JPH11319A - 生体内部活動部位推定装置 - Google Patents

生体内部活動部位推定装置

Info

Publication number
JPH11319A
JPH11319A JP9156984A JP15698497A JPH11319A JP H11319 A JPH11319 A JP H11319A JP 9156984 A JP9156984 A JP 9156984A JP 15698497 A JP15698497 A JP 15698497A JP H11319 A JPH11319 A JP H11319A
Authority
JP
Japan
Prior art keywords
unit
data
output
value
dipole
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.)
Pending
Application number
JP9156984A
Other languages
English (en)
Inventor
Toshimasa Yamazaki
敏正 山崎
Kenichi Kamijo
憲一 上條
Asaharu Kiyuna
朝春 喜友名
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP9156984A priority Critical patent/JPH11319A/ja
Priority to US09/096,368 priority patent/US6226544B1/en
Publication of JPH11319A publication Critical patent/JPH11319A/ja
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • 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]
    • A61B5/384—Recording apparatus or displays specially adapted 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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/22—Source localisation; Inverse modelling
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Psychiatry (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Fuzzy Systems (AREA)
  • Psychology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

(57)【要約】 【課題】 分布型双極子モデルを用いて、高速に、か
つ、ノイズの影響を少なく双極子の大きさを推定するこ
と。 【解決手段】 ニューラルネットワーク部３０におい
て、複数のユニット間の結合状態を示す結合係数とユニ
ットの闘値とを具備するニューラルネットワークを用い
て分布型双極子の大きさを推定する。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、生体表面上で観測
された電磁場分布に基づいて、生体内部の活動源を推定
する生体内部活動部位推定装置に関する。
【０００２】
【従来の技術】従来、生体表面上で観測された電磁場分
布に基づいて、生体内部の活動源を推定する場合、脳内
の主な活動源を電流双極子と置き換えて、双極子の位置
とモーメントを推定していた。例えば、観測された電磁
場分布から双極子の位置とモーメントを推定する方法と
しては、以下に説明するようなものがあった。
【０００３】まず、生体の電磁気的なモデルを用いて、
生体内部に双極子が発生すると仮定し、その双極子によ
って表面上に置かれた観測点において生じる電磁場分布
を計算する。
【０００４】次に、計算の結果得られたｉ番目の観測点
において生じる電磁場分布の計算値をφi (dip)、実際に
計測された観測値をφi (mes)とし、これらの誤差関数と
して、例えば、二乗誤差ｒを計算する。
【０００５】
【数１】 もし、二乗誤差ｒが予め決められた値よりも大きけれ
ば、マルカート法やシンプレックス法等に代表される数
値解析による最適化手法を用いて、二乗誤差ｒが小さく
なるように、双極子の位置とモーメントを修正する。
【０００６】それにより二乗誤差ｒが既定値よりも小さ
くなるような双極子の位置とモーメントが得られれば、
これを推定結果とする。
【０００７】なお、上述した方法については、「エレク
トリック・ダイポール・トレーシング・イン・ザ・ブレ
イン・バイ・ミーンズ・オブ・ザ・バウンダリ・エレメ
ント・メソッド・アンド・イッツ・アキュレシー、アイ
・トリプル・イー・トランザクションズ・オン・バイオ
メディカル・エンジニアリング、第ＢＭＥ−３４巻、第
６号」（Bin He et al., Electric Dipole Tracing in
the Brain by Means of the Boundary Element Method
and Its Accurecy, IEEE Transactuins on Biomedical
Engineering, Vol. BME-34, No.6, June 1978）（以
下、文献１と称する）に詳しく記載されている。
【０００８】また、生体内に比較的多くの双極子を仮定
し、その位置とモーメントの方向を固定して、双極子の
大きさのみを推定する分布型双極子モデルによる推定方
法においては、次のような推定を行なう。
【０００９】まず、推定すべき双極子の大きさをｑjと
すると、観測値φi (mes)は、生体の電磁気的なモデルと
双極子の位置・方向から計算される行列Ｆを用いて、
【００１０】
【数２】 の形式で表現される。通常、観測データ数に比べ、双極
子の数が大きいため、行列Ｆの一般逆行列Ｆ+を求める
ことにより、次式を用いて、双極子の大きさｑiを推定
することができる。
【００１１】
【数３】 なお、上述した方法については、「エレクトリック・ダ
イポール・トレーシング・イン・ザ・ブレイン・バイ・
ミーンズ・オブ・ザ・バウンダリ・エレメント・メソッ
ド・アンド・イッツ・アキュレシー、アイ・トリプル・
イー・トランザクションズ・オン・バイオメディカル・
エンジニアリング、第ＢＭＥ−３４巻、第６号」（J.Z.
Wang et al., Magnetic source images determeined by
a lesd-field analysis: the unique minimum-norm le
ast-squares estimation, IEEE Transactions on Biome
dical Engineering, Vol. BME-39No.7, July, 1992）
（以下、文献２と称する）に詳しく記載されている。
【００１２】
【発明が解決しようとする課題】しかしながら、上述し
たような従来のものにおいては、以下に記載するような
問題点がある。
【００１３】（１）双極子の位置とモーメントを推定す
る方法においては、多数回の繰り返し計算が必要である
ため、最終的な双極子の位置とモーメントを得るまで
に、非常に多くの時間が費やされてしまう。
【００１４】また、仮定する双極子の数が増えれば増え
るほど、推定に必要な時間が膨大になってしまう。
【００１５】さらに、ある点での活動を一つの双極子と
して仮定しているため、広がりを持った活動源に対して
最適な推定値を得ることができない。
【００１６】（２）分布型双極子モデルを用いた方法に
おいては、観測データに多少のノイズが含まれる場合、
ノイズに対応する値が推定結果に大きく反映され、信頼
性が欠けてしまう。
【００１７】本発明は、上述したような従来の技術が有
する問題点に鑑みてなされたものであって、分布型双極
子モデルを用いて、高速に、かつ、ノイズの影響を少な
く双極子の大きさを推定することができる生体内部活動
部位推定装置を提供することを目的とする。
【００１８】
【課題を解決するための手段】上記目的を達成するため
に本発明は、生体表面上で観測された電磁場分布に基づ
いて、生体内部の活動源を推定する生体内部活動部位推
定装置において、生体モデルデータと分布型双極子位置
方向データと観測位置データとが入力され、入力された
データに基づいて順問題マトリクスを計算し出力する順
問題マトリクス変換手段と、電磁場分布測定データと前
記順問題マトリクスと入力され、前記電磁場分布測定デ
ータと前記順問題マトリクスとに基づいて、結合係数と
闘値とを計算する結合係数・闘値計算手段と、複数のユ
ニット間の結合状態を示す結合係数とユニットの闘値と
を具備するニューラルネットワークを用いて分布型双極
子の大きさを推定するニューラルネットワーク手段と、
該ニューラルネットワーク手段から出力されたユニット
出力値を推定結果に変換しその結果を出力する推定結果
出力手段とを有し、前記ニューラルネットワーク手段
は、各ユニット間の結合状態を示す結合係数を記憶する
結合係数記憶手段と、各ユニットの闘値を記憶する闘値
記憶手段と、各ユニットの出力値を記憶するユニット出
力記憶手段と、変更対象となるユニットを選択し、前記
結合係数記憶部から出力される結合係数と前記ユニット
出力記憶部から出力される各ユニットの出力値とが入力
され、ユニット出力値を計算して出力値を更新し、前記
結合係数と前記ユニット出力値とからネットワークエネ
ルギーを計算するユニット出力更新手段とを有し、前記
ネットワークエネルギーの減少率が予め設定された値よ
りも小さくなった時点で、ユニットの出力値を推定結果
とすることを特徴とする。
【００１９】また、電磁場分布測定データが入力され、
入力された電磁場分布測定データに基づいて生体内部の
総活動量を算出する総活動量算出手段を有することを特
徴とする。
【００２０】また、分布型電流双極子位置方向データと
空間的制約データとが入力され、入力されたデータに基
づいて、分布型双極子の活動の大きさを制限するマトリ
ックスを出力する空間的活動制約算出手段を有すること
を特徴とする。
【００２１】また、電磁場分布側定データと前記順問題
マトリックス変換部から出力された順問題マトリックス
データとが入力され、入力されたデータに基づいて一般
逆行列を算出する一般逆行列算出手段を有することを特
徴とする。
【００２２】（作用）以下に、上記のように構成された
生体内部活動部位推定装置の基本原理について説明す
る。
【００２３】本発明においては、相互結合型ニューラル
ネットワークを用いて、２式を満たす双極子の大きさを
推定する最適化を行なっている。この解法では、解くべ
き問題が有する目的関数や制約条件を表現するようにエ
ネルギー関数と呼ばれる評価関数を定義する。
【００２４】エネルギー関数として、ユニット出力が最
適解を表現する状態になったときに最小値をとるように
定義することにより、推定を行なう。相互結合型ニュー
ラルネットワークでは、並列的に処理することができる
ため、高速に推定することが可能となる。
【００２５】さらに、双極子の大きさの総和を制限した
り、双極子の位置関係によって、大きさの制約を課すよ
うなヒューリスティックの条件を容易にエネルギー関数
として組み込むことができるため、ノイズの影響を少な
く双極子の大きさを推定することが可能となる。
【００２６】
【発明の実施の形態】以下に、本発明の実施の形態につ
いて図面を参照して説明する。
【００２７】（第１の実施の形態）図１は、本発明の生
体内部活動部位推定装置の第１の実施の形態の構成を示
すブロック図である。
【００２８】なお、以下に示す実施の形態においては、
人間の脳内に活動源が生じている場合に、頭皮上の電磁
場分布から、脳内に仮定されたｍ個の分布型電流双極子
の大きさを推定する場合を例に挙げて説明を行なうが、
生体として心臓などを対象とする場合においても同様の
方法で推定することが可能である。
【００２９】電磁場分布測定データ１０１として、例え
ば、超電導量子干渉素子により計測した脳磁場データや
脳波計で計測した脳波データ等を用いることができる。
ここでは、脳磁場を例に挙げて説明を行なう。ここで、
観測点ｉにおける測定データを
【００３０】
【外１】 とする。
【００３１】測定位置データ１０２は、データを観測し
た超電導量子干渉素子の位置や電極の位置を表す。ここ
で、観測点ｉにおける頭皮上の位置をｘiとする。
【００３２】生体モデルデータ１０３は、頭部の大きさ
や形、頭部の層構造やその導電率などを表す。測定デー
タが磁場の場合、例えば、真空中の透磁率μ0が生体モ
デルデータ１０３となる。
【００３３】分布型電流双極子位置方向データ１０４
は、脳内に仮定した双極子において、固定する位置や方
向を表す。例えば、図５に示すようにシート状の格子点
にｎ個の双極子を設定し、その方向はその点におけるシ
ートの法線方向に固定する。
【００３４】図５は、分布型電流双極子を配置した一例
を示す図であり、双極子を矢印として表し、ある一列分
の双極子を模式的に示している。
【００３５】シート状に双極子を配置することは、脳内
の主な活動が皮質で行なわれていることを考慮すれば、
極めて妥当であると考えられる。このとき、格子点ｊに
おける分布型電流双極子の位置と方向として、それぞ
れ、ｙj，ｅjと表す。
【００３６】順問題マトリックス変換部５０は、測定位
置データ１０２、生体モデルデータ１０３及び分布型電
流双極子位置方向データ１０４が入力され、仮定される
双極子から頭皮上の電位を計算するための順問題マトリ
ックスデータ５０１を出力する。
【００３７】以下に、順問題マトリックスデータＦijを
算出する手続きについて説明する。
【００３８】ここで、観測点ｉのおける超電導量子干渉
計の観測面の法線成分をｎiとすると、仮定された分布
型双極子によって、観測点ｉに生成される磁場Ｂiは、
【００３９】
【数４】 で計算される。ここで、ｊ（ｙ）は、位置ｙにおける電
流密度を表す。計算機上で実装するために、積分を離散
化し、
【００４０】
【数５】 と変形を行なう。ここで、△Ａjはｊ番目の格子点の周
りの面積、ｈは電流の広がりの厚さである。
【００４１】また、ｑ（ｙj）＝ｊ（ｙj）△Ａｈはダイ
ポール・ベクトルであり、ｎi・ｑ（ｙj）×（ｘ−
ｙj）＝ｑ（ｙj）・（ｘ−ｙj）×ｎiを利用すれば、磁
場の式は、
【００４２】
【数６】 と表すことができる。ここで、ｑjはｊ番目の格子点に
おける双極子の大きさを表す。すなわち、順問題マトリ
ックスデータ５０１は、
【００４３】
【数７】 と定義することができ、入力されるデータから一意に計
算することができる。さらにｊ番目の格子点における双
極子の大きさｑjを正規化するために、スケールファク
タをこのマトリックスに組み込むことも可能である。
【００４４】順問題マトリックス変換部５０として、例
えば、パソコンやワークステーションを用いることがで
きる。また、上記のアルゴリズムを実現するプログラム
を記録した記録媒体を用い、パソコンやワークステーシ
ョンの動作を制御することにより実現することができ
る。記録媒体としては、磁気ディスク、半導体メモリや
その他の記録媒体を用いることができる。
【００４５】結合係数・闘値計算部２０は、電磁場分布
測定データ１０１と順問題マトリックスデータ５０１と
が入力され、相互結合型ニューラルネットワークにて用
いられる結合係数データ２０１と闘値データ２０２とを
出力する。
【００４６】以下に、結合係数データ２０１及び闘値デ
ータ２０２の算出方法について説明する。
【００４７】本発明で用いる相互結合型ニューラルネッ
トワークの構造を、例えば、図６に示すように、ｍ個の
ユニットから構成され、自分自身以外のユニットと結合
係数を持つものとする。
【００４８】図６は、相互結合型ニューラルネットワー
クの一例を示す模式図である。このとき、ｉ番目からｊ
番目のユニットヘの結合係数をｗijとすると、ｉ番目の
ユニットの出力値をｖiは、例えば次のように定義する
ことができる。
【００４９】
【数８】 ただし、
【００５０】
【数９】 ここで、τ0は定数、θiはｉ番目のユニットの闘値を表
す。このとき、ネットワークのエネルギー関数Ｅtotal
は、
【００５１】
【数１０】 で計算することができる。
【００５２】測定データと順問題マトリックスから脳内
双極子推定するには、二乗誤差
【００５３】
【数１１】 を最小にするような双極子の大きさｑjを推定すればよ
い。従って、相互結合型ニューラルネットワークのユニ
ットに双極子の大きさに対応する地を割り当てると、例
えば、目的関数のエネルギ−Ｅaとして、
【００５４】
【数１２】 を用いることができる。従って、Ａは正の係数とすれ
ば、
【００５５】
【数１３】 となるようにｗij，θiを定めれば良い。以上から、結
合係数は、
【００５６】
【数１４】 で与えることができ、入力された値から一意に決まる。
またｉ番目のユニットにおける閾値は、
【００５７】
【数１５】 で与えることができ、入力された値から一意に決まる。
【００５８】結合係数・闘値計算部２０として、例え
ば、パソコンやワークステーションを用いることができ
る。また、上記のアルゴリズムを実現するプログラムを
記録した記録媒体を用い、パソコンやワークステーショ
ンの動作を制御することにより実現することができる。
なお、記録媒体としては、磁気ディスク、半導体メモリ
やその他の記録媒体を用いることができる。
【００５９】ニューラルネットワーク部３０は、結合係
数記憶部３１と闘値記憶部３２とユニット出力更新部３
３とユニット出力記憶部３４から構成されており、それ
ぞれの具体的な機能は次の通りである。
【００６０】結合係数記憶部３１は、結合係数データ２
０１が入力され、ｉ番目からｊ番目への結合係数ｗijの
値を保持する。なお、結合係数記憶部３１としては、磁
気デイスク、半導体メモリやその他の記録媒体を用いる
ことができる。
【００６１】闘値記憶部３２は、闘値データ２０２が入
力され、ｉ番目のユニットにおける闘値θiの値を保持
する。なお、闘値記憶部３２としては、磁気ディスク、
半導体メモリやその他の記録媒体を用いることができ
る。
【００６２】ユニット出力更新部３３は、結合係数デー
タ３１１と闘値データ３２１とが入力され、ｉ番目のユ
ニットの値を上述した式８に従って計算する。更新後、
式１０に従ってネットワークのエネルギーを計算し、前
回の差を評価する。もし、その差が予め決められた値よ
り小さくなるか、指定された回数だけ更新したら、ユニ
ットの更新の動作を止めて、ユニット出力更新部３３に
ユニット出力結果データ４３１を出力するように指示す
る。
【００６３】出力値を更新するユニットを選択する方法
として、例えば、ランダムに対象となるユニットを選択
したり、決められた順番で選択したりすることができ
る。
【００６４】ユニット出力更新部３３として、パソコン
やワークステーションを用いることができる。また、上
記のアルゴリズムを実現するプログラムを記録した記録
媒体を用い、パソコンやワークステーションの動作を制
御することにより実現することができる。なお、記録媒
体としては、磁気デイスク、半導体メモリやその他の記
録媒体を用いることができる。
【００６５】ユニット出力記憶部３４は、ユニット出力
更新部３３から出力されたユニット出力更新データ３３
１が入力され、指定されたユニットの出力値の値を更新
する。もし、ネットワークの動作が終了したら、保持し
ているユニット出力結果データ４３１を出力する。な
お、ユニット出力記憶部３４としては、磁気ディスク、
半導体メモリやその他の記録媒体を用いることができ
る。
【００６６】ニューラルネットワーク部３０として、パ
ソコンやワークステーションを用いることができる。ま
た、上記で示した構成要素のアルゴリズムを実現するプ
ログラムを記録した記録媒体を用い、パソコンやワーク
ステーションの動作を制御することにより実現すること
ができる。なお、記録媒体としては、磁気ディスク、半
導体メモリやその他の記録媒体を用いることができる。
【００６７】推定結果出力部４０は、ユニット出力記憶
部３４から出力されたユニット出力結果データ４３１が
入力され、推定結果である双極子の大きさを出力する。
出力された大きさが正規化されたものであれば、元のス
ケールに変換する。なお、推定結果出力部４０として
は、ディスプレィやプリンタなどを用いることができ
る。
【００６８】以下に、上記のように構成された生体内部
活動部位推定装置の動作について説明する。
【００６９】図７は、図１に示した生体内部活動部位推
定装置の動作を説明するためのフローチャートである。
【００７０】まず、順問題マトリックス変換部５０にお
いて、観測位置データ１０２と生体モデルデータ１０３
と分布型電流双極子位置方向データ１０４とが入力さ
れ、順問題マトリックスが計算される（ステップＳ９０
１）。
【００７１】結合係数・闘値計算部３０においては、電
磁場分布測定データ１０１と順問題マトリックスデータ
５０１とが入力され、相互結合型ニューラルネットワー
クにおける結合係数データ２０１と闘値データ２０２と
が計算され、それぞれ、結合記憶部３１と闘記憶部３４
とに出力される（ステップＳ９０２）。
【００７２】ユニット出力記憶部３４においては、ユニ
ット出力の初期値が設定される（ステップＳ９０３）。
例えば、ある範囲の値をとる乱数系列からの値を代入す
ることも可能である。
【００７３】ユニット出力更新部３３においては、結合
係数データ３１１と闘値データ３２１とが入力され、ネ
ットワークエネルギーが計算され（ステップＳ９０
４）、更新対象となるユニットが選択される（ステップ
Ｓ９０５）。選択方法として、例えばランダムに選ぶこ
とが可能である。
【００７４】さらに、ユニット出力更新部３３において
は、選択されたユニットの出力値が計算され、ユニット
出力記憶部３４に出力される（ステップＳ９０６）。
【００７５】出力値が変更された後、ユニット出力更新
部３３において、ネットワークエネルギーが計算され
（ステップＳ９０７）、エネルギーの減少率が既定値よ
りも少なければ、ステップＳ９０９に進み、それ以外で
あればステップＳ９０５に進む（ステップ９０８）。
【００７６】その後、ユニット出力記憶部３４から推定
結果が出力される（ステップＳ９０９）。
【００７７】また、例えば、並列計算機を用いる場合、
相互結合型ニューラルネットワークのユニットを並列計
算機のプロセッサ要素に割り当てることにより、非常に
高速な推定を行なうことができる。
【００７８】（第２の実施の形態）図２は、本発明の生
体内部活動部位推定装置の第２の実施の形態の構成を示
すブロック図である。なお、本形態においては、図１に
示したものと共通の部分の説明は省略する。また、図２
において図１の構成部分と同じ要素については、同じ番
号を付して示してある。
【００７９】総活動量算出部部６０は、電磁場分布測定
データ１０１が入力され、相互結合型ニューラルネット
ワークで同時に発火するユニットの総活動量の上限を算
出し、総活動量データ６０１を出力する。算出方法とし
て、例えば、電磁場分布測定データの平均値に定数をか
けるなどを用いることができる。なお、総活動量算出部
部６０として、例えば、パソコンやワークステーション
を用いることができる。また、上記のアルゴリズムを実
現するプログラムを記録した記録媒体を用い、パソコン
やワークステーションの動作を制御することにより実現
することができる。なお、記録媒体としては、磁気ディ
スク、半導体メモリやその他の記録媒体を用いることが
できる。
【００８０】結合係数・闘値計算部２０は、電磁場分布
測定データ１０１と順問題マトリックスデータ５０１と
総活動量データ６０１とが入力され、相互結合型ニュー
ラルネットワークで用いる結合係数データ２０１と闘値
データ２０２とを出力する。
【００８１】総活動量をＭとすると、総活動量の制約に
関連するエネルギ−Ｅbは、例えば、
【００８２】
【数１６】 を用いることができる。
【００８３】従って、Ｂを正の係数とすれば、
【００８４】
【数１７】 となるようにｗij，θiを定めれば良い。以上から、結
合係数は、
【００８５】
【数１８】 で与えることができ、入力された値から一意に決まる。
また、ｉ番目のユニットにおける閾値は、
【００８６】
【数１９】 で与えることができ、入力された値から一意に決まる。
【００８７】以上のような装置を使用すれば、全体の発
火量を制限することができ、不必要なユニットの発火を
抑えることができる。
【００８８】（第３の実施の形態）図３は、本発明の生
体内部活動部位推定装置の第３の実施の形態の構成を示
すブロック図である。なお、本形態においては、図１に
示したものと共通の部分の説明は省略する。また、図３
において図１の構成部分と同じ要素については、同じ番
号を付して示してある。
【００８９】ｉ番目の双極子とｊ番目の双極子の関連性
をｒijとすれば、空間的制約データ１０５として、例え
ば、図８に示すようなｉ番目の双極子が他の双極子の距
離に応じて、メキシカンハット型の関連性を持つような
関連マトリックス
【００９０】
【外２】 を用いることができる。
【００９１】図８は、ｉ番目の双極子が他の双極子の距
離に応じた関連性を表す関数の一例を示す図である。
【００９２】また、次式に示すようにｈ1番目の双極子
がｈ2番目の双極子と神経生理学的に関連があることを
示すような関連マトリックス
【００９３】
【外３】 を用いることも可能である。
【００９４】
【数２０】 空間的活動制約算出部７０は、分布型電流双極子位置方
向データ１０４と空間的制約データ１０５とが入力さ
れ、分布型双極子の空間的な位置関係を考慮して、相互
結合型ニューラルネットワークの近傍での発火を制御し
たり、生理学的知見に基づいて、関連性の高い双極子同
士の発火を促進させたりするように、空間的活動制約マ
トリックスデータ７０１を算出し、出力する。
【００９５】ｉ番目の双極子とｊ番目の双極子間の空間
的活動制約マトリックスをＳijとすると、例えば、
【００９６】
【数２１】 として、空間的活動制約マトリクッスデータ７０１を算
出することができる。ただし、ａkは定数である。
【００９７】空間的活動制約算出部７０として、例え
ば、パソコンやワークステーションを用いることができ
る。また、上記のアルゴリズムを実現するプログラムを
記録した記録媒体を用い、パソコンやワークステーショ
ンの動作を制御することにより実現することができる。
なお、記録媒体としては、磁気ディスク、半導体メモリ
やその他の記録媒体を用いることができる。
【００９８】結合係数・闘値計算部２０は、電磁場分布
測定データ１０１と順問題マトリックスデータ５０１と
空間的活動制約マトリックスデータ７０１とが入力さ
れ、相互結合型ニューラルネットワークで用いる結合係
数データ２０１と闘値データ２０２とを出力する。
【００９９】空問的活動制約に関連するエネルギ−Ｅc
は、例えば、
【０１００】
【数２２】 を用いることができる。
【０１０１】従って、Ｃを正の係数とすれば、
【０１０２】
【数２３】 となるようにｗijを定めれば良い。以上から、結合係数
は、
【０１０３】
【数２４】 で与えることができ、入力された値から一意に決まる。
【０１０４】以上のような装置を使用すれば、近傍での
発火を制御したり、生理学的知見に基づいて、関連性の
高い双極子同士の発火を促進させたりすることができ
る。
【０１０５】（第４の実施の形態）図４は、本発明の生
体内部活動部位推定装置の第４の実施の形態の構成を示
すブロック図である。なお、本形態においては、図１に
示したものと共通の部分の説明は省略する。また、図４
において図１の構成部分と同じ要素については、同じ番
号を付して示してある。
【０１０６】一般逆行列算出部８０は、順問題マトリッ
クスデータ５０１が入力され、順問題マトリックスの一
般逆行列を算出し、さらに、電磁場分布測定データ１０
１から、一般逆行列による推定データ８０１を出力す
る。順問題マトリックスから一般逆行列を求めるには、
Moore-Penroseの一般逆行列を利用した解が知られてい
る。Moore-Penroseの一般逆行列は、順問題マトリクス
Ｆの特異値分解
【０１０７】
【数２５】 を利用する。ここで、ｕi，ｖiは，それぞれマトリクス
Ｕ，Ｖのｉ列を表す列ベクトルである。また，ｒはＦの
ランクを表わす。この特異値分解の結果を用いて、Ｆの
一般逆行列Ｆ+は、
【０１０８】
【数２６】 で与えられる。従って、一般逆行列による推定値
【０１０９】
【外４】 は、この一般逆行を用いて、
【０１１０】
【数２７】 と求めることができる。
【０１１１】一般逆行列算出部８０として、例えば、パ
ソコンやワークステーションを用いることができる。ま
た、上記のアルゴリズムを実現するプログラムを記録し
た記録媒体を用い、パソコンやワークステーションの動
作を制御することにより実現することができる。なお、
記録媒体として、磁気ディスク、半導体メモリやその他
の記録媒体を用いることができる。
【０１１２】結合係数・闘値計算部２０は、電磁場分布
測定データ１０１と順問題マトリックスデータ５０１と
一般逆行列による推定データ８０１とが入力され、相互
結合型ニューラルネットワークで用いる結合係数データ
２０１と闘値データ２０２とを出力する。
【０１１３】一般逆行列を用いた推定に関連するエネル
ギーＥdは、例えば、
【０１１４】
【数２８】 を用いることができる。
【０１１５】従って、Ｄを正の計数とすれば、
【０１１６】
【数２９】 となるようにｗij，θiを定めれば良い。以上から、結
合係数は、
【０１１７】
【数３０】 で与えることができ、入力された値から一意に決まる。
また、ｉ番目のユニットにおける闘値は、
【０１１８】
【数３１】 で与えることができ、入力された値から一意に決まる。
【０１１９】計測データにノイズが含まれていた場合、
一般逆行列による推定データ８０１に不正な値が含まれ
てしまうが、以上のような装置を使用すれば、それを補
正することができる。
【０１２０】
【発明の効果】以上説明したように、本発明において
は、相互結合型ニュートラルネットワークによって、最
適化を行なうことにより、並列計算が容易な枠組とな
り、並列化による高速化が可能となる。また、様々な制
約条件を一元的に扱うことが可能となるため、生理学的
な知見などを組み込むことによりノイズの影響を抑える
ことが可能となる。
【０１２１】それにとり、相互結合型ニュートラルネッ
トワークを利用し、総活動量の制限や空間的な活動制限
を組み込むことより、高速に、かつ、ノイズの影響を少
なく双極子の大きさを推定することが可能となる。
【図面の簡単な説明】
【図１】本発明の生体内部活動部位推定装置の第１の実
施の形態の構成を示すブロック図である。
【図２】本発明の生体内部活動部位推定装置の第２の実
施の形態の構成を示すブロック図である。
【図３】本発明の生体内部活動部位推定装置の第３の実
施の形態の構成を示すブロック図である。
【図４】本発明の生体内部活動部位推定装置の第４の実
施の形態の構成を示すブロック図である。
【図５】分布型電流双極子を配置した一例を示す図であ
る。
【図６】相互結合型ニューラルネットワークの一例を示
す模式図である。
【図７】図１に示した生体内部活動部位推定装置の動作
を説明するためのフローチャートである。
【図８】ｉ番目の双極子が他の双極子の距離に応じた関
連性を表す関数の一例を示す図である。
【符号の説明】
２０ 結合係数・閾値計算部 ３０ ニュートラルネットワーク部 ３１ 結合係数記憶部 ３２ 閾値記憶部 ３３ ユニット出力更新部 ３４ ユニット出力記憶部 ４０ 推定結果出力部 ５０ 順問題マトリックス変換部 ６０ 総活動量算出部 ７０ 空間的活動制約算出部 ８０ 一般逆行列算出部 １０１ 電磁場分布測定データ １０２ 観測位置データ １０３ 生体モデルデータ １０４ 分布型電流双極子位置方向データ １０５ 空間的制約データ ２０１ 結合係数データ ２０２ 閾値データ ３１１ 結合係数データ ３２１ 閾値データ ３３１ ユニット出力更新データ ３４１ ユニット出力データ ３４２ ユニット出力結果データ ５０１ 順問題マトリックスデータ ６０１ 総活動量データ ７０１ 空間的活動制約マトリックスデータ ８０１ 一般逆行列による推定データ

Claims (4)

    【特許請求の範囲】
  1. 【請求項１】 生体表面上で観測された電磁場分布に基
    づいて、生体内部の活動源を推定する生体内部活動部位
    推定装置において、 生体モデルデータと分布型双極子位置方向データと観測
    位置データとが入力され、入力されたデータに基づいて
    順問題マトリクスを計算し出力する順問題マトリクス変
    換手段と、 電磁場分布測定データと前記順問題マトリクスと入力さ
    れ、前記電磁場分布測定データと前記順問題マトリクス
    とに基づいて、結合係数と闘値とを計算する結合係数・
    闘値計算手段と、 複数のユニット間の結合状態を示す結合係数とユニット
    の闘値とを具備するニューラルネットワークを用いて分
    布型双極子の大きさを推定するニューラルネットワーク
    手段と、 該ニューラルネットワーク手段から出力されたユニット
    出力値を推定結果に変換しその結果を出力する推定結果
    出力手段とを有し、 前記ニューラルネットワーク手段は、 各ユニット間の結合状態を示す結合係数を記憶する結合
    係数記憶手段と、 各ユニットの闘値を記憶する闘値記憶手段と、 各ユニットの出力値を記憶するユニット出力記憶手段
    と、 変更対象となるユニットを選択し、前記結合係数記憶部
    から出力される結合係数と前記ユニット出力記憶部から
    出力される各ユニットの出力値とが入力され、ユニット
    出力値を計算して出力値を更新し、前記結合係数と前記
    ユニット出力値とからネットワークエネルギーを計算す
    るユニット出力更新手段とを有し、 前記ネットワークエネルギーの減少率が予め設定された
    値よりも小さくなった時点で、ユニットの出力値を推定
    結果とすることを特徴とする生体内部活動部位推定装
    置。
  2. 【請求項２】 請求項１に記載の生体内部活動部位推定
    装置において、 電磁場分布測定データが入力され、入力された電磁場分
    布測定データに基づいて生体内部の総活動量を算出する
    総活動量算出手段を有することを特徴とする生体内部活
    動部位推定装置。
  3. 【請求項３】 請求項１または請求項２に記載の生体内
    部活動部位推定装置において、 分布型電流双極子位置方向データと空間的制約データと
    が入力され、入力されたデータに基づいて、分布型双極
    子の活動の大きさを制限するマトリックスを出力する空
    間的活動制約算出手段を有することを特徴とする生体内
    部活動部位推定装置。
  4. 【請求項４】 請求項１乃至３のいずれか１項に記載の
    生体内部活動部位推定装置において、 電磁場分布側定データと前記順問題マトリックス変換部
    から出力された順問題マトリックスデータとが入力さ
    れ、入力されたデータに基づいて一般逆行列を算出する
    一般逆行列算出手段を有することを特徴とする生体内部
    活動部位推定装置。
JP9156984A 1997-06-13 1997-06-13 生体内部活動部位推定装置 Pending JPH11319A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP9156984A JPH11319A (ja) 1997-06-13 1997-06-13 生体内部活動部位推定装置
US09/096,368 US6226544B1 (en) 1997-06-13 1998-06-12 Living body internal active source estimation apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP9156984A JPH11319A (ja) 1997-06-13 1997-06-13 生体内部活動部位推定装置

Publications (1)

Publication Number Publication Date
JPH11319A true JPH11319A (ja) 1999-01-06

Family

ID=15639639

Family Applications (1)

Application Number Title Priority Date Filing Date
JP9156984A Pending JPH11319A (ja) 1997-06-13 1997-06-13 生体内部活動部位推定装置

Country Status (2)

Country Link
US (1) US6226544B1 (ja)
JP (1) JPH11319A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006325754A (ja) * 2005-05-24 2006-12-07 Brain Research & Development:Kk 脳波双極子解析装置、脳波双極子解析方法、脳波双極子解析用プログラム及び該プログラムを記憶した記憶媒体

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1744927B (zh) * 2003-01-27 2013-07-24 电脑医师美国公司 用于eeg/meg和ecg/mcg的联机的源再现
DE112010003147T5 (de) * 2009-07-31 2012-08-30 Minelab Electronics Pty. Ltd. Verbesserte Zielauflösung eines Metalldetektors in mit Mineralien durchsetzten Erdböden
KR101910576B1 (ko) * 2011-11-08 2018-12-31 삼성전자주식회사 인공신경망을 이용하여 신속하게 입력 패턴을 분류하는 방법 및 장치
EP3690739A1 (en) * 2019-02-01 2020-08-05 Koninklijke Philips N.V. Confidence measure for a deployed machine learning model

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02309447A (ja) 1989-05-24 1990-12-25 Toyota Central Res & Dev Lab Inc 相互結合型ニューラルネットワークの学習方法
DE3922150A1 (de) 1989-07-06 1991-01-17 Philips Patentverwaltung Verfahren zur rekonstruktion der raeumlichen stromverteilung in einem biologischen objekt und anordnung zur durchfuehrung des verfahrens
JPH03277345A (ja) 1990-03-28 1991-12-09 Hitachi Ltd 生体磁場計測における磁場発生源の推定方法
JPH03280934A (ja) 1990-03-30 1991-12-11 Hitachi Ltd 磁場発生源推定方式
JPH04319334A (ja) 1991-04-19 1992-11-10 Fujitsu Ltd 生体磁気イメージング装置
JPH05303562A (ja) 1992-04-27 1993-11-16 Nec Corp 双極子追跡方法および装置
JP2739804B2 (ja) 1993-05-14 1998-04-15 日本電気株式会社 双極子推定装置
JP2799672B2 (ja) 1993-12-31 1998-09-21 利光 武者 脳皮質活動追跡装置
JP2593625B2 (ja) 1994-01-12 1997-03-26 株式会社脳機能研究所 生体情報自動識別装置
CA2154406C (en) 1994-07-22 2000-01-25 Tomoharu Kiyuna System for predicting internal condition of live body
JP2560651B2 (ja) 1994-11-08 1996-12-04 日本電気株式会社 生体内部状態推定装置
JP2850763B2 (ja) 1994-07-22 1999-01-27 日本電気株式会社 生体内部状態伝達装置およびその方法
JPH0877132A (ja) 1994-08-31 1996-03-22 Victor Co Of Japan Ltd 相互結合型ニューラルネットワークの学習方法
JP3519141B2 (ja) 1994-10-31 2004-04-12 株式会社東芝 生体内電流源推定方法
JPH08299295A (ja) 1995-05-08 1996-11-19 Sumitomo Metal Ind Ltd 生体内複数電流双極子推定用の初期パラメータ設定方法
JPH0991263A (ja) 1995-09-20 1997-04-04 Hitachi Medical Corp ニューラルネットワーク構造最適化装置ならびに方法
JP2746255B2 (ja) 1996-05-07 1998-05-06 日本電気株式会社 生体内等価電流双極子推定装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006325754A (ja) * 2005-05-24 2006-12-07 Brain Research & Development:Kk 脳波双極子解析装置、脳波双極子解析方法、脳波双極子解析用プログラム及び該プログラムを記憶した記憶媒体

Also Published As

Publication number Publication date
US6226544B1 (en) 2001-05-01

Similar Documents

Publication Publication Date Title
Denney et al. Reconstruction of 3-D left ventricular motion from planar tagged cardiac MR images: An estimation theoretic approach
US11664125B2 (en) System and method for deep learning based cardiac electrophysiology model personalization
Weinstein et al. Lead-field bases for electroencephalography source imaging
Quan et al. Efficient integration of a realistic two-dimensional cardiac tissue model by domain decomposition
JP2739804B2 (ja) 双極子推定装置
US5761332A (en) Method of reconstructing the surface of an object
EP4303759A1 (en) Physiological electrical signal classification and processing method and apparatus, computer device, and storage medium
CN116451584B (zh) 一种基于神经网络的热应力预测方法及系统
JP3033508B2 (ja) 生体内活動部位推定方法
JPH11319A (ja) 生体内部活動部位推定装置
Serra et al. An automata-based cardiac electrophysiology simulator to assess arrhythmia inducibility
Wang et al. Vector-entropy optimization-based neural-network approach to image reconstruction from projections
Yao et al. Spatiotemporal regularization for inverse ECG modeling
AU2012312896B2 (en) Bayesian approach for gas concentration reconstruction based on tunable diode laser absorption spectroscopy
JP2002537008A (ja) 心臓をコンピュータによってモデリングする装置および方法
EP0383697A2 (en) Electrocardiographic process simulator
Meister et al. Extrapolation of ventricular activation times from sparse electroanatomical data using graph convolutional neural networks
JP3139414B2 (ja) 生体内活動部位推定方法及び生体内活動部位推定装置
Throne et al. A comparison of higher-order generalized eigensystem techniques and Tikhonov regularization for the inverse problem of electrocardiography
CN115115722A (zh) 图像重建模型生成及图像重建方法、装置、设备和介质
Irimia Electric field and potential calculation for a bioelectric current dipole in an ellipsoid
JP2850763B2 (ja) 生体内部状態伝達装置およびその方法
Xie et al. Non‐invasive reconstruction of dynamic myocardial transmembrane potential with graph‐based total variation constraints
JP2626712B2 (ja) 生体内等価電流双極子の表示装置
Qiu et al. Vibration control of three coupled flexible beams using reinforcement learning algorithm based on proximal policy optimization