JP5816917B2 - 脳活動計測装置、脳活動計測方法、及び脳活動推定装置 - Google Patents
脳活動計測装置、脳活動計測方法、及び脳活動推定装置 Download PDFInfo
- Publication number
- JP5816917B2 JP5816917B2 JP2011108749A JP2011108749A JP5816917B2 JP 5816917 B2 JP5816917 B2 JP 5816917B2 JP 2011108749 A JP2011108749 A JP 2011108749A JP 2011108749 A JP2011108749 A JP 2011108749A JP 5816917 B2 JP5816917 B2 JP 5816917B2
- Authority
- JP
- Japan
- Prior art keywords
- brain activity
- signal
- presentation information
- activity signal
- unit
- 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
- G01R33/4806—Functional imaging of brain activation
-
- 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
- A61B5/24—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]
- A61B5/377—Electroencephalography [EEG] using evoked responses
- A61B5/378—Visual stimuli
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
- A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
Description
例えば、特許文献1に記載の発明では、頭部周囲に生じる信号強度分布の時系列を計測し、計測された時系列データに基づき、脳神経モデルにおける各電流要素の大きさの分布を再構成し、各電流要素の時系列データに基づき脳活動モデルを設定し、電流要素の時系列データに基づき脳活動モデルの因果関係を推定することにより、脳活動モデルを検証する。
また、本発明の一態様(2)によれば、目標利用者の脳活動信号を推定するための個別変換情報を取得することができる脳活動計測方法を提供する。
また、本発明の一態様(3)によれば、目標利用者の脳活動信号を推定することができる脳活動推定装置を提供する。
図1は、本発明の一態様に係る脳活動計測処理の概要を示す概念図である。
図1は、2名の利用者各々について脳活動信号を計測し、計測した脳活動信号に基づいて一方の利用者の脳活動信号と他方の利用者の脳活動信号との相関関係を示す個別変換情報を算出する状況を示す。この個別変換情報は、一方の利用者の脳活動信号に基づいて他方の利用者の脳活動信号を生成するために用いる情報である。変換の基礎となる(変換元)脳活動信号を計測した一方の利用者(被計測者)を原利用者(Source Subject)と呼び、変換する目標(変換先)となる脳活動信号を計測した被計測者又は脳活動信号を算出しようとする利用者を目標利用者(Target Subject)と呼ぶ。
図2は、原利用者にのみ画像を提示して原利用者の脳活動信号を計測し、計測した脳活動信号に基づいて目標利用者の脳活動信号を推定する状況を示す。
図2では、原利用者について測定した脳活動信号と目標利用者について推定した脳活動信号を示す。原利用者の脳活動信号の各要素信号から目標利用者の一つの要素信号に向かう矢印は、目標利用者の一つの要素信号を原利用者の脳活動信号の各要素信号に基づいて推定することを示す。
図3は、本実施形態に係る脳活動推定装置1の構成を示す概略図である。
脳活動推定装置1は、脳活動計測部101、提示情報記憶部102、情報提示部103、脳活動信号記憶部104、個別変換変数算出部105、個別変換変数記憶部106、個別変換部107、提示情報分類モデル生成部108、提示情報分類モデル記憶部109、提示情報再現モデル生成部110、提示情報再現モデル記憶部111、変換情報処理部112及びノイズ除去部114を含んで構成される。
脳活動計測部101が計測する脳活動信号は、例えば、MRI(Magnetic Resonance Imaging;磁気共鳴画像法)の一種であるEPI(Echo Planar Imaging;エコープラナー法)信号である。EPI信号に含まれる要素信号は、3次元の被測定空間を構成する空間の単位であるボクセル(voxel)毎に定められている。1回の測定で得られる、脳活動信号は、例えば、水平方向64ボクセル×垂直方向64ボクセル×上下方向64ボクセルであり、ボクセル間隔は水平方向、垂直方向、上下方向、各3mmである。
計測信号送信部1012は、計測信号生成部1011から入力された計測信号に基づいて磁場を生成し、生成した磁場を被計測者の頭部に送信する。入力された計測信号がパルス波である場合、計測信号送信部1012はパルス磁場を生成し、生成したパルス磁場を被計測者に送信する。計測信号送信部1012は、同時に被計測位置によって強度が異なる勾配磁場を被計測者の頭部に送信する。
脳活動信号受信部1013は、生成した脳活動信号を脳活動信号記憶部104に出力する。
図4は、本実施形態に係る脳活動信号の一例を示す図である。
図4において画像mi1は、ある被計測者の頭部の断面上の脳活動を示す要素信号を画素値として示す画像である。画像mi1の濃淡は、要素信号の信号値を示し、明るい部分ほど信号値が大きい。画像mi1において、上側が前頭葉付近を示す。
計測用電極を設置する位置の一例について説明する。
図5は、本実施形態に係る計測用電極を設置する位置の一例を示す概念図である。
図5の上側は、被計測者の前方を示す。計測用電極を設置する位置は、頭部平面ep1において、左前頭極部Fp1、左前頭部F3、左中心部C3、左頭頂部P3、左後頭部O1、左側頭中部T3、左側頭後部T5、正中前頭部Fz、正中中心部Cz、正中頭頂部Pz、右前頭極部Fp2、右前頭部F4、右中心部C4、右頭頂部P4、右後頭部O2、右側頭中部T4、右側頭後部T6、及び左耳介部A1もしくは右耳介部A2の何れか一方である。そのうち、脳活動計測部101は、左耳介部A1もしくは右耳介部A2の何れか一方に設置した電極で取得された電位を基準電位とし、その他の電極で取得した電位との電位差を各々脳活動信号の要素信号として取得する。
図6は、本実施形態に係る提示情報の一例を示す図である。
図6(a)−(d)は、提示情報の一例として画像it1−it4を各々示す。画像it1−it4は、各々水平方向及び垂直方向について複数の領域で区分され、各領域が黒色又は白色で示されるランダムドットパターンである。ランダムドットパターンの使い分けは、被測定者の視野に対応した活動野全般にわたる脳活動状況を明確に区別するために好都合である。そのため、ランダムドットパターンは、例えば後述する個別変換情報の算出や、提示情報再現モデルの生成の際に用いられる。
図7は、提示情報として画像ip1(図7(a))、画像ip2(図7(b))、画像ip3(図7(c))、画像ip4(図7(d))及び画像ip5(図7(e))を示す。画像ip1は、正方形の塗りつぶし部分の中心部に、正方形の白抜き部分を有する画像である。画像ip2は、正方形の塗りつぶし部分の内部に、正方形の白抜き部分を有し、その白抜き部分の内部に正方形の塗りつぶし部分を有する画像である。画像ip3は、正方形の塗りつぶし部分の中心部に、白抜きの十字を有する画像である。画像ip4は、正方形の塗りつぶし部分の中心部に、白抜きの×印を有する画像である。画像ip5は、正方形の塗りつぶし部分の内部に、正方形の白抜き部分を有し、その白抜き部分の内部に、正方形の塗りつぶし部分を有する画像である。
ここで、画像ip2の正方形の白抜き部分の一辺の長さは、画像ip5の正方形の白抜き部分の一辺の長さよりも小さい。画像ip2の正方形の白抜き部分の幅は、画像ip5の正方形の白抜き部分の幅よりも小さい。画像ip2の正方形の塗りつぶし部分の一辺の長さは、画像ip5の正方形の塗りつぶし部分の一辺の長さよりも小さい。
画像ip1−ip5は、例えば後述する提示情報分類モデルの算出や、目標利用者の脳活動信号を推定するために用いる原利用者の脳活動信号を計測する際に用いられる。
なお、提示情報記憶部102が記憶する提示情報信号は、静止画を示す画像信号に限らず、本実施形態では動画を示す画像信号や音声信号であってもよい。
脳活動信号記憶部104は、情報提示部103が提示する提示情報に対応する提示情報識別符号と、脳活動計測部101から入力された脳活動信号を対応付けて、被計測者及び時刻毎に記憶する。
なお、ノイズ除去部114は、脳活動信号受信部1013から入力された脳活動信号からノイズ成分を除去し、ノイズ成分が除去された脳活動信号を脳活動信号記憶部104に記憶するようにしてもよい。その場合、個別変換変数算出部105、個別変換部107、提示情報分類モデル生成部108、及び提示情報分類モデル生成部110は、脳活動信号を脳活動信号記憶部104から直接読み出す。
図8は、本実施形態に係る脳活動信号のその他の例を示す図である。
図8(a)は、情報提示部103が被計測者2名に各々提示した画像ip1を示す。図8(b)は、一方の被計測者から取得した脳活動信号を示す画像mi1と画像mpi1を示す。画像mi1の中央よりも下に破線で示されている矩形の部分と、その部分から画像mpi1の左上端及び右上端に向かう破線は、画像mpi1が画像mi1の矩形の部分を拡大表示していることを示す。
なお、画像mpi1と画像mpi2の濃淡の分布が異なる。このことから、図8は、共通の提示情報が提示されていても、計測された脳活動信号が被測定者により異なることを示している。
目標利用者の脳活動信号yは、式(1)に示すように、例えば計測された原利用者の脳活動信号x_msrdを個別変換行列Wに基づき線形結合(linear combination,weighting;重み付け)して推定することができる。但し、推定した目標利用者の脳活動信号をyestmを用いて表す。以降、変数名の末尾に_msrdを付して計測値であること、_estmを付して推定値であること、_targ_を付して目標値であることを区別する。但し、これらの種別を区別する必要がない場合や、何れの種別も該当する場合には、特にこのような接尾辞を付さない。
個別変換変数記憶部106は、原利用者と目標利用者の組毎に個別変換行列W(個別変換情報)を記憶する。
個別変換部107は、利用者による操作に伴って操作入力信号が入力され、入力された操作入力信号に対応する提示情報識別符号及び目標利用者に対応する脳活動信号y_msrdをノイズ除去部114を介して脳活動信号記憶部104から読み出してもよい。また、個別変換部107は、その操作入力信号に対応する原利用者及び目標利用者の組に対応する個別変換行列Wを個別変換変数記憶部106から読み出してもよい。
個別変換部107は、推定した脳活動信号y_estmを変換情報処理部112に出力する。
目標利用者の脳活動信号yが与えられているとき、提示情報ipが目標利用者に提示されている確率pip_estmは、例えば、式(2)に示すように、脳活動信号yの提示情報分類行列Vに基づく線形結合の正規化指数関数(normalized exponential function,softmax function;ソフトマックス関数)を用いて表すことができると仮定する。正規化指数関数は、変数が正の無限大に近づくほど最大値1に漸近し、変数が負の無限大に近づくほど最小値0に漸近する関数である。
提示情報分類モデル生成部108は、読み出した提示情報識別符号(即ち、符号ip)に基づき提示情報ipを示す目標確率ベクトルp_targを生成する。
目標確率ベクトルp_targは、Dip個の要素値pipを含むベクトルである。ここで、提示情報分類モデル生成部108は、提示情報ip’が提示されたとき、ip’番目の要素値pip_targを1と定め、他の要素値(ip≠ip’)を0と定める。即ち、提示情報分類行列Vは、目標利用者の脳活動信号y_msrdと対応する提示情報を示す目標確率ベクトルp_targの相関関係を示すDip行Dy+1列の行列である。列の数は、提示情報毎の偏り値vip,0を含む。
提示情報分類モデル生成部108は、推定した確率ベクトルp_estmが目標確率ベクトルp_targを最も近似(例えば、尤度[likelihood]が最大)するように提示情報分類行列Vを算出する。
提示情報分類モデル生成部108は、後述するスパース推定において分類重み係数の平均値<vip, i>を要素毎に算出する。提示情報分類モデル生成部108は、算出した分類重み係数の平均値<vip, i>を要素値(分類重み係数vip, i)として含む提示情報分類行列Vを提示情報分類モデル記憶部109に記憶する
提示情報再現モデル生成部110は、提示情報再現モデル記憶部111から提示特徴量情報を読み出す。この提示特徴量情報は、例えば局所基底画像(local image basis;ローカル画像基底)φmである。mは、個々の局所基底画像を識別するための局所基底画像識別符号である。
例えば、目標利用者の脳活動信号yが与えられているとき、提示情報ipである1枚の画像を表す画像信号F_estm(r|y)は、例えば、式(3)に示すように局所基底画像φm(r)と推定したコントラスト値(contrast)Cm_estm(y)の積の線形結合で表すことができる。
提示情報再現モデル生成部110は、目標利用者に提示した提示情報ipから局所基底画像φmが占める領域rにおける画像信号F_targ(r)を、局所基底画像m毎の目標とするコントラスト値Cm_targとして抽出する。提示情報再現モデル生成部110は、抽出したコントラスト値Cm_targを含む目標コントラストベクトルVC_targを生成する。
提示情報再現モデル生成部110は、推定したコントラストベクトルVC_estmが目標コントラストベクトルVC_targを最も近似(例えば、尤度が最大)するようにコントラスト行列Uを算出する。
提示情報再現モデル生成部110は、後述するスパース推定においてコントラスト重み係数の平均値<umi>を要素毎に算出する。提示情報再現モデル生成部110は、算出したコントラスト重み係数の平均値<umi>を要素値umiとして含むコントラスト行列Uを提示情報再現モデル記憶部111に記憶する。
提示情報再現モデル生成部110は、提示情報ip毎に生成したコントラストベクトルVC_estm、結合係数λm、及び局所基底画像φm(r)に基づき式(3)を用いて提示情報ipの画像信号F_estm(r|y)を推定する。
ここで、提示情報再現モデル生成部110は、推定した画像信号F_estm(r|y)と元の画像信号F_targ(r|y)との誤差が最小となるように、例えば最小二乗法(mean square method)を用いて結合係数λmを算出する。
提示情報再現モデル生成部110は、算出した結合係数λmを提示情報再現モデル記憶部111に記憶する。
変換情報処理部112は、例えば提示情報分類部1121及び提示情報再現部1122を含んで構成される。
提示情報分類部1121は、脳活動信号y_estmと提示情報分類行列Vに基づき、例えば式(2)を用いて提示情報毎に確率p_estmipを算出する。提示情報分類部1121は、算出した確率p_estmipが最大となる提示情報ipを決定する。
このようにして、提示情報分類部1121は、目標利用者から脳活動信号y_estmが取得されている間に提示された提示情報を、決定した提示情報ipと推定(弁別、classification)する。
提示情報再現部1122は、脳活動信号y_estmと読み出したコントラスト行列Uに基づき、例えば式(2)を用いてコントラストベクトルVC_estmを算出する。
提示情報再現部1122は、算出したコントラストベクトルVC_estmと読み出した局所基底画像φm(r)及び提示情報毎の結合係数λm,ipに基づき、例えば式(3)を用いて画像信号F_estm(r|y_estm)を算出することによって再構成(reconstruction)する。
このようにして、変換情報処理部112は、目標利用者から脳活動信号y_estmが取得されている間に提示された提示情報を、再構成した画像信号F_estm(r|y_estm)が表す画像と推定する。
図9は、本実施形態に係る提示情報再現部1122が再構成した提示情報の一例を示す図である。
図9は、左列に提示情報として上から下に順に画像ip1−ip5を示し、中央列に画像ip1−ip5が各々提示されたときに目標利用者から測定した脳活動信号に基づいて再構成した画像ip1’−ip5’を示す。即ち、画像ip1’−ip5’は、目標利用者から取得した脳活動信号と目標利用者自身の提示情報再現モデルに基づいて提示情報再現部1122が再構成した画像(目標利用者再構成画像)である。図9は、右列に、画像ip1−ip5が各々提示されたときに原利用者から測定した脳活動信号に基づいて推定した画像ip1’’−ip5’’を示す。即ち、画像ip1’’−ip5’’は、目標利用者とは異なる原利用者から取得した脳活動信号と目標利用者自身の提示情報再現モデルに基づいて提示情報再現部1122が推定した画像(原利用者推定画像)である。
図10は、本実施形態に係る脳活動推定装置1が行う脳活動計測処理の一例を示すフローチャートである。
(ステップS101)計測信号生成部1011は、送信する磁場の信号を表す計測信号を生成し、計測信号送信部1012に出力する。その後、ステップS101に進む。
(ステップS103)情報提示部103は、提示情報記憶部102から読み出した提示情報信号に基づく提示情報を被計測者に提示する。提示情報は、例えば図6に示す画像it1−it4又はこれに類するランダムドットパターンである。情報提示部103は、提示した提示情報に対応する提示情報識別符号を脳活動信号記憶部104に記憶する。その後、ステップS104に進む。
(ステップS105)ノイズ除去部1014は、脳活動信号受信部1013から入力された脳活動信号からノイズ成分を除去して、ノイズ成分が除去された脳活動信号を脳活動信号記憶部104に記憶する。その後、ステップS106に進む。
(ステップS106)個別変換変数算出部105は、共通の提示情報に対応する脳活動信号を脳活動信号記憶部104が少なくとも被計測者2名分記憶しているか否かを判断する。
個別変換変数算出部105は、脳活動信号記憶部104が被計測者2名又は2名分よりも多く記憶していないと判断したとき(ステップS106 N)、ステップS101に進む。個別変換変数算出部105は、脳活動信号記憶部104が被計測者2名又は2名分よりも多く記憶していると判断したとき(ステップS106 Y)、ステップS107に進む。
図11は、本実施形態に係る脳活動推定装置1が行う脳活動推定処理の一例を示すフローチャートである。
この例は、脳活動信号を取得するためのステップであるステップS101−S105を開始直後に実行する点で図10に示す脳活動推定処理と共通する。他方、この例は、脳活動推定装置1は、ステップS101−S105を原利用者に対して実行して原利用者の脳活動信号を計測し、ステップS105の後でステップS206に進む点が異なる。また、この例ではステップS103において、情報提示部103は図7に示す画像ip1−ip5又はこれに類する画像を提示情報として提示する。
(ステップS206)個別変換部107は、脳活動信号記憶部104から提示情報識別符号及び原利用者の脳活動信号x_msrdを読み出し、個別変換変数記憶部106から原利用者と目標利用者の組に対応する個別変換行列Wを読み出す。
個別変換部107は、脳活動信号x_msrdを個別変換行列Wに基づいて、例えば式(1)を用いて目標利用者の脳活動信号y_estmを推定する。
個別変換部107は、推定した脳活動信号y_estmを変換情報処理部112が備える提示情報分類部1121及び提示情報再現部1122に出力する。その後、ステップS207に進む。
提示情報分類部1121は、脳活動信号y_estmと提示情報分類行列Vに基づき、例えば式(2)を用いて提示情報毎に確率pip_estmを算出する。提示情報分類部1121は、算出した確率pip_estmが最大となる提示情報ipを推定(弁別)する。その後、ステップS208に進む。
提示情報再現部1122は、脳活動信号y_estmとコントラスト行列Uに基づき、例えば式(4)を用いてコントラスト値Cm _estmを算出し、算出したコントラスト値Cm _estmを要素として含むコントラストベクトルVC_estmを生成する。提示情報分類部1121は、算出したコントラストベクトルVC_estmと読み出した局所基底画像φm(r)及び提示情報毎の結合係数λm,ipに基づき、例えば式(3)を用いて画像信号F_estm(r|y_estm)を再構成する。その後、処理を終了する。
また、この処理において、ステップS207とステップS208のうち、いずれか一方を実行してもよい。
また、提示情報分類モデル生成部108では、脳活動信号x_msrd、脳活動信号y_msrd、推定した脳活動信号y_estm及び個別変換行列Wの代わりに、各々脳活動信号y_msrd、目標確率ベクトルp_targ、確率ベクトルp_estmに基づいて分類重み係数の平均値<vip, i>を算出する。
また、提示情報再現モデル生成部110では、脳活動信号x_msrd、脳活動信号y_msrd、推定した脳活動信号y_estm及び個別変換行列Wの代わりに、脳活動信号y_msrd、目標コントラスト信号VC_targ、推定したコントラストベクトルVC_estmに基づいて、コントラスト重み係数の平均値<umi>を算出する。
(ステップS301)個別変換変数算出部105は、処理に必要な変数として脳活動信号xの次元Dx、脳活動信号yの次元Dy、及び関連性係数(relevance parameter)αijの期待値<αij>の初期値を設定する。関連性係数αijは、脳活動信号xに含まれるボクセルjの要素信号が脳活動信号yに含まれるボクセルiの要素信号に対する関連性の度合いを示す0より大きい実数である。関連性係数αijは、スパース推定においてARD事前分布(ARD prior;Automatic Relevance Determination prior;自動関連性決定事前分布)を仮定するために用いる係数である。
ARD事前分布では、関連性係数αijをとる確率P0(αij)をαij −1と仮定する。
その後、ステップS302に進む。
ここで、式(5)の第1項は、計測された脳活動信号y_msrdと推定された脳活動信号y_estmの相関による寄与を示し、第2項は、推定された脳活動信号y_estmの分布によるエントロピーによる寄与を示し、第3項は、関連性係数αijの分布によるエントロピーによる寄与を示す。
変換変数算出部105は、自由エネルギーE(W)を最大化するために、例えば、式(6)に示される勾配ベクトル(gradient vector)E’と式(7)に示されるヘシアン(Hessian Matrix;ヘッセ行列)E’’に基づき、ニュートン法(Newton method)を用いる。
次に、個別変換変数算出部105は、重み係数wijは最大化した関数E(W)のヘシアンE’’の逆行列E’’−1を共分散行列Sとして算出する。この共分散行列Sは、行列要素として共分散Sii jjを含む行列である。その後、ステップS303に進む。
個別変換変数算出部105は、式(8)を用いて平均値<αij>を更新する。
個別変換変数算出部105は、関連性係数の平均値<αij>、重み係数の平均値<wij>、又は共分散Sijが収束したと判断した場合(ステップS306 Y)、算出した重み係数の平均値<wij>を原利用者と目標利用者との個別変換行列Wとして個別変換変数記憶部106に記憶し、処理を終了する。即ち、記憶された個別変換行列Wは算出した重み係数の平均値<wij>を要素(重み係数wij)として含む。
個別変換変数算出部105は、関連性係数の平均値<αij>、重み係数の平均値<wij>、又は共分散Sijが収束していないと判断した場合(ステップ306 N)、ステップS302へ進む。
また、従来、原利用者に共通のモデルを用いて脳活動信号を変換する試みがなされていたが、本実施形態では原利用者によって異なる個別変換変数をモデルとして用いる。そのため、本実施形態では原利用者によって非線形変換を行うか、線形変換を行うか、変換方式を使い分けることもできる。
本実施形態では、これには限られず、提示情報分類モデル生成部108は、目標利用者のy_msrd(計測値)の代わりに、このy_msrd(計測値)に基づき個別変換部107が生成した脳活動信号y_estm(推定値)と提示情報識別符号に基づいて提示情報分類モデルを生成してもよい。この場合において、提示情報分類部1121は、脳活動信号y_estm(推定値)と生成された提示情報分類モデルに基づき算出した提示情報毎の確率を用いて提示情報を弁別してもよい。
本実施形態では、これには限られず、提示情報再現モデル生成部110は、目標利用者のy_msrd(計測値)の代わりに、このy_msrd(計測値)に基づき個別変換部107が生成した脳活動信号y_estm(推定値)と提示情報識別符号及び局所規定画像に基づいて提示情報再現モデルを生成してもよい。この場合において、提示情報再現部1122は、脳活動信号y_estm(推定値)と生成された提示情報再現モデルに基づき提示情報を再構成してもよい。
また、提示情報分類モデルの生成及び原利用者の脳活動信号を計測する際には、情報提示部103は、図7の画像ip1−ip5の5種類の静止画のうち、いずれか1種類を提示情報としてランダムな順序で提示した。提示したランダムドットパターン及び画像ip1−ip5画素数は、各々水平方向10画素×垂直方向10画素である。
検証においては、各被計測者について脳活動推定装置1を動作して図10に示す脳活動計測処理及び図11に示す脳活動推定処理を行った。
図13の最上行は、原利用者として第2列から第4列へ順に被計測者1−3を示す。図13の最左列は、目標利用者として第2行から第4行へ順に被計測者1−3を示す。図13の最上行から2行目以降の各行及び最左列から2列目以降の各欄は、ボクセル間の相関係数(voxel−wise correlation)の平均値と括弧内に標準偏差(standard deviation)を示す。この相関係数は、個別変換部107が原利用者の脳活動信号に基づき推定した目標利用者の脳活動信号のボクセル毎の要素信号値と、脳活動計測部101が取得した目標利用者の脳活動信号のボクセル毎の要素信号値に基づいて算出した相関係数である。
図14の最上行は、原利用者として第2列から第4列へ順に被計測者1−3を示す。図14の最左列は、目標利用者として第2行から第4行へ順に被計測者1−3を示す。図14の最上行から2行目以降の各行及び最左列から2列目以降の各欄は、提示情報の正答率のパーセント値を示す。本検証において正答率は、原利用者の脳活動信号に基づき推定した目標利用者の脳活動信号を用いて提示情報分類部1121が弁別した提示情報の種類を正しく弁別した回数の全提示回数に対する割合である。
図14に示すように、目標利用者が被計測者1及び被計測者2の場合には、正答率はいずれも80%以上と高い正答率を示す。目標利用者が被計測者3の場合には、正答率が49%又は62%と比較的低い。しかし、その場合における正答率でも、偶然による正答率(chance level)である20%よりも格段に高い。
図15の最上行は、原利用者として第2列から第4列へ順に被計測者1−3を示す。図12の最左列は、目標利用者として第2行から第4行へ順に被計測者1−3を示す。図12の最上行から2行目以降の各行及び最左列から2列目以降の各欄は、ピクセル間の相関係数(pixel−wise correlation)の平均値と括弧内に標準偏差を示す。この相関係数は、提示情報再現部1122が推定した目標利用者の脳活動信号に基づき再構成した画像信号のピクセル毎の信号値と、情報提示部103が提示した提示情報のピクセル毎の信号値に基づいて算出した相関係数である。
なお、図15に示す相関係数は、図13に示す相関係数よりも総じて高い。これは、提示情報再現モデル110及び提示情報再現部1122が、式(8)を用いてコントラスト値を推定する際に偏り値を導入し、スパース推定において提示情報に対して関連性が低い脳活動信号の要素信号を除外するからである。
また、上述した実施形態における脳活動推定装置1の一部、または全部を、LSI(Large Scale Integration)等の集積回路として実現しても良い。脳活動推定装置1の各機能ブロックは個別にプロセッサ化してもよいし、一部、または全部を集積してプロセッサ化しても良い。また、集積回路化の手法はLSIに限らず専用回路、または汎用プロセッサで実現しても良い。また、半導体技術の進歩によりLSIに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いても良い。
101…脳活動計測部、
1011…計測信号生成部、1012…計測信号送信部、1013…脳活動信号受信部、
102…提示情報記憶部、103…情報提示部、104…脳活動信号記憶部、
105…個別変換変数算出部、106…個別変換変数記憶部、107…個別変換部、
108…提示情報分類モデル生成部、109…提示情報分類モデル記憶部109、
110…提示情報再現モデル生成部、111…提示情報再現モデル記憶部、
112…変換情報処理部、1121…提示情報分類部、1122…提示情報再現部、
114…ノイズ除去部
Claims (3)
- 利用者に知覚可能な情報を提示する情報提示部と、
前記利用者の脳活動を表す脳活動信号を取得する脳活動計測部と、
第1の利用者の脳活動信号と第2の利用者の脳活動信号との相関関係を示す個別変換情報を算出する個別変換情報算出部と、
を備えることを特徴とする脳活動計測装置。 - 脳活動推定装置における方法において、
前記脳活動推定装置が、利用者に知覚可能な情報を提示する第1の過程と、
前記脳活動推定装置が、前記利用者の脳活動を表す脳活動信号を取得する第2の過程と、
前記脳活動推定装置が、第1の利用者の脳活動信号と第2の利用者の脳活動信号との相関関係を示す個別変換情報を算出する過程と、
を有することを特徴とする脳活動計測方法。 - 第1の利用者に知覚可能な情報を提示する情報提示部と、
前記第1の利用者の脳活動を表す脳活動信号を取得する脳活動計測部と、
前記第1の利用者の脳活動信号と第2の利用者の脳活動信号との相関関係を示す個別変換情報に基づいて前記取得した脳活動信号から前記第2の利用者の脳活動信号を推定する個別変換部と、
を備えることを特徴とする脳活動推定装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011108749A JP5816917B2 (ja) | 2011-05-13 | 2011-05-13 | 脳活動計測装置、脳活動計測方法、及び脳活動推定装置 |
US13/469,589 US9020586B2 (en) | 2011-05-13 | 2012-05-11 | Brain activity measuring apparatus, brain activity measuring method, brain activity deducing apparatus, brain activity deducing method, and brain-machine interface apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011108749A JP5816917B2 (ja) | 2011-05-13 | 2011-05-13 | 脳活動計測装置、脳活動計測方法、及び脳活動推定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012239475A JP2012239475A (ja) | 2012-12-10 |
JP5816917B2 true JP5816917B2 (ja) | 2015-11-18 |
Family
ID=47142339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011108749A Active JP5816917B2 (ja) | 2011-05-13 | 2011-05-13 | 脳活動計測装置、脳活動計測方法、及び脳活動推定装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9020586B2 (ja) |
JP (1) | JP5816917B2 (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160103487A1 (en) * | 2013-03-15 | 2016-04-14 | Glen J. Anderson | Brain computer interface (bci) system based on gathered temporal and spatial patterns of biophysical signals |
CN116594495A (zh) | 2014-05-30 | 2023-08-15 | 密歇根大学董事会 | 用于促进多项选择答案的直接选择和状态变化的识别的脑机接口 |
KR102401607B1 (ko) * | 2014-12-04 | 2022-05-25 | 현대모비스 주식회사 | 운전자의 운행 집중도 레벨 분석방법 |
WO2016113717A1 (en) * | 2015-01-16 | 2016-07-21 | Puneet Agarwal | A novel system and method for person identification and personality assessment based on eeg signal |
JP6804934B2 (ja) * | 2016-10-26 | 2020-12-23 | 株式会社東芝 | 消費エネルギー予測装置及び消費エネルギー予測方法 |
US10482227B2 (en) | 2017-03-28 | 2019-11-19 | International Business Machines Corporation | Electroencephalography (EEG) based authentication |
CN111629653A (zh) | 2017-08-23 | 2020-09-04 | 神经股份有限公司 | 具有高速眼睛跟踪特征的大脑-计算机接口 |
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 |
EP3731749A4 (en) | 2017-12-31 | 2022-07-27 | Neuroenhancement Lab, LLC | NEURO-ACTIVATION SYSTEM AND METHOD FOR ENHANCING EMOTIONAL RESPONSE |
US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
WO2020056418A1 (en) | 2018-09-14 | 2020-03-19 | Neuroenhancement Lab, LLC | System and method of improving sleep |
US10664050B2 (en) | 2018-09-21 | 2020-05-26 | Neurable Inc. | Human-computer interface using high-speed and accurate tracking of user interactions |
US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
CN110464368A (zh) * | 2019-08-29 | 2019-11-19 | 苏州中科先进技术研究院有限公司 | 基于机器学习的大脑关注度评估方法及系统 |
CN111227825B (zh) * | 2020-01-14 | 2021-06-08 | 华南理工大学 | 一种基于脑机接口系统辅助评估声源定位的方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08173398A (ja) * | 1994-12-27 | 1996-07-09 | Hitachi Ltd | 脳機能計測装置 |
US5632276A (en) * | 1995-01-27 | 1997-05-27 | Eidelberg; David | Markers for use in screening patients for nervous system dysfunction and a method and apparatus for using same |
US20020103429A1 (en) * | 2001-01-30 | 2002-08-01 | Decharms R. Christopher | Methods for physiological monitoring, training, exercise and regulation |
JP4403453B2 (ja) * | 2003-11-13 | 2010-01-27 | 株式会社島津製作所 | 頭表座標を脳表座標に変換する方法と、その変換データを利用する経頭蓋的脳機能測定装置 |
JP2005328933A (ja) * | 2004-05-18 | 2005-12-02 | Shimadzu Corp | 経頭蓋的脳機能測定装置 |
WO2005117693A1 (en) * | 2004-05-27 | 2005-12-15 | Children's Medical Center Corporation | Patient-specific seizure onset detection system |
EP1838270B1 (en) * | 2004-08-25 | 2009-07-22 | Motorika Limited | Motor training with brain plasticity |
US20060253166A1 (en) * | 2005-01-06 | 2006-11-09 | Flaherty J C | Patient training routine for biological interface system |
JP4882087B2 (ja) * | 2005-12-16 | 2012-02-22 | 独立行政法人農業・食品産業技術総合研究機構 | 経頭蓋的脳機能測定・刺激点の空間解析方法 |
JP4836140B2 (ja) | 2007-03-23 | 2011-12-14 | 独立行政法人産業技術総合研究所 | 脳活動解析方法および装置 |
CN101558368B (zh) * | 2007-03-28 | 2011-09-07 | 松下电器产业株式会社 | 决定脑波识别与否的装置及方法 |
US9402558B2 (en) * | 2007-04-05 | 2016-08-02 | New York University | System and method for pain detection and computation of a pain quantification index |
JP2010253141A (ja) * | 2009-04-28 | 2010-11-11 | Spectratech Inc | 生体情報を用いた生体反応評価システム |
JP5343790B2 (ja) * | 2009-09-28 | 2013-11-13 | 株式会社国際電気通信基礎技術研究所 | 脳活動情報出力装置、脳活動情報出力方法、およびプログラム |
-
2011
- 2011-05-13 JP JP2011108749A patent/JP5816917B2/ja active Active
-
2012
- 2012-05-11 US US13/469,589 patent/US9020586B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2012239475A (ja) | 2012-12-10 |
US9020586B2 (en) | 2015-04-28 |
US20120289854A1 (en) | 2012-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5816917B2 (ja) | 脳活動計測装置、脳活動計測方法、及び脳活動推定装置 | |
Welvaert et al. | neuRosim: An R package for generating fMRI data | |
CN101287410B (zh) | 脑功能分析方法及脑功能分析装置 | |
Gössl et al. | Bayesian modeling of the hemodynamic response function in BOLD fMRI | |
JP2017076193A (ja) | 脳活動解析装置、脳活動解析方法および脳活動解析プログラム | |
CN111417342B (zh) | 脑网络的活动估计系统、方法和存储介质 | |
US11826133B2 (en) | Method and system for determining brain-state dependent functional areas of unitary pooled activity and associated dynamic networks with functional magnetic resonance imaging | |
US8587305B2 (en) | System and method for fat suppression in chemical shift based water-fat separated MR imaging | |
JP2018187044A (ja) | 感情推定装置、感情推定方法およびコンピュータプログラム | |
CN107667299A (zh) | 利用多元件射频天线的运动检测 | |
JP5343790B2 (ja) | 脳活動情報出力装置、脳活動情報出力方法、およびプログラム | |
CN111568412A (zh) | 一种利用脑电信号重建视觉图像的方法及装置 | |
US20210110520A1 (en) | Method and system for simulating and constructing original medical images from one modality to other modality | |
Chang et al. | Assessing recurrent interactions in cortical networks: modeling EEG response to transcranial magnetic stimulation | |
JP2023545859A (ja) | 電気インピーダンスイメージング方法、システム、記憶媒体および電子機器 | |
KR102317713B1 (ko) | 기능적 연결성을 사용한 피험자 내 및 피험자 간 변동성 기반 예측 모델 생성 방법 및 그 장치 | |
Tisdall et al. | Using human and model performance to compare MRI reconstructions | |
CN111598966B (zh) | 一种基于生成对抗网络的磁共振成像方法及装置 | |
Ferdowsi et al. | A new spatially constrained NMF with application to fMRI | |
CN110148468A (zh) | 动态人脸图像重建的方法及装置 | |
Rajapakse et al. | Probabilistic framework for brain connectivity from functional MR images | |
CN117315425B (zh) | 一种多模态磁共振影像的融合方法及系统 | |
JP6151573B2 (ja) | 視聴状態推定装置及びそのプログラム | |
Atkinson et al. | Blind estimation for localized low contrast-to-noise ratio bold signals | |
JP7218154B2 (ja) | 評価方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140508 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20140508 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20141024 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150310 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150402 |
|
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: 20150818 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150827 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5816917 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |