JP2024509075A - 生理学的信号の位置特定 - Google Patents
生理学的信号の位置特定 Download PDFInfo
- Publication number
- JP2024509075A JP2024509075A JP2023550172A JP2023550172A JP2024509075A JP 2024509075 A JP2024509075 A JP 2024509075A JP 2023550172 A JP2023550172 A JP 2023550172A JP 2023550172 A JP2023550172 A JP 2023550172A JP 2024509075 A JP2024509075 A JP 2024509075A
- Authority
- JP
- Japan
- Prior art keywords
- data
- cortical
- current
- activity
- electrical signal
- 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.)
- Pending
Links
- 230000004807 localization Effects 0.000 title description 8
- 238000000034 method Methods 0.000 claims abstract description 80
- 230000001054 cortical effect Effects 0.000 claims abstract description 64
- 239000011159 matrix material Substances 0.000 claims abstract description 26
- 239000013598 vector Substances 0.000 claims abstract description 25
- 230000000694 effects Effects 0.000 claims abstract description 20
- 238000010187 selection method Methods 0.000 claims abstract description 14
- 238000012986 modification Methods 0.000 claims abstract description 3
- 230000004048 modification Effects 0.000 claims abstract description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000011179 visual inspection Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 abstract 1
- 238000002582 magnetoencephalography Methods 0.000 description 23
- 238000005259 measurement Methods 0.000 description 23
- 210000004556 brain Anatomy 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 12
- 210000002569 neuron Anatomy 0.000 description 10
- 210000004884 grey matter Anatomy 0.000 description 9
- 230000007177 brain activity Effects 0.000 description 8
- 238000012935 Averaging Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 210000003128 head Anatomy 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000003325 tomography Methods 0.000 description 4
- 238000013499 data model Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001037 epileptic effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000007917 intracranial administration Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000028161 membrane depolarization Effects 0.000 description 3
- 230000001149 cognitive effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013501 data transformation Methods 0.000 description 2
- 230000002999 depolarising effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000036403 neuro physiology Effects 0.000 description 2
- 230000002863 neuromagnetic effect Effects 0.000 description 2
- 230000001766 physiological effect Effects 0.000 description 2
- 230000008430 psychophysiology Effects 0.000 description 2
- 210000002763 pyramidal cell Anatomy 0.000 description 2
- 230000002336 repolarization Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 210000004761 scalp Anatomy 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000002109 interictal effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 210000001176 projection neuron Anatomy 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 210000004885 white matter Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
-
- 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
- A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
- A61B5/245—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetoencephalographic [MEG] signals
-
- 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
-
- 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]
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
-
- 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
- A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
- A61B5/243—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetocardiographic [MCG] signals
-
- 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
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/339—Displays specially adapted therefor
-
- 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
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
-
- 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
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4094—Diagnosing or monitoring seizure diseases, e.g. epilepsy
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Neurology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Neurosurgery (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Electrotherapy Devices (AREA)
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10cm2(EEG)又は6cm2(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、xNによって識別し、行列の(M,N)番目の入力Aは、AM,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。
・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Cnを使用して表され、ノイズ共分散行列Cn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xTCS
-1xが最小であると仮定され、CS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、CS=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、
xopt=arg min[(Ax-b)TCn -1(Ax-b)+λxTCS -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xoptが得られ(xopt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。xopt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。
xopt=arg min[(Ax-b)TCn -1(Ax-b)+λxTCS -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xoptが得られ(xopt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。xopt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、xN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xopt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sopt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xopt、又は皮質電流の傾向を示す離散測定規準sopt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。
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:
Cs=W-2Cp
を利用し、式中、Cpは、xのソース共分散行列である。Cp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、Cp=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Cp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、WN=f(xN)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xNが、電流が内向きに流れていないことを示す場合、値xN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。
Cs=W-2Cp
を利用し、式中、Cpは、xのソース共分散行列である。Cp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、Cp=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Cp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、WN=f(xN)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xNが、電流が内向きに流れていないことを示す場合、値xN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、xN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xopt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xopt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WN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。
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、xN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xopt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xopt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WN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L2-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xopt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Cn、リード・フィールドA及び事前ソース共分散Cpを決定するステップ。
d)測定データb、ノイズ共分散Cn、リード・フィールドA及び事前ソース共分散Cp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xopt及び最終重み行列Wfinalを計算するステップ。MNLSの場合、反復数は1であり、Wfinal=1である。
e)(場所ごとに1つの)対角重み行列Wの入力がxopt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、
WN, N=sgn(xopt,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Cn、リード・フィールドA及び対角重み行列W及びWfinal並びに重み付きソース共分散Cs=W-2Wfinal -2Cpに基づき、更新された電流密度ベクトルxopt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。
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Cn、リード・フィールドA及び事前ソース共分散Cpを決定するステップ。
d)測定データb、ノイズ共分散Cn、リード・フィールドA及び事前ソース共分散Cp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xopt及び最終重み行列Wfinalを計算するステップ。MNLSの場合、反復数は1であり、Wfinal=1である。
e)(場所ごとに1つの)対角重み行列Wの入力がxopt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、
WN, N=sgn(xopt,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Cn、リード・フィールドA及び対角重み行列W及びWfinal並びに重み付きソース共分散Cs=W-2Wfinal -2Cpに基づき、更新された電流密度ベクトルxopt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WN,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xopt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Cp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sopt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、sopt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、sopt,N=sNであり、そうでなければ、
sopt,N=0である。
場所Nにおける電流が内向きに流れている場合、sopt,N=sNであり、そうでなければ、
sopt,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sopt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Cn、リード・フィールドA及び事前ソース共分散Cp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Cn、リード・フィールドA及び事前ソース共分散Cpに基づき、電流密度ベクトルxoptを計算するステップ。
e)電流密度ベクトルxopt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、xopt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soptを計算するステップ。
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Cn、リード・フィールドA及び事前ソース共分散Cp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Cn、リード・フィールドA及び事前ソース共分散Cpに基づき、電流密度ベクトルxoptを計算するステップ。
e)電流密度ベクトルxopt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、xopt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sopt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sopt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sopt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、sopt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Cn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Cpは1である。
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Cn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Cp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
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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/IB2021/051564 WO2022180420A1 (en) | 2021-02-25 | 2021-02-25 | Localizing physiological signals |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024509075A true JP2024509075A (ja) | 2024-02-29 |
Family
ID=83047861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023550172A Pending JP2024509075A (ja) | 2021-02-25 | 2021-02-25 | 生理学的信号の位置特定 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20240122549A1 (ja) |
EP (1) | EP4297651A1 (ja) |
JP (1) | JP2024509075A (ja) |
KR (1) | KR20230150303A (ja) |
CN (1) | CN116940282A (ja) |
AU (1) | AU2021429161A1 (ja) |
CA (1) | CA3210703A1 (ja) |
WO (1) | WO2022180420A1 (ja) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007076566A1 (en) * | 2006-01-05 | 2007-07-12 | Compumedics Limited | Localising and displaying electrophysiological signals |
US9433363B1 (en) * | 2015-06-18 | 2016-09-06 | Genetesis Llc | Method and system for high throughput evaluation of functional cardiac electrophysiology |
US11147501B2 (en) * | 2017-10-12 | 2021-10-19 | Children's Hospital Medical Center | Systems and methods for enhanced encoded source imaging |
-
2021
- 2021-02-25 CN CN202180094515.0A patent/CN116940282A/zh active Pending
- 2021-02-25 AU AU2021429161A patent/AU2021429161A1/en active Pending
- 2021-02-25 CA CA3210703A patent/CA3210703A1/en active Pending
- 2021-02-25 JP JP2023550172A patent/JP2024509075A/ja active Pending
- 2021-02-25 US US18/277,566 patent/US20240122549A1/en active Pending
- 2021-02-25 EP EP21927747.2A patent/EP4297651A1/en active Pending
- 2021-02-25 KR KR1020237029877A patent/KR20230150303A/ko unknown
- 2021-02-25 WO PCT/IB2021/051564 patent/WO2022180420A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022180420A1 (en) | 2022-09-01 |
AU2021429161A1 (en) | 2022-10-06 |
CA3210703A1 (en) | 2022-09-01 |
EP4297651A1 (en) | 2024-01-03 |
CN116940282A (zh) | 2023-10-24 |
KR20230150303A (ko) | 2023-10-30 |
US20240122549A1 (en) | 2024-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hauk | Keep it simple: a case for using classical minimum norm estimation in the analysis of EEG and MEG data | |
CA2319227C (en) | System and method for measuring, estimating and displaying rms current density maps | |
Haufe et al. | Large-scale EEG/MEG source localization with spatial flexibility | |
EP1998668B1 (en) | Method and apparatus for localising and displaying electrophysiological signals | |
JP6072005B2 (ja) | 信号の加算平均 | |
Jun et al. | Spatiotemporal Bayesian inference dipole analysis for MEG neuroimaging data | |
Babiloni et al. | Recognition of imagined hand movements with low resolution surface Laplacian and linear classifiers | |
da Silva | A critical review of clinical applications of topographic mapping of brain potentials | |
Jonmohamadi et al. | Comparison of beamformers for EEG source signal reconstruction | |
US20160051161A1 (en) | Method for locating a brain activity associated with a task | |
US11911169B2 (en) | Systems and methods for enhanced encoded source imaging | |
Mariyappa et al. | Denoising of multichannel MCG data by the combination of EEMD and ICA and its effect on the pseudo current density maps | |
Kobayashi et al. | Systematic source estimation of spikes by a combination of independent component analysis and RAP-MUSIC: I: Principles and simulation study | |
Liu et al. | Removal of the ocular artifacts from EEG data using a cascaded spatio-temporal processing | |
No et al. | Reduced leadset selection and performance evaluation in the inverse problem of electrocardiography for reconstructing the ventricularly paced electrograms | |
JP4414591B2 (ja) | 脳および心臓の一次電流の断層撮影システムおよび方法 | |
JP2024509075A (ja) | 生理学的信号の位置特定 | |
Sengottuvel et al. | An epoch based methodology to denoise magnetocardiogram (MCG) signals and its application to measurements on subjects with implanted devices | |
Jonmohamadi et al. | Voxel-ICA for reconstruction of source signal time-series and orientation in EEG and MEG | |
US12011273B2 (en) | Method and device for the technical support of the analysis of signals acquired by measurement, the signals having a time- and space-dependent signal characteristic | |
US20210128002A1 (en) | Dipole group quantification method and dipole group display system | |
Zaitcev et al. | Application of compressive sensing for eeg source localization in brain computer interfaces | |
Yang et al. | ASRE: Adaptive Spatial Resolution Wearable EEG | |
Ioannides | Magnetic field tomography: theory, applications and examples from the visual system | |
Brinkmann et al. | Quantitative EEG Analysis, EEG Mapping, and Magnetoencephalography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231211 |