JP2022539179A - 脳の音響共鳴頭蓋内圧のモニタリングのためのシステムおよび方法 - Google Patents

Abstract

いくつかの態様では、記載されたシステムおよび方法は、少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することを含む方法を提供する。方法は、定在波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳から取得したデータを、該少なくとも１つのトランスデューサを用いて脳から受信することをさらに含む。方法は、該取得したデータから該個人の頭蓋内圧を測定することをさらに含む。

Description

本開示は、脳の音響共鳴頭蓋内圧のモニタリングのためのシステムおよび方法に関する。

脳の健康に影響を与える神経障害は、世界的な病気の重荷のかなりの部分を占めている。このような疾患には、てんかん、アルツハイマー病、パーキンソン病が含まれる。たとえば、世界中で約６５００万人がてんかんに苦しんでいる。発展途上国では、基礎となる原因の頻度の違いにより、年長者や若年層での発症が多く見られる。症例の８０％近くが発展途上国で発生している。先進国では、新たな症例の発症は乳児と高齢者で最も多く発生している。米国には約３４０万人のてんかん患者がおり、その経済的影響は推定１５０億ドルに上る。これらの患者は、脳内の過剰で同期した神経活動のエピソードである発作の再発などの症状に苦しんでいる。世界の多くの地域では、てんかんのある人は運転する能力に制限があるか、特定の期間発作がなくなるまで運転することが許可されない。

いくつかの態様では、本明細書に記載の方法／装置は、非侵襲的（または低侵襲）な方法で、場合によっては無線でかつ継続的に、直接音響センシングを用いて脳の状態および機能のモニタリングを提供する。いくつかの実施形態では、頭皮または頭の別の適切な部分の上に非侵襲センサを留置または装着してもよい。いくつかの実施形態では、低侵襲センサは、頭皮または頭の別の適切な部分の下に留置または埋め込まれてもよい。本明細書における広い意味での音響または音は、例えば超音波および弾性波を含む力学的波の伝播を含む任意の物理過程を指す。診断およびモニタリングの対象とする脳機能は、限定するものではないが、てんかん発作の検出を含んでもよい。診断およびモニタリングの対象とする脳の状態は、限定するものではないが、頭蓋内圧、血管攣縮、出血および脳腫瘍を含んでもよい。いくつかの実施形態では、超音波トランスデューサなどのセンサは、たとえば、ウェアラブル機器および埋め込み型機器を含む様々な形状要素を用いて脳内に／脳から音響波を送信および受信するためにスタンドアロンまたはペアで使用される。本機器は、拍動プロトコルによって、脳の機能または状態の変化から来る脳内の変化を検出することができる可能性がある。たとえば、変化は、上昇した頭蓋内圧（ＩＣＰ：ｉｎｔｒａｃｒａｎｉａｌ ｐｒｅｓｓｕｒｅ）に起因して生じる可能性があり、またはてんかん発作の前に生じる可能性がある。これらの変化は、定常圧または低周波の組織ひずみの形での力学的変化として検出されてもよい。

いくつかの態様では、記載されたシステムおよび方法は、少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することを含む方法を提供する。方法は、定在波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳から取得したデータを、該少なくとも１つのトランスデューサを用いて脳から受信することをさらに含む。方法は、該取得したデータから該個人の頭蓋内圧を測定することをさらに含む。

いくつかの実施形態では、頭蓋内圧の測定は、定在波の振幅、帯域幅、および周波数のうちの少なくとも１つの変化を評価することを含む。
いくつかの実施形態では、方法は、頭蓋内圧を測定するためのプロセッサを備えた外部機器に取得したデータを送信することをさらに含む。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信して取得したデータを受信するための第１トランスデューサを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、取得したデータに基づいて個人の頭蓋内圧を測定するために、個人の脳に音響信号を送信し、定在波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳から取得したデータを受信するための少なくとも１つのトランスデューサを備える機器を提供する。

いくつかの実施形態では、機器は個人が装着可能である。
いくつかの実施形態では、機器は個人の頭蓋骨内に埋め込み可能である。
いくつかの実施形態では、機器は携帯可能である。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、少なくとも１つのコンピュータハードウェアプロセッサで実行されたときに、少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することと、定在波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳から取得したデータを、該少なくとも１つのトランスデューサを用いて脳から受信することと、該取得したデータから該個人の頭蓋内圧を測定することと、を含む動作を該少なくとも１つのコンピュータハードウェアプロセッサに実行させるプロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体を提供する。

いくつかの実施形態では、頭蓋内圧の測定は、頭蓋内圧を予測するように訓練された機械学習モデルに取得したデータを提供することを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、少なくとも１つのトランスデューサを用いて患者の頭蓋骨に音響信号を送信することを含む方法を提供する。方法は、ガイド波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、頭蓋骨から取得したデータを、該少なくとも１つのトランスデューサを用いて頭蓋骨から受信することをさらに含む。方法は、該取得したデータから該個人の頭蓋内圧を測定することをさらに含む。

いくつかの実施形態では、頭蓋内圧の測定は、ガイド波の振幅、帯域幅、および周波数のうち少なくとも１つの変化を評価することを含む。
いくつかの実施形態では、方法は、頭蓋内圧を測定するためのプロセッサを備えた外部機器に取得したデータを送信することをさらに含む。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、取得したデータに基づいて個人の頭蓋内圧を測定するために、該個人の頭蓋骨に音響信号を送信し、ガイド波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、頭蓋骨から取得したデータを受信するための少なくとも１つのトランスデューサを備える機器を提供する。

いくつかの実施形態では、機器は個人が装着可能である。
いくつかの実施形態では、機器は、個人の頭蓋骨内に埋め込み可能である。
いくつかの実施形態では、機器は携帯可能である。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、少なくとも１つのコンピュータハードウェアプロセッサで実行されたときに、少なくとも１つのトランスデューサを用いて患者の頭蓋骨に音響信号を送信することと、ガイド波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳から取得したデータを、該少なくとも１つのトランスデューサを用いて頭蓋骨から受信することと、該取得したデータから該個人の頭蓋内圧を測定することと、を含む動作を該少なくとも１つのコンピュータハードウェアプロセッサに実行させるプロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体を提供する。

いくつかの実施形態では、頭蓋内圧の測定は、頭蓋内圧を予測するように訓練された機械学習モデルに取得したデータを提供することを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することを含む方法を提供する。方法は、定在波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳から取得したデータを、該少なくとも１つのトランスデューサを用いて脳から受信することをさらに含む。方法は、該取得したデータから該個人の発作を検出することをさらに含む。

いくつかの実施形態では、発作の検出は、定在波の振幅、帯域幅、および周波数のうち少なくとも１つの変化を評価することを含む。
いくつかの実施形態では、方法は、発作を検出するためのプロセッサを備えた外部機器に取得したデータを送信することをさらに含む。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの実施形態では、定在波に基づく発作部位の位置の決定すること。
いくつかの態様では、記載されたシステムおよび方法は、取得したデータに基づいて個人の発作を検出するために、該個人の脳に音響信号を送信し、定在波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳から取得したデータを受信するための少なくとも１つのトランスデューサを備える機器を提供する。

いくつかの実施形態では、機器は個人が装着可能である。
いくつかの実施形態では、機器は、個人の頭蓋骨内に埋め込み可能である。
いくつかの実施形態では、機器は携帯可能である。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、少なくとも１つのコンピュータハードウェアプロセッサで実行されたときに、少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することと、定在波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳から取得したデータを、該少なくとも１つのトランスデューサを用いて脳から受信することと、該取得したデータから該個人の発作を検出することと、を含む動作を該少なくとも１つのコンピュータハードウェアプロセッサに実行させるプロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体を提供する。

いくつかの実施形態では、発作の検出は、個人の発作を予測するように訓練された機械学習モデルに取得したデータを提供することを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、少なくとも１つのトランスデューサを用いて患者の脳および頭蓋骨のうち少なくとも１つに音響信号を送信することを含む方法を提供する。方法は、定在波、ガイド波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳および頭蓋骨のうち少なくとも１つから取得したデータを、該少なくとも１つのトランスデューサを用いて脳および頭蓋骨のうち少なくとも１つから受信することをさらに含む。方法は、該取得したデータから該個人の脳内の腫瘍の存在を判断することをさらに含む。

いくつかの実施形態では、方法は、取得したデータに基づいて腫瘍の位置を特定することをさらに含む。
いくつかの実施形態では、腫瘍の存在の判断は、定在波およびガイド波の両方もしくは一方の振幅、帯域幅、および周波数のうち少なくとも１つの変化を評価することを含む。

いくつかの実施形態では、方法は、腫瘍の存在を判断するためのプロセッサを備えた外部機器に取得したデータを送信することをさらに含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、取得したデータに基づいて個人の脳内の腫瘍の存在を判断するために、該個人の脳および頭蓋骨のうち少なくとも１つに音響信号を送信し、定在波、ガイド波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳および頭蓋骨のうち少なくとも１つから取得したデータを受信するための少なくとも１つのトランスデューサを提供する。

いくつかの実施形態では、機器は個人が装着可能である。
いくつかの実施形態では、機器は、個人の頭蓋骨内に埋め込み可能である。
いくつかの実施形態では、機器は携帯可能である。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、少なくとも１つのコンピュータハードウェアプロセッサで実行されたときに、少なくとも１つのトランスデューサを用いて患者の脳および頭蓋骨のうち少なくとも１つに音響信号を送信することと、定在波、ガイド波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳および頭蓋骨のうち少なくとも１つから取得したデータを、該少なくとも１つのトランスデューサを用いて脳および頭蓋骨のうち少なくとも１つから受信することと、該取得したデータから該個人の脳内の腫瘍の存在を判断することと、を含む動作を該少なくとも１つのコンピュータハードウェアプロセッサに実行させるプロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体体を提供する。

いくつかの実施形態では、腫瘍の存在の判断は、個人の脳内の腫瘍の存在を予測するように訓練された機械学習モデルに取得したデータを提供することを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することを含む方法であって、該少なくとも１つのトランスデューサが、複数の音響モードの励起を誘発するように構成されている方法を提供する。方法は、定在波、周波数応答、インパルス応答／過渡応答、および音響モードの分布のうち少なくとも１つに関連する情報を含む、脳から取得したデータを、該少なくとも１つのトランスデューサを用いて受信することをさらに含む。方法は、該取得したデータから該個人の脳内の頭蓋内圧の分布を割り出すことをさらに含む。

いくつかの実施形態では、頭蓋内圧の分布の割り出しは、頭蓋内圧の分布を予測するように訓練された機械学習モデルに取得したデータを提供することを含む。
いくつかの実施形態では、方法は、頭蓋内圧の分布を割り出すためのプロセッサを備えた外部機器に取得したデータを送信することをさらに含む。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、取得したデータに基づいて頭蓋内圧の分布を割り出すために、個人の脳に音響信号を送信し、定在波、周波数応答、インパルス応答／過渡応答、および音響モードの分布のうち少なくとも１つに関連する情報を含む、脳から取得したデータを受信するための少なくとも１つのトランスデューサを備える機器を提供する。

いくつかの実施形態では、機器は個人が装着可能である。
いくつかの実施形態では、機器は、個人の頭蓋骨内に埋め込み可能である。
いくつかの実施形態では、機器は携帯可能である。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、少なくとも１つのコンピュータハードウェアプロセッサで実行されたときに、少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することであって、該少なくとも１つのトランスデューサが、複数の音響モードの励起を誘発するように構成されていることと、定在波、周波数応答、インパルス応答／過渡応答、および音響モードの分布のうち少なくとも１つに関連する情報を含む、脳から取得したデータを、該少なくとも１つのトランスデューサを用いて受信することと、該取得したデータから該個人の脳内の頭蓋内圧の分布を割り出すことと、を含む動作を該少なくとも１つのコンピュータハードウェアプロセッサに実行させるプロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体を提供する。

いくつかの実施形態では、頭蓋内圧の分布の割り出しは、頭蓋内圧の分布を予測するように訓練された機械学習モデルに取得したデータを提供することを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することを含む方法であって、該少なくとも１つのトランスデューサが、複数の音響モードの励起を誘発するように構成されている方法を提供する。方法は、定在波、周波数応答、インパルス応答／過渡応答、および音響モードの分布のうち少なくとも１つに関連する情報を含む、脳から取得したデータを、該少なくとも１つのトランスデューサを用いて受信することをさらに含む。方法は、該取得したデータから該個人の脳内の発作部位の位置を特定することをさらに含む。

いくつかの実施形態では、発作部位の位置の特定は、発作部位の位置を予測するように訓練された機械学習モデルに取得したデータを提供することを含む。
いくつかの実施形態では、方法は、発作部位の位置を特定するためのプロセッサを備えた外部機器に取得したデータを送信することをさらに含む。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、取得したデータに基づいて発作部位の位置を特定するために、個人の脳に音響信号を送信し、定在波、周波数応答、インパルス応答／過渡、および音響モードの分布のうち少なくとも１つに関連する情報を含む、脳から取得したデータを受信するための少なくとも１つのトランスデューサを備える機器を提供する。

いくつかの実施形態では、機器は個人が装着可能である。
いくつかの実施形態では、機器は、個人の頭蓋骨内に埋め込み可能である。
いくつかの実施形態では、機器は携帯可能である。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

いくつかの態様では、記載されたシステムおよび方法は、少なくとも１つのコンピュータハードウェアプロセッサで実行されたときに、少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することであって、該少なくとも１つのトランスデューサが、複数の音響モードの励起を誘発するように構成されていることと、定在波、周波数応答、インパルス応答／過渡、および音響モードの分布のうち少なくとも１つに関連する情報を含む、脳から取得したデータを、該少なくとも１つのトランスデューサを用いて受信することと、該取得したデータから該個人の脳内の発作部位の位置を特定することと、を含む動作を該少なくとも１つのコンピュータハードウェアプロセッサに実行させるプロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体を提供する。

いくつかの実施形態では、発作部位の位置の特定は、発作部位の位置を予測するように訓練された機械学習モデルに取得したデータを提供することを含む。
いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための且つ取得したデータを受信するための第１トランスデューサを含む。

いくつかの実施形態では、少なくとも１つのトランスデューサは、音響信号を送信するための第１トランスデューサと、取得したデータを受信するための第２トランスデューサとを含む。

本明細書に記載のいくつかの態様および実施形態または態様もしくは実施形態は頭蓋内圧またはてんかんに関連する用途に関して説明されているが、これらの態様および実施形態または態様もしくは実施形態は、任意の適切な神経障害の症状をモニタリングして治療するために、またはモニタリングもしくは治療するために同様に適用可能である。本明細書に記載の実施形態の限定は、それらの実施形態のみの限定であって、本明細書に記載の任意の他の実施形態の限定ではない。

以下の図面を参照して様々な態様および実施形態を説明する。図面は、必ずしも縮尺どおりに描かれていない。

本明細書に記載の技術のいくつかの実施形態による、脳音響共鳴（ＢＡＲ：Ｂｒａｉｎ Ａｃｏｕｓｔｉｃ Ｒｅｓｏｎａｎｃｅ）頭蓋内圧（ＩＣＰ）モニタリングの例示的な例を示す。 本明細書に記載の技術のいくつかの実施形態による、例示的なＩＣＰモニタリングのブロック図を示す。 本明細書に記載の技術のいくつかの実施形態による、容量性マイクロマシン超音波トランスデューサ（ＣＭＵＴ：Ｃａｐａｃｉｔｉｖｅ Ｍｉｃｒｏｍａｃｈｉｎｅｄ Ｕｌｔｒａｓｏｎｉｃ Ｔｒａｎｓｄｕｃｅｒ）セルの説明図を示す。 本明細書に記載の技術のいくつかの実施形態による、容量性マイクロマシン超音波トランスデューサ（ＣＭＵＴ）セルの説明図を示す。 本明細書に記載の技術のいくつかの実施形態による、容量性マイクロマシン超音波トランスデューサ（ＣＭＵＴ）セルの説明図を示す。 本明細書に記載の技術のいくつかの実施形態による、容量性マイクロマシン超音波トランスデューサ（ＣＭＵＴ）セルの説明図を示す。 本明細書に記載の技術のいくつかの実施形態による、等方性弾性導波路に沿った部分的な縦波と横波との重ね合わせおよびモード変換の説明図を示す。 本明細書に記載の技術のいくつかの実施形態による、ラム波（Ｌａｍｂ ｗａｖｅｓ）に関する例示的な分散曲線およびモード形状を示す。 本明細書に記載の技術のいくつかの実施形態による、ラム波に関する例示的な分散曲線およびモード形状を示す。 本明細書に記載の技術のいくつかの実施形態による、頭蓋骨ラム波ＩＣＰモニタリングの例示的な例を示す。 本明細書に記載の技術のいくつかの実施形態による、ＢＡＲ発作モニタリングの例示的な例を示す。 本明細書に記載の技術のいくつかの実施形態による、脳全体の頭蓋内圧、その分布、発作の存在、発作部位の位置、または脳機能もしくは状態の他の指標を特定するための例示的なアルゴリズムの概要を示す。 本明細書に記載の技術のいくつかの実施形態による、（たとえば図８に示すような）アルゴリズムを構築および展開するためのプロセスの例示的なフロー図を示す。 本明細書に記載の技術のいくつかの実施形態による、ＢＡＲベースのＩＣＰ評価のための例示的な入力データを示す。 本明細書に記載の技術のいくつかの実施形態による、一連の周波数における頭蓋骨内の音響共振の例を示す。 本明細書に記載の技術のいくつかの実施形態による、様々な頭蓋内圧および周波数における頭蓋骨上のセンサの応答の例を示す。 本明細書に記載の技術のいくつかの実施形態による、ＩＣＰ評価のためのプロセスの例示的なフロー図を示す。 本明細書に記載の技術のいくつかの実施形態による、混同行列によるテストデータに対する統計モデルの性能を示す。 本明細書に記載の技術のいくつかの実施形態による、神経障害の１つまたは複数の症状を検出して予測するためにまたは検出もしくは予測するために使用してもよい畳み込みニューラルネットワークを示す。 本明細書に記載の技術のいくつかの実施形態による、神経障害の１つまたは複数の症状を検出して予測するためにまたは検出もしくは予測するために使用してもよい他の畳み込みニューラルネットワークを示す。 本明細書に記載の技術のいくつかの実施形態の実行に使用してもよい例示的なコンピュータシステムのブロック図を示す。

本明細書において、本発明者らは、脳および頭蓋骨または脳もしくは頭蓋骨に超音波を送信して受信することによって、脳機能ならびに、てんかん発作、頭蓋内圧、血管攣縮、出血および脳腫瘍などの脳の状態を非侵襲的または低侵襲的に診断および治療することができることを見出した。いくつかの態様では、本明細書に記載の機器、方法およびシステムは、脳の状態および機能を非侵襲的または低侵襲的にモニタリングすることを提供する。いくつかの実施形態では、このような機器、方法およびシステムは、脳の状態を診断および治療または診断もしくは治療もする。いくつかの実施形態では、非侵襲センサは、頭皮または頭の別の適切な部分に配置または装着されてもよい。いくつかの実施形態では、低侵襲センサは、頭皮または頭の別の適切な部分の下に配置または埋め込まれてもよい。

たとえば、記載されたシステムおよび方法は、てんかん発作を特徴とする神経疾患の一群であるてんかんを治療するために使用してもよい。てんかん発作は、短くてほぼ検知されない時間から長時間の激しい振戦まで多岐にわたる可能性がある発作である。これらの発作は、時には骨折を含む身体的損傷を引き起こす可能性がある。てんかんにおいて、発作は再発する傾向があり、直接の根本原因はない。脳損傷、脳卒中、脳腫瘍、脳の感染症および、てんかん原生として知られているプロセスによる先天異常の結果として生じる場合がある。これらの場合において、てんかん発作は、脳の皮質における異常なニューロン活動を含む過剰で異常な脳機能の結果である。診断は、類似の症状（失神など）の原因となり得る他の状態を除外し、発作以外の原因（アルコール離脱または電解質異常など）が存在するかどうかを判断することを含む。これは、脳を画像化し、血液検査を行うことによってある程度行うことが可能である。てんかんの診断は、通常は、発作発症と根本原因の観察とに基づいて行われる。脳波を含む脳機能の異常なパターンを探すための脳波記録（ＥＥＧ：Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｐｈｙ）などの機能的神経イメージング法および、脳の構造を調べるためのコンピュータ断層撮影法（ＣＴ：Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）または磁気共鳴画像法（ＭＲＩ：Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ）などの構造的神経イメージング法も、通常は診断の一部である。てんかんは、通常、手術が行われる場合を除き治癒させることはできない。一般的な手技は、前側頭葉切除による海馬の切除、腫瘍の切除、および新皮質の部分切除を含む。脳梁切離などの一部の手技は、症状を治癒させるのではなく、発作の回数を減らすために試みられる場合がある。しかしながら、その手術の転帰は、会話、運動の制御などの特定の能力の機能喪失などの、想定外の過酷な転帰をもたらす場合がある。神経刺激は、手術の候補者ではない個人における他の選択肢の可能性がある。投薬に反応しない個人において、迷走神経刺激、視床前核刺激、および閉ループ応答性刺激を含む特定のタイプの神経刺激は有効である可能性がある。

いくつかの実施形態では、記載されたシステムおよび方法を用いた診断およびモニタリングの対象とする脳機能および状態は、凝血量および経時的再発の評価、正中偏位および脳圧迫の評価ならびにカテーテルのガイド下挿入を含む脳腫瘍および出血の検出とモニタリングとを含んでもよい。さらに、記載されたシステムおよび方法を用いて、血管攣縮の検出およびモニタリングが行われてもよい。通常は、血管攣縮の検出のためにベッドサイド経頭蓋超音波法を使用してもよい。しかしながら、頭蓋骨を通った超音波の通過は、なお制限因子である可能性がある。さらに、血管攣縮はいつでも起こり得るため、信頼できる診察は行われていないまま患者が重症で昏睡状態となることもしばしばである。

本明細書において、本発明者らは、脳機能をモニタリングおよび治療するための既存の方法、システムおよび機器に伴う限界を認識した。従来の非侵襲的技術は、ＥＥＧおよびＭＲＩ／ＣＴスキャンを含む。ＥＥＧは、脳の電気活動を記録するための電気生理学的モニタリング方法である。ＥＥＧは、頭皮に沿って配置された電極を用い、通常は非侵襲的であるが、皮質脳波検査などで侵襲電極が用いられる場合もある。ＥＥＧは、脳のニューロン内のイオン電流によって生じる電圧変動を測定する。ＥＥＧは、ＥＥＧ読み取り値に異常をきたすてんかんを診断するために最もよく使われる。ＥＥＧは、診断のための空間分解能が低い。多くの場合、てんかんの適切な診断または検出のために、高い時間分解能および高い空間分解能の両方が必要とされる。神経系の構造を捉え、大規模な頭蓋内疾患（腫瘍など）または損傷を診断し、てんかん事象を検出するために、ＭＲＩおよびＣＴを使用することができる。それらは、診断のための高い空間分解能を提供する。しかしながら、それらは時間分解能が低い。さらに、それらは大変高価であり、また携帯可能ではない。ＥＥＧは、空間分解能に制限はあるものの、利用可能な数少ない携帯可能な技術の１つであり、ＣＴまたはＭＲＩでは不可能なミリ秒の範囲の時間分解能を提供する。さらに、疾患再発の早期検出および病院内での脳の変化には、継続的なイメージングおよびモニタリングシステムまたは継続的なイメージングもしくはモニタリングシステムが必要であり、これは、早期の再発検出（たとえば脳腫瘍）に特に重要である。

いくつかの態様では、記載されたシステムおよび方法は、頭蓋骨および脳または頭蓋骨もしくは脳の共振モードを一括して励起し受信することによって頭蓋内圧、発作、および／または個人の他の適切な状態を測定することが可能な、新規なウェアラブルまたは埋め込み型頭蓋内圧（ＩＣＰ）モニタリングユニットを提供する。本発明者らは、頭蓋骨および脳は、１つの実体として、無数の共振モードからなる共振空洞を形成することを認識した。個人の頭における頭蓋内圧は、脳および頭蓋骨の力学的特性の小さな変化として現れる可能性があり、音速の変化または音響波の減衰の形で現れる可能性がある。共振周波数、それらの振幅、位相、および／または帯域幅（または品質係数）は、それによって組織構造における頭蓋内圧または任意の変化を測定する手段を提供する、音速および減衰の関数、または音速もしくは減衰の関数であってもよい。いくつかの実施形態では、測定は、音響トランスデューサ（たとえば電気エネルギーを力学的エネルギーに、またはその逆に変換する機器）にパルスを送り、個人の頭に装着または埋め込まれた同じトランスデューサおよび／または他のトランスデューサにおいて、頭蓋骨内、脳内、または両方を伝播する波を聞く（たとえば測定する）ことによって行われる。共振は、短パルスでトランスデューサを励起することによって時間領域で識別されてもよいし、または様々な周波数における長い繰り返し単一周波数トーンバーストによってトランスデューサを励起することによって周波数領域で識別されてもよい。

いくつかの態様では、記載されたシステムおよび方法は、無線接続性、低電力性、小型化、および／またはＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ：人工知能）搭載のウェアラブル（または埋め込み型）を用いて、リアルタイム、患者個体別、および／または個人のＩＣＰまたは発作の直接の読み取りを提供する。

頭蓋内圧（ＩＣＰ）は、頭蓋骨内部の圧力、すなわち脳組織および脳脊髄液（ＣＳＦ：ｃｅｒｅｂｒｏｓｐｉｎａｌ ｆｌｕｉｄ）の内部の圧力として定義される。脳組織は、超弾性非圧縮性材料挙動を示す柔らかい物体であり、一定の全容量を維持しながら大きな可逆変形（またはひずみ）を経験することができる。脳の内部でのＣＳＦと頭蓋内血液量との間の関係は、脳が非圧縮性であるため、頭蓋骨が無傷のときには脳、ＣＳＦおよび頭蓋内血液の容量の合計が一定であることを記述したモンローケリー学説（Ｍｏｎｒｏｅ Ｋｅｌｌｉｅ ｄｏｃｔｒｉｎｅ）によって説明されている。非圧縮性は、脳の内部のバックグラウンド定常応力または定常圧力の蓄積をもたらす。ＩＣＰの変化は、脳または頭蓋骨の基礎となる音響特性に影響を及ぼす定常応力として作用する。ＩＣＰは、通常は、健康な仰臥位の成人において６６６．６１～１９９９．８４ｋＰａ（５～１５ｍｍＨｇ）、小児において３９９．９６～９３３．２５ｋＰａ（３～７ｍｍＨｇ）、乳児において１９９．９８～７９９．９３ｋＰａ（１．５～６ｍｍＨｇ）であるとき正常であるとみなされる。ＩＣＰは、２６６６．４５Ｐａ（２０ｍｍＨｇ）より高いとき、高いとみなしてもよい。これは、不可逆的な脳損傷および死につながる二次的損傷の重大な原因であるとみなしてもよい。

音弾性効果は、初期静的応力場を受けた場合、弾性材料の音速（縦波速度と横波速度の両方）がどのように変化するかに関係する。これは、連続塊の材料における機械的応力と有限ひずみとの間の構成関係の非線形効果である。古典的な線形弾性理論において、大部分の弾性材料の小さな変形は、加えられた応力と引き起こされたひずみとの間の直線関係によって説明することができる。この関係は、一般化されたフックの法則（Ｈｏｏｋｅ’ｓ ｌａｗ）として一般に知られている。線形弾性理論は、二次弾性係数（ラメパラメータ（Ｌａｍｅ ｐａｒａｍｅｔｅｒｓ）として知られている）を含み、加えた応力に影響されない、弾性材料における一定の縦および横音速をもたらす。音弾性効果は、一方で、加えられた応力と引き起こされたひずみとの間の構成関係（非線形弾性理論）の高次拡張を含む、材料の応力状態に依存する縦および横音速をもたらす。応力無負荷材料の制限内で、線形弾性理論の音速が再現される。

ＩＣＰモニタリングは、多くの症状、たとえば、外傷性脳損傷、脳出血、くも膜下出血、水頭症、悪性梗塞、脳浮腫、ＣＮＳ感染症、肝性脳症などに使用してもよい。これらの症状において、他のパラメータを考慮したＩＣＰモニタリングは、よりよい転帰のための状態の管理に影響を与えるのに役立つ可能性がある。症状によっては、わずかな変動でも管理の変更を必要とする可能性があるので、ＩＣＰをモニタリングすることが重要である可能性がある。通常は、ＩＣＰは、外部の圧力トランスデューサに接続された侵襲性脳室内カテーテルを用いてモニタリングされてもよい。たとえば、カテーテルは、穿頭孔を通して脳室の１つに留置されてもよい。カテーテルは、治療用ＣＳＦドレナージおよび薬物の投与にも用いることができる。この従来の方法は、ＩＣＰモニタリングの正確で費用対効果の高い方法ではあるが、多くの厄介な問題が伴う。それらには、感染リスク、出血、閉塞、留置困難、不良肢位などが含まれる。ＩＣＰモニタリングのための他の侵襲的モダリティは、それらのすべてが脳室内カテーテル挿入と同じ厄介な問題を伴い、実質内モニタリング、硬膜下および硬膜外機器、ならびに脊椎穿刺測定を含む。

侵襲性ＩＣＰモニタリングの厄介な問題には、切断、機器故障、感染症、および出血を含んでもよい。脳室カテーテル関連の感染率はおよそ１０％であり、カテーテル留置の期間に関連している。抗生物質含浸カテーテルの使用は、感染発症までの平均期間を長引かせることによって感染リスクを低減することができる可能性がある。カテーテルによる臨床的に症候性の出血は０．７％～２．４％である。従来の技術には、経頭蓋超音波ドプラ法、近赤外分光法、ＭＲＩ、ＣＴ、ＥＥＧなどが含まれる。詳しい情報は、Ｍ．Ｎ．カーン（Ｍ．Ｎ．Ｋｈａｎ）ら、「Ｎｏｎｉｎｖａｓｉｖｅ ｍｏｎｉｔｏｒｉｎｇ ｉｎｔｒａｃｒａｎｉａｌ ｐｒｅｓｓｕｒｅ：Ａ ｒｅｖｉｅｗ ｏｆ ａｖａｉｌａｂｌｅ ｍｏｄａｌｉｔｉｅｓ」、Ｓｕｒｇ Ｎｅｕｒｏｌ Ｉｎｔ．２０１７；８：５１（２０１７年４月）（これは、参照によりその全体が本願に組み込まれる）で見出される。

いくつかの実施形態では、本明細書に記載の機器は、共振または共振挙動を示す共振器を含む。すなわち、共振器は、共振周波数と呼ばれるいくつかの周波数において他の周波数よりも大きな振幅で自然に振動する。共振器における振動は、電磁的または機械的（音響を含む）のいずれでも可能である。共振器は、特定の周波数の波を生成するか、または信号から特定の周波数を選択するために使用される。楽器は、特定の音の音波を生成する音響共振器を使用する。他の例は、大変正確な周波数の振動を生成させるために無線送信器および水晶時計などの電子機器に用いられている水晶である。空洞共振器は、機器の内部の孤立空間または有界空間に波が存在する共振器である。音響空洞共振器の例は、ギターの弦またはヘルムホルツ共振器（１つの開口部を有する空洞内で空気が振動することによってその中で音が生成される）を含む。

共振の主要特性は、共振の周波数、振幅、位相、Ｑ値（または同等の比帯域幅）である。Ｑ値（または品質係数）は、発振器または共振器の不足減衰がどの程度であるかを説明し、その中心周波数に対する共振器の帯域幅を特徴付ける無次元パラメータである。より高いＱは、共振器の蓄積エネルギーと比較してエネルギー損失率が低いことを示し、振動はよりゆっくりと消失する。高品質ベアリングから吊り下げられて空気中で振動する振り子は高いＱを有する一方で、油に浸された振り子は低いＱを有する。品質係数が高い共振器は低減衰であり、より長く鳴ったり振動したりする。したがって、高Ｑ共振器は、低Ｑ共振器よりもはるかに容易に摂動することができる。

いくつかの実施形態では、本明細書に記載の機器は、たとえば、ウェアラブルおよび埋め込み型を含む様々な形状要素を用いて脳内に／脳から音響波を送信および受信するためにスタンドアロンまたはペアで使用される超音波トランスデューサを含む。本機器は、拍動プロトコルによって、脳の機能または状態の変化から来る脳内の変化を検出することができる可能性がある。たとえば、変化は、上昇した頭蓋内圧（ＩＣＰ）に起因して生じる可能性があり、またはてんかん発作の前に生じる可能性がある。これらは、定常圧または低周波の組織ひずみの形での力学的変化である。

いくつかの実施形態では、本明細書に記載の機器は、ウェアラブルまたは埋め込み型（たとえば頭皮の下）のいずれでも可能である。ウェアラブル型において、機器の形状要素は、１つまたはいくつかの小さな接着パッチにすることができる。あるいは、機器は、ヘルメットまたはキャップに組み込むことができる。機器は無線で充電することができ、装着する（腕時計またはスマートフォンなど）または埋め込む（首／腕の小さなパッチなど）ことができるハブにデータを転送することができる。

脳音響共鳴（ＢＡＲ）頭蓋内圧モニタ
いくつかの実施形態では、記載されたシステムおよび方法は、小型のウェアラブルまたは埋め込み型トランスデューサを頭に置いて、頭の中（たとえば脳および頭蓋骨を一緒に）で音響モードを励起してそれを聞くためのＢＡＲ頭蓋内圧モニタを提供する。音響モードは、励起の周波数が固有振動数の１つと一致するときに人間の頭などの音響システムがより大きな規模の振動を経験する、特定の固有振動数における機械振動として定義されてもよい。トランスデューサは非常に小型（たとえば１～２センチメートルのオーダーまたは別の適切なサイズ）であり、可能な限り多くのモード（たとえば数十のオーダーまたは別の適切な数のモード）を励起するために大きい空間帯域幅を提供してもよい。いくつかの実施形態では、ＩＣＰを測定するためにただ１つのトランスデューサで十分な可能性がある。いくつかの実施形態では、より多くの局所読み取り値を得るために、より多くのトランスデューサを頭に配置することができる。

高周波（および短波長）限界での複雑な構造における波伝播は複雑であり、情報が豊富である。たとえば、横方向の幅が１５センチメートルの頭蓋骨に関して、数十キロヘルツ以上のオーダーの任意の周波数（たとえば１～２センチメートル以下のオーダーの波長）がこのセクションに含まれる可能性がある。波の媒体の複雑さは、サブ波長の不均一性の存在に起因する（たとえば散乱物体に起因する）、または均質媒体を取り囲む幾何学的境界に起因する可能性がある。幾何学的境界に起因する複雑さは、シュレディンガー方程式（Ｓｃｈｒｏｄｉｎｇｅｒ ｅｑｕａｔｉｏｎ）の高エネルギー状態（たとえば、音響エンクロージャにおける固有振動数の類似物）の解を記述するために量子カオス理論を用いて処理してもよい。ヘルムホルツ方程式（Ｈｅｌｍｈｏｌｔｚ ｅｑｕａｔｉｏｎ）は、電磁波および音響波に関するシュレディンガー方程式の形式的な類似物であるため、これにより波のカオスの分野が生まれた。音響エンクロージャは、光線のダイナミクスがカオスを示してもよい、波の空洞の一般的な例である。波のカオスは、周波数スペクトルの一般的な統計的挙動および、対応するエンクロージャのモードの特定の空間パターンなどの豊富な波動現象をもたらす。高周波モードの統計的挙動は、エンクロージャの幾何学的形状に依存してもよい。

古典的設定において、規則（または積分可能）運動および不規則（またはカオス）運動という２つのタイプの運動が考えられ得る。規則領域は安定な軌跡を示し、たとえば、反射の数の如何にかかわらず光線軌跡が届かない領域であるコースティクスを示す可能性がある。一方で、カオス領域において、軌跡は不安定でありエルゴード的である（波動領域において、すべてのポイントにほぼ確実に質問することを意味する）。これらのモードは、初期条件／入力に敏感性を示す。波エンクロージャにおける光線軌跡の不安定性は、システムの入力に対する極めて高い感度の発現である。さらに、通常のシステムの幾何学的形状は、波長のオーダーの任意の不規則な摂動が、それをカオス領域に変えることができるように、幾何学的形状に対する任意の摂動に対して感受性が高いようにすることができる。有界波動領域のこれらのモードは、スペックル状（たとえばエルゴード的）または瘢痕状の場合がある。瘢痕モードは、波動領域のサブセットの近傍における強度増強によって実現されてもよい。エルゴード的挙動は、情報が等しい確率でどこにでも届くように誘導するのに対し、瘢痕挙動は、情報が主に領域のサブ領域に閉じ込められることを意味する。物体が、それ以外は均質な正規領域に入れられる場合、瘢痕挙動は、その基礎となる波動特性（屈折率など）を効率よく摂動し、その結果、エルゴードモードによって、その基礎となるモードの一部を摂動する。

残響は、エンクロージャ内の波の複雑さのもう１つの態様である。これは、多数の反射の結果としてエンクロージャ内に波動場が形成されるプロセスである。これは波動エネルギーの混合をもたらし、その結果、情報の一貫性のない拡散をもたらす。残響は、一般にエンクロージャ内の波動場の過渡挙動によって識別される。光を、波動エネルギーを運ぶ点状粒子の軌跡と見なす場合、エネルギーの流れはカオス領域において均一な等方性分布を示すであろう。すべての波長が物体に対して一般に非常に短い光学系とは対照的に、音響学／超音波においては多数の長さスケールが共存するため、回折効果と複雑な散乱パターンとは同様に重要であり、考慮する必要があることが示唆される。残響は、空洞の音響モードのランダムな重ね合わせとして理解することができる。

本発明者らは、人間の頭（たとえば頭蓋骨および内部のすべて）がカオス的な共振音響空洞であることを認識した。すべての音響モードの集団励起を通して残響場を設定することにより、エルゴードモードが励起され、脳のすべてのポイントに質問することを確実にしてもよい。これによって、脳内のいかなる場所の摂動もこれらのモードの一部または全部に影響を及ぼすことを確実にしてもよい。対象の周波数範囲では、音波の減衰は非常に低い。したがって、モードは高Ｑモードであり、任意の摂動に対して大変感度が高い。場の残響は、時間の関数として摂動を励起してモニタリングするのに役立つ。場の残響は、摂動の情報の最大量が記録されることも確実にする。したがって、場の残響は、全ての空間情報を時間にマッピングし、それによって空間測定の数を減らすのに役立つ。

図１は、本明細書に記載の技術のいくつかの実施形態による脳音響共鳴（ＢＡＲ）頭蓋内圧（ＩＣＰ）モニタの例示的な例１００を示す。図１において、音響トランスデューサ１０２は、個人の脳１０４内に残響場（カオス定在波としても知られる）を設定してもよい。定在波は脳の音響共振の重ね合わせであり、様々な頭蓋内圧で変調される。重ね合わせた画像において、正弦波のような軌跡は、１つの音響トランスデューサ１０２から他へ行く波を示している。この画像は、頭蓋骨内の波の多重反射の結果として設定された残響定在波パターンを示している。いくつかの実施形態では、空間内の任意のポイントにおける定在波の振動のピーク振幅は時間に対して一定であってもよく、定在波の全体にわたる様々なポイントにおける振動は同相であってもよい。受信した波形は、ＢＬＵＥＴＯＯＴＨ（登録商標）または別の適切な通信手段を通してＡＰＰＬＥ ＷＡＴＣＨ（登録商標）またはＩＰＨＯＮＥ（（登録商標））または別の適切な機器などのハブ１０６に無線送信されてもよい。

図２は、本明細書に記載の技術のいくつかの実施形態による例示的なＩＣＰモニタのブロック図２００を示す。患者２０２は、彼または彼女の頭に配置された機器２０４（たとえば音響学トランスデューサ１０２）のネットワークを有していてもよい。機器２０４のネットワークは、患者２０２の脳およびスキルまたは脳もしくはスキルから取得したデータを、送受信電子機器２０６を用いて、たとえば無線で、ＢＬＵＥＴＯＯＴＨ（登録商標）または別の適切な通信手段で送信してもよい。このデータは、ディスプレイ２０８で処理されて表示されてもよいし、または、処理もしくは表示されてもよい。たとえば、データは、ＡＰＰＬＥ ＷＡＴＣＨ（登録商標）またはＩＰＨＯＮＥ（登録商標）またはディスプレイ２０８を含む別の適切な機器にて、患者の頭から受信した波形を含んでもよい。

いくつかの実施形態では、脳音響共鳴頭蓋内圧モニタのための方法、システム、および／または機器は、１つまたは複数のトランスデューサを用いて脳に音響信号を送信する。トランスデューサは、定在波、音響モードの分布、周波数応答、およびンパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳から取得したデータを受信する。周波数応答は、信号に応答した脳からの出力の定量的尺度であってもよい。たとえば、周波数応答は、入力と比較した、周波数関数としての出力の大きさおよび位相の測定値を含んでもよい。インパルス応答が、短い入力信号が提示されたときの脳からの応答であってもよい一方で、過渡応答は、平衡状態または定常状態から変化するときの脳からの応答であってもよい。いくつかの実施形態では、同じトランスデューサが、脳に音響信号を送信し、脳から取得したデータを受信する。いくつかの実施形態では、脳に音響信号を送信するために使用したトランスデューサは、脳から取得したデータを受信するために使用したトランスデューサとは異なる。

頭蓋内圧は、たとえば図１０に示すように、取得データから測定される。たとえば、頭蓋内圧の測定は、定在波の振幅、帯域幅、および周波数のうち少なくとも１つの変化を評価することを含んでもよい。これに加えて、またはこれに代えて、頭蓋内圧を測定するためのプロセッサを備えた外部機器に取得データを送信してもよい。たとえば、頭蓋内圧は、統計モデル（たとえば、図１５～図１６に関して説明する統計モデルまたは別の適切な統計モデル）を用いて取得データの少なくとも一部を入力として受信して、頭蓋内圧の測定値または頭蓋内圧の測定に適した関連情報を出力する外部機器で測定してもよい。脳音響共鳴頭蓋内圧モニタのための機器は、個人が装着可能であってもよく、個人の頭蓋骨内に埋め込み可能であってもよく、および／または本質的に携帯可能であってもよい。

いくつかの実施形態では、本開示の全体を通じて記載されている頭蓋骨および脳または頭蓋骨もしくは脳のモードを励起するための技術は、直接表面貼付けトランスデューサ、ウェッジトランスデューサ、および／またはインターデジタルトランスデューサ／櫛形トランスデューサを含んでもよい。トランスデューサには、圧電、ＣＭＵＴ（容量性マイクロマシン超音波トランスデューサ）、電磁音響トランスデューサ（ＥＭＡＴ：Ｅｌｅｃｔｒｏ Ｍａｇｎｅｔｉｃ Ａｃｏｕｓｔｉｃ Ｔｒａｎｓｄｕｃｅｒ）、圧電マイクロマシン超音波トランスデューサ（ＰＭＵＴ：Ｐｉｅｚｏｅｌｅｃｔｒｉｃ Ｍｉｃｒｏｍａｃｈｉｎｅｄ Ｕｌｔｒａｓｏｎｉｃ Ｔｒａｎｓｄｕｃｅｒ）などの様々なタイプがある。材料および寸法によって、トランスデューサの帯域幅および感度が決定される。ＣＭＵＴは、低周波数でも容易に小型化でき、高い感度と広い帯域幅を備えているため、他の種類のトランスデューサと比較して特に興味深い。

いくつかの実施形態では、ＣＭＵＴは、ギャップ上に吊り下げられて可変コンデンサを形成する可撓性トッププレートを含む。トッププレートの変位は、媒体内で音圧を形成する（逆もまた同様；媒体中の音圧は可撓性プレートを変位させる）。変換は、圧電トランスデューサとは対照的に、ギャップ内の電界を変調することによってプレートの変位を電流に変換して、静電的に達成される。ＣＭＵＴのメリットは、コンデンサの空洞内に、最高の圧電材料に匹敵する電気機械結合係数をもたらす１０＾８Ｖ／ｍ以上のオーダーの電界、という非常に大きな電界を有することに由来する。微小電気機械システム（ＭＥＭＳ：ｍｉｃｒｏ‐ｅｌｅｃｔｒｏ‐ｍｅｃｈａｎｉｃａｌ‐ｓｙｓｔｅｍｓ）技術の使用可能性は、このような高い電界を比較的低電圧で形成することができる、薄い真空ギャップを実現することを可能にする。したがって、実行可能な機器を実現することができ、さらには、相補的金属酸化物半導体（ＣＭＯＳ：ｃｏｍｐｌｉｍｅｎｔａｒｙ ｍｅｔａｌ‐ｏｘｉｄｅ‐ｓｅｍｉｃｏｎｄｕｃｔｏｒ）などの電子回路と直接に一体型とすることができる。図３Ａ～図３Ｄは、ＣＭＵＴセルの、（ａ）ＤＣバイアス電圧なし（図３Ａ）、（ｂ）ＤＣバイアス電圧あり（図３Ｂ）、ならびに（ｃ）送信時（図３Ｃ）および（ｄ）受信時（図３Ｄ）の動作原理に関する、説明図３００、３１０、３２０、および３３０を示す。

いくつかの実施形態では、さらなる態様はＣＭＵＴのコラプスモード動作である。この動作モードにおいて、ＣＭＵＴセルは、通常の動作時に、トッププレートの一部が基板と物理的に接触するが、それでも誘電体で電気的に絶縁されるように設計されている。ＣＭＵＴの送信および受信感度はさらに強化され、それによって超音波トランスデューサに高解像度を提供する。つまり、ＣＭＵＴは高電界機器であり、充電およびコラプスなどの問題から高電界を制御することができれば、優れた帯域幅および感度を有し、電子機器との一体化に対応でき、従来の集積回路製造技術をそのすべての利点とともに用いて製作され、円筒の周りやさらには人間の組織を包むために可撓性にすることができる。

頭蓋骨ラム波頭蓋内圧モニタ
いくつかの実施形態では、記載されたシステムおよび方法は、頭蓋骨内でガイド波（ラム波とも呼ばれる）を励起してそれを聞き、頭蓋内圧などの脳内の変化の状態に応答したこれらのラム波の挙動をモニタリングするための頭蓋骨ラム波頭蓋内圧モニタを提供する。液状媒体（液体またはガスなど）に隣接する頭蓋骨内のガイド波は、ガイド波から圧縮音響波へのモード変換によって漏洩する可能性がある。モード変換された圧縮波は、相反定理によってガイド波にモード変換しなおすこともできる。モード変換率または漏洩率はおおよそ数波長である。ＩＣＰなどの脳の状態に変化があるとき、モード変換率または漏洩率は、その結果として変化する。さらに、ＩＣＰは、その弾性のため、頭蓋骨の拡張をもたらす可能性がある。したがって、頭蓋骨上の２つの固定ポイント間を伝播するラム波は、異なるＩＣＰで異なる距離を変位し、さらに、ＩＣＰを測定およびモニタリングするためのもう１つのマーカを提供する。

レイリーラム波（Ｒａｙｌｅｉｇｈ－Ｌａｍｂ ｗａｖｅｓ）（またはラム波）は、有界弾性媒体中を伝播するガイド弾性波である。人間の頭蓋骨の骨は、横方向に薄いため、ラム波の伝播を維持できる弾性導波路として効果的であると思われる。プレートなどの薄い構造では、圧縮波と横波は独立して存在せず、組み合わさっている。図４は、等方性弾性導波路に沿った部分的な縦波と横波との重ね合わせおよびモード変換の説明図４００を示す。図４に示すように、波が伝播するにしたがって、縦波と横波の両方は、上部および下部の境界で繰り返し跳ね返り、そこで互いにモード変換される。これらの波の重ね合わせは、頭蓋骨の骨などの有界弾性媒体に沿って伝播することができる、ラム波と呼ばれる特定のクラスのガイド波をもたらす。それらは、大幅な減衰なしに伝播し、周囲の媒体に効率的に漏出することができる。

本発明者らは、たとえばＩＣＰの測定または別の適切な用途のために、骨内でラム波を励起および伝播することの実行可能性を認識した。ラム波には、様々な周波数依存性モードがある。分散曲線とそのモード形状の一部を図５Ａ～図５Ｂに示す。分散は、伝播速度の周波数依存性である。分散は、軟部組織において大変弱く、一般に無視できると考えられている。しかしながら、分散は、ラム波の伝播に強い影響を有する。図５Ａ～図５Ｂは、周波数関数としてのラム波位相速度と、対応する最低次対称および非対称モードのモード変形の模式図（（ａ）ラム波位相‐速度の分散曲線（図５Ａ）、（ｂ）Ｓ０およびＡ０のモード形状（図５Ｂ））に関する説明図５００および説明図５１０である。図５Ｂにおけるモード形状の例でわかるように、ラム波は、表面波またはバルク波とは異なり、上面と下面（頭蓋骨の場合は外側と内側）の変位を連結する。音響媒体（水または軟部組織など）に隣接して配置されたラム波は漏洩する可能性がある。漏洩率はおおよそ数波長である。

図６は、本明細書に記載の技術のいくつかの実施形態による、頭蓋骨ラム波ＩＣＰモニタの例示的な例６００を示す。図６において、送信機６０２から伝播するラム波は、様々な頭蓋内圧において様々な位相および振幅で受信機に到達してもよい。受信した波形は、ＢＬＵＥＴＯＯＴＨ（登録商標）または別の適切な通信手段を通してＡＰＰＬＥ ＷＡＴＣＨ（登録商標）またはＩＰＨＯＮＥ（登録商標）または別の適切な機器などのハブ６０４に無線送信されてもよい。

いくつかの実施形態では、頭蓋骨ラム波頭蓋内圧モニタのための方法、システム、および／または機器は、１つまたは複数のトランスデューサを用いて頭蓋骨に音響信号を送信する。トランスデューサは、ガイド波、音響モードの分布、周波数応答、および／またはインパルス／過渡応答に関連する情報を含む、頭蓋骨から取得したデータを受信する。いくつかの実施形態では、同じトランスデューサが、脳に音響信号を送信し、脳から取得したデータを受信する。いくつかの実施形態では、脳に音響信号を送信するために使用したトランスデューサは、脳から取得したデータを受信するために使用したトランスデューサとは異なる。

頭蓋内圧は取得データから測定される。たとえば、頭蓋内圧の測定は、ガイド波の振幅、帯域幅、および／または周波数の変化を評価することを含んでもよい。これに加えて、またはこれに代えて、頭蓋内圧を測定するためのプロセッサを備えた外部機器に取得データを送信してもよい。たとえば、頭蓋内圧は、統計モデル（たとえば、図１５～図１６に関して説明する統計モデルまたは別の適切な統計モデル）を用いて取得データの少なくとも一部を入力として受信して、頭蓋内圧の測定値または頭蓋内圧の測定に適した関連情報を出力する外部機器で測定してもよい。頭蓋骨ラム波頭蓋内圧モニタのための機器は、個人が装着可能であってもよく、個人の頭蓋骨内に埋め込み可能であってもよく、および／または本質的に携帯可能であってもよい。

いくつかの実施形態では、低周波において、波長はより長い。したがって、脳内の音響波の浸透深さはより大きい。これは、脳内の全体的な圧力の推定を企図する本明細書に記載のＢＡＲ頭蓋内圧モニタにとって適切な環境である。高周波において浸透深さはより小さくなり、これは、頭蓋骨ラム波頭蓋内圧モニタにさらに適しており、ＩＣＰの局所読み取り値を提供することができる。たとえば、病院の手術環境において、個人の頭蓋骨に穴をあける場所を決定するために、頭蓋骨ラム波頭蓋内圧モニタを用いてＩＣＰを局所的に測定してもよい。別の例では、救急治療室環境において、個人の脳全体の健康状態を判断するために、ＢＡＲ頭蓋内圧を用いてＩＣＰを全体的に測定してもよい。

脳音響共鳴（ＢＡＲ）発作モニタ
いくつかの実施形態では、記載されたシステムおよび方法は、小型のウェアラブルまたは埋め込み型トランスデューサを頭に置いて、頭全体の中（たとえば脳および頭蓋骨を一緒に）で音響モードを励起してそれを聞くためのＢＡＲ発作モニタを提供する。トランスデューサは小型であり、可能な限り多くのモードを励起するために大きい空間帯域幅を提供してもよい。いくつかの実施形態では、発作を検出するためにただ１つのトランスデューサで十分な可能性がある。いくつかの実施形態では、より多くの局所読み取り値を得るために、より多くのトランスデューサを頭に配置することができる。

非限定的な例では、電気活動（または活動電位）時に、単一の神経線維は、約５～１０ｎｍの変位および約０．５パスカルの膨張圧力で腫脹を経験する。生成される変位の周波数は数ｋＨｚを中心としている。発作は多くの発火から生じると予想されるため、より大きな発生源からより大きな変位が生じ、より大きな圧力が生じると予測される。これは、発作部位における低周波の音量変化であり、機器によって継続的にモニタリングされている脳の音響モードを摂動する。これらの摂動は様々な周波数で記録され、（ａ）発作の検出、および（ｂ）発作部位の位置特定、のために十分な情報を提供する。

いくつかの実施形態では、本機器は、検出および位置特定の信頼性、ロバスト性、精度、特異性を向上させるために、脳波（ＥＥＧ）読み取り値および／またはｆＭＲＩ、ｆＮＩＲなどの他の機能的イメージング技術ならびに機能的光音響／熱音響イメージングと組み合わせることができる。いくつかの実施形態では、本技術は、任意の重大な合併症が引き起こされる前に発作秒数を検出し、位置を特定し、抑制するために、焦点式超音波（ＦＵＳ：Ｆｏｃｕｓｅｄ Ｕｌｔｒａｓｏｕｎｄ）と組み合わせることができる。発作がミリメートルの解像度で位置が特定されると、高周波（たとえば０．５～１ＭＨｚ）での超音波トランスデューサのアレイを用いて活動電位の発火を抑制し、それによって発作を鈍化させることができる。超音波エネルギーは、脳内の全般的な温度上昇を通じて、可逆的な抑制作用を有することが示されている。

図７は、本明細書に記載の技術のいくつかの実施形態による、ＢＡＲ発作モニタの例示的な例７００を示す。図７において、音響トランスデューサ７０２は、脳７０４内の残響場（カオス定在波としても知られる）を設定してもよい。定在波は、脳の音響共振の重ね合わせである。発作は、共振の挙動を変調する局所低周波効果を生じる。受信した波形は、ＢＬＵＥＴＯＯＴＨ（登録商標）を通してＡＰＰＬＥ ＷＡＴＣＨ（登録商標）またはＩＰＨＯＮＥ（登録商標）などのハブ７０６に無線送信されてもよい。

いくつかの実施形態では、脳音響共鳴発作モニタのための方法、システム、および／または機器は、１つまたは複数のトランスデューサを用いて脳に音響信号を送信する。トランスデューサは、定在波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳から取得したデータを受信する。いくつかの実施形態では、同じトランスデューサが、脳に音響信号を送信し、脳から取得したデータを受信する。いくつかの実施形態では、脳に音響信号を送信するために使用したトランスデューサは、脳から取得したデータを受信するために使用したトランスデューサとは異なる。

発作は取得データから検出される。たとえば、発作の検出は、定在波の振幅、帯域幅、および／または周波数の変化を評価することを含んでもよい。任意選択で、発作の検出に加えて、発作部位の位置を定在波に基づいて特定してもよい。これに加えて、またはこれに代えて、発作を特定するためにプロセッサを備えた外部機器に取得データを送信してもよい。たとえば、発作は、取得データの少なくとも一部を入力として受信して、発作を特定するのに適した発作の徴候または関連情報を出力する統計モデル（たとえば、図１５～図１６に関して説明する統計モデルまたは別の適切な統計モデル）を用いる外部機器で検出されてもよい。脳音響共鳴発作モニタのための機器は、個人が装着可能であってもよく、個人の頭蓋骨内に埋め込み可能であってもよく、および／または本質的に携帯可能であってもよい。いくつかの実施形態では、ＩＣＰ用のＢＡＲと発作用のＢＡＲとの間の主な違いは、推論アルゴリズム、位置および母集団、および／またはＢＡＲセンサの中心周波数にある可能性がある。いくつかの実施形態では、ＩＣＰを測定して発作を検出するために、ＢＡＲに基づく同じ機器を使用してもよい。

ＩＣＰ、発作、ＩＣＰ分布、腫瘍検出および発作位置特定アルゴリズム
いくつかの実施形態では、受信した波形（たとえば、ＢＡＲにおける共振または頭蓋骨ラム波における送信された波形の振幅および位相）は、モデルベースの機械学習アルゴリズムによって処理される。たとえば、患者の頭の物理音響学モデルは、正常な状態にある患者の脳を用いて、適切な機械学習技術を通して構築および学習されてもよい。このモデルは、後で脳の状態を推定するために使用することができる。同じモデルは、患者の正常および異常な脳活動を継続的に学習してそれに適応させるための、強化学習などの技術と組み合わせてもよい。

機械学習アルゴリズムは、畳み込みニューラルネットワーク、ＬＳＴＭおよびＧＲＵなどの再帰型ニューラルネットワーク、線形ＳＶＭ、放射基底関数ＳＶＭ、ロジスティック回帰、ならびに生の入力データから関連する特徴を抽出するために用いられる変分オートエンコーダ（ＶＡＥ：ｖａｒｉａｔｉｏｎａｌ ａｕｔｏｅｎｃｏｄｅｒｓ）、敵対的生成ネットワーク（ＧＡＮ：ｇｅｎｅｒａｔｉｖｅ ａｄｖｅｒｓａｒｉａｌ ｎｅｔｗｏｒｋ）などの教師なし学習からの様々な技術などの１つまたは複数の下位構成要素を含み得る、分類または回帰アルゴリズムの形で用いてもよい。いくつかの実施形態では、記載された技術は患者個体別であり、計算およびモデルベースの学習は、患者の頭部ＭＲまたはＣＴスキャンを用いて行われる。医療画像は処理され、音響ソルバに送られ、次いでモデルベースの機械学習アルゴリズムを訓練するために使用される。

図８は、脳全体の頭蓋内圧、その分布、発作の存在、発作部位の位置、または脳機能もしくは状態の他の指標を特定するための例示的なアルゴリズム８００の概要を示す。モデルへの入力には、患者個体別ＭＲ／ＣＴデータ、超音波処理プロトコルおよびトランスデューサの構成（たとえば空間配置）、ならびに（たとえば音速、密度、弾性などの）機械的および電気的特性などの材料特性が含まれる。これらの入力は、何らかのコンピュータ処理後に、物理音響学モデル（線形／非線形音響学、電気力学、非線形連続体など）に送られる。ノードＡおよびノードＢは、物理的モデルおよび、周波数応答、インパルス／過渡応答、または音響モードの分布を含むがこれに限定されないいくつかの形態であることが可能な取得データの出力を表す。ＡおよびＢは両方とも統計モデルまたは機械学習モデルに送られる。最終的な出力は、脳全体の頭蓋内圧、その分布、発作の存在、発作部位の位置、または脳の機能もしくは状態の他の指標にすることができる。データ取得、データ前処理、モデルの構築、モデルの訓練、モデルの評価、テスト、およびモデルパラメータの調整を含むこのようなアルゴリズムを構築および展開するために、多くの場合、（図９で示されるような）例示的なステップ９００が行われる。図１０は、ＢＡＲベースのＩＣＰ評価のための、たとえば患者の頭などの発生源１０００からの例示的な入力データ１０５０を示す。たとえば、この入力データは、脳全体の頭蓋内圧を測定するためにアルゴリズム８００に提供されてもよい。

本明細書に記載のＩＣＰ用のＢＡＲおよび発作態様用のＢＡＲに関して、４ｋＨｚ（１１１０）、１１ｋＨｚ（１１２０）、１７ｋＨｚ（１１３０）および５０ｋＨｚ（１１４０）を含む図１１で一連の周波数における頭蓋骨内の音響共振の例１１００を示す。これらの共振の分布はカオス的（または確率的）である。ＢＡＲ法において、機器は、広い空間および時間帯域幅を備えたトランスデューサを用いてこれらのモードを全体的に励起し、聞く。発作部位における組織の頭蓋内圧または局所変化の増加などの脳内の任意の構造変化（たとえば圧力、変形、体積変化など）は、これらのモードの摂動を引き起こし、記録されたエコーに、特有のテクスチャをもたらす。モデルベースの機械学習アルゴリズムを用いることで、これらの変化を識別し定量化することができる。図１２は、様々な頭蓋内圧および周波数における頭蓋骨上のセンサの応答の例１２００を示す。同様に、モデルベースの機械学習アルゴリズムを用いることで、これらの変化を識別し定量化することができる。

いくつかの実施形態では、腫瘍検出のための方法、システム、および／または機器は、１つまたは複数のトランスデューサを用いて脳および頭蓋骨または脳もしくは頭蓋骨に音響信号を送信する。トランスデューサは、定在波、ガイド波、音響モードの分布、周波数応答、および／またはインパルス／過渡応答に関連する情報を含む、脳および頭蓋骨または脳もしくは頭蓋骨から取得したデータを受信する。いくつかの実施形態では、同じトランスデューサが、脳に音響信号を送信し、脳から取得したデータを受信する。いくつかの実施形態では、脳に音響信号を送信するために使用したトランスデューサは、脳から取得したデータを受信するために使用したトランスデューサとは異なる。

脳における腫瘍の存在は、たとえば、図１０で示されたデータと同様に、取得データから検出される。たとえば、腫瘍の存在の検出は、定在波とガイド波の両方もしくは一方の振幅、帯域幅、および／または周波数の変化を評価することを含んでもよい。任意選択で、腫瘍の存在の検出に加えて、腫瘍の位置を取得データに基づいて特定してもよい。これに加えて、またはこれに代えて、腫瘍の存在を検出するためにプロセッサを備えた外部機器に取得データを送信してもよい。たとえば、腫瘍は、取得データの少なくとも一部を入力として受信して、腫瘍の存在に関する徴候または腫瘍が脳に存在するかどうかを判断するのに適した関連情報を出力する統計モデル（たとえば、図１５～図１６に関して説明する統計モデルまたは別の適切な統計モデル）を用いる外部機器で検出されてもよい。腫瘍検出のための機器は、個人が装着可能であってもよく、個人の頭蓋骨内に埋め込み可能であってもよく、および／または本質的に携帯可能であってもよい。

いくつかの実施形態では、頭蓋内圧の分布のマッピングのための方法、システム、および／または機器は、複数の音響モードの励起を誘発するために、１つまたは複数のトランスデューサを用いて脳に音響信号を送信する。トランスデューサは、定在波、音響モードの分布、周波数応答、および／またはインパルス／過渡応答に関連する情報を含む、脳から取得したデータを受信する。いくつかの実施形態では、同じトランスデューサが、脳に音響信号を送信し、脳から取得したデータを受信する。いくつかの実施形態では、脳に音響信号を送信するために使用したトランスデューサは、脳から取得したデータを受信するために使用したトランスデューサとは異なる。

頭蓋内圧の分布は、取得データから割り出される。たとえば、頭蓋内圧の分布の割り出しは、たとえば図１０に示すように、頭蓋内圧の分布を予測するように訓練された統計モデルまたは機械学習モデル（たとえば、図１５～図１６に関して説明する統計モデルまたは別の適切な統計モデル）に取得データを提供することを含んでもよい。これに加えて、またはこれに代えて、頭蓋内圧の分布を割り出すためにプロセッサを備えた外部機器に取得データを送信してもよい。たとえば、頭蓋内圧の分布は、取得データの少なくとも一部を入力として受信して、頭蓋内圧の分布または頭蓋内圧の分布の割り出しに適した関連情報を出力する上記の統計モデルまたは機械学習を用いる外部機器で検出されてもよい。頭蓋内圧の分布のマッピングのための機器は、個人が装着可能であってもよく、個人の頭蓋骨内に埋め込み可能であってもよく、および／または本質的に携帯可能であってもよい。

いくつかの実施形態では、発作位置特定のための方法、システム、および／または機器は、複数の音響モードの励起を誘発するために、１つまたは複数のトランスデューサを用いて脳に音響信号を送信する。トランスデューサは、定在波、音響モードの分布、周波数応答、および／またはインパルス／過渡応答に関連する情報を含む、脳から取得したデータを受信する。いくつかの実施形態では、同じトランスデューサが、脳に音響信号を送信し、脳から取得したデータを受信する。いくつかの実施形態では、脳に音響信号を送信するために使用したトランスデューサは、脳から取得したデータを受信するために使用したトランスデューサとは異なる。

発作部位の位置は、取得データから特定される。たとえば、発作部位の位置の特定は、発作部位の位置を予測するように訓練された（たとえば、図１５～図１６に関して説明する統計モデルまたは別の適切な統計モデル）に取得データを提供することを含んでもよい。いくつかの実施形態では、発作を検出するためのＢＡＲの場合は、共振の重ね合わせが脳内の残響を設定し、これは、頭蓋骨内へのカップリングとともに、特有のテクスチャを圧力波にもたらすことができ、それによって、発生源のまばらな構成を利用して、数ミリメートルまでの発作の発生源の位置特定を可能にする。場の残響は、脳内の各ポイントへの音響波の複数の質問（通過）を引き起こし、時間または周波数の関数としてその署名を記録することを可能にする。これは、高解像度の音響位置特定に多くの場合多数のセンサを必要とする従来の通念とは異なり、センサ数の大幅な減少ももたらすことができる。これに加えて、またはこれに代えて、発作部位の位置を特定するために、取得データはプロセッサを備えた外部機器に送信されてもよい。たとえば、発作部位の位置は、取得データの少なくとも一部を入力として受信して、発作部位の位置を特定するのに適した発作部位の位置または関連情報を出力する上記の統計モデルまたは機械学習を用いる外部機器で検出されてもよい。発作位置特定のための機器は、個人が装着可能であってもよく、個人の頭蓋骨内に埋め込み可能であってもよく、および／または本質的に携帯可能であってもよい。

本明細書に記載のセンサ、システムおよび方法は、説明されているように、てんかんまたは脳腫瘍をモニタリングして治療するために、またはモニタリングもしくは治療するために用いることができるが、本発明はそれに限定されない。本センサ、システムおよび方法は、ＩＣＰまたは発作の発生源の場所を特定することまたはＩＣＰの分布をマッピングすることを含む、一般的な脳機能と他の脳の状態との両方または一方をモニタリングして治療するために、またはモニタリングもしくは治療するために用いることができるが、本発明はそれに限定されない。

図１３は、本明細書に記載の技術のいくつかの実施形態による、ＩＣＰ評価のためのプロセスの例示的なフロー図１３００を示す。ステップ１３０２において、たとえば、図１１に示すように、４ｋＨｚ、１１ｋＨｚ、１７ｋＨｚ、５０ｋＨｚ、および／または別の適切な周波数を含む一連の１つまたは複数の周波数において、頭蓋骨内の音響共振から生データが受信される。ステップ１３０４において、この訓練データは、深層ニューラルネットワーク、図１５～図１６に関して説明する統計モデルまたは別の適切な統計モデルなどの統計モデルへの入力のために前処理される。たとえば、データは、統計モデルへの入力のために、正規化、サニタイズまたは別様に均一化してもよい。発作部位における組織の頭蓋内圧または局所変化の増加などの脳内の任意の構造変化（たとえば圧力、変形、体積変化など）は、たとえば図１１に示すように、モードの摂動を引き起こし、記録されたエコーに、特有のテクスチャをもたらす。モデルベースの機械学習アルゴリズムを用いることで、これらの変化を識別し定量化することができる。したがって、ステップ１３０６において、統計モデルは、頭蓋内圧または本明細書に記載の別の適切な徴候を予測するために、ステップ１３０４からの前処理された訓練データで訓練される。ステップ１３０８において、統計モデルが、脳から取得したデータを用いて個人の頭蓋内圧を予測するために使用される。図１４は、本明細書に記載の技術のいくつかの実施形態による、混同行列によるテストデータに対する例示的な訓練された統計モデルの性能の説明図１４００を示す。対角線のパターンは、この統計モデルが正しい頭蓋内圧を認識し、予測すること（かつ、隣接するポイント内にエラーが限定されること）を示している。

いくつかの実施形態では、本明細書に記載のシステムおよび方法は、畳み込みニューラルネットワーク、ＬＳＴＭおよびＧＲＵなどの再帰型ニューラルネットワーク、線形ＳＶＭ、放射基底関数ＳＶＭ、ロジスティック回帰、ならびに生の入力データから関連する特徴を抽出するために用いられる変分オートエンコーダ（ＶＡＥ）、敵対的生成ネットワーク（ＧＡＮ）などの教師なし学習からの様々な技術などの１つまたは複数の下位構成要素を含み得る、分類のための統計モデルを用いる。深層ニューラルネットワークは、大規模なデータセットが提示された場合の優れた性能により、機械学習に関して注目の的となっている。理論上は、深層ニューラルネットワークは、十分に複雑に設定されている場合、任意の関数形式（通常はｆ：Ｒ^ｎ→Ｒ^ｍのマッピング）を学習することができる。ダイナミクスおよび分布が不明な、より小さなデータセットからの学習に有用であるが、この柔軟性は、厳しい過剰適合をもたらす可能性がある。

図１５は、ワンショットまたは少数ショット学習に基づく統計モデルのための例示的な配置１５００を示す。この配置は、試料間の抽象的な相対距離のみを符号化する低次元表現にデータを投影することによって過剰適合を防止または軽減することができるシャム（Ｓｉａｍｅｓｅ）ニューラルネットワークを含む。したがって、このモデルを訓練するために、各データポイントは、同じおよび異なるクラスからのすべての他のデータポイントに対して評価される。これにより、入力試料の数の二次関数的な増加をもたらす。シャムネットワークは、図１５で示すものと同様に、２つ以上の同一のサブネットワーク要素を含むニューラルネットワークである。サブネットワークのアーキテクチャが同一なだけでなく、ネットワークのサブネットワーク間でも重みが共有される。このようなネットワークは、それぞれのサブネットワークの入力間で比較するためにさらに使用できる有用なデータ記述子を学習できる。入力データは、数値データ（たとえば全結合層によって形成されるサブネットワークを用いて）、画像データ（たとえばサブネットワークとしてＣＮＮを用いて）、および／またはセンテンスまたは時間信号などのシーケンシャルデータ（たとえばサブネットワークとして再帰型ニューラルネットワーク（ＲＮＮ：ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）を用いて）を含んでもよい。

図１５において、例示的な深層畳み込みニューラルネットワーク（ＣＮＮ：ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）は、ユークリッド距離が追跡の差を表す８次元特徴空間にセンサ記録を投影する。このモデルを訓練するために、異なる値の表現ベクトルを互いに遠くに押しつつ、同じ圧力に属する表現ベクトルをグループ化するのを助けるために、シャムレジームを使用する。さらに、クラス値は、マルチクラス分類器を用いてこれらのクラスタのいずれかに割り当ててもよい。エンコーダＣＮＮ１５０６および１５０８は、フラクショナル最大プーリング（ＦＭＰ：ｆｒａｃｔｉｏｎａｌ ｍａｘ‐ｐｏｏｌｉｎｇ）を用いてより深くなる。より深くより狭いニューラルネットワークは、パラメータが等しい場合は、より広くより浅いニューラルネットワークよりも優れた一般化特性を示す。ＦＭＰは、また、偶発性を加えてモデルを変分モデルにするため、過剰適合の傾向が少なくなる。ＦＭＰについてのさらなる情報は、ベンジャミン・グラハム（Ｂｅｎｊａｍｉｎ Ｇｒａｈａｍ）、「Ｆｒａｃｔｉｏｎａｌ Ｍａｘ‐Ｐｏｏｌｉｎｇ」、ａｒＸｉｖ：１４１２．６０７１（２０１５年５月）（参照によりその全体が本願に組み込まれる）で見出される。ＣＮＮアーキテクチャの終わりに対する全結合（ＦＣ：ｆｕｌｌｙ ｃｏｎｎｅｃｔｅｄ）層は、各入力がすべてのニューロンに接続されるフラット化された入力で作動する。ＦＣ層は、クラススコアなどの目的を最適化するために用いることができる。いくつかの実施形態では、当面の問題において、近くの値を混同する方が少ない費用で済む可能性がある。したがって、この情報は、各ラベルをガウスウィンドウで畳み込むことによって、目的関数として、条件付きエントロピーを計算する前に目的関数に組み込んでもよい。

図１５において、Ｘ１（１５０２）およびＸ２（１５０４）は、たとえば図１０に示されるような入力された生データである。いくつかの実施形態では、機械学習アルゴリズムを訓練するために、入力を提供するためにそのまま使用される生データに加えて、スペクトルデータ（すなわちフーリエ変換生データ）、フィルタされたデータ、ウィンドウ化されたデータ、スペクトルデータの振幅、スペクトルデータのピークの位置、スペクトルデータのピークの周りの帯域幅などの任意の後処理データを個別にまたはともに使用することができる。Ｈ１（１５１０）およびＨ２（１５１２）は、入力の「符号化された」（または潜在的または非表示）表示である。Ｈ１およびＨ２は、それぞれ、マルチクラス追跡（Ｍｕｌｔｉｃｌａｓｓ Ｐｕｒｓｕｅ）分類器１５１６および１５１８に独立して送られる。それぞれの分類器は、ここでは圧力（ＩＣＰ）値である該当する「ラベル」に従ってＨ１およびＨ２を分類する。いくつかの実施形態では、ラベルは、圧力（ＩＣＰ）値、ＩＣＰ値の分布、発作の発生、発作の位置、腫瘍の位置またはそれらの組み合わせにすることができる。差のモジュラス１５１４｜Ｈ１－Ｈ２｜は、ラベルが１（たとえば、Ｘ１およびＸ２が同じ圧力値に対応する場合）または０（たとえばＸ１およびＸ２が異なる圧力値に対応する場合）である、さらに別の分類器１５２０、たとえば、バイナリ類似性分類器に送られる。このアルゴリズムは、すべての出力を最小限にするパラメータを最適化することによってモデルを学習する。いくつかの実施形態では、最適化関数は、すべての出力の加重和として定義されてもよい。

図１６は、本明細書に記載の技術のいくつかの実施形態による、分類アルゴリズムを実装するために使用され得る畳み込みニューラルネットワーク１６００を示す。本明細書に記載の統計モデルは、畳み込みニューラルネットワーク１６００を含んでもよく、それに加えてまたはそれに代えて、脳が神経障害の症状を示していること又は示すであろうことを検出するために適した別のタイプのネットワークを含んでもよい。例えば、脳の発作を検出し、および／または予測するために、畳み込みニューラルネットワーク１６００を使用することができる。図示されるように、畳み込みニューラルネットワークは、入力１６０２（例えば、テンソル）に関する情報を受信するように構成された入力層１６０４と、出力を提供するように構成された出力層１６０８（例えば、ｎ次元表現空間における分類）と、入力層１６０４と出力層１６０８との間に接続された複数の隠れ層１６０６とを備える。複数の隠れ層１６０６は、畳み込み層およびプーリング層１６１０および完全に接続された層１６１２を含む。

入力層１６０４の後には、１つまたは複数の畳み込み層およびプーリング層１６１０が続き得る。畳み込み層は、畳み込み層への入力（例えば、入力１６０２）よりも空間的に小さい（例えば、より小さな幅および／または高さを有する）フィルタの組を含み得る。各フィルタは、すべての空間位置でのフィルタの応答を示す活性化マップ（例えば、２次元活性化マップ）を生成すべく、畳み込み層への入力で畳み込まれ得る。畳み込み層の後には、畳み込み層の出力をダウンサンプリングして次元を縮小するプーリング層が続き得る。プーリング層は、最大プーリングおよび／またはグローバル平均プーリングなどの様々なプーリング技術のいずれかを使用することができる。いくつかの実施形態では、ダウンサンプリングは、ストライドを使用して、畳み込み層自体によって（例えば、プーリング層なしで）実行され得る。

畳み込み層およびプーリング層１６１０の後に、完全に接続された層１６１２が続き得る。完全に接続された層１６１２は、前の層（例えば、畳み込み層またはプーリング層）から入力を受け取り、次の層（例えば、出力層１６０８）に出力を提供する１つまたは複数のニューロンをそれぞれ有する１つまたは複数の層を含み得る。完全に接続された層１６１２は、所定の層の各ニューロンが前の層の各ニューロンから入力を受け取り、次の層の各ニューロンに出力を提供し得るので、「密」として説明され得る。完全に接続された層１６１２の後に、畳み込みニューラルネットワークの出力を提供する出力層１６０８が続き得る。出力は、例えば、入力１６０２（または入力１６０２の任意の部分）がクラスの組のうちどのクラスに属するかを示すことができる。畳み込みニューラルネットワークは、確率的勾配降下型アルゴリズムまたは別の適切なアルゴリズムを使用してトレーニングされ得る。畳み込みニューラルネットワークは、バリデーションセットの精度（たとえば、トレーニングデータから差し出された部分）が飽和するまで、または任意の他の適切な基準を使用してトレーニングを続けることができる。

図１６に示される畳み込みニューラルネットワークは、一例の実装にすぎず、他の実装が使用可能であることを理解されたい。たとえば、図１６に示す畳み込みニューラルネットワークに１つ以上の層を追加してもよいし、削除してもよい。畳み込みニューラルネットワークに追加可能な追加サンプル層は、パッド層、連結層、およびアップスケール層を含む。アップスケール層は、レイヤーへの入力をアップサンプリングするように構成され得る。ＲｅＬＵ層は、入力への伝達関数として整流器（ランプ関数と呼ばれることもある）を適用するように構成され得る。パッド層は、入力の１つまたは複数の次元をパディングすることによって、層への入力のサイズを変更するように構成され得る。連結層は、複数の入力を結合するように構成され得る（たとえば、複数の層からの入力を結合する）。別の例として、いくつかの実施形態では、１つまたは複数の畳み込み、転置畳み込み、プーリング、アンプーリング層、および／またはバッチ正規化が、畳み込みニューラルネットワークに含まれてもよい。さらに別の例として、アーキテクチャは、隣接する層のペア間で非線形変換を実行するために１つまたは複数の層を含んでもよい。非線形変換は、本明細書で説明した技術の態様がこの点で限定されないため、正規化線形ユニット（ＲｅＬＵ）変換、シグモイド、および／または他の任意の適切なタイプの非線形変換であってもよい。

トレーニングデータからニューラルネットワークパラメータを推定するために、任意の適切な最適化手法を使用することができる。例えば、以下の最適化技術の１つまたは複数を使用してもよい。確率的勾配降下法（ＳＧＤ：ｓｔｏｃｈａｓｔｉｃ ｇｒａｄｉｅｎｔ ｄｅｓｃｅｎｔ）、ミニバッチ勾配降下法、運動量ＳＧＤ、ネステロフ加速勾配法、アダグラード、アダデルタ、ＲＭＳｐｒｏｐ、適応モーメント推定（Ａｄａｍ：Ａｄａｐｔｉｖｅ Ｍｏｍｅｎｔ Ｅｓｔｉｍａｔｉｏｎ）、ＡｄａＭａｘ、ネステロフ加速適応モーメント推定（Ｎａｄａｍ：Ｎｅｓｔｅｒｏｖ－ａｃｃｅｌｅｒａｔｅｄ Ａｄａｐｔｉｖｅ Ｍｏｍｅｎｔ Ｅｓｔｉｍａｔｉｏｎ）、ＡＭＳＧｒａｄ。

畳み込みニューラルネットワークは、本明細書に記載の様々な機能のいずれかを実行すべく採用され得る。いくつかの実施形態では、予測を行うために複数の畳み込みニューラルネットワークを使用できることを理解されたい。

コンピュータアーキテクチャの例
本明細書に記載の技術の実施形態のいずれかに関連して使用することができるコンピュータシステム１７００の例示的な実装を図１７に示す。コンピュータシステム１７００は、１つまたは複数のプロセッサ１７１０と、非一時的なコンピュータ可読記憶媒体（例えば、メモリ１７２０および１つまたは複数の不揮発性記憶媒体１７３０）を含む１つまたは複数の製品を含む。プロセッサ１７１０は、本明細書に記載の技術の態様がこの点で限定されないため、任意の適切な方法で、メモリ１７２０および不揮発性記憶装置１７３０へのデータの書き込みおよびデータの読み取りを制御することができる。本明細書に記載の機能のいずれかを実行するために、プロセッサ１７１０は、プロセッサ１７１０によって実行するためのプロセッサ実行可能命令を格納する非一時的なコンピュータ可読記憶媒体として機能し得る１つ以上の非一時的なコンピュータ可読記憶媒体（例えば、メモリ１７２０）に格納された１つ以上のプロセッサ実行可能命令を実行し得る。

また、コンピュータデバイス１７００は、ネットワーク入力／出力（Ｉ／Ｏ）インターフェース１７４０を含むことができ、該ネットワークＩ／Ｏインターフェース１７４０を介してコンピュータデバイスが他のコンピュータデバイスと（例えば、ネットワークを通じて）通信することができる。また、コンピュータデバイス１７００は、１つまたは複数のユーザＩ／Ｏインターフェース１７５０を含むことができ、ユーザＩ／Ｏインターフェース１７５０を介してコンピュータデバイスが、ユーザに出力を提供するとともに、ユーザから入力を受け取ることができる。ユーザＩ／Ｏインターフェースは、キーボード、マウス、マイクロホン、表示装置（例えば、モニターまたはタッチスクリーン）、スピーカー、カメラ、および／または他の様々なタイプのＩ／Ｏデバイスなどのデバイスを含み得る。

本明細書に記載した実施形態は、多くの方法のいずれかで実施することができる。例えば、実施形態は、ハードウェア、ソフトウェア、またはそれらの組み合わせを使用して実施することができる。ソフトウェアで実装される場合、ソフトウェアコードは、単一のコンピュータデバイスで提供されるか、複数のコンピュータデバイスに分散されるかに関わらず、任意の適切なプロセッサ（マイクロプロセッサなど）またはプロセッサの集合で実行することができる。本明細書に記載の機能を実行する任意のコンポーネントまたはコンポーネントの集合は、一般に、本明細書に記載の機能を制御する１つまたは複数のコントローラと見なすことができることを理解されたい。１つまたは複数のコントローラは、専用ハードウェア、またはマイクロコードまたはソフトウェアを使用して本明細書に記載の機能を実行するようにプログラムされた汎用ハードウェア（例えば、１つまたは複数のプロセッサ）など、多数の方法で実装することができる。

この点に関して、本明細書に記載の実施形態の１つの実装は、コンピュータプログラム（すなわち、複数の実行可能な命令）が符号化され、１つまたは複数のプロセッサ上で実行されると、１つまたは複数の実施形態の本明細書に記載の機能を実行する少なくとも１つのコンピュータ可読記憶媒体（例えば、ＲＡＭ、ＲＯＭ、ＥＥＰＥＲ、フラッシュメモリまたは他のメモリ技術、ＣＤ－ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）または他の光ディスク記憶装置、磁気カセット、磁気テープ、磁気ディスク記憶装置または他の磁気記憶装置、または他の有形の非一時的なコンピュータ可読記憶媒体）を含む。コンピュータ可読媒体は、そこに格納されたプログラムを任意のコンピュータデバイスにロードして、本明細書で説明される技術の態様を実施することができるように、可搬型であり得る。加えて、実行されたときに本明細書に記載の機能のいずれかを実行するというコンピュータプログラムへの言及は、ホストコンピュータ上で実行されるアプリケーションプログラムに限定されないことを理解されたい。むしろ、コンピュータプログラムおよびソフトウェアという用語は、本明細書では、一般的な意味で、本明細書で説明される技術の態様を実施すべく、１つまたは複数のプロセッサをプログラムするために採用され得る任意のタイプのコンピュータコード（例えば、アプリケーションソフトウェア、ファームウェア、マイクロコード、または任意の他の形式のコンピュータ命令）を指すために使用される。

「プログラム」または「ソフトウェア」という用語は、本明細書では、一般的な意味で使用され、コンピュータまたは他のプロセッサをプログラムして、本明細書に記載の実施形態の様々な態様を実装するために使用できる任意のタイプのコンピュータコードまたはプロセッサ実行可能命令の組を指す。さらに、一態様によれば、実行されたときに本明細書で提供される開示の方法を実行する１つまたは複数のコンピュータプログラムは、単一のコンピュータまたはプロセッサ上に存在する必要はなく、本明細書で提供される開示の様々な態様を実施するために、異なるコンピュータまたはプロセッサ間でモジュール方式で分散され得ることを理解されたい。

プロセッサ実行可能命令は、プログラムモジュールなど、１つまたは複数のコンピュータまたは他のデバイスによって実行される多くの形式であり得る。一般に、プログラムモジュールには、特定のタスクを実行したり、特定の抽象データ型を実装したりするルーチン、プログラム、オブジェクト、コンポーネント、データ構造などを含む。典型的には、プログラムモジュールの機能は、様々な実施形態において所望されるように組み合わされ、または分散され得る。

また、データ構造は、任意の適切な形式で、１つまたは複数の非一時的なコンピュータ可読記憶媒体に記憶され得る。説明を簡単にするために、データ構造は、データ構造内の場所によって関連付けられたフィールドを有するように示され得る。そのような関係は、同様に、フィールド間の関係を伝達する非一時的なコンピュータ可読媒体内の場所を有するフィールドにストレージを割り当てることによって達成することができる。しかしながら、任意の適切なメカニズムを使用して、データ要素間の関係を確立するポインタ、タグ、または他のメカニズムの使用を含む、データ構造のフィールド内の情報間の関係を確立することができる。

また、様々な発明の概念は、１つまたは複数のプロセスとして具体化することができ、その例が提供されている。各プロセスの一部として実行される動作は、任意の適切な方法で命令することができる。したがって、例示的な実施形態において連続的な行為として示されているとしても、行為が図示とは異なる順序で実施される実施形態が構築され得、これは、いくつかの行為を同時に実施することを含み得る。

本明細書で定義および使用されるすべての定義は、辞書の定義、および／または定義された用語の通常の意味を支配するためであると理解されたい。
本明細書の明細書および特許請求の範囲で使用されるように、１つまたは複数の要素の列挙に関連する「少なくとも１つ」という句は、列挙された要素のうちの任意の１つ以上の要素から選択された少なくとも１つの要素を意味するものであり、要素の列挙内で具体的に列挙された全ての要素の少なくとも１つを含む必要はなく、要素の列挙内の要素からなる任意の組み合わせを除外するものではないと理解されたい。また、この定義は、「少なくとも１つ」という句が参照する要素の列挙内で具体的に識別される要素以外の要素が、具体的に識別される要素に関連するかに関わらず、任意選択で存在し得ることを許容する。したがって、非限定的な例として、「ＡおよびＢの少なくとも１つ」（または、同等に「ＡまたはＢの少なくとも１つ」、もしくは同等に「Ａおよび／またはＢの少なくとも１つ」）は、一実施形態では、少なくとも１つのＡを含む（任意選択で２つ以上のＡを含む）が、Ｂは存在しない（および任意選択でＢ以外の要素を含む）ものを参照し、別の実施形態では、少なくとも１つのＢを含む（任意選択で２つ以上のＢを含む）が、Ａは存在しない（および任意選択でＡ以外の要素を含む）ものを参照し、さらに別の実施形態では、少なくとも１つのＡを含み（任意選択で２つ以上のＡを含み）、少なくとも１つのＢを含む（任意選択で２つ以上のＢを含む）（および任意選択で他の要素を含む）もの等を参照してもよい。

本明細書および特許請求の範囲で使用される「および／または」という句は、その句で結合された要素の「いずれかまたは両方」を意味する、すなわち、ある場合にはそれら要素が結合的に存在し、他の場合にはそれら要素が分離的に存在することを意味すると理解されたい。「および／または」で列挙された複数の要素は、同じように解釈される必要があり、即ち、その句で結合された要素の「１つ以上」であると解釈される必要がある。「および／または」という句によって具体的に識別される要素以外の他の要素が、具体的に識別される要素に関連するか否かに関わらず、任意選択で存在してもよい。したがって、非限定的な例として、「含む」などの非制限的な用語と組み合わせて使用される場合、「Ａおよび／またはＢ」への言及は、一実施形態では、Ａのみ（任意選択でＢ以外の要素を含む）を参照し、別の実施形態では、Ｂのみ（任意選択でＡ以外の要素を含む）を参照し、さらに別の実施形態では、ＡおよびＢの両方（任意選択で他の要素を含む）を参照するなどしてもよい。

請求項の要素を変更するための特許請求の範囲における「第１」、「第２」、「第３」などの序数用語の使用は、それ自体では、優先順位、優先権、またはある請求項の要素の別の請求項の要素に対する順序、もしくは方法の動作が実行される時間的な順序を意味するものではない。このような用語は、（序数の用語を使用するが）特定の名前を有する１つの請求項の要素を同じ名前を有する別の要素から区別するための識別子としてのみ使用される。

本明細書で使用されている表現および用語は、説明を目的としたものであり、限定的なものと見なされるべきではない。「含む」、「備える」、「有する」、「包含する」、「含有する」、およびそれら用語の変化形の使用は、その後に記載される項目および追加の項目を包含することを意味する。

本明細書に記載された技術のいくつかの実施形態を詳細に説明したので、様々な改変および改善が当業者にとって容易に行われるであろう。そのような改変および改善は、本開示の精神および本開示の範囲内となることが意図される。したがって、上述の説明は単なる例であり、限定することを意図するものではない。技術は、以下の特許請求の範囲およびその均等物によって定義されるものによってのみ制限される。

本明細書に記載のいくつかの態様および／または実施形態は、頭蓋内圧またはてんかん関連の用途に関して記載されているが、これらの態様および／または実施形態は、任意の適切な神経障害の症状のモニタリングおよび／または治療に等しく適用可能であり得る。本明細書に記載の実施形態の限定は、それらの実施形態のみの限定であり、本明細書に記載される他の実施形態の限定ではない。

Claims (92)

1. 方法であって、
   少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することと、
   定在波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳から取得したデータを、該少なくとも１つのトランスデューサを用いて前記脳から受信することと、
   該取得したデータからその個人の頭蓋内圧を測定することと
   を含む方法。
2. 前記頭蓋内圧を測定することは、前記定在波の振幅、帯域幅、および周波数のうち少なくとも１つの変化を評価することを含む、請求項１に記載の方法。
3. 前記頭蓋内圧を測定するためのプロセッサを備えた外部機器に前記取得したデータを送信することをさらに含む請求項１に記載の方法。
4. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項１に記載の方法。
5. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項１に記載の方法。
6. 機器であって、
   取得したデータに基づいて個人の頭蓋内圧を測定するために、該個人の脳に音響信号を送信し、定在波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、前記脳から取得したデータを受信するための少なくとも１つのトランスデューサを備える機器。
7. 前記機器は前記個人が装着可能である、請求項６に記載の機器。
8. 前記機器は前記個人の頭蓋骨内に埋め込み可能である、請求項６に記載の機器。
9. 前記機器は携帯可能である、請求項６に記載の機器。
10. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項６に記載の機器。
11. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項６に記載の機器。
12. 少なくとも１つのコンピュータハードウェアプロセッサで実行されたときに、プロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体であって、
    少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することと、
    定在波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳から取得したデータを、該少なくとも１つのトランスデューサを用いて前記脳から受信することと、
    該取得したデータからその個人の頭蓋内圧を測定することと
    を含む動作を該少なくとも１つのコンピュータハードウェアプロセッサに実行させるプロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体。
13. 前記頭蓋内圧の測定は、前記頭蓋内圧を予測するように訓練された機械学習モデルに前記取得したデータを提供することを含む、請求項１２に記載のコンピュータ読み取り可能記録媒体。
14. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項１２に記載のコンピュータ読み取り可能記録媒体。
15. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第トランスデューサとを含む、請求項１２に記載のコンピュータ読み取り可能記録媒体。
16. 方法であって、
    少なくとも１つのトランスデューサを用いて患者の頭蓋骨に音響信号を送信することと、
    ガイド波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、前記頭蓋骨から取得したデータを、該少なくとも１つのトランスデューサを用いて前記頭蓋骨から受信することと、
    該取得したデータからその個人の頭蓋内圧を測定することと
    を含む方法。
17. 前記頭蓋内圧の測定は、ガイド波の振幅、帯域幅、および周波数のうち少なくとも１つの変化を評価することを含む、請求項１６に記載の方法。
18. 前記頭蓋内圧を測定するためのプロセッサを備えた外部機器に前記取得したデータを送信することをさらに含む請求項１６に記載の方法。
19. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項１６に記載の方法。
20. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項１６に記載の方法。
21. 取得したデータに基づいて個人の頭蓋内圧を測定するために、該個人の頭蓋骨に音響信号を送信し、ガイド波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、前記頭蓋骨から前記取得したデータを受信するための少なくとも１つのトランスデューサを備える機器。
22. 前記機器は前記個人が装着可能である、請求項２１に記載の機器。
23. 前記機器は、前記個人の前記頭蓋骨内に埋め込み可能である、請求項２１に記載の機器。
24. 前記機器は携帯可能である、請求項２１に記載の機器。
25. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項２１に記載の機器。
26. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項２１に記載の機器。
27. 少なくとも１つのコンピュータハードウェアプロセッサで実行されたときに、プロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体であって、
    少なくとも１つのトランスデューサを用いて患者の頭蓋骨に音響信号を送信することと、
    ガイド波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳から取得したデータを、該少なくとも１つのトランスデューサを用いて前記頭蓋骨から受信することと、
    該取得したデータからその個人の頭蓋内圧を測定することと
    を含む動作を該少なくとも１つのコンピュータハードウェアプロセッサに実行させるプロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体。
28. 前記頭蓋内圧の測定は、前記頭蓋内圧を予測するように訓練された機械学習モデルに前記取得したデータを提供することを含む、請求項２７に記載のコンピュータ読み取り可能記録媒体。
29. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項２７に記載のコンピュータ読み取り可能記録媒体。
30. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項２７に記載のコンピュータ読み取り可能記録媒体。
31. 方法であって、
    少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することと、
    定在波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳から取得したデータを、該少なくとも１つのトランスデューサを用いて前記脳から受信することと、
    該取得したデータからその個人の発作を検出することと
    を含む方法。
32. 前記発作の検出は、前記定在波の振幅、帯域幅、および周波数のうち少なくとも１つの変化を評価することを含む、請求項３１に記載の方法。
33. 前記発作を検出するためのプロセッサを備えた外部機器に前記取得したデータを送信することをさらに含む、請求項３１に記載の方法。
34. 前記定在波に基づく発作部位の位置の決定することをさらに含む請求項３１に記載の方法。
35. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項３１に記載の方法。
36. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項３１に記載の方法。
37. 機器であって、
    取得したデータに基づいて個人の発作を検出するために、該個人の脳に音響信号を送信し、定在波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、前記脳から取得したデータを受信するための少なくとも１つのトランスデューサを備える機器。
38. 前記機器は前記個人が装着可能である、請求項３７に記載の機器。
39. 前記機器は、前記個人の頭蓋骨内に埋め込み可能である、請求項３７に記載の機器。
40. 前記機器は携帯可能である、請求項３７に記載の機器。
41. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項３７に記載の機器。
42. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項３７に記載の機器。
43. 少なくとも１つのコンピュータハードウェアプロセッサで実行されたときに、プロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体であって、
    少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することと、
    定在波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、前記脳から取得したデータを、該少なくとも１つのトランスデューサを用いて前記脳から受信することと、
    該取得したデータからその個人の発作を検出することと
    を含む動作を該少なくとも１つのコンピュータハードウェアプロセッサに実行させるプロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体。
44. 前記発作の検出は、前記個人の発作を予測するように訓練された機械学習モデルに前記取得したデータを提供することを含む、請求項４３に記載のコンピュータ読み取り可能記録媒体。
45. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項４３に記載のコンピュータ読み取り可能記録媒体。
46. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項４３に記載のコンピュータ読み取り可能記録媒体。
47. 方法であって、
    少なくとも１つのトランスデューサを用いて患者の脳および頭蓋骨のうち少なくとも１つに音響信号を送信することと、
    定在波、ガイド波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、脳および頭蓋骨のうち少なくとも１つから取得したデータを、該少なくとも１つのトランスデューサを用いて前記脳および前記頭蓋骨のうち少なくとも１つから受信することと、
    該取得したデータからその個人の脳内の腫瘍の存在を判断することと
    を含む方法。
48. 前記取得したデータに基づいて腫瘍の位置を特定することをさらに含む請求項４７に記載の方法。
49. 前記腫瘍の存在の判断は、定在波およびガイド波の両方もしくは一方の振幅、帯域幅、および周波数のうち少なくとも１つの変化を評価することを含む、請求項４７に記載の方法。
50. 前記腫瘍の存在を判断するためのプロセッサを備えた外部機器に前記取得したデータを送信することをさらに含む請求項４７に記載の方法。
51. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項４７に記載の方法。
52. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項４７に記載の方法。
53. 機器であって、
    取得したデータに基づいて個人の脳内の腫瘍の存在を判断するために、該個人の脳および頭蓋骨のうち少なくとも１つに音響信号を送信し、定在波、ガイド波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、前記脳および前記頭蓋骨のうち少なくとも１つから取得したデータを受信するための少なくとも１つのトランスデューサを備える機器。
54. 前記機器は前記個人が装着可能である、請求項５３に記載の機器。
55. 前記機器は、前記個人の前記頭蓋骨内に埋め込み可能である、請求項５３に記載の機器。
56. 前記機器は携帯可能である、請求項５３に記載の機器。
57. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項５３に記載の機器。
58. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項５３に記載の機器。
59. 少なくとも１つのコンピュータハードウェアプロセッサで実行されたときに、プロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体であって、
    少なくとも１つのトランスデューサを用いて患者の脳および頭蓋骨のうち少なくとも１つに音響信号を送信することと、
    定在波、ガイド波、音響モードの分布、周波数応答、およびインパルス応答／過渡応答のうち少なくとも１つに関連する情報を含む、前記脳および前記頭蓋骨のうち少なくとも１つから取得したデータを、該少なくとも１つのトランスデューサを用いて前記脳および前記頭蓋骨のうち少なくとも１つから受信することと、
    該取得したデータから個人の脳内の腫瘍の存在を判断することと
    を含む動作を該少なくとも１つのコンピュータハードウェアプロセッサに実行させるプロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体。
60. 前記腫瘍の存在の判断は、前記個人の前記脳内の腫瘍の存在を予測するように訓練された機械学習モデルに前記取得したデータを提供することを含む、請求項５９に記載のコンピュータ読み取り可能記録媒体。
61. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項５９に記載のコンピュータ読み取り可能記録媒体。
62. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項５９に記載のコンピュータ読み取り可能記録媒体。
63. 方法であって、
    少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することであって、該少なくとも１つのトランスデューサが、複数の音響モードの励起を誘発するように構成されていることと、
    定在波、周波数応答、インパルス応答／過渡応答、および音響モードの分布のうち少なくとも１つに関連する情報を含む、前記脳から取得したデータを、該少なくとも１つのトランスデューサを用いて受信することと、
    該取得したデータからその個人の前記脳内の頭蓋内圧の分布を割り出すことと
    を含む方法。
64. 前記頭蓋内圧の分布の割り出しは、前記頭蓋内圧の分布を予測するように訓練された機械学習モデルに前記取得したデータを提供することを含む請求項６３に記載の方法。
65. 前記頭蓋内圧の分布を割り出すためのプロセッサを備えた外部機器に前記取得したデータを送信することをさらに含む請求項６３に記載の方法。
66. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項６３に記載の方法。
67. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項６３に記載の方法。
68. 機器であって、
    取得したデータに基づいて頭蓋内圧の分布を割り出すために、個人の脳に音響信号を送信し、定在波、周波数応答、インパルス応答／過渡応答、および音響モードの分布のうち少なくとも１つに関連する情報を含む、前記脳から取得したデータを受信するための少なくとも１つのトランスデューサを備える機器。
69. 前記機器は前記個人が装着可能である、請求項６８に記載の機器。
70. 前記機器は、前記個人の頭蓋骨内に埋め込み可能である、請求項６８に記載の機器。
71. 前記機器は携帯可能である、請求項６８に記載の機器。
72. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項６８に記載の機器。
73. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項６８に記載の機器。
74. 少なくとも１つのコンピュータハードウェアプロセッサで実行されたときに、プロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体であって、
    少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することであって、該少なくとも１つのトランスデューサが、複数の音響モードの励起を誘発するように構成されていることと、
    定在波、周波数応答、インパルス応答／過渡応答、および音響モードの分布のうち少なくとも１つに関連する情報を含む、前記脳から取得したデータを、該少なくとも１つのトランスデューサを用いて受信することと、
    該取得したデータからその個人の前記脳内の頭蓋内圧の分布を割り出すことと
    を含む動作を該少なくとも１つのコンピュータハードウェアプロセッサに実行させるプロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体。
75. 前記頭蓋内圧の分布の割り出しは、前記頭蓋内圧の分布を予測するように訓練された機械学習モデルに前記取得したデータを提供することを含む、請求項７４に記載のコンピュータ読み取り可能記録媒体。
76. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項７４に記載のコンピュータ読み取り可能記録媒体。
77. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項７４に記載のコンピュータ読み取り可能記録媒体。
78. 方法であって、
    少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することであって、該少なくとも１つのトランスデューサが、複数の音響モードの励起を誘発するように構成されていることと、
    定在波、周波数応答、インパルス応答／過渡応答、および音響モードの分布のうち少なくとも１つに関連する情報を含む、前記脳から取得したデータを、該少なくとも１つのトランスデューサを用いて受信することと、
    該取得したデータからその個人の前記脳内の発作部位の位置を特定することと
    を含む方法。
79. 前記発作部位の位置の特定は、前記発作部位の位置を予測するように訓練された機械学習モデルに前記取得したデータを提供することを含む請求項７８に記載の方法。
80. 前記発作部位の位置を特定するためのプロセッサを備えた外部機器に前記取得したデータを送信することをさらに含む請求項７８に記載の方法。
81. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項７８に記載の方法。
82. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項７８に記載の方法。
83. 機器であって、
    取得したデータに基づいて発作部位の位置を特定するために、個人の脳に音響信号を送信し、定在波、周波数応答、インパルス応答／過渡応答、および音響モードの分布のうち少なくとも１つに関連する情報を含む、前記脳から取得したデータを受信するための少なくとも１つのトランスデューサを備える機器。
84. 前記機器は前記個人が装着可能である、請求項８３に記載の機器。
85. 前記機器は、前記個人の頭蓋骨内に埋め込み可能である、請求項８３に記載の機器。
86. 前記機器は携帯可能である、請求項８３に記載の機器。
87. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項８３に記載の機器。
88. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項８３に記載の機器。
89. 少なくとも１つのコンピュータハードウェアプロセッサで実行されたときに、プロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体であって、
    少なくとも１つのトランスデューサを用いて患者の脳に音響信号を送信することであって、該少なくとも１つのトランスデューサが、複数の音響モードの励起を誘発するように構成されていることと、
    定在波、周波数応答、インパルス応答／過渡応答、および音響モードの分布のうち少なくとも１つに関連する情報を含む、前記脳から取得したデータを、該少なくとも１つのトランスデューサを用いて受信することと、
    該取得したデータからその個人の前記脳内の発作部位の位置を特定することと
    を含む動作を該少なくとも１つのコンピュータハードウェアプロセッサに実行させるプロセッサ実行可能命令を記憶する少なくとも１つの非一時的なコンピュータ読み取り可能記録媒体。
90. 前記発作部位の位置の特定は、前記発作部位の位置を予測するように訓練された機械学習モデルに前記取得したデータを提供することを含む、請求項８９に記載のコンピュータ読み取り可能記録媒体。
91. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための且つ前記取得したデータを受信するための第１トランスデューサを含む、請求項８９に記載のコンピュータ読み取り可能記録媒体。
92. 前記少なくとも１つのトランスデューサは、前記音響信号を送信するための第１トランスデューサと、前記取得したデータを受信するための第２トランスデューサとを含む、請求項８９に記載のコンピュータ読み取り可能記録媒体。

Images