JP7458641B2 - 生体組織の電極配置推定方法 - Google Patents

Description

本発明は、生体組織の電極配置推定方法に関し、興奮波が組織内に伝播することにより興奮に伴って活動する生体組織の興奮波を検出するために生体組織に取り付けるべき電極の数と配置を推定する生体組織の電極配置推定方法に関する。

従来、この種の技術としては、興奮波が組織内を伝播することにより興奮に伴って活動する生体組織の各位置における興奮波の位相に基づいて各位置における周囲の位相の分散の程度を示す位相分散値を演算し、各位置における位相分散値の少なくとも一部の時系列に基づいて解析マップを作成するものが提案されている（例えば、特許文献１参照）。位相分散値は、周囲の位相の分散の程度を示すから、周囲の位相の分散の程度が大きい位置を旋回興奮波の旋回中心として認定することができ、周囲の位相の分散の程度は、その時刻より前に旋回中心であったか、或いは、その時刻より後に旋回中心になり得るか、の可能性を見いだすことができるから、これらの結果、解析マップは、旋回興奮波に関する解析を行なうためのマップとなる。

特開２０１８－１７１１９４号公報

上述の技術では、生体組織の各位置における興奮波を検出するために生体組織の各位置に電極を配置する必要があるが、生体組織への電極の取り付けは生体組織への負荷となるため、同じ大きさの計測範囲を計測するのに必要な電極数はできる限り少ない方が望ましい。このため、興奮波を検出するために必要な生体組織に取り付けるべき電極の数と配置とを求めることが課題となる。

本発明の生体組織の電極配置推定方法は、生体組織の興奮波を検出する電極のより適正な配置を推定することを主目的とする。

本発明の生体組織の電極配置推定方法は、上述の主目的を達成するために以下の手段を採った。

本発明の生体組織の電極配置推定方法は、
興奮波が組織内に伝播することにより興奮に伴って活動する生体組織の前記興奮波を検出するために前記生体組織に取り付けるべき電極の数と配置を推定する生体組織の電極配置推定方法であって、
前記興奮波を検出するのに十分な数の電極を平面に整列配置した初期電極アレイを第１電極アレイとし、前記初期電極アレイを用いて前記生体組織に取り付けたときに各電極により得られる検出信号を取得する信号取得ステップと、
前記第１電極アレイから所定数の電極をランダムに削除した複数の第２電極アレイの各電極により得られた検出信号に基づく複数の入力データに対して前記初期電極アレイを用いて各電極の検出信号を得る際の興奮波の画像を教師データとして用いて深層学習により前記入力データと前記興奮波の画像との関係を学習して学習済モデルを取得する学習済モデル取得ステップと、
前記複数の入力データを前記学習済モデルに適用して得られる複数の解析画像のうち前記教師データの画像に対して最も適合する画像に対応する第２電極アレイを選択電極アレイとして選択する電極アレイ選択ステップと、
前記選択電極アレイを最適電極アレイとし、該最適電極アレイの電極の数と配置を前記生体組織に取り付けるべき電極の数と配置として推定する電極配置推定ステップと、
を備える生体組織の電極配置推定方法。

本発明の生体組織の電極配置推定方法では、まず、興奮波を検出するのに十分な数の電極を平面に整列配置した初期電極アレイを用いて生体組織に取り付けたときに各電極により得られる検出信号を取得する。次に、初期電極アレイを第１電極アレイとし、第１電極アレイから所定数の電極をランダムに削除した複数の第２電極アレイの各電極により得られた検出信号に基づく複数の入力データに対して初期電極アレイを用いて各電極の検出信号を得る際の興奮波の画像を教師データとして用いて深層学習により複数の入力データと興奮波の画像との関係を学習して学習済モデルを取得する。続いて、複数の入力データを取得した学習済モデルに適用して得られる複数の解析画像のうち教師データの画像に対して最も適合する画像に対応する第２電極アレイを選択電極アレイとして選択する。そして、選択した選択電極アレイを最適電極アレイとし、この最適電極アレイの電極の数と配置を生体組織に取り付けるべき電極の数と配置として推定する。これにより、初期電極アレイから所定数の電極を削除したときの複数の第２電極アレイのうち生体組織の興奮波を検出する電極アレイとして最も適正な電極の配置の電極アレイを最適電極アレイとして選択することができる。これにより、生体組織の興奮波を検出する電極のより適正な配置を推定することができる。

こうした本発明の生体組織の電極配置推定方法において、前記複数の入力データは、電極間では電極の検出信号を最近傍法で補間した信号に基づいて調整されるものとしてもよい。こうすれば、入力データに電極間の信号を含めることができ、より適正な学習済モデルを得ることができる。この結果、生体組織の興奮波を検出する電極のより適正な配置を推定することができる。

本発明の生体組織の電極配置推定方法において、前記電極アレイ選択ステップにより選択した前記選択電極アレイを前記第１電極アレイとして用いて前記学習済モデル取得ステップと前記電極アレイ選択ステップとを繰り返し実行するものとしてもよい。なお、学習済モデル取得ステップにおける「所定数」は、繰り返す毎に同じ値でもよいし異なる値でもよい。こうすれば、より電極数の少ない電極アレイを最適電極アレイとして選択することができ、生体組織の興奮波を検出するのにより少ない電極のより適正な配置を推定することができる。この場合、前記電極配置推定ステップは、前記選択電極アレイにより得られた解析画像が前記教師データの画像に対して許容範囲外となったときに前回実行された前記電極アレイ選択ステップで選択された選択電極アレイを前記最適電極アレイとするものとしてもよい。こうすれば、教師データの画像に対して許容範囲内となる解析画像に対応する電極アレイのうち最も電極数の少ない電極アレイを最適電極アレイとすることができる。

実施形態の生体組織の電極配置推定処理の概略の一例を示すフローチャートである。 電極数が４００の電極アレイの一例を示す説明図である。 図２の電極アレイの各電極で得られる検出信号の一例を示す説明図である。 電極を削除した電極アレイの一例を示す説明図である。 信号マップの一例を示す説明図である。 信号マップ（動画）と興奮波マップ（動画）との対応づけを説明するための模式図である。 入力データと教師データとを用いて学習済モデルを取得する深層学習の概念を示す説明図である。 信号マップを入力データとして学習済モデルに適用して解析画像を作成する際の概念を示す説明図である。 電極アレイの電極数と推定エラーとの関係の一例を示す説明図である。 ２５個の電極を５行５列に平面に整列配置した電極アレイから５個ずつ電極数を削減したときの様子の一例を示す説明図である。 ２５個の電極を整列配置した電極アレイから５個ずつ電極数を削減したときの電極アレイと信号マップと解析画像とを教師データの画像と共に示す説明図である。

次に、本発明を実施するための形態について説明する。図１は、実施形態の生体組織の電極配置推定処理の概略の一例を示すフローチャートである。電極配置推定処理では、まず、生体組織の興奮波を検出するには十分な数の複数の電極を平面に整列配置した電極アレイ（初期電極アレイ）を生体組織に取り付けて各電極により得られる興奮波の検出信号を取得する（ステップＳ１００）。電極数が４００の初期電極アレイの一例を図２に示し、この初期電極アレイの各電極で得られる検出信号の一例を図３に示す。図２の例では、初期電極アレイの中央が旋回興奮波の旋回中心に一致するように初期電極アレイが取り付けられている。各電極で得られる検出信号は、伝播する興奮波を各電極点で時間の経過に伴って検出される電圧変化の信号である。

続いて、初期電極アレイを第１電極アレイとして、第１電極アレイからＭ個の電極をランダムに削除した異なる電極配置のＮ個の第２電極アレイを作成する（ステップＳ１１０）。すなわち、第２電極アレイはＮ個（Ｎ通り）のパターンが作成される。初期電極アレイ（第１電極アレイ）からＭ個の電極を削除した第２電極アレイの一例を図４に示す。Ｍは値１或いは２以上の複数であり、Ｎは２以上の複数である。こうしたＭ個の電極を削除したＮ個の第２電極アレイの各電極による検出信号を用いて各電極アレイにおける電極間の補間信号を調整し（ステップＳ１２０）、各電極の検出信号と補間信号とを用いて各電極アレイの信号マップを作成する（ステップＳ１３０）。実施例では、電極間の補間信号は最近傍法により調整した。信号マップの一例を図５に示す。図５の例の信号マップでは、検出信号の強度を濃淡として表わしている。なお、検出信号も補間信号も時間の経過に伴って変化する時系列データであるから、信号マップも時間の経過に伴って変化する時系列マップ（動画）となる。

後述のとおり、ステップＳ１４０において、訓練データを用いて、深層学習により学習済モデルを取得し、ステップＳ１５０において、テストデータを用いて、学習済モデルの最終的な推論結果を評価する。ここで、これらのステップの前提として、図６を用いて、訓練データ、テストデータ等のデータセット（信号マップ（時系列マップ：動画）と興奮波の画像（時系列画像：動画）が対応付けられたデータセット）を作成する方法について説明する。これは、本発明においては、深層学習において入力層となる信号マップ（動画）と、出力層となる興奮派の画像（動画）との対応関係を規定することが重要になるからである。なお、以下では、興奮波の画像（時系列画像：動画）を「興奮波マップ」と呼ぶことがある。

図６は、信号マップ（動画）と興奮波マップ（動画）との対応づけを説明するための模式図である。１つの興奮波の画像（静止画）は、所定区間の信号マップのうち最後の１つの画像（静止画）と対応づける。具体的には、図６に示すとおり、時刻Ｔの興奮波の画像（静止画）は、時刻０から時刻Ｔの区間の信号マップ（図６の太線で示す４枚の連続する静止画で構成される動画ａ）と対応させる。同様に、時刻Ｔ＋ｔの興奮波の画像（静止画）は、時刻０から時刻Ｔの区間の信号マップから所定時間ｔずらした区間（時刻ｔから時刻Ｔ＋ｔの区間）の信号マップ（図７のｂ）に対応させる。このように一定区間長さＴの信号マップ（動画）と、興奮波の画像（静止画）とを対応づけ、これを続けることによって、信号マップ（動画）と興奮波マップ（動画）とを対応づけることができる。なお、この例では、１つの興奮波の画像（静止画）の時刻を、所定区間の信号マップのうち最後の１つの画像（静止画）の時刻に対応させる例について説明したが、これに限定されるものではなく、所定区間の信号マップのうちのいずれの時刻の画像（静止画）を対応させてもよい。また、所定時間ｔの下限は、電極で得られる検出信号（アナログ信号）をデジタル信号に変換する際のサンプリングレートｆの逆数（１／ｆ）である。

以上を踏まえ、まず、深層学習による学習済モデルの取得について説明する。図１に戻って説明すると、図１のステップＳ１４０に示すように、信号マップ（時系列マップ）を入力データとし、初期電極アレイにより検出信号を検出したときの各電極の検出信号に基づく興奮波の画像（時系列画像：動画）あるいは光学計測等の電気計測以外の方法で計測された信号に基づく興奮波の画像（時系列画像：動画）を教師データとして深層学習（ディープラーニング）により入力データと興奮波の伝播を示す画像（動画）との関係の学習結果を学習済モデルとして取得する（ステップＳ１４０）。入力データと教師データとを用いて学習済モデルを取得する深層学習の概念を図７に示す。前述のとおり、第２電極アレイはＮ個（Ｎ通り）のパターンがあるため、取得する学習済モデルは、各パターンに対応するＮ個の学習済みモデルである。

次に、テストデータを用いて学習済モデルの最終的な推論結果を評価することについて説明する。ステップＳ１３０で作成したＮ個の第２電極アレイの信号マップ（時系列マップ）の入力データをステップＳ１４０で取得した対応する各学習済モデルに適用してＮ個の解析画像（時系列画像：動画）を作成する（ステップＳ１５０）。入力データを学習済モデルに適用して解析画像を作成する際の概念の一例を図８に示す。そして、作成したＮ個の解析画像を教師データの画像と比較し、Ｎ個の解析画像のうち教師データの画像に最も適合する解析画像に対応する電極アレイを選択電極アレイとして選択する（ステップＳ１６０）。解析画像と教師データの画像との適合度合いは、例えば、興奮波を検知可能な程度の画素に画像を分割し、各分割画像の輝度の許容範囲を定めておき、解析画像の各分割画像の輝度と教師データの画像の各分割画像の輝度とを比較し、許容範囲を超えるもの（推定エラー）の数として求めたり、目視によって定めたりすることができる。ステップＳ１６０では、推定エラーの最も小さい解析画像に対応する電極アレイを選択電極アレイとして選択するのである。なお、ステップＳ１４０とステップＳ１５０との間に、Ｓ１４０において使用していない検証データを用いて、学習の結果を評価してもよい。この場合、ステップＳ１５０で用いるテストデータは、訓練データ及び検証データとして使用していないデータセットである。

続いて、選択電極アレイにより得られた解析画像は興奮波を検出するのに許容範囲内の画像であるか否かを判定する（ステップＳ１７０）。この処理は上述の推定エラーを用いれば、推定エラーの数が閾値以下であるか否かにより判定することができる。図９に、電極アレイの電極数と推定エラーとの関係の一例を示す。図示するように、推定エラーは電極アレイの電極数が小さくなるほど大きくなる。閾値は、興奮波のうち検出する事象に必要な精度により異なるものとなり、例えば興奮波の有無の検出では比較的大きな値となり、旋回興奮波の旋回中心の位置を特定するような検出では比較的小さな値となると考えられる。なお、電極アレイの電極数と推定エラーの曲線と閾値との交点の電極数Ｍｍｉｎが許容範囲内となる電極アレイの最小電極数となる。

ステップＳ１７０で選択電極アレイにより得られた解析画像は興奮波を検出するのに許容範囲内の画像であると判定されたときには、この選択電極アレイを構成する電極配置よりもさらに電極を少なくした電極配置を有する「新たな」選択電極アレイを採用できる可能性がある。そこで、ステップＳ１１０に戻り、選択電極アレイを「新たな」第１電極アレイとしてステップＳ１１０～Ｓ１７０の処理を行なう。このとき、ＭとＮは前回ステップＳ１１０を実行したときと同じ値としてもよいし、異なる値としてもよい。ステップＳ１１０～Ｓ１７０の処理を行った結果、ステップＳ１７０において「新たな」選択電極アレイにより得られた解析画像が興奮波を検出するのに許容範囲内の画像であると判定された場合は、さらにこの「新たな」選択電極アレイを、「次の新たな」第１電極アレイとすることができる（以下では、「新たな」第１電極アレイ、「次の新たな」第１電極アレイをまとめて「第１電極アレイ」といい、「新たな」第２電極アレイを「第２電極アレイ」という場合がある。）。

このステップＳ１１０～Ｓ１７０を繰り返す処理は、選択電極アレイを第１電極アレイとして段階的に電極数を削除して電極数の少ない選択電極アレイを選択する処理を繰り返すものとなる。この処理の一例として、２５個の電極を５行５列に平面に整列配置した電極アレイから５個ずつ電極数を削減したときの様子の一例を図１０に示す。図１０では、図中２段目の２０個の電極のＮ個の第２電極アレイでは左から３番目の第２電極アレイが教師データの画像に最も適合する画像に対応する選択電極アレイとして選択され、３段目の１５個の電極のＮ個の第２電極アレイでは左から２番目の第２電極アレイが教師データの画像に最も適合する画像に対応する選択電極アレイとして選択され、４段目の１０個の電極のＮ個の第２電極アレイでは左から２番目の第２電極アレイが教師データの画像に最も適合する画像に対応する選択電極アレイとして選択されている。なお、図１０に示す例では、ステップＳ１７０でＹＥＳとなった場合にさらにステップＳ１１０～Ｓ１７０を繰り返す際に、何度目の繰り返し処理かによらず、所定の値の電極数（この例では、５個）を削除している。もっとも、削除する電極数は、所定の値でなくてもよく、繰り返し処理の回数に応じて変動させてもよい。図１０に示す例とは異なり、繰り返しの回数が増加するごとに、削除する電極数を減少させてもよい。例えば、図中２段目から３段目に移行する際（繰り返し処理の回数が１回目）には、削除する電極数を５個とし、図中３段目から４段目に移行する際（繰り返し処理の回数が２回目）には、削除する電極数を５個よりも少ない３個としてもよい。

ステップＳ１１０～Ｓ１７０を繰り返す処理において、ステップＳ１７０で選択電極アレイにより得られた解析画像は興奮波を検出するのに許容範囲内の画像ではないと判定したときには、ここで選択された第２電極アレイ（Ｎ通りの電極配置）では、所望のレベルを得られる電極配置がなかったものと判断されることになる。この場合は、前回のステップＳ１１０～Ｓ１７０の処理で選択された選択電極アレイを最適電極アレイとして選択し（ステップＳ１８０）、電極配置推定処理を終了する。この最適電極アレイは、ステップＳ１１０のＭを小さくすると共にＮを大きくすることにより、推定エラーが許容範囲となる電極アレイのうち電極数が最小となる電極アレイが選択されることになる。このようにして得られた最適電極アレイは、生体組織の興奮波の検出や旋回興奮波の旋回中心の位置の特定などに用いられる。

なお、削除する電極数であるＭの値が２以上の複数の場合には、ステップＳ１７０でＮＯとなった場合に、ステップＳ１８０に進まず、さらに電極数を調整し、ステップＳ１１０～Ｓ１７０を繰り返してもよい。具体的には、図１０の例において、図中２段目の２０個の電極のＮ個の第２電極アレイでは左から３番目の第２電極アレイが教師データの画像に最も適合する画像に対応する選択電極アレイとして選択され、ステップＳ１７０で選択電極アレイにより得られた解析画像は興奮波を検出するのに許容範囲内の画像であると判定されたとする（ステップＳ１７０でＹＥＳの場合）。この場合、ステップＳ１１０に戻る。そして、３段目の１５個の電極のＮ個の第２電極アレイでは左から２番目の第２電極アレイが教師データの画像に最も適合する画像に対応する選択電極アレイとして選択されるが、ステップＳ１７０で選択電極アレイにより得られた解析画像は興奮波を検出するのに許容範囲内の画像ではないと判定されたとする（ステップＳ１７０でＮＯの場合）。この場合、電極数１９個から１６個の場合についてはステップＳ１１０～Ｓ１７０の処理の対象とはなっていないことから、電極数が１９個から１６個のいずれかのときに最小電極数になる可能性もある。

そこで、削除する電極数であるＭの値が２以上の複数の場合で、ステップＳ１７０でＮＯとなった場合には、ステップＳ１７０でＮＯとなった際の電極数を基準に電極数を増加させたうえで、ステップＳ１１０～Ｓ１７０を繰り返してもよい。具体的には、１５個の電極数としたときにステップＳ１７０でＮＯとなった場合、１５個の電極数を基準として、電極数を２個増加させたうえで、つまり、電極数を１７個としてステップＳ１１０～Ｓ１７０を繰り返す。１７個の電極数としたときにステップＳ１７０でＮＯとなった場合には、１７個の電極数を基準として、電極数を１個又は２個増加させたうえで、ステップＳ１１０～Ｓ１７０を繰り返す。他方、削除する電極数であるＭの値が２以上の複数の場合で、ステップＳ１７０でＹＥＳとなった場合には、ステップＳ１７０でＹＥＳとなった際の電極数を基準に電極数を減少させたうえで、ステップＳ１１０～Ｓ１７０を繰り返してもよい。具体的には、１７個の電極数としたときにステップＳ１７０でＹＥＳとなった場合には、ステップＳ１７０でＹＥＳとなった際の電極数（１７個）を基準に電極数を減少したうえで、すなわち、電極数を１６個としてステップＳ１１０～Ｓ１７０を繰り返してもよい。電極数を１６個としてステップＳ１７０でＮＯとなった場合は、１７個の電極数が最小電極数となる。このようにステップＳ１７０でＹＥＳ／ＮＯとなった際の電極数を基準として、電極数を減少／増加してステップＳ１１０～Ｓ１７０を繰り返すことにより、２０個から１５個の間で最適な電極数（最小電極数）を求めることが可能となる。また、削除する電極数であるＭの値が２以上の複数の場合で、ステップＳ１７０でＮＯとなった場合には、１つ前の電極数（ステップＳ１７０で最後にＹＥＳとなった際の電極数）を基準として、電極数を１個削除したうえで、ステップＳ１１０～Ｓ１７０を繰り返してもよい。最小電極数の求め方は、これらに限定されるものではなく、適宜に設定可能である。

図１１は、２５個の電極を５行５列に平面に整列配置した電極アレイから５個ずつ電極数を削減したときの教師データの画像に最も適合する画像に対応する電極アレイとその信号マップと解析画像とを教師データの画像と共に示す説明図である。解析画像から解るように、興奮波の有無の検出であれば電極数は５個でもよいと考えられるが、旋回興奮波の旋回中心の位置を特定するためには電極数は１０個以上必要であると考えられる。

以上説明した実施形態の生体組織の電極配置推定方法では、まず、興奮波を検出するのに十分な数の電極を平面に整列配置した初期電極アレイを生体組織に取り付けたときに初期電極アレイの各電極により得られる検出信号を取得する。次に、初期電極アレイを第１電極アレイとすると共に、第１電極アレイからランダムにＭ個の電極を取り除いたＮ個の第２電極アレイの各電極により得られる検出信号に基づいて得られるＮ個の信号マップをＮ個の入力データ（Ｎ個の訓練データ）とすると共に初期電極アレイを用いて各電極の検出信号を得る際の興奮波の画像を教師データとして入力データと興奮波の画像との関係を学習済モデルとして取得する。そして、Ｎ個の入力データをＮ個のテストデータとして学習済モデルに適用してＮ個の解析画像を作成し、このＮ個の解析画像のうち教師データの画像に最も適合する解析画像の第２電極アレイを選択電極アレイとして選択する。そして、選択した選択電極アレイを第１電極アレイとして学習済モデルを取得する処理と選択電極アレイと選択する処理とを繰り返し、解析画像が教師データの画像に対して許容範囲となる最小電極数の選択電極アレイを最適電極アレイとして選択する。この最適電極アレイの電極数と電極配置が生体組織の興奮波を検出するためのものとしてより適正なものとなる。これにより、生体組織の興奮波を検出する電極のより適正な配置を推定することができる。また、電極アレイにおける電極間では検出信号を用いて最近傍法により補間信号を調整したので、入力データに電極間の信号を含めることができ、より適正な学習済モデルを得ることができる。

実施形態の生体組織の電極配置推定方法では、選択した選択電極アレイを第１電極アレイとして学習済モデルを取得する処理と選択電極アレイと選択する処理とを繰り返し、解析画像が教師データの画像に対して許容範囲となる最小電極数の選択電極アレイを最適電極アレイとして選択するものとした。しかし、初期電極アレイを第１電極アレイとして学習済モデルを取得し、これに基づいて選択した選択電極アレイを最適電極アレイとして選択するものとしてもよい。即ち、繰り返し処理を実行しないものとしてもよい。

実施形態の生体組織の電極配置推定方法では、電極アレイにおける電極間では検出信号を用いて最近傍法により補間信号を調整したが、電極間では補間しないものとしても構わない。

以上、本発明を実施するための形態について説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において、種々なる形態で実施し得ることは勿論である。

本発明は、生体組織の電極配置推定方法の製造産業などに利用可能である。

Claims (4)

1. 興奮波が組織内に伝播することにより興奮に伴って活動する生体組織の前記興奮波を検出するために前記生体組織に取り付けるべき電極の数と配置を推定する生体組織の電極配置推定方法であって、
   前記興奮波を検出するのに十分な数の電極を平面に整列配置した初期電極アレイを第１電極アレイとし、前記初期電極アレイを用いて前記生体組織に取り付けたときに各電極により得られる検出信号を取得する信号取得ステップと、
   前記第１電極アレイから所定数の電極をランダムに削除した複数の第２電極アレイの各電極により得られた検出信号に基づく複数の入力データに対して前記初期電極アレイを用いて各電極の検出信号を得る際の興奮波の画像を教師データとして用いて深層学習により前記入力データと前記興奮波の画像との関係を学習して学習済モデルを取得する学習済モデル取得ステップと、
   前記複数の入力データを前記学習済モデルに適用して得られる複数の解析画像のうち前記教師データの画像に対して最も適合する画像に対応する第２電極アレイを選択電極アレイとして選択する電極アレイ選択ステップと、
   前記選択電極アレイを最適電極アレイとし、該最適電極アレイの電極の数と配置を前記生体組織に取り付けるべき電極の数と配置として推定する電極配置推定ステップと、
   を備える生体組織の電極配置推定方法。
2. 請求項１記載の生体組織の電極配置推定方法であって、
   前記複数の入力データは、電極間では電極の検出信号を最近傍法で補間した信号に基づいて調整される、
   生体組織の電極配置推定方法。
3. 請求項１または２記載の生体組織の電極配置推定方法であって、
   前記電極アレイ選択ステップにより選択した前記選択電極アレイを前記第１電極アレイとして用いて前記学習済モデル取得ステップと前記電極アレイ選択ステップとを繰り返し実行する、
   生体組織の電極配置推定方法。
4. 請求項３記載の生体組織の電極配置推定方法であって、
   前記電極配置推定ステップは、前記選択電極アレイにより得られた解析画像が前記教師データの画像に対して許容範囲外となったときに前回実行された前記電極アレイ選択ステップで選択された選択電極アレイを前記最適電極アレイとする、
   生体組織の電極配置推定方法。

Images