JP2021510094A - 脳活動の指標を計算するためのシステム及び方法 - Google Patents

Abstract

本発明は、被検者の脳活動に関連する指標を計算するためのシステムであって、複数の電極から被検者の脳波信号の少なくとも１つのエポックを取得するように構成された取得モジュールと、データ処理モジュールとを備え、前記データ処理モジュールは、オートエンコーダニューラルネットワーク（ａＮＮ）の入力として複数の電極から取得される被検者の脳波信号（ＥＳ）を用いて平均ベクトル（ＶＡ）を計算するステップと、平均ベクトル（ＶＡ）の連続する平均値における少なくとも１つの所定のパターンの存在を検出するステップ（ＤＥＴ）と、所定のパターンを検出するときに被検者の脳活動の指標（Ｉｄｘ）を生成するステップと、を実施するように構成される、システムに関する。【選択図】図１

Description

本発明は、被検者の脳波を解析するためのシステム及び方法に関する。特に、本発明は、分類方法を用いて被検者の病的脳活動を識別するためのシステム及び方法に関する。

被検者の頭皮の表面に配置した電極で脳の電気活動を記録することで構成される脳波検査法は、てんかんなどの神経障害を診断及び研究するための基本ツールである。

従来、頭皮脳波の臨床検査は、複数のチャンネルで記録した波形パターンの形態学及び空間分布の視覚的評価に依存し、これは多くの場合、時間がかかる非能率的な手順である。本発明は、てんかん発作などの病的脳活動並びに他の神経生理学的現象を自動検出することができる方法を提案する。

自動発作検出の問題は広く研究されてきた。最新のほとんどの研究は、ＥＥＧでの発作症状に特徴的な、専門家によるハンドクラフト（ｈａｎｄ−ｃｒａｆｔｅｄ）特徴量を用いている。しかしながら、てんかん発作は非常に非定常的な現象であり、ＥＥＧでの発作症状は、時間と共に患者内で及び異なる患者間でかなり変動する（Ｐａｎａｙｉｏｔｏｐｏｕｌｏｓ ＣＰ． “Ａ ｃｌｉｎｉｃａｌ ｇｕｉｄｅ ｔｏ ｅｐｉｌｅｐｔｉｃ ｓｙｎｄｒｏｍｅｓ ａｎｄ ｔｈｅｉｒ ｔｒｅａｔｍｅｎｔ．” Ｃｈａｐｔｅｒ ６． Ｓｐｒｉｎｇｅｒ，２０１０）。こうした状況で、患者内及び患者間の自動発作検出における汎化誤差を改善する必要が生じた。

Ｔｈｏｄｏｒｏｆｆらは、彼らの刊行物（Ｔｈｏｄｏｒｏｆｆ，Ｐｉｅｒｒｅ，Ｊｏｅｌｌｅ Ｐｉｎｅａｕ，ａｎｄ Ａｎｄｒｅｗ Ｌｉｍ． “Ｌｅａｒｎｉｎｇ Ｒｏｂｕｓｔ Ｆｅａｔｕｒｅｓ ｕｓｉｎｇ Ｄｅｅｐ Ｌｅａｒｎｉｎｇ ｆｏｒ Ａｕｔｏｍａｔｉｃ Ｓｅｉｚｕｒｅ Ｄｅｔｅｃｔｉｏｎ．” Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ ｆｏｒ Ｈｅａｌｔｈｃａｒｅ Ｃｏｎｆｅｒｅｎｃｅ，２０１６）で、前述の技術的課題を克服する方法を提案している。Ｔｈｏｄｏｒｏｆｆらは、教師あり学習フレームワークでの深層学習を用いてより堅牢な特徴量を自動学習する方法を開示している。実際、深層学習モデルで設計される特徴量は、ハンドクラフト特徴量よりも堅牢であることが様々な分野で証明されている。より正確には、Ｔｈｏｄｏｒｏｆｆらは、発作の一般的な空間的に不変の表現を学習することができる、再帰的畳み込みニューラルネットワークの実装を開示している。この方法は、患者に特異的な及び患者間の検出のために、脳波信号の３０秒セグメントに発作が含まれているかどうかの検出を可能にする。しかしながら、Ｔｈｏｄｏｒｏｆｆらは、手書きの（ｈａｎｄｗｒｉｔｔｅｎ）特徴量を生成している。さらに、３０秒以下の時間内での２つの別個の発作の発生は、一意の発作と誤って関連付けられることになり、Ｔｈｏｄｏｒｏｆｆらによって開示された方法の固有感度を制限する。

したがって、より高い時間分解能及び固有感度をもたらす、脳波信号を解析する及び発作としての脳活動を検出するための方法を開発する必要がある。

この目的のために、本発明は、被検者の脳活動に関連する指標を計算するためのシステムであって、
複数の電極から被検者の脳波信号の少なくとも１つのエポックを取得するための取得モジュールと、
データ処理モジュールと、
を備え、前記データ処理モジュールは、
平均ベクトルを計算するステップと、
平均ベクトルの連続する平均値における少なくとも１つの所定のパターンの存在を検出するステップと、
所定のパターンを検出するときに被検者の脳活動の指標を生成するステップと、
を実施するための手段を備え、前記平均ベクトルを計算するステップは、
複数の電極から取得される被検者の脳波信号の少なくとも１つのエポックを受信するステップと、
オートエンコーダニューラルネットワークのために、脳波記録のチャンネルの数であるＮに等しいｎ次元を有する、前記脳波信号の入力行列（ｎｘｍ）を生成するステップと、
オートエンコーダを用いて再構築した出力行列を生成するステップと、
入力行列と出力行列の線形結合により、各要素が１つのチャンネルと関連付けられる、損失値ベクトルを生成するステップと、
各連続する脳波エポックに関して得られる平均値を含む平均ベクトルを生成するために複数回繰り返される、損失値ベクトルの要素の平均値を計算するステップと、
を含む、システムに関する。

本発明のシステムは、有利なことに、発作などの少なくとも１つの特定の脳活動を高い時間分解能及び高い固有感度で検出するべく脳波信号を取得及び解析することを可能にする。

一実施形態では、データ処理モジュールに実装されたオートエンコーダは、所定の期間にわたって複数の所定の脳波信号を含むトレーニングデータセットでトレーニングされる。

一実施形態では、データ処理モジュールに実装されたオートエンコーダは、ニューロンの少なくとも２つの隠れ層を備える。

一実施形態では、データ処理モジュールはさらに、所定の閾値に従って平均ベクトルの要素を二値分類するステップを実施するように構成される。

一実施形態では、データ処理モジュールにおいて、損失値ベクトルの要素の各平均値は、調和平均で計算される。

一実施形態では、データ処理モジュールにおいて、所定のパターンは、所定の値の範囲に含まれる平均ベクトルの２つの連続する平均値を検出するように構成される。

一実施形態では、脳波信号は、取得モジュールによって少なくとも２５６Ｈｚのサンプリングレートで取得される。

一実施形態では、データ処理モジュールにおいて、入力行列のｍ次元は、サンプリングレートとエポック時間窓に従って定義される。

一実施形態では、データ処理モジュールにおいて、所定の閾値は、平均ベクトルの要素の９８パーセントが下回る値である。

一実施形態では、システムは、脳活動の指標を報告するための出力発生器をさらに備える。

本発明はまた、被検者の脳活動に関連する指標を計算するための方法であって、
平均ベクトルを計算するステップと、
平均ベクトルの連続する平均値における少なくとも１つの所定のパターンの存在を検出するステップと、
所定のパターンを検出するときに被検者の脳活動の指標を生成するステップと、
を含み、前記平均ベクトルを計算するステップは、
複数の電極から取得される被検者の脳波信号の少なくとも１つのエポックを受信するステップと、
オートエンコーダニューラルネットワークのために、脳波記録のチャンネルの数であるＮに等しいｎ次元を有する、前記脳波信号の入力行列（ｎｘｍ）を生成するステップと、
オートエンコーダを用いて再構築した出力行列を生成するステップと、
入力行列と出力行列の線形結合により、各要素が１つのチャンネルと関連付けられる、損失値ベクトルを生成するステップと、
各連続する脳波エポックに関して得られる平均値を含む平均ベクトルを生成するために複数回繰り返される、損失値ベクトルの要素の平均値を計算するステップと、
を含む、方法に関する。

本発明の方法は、有利なことに、より高い時間分解能及び固有感度で脳波信号を解析する、したがって、発作などの特定の脳活動を検出することを可能にする。

さらに、オートエンコーダの実装は、外部の教師信号を必要としない教師なし学習（すなわち、信号の分類なしのトレーニングデータセット）の使用を可能にする。

一実施形態では、オートエンコーダは、所定の期間にわたって複数の所定の脳波信号を含むトレーニングデータセットでトレーニングされる。

一実施形態では、オートエンコーダは、ニューロンの少なくとも２つの隠れ層を備える。

一実施形態では、方法は、所定の閾値に従って平均ベクトルの要素を二値分類するステップをさらに含む。

これは、病的脳活動として誤分類されているノイズの多いイベントを除去する利点として現れる。

一実施形態では、損失値ベクトルの要素の各平均値は、調和平均で計算される。

一実施形態では、所定のパターンは、所定の値の範囲に含まれる平均ベクトルの２つの連続する平均値を検出するように構成される。

一実施形態では、脳波信号は、少なくとも２５６Ｈｚのサンプリングレートで取得される。

一実施形態では、入力行列（Ｍ_ｉｎ）のｍ次元は、サンプリングレートとエポック時間窓に従って定義される。

一実施形態では、所定の閾値は、平均ベクトルの要素の９８パーセントが下回る値である。

本発明はまた、被検者の脳活動に関連する指標を計算するためのコンピュータプログラム製品であって、プログラムがコンピュータにより実行されるときに上記の実施形態のいずれか１つに係る本発明の方法のステップをコンピュータに実施させる命令を備えるコンピュータプログラム製品に関する。

本発明はまた、プログラムがコンピュータにより実行されるときに上記の実施形態のいずれか１つに係る本発明の方法のステップをコンピュータに実施させる命令を備えるコンピュータ可読記憶媒体に関する。

定義
本発明において、以下の用語は以下の意味を有する。

本明細書で用いられる場合の単数形（「ａ」、「ａｎ」、及び「ｔｈｅ」）は、文脈上他の意味に明白に規定される場合を除き、複数形での言及を含む。

「約」という用語は、本明細書では、およそ、ほぼ、付近、又は〜の範囲内を意味するように用いられる。「約」という用語が数値範囲と併せて用いられるとき、これは、記載の数値よりも上方及び下方にその境界を延長することによって該範囲を緩和する。一般に、「約」という用語は、本明細書では、表記された値を２０パーセント、好ましくは５パーセントの分散量だけ上方及び下方に緩和するために用いられる。

「異常な脳活動」は、脳障害に存在する、てんかんに特徴的であることが知られている、例えば、発作間欠期てんかん性放電及び脳波上発作などの、生理的活動とは異なる脳の電気活動を指す。

「電極」は、回路の非金属部分、好ましくは被検者の体との電気接触を確立するのに用いられる導体を指す。例えば、ＥＥＧ電極は、普通は、ステンレス鋼、スズ、金、塩化銀コーティングで覆われた銀で作製された小さい金属ディスクであり、頭皮上の特定の位置に配置される。

「脳波」は、被検者の脳の電気活動の記録を指す。

「エポック」は、独立して解析される脳波信号の定められた期間を指す。エポックは重ならない。

「生理的脳活動」は、例えば、後頭部アルファリズム、睡眠紡錘波、Ｋ複合、及び睡眠の徐波などの脳の正常な電気活動を指す。

「被検者」は、哺乳類、好ましくはヒトを指す。本発明の意味において、被検者は、患者、すなわち、医師の診察を受けている、医療処置を受けている又は受けたことのある、又は疾患の発症を監視されている人であり得る。

「発作」は、脳内の異常な過度の同期性のニューロンの活動に起因する兆候及び／又は症状の一時的な発生を指す。

脳活動の指標を計算する方法の１つの限定ではない例を概略的に例示するフローチャートである。 本発明の実施形態のうちの１つに係るオートエンコーダニューラルネットワークａＮＮの略図である。 本発明の実施形態のうちの１つに係る入力行列Ｍ_ｉｎと出力行列Ｍ_ｏの線形結合により損失値ベクトルＶ_ＬＶを生成することで構成される方法のステップＧＥＮ_ＬＶの略図である。 本発明の一実施形態に係るシステムに含まれるコンポーネント及びコンポーネント間の相互作用の略図である。

以下の詳細な説明は、図面と併せて読むと、よりよく理解されるであろう。例示する目的で、システムが好ましい実施形態で示されている。しかしながら、用途は、図示された正確な配置、構造、特徴、実施形態、及び態様に限定されないことを理解されたい。図面は正確な縮尺率ではなく、請求項の範囲を描画した実施形態に限定することを意図していない。したがって、付属の請求項で言及される特徴の後ろに参照符号が付いている場合、このような符号は、請求項の理解度を単に高める目的で含まれ、決して請求項の範囲を限定するものではないことを理解されたい。

本発明は、被検者の脳活動に関連する指標を計算するための方法に関する。一実施形態によれば、前記方法は、コンピュータで実施される。

一実施形態によれば、本発明の方法は、
ａ）脳波信号ＥＳから平均ベクトルＶ_Ａを計算するステップと、
ｂ）平均ベクトルＶ_Ａの連続する平均値における少なくとも１つの所定のパターンの存在を検出するステップＤＥＴと、
ｃ）所定のパターンを検出するときに被検者の脳活動の指標Ｉｄｘを生成するステップと、
を含む。

この実施形態を例示する概略的なフローチャートを図１に示す。

図中の概略的なフローチャート図は、本発明の種々の実施形態に係る方法及びコンピュータプログラム製品の可能な実装の機能及び動作を例示する。これに関して、概略的なフローチャート図の各ブロックは、指定された論理機能を実装するためのプログラムコードの１つ又は複数の実行可能命令を含むコードのモジュール、セグメント、又は部分を表し得る。

いくつかの代替的な実装において、ブロックに記載された機能は、図に記載された順序とは異なる順序で発生してよいことにも留意されたい。例えば、連続して示される２つのブロックは、関連する機能に応じて、実際には実質的に同時に実行されてよく、又はブロックは、時には逆の順序で実行されてもよい。例示した図面の１つ又は複数のブロック又はその一部と機能、論理、又は効果が同等の他のステップ及び方法が考えられ得る。

様々な矢印タイプ及び線タイプがフローチャートで採用される場合があるが、それらは対応する実施形態の範囲を限定しないと理解される。実際、描画した実施形態の論理フローだけを示すのにいくつかの矢印又は他のコネクタが使用される場合がある。例えば、矢印は、描画した実施形態の列挙したステップ間の不特定の待ち時間又は監視時間を示す場合がある。また、フローチャート図の各ブロック及びブロックの組み合わせは、指定された機能又は動作を実行する専用ハードウェアベースのシステム、或いは専用ハードウェアとコンピュータ可読プログラムコードの組み合わせによって実装できることにも留意されたい。

一実施形態によれば、本発明は、時間の関数として複数のチャンネルから被検者の脳波信号ＥＳを受信する予備的ステップＲＥＶを含む。

一実施形態によれば、受信される脳波信号は、多チャンネル脳波信号を得るために被検者の頭皮の所定の領域上に配置した複数の電極から記録される。一実施形態によれば、脳波信号は、少なくとも４、８、１０、１５、１６、１７、１８、１９、２０、２１、３２、６４、１２８、又は２５６個の電極により取得される。一実施形態によれば、電極は、１０−１０又は１０−２０法、高密度配置、又は当業者に公知のあらゆる他の電極配置に従って頭皮上に配置される。電極モンタージュは、単極型又は双極型であり得る。好ましい実施形態において、電極は、１０−２０法に従って双極型モンタージュにおいて位置ＦＰ１−Ｆ７、Ｆ７−Ｔ７、Ｔ７−Ｐ７、Ｐ７−Ｏ１、ＦＰ１−Ｆ３、Ｆ３−Ｃ３、Ｃ３−Ｐ３、Ｐ３−Ｏ１、ＦＰ２−Ｆ４、Ｆ４−Ｃ４、Ｃ４−Ｐ４、Ｐ４−Ｏ２、ＦＰ２−Ｆ８、Ｆ８−Ｔ８、Ｔ８−Ｐ８、Ｐ８−Ｏ２、ＦＺ−ＣＺ、ＣＺ−ＰＺ、Ｔ７−ＦＴ９、ＦＴ９−ＦＴ１０、及びＦＴ１０−Ｔ８に配置される。一実施形態では、複数の電極は、乾式電極又は半乾式電極である。電極材料は、ステンレス鋼又は銅などの金属、金、銀（銀／塩化銀）、スズなどの不活性金属であり得る。電極は、可撓性、予備成形、又は剛性であってよく、任意の形状、例えば、シート、長方形、円形、又は装着者の皮膚と接触するのに役立つような他の形状であり得る。好ましい実施形態において、電極は、テキスタイル電極である。前記実施形態において、このような神経信号を取得するのに種々のタイプの適切なヘッドセット又は電極システムが利用可能である。例は、Ｅｍｏｔｉｖから市販されているＥｐｏｃヘッドセット、ＡＮＴ Ｎｅｕｒｏから市販されているＷａｖｅｇｕａｒｄヘッドセット、ＳｅｎｓｅＬａｂｓから市販されているＶｅｒｓｕｓヘッドセット、Ｗｅａｒａｂｌｅ ｓｅｎｓｉｎｇから市販されているＤＳＩ ６ヘッドセット、ＢｒａｉｎＰｒｏｄｕｃｔｓから市販されているＸｐｒｅｓｓシステム、ＴＭＳｉから市販されているＭｏｂｉｔａシステム、ＴＭＳｉから市販されているＰｏｒｔｉ３２システム、ＢｒａｉｎＰｒｏｄｕｃｔｓから市販されているＡｃｔｉＣｈａｍｐシステム、及びＥＧＩから市販されているＧｅｏｄｅｓｉｃシステムを含むがこれらに限定されない。

受信される脳波信号は、少なくとも２４Ｈｚ、３２Ｈｚ、６４Ｈｚ、１２８Ｈｚのサンプリング周波数、又は当業者に公知のあらゆる他のサンプリング周波数で、標準的な記録モジュールにより得られてよい。好ましい実施形態において、サンプリングレートは、少なくとも２５６Ｈｚである。

別の実施形態によれば、脳波信号は、所定の期間中に記録され、記憶媒体に記憶される。別の実施形態によれば、脳波信号は、例えば医療データベースなどのデータベースから受信される。

一実施形態によれば、脳波信号は、アーチファクトを取り除く又は除去するためにさらに前処理される。一実施形態によれば、個々の頭皮電極からの脳波信号は、低周波除去フィルタ、高周波除去フィルタ、バンドパスフィルタ、バンドストップフィルタからなる群から選択された少なくとも１つのフィルタによりデジタル方式でフィルタされる。優先される実施形態において、脳波信号は、１次バターワースバンドパスフィルタ及び３次バターワースノッチフィルタを用いてフィルタされてよく、当業者は、除去するのに適切な周波数範囲を選択することができるであろう。好ましい実施形態において、信号は、アーチファクトを取り除く又は除去するために前処理されない。

一実施形態によれば、プロセッサで受信した連続する脳波信号は、１〜３０秒の範囲の時間窓を有するエポックにセグメント化される。エポックは、１から１０秒又は１１から３０秒の間に含まれる持続時間を有することができ、好ましくは、エポックは、２秒の持続時間を有し得る。より短い時間窓の選択は、信号のより正確な解析を可能にする。

一実施形態によれば、本発明の方法は、脳波信号を解析するために分類モデルを用いる。一実施形態では、作成されるモデルは、教師なし学習方法を用いて形成することができる。教師なし学習は、外部の教師信号を必要とせずにニューラルデコーディングに適したデータ駆動型手法を用いる。教師なし学習は、トレーニングデータセットを導出した信号を事前に分類せずに、トレーニングデータセットでの類似性に基づいてクラスタリングの学習を試みることができる。

好ましい実施形態において、作成される分類モデルは、識別的な通常のオートエンコーダである。オートエンコーダニューラルネットワークは、目標値を入力と等しく（すなわち、ｙ^（ｉ）＝ｘ^（ｉ）に）なるように設定するために、誤差逆伝播を用いてトレーニングされる。具体的には、オートエンコーダは、入力データを隠れ表現に順次に分解（すなわち、エンコード）し、次いで、これらの表現を用いて、オリジナルに類似した出力を順次に再構築する（すなわち、デコードする）。一実施形態によれば、図２に示すように、オートエンコーダは、入力ベクトルと出力層を有するフィードフォワード型の非再帰的ニューラルネットワークであり、出力層は、独自の入力を再構築する目的のため入力ベクトルと等しい数のノードを有する。一実施形態によれば、入力層と出力層は、少なくとも２つの隠れ層により接続される。一実施形態によれば、隠れ層の数は２〜１０の範囲である。好ましい実施形態において、隠れ層の数は６である。

一実施形態によれば、オートエンコーダは、共役勾配法、最急降下法などの誤差逆伝播の多くの変種のうちの１つでトレーニングされる。一実施形態によれば、オートエンコーダは、複数の所定の脳波信号を含むトレーニングデータセットでトレーニングされる。一実施形態によれば、トレーニングデータセットに含まれる脳波信号は、異なる性別及び年齢の被検者から取得した頭皮脳波信号である。一実施形態によれば、トレーニングデータセットの脳波信号は、アーチファクト又はノイズ以外の信号異常を示さない。本説明では、「信号異常」という用語は、被検者の脳の病的挙動から生じる脳波信号のパターンを指す。トレーニングデータセットからの異常な脳活動を示す脳波信号（すなわち、被検者の病理に起因する）の除外は、オートエンコーダが生理的脳活動に由来する脳波信号のみでトレーニングされ、したがって、オートエンコーダは生理的脳活動信号のみをエンコーディングすることができることを意味する。結果として、入力が異常な脳活動を伴う脳波信号を含むときにはいつでも、オートエンコーダは入力とは異なる出力を生じることになる。

一実施形態によれば、オートエンコーダのトレーニングは、所定の期間にわたって行われる。

一実施形態によれば、プロセッサで受信した脳波信号ＥＳの少なくとも１つのエポックが、入力としてオートエンコーダに入力される。この実施形態によれば、本発明の方法は、前記脳波信号の次元（ｎｘｍ）を有する入力行列Ｍ_ｉｎを生成するステップＧＥＮ_Ｉを含み、ここで、ｎ次元はＮに等しく、Ｎは脳波記録のチャンネルの数である。一実施形態によれば、ｍ次元は、サンプリング周波数及び脳波信号エポックの持続時間に従って定義され、例えば、サンプリング周波数が２５６Ｈｚで２秒のエポックのとき、ｍ次元は５１２に等しい。別の例では、サンプリング周波数が１２８Ｈｚに等しく、エポックの持続時間が３秒に等しいとき、ｍ次元は３８４であり得る。

一実施形態によれば、方法は、上記の実施形態に係るオートエンコーダａＮＮを用いて再構築した出力行列Ｍ_ｏを生成するステップＧＥＮ_Ｏを含む。一実施形態によれば、生成される出力行列Ｍ_ｏは、入力行列Ｍ_ｉｎと同様に次元（ｎｘｍ）を有する。前述のように、Ｍ_ｉｎの脳波信号に信号異常が見られない場合、生成される出力行列Ｍ_ｏは、入力行列Ｍ_ｉｎに実質的に等しいはずである。逆に、オートエンコーダａＮＮは、病的脳活動のないトレーニングデータセットでトレーニングされるため、Ｍ_ｉｎの脳波信号が病的脳活動を示す場合、オートエンコーダａＮＮは、入力行列Ｍ_ｉｎに実質的に等しい出力行列Ｍ_ｏを再構築することはできない。したがって、入力行列Ｍ_ｉｎと生成される出力行列Ｍ_ｏとの差を評価することにより、解析中の脳波エポックにおける病的脳活動の有無に関する情報が与えられる。

一実施形態によれば、本発明の方法は、図３に示すように、入力行列Ｍ_ｉｎと出力行列Ｍ_ｏの線形結合により損失値ベクトルＶ_ＬＶを生成することで構成されるステップＧＥＮ_ＬＶを含み、損失値ベクトルＶ_ＬＶの各要素は、１つのチャンネルと関連付けられる。一実施形態によれば、入力行列Ｍ_ｉｎと出力行列Ｍ_ｏの線形結合は、これらの２つの行列の差、又はそれらの不一致の推定をもたらすことになる当業者に公知のメトリック間のあらゆる他の操作である。損失値ベクトルＶ_ＬＶは、取得したチャンネルの数Ｎに等しい１つの次元と、１に等しい他の次元を有し得るため、損失値ベクトルＶ_ＬＶのｉ番目の成分は、１つのエポックに関するｉ番目のチャンネルの入力脳波信号と出力脳波信号の不一致を表す。

一実施形態によれば、本発明の方法は、損失値ベクトルＶ_ＬＶの要素の平均値ｈ_ｉを計算するステップＣＡＬをさらに含む。限定ではない例として、平均値ｈ_ｉは、算術平均、加重算術平均、幾何平均などを用いて得ることができる。好ましい実施形態において、損失値ベクトルの要素の各平均値ｈ_ｉは、調和平均を用いて計算される。

一実施形態によれば、平均値ｈ_ｉの計算につながる上記の複数のステップは、各連続する脳波エポックに関して得られる平均値を含む平均ベクトルＶ_Ａを生成するために、連続する脳波信号エポックにわたって複数回繰り返される。したがって、平均ベクトルＶ_Ａの長さは、解析する脳波がセグメント化されているエポックの数に依存する。

一実施形態によれば、平均ベクトルＶ_Ａを計算するステップの後に、平均ベクトルＶ_Ａの連続する平均値における少なくとも１つの所定のパターンの存在を検出するステップＤＥＴが続く。少なくとも１つの所定のパターンの存在は、例えば、極大を検出し、所定の数の極大を含む連続するエポックの領域を選択することによって、又は閾値を適用し、閾値よりも高い少なくとも２つの連続する値ｈ_ｉを含む領域のみを選択することによって、又は当業者に公知のあらゆる他の方法によって、などの様々な方法で検出され得る。好ましい実施形態において、平均ベクトルＶ_Ａの値は、二値ベクトル、例えば、０と１で構成される二値ベクトルを生成する所定の閾値を用いて二値分類される。一実施形態によれば、所定の閾値は、平均ベクトルＶ_Ａの要素の所定のパーセンテージが下回る値である。所定のパーセンテージは、９０から９９．９パーセントの間の範囲であり得る。好ましい実施形態において、閾値は、平均ベクトルの要素の９８パーセントが下回る値に設定される。所定の値の選択は、検出の特異性及び感度（すなわち、偽陽性検出数及び再現率）に直接影響する。一実施形態によれば、所定のパターンの検出は、前記二値ベクトルで行われる。パターンは、二値ベクトルにおける２つの連続する等しい値の存在であり得る。これは、エポックの持続時間の少なくとも２倍持続する病的脳活動の選択を意味する。これは、病的脳活動として誤分類されているノイズの多いイベントを除去する利点として現れる。

一実施形態によれば、本発明の方法は、所定のパターンを検出するときに被検者の脳活動の指標Ｉｄｘを生成する最終ステップを含む。前記脳活動の指標Ｉｄｘは、取得された脳波エポックにおける病的脳活動の有無を報告する二値指標であり得る。一実施形態によれば、脳活動の指標Ｉｄｘは、ユーザ又は医療スタッフのメンバーに通信される。

本方法により検出され、指標と関連付けられ得る脳波信号における病的脳活動の存在に関連した神経障害の例は、てんかん症状のすべてを含むがこれらに限定されない。

本発明の一実施形態によれば、検出され得る脳活動は、てんかん症状から生じる。

ＩＬＡＥ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｌｅａｇｕｅ Ａｇａｉｎｓｔ Ｅｐｉｌｅｐｓｙ）は、２０１０年に、てんかん症状の分類の改訂版を公表している（Ｂｅｒｇ ｅｔ ａｌ，Ｅｐｉｌｅｐｓｉａ，５１（４）：６７６−６８５、これは参照により本明細書に組み込まれる）。前記分類によれば、てんかん症状は、発作の種類（全般発作、焦点発作、又はけいれん）、病因（遺伝子［特発性を含む］、構造的／代謝的［又は症候性］、又は不明な原因［又は潜因性］）、発症年齢、認知及び発達の先行条件と結果、運動機能及び感覚検査、ＥＥＧ特徴、誘発又はトリガ因子、及び／又は睡眠に関する発作の発生パターンに従って分類され得る。

てんかん症状の例は、てんかん性脳症、早期乳児てんかん性脳症（ＥＩＥＥ）、ドラべ（Ｄｒａｖｅｔ）症候群、良性家族性新生児てんかん（ＢＦＮＥ）、早期ミオクロニー脳症（ＥＭＥ）、大田原症候群、ウエスト症候群、乳児ミオクロニーてんかん（ＭＥＩ）、良性乳児てんかん、良性家族性乳児てんかん、非進行性病変のミオクロニー脳症、熱性けいれんプラス（ＦＳ＋）、パナエトポラス（Ｐａｎａｙｉｏｔｏｐｏｕｌｏｓ）症候群、ミオクロニー脱力発作を伴うてんかん、中心側頭棘波（スパイク）を伴う良性てんかん（ＢＥＣＴＳ）、常染色体優性夜間前頭葉てんかん（ＡＤＮＦＬＥ）、遅発性小児後頭葉てんかん、ミオクロニー欠神てんかん、レノックス・ガストー（Ｌｅｎｎｏｘ−Ｇａｓｔａｕｔ）症候群、睡眠時持続性棘徐波を示すてんかん性脳症（ＣＳＷＳ）、ランドウ・クレフナー（Ｌａｎｄａｕ−Ｋｌｅｆｆｎｅｒ）症候群（ＬＫＳ）、小児欠神てんかん（ＣＡＥ）、若年欠神てんかん（ＪＡＥ）、若年ミオクロニーてんかん（ＪＭＥ）、全般性強直間代発作のみをもつてんかん、進行性ミオクローヌスてんかん（ＰＭＥ）、聴覚症状を伴う常染色体優性てんかん（ＡＤＥＡＦ）、家族性及び散発性てんかん症状、病変性及び非病変性てんかん症状、他の家族性側頭葉てんかん（ＦＴＬＥ）（例えば、ＦＴＬＥの内側型、家族性内側側頭葉てんかん（ＦＭＴＬＥ）又は家族性外側側頭葉てんかん（ＦＬＴＬＥ）、多様な焦点を示す家族性部分てんかん（ＦＰＥＶＦ）、小児の良性家族性部分てんかん、反射てんかん、海馬硬化を伴う内側側頭葉てんかん（ＨＳを伴うＭＴＬＥ）、側頭葉てんかん、特発性全般てんかん（ＩＧＥ）、ラスムッセン（Ｒａｓｍｕｓｓｅｎ）症候群、視床下部過誤腫を伴う笑い発作、片側けいれん・片麻痺・てんかん、神経皮膚症候群（結節性硬化症、スタージ・ウェーバー（Ｓｔｕｒｇｅ−Ｗｅｂｅｒ）など）、てんかん原性大脳皮質形成異常、腫瘍、感染症、又は外傷、良性新生児発作（ＢＮＳ）、熱性けいれん（ＦＳ）、熱性けいれんプラスを伴う全般てんかん（ＧＥＦＳ＋）、及び、ＡＤＮＦＬＥ、ＦＴＬＥ、ＦＦＥＶＦ、ローランドてんかん、及び乳児悪性焦点移動性部分発作などの特定の症候群を含むてんかん症状を含むがこれらに限定されない。

本発明の一実施形態において、てんかん症状は、全般てんかんである。

本発明はさらに、被検者の脳活動に関連する指標を計算するためのコンピュータプログラム製品に関する。前記コンピュータプログラム製品は、コンピュータプログラムがコンピュータにより実行されるときに前述の実施形態に記載の方法のステップをコンピュータに実施させる命令を備える。

本発明の態様の動作を実施するためのコンピュータプログラムコードは、Ｊａｖａ、Ｐｙｔｈｏｎ、Ｒｕｂｙ、ＰＨＰ、Ｃ＋＋などのオブジェクト指向プログラミング言語及び「Ｃ」プログラミング言語又は類似のプログラミング言語などの従来の手続き型プログラミング言語を含む、１つ又は複数のプログラミング言語の任意の組み合わせで書かれ得る。コンピュータプログラムコードは、完全にユーザのコンピュータ上で、部分的にユーザのコンピュータ上で、部分的にユーザのコンピュータ上で独立型のソフトウェア・パッケージとして、及び部分的に遠隔コンピュータ上で、又は完全に遠隔コンピュータ又はサーバ上で実行することができる。後者のシナリオでは、遠隔コンピュータは、ローカルエリアネットワーク（ＬＡＮ）又は広域ネットワーク（ＷＡＮ）を含むあらゆるタイプのネットワークを通じてユーザのコンピュータに接続されてよく、又は接続は、外部コンピュータとなされてよい（例えば、インターネットサービスプロバイダを用いてインターネットを通じて）。

本発明はさらに、プログラムがコンピュータにより実行されるときに前述の実施形態に記載の方法のステップをコンピュータに実施させる命令を備えるコンピュータ可読記憶媒体に関する。

コンピュータ可読媒体は、コンピュータ可読プログラムコードを記憶する有形のコンピュータ可読記憶媒体であり得る。１つ又は複数のコンピュータ可読記憶媒体の任意の組み合わせが用いられ得る。コンピュータ可読記憶媒体は、例えば、限定はされないが、電子、磁気、光学、電磁気、赤外線、又は半導体システム、装置、又はデバイス、又は上記のあらゆる適切な組み合わせであり得る。

コンピュータ可読媒体のより具体的な例は、ポータブルコンピュータディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、読出し専用メモリ（ＲＯＭ）、消去可能でプログラム可能な読出し専用メモリ（ＥＰＲＯＭ又はフラッシュメモリ）、ポータブルコンパクトディスク読出し専用メモリ（ＣＤ−ＲＯＭ）、デジタルバーサタイルディスク（ＤＶＤ）、ブルーレイディスク（ＢＤ）、光学記憶装置、磁気記憶装置、ホログラフィック記憶媒体、微小機械記憶装置、又は上記の任意の適切な組み合わせを含み得るがこれらに限定されない。本明細書との関連でのコンピュータ可読記憶媒体は、命令実行システム、装置、又はデバイスにより及び／又はこれと関連して用いるためのコンピュータ可読プログラムコードを格納及び／又は記憶することができる任意の有形媒体であり得る。

コンピュータプログラムコードはまた、コンピュータ又は他のプログラム可能な装置上で実行するプログラムコードがフローチャート図のブロックで指定されるステップを実施するためのプロセスを提供するようにコンピュータで実施されるプロセスをもたらすべく一連の動作ステップがコンピュータ、他のプログラム可能な装置、又は他のデバイス上で行われるように、コンピュータ、タブレット又は電話などの他のプログラム可能なデータ処理モジュール、又は他のデバイス上にロードされ得る。

図４に例示した本発明の別の態様は、被検者の脳活動に関連する指標を計算するためのシステムであって、
複数の電極から被検者の脳波信号ＥＳの少なくとも１つのエポックを取得するための取得モジュール１と、
上記説明の実施形態に係る方法のステップを実施するための手段を備えるデータ処理モジュール２と、
を備えるシステムに関係する。

一実施形態によれば、取得モジュール１は、本発明で定義される脳波信号の取得（すなわち、取り込み、記録、及び／又は送信）を可能にする当業者に公知の任意の手段、好ましくは上記説明に記載の電極又はヘッドセットを備える。一実施形態によれば、取得モジュールは、脳波信号を増幅する及び／又はアナログフォーマットからデジタルフォーマットに変換するための増幅器ユニットを備える。代替的な実施形態によれば、取得モジュール１は、本発明のシステム以外の取得デバイスによって以前に取得されたＥＥＧ信号を入力として受信するように構成される。

一実施形態によれば、データ処理モジュール２は、データを受信し、前述の実施形態で説明した動作を実行するように構成された、専用回路又は汎用コンピュータである。一実施形態によれば、データ処理モジュールは、プロセッサ及びコンピュータプログラムを備える。プロセッサは、デジタル化された脳波信号を受信し、デジタル化された脳波信号をコンピュータプログラムの命令の下で処理して指標Ｉｄｘを計算する。一実施形態によれば、データ処理モジュールは、例えば「クラウド」での本発明に係る方法の遠隔実施を可能にするネットワーク接続を備える。一実施形態によれば、脳波信号は、データ処理モジュールに無線で通信される。

一実施形態によれば、システムは、脳活動の指標Ｉｄｘを報告するための出力発生器３をさらに備える。一実施形態によれば、出力発生器は、データ処理モジュール２から脳活動の指標を無線で受信する。

一実施形態によれば、出力発生器３は、脳活動の指標を報告するための任意の手段を備える。一実施形態によれば、脳活動の指標は、視覚手段、聴覚手段、嗅覚手段、触覚手段（例えば、振動又は触覚フィードバック）、及び／又は味覚手段を用いて報告される。好ましくは、脳活動の指標は、ライト、ＬＥＤ、スクリーン、スマートフォン、コンピュータモニタ、又はテレビなどのディスプレイ、又はヘッドマウントディスプレイを用いて報告される。

様々な実施形態を説明及び例示してきたが、詳細な説明はこれらに限定されると解釈されるべきではない。請求項によって定義される本開示の真の精神及び範囲から逸脱することなく、当業者は実施形態に様々な修正を加えることができる。

実施例
本発明は、以下の実施例によりさらに例示される。

実施例１：
材料及び方法
材料
本発明に係る方法を、２３人の被検者の病的脳活動を検出するのに用いた。前記２３人の被検者はてんかんをもっており、その発作は特徴的な病的脳活動である。

これらの２３人の患者の事前に記録された頭皮脳波信号は、ボストン・マサチューセッツ工科大学の小児病院で収集された小児患者の頭皮脳波の記録を含むＣＨＢ−ＭＩＴ Ｓｃａｌｐ ＥＥＧデータベースから得られた。前記脳波信号は、以下の２１のチャンネル：ＦＰ１−Ｆ７、Ｆ７−Ｔ７、Ｔ７−Ｐ７、Ｐ７−Ｏ１、ＦＰ１−Ｆ３、Ｆ３−Ｃ３、Ｃ３−Ｐ３、Ｐ３−Ｏ１、ＦＰ２−Ｆ４、Ｆ４−Ｃ４，Ｃ４−Ｐ４、Ｐ４−Ｏ２、ＦＰ２−Ｆ８、Ｆ８−Ｔ８、Ｔ８−Ｐ８、Ｐ８−Ｏ２、ＦＺ−ＣＺ、ＣＺ−ＰＺ、Ｔ７−ＦＴ９、ＦＴ９−ＦＴ１０、及びＦＴ１０−Ｔ８を使用する双極型としてマウントされた国際１０−２０法により記録された。

被検者の臨床及び人口統計の詳細を、以下の表１に示す：

被検者１２〜２４の事前に記録された頭皮脳波信号は、１つ又は複数の欠落チャンネルを示す。これらのケースにおいて、以下の実施例では、チャンネルの数Ｎは、被検者に関して記録される有効なチャンネルの数を指す。

方法
各被検者に関して、各脳波チャンネルの１時間の記録を２５６Ｈｚのサンプリング周波数で再サンプリングし、重ならない２秒のエポックにセグメント化した。

各被検者の各セグメント化されたエポックごとに、次元（Ｎｘ５１２）を有する前記脳波信号の入力行列Ｍ_ｉｎを生成し、ここで、５１２は、１エポックの持続時間（すなわち２秒）とサンプリング周波数（すなわち２５６Ｈｚ）の積である。

複数の異なるトレーニングデータセットを用いて識別的な通常のオートエンコーダを複数回トレーニングし、複数のトレーニング済みオートエンコーダを得た。被検者１２〜２４から記録されたデータは、脳波記録に欠落チャンネルがあるためトレーニングデータセットの作成には使用されない。各被検者１２〜２４での方法の効率を評価するために、被検者２〜１１の各エポックの入力行列Ｍ_ｉｎを含むトレーニングデータセットで識別的な通常のオートエンコーダをトレーニングした。ｉ番目の被検者での方法の効率を評価するために、ｉが２から１１の間であるときｉ番目の被検者を除く被検者１〜１１の各エポックの入力行列Ｍ_ｉｎを含むトレーニングデータセットで識別的な通常のオートエンコーダをトレーニングした。

本発明の方法は、適切なトレーニングされたオートエンコーダを用いて脳波記録のそれぞれに対して最終的に実施された。前述のようにトレーニングされた識別的な通常のオートエンコーダを用いる本発明の方法は、てんかん発作に関連する脳活動の指標を生成する。

各被検者の記録に関して、発作が実際に検出された（すなわち、発作の指標と関連付けられた）回数として真陽性検出数をカウントし、生理的脳活動が発作の指標と誤って関連付けられた回数として偽陽性検出数をカウントした。再現率とも呼ばれる感度は、真陽性カウントと、真陽性カウントと偽陰性カウントの和との比として計算される。

結果
平均再現率は６４％に等しく、標準偏差は０．３６である。標準偏差の大きい値は、被検者間の大きい年齢差に起因する。実際、脳活動パターンは、子供の年齢によって大幅に変動し、したがって、３から２２歳の間の年齢の被検者のみを含むトレーニングデータセットでトレーニングされたオートエンコーダは、表２の再現率結果から示されるように１．５歳の子供の脳活動指標を検出するには不適切であると思われる。しかしながら、トレーニングデータセットで表される、より上の年齢の被検者に関して、被検者１、５、７、９、１９、２２、２３、及び２４については、１００％の再現率を観察することができた。

１ 取得モジュール
２ データ処理モジュール
３ 出力発生器

Claims (21)

1. 被検者の脳活動に関連する指標を計算するためのシステムであって、
   複数の電極から被検者の脳波信号の少なくとも１つのエポックを取得するように構成された取得モジュール（１）と、
   データ処理モジュール（２）と、
   を備え、前記データ処理モジュール（２）は、
   平均ベクトル（Ｖ_Ａ）を計算するステップと、
   前記平均ベクトル（Ｖ_Ａ）の連続する平均値における少なくとも１つの所定のパターンの存在を検出するステップ（ＤＥＴ）と、
   前記所定のパターンを検出するときに被検者の脳活動の指標（Ｉｄｘ）を生成するステップと、
   を実施するように構成され、前記平均ベクトル（Ｖ_Ａ）を計算するステップは、
   複数の電極から取得される被検者の脳波信号（ＥＳ）の少なくとも１つのエポックを受信するステップ（ＲＥＶ）と、
   オートエンコーダニューラルネットワーク（ａＮＮ）のための入力を提供する、脳波記録のチャンネルの数であるＮに等しいｎ次元を有する、前記脳波信号の入力行列（Ｍ_ｉｎ）（ｎｘｍ）を生成するステップ（ＧＥＮ_Ｉ）と、
   前記オートエンコーダ（ａＮＮ）を用いて再構築した出力行列（Ｍ_ｏ）を生成するステップ（ＧＥＮ_Ｏ）と、
   前記入力行列（Ｍ_ｉｎ）と前記出力行列（Ｍ_ｏ）の線形結合により、各要素が１つのチャンネルと関連付けられる、損失値ベクトル（Ｖ_ＬＶ）を生成するステップ（ＧＥＮ_ＬＶ）と、
   各連続する脳波エポックに関して得られる平均値を含む平均ベクトル（Ｖ_Ａ）を生成するために複数回繰り返される、前記損失値ベクトル（Ｖ_ＬＶ）の要素の平均値（ｈ_ｉ）を計算するステップ（ＣＡＬ）と、
   を含む、システム。
2. 前記オートエンコーダが、所定の期間にわたって複数の所定の脳波信号を含むトレーニングデータセットでトレーニングされる、請求項１に記載のシステム。
3. 前記オートエンコーダが、ニューロンの少なくとも２つの隠れ層を備える、請求項１又は請求項２のいずれか一項に記載のシステム。
4. 前記データ処理モジュールがさらに、所定の閾値に従って平均ベクトルの要素を二値分類するステップを実施するように構成される、請求項１〜請求項３のいずれか一項に記載のシステム。
5. 前記損失値ベクトルの要素の各平均値が、調和平均で計算される、請求項１〜請求項４のいずれか一項に記載のシステム。
6. 前記所定のパターンが、所定の値の範囲に含まれる平均ベクトルの２つの連続する平均値を検出するように構成される、請求項１〜請求項５のいずれか一項に記載のシステム。
7. 脳波信号が、少なくとも２５６Ｈｚのサンプリングレートで取得される、請求項１〜請求項６のいずれか一項に記載のシステム。
8. 前記入力行列（Ｍ_ｉｎ）のｍ次元が、サンプリングレートとエポック時間窓に従って定義される、請求項１〜請求項７のいずれか一項に記載のシステム。
9. 前記所定の閾値が、平均ベクトルの要素の９８パーセントが下回る値である、請求項４に記載のシステム。
10. 脳活動の指標を報告するための出力発生器（３）をさらに備える、請求項１〜請求項９のいずれか一項に記載のシステム。
11. 被検者の脳活動に関連する指標を計算するための方法であって、
    平均ベクトル（Ｖ_Ａ）を計算するステップと、
    前記平均ベクトル（Ｖ_Ａ）の連続する平均値における少なくとも１つの所定のパターンの存在を検出するステップ（ＤＥＴ）と、
    前記所定のパターンを検出するときに被検者の脳活動の指標（Ｉｄｘ）を生成するステップと、
    を含み、前記平均ベクトル（Ｖ_Ａ）を計算するステップは、
    複数の電極から取得される被検者の脳波信号（ＥＳ）の少なくとも１つのエポックを受信するステップ（ＲＥＶ）と、
    オートエンコーダニューラルネットワーク（ａＮＮ）への入力を提供する、脳波記録のチャンネルの数であるＮに等しいｎ次元を有する、前記脳波信号の入力行列（Ｍ_ｉｎ）（ｎｘｍ）を生成するステップ（ＧＥＮ_Ｉ）と、
    前記オートエンコーダ（ａＮＮ）を用いて再構築した出力行列（Ｍ_ｏ）を生成するステップ（ＧＥＮ_Ｏ）と、
    前記入力行列（Ｍ_ｉｎ）と前記出力行列（Ｍ_ｏ）の線形結合により、各要素が１つのチャンネルと関連付けられる、損失値ベクトル（Ｖ_ＬＶ）を生成するステップ（ＧＥＮ_ＬＶ）と、
    各連続する脳波エポックに関して得られる平均値を含む平均ベクトル（Ｖ_Ａ）を生成するために複数回繰り返される、前記損失値ベクトル（Ｖ_ＬＶ）の要素の平均値（ｈ_ｉ）を計算するステップ（ＣＡＬ）と、
    を含む、方法。
12. 前記オートエンコーダが、所定の期間にわたって複数の所定の脳波信号を含むトレーニングデータセットでトレーニングされる、請求項１１に記載の方法。
13. 前記オートエンコーダが、ニューロンの少なくとも２つの隠れ層を備える、請求項１１又は請求項１２のいずれか一項に記載の方法。
14. 所定の閾値に従って平均ベクトルの要素を二値分類するステップをさらに含む、請求項１１〜請求項１３のいずれか一項に記載の方法。
15. 前記損失値ベクトルの要素の各平均値が、調和平均で計算される、請求項１１〜請求項１４のいずれか一項に記載の方法。
16. 前記所定のパターンが、所定の値の範囲に含まれる平均ベクトルの２つの連続する平均値を検出するように構成される、請求項１１〜請求項１５のいずれか一項に記載の方法。
17. 脳波信号が、少なくとも２５６Ｈｚのサンプリングレートで取得される、請求項１１〜請求項１６のいずれか一項に記載の方法。
18. 前記入力行列（Ｍ_ｉｎ）のｍ次元が、サンプリングレートとエポック時間窓に従って定義される、請求項１１〜請求項１７のいずれか一項に記載の方法。
19. 前記所定の閾値が、平均ベクトルの要素の９８パーセントが下回る値である、請求項１４に記載の方法。
20. 被検者の脳活動に関連する指標を計算するためのコンピュータプログラム製品であって、プログラムがコンピュータにより実行されるときに請求項１１〜請求項１９のいずれか一項に記載の方法のステップをコンピュータに実施させる命令を備えるコンピュータプログラム製品。
21. プログラムがコンピュータにより実行されるときに請求項１１〜請求項１９のいずれか一項に記載の方法のステップをコンピュータに実施させる命令を備えるコンピュータ可読記憶媒体。

Images