JP2024509075A - 生理学的信号の位置特定 - Google Patents

Abstract

ＥＥＧ、ＭＥＧ、ＥＣＧ等に適したデータ等、センサからの電気生理学的信号データ等のデータを取得、解析する方法及び装置を提供するものであり、データは、線形関係を示すか、又は線形化関係に変換し得る。コンピュータ・ソフトウェアで実施し得る方法は、既存の選択方法に従って、皮質電流ベクトル場又は皮質の場所の活動を示す値の分布を計算することと、どの電流が内向きに流れていないかを決定することと、対角重み行列を規定することであって、電流が内向きに流れていない場所を表す対角重み行列の入力は、対角重み行列の他の入力と比較すると小さい、規定することと、選択方法に従って皮質電流ベクトルを再計算するが、対角重み行列を組み込むこと、又は活動を示す値の分布を修正することであって、電流が内向きに流れていない場所を表す値が、修正前より小さい活動を示すように修正することとを含む。本方法の出力は、適切なモニタ上で表示するためにコンピュータ・ファイル内に記憶し得る。【選択図】図１

Description

本発明は、生理学的方法、特に、脳波図（ＥＥＧ）及び脳磁図（ＭＥＧ）測定に関連する電気生理学的信号を取得する装置、並びに前記装置によって前記測定時に生成される電気信号を解析する方法に関する。

脳活動は、ＥＥＧ及びＭＥＧからのデータによって表現でき、ＥＥＧ及びＭＥＧは、頭部に隣接して配置される電極センサ（ＥＥＧ）又は頭部表面上に配置されるコイル（ＭＥＧ）からの電気信号を測定することから構成される。センサ出力から取得したＥＥＧ及びＭＥＧデータの解析において、脳活動は、離散３次元ベクトル場として表現でき、各ベクトルは、以下「電流ソース」と呼ぶ双極電流ソースを示す。この結果は、活動中の脳における、ある時点における、経時的なニューロンの潜在的なシナプス活動の表現をもたらす。

発作間欠期てんかん性脳活動に対するＥＥＧ及びＭＥＧの記録は、スパイクとして公知の波形形態を含むことが多い。そのようなスパイクの開始又はピーク時にソース位置特定技法を使用することにより、てんかん性ネットワークに関与する脳の場所を明らかにし得る。スパイクの開始又はピークにおける波形形態は、少なくとも１０ｃｍ^２（ＥＥＧ）又は６ｃｍ^２（ＭＥＧ）のサイズを有する皮質灰白質の延長パッチからの、錐体細胞と呼ばれるニューロンの一種の同時活動によって生成される。ＥＥＧ及びＭＥＧ信号のソースが錐体細胞ニューロンの活動であるため、また、この特定の細胞種の支配的な向きのため、脳電流の向きは、局所的な皮質灰白質表面に直交していることが公知である。スパイクの開始及びピークは、大部分が、ニューロン活動サイクルの脱分極部に由来する活動を表現するものであるため、脳電流の方向は、内向きで、灰白質－白質の境界に向かうものであることが更に公知である。現況技術では、制約条件として、脳活動が皮質灰白質のみから生じること、皮質電流の向きが皮質灰白質表面に直交すること、及び隣接する皮質の場所が同様の活動を有することを、ソース位置特定アルゴリズムに組み込む。必要とされるのは、生理学的機能を表現するため、測定可能な生理学的信号の特性範囲の使用を向上することである。

上述のベクトル場と測定信号との間の関係が線形であることは、当技術分野で公知である。この関係は、頭部に隣接する（ＥＥＧ）又は頭部上の（ＭＥＧ）センサのレイアウト、基準（接地）の選択、測定ノイズ、及び頭部の導電性によって一義的に決定され、「順モデル」として公知である。任意の時間点の間、この線形関係は、Ａｘ＋ｎ＝ｂと書くことができ、式中、Ａ（リード・フィールド行列）は、順モデル及び基準の選択を表現し、ｎは、測定ノイズを表現し、ｂは、測定データを表現し、ｘは、電流ソース「電流」の強度のベクトルを表現し、ベクトルは、離散点ごとに１から３つの入力を含む。上述のベクトル場は、Ａの計算に使用される単位ベクトルから構成され、それぞれの単位ベクトルに、対応するスカラー入力ｘを掛ける。便宜上、本文書では、行列を表現する記号は、太字の大文字で書き、ベクトルを表現する記号は、太字の小文字で書き、ベクトルのＮ番目の入力ｘは、ｘ_Ｎによって識別し、行列の（Ｍ，Ｎ）番目の入力Ａは、Ａ_Ｍ，Ｎによって識別する。

電流ソースの特定の分布、センサのレイアウト、基準、順モデルの場合、電気ノイズがないと仮定すると、測定される生理学的電気信号データは、一義的に予測し得る。このことは、「順問題」として公知である。

しかし、測定される生理学的電気信号データ、センサのレイアウト、基準、及び順モデルが任意の選択セットである場合、電流ソースの分布は、以下の理由：
・センサの数が制限されること、又は
・ノイズが未知であること、又は
・典型的に、既知の値（センサ）より多くの未知の値（電流）があること、又は
・測定可能な信号が生成されない電流構成（沈黙のソース）が存在すること
のいずれかのために、一義的に計算できないという問題がある。

電気生理学的測定では一般的である、そのような問題のある状況は、不良設定、悪条件逆問題として当技術分野で公知である。しかし、こうした電流の推定は、例えば、測定出力を有意味にするため、ＥＥＧ及びＭＥＧ解析において重要な目的である。

電流を計算する当技術分野で公知の方法は、生理学的信号データの測定を仮定すると、データのノイズ特性を含むデータ・モデル、及び電流の仮定される特徴を含むソース・モデルを利用する。データ（データ・モデル）のノイズ特性は、典型的には、ノイズ共分散行列Ｃ_ｎを使用して表され、ノイズ共分散行列Ｃ_ｎは、前記仮定を使用する測定信号データから推定し得る。データ及びリード・フィールド行列も「事前に白色化」でき、１のノイズ共分散行列をもたらす。

電流（ソース・モデル）の特性について当技術分野で広く行われている仮定は、大部分の電流がわずか又はゼロであることである。この仮定は、例えば、１つの局所的な種類の活動が支配的であると仮定する、観察される脳の状態の性質から、又は共通の注目特徴を共有するデータの多数の事例を平均化する、実験の性質によって得られるため、結果として、観察される特徴を除いて、平均化方法によって抑制されていると仮定される。対応するソース・モデルは、最小ノルム最小２乗法モデルであり、Ｌ２－ノルムｘ^ＴＣ_Ｓ ^－１ｘが最小であると仮定され、Ｃ_Ｓは、ｘのソース共分散である。ソース共分散についての情報が利用可能ではない場合、Ｃ_Ｓ＝１である。データ・モデル及びソース・モデルの影響を平衡化するため、規則化が使用される。この推論方針の後、式、
ｘ_ｏｐｔ＝ａｒｇ ｍｉｎ［（Ａｘ－ｂ）^ＴＣ_ｎ ^－１（Ａｘ－ｂ）＋λｘ^ＴＣ_Ｓ ^－１ｘ］
の最小化による線形逆問題を解くことによって、一義的なｘ_ｏｐｔが得られ（ｘ_ｏｐｔは、上記で規定される最適ベクトルである）、
式中、λは、規則化パラメータである。ｘ_ｏｐｔの解析解を得られることは、当技術分野では周知である。更に、λの最適値が、更なる情報に基づかずに得られることは、当技術分野では周知である。

錐体細胞ニューロンが存在している場所である、個々の皮質灰白質シート（「灰白質表面」）の中間層の表現は、磁気共鳴撮像法（ＭＲＩ）データから得られることは、当技術分野では周知である。発生しているニューロンの向きは灰白質表面に局所的に直交するので、皮質電流を推定すべき場合、及び既に述べた離散点が、灰白質内の向きの変動性を考慮するのに十分に密集して皮質灰白質表面を標本化している場合、電流ソースのベクトルｘは、離散点ごとにただ１つの入力を含み得ることも、当技術分野では周知である。リード・フィールド行列Ａが、一貫して内向き又は外向きのいずれかである単位電流に基づき生成される場合、ｘ_Ｎの符号は、場所Ｎにおける電流が内向きに流れている（脱分極）か又は外向きに流れている（再分極）かどうかについての指標として働き得る。この背景において、「内向き」は、「白質に向かう」ことを意味する一方で、「外向き」は、「軟膜表面に向かう」ことを意味する。

電流を表現するベクトルｘ_ｏｐｔを計算するのではなく、注目事象の生成に関与する可能性がある皮質の場所を示す測定規準を使用するベクトルｓ_ｏｐｔを計算する方法が存在することは、当技術分野では公知である。これらの一例は、ｓＬＯＲＥＴＡ法である。

本文書において、用語「含む」又は「備える」は、同じ意味で互換的に使用され、述べられる任意の特徴又は特徴のリストに限定されない。

Ｄａｌｅ Ａ．Ｍ．、Ｓｅｒｅｎｏ Ｍ．ｌ．Ｉｍｐｒｏｖｅｄ Ｌｏｃａｌｉｚａｔｉｏｎ ｏｆ Ｃｏｒｔｉｃａｌ Ａｃｔｉｖｉｔｙ ｂｙ Ｃｏｍｂｉｎｉｎｇ ＥＥＧ ａｎｄ ＭＥＧ ｗｉｔｈ ＭＲＩ Ｃｏｒｔｉｃａｌ Ｓｕｒｆａｃｅ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ： Ａ Ｌｉｎｅａｒ Ａｐｐｒｏａｃｈ．Ｊｏｕｒｎａｌ ｏｆ Ｃｏｇｎｉｔｉｖｅ Ｎｅｕｒｏｓｃｉｅｎｃｅ ５、１６２～１７６頁、１９９３年 Ｆｕｃｈｓ Ｍ．、Ｗａｇｎｅｒ Ｍ．、Ｋｏｈｌｅｒ Ｔ．、Ｗｉｓｃｈｍａｎｎ Ｈ．Ａ．Ｌｉｎｅａｒ ａｎｄ Ｎｏｎｌｉｎｅａｒ Ｃｕｒｒｅｎｔ Ｄｅｎｓｉｔｙ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎｓ．Ｊ Ｃｌｉｎ Ｎｅｕｒｏｐｈｙｓｉｏｌ １６、２６７～２９５頁、１９９９年 Ｇｏｒｏｄｎｉｔｓｋｙ Ｉ．Ｆ．、Ｇｅｏｒｇｅ Ｊ．Ｓ．、Ｒａｏ Ｂ．Ｄ．Ｎｅｕｒｏｍａｇｎｅｔｉｃ ｓｏｕｒｃｅ ｉｍａｇｉｎｇ ｗｉｔｈ ＦＯＣＵＳＳ： ａ ｒｅｃｕｒｓｉｖｅ ｗｅｉｇｈｔｅｄ ｍｉｎｉｍｕｍ ｎｏｒｍ ａｌｇｏｒｉｔｈｍ．Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒｙ ａｎｄ Ｃｌｉｎｉｃａｌ Ｎｅｕｒｏｐｈｙｓｉｏｌｏｇｙ ４、２３１～５１、１９９５年 Ｈａｍａｌａｉｎｅｎ Ｍ．、Ｉｌｍｏｎｉｅｍｉ Ｒ． Ｉｎｔｅｒｐｒｅｔｉｎｇ ｍａｇｎｅｔｉｃ ｆｉｅｌｄｓ ｏｆ ｔｈｅ ｂｒａｉｎ： ｍｉｎｉｍｕｍ ｎｏｒｍ ｅｓｔｉｍａｔｅｓ．Ｒｅｐｏｒｔ ＴＫＫ－Ｆ－Ａ５５９、Ｈｅｌｓｉｎｋｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ、Ｅｓｐｏｏ、１９８４年 Ｋｏｈｌｅｒ Ｔ． Ｌｏｓｕｎｇｅｎ ｄｅｓ ｂｉｏｅｌｅｋｔｒｏｍａｇｎｅｔｉｓｃｈｅｎ ｉｎｖｅｒｓｅｎ Ｐｒｏｂｌｅｍｓ．ＰｈＤ－Ｔｈｅｓｉｓ、Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｈａｍｂｕｒｇ、Ｈａｍｂｕｒｇ、１９９８年 Ｐａｓｃｕａｌ－Ｍａｒｑｕｉ Ｒ．Ｄ．Ｒｅｖｉｅｗ ｏｆ ｍｅｔｈｏｄｓ ｆｏｒ ｓｏｌｖｉｎｇ ｔｈｅ ＥＥＧ ｉｎｖｅｒｓｅ ｐｒｏｂｌｅｍ、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｅｌｅｃｔｒｏｍａｇｎｅｔｉｓｍ １、７５～８６頁、１９９９年 Ｐａｓｃｕａｌ－Ｍａｒｑｕｉ Ｒ．Ｄ．Ｓｔａｎｄａｒｄｉｚｅｄ ｌｏｗ ｒｅｓｏｌｕｔｉｏｎ ｂｒａｉｎ ｅｌｅｃｔｒｏｍａｇｎｅｔｉｃ ｔｏｍｏｇｒａｐｈｙ（ｓＬＯＲＥＴＡ）： ｔｅｃｈｎｉｃａｌ ｄｅｔａｉｌｓ．Ｍｅｔｈｏｄｓ ＆ Ｆｉｎｄｉｎｇｓ ｉｎ Ｅｘｐｅｒｉｍｅｎｔａｌ ＆ Ｃｌｉｎｉｃａｌ Ｐｈａｒｍａｃｏｌｏｇｙ ２４Ｄ、５～１２頁、２００２年 Ｐａｓｃｕａｌ－Ｍａｒｑｕｉ Ｒ．Ｄ．、Ｍｉｃｈｅｌ Ｃ．Ｍ．、Ｌｅｈｍａｎｎ Ｄ．、Ｌｏｗ ｒｅｓｏｌｕｔｉｏｎ ｅｌｅｃｔｒｏｍａｇｎｅｔｉｃ ｔｏｍｏｇｒａｐｈｙ： ａ ｎｅｗ ｍｅｔｈｏｄ ｆｏｒ ｌｏｃａｌｉｚｉｎｇ ｅｌｅｃｔｒｉｃａｌ ａｃｔｉｖｉｔｙ ｉｎ ｔｈｅ ｂｒａｉｎ、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｐｓｙｃｈｏｐｈｙｓｉｏｌｏｇｙ １８、４９～６５頁、１９９４年 Ｓｅｋｉｈａｒａ Ｋ．、Ｓａｈａｎｉ Ｍ．、Ｎａｇａｒａｊａｎ Ｓ．Ｓ．、Ｌｏｃａｌｉｚａｔｉｏｎ ｂｉａｓ ａｎｄ ｓｐａｔｉａｌ ｒｅｓｏｌｕｔｉｏｎ ｏｆ ａｄａｐｔｉｖｅ ａｎｄ ｎｏｎ－ａｄａｐｔｉｖｅ ｓｐａｔｉａｌ ｆｉｌｔｅｒｓ ｆｏｒ ＭＥＧ ｓｏｕｒｃｅ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ．ＮｅｕｒｏＩｍａｇｅ ２５、１０５６～１０６７頁、２００５年 Ｔａｏ ＪＸ、Ｒａｙ Ａ、Ｈａｗｅｓ－Ｅｂｅｒｓｏｌｅ Ｓ、Ｅｂｅｒｓｏｌｅ ＪＳ．、Ｉｎｔｒａｃｒａｎｉａｌ ＥＥＧ ｓｕｂｓｔｒａｔｅｓ ｏｆ ｓｃａｌｐ ＥＥＧ ｉｎｔｅｒｉｃａｌ ｓｐｉｋｅｓ、Ｅｐｉｌｅｐｓｉａ ２００５年；４６：６６９～６７６頁 Ｔａｒａｎｔｏｌａ Ａ．、Ｉｎｖｅｒｓｅ Ｐｒｏｂｌｅｍ Ｔｈｅｏｒｙ （第２版）、Ｅｌｓｅｖｉｅｒ、Ａｍｓｔｅｒｄａｍ、１９９４年 Ｗａｇｎｅｒ Ｍ．、Ｒｅｋｏｎｓｔｒｕｋｔｉｏｎ Ｎｅｕｒｏｎａｌｅｒ Ｓｔｒｏｍｅ、Ｓｈａｋｅｒ Ｖｅｒｌａｇ、Ａａｃｈｅｎ、１９９８年 Ｗａｇｎｅｒ Ｍ、Ｆｕｃｈｓ Ｍ、Ｋａｓｔｎｅｒ Ｊ．、Ｃｕｒｒｅｎｔ Ｄｅｎｓｉｔｙ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎｓ ａｎｄ Ｄｅｖｉａｔｉｏｎ Ｓｃａｎｓ Ｕｓｉｎｇ Ｅｘｔｅｎｄｅｄ Ｓｏｕｒｃｅｓ、Ｂｉｏｍａｇ ２００２年、編者：Ｈ．Ｎｏｗａｋ、Ｊ．Ｈａｕｅｉｓｅｎ、Ｆ．Ｇｉｅｓｓｌｅｒ、Ｒ．Ｈｕｏｎｋｅｒ、ＶＤＥ Ｖｅｒｌａｇ、Ｂｅｒｌｉｎ、Ｏｆｆｅｎｂａｃｈ ２００２年、８０４～８０６頁 Ｗａｇｎｅｒ Ｍ．、Ｆｕｃｈｓ Ｍ．、Ｋａｓｔｎｅｒ Ｊ．、Ｅｖａｌｕａｔｉｏｎ ｏｆ ｓＬＯＲＥＴＡ ｉｎ ｔｈｅ ｐｒｅｓｅｎｃｅ ｏｆ ｎｏｉｓｅ ａｎｄ ｍｕｌｔｉｐｌｅ ｓｏｕｒｃｅｓ、Ｂｒａｉｎ Ｔｏｐｏｇｒ．１６、２７７～８０頁、２００４年 Ｗａｇｎｅｒ Ｍ、Ｆｕｃｈｓ Ｍ、Ｋａｓｔｎｅｒ Ｊ．（２００７年）ＳＷＡＲＭ：ｓＬＯＲＥＴＡ－ｗｅｉｇｈｔｅｄ ａｃｃｕｒａｔｅ ｍｉｎｉｍｕｍ－ｎｏｒｍ ｉｎｖｅｒｓｅ ｓｏｌｕｔｉｏｎｓ．（編者）Ｃｈｅｙｎｅ Ｄ、Ｒｏｓｓ Ｂ、Ｓｔｒｏｉｎｋ Ｇ、Ｗｅｉｎｂｅｒｇ Ｈ． Ｎｅｗ Ｆｒｏｎｔｉｅｒｓ ｉｎ Ｂｉｏｍａｇｎｅｔｉｓｍ．Ａｍｓｔｅｒｄａｍ、Ｅｌｓｅｖｉｅｒ、１８５～１８８頁

内向き方向の皮質電流は、ＭＥＧ及びＥＥＧ測定の解析の際の制約条件として未だ使用されたことがない。そのような方向の制約条件は、本発明の主題である。ソース位置特定アルゴリズムの制約条件として、内向き方向の皮質電流を使用することは、現況技術の自明な拡張ではない。というのは、典型的にソース位置特定を受ける脳活動の多くの種類は、大部分が、脱分極型ニューロン活動に圧倒的に由来するものではなく、したがって、内向き方向の皮質電流によっては特性決定できないためである。てんかん性スパイクは、注目すべき、臨床的に関連する特例の一例である。

脱分極ニューロン（内向き電流）のみからの脳活動を表現するため、ＥＥＧ及び／又はＭＥＧ信号測定値を含むデータを変換する方法を提供することは、本発明の一目的である。電気生理学的信号データを解析し、解釈及び解析のための生理学的活動の表現を含む結果を提供するため、コンピュータ・ソフトウェアで実施し得るアルゴリズムを提供することは、更なる目的である。本明細書で説明する線形関係を伴う生理学的信号測定値を取得し、信号測定値を生理学的活動の表現に変換する装置を提供することは、更なる目的である。

本発明は、測定信号の生理学的解釈を可能にするように、電気生理学的信号データを解析する方法を提供する。本発明によれば、生理学的信号データｂを測定し、リード・フィールド行列Ａを計算する。更に、離散皮質ソース電流ベクトルｘ_ｏｐｔ、又は皮質電流の傾向を示す離散測定規準ｓ_ｏｐｔを計算する。

一態様では、本発明は、マイクロプロセッサを使用して、センサからの電気信号データを変換する方法を提供し、方法は、電気信号データを収集し、コンピュータ・ファイル内に記憶するステップと、データを前処理するステップと、１つ又は複数の注目時間点をマークするステップと、平均化ステップを適用するステップと、皮質の場所及び対応するニューロンの向きを計算又は入手するステップと、場所の重み及び／又は皮質電流を計算するステップと、どの電流が内向きに流れていないかを決定するステップと、決定に応じて重みを修正するステップと、重みに応じて電流を計算するステップと、皮質の場所で活動を示す値の分布を計算するステップと、皮質電流方向を計算、抽出又は推定するステップと、どの電流が内向きに流れていないかを決定するステップと、決定に応じて値の分布を修正するステップと、得られたデータを少なくとも１つのコンピュータ・ファイル内に記憶するステップとを含む。好ましくは、方法は、記憶され、得られたデータにデータ撮像技法を適用し、データをデータ視覚表現に適した形式に変換するステップと、目視検査のために変換データを表示するステップとを含む。

別の態様では、本発明は、電気信号データを収集、変換、表示する装置を提供し、装置は、電気信号を収集するセンサと、電気信号データを記憶する手段と、コンピュータ・プログラムを有する少なくとも１つのマイクロプロセッサとを備え、コンピュータ・プログラムは、データを前処理すること、１つ又は複数の注目時間点をマークすること又はユーザに１つ又は複数の注目時間点をマークさせること、平均化ステップを適用すること、皮質の場所及び対応するニューロンの向きを計算又は入手すること、場所の重み及び／又は皮質電流を計算すること、どの電流が内向きに流れていないかを決定すること、決定に応じて重みを修正すること、重みに応じて電流を計算すること、皮質の場所で活動を示す値の分布を計算すること、皮質電流方向を計算、抽出又は推定すること、どの電流が内向きに流れていないかを決定すること、決定に応じて値の分布を修正することを実施する。好ましくは、装置は、変換データを記憶する手段を含む。

本発明の方法のフローチャートである。 （ａ）ＥＥＧ信号の一例の図であり、電気インパルスは、２５個のチャネル上に記録される。 （ｂ）ＥＥＧ信号の一例の図であり、コンピュータが生成する電圧トポグラフィのプロットを示す。ステップ８又は請求項１のステップａ及び請求項２のステップａの結果は、図２ｂに示される。 本発明の方法を使用する、ＥＥＧデータ解析の一例の図である。ステップ１２又は請求項１のステップｂの結果は、図３に示される。 本発明の方法を使用する、ＥＥＧデータ解析の更なる例の図である。ステップ１５又は請求項１のステップｅの結果は、図４に示される。 本発明の方法を使用する、ＥＥＧデータ解析の更なる例の図である。ステップ１８又は請求項２のステップｃの結果は、図５に示される。 本発明の方法を使用する、ＥＥＧデータ解析の更なる例の図である。ステップ２０又は請求項２のステップｅの結果は、図６に示される。

方法は、脳活動の表現を示す結果を提供するため、ＥＥＧ及びＭＥＧ測定信号に最も好都合に適用される。本発明は、ＥＥＧ及びＭＥＧデータの収集及び解析に最も有利に適用されるが、方法は、ＥＥＧ及びＭＥＧデータの解析に限定されず、本発明は、例えば、脳活動の皮質脳波（ＥＣｏＧ）測定、脳活動の頭蓋内（ｉＥＥＧ）測定、心臓活動の心電図（ＥＣＧ）測定及び心磁図（ＭＣＧ）測定への適用において等、より一般的に適用されることは理解されよう。本発明は、電気生理学的データを含むデータの解析方法を提供するものであり、データは、本明細書で説明する線形関係を示すか、又は線形関係を示すために（例えば、ニュートン法を使用して）線形化し得る。本発明は、ｘ又はｓの値の符号がゼロ若しくは正のみ、又はゼロ若しくは負のみであることが既知である全ての場合に有用である。

本発明によれば、方法は、皮質電流を計算する既存の方法、又は注目事象の生成に関与する可能性がある皮質の場所を示す測定規準を提供する値の分布を計算する既存の方法のいずれかを強化するために使用でき、更に、皮質ソースごとの電流方向を計算するか、又は皮質ソースごとの電流方向の抽出若しくは推定を可能にする。以下において、両方のオプションを説明する。

皮質電流を計算する既存の方法の強化に使用する際、方法が、重み行列、又は計算された皮質電流の強度を間接的に調整する他の機構を組み込むことが可能である場合、本発明の目的では、この機構は、既に計算された電流方向に応じて、重みを皮質ソースに割り当てるために使用される。この割り当ては、計算された内向き方向を伴わない皮質ソースがあまり活動的でなくなるという所望の趣旨で行われる。本発明が、特定のアルゴリズムの定義ごとの重み付き逆計算のいくつかの繰り返しに基づき、これらの重みを反復的に決定するように実施される場合、本発明の目的で実施される更なる重み付けは、例えば、各反復の後、又は既存の方法の最後の反復の後の最終ステップにおいて、既存のアルゴリズムに組み込み得る。方法が、既存の方法を実行した後の反復重み付けスキームとして実施されない場合、同じ又は同様の方法が繰り返されるが、今度は、最初の実行で得られた皮質電流に基づき、本発明の目的で実施される重み付けを組み込む。

「ソース重み付け（Ｓｏｕｒｃｅ Ｗｅｉｇｈｔｉｎｇ）」として公知である変換技法は、等式：
Ｃ_ｓ＝Ｗ^－２Ｃ_ｐ
を利用し、式中、Ｃ_ｐは、ｘのソース共分散行列である。Ｃ_ｐは、ソース分布についての外部事前知識を符号化する。そのような情報が利用可能ではない場合、Ｃ_ｐ＝１である。対角重み行列Ｗは、ソース重み付け方法自体によって決定される。Ａ、ｂ及びＣ_ｐが与えられた場合、Ｗに応じて異なる値のｘが得られる。Ｗを決定するため、Ｗ_Ｎ＝ｆ（ｘ_Ｎ）であるように、既存の方法によって計算されたｘの値が使用され、式中、重み付け関数ｆは、関数値が決して負にならないように設計されるが、値ｘ_Ｎが、電流が内向きに流れていないことを示す場合、値ｘ_Ｎが、電流が内向きに流れていることを示すケースと比較すると、より小さい。

例えば、
ｘ＜０である場合、ｆ（ｘ）＝１であり、そうでなければ、
ｆ（ｘ）＝０であり、
上記は、場所Ｎにおける内向きに流れる電流が、ｘ_Ｎの負の値によって特定されると仮定する。この場合、皮質ソース電流ベクトルｘ_ｏｐｔは、重み行列Ｗを使用して再計算される。実際の計算では、皮質ソース電流ベクトルｘ_ｏｐｔは、典型的には、実際にＷの逆元を求めるのに必要ではなく、このことから、負の値Ｗ_Ｎが問題にならないことが成立する。既存の選択方法の実施に従ってＷの逆元を明示的に求めることが必要であっても、１／０は大きな、正の数となる。

本発明の方法は、コンピュータ・ソフトウェア内で以前に記述した技法を好都合に実施するものであり、有用であることが以前には公知ではなかった方法で電気信号データを表現に変換する。

重み行列の使用は、当技術分野で公知である。しかし、重み行列は、当技術分野では、ソース分布において所望量の局所性を達成するため、又はｘのＬ_２－ノルム以外のノルムを有効に最小化するために使用される。本発明によれば、重み行列は、内向きに流れていない電流を抑制するために使用され、結果に驚くべき有用性の発見をもたらすものである。電気生理学的信号測定、例えば、ＥＥＧ若しくはＭＥＧ測定、又は他の適切な測定で使用する場合の本発明の方法は、これまで示されていない。

本発明は、電気生理学的信号データを取得する電極を有するデバイスと、前記データを記憶する手段と、前記データを変換する手段と、変換中に計算を行うマイクロプロセッサと、方法のアルゴリズムを実施するコンピュータ・ソフトウェアと、変換データを記憶する手段と、変換データを表示する手段とを含む。一実施形態では、本発明は、ＥＥＧ装置と、ＥＥＧを測定する電極と、ＥＥＧデータを電子的に記憶する手段と、コンピュータ・ソフトウェアを記憶し、本発明を実施するコンピュータ・ソフトウェアを実行する手段と、変換データを電子的に記憶する手段と、変換データを表示する画面とを備える。画面は、画像を表示可能なあらゆる適切な画面とし得る。この画面には、アナログ・モニタ又はデジタル・モニタ上の画面を含み得る。本発明の範囲は、目的を達成する多くの実施形態を含むことを理解されよう。

方法の実施形態は、図１に示されるフローチャート内のボックス内に示されるデータ収集及び変換ステップの組合せを含む。最初に、センサ電極は、例えば、ＥＥＧ及びＭＥＧの場合、被験者の頭部に隣接して配置され１、コンピュータは、出力を収集し、コンピュータ・データ・ファイルに変換するように設定される２。本発明の範囲は、本明細書で説明する方法の使用に適しているあらゆる種類の生理学的信号を含むことを理解されよう。電気生理学的信号を表現する変換データは、更なる処理のために収集及び／又は記憶される３。データの処理に際し、データを前処理すべきか否かについて決定が行われる４。データは前処理し得る５、又は前処理せずに、時間点若しくは注目時間点をマークし得る６。データを更に処理する際、１つ又は複数の注目時間点がマークされているかどうかについて決定が行われる７。データは、平均化し得る８、又は平均化せずに、皮質の場所及び対応するニューロンの向きを計算又は入手し得る、並びにノイズ共分散、リード・フィールド及び事前ソース共分散を計算し得る９。既存の選択方法は、皮質電流を計算し、場所の重み付けを可能にする方法である１０。次に、場所の重み及び／又は皮質電流を既存の方法に従って計算する１２。どの電流が内向きに流れていないかが決定される１３。重みＷは、この決定に応じて規定又は修正される１４。皮質電流は、重みＷを考慮して計算される１５。更なる反復が必要か否かについて決定が行われる１６。得られたデータは、ランダム・アクセス・メモリ（ＲＡＭ）内に記憶され、視覚的な表示のためにデータを表現する適切なデータ撮像技法によって更に変換されるか、又は後の使用のためにコンピュータ・ファイルに出力される２１。

より詳細には、既存の選択方法として、反復又はあらゆる他の重み付き線形逆ソルバーと共に最小ノルム最小２乗法（ＭＮＬＳ）又はＦｏｃａｌ Ｕｎｄｅｒｄｅｔｅｒｍｉｎｅｄ Ｓｙｓｔｅｍ Ｓｏｌｕｔｉｏｎ （ＦＯＣＵＳＳ）又はｓＬＯＲＥＴＡ－Ｗｅｉｇｈｔｅｄ Ａｃｃｕｒａｔｅ Ｍｉｎｉｍｕｍ－Ｎｏｒｍ（ＳＷＡＲＭ）を使用する方法は、皮質ソース電流ベクトルｘ_ｏｐｔを以下のステップで決定する：
ａ）電気信号データをコンピュータ・ファイルに収集するステップ。任意で、フィルタリング等の前処理を適用するステップ。
ｂ）注目時間点をマークするステップ。任意で、平均化ステップ。
ｃ）ニューロンの向きに対応する皮質の場所、ノイズ共分散Ｃ_ｎ、リード・フィールドＡ及び事前ソース共分散Ｃ_ｐを決定するステップ。
ｄ）測定データｂ、ノイズ共分散Ｃ_ｎ、リード・フィールドＡ及び事前ソース共分散Ｃ_ｐに基づき、既存の選択方法の実行によって、首尾よく反復されるまで又はステップｅ）を継続するまで、電流密度ベクトルｘ_ｏｐｔ及び最終重み行列Ｗ_{ｆｉｎａｌ}を計算するステップ。ＭＮＬＳの場合、反復数は１であり、Ｗ_{ｆｉｎａｌ}＝１である。
ｅ）（場所ごとに１つの）対角重み行列Ｗの入力がｘ_ｏｐｔの対応値の関数によって決定され、内向きではない電流の場所が、内向き電流の場所より小さい重みを得るように、対角重み行列Ｗを計算するステップ、例えば、
Ｗ_{Ｎ, Ｎ}＝ｓｇｎ（ｘ_{ｏｐｔ，Ｎ}）×０．５＋１。
ｆ）関連する重み付き線形逆問題を解くことによって、測定データｂ、ノイズ共分散Ｃ_ｎ、リード・フィールドＡ及び対角重み行列Ｗ及びＷ_{ｆｉｎａｌ}並びに重み付きソース共分散Ｃｓ＝Ｗ^－２Ｗ_{ｆｉｎａｌ} ^－２Ｃｐに基づき、更新された電流密度ベクトルｘ_ｏｐｔを再計算するステップ。
ｇ）選択方法が反復方法であり、ステップｄ）において、反復ではない選択が行われた場合、首尾よく反復されない限り、ステップｄ）を継続する。

一部のＷ_Ｎ，Ｎがゼロに設定される重み行列Ｗの使用に対する代替として、方法は、多くの場合、対応するソースの場所を除く、したがって、ｘ及びｘ_ｏｐｔの次元数を低減することによって、並びにリード・フィールドＡ及び事前ソース共分散Ｃ_ｐを再計算するか、又は対応する行及び列を単に削除することによっても実施し得る。

注目事象の生成に関与する可能性がある皮質の場所を示す測定規準ｓを提供する値の分布を計算する既存の方法を強化するために使用される場合、更に、皮質ソースごとの電流方向を計算するか、若しくは皮質ソースごとの電流方向の抽出若しくは推定を可能にする場合、又は皮質ソースごとの電流方向を計算するか、若しくは皮質ソースごとの電流方向の抽出若しくは推定を可能にする方法によって補足し得る場合、この機構は、内向き電流方向を伴わない場所が注目事象の生成に関与する可能性がより少ないことを示すように、値の分布を修正するために使用される。

本発明によれば、得られた測定規準ｓ_ｏｐｔは、既存の方法の結果ｓ及び所与の場所Ｎにおける電流方向が内向きであるか否かについての情報に基づき計算され、ｓ_ｏｐｔにおいて、ｓと比較して、電流が内向きに流れていない場所が、注目事象の生成に関与する可能性がより小さいことを示す値を得るようにする。例えば、
場所Ｎにおける電流が内向きに流れている場合、ｓ_{ｏｐｔ，Ｎ}＝ｓ_Ｎであり、そうでなければ、
ｓ_{ｏｐｔ，Ｎ}＝０である。

本発明の方法は、以前に記述した技法をコンピュータ・ソフトウェア内で好都合に実施し、有用であると以前には考えられなかった方法で電気信号データを表現に変換する。

本発明によれば、皮質電流方向についての情報は、得られた測定規準ｓの修正と共に、結果に驚くべき有用性の発見をもたらす。電気生理学的信号測定、例えば、ＥＥＧ若しくはＭＥＧ測定、又は他の適切な測定で使用する場合の本発明の方法は、これまで示されていない。

本発明は、電気生理学的信号データを取得する電極を有するデバイスと、前記データを記憶する手段と、前記データを変換する手段と、変換中に計算を行うマイクロプロセッサと、方法のアルゴリズムを実施するコンピュータ・ソフトウェアと、変換データを記憶する手段と、変換データを表示する手段とを含む。一実施形態では、本発明は、ＥＥＧ装置と、ＥＥＧを測定する電極と、ＥＥＧデータを電子的に記憶する手段と、コンピュータ・ソフトウェアを記憶し、本発明を実施するコンピュータ・ソフトウェアを実行する手段と、変換データを電子的に記憶する手段と、変換データを表示する画面とを備える。画面は、画像を表示可能なあらゆる適切な画面とし得る。この画面には、アナログ・モニタ又はデジタル・モニタ上の画面を含み得る。本発明の範囲は、目的を達成する多くの実施形態を含むことを理解されよう。

方法の実施形態は、図１に示されるフローチャート内のボックス内に示されるデータ収集及び変換ステップの組合せを含む。最初に、センサ電極は、例えば、ＥＥＧ及びＭＥＧの場合、被験者の頭部に隣接して配置され１、コンピュータは、出力を収集し、コンピュータ・データ・ファイルに変換するように設定される２。本発明の範囲は、本明細書で説明する方法の使用に適しているあらゆる種類の生理学的信号を含むことを理解されよう。電気生理学的信号を表現する変換データは、更なる処理のために収集及び／又は記憶される３。データの処理に際し、データを前処理すべきか否かについて決定が行われる４。データは前処理し得る５、又は前処理せずに、時間点若しくは注目時間点をマークし得る６。データを更に処理する際、１つ又は複数の注目時間点がマークされているかどうかについて決定が行われる７。データは、平均化し得る８、又は平均化せずに、皮質の場所及び対応するニューロンの向きを計算又は入手し得る、並びにノイズ共分散、リード・フィールド及び事前ソース共分散を計算し得る９。既存の選択方法は、起こりそうな皮質電流の場所を計算し、皮質電流方向の計算、抽出又は推定を可能にする方法である１０。次に、皮質の場所の活動を示す値の分布を既存の方法に従って計算する１７。皮質電流方向を計算する１８。どの電流が内向きに流れているかを決定する１９。活動を示す値の分布は、電流方向に基づき修正される２０。得られたデータは、ランダム・アクセス・メモリ（ＲＡＭ）内に記憶され、視覚的な表示のためにデータを表現する適切なデータ撮像技法によって更に変換されるか、又は後の使用のためにコンピュータ・ファイルに出力される２１。

より詳細には、既存の選択方法としてｓＬＯＲＥＴＡを使用する方法は、注目事象の生成に関与する可能性がある皮質の場所を示す測定規準ｓ_ｏｐｔを以下のステップで決定する：
ａ）電気信号データをコンピュータ・ファイルに収集するステップ。任意で、フィルタリング等の前処理を適用するステップ。
ｂ）注目時間点をマークするステップ。任意で、平均化ステップ。
ｃ）ニューロンの向きに対応する皮質の場所、ノイズ共分散Ｃ_ｎ、リード・フィールドＡ及び事前ソース共分散Ｃ_ｐを決定するステップ。
ｄ）関連する重みの付かない線形逆問題を解くことによって、測定データｂ、ノイズ共分散Ｃ_ｎ、リード・フィールドＡ及び事前ソース共分散Ｃ_ｐに基づき、電流密度ベクトルｘ_ｏｐｔを計算するステップ。
ｅ）電流密度ベクトルｘ_ｏｐｔに基づき、ｓＬＯＲＥＴＡの結果ｓを計算するステップ。
ｆ）皮質の場所のために、ｘ_ｏｐｔ内に記憶された電流方向が内向きではないことを決定するステップ。
ｇ）注目事象の生成に関与する可能性がより小さいことを示す値を、電流方向が内向きでない場所に割り当てることによって、ｓＬＯＲＥＴＡの結果ｓに基づき測定基準ｓ_ｏｐｔを計算するステップ。

既存の選択方法として反復を伴わずにＳＷＡＲＭを使用する方法は、測定基準ｓとは反対に、皮質電流を計算する前に測定基準ｓ_ｏｐｔを使用する。代替として、注目事象の生成に関与する可能性がゼロであることを示す値を割り当てることによって、ｓＬＯＲＥＴＡの結果ｓに基づき測定基準ｓ_ｏｐｔを計算する場合にのみ、反復を伴わずにＳＷＡＲＭを使用する方法は、対応するソース場所を除く、したがって、ｓ_ｏｐｔの次元数を低減することによっても実施し得る。

本発明の方法は、コンピュータ・アルゴリズム内で方法を実施することによって最も好都合に実行される。特に、有意味な結果を提供するため、ＥＥＧ又はＭＥＧの測定で取得される、本発明の方法によって変換しなければならない大量の信号データがある。

実施例
点ソースを含むシミュレートしたＥＥＧデータが図２に示され、ソース強度の時間推移は、脱分極段階、その後の再分極段階をモデル化したものである。左側の図２ａでは、ＥＥＧにおける頭部に位置する２５個のセンサの出力２、スケール４、及び垂直時間カーソル３によって示される時間点におけるμＶ単位の各チャネルの大きさ５が示される。垂直時間カーソル３によって示される時間点は、解析に使用される時間点を示し、脱分極段階のピークである。更に、各センサ（チャネル）は、左手側のシーケンス１に従って標示される。右の図２ｂでは、（センサの標示によって識別される）コンピュータで生成されたセンサのレンダリング２、及び選択した時間点に関する電圧の等電位線３がスケール１の使用と共に示される。ノイズ共分散行列Ｃ_ｎは、この例では対角重み行列であり、全ての対角重み行列の非ゼロ入力は、（０．５μＶ）^２であり、１０の信号対ノイズ比に対応する。ソース事前共分散行列Ｃ_ｐは１である。

図３から図６は、ＥＥＧ信号データに適用される解析結果を示す。これらの図面の全てにおいて、ａからｃの部分において、３－Ｄ解空間を通る３つの直交カットは、解析結果２を示す。解析結果は、解析結果の場所、向き及び強度を示す矢印として示される。各矢印によって示される場所は、矢印の中心、即ち、後部と先端との間の中間である。各矢印によって表される強度は、矢印の色及びサイズによっても示される。各矢印の先端は、皮質電流方向を示す。右（「Ｒ」）１及び左（「Ｌ」）を示す標示、解剖学上背景５、及びソース場所が分布する皮質シートの中間層を表す表面４も示される。直交カットにおいて、黒の十字線３は、シミュレートした点ソースの場所を示す。部分ｄでは、部分ｃによる、十字線の周囲の領域の拡大図を見せる。部分ｅでは、解析結果の表示に使用される色を示すスケールを見せる。

図３は、反復を伴う既存の方法ＳＷＡＲＭの結果を示す。スケールに見える単位は、電流双極子モーメントであるμＡｍｍである。

図４は、既存の方法が反復を伴うＳＷＡＲＭ方法である、提案される方法の結果を示す。スケールに見える単位は、電流双極子モーメントであるμＡｍｍである。

図５は、既存の方法ｓＬＯＲＥＴＡの結果を示す。スケールに見える単位は、無単位のＦ分布統計スコアを示す。

図６は、既存の方法がｓＬＯＲＥＴＡ方法である、提案される方法の結果を示す。スケールに見える単位は、無単位のＦ分布統計スコアを示す。

参考文献（非特許文献１－１５）：
Ｄａｌｅ Ａ．Ｍ．、Ｓｅｒｅｎｏ Ｍ．ｌ．Ｉｍｐｒｏｖｅｄ Ｌｏｃａｌｉｚａｔｉｏｎ ｏｆ Ｃｏｒｔｉｃａｌ Ａｃｔｉｖｉｔｙ ｂｙ Ｃｏｍｂｉｎｉｎｇ ＥＥＧ ａｎｄ ＭＥＧ ｗｉｔｈ ＭＲＩ Ｃｏｒｔｉｃａｌ Ｓｕｒｆａｃｅ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ： Ａ Ｌｉｎｅａｒ Ａｐｐｒｏａｃｈ．Ｊｏｕｒｎａｌ ｏｆ Ｃｏｇｎｉｔｉｖｅ Ｎｅｕｒｏｓｃｉｅｎｃｅ ５、１６２～１７６頁、１９９３年
Ｆｕｃｈｓ Ｍ．、Ｗａｇｎｅｒ Ｍ．、Ｋｏｈｌｅｒ Ｔ．、Ｗｉｓｃｈｍａｎｎ Ｈ．Ａ．Ｌｉｎｅａｒ ａｎｄ Ｎｏｎｌｉｎｅａｒ Ｃｕｒｒｅｎｔ Ｄｅｎｓｉｔｙ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎｓ．Ｊ Ｃｌｉｎ Ｎｅｕｒｏｐｈｙｓｉｏｌ １６、２６７～２９５頁、１９９９年
Ｇｏｒｏｄｎｉｔｓｋｙ Ｉ．Ｆ．、Ｇｅｏｒｇｅ Ｊ．Ｓ．、Ｒａｏ Ｂ．Ｄ．Ｎｅｕｒｏｍａｇｎｅｔｉｃ ｓｏｕｒｃｅ ｉｍａｇｉｎｇ ｗｉｔｈ ＦＯＣＵＳＳ： ａ ｒｅｃｕｒｓｉｖｅ ｗｅｉｇｈｔｅｄ ｍｉｎｉｍｕｍ ｎｏｒｍ ａｌｇｏｒｉｔｈｍ．Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒｙ ａｎｄ Ｃｌｉｎｉｃａｌ Ｎｅｕｒｏｐｈｙｓｉｏｌｏｇｙ ４、２３１～５１、１９９５年
Ｈａｍａｌａｉｎｅｎ Ｍ．、Ｉｌｍｏｎｉｅｍｉ Ｒ． Ｉｎｔｅｒｐｒｅｔｉｎｇ ｍａｇｎｅｔｉｃ ｆｉｅｌｄｓ ｏｆ ｔｈｅ ｂｒａｉｎ： ｍｉｎｉｍｕｍ ｎｏｒｍ ｅｓｔｉｍａｔｅｓ．Ｒｅｐｏｒｔ ＴＫＫ－Ｆ－Ａ５５９、Ｈｅｌｓｉｎｋｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ、Ｅｓｐｏｏ、１９８４年
Ｋｏｈｌｅｒ Ｔ． Ｌｏｓｕｎｇｅｎ ｄｅｓ ｂｉｏｅｌｅｋｔｒｏｍａｇｎｅｔｉｓｃｈｅｎ ｉｎｖｅｒｓｅｎ Ｐｒｏｂｌｅｍｓ．ＰｈＤ－Ｔｈｅｓｉｓ、Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｈａｍｂｕｒｇ、Ｈａｍｂｕｒｇ、１９９８年
Ｐａｓｃｕａｌ－Ｍａｒｑｕｉ Ｒ．Ｄ．Ｒｅｖｉｅｗ ｏｆ ｍｅｔｈｏｄｓ ｆｏｒ ｓｏｌｖｉｎｇ ｔｈｅ ＥＥＧ ｉｎｖｅｒｓｅ ｐｒｏｂｌｅｍ、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｅｌｅｃｔｒｏｍａｇｎｅｔｉｓｍ １、７５～８６頁、１９９９年
Ｐａｓｃｕａｌ－Ｍａｒｑｕｉ Ｒ．Ｄ．Ｓｔａｎｄａｒｄｉｚｅｄ ｌｏｗ ｒｅｓｏｌｕｔｉｏｎ ｂｒａｉｎ ｅｌｅｃｔｒｏｍａｇｎｅｔｉｃ ｔｏｍｏｇｒａｐｈｙ（ｓＬＯＲＥＴＡ）： ｔｅｃｈｎｉｃａｌ ｄｅｔａｉｌｓ．Ｍｅｔｈｏｄｓ ＆ Ｆｉｎｄｉｎｇｓ ｉｎ Ｅｘｐｅｒｉｍｅｎｔａｌ ＆ Ｃｌｉｎｉｃａｌ Ｐｈａｒｍａｃｏｌｏｇｙ ２４Ｄ、５～１２頁、２００２年
Ｐａｓｃｕａｌ－Ｍａｒｑｕｉ Ｒ．Ｄ．、Ｍｉｃｈｅｌ Ｃ．Ｍ．、Ｌｅｈｍａｎｎ Ｄ．、Ｌｏｗ ｒｅｓｏｌｕｔｉｏｎ ｅｌｅｃｔｒｏｍａｇｎｅｔｉｃ ｔｏｍｏｇｒａｐｈｙ： ａ ｎｅｗ ｍｅｔｈｏｄ ｆｏｒ ｌｏｃａｌｉｚｉｎｇ ｅｌｅｃｔｒｉｃａｌ ａｃｔｉｖｉｔｙ ｉｎ ｔｈｅ ｂｒａｉｎ、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｐｓｙｃｈｏｐｈｙｓｉｏｌｏｇｙ １８、４９～６５頁、１９９４年
Ｓｅｋｉｈａｒａ Ｋ．、Ｓａｈａｎｉ Ｍ．、Ｎａｇａｒａｊａｎ Ｓ．Ｓ．、Ｌｏｃａｌｉｚａｔｉｏｎ ｂｉａｓ ａｎｄ ｓｐａｔｉａｌ ｒｅｓｏｌｕｔｉｏｎ ｏｆ ａｄａｐｔｉｖｅ ａｎｄ ｎｏｎ－ａｄａｐｔｉｖｅ ｓｐａｔｉａｌ ｆｉｌｔｅｒｓ ｆｏｒ ＭＥＧ ｓｏｕｒｃｅ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ．ＮｅｕｒｏＩｍａｇｅ ２５、１０５６～１０６７頁、２００５年
Ｔａｏ ＪＸ、Ｒａｙ Ａ、Ｈａｗｅｓ－Ｅｂｅｒｓｏｌｅ Ｓ、Ｅｂｅｒｓｏｌｅ ＪＳ．、Ｉｎｔｒａｃｒａｎｉａｌ ＥＥＧ ｓｕｂｓｔｒａｔｅｓ ｏｆ ｓｃａｌｐ ＥＥＧ ｉｎｔｅｒｉｃａｌ ｓｐｉｋｅｓ、Ｅｐｉｌｅｐｓｉａ ２００５年；４６：６６９～６７６頁
Ｔａｒａｎｔｏｌａ Ａ．、Ｉｎｖｅｒｓｅ Ｐｒｏｂｌｅｍ Ｔｈｅｏｒｙ （第２版）、Ｅｌｓｅｖｉｅｒ、Ａｍｓｔｅｒｄａｍ、１９９４年
Ｗａｇｎｅｒ Ｍ．、Ｒｅｋｏｎｓｔｒｕｋｔｉｏｎ Ｎｅｕｒｏｎａｌｅｒ Ｓｔｒｏｍｅ、Ｓｈａｋｅｒ Ｖｅｒｌａｇ、Ａａｃｈｅｎ、１９９８年
Ｗａｇｎｅｒ Ｍ、Ｆｕｃｈｓ Ｍ、Ｋａｓｔｎｅｒ Ｊ．、Ｃｕｒｒｅｎｔ Ｄｅｎｓｉｔｙ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎｓ ａｎｄ Ｄｅｖｉａｔｉｏｎ Ｓｃａｎｓ Ｕｓｉｎｇ Ｅｘｔｅｎｄｅｄ Ｓｏｕｒｃｅｓ、Ｂｉｏｍａｇ ２００２年、編者：Ｈ．Ｎｏｗａｋ、Ｊ．Ｈａｕｅｉｓｅｎ、Ｆ．Ｇｉｅｓｓｌｅｒ、Ｒ．Ｈｕｏｎｋｅｒ、ＶＤＥ Ｖｅｒｌａｇ、Ｂｅｒｌｉｎ、Ｏｆｆｅｎｂａｃｈ ２００２年、８０４～８０６頁
Ｗａｇｎｅｒ Ｍ．、Ｆｕｃｈｓ Ｍ．、Ｋａｓｔｎｅｒ Ｊ．、Ｅｖａｌｕａｔｉｏｎ ｏｆ ｓＬＯＲＥＴＡ ｉｎ ｔｈｅ ｐｒｅｓｅｎｃｅ ｏｆ ｎｏｉｓｅ ａｎｄ ｍｕｌｔｉｐｌｅ ｓｏｕｒｃｅｓ、Ｂｒａｉｎ Ｔｏｐｏｇｒ．１６、２７７～８０頁、２００４年
Ｗａｇｎｅｒ Ｍ、Ｆｕｃｈｓ Ｍ、Ｋａｓｔｎｅｒ Ｊ．（２００７年）ＳＷＡＲＭ：ｓＬＯＲＥＴＡ－ｗｅｉｇｈｔｅｄ ａｃｃｕｒａｔｅ ｍｉｎｉｍｕｍ－ｎｏｒｍ ｉｎｖｅｒｓｅ ｓｏｌｕｔｉｏｎｓ．（編者）Ｃｈｅｙｎｅ Ｄ、Ｒｏｓｓ Ｂ、Ｓｔｒｏｉｎｋ Ｇ、Ｗｅｉｎｂｅｒｇ Ｈ． Ｎｅｗ Ｆｒｏｎｔｉｅｒｓ ｉｎ Ｂｉｏｍａｇｎｅｔｉｓｍ．Ａｍｓｔｅｒｄａｍ、Ｅｌｓｅｖｉｅｒ、１８５～１８８頁

Claims (7)

1. マイクロプロセッサを使用してセンサからの電気信号データを変換する方法であって、
   ａ）電気信号データを収集し、コンピュータ・ファイル内に記憶するステップと、
   ｂ）既存の選択方法に従って皮質電流ベクトルを計算するステップと、
   ｃ）どの電流が内向きに流れていないかを決定するステップと、
   ｄ）対角重み行列を計算するステップであって、電流が内向きに流れていない場所を表す前記対角重み行列の入力は、前記対角重み行列の他の入力と比較するとより小さい、ステップと、
   ｅ）前記既存の選択方法に従って前記電流ベクトルを計算するステップであるが、前記計算ステップ内で決定された前記対角重み行列を組み込む、ステップと、
   ｆ）得られた前記データを少なくとも１つのコンピュータ・ファイル内に記憶するステップとを含む
   ことを特徴とする方法。
2. マイクロプロセッサを使用してセンサからの電気信号データを変換する方法であって、
   ａ）電気信号データを収集し、コンピュータ・ファイル内に記憶するステップと、
   ｂ）既存の選択方法に従って、皮質の場所の活動を示す値の分布を計算するステップと、
   ｃ）皮質電流方向を計算、抽出又は推定するステップと、
   ｄ）どの電流が内向きに流れていないかを決定するステップと、
   ｅ）活動を示す値の分布を修正するステップであって、電流が内向きに流れていない場所を表す値が、前記修正前より小さい活動を示すように修正する、ステップと、
   ｆ）得られた前記データを少なくとも１つのコンピュータ・ファイル内に記憶するステップとを含む
   ことを特徴とする方法。
3. 前記データを前記データの視覚表現に適した形態に変換するため、記憶され、得られた前記データにデータ撮像技法を適用するステップを更に含む
   請求項１または２に記載の方法。
4. 前記変換データを目視検査のために表示するステップを更に含む
   請求項３に記載の方法。
5. 電気信号データを収集、変換、表示する装置であって、
   電気信号を収集するセンサと、電気信号データを記憶する手段と、少なくとも１つのマイクロプロセッサとを備え、前記少なくとも１つのマイクロプロセッサは、既存の選択方法を実施するコンピュータ・プログラム、皮質電流方向を決定するアルゴリズム、及び対角重み行列アルゴリズム、又は活動を示す値の分布を修正し、記憶した電気信号データを変換するアルゴリズムを有する
   ことを特徴とする装置。
6. 変換データを記憶する手段を更に備える
   請求項５に記載の装置。
7. 前記変換データを表示する手段を更に備える
   請求項５または６に記載の装置。

Images