JP6821171B2 - Brain activity state quantification method and brain activity state measurement device - Google Patents
Brain activity state quantification method and brain activity state measurement device Download PDFInfo
- Publication number
- JP6821171B2 JP6821171B2 JP2016182662A JP2016182662A JP6821171B2 JP 6821171 B2 JP6821171 B2 JP 6821171B2 JP 2016182662 A JP2016182662 A JP 2016182662A JP 2016182662 A JP2016182662 A JP 2016182662A JP 6821171 B2 JP6821171 B2 JP 6821171B2
- Authority
- JP
- Japan
- Prior art keywords
- brain
- feature amount
- brain activity
- data
- feature
- 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
- 230000007177 brain activity Effects 0.000 title claims description 61
- 238000000034 method Methods 0.000 title claims description 46
- 238000011002 quantification Methods 0.000 title claims description 11
- 238000005259 measurement Methods 0.000 title claims description 6
- 210000004556 brain Anatomy 0.000 claims description 62
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000000694 effects Effects 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000002599 functional magnetic resonance imaging Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 11
- 230000004913 activation Effects 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000000513 principal component analysis Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000004497 NIR spectroscopy Methods 0.000 claims description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 10
- INGWEZCOABYORO-UHFFFAOYSA-N 2-(furan-2-yl)-7-methyl-1h-1,8-naphthyridin-4-one Chemical compound N=1C2=NC(C)=CC=C2C(O)=CC=1C1=CC=CO1 INGWEZCOABYORO-UHFFFAOYSA-N 0.000 description 7
- 108010064719 Oxyhemoglobins Proteins 0.000 description 7
- 108010002255 deoxyhemoglobin Proteins 0.000 description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical group [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 5
- 239000001301 oxygen Substances 0.000 description 5
- 229910052760 oxygen Inorganic materials 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 108010054147 Hemoglobins Proteins 0.000 description 3
- 102000001554 Hemoglobins Human genes 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000941 radioactive substance Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Description
本発明は、人の様々な脳活動の状態を定量化して表示する方法およびその方法を採用した脳活動状態の計測装置に関する。 The present invention relates to a method for quantifying and displaying various states of human brain activity and a device for measuring the state of brain activity adopting the method.
脳の賦活レベル（活動の強さ）は、磁気共鳴画像装置（以降、「MRI装置」という）などによる計測で定量化できるが（非特許文献１参照）、脳内の複数の領域がどのように繋がり、協調して活動しているかを賦活レベルから判断することはできない。 The activation level (intensity of activity) of the brain can be quantified by measurement with a magnetic resonance imaging device (hereinafter referred to as "MRI device") (see Non-Patent Document 1), but what about multiple regions in the brain? It is not possible to judge from the activation level whether or not they are working in cooperation with each other.
一方、脳内の部位間の協調関係（機能的結合性）を定量化する方法として、脳活動の時系列データの相関係数を求める方法が知られている（例えば特許文献１参照）。 On the other hand, as a method for quantifying the cooperative relationship (functional connectivity) between parts in the brain, a method for obtaining the correlation coefficient of time-series data of brain activity is known (see, for example, Patent Document 1).
しかし、上述の方法では、活動の相対変化の類似度だけが考慮され、賦活レベルが無視されるために、活動していない脳部位間も協調関係があるとみなされる。 However, in the above method, only the similarity of relative changes in activity is considered and the activation level is ignored, so that inactive brain regions are also considered to be cooperative.
このように、脳活動の状態を正確に、かつ定量的に表す方法は、未だ確立されていない。 As described above, a method for accurately and quantitatively expressing the state of brain activity has not yet been established.
本発明はこのような状況に鑑みて成されたもので、脳活動の状態を定量化すると共に、平面上に位置情報として表示できる方法および装置を提供することを目的とする。 The present invention has been made in view of such a situation, and an object of the present invention is to provide a method and an apparatus capable of quantifying the state of brain activity and displaying it as position information on a plane.
上記目的を達成するため、本発明にかかる脳活動状態定量化方法は、人間の脳における活動の状態を定量化し、その値を平面上に位置情報として表示する脳活動状態定量化方法であって、
脳の活動状態を、脳の部位間のつながりにおける中心性を示す第１の特徴量と、脳の賦活状態を示す第２の特徴量で表し、
前記平面上の直交座標系の２つの座標軸のうち一方の座標軸を前記第１の特徴量に対応させ、かつ他方の座標軸を前記第２の特徴量に対応させ、脳の活動状態を、前記直交座標系に点として表示することを特徴とする。
In order to achieve the above object, the brain activity state quantification method according to the present invention is a brain activity state quantification method that quantifies the state of activity in the human brain and displays the value as position information on a plane. ,
The active state of the brain is represented by a first feature that indicates the centrality in the connection between parts of the brain and a second feature that indicates the activated state of the brain.
One of the two coordinate axes of the Cartesian coordinate system on the plane corresponds to the first feature amount, and the other coordinate axis corresponds to the second feature amount , so that the activity state of the brain is set to the orthogonality. It is characterized by being displayed as a point in the coordinate system.
本発明において、脳の任意の部位における前記第１および第２の特徴量を、fMRI（機能的核磁気共鳴画像法）により得られる時系列データを用いて算出することが好ましい。前記時系列データは、脳の任意のボクセルの時系列データ、または複数のボクセルの時系列データの加算平均により得られる。 In the present invention, it is preferable to calculate the first and second features at any part of the brain using time series data obtained by fMRI (functional magnetic resonance imaging). The time-series data is obtained by averaging the time-series data of any voxel in the brain or the time-series data of a plurality of voxels.
ここで、前記第１の特徴量は、脳の任意の部位における前記時系列データを、他の部位の時系列データと比較して相関係数を算出すると共に、当該相関係数の算出を前記他の全ての部位に対して行い、算出された当該相関係数を用いて、下記のいずれかの方法によって求めることが好ましい。
（a）前記算出された相関係数をそのまま加え合わせて、任意の部位における第１の特徴量とする。
（b）前記算出された相関係数について、所定の閾値以上の値を示すものについて部位間の結合があると判定し、任意の部位において、相関係数が閾値以上で有る部位の数を算出し、その値を第１の特徴量とする。
（c）全ての部位間の前記相関係数を、同じ部位間の相関係数が対角要素となるように配置した相関係数行列に対して行列の最大固有値に対応する固有ベクトルを求め、その固有ベクトルの各要素の値を任意の部位における第１の特徴量とする。
Here, the first feature amount calculates the correlation coefficient by comparing the time-series data in an arbitrary part of the brain with the time-series data in other parts, and calculates the correlation coefficient. It is preferable to perform it on all other parts and obtain it by any of the following methods using the calculated correlation coefficient.
(A) The calculated correlation coefficient is added as it is to obtain the first feature amount at an arbitrary site.
(B) Regarding the calculated correlation coefficient, it is determined that there is a connection between parts for those showing a value equal to or higher than a predetermined threshold value, and the number of parts having a correlation coefficient equal to or higher than the threshold value is calculated at any part. Then, the value is used as the first feature amount.
(C) The eigenvector corresponding to the maximum eigenvalue of the matrix is obtained from the correlation coefficient matrix in which the correlation coefficients between all the parts are arranged so that the correlation coefficients between the same parts are diagonal elements. The value of each element of the eigenvector is used as the first feature quantity at an arbitrary part.
また前記第２の特徴量は、以下の手順により求めることが好ましい。
（a）脳の任意の部位における時系列データを、高速フーリエ変換を用いて周波数スペクトルに変換する。
（b）変換された前記周波数スペクトルの特定の周波数帯の二乗平均平方根を、全周波数帯の二乗平均平方根で除算する。
Further, it is preferable to obtain the second feature amount by the following procedure.
(A) Time series data at any part of the brain is transformed into a frequency spectrum using a fast Fourier transform.
(B) The root mean square of a specific frequency band of the converted frequency spectrum is divided by the root mean square of all frequency bands.
また前記第１の特徴量および第２の特徴量のデータを、線形判別分析、非線形判別分析または主成分分析のいずれかの手法を用いて次元の削減を行うことにより、それぞれ一次元のデータに変換することが好ましい。 Further, the data of the first feature amount and the second feature amount are converted into one-dimensional data by reducing the dimensions by using any method of linear discriminant analysis, nonlinear discriminant analysis or principal component analysis. It is preferable to convert.
また本発明に係る脳活動状態計測装置は、
人間の脳の活動状態を示す時系列データに基づいて、脳の部位間のつながりにおける中心性を示す第１の特徴量を算出する第１特徴量算出部と、
前記時系列データに基づいて、脳の賦活状態を示す第２の特徴量を算出する第２特徴量算出部と、
前記第１特徴量算出部から出力された第１の特徴量のデータおよび前記第２特徴量算出部から出力された第２の特徴量のデータについてそれぞれ線形判別分析、非線形判別分析または主成分分析のいずれかの手法を用いて次元の削減を行うことにより、一次元のデータに変換する分析部と、
前記分析部で一次元のデータに変換された第１および第２の特徴量のデータを、平面上の直交座標系の２つの座標軸に対応させて、脳活動の状態を直交座標系に点として表示する表示部と、を備えたことを特徴とする。
Further, the brain activity state measuring device according to the present invention is
Based on the time-series data showing the activity state of the human brain, the first feature amount calculation unit that calculates the first feature amount showing the centrality in the connection between the parts of the brain,
Based on the time-series data, a second feature amount calculation unit that calculates a second feature amount indicating the activation state of the brain, and a second feature amount calculation unit.
Linear discriminant analysis, non-linear discriminant analysis, or principal component analysis of the first feature data output from the first feature calculation unit and the second feature data output from the second feature calculation unit, respectively. The analysis unit that converts the data into one-dimensional data by reducing the dimensions using one of the methods of
The data of the first and second feature quantities converted into one-dimensional data by the analysis unit is made to correspond to the two coordinate axes of the Cartesian coordinate system on the plane, and the state of brain activity is set as a point in the Cartesian coordinate system. It is characterized by having a display unit for displaying.
本発明にかかる脳活動状態定量化方法を採用すれば、脳活動の状態を、２つの特徴量として定量化すると共に、平面上の直交座標系の位置情報として、視覚を通じて確認できるために、脳活動の状態を客観的かつ容易に把握することができる。 If the brain activity state quantification method according to the present invention is adopted, the state of brain activity can be quantified as two feature quantities and can be visually confirmed as position information of a Cartesian coordinate system on a plane. The state of activity can be grasped objectively and easily.
以下、本発明の実施の形態にかかる脳活動状態定量化方法および脳活動状態計計測装置について、図面を参照して説明する。 Hereinafter, the brain activity state quantification method and the brain activity state meter measuring device according to the embodiment of the present invention will be described with reference to the drawings.
＜脳活動状態定量化の原理＞
最初に、本発明における脳活動状態の定量化の原理について説明する。本発明における脳活動状態の定量化は、人の様々な脳活動の状態を定量化して平面上の直交座標系に表示するもので、１つの座標軸を、脳の部位間のつながりにおける中心性を示す第１の特徴量に対応させ、もう１つの座標軸を、脳活動の賦活状態を示す第２の特徴量に対応させている。
<Principle of quantification of brain activity state>
First, the principle of quantifying the brain activity state in the present invention will be described. In the quantification of the brain activity state in the present invention, various states of human brain activity are quantified and displayed in a Cartesian coordinate system on a plane, and one coordinate axis is used to determine the centrality of the connection between parts of the brain. It corresponds to the first feature amount shown, and the other coordinate axis corresponds to the second feature amount indicating the activated state of brain activity.
上述の第１および第２の特徴量は、脳活動の状態を示す時系列データに基づいて算出されるが、本発明では、この時系列データとして、fMRIにより得られるデータを用いている。以下、fMRIについて説明する。 The above-mentioned first and second feature quantities are calculated based on time-series data indicating the state of brain activity, and in the present invention, data obtained by fMRI is used as the time-series data. Hereinafter, fMRI will be described.
fMRI（functional Magnetic Resonance Imaging）は、「機能的核磁気共鳴画像法」の略で、fは「機能的」を意味しており、MRI装置を用いて生体情報、特に脳活動の状態を計測する方法である（非特許文献１参照）。 fMRI (functional Magnetic Resonance Imaging) is an abbreviation for "functional magnetic resonance imaging", where f means "functional" and measures biological information, especially the state of brain activity, using an MRI device. This is a method (see Non-Patent Document 1).
強力な磁場の中に人体を置いて、そこに電波を放つと水および脂肪の構成元素である水素原子核が反応し共鳴する。MRI装置は、その原理を用いて得られた信号データを画像化することにより、人体の断層画像を得るものである。 When the human body is placed in a strong magnetic field and radio waves are emitted there, hydrogen nuclei, which are constituent elements of water and fat, react and resonate. The MRI apparatus obtains a tomographic image of the human body by imaging the signal data obtained by using the principle.
fMRIは、MRI装置を用いて脳の活動状態を計測することを目的として開発された。血液中には、酸素と結合したオキシヘモグロビンと結合していないヘモグロビンの２つがある。酸素は人間にとってエネルギーとして使われる。つまり、神経細胞が活動を行った時に、その細胞は酸素を必要とし、血液のオキシヘモグロビンを求める。 fMRI was developed for the purpose of measuring the activity state of the brain using an MRI device. There are two types of hemoglobin in the blood: oxyhemoglobin bound to oxygen and hemoglobin not bound to oxygen. Oxygen is used as energy for humans. That is, when a nerve cell becomes active, it needs oxygen and seeks oxyhemoglobin in the blood.
酸素を細胞に与えたヘモグロビンはデオキシヘモグロビンになるため、血中のオキシヘモグロビンとデオキシヘモグロビンの比率が変化する。神経細胞が活動を行うと、オキシへモグロビンが減ると同時に、それを防ぐため血流量が変化し、その部分に多くのオキシヘモグロビンが送られ、結果として、デオキシヘモグロビンが相対的に減少する。 Since hemoglobin that gives oxygen to cells becomes deoxyhemoglobin, the ratio of oxyhemoglobin to deoxyhemoglobin in the blood changes. When nerve cells perform activity, oxyhemoglobin decreases, and at the same time, blood flow changes to prevent it, and a large amount of oxyhemoglobin is sent to that part, resulting in a relative decrease in deoxyhemoglobin.
デオキシヘモグロビンの構造には磁場を不均一にさせる性質があり、活動があった神経細胞の部分ではデオキシヘモグロビンが減少するため、MRI信号はその領域だけ上昇する。これによりMRI装置で脳活動に関連した計測を行うことができる。この現象を一般にBOLD効果（Blood Oxygenation Level Dependent Effect）という。 The structure of deoxyhemoglobin has the property of making the magnetic field non-uniform, and deoxyhemoglobin decreases in the active nerve cell part, so that the MRI signal rises only in that region. This makes it possible to perform measurements related to brain activity with an MRI device. This phenomenon is generally called the BOLD effect (Blood Oxygenation Level Dependent Effect).
fMRIは、薬剤や放射性物質等を使用しないで検査を行うことができ、また数秒単位の時間的分解能、１ｍｍ以下の空間分解能を実現できる。以下の説明では、fMRIにより得られる時系列データを「BOLD信号」という。 fMRI can perform examinations without using chemicals, radioactive substances, etc., and can achieve a temporal resolution of several seconds and a spatial resolution of 1 mm or less. In the following description, the time series data obtained by fMRI is referred to as "BOLD signal".
図１に、人間の脳の複数のボクセルで得られるBOLD信号を示す。ボクセル（Voxel）は３次元空間での正規格子単位であり、例えば脳を（１×１×１ｍｍ）の立方体に分割した各領域を示す。図中、BOLD信号の横軸は経過時間を表し、縦軸は信号の強度を表す。図では、部位の異なる３つのボクセルで得られるBOLD信号を示しているが、実際には、すべてのボクセルでBOLD信号が得られる。 FIG. 1 shows BOLD signals obtained from multiple voxels in the human brain. A voxel is a normal grid unit in three-dimensional space, and indicates, for example, each region in which the brain is divided into (1 × 1 × 1 mm) cubes. In the figure, the horizontal axis of the BOLD signal represents the elapsed time, and the vertical axis represents the signal strength. In the figure, the BOLD signal obtained from three voxels having different parts is shown, but in reality, the BOLD signal is obtained from all voxels.
一方、脳の部位は、解剖学的に１１６の部位に分類される。この分類方法を一般にAAL（Automated Anatomical Labeling）という。図２は、AALにより分類された脳の各部位を、明度を変えて表示した断層像である。本実施の形態では、脳活動の状態を示す時系列データとして、図２に示す１１６に分類された部位ごとに、それぞれの部位に含まれるボクセルから出力されるBOLD信号を加算平均した信号を用いる。 On the other hand, the parts of the brain are anatomically classified into 116 parts. This classification method is generally called AAL (Automated Anatomical Labeling). FIG. 2 is a tomographic image in which each part of the brain classified by AAL is displayed with different brightness. In the present embodiment, as time-series data indicating the state of brain activity, a signal obtained by adding and averaging the BOLD signals output from the voxels included in each part is used for each part classified into 116 shown in FIG. ..
次に、図３を参照して、脳の部位間のつながりにおける中心性を示す第１の特徴量の求め方について説明する。図３（ａ）は、AALにより分類された任意の部位に含まれるボクセルで得られるBOLD信号を加算平均化した信号である。図中、横軸は経過時間を示し、縦軸は信号の強度を示す。 Next, with reference to FIG. 3, a method of obtaining a first feature amount indicating centrality in the connection between parts of the brain will be described. FIG. 3A is a signal obtained by adding and averaging the BOLD signals obtained by voxels contained in arbitrary parts classified by AAL. In the figure, the horizontal axis shows the elapsed time and the vertical axis shows the signal strength.
第１の特徴量を求めるに際しては、図３（ａ）に示したBOLD信号を、AALにより分類される１１６のすべての部位において生成した後、それぞれのBOLD信号の相関係数を算出する。相関係数は、信号波形の類似の程度を示すもので、算出方法については、前述の特許文献１に詳しく説明されているため、説明を省略する。 In obtaining the first feature amount, the BOLD signal shown in FIG. 3A is generated at all 116 parts classified by AAL, and then the correlation coefficient of each BOLD signal is calculated. The correlation coefficient indicates the degree of similarity of the signal waveform, and the calculation method is described in detail in Patent Document 1 described above, and thus the description thereof will be omitted.
第1の特徴量の算出方法について具体的に説明する。脳の任意の部位におけるBOLD信号を他の部位におけるBOLD信号とそれぞれ比較して相関係数を算出する。この処理を全ての部位において行うことで、脳の部位ごとに１１５の相関係数が得られる。 The first method of calculating the feature amount will be specifically described. The correlation coefficient is calculated by comparing the BOLD signal at any part of the brain with the BOLD signal at other parts. By performing this process on all parts, 115 correlation coefficients can be obtained for each part of the brain.
このようにして算出された脳の各部位における１１５の相関係数を用い、下記のいずれかの方法によって、任意の部位における第１の特徴量を算出する。
（a）前記算出された１１５の相関係数をそのまま加え合わせて任意の部位における第１の特徴量とする。
（b）前記算出された１１５の相関係数について、所定の閾値以上の値を示すものについて部位間の結合があると判定し、任意の部位において、相関係数が閾値以上で有る部位の数を算出し、その値を第１の特徴量とする。
（c）全ての部位間の前記相関係数を、同じ部位間の相関係数が対角要素となるように配置した相関係数行列に対して行列の最大固有値に対応する固有ベクトルを求め、その固有ベクトルの各要素の値を任意の部位における第１の特徴量とする。
Using the 115 correlation coefficients in each part of the brain calculated in this way, the first feature amount in any part is calculated by any of the following methods.
(A) The calculated correlation coefficient of 115 is added as it is to obtain the first feature amount at an arbitrary site.
(B) Regarding the calculated 115 correlation coefficients, it is determined that there is a connection between the parts of the 115 parts showing a value equal to or higher than a predetermined threshold value, and the number of parts having a correlation coefficient equal to or higher than the threshold value in any part. Is calculated, and the value is used as the first feature amount.
(C) The eigenvector corresponding to the maximum eigenvalue of the matrix is obtained from the correlation coefficient matrix in which the correlation coefficients between all the parts are arranged so that the correlation coefficients between the same parts are diagonal elements. The value of each element of the eigenvector is used as the first feature quantity at an arbitrary part.
図３（ｂ）に、上述の第３の方法により算出した相関係数行列の一例を示す。図３（ｂ）に示す行列の縦軸および横軸は１１６の部位を示し、図でははっきりしないが、横軸の部位と縦軸の部位が交差する位置に、相関係数の強さを色と明度の違いにより表示している。当然のことながら、行列には、脳の全ての部位間の相関係数が、同じ部位間の相関係数が対角要素となるように配置されている。 FIG. 3B shows an example of the correlation coefficient matrix calculated by the above-mentioned third method. The vertical and horizontal axes of the matrix shown in FIG. 3 (b) indicate 116 parts, and although it is not clear in the figure, the strength of the correlation coefficient is colored at the position where the horizontal axis part and the vertical axis part intersect. It is displayed according to the difference in brightness. As a matter of course, the correlation coefficient between all the parts of the brain is arranged in the matrix so that the correlation coefficient between the same parts becomes a diagonal element.
図３（ｃ）は、図３（ｂ）の相関係数行列に基づいて作成した第１の特徴量を示すグラフである。図３（ｃ）の横軸は、ＡＬＬにより分類された１１６の部位を示す。一方、縦軸は、例としてAALによる１１６の各部位において、他の全ての部位との相関係数を加え合わせた値を示し、この値が大きい程、他の部位とのつながりが強いか、または多くの部位とのつながりがある、すなわち脳の活動において重要な役割を果たしていることを示す。 FIG. 3C is a graph showing the first feature quantity created based on the correlation coefficient matrix of FIG. 3B. The horizontal axis of FIG. 3 (c) shows 116 sites classified by ALL. On the other hand, the vertical axis shows the value obtained by adding the correlation coefficients with all the other parts at each part of 116 by AAL as an example, and the larger this value is, the stronger the connection with other parts is. Or it indicates that it has connections with many parts, that is, it plays an important role in brain activity.
次に、図４および図５を参照して、脳活動の賦活状態を示す第２の特徴量の求め方について説明する。図４（ａ）は脳の任意のボクセルにおいて生成されたBOLD信号を示したもので、横軸は時間の経過を示し、縦軸は信号の強度を示している。 Next, with reference to FIGS. 4 and 5, a method for obtaining a second feature amount indicating the activated state of brain activity will be described. FIG. 4A shows the BOLD signal generated in any voxel of the brain, the horizontal axis shows the passage of time, and the vertical axis shows the intensity of the signal.
図４（ａ）に示したBOLD信号を高速フーリエ変換すると図４（ｂ）に示すグラフが得られる。図４（ｂ）において横軸はBOLD信号に含まれる周波数スペクトラムを示し、縦軸は信号のパワーを示す。 The fast Fourier transform of the BOLD signal shown in FIG. 4A gives the graph shown in FIG. 4B. In FIG. 4B, the horizontal axis represents the frequency spectrum included in the BOLD signal, and the vertical axis represents the power of the signal.
図４（b）のグラフのデータを、下記式に基づいて算出すると、そのボクセルにおける脳活動の強さを示す値ｆALFFが得られる。 When the data of the graph of FIG. 4B is calculated based on the following formula, a value fALFF indicating the intensity of brain activity in the voxel can be obtained.
fALFF（fractional Amplitude of Low-Frequency Fluctuation）は脳の「自発的振動」をBOLD信号のパワースペクトラムにより定量化したもので、当該ボクセルにおける脳活動の強さを示している。 fALFF (fractional Amplitude of Low-Frequency Fluctuation) is a quantification of the "spontaneous vibration" of the brain by the power spectrum of the BOLD signal, and indicates the intensity of brain activity in the voxel.
図５を参照して、上述したｆALFFを、AALにより分類された脳の１１６の部位ごとに求める際の手順を説明する。図５（ａ）は、任意の部位に含まれる複数のボクセルのBOLD信号を平均化した信号であり、この信号を図４で説明したのと同様の手順で処理して、部位毎のｆALFFを求める。 With reference to FIG. 5, the procedure for obtaining the above-mentioned fALFF for each of the 116 parts of the brain classified by AAL will be described. FIG. 5A is a signal obtained by averaging the BOLD signals of a plurality of voxels contained in an arbitrary part, and this signal is processed in the same procedure as described in FIG. 4 to obtain fALFF for each part. Ask.
図５（ｂ）は、このようにして算出した部位毎のｆALFFの値であり、横軸はAALによる部位を示し、縦軸はfALFFの強度を示す。なお、図５（ｂ）では、ｆALFFを、脳の全部位における加算平均値が０、標準偏差が１となるように正規化を行った値を表示している。 FIG. 5B shows the value of fALFF for each part calculated in this way, the horizontal axis shows the part by AAL, and the vertical axis shows the intensity of fALFF. In FIG. 5B, fALFF is normalized so that the added mean value and the standard deviation are 1 in all parts of the brain.
なお、本実施の形態では、AALによる１１６の部位ごとに第１および第２の特徴量を算出したが、単独のボクセル毎、または隣接する複数のボクセルごとに第１および第２の特徴量を算出するようにしてもよい。BOLD信号を脳の部位ごとに加算平均しない場合には、前記ｆALFFをボクセルごとに求める。BOLD信号を部位ごとに平均化するかどうかは、中心性の特徴量を算出する場合の処理と一致させる。 In the present embodiment, the first and second feature amounts are calculated for each of 116 parts by AAL, but the first and second feature amounts are calculated for each single voxel or for each of a plurality of adjacent voxels. It may be calculated. When the BOLD signal is not added and averaged for each part of the brain, the fALFF is obtained for each voxel. Whether or not the BOLD signal is averaged for each part matches the processing when calculating the central feature amount.
次に、図６および図７を参照して、このようにして算出した第１および第２の特徴量を平面上の直交座標系にプロットして、脳の活動状態を位置情報として視覚化する方法について説明する。 Next, with reference to FIGS. 6 and 7, the first and second features calculated in this way are plotted on a Cartesian coordinate system on a plane, and the activity state of the brain is visualized as position information. The method will be described.
図６（ａ）に示すように、脳部位間のつながりにおける中心性を示す第１の特徴量は、AALにより分割された１１６の部位のそれぞれから求められる。そして、被験者がＮ人いる場合には、第１の特徴量に関するＮ個のグラフが得られる。 As shown in FIG. 6A, the first feature amount indicating the centrality in the connection between the brain parts is obtained from each of the 116 parts divided by AAL. Then, when there are N subjects, N graphs relating to the first feature amount are obtained.
同様に、図６（ｂ）に示すように、脳活動の賦活状態を示す第２の特徴量も、AALによって分割された１１６の部位のそれぞれから求められる。そして、被験者がＮ人いる場合には、第２の特徴量に関するＮ個のグラフが得られる。 Similarly, as shown in FIG. 6 (b), the second feature amount indicating the activated state of brain activity is also obtained from each of the 116 sites divided by AAL. Then, when there are N subjects, N graphs relating to the second feature amount are obtained.
従って、１１６のそれぞれの部位について、直交座標系を構成するｘ軸およびｙ軸に第１の特徴量および第２の特徴量をプロットすることにより、脳の活動状態を平面上の位置情報（点）として視覚化できる。 Therefore, for each part of 116, by plotting the first feature amount and the second feature amount on the x-axis and y-axis constituting the Cartesian coordinate system, the active state of the brain can be obtained as position information (points) on a plane. ) Can be visualized.
Ｎ人の被験者に同一の活動を行わせ、その際に得られる第１および第２の特徴量を平面上の直交座標系にプロットすることにより、各部位においてどのような傾向が現れるかを把握することができる。またそれを異なる活動ごとに比較することによって、活動毎の特徴を評価することもできる。 By having N subjects perform the same activity and plotting the first and second features obtained at that time on a Cartesian coordinate system on a plane, it is possible to grasp what kind of tendency appears in each part. can do. It is also possible to evaluate the characteristics of each activity by comparing it for each different activity.
しかし、脳の１１６の部位のそれぞれについて、直交座標系に表示された断片的な情報に基づいて脳の活動状態を評価することは、現実的に困難であり、このままでは脳の活動状態を評価する情報として活用することが難しい。そのため、評価する次元の数を削減して、第１の特徴量および第２の特徴量を、直交座標系の２つの座標軸のそれぞれに対応させることが好ましい。 However, it is practically difficult to evaluate the activity state of the brain based on the fragmentary information displayed in the Cartesian coordinate system for each of the 116 parts of the brain, and the activity state of the brain is evaluated as it is. It is difficult to use it as information to be used. Therefore, it is preferable to reduce the number of dimensions to be evaluated so that the first feature amount and the second feature amount correspond to each of the two coordinate axes of the Cartesian coordinate system.
本発明では、上述した１１６の各部位で得られた第１および第２の特徴量の多次元データを一次元のデータに次元削減して、平面上の直交座標系に表示できるようにしている。次元削減は、線形判別分析、非線形判別分析、または主成分分析のいずれかを用いて行う。 In the present invention, the multidimensional data of the first and second feature quantities obtained at each of the 116 parts described above is reduced to one-dimensional data so that it can be displayed in a Cartesian coordinate system on a plane. .. Dimensionality reduction is performed using either linear discriminant analysis, nonlinear discriminant analysis, or principal component analysis.
線形判別分析または非線形判別分析の場合は、２以上のfMRIデータから構成される脳状態を２群用意し、前記２群を判別するための判別軸を求め、前記判別軸を一次元データとして使用する。 In the case of linear discriminant analysis or nonlinear discriminant analysis, two groups of brain states composed of two or more fMRI data are prepared, a discriminant axis for discriminating the two groups is obtained, and the discriminant axis is used as one-dimensional data. To do.
一方、主成分分析を用いる場合は、前記脳活動データに対して第１主成分軸を求め、前記第１主成分軸を一次元データとして用いる。この他、サポートベクターマシーンやニューラルネットワークなどの機械学習の方法を用いてもよい。 On the other hand, when principal component analysis is used, the first principal component axis is obtained from the brain activity data, and the first principal component axis is used as one-dimensional data. In addition, a machine learning method such as a support vector machine or a neural network may be used.
図７は、このようにして一次元のデータに変換された第１の特徴量を、中心性スコアを表すｘ軸の値とし、第２の特徴量を、強度スコアを表すｙ軸の値として、直交座標系にプロットしたものである。 In FIG. 7, the first feature amount converted into one-dimensional data in this way is used as the x-axis value representing the centrality score, and the second feature amount is used as the y-axis value representing the intensity score. , It is plotted in the Cartesian coordinate system.
ここで、ｘ軸の名称を「中心性スコア」としたのは、第１の特徴量が脳活動において中心的な役割を果たす程度を示しているからである。「中心性」という言葉は、グラフ理論の中で用いられており、ネットワークにおける点（ノード）の重要度を、そのノードが他のノードとどれだけつながっているかなどの指標で表すものである。一方、ｙ軸の名称を「強度スコア」としたのは、第２の特徴量が脳活動の賦活状態の強さを示しているからである。 Here, the name of the x-axis is "centrality score" because it indicates the degree to which the first feature plays a central role in brain activity. The term "centrality" is used in graph theory to express the importance of a point (node) in a network as an index such as how much the node is connected to other nodes. On the other hand, the name of the y-axis is "intensity score" because the second feature indicates the intensity of the activated state of brain activity.
図７において、△印は、６名の被験者について、安静時に計測した第１および第２の特徴量を前述の手順に従って算出し、その値をプロットしたものである。同様に○印は、６名の被験者について、簡単な計算を行った時に計測した第１および第２の特徴量を同様の方法で算出し、その値をプロットしたものである。 In FIG. 7, Δ indicates the first and second feature quantities measured at rest for 6 subjects, calculated according to the above procedure, and the values are plotted. Similarly, the circles indicate the first and second feature quantities measured when a simple calculation was performed for 6 subjects, calculated by the same method, and the values are plotted.
図７から明らかなように、安静時と活動時のそれぞれにおいて、ばらつきがあるものの、プロットされた６名の被験者の点が近似した場所に位置しており、また安静時に右下にあった点が、活動時には、矢印で示したように左上に移動している。 As is clear from FIG. 7, although there are variations between resting and active, the plotted points of the 6 subjects are located at similar locations, and the points at the lower right at resting. However, during activity, it moves to the upper left as indicated by the arrow.
上述の結果より、被験者の脳活動の状態を、平面上の直交座標系における位置情報として把握できることが分かる。逆に言えば、平面上の直交座標系にプロットされた点の位置から、被験者の脳がどのような活動状態にあるかを、推測することが可能となる。 From the above results, it can be seen that the state of the subject's brain activity can be grasped as position information in the Cartesian coordinate system on the plane. Conversely, it is possible to infer the active state of the subject's brain from the positions of the points plotted in the Cartesian coordinate system on the plane.
＜脳活動状態計測装置＞
図８に、本発明に係る脳活動状態定量化方法を実現する計測装置の構成を示す。
脳活動状態計測装置（以降、単に「計測装置」という）１は、MRI装置２から出力されたBOLD信号に基づいて前述した第１および第２の特徴量を算出すると共に、その値を平面上の直交座標系にプロットしてディスプレイに表示するものである。
<Brain activity state measuring device>
FIG. 8 shows the configuration of a measuring device that realizes the method for quantifying the brain activity state according to the present invention.
The brain activity state measuring device (hereinafter, simply referred to as “measuring device”) 1 calculates the above-mentioned first and second feature quantities based on the BOLD signal output from the MRI device 2, and calculates the values on a plane. It is plotted on the Cartesian coordinate system of and displayed on the display.
計測装置１は、インターフェース１１、第１特徴量算出部１２、第２特徴量算出部１３、分析部１４、表示部１５および制御部１６を備えている。計測装置１は、市販のパーソナルコンピュータ（以降、「ＰＣ」という）によって実現され、インターフェース１１、第１特徴量算出部１２、第２特徴量算出部１３、分析部１４および制御部１６の機能は、メモリに格納されたプログラムを読み出してＣＰＵで実行することにより実現される。また表示部１５の機能は液晶ディスプレイ等によって実現される。 The measuring device 1 includes an interface 11, a first feature amount calculation unit 12, a second feature amount calculation unit 13, an analysis unit 14, a display unit 15, and a control unit 16. The measuring device 1 is realized by a commercially available personal computer (hereinafter referred to as "PC"), and the functions of the interface 11, the first feature amount calculation unit 12, the second feature amount calculation unit 13, the analysis unit 14, and the control unit 16 are , It is realized by reading the program stored in the memory and executing it on the CPU. Further, the function of the display unit 15 is realized by a liquid crystal display or the like.
図中、細い矢印の線で示したように、制御部１６は、インターフェース１１、第１特徴量算出部１２、第２特徴量算出部１３、分析部１４および表示部１５の各部の動作を制御する。 As shown by the thin arrow lines in the figure, the control unit 16 controls the operations of the interface 11, the first feature amount calculation unit 12, the second feature amount calculation unit 13, the analysis unit 14, and the display unit 15. To do.
また図示しないが、計測装置１には、処理に必要なデータを入力するキーボードや、第１特徴量算出部１２、第２特徴量算出部１３および分析部１４で算出したデータを格納するＨＤＤドライブが含まれる。 Although not shown, the measuring device 1 includes a keyboard for inputting data required for processing, and an HDD drive for storing data calculated by the first feature amount calculation unit 12, the second feature amount calculation unit 13, and the analysis unit 14. Is included.
次に、計測装置１における処理の流れを説明する。MRI装置２から出力されたBOLD信号はインターフェース１１に入力され、ＰＣで処理しやすいフォーマットのデータに変換される。 Next, the flow of processing in the measuring device 1 will be described. The BOLD signal output from the MRI apparatus 2 is input to the interface 11 and converted into data in a format that can be easily processed by a PC.
インターフェース１１で変換されたデータは、第１特徴量算出部１２に入力され、図３を用いて説明した処理が施されて、図３（ｃ）に示す第１の特徴量のデータが生成される。またインターフェース１１で変換されたデータは、第２特徴量算出部１３にも入力され、図４および図５を用いて説明した処理が施されて、図５（ｂ）に示す第２の特徴量のデータが算出される。 The data converted by the interface 11 is input to the first feature amount calculation unit 12, and the processing described with reference to FIG. 3 is performed to generate the data of the first feature amount shown in FIG. 3C. To. Further, the data converted by the interface 11 is also input to the second feature amount calculation unit 13, and is subjected to the processing described with reference to FIGS. 4 and 5, and the second feature amount shown in FIG. 5B is obtained. Data is calculated.
第１特徴量算出部１２で算出された第１の特徴量のデータおよび第２特徴量算出部１３で算出された第２の特徴量のデータは、分析部１４に入力され、図６および図７を用いて説明した次元削減の処理が施されて、直交座標系のｘ軸に対応した中心性スコアおよびｙ軸に対応した強度スコアのデータが算出される。 The data of the first feature amount calculated by the first feature amount calculation unit 12 and the data of the second feature amount calculated by the second feature amount calculation unit 13 are input to the analysis unit 14, and FIGS. The dimensionality reduction process described with reference to 7 is performed to calculate the data of the centrality score corresponding to the x-axis and the intensity score corresponding to the y-axis of the Cartesian coordinate system.
分析部１４によって生成された中心性スコアおよび強度スコアのデータは、図７に示したように、直交座標系にプロットされて表示部１５の画面に表示され、脳活動の状態が平面上の位置情報（点）として、視覚を通して確認できる。 As shown in FIG. 7, the data of the centrality score and the intensity score generated by the analysis unit 14 are plotted in the Cartesian coordinate system and displayed on the screen of the display unit 15, and the state of brain activity is the position on the plane. It can be visually confirmed as information (points).
以上説明したように、本実施の形態に係る脳活動状態定量化方法は、脳の活動状態を、脳の部位間のつながりにおける中心性を示す第１の特徴量と、脳活動の賦活状態を示す第２の特徴量を用いて、平面上の直交座標系にプロットするものであり、従来、把握が難しかった脳の活動状態を、中心性スコアと強度スコアを２軸とする直交座標系の位置情報として把握できるため、様々な活用が期待できる。 As described above, the method for quantifying the brain activity state according to the present embodiment determines the brain activity state, the first feature amount indicating the centrality in the connection between the brain parts, and the activation state of the brain activity. Using the second feature amount shown, it is plotted in a Cartesian coordinate system on a plane, and the activity state of the brain, which was difficult to grasp in the past, is measured in a Cartesian coordinate system with a centrality score and an intensity score as two axes. Since it can be grasped as location information, it can be expected to be used in various ways.
例えば、同一活動下における複数の被験者の活動状態のデータを比較することにより、当該活動に対応した直交座標系の位置情報の傾向を把握できる。また単一の被験者に異なる脳活動をさせたときの位置情報を比較することにより、活動の種類に対応した位置情報の傾向を把握できる。 For example, by comparing the activity state data of a plurality of subjects under the same activity, the tendency of the position information of the Cartesian coordinate system corresponding to the activity can be grasped. In addition, by comparing the position information when a single subject is allowed to perform different brain activities, the tendency of the position information corresponding to the type of activity can be grasped.
なお、本実施の形態では、脳活動の状態を示す時系列データとして、fMRIにより得られるBOLD信号を用いたが、必ずしもこの信号に限定されない。計測装置をより小型で、携帯できるようにするために、近赤外分光計測（Near Infrared Spectroscopy）で得られるオキシヘモグロビン変化量やデオキシヘモグロビン変化量、または前記オキシヘモグロビン変化量とデオキシヘモグロビン変化量との和の時系列データ、あるいは脳波計測（Electroencephalogram）により得られる脳波電圧の時系列データを用いてもよい。 In this embodiment, the BOLD signal obtained by fMRI is used as the time series data indicating the state of brain activity, but the signal is not necessarily limited to this signal. In order to make the measuring device smaller and more portable, the amount of change in oxyhemoglobin or deoxyhemoglobin obtained by Near Infrared Spectroscopy, or the amount of change in oxyhemoglobin and the amount of change in deoxyhemoglobin You may use the time-series data of the sum of the above, or the time-series data of the electroencephalogram voltage obtained by electroencephalogram measurement.
また本実施の形態では、脳の部位間のつながりにおける中心性を示す第１の特徴量として、相関係数行列を用いて算出されたデータを用いたが、脳の部位間のつながりにおける中心性を示すものであれば、他のデータを用いてもよい。同様に、本実施の形態では、脳活動の賦活状態を示す第２の特徴量として、fALFFを用いたが、これに限定されない。脳活動の賦活状態を示す他のデータを用いてもよいことは、云うまでもない。 Further, in the present embodiment, as the first feature quantity indicating the centrality in the connection between the brain parts, the data calculated by using the correlation coefficient matrix was used, but the centrality in the connection between the brain parts is used. Other data may be used as long as it indicates. Similarly, in the present embodiment, fALFF is used as the second feature amount indicating the activated state of brain activity, but the present invention is not limited to this. It goes without saying that other data indicating the activation state of brain activity may be used.
１ 脳活動状態計測装置
２ MRI装置
１１ インターフェース
１２ 第１特徴量算出部
１３ 第２特徴量算出部
１４ 分析部
１５ 表示部
１６ 制御部
1 Brain activity state measurement device 2 MRI device 11 Interface 12 1st feature amount calculation unit 13 2nd feature amount calculation unit 14 Analysis unit 15 Display unit 16 Control unit
Claims (9)
脳の活動状態を、脳の部位間のつながりにおける中心性を示す第１の特徴量と、脳の賦活状態を示す第２の特徴量で表し、
前記平面上の直交座標系の２つの座標軸のうち一方の座標軸を前記第１の特徴量に対応させ、かつ他方の座標軸を前記第２の特徴量に対応させ、脳の活動状態を、前記直交座標系に点として表示することを特徴とする脳活動状態定量化方法。 It is a brain activity state quantification method that quantifies the state of activity in the human brain and displays the value as position information on a plane.
The active state of the brain is represented by a first feature that indicates the centrality in the connection between parts of the brain and a second feature that indicates the activated state of the brain.
One of the two coordinate axes of the Cartesian coordinate system on the plane corresponds to the first feature amount, and the other coordinate axis corresponds to the second feature amount , so that the activity state of the brain is set to the orthogonality. A brain activity state quantification method characterized by displaying as points in a coordinate system.
（a）前記算出された相関係数をそのまま加え合わせて、任意の部位における第１の特徴量とする。
（b）前記算出された相関係数について、所定の閾値以上の値を示すものについて部位間の結合があると判定し、任意の部位において、相関係数が閾値以上で有る部位の数を算出し、その値を第１の特徴量とする。
（c）全ての部位間の前記相関係数を、同じ部位間の相関係数が対角要素となるように配置した相関係数行列に対して行列の最大固有値に対応する固有ベクトルを求め、その固有ベクトルの各要素の値を任意の部位における第１の特徴量とする。 The first feature amount calculates the correlation coefficient by comparing the time-series data in any part of the brain with the time-series data in other parts, and calculates the correlation coefficient in all of the other parts. The method for quantifying a brain activity state according to claim 3, wherein the method is performed on the site of the above, and the calculated correlation coefficient is used to obtain the data by any of the following methods.
(A) The calculated correlation coefficient is added as it is to obtain the first feature amount at an arbitrary site.
(B) Regarding the calculated correlation coefficient, it is determined that there is a connection between parts for those showing a value equal to or higher than a predetermined threshold value, and the number of parts having a correlation coefficient equal to or higher than the threshold value is calculated at any part. Then, the value is used as the first feature amount.
(C) The eigenvector corresponding to the maximum eigenvalue of the matrix is obtained from the correlation coefficient matrix in which the correlation coefficients between all the parts are arranged so that the correlation coefficients between the same parts are diagonal elements. The value of each element of the eigenvector is used as the first feature quantity at an arbitrary part.
（a）脳の任意の部位における時系列データを、高速フーリエ変換を用いて周波数スペクトルに変換する。
（b）変換された前記周波数スペクトルの特定の周波数帯の二乗平均平方根を、全周波数帯の二乗平均平方根で除算する。 The method for quantifying a brain activity state according to claim 3 or 4, wherein the second feature amount is obtained by the following procedure.
(A) Time series data at any part of the brain is transformed into a frequency spectrum using a fast Fourier transform.
(B) The root mean square of a specific frequency band of the converted frequency spectrum is divided by the root mean square of all frequency bands.
前記時系列データに基づいて、脳の賦活状態を示す第２の特徴量を算出する第２特徴量算出部と、
前記第１特徴量算出部から出力された第１の特徴量のデータおよび前記第２特徴量算出部から出力された第２の特徴量のデータについてそれぞれ線形判別分析、非線形判別分析または主成分分析のいずれかの手法を用いて次元の削減を行うことにより、一次元のデータに変換する分析部と、
前記分析部で一次元のデータに変換された第１および第２の特徴量のデータを、平面上の直交座標系の２つの座標軸に対応させて、脳活動の状態を直交座標系に点として表示する表示部と、を備えたことを特徴とする脳活動状態計測装置。 Based on the time-series data showing the activity state of the human brain, the first feature amount calculation unit that calculates the first feature amount showing the centrality in the connection between the parts of the brain,
Based on the time-series data, a second feature amount calculation unit that calculates a second feature amount indicating the activation state of the brain, and a second feature amount calculation unit.
Linear discriminant analysis, non-linear discriminant analysis, or principal component analysis of the first feature data output from the first feature calculation unit and the second feature data output from the second feature calculation unit, respectively. The analysis unit that converts the data into one-dimensional data by reducing the dimensions using one of the methods of
The data of the first and second feature quantities converted into one-dimensional data by the analysis unit is made to correspond to the two coordinate axes of the Cartesian coordinate system on the plane, and the state of brain activity is set as a point in the Cartesian coordinate system. A brain activity state measuring device characterized by having a display unit for displaying.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016182662A JP6821171B2 (en) | 2016-09-20 | 2016-09-20 | Brain activity state quantification method and brain activity state measurement device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016182662A JP6821171B2 (en) | 2016-09-20 | 2016-09-20 | Brain activity state quantification method and brain activity state measurement device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018046899A JP2018046899A (en) | 2018-03-29 |
| JP6821171B2 true JP6821171B2 (en) | 2021-01-27 |
Family
ID=61766756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016182662A Active JP6821171B2 (en) | 2016-09-20 | 2016-09-20 | Brain activity state quantification method and brain activity state measurement device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6821171B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7043374B2 (en) * | 2018-09-18 | 2022-03-29 | 株式会社日立製作所 | Multifunctional nerve feedback system and multifunctional nerve feedback method |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007289469A (en) * | 2006-04-26 | 2007-11-08 | Hamano Life Science Research Foundation | Evaluation method for active state of cranial nerve cell |
| JP5691086B1 (en) * | 2013-05-01 | 2015-04-01 | 株式会社国際電気通信基礎技術研究所 | Brain activity analysis device, brain activity analysis method, and biomarker device |
-
2016
- 2016-09-20 JP JP2016182662A patent/JP6821171B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018046899A (en) | 2018-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gramfort et al. | MEG and EEG data analysis with MNE-Python | |
| França et al. | Fractal and multifractal properties of electrographic recordings of human brain activity: toward its use as a signal feature for machine learning in clinical applications | |
| EP2992823B1 (en) | Brain activity training device | |
| EP1946701B1 (en) | Brain function analysis method and brain function analysis program | |
| WO2019102901A1 (en) | Intracerebral network activity estimation system, intracerebral network activity estimation method, intracerebral network activity estimation program, and learned brain activity estimation model | |
| EP2992824A1 (en) | Brain activity analysis device, brain activity analysis method, and biomarker device | |
| Eke et al. | Pitfalls in fractal time series analysis: fMRI BOLD as an exemplary case | |
| US11160509B2 (en) | Methods and systems of de-noising magnetic-field based sensor data of electrophysiological signals | |
| US9271679B2 (en) | Method and apparatus for processing medical image signal | |
| 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 | |
| Paszkiel et al. | Methods of acquisition, archiving and biomedical data analysis of brain functioning | |
| JP6782006B2 (en) | Brain information analysis device and brain health index calculation device | |
| Frank et al. | Dynamic multiscale modes of resting state brain activity detected by entropy field decomposition | |
| WO2022004841A1 (en) | Estimation system, estimation method, program, estimation model, brain activity training device, brain activity training method, and brain activity training program | |
| Galarce et al. | Displacement and pressure reconstruction from magnetic resonance elastography images: Application to an in silico brain model | |
| WO2018155447A1 (en) | Brain information analyzing device and brain information simulation computing device | |
| JP6821171B2 (en) | Brain activity state quantification method and brain activity state measurement device | |
| Chintaluri et al. | kCSD-python, reliable current source density estimation with quality control | |
| KR20130048597A (en) | Method and apparatus for displaying an analysis result of medical measured data | |
| JP2021518228A (en) | Anomaly detection using magnetic resonance fingerprinting | |
| JP6506422B2 (en) | Medical image diagnosis support apparatus and magnetic resonance imaging apparatus | |
| Maitra | Assessing certainty of activation or inactivation in test–retest fMRI studies | |
| Lauzon et al. | Assessment of bias for MRI diffusion tensor imaging using SIMEX | |
| US7398120B2 (en) | Method and arrangement and computer programme with programme code means and computer programme products for the analysis of neuronal activities in neuronal areas | |
| KR20210068189A (en) | Method for determining lesion based on medical image |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190802 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20200701 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201020 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201110 |
|
| 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: 20201208 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201224 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6821171 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |