JP4308871B2 - 脳機能データ解析方法、脳機能解析装置及び脳機能解析プログラム - Google Patents
脳機能データ解析方法、脳機能解析装置及び脳機能解析プログラム Download PDFInfo
- Publication number
- JP4308871B2 JP4308871B2 JP2007539917A JP2007539917A JP4308871B2 JP 4308871 B2 JP4308871 B2 JP 4308871B2 JP 2007539917 A JP2007539917 A JP 2007539917A JP 2007539917 A JP2007539917 A JP 2007539917A JP 4308871 B2 JP4308871 B2 JP 4308871B2
- Authority
- JP
- Japan
- Prior art keywords
- brain function
- data
- analysis
- degree
- brain
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
- G01R33/56341—Diffusion imaging
-
- 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
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/4808—Multimodal MR, e.g. MR combined with positron emission tomography [PET], MR combined with ultrasound or MR combined with computed tomography [CT]
- G01R33/481—MR combined with positron emission tomography [PET] or single photon emission computed tomography [SPECT]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
Description
"Human Brain Function:2nd-Ed.", Richard S. J. Frackowiak, et al, ELSEVIER ACADEMIC PRESS, 2004 "Image of Mind", M. I. Posner and M. E. Raichle, W H Freeman & Co, 1997 "Independent Component Analysis: Theory and Applications", T.-W. Lee, Kluwer Acadmic, 1988 "これでわかる拡散MRI"青木 茂樹, 阿部 修,秀潤社,2002 "Combined functional MRI and tractography to demonstrate the connectivity of the human primary motor cortex in vivo", Guye M,et al., Neuroimage, Vol.19, pp.1349-1360, 2003
前記隣接ボクセル間の結合度の評価量に基づき、前記ボクセル単位で取得された、脳の活性部位を特定可能とする脳機能データの解析を行う、
ことを含む、脳機能データ解析方法を提供することである。
本発明の他の側面は、脳の活性部位を特定可能とする脳機能データをボクセル単位で取得する脳機能データ取得手段と、前記脳内のプロトンの拡散度を特定可能とする拡散テンソルデータをボクセル単位で取得する拡散テンソルデータ取得手段と、前記拡散テンソルデータに基づき隣接ボクセル間の結合度の評価量を構成するデータ評価量構成手段と、前記隣接ボクセル間の結合度の評価量に基づき前記脳機能データの解析を行うデータ解析手段とを備えたことを特徴とする脳機能解析装置を提供することである。
図1は、本発明の第1の実施形態に係る脳機能解析装置の概略構成を示したブロック図である。第1の実施形態の脳機能解析装置10は、MRI装置50で計測された脳機能情報の原時系列データρ’(l,m,k,i)(例えば、(3)式)を取得する脳機能データ取得手段1と、同じくMRI装置50で計測された拡散テンソルデータD(l,m,k)(例えば、(2)式)を取得する拡散テンソルデータ取得手段2と、脳機能データ取得手段1で取得した脳機能情報の原時系列データρ’(l,m,k,i)に対して前処理を施すデータ前処理手段3と、拡散テンソルデータ取得手段2で取得された拡散テンソルデータD(l,m,k)から隣接ボクセル間の結合度を表す結合度ベクトル
(a)整列(Realignment):先頭の2次元スライス画像(例えば、S1)に、以降の画像をそろえることで、測定中の頭の動きに伴う位置補正をし、動きによる擬似信号を取り除き、
(b)空間的正規化(Spatial Normalization):複数の被験者のデータをまとめたり比較したりするために、各被験者のデータをTalairach標準脳に合わせ、
(c)スムージング(Smoothing):ノイズが多く含まれる原時系列データにガウス型フィルターを適用することで、空間的分解能を下げることなく、解析の感度を向上させる、
といった前処理を施した後に、ボクセル毎に各種の検定等を行い、タスクに伴う有意な活性部位を、被験者の個人データで、さらには複数の被験者から成るグループ間で検定する。さらに、SPMでは、活動推定のモデルを事前に用意し、上記のようにして前処理された機能情報の時系列データρk (j,i)(=ρk (l,m,i))がどれだけモデルに照合するかを、拡散テンソルデータDk(l,m) を用いることなく、一般線形モデルを使いパラメータ推定する。
この場合には、ボクセル(l,m,k)上の脳機能情報の時系列データρ’(l,m,k,i)の値を、
この場合には、ボクセル(l,m,k)上の脳機能情報の時系列データρ’(l,m,k,i)の値を、
この場合は、ボクセル(l,m,k)上の脳機能情報の時系列データρ’(l,m,k,i)の値を、
(I)楕円体モデルにおける
(II)式(9)で表される行列の対角成分Dll(l,m,k),Dmm(l,m,k),Dkk(l,m,k)を用いて、
(III)FA(Fractional Anisotropy):
(IV)予め取得された所定の脳の解剖学的データ(MRI装置50により取得されたT1強調画像)から脳の白質ボクセルと灰白質ボクセルとを判断し、白質ボクセルでは上記(I)の拡散度ベクトルを用い、灰白質ボクセルでは、その他の拡散度ベクトル(例えば、上記(II)又は(III))を用いることも可能である。
第1の実施形態では、ステップS50において、データ解析手段6は、式(19)の線形回帰式を用いることによりノンパラメトリック回帰分析をしたわけだが、より厳密には、回帰式を2次関数、3次関数等の一般のn次関数で行うことも考えられる。このような非線形回帰分析を行う際には、ニューラルネットワーク(Neural Network)モデルを用いることができる。典型的なニューラルネットワークモデルとして、入力層、中間層、出力層から成る階層型ニューラルネットワークモデルがある。
第1の実施形態では、ステップS40において、データ評価量構成手段5は、脳機能の時系列データρ(l,m,k,i)を説明変数、φ(i)を被説明変数として式(23)の評価量Qを構成したわけだが、本変形例では、その逆、つまり、φ(i)を説明変数、ρ(l,m,k,i)を被説明変数として、ボクセル(l,m,k)毎に、例えば、
第1の実施形態の変形例1では、ステップS40において、データ評価量構成手段5は、脳機能の時系列データρ(l,m,k,i)を説明変数、φ(i)を被説明変数として式(23)の評価量を構成したわけだが、本変形例では、その逆、つまり、φ(i)を説明変数、ρ(l,m,k,i)を被説明変数として、階層型ニューラルネットワークモデルを用いて、非線形回帰分析を行うこともできる。ただし、この場合には、ステップS50において極値を求める際に誤差逆伝播法が使えないので、その代わりに、データ解析手段6は、最適なκを交差検証法を用いて決定し、GA等の確率的探索アルゴリズムによってデータ解析を行う。そして、ステップS60において、画像生成手段7は、上記の解析結果を各種検定した際に有意であると判断されたボクセルの脳機能データρ(l,m,k)に基づく値を表示画像として生成する。そして、ステップS70において、画像表示手段8は、上記のようにして生成された画像を立体表示する。
第1の実施形態では、ステップS50において、データ解析手段6は、式(24)の線形回帰式を用いることによりノンパラメトリック回帰分析をしたわけだが、データ解析の手法として、判別分析(非特許文献8:“多変量解析のはなし”,有馬哲,石村貞夫, 東京図書,1987)、数量化II類(非特許文献9:“多変量解析のはなし”,有馬哲,石村貞夫, 東京図書,1987)、決定木(非特許文献10:“AIによるデータ解析”,J.R.キンラン,トッパン,1995)、サポートベクターマシン(非特許文献11:“サポートベクターマシン入門”,Nello Cristianini and John Shawe‐Taylor,共立出版,2005)等の分類的解析手法を用いることもできる。
第1の実施形態では、ステップS50において、データ解析手段6は、式(24)の線形回帰式を用いることによりノンパラメトリック回帰分析をしたわけだが、データ解析の手法として、ICA(Independent Component Analysis:独立成分分析)を用いることもできる(非特許文献12:“詳解独立成分分析 信号解析の新しい世界”, Aapo Hyvarinen et al.,東京電機大学出版局 2005)。
図10は、本発明の第2の実施形態に係る脳機能解析装置の概略構成を示したブロック図である。第2の実施形態の脳機能解析装置20は、第1の実施形態の脳機能解析装置10におけるボクセル間結合度算出手段4、データ評価量構成手段5、及びデータ解析手段6の代わりに、ボクセル間結合度算出手段24、データ評価量構成手段25、データ平滑化手段200、及びデータ解析手段26を設けた構成を成している。第1の実施形態と同一の構成には同一の符号を付し、以降においては、繰り返しの説明を省略する。なお、本実施形態においては、脳機能解析装置20を、本実施形態の主要構成手段20Aと画像表示手段8及び記憶手段9とを一体型としたディスプレイコンソール形式としたが、画像表示手段8、或いは、画像表示手段8及び記憶手段9をそれぞれ独立した画像表示装置及び記憶装置として主要構成手段20Aから切り離した構成としてもよい。
第2の実施形態においては、ステップS130において脳機能情報の時系列データρ(l,m,k,i)に対して拡散テンソルデータD(l,m,k)から算出された結合度ベクトル
図15は、本発明の第3の実施形態に係る脳機能解析装置の概略構成を示したブロック図である。第3の実施形態の脳機能解析装置30は、第1の実施形態の脳機能解析装置10におけるボクセル間結合度算出手段4、データ評価量構成手段5、及びデータ解析手段6の代わりに、ボクセル間結合度算出手段34、クラスタリング手段300、及びデータ解析手段36を設けた構成を成している。第1の実施形態と同一の構成には同一の符号を付し、以降においては、繰り返しの説明を省略する。なお、本実施形態においては、脳機能解析装置30を、本実施形態の主要構成手段30Aと画像表示手段8及び記憶手段9とを一体型としたディスプレイコンソール形式としたが、画像表示手段8、或いは、画像表示手段8及び記憶手段9をそれぞれ独立した画像表示装置及び記憶装置として主要構成手段30Aから切り離した構成としてもよい。
第3の実施形態においては、ステップS230において、拡散テンソルデータD(l,m,k)から算出された結合度ベクトル
第3の実施形態の変形例1においては、データ前処理手段3によって前処理された脳機能情報の時系列データρ(l,m,k,i)をSPM等の解析手法でデータ解析した後に、ボクセル間結合度算出手段34で算出された結合度ベクトル
図20は、第4の実施形態に係る脳機能解析装置の概略構成を示したブロック図である。第4の実施形態の脳機能解析装置40は、第1の実施形態の脳機能解析装置10におけるボクセル間結合度算出手段4、データ評価量構成手段5、及びデータ解析手段6の代わりに、ボクセル間結合度算出手段44、データ検定手段400を設けた構成を成している。第1の実施形態と同一の構成には同一の符号を付し、以降においては、繰り返しの説明を省略する。なお、本実施形態においては、脳機能解析装置40を、本実施形態の主要構成手段40Aと画像表示手段8及び記憶手段9とを一体型としたディスプレイコンソール形式としたが、画像表示手段8、或いは、画像表示手段8及び記憶手段9をそれぞれ独立した画像表示装置及び記憶装置として主要構成手段40Aから切り離した構成としてもよい。
第4の実施形態では、脳機能情報の時系列データρ(l,m,k,i)をボクセル毎に各種データ検定(例えば、T検定、F検定、又はZ検定)する際に、拡散テンソルデータ取得手段2で取得した拡散テンソルデータD(l,m,k)から算出した結合度ベクトル
1−1:判別分析の場合
説明変数を脳機能情報の時系列データρ(l,m,k,i)、外的基準をタスクとレストの時系列データとして、各種の判別関数を用いてデータ分類する。
説明変数(属性)をタスクとレストの時系列データ、外的基準として脳機能情報の時系列データρ(l,m,k,i)を離散化して幾つかのクラスを作り、決定木を用いてデータ分類する。
2−1:線形回帰分析の場合
説明変数をタスクとレスト、被説明変数を脳機能情報の時系列データρ(l,m,k,i)として、線形回帰式を用いてデータ解析する。
予め設定した、モデル(例えば、刺激を入力とし、脳機能情報の時系列データを出力とするような関数)と実際の脳機能情報の時系列データρ(l,m,k,i)との相関を取ることによって、データ解析する。
Claims (27)
- ボクセル単位で取得された、脳内のプロトンの拡散度を特定可能とする拡散テンソルデータに基づき隣接ボクセル間の結合度の評価量を構成し、
前記隣接ボクセル間の結合度の評価量に基づき、前記ボクセル単位で取得された、脳の活性部位を特定可能とする脳機能データの解析を行う、
ことを含む、脳機能データ解析方法。 - 前記脳機能データの解析を行うことは、前記脳機能データ及びタスクの一方を説明変数とし、前記脳機能データ及び前記タスクの他方を被説明変数とする回帰分析により、前記脳機能データのボクセル毎の評価量に前記隣接ボクセル間の結合度の評価量を組み込んだ評価量の最小値及び最大値の一方を算出することを含む、請求項1記載の脳機能データ解析方法。
- 前記脳機能データの解析を行うことは、前記脳機能データの検定の基準値を前記隣接ボクセル間の結合度の評価量に基づき調整することを含む、請求項1記載の脳機能データ解析方法。
- 前記脳機能データの解析を行うことは、前記脳機能データの分類の基準値を前記隣接ボクセル間の結合度の評価量に基づき調整することを含む、請求項1記載の脳機能データ解析方法。
- 前記脳機能データの解析を行うことは、前記脳機能データと所定のモデルとの相関の基準値を前記隣接ボクセル間の結合度の評価量に基づき調整することを含む、請求項1記載の脳機能データ解析方法。
- 前記脳機能データの解析を行うことは、前記脳機能データから主要な成分を抽出する抽出の基準値を前記隣接ボクセル間の結合度の評価量に基づき調整することを含む、請求項1記載の脳機能データ解析方法。
- 前記脳機能データの解析を行うことは、前記隣接ボクセル間の結合度の評価量に基づき前記脳機能データを平滑化することを含む、請求項1記載の脳機能データ解析方法。
- 前記脳機能データの解析を行うことは、前記隣接ボクセル間の結合度の評価量に基づき前記脳機能データをクラスタリングすることを含む、請求項1記載の脳機能データ解析方法。
- 前記拡散テンソルデータに基づき、前記脳機能データから特定される活性部位ボクセルの脳機能データの値を他のボクセルの脳機能データの値に伝播させる前処理を施すことをさらに含む、請求項1記載の脳機能データ解析方法。
- コンピュータを、
脳の活性部位を特定可能とする脳機能データをボクセル単位で取得する脳機能データ取得手段と、
前記脳内のプロトンの拡散度を特定可能とする拡散テンソルデータをボクセル単位で取得する拡散テンソルデータ取得手段と、
前記拡散テンソルデータに基づき隣接ボクセル間の結合度の評価量を構成するデータ評価量構成手段と、
前記隣接ボクセル間の結合度の評価量に基づき前記脳機能データの解析を行うデータ解析手段と、
して機能させることを特徴とする脳機能解析プログラム。 - 請求項10に記載の脳機能解析プログラムにおいて、前記データ解析手段は、前記脳機能データ及びタスクの一方を説明変数とし、前記脳機能データ及び前記タスクの他方を被説明変数とする回帰分析する手段であって、前記脳機能データのボクセル毎の評価量に前記隣接ボクセル間の結合度の評価量を組み込んだ評価量の最小値及び最大値の一方を算出することを特徴とする脳機能解析プログラム。
- 請求項10に記載の脳機能解析プログラムにおいて、前記データ解析手段は、前記脳機能データを検定する手段であって、前記検定の基準値を前記隣接ボクセル間の結合度の評価量に基づき調整することを特徴とする脳機能解析プログラム。
- 請求項10に記載の脳機能解析プログラムにおいて、前記データ解析手段は、前記脳機能データを分類する手段であって、前記分類の基準値を前記隣接ボクセル間の結合度の評価量に基づき調整することを特徴とする脳機能解析プログラム。
- 請求項10に記載の脳機能解析プログラムにおいて、前記データ解析手段は、前記脳機能データと所定のモデルとの相関をとる手段であって、前記相関の基準値を前記隣接ボクセル間の結合度の評価量に基づき調整することを特徴とする脳機能解析プログラム。
- 請求項10に記載の脳機能解析プログラムにおいて、前記データ解析手段は、前記脳機能データから主要な成分を抽出する手段であって、前記抽出の基準値を前記隣接ボクセル間の結合度の評価量に基づき調整することを特徴とする脳機能解析プログラム。
- 請求項10に記載の脳機能解析プログラムにおいて、前記データ解析は、前記隣接ボクセル間の結合度の評価量に基づき前記脳機能データを平滑化することを特徴とする脳機能解析プログラム。
- 請求項10に記載の脳機能解析プログラムにおいて、前記データ解析手段は、前記隣接ボクセル間の結合度の評価量に基づき前記脳機能データをクラスタリングすることを特徴とする脳機能解析プログラム。
- 請求項10乃至17のいずれかに記載の脳機能解析プログラムにおいて、前記コンピュータを、前記拡散テンソルデータ取得手段によって取得した拡散テンソルデータに基づき、前記脳機能データ取得手段によって取得した脳機能データから特定される活性部位ボクセルの脳機能データの値を他のボクセルの脳機能データの値に伝播させる前処理を施すデータ前処理手段として機能させることを特徴とする脳機能解析プログラム。
- 脳の活性部位を特定可能とする脳機能データをボクセル単位で取得する脳機能データ取得手段と、
前記脳内のプロトンの拡散度を特定可能とする拡散テンソルデータをボクセル単位で取得する拡散テンソルデータ取得手段と、
前記拡散テンソルデータに基づき隣接ボクセル間の結合度の評価量を構成するデータ評価量構成手段と、
前記隣接ボクセル間の結合度の評価量に基づき前記脳機能データの解析を行うデータ解析手段と、
を備えたことを特徴とする脳機能解析装置。 - 請求項19に記載の脳機能解析装置において、前記データ解析手段は、前記脳機能データ及びタスクの一方を説明変数とし、前記脳機能データ及び前記タスクの他方を被説明変数とする回帰分析する手段であって、前記脳機能データのボクセル毎の評価量に前記隣接ボクセル間の結合度の評価量を組み込んだ評価量の最小値及び最大値の一方を算出することを特徴とする脳機能解析装置。
- 請求項19に記載の脳機能解析装置において、前記データ解析手段は、前記脳機能データを検定する手段であって、前記検定の基準値を前記隣接ボクセル間の結合度の評価量に基づき調整することを特徴とする脳機能解析装置。
- 請求項19に記載の脳機能解析装置において、前記データ解析手段は、前記脳機能データを分類する手段であって、前記分類の基準値を前記隣接ボクセル間の結合度の評価量に基づき調整することを特徴とする脳機能解析装置。
- 請求項19に記載の脳機能解析装置において、前記データ解析手段は、前記脳機能データと所定のモデルとの相関をとる手段であって、前記相関の基準値を前記隣接ボクセル間の結合度の評価量に基づき調整することを特徴とする脳機能解析装置。
- 請求項19に記載の脳機能解析装置において、前記データ解析手段は、前記脳機能データから主要な成分を抽出する手段であって、前記抽出の基準値を前記隣接ボクセル間の結合度の評価量に基づき調整することを特徴とする脳機能解析装置。
- 請求項19に記載の脳機能解析装置において、前記隣接ボクセル間の結合度の評価量に基づき前記脳機能データを平滑化するデータ平滑化手段をさらに備えたことを特徴とする脳機能解析装置。
- 請求項19に記載の脳機能解析装置において、前記隣接ボクセル間の結合度の評価量に基づき前記脳機能データをクラスタリングするデータクラスタリング手段をさらに備えたことを特徴とする脳機能解析装置。
- 請求項19乃至26のいずれかに記載の脳機能解析装置において、前記拡散テンソルデータ取得手段によって取得した拡散テンソルデータに基づき、前記脳機能データ取得手段によって取得した脳機能データから特定される活性部位ボクセルの脳機能データの値を他のボクセルの脳機能データの値に伝播させる前処理を施すデータ前処理手段をさらに備えたことを特徴とする脳機能解析装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005298236 | 2005-10-12 | ||
JP2005298236 | 2005-10-12 | ||
PCT/JP2006/320078 WO2007043462A1 (ja) | 2005-10-12 | 2006-10-06 | 脳機能解析方法および脳機能解析プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2007043462A1 JPWO2007043462A1 (ja) | 2009-04-16 |
JP4308871B2 true JP4308871B2 (ja) | 2009-08-05 |
Family
ID=37942705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007539917A Active JP4308871B2 (ja) | 2005-10-12 | 2006-10-06 | 脳機能データ解析方法、脳機能解析装置及び脳機能解析プログラム |
Country Status (6)
Country | Link |
---|---|
US (1) | US8059879B2 (ja) |
EP (1) | EP1946701B1 (ja) |
JP (1) | JP4308871B2 (ja) |
KR (1) | KR100971936B1 (ja) |
CN (1) | CN101287410B (ja) |
WO (1) | WO2007043462A1 (ja) |
Families Citing this family (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009146388A1 (en) | 2008-05-28 | 2009-12-03 | The Trustees Of Columbia University In The City Of New York | Voxel-based methods for assessing subjects using positron emission tomography |
WO2010048438A1 (en) * | 2008-10-22 | 2010-04-29 | The Trustees Of Columbia University In The City Of New York | Images of language-sensitive neurocircuitry as a diagnostic for autism |
US8666475B2 (en) | 2008-10-22 | 2014-03-04 | The Trustees Of Columbia University In The City Of New York | Images of language-sensitive neurocircuitry as a diagnostic for autism |
CN101912263B (zh) * | 2010-09-14 | 2011-12-14 | 北京师范大学 | 基于脑功能网络成分检测的实时功能磁共振数据处理系统 |
US8467585B2 (en) * | 2010-10-21 | 2013-06-18 | Genenal Electric Company | Methods and apparatus to analyze computed tomography scan data |
US20120163689A1 (en) * | 2010-12-28 | 2012-06-28 | Boettger Joachim | Method and device for visualizing human or animal brain segments |
CN102973279B (zh) * | 2012-12-18 | 2014-09-17 | 哈尔滨工业大学 | 独立成分分析联合最小二乘法的近红外脑机接口的信号检测方法 |
KR101401969B1 (ko) * | 2013-02-20 | 2014-06-30 | 한양대학교 산학협력단 | Mri 시스템을 이용하여 대상체 내의 신경 섬유에 관한 섬유 구조 정보를 획득하기 위한 방법 및 장치 |
CN104207776A (zh) * | 2014-08-22 | 2014-12-17 | 南昌大学 | 一种综合性磁共振成像装置及方法 |
JP6163471B2 (ja) * | 2014-09-17 | 2017-07-12 | 株式会社日立製作所 | 磁気共鳴イメージング装置 |
CN104323776B (zh) * | 2014-10-23 | 2016-11-16 | 中国科学院深圳先进技术研究院 | 脑功能磁共振成像方法和系统 |
CN104571533B (zh) * | 2015-02-10 | 2018-03-13 | 北京理工大学 | 一种基于脑机接口技术的装置和方法 |
CN105069307B (zh) * | 2015-08-19 | 2018-04-10 | 大连理工大学 | 一种结合独立成分分析与移不变规范多元分解的多被试功能核磁共振成像数据分析方法 |
JP6707330B2 (ja) * | 2015-09-10 | 2020-06-10 | キヤノンメディカルシステムズ株式会社 | 画像処理装置及び磁気共鳴イメージング装置 |
CN105816170B (zh) * | 2016-05-10 | 2019-03-01 | 广东省医疗器械研究所 | 基于可穿戴式nirs-eeg的精神分裂症早期检测评估系统 |
CN106940803B (zh) * | 2017-02-17 | 2018-04-17 | 平安科技(深圳)有限公司 | 相关变量识别方法和装置 |
TWI651688B (zh) * | 2017-03-17 | 2019-02-21 | 長庚大學 | 利用磁振造影影像預測神經疾病的臨床嚴重度的方法 |
TWI639830B (zh) * | 2017-03-17 | 2018-11-01 | 長庚大學 | Method for identifying neurological diseases using magnetic resonance imaging images |
WO2019060298A1 (en) | 2017-09-19 | 2019-03-28 | Neuroenhancement Lab, LLC | METHOD AND APPARATUS FOR NEURO-ACTIVATION |
US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
US11478603B2 (en) | 2017-12-31 | 2022-10-25 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to enhance emotional response |
US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
EP3581090A1 (en) * | 2018-06-11 | 2019-12-18 | Koninklijke Philips N.V. | Electrical properties tomography mapping of conductivity changes |
WO2020056418A1 (en) | 2018-09-14 | 2020-03-19 | Neuroenhancement Lab, LLC | System and method of improving sleep |
EP3657393A1 (en) * | 2018-11-20 | 2020-05-27 | Koninklijke Philips N.V. | Determination of a further processing location in magnetic resonance imaging |
JP7321703B2 (ja) * | 2018-12-19 | 2023-08-07 | 富士フイルムヘルスケア株式会社 | 画像処理装置、及び、磁気共鳴イメージング装置 |
CN109830286B (zh) * | 2019-02-13 | 2022-09-30 | 四川大学 | 基于非参数统计的脑功能磁共振编码能量成像方法 |
US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
CN111081351B (zh) * | 2019-12-02 | 2024-02-20 | 北京优脑银河科技有限公司 | 脑功能图谱的绘制方法和系统 |
US20210170180A1 (en) | 2019-12-09 | 2021-06-10 | Washington University | Systems and methods of precision functional mapping-guided personalized neuromodulation |
US11151456B1 (en) | 2021-01-08 | 2021-10-19 | Omniscient Neurotechnology Pty Limited | Predicting brain data using machine learning models |
US11666266B2 (en) * | 2021-10-05 | 2023-06-06 | Omniscient Neurotechnology Pty Limited | Source localization of EEG signals |
CN116523857B (zh) * | 2023-04-21 | 2023-12-26 | 首都医科大学附属北京友谊医院 | 基于弥散张量图像的听力状态预测装置、方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0947438A (ja) * | 1995-08-07 | 1997-02-18 | Hitachi Ltd | 活性化領域同定法 |
JP2004081657A (ja) | 2002-08-28 | 2004-03-18 | Ge Medical Systems Global Technology Co Llc | 繊維状画像抽出方法、画像処理装置および磁気共鳴撮像システム |
US7627370B2 (en) * | 2004-10-20 | 2009-12-01 | Marks Donald H | Brain function decoding process and system |
US7894903B2 (en) * | 2005-03-24 | 2011-02-22 | Michael Sasha John | Systems and methods for treating disorders of the central nervous system by modulation of brain networks |
-
2006
- 2006-10-06 WO PCT/JP2006/320078 patent/WO2007043462A1/ja active Application Filing
- 2006-10-06 CN CN2006800380625A patent/CN101287410B/zh active Active
- 2006-10-06 KR KR1020087011215A patent/KR100971936B1/ko active IP Right Grant
- 2006-10-06 US US12/089,855 patent/US8059879B2/en active Active
- 2006-10-06 JP JP2007539917A patent/JP4308871B2/ja active Active
- 2006-10-06 EP EP06811405.7A patent/EP1946701B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
CN101287410A (zh) | 2008-10-15 |
EP1946701A1 (en) | 2008-07-23 |
WO2007043462A1 (ja) | 2007-04-19 |
EP1946701B1 (en) | 2013-08-21 |
US8059879B2 (en) | 2011-11-15 |
JPWO2007043462A1 (ja) | 2009-04-16 |
EP1946701A4 (en) | 2009-11-18 |
KR100971936B1 (ko) | 2010-07-23 |
KR20080058475A (ko) | 2008-06-25 |
US20090279762A1 (en) | 2009-11-12 |
CN101287410B (zh) | 2013-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4308871B2 (ja) | 脳機能データ解析方法、脳機能解析装置及び脳機能解析プログラム | |
Tohka et al. | Automatic independent component labeling for artifact removal in fMRI | |
Sui et al. | An ICA-based method for the identification of optimal FMRI features and components using combined group-discriminative techniques | |
US9271679B2 (en) | Method and apparatus for processing medical image signal | |
Loued-Khenissi et al. | An overview of functional magnetic resonance imaging techniques for organizational research | |
US20170238879A1 (en) | Method of Analyzing the Brain Activity of a Subject | |
EP2147330B1 (en) | Image processing method | |
US10736538B2 (en) | Method and computer differentiating correlation patterns in functional magnetic resonance imaging | |
Luckett et al. | Resting state network mapping in individuals using deep learning | |
Turner | Where matters: new approaches to brain analysis | |
Ingle et al. | Advancing ASD Diagnostic Classification with Features of Continuous Wavelet Transform of fMRIand Machine Learning Algorithms | |
Parmar | Machine learning in functional magnetic resonance neuroimaging analysis | |
TASSI | Whole-brain analysis of resting state functional networks: a 3T fMRI twin study | |
Brundavanam | Examining the performance of trend surface models for inference on Functional Magnetic Resonance Imaging (fMRI) data | |
Wang | Bayesian Multimodal Local False Discovery Rate in Neuroimaging Studies | |
Kambli | DELINEATION OF RESTING STATE FUNCTIONAL MRI INTRINSIC BRAIN NETWORKS | |
Gomez-Laberge et al. | Selection criteria for the analysis of data-driven clusters in cerebral fMRI | |
Felouat | Functional and Structural Analysis of fMRI/MRI Images of The Brain Using Graph Matching According to a Parallel and Distributed Approach | |
Lee | Assessing the efficacy of pre-processing choices in fMRI: Intensity normalization effects as a function of age and task | |
Yu | Bayesian Modeling of Complex-valued FMRI Signals | |
Kalus | Biostatistical modeling and analysis of combined fMRI and EEG measurements | |
Zhao | Statistical methodologies for group comparisons of brain connectivity using multimodal neuroimaging data | |
Welvaert | Simulation of fMRI data: A statistical approach | |
Clement | Analysis techniques for diffusion tensor imaging data | |
HUAIEN | Functional MRI data analysis: Detection, estimation and modelling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20080820 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20080909 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080912 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080916 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080820 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081113 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081127 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090113 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20090210 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090313 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090423 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090501 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4308871 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120515 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120515 Year of fee payment: 3 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: R3D04 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120515 Year of fee payment: 3 |
|
S201 | Request for registration of exclusive licence |
Free format text: JAPANESE INTERMEDIATE CODE: R314201 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120515 Year of fee payment: 3 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120515 Year of fee payment: 3 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130515 Year of fee payment: 4 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130515 Year of fee payment: 4 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |