JP6830597B2 - 生体信号処理装置、生体信号処理システム、および制御プログラム - Google Patents

Description

本発明は、生体信号を処理する生体信号処理装置に関する。

従来より、個体（生体）の評価（例：診断）を行うために、生体信号に所定の処理を施す技術が知られている。一例として、脳神経医学の分野では、脳波（ElectroEncephaloGram，ＥＥＧ）が、処理の対象となる生体信号として適用され得る。

例えば、非特許文献１には、単電極から取得された脳波に離散ヒルベルト変換（Discrete Hilbert Transformation，ＤＨＴ）を施し、当該脳波の位相を抽出する技術が開示されている。

また、非特許文献２には、２つの電極から取得された脳波のそれぞれにヒルベルト変換を施し、各脳波の位相を抽出する技術が開示されている。また、非特許文献２には、抽出した各位相間の差分を算出することも示されている。

また、非特許文献３および４には、２つの電極から取得された脳波の同期性に着目したネットワーク解析手法が開示されている。

Witte H, Eiselt M, Patakova I, Petranek S, Griessbach G, Krajca V, Rother M. "Use of discrete Hilbert transformation for automatic spike mapping": a methodological investigation", Med Biol Eng Comput. 1991;29:242-8. Lopes da Silva FH, Boeijinga PH. "A new method to estimate time delays between EEG signals applied to beta activity of the olfactory cortical areas", Electroencephalogr Clin Neurophysiol. 1989;73:198-205. Stam C. J., Nolte G, Daffertshofer. "A. Phase lag index: assessment of functional connectivity from multi channel EEG and MEG with diminished bias from common sources", Hum Brain Mapp. 2007;28:1178-93. 10.1002/hbm.2034. Stam, C. J., and B. W. Van Dijk. "Synchronization likelihood: an unbiased measure of generalized synchronization in multivariate data sets", Physica D: Nonlinear Phenomena 163.3 (2002): 236-251. 樋口知之"時系列のフラクタル解析"，統計数理、第３７巻、第２号, (1989) pp.209-233. Katz, Michael J. "Fractals and the analysis of waveforms" Computers in biology and medicine 18.3 (1988): 145-156. Grassberger, Peter, and Itamar Procaccia. "Measuring the strangeness of strange attractors" Physica D: Nonlinear Phenomena 9.1-2 (1983): 189-208. Grassberger, Peter, and Itamar Procaccia. "Characterization of strange attractors" Physical review letters 50.5 (1983): 346. Judd, Kevin, and Alistair Mees. "On selecting models for nonlinear time series" Physica D: Nonlinear Phenomena 82.4 (1995): 426-444. Lopes, Renaud, and Nacim Betrouni. "Fractal and multifractal analysis: a review" Medical image analysis 13.4 (2009): 634-649.

後述するように、本願の発明者ら（以下、単に「発明者ら」）は、上述の各先行技術文献には開示も示唆もされていない斬新な着想に基づく、個体の評価方法を新たに見出した。本発明の一態様は、従来よりも正確に個体の評価を行うことが可能な生体信号処理装置等を提供することを目的とする。

上記の課題を解決するために、本発明の一態様に係る生体信号処理装置は、１つの個体から同時に測定された２つの生体信号のデータを取得するデータ取得部と、上記２つのデータから上記生体信号の位相成分の差分を生成する位相差分生成部と、上記差分に対してフラクタル解析を行い所定の指標値を算出する指標値算出部と、を備える。

本発明の一態様に係る生体信号処理装置によれば、従来よりも正確に個体の評価を行うことが可能となる。

本発明の実施形態１に係る生体信号処理システムの要部の構成を示す機能ブロック図である。 国際１０−２０法によって規定された、被験者の頭部における電極の配置位置を示す図である。 ヒルベルト変換を用いた位相成分の取得について説明するための図である。 脳波の位相成分の差分の時間変化を例示する図である。 健康対照者と統合失調症患者のそれぞれについて、脳波の位相成分の差分に対してフラクタル解析を行った結果を例示する図である。 図１の生体信号処理システムにおいて用いられるＲＯＣ曲線を例示する図である。 図６のＲＯＣ曲線における各データを示す図である。

〔実施形態１〕
本発明の実施形態１について、図１〜図７に基づいて説明すれば、以下の通りである。なお、各実施形態では、同一または類似の部分には同一または類似の符号を付し、図面で同一または類似の符号を付したものは、再度の説明を適宜省略する。

（生体信号処理システム１）
図１は、実施形態１の生体信号処理システム１の要部の構成を示す機能ブロック図である。以下に述べるように、生体信号処理システム１は、１人の被験者Ｈ（生体，個体）から生体信号を取得する。そして、生体信号処理システム１は、取得した生体信号を処理し、処理後の生体信号を解析することで、被験者Ｈを評価（例：診断）する。

実施形態１では、（ｉ）個体の一例として人（被験者Ｈ）を、（ｉｉ）、生体信号の一例として脳波を、それぞれ例示する。但し、後述するように、本発明の一態様に係る個体は、人に限定されない。また、本発明の一態様に係る生体信号は、脳波に限定されない。

生体信号処理システム１は、生体信号処理装置１０、電極５０（データ提供部）、表示装置６０、および記憶部９０を備えている。生体信号処理装置１０は、脳波の処理および解析を行う装置である。

生体信号処理装置１０の詳細については、後述する。生体信号処理装置１０の機能は、記憶部９０に記憶されたプログラムを、ＣＰＵ（Central Processing Unit）が実行することで実現されてよい。なお、生体信号処理装置１０に、生体信号処理システム１の各部を統括的に制御する制御部としての機能を併有させてもよい。

記憶部９０は、生体信号処理装置１０が実行する各種のプログラム、および当該プログラムによって使用されるデータを格納する。以下に述べるように、実施形態１では、電極５０が被験者Ｈから同時に取得（測定）した２つの脳波のデータが、記憶部９０に格納されてよい。

電極５０は、被験者Ｈの生体信号を取得する。電極５０は、被験者Ｈの身体の一部に装着可能であるように構成されている。実施形態１において、電極５０は、被験者Ｈの頭部に取り付けられており、被験者Ｈの脳波のデータを取得できる。図１に示されるように、被験者Ｈの頭部には、２つの電極５０が取り付けられてよい。以下、説明の便宜上、２つの電極５０のうちの一方を電極５０ａ（第１電極）、他方を電極５０ｂ（第２電極）とそれぞれ称する。

なお、被験者Ｈの頭部に電極５０ａ・５０ｂを取り付ける位置は、特に限定されない。一例として、電極５０ａ・５０ｂはそれぞれ、国際１０−２０法によって規定された頭部の位置に取り付けられてよい。なお、国際１０−２０法は公知技術であるため、詳細な説明は省略する。

図２は、国際１０−２０法によって規定された、被験者Ｈの頭部における電極の配置位置を示す図である。実施形態１では、電極５０ａ・５０ｂが被験者Ｈの前頭部（Frontal）に取り付けられた場合を説明する。具体的には、電極５０ａは図２におけるＦ３の位置に、電極５０ｂはＦ４の位置に取り付けられているものとする。

実施形態１では、電極５０ａ・５０ｂはそれぞれ、被験者Ｈから脳波のデータを同時に取得する。以下、電極５０ａが被験者Ｈから取得した脳波のデータを第１脳波データ、電極５０ｂが被験者Ｈから取得した脳波のデータを第２脳波データと、それぞれ称する。

電極５０ａ・５０ｂはそれぞれ、取得した第１脳波データおよび第２脳波データを記憶部９０に格納する。実施形態１では、生体信号処理装置１０（より具体的には、後述するデータ取得部１１）は、記憶部９０から第１脳波データおよび第２脳波データを取得する。

但し、電極５０ａ・５０ｂはそれぞれ、データ取得部１１に、第１脳波データおよび第２脳波データを直接的に供給してもよい。

表示装置６０は、例えば液晶ディスプレイである。表示装置６０は、各種情報を画像として表示する。一例として、表示装置６０は、生体信号処理装置１０の解析結果を表示してよい。

表示装置６０は、生体信号処理装置１０が出力したフラクタル解析の結果である指標値（例えば、後述のフラクタル次元Ｄ）を表示してもよい。あるいは、表示装置６０は、生体信号処理装置１０が当該指標値に基づいて判定した判定結果を表示してもよい。

表示装置６０は、当該指標値および当該判定結果の少なくとも一方を表示してよい。これにより、生体信号処理装置１０による被験者Ｈの評価結果を、外部（例：被験者Ｈ自身、または、被検者Ｈを処置する医療従事者）に視覚的に報知できる。

（生体信号処理装置１０）
続いて、生体信号処理装置１０の各部について、具体的に述べる。生体信号処理装置１０は、データ取得部１１、バンドパスフィルタ１２（バンドパス部）、位相差分生成部１３、フラクタル解析部１４（指標値算出部）、判定部１５、および出力部１６を備えている。

データ取得部１１は、記憶部９０から、上述の第１脳波データおよび第２脳波データを取得する。データ取得部１１は、取得した第１脳波データおよび第２脳波データを、バンドパスフィルタ１２に与える。

（バンドパスフィルタ１２）
バンドパスフィルタ１２は、第１脳波データおよび第２脳波データのそれぞれに対して、周波数フィルタリングを行う。具体的には、バンドパスフィルタ１２は、第１脳波データおよび第２脳波データのそれぞれに対して、所定の周波数帯（通過周波数帯）のデータを通過させるとともに、当該通過周波数帯とは異なる周波数帯（遮断周波数帯）のデータを遮断する周波数フィルタとして機能する。

すなわち、バンドパスフィルタ１２は、第１脳波データおよび第２脳波データからそれぞれ、通過周波数帯のデータを取得する。以降、バンドパスフィルタ１２が第１脳波データおよび第２脳波データのそれぞれに対して周波数フィルタリングを行ったデータを、第１フィルタ後脳波データおよび第２フィルタ後脳波データと称する。バンドパスフィルタ１２は、第１フィルタ後脳波データおよび第２フィルタ後脳波データを、位相差分生成部１３に与える。

バンドパスフィルタ１２は、公知のデジタルフィルタであってよい。バンドパスフィルタ１２の通過周波数帯は、被験者Ｈの評価に有効に用いることができる周波数帯であれば、特に限定されない。

一例として、バンドパスフィルタ１２の通過周波数帯は、α波の周波数帯（概ね８Ｈｚ〜１３Ｈｚの周波数帯）として設定されてよい。例えば、当該通過周波数帯は、１０．５Ｈｚを中心周波数として、当該中心周波数（１０．５Ｈｚ）から半値幅２．５Ｈｚの範囲として設定されてよい。

このようにバンドパスフィルタ１２の通過周波数帯を設定した場合は、バンドパスフィルタ１２は、第１脳波データおよび第２脳波データからそれぞれ、α波のデータを選択的に抽出できる。つまり、バンドパスフィルタ１２は、第１フィルタ後脳波データおよび第２フィルタ後脳波データとして、α波のデータを出力できる。

それゆえ、生体信号処理装置１０において、α波に対する処理および解析を行うことができる。α波は、被験者Ｈの脳の安静状態を示す主要な指標の１つであり、意識障害、認知症、睡眠障害等の精神疾患（精神障害）の診断補助に用いられ得ることが知られている。このため、α波に対する処理および解析を行うことは、被験者Ｈが上述の各精神疾患に罹患していることの評価に有効となり得る。

あるいは、バンドパスフィルタ１２の通過周波数帯は、脳神経医学の分野において公知であるその他の周波数帯に設定されてよい。例えば、当該通過周波数帯は、δ波の周波数帯（概ね２Ｈｚ〜４Ｈｚの周波数帯）に設定されてもよいし、θ波の周波数帯（概ね４Ｈｚ〜８Ｈｚの周波数帯）に設定されてもよいし、γ波の周波数帯（概ね２６Ｈｚ〜７０Ｈｚの周波数帯）に設定されてもよい。

α波と同様に、δ波、θ波、またはγ波等も、それぞれ固有の脳機能に密接に関連しており、その波形が特定の疾患に対して依存性を有することが知られている。従って、生体信号処理装置１０において、α波以外の周波数帯域の脳波に対して処理および解析を行うことによっても、被験者Ｈの認知機能、および、当該被験者Ｈの精神疾患の有無などを評価することが可能となる。

例えば、γ波の波形は、抑制性ニューロンであるＧＡＢＡ（Gamma-AminoButyric Acid，γ-アミノ酪酸）神経系の活動を反映することが知られている。また、自閉症は、ＧＡＢＡ神経系の活動に密接に関連する疾患であることが知られている。それゆえ、生体信号処理装置１０において、γ波に対して処理および解析を行うことにより、自閉症の診断を有効に行うことが可能になると期待される。

また、バンドパスフィルタ１２の通過周波数帯は、脳神経医学の分野において公知である上述の周波数帯に限定されない。例えば、特定の精神疾患（例：てんかん）に罹患している患者の脳波では、特定の周波数成分が他の周波数成分に対して顕著に大きくなることが知られている。

このことから、バンドパスフィルタ１２の通過周波数帯は、評価対象となる精神疾患の種類に応じて（つまり、分析すべき周波数帯に応じて）選択されてよい。例えば、バンドパスフィルタ１２において、評価対象となる精神疾患ごとに、中心周波数および半値幅が個別に設定されてよい。

バンドパスフィルタ１２の通過周波数帯は、複数の被験者Ｈに共通に設定されてもよい。あるいは、バンドパスフィルタ１２の通過周波数帯は、被験者Ｈごとに個別に設定されてもよい。一般的に、脳波の周波数スペクトルには、被験者Ｈごとにある程度の個人差が観察されることが知られているためである。

例えば、１人の被験者Ｈに対してあらかじめ脳波の周波数スペクトルを測定しておき、当該測定結果に応じて、バンドパスフィルタ１２の中心周波数および半値幅を設定してもよい。これにより、上述の個人差を考慮した評価を行うことができる。

なお、生体信号処理装置１０においてバンドパスフィルタ１２が設けられない場合には、データ取得部１１は、第１脳波データおよび第２脳波データを、位相差分生成部１３に与える。但し、被験者Ｈの評価をより有効に行うためには、生体信号処理装置１０にバンドパスフィルタ１２を設けることが好ましい。バンドパスフィルタ１２を設けることにより、分析すべき周波数帯のデータを選択的に取得できるためである。

なお、バンドパスフィルタ１２に用いられるデジタルフィルタの一例としては、公知のＦＩＲ（Finite Impulse Response，有限インパルス応答）フィルタが挙げられる。この場合、例えば、各脳波の周波数帯（例：α波の周波数帯、δ波の周波数帯、θ波の周波数帯、またはγ波の周波数帯）のそれぞれにおける線形位相特性が保証されるように、ＦＩＲフィルタリングを行えばよい。

なお、ＦＩＲフィルタリングを行った場合には、当該ＦＩＲフィルタリングに起因して、周波数依存性を有する大きい位相遅れが発生する。このため、ＦＩＲフィルタリングの後に、ゼロ位相デジタルフィルリングを行って、上記位相遅れを補正することが必要である。

（位相差分生成部１３）
位相差分生成部１３は、自身に入力された２つの生体信号のデータから、位相成分をそれぞれ取得（抽出）する。一例として、データ取得部１１から位相差分生成部１３に対して、第１脳波データおよび第２脳波データが与えられる場合を考える。この場合、位相差分生成部１３は、第１脳波データおよび第２脳波データから、第１脳波データおよび第２脳波データの位相成分をそれぞれ取得する。

また、バンドパスフィルタ１２から位相差分生成部１３に対して、第１フィルタ後脳波データおよび第２フィルタ後脳波データが与えられる場合を考える。この場合、位相差分生成部１３は、第１フィルタ後脳波データおよび第２フィルタ後脳波データ（バンドパスフィルタ１２が取得した、通過周波数帯の第１脳波データおよび第２脳波データ）から、第１脳波データおよび第２脳波データの位相成分をそれぞれ取得する。

具体的には、位相差分生成部１３は、２つの生体信号のデータにそれぞれに対して、ヒルベルト変換を施すことにより、当該２つの生体信号のデータの位相成分をそれぞれ取得する。以下、位相差分生成部１３が第１脳波データおよび第２脳波データから取得した位相成分を、第１位相成分θ１（ｔ）および第２位相成分θ２（ｔ）とそれぞれ称する。ｔは時刻である。

図３は、ヒルベルト変換を用いた位相成分の取得について説明するための図である。図３における信号Ｓ（ｔ）は、時間領域において観測される生体信号（例：脳波）の一例である。ｔは時刻である。

一般的に、脳波は、振幅および位相の両方が時間的に変動する波形を示す。ここで、時間的に変動する振幅および位相をそれぞれ、振幅成分および位相成分とも称する。従って、信号Ｓ（ｔ）は、以下の式（１）、
Ｓ（ｔ）＝Ａ（ｔ）×ｃｏｓ（θ（ｔ）） …（１）
として表することができる。式（１）のＡ（ｔ）は、Ｓ（ｔ）の振幅成分である。また、θ（ｔ）は、Ｓ（ｔ）の位相成分である。

式（１）の信号Ｓ（ｔ）は、以下の式（２）に示す極座標形式、
Ｓ^＊（ｔ）＝Ａ（ｔ）×ｅｘｐ（ｊθ（ｔ））
＝Ａ（ｔ）×｛ｃｏｓ（θ（ｔ））＋ｊｓｉｎ（θ（ｔ））｝…（２）
によって、信号Ｓ^＊（ｔ）として複素数表示できる。ｊは虚数単位である。

式（２）の信号Ｓ^＊（ｔ）を、直交座標形式で表すと、以下の式（３）、
Ｓ^＊（ｔ）＝Ｉ（ｔ）＋ｊＱ（ｔ） …（３）
となる。

式（３）のＩ（ｔ）は、同相（In Phase）成分と称される。式（１）〜式（３）から理解されるように、Ｉ（ｔ）＝Ｒｅ｛Ｓ^＊（ｔ）｝＝Ａ（ｔ）×ｃｏｓ（θ（ｔ））＝Ｓ（ｔ）である。

また、Ｑ（ｔ）は、直交（Quadrature）成分と称される。式（１）〜式（３）から理解されるように、Ｑ（ｔ）＝Ｉｍ｛Ｓ^＊（ｔ）｝＝Ａ（ｔ）×ｓｉｎ（θ（ｔ））である。

それゆえ、図３からも理解されるように、以下の式（４）、
θ（ｔ）＝Ｔａｎ^−１（Ｑ（ｔ）／Ｉ（ｔ）） …（４）
が成り立つ。

信号Ｓ（ｔ）（つまり同相成分Ｉ（ｔ））は既知であるので、直交成分Ｑ（ｔ）を算出できれば、上述の式（４）によって、位相成分θ（ｔ）を得ることができる。そこで、位相差分生成部１３は、信号Ｓ（ｔ）にヒルベルト変換を施し、直交成分Ｑ（ｔ）を算出する。そして、位相差分生成部１３は、式（４）によって、位相成分θ（ｔ）を得る。

ヒルベルト変換とは、同相成分Ｉ（ｔ）に対する直交成分Ｑ（ｔ）を算出する数学的手法である。なお、同相成分Ｉ（ｔ）と直交成分Ｑ（ｔ）とは、ヒルベルト変換対にあると称される。ヒルベルト変換のアルゴリズムは公知であるため、詳細な説明は省略する。

以上のように、位相差分生成部１３は、ヒルベルト変換を用いて、第１脳波データおよび第２脳波データから、上述の第１位相成分θ１（ｔ）および第２位相成分θ２（ｔ）をそれぞれ取得できる。

続いて、位相差分生成部１３は、以下の式（５）、
Δθ（ｔ）＝θ１（ｔ）−θ２（ｔ） …（５）
によって、第１位相成分θ１（ｔ）と第２位相成分θ２（ｔ）との差分Δθ（ｔ）を算出（生成）する。位相差分生成部１３は、算出した差分Δθ（ｔ）を、フラクタル解析部１４に与える。

より具体的には、位相差分生成部１３は、式（５）において、位相を「アンラップ（unwrap）する」ことにより、差分Δθ（ｔ）を算出する。

位相をアンラップするとは、式（５）を用いて、差分Δθ（ｔ）を、−∞＜Δθ（ｔ）＜∞の範囲における１つの値に規定することを意味する。例えば、θ１（ｔ）＝−π、θ２（ｔ）＝２πである場合を考える。位相をアンラップする場合、Δθ（ｔ）＝−３πとなる。

他方、「位相をラップ（wrap）する」とは、差分Δθ（ｔ）を、角度２πの数値範囲内における１つの値に規定することを意味する。位相をラップすることは、「位相を畳み込む」または「位相を折り返す」とも称される。

一例として、差分Δθ（ｔ）の値が、−π＜Δθ（ｔ）≦πの範囲において規定されている場合を考える。位相をラップすることは、式（５）を用いて計算されたΔθ（ｔ）の値が、−π≦Δθ（ｔ）≦πの範囲外であった場合に、２πまたは−２πの倍数分だけ位相をシフトすることで、Δθの値を−π＜Δθ（ｔ）≦πの範囲内に収めることを意味する。以降、説明の便宜上、位相がラップされたΔθ（ｔ）を、Δθｗ（ｔ）として表す。

上述の通り、θ１（ｔ）＝−π、θ２（ｔ）＝２πである場合を考える。この場合、Δθ（ｔ）＝−３πであり、−π＜Δθ（ｔ）≦πの範囲外となる。それゆえ、例えば、Δθ（ｔ）を４πだけシフトすることで、Δθ（ｔ）の位相がラップされる。すなわち、Δθｗ（ｔ）＝Δθ（ｔ）＋４π＝πとして、Δθｗ（ｔ）が算出される。

位相がラップされた差分Δθｗ（ｔ）のグラフを時間領域においてプロットすると、Δθｗ（ｔ）＝±πとなる点において、±２πの倍数分だけ位相の不連続性が生じる。それゆえ、差分Δθ（ｔ）の位相をラップした場合には、時間領域における差分Δθ（ｔ）の連続的な変化（時々刻々の変化）を、十分に表現することが困難である。

他方、発明者らは、時間領域における差分Δθ（ｔ）の連続的な変化に基づいて、脳の機能的結合性（Functional Connectivity）を評価するという斬新な着想を新たに想到した。より具体的には、発明者らは、時間領域における差分Δθ（ｔ）の連続的な変化は、脳の２つの部位における、時間経過に伴う同期状態と非同期状態との切り替わりを示す指標の１つとなり得ることを新たに見出した。

そこで、発明者らは、時間領域における差分Δθ（ｔ）の連続的な変化を、生体信号処理装置１０において十分に表現するために、位相をアンラップして（位相をラップせずに）、差分Δθ（ｔ）を算出するという着想を新たに想到した。

なお、一般的な数式処理ソフトウェアでは、式（５）の計算において、ラップされた差分Δθｗ（ｔ）が算出されることが多い。そこで、このような数式処理ソフトウェアを用いる場合には、差分Δθｗ（ｔ）に対して公知のアンラップ処理を施して、位相がアンラップされた差分Δθ（ｔ）を算出すればよい。

アンラップ処理とは、位相のラップ時における２πまたは−２πの倍数分のシフトを相殺する処理である。つまり、アンラップ処理とは、Δθｗ（ｔ）＝±πとなる点におけるΔθｗ（ｔ）の不連続性を解消するための処理である。アンラップ処理は、位相を連続的に接続する処理であると理解されてもよい。

なお、発明者らは、位相がアンラップされた差分Δθ（ｔ）を算出することを、「動的に」位相差を算出するとも称している。このことから、位相差分生成部１３は、「動的位相差分生成部」と称されもよい。また、位相差分生成部１３において算出された差分Δθ（ｔ）は、「動的位相差分（動的差分）」と称されてもよい。

位相がアンラップされた差分Δθ（ｔ）を算出すること（つまり、２つの生体信号（脳波）の位相差の変化の連続性を表現すること）は、上述の先行技術文献のいずれにも開示も示唆もされていない。

つまり、上述の先行技術文献のいずれにも、脳の２つの部位における同期性（２つの脳波の位相差）を、「動的に」表現するという技術的思想については、何ら考慮されていない。当該技術的思想は、発明者らによって新たに見出されたものである。

図４は、差分Δθ（ｔ）の時間変化を例示するグラフである。図４のグラフにおいて、横軸は時刻（単位：ｓ（秒））であり、縦軸は位相（単位：ｒａｄ）である。なお、図４のグラフは、電極５０ａがＦ３（上述の図２を参照）の位置に、電極５０ｂがＦ４の位置に取り付けられた場合の測定結果を示す。

なお、図４のグラフにおいて、差分Δθ（ｔ）の算出（取得）は、６０ｓごとに行われた。図４には、測定開始時刻（ｔ＝０ｓ）から２０分（ｔ＝１２０００ｓ）に亘る、差分Δθ（ｔ）の時間的な変化が示されている。

図４に示されるように、位相がアンラップされた差分Δθ（ｔ）を算出することで（−π≦Δθ（ｔ）≦πの範囲外においても、Δθ（ｔ）の値を規定することで）、差分Δθ（ｔ）の連続的な変化が十分に表現されていることが理解される。

なお、図４において、Δθ（ｔ）≒０である時間帯では、Ｆ３付近における脳の部位と、Ｆ４付近における脳の部位とが、同期状態またはほぼ同期状態にあると理解される。他方、｜Δθ（ｔ）｜＞＞０である時間帯では、Ｆ３付近における脳の部位と、Ｆ４付近における脳の部位とが、非同期状態にあると理解される。このように、差分Δθ（ｔ）を動的に表現することにより、脳の異なる部位間の同期現象をより高精度に評価することが可能となる。すなわち、従来よりも正確に被験者Ｈの評価を行うことが可能となる。

（フラクタル解析部１４）
ところで、一部の生体信号（例：脳波）は、時間領域においてフラクタル性（自己相似性）を有していることが知られている。この点を踏まえ、発明者らは、上述の差分Δθ（ｔ）にフラクタル解析（非線形解析の一例）を行うことにより、脳の神経ネットワーク機能の動的特性を定量化するという着想を新たに想到した。以下に述べるフラクタル解析部１４は、当該着想に基づいて想到されたものである。

フラクタル解析部１４は、位相差分生成部１３から取得した差分Δθ（ｔ）に対してフラクタル解析を行い、所定の指標値（上記動的特性を示す量の一例）を算出する。

所定の指標値は、例えばフラクタル次元であってよい。以下に述べるように、上記指標値は、健康対照者と特定の精神疾患の患者（例：統合失調症患者）とを区別するために用いられる。

フラクタル次元を算出するためのフラクタル解析の手法は、様々なものが知られている。フラクタル解析部１４は、公知の任意のフラクタル解析の手法を使用してよい。実施形態１では、フラクタル解析の手法として、Higuchi法（参照：非特許文献５）を採用する。Higuchi法の詳細は、非特許文献５に示されているため、説明を省略する。

Higuchi法は、様々なフラクタル解析の手法のうち、少ない計算コストでフラクタル次元を算出することが可能な手法であることが知られている。それゆえ、Higuchi法によれば、ハードウェア資源が比較的限られている場合（例：プロセッサの処理性能が比較的低い場合）であっても、生体信号処理装置１０を実現できる。

なお、Higuchi法以外のフラクタル解析の手法としては、例えば非特許文献６〜１０に示されている手法を挙げることができる。一例として、非特許文献６の手法によれば、Higuchi法と同様に、少ない計算コストでフラクタル次元を算出することが可能である。

また、フラクタル性をより厳密に評価することが好ましい場合には、非特許文献７・８または非特許文献９の手法を用いてもよい。これらの手法では、相関次元という指標を用いて、フラクタル性を評価できる。

また、非特許文献１０の手法は、マルチフラクタル解析手法とも称される。非特許文献１０の手法では、一般化次元という指標を用いて、フラクタル性を評価できる。一般化元次元は、上述の相関次元をモーメントという量（相関次元は、モーメントが２である場合に相当）に拡張（一般化）した指標である。

発明者らは、健康対照者（Healty Control，ＨＣ）と特定の精神疾患の患者とのそれぞれについて、差分Δθ（ｔ）に対してフラクタル解析を行い、フラクタル次元を算出した。その結果、健康対照者と特定の精神疾患の患者との間で、フラクタル次元の値に有意な差が存在していることを新たに見出した。以下、その一例について述べる。

図５は、健康対照者と統合失調症（SchiZophrenia，ＳＺ）患者のそれぞれについて、差分Δθ（ｔ）に対してフラクタル解析を行った結果を例示するグラフである。図５のグラフにおいて、横軸は、時系列データ（各時刻における差分Δθ（ｔ）の値を示すデータ）のスケール（尺度）ｋを表す。また、縦軸は、スケールｋに対する平均粗視化長さ＜Ｌ（ｋ）＞を表す。

図５に示されるように、発明者らは、健康対照者と統合失調症患者とのそれぞれについて、様々なｋの値に対して＜Ｌ（ｋ）＞をプロットした。その結果、健康対照者と統合失調症患者とのいずれにおいても、ｋが特に大きい範囲を除いては、以下の式（６）、
＜Ｌ（ｋ）＞∝ｋ^−Ｄ …（６）
の関係が成立することを見出した。式（６）におけるＤは、差分Δθ（ｔ）のフラクタル次元である。式（６）の関係が成立することは、差分Δθ（ｔ）がフラクタル次元Ｄを有することを意味している。なお、Ｄの値は正である。

式（６）の両辺の対数を取ると、以下の式（７）、
ｌｏｇ（＜Ｌ（ｋ）＞）∝（−Ｄ）×ｌｏｇ（ｋ） …（７）
が得られる。

それゆえ、両対数グラフにおいて、ｋを横軸に、＜Ｌ（ｋ）＞を縦軸にプロットすれば、ｋが特に大きい範囲を除いては、傾き（−Ｄ）の直線が得られる。フラクタル次元Ｄの値は、両対数グラフにおいて、式（７）の関係を示す直線の傾きに、「−１」を乗算することで算出されてよい。あるいは、フラクタル次元Ｄの値は、式（６）に対して公知のフィッティング手法を用いることで算出されてもよい。

さらに、図５に示されるように、発明者らは、健康対照者と統合失調症患者との間で、フラクタル次元Ｄの値に有意な差が存在していることを確認した。以下、健康対照者に対して算出されたフラクタル次元ＤをＤ_ＨＣ、統合失調症患者に対して算出されたフラクタル次元ＤをＤ_ＳＺとして表す。

図５に示されるように、発明者らは、健康対照者の方が、統合失調症患者に比べて、ｋが小さくなるにつれて、＜Ｌ（ｋ）＞がより大きくなる傾向を示すことを確認した。つまり、発明者らは、上述の両対数グラフにおいて、傾き（−Ｄ_ＨＣ）の絶対値が、傾き（−Ｄ_ＳＺ）の絶対値よりも大きくなることを確認した。

換言すれば、健康対照者に対して算出されたフラクタル次元Ｄ_ＨＣが、統合失調症患者に対して算出されたフラクタル次元Ｄ_ＳＺよりも大きいことが確認された。当該確認結果を踏まえ、発明者らは、フラクタル次元Ｄを、健康対照者と特定の精神疾患の患者（例：統合失調症患者）とを区別するための指標値として用いるという着想を新たに想到した。

なお、実施形態１では、フラクタル次元Ｄを指標値として用いる場合が例示されている。但し、当該指標値は、例えば健康対照者と特定の精神疾患の患者とを区別するために用いられるものであればよく、フラクタル次元Ｄに限定されない。

例えば、式（６）または式（７）に基づいて、健康対照者と統合失調症患者とのそれぞれに対して、＜Ｌ（ｋｄ）＞の値を算出してもよい。ｋｄは、＜Ｌ（ｋｄ）＞の値によって健康対照者と統合失調症患者とを十分に区別できるように設定された、所定のｋの値である。

このようにｋｄを設定することにより、健康対照者と統合失調症患者との間で、＜Ｌ（ｋｄ）＞の値を十分に相違させることができる。それゆえ、＜Ｌ（ｋｄ）＞の値を上記指標値とすることもできる。

一例として、上述の図５のグラフの場合には、ｋが微小な場合において、＜Ｌ（ｋ）＞の値によって健康対照者と統合失調症患者とを好適に区別しうる。

（判定部１５）
上述の確認結果を踏まえ、発明者らは、フラクタル次元Ｄ（指標値）に対する閾値Ｄｔｈを設定することで、健康対照者と特定の精神疾患の患者（例：統合失調症患者）とを区別するという着想をさらに想到した。以下に述べる判定部１５は、当該着想に基づいて想到されたものである。

判定部１５は、指標値に基づいて所定の判定を行う。実施形態１において、判定部１５は、フラクタル解析部１４が算出したフラクタル次元Ｄに基づいて、被験者Ｈの精神的な健康状態（所定の精神疾患に罹患しているか否か）を判定する。以下、判定部１５が、フラクタル次元Ｄに基づいて、被験者Ｈが健康対照者であるか、または、統合失調症患者であるかを判定する場合について説明する。

図６は、生体信号処理システム１において用いられるＲＯＣ（Receiver Operating Characteristic，受診者動作特性）曲線の一例を示すグラフである。図６のグラフにおいて、横軸は偽陽性率（False Positive Ratio）であり、縦軸は真陽性率（True Positive Ratio）である。なお、図６のグラフにおいて、「陽性」とは被験者Ｈが健康対照者であることを意味し、「陰性」とは被験者Ｈが統合失調症患者であることを意味する。

図６のグラフは、発明者らが複数の被験者Ｈに対して、フラクタル次元Ｄに基づく判定を行うことで、あらかじめ準備されている。複数の被験者Ｈは、従来の診断基準に基づく医学診断を行うことにより、健康対照者であるか、または、統合失調症患者であるかが事前に診断されたサンプル群であってよい。

具体的には、発明者らは、フラクタル次元Ｄに基づく判定において、「Ｄ＞Ｄｔｈ」である場合に、被験者Ｈが健康対照者であると判定した。他方、「Ｄ≦Ｄｔｈ」である場合に、被験者Ｈが統合失調症患者であると判定した。

続いて、発明者らは、フラクタル次元Ｄに基づく判定結果（統合失調症の罹患の有無を示す判定結果）と、上述の事前の診断結果とを比較（照合）することにより、当該判定結果における偽陽性率および真陽性率を、閾値Ｄｔｈごとに算出した。

図６のグラフにおける偽陽性率は、上記比較結果において、被験者Ｈが実際には統合失調症患者であるにも関わらず、閾値Ｄｔｈを用いた判定において、当該被験者Ｈが健康対照者であると誤って判定された割合を示す。また、真陽性率は、上記比較結果において、実際に健康対照者である被験者Ｈが、閾値Ｄｔｈを用いた判定においても、健康対照者であると正しく判定された割合を示す。

図７は、図６のＲＯＣ曲線における各データ（数値）を示す図である。図７に示されるように、図６のＲＯＣ曲線は、閾値Ｄｔｈを様々に変化させ（閾値Ｄｔｈをパラメータとして）、それぞれの閾値Ｄｔｈに対応する偽陽性率および真陽性率をプロットすることで得られる。

判定部１５において用いられる閾値Ｄｔｈは、図７の各数値に基づいて、設定されてよい。例えば、図７に示されるように、閾値Ｄｔｈを増加させると、真陽性率も閾値Ｄｔｈに伴って増加する。但し、閾値Ｄｔｈを増加させると、偽陽性率も閾値Ｄｔｈに伴って増加する。

そこで、比較的高い真陽性率と比較的低い偽陽性率との両方が得られる閾値Ｄｔｈを、判定部１５における判定に使用すれば、判定結果の妥当性を高めることができる。一例として、発明者らは、閾値Ｄｔｈを増加させてゆき、真陽性率が初めて０．８以上となる閾値Ｄｔｈ＝１．０６８５を、判定部１５において用いられる閾値として設定した。

以下、説明の便宜上、判定部１５において用いられる閾値を、閾値Ｄｔｈ１とも称する。図７に示される通り、閾値Ｄｔｈ１＝１．０６８５に対して、真陽性率＝０．８０００であり、偽陽性率＝０．２７７８であった。

この場合、判定部１５は、「Ｄ＞Ｄｔｈ１」である場合に、被験者Ｈが健康対照者であると判定してよい。他方、判定部１５は、「Ｄ≦Ｄｔｈ１」である場合に、被験者Ｈが統合失調症患者であると判定してよい。

さらに、発明者らは、図６のＲＯＣ曲線に対して、ＡＵＣ（Area Under the Curve）を算出した。ＡＵＣとは、図６のグラフにおいて、ＲＯＣ曲線と、偽陽性率＝１の直線と、真陽性率＝１の直線とによって囲まれる閉領域の面積を意味する。ＡＵＣは、ＲＯＣ曲線の下方の面積と理解されてよい。

ＡＵＣは、判定部１５における判定の精度の高さを表す指標の１つとして用いられてよい。ＡＵＣは、０以上かつ１以下の所定の値をとり、その値が大きいほど（１に近いほど）、上記判定の精度が高いことを示す。発明者らが図６のＲＯＣ曲線に対してＡＵＣを算出したところ、ＡＵＣ＝０．８６８５であった。このように、発明者らは、判定部１５において、十分に高い精度での判定を行うことが可能であることを確認した。

判定部１５は、自身の判定結果を示す情報（判定結果情報）を、出力部１６に与える。
出力部１６は、生体信号処理装置１０の外部の装置へと、データ（情報）を出力する出力インターフェースである。出力部１６は、判定部１５から取得した判定結果情報を、上述の表示装置６０に出力してよい。

あるいは、出力部１６は、フラクタル解析部１４が算出した指標値（フラクタル次元Ｄ）を、当該フラクタル解析部１４から取得してもよい。この場合、出力部１６は、指標値を、表示装置６０に出力してよい。

（生体信号処理システム１の効果）
上述のように、発明者らは、脳の２つの部位における同期性（２つの脳波の位相差）を、動的に表現することで、脳の機能的結合性を評価するという斬新な着想を新たに想到した。生体信号処理システム１は、当該着想に基づいて想到されたものである。

具体的には、位相差分生成部１３において、上述の通り、差分Δθ（ｔ）を算出することができる。位相がアンラップされた差分Δθ（ｔ）によれば、時間領域における差分Δθ（ｔ）連続的な変化を十分に表現できる。

そして、フラクタル解析部１４において、差分Δθ（ｔ）に対してフラクタル解析を行い、指標値（例：フラクタル次元Ｄ）を算出できる。当該指標値は、脳の神経ネットワーク機能の動的特性を示す量の一例である。上述の通り、発明者らは、当該指標値を、被験者Ｈの評価（例：被験者Ｈの精神的な健康状態の評価）に用いることができることを新たに見出した。

このように、生体信号処理システム１によれば、従来よりも正確に被験者Ｈの評価を行うことができる。

ところで、生体信号処理システム１による評価手法を適用する（脳の神経ネットワーク機能を評価する）ことを目的として、生体信号を測定するための測定方法については、脳波の測定以外にも、他の測定方法が知られている。例えば、ＭＥＧ（MagnetoEncephaloGram，脳磁図）、ＮＩＲＳ（Near-InfraRed Spectroscopy，近赤外分光法）、およびＭＲＩ（Magnetic Resonance Imaging，磁気共鳴画像法）等の測定方法が知られている。

脳波の測定は、時間分解能に優れているため、脳の神経ネットワーク機能の動的特性を評価するために好適である。それゆえ、生体信号処理システム１は、脳波を測定および処理の対象とすることで、脳の神経ネットワーク機能を適切に評価できる。

また、脳波の測定は、電極または脳波計等を用いて、比較的簡単に行うことができる。つまり、脳波を測定対象とすることにより、上述のその他の測定方法に用いられる測定装置に比べて、測定装置の構成を簡単化できる。また、測定装置のコストを低減することもできる。

さらに、脳波の測定は非侵襲的に行われるため、測定時における被験者Ｈの心理的な負担も低減できる。加えて、被験者Ｈの測定時における、医療従事者の作業も簡便となる。

以上のように、生体信号処理システム１によれば、従来よりも簡便かつ容易に、被験者Ｈの評価を行うことができる。それゆえ、生体信号処理システム１によれば、汎用性の高い評価システム（診断システム）を提供できる。

なお、脳の神経ネットワーク機能を評価するための一般的な測定方法としては、ＰＥＴ（Positron Emission Tomograph，陽電子放射断層画像撮影法）およびＳＰＥＣＴ（Single Photon Emission-Computed Tomograph，単光子放出断面撮影法）も知られている。

しかしながら、ＰＥＴおよびＳＰＥＣＴによる測定では、時系列の生体信号（例：脳波）を取得できない。このため、ＰＥＴおよびＳＰＥＣＴを使用した場合には、生体信号処理システム１と同様の処理を行うことができない点に留意されたい。この点において、生体信号処理システム１による評価手法は、ＰＥＴおよびＳＰＥＣＴを用いた従来の評価手法と大きく異なる。

〔変形例〕
上述の実施形態１では、簡単のために、２つの電極５０（電極５０ａ・５０ｂ）が被験者Ｈの頭部に取り付けられている場合を例示した。但し、被験者Ｈの頭部には、２つよりも多くの電極５０が取り付けられてもよい。

例えば、図２に示される２１個の点の位置のそれぞれに、電極５０が１つずつ取り付けられてもよい。この場合、２１個の電極５０のそれぞれは、被験者Ｈから脳波のデータを同時に取得する。そして、２１個の電極５０はそれぞれ、取得した脳波のデータを記憶部９０に格納する。

この場合、データ取得部１１は、２１個の電極５０から、脳波のデータの取得対象とする２つの電極を任意に選択してよい。具体的には、データ取得部１１は、２１個の電極５０のうちの１つを第１電極、もう１つを第２電極として選択する。データ取得部１１は、２１個の電極５０から、（２１×２０）／２＝２１０通りの、第１電極と第２電極とのペア（組み合わせ）を任意に選択できる。以下、当該ペアを電極ペアと称する。

データ取得部１１は、記憶部９０に格納された脳波のデータから、第１電極から取得された脳波のデータを第１脳波データ、第２電極から取得された脳波のデータを第２脳波データとして、それぞれ取得する。

その後、生体信号処理装置１０において、実施形態１と同様の処理により、データ取得部１１が選択した複数の電極ペアのそれぞれに対して、フラクタル次元Ｄ（指標値）を算出すればよい。その結果、各電極ペアに対応したフラクタル次元Ｄの分布を示す二次元マトリクスを生成することもできる。

なお、上述の実施形態１は、Ｆ３の位置に配置された電極５０を第１電極、Ｆ４の位置に配置された電極５０を第２電極とした場合の、電極ペアに対する演算結果に相当する。

〔実施形態２〕
上述の実施形態１では、生体信号の一例として脳波を例示した。但し、本発明の一態様に係る生体信号は、脳波に限定されない。例えば、当該生体信号は、脈波であってもよいし、心拍を示す波形であってもよい。また、当該生体信号は、皮膚電位反応を示す信号であってもよい。あるいは、当該生体信号は、生体の体温に関する信号（例：生体の表面温度と深部体温との差を示す電気信号）であってもよい。

生体信号が脳波以外である場合にも、１つの生体から同時に取得された、２つの生体信号の位相成分の差分Δθ（ｔ）は、生体における２つの異なる所定の部位間の同期の程度を表す指標となり得る。当該同期の程度に基づいて、生体の状態（例：健康状態）を評価することもできる。

脳波以外の上記生体信号についても、実施形態１と同様に、差分Δθ（ｔ）に対してフラクタル解析を行うことにより得られた指標値を、個体の評価に用いることができる。従って、本発明の一態様に係る生体信号は、フラクタル解析により得られた指標値に基づいて、個体を評価できるものであればよい。

また、実施形態１では、個体（生体）の一例として人（被験者Ｈ）を例示した。但し、本発明の一態様に係る個体は、人に限定されない。当該個体は、上述の生体信号を取得できる対象であればよい。一例として、当該個体は、例えば、犬または猫等の愛玩動物であってもよいし、牛または馬等の家畜であってもよい。

〔ソフトウェアによる実現例〕
生体信号処理システム１の制御ブロック（特に生体信号処理装置１０）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ＣＰＵ（Central Processing Unit）を用いてソフトウェアによって実現してもよい。

後者の場合、生体信号処理システム１は、各機能を実現するソフトウェアであるプログラムの命令を実行するＣＰＵ、上記プログラムおよび各種データがコンピュータ（またはＣＰＵ）で読み取り可能に記録されたＲＯＭ（Read Only Memory）または記憶装置（これらを「記録媒体」と称する）、上記プログラムを展開するＲＡＭ（Random Access Memory）などを備えている。そして、コンピュータ（またはＣＰＵ）が上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記記録媒体としては、「一時的でない有形の媒体」、例えば、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

〔まとめ〕
本発明の態様１に係る生体信号処理装置は、１つの個体から同時に測定された２つの生体信号のデータを取得するデータ取得部と、上記２つのデータから上記生体信号の位相成分の差分を生成する位相差分生成部と、上記差分に対してフラクタル解析を行い所定の指標値を算出する指標値算出部と、を備える。

上述のように、発明者らは、１つの個体から同時に測定された２つの生体信号（例：脳波）のデータの位相成分の差分を、当該個体における所定の部位間（例：脳の２つの部位間）の同期の程度を示す指標として用いるという斬新な着想を新たに想到した。

加えて、発明者らは、上記差分に対してフラクタル解析を行うことにより得られた指標値（例：フラクタル次元）を、個体の評価（例：個体の精神的な健康状態の評価）に用いるという着想を新たに想到した。

そこで、上記の構成によれば、位相差分生成部において差分を生成し、指標値算出部において当該差分から指標値を算出できる。このように、本発明の一態様に係る生体信号処理装置によれば、従来よりも正確に個体の評価を行うことが可能となる。

なお、上述のように、発明者らは、「上記位相成分の差分をアンラップする」ことにより、当該差分の連続的な変化を十分に表現できることを見出した。つまり、発明者らは、当該差分を「動的に」十分に表現できることを見出した。

そこで、上記位相差分生成部は、上記２つのデータから上記生体信号の位相成分の差分をアンラップすることにより、当該差分を生成することが好ましい。

本発明の態様２に係る生体信号処理装置は、上記態様１において、上記指標値に基づいて、所定の判定を行う判定部をさらに備えていてもよい。

上記の構成によれば、指標値算出部において算出された指標値に基づいて、生体信号処理装置に、所定の判定（例：個体の精神的な健康状態の評価）を行わせることが可能となる。

本発明の態様３に係る生体信号処理装置は、上記態様２において、上記データ取得部が取得した上記２つのデータからそれぞれ所定の周波数帯のデータを取得するバンドパス部をさらに備え、上記位相差分生成部は、上記バンドパス部が取得した上記所定の周波数帯の上記２つのデータから位相成分の差分を生成してもよい。

上述のように、個体の評価の内容（例：評価対象とする精神疾患の種類）に応じて、分析すべき周波数帯は異なり得る。上記の構成によれば、バンドバス部において、所定の周波数帯（分析すべき周波数帯）のデータを通過させる周波数フィルタリングを行うことができるので、個体の評価をより有効に行うことが可能となる。

本発明の態様４に係る生体信号処理装置は、上記態様１から３のいずれか１つにおいて、上記生体信号が脳波であってよい。

上記の構成によれば、脳波を処理および解析の対象として、個体の評価を行うことが可能となる。

本発明の態様５に係る生体信号処理装置は、上記態様１から４のいずれか１つにおいて、上記脳波がα波であってよい。

上述のように、α波は、脳の安静状態を示す主要な指標の１つであり、所定の精神疾患の診断補助に用いられ得ることが知られている。それゆえ、上記の構成によれば、α波を処理および解析とすることで、個体が所定の精神疾患に罹患しているか否かをより有効に評価することが可能となる。

本発明の態様６に係る生体信号処理装置は、上記態様１から５のいずれか１つにおいて、上記指標値がフラクタル次元であってよい。

上記の構成によれば、指標値算出部においてフラクタル次元を算出することで、個体の評価を行うことが可能となる。

本発明の態様７に係る生体信号処理装置は、上記態様１から６のいずれか１つにおいて、上記指標値、および、当該指標値に基づいて判定した判定結果の少なくとも一方を、外部の装置へ出力する出力部をさらに備えていてもよい。

上記の構成によれば、生体信号処理装置による個体の評価結果を、外部の装置（例：表示装置）へ出力させることが可能となる。

本発明の態様８に係る生体信号処理システムは、上記態様１から７のいずれか１つに係る生体信号処理装置と、上記生体信号処理装置が出力した上記指標値、および、当該指標値に基づいて判定した判定結果の少なくとも一方を表示する表示装置と、を備えることが好ましい。

上記の構成によれば、生体信号処理装置による個体の評価結果を、表示装置に表示させることができる。それゆえ、当該評価結果を外部に視覚的に報知することが可能となる。

本発明の態様９に係る生体信号処理システムは、上記態様１から７のいずれか１つに係る生体信号処理装置と、１つの個体に装着され、当該個体から同時に測定した２つの生体信号のデータを、上記生体信号処理装置へ提供するデータ提供部と、を備えることが好ましい。

上記の構成によれば、上記２つの生体信号のデータを、上記生体信号処理装置へ提供することが可能となる。

本発明の各態様に係る情報処理端末は、コンピュータによって実現してもよく、この場合には、コンピュータを上記情報処理端末が備える各部（ソフトウェア要素）として動作させることにより上記情報処理端末をコンピュータにて実現させる情報処理端末の制御プログラム、およびそれを記録したコンピュータ読み取り可能な記録媒体も、本発明の範疇に入る。

〔付記事項〕
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

１ 生体信号処理システム
１０ 生体信号処理装置
１１ データ取得部
１２ バンドパスフィルタ（バンドパス部）
１３ 位相差分生成部
１４ フラクタル解析部（指標値算出部）
１５ 判定部
１６ 出力部
５０，５０ａ，５０ｂ 電極（データ提供部）
６０ 表示装置
Ｄ，Ｄ_ＨＣ，Ｄ_ＳＺ フラクタル次元（指標値）
Ｈ 被験者（個体）

Claims (8)

1. １つの個体から同時に測定された２つの脳波のデータを取得するデータ取得部と、
   上記２つのデータから上記脳波の位相成分の差分を生成する位相差分生成部と、
   上記差分に対してフラクタル解析を行って算出したフラクタル次元を、上記個体の脳の神経ネットワーク機能の動的特性を示す指標値とする指標値算出部と、
   を備えることを特徴とする生体信号処理装置。
2. 上記指標値に基づいて、所定の判定を行う判定部
   をさらに備えることを特徴とする請求項１に記載の生体信号処理装置。
3. 上記データ取得部が取得した上記２つのデータからそれぞれ所定の周波数帯のデータを取得するバンドパス部をさらに備え、
   上記位相差分生成部は、上記バンドパス部が取得した上記所定の周波数帯の上記２つのデータから位相成分の差分を生成する
   ことを特徴とする請求項１または２に記載の生体信号処理装置。
4. 上記脳波がα波である
   ことを特徴とする請求項１から３の何れか１項に記載の生体信号処理装置。
5. 上記指標値、および、当該指標値に基づいて判定した判定結果の少なくとも一方を、外部の装置へ出力する出力部
   をさらに備えることを特徴とする請求項１から４の何れか１項に記載の生体信号処理装置。
6. 請求項１から５の何れか１項に記載の生体信号処理装置と、
   上記生体信号処理装置が出力した上記指標値、および、当該指標値に基づいて判定した判定結果の少なくとも一方を表示する表示装置と、
   を備えることを特徴とする生体信号処理システム。
7. 請求項１から５の何れか１項に記載の生体信号処理装置と、
   １つの個体に装着され、当該個体から同時に測定した２つの脳波のデータを、上記生体信号処理装置へ提供するデータ提供部と、
   を備えることを特徴とする生体信号処理システム。
8. 請求項１から５の何れか１項に記載の生体信号処理装置としてコンピュータを機能させるための制御プログラムであって、上記データ取得部、上記位相差分生成部、および上記指標値算出部としてコンピュータを機能させるための制御プログラム。

Images