JP2021504068A - 認知機能の活動のリアルタイム測定のためのシステムおよびかかるシステムを較正する方法 - Google Patents
認知機能の活動のリアルタイム測定のためのシステムおよびかかるシステムを較正する方法 Download PDFInfo
- Publication number
- JP2021504068A JP2021504068A JP2020544978A JP2020544978A JP2021504068A JP 2021504068 A JP2021504068 A JP 2021504068A JP 2020544978 A JP2020544978 A JP 2020544978A JP 2020544978 A JP2020544978 A JP 2020544978A JP 2021504068 A JP2021504068 A JP 2021504068A
- Authority
- JP
- Japan
- Prior art keywords
- activity
- subject
- cognitive function
- task
- test subject
- 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
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
- A61B5/7235—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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- 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
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/377—Electroencephalography [EEG] 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- 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
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/377—Electroencephalography [EEG] using evoked responses
- A61B5/378—Visual stimuli
-
- 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
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7221—Determining signal validity, reliability or quality
-
- 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)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Psychiatry (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychology (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Dermatology (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
Description
・脳電図(electroencephalogram、EEG)電気生理学的信号収集;
・独立成分の解析によって手動でまたは自動的に、たとえばまばたきのようなリーダー・バイアスによって導入される電気生理学的情報の除去;
・たとえば所与の収集チャネル上での所与の周波数範囲において測定されたパワーのような、作動記憶の高活動もしくは低活動状態に依存するマーカー値の抽出;
・作動記憶の低活動または高活動状態に対応するマーカーを関連性の高い順に分類し、分類されたマーカーの中から諸マーカーを選択すること;
・選択されたマーカー値からの分類器の構築。
a)試験被験者による第一のタスクの実行中に試験被験者の神経活動を表わす電気信号を取得する段階であって、第一のタスクは、被験者によるその実行が被験者の認知機能の種々の活動状態につながるように構成される段階;
b)認知機能についてのマーカー値を、
・段階a)で取得された信号;
・それぞれ第一の参照集団のある参照被験者による第一のタスクの実行中の第一の参照集団の該参照被験者の神経活動を表わす、諸参照電気信号
から計算する段階であって、
前記マーカー値は試験被験者の認知機能の活動状態を表わす、段階;
c)段階b)で計算されたマーカー値の複数のコピーを生成し、生成されたコピーにノイズを加える段階;
d)段階b)で計算されたマーカー値および段階c)で計算されたノイズのあるコピーからの自動学習によって分類器を構築する段階であって、該分類器は、試験被験者の神経活動を表わす電気信号が、試験被験者の認知機能の所定の活動状態の結果である確率を表わす値を計算することによって、試験被験者の認知機能活動を測定するのに適している、段階。
・認知機能は作動記憶である;
・マーカー値は、参照被験者の認知機能の低活動状態または高活動状態を表わす;
・段階c)の実施後かつ段階d)の実施前に、マーカーは、マーカー値および該マーカー値のノイズのあるコピーから決定される認知機能活動状態との相関に従って順序付けられ、次いで、順序付けられたマーカーの中からある種のマーカーがその順位に従って選択され、段階d)は選択されたマーカーの値から実施される;
・段階d)は、選択されたマーカー値からのみ、または選択されたマーカー値および選択されたマーカー値のノイズのあるコピーからのみ実施される;
・第一のタスクは、被験者によるその実行が、被験者の認知機能の少なくとも二つの異なる活動状態に交互につながるように構成される;
・第一のタスクは、被験者によるその実行が、被験者の認知機能の低活動状態と高活動状態に交互につながるように構成される;
・第二のタスクが、被験者によるその実行が、低認知機能活動および高混乱機能活動の同時状態につながるように構成され、本方法は、以下の段階を含む:
e)第二のタスクを実行する第二の参照集団のある被験者の神経活動を表わす電気信号が、試験被験者の認知機能の前記所定の活動状態の結果である確率についての代表値を前記分類器によって計算する段階であって、第二の参照集団の被験者の神経活動を表わす前記電気信号が、第二の参照集団の被験者による第二のタスクの実行中に取得される、段階;
f)段階e)で計算された確率を表わす前記値と固定の閾値とを比較する段階;
・第二のタスクは、被験者によるその実行が、被験者の認知機能の少なくとも二つの異なる活動状態に交互につながるように構成される;
・第二のタスクは、被験者によるその実行が、被験者の認知機能の低活動状態と高活動状態に交互につながるように構成される;
・前記マーカーのうちの一つのマーカーの値は、信号周波数スペクトルの少なくとも一部にわたって計算された、電気信号のスペクトルパワーを表わす値である;
・信号周波数スペクトルの前記一部は、α範囲、β範囲、γ範囲およびθ範囲において選択される;
・試験被験者の神経活動を表わす電気信号は、電極配置のための国際標準である10-20システムの位置Fp1および/またはCzおよび/またはOzおよび/またはCP5に配置された電極によって得られる。
・電気信号取得のためのサブシステム;
・処理ユニット;
・前記処理ユニットが:
a)試験被験者による第一のタスクの実行中に試験被験者の神経活動を表わす電気信号を取得する段階であって、第一のタスクは、被験者によるその実行が被験者の認知機能の種々の活動状態につながるように構成される段階;
b)認知機能活動マーカーの値を、段階a)で取得された信号と、それぞれ第一の参照集団のある参照被験者による第一のタスクの実行中の第一の参照集団の該参照被験者の神経活動を表わす、諸参照電気信号とから計算する段階であって、マーカー値は試験被験者の認知機能の活動状態を表わす、段階;
c)段階b)で計算されたマーカー値の複数のコピーを生成し、生成されたコピーにノイズを加える段階;
d)段階b)で計算されたマーカー値および段階c)で計算されたノイズのあるコピーからの自動学習によって分類器を構築する段階であって、該分類器は、試験被験者の神経活動を表わす電気信号が、試験被験者の認知機能の所定の活動状態の結果である確率を表わす値を計算することによって、試験被験者の認知機能活動を測定するのに適している、段階
を実行するように構成されていることを特徴とする。
「作動記憶」〔ワーキングメモリ〕とは、情報を処理するために利用できる一時的な情報を受け持つ認知機能を意味し、非特許文献2では認知モデルとして記載されており、その活動は、たとえば、磁気共鳴撮像を用いた測定により確認できる(非特許文献3)。作動記憶は、情報に関する認知操作を行なうために、数秒または数分、該情報を保持する短期的な能力に依存する。被験者は、実行するタスクの性質に応じて、作動記憶の活動の異なるレベルまたは状態(または負荷)を呈することがある。
図1は、特定の認知機能(この場合は作動記憶)に特有の第一のタスクの実行を示している。作動記憶に特有のタスクは、一方では、第一の参照集団の諸被験者によって、他方では、試験被験者によって、システム1の較正中および/または認知機能活動の測定中に実行される。異なる被験者がコンピュータ画面の前に配置され、画面上に図形の集まりが表示され、それらの図形が、実行されるタスクの間に使用される。被験者は、すべての図形になじめるよう、それぞれの図形に短い名前を割り当てるように求められる。図形の異なる集合が示され、各集合は、たとえば、動物または幾何学的形状のような異なる意味の場に対応する。
試験被験者または参照集団被験者の神経活動を表わす電気信号は、電気生理学的信号でありうる。変形として、試験被験者または参照集団被験者の神経活動を表わす電気信号は、光学的ニューロイメージング、超音波撮像または磁気撮像、たとえば機能的磁気共鳴撮像(fMRI)、機能的脳超音波、ポジトロン発光撮像、および/または近赤外分光法からの電気信号でありうる。電気生理学的信号は、500Hzのサンプリング周波数でEEG装置(Brain Products V-Amp、登録商標)を使用することにより、試験被験者または一つまたは複数の参照集団に関して記録される。変形として、試験被験者の神経活動を表わす電気信号は、心電図(ECG)、筋電図(EMG、筋活動を表わす測定)、眼電図(EOG、眼の電位差を表わす測定)、脳磁図(MEG)および/または血圧センサー、および/または呼吸センサーによって測定される電気生理学的信号でありうる。試験被験者の神経活動を表わす電気信号は、前述の試験被験者の神経活動を表わす電気信号の組み合わせの結果でありうる。
たとえば、一組のパラメータP1、P2、P3、P4およびP5が、脳‐コンピュータ・インターフェースの設計を特徴付けることができる。たとえば、参照電気信号シーケンスの継続時間P1は、2.5秒に等しいように選択される。較正中の試験被験者を表わす電気信号の数P2は、90に等しいように選択される(高活動状態を表わす45個のシーケンスおよび低活動状態を表わす45個のシーケンス)。試験被験者からの較正電気信号の割合P3は65%に等しい。平均ゼロのガウスノイズの標準偏差は、P4に、考慮されるマーカーの標準偏差を乗算したものに等しい。ここで、P4は、たとえば、1.5に等しい。マーカーの数P5は8に等しい。考慮されるマーカーの標準偏差は、たとえば、マーカーの値から計算される。マーカーの値自体は、タスクの実行中に、時間における種々の測定シーケンスに対応する電気信号から計算される。
図5は、認知機能活動のリアルタイム測定のための方法を示している。リアルタイムで認知機能活動を測定するための方法の前には、たとえば、較正方法の段階101〜106を含む方法による測定システム1の較正が行なわれる。すなわち、試験被験者の神経活動を表わす電気信号が試験被験者の認知機能の高活動状態から帰結する確率PAを計算することによって試験被験者の認知機能活動を測定するのに好適であるよう、分類器が構築される。
図6は、リアルタイムで作動記憶に特有の、第一のタスクの実行に対応する分類器の性能特性、または受信動作特性(receiving operating characteristic、ROC)曲線を示す。確率PAの値は、第一のタスクの各試験の継続時間にわたって連続的に測定される。ROC曲線から二つのパラメータ、すなわち、分類閾値および要求される持続活動時間が計算できる。要求される持続活動時間とは、試験を認知機能の高活動状態をもつと分類するための、認知活動機能が閾値よりも高い継続時間である。このように、各分類限界および各要求される持続活動時間について、特異性および感度に対応するペアを計算することができ、それらの値が図6の点によって示されている。次いで、要求される特異性値について、感度を最大化するために要求される分類限界および最適時間を見出すことができる。持続活動時間の要求される値は当該試験によって異なるが、平均的には、この時間についての最適値は、2秒〜10秒の間、好ましくは4秒〜6秒の間に含まれ、好ましくは実質的に5秒に等しい。リアルタイムでの曲線下面積(area under the curve、AUC)は0.78であり、これは、p<0.0001で、図6の黒線で示されているランダム分類器に対応する値0.5よりも高い。
・ビークル(自動車、航空、航行、鉄道輸送、潜水艦を含む軍事輸送)を運転する際の作動記憶活動の制御および監視;
・学校学習のような作動記憶に依存する認知機能の訓練;
・医学的障害の予防のための作業負荷活動の制御および/または訓練;
・より一般的には、あらゆる種類の活動中の作動記憶活動の個人的な制御(ニューロフィードバック)。
Claims (16)
- 試験被験者の認知機能の活動をリアルタイムで測定するためのシステム(1)を較正するための方法であって、当該方法は、以下の逐次の段階、すなわち:
a)試験被験者による第一のタスクの実行中に試験被験者の神経活動を表わす電気信号を取得する段階であって、第一のタスクは、被験者によるその実行が被験者の認知機能の種々の活動状態につながるように構成される、段階と;
b)認知機能についてのマーカー値を、
・段階a)で取得された信号;
・それぞれ第一の参照集団のある参照被験者による第一のタスクの実行中の第一の参照集団の該参照被験者の神経活動を表わす、諸参照電気信号
から計算する段階であって、
マーカー値は試験被験者の認知機能の活動状態を表わす、段階と;
c)段階b)で計算されたマーカー値の複数のコピーを生成し、生成されたコピーにノイズを加える段階と;
d)段階b)で計算されたマーカー値および段階c)で計算されたノイズのあるコピーからの自動学習によって分類器を構築する段階であって、該分類器は、試験被験者の神経活動を表わす電気信号が、試験被験者の認知機能の所定の活動状態から帰結している確率(PA)を表わす値を計算することによって、試験被験者の認知機能活動を測定するのに適している、段階とを含む、
方法。 - 前記認知機能が作動記憶である、請求項1に記載の方法。
- 前記マーカー値が、参照被験者の認知機能の低活動状態または高活動状態を表わす、請求項1または2に記載の方法。
- 段階c)の実施後かつ段階d)の実施前に、前記マーカーは、マーカー値およびマーカー値のノイズのあるコピーから決定される認知機能活動状態との相関に従って順序付けられ、次いで、順序付けられたマーカーの中からある種のマーカーがその順位に従って選択され、段階d)は選択されたマーカーの値から実施される、請求項1ないし3のうちいずれか一項に記載の方法。
- 段階d)は、選択されたマーカー値のみから、または選択されたマーカー値および選択されたマーカー値のノイズのあるコピーのみから実施される、請求項4に記載の方法。
- 前記第一のタスクは、被験者によるその実行が、被験者の認知機能の少なくとも二つの異なる活動状態に交互につながるように構成される、請求項1ないし5のうちいずれか一項に記載の方法。
- 第一のタスクは、被験者によるその実行が、被験者の認知機能の低活動状態と高活動状態に交互につながるように構成される、請求項1ないし6のうちいずれか一項に記載の方法。
- 第二のタスクが、被験者によるその実行が、低認知機能活動および高混乱機能活動の同時状態につながるように構成され、当該方法は:
e)第二のタスクを実行する第二の参照集団のある被験者の神経活動を表わす電気信号が、試験被験者の認知機能の前記所定の活動状態から帰結している確率(PA)についての代表値を前記分類器によって計算する段階であって、第二の参照集団の被験者の神経活動を表わす前記電気信号が、第二の参照集団の被験者による第二のタスクの実行中に取得される、段階と;
f)段階e)の間に計算された確率(PA)を表わす前記値と固定の閾値(Tv)とを比較する段階とを含む、
請求項1ないし7のうちいずれか一項に記載の方法。 - 第一のタスクは、被験者によるその実行が、被験者の認知機能の少なくとも二つの異なる活動状態に交互につながるように構成される、請求項8に記載の方法。
- 第二のタスクは、被験者によるその実行が、被験者の認知機能の低活動状態と高活動状態に交互につながるように構成される、請求項8または9に記載の方法。
- 前記マーカーのうちの一つのマーカーの値は、前記信号周波数スペクトルの少なくとも一部にわたって計算された、電気信号のスペクトルパワーの代表値である、請求項1ないし10のうちいずれか一項に記載の方法。
- 前記信号周波数スペクトルの前記一部は、α範囲、β範囲、γ範囲およびθ範囲において選択される、請求項11に記載の方法。
- 試験被験者の神経活動を表わす電気信号は、電極配置のための国際標準である10-20システムの位置Fp1および/またはCzおよび/またはOzおよび/またはCP5に配置された電極によって得られる、請求項1ないし12のうちいずれか一項に記載の方法。
- 試験被験者の認知機能の活動をリアルタイムで測定する方法であって:
請求項1ないし13のうちいずれか一項に記載の方法に基づく較正段階と;
試験被験者の神経活動を表わす電気信号を取得する段階と、試験被験者の認知機能活動をリアルタイムで測定するためのシステム(1)を使って、試験被験者の神経活動を表わす電気信号が所定の認知機能活動状態から帰結している確率(PA)を表わす値を計算することによって、試験被験者の認知機能活動をリアルタイムで測定する段階とを含む、
方法。 - 試験被験者の認知機能の活動をリアルタイムで測定するためのシステム(1)であって:
・電気信号取得のためのサブシステム(2)と;
・処理ユニット(3)とを有しており、
処理ユニット(3)が:
a)試験被験者による第一のタスクの実行中に試験被験者の神経活動を表わす電気信号を取得する段階であって、第一のタスクは、被験者によるその実行が被験者の認知機能の種々の活動状態につながるように構成される、段階と;
b)認知機能活動マーカーの値を、段階a)で取得された信号と、それぞれ第一の参照集団のある参照被験者による第一のタスクの実行中の第一の参照集団の該参照被験者の神経活動を表わす、諸参照電気信号とから計算する段階であって、マーカー値は試験被験者の認知機能の活動状態を表わす、段階と;
c)段階b)で計算されたマーカー値の複数のコピーを生成し、生成されたコピーにノイズを加える段階と;
d)段階b)で計算されたマーカー値および段階c)で計算されたノイズのあるコピーからの自動学習によって分類器を構築する段階であって、該分類器は、試験被験者の神経活動を表わす電気信号が、試験被験者の認知機能の所定の活動状態から帰結している確率(PA)を表わす値を計算することによって、試験被験者の認知機能活動を測定するのに適している、段階と
を実行するように構成されていることを特徴とする、
システム(1)。 - 前記認知機能が作動記憶である、請求項15記載のシステム(1)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1760970A FR3073727B1 (fr) | 2017-11-21 | 2017-11-21 | Systeme de mesure en temps reel de l'activite d'une fonction cognitive et procede de calibration d'un tel systeme |
FR1760970 | 2017-11-21 | ||
PCT/EP2018/082109 WO2019101807A1 (fr) | 2017-11-21 | 2018-11-21 | Systeme de mesure en temps reel de l'activite d'une fonction cognitive et procede de calibration d'un tel systeme |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021504068A true JP2021504068A (ja) | 2021-02-15 |
JP7206287B2 JP7206287B2 (ja) | 2023-01-17 |
Family
ID=61258373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020544978A Active JP7206287B2 (ja) | 2017-11-21 | 2018-11-21 | 認知機能の活動のリアルタイム測定のためのシステムおよびかかるシステムを較正する方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11950919B2 (ja) |
EP (1) | EP3713475A1 (ja) |
JP (1) | JP7206287B2 (ja) |
FR (1) | FR3073727B1 (ja) |
WO (1) | WO2019101807A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114428555B (zh) * | 2022-03-04 | 2024-03-22 | 广州大鱼创福科技有限公司 | 一种基于皮层源信号的脑电运动意图识别方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011150408A (ja) * | 2010-01-19 | 2011-08-04 | Hitachi Ltd | 生体および脳機能計測に基づくヒューマンインターフェイス及びそれを用いたヒューマンエラーの検出・防止方法 |
EP3241489A1 (en) * | 2016-05-04 | 2017-11-08 | Mensia Technologies | Predictive neuromarkers of alzheimer's disease |
-
2017
- 2017-11-21 FR FR1760970A patent/FR3073727B1/fr active Active
-
2018
- 2018-11-21 US US16/766,087 patent/US11950919B2/en active Active
- 2018-11-21 EP EP18811176.9A patent/EP3713475A1/fr active Pending
- 2018-11-21 JP JP2020544978A patent/JP7206287B2/ja active Active
- 2018-11-21 WO PCT/EP2018/082109 patent/WO2019101807A1/fr unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011150408A (ja) * | 2010-01-19 | 2011-08-04 | Hitachi Ltd | 生体および脳機能計測に基づくヒューマンインターフェイス及びそれを用いたヒューマンエラーの検出・防止方法 |
EP3241489A1 (en) * | 2016-05-04 | 2017-11-08 | Mensia Technologies | Predictive neuromarkers of alzheimer's disease |
Non-Patent Citations (2)
Title |
---|
CECOTTI ET AL.: ""Optimization of Single-Trial Detection of Event-Related Potentials Through Artificial Trials"", IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, vol. 62, no. 9, JPN6022032963, September 2015 (2015-09-01), pages 2170 - 2176, XP011666602, ISSN: 0004845999, DOI: 10.1109/TBME.2015.2417054 * |
MORA SANCHEZ ET AL.: ""A COGNITIVE BRAIN-COMPUTER INTERFACE PROTOTYPE FOR THE CONTINUOUS MONITORING OF VISUAL W", 2015 IEEE 25TH INTERNATIONAL WORKSHOP ON MACHINE LEARNING FOR SIGNAL PROCESSING, JPN6022032965, September 2015 (2015-09-01), pages 1 - 5, XP032808434, ISSN: 0004846000, DOI: 10.1109/MLSP.2015.7324370 * |
Also Published As
Publication number | Publication date |
---|---|
WO2019101807A1 (fr) | 2019-05-31 |
EP3713475A1 (fr) | 2020-09-30 |
FR3073727B1 (fr) | 2019-10-25 |
US11950919B2 (en) | 2024-04-09 |
FR3073727A1 (fr) | 2019-05-24 |
JP7206287B2 (ja) | 2023-01-17 |
US20210290142A1 (en) | 2021-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nuamah et al. | Support vector machine (SVM) classification of cognitive tasks based on electroencephalography (EEG) engagement index | |
Hou et al. | CogniMeter: EEG-based emotion, mental workload and stress visual monitoring | |
US11006848B2 (en) | System and method to diagnose and predict different systemic disorders and mental states | |
KR101535352B1 (ko) | 전두엽 뇌파를 이용한 우울증 심도 측정 방법 | |
JP7373555B2 (ja) | Eeg信号を使用した運動機能の定量化 | |
WO2014150684A1 (en) | Artifact as a feature in neuro diagnostics | |
KR20150028661A (ko) | Bci를 위한 사용자 의도인지 분석 방법 | |
Simbolon et al. | An experiment of lie detection based EEG-P300 classified by SVM algorithm | |
US20190357792A1 (en) | Sensibility evaluation apparatus, sensibility evaluation method and method for configuring multi-axis sensibility model | |
Kołodziej et al. | Fatigue detection caused by office work with the use of EOG signal | |
Al-Qazzaz et al. | Effective EEG channels for emotion identification over the brain regions using differential evolution algorithm | |
Patel et al. | Mental state assessment and validation using personalized physiological biometrics | |
US11288977B1 (en) | System and method for predicting performance to control interventions by assistive technologies | |
KR20150029969A (ko) | 뇌파 측정을 이용한 감성상태 분류 방법 | |
Samima et al. | EEG-based mental workload estimation | |
Müller | Measuring software developers' perceived difficulty with biometric sensors | |
JP4836140B2 (ja) | 脳活動解析方法および装置 | |
Sulaiman et al. | Offline labview-based EEG signals analysis for human stress monitoring | |
Chuckravanen | Approximate entropy as a measure of cognitive fatigue: an eeg pilot study | |
Mumtaz et al. | A comparative study of different EEG reference choices for diagnosing unipolar depression | |
Raghu et al. | Automated biomedical signal quality assessment of electromyograms: Current challenges and future prospects | |
Beiramvand et al. | Mental Workload Assessment using Low-Channel Prefrontal EEG Signals | |
JP6834318B2 (ja) | ストレス評価装置及び方法 | |
JP7206287B2 (ja) | 認知機能の活動のリアルタイム測定のためのシステムおよびかかるシステムを較正する方法 | |
JP4788956B2 (ja) | 脳活動解析方法および装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211119 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220809 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221109 |
|
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: 20221206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230104 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7206287 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |