JP7061687B2 - 脳波解析装置、脳波解析システム及び脳波解析プログラム - Google Patents

Description

本発明の技術は、脳波解析装置、脳波解析システム及び脳波解析プログラムに関する。

多数の電極を用いて脳波を測定し、測定した脳波を用いて対象者の状態を推定する装置が知られている（例えば、特許文献１参照）。

特開２０１７－１９２４２５号公報

しかし、特許文献１に開示されている装置では、脳波の検出精度が高い一方で、対象者に多数の電極を取り付ける必要がある。多数の電極が必要なため、対象者の行動が制限され、対象者の日常環境における脳波を測定し、対象者の状態を推定することはできない。

本発明は、多数の電極を取り付ける場合に比べて、簡易な測定により、環境刺激又は身体感覚などの刺激による集中又は疼痛などの感覚及び機能変化を評価可能な脳波解析装置、脳波解析システム及び脳波解析プログラムを提供することを目的とする。

本開示の第一態様は、脳波解析装置であって、対象者の頭部の所定部位で測定された脳波の時系列データを周波数解析することにより得られたスペクトルから、ストレスが付与された状態で発生する第１の周波数帯域内の波の強度の特徴量に対する当該波より高い周波数帯域の前記第１の周波数帯域内の他の波の強度の特徴量の比率又は覚醒状態で発生する第２の周波数帯域内の波の強度の特徴量に対する前記第１の周波数帯域内の波の強度の特徴量の比率である第１の比率、及び覚醒状態で発生する第２の周波数帯域内の波の強度の特徴量に対する睡眠状態で発生する第３の周波数帯域内の波の強度の特徴量の比率である第２の比率を算出する算出部と、前記第１の比率、前記第１の比率から定めた第１の基準値、前記第２の比率、及び前記第２の比率から定めた第２の基準値に基づいて、前記対象者の状態を推定する推定部と、を含む。

第一態様において、前記第１の基準値は、全測定時間内の前記第１の比率の平均値、刺激を与える前の期間の前記第１の比率の平均値、刺激を与えている期間の前記第１の比率の平均値、刺激を与えた期間の終了後の期間の前記第１の比率の平均値、又は刺激が無い期間の前記第１の比率の平均値であり、前記第２の基準値は、全測定時間内の前記第２の比率の平均値、刺激を与える前の期間の前記第２の比率の平均値、刺激を与えている期間の前記第２の比率の平均値、刺激を与えた期間の終了後の期間の前記第２の比率の平均値、又は刺激が無い期間の前記第２の比率の平均値である。ここで、第１の基準値は、第１の比率或いは第１の比率を自然対数に変換した値の算術平均値、加重平均値或いは二乗平均平方根などの平均値、又は、第１の比率或いは第１の比率を自然対数に変換した値の中央値である。また、第２の基準値は、第２の比率或いは第２の比率を自然対数に変換した値の算術平均値、加重平均値或いは二乗平均平方根などの平均値、又は、第２の比率或いは第２の比率を自然対数に変換した値の中央値である。上記平均値又は中央値が自然対数変換して求めた値の場合には、それを真数に戻した値を基準値としてもよい。

第一態様において、前記推定部は、前記算出部で算出された前記第１の比率及び前記第２の比率に対応する点が、前記第１の基準値及び前記第２の基準値を原点、前記第１の比率を一方の軸、及び前記第２の比率を他方の軸とする二次元座標のどの象限に属するかを判定することにより前記対象者の状態を推定する。

第一態様において、前記推定部は、前記原点から前記点の距離、前記一方の軸方向における前記原点から前記点の距離、前記他方の軸方向における前記原点から前記点の距離、及び所定期間内に同じ象限内に出現する点の発生頻度の少なくとも一つを更に用いて、前記対象者の状態における程度を推定する。

第一態様において、前記推定部は、前記算出部で算出された前記第１の比率と前記第１の基準値との差、及び前記算出部で算出された前記第２の比率と前記第２の基準値との差に基づいて、前記算出部で算出された前記第１の比率及び前記第２の比率が、前記第１の基準値以上でかつ前記第２の基準値以上か、前記第１の基準値以上でかつ前記第２の基準値未満か、前記第１の基準値未満でかつ前記第２の基準値以上か、又は前記第１の基準値未満でかつ前記第２の基準値未満かを判断することにより、前記対象者の状態を推定する。

第一態様において、前記第１の周波数帯域の波はγ波で、前記第２の周波数帯域の波はβ波で、かつ前記第３の周波数帯域の波はθ波又はδ波である。

第一態様において、前記スペクトルは、前記第２の周波数帯域よりも低く前記第３の周波数帯域よりも高い第４の周波数帯域内の波の強度の特徴量に対する、前記第１の周波数帯域の波又は前記第２の周波数帯域の波の強度の特徴量の比率である第３の比率が、第３の基準値を超えるノイズ部分が除去されたスペクトルである。

第一態様において、前記ノイズ部分は、前記第４の周波数帯域内の波であるＬｏｗα波の強度の特徴量に対する、前記第１の周波数帯域の波であるＬｏｗγ波又は前記第２の周波数帯域の波であるＨｉｇｈβ波の強度の特徴量の比率である第３の比率が、第３の基準値を超える部分である。

第一態様において、前記波の強度の特徴量は、同じ周波数帯域内に属する波の強度又は波の強度を自然対数に変換した値の算術平均値、加重平均値或いは二乗平均平方根などの平均値、前記波の強度の最大値、前記波の強度の積算値、又は前記波の強度の中央値である。或いは、前記波の強度の特徴量は、波の強度を自然対数に変換して求めた値の場合には、それを真数に戻した値としてもよい。

第一態様において、前記対象者の状態は、注意状態、集中状態、又は散漫状態である。

第一態様において、前記対象者の状態は、疼痛を感じている状態である。

本開示の第二態様は、脳波解析装置であって、対象者の頭部の所定部位で測定された脳波の時系列データを周波数解析することにより得られたスペクトルから、ストレスが付与された状態で発生する第１の周波数帯域内の波の強度の特徴量に対する当該波より高い周波数帯域の前記第１の周波数帯域内の他の波の強度の特徴量の比率又は覚醒状態で発生する第２の周波数帯域内の波の強度の特徴量に対する前記第１の周波数帯域内の波の強度の特徴量の比率である第１の比率、及び睡眠状態で発生する第３の周波数帯域以上、且つ前記第２の周波数帯域未満の帯域を２分割した際の各帯域の波の強度の特徴量から得られる差分量又は各帯域の波の強度の特徴量の比率である第４の比率を算出する算出部と、前記第１の比率、前記第１の比率から定めた第１の基準値、前記差分量又は前記第４の比率、及び前記差分量又は前記第４の比率から定めた第２の基準値に基づいて、前記対象者の状態を推定する推定部と、を含む。

第二態様において、前記差分量は、低周波数側の領域の強度又はパワー値の積分値と高周波数側の領域の強度又はパワー値の積分値との差分であり、例えば、低周波数側の領域の強度又はパワー値の積分値から、高周波数側の領域の強度又はパワー値の積分値を減じた値である。

第二態様において、前記第４の比率は、低周波数側の領域の強度又はパワー値の積分値と高周波数側の領域の強度又はパワー値の積分値との比率であり、例えば、高周波数側の領域の強度又はパワー値の積分値に対する低周波数側の領域の強度又はパワー値の積分値の比率である。

第二態様において、前記差分量は、低周波数側の領域のパワー値の最大値と高周波数側の領域のパワー値の最小値との差分である。

本開示の第三態様は、脳波解析システムであって、前記対象者の頭部上の所定部位で測定された脳波の時系列データを取得するデータ取得部と、上記の脳波解析装置とを含む。

本開示の第四態様は、脳波解析プログラムであって、対象者の頭部の所定部位で測定された脳波の時系列データを周波数解析することにより得られたスペクトルから、ストレスが付与された状態で発生する第１の周波数帯域内の波の強度の特徴量に対する当該波より高い周波数帯域の前記第１の周波数帯域内の他の波の強度の特徴量の比率又は前記第１の周波数帯域内の波の強度の特徴量に対する覚醒状態で発生する第２の周波数帯域内の波の強度の特徴量の比率である第１の比率、及び覚醒状態で発生する第２の周波数帯域内の波の強度の特徴量に対する睡眠状態で発生する第３の周波数帯域内の波の強度の特徴量の比率である第２の比率を算出する算出ステップと、前記第１の比率、前記第１の比率から定めた第１の基準値、前記第２の比率、及び前記第２の比率から定めた第２の基準値に基づいて、前記対象者の状態を推定する推定ステップと、をコンピュータに実行させる。

本開示の第五態様は、対象者の頭部の所定部位で測定された脳波の時系列データを周波数解析することにより得られたスペクトルから、ストレスが付与された状態で発生する第１の周波数帯域内の波の強度の特徴量に対する当該波より高い周波数帯域の前記第１の周波数帯域内の他の波の強度の特徴量の比率又は覚醒状態で発生する第２の周波数帯域内の波の強度の特徴量に対する前記第１の周波数帯域内の波の強度の特徴量の比率である第１の比率、及び睡眠状態で発生する第３の周波数帯域以上、且つ前記第２の周波数帯域未満の帯域を２分割した際の各帯域の波の強度の特徴量から得られる差分量を算出する算出ステップと、前記第１の比率、前記第１の比率から定めた第１の基準値、前記差分量、及び前記差分量から定めた第２の基準値に基づいて、前記対象者の状態を推定する推定ステップと、をコンピュータに実行させる。

本開示の第一態様～第五態様によれば、簡易な測定により、対象者の日常的な状態を推定できる。

本実施形態に係る脳波解析システムの一例を示す図である。 マウス及び人の脳波の分類を示す図である。 脳波解析装置のハードウェア構成を示すブロック図である。 脳波解析装置の機能構成の例を示すブロック図である。 画像形成装置による脳波解析処理の流れを示すフローチャートである。 座標系における対象者の状態を表す図である。 座標系における点の指標値の考え方を示す図である。 指標値の推移を示す図である。 測定期間における振幅スペクトルの推移を示す図である。 図６の第３象限に出現する点の指標値の推移を表す図である。 刺激を与える前と、与えている最中との指標値の平均値を示す図である。 図６の第３象限に出現する点の指標値の推移を表す図である。 図６の第１象限に出現する点の指標値の推移を表す図である。 マウスを用いた疼痛の実験結果を示す図である。 対象者の脳波を周波数解析して得られた振幅スペクトルの一例を示す図である。 測定期間における振幅スペクトルの推移を示す図である。 ノイズ除去後の振幅スペクトルの一例を示す図である。 ノイズ除去後の振幅スペクトルの推移を示す図である。 人間に対する実験結果を示す図である。 人間に対する実験結果を示す図である。 人間に対する実験のシーケンスを示す図である。 図２１に示した実験の各作業において第１象限に出現する点の頻度を表す図である。 図２２に示した頻度から得られる散漫減少率を示す図である。 実施例３においてマウスにホルマリンを投与してからの時間と、侵害刺激反応との関係を示す図である。 実施例３での疼痛時と非疼痛時におけるθ波の周波数帯域での周波数特性を示す図である。 実施例３においてマウスにホルマリンを投与した際、投与前後のマウスの脳波の強度の比率の周波数特性を示す図である。 マウスにホルマリンを投与した際、投与前後のマウスの脳波の強度の比率の差分量を説明するための図である。 マウスにホルマリンを投与した際、投与前後のマウスの脳波の強度の比率の差分量を説明するための図である。 マウスにホルマリンを投与した際、投与前後のマウスの脳波の強度の比率の差分量を説明するための図である。 マウスを用いた疼痛の実験結果を示す図である。 マウスを用いた疼痛の実験結果を示す図である。 マウスを用いた疼痛の実験結果を示す図である。 マウスを用いた疼痛の実験結果を示す図である。

以下、本発明の技術の実施形態の一例を、図面を参照しつつ説明する。なお、各図面において同一又は等価な構成要素及び部分には同一の参照符号を付与している。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。

図１は、本実施形態に係る脳波解析システムの一例を示す図である。

図１に示すように、脳波システムは、データ取得部１０、携帯端末２０及び脳波解析装置３０を含む。

データ取得部１０は、例えば、対象者の額部、側頭部又は後頭部に装着され、対象者の脳波を検出し、脳波データを取得する。データ取得部１０は、対象者に接触される少なくとも一つの電極１２を有する。電極１２は、大脳皮質から発生する電位変化を脳波として検出する。データ取得部１０は、図示しない送信部を有する。データ取得部１０は、取得した脳波データを、送信部を介して、携帯端末２０に送信する。データ取得部１０は、更に、参照電極１４を有する。参照電極１４は、例えば、対象者の耳に取り付けられる。データ取得部１０は、電極１２と参照電極１４との電位変化を示すデータを、送信部を介して、携帯端末２０に送信する。なお、本明細書において、対象者との用語を用いるが、対象者はヒトに限らない。脳波が検出される対象であれば、いかなる動物も対象者に含まれうる。また、対象者がヒト以外の動物である場合、当業者が選択した適切な装着位置に、上記電極１２及び参照電極１４が取り付けられる。

携帯端末２０は、対象者により携帯され、データ取得部１０において取得された脳波データを蓄積する。蓄積された脳波データは、所定のタイミングで、インターネット等の通信ネットワーク４０を介して、脳波解析装置３０に送信される。脳波解析装置３０は、脳波を解析する。脳波の解析の詳細については、後述する。

なお、図１に示す例では、脳波データが一旦、携帯端末２０に蓄積されて、脳波解析装置３０に送信される。しかし、データ取得部１０において取得された脳波データは、直接脳波解析装置３０に送信されても良い。この場合、脳波データは、無線又は有線により、データ取得部１０から脳波解析装置３０に送信される。

脳波解析装置３０により解析された解析結果は、携帯端末２０が備える表示部２２及び脳波解析装置３０の表示部３６の少なくとも一方に表示される。これにより、解析結果が対象者及び解析者の少なくとも一方により確認可能となる。

図２は、マウス及び人の脳波の分類を示す図である。図２において、上段には、マウスの脳波の分類を示し、下段には、人の脳波の分類を示す。

図１のデータ取得部１０により取得される脳波は、複数の周波数帯域の波が含まれ、周波数帯域毎に名称が付される。図２においては、人の脳波に加え、マウスの脳波も示す。後述の実施例においては、マウスを用いた実験についても説明するため、ここで、類似する人及びマウスの脳波を説明する。

脳波の周波数帯域の分類は、様々であり、図示する分類はあくまで一例である。図２に示す周波数帯域の分類と多少ズレていたとしても、本実施形態の脳波解析システムは適用されうる。

まず、マウスの脳波から説明する。

マウスの脳波は、大きく第１の周波数帯域の波、第２の周波数帯域の波及び第３の周波数帯域の波に分類される。第１の周波数帯域の波は、ストレスが付与された状態で多く発生しうる。第２の周波数帯域の波は、通常の覚醒状態で多く発生しうる。第３の周波数帯域の波は、睡眠状態で多く発生しうる。

周波数帯域が高い順に、第１の周波数帯域には、γ４波～γ１波が含まれ、第２の周波数帯域には、β波が含まれ、第３の周波数帯域には、θ波及びδ波が含まれる。

人の脳波は、第１～第３の周波数帯域に加え、更に第４の周波数帯域に分類される。第１の周波数帯域の波は、ストレスが付与された状態で多く発生しうる。第２の周波数帯域の波は、通常の覚醒状態で多く発生しうる。第３の周波数帯域の波は、睡眠状態で多く発生しうる。第４の周波数帯域は、リラックス状態で多く発生しうる。

周波数帯域が高い順に、第１の周波数帯域には、Ｈｉｇｈγ波、Ｍｉｄγ波及びＬｏｗγ波が含まれ、第２の周波数帯域には、Ｈｉｇｈβ波及びＬｏｗβ波が含まれ、第４の周波数帯域には、Ｈｉｇｈα波及びＬｏｗα波が含まれ、第３の周波数帯域には、θ波及びδ波が含まれる。各波の周波数帯域及び名称は、マウスと人とでは異なる。しかし、同じギリシア文字により表す波は、マウスと人との間であっても類似する特徴があることが知られている。

次に、脳波解析装置３０のハードウェア構成について説明する。

図３は、脳波解析装置のハードウェア構成を示すブロック図である。

図３に示すように、脳波解析装置３０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）３２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）３３、ストレージ３４、入力部３５、表示部３６及び通信インタフェース（Ｉ／Ｆ）３７の各構成を有する。各構成は、バス３９を介して相互に通信可能に接続されている。

ＣＰＵ３１は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ３１は、ＲＯＭ３２又はストレージ３４からプログラムを読み出し、ＲＡＭ３３を作業領域としてプログラムを実行する。ＣＰＵ３１は、ＲＯＭ３２又はストレージ３４に記録されているプログラムにしたがって、上記各構成の制御及び各種の演算処理を行う。本実施形態では、ＲＯＭ３２又はストレージ３４には、脳波を解析するための脳波解析プログラムが格納されている。

ＲＯＭ３２は、各種プログラム及び各種データを格納する。ＲＡＭ３３は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ３４は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）又はＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）により構成され、オペレーティングシステムを含む各種プログラム、及び各種データを格納する。

入力部３５は、マウス等のポインティングデバイス、及びキーボードを含み、各種の入力を行うために使用される。表示部３６は、液晶ディスプレイであり、各種の情報を表示する。表示部３６は、タッチパネル方式を採用して、入力部３５として機能しても良い。

通信インタフェース３７は、データ取得部１０及び携帯端末２０等の他の機器と通信するためのインタフェースであり、たとえば、イーサネット（登録商標）、ＦＤＤＩ、Ｗｉ－Ｆｉ（登録商標）、又はＢｌｕｅｔｏｏｔｈ（登録商標）等の規格が用いられる。

次に、脳波解析装置３０の機能構成について説明する。

図４は、脳波解析装置の機能構成の例を示すブロック図である。

図４に示すように、脳波解析装置３０は、機能構成として、算出部３０１及び推定部３０２を有する。各機能構成は、ＣＰＵ３１がＲＯＭ３２又はストレージ３４に記憶された脳波解析プログラムを読み出して、ＲＡＭ３３に展開して実行することにより実現される。

算出部３０１は、対象者の頭部の所定部位で測定された脳波の時系列データを周波数解析することにより得られたスペクトルから、第１の比率及び第２の比率を算出する。算出部３０１は、第１の比率及び第２の比率の算出のために、スペクトルから、それぞれ二つの特定の周波数の波を抽出し、抽出した波の強度の特徴量の比率を算出する。ここで、所定部位は、上述の通り、対象者の額部、側頭部又は後頭部である。なお、スペクトルには、振幅スペクトル及びパワースペクトルがある。以下では、周波数解析により振幅スペクトルを得る場合について説明する。

第１の比率は、ストレスが付与された状態で発生する第１の周波数帯域内の波の強度の特徴量に対する当該波より高い周波数帯域の前記第１の周波数帯域内の他の波の強度の特徴量の比率である。この場合、第１の比率は、例えば、図２に示す第１の周波数帯域内のＬｏｗγ波の強度に対するＨｉｇｈγ波の強度の比率である。或いは、第１の比率は、覚醒状態で発生する第２の周波数帯域内の波の強度の特徴量に対する第１の周波数帯域内の波の強度の特徴量の比率である。この場合、第１の比率は、例えば、図２に示す第２の周波数帯域内のＨｉｇｈβ波の強度の特徴量に対する第１の周波数帯域内のＨｉｇｈγ波又はＭｉｄγ波の強度の特徴量の比率である。マウスの場合、第１の比率は、例えば、γ１波に対するγ３波又はγ４波、或いはβ波の強度の特徴量に対するγ２波、γ３波又はγ４波の強度の特徴量の比率である。

第２の比率は、覚醒状態で発生する第２の周波数帯域内の波の強度の特徴量に対する睡眠状態で発生する第３の周波数帯域内の波の強度の特徴量の比率である。第２の比率は、例えば、図２に示す第２の周波数帯域内のβ波の全体、又は、Ｈｉｇｈβ波或いはＬｏｗβ波の強度の特徴量に対する、第３周波数帯域内のθ波又はδ波の強度の特徴量の比率である。マウスの場合、第２の比率は、例えば、β波の全体に対するθ波の強度の特徴量の比率である。

波の強度の特徴量は、同じ周波数帯域内に属する波の強度の平均値、波の強度の最大値、波の強度の積算値、又は波の強度の中央値である。ここで、（第１、第２又は第３の）周波数帯域内の波の強度の特徴量は、当該周波数帯域の一部から導出又は算出されても良いし、当該周波数帯域の全体から導出又は算出されても良い。例えば、周波数帯域内の特定の周波数の波の強度を、当該周波数帯域内の波の強度の特徴量としても良い。また、周波数帯域内の一部又は全体の周波数帯域に属する波の強度の平均値、積算値、中央値又は最大値を、当該周波数帯域内の波の強度の特徴量としても良い。或いは、周波数帯域内に複数の周波数帯域を定め、定めた各周波数帯域に属する波の強度の平均値、積算値、中央値又は最大値を算出し、算出した値同士の平均値、又は加算値を、当該周波数帯域内の波の強度の特徴量としても良い。なお、上記において、平均値は、算術平均値、加重平均値、幾何平均値、二乗平均平方根による値の何れであっても良い。なお、波の強度は、スペクトルが振幅スペクトルである場合は、振幅値であり、スペクトルがパワースペクトルである場合、パワー値である。以下では、波の強度として、振幅を用いる場合について説明する。

推定部３０２は、第１の比率、第１の比率から定めた第１の基準値、第２の比率、及び第２の比率から定めた第２の基準値に基づいて、対象者の状態を推定する。第１の基準値、第２の基準値及び対象者の状態の推定については、後述する。

次に、脳波解析装置３０の作用について説明する。

図５は、画像形成装置による脳波解析処理の流れを示すフローチャートである。ＣＰＵ３１がＲＯＭ３２又はストレージ３４から脳波解析プログラムを読み出して、ＲＡＭ３３に展開して実行することにより、脳波解析処理が行なわれる。図６は、座標系における対象者の状態を表す図である。

ＣＰＵ３１は、対象者の脳波を所定時間測定して得た脳波データを取得する（ステップＳ１０１）。脳波データは、上述の通り、データ取得部１０又は携帯端末２０から受信する。

ＣＰＵ３１は、脳波をフーリエ変換等の手法により周波数帯毎の振幅に変換し、振幅スペクトルを得る（ステップＳ１０２）。

ＣＰＵ３１は、フーリエ変換によって得られた振幅スペクトルを用いて、第１の比率を算出する（ステップＳ１０３）。以下では、第１の比率の一例として、ＣＰＵ３１は、Ｌｏｗγ波の振幅に対するＨｉｇｈγ波の振幅の比率を算出する場合について説明する。従って、ＣＰＵ３１は、振幅スペクトルから、Ｌｏｗγ波成分及びＨｉｇｈγ波成分を抽出し、各時間の振幅の比率を算出する。

続けて、ＣＰＵ３１は、フーリエ変換によって得られた振幅スペクトルを用いて、第２の比率を算出する（ステップＳ１０４）。以下では、第２の比率の一例として、ＣＰＵ３１は、β波の振幅に対するθ波の振幅の比率を算出する場合について説明する。従って、ＣＰＵ３１は、振幅スペクトルから、β波成分及びθ波成分を抽出し、各時間の振幅の比率を算出する。

ＣＰＵ３１は、第１の比率及び第２の比率を用いて、座標系を作成する（ステップＳ１０５）。具体的には、ＣＰＵ３１は、脳波の全測定時間の第１の比率或いは当該第１の比率を自然対数に変換した値の算術平均、加重平均、若しくは２乗平均平方根等の方法により求めた平均値、第１の比率或いは当該第１の比率を自然対数に変換した値の中央値、又は前記平均値、中央値を真数に戻した値を第１の基準値とする。また、ＣＰＵ３１は、全測定時間の第２の比率或いは当該第２の比率を自然対数に変換した値の算術平均、加重平均、若しくは２乗平均平方根等の方法により求めた平均値、第２の比率或いは当該第２の比率を自然対数に変換した値の中央値、又は前記平均値、中央値を真数に戻した値を第２の基準値とする。そして、ＣＰＵ３１は、図６に示すような、第１の比率を縦軸（Ｙ軸）、第２の比率を横軸（Ｘ軸）とし、第１の基準値及び第２の基準値を原点とする座標系を作成する。なお、第１の比率を縦軸（Ｙ軸）、第２の比率を横軸（Ｘ軸）としさえすれば、必ずしも、第１の基準値及び第２の基準値を原点にしなくても良い。以下では、第１の基準値及び第２の基準値を原点とした座標系により説明する。また、第１の基準値及び第２の基準値は、脳波の全測定時間の平均値でなくても良い。刺激を与える前の期間の平均値、刺激を与えている期間の平均値、又は刺激を与えた期間の終了後の期間の平均値であっても良い。以下では、第１の基準値及び第２の基準値は、全測定時間の平均値として求められる場合について説明する。

ＣＰＵ３１は、作成した座標系を用いて、対象者の状態を推定する（ステップＳ１０６）。作成した座標系においては、縦軸の値が大きい程、対象者がより興奮した状態を示す。また、横軸の値が大きい程、対象者がより散漫した状態を示す。発生毎（単位時間毎）の第１の比率及び第２の比率の組合せを、作成した座標系に点としてプロットすることにより、同じ象限への出現頻度及び点のプロットの位置の変遷が観察される。なお、点は、ある単位時間の第１の比率及び第２の比率の組合せによりプロットされる場合に限定されない。点は、連続する複数の単位時間（例えば１から５秒間）の第１の比率の平均値及び第２の比率の平均値の組合せとしてプロットされても良い。

象限は、第１象限５１から第４象限５４に区分される。第１象限５１では、点のＸ軸及びＹ軸の値の両方が第１の基準値及び第２の基準値以上である。第２象限５２では、点のＸ軸の値が第１の基準値よりも小さく、Ｙ軸の値が第２の基準値以上である。第３象限５３では、点のＸ軸及びＹ軸の値の両方が第１の基準値及び第２の基準値よりも小さい。第４象限５４では、点のＸ軸の値が第１の基準値以上であり、Ｙ軸の値が第２の基準値よりも小さい。

例えば、第１象限５１は、疼痛等の刺激により対象者が散漫な状態となっているときに点がプロットされやすい領域である。第２象限５２は、対象者が注意しているときに点がプロットされやすい領域である。第３象限５３は、対象者が集中しているときに点がプロットされやすい領域である。注意と集中との違いは、注意が、必要な標的に集中して情報を入力、処理、及び出力しながらも、周りに意識を払っている状態をいうのに対し、集中が、一つの物事に意識を継続的に向けている状態をいう点にある。第４象限５４は、対象者が眠さ等により散漫となっているときに点がプロットされやすい領域である。このように、各象限の特性を予め見出し、点がどの象限にプロットされるかにより、対象者の状態を推定できる。

第１象限５１～第４象限５４のうち、特定の象限にプロットされる点のみに注目することにより、対象者の状態の種類及び程度、対象者が当該状態となる時間等をより明確に推定できる。特定の象限に注目する場合について説明する。

図７は、座標系における点の指標値の考え方を示す図である。図８は、指標値の推移を示す図である。

図７では、第１象限５１を注目する例を説明する。点６０が第１象限５１にプロットされる場合、例えば、次に示す５つの値を指標値にできる。

指標値Ａ 点６０の原点５０からのＸ軸方向の距離（ｘ１）

指標値Ｂ 点６０の原点５０からのＹ軸方向の距離（ｙ１）

指標値Ｃ 点６０の原点５０からの距離（（ｘ１^２＋ｙ１^２）^１／２）

指標値Ｄ 第１象限５１に点がプロットされる（出現する）発生頻度

指標値Ｅ 上記Ａ～Ｃの何れかに上記Ｄを乗算した値

第１象限５１に限らず、第２象限５２～第４象限５４にプロットされる点も、同様に、原点５０からの関係及び各象限での点の発生頻度により指標値が得られる。

上記指標値Ａ～Ｅの何れかを用いて、指標値の推移を時系列に並べると、例えば図８に示すようなグラフが得られる。

図８に示すグラフでは、対象者に刺激が与えられた刺激期間において、刺激期間の前後の期間よりも指標値が大きいことが分かる。このように、指標値の推移を時系列に表すことにより、対象者の状態の変化が明確に分かり、特定の状態になったことが明確に推定できる。指標値の大きさから、特定の状態における程度、例えば集中の程度等も推定できる。

なお、図８に示す例では、刺激を加える前の期間を原点算出期間とし、原点算出期間における脳波から算出された第１の比率の値及び第２の比率の値の平均値を図７の原点として求めた後、上述の指標値Ａ～Ｅのような指標値を求め、当該指標値の経時変化を表している。図８では、刺激を加える前の期間の指標値と比較して、刺激期間における指標値の上昇が顕著に分かる。このように、第１の基準値及び第２の基準値をどの期間の脳波を用いて算出するかは、対象者の状態を推定する上で重要である。原点算出期間を、刺激を与えている刺激期間の前の期間の他、刺激期間、刺激期間の後の期間、刺激を与えていない期間（刺激期間と刺激期間の間の期間）又は前の期間から後の期間までの全期間のいずれかにできる。あるいは、脳波の測定後に、第１の基準値及び第２の基準値を算出するのではなく、リアルタイムで順次計算することもできる。この場合、脳波解析装置３０は、脳波データを順次受信し、受信した範囲内で第１の基準値及び第２の基準値を更新する。これにより、対象者の急激な状態の変化を特定し、状態を推定できる。

なお、上記実施形態においては、ステップＳ１０５において、座標系を作成し、座標系内において、点がどの象限に出現するかにより、対象者の状態を判断している。しかし、本実施形態は、必ずしも座標系を前提としなくても良い。例えば、算出部３０１で算出された第１の比率と第１の基準値との差、及び算出部３０１で算出された第２の比率と第２の基準値との差に基づいて、対象者の状態を推定しても良い。この場合、算出部３０１で算出された第１の比率及び第２の比率が、第１の基準値以上でかつ第２の基準値以上か、第１の基準値以上でかつ第２の基準値未満か、第１の基準値未満でかつ第２の基準値以上か、又は第１の基準値未満でかつ第２の基準値未満かを判断することにより、対象者の状態を推定できる。

次に、実施例について説明する。

（実施例１）

図９は、測定期間における振幅スペクトルの推移を示す図である。図１０は、図６の第３象限５３に出現する点の指標値の推移を表す図である。図１１は、刺激を与える前と、与えている最中とにおける、原点からの距離と第３象限５３への出現頻度の積の平均値を示す図である。

実施例１では、約４０分の間、対象者からデータ取得部１０により脳波を検出した。脳波の検出を開始してから約２０分経過後から検出を終了するまでの間、対象者にパズルゲームを行なわせることにより、刺激を与えた。

脳波の検出が終了した後、データ取得部１０から脳波解析装置３０に脳波データを送信し、脳波解析装置３０において脳波を解析した。脳波の解析は、図５に示す脳波解析処理に従って行なった。ステップＳ１０５の座標系作成においては、対象者の測定全期間の脳波データを用い、その平均値である第１の基準値及び第２の基準値を原点とする座標系を作成した。ステップＳ１０６においては、図６に示す座標系において、第３象限５３に注目し、第３象限５３に出現する点についてのみ指標値を算出した。指標値は、原点５０から点までの距離として算出した。

以上の条件で実施した結果、脳波の振幅スペクトルの推移として、図９に示す結果が得られた。図９に示す結果では、フーリエ変換により得られる全ての波の振幅が示される。対象者がパズルゲームを行なうと、何れかの波で振幅が上昇しているのが分かる。何れの波で振幅が上昇しているかは分かりにくい。なお、図９に示す振幅スペクトルの推移のデータには、電源由来のノイズが含まれている。電源由来のノイズを、以下では電源ノイズと呼ぶ。電源ノイズは除去した方が好ましい。電源ノイズを除去する場合、商用電源周波数（日本においては、５０Ｈｚ又は６０Ｈｚ）、又は、インバータ機器に近接した環境においては、変換された周波数を除去する。電源ノイズの除去の際には、周波数の中央値から幅を取って削除する。当該幅は、電源ノイズの強度によって調整しうる。電源ノイズの強度が強い場合、電源ノイズの強度が小さい場合に比べて、中央値からの広い幅の周波数帯域を削除する。例えば、商用電源周波数が５０Ｈｚの場合、４９．２５Ｈｚ～５０．７５Ｈｚの範囲の周波数帯域を、振幅スペクトルから除去する。削除する範囲は、中央値の前後で、０．２５～数Ｈｚで設定されうる。

図６に示す座標系を作成し、第３象限５３に出現する点の指標値を算出すると、図１０に示す結果が得られた。対象者が集中した時に、第３象限５３には点が表れ易いため、図１０に示すように、パズルゲームによる刺激中は、刺激前に比べて、指標値が出現する頻度が高い。すなわち、対象者がパズルゲームを行なっている間は、図６に示す座標系で、第３象限５３に点が出現する頻度が高い事が分かる。刺激中の方が指標値も若干高いことが分かる。

ここで、刺激前の期間と刺激中の期間のそれぞれにおいて、出現した点の指標値（原点からの距離）の平均値に、点が出現した頻度を乗算する。すると、図１１に示すように、刺激前では、０．３以下であった数値が、刺激中では０．７以上となっており、数値が２倍以上になっていることが分かる。このように、期間毎に指標値を用いて状態を数値化することにより、対象者の状態の変化を定量的に明確に表現できることが分かる。

（実施例２）

図１２は、図６の第３象限に出現する点の指標値の推移を表す図である。図１３は、図６の第１象限に出現する点の指標値の推移を表す図である。

実施例２においては、対象者の両耳にヘッドホンを取り付け、約２７分間、脳波を測定した。脳波の測定期間においては、音楽を全く流さない期間Ｐ１、ヘッドホンから対象者の両耳にジャズの音楽を流す期間Ｐ２、及びヘッドホンから対象者の左耳にワルツの音楽、右耳にジャズの音楽を流す期間Ｐ３を設けた。期間Ｐ１は約５分、期間Ｐ２は約１１分、期間Ｐ３は約１１分であった。

脳波の検出が終了した後、データ取得部１０から脳波解析装置３０に脳波データを送信し、脳波解析装置３０において脳波を解析した。脳波の解析は、図５に示す脳波解析処理に従って行なった。ステップＳ１０５の座標系作成においては、全測定時間の脳波データを用い、その平均値である第１の基準値及び第２の基準値を原点とする座標系を作成した。ステップＳ１０６においては、図６に示す座標系において、第１象限５１及び第３象限５３に注目し、第１象限５１及び第３象限５３に出現する点についてそれぞれの指標値を算出した。指標値は、原点５０から点までのＸ軸方向の距離として算出した。

以上の条件で実施した結果、図１２及び図１３に示す指標値の推移が得られた。

図１２では、第３象限５３に点が出現した時の指標値を表している。対象者が集中している場合に、第３象限５３に点が出現し易い。音楽のない第１期間Ｐ１に対して、両耳でジャズが流れている第２期間Ｐ２では点が出現する頻度が低減している事が分かる。また、第１期間Ｐ１に対して、左右の耳で異なる音楽が流れている第３期間Ｐ３では点が出現する頻度が増加している事が分かる。

また、図１３では、第１象限５１に点が出現した時の指標値を表している。対象者が散漫な状態の場合に、第１象限５１に点が出現し易い。音楽のない第１期間Ｐ１に対して、両耳でジャズが流れている第２期間Ｐ２では点が出現する頻度が増加している事が分かる。また、第１期間Ｐ１に対して、左右の耳で異なる音楽が流れている第３期間Ｐ３では点が出現する頻度が低減している事が分かる。

以上のように、図１２及び図１３では、相反する集中状態と散漫状態を示しており、期間Ｐ２及び期間Ｐ３では、点が出現する頻度が逆転している事が分かる。これにより、第１象限５１を注目して推定できる対象者の集中状態と、第３象限５３を注目して推定できる対象者の散漫状態とが、適切に推定されていることが裏付けられる。

（実施例３）

図１４は、マウスを用いた疼痛の実験結果を示す図である。

実施例３では、マウスを用いて、上述の脳波解析処理による対象者の状態の推定を検証した。

まず、イソフルランで麻酔したマウスを脳定位固定装置に固定し、一次体性感覚野、手綱核および前頭前皮質にタングステン電極の先端が位置するように刺入し、固定した。手術５日以降に、オープンフィールドで自由行動中のマウスから局所電場電位（記録装置：Ｔｕｃｋｅｒ－Ｄａｖｉｓ Ｔｅｃｈｎｏｌｏｇｉｅｓ社、ＲＺ５）を記録した。その後左後肢足蹠に５％ホルマリン溶液２０μＬを皮下注射し、再度オープンフィールド内で１時間局所電場電位を記録した。また投与２４時間後にオープンフィールド内で自由行動中のマウスから局所電場電位を記録した。ホルマリン投与後の痛み行動評価として、足を舐めるおよび噛むといった痛み行動の合計時間を、目視でストップウォッチを用いて測定した。

前頭前皮質からの局所電場電位の周波数スペクトル解析を実施して各周波数帯に区切り、それらの強度から脳の活動度を判断した。周波数データはホルマリン投与前、投与後０－１０分（Ｐｈａｓｅ１またはＰ１と称する）、投与後２５－３５分（Ｐｈａｓｅ２又はＰ２と称する）、投与後２４時間の１０分間の４時点の解析を行った。さらに、ホルマリン投与後、０から５分後（ＰＦと称する）、１０から１５分後（Ｐ１－２と称する）の２時点の解析も行った。

脳波に基づく実施結果は、図１４に示す通りである。図１４では、脳波の全測定時間の平均値をＸ軸及びＹ軸の原点、すなわち第１の基準値及び第２の基準値とした場合において、第１象限５１にデータ（点）がプロットされる頻度を表す。図１４に示すように、ホルマリン投与前のＰｈａｓｅ０に比べて、Ｐｈａｓｅ１～３では脳波に基づいて第１象限５１に点が出現する出現頻度が格段に上がった。Ｐｈａｓｅ１からＰｈａｓｅ３に向かって時間が経過するにつれて、第１象限５１に点が出現する出現頻度が徐々に下がった。

上記の第１象限５１における点の出現頻度の推移は、目視により監視した痛み行動の合計時間の推移と整合していた。このことから、脳波から推定したマウスの状態の変化は、実際のマウスの状態の変化と整合していることが確認できた。

（筋電由来のノイズキャンセリング）

図１５は、対象者の脳波を周波数解析して得られた振幅スペクトルの一例を示す図である。図１６は、測定期間における振幅スペクトルの推移を示す図である。図１７は、ノイズ除去後の振幅スペクトルの一例を示す図である。図１８は、ノイズ除去後の振幅スペクトルの推移を示す図である。なお、図１５及び図１７において、横軸の単位は１／４Ｈｚであり、例えば、横軸の６０は、１５Ｈｚを意味する。図１５及び図１６において、振幅スペクトルのデータからは、５０Ｈｚを含む５０Ｈｚ近傍の周波数帯のデータを除去することにより、電源ノイズを除去している。以下では、電源ノイズに加えて、筋電由来のノイズも除去する。

上記で説明してきた脳波解析処理において、さらに測定中のノイズを除去する形態について説明する。図１７は、ノイズ除去後の振幅スペクトルを示す図である。図１８は、ノイズ除去後の振幅スペクトルの推移を示す図である。

日常生活で脳波測定を行うにあたり、筋肉の収縮によって起こる活動電位、特に噛歯による電位が、前頭部からの脳波測定において、ノイズとして大きく影響する。ノイズを除くために、噛締め時に観測される筋電と類似の周波数比率を持つデータを除去する。

小児歯科学雑誌３２（４）：８７２－８８８ （１９９４）には、噛みしめ時の筋電図において、少なくとも０～５０Ｈｚ（広い場合には０～１００Ｈｚ）の周波数帯において、周波数の上昇に伴い、ほぼ直線的にパワーが上昇していることが示されている。これがヒトの脳波δ波～γ波の周波数帯とオーバーラップし、かつ、強度が大きな筋電が脳波を覆い隠すため、ウェアラブルな装置を用いる日常生活における脳波測定におけるノイズになってしまう。周波数が大きくなると共に、強度が大きくなっているデータについては、解析に含めないこととして、脳波以外のノイズをキャンセルして解析の精度を高めうる。例えば、Ｈｉｇｈβ／Ｌｏｗα＞２、Ｌｏｗγ／Ｌｏｗα＞２のいずれの場合も、脳波ではなく、筋電であると考えて、解析対象から外すことが考えらえる。なお、この例では、基準値（第３の基準値）を２としているが、基準値は２に限定されない。脳波計のスペック等により基準値は変更できる。なお、上記文献中のグラフの縦軸は、２０ヘルツ毎のパワー値の積分の全体に対する百分率である。

咀嚼時の対象者の脳波をデータ取得部１０により取得し、周波数解析すると、図１５に示す振幅スペクトルが得られた。ここで、Ｌｏｗα、Ｈｉｇｈβ、Ｌｏｗγ波が表れる周波数帯域において、ノイズとみられる歪な波形が観察される。咀嚼している期間を含む所定の測定期間における振幅スペクトルの推移は、図１６に示す通りである。対象者により咀嚼が行なわれていた期間においては、振幅が大きくなっていることが分かる。

ここで、上述のように、Ｈｉｇｈβ／Ｌｏｗα＞２及びＬｏｗγ／Ｌｏｗα＞２の少なくとも一方を満たすノイズ部分を除去したところ、図１７及び図１８に示す結果が得られた。

図１７に示す振幅スペクトルの図では、咀嚼によるノイズ部分が除去され、歪な波形がなくなっていることが分かる。また、図１８に示す振幅スペクトルの推移では、咀嚼により振幅が異常に大きく示されていた咀嚼期間のデータが概ね除去されていることが分かる。

以上を図２に示す波の分類に従って一般化すると、次の通りである。第２の周波数帯域よりも低く第３の周波数帯域よりも高い第４の周波数帯域内の波の振幅に対する、第１の周波数帯域の波又は第２の周波数帯域の波の振幅の比率である第３の比率が、第３の基準値を超える部分がノイズ部分である。当該ノイズ部分を振幅スペクトルから除去することにより、ノイズを除去した脳波の解析結果が得られる。

ＣＰＵ３１は、対象者が目を閉じて安静にしていた期間（安静閉眼時）における脳波から算出された第１の比率の値及び第２の比率の値の平均値を第１の基準値及び第２の基準値として座標系を作成してもよい。

図１９及び図２０は、人間に対する実験結果の一例を示すグラフである。図１９は、４人の対象者が音楽を聴いてリラックスしている状態にある場合の脳波の周波数特性から算出した第１の比率及び第２の比率をプロットしたグラフである。図２０は、４人の対象者が安静閉眼の状態にある場合の脳波の周波数特性から算出した第１の比率及び第２の比率をプロットしたグラフである。図１９及び図２０に示す実験では、４人の対象者に対し、午前と午後の２回脳波の測定を行った。図中、例えば、Ａ１は、第１の対象者の午前の測定結果に基づくプロットを示し、Ｐ１は、同じ第１の対象者の午後の測定結果に基づくプロットを示す。

図１９及び図２０に示したように、安静閉眼時の第１の比率の値及び第２の比率の値は、リラックスした状態に比べて小さくなる傾向になる。従って、安静閉眼時の値を原点とした座標系とすると、第２象限５２及び第３象限５３のデータが減少し、対象者が注意または集中していたかどうかの推定を行うことが難しくなる場合がある。

そこで、ＣＰＵ３１は、安静閉眼時の値を原点とした座標系において、刺激期間での第１象限５１への出現頻度を１から減じた値を対象者の集中度の指標として、対象者の状態を推定してもよい。安静閉眼時の値を原点とした座標系において、刺激期間での第１象限５１への出現頻度を１から減じた値を散漫減少率とも称する。

図２１のようなシーケンスで対象者に作業を行わせた場合を例に挙げる。対象者は、指示がない限り各作業を開眼の状態で行うものとする。安静（１）は、例えばＰＣへのログインや再起動など、特に集中、注意は払うことがなくできる作業を対象者が行う期間である。タスク（１）は、例えば数字を使用した、難易度が易しめに設定されたパズルを対象者が解く作業を行う期間である。タスク（２）は、例えば様々なパズルを制限時間内に対象者が解く作業を行う期間である。安静開眼は、対象者が目を開けて出来るだけ無心の状態にいる期間である。タスク（３）は、例えば数字を使用した、難易度がタスク（１）のものより難しく設定されたパズルを対象者が解く作業を行う期間である。タスク（４）は、例えばタスク（２）とは異なる内容の様々なパズルを制限時間内に対象者が解く作業を行う期間である。安静閉眼は、対象者が目を閉じて出来るだけ安静の状態にいる期間である。リラックスは、対象者が心を落ち着かせることができるジャンルの音楽を聴きながらリラックスした状態にいる期間である。

図２２は、図２１に示したそれぞれの作業時における第１象限５１への出現頻度を折れ線グラフで示したグラフである。そして、図２３は、図２１に示したそれぞれの作業時における散漫減少率（刺激期間での第１象限５１への出現頻度を１から減じた値）を棒グラフで示したグラフである。図２３に示したグラフは、棒の高さが高いほど対象者の集中が高い状態にあることを意味する。従って、ＣＰＵ３１は、対象者の散漫減少率によって対象者の状態を推定してもよい。

本実施形態では、第２の比率を横軸として座標系が作成されていたが、本発明は係る例に限定されるものではない。第２の比率に替えて、睡眠状態等で発生する第３の周波数帯域以上、且つ覚醒状態で発生する第２の周波数帯域未満の帯域を２分割した際の各帯域の波の強度から得られる特徴量を横軸として、座標系が作成されてもよい。すなわち、人間であれば第３の周波数帯域及び第４の周波数帯域、例えば、浅い睡眠状態等で発生する第３の周波数帯域及び第４の周波数帯域（３．５Ｈｚ～１１．７５Ｈｚ）を２分割した際の各帯域の波の強度から得られる特徴量を横軸として、座標系が作成されてもよい。またマウスであれば第３の周波数帯域（４Ｈｚ～１２Ｈｚ）を２分割した際の各帯域の波の強度から得られる特徴量を横軸として、座標系が作成されてもよい。

図２４は、実施例３においてマウスにホルマリンを投与してからの時間と、侵害刺激反応との関係を示すグラフである。図２４に示すように、Ｐｈａｓｅ１（投与後０－１０分）及びＰｈａｓｅ２（投与後２５－３５分）では侵害刺激反応が見られたのに対し、Ｐｈａｓｅ１とＰｈａｓｅ２との間の期間では侵害刺激反応がほとんど見られない。

図２５は、実施例３での疼痛時と非疼痛時におけるθ波の周波数帯域での周波数特性を示すグラフである。符号２０１は、非疼痛時における周波数特性である。符号２０２は、Ｐｈａｓｅ１の期間での周波数特性である。符号２０３は、Ｐｈａｓｅ２の期間での周波数特性である。図２５に示すように、マウスを用いた疼痛の実験結果によると、非疼痛時よりも、Ｐｈａｓｅ１及びＰｈａｓｅ２の疼痛時の方がθ波のピークが低波数側にシフトする傾向がみられた。

図２６は、実施例３において、マウスにホルマリンを投与した際、投与前後のマウスの脳波の強度の比率の周波数特性を示すグラフである。図２６においては、マウスにホルマリン投与する前の脳波の強度（Ｐｒｅ）に対する、投与後０から５分後（ＰＦ）、投与後０から１０分後（Ｐｈａｓｅ１：Ｐ１）、１０から１５分後（Ｐ１－２）、２５から３５分後（Ｐｈａｓｅ２：Ｐ２）、２４時間後（２４Ｈ）における各周波数の波の強度比を示す。ＰＦの期間は、Ｐ１の期間に含まれるので、以下では、Ｐ１の期間及びＰＦの期間のいずれにも関連する場合は、Ｐ１（ＰＦ）と記載する。符号２１１は、Ｐ１（ＰＦ）の期間での強度比である。符号２１２は、Ｐ１－２の期間での周波数特性である。符号２１３は、Ｐ２の強度比である。符号２１４は、ホルマリン投与から２４時間経過後の強度比である。

図２６に示すように、マウスを用いた疼痛の実験結果によると、Ｐ１（ＰＦ）及びＰ２の疼痛時のθ波の強度が５Ｈｚ辺りで顕著に上昇した。一方、Ｐ１（ＰＦ）及びＰ２の間の非疼痛時のθ波の強度比のピーク、並びに２４時間経過後の非疼痛時のθ波の強度比のピークは、６～８Ｈｚ辺りになだらかに現れた。すなわち、Ｐ１（ＰＦ）及びＰ２の疼痛時のθ波のピークが、非疼痛時のθ波のピークよりも低波数側にシフトする傾向がみられた。

また、図２６に示すように、Ｐ１（ＰＦ）及びＰ２の疼痛時にはγ波の領域において強度比が上昇する傾向がみられた。また、図２６に示すように、Ｐ１（ＰＦ）とＰ２との間の期間（Ｐ１－２）においては、強度比が前後の期間と比べて２４時間経過後の非疼痛時（２４Ｈ/Ｐｒｅ）に近い値となっている傾向がみられた。言い換えれば、マウスにホルマリンを投与すると、Ｐ１（ＰＦ）及びＰ２の２つの時点では、非疼痛時（２４Ｈ/Ｐｒｅ）と比べ、θ波とγ波（６０Ｈｚ以上の部分）の強度比が高くなる疼痛の二峰性の傾向がみられた。

ここで、疼痛時にはθ波のピークがシフトするという傾向に着目する。ＣＰＵ３１は、θ波の周波数帯域を２つに分割し、それぞれの帯域の波の強度から得られる特徴量の差を横軸として、座標系を作成してもよい。２つの帯域の波の強度から得られる特徴量の差を差分量と定義する。ＣＰＵ３１は、全測定時間の差分量の算術平均、加重平均、若しくは２乗平均平方根等の方法により求めた平均値、脳波の全測定時間の差分量の自然対数の平均値、又は差分量の中央値を第２の基準値とする。

図２７、図２８、図２９は、マウスにホルマリンを投与した際、投与前後のマウスの脳波の強度の比率の差分量を説明するためのグラフである。差分量として用いる値は様々なものが採用され得る。２つに分割した周波数帯域のうち、低周波数側をＡ領域、高周波数側をＢ領域とする。

図２７は、人の脳波の振幅強度の周波数特性を示すグラフである。符号４０１は疼痛時の脳波の周波数特性であり、符号４０２は非疼痛時の脳波の周波数特性である。図２７の例では、Ａ領域をおよそ４．０～９．５Ｈｚ、Ｂ領域を９．５Ｈｚ～１２Ｈｚとする。図２８及び図２９は、マウスの脳波の、非疼痛時からの比率の周波数特性を示すグラフである。図２８及び図２９の例では、Ａ領域を４．０～７．５Ｈｚ、Ｂ領域を８．０Ｈｚ～１１．５Ｈｚとする。図２９は、図２８のグラフから、Ｐｈａｓｅ１における周波数特性を抜き出したグラフである。

なお、本実施形態では上述の周波数帯をＡ領域及びＢ領域としたが、各領域の周波数帯は係る例に限定されるものではない。例えば、人間の場合はＨｉｇｈα波及びＬｏｗα波の周波数帯で現れるピークの周波数の前後１～２Ｈｚの範囲をＡ領域、Ｈｉｇｈα波及びＬｏｗα波の周波数帯であってＡ領域より高周波数側の領域をＢ領域としてもよい。また例えば、マウスの場合はθ波の周波数帯を等分し、低周波数側をＡ領域、高周波数側をＢ領域としてもよい。

ＣＰＵ３１は、Ａ領域の特徴量としてＡ領域のパワー値の最大値を用い、Ｂ領域の特徴量としてＢ領域でのパワー値の最小値を用いてもよい。またＣＰＵ３１は、Ａ領域の特徴量としてＡ領域での振幅値を用い、Ｂ領域の特徴量としてＢ領域での振幅値を用いてもよい。またＣＰＵ３１は、Ａ領域の特徴量としてＡ領域でのパワー値の積分値を用い、Ｂ領域の特徴量としてＢ領域でのパワー値の積分値を用いてもよい。そして、ＣＰＵ３１は、Ａ領域の特徴量から、Ｂ領域での特徴量を減じた値を差分量としてもよい。図２７及び図２８のＨは、Ａ領域の特徴量としてＡ領域のパワー値の最大値を用い、Ｂ領域の特徴量としてＢ領域でのパワー値の最小値を用いた場合の差分値に相当する。

また、ＣＰＵ３１は、Ａ領域の特徴量としてＡ領域のパワー値の最大ピークの周波数を用い、Ｂ領域の特徴量としてＢ領域でのパワー値の最小ピークの周波数を用いてもよい。そして、ＣＰＵ３１は、Ａ領域の特徴量から、Ｂ領域の特徴量までの距離（図２７及び図２８のＷ）を差分量としてもよい。

また、ＣＰＵ３１は、θ波の周波数帯域を２つに分割し、それぞれの帯域の波の強度から得られる特徴量の差を横軸とする代わりに、θ波の周波数帯域を２つに分割し、それぞれの帯域の波の強度から得られる特徴量の比率である第４の比率を横軸として、座標系を作成することもできる。ＣＰＵ３１は、全測定時間の第４の比率の算術平均、加重平均、若しくは２乗平均平方根等の方法により求めた平均値、脳波の全測定時間の第４の比率の自然対数の平均値、又は第４の比率の中央値を第２の基準値とする。

（マウスを用いた疼痛の実験）

図３０及び図３１は、マウスを用いた疼痛の実験結果を示す図である。図３０及び図３１は、図１４に示した実験結果と同様に、ホルマリン投与前のＰｈａｓｅ０及び、ホルマリン投与後のＰｈａｓｅ１～３における第１象限５１に点が出現する出現頻度を示したグラフである。図３０及び図３１は、脳波の全測定時間の平均値をＸ軸及びＹ軸の原点、すなわち第１の基準値及び第２の基準値とした。図３０及び図３１に示した実験結果は、図１４に示した実験結果が得られたマウスとは別の個体のマウスから得られたものである。

図３０には、図１４と同じく、Ｘ軸を第２の比率（例えば、θ／β）とした場合の第１象限５１への点の出現頻度が示されている。図３１には、Ｘ軸を第２の比率に替えて差分量（例えば、図２７の（Ｈ））とした場合の第１象限５１への点の出現頻度が示されている。図３１の実験結果における差分量は、低帯域でのパワー値の最大値から、高帯域でのパワー値の最小値を減じた値を採用した。脳波解析装置３０は、Ｘ軸を第２の比率に替えて差分量とした場合であっても、図１４に示した実験結果と同様の結果を得ることができる。

図３２及び図３３は、マウスを用いた疼痛の実験結果を示す図である。図３２及び図３３では、ホルマリン投与前のＰｈａｓｅ０及び、投与後０－５分（ＰＦ）、１０－１５分（Ｐｈａｓｅ１－２：Ｐｈａｓｅ１（投与後０－１０分）とＰｈａｓｅ２との間）、投与後２５－３５分（Ｐｈａｓｅ２）、投与後２４時間の１０分間（Ｐｈａｓｅ３）の５時点の解析を実施した場合における、第１象限５１に点が出現する出現頻度を示したグラフである。図３２及び図３３に示したグラフは、ホルマリン投与前（プレ時間）のデータの平均値をＸ軸及びＹ軸の原点、すなわち第１の基準値及び第２の基準値とした。図３２には、図１４及び図３０と同じく、Ｘ軸を第２の比率とした場合の第１象限５１への点の出現頻度が示されている。図３３には、図３１と同じく、Ｘ軸を第２の比率に替えて差分量（例えば、図２７の（Ｈ））とした場合の第１象限５１への点の出現頻度が示されている。

図２６に示したように、マウスにホルマリンを投与した場合、Ｐｈａｓｅ１及びＰｈａｓｅ２の疼痛時にθ波のピークが現れる。その際のマウスの脳波を周波数解析し、座標系に点としてプロットした場合、Ｘ軸を第２の比率にした場合と差分量にした場合のいずれにおいても、疼痛の二峰性が示されていることが分かる。従って、Ｘ軸を差分量とした場合であっても、脳波解析装置３０はマウスの状態を推定することが可能となる。

（適用可能性）

次に、上記の脳波解析処理の適用可能性について説明する。

＜集中・散漫＞

脳波解析処理により、集中度を推定することにより、どのような行動を行なえば集中度を高めることができるかを、個人単位又は集団単位で把握することが可能となる。例えば、ヒト用途、産業用途、動物用途として、以下のような用途が考えられる。

ヒト用途としては、発達障害（ＡＤＨＤ、自閉症など）、睡眠障害、認知症、せん妄、うつ病等の疾患のモニタリング又は治療への適用が考えられる。抑うつ状態等の精神状態、睡眠又は眠気に関連する状態のモニタリングへの適用が考えられる。医薬品等の有効性評価及びこれを利用した医薬品開発への適用が考えられる。健康管理、セルフメディケーション、マインドフルネス、美容、ＶＲ酔等の状態の推定への適用が考えられる。ナーシングケア（介護施設の快適性向上、リハビリテーション効果測定又は適正化）への適用が考えられる。更に、技術訓練、技術習得、学習、教育又は競技等への適用が考えられる。

また、産業用途としては、作業安全、商品開発、又は五感センサー（臭覚、味覚、聴覚、視覚又は触覚に対する刺激からの異常検知）等への適用が考えられる。

動物用途としては、愛玩動物、ペットの健康管理、ペットとの意思疎通等への適用が考えられる。畜産、健康管理又は生産量向上への適用が考えられる。

＜疼痛＞

疼痛を客観的な指標で評価することができるようになり、どのように疼痛を感じ、どのようにすれば、疼痛を緩和できるかを個人単位で把握することが可能性となる。例えば、次の適用が考えられる。

片頭痛等の疼痛疾患の予兆検知への適用が考えられる。疼痛の定量化、疼痛感覚の細分化による治療の効率化、及び新規治療方法の開発効率化への適用が考えられる。また、医薬品等の有効性評価及びこれを利用した医薬品開発への適用が考えられる。

以上のように、本実施形態の脳波解析処理は、様々な用途への適用可能性がある。

上記の処理は、専用のハードウェア回路によっても実現することもできる。この場合には、１つのハードウェアで実行されてもよいし、複数のハードウェアで実行されてもよい。

また、脳波解析装置３０を動作させるプログラムは、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリ、フレキシブルディスク、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等のコンピュータ読み取り可能な記録媒体によって提供されてもよいし、インターネット等のネットワークを介してオンラインで提供されてもよい。この場合、コンピュータ読み取り可能な記録媒体に記録されたプログラムは、通常、メモリ又はストレージ等に転送され記憶される。また、このプログラムは、たとえば、単独のアプリケーションソフトとして提供されてもよいし、脳波解析装置３０の一機能としてその各装置のソフトウェアに組み込んでもよい。

３０ 脳波解析装置
３１ ＣＰＵ
３２ ＲＯＭ
３３ ＲＡＭ
３４ ストレージ
３５ 入力部
３６ 表示部
３７ 通信インタフェース
３９ バス
４０ 通信ネットワーク
５０ 原点
５１ 第１象限
５２ 第２象限
５３ 第３象限
５４ 第４象限
６０ 点
３０１ 算出部
３０２ 推定部

Claims (17)

1. 対象者の頭部の所定部位で測定された脳波の時系列データを周波数解析することにより得られたスペクトルから、ストレスが付与された状態で発生する第１の周波数帯域内のγ波の強度の特徴量に対する当該γ波より高い周波数帯域の前記第１の周波数帯域内の他のγ波の強度の特徴量の比率又は覚醒状態で発生する第２の周波数帯域内のβ波の強度の特徴量に対する前記第１の周波数帯域内のγ波の強度の特徴量の比率である第１の比率、及び覚醒状態で発生する第２の周波数帯域内のβ波の強度の特徴量に対する睡眠状態で発生する第３の周波数帯域内のθ波又はδ波の強度の特徴量の比率である第２の比率を算出する算出部と、
   前記第１の比率及び前記第２の比率に対応する点が、第１の基準値及び第２の基準値を原点、前記第１の比率を一方の軸、及び前記第２の比率を他方の軸とする二次元座標のどの象限に属するかを判定することにより、前記対象者の状態を推定する推定部と、
   を含み、
   前記第１の基準値は、全測定時間内の少なくとも一部の期間の前記第１の比率の平均値又は中央値であり、
   前記第２の基準値は、全測定時間内の少なくとも一部の期間の前記第２の比率の平均値又は中央値である脳波解析装置。
2. 前記第１の基準値は、全測定時間内の前記第１の比率の平均値、刺激を与える前の期間の前記第１の比率の平均値、刺激を与えている期間の前記第１の比率の平均値、刺激を与えた期間の終了後の期間の前記第１の比率の平均値、又は刺激が無い期間の前記第１の比率の平均値であり、
   前記第２の基準値は、全測定時間内の前記第２の比率の平均値、刺激を与える前の期間の前記第２の比率の平均値、刺激を与えている期間の前記第２の比率の平均値、刺激を与えた期間の終了後の期間の前記第２の比率の平均値、又は刺激が無い期間の前記第２の比率の平均値である請求項１記載の脳波解析装置。
3. 前記推定部は、前記原点から前記点の距離、前記一方の軸方向における前記原点から前記点の距離、前記他方の軸方向における前記原点から前記点の距離、及び所定期間内に同じ象限内に出現する点の発生頻度の少なくとも一つを更に用いて、前記対象者の状態における程度を推定する請求項１記載の脳波解析装置。
4. 前記推定部は、前記算出部で算出された前記第１の比率と前記第１の基準値との差、及び前記算出部で算出された前記第２の比率と前記第２の基準値との差に基づいて、
   前記算出部で算出された前記第１の比率及び前記第２の比率が、前記第１の基準値以上でかつ前記第２の基準値以上か、前記第１の基準値以上でかつ前記第２の基準値未満か、前記第１の基準値未満でかつ前記第２の基準値以上か、又は前記第１の基準値未満でかつ前記第２の基準値未満かを判断することにより、前記対象者の状態を推定する請求項１又は請求項２記載の脳波解析装置。
5. 前記スペクトルは、前記第２の周波数帯域よりも低く前記第３の周波数帯域よりも高い第４の周波数帯域内のα波の強度の特徴量に対する、前記第１の周波数帯域のγ波又は前記第２の周波数帯域のβ波の強度の特徴量の比率である第３の比率が、第３の基準値を超えるノイズ部分が除去されたスペクトルである請求項１～４の何れか一項に記載の脳波解析装置。
6. 前記ノイズ部分は、前記第４の周波数帯域内の波であるＬｏｗα波の強度の特徴量に対する、前記第１の周波数帯域の波であるＬｏｗγ波又は前記第２の周波数帯域の波であるＨｉｇｈβ波の強度の特徴量の比率である第３の比率が、第３の基準値を超える部分である請求項５記載の脳波解析装置。
7. 前記γ波、前記β波、前記θ波又は前記δ波の強度の特徴量は、同じ周波数帯域内に属する前記γ波、前記β波、前記θ波又は前記δ波の強度の平均値、前記γ波、前記β波、前記θ波又は前記δ波の強度の最大値、前記γ波、前記β波、前記θ波又は前記δ波の強度の積算値、又は前記γ波、前記β波、前記θ波又は前記δ波の強度の中央値である請求項１～６の何れか一項に記載の脳波解析装置。
8. 前記対象者の状態は、注意状態、集中状態、又は散漫状態である請求項１～７の何れか一項に記載の脳波解析装置。
9. 前記対象者の状態は、疼痛を感じている状態である請求項１～７の何れか一項に記載の脳波解析装置。
10. 前記第１の基準値は、前記第１の比率若しくは前記第１の比率を自然対数に変換した値の中央値、又は前記平均値若しくは前記中央値を真数に戻した値であり、
    前記第２の基準値は、前記第２の比率若しくは前記第２の比率を自然対数に変換した値の中央値、又は前記平均値若しくは前記中央値を真数に戻した値である請求項１記載の脳波解析装置。
11. 対象者の頭部の所定部位で測定された脳波の時系列データを周波数解析することにより得られたスペクトルから、ストレスが付与された状態で発生する第１の周波数帯域内のγ波の強度の特徴量に対する当該γ波より高い周波数帯域の前記第１の周波数帯域内の他のγ波の強度の特徴量の比率又は覚醒状態で発生する第２の周波数帯域内のβ波の強度の特徴量に対する前記第１の周波数帯域内のγ波の強度の特徴量の比率である第１の比率、及び睡眠状態で発生する第３の周波数帯域以上、且つ前記第２の周波数帯域未満の帯域を２分割した際の低周波数側の帯域のθ波の強度の特徴量と高周波数側の帯域のθ波の強度の特徴量との差分量又は前記低周波数側の帯域のθ波の強度の特徴量と前記高周波数側の帯域のθ波の強度の特徴量との比率である第４の比率を算出する算出部と、
    前記第１の比率及び前記第４の比率に対応する点が、第１の基準値及び第２の基準値を原点、前記第１の比率を一方の軸、及び前記第４の比率を他方の軸とする二次元座標のどの象限に属するかを判定することにより、前記対象者の状態を推定する推定部と、
    を含み、
    前記第１の基準値は、全測定時間内の少なくとも一部の期間の前記第１の比率の平均値又は中央値であり、
    前記第２の基準値は、全測定時間内の前記第４の比率の平均値又は中央値である脳波解析装置。
12. 前記θ波の強度の特徴量は、前記θ波の強度又は前記θ波のパワー値の積分値である請求項１１に記載の脳波解析装置。
13. 前記低周波数側の帯域のθ波の強度の特徴量は、前記低周波数側の領域のパワー値の最大値であり、前記高周波数側の帯域のθ波の強度の特徴量は、前記高周波数側の領域のパワー値の最小値である請求項１１に記載の脳波解析装置。
14. 前記第１の基準値は、全測定時間内の前記第１の比率の平均値、前記第１の比率若しくは前記第１の比率を自然対数に変換した値の中央値、又は前記平均値若しくは前記中央値を真数に戻した値、刺激を与える前の期間の前記第１の比率の平均値、刺激を与えている期間の前記第１の比率の平均値、刺激を与えた期間の終了後の期間の前記第１の比率の平均値、又は刺激が無い期間の前記第１の比率の平均値であり、
    前記第２の基準値は、全測定時間の前記第４の比率の算術平均、加重平均、若しくは２乗平均平方根等の方法により求めた平均値、脳波の全測定時間の前記第４の比率の自然対数の平均値、又は前記第４の比率の中央値である請求項１１に記載の脳波解析装置。
15. 前記対象者の頭部上の所定部位で測定された脳波の時系列データを取得するデータ取得部と、請求項１～１４の何れか一項に記載の脳波解析装置とを含む脳波解析システム。
16. 対象者の頭部の所定部位で測定された脳波の時系列データを周波数解析することにより得られたスペクトルから、ストレスが付与された状態で発生する第１の周波数帯域内のγ波の強度の特徴量に対する当該γ波より高い周波数帯域の前記第１の周波数帯域内の他のγ波の強度の特徴量の比率又は覚醒状態で発生する第２の周波数帯域内のβ波の強度の特徴量に対する前記第１の周波数帯域内のγ波の強度の特徴量の比率である第１の比率、及び覚醒状態で発生する第２の周波数帯域内のβ波の強度の特徴量に対する睡眠状態で発生する第３の周波数帯域内のθ波又はδ波の強度の特徴量の比率である第２の比率を算出する算出ステップと、
    前記第１の比率及び前記第２の比率に対応する点が、第１の基準値及び第２の基準値を原点、前記第１の比率を一方の軸、及び前記第２の比率を他方の軸とする二次元座標のどの象限に属するかを判定することにより、前記対象者の状態を推定する推定ステップと、
    をコンピュータに実行させ、
    前記第１の基準値は、全測定時間内の少なくとも一部の期間の前記第１の比率の平均値又は中央値であり、
    前記第２の基準値は、全測定時間内の少なくとも一部の期間の前記第２の比率の平均値又は中央値である脳波解析プログラム。
17. 対象者の頭部の所定部位で測定された脳波の時系列データを周波数解析することにより得られたスペクトルから、ストレスが付与された状態で発生する第１の周波数帯域内のγ波の強度の特徴量に対する当該γ波より高い周波数帯域の前記第１の周波数帯域内の他のγ波の強度の特徴量の比率又は覚醒状態で発生する第２の周波数帯域内のβ波の強度の特徴量に対する前記第１の周波数帯域内のγ波の強度の特徴量の比率である第１の比率、及び睡眠状態で発生する第３の周波数帯域以上、且つ前記第２の周波数帯域未満の帯域を２分割した際の低周波数側の帯域のθ波の強度の特徴量と高周波数側の帯域のθ波の強度の特徴量との差分量又は前記低周波数側の帯域のθ波の強度の特徴量と前記高周波数側の帯域のθ波の強度の特徴量との比率である第４の比率を算出する算出ステップと、
    前記第１の比率及び前記第４の比率に対応する点が、第１の基準値及び第２の基準値を原点、前記第１の比率を一方の軸、及び前記第４の比率を他方の軸とする二次元座標のどの象限に属するかを判定することにより、前記対象者の状態を推定する推定ステップと、
    をコンピュータに実行させ、
    前記第１の基準値は、全測定時間内の少なくとも一部の期間の前記第１の比率から定まる平均値又は中央値であり、
    前記第２の基準値は、全測定時間内の前記第４の比率から定まる平均値又は中央値である脳波解析プログラム。

Images