JP2814969B2 - 活動部位検出装置 - Google Patents
活動部位検出装置Info
- Publication number
- JP2814969B2 JP2814969B2 JP7286745A JP28674595A JP2814969B2 JP 2814969 B2 JP2814969 B2 JP 2814969B2 JP 7286745 A JP7286745 A JP 7286745A JP 28674595 A JP28674595 A JP 28674595A JP 2814969 B2 JP2814969 B2 JP 2814969B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- time
- series data
- active site
- expected
- 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.)
- Expired - Fee Related
Links
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Digital Computer Display Output (AREA)
Description
【０００１】
【発明の属する技術分野】本発明は活動部位検出装置に
関し、特に機能的ＭＲＩデータや脳波、脳磁波等の時系
列データを入力し、外部刺激や被験者の反応に応じて活
動している部位やチャネルを検出する活動部位検出装置
に関する。
関し、特に機能的ＭＲＩデータや脳波、脳磁波等の時系
列データを入力し、外部刺激や被験者の反応に応じて活
動している部位やチャネルを検出する活動部位検出装置
に関する。
【０００２】
【従来の技術】近年、脳内の活動を非侵襲で観測する手
段として、機能的ＭＲＩデータや脳波、脳磁波等の時系
列データが注目されている。外部刺激や被験者の反応に
応じて脳内に神経活動が生じるが、その活動を、例え
ば、ＭＲＩ（核磁気共鳴イメージング）装置によって機
能的ＭＲＩデータとして観測したり、電極を用いて脳波
データとして観測したり、超電導量子干渉素子を用いて
脳磁波データとして観測することができる。
段として、機能的ＭＲＩデータや脳波、脳磁波等の時系
列データが注目されている。外部刺激や被験者の反応に
応じて脳内に神経活動が生じるが、その活動を、例え
ば、ＭＲＩ（核磁気共鳴イメージング）装置によって機
能的ＭＲＩデータとして観測したり、電極を用いて脳波
データとして観測したり、超電導量子干渉素子を用いて
脳磁波データとして観測することができる。
【０００３】機能的ＭＲＩデータは、神経活動に伴って
増加すると考えられる赤血球内ヘモグロビンの還元の量
に応じて変化する指標で、脳内の特定部位毎での時系列
データとなる。脳波や脳磁波データは、脳内の電気的な
活動が電極や素子で観測されたものである。これらは、
電極や素子に対応するアンプのチャネル毎の時系列デー
タとなる。このとき、ある外部刺激や被験者の反応に対
応した部位やチャネルを特定することは、脳内機能を解
析したり、脳機能診断を行う上で必要不可欠である。
増加すると考えられる赤血球内ヘモグロビンの還元の量
に応じて変化する指標で、脳内の特定部位毎での時系列
データとなる。脳波や脳磁波データは、脳内の電気的な
活動が電極や素子で観測されたものである。これらは、
電極や素子に対応するアンプのチャネル毎の時系列デー
タとなる。このとき、ある外部刺激や被験者の反応に対
応した部位やチャネルを特定することは、脳内機能を解
析したり、脳機能診断を行う上で必要不可欠である。
【０００４】一般に、脳内の活動は複雑であるため、特
定の刺激や反応に対する信号は非常に微弱であるため、
該信号を抽出することは非常に困難である。また、機能
的ＭＲＩデータには、脳内活動とは関係無い心拍等の信
号が含まれていたり、脳波や脳磁波には、外部から混入
するノイズが含まれている。
定の刺激や反応に対する信号は非常に微弱であるため、
該信号を抽出することは非常に困難である。また、機能
的ＭＲＩデータには、脳内活動とは関係無い心拍等の信
号が含まれていたり、脳波や脳磁波には、外部から混入
するノイズが含まれている。
【０００５】このため、与えられた時系列データから、
外部刺激や被験者の反応に対応した成分を強調する必要
がある。
外部刺激や被験者の反応に対応した成分を強調する必要
がある。
【０００６】従来、特定の刺激や反応に対する信号を強
調するために、次のような加算平均法と呼ばれる方法が
知られている。すなわち、ある外部刺激を複数回繰り返
し、それぞれの刺激に対して得られた時系列データを収
集する。これらのデータを刺激の時点でそろえて加算
し、その計測回数で除したものが、加算平均した時系列
データとなる。
調するために、次のような加算平均法と呼ばれる方法が
知られている。すなわち、ある外部刺激を複数回繰り返
し、それぞれの刺激に対して得られた時系列データを収
集する。これらのデータを刺激の時点でそろえて加算
し、その計測回数で除したものが、加算平均した時系列
データとなる。
【０００７】被験者の反応に対する時系列データの場合
でも、同様な方法で計算することができる。例えば、あ
る外部刺激を与えた時刻や被験者の反応が生じた時刻を
０とし、ｉ回目に観測された時刻ｔにおけるデータをｄ
ｉ（ｔ）とすると、加算平均データａ（ｔ）は、次式
(1)で与えられる。
でも、同様な方法で計算することができる。例えば、あ
る外部刺激を与えた時刻や被験者の反応が生じた時刻を
０とし、ｉ回目に観測された時刻ｔにおけるデータをｄ
ｉ（ｔ）とすると、加算平均データａ（ｔ）は、次式
(1)で与えられる。
【０００８】
【数１】
【０００９】加算平均した時系列データでは、ある外部
刺激や被験者の反応に対応した成分は、ｎ回の加算で振
幅がｎ倍になるが、対応しない成分はｎ1/2倍しか大き
くならない。従って、ｎを大きくすることにより、目的
とする成分のＳ／Ｎ比（信号対雑音比）が増大する。
刺激や被験者の反応に対応した成分は、ｎ回の加算で振
幅がｎ倍になるが、対応しない成分はｎ1/2倍しか大き
くならない。従って、ｎを大きくすることにより、目的
とする成分のＳ／Ｎ比（信号対雑音比）が増大する。
【００１０】加算平均した時系列データの振幅の大きさ
等を調べることにより、ある外部刺激や被験者の反応に
対応した部位やチャネルを特定することができる。
等を調べることにより、ある外部刺激や被験者の反応に
対応した部位やチャネルを特定することができる。
【００１１】
【発明が解決しようとする課題】しかしながら、上述し
た従来の方法では、計測回数ｎが比較的小さな値の場
合、それほどＳ／Ｎ比が向上しないため、振幅の大きさ
等で部位やチャネルを特定するのは困難であるという問
題点を有する。
た従来の方法では、計測回数ｎが比較的小さな値の場
合、それほどＳ／Ｎ比が向上しないため、振幅の大きさ
等で部位やチャネルを特定するのは困難であるという問
題点を有する。
【００１２】また、外部刺激や被験者の反応に対応した
部位やチャネルを特定する際、振幅を得るための信号波
形の定義は主観的であるため、判定者により違いが生じ
たり、部位やチャネルが特定される信頼度のような数値
を定義（規定）することができないという問題点があっ
た。
部位やチャネルを特定する際、振幅を得るための信号波
形の定義は主観的であるため、判定者により違いが生じ
たり、部位やチャネルが特定される信頼度のような数値
を定義（規定）することができないという問題点があっ
た。
【００１３】このため、計測回数が少ない場合でも部位
やチャネルが特定され、またその信頼度のような数値を
計算できるような手法が必要不可欠である。
やチャネルが特定され、またその信頼度のような数値を
計算できるような手法が必要不可欠である。
【００１４】従って、本発明の目的は、上記問題点を解
消し、ある外部刺激や被験者の反応に対する計測データ
の数が比較的少ない場合でも、外部刺激や被験者の反応
に応じて変化している成分をある部位やチャネルを検出
し、その信頼度のような数値を計算する活動部位検出装
置を提供することにある。また、本発明の目的は、ある
外部刺激や被験者の反応に対する観測データから、反応
に対応したデータのパターンが未知であっても、自動的
に簡便に活動部位やチャネルを検出する活動部位検出装
置を提供することにある。
消し、ある外部刺激や被験者の反応に対する計測データ
の数が比較的少ない場合でも、外部刺激や被験者の反応
に応じて変化している成分をある部位やチャネルを検出
し、その信頼度のような数値を計算する活動部位検出装
置を提供することにある。また、本発明の目的は、ある
外部刺激や被験者の反応に対する観測データから、反応
に対応したデータのパターンが未知であっても、自動的
に簡便に活動部位やチャネルを検出する活動部位検出装
置を提供することにある。
【００１５】
【課題を解決するための手段】前記目的を達成するた
め、本発明は、機能的ＭＲＩデータ又は脳波、脳磁波な
どの時系列データを入力し、外部刺激や被験者の反応等
に応じて活動している部位及び／又は活動しているチャ
ネルを検出する活動部位検出装置において、各部位及び
／又は各チャネルにおける時系列データを入力し、循環
変動を計算する循環変動計算手段と、外部刺激や被験者
の反応の時系列変化の情報を入力し、期待される活動時
系列データを出力する期待パターン生成手段と、前記期
待パターン生成手段から出力された期待活動時系列デー
タを入力し、該期待活動時系列データの循環変動を算出
する期待循環変動計算手段と、前記循環変動計算手段か
ら出力される循環変動データと前記期待循環変動計算手
段から出力される循環変動データを入力し、これらの変
動データの相関係数を算出する相関係数計算手段と、前
記相関係数計算手段から出力された相関係数を入力し、
対応する部位及び／又はチャネルが活動しているか否か
を判定する活動部位判定手段と、を備えて成ることを特
徴とする活動部位検出装置を提供する。
め、本発明は、機能的ＭＲＩデータ又は脳波、脳磁波な
どの時系列データを入力し、外部刺激や被験者の反応等
に応じて活動している部位及び／又は活動しているチャ
ネルを検出する活動部位検出装置において、各部位及び
／又は各チャネルにおける時系列データを入力し、循環
変動を計算する循環変動計算手段と、外部刺激や被験者
の反応の時系列変化の情報を入力し、期待される活動時
系列データを出力する期待パターン生成手段と、前記期
待パターン生成手段から出力された期待活動時系列デー
タを入力し、該期待活動時系列データの循環変動を算出
する期待循環変動計算手段と、前記循環変動計算手段か
ら出力される循環変動データと前記期待循環変動計算手
段から出力される循環変動データを入力し、これらの変
動データの相関係数を算出する相関係数計算手段と、前
記相関係数計算手段から出力された相関係数を入力し、
対応する部位及び／又はチャネルが活動しているか否か
を判定する活動部位判定手段と、を備えて成ることを特
徴とする活動部位検出装置を提供する。
【００１６】本発明に係る活動部位検出装置は、好まし
くは、各部位や各チャネルにおける時系列データを入力
し、バンドパスフィルタなどを用いてノイズを軽減さ
せ、循環変動計算部に出力するノイズフィルタ部を備え
て成ることを特徴とする。
くは、各部位や各チャネルにおける時系列データを入力
し、バンドパスフィルタなどを用いてノイズを軽減さ
せ、循環変動計算部に出力するノイズフィルタ部を備え
て成ることを特徴とする。
【００１７】さらに、本発明に係る活動部位検出装置
は、好ましくは、各部位や各チャネルにおける時系列デ
ータを入力し、平均や分散などを計算し、活動部位判定
部に出力する平均・分散計算部を備えて成ることを特徴
とする。
は、好ましくは、各部位や各チャネルにおける時系列デ
ータを入力し、平均や分散などを計算し、活動部位判定
部に出力する平均・分散計算部を備えて成ることを特徴
とする。
【００１８】
【作用】本発明に係る活動部位検出装置の原理・作用に
ついて以下に説明する。
ついて以下に説明する。
【００１９】まず、ｎ回の外部刺激や被験者の反応に対
して得られた計測データを連結して一つのデータｂ
（ｉ）とする。
して得られた計測データを連結して一つのデータｂ
（ｉ）とする。
【００２０】そして、このデータの循環変動を算出す
る。例えば、循環変動として、コレログラムを用いるこ
とができる。
る。例えば、循環変動として、コレログラムを用いるこ
とができる。
【００２１】コレログラムｃ（ｉ）は、例えば、基とな
るデータ列と、起点をｉ遅らせたデータ列との相関係数
を順次並べたもので、次式(2)のように定義される。
るデータ列と、起点をｉ遅らせたデータ列との相関係数
を順次並べたもので、次式(2)のように定義される。
【００２２】
【数２】
【００２３】ここで、ｍは上式(3)で与えられるよう
に、データｂ（ｉ）の平均値を表わしている。また、Ｎ
はデータの大きさである。
に、データｂ（ｉ）の平均値を表わしている。また、Ｎ
はデータの大きさである。
【００２４】ｂ（ｋ）の添え字（インデックス）ｋがＮ
を越えた場合は、例えば、ｋをＮで割った余りを新たに
ｋとし循環的に参照する。
を越えた場合は、例えば、ｋをＮで割った余りを新たに
ｋとし循環的に参照する。
【００２５】こうすることにより、ｂ（ｉ）に外部刺激
や被験者の反応に対応する成分が含まれていれば、ｃ
（ｉ）はｎの数だけ谷ができることになる。
や被験者の反応に対応する成分が含まれていれば、ｃ
（ｉ）はｎの数だけ谷ができることになる。
【００２６】次に、外部刺激や被験者の反応の時系列変
化から、期待される活動時系列データを生成する。これ
は、実際の活動パターンと同じである必要は無く、外部
刺激や被験者の反応の時系列変化に応じて変化する時系
列であれば良い。
化から、期待される活動時系列データを生成する。これ
は、実際の活動パターンと同じである必要は無く、外部
刺激や被験者の反応の時系列変化に応じて変化する時系
列であれば良い。
【００２７】期待される活動時系列データｕ（ｉ）か
ら、そのコレログラムｖ（ｉ）を計算する。
ら、そのコレログラムｖ（ｉ）を計算する。
【００２８】時系列データが外部刺激や被験者の反応に
応じて変化する成分を持つならば、コレログラムｃ
（ｉ）とコレログラムｖ（ｉ）の相関係数ｒは高い値を
持つことになる。
応じて変化する成分を持つならば、コレログラムｃ
（ｉ）とコレログラムｖ（ｉ）の相関係数ｒは高い値を
持つことになる。
【００２９】従って、各部位やチャネルについて相関係
数ｒの値を計算して調べることより、外部刺激や被験者
の反応に応じて活動している部位やチャネルを効果的に
検出することが可能となる。しかも、外部刺激や被験者
の反応のタイミング情報のみでよいため、具体的な活動
パターンを知らなくても活動部位やチャネルを検出する
ことができる。
数ｒの値を計算して調べることより、外部刺激や被験者
の反応に応じて活動している部位やチャネルを効果的に
検出することが可能となる。しかも、外部刺激や被験者
の反応のタイミング情報のみでよいため、具体的な活動
パターンを知らなくても活動部位やチャネルを検出する
ことができる。
【００３０】また、相関係数ｒという値を計算できるの
で、検出された部位やチャネルの信頼度のような値とし
て用いることもできる。
で、検出された部位やチャネルの信頼度のような値とし
て用いることもできる。
【００３１】本発明は、第２の視点において、好ましく
は、時系列データｂ（ｉ）にノイズフィルタを適用し、
その値を基にコレログラムを計算する。
は、時系列データｂ（ｉ）にノイズフィルタを適用し、
その値を基にコレログラムを計算する。
【００３２】ノイズフィルタとして、バンドパスフィル
タ等を用いることにより、目的とする外部刺激や被験者
の反応の時系列変化に応じて変化している成分とは異な
る周波数の影響を低減することが可能とされ、このため
効果的に活動部位や活動チャネルを検出することができ
る。
タ等を用いることにより、目的とする外部刺激や被験者
の反応の時系列変化に応じて変化している成分とは異な
る周波数の影響を低減することが可能とされ、このため
効果的に活動部位や活動チャネルを検出することができ
る。
【００３３】本発明は、第３の視点において、時系列デ
ータｂ（ｉ）もしくは観測データから、平均値や分散等
の統計量を計算し、活動部位や活動チャネルの判定に用
いる。これにより、例えば、機能的ＭＲＩデータに混在
する血管部分を取り除き、活動部位でないにもかかわら
ず、活動部位であると判定することを避けることが可能
とされ、高精度に検出することができる。
ータｂ（ｉ）もしくは観測データから、平均値や分散等
の統計量を計算し、活動部位や活動チャネルの判定に用
いる。これにより、例えば、機能的ＭＲＩデータに混在
する血管部分を取り除き、活動部位でないにもかかわら
ず、活動部位であると判定することを避けることが可能
とされ、高精度に検出することができる。
【００３４】
【発明の実施の形態】本発明の実施の形態を図面を参照
して以下に説明する。
して以下に説明する。
【００３５】
【実施形態１】図１は、本発明の第１の実施の形態の構
成を示す図である。以下で用いる記号等は上記「作用」
の欄で説明した記法に従う。
成を示す図である。以下で用いる記号等は上記「作用」
の欄で説明した記法に従う。
【００３６】以下では、ｎ回の外部刺激に対して得られ
た機能的ＭＲＩデータがあり、ある部位の時系列データ
を入力して判定結果を出力する場合を例に説明を行う。
被験者の反応などにより観測された機能的ＭＲＩデータ
や、脳波・脳磁波などのチャネル毎の時系列データに関
しても同様の手続きで行うことができる。
た機能的ＭＲＩデータがあり、ある部位の時系列データ
を入力して判定結果を出力する場合を例に説明を行う。
被験者の反応などにより観測された機能的ＭＲＩデータ
や、脳波・脳磁波などのチャネル毎の時系列データに関
しても同様の手続きで行うことができる。
【００３７】外部刺激として、例えば図５に示すような
格子模様で白と黒が毎秒３回程度反転するような視覚刺
激を用いることとする。また、被験者へは、視覚刺激が
例えば５秒間提示され、続く５秒間は何も提示されない
とする。また、機能的ＭＲＩ像として、例えば、図６に
示すような視覚野が存在する被験者の後頭部を含むよう
な面で観測されるようにする。
格子模様で白と黒が毎秒３回程度反転するような視覚刺
激を用いることとする。また、被験者へは、視覚刺激が
例えば５秒間提示され、続く５秒間は何も提示されない
とする。また、機能的ＭＲＩ像として、例えば、図６に
示すような視覚野が存在する被験者の後頭部を含むよう
な面で観測されるようにする。
【００３８】図１を参照して、循環変動計算部１は、時
系列データ１０を入力し、コレログラムを計算し、計算
結果を循環変動信号１３として出力する。
系列データ１０を入力し、コレログラムを計算し、計算
結果を循環変動信号１３として出力する。
【００３９】例えば、ｎ回の外部刺激に対して、図７に
示す部位で観測された機能的ＭＲＩデータの時系列デー
タの一例（１回目〜ｎ回目）を図８（Ａ）〜図８（Ｃ）
に示す。
示す部位で観測された機能的ＭＲＩデータの時系列デー
タの一例（１回目〜ｎ回目）を図８（Ａ）〜図８（Ｃ）
に示す。
【００４０】このとき、循環変動計算部１は、まず、こ
れらのデータを連結し一つのデータｂ（ｉ）とする。な
お、既に入力された時系列データ１０が連結したもので
ある場合は、改めて連結する必要は無い。
れらのデータを連結し一つのデータｂ（ｉ）とする。な
お、既に入力された時系列データ１０が連結したもので
ある場合は、改めて連結する必要は無い。
【００４１】連結したデータｂ（ｉ）の一例を図９に示
す。すなわち、図９には、図８（Ａ）〜図８（Ｃ）に示
す１回目からｎ回目のＭＲＩデータを連結したデータ
（横軸は時間）を示している。
す。すなわち、図９には、図８（Ａ）〜図８（Ｃ）に示
す１回目からｎ回目のＭＲＩデータを連結したデータ
（横軸は時間）を示している。
【００４２】このデータのコレログラムｃ（ｉ）は、例
えば、基となるデータ列と、起点をｉ遅らせたデータ列
との相関係数を順次並べたもので、ｃ（ｉ）は次式(4)
で与えられる。
えば、基となるデータ列と、起点をｉ遅らせたデータ列
との相関係数を順次並べたもので、ｃ（ｉ）は次式(4)
で与えられる。
【００４３】
【数３】
【００４４】ここで、ｍは上式(5)で与えられるように
ｃ（ｉ）の平均値、Ｎはデータの大きさ（サンプル数）
である。ｂ（ｋ）のｋがＮを越えた場合は、例えば、ｋ
をＮで割った余りを新たにｋとし循環的に参照する。ま
た、越えない範囲のデータを用いるような有効なデータ
の大きさが順次減少するコレログラムを定義することも
できる。さらに、平均値ｍの代りにトレンド傾向などを
用いることもできる。
ｃ（ｉ）の平均値、Ｎはデータの大きさ（サンプル数）
である。ｂ（ｋ）のｋがＮを越えた場合は、例えば、ｋ
をＮで割った余りを新たにｋとし循環的に参照する。ま
た、越えない範囲のデータを用いるような有効なデータ
の大きさが順次減少するコレログラムを定義することも
できる。さらに、平均値ｍの代りにトレンド傾向などを
用いることもできる。
【００４５】本実施形態においては、循環変動信号１３
として、例えば、コレログラムｃ（ｉ）のようなデータ
を用いることができる。
として、例えば、コレログラムｃ（ｉ）のようなデータ
を用いることができる。
【００４６】図１０に、データ列ｃ（ｉ）の一例を示
す。なお、循環変動計算部１は、好ましくはパーソナル
コンピュータやワークステーション等の演算処理部で実
現される。
す。なお、循環変動計算部１は、好ましくはパーソナル
コンピュータやワークステーション等の演算処理部で実
現される。
【００４７】図１を参照して、期待パターン生成部２
は、外部刺激や被験者の反応の時系列変化の情報１１を
入力し、期待パターン信号１２を出力する。
は、外部刺激や被験者の反応の時系列変化の情報１１を
入力し、期待パターン信号１２を出力する。
【００４８】例えば、図１１（Ａ）に示すような外部刺
激の時系列変化の情報が入力された場合、図１１（Ｂ）
に示すように、外部刺激の変化の様子と同期をとるよう
な期待パターン（矩形波パターン列）を出力する。
激の時系列変化の情報が入力された場合、図１１（Ｂ）
に示すように、外部刺激の変化の様子と同期をとるよう
な期待パターン（矩形波パターン列）を出力する。
【００４９】期待パターン１２信号は、外部刺激や被験
者の反応と同期が取られていれば良く、期待パターンの
波形の形は任意である。例えば、図１１（Ｃ）に示すよ
うな波形（正弦波）でも良い。なお、期待パターン生成
部２として、パルスジェネレータや、正弦波ジェネレー
タ、パーソナルコンピュータなどを用いることができ
る。
者の反応と同期が取られていれば良く、期待パターンの
波形の形は任意である。例えば、図１１（Ｃ）に示すよ
うな波形（正弦波）でも良い。なお、期待パターン生成
部２として、パルスジェネレータや、正弦波ジェネレー
タ、パーソナルコンピュータなどを用いることができ
る。
【００５０】図１を再び参照して、期待循環変動計算部
３は、期待パターン信号１２を入力し、期待循環変動信
号１４を出力する。変動信号は、例えば、循環変動計算
部１と同様の方式で計算することができる。例えば、図
１１（Ｂ）に示す信号を期待パターン信号として用いた
場合、期待循環変動計算部３から出力される期待循環変
動信号１４の例を図１２に示す。期待循環変動計算部３
として、パーソナルコンピュータやワークステーション
などを用いることができる。
３は、期待パターン信号１２を入力し、期待循環変動信
号１４を出力する。変動信号は、例えば、循環変動計算
部１と同様の方式で計算することができる。例えば、図
１１（Ｂ）に示す信号を期待パターン信号として用いた
場合、期待循環変動計算部３から出力される期待循環変
動信号１４の例を図１２に示す。期待循環変動計算部３
として、パーソナルコンピュータやワークステーション
などを用いることができる。
【００５１】相関係数計算部４は、循環変動信号１３と
期待循環変動信号１４を入力して相関係数を求め、相関
係数信号１５を出力する。例えば、循環変動信号をｃ
（ｉ）、期待循環変動信号をｖ（ｉ）とすると、相関係
数ｒは次式(6)で求めることができる。
期待循環変動信号１４を入力して相関係数を求め、相関
係数信号１５を出力する。例えば、循環変動信号をｃ
（ｉ）、期待循環変動信号をｖ（ｉ）とすると、相関係
数ｒは次式(6)で求めることができる。
【００５２】
【数４】
【００５３】ただし、Ｎはデータの大きさ、ｃm，ｖ
mは、それぞれデータ列ｃ（ｉ），ｖ（ｉ）の平均であ
る。
mは、それぞれデータ列ｃ（ｉ），ｖ（ｉ）の平均であ
る。
【００５４】ここでは相関係数信号１５として、相関係
数を用いたが、２つのデータ列の相関度を表すものであ
ればよい。相関係数計算部４として、パーソナルコンピ
ュータやワークステーションなどを用いることができ
る。
数を用いたが、２つのデータ列の相関度を表すものであ
ればよい。相関係数計算部４として、パーソナルコンピ
ュータやワークステーションなどを用いることができ
る。
【００５５】活動部位判定部５は、相関係数信号１５を
入力して、活動しているか否かの判定を行い、判定結果
情報１６を出力する。例えば、相関係数が０．６以上で
あれば、活動していると判断し、その信頼度として相関
係数を出力することもできる。活動部位判定部５とし
て、パーソナルコンピュータやワークステーションなど
を用いることができる。
入力して、活動しているか否かの判定を行い、判定結果
情報１６を出力する。例えば、相関係数が０．６以上で
あれば、活動していると判断し、その信頼度として相関
係数を出力することもできる。活動部位判定部５とし
て、パーソナルコンピュータやワークステーションなど
を用いることができる。
【００５６】以上の処理を、観測された全ての部位で行
ない、例えば活動していると判断された部位に対応する
ＭＲＩ画像での位置に赤いマーク等を付ければ、活動し
ている部分を視覚的に表現することもできる。
ない、例えば活動していると判断された部位に対応する
ＭＲＩ画像での位置に赤いマーク等を付ければ、活動し
ている部分を視覚的に表現することもできる。
【００５７】
【実施形態２】図２は、本発明の第２の実施の形態の構
成を示す図である。図２において、前記第１の実施形態
の説明で参照した図１と同一の機能を有する要素には同
一の参照符号が付されている。本実施形態の説明におい
て、前記第１の実施形態と共通の部分の説明は省略す
る。
成を示す図である。図２において、前記第１の実施形態
の説明で参照した図１と同一の機能を有する要素には同
一の参照符号が付されている。本実施形態の説明におい
て、前記第１の実施形態と共通の部分の説明は省略す
る。
【００５８】図２を参照して、本実施形態においては、
前記第１の実施形態の構成に、ノイズフィルタ部６が新
たに追加されている。ノイズフィルタ部６は、時系列デ
ータ１０を入力しフィルタリングされた時系列データ１
７を出力する。循環変動計算部１へは、フィルタリング
された時系列データ１７が入力される。
前記第１の実施形態の構成に、ノイズフィルタ部６が新
たに追加されている。ノイズフィルタ部６は、時系列デ
ータ１０を入力しフィルタリングされた時系列データ１
７を出力する。循環変動計算部１へは、フィルタリング
された時系列データ１７が入力される。
【００５９】ノイズフィルタ部６におけるフィルタリン
グ法として、周波数解析を用いたバンドパスフィルタ、
移動平均法、正規分布フィルタ等を用いることができ
る。例えば、移動平均法を用いた場合、時系列データｂ
（ｉ）にノイズフィルタを適用した結果ｂ’（ｉ）は、
次式(7)で求めることができる。
グ法として、周波数解析を用いたバンドパスフィルタ、
移動平均法、正規分布フィルタ等を用いることができ
る。例えば、移動平均法を用いた場合、時系列データｂ
（ｉ）にノイズフィルタを適用した結果ｂ’（ｉ）は、
次式(7)で求めることができる。
【００６０】
【数５】
【００６１】ここで、Ｍは移動平均を行う幅である。ノ
イズフィルタ部６として、パーソナルコンピュータやワ
ークステーションなどを用いることができる。
イズフィルタ部６として、パーソナルコンピュータやワ
ークステーションなどを用いることができる。
【００６２】
【実施形態３】図３は、本発明の第３の実施の形態の構
成を示す図である。図３において、前記第１の実施形態
の説明で参照した図１と同一の機能を有する要素には同
一の参照符号が付されている。本実施形態の説明におい
て、前記第１の実施形態と共通の部分の説明は省略す
る。
成を示す図である。図３において、前記第１の実施形態
の説明で参照した図１と同一の機能を有する要素には同
一の参照符号が付されている。本実施形態の説明におい
て、前記第１の実施形態と共通の部分の説明は省略す
る。
【００６３】図３を参照して、本実施形態においては、
前記第１の実施形態の構成に、平均・分散計算部７が新
たに追加されている。平均・分散計算部７は、時系列デ
ータ１０を入力し、その平均と分散もしくは標準偏差を
計算し、平均・分散信号１８を活動部位判定部５に出力
する。平均・分散計算部７として、パーソナルコンピュ
ータやワークステーションなどを用いることができる。
前記第１の実施形態の構成に、平均・分散計算部７が新
たに追加されている。平均・分散計算部７は、時系列デ
ータ１０を入力し、その平均と分散もしくは標準偏差を
計算し、平均・分散信号１８を活動部位判定部５に出力
する。平均・分散計算部７として、パーソナルコンピュ
ータやワークステーションなどを用いることができる。
【００６４】活動部位判定部５は、相関係数信号１５と
平均・分散信号１８に基づいて活動しているか否かの判
定を行う。例えば、機能的ＭＲＩデータに関しては、反
応している部位は赤血球内のヘモグロビンの還元の量に
応じているため、その赤血球が集まって来る血管がある
場合、その血管が活動部位として判断されてしまう。
平均・分散信号１８に基づいて活動しているか否かの判
定を行う。例えば、機能的ＭＲＩデータに関しては、反
応している部位は赤血球内のヘモグロビンの還元の量に
応じているため、その赤血球が集まって来る血管がある
場合、その血管が活動部位として判断されてしまう。
【００６５】一般に、血管の場合には機能的ＭＲＩデー
タの値が非常に大きく、分散も大きくなる傾向がある。
このため、例えば、観測された部位全体の機能的ＭＲＩ
データの平均や分散と平均・分散信号１８を比較して、
平均・分散信号１８が非常に大きい場合は、相関係数信
号１５が高い値を示していても、反応部位と判定しない
ようにすることができる。
タの値が非常に大きく、分散も大きくなる傾向がある。
このため、例えば、観測された部位全体の機能的ＭＲＩ
データの平均や分散と平均・分散信号１８を比較して、
平均・分散信号１８が非常に大きい場合は、相関係数信
号１５が高い値を示していても、反応部位と判定しない
ようにすることができる。
【００６６】
【実施形態４】図４は、本発明の第４の実施の形態の構
成を示す図である。図４において、前記第２の実施形態
の説明で参照した図２と同一の機能を有する要素には同
一の参照符号が付されている。本実施形態の説明におい
て、前記第２の実施形態と共通の部分の説明は省略す
る。
成を示す図である。図４において、前記第２の実施形態
の説明で参照した図２と同一の機能を有する要素には同
一の参照符号が付されている。本実施形態の説明におい
て、前記第２の実施形態と共通の部分の説明は省略す
る。
【００６７】図４を参照して、本実施形態においては、
前記第２の実施形態の構成に、平均・分散計算部７が新
たに追加されている。図４に示すように、平均・分散計
算部７には時系列データ１０が入力され、その平均と分
散もしくは標準偏差を計算し、平均・分散信号１８を活
動部位判定部５に出力する。平均・分散計算部７とし
て、パーソナルコンピュータやワークステーションなど
を用いることができる。活動部位判定部５は、相関係数
信号１５と平均・分散信号１８に基づいて活動している
か否かの判定を行う。なお、本実施形態においては、平
均・分散計算部７には時系列データ１０が入力されてい
るが、ノイズフィルタ部６の出力値であるフィルタリン
グされた時系列データ１７を入力するようにしてもよ
い。
前記第２の実施形態の構成に、平均・分散計算部７が新
たに追加されている。図４に示すように、平均・分散計
算部７には時系列データ１０が入力され、その平均と分
散もしくは標準偏差を計算し、平均・分散信号１８を活
動部位判定部５に出力する。平均・分散計算部７とし
て、パーソナルコンピュータやワークステーションなど
を用いることができる。活動部位判定部５は、相関係数
信号１５と平均・分散信号１８に基づいて活動している
か否かの判定を行う。なお、本実施形態においては、平
均・分散計算部７には時系列データ１０が入力されてい
るが、ノイズフィルタ部６の出力値であるフィルタリン
グされた時系列データ１７を入力するようにしてもよ
い。
【００６８】
【発明の効果】以上説明したように、本発明によれば、
外部刺激や被験者の反応などに応じて観測された機能的
ＭＲＩデータや脳波、脳磁波等の時系列データを入力
し、計測回数が少なくても活動している部位を検出する
ことが可能となる。また、本発明によれば、検出に対す
る信頼度のような数値を出力することが可能となり、活
動部位又はチャネルを高精度に検出することを可能とす
るという効果を有する。
外部刺激や被験者の反応などに応じて観測された機能的
ＭＲＩデータや脳波、脳磁波等の時系列データを入力
し、計測回数が少なくても活動している部位を検出する
ことが可能となる。また、本発明によれば、検出に対す
る信頼度のような数値を出力することが可能となり、活
動部位又はチャネルを高精度に検出することを可能とす
るという効果を有する。
【図１】本発明の第１の実施の形態に係る活動部位検出
装置の構成を示すブロック図である。
装置の構成を示すブロック図である。
【図２】本発明の第２の実施の形態に係る活動部位検出
装置の構成を示すブロック図である。
装置の構成を示すブロック図である。
【図３】本発明の第３の実施の形態に係る活動部位検出
装置の構成を示すブロック図である。
装置の構成を示すブロック図である。
【図４】本発明の第４の実施の形態に係る活動部位検出
装置の構成を示すブロック図である。
装置の構成を示すブロック図である。
【図５】被験者に提示される視覚刺激の一例である。
【図６】機能的ＭＲＩデータを観測する部位の一例を模
式的に示す図である。
式的に示す図である。
【図７】機能的ＭＲＩデータを観測する部位の一例を模
式的に示す図である。
式的に示す図である。
【図８】外部刺激に対して観測された機能的ＭＲＩデー
タの一例である。
タの一例である。
【図９】本発明の実施の形態を説明するための図であ
り、複数回のデータが連結されてなる時系列データの一
例である。
り、複数回のデータが連結されてなる時系列データの一
例である。
【図１０】本発明の実施の形態を説明するための図であ
り、循環変動信号（コレログラムデータ）の一例であ
る。
り、循環変動信号（コレログラムデータ）の一例であ
る。
【図１１】本発明の実施の形態を説明するための図であ
り、外部刺激や被験者の反応の時系列変化の情報の一例
と期待パターン信号の一例である。
り、外部刺激や被験者の反応の時系列変化の情報の一例
と期待パターン信号の一例である。
【図１２】本発明の実施の形態を説明するための図であ
り、期待循環変動信号（コレログラムデータ）の一例で
ある。
り、期待循環変動信号（コレログラムデータ）の一例で
ある。
１ 循環変動計算部 ２ 期待パターン生成部 ３ 期待循環変動計算部 ４ 相関係数計算部 ５ 活動部位判定部 ６ ノイズフィルタ部 ７ 平均・分散計算部 １０ 時系列データ １１ 外部刺激や被験者の反応の時系列変化の情報 １２ 期待パターン信号 １３ 循環変動信号 １４ 期待循環変動信号 １５ 相関係数信号 １６ 判定結果情報 １７ フィルタリングされた時系列データ １８ 平均・分散信号
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.6，ＤＢ名) A61B 5/0452 A61B 5/05 A61B 5/055
Claims (6)
- 【請求項１】機能的ＭＲＩデータ又は脳波、脳磁波など
の時系列データを入力し、外部刺激や被験者の反応等に
応じて活動している部位及び／又は活動しているチャネ
ルを検出する活動部位検出装置において、 各部位及び／又は各チャネルにおける時系列データを入
力し、循環変動を計算する循環変動計算手段と、 外部刺激や被験者の反応の時系列変化の情報を入力し、
期待される活動時系列データを出力する期待パターン生
成手段と、 前記期待パターン生成手段から出力された期待活動時系
列データを入力し、該期待活動時系列データの循環変動
を算出する期待循環変動計算手段と、 前記循環変動計算手段から出力される循環変動データと
前記期待循環変動計算手段から出力される循環変動デー
タを入力し、これらの変動データの相関係数を算出する
相関係数計算手段と、 前記相関係数計算手段から出力された相関係数を入力
し、対応する部位及び／又はチャネルが活動しているか
否かを判定する活動部位判定手段と、 を備えて成ることを特徴とする活動部位検出装置。 - 【請求項２】前記各部位及び／又は各チャネルにおける
時系列データを入力し、該時系列データに所定のフィル
タリング処理を施して前記循環変動計算手段に出力する
ノイズフィルタ手段を更に備えたことを特徴とする請求
項１記載の活動部位検出装置。 - 【請求項３】前記各部位及び／又は各チャネルにおける
時系列データを入力し、該時系列データの平均及び／又
は分散を算出して前記活動部位判定手段に出力する平均
・分散計算手段を更に備えたことを特徴とする請求項１
又は２に記載の活動部位検出装置。 - 【請求項４】前記循環変動計算手段が、複数回（＝ｎ
回）の外部刺激及び／又は被験者の反応に対して得られ
た計測データを連結して一のデータに加工し、該データ
について循環変動を算出することを特徴とする請求項１
から３のいずれか一に記載の活動部位検出装置。 - 【請求項５】前記相関係数計算手段が、前記循環変動計
算手段から出力された前記時系列データの循環変動とし
てのコレログラムと、前記期待循環変動計算手段から出
力された期待される活動時系列データの循環変動として
のコレログラムと、の相関係数を算出することを特徴と
する請求項１から４のいずれか一に記載の活動部位検出
装置。 - 【請求項６】前記ノイズフィルタ手段が、前記時系列デ
ータのノイズを軽減させる所定のフィルタリング処理を
行うことを特徴とする請求項２記載の活動部位検出装
置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7286745A JP2814969B2 (ja) | 1995-10-06 | 1995-10-06 | 活動部位検出装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7286745A JP2814969B2 (ja) | 1995-10-06 | 1995-10-06 | 活動部位検出装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0998955A JPH0998955A (ja) | 1997-04-15 |
| JP2814969B2 true JP2814969B2 (ja) | 1998-10-27 |
Family
ID=17708488
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7286745A Expired - Fee Related JP2814969B2 (ja) | 1995-10-06 | 1995-10-06 | 活動部位検出装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2814969B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6180812B2 (ja) * | 2013-06-19 | 2017-08-16 | 株式会社プロアシスト | 睡眠状態判定装置 |
| JP6535575B2 (ja) * | 2015-11-06 | 2019-06-26 | 日本電信電話株式会社 | 生理指標検出装置、生理指標検出方法、生理指標検出処理プログラム |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS50890B2 (ja) * | 1971-09-13 | 1975-01-13 | ||
| SE359648B (ja) * | 1972-03-17 | 1973-09-03 | N Danielsson | |
| JPS587291B2 (ja) * | 1977-10-08 | 1983-02-09 | 財団法人交通医学研究財団 | 脳波自動判定装置 |
| JP3113255B2 (ja) * | 1990-02-20 | 2000-11-27 | 日本電信電話株式会社 | 頭皮準備電位パターンによる操作装置 |
| JPH0690934A (ja) * | 1992-08-11 | 1994-04-05 | Pigashu Robert | 注意力試験装置 |
| JPH0751240A (ja) * | 1992-11-26 | 1995-02-28 | Toshimitsu Musha | 脳波の多次元相関分析方法 |
| JP2593625B2 (ja) * | 1994-01-12 | 1997-03-26 | 株式会社脳機能研究所 | 生体情報自動識別装置 |
| JP2766456B2 (ja) * | 1994-09-21 | 1998-06-18 | 株式会社脳機能研究所 | 生体情報自動識別装置 |
-
1995
- 1995-10-06 JP JP7286745A patent/JP2814969B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0998955A (ja) | 1997-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6544170B1 (en) | Biosignal measuring method and apparatus | |
| Mitra et al. | Analysis of dynamic brain imaging data | |
| US4753246A (en) | EEG spatial filter and method | |
| US6195576B1 (en) | Quantitative magnetoencephalogram system and method | |
| Bronzino et al. | Principles of electroencephalography | |
| Glomb et al. | Connectome spectral analysis to track EEG task dynamics on a subsecond scale | |
| JP2694737B2 (ja) | 局部生体電流測定装置 | |
| US6804661B2 (en) | Drug profiling apparatus and method | |
| Hoyer et al. | Mutual information function assesses autonomic information flow of heart rate dynamics at different time scales | |
| US20050124863A1 (en) | Drug profiling apparatus and method | |
| US20060282008A1 (en) | System and method for vision examination utilizing fault detection | |
| JPH07500983A (ja) | 脳のバイオポテンシャル分析システム及び装置 | |
| US6343229B1 (en) | Device for measurement and analysis of brain activity of both cerebral hemispheres in a patient | |
| US7340289B2 (en) | Biomagnetic field measuring apparatus | |
| Josko et al. | Effective simulation of signals for testing ECG analyzer | |
| Liu et al. | Multiscale transfer spectral entropy for quantifying corticomuscular interaction | |
| Miller et al. | Spectral analysis of oscillatory neural circuits | |
| Manting et al. | Auditory steady-state responses during and after a stimulus: Cortical sources, and the influence of attention and musicality | |
| Bhattacharya et al. | Nonlinear dynamics of evoked neuromagnetic responses signifies potential defensive mechanisms against photosensitivity | |
| Takeda et al. | Whole-brain propagating patterns in human resting-state brain activities | |
| Lamarque et al. | A new concept of virtual patient for real-time ECG analyzers | |
| JP2814969B2 (ja) | 活動部位検出装置 | |
| US20040049484A1 (en) | Method and apparatus for separating and extracting information on physiological functions | |
| Ravazzani et al. | Two-dimensional filter to facilitate detection of transient-evoked otoacoustic emissions | |
| Ferdowsi et al. | Multi layer spectral decomposition technique for ERD estimation in EEG μ rhythms: An EEG–fMRI study |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19980714 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070814 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080814 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080814 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090814 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090814 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100814 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110814 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110814 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120814 Year of fee payment: 14 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130814 Year of fee payment: 15 |
|
| LAPS | Cancellation because of no payment of annual fees |