arXiv.
(予測BDIsub)=wTcsub
ここで、予測BDIsubは、参加者のBDIスコアを表わす。csubは、参加者の機能的結合FCベクトルを表わす。また、wは、直線回帰のウェイトベクトルを表わす。なお、回帰モデルとしては、直線回帰モデルに限定されるものではなく、他の関数形の回帰モデルを用いてもよい。
公知文献21:Yamada, T., Hashimoto, R.I., Yahata, N., Ichikawa, N., Yoshihara, Y., Okamoto, Y., et al. (2017). Resting-State Functional Connectivity-Based Biomarkers and Functional MRI-Based Neurofeedback for Psychiatric Disorders: A Challenge for Developing Theranostic Biomarkers. Int J Neuropsychopharmacol 20(10), 769-781. doi: 10.1093/ijnp/pyx059.
Claims (10)
- 対象者の脳活動の計測結果に基づいて、少なくとも1つの属性に対する分類処理を実行するための脳活動分類器のハーモナイズシステムであって、
複数の被験者の予め定められた複数の脳領域について脳活動を時系列で計測するために、複数の計測サイトにそれぞれ設けられた複数の脳活動計測装置と、
前記複数の脳活動計測装置で前記複数の被験者に対して前記脳活動を計測したデータを格納するためのサーバ装置と、
前記複数の脳領域の組についての脳活動の時間相関を表す脳機能結合行列の所定の要素である脳機能結合相関値の補正を行うための計算処理システムとを備え、
前記計算処理システムは、
前記サーバ装置からのデータを格納するための記憶装置を含み、前記記憶装置は、前記複数の計測サイトの各々において共通に計測対象となる複数の移動被験者に対して、各前記移動被験者の前記複数の脳領域について脳活動を計測した結果を格納し、
演算装置をさらに含み、前記演算装置は、
前記脳機能結合行列の所定の要素を各前記移動被験者について算出し、
前記機能結合行列の所定の要素ごとに、前記複数の計測サイトおよび前記複数の移動被験者にわたる当該要素の平均に対する各計測サイトにおける測定バイアスを算出し、
各前記計測サイトで計測される複数の訓練データ対象の被験者の前記脳機能結合相関値を前記測定バイアスを用いて補正することで、調整値をそれぞれ算出し、
前記調整値に基づいて、前記属性に対する分類器を、特徴選択を伴う機械学習法により生成する、脳活動分類器のハーモナイズシステム。 - 各前記計測サイトで脳活動を計測される前記複数の訓練データ対象の被験者は、前記属性を有する第1の群と、前記属性を有さない第2の群とを含み、
前記演算装置は、前記測定バイアスを算出する際に、
一般化線形混合モデル法を用いることで、前記機能結合行列の所定の要素ごとに、前記複数の計測サイトおよび前記複数の移動被験者並びに前記複数の訓練データ対象の被験者にわたる当該要素の平均に対する各計測サイトにおける固定効果として、前記測定バイアス並びに前記第1の群の標本バイアスおよび前記第2の群の標本バイアスを算出する、請求項1記載の脳活動分類器のハーモナイズシステム。 - 前記一般化線形混合モデル法においては、L2正規化による最小二乗回帰により、前記測定バイアスを算出する請求項2記載の脳活動分類器のハーモナイズシステム。
- 前記サーバ装置に格納されるデータは、前記複数の計測サイトにおいて匿名化処理されたものである、請求項1〜3のいずれか1項に記載の脳活動分類器のハーモナイズシステム。
- 対象者の脳活動の計測結果に対してハーモナイズシステムより補正されたデータに基づき、少なくとも1つの属性に対する分類処理を実行するようにコンピュータを機能させるための脳活動分類器プログラムであって、
前記ハーモナイズシステムは、
複数の被験者の予め定められた複数の脳領域について脳活動を時系列で計測するために、複数の計測サイトにそれぞれ設けられた複数の脳活動計測装置と、
前記複数の脳活動計測装置で前記複数の被験者に対して前記脳活動を計測したデータを格納するためのサーバ装置と、
前記複数の脳領域の組についての脳活動の時間相関を表す脳機能結合行列の所定の要素である脳機能結合相関値の補正を行い、前記脳活動分類器プログラムを生成するための計算処理装置とを備え、前記計算処理装置は、演算装置と記憶装置とを含み、
前記脳活動分類器プログラムは、
前記補正された後の前記脳機能結合相関値の調整値を入力として機械学習により生成された分類器により、前記属性に対応する分類情報を出力とする学習済みモデルであって、
前記記憶装置が、前記サーバ装置からのデータを、前記複数の計測サイトの各々において共通に計測対象となる複数の移動被験者に対して、各前記移動被験者の前記複数の脳領域について脳活動を計測した結果を格納するステップと、
前記演算装置が、前記脳機能結合行列の所定の要素を各前記移動被験者について算出するステップと、
前記演算装置が、前記機能結合行列の所定の要素ごとに、前記複数の計測サイトおよび前記複数の移動被験者にわたる当該要素の平均に対する各計測サイトにおける測定バイアスを算出するステップと、
前記演算装置が、各前記計測サイトで計測される複数の訓練データ対象の被験者の前記脳機能結合相関値を前記測定バイアスを用いて補正することで、前記調整値をそれぞれ算出するステップと、
前記演算装置が、前記分類情報を出力とするモデルを、特徴選択を伴う機械学習により生成するステップと、を実行し、
生成された学習済みのモデルにより、脳活動分類器としてコンピュータを機能させるための、脳活動分類器プログラム。 - 各前記計測サイトで脳活動を計測される前記複数の訓練データ対象の被験者は、前記属性を有する第1の群と、前記属性を有さない第2の群とを含み、
前記演算装置は、前記測定バイアスを算出する際に、
一般化線形混合モデル法を用いることで、前記機能結合行列の所定の要素ごとに、前記複数の計測サイトおよび前記複数の移動被験者並びに前記複数の訓練データ対象の被験者にわたる当該要素の平均に対する各計測サイトにおける固定効果として、前記測定バイアス並びに前記第1の群の標本バイアスおよび前記第2の群の標本バイアスを算出する、請求項5記載の脳活動分類器プログラム。 - 前記一般化線形混合モデル法においては、L2正規化による最小二乗回帰により、前記測定バイアスを算出する請求項6記載の脳活動分類器プログラム。
- 前記特徴選択を伴う機械学習は、LASSOを使用するロジスティックスの回帰分析法である、請求項5〜7のいずれか1項に記載の脳活動分類器プログラム。
- 前記演算装置は、前記特徴選択を伴う機械学習において、
i)前記調整値を、機械学習用のトレーニングデータセットと検証用のテストデータセットとに分割するステップと、
ii)前記トレーニングデータセットに対して、アンダーサンプリングおよびサブサンプリングを所定数だけ実行して、前記所定数のサブサンプルを生成するステップと、
iii)前記サブサンプルごとにスパースモデリングによる特徴選択により分類器サブモデルを生成するステップと、
iv)前記特徴選択に基づいて、前記属性に対する分類器を生成するステップとを実行する、請求項5〜8のいずれか1項に記載の脳活動分類器プログラム。 - 前記特徴選択を伴う機械学習は、外側の交差検証と内側の交差検証を有する入れ子構造の交差検証であり、
前記演算装置は、前記入れ子構造の交差検証の処理において、
i)前記外側の交差検証をK分割交差検証として、前記調整値を、機械学習用のトレーニングデータセットと検証用のテストデータセットとに分割するステップと、
ii)前記トレーニングデータセットに対して、アンダーサンプリングおよびサブサンプリングを所定数だけ実行して、前記所定数のサブサンプルを生成するステップと、
iii)前記K分割交差検証の各ループにおいて、前記内側の交差検証で、前記サブサンプルごとに分類器サブモデルを生成するステップと、
iv)前記分類器サブモデルに基づいて、前記疾患の有無の属性に対する分類器を生成するステップとを実行する、請求項5〜8のいずれか1項に記載の脳活動分類器プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018192842 | 2018-10-11 | ||
JP2018192842 | 2018-10-11 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019034887A Division JP6812022B2 (ja) | 2018-10-11 | 2019-02-27 | 脳機能結合相関値の調整方法、脳機能結合相関値の調整システム、脳活動分類器のハーモナイズ方法、脳活動分類器のハーモナイズシステム、および脳活動バイオマーカシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021037397A true JP2021037397A (ja) | 2021-03-11 |
JP7247159B2 JP7247159B2 (ja) | 2023-03-28 |
Family
ID=70387934
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019034887A Active JP6812022B2 (ja) | 2018-10-11 | 2019-02-27 | 脳機能結合相関値の調整方法、脳機能結合相関値の調整システム、脳活動分類器のハーモナイズ方法、脳活動分類器のハーモナイズシステム、および脳活動バイオマーカシステム |
JP2020204081A Active JP7247159B2 (ja) | 2018-10-11 | 2020-12-09 | 脳活動分類器のハーモナイズシステム、及び脳活動分類器プログラム |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019034887A Active JP6812022B2 (ja) | 2018-10-11 | 2019-02-27 | 脳機能結合相関値の調整方法、脳機能結合相関値の調整システム、脳活動分類器のハーモナイズ方法、脳活動分類器のハーモナイズシステム、および脳活動バイオマーカシステム |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3865061A4 (ja) |
JP (2) | JP6812022B2 (ja) |
CN (1) | CN112839577A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102510756B1 (ko) * | 2022-09-07 | 2023-03-16 | 서울대학교병원 | 수술 중 또는 수술 후 뇌졸중 예측 장치 및 방법 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115996667A (zh) * | 2020-07-02 | 2023-04-21 | 株式会社国际电气通信基础技术研究所 | 估计系统、估计方法、程序、估计模型、脑活动训练装置、脑活动训练方法以及脑活动训练程序 |
US11699232B2 (en) * | 2021-09-01 | 2023-07-11 | Omniscient Neurotechnology Pty Limited | Brain hub explorer |
CN114052668B (zh) * | 2022-01-17 | 2022-06-17 | 北京航空航天大学杭州创新研究院 | 一种基于脑磁图数据的脑功能分析方法 |
CN114795117B (zh) * | 2022-04-14 | 2024-05-14 | 南开大学 | 基于图信号处理的脑信号分析方法 |
CN114862834B (zh) * | 2022-05-31 | 2023-04-25 | 太原理工大学 | 一种静息态功能磁共振影像数据分类方法 |
CN117454154A (zh) * | 2023-12-22 | 2024-01-26 | 江西农业大学 | 一种面向偏标记数据的鲁棒特征选择方法 |
CN117955526A (zh) * | 2024-03-26 | 2024-04-30 | 昀诺能源科技(江苏)有限公司 | 一种电网中双模模块电能表的通信方法、装置及电能表 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014178322A1 (ja) * | 2013-05-01 | 2014-11-06 | 株式会社国際電気通信基礎技術研究所 | 脳活動訓練装置および脳活動訓練システム |
JP2017023548A (ja) * | 2015-07-24 | 2017-02-02 | 国立研究開発法人情報通信研究機構 | 推定方法および推定システム |
WO2017090590A1 (ja) * | 2015-11-24 | 2017-06-01 | 株式会社国際電気通信基礎技術研究所 | 脳活動解析装置、脳活動解析方法、プログラムおよびバイオマーカー装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014178323A1 (ja) * | 2013-05-01 | 2014-11-06 | 株式会社国際電気通信基礎技術研究所 | 脳活動解析装置、脳活動解析方法およびバイオマーカー装置 |
JP6492356B2 (ja) * | 2013-12-16 | 2019-04-03 | 株式会社国際電気通信基礎技術研究所 | 脳活動訓練装置および脳活動訓練方法 |
KR20180107224A (ko) * | 2016-02-01 | 2018-10-01 | 더 보드 오브 트러스티스 오브 더 리랜드 스탠포드 쥬니어 유니버시티 | 기능성 영상 데이터 분석 방법 및 시스템 |
-
2019
- 2019-02-27 JP JP2019034887A patent/JP6812022B2/ja active Active
- 2019-10-09 EP EP19870503.0A patent/EP3865061A4/en active Pending
- 2019-10-09 CN CN201980066976.XA patent/CN112839577A/zh active Pending
-
2020
- 2020-12-09 JP JP2020204081A patent/JP7247159B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014178322A1 (ja) * | 2013-05-01 | 2014-11-06 | 株式会社国際電気通信基礎技術研究所 | 脳活動訓練装置および脳活動訓練システム |
JP2017023548A (ja) * | 2015-07-24 | 2017-02-02 | 国立研究開発法人情報通信研究機構 | 推定方法および推定システム |
WO2017090590A1 (ja) * | 2015-11-24 | 2017-06-01 | 株式会社国際電気通信基礎技術研究所 | 脳活動解析装置、脳活動解析方法、プログラムおよびバイオマーカー装置 |
Non-Patent Citations (1)
Title |
---|
NOBLE STEPHANIE, ET AL.: "Multisite reliability of MR-based functional connectivity", NEUROIMAGE, vol. 146, JPN6023000062, 13 October 2016 (2016-10-13), US, pages 959 - 970, ISSN: 0004959204 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102510756B1 (ko) * | 2022-09-07 | 2023-03-16 | 서울대학교병원 | 수술 중 또는 수술 후 뇌졸중 예측 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP2020062369A (ja) | 2020-04-23 |
EP3865061A1 (en) | 2021-08-18 |
EP3865061A4 (en) | 2022-07-27 |
JP7247159B2 (ja) | 2023-03-28 |
CN112839577A (zh) | 2021-05-25 |
JP6812022B2 (ja) | 2021-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020075737A1 (ja) | 脳機能結合相関値の調整方法、脳機能結合相関値の調整システム、脳活動分類器のハーモナイズ方法、脳活動分類器のハーモナイズシステム、及び脳活動バイオマーカシステム | |
JP6812022B2 (ja) | 脳機能結合相関値の調整方法、脳機能結合相関値の調整システム、脳活動分類器のハーモナイズ方法、脳活動分類器のハーモナイズシステム、および脳活動バイオマーカシステム | |
JP6497687B2 (ja) | 脳活動解析システム及び方法 | |
JP7140348B2 (ja) | 判別装置、うつ症状の判別方法、うつ症状のレベルの判定方法、うつ病患者の層別化方法、うつ症状の治療効果の判定方法及び脳活動訓練装置 | |
JP6903518B2 (ja) | 脳活動解析システム、脳活動解析装置、及び脳活動解析プログラム | |
EP2992823B1 (en) | Brain activity training device | |
Fennema-Notestine et al. | Feasibility of multi-site clinical structural neuroimaging studies of aging using legacy data | |
WO2021205996A1 (ja) | 脳機能結合相関値のクラスタリング装置、脳機能結合相関値のクラスタリングシステム、脳機能結合相関値のクラスタリング方法、脳機能結合相関値の分類器プログラム、脳活動マーカー分類システムおよび脳機能結合相関値のクラスタリング分類器モデル | |
WO2019069955A1 (ja) | 判別装置、うつ症状の判別方法、うつ症状のレベルの判定方法、うつ病患者の層別化方法、うつ症状の治療効果の判定方法及び脳活動訓練装置 | |
JP7057995B2 (ja) | 哺乳動物におけるうつ病の病態プロファイルを検出するバイオマーカーとその利用 | |
WO2022014682A1 (ja) | 脳機能結合相関値のクラスタリング装置、脳機能結合相関値のクラスタリングシステム、脳機能結合相関値のクラスタリング方法、脳機能結合相関値の分類器プログラムおよび脳活動マーカー分類システム | |
JP2024003782A (ja) | 統合失調スペクトラム障害に関する情報を提供するための診断支援システム、診断支援装置、診断支援方法、及び支援プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220216 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220407 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221227 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230110 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230224 |
|
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: 20230314 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230315 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7247159 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |