JP7389425B1 - プログラム、製造方法、製造装置及び接続方法 - Google Patents
プログラム、製造方法、製造装置及び接続方法 Download PDFInfo
- Publication number
- JP7389425B1 JP7389425B1 JP2022163043A JP2022163043A JP7389425B1 JP 7389425 B1 JP7389425 B1 JP 7389425B1 JP 2022163043 A JP2022163043 A JP 2022163043A JP 2022163043 A JP2022163043 A JP 2022163043A JP 7389425 B1 JP7389425 B1 JP 7389425B1
- Authority
- JP
- Japan
- Prior art keywords
- mosaic
- graphs
- parameters
- subject
- sensitivity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 25
- 210000004556 brain Anatomy 0.000 claims abstract description 98
- 230000035945 sensitivity Effects 0.000 claims abstract description 70
- 238000010801 machine learning Methods 0.000 claims abstract description 37
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000010586 diagram Methods 0.000 abstract description 24
- 230000003321 amplification Effects 0.000 description 36
- 238000003199 nucleic acid amplification method Methods 0.000 description 36
- 238000004891 communication Methods 0.000 description 31
- 230000007177 brain activity Effects 0.000 description 18
- 238000003860 storage Methods 0.000 description 12
- 238000012360 testing method Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 11
- 238000002790 cross-validation Methods 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000005401 electroluminescence Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 210000003625 skull Anatomy 0.000 description 3
- 206010002026 amyotrophic lateral sclerosis Diseases 0.000 description 2
- 230000001747 exhibiting effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 201000003471 ovarian fetiform teratoma Diseases 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/30—Input circuits therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
- Image Analysis (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
Description
<1-1.構成>
図1は、意思伝達システム10の構成を模式的に示す図である。意思伝達システム10を利用する被験者は、例えば、筋萎縮性側索硬化症(ALS)の患者である。被験者の脳からは、被験者の企図に応じた脳波が発される。意思伝達システム10においては、被験者の脳波に基づいて被験者の脳活動が検出され、被験者の脳活動に基づいて被操作装置400の操作が行なわれる。脳活動は、例えば、被験者の脳の各部位から発された脳波に基づいて検出される。
図4は、脳波解読装置300における動作手順を示すフローチャートである。このフローチャートに示される処理は、通信部330を通じて脳波信号等が継続的に受信されている場合に、制御部310によって繰り返し実行される。
<2-1.構成>
図5は、学習システム20の構成を模式的に示す図である。学習システム20は、例えば、上述の学習済モデル322を生成するように構成されている。
学習済モデル322の生成においては、複数の脳波信号等が学習用データとして用いられる。学習用データは、被験者が所定の企図をイメージした場合に発された脳波信号に基づいて生成される。以下ではまず、学習用データの生成に用いられる脳波信号の収集手順について説明する。
<3-1.電極群とアンプチップとの接続ルール>
上述のように、電極群110に含まれる各電極111は、アンプチップ120に含まれる増幅素子121(図2)に白金線を通じて電気的に接続されている。アンプチップ120に含まれる各増幅素子121の品質は必ずしも一定ではない。アンプチップ120に含まれる複数の増幅素子121のうち一部の増幅素子121が所定の品質に満たない場合がある。
図16は、各電極111によって検出された脳波のスペクトログラムの表示手順を示すフローチャートである。このフローチャートによって示される処理は、学習済モデル生成装置500の制御部510によって繰り返し実行される。
以上のように、学習済モデル生成装置500においては、モザイクグラフG1,G2,G3,G4が共通の画面に表示される。各モザイクグラフは複数のパラメータの複数の組合せの少なくとも一部における感度に関する情報を示し、複数のモザイクグラフに関して前提となる特異度に関する値は互いに異なる。したがって、学習済モデル生成装置500によれば、複数のパラメータの複数の組合せの少なくとも一部における感度及び特異度がモザイクグラフG1,G2,G3,G4によって視覚的に表わされるため、複数のパラメータの良好な組合せを画面表示によりユーザ(医師等)に容易に認識させることができる。ユーザ(医師等)は複数のモザイクグラフを参照して使用するパラメータを判断し評価を進めることができるので、被験者の脳波に基づいて被験者の企図を比較的高精度に推定可能な学習済モデルの生成が容易となる。
上記実施の形態の思想は、以上で説明された実施の形態に限定されない。以下、上記実施の形態の思想を適用できる他の実施の形態の一例について説明する。
Claims (8)
- 被験者の脳波に基づいて前記被験者の企図を推定する学習済モデルの生成に用いられるプログラムであって、
前記学習済モデルは、複数の教師データを用いた機械学習を通じて生成され、
前記機械学習においては、複数のパラメータの各々が事前に調整され、
前記複数の教師データの各々は、前記脳波に関する情報を含むと共に、前記複数のパラメータの少なくとも一部を踏まえた上で前記機械学習に用いられ、
前記プログラムは、
前記複数のパラメータの複数の組合せの各々に関して前記機械学習を行なうことによって複数の学習済モデルを生成するステップと、
前記複数の学習済モデルの各々に関して感度及び特異度を算出するステップと、
複数のモザイクグラフを共通の画面に表示させるステップとをコンピュータに実行させ、
前記複数のモザイクグラフの各々は、前記複数の組合せの少なくとも一部における前記感度に関する情報を示し、
前記複数のモザイクグラフに関して前提となる前記特異度に関する値は互いに異なる、プログラム。 - 前記複数のモザイクグラフの各々においては、前記複数のパラメータのうち少なくとも一部が前提の値として決められており、
前記前提の値の変更を受け付けるステップと、
前記前提の値が変更された場合に、前記複数のモザイクグラフの各々を更新するステップとを前記コンピュータにさらに実行させる、請求項1に記載のプログラム。 - 前記感度に関する情報は色情報を含み、
前記感度の値と色との対応関係を示すスケールの変更を受け付けるステップと、
前記スケールが変更された場合に、前記複数のモザイクグラフの各々を更新するステップとを前記コンピュータにさらに実行させる、請求項1又は請求項2に記載のプログラム。 - 前記感度に関する情報は数値情報を含む、請求項1又は請求項2に記載のプログラム。
- 前記感度及び前記特異度の両方に基づいて前記複数のパラメータの最適な組合せを導出するステップと、
前記最適な組合せにおける各パラメータの数値を前記画面に表示させるステップとを前記コンピュータにさらに実行させ、
前記複数のモザイクグラフの各々は、前記最適な組合せを前提として生成される、請求項1又は請求項2に記載のプログラム。 - 前記複数のモザイクグラフにおいて示される複数の前記感度に関する情報のうち最も高い感度を示す情報を前記画面に強調表示させるステップを前記コンピュータにさらに実行させる、請求項1又は請求項2に記載のプログラム。
- 被験者の脳波に基づいて前記被験者の企図を推定する学習済モデルの製造方法であって、
前記学習済モデルは、複数の教師データを用いた機械学習を通じて生成され、
前記機械学習においては、複数のパラメータの各々が事前に調整され、
前記複数の教師データの各々は、前記脳波に関する情報を含むと共に、前記複数のパラメータの少なくとも一部を踏まえた上で前記機械学習に用いられ、
前記製造方法は、
前記複数のパラメータの複数の組合せの各々に関して前記機械学習を行なうことによって複数の学習済モデルを生成するステップと、
前記複数の学習済モデルの各々に関して感度及び特異度を算出するステップと、
複数のモザイクグラフを共通の画面に表示するステップとを含み、
前記複数のモザイクグラフの各々は、前記複数の組合せの少なくとも一部における前記感度に関する情報を示し、
前記複数のモザイクグラフに関して前提となる前記特異度に関する値は互いに異なる、製造方法。 - 被験者の脳波に基づいて前記被験者の企図を推定する学習済モデルの製造装置であって、
前記学習済モデルは、複数の教師データを用いた機械学習を通じて生成され、
前記機械学習においては、複数のパラメータの各々が事前に調整され、
前記複数の教師データの各々は、前記脳波に関する情報を含むと共に、前記複数のパラメータの少なくとも一部を踏まえた上で前記機械学習に用いられ、
前記製造装置は、
プロセッサと、
前記プロセッサによって実行されるプログラムを記憶するメモリとを備え、
前記プログラムは、
前記複数のパラメータの複数の組合せの各々に関して前記機械学習を行なうことによって複数の学習済モデルを生成するステップと、
前記複数の学習済モデルの各々に関して感度及び特異度を算出するステップと、
複数のモザイクグラフを共通の画面に表示させるステップとを前記プロセッサに実行させ、
前記複数のモザイクグラフの各々は、前記複数の組合せの少なくとも一部における前記感度に関する情報を示し、
前記複数のモザイクグラフに関して前提となる前記特異度に関する値は互いに異なる、製造装置。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022163043A JP7389425B1 (ja) | 2022-10-11 | 2022-10-11 | プログラム、製造方法、製造装置及び接続方法 |
PCT/JP2023/026946 WO2024079961A1 (ja) | 2022-10-11 | 2023-07-24 | プログラム、製造方法、製造装置及び接続方法 |
JP2023152236A JP7455315B1 (ja) | 2022-10-11 | 2023-09-20 | プログラム、製造方法、製造装置及び接続方法 |
JP2023204558A JP7432197B1 (ja) | 2022-10-11 | 2023-12-04 | プログラム、製造方法、製造装置及び接続方法 |
JP2024031910A JP2024061749A (ja) | 2022-10-11 | 2024-03-04 | プログラム、製造方法、製造装置及び接続方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022163043A JP7389425B1 (ja) | 2022-10-11 | 2022-10-11 | プログラム、製造方法、製造装置及び接続方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023152236A Division JP7455315B1 (ja) | 2022-10-11 | 2023-09-20 | プログラム、製造方法、製造装置及び接続方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7389425B1 true JP7389425B1 (ja) | 2023-11-30 |
JP2024056275A JP2024056275A (ja) | 2024-04-23 |
Family
ID=88917812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022163043A Active JP7389425B1 (ja) | 2022-10-11 | 2022-10-11 | プログラム、製造方法、製造装置及び接続方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7389425B1 (ja) |
WO (1) | WO2024079961A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210386351A1 (en) * | 2020-06-12 | 2021-12-16 | Korea University Research And Business Foundation | Brain-computer interface apparatus for minimizing signal correction process between users using clustering technology based on brain activity and method of operating the same |
JP2022045493A (ja) * | 2020-09-09 | 2022-03-22 | 国立大学法人徳島大学 | 信号処理装置、信号処理方法および信号処理プログラム |
WO2022107292A1 (ja) * | 2020-11-19 | 2022-05-27 | Vie Style株式会社 | プログラム、情報処理方法、及び情報処理装置 |
-
2022
- 2022-10-11 JP JP2022163043A patent/JP7389425B1/ja active Active
-
2023
- 2023-07-24 WO PCT/JP2023/026946 patent/WO2024079961A1/ja unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210386351A1 (en) * | 2020-06-12 | 2021-12-16 | Korea University Research And Business Foundation | Brain-computer interface apparatus for minimizing signal correction process between users using clustering technology based on brain activity and method of operating the same |
JP2022045493A (ja) * | 2020-09-09 | 2022-03-22 | 国立大学法人徳島大学 | 信号処理装置、信号処理方法および信号処理プログラム |
WO2022107292A1 (ja) * | 2020-11-19 | 2022-05-27 | Vie Style株式会社 | プログラム、情報処理方法、及び情報処理装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2024079961A1 (ja) | 2024-04-18 |
JP2024056275A (ja) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7798981B2 (en) | Living body inspection apparatus | |
WO2012029742A1 (ja) | 意思伝達支援装置及び方法 | |
US10390722B2 (en) | Method for quantifying the perceptive faculty of a person | |
JP2009521246A (ja) | 精神状態の検出およびそれを用いる対話 | |
CN107209807A (zh) | 疼痛管理可穿戴设备 | |
JP2021514721A (ja) | 異常運動の検出および補正のためのシステム及び方法 | |
Sahyoun et al. | ParkNosis: Diagnosing Parkinson's disease using mobile phones | |
KR20220034790A (ko) | 환자의 피부톤을 기초로 진단 결정하는 머신 러닝 진단 모델의 세트 이용 | |
EP1214905A1 (en) | Electrocardiographic system with a communication device | |
JP7219182B2 (ja) | 検出装置および検出方法 | |
JP7389425B1 (ja) | プログラム、製造方法、製造装置及び接続方法 | |
JP7455315B1 (ja) | プログラム、製造方法、製造装置及び接続方法 | |
CN110693510A (zh) | 一种注意力缺陷多动障碍辅助诊断装置及其使用方法 | |
JP6975265B2 (ja) | コンピューティング・デバイス、非一過性のコンピュータ可読記憶媒体、脳波(eeg)信号におけるアーティファクトを除去する方法、およびコンピュータ・プログラム | |
KR102517366B1 (ko) | 비접촉식 생체센서 기반의 행동 추천 시스템 및 그 방법 | |
JP7122730B2 (ja) | 脳波信号評価装置の作動方法 | |
JP2018068538A (ja) | 生体情報測定装置及びプログラム | |
JP5296392B2 (ja) | 自己組織化マップを用いた健康状態判定支援システム及び自己組織化マップ生成システム | |
JP7256380B2 (ja) | 情報処理装置、危険状況検出システム、および危険状況検出方法 | |
KR101375673B1 (ko) | 간질 발작 경보 방법 및 이를 지원하는 단말기 | |
JP6851664B1 (ja) | 生体情報演算システム | |
JP7083185B2 (ja) | 生体情報演算システム | |
JP2018156485A (ja) | 携帯端末、診断方法及び診断プログラム | |
US20230021447A1 (en) | Method for Estimating Intention Using Unsupervised Learning | |
US20240055091A1 (en) | Method for calculating a degree of fatigue |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230724 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230822 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230920 |
|
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: 20231031 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231108 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7389425 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |