JPS63226340A - 脳神経活動の位置と内部域の時間的関係を表示する方法とその装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〈発明の背景〉 現在に至るまで、視覚のような人間の脳におけるある特
定の場所に起こるある特定の脳の活動に関する多くの研
究実験が行なわれ、数多くの論文が発表されている。そ
れらの実験のうちのいくつかは、電極を植え付けたり、
化学染料を使用するなどの検体動物の健康を冒すような
危険な方法を用いている。

また、一方では、人がある動作をするとき、例えば指を
持ち上げるときにその大脳において何が起こるかを電極
や他の探知器を人の頭皮上や頭の周りに取り付けて調べ
るというような脳の活動に関する他の方向の研究も行な
われている。それらの電極や感知器は、極小の単位であ
るマイクロボルトやファントテスラのレベルで、頭皮表
面における電気的、磁気的活動を探知する。

多くの車の交通や電灯の使用などという電気的、磁気的
に騒々しく、また、煩雑な環境下ではそのような非常に
弱く敏感な脳波の信号を感知することはとても困難であ
る。付は加えて、例えば被験者の頭皮の筋肉活動や瞬き
に起因する電気的な信号の発生などのような生理学的ア
ーヂファクトが被験者の脳波よりももっと強い電気的、
磁気的な波動を起こすかも知れないという可能性がある
。

被験者が刺激に対して反応するときに、脳波が起こされ
てくる特定された立体的な場所を位置ずけることや、ど
のようにしてそれらの場所同士が脳の深部で関係しあっ
ているか、ということに興味が置かれた場合に、脳波の
探知や分析をすることは、さらに困難である。

刺激を表わす例として、被験者をテレビの画面の前に座
らせる。モニターの画面の上に（（Ｖ　９９の文字が表
われ、もしその文字が左に傾いたとき被験者は左手でボ
タンを押すことにし、あるいは、もしある数字が表われ
それが右に傾いたとき右手でボタンを押すことにする。

これは単純な作業であるが、しかし、被験者の刺激認識
力、例えば文字゛Ｖ　ｅｅとそのすぐ侵に現われる数・
字を認識し分けること（認識動作）や右手と左手を使い
分けるという肉体的な反応（知覚運動）の現われる動的
な脳波活動（マスニューロエレクトリックプロセス）の
場所を探知して決定し容易に理解できる形で表示するこ
とは難しいことが証明されている。

現在のところ、脳において部位の位置ずけや、刺激に対
する反応部位に現われる現象や反応そのものを正確で立
体的に表示する方法やそのシステムを商業的に求めるこ
とは難しい。

〈発明の要約〉 この発明において、第４図に示されたような心理的活動
ネットワーク走査装置として“マンスキャン″と呼ばれ
る被験者の脳波を探知し記憶し分析し、そしてそれを、
表示する方法とシステムが開発される。

最小３２から最大２５６という非常に多くの電極感知器
を、望ましくは帽子を使用して頭皮の近傍に取り付ける
。他の方法では、例えば従来の脳波記録法（ＥＥＧ）に
おいては、普通単に２０位の電極が使用されている。各
電極は、低ノイズ高利得増幅器を通して被験者の微かな
アナログの脳波デジタル表示に変換するアナログ−デジ
タル式多重送信器システムに接続されている。電極の立
体的な位置はそれらの位置を記録してコンピューターの
記録装置に収める働きをするデジタル化装置によって訓
測される。各被験者の（ＭＲＩ）もまた記録され、磁気
共鳴像によって頭皮に取り付けられた電極感知器の位置
は数学的にコンピューターの記録装置に登録される。コ
ンピューターにより制御された装置による適応性のある
仕事が機能的なソースネットワークのパターンを調べる
ために被験者に与えられる。以下に述べるものが、仕事
のうちに含まれることが望ましい。

両手を使用しての視覚運動（画像に対する手の反応）−
瞬間記憶を伴うものと伴わないもの、聴覚と視覚との関
連による視覚運動−例えば被験者がある特定のことばを
問いたときや正しい絵図を見たときに指を動かすという
ような仕事、瞬間記憶をいろいろに変えながらの聴覚を
モニターとする仕事、時間的に連続した仕事、言語によ
る仕事など。

脳記録法（ＥＥＧ）と任意的に磁気脳造影法（ＭＥＧ）
による脳波ト視覚運ａ（ＥＯＧ）データは、いくつかの
異なる層状に重ねられたネッ１−ワーク統計型分類器に
よって筋肉の人為的１１１１などのようなノイズ汚染物
を走査して調べる。

そして、オンラインで技術者は境界線上における試験を
調べるために相互作用コンピューターグラフィックを用
いてなるべく多くのノイズがでないようにする。統計型
分類算法を使用して、信号を欠く個々の試験を除くこと
によって、信号とノイズの割合を大きく改良することが
できるで必ろう。そして、バンドパスデジタル濾波器は
信号に関する事象をより拡大強化するために用いられる
。

データは現在では汚染物を含んでおらず各試験は十分な
信号とノイズ率を有している。しかしながら、ＥＥＧデ
ータは未だに空間的にぶれており、まず最初に空間的分
析が必要である。

脳波が脳を髄液、頭蓋骨、頭皮を通過するときに起こる
歪みを減らすために必然的に空間的デコンボルーション
がＥＥＧデータに適応される。

この空間的デコンポルーションは、脳と頭の有限差モデ
ルを基本としている。もし、電極が６４個よりも少なく
電極感知間の距離が３ｃｍよりも長い場合は、二次元空
間におけるラプラスの演算子による最適な推定値はデコ
ンボルーションに代用することができる。

感知器間の“機能上の関係パは、次に、強化され、濾波
され、強制されたＥＥＧやＭＥＧデータから得られた平
均値として電算される。

″機能上の関係″は刺激や反応を記録した一瞬の時間帯
での遅れたクロス共変昂として電算される。そして、Ｅ
ＥＧやＭＥＧの配電とクロス共変量から得られた情報と
は、その時点で、望ましくはカラーで立体的透視によっ
て毎回数多くある時間帯ごとに刺激と感知器間の“機能
上の関係″に関する反応とを示すことによって表示され
る。

データはこの段階においては、脳波がずぐ下にある場所
から表面付近の脳の働きに影響を及ぼしているのか、あ
るいは、表面から遠く離れた表皮付近の場所から表皮表
面付近の脳の働きに影響を及ぼしているのか、又は、脳
波が脳の深部から発生してくるのか、まだ判明されてい
ない。それ故に、ソースネットワークの局部化分析が行
なわれるのである。この分析では、頭皮上に見られる脳
波域と異なった組合せによるモデルソースによって作ら
れた脳波域との間で最も近いものを求めるために線形最
小二乗法が用いられる。ＥＥＧとＭＥＧのいずれの部位
測定の場合も、個々の場合でも組合せられた場合でも、
この分析法において用いられることが可能である。被験
者の脳と頭の有限差モデルは磁気共鳴像走査によって作
られ、そして、そのモ。

デルはソースネットワークの位置分析のために部分部分
に分けられる。

ソースネットワークの分析は“機能上の関係”分析で用
いられたインターバルにおける数多く連続した時点ごと
に繰り返され、動的プログラム技術は数多くの可能性の
あるネットワークの中から最良のものを選ぶ。選ばれた
ネットワークは孤立性サンプルをデーターとして用い確
認される。

これらの分析の最終的な結果は、ソースネットワークに
おける選ばれた位置や刺激に対する反応にみられる脳波
を最もよく説明する。それらの機能上の相互関係のパタ
ーンを表わす立体的透視表示、好ましくはカラーで表わ
される。

〈詳細な説明〉 Ａ、活動電極ＥＥＧハツト（帽子） 活動電極ＥＥＧヘルメット１０を被験者の頭に被せる。

第１図に示されるように、ヘルメット１０は３２〜２５
６個のばねの付いたバレル錫ディスク電極２１の付いた
硬いヘルメッ１〜であることが望ましい。各錫ディスク
は、先の尖った２ｍｍの長さの突起を持つ。ハツト１０
は２本の顎紐で着用さ゛れる。電極の突起が頭髪をわけ
゛て被験者の頭皮に直接接触するように、腕を差し上げ
て、手で、数回ヘルメットの前後、左右に動かず。

第１図に示されているヘルメットには、少なくとも３２
〜２５６の数の頭皮へ予め準備する必要なく電気接触で
きる電極感知器２１を取り付けることができる。このハ
ツトは、低ノイズ増幅と微弱脳波であるＥＥＧシグナル
を濾波し多重送信するためにＣＭＯ３集積回路の使用を
必要とする。

第２図に示されている電気回路機構はハツト１０の内部
に組込まれていることが望ましく、このハラ１〜１０．
には１６のチャンネルのいずれのグループにも電子工学
的に特別につくられた集積回路が備えられていることが
必要とされる。

もし、活動電気回路機構がハツトから取り外された場合
は、購入可能なＩＣのものを使用することもできる。第
２図に示されているように、ＣＭＯＳアンプ１１は１６
個からなるオプアンプのグループで、相補的メタルオキ
シドシリコン（０ＭＯ３＞電子回路機構を採用している
。

各増幅器のインプット装置は１２ａ〜１２ｎの線で電極
２１の一つに接続されている。これらの増幅器は、周波
数の範囲０．０１から１００１１ｚを越えて約ｉ　ｏｏ
ｏの利１ｑを供給する。ざらに、追加されるプログラム
可能の利得１〜５０はアウトプット装置に供給される。

チョッパ安定された増幅器は低ノイズ用に使用される。

ＣＭＯ３増幅器は電力喪失量が少ないので（そのため、
電池が使用されうる）特に選ばれて使用、また、頭皮と
の高インピーダンス電極接触のためにも特に選ばれて使
用される。増幅器は、閉鎖ルウプ利得を１００Ｈ２に移
すことで釣り合い保たれており、これはエイリアシング
を避けるための第１のステップであ。エイリアシングを
避けるための第２ステツプとしては、各チャンネルに対
しての第２のオーダ転換雷害フィルター１７である。

１７の各フィルターのアウトプット装置はサンプルされ
、適切な総合的サンプリング周波数２５６Ｈ２に同時反
応サンプルとホールドサーキッｌ〜１８によってたちさ
れる。各チップ（あるいは、ボード、ハツトをかぶらず
に↑′工なう場合）における最後のステップは、１６−
１７ノ゛ログ多重送信器１５である。アドレスの４個の
ビットは各スデップ毎に増幅器を選び、また、合甜２５
６個の有効チャンネルのために１６チツプ以内から１個
を選ぶ。この時間多重送信アナログアウトプット装置は
、各多重送信ラインから１６アナログチヤンネルを誘導
するコンソウル型非多重送信板のインブッ１〜装置とし
て使用される（第３図参照）。このアウトプット装置は
、３２−６４チヤンネルをもつハツトに便利に使用され
、他のアナログ機器に受信可能なシグナルを与える。ざ
らに高性能なチャンネルのために望まれる集積回路（Ｉ
Ｃ）エンボディメントは図では示されていないが、ハラ
１〜の各チップ上にデルタシグマＡ／Ｄを必要とする。

そして、その結果、アナログアウトプット装置に加えて
各ヘルメットのチップから１個のビットを持つデジタル
アウトプット装置になる。このアウトプット装置は保護
されていない環境の下でもより高価なノイズ免疫をもつ
。

Ｂ、電極位置測定 各々の電極の上部と下部の位置は、例えば、パーレプタ
−（ＴＭマイクロコン１〜ロールシスデム　コネヂカッ
ト）のような立体デジタライザーを使用して、立体的に
測定され、記録され、コンピューターの収納装置に収め
られる。デジタライザーは対象物の立体的な形を正確さ
と、０．００フインチ（０，０１８Ｃｍ）の分析度で従
来のデジタルデータ（ＡＳＣＩＩコード）に写す。

デジタライザーには、テーブルが取り付けられており、
その上には被験者の頭を保護するためのバットホルダー
が設置されている。そして、アームはデジタライザーの
上にある。使用者は、アームを取り、そのポインターを
デジタルしたい場所にある各々の点に動かす。アームは
５本の枢軸（ピボッ１〜ポイン１〜）を持っているので
、自由自在に動かすことができる。ジヨイント内に備え
付けられたポテンショメーターは、ジヨイントを軸にし
て回転する時にアームの各部分くセグメント）の回転度
についての電気的な情報を送る。この回転度についての
情報は、自動的にＸ、Ｙ、Ｚにより空間的にコープイネ
イトされた入力データ（ＡＳＣＩＩコード）に翻訳され
る。

被験者は、約１０分間ぐらいの間、ヘメルット１０のす
べての電極の位置をデジタル化するために頭をヘッドホ
ルダーの上に載せる。例えば、２５６電極の位置をデジ
タル化するのにも１０分間あれは十分でおろう。立体電
極位置や電極の既知の長さに関する情報から、各々の記
録電極チップの頭皮上の位置は例えばマスコン５５０コ
ンピユーターで訓算される。

Ｃ１頭蓋構造と大脳皮質構造の位置 フルＣブトの臨床磁気共鳴像影（ＭＲＩ）は、ヘルメッ
トが被験者に被けられる前に各々の被験者に対して行な
われる。ＭＲＩ像は、高共鳴（０，９５ｍｍピクセル）
で３軸（被験者の頭の頭語縫合、来状縫合、横断筋）の
方向から写される像であり、頭全体と陽子（プロトン）
濃度の各スライスが３ｍｍ以下になるように切断された
横断面を示す。ＭＲＩテープは、コンピューターによっ
て読み取られ、カラーグラフィックターミナルに表示さ
れる。収納されたＭＲＩ像（”　ｆｏｃｉ　（ローシイ
）″）上にある頭の特定域は、頭皮、頭蓋野の外側と内
側の面、大脳の表面をコープイネイトするためにデジタ
ル化される。同様にして、主な裂溝（例えば、シルビウ
ス裂溝、中心装面、縦装面、カルカリン裂＠）のローサ
イもデジタル化される（第５図参照）。

すべてのＭＲＩ像は、最初から非線形の歪みがあり、そ
の歪みは数種類のソースから発生したものであると考え
られることができ、パラメーターの数によって大ぎざや
率が変化する可能性がある。ＭＲＩの歪み矯正の方法は
、（１）歪み測定と特徴化、（２）像の矯正の２つの手
順に分けられる。矯正される前に、この歪みは既知の物
理学的デメンションによって人体モデルを用いて測定さ
れる。電極感知器の位置は頭皮上に被せられているのと
全く同じ種類のもう一組のヘルメット上に小さなオイル
（ビタミンＡ、Ｄ）のカプセルを取り付けることによっ
て印を付は区別する。カプセルの位置は、特有の白い部
分としてＭＲＩ像に明らかに見られる。そして、それら
のカプセルの位置は取り付けられている電極の位置と対
応している。

主な像の歪みの原因は、ＭＲＩ像影システムのマグネチ
ックグラジエシトコイルの不純−に依るものである。し
かし、一様ではない静電域であることも実像（実在する
対象物）と虚像（観察される像）との位置のずれを生じ
る原因になりうる。繰り返し時間（ＴＲ＞と共鳴時間（
ＴＥ＞とのパラメーターに変換されるべき像の非形成と
いう特性は、対象物の非独立と独立誤差の分析を付は加
えて行なうことによって表示される。

イメイジングシステムの１４間安定は、最終的なシステ
ムの再分類の間に行なわれる参考ＭＲＩと比較覆ること
によって一般的にテストされる。像の矯正には経験的事
実に基づいて測定された歪み関数か、あるいは推定され
る歪み関数にスプラインを合わせることが必要である。

各々の像について、実像と虚像との位置が歪みを特徴表
示する平面格子点を定める。各グリッド点を通り滑らか
な表面をもつスプラインは、その時に作られる。最終的
に、歪みはいくつかの一般的によく知られた像変換算法
のいずれかを用いて、この関数を反転させることによっ
て写像し矯正される。

歪みを矯正したあとで、ＭＲＩのデーターは、ＥＥＧの
データーおよびＭＥＧのデーターの関数によって表わさ
れる。既知の外部起点（イニオン、オシオン、前心耳ノ
ツチ）は、ＭＲＩ、ＥＥＧ、およびＭＥＧの関数によっ
て決定される（第６図）。少なくともそれぞれＭＲＩ、
ＥＥＧ、ＭＥＧからとられた３つの等しい点の位置がそ
れぞれの関数において求められている場合は、残りのデ
ーターの点は単純な平行移動と直角回転によって表わさ
れる。

この処理段階において、ＥＥＧおよびＭＥＧの電極感知
器のポジションとＭＲＩがら求められた頭皮表面の点が
推定される。それらの推定値の数字的比較によってその
ときデジタル化された関数のうちの１対１の組合せが必
要条件である変換（見積り、回転、平行移動）が行なわ
れる。このことによって、起点を用いての位置ずけの正
確さを再確認することができる。

磁気脳造影法（ＭＥＧ）は、脳波を探知するためのＥＥ
Ｇの代用システムでおる。人間の脳から発生する弱い磁
界は、低温の“５ＵＱＩＤ（超伝導量子干渉器）″を使
用することによって探知され、写像される。感覚を刺激
することによって起こされた脳の活動は、約０．１ｐＴ
（ピコテスラ）で弱い磁界（ＩＧ場）を発生させる。

解像力はピックアップコイルのサイズによって制約され
るが、脳の磁界における重要な変化は距離１ｃｍの間に
見られる。このことは、ウィリアムソンやブレナーとコ
ツマンのＢ１０１ｌＩｅｄｉＣａｌＡｔ）ｐｉ　１ｃａ
ｔｉｏｎｓ　ｏｆ　５ＱｔＪＩ’ＤＳ　　（ｌ５ＳＮ　
：　００９４−２４３Ｘ／７Ｂ／　１０６／　１．５０
　Ａｍ、Ｉｎ５ｔ、ｏｆ　Ｐｈｙｓｉｃｓ、　ＰＰ。

１０６〜１１６．１９７８）のなかに含まれているので
参照されたい。既知コイルは、その巻かれ方とその形状
のために、不変のソースから発生した背景にある磁界を
不変にするためには、比較的鈍感であるが、その探知コ
イルをも超伝導磁束１〜ランスポーターを使用すること
によって、５ＱＬＪＩＤは磁界を感じる。

ヘルメットを被せられた後、被験者は１組の仕事を与え
られる。その仕事は被験者が受は取る絵図や音のような
刺激に対する反応として、任意的に体の一部を動かすこ
とを要求されるものである。

１．１　を用いて「なわれる仕事 この仕事は、被験者の準備過程、視覚刺激過程、反応行
為の正確さについてのフィードバックの更新を測定する
ものである。この仕事において被験者は□、まっすぐに
目から７０Ｃｍ＃ｉれたところにあるグラフィックプロ
セッサーの琥珀色（７）ＣＲＴｔンタ−とＬＩＳＩ　　
ＥＶ−２１３１Ａ型モニターの中心点に視線を集中する
ように指示される。被験者は、視覚的に示された合図に
対する手による反応ができるように待機している。

例えば、もし、文字が左に傾いていれば左手で反応する
。もし、右に傾いていれば右手で反応覆る。写像は、−
１２５ミリ秒の間、呈示される。

モニターのスクリーン上に写された文字の輝度は、０．
５　ｌｏｇ　ｆＬである。１秒後、刺激が１２５ミリ秒
の長さで、ＣＲＴモニターに現われる。

文字は、１度以下の視覚に対しており、左手での反応に
は左に傾き右手での反応には右に傾いている。無作為に
選ばれた試験のうらの２２％は、誤って合図されたもの
である。例えば、左手で反応するための試験に右手で反
応するための刺激が与えられて、合図された場合や、ま
た、その逆の場合が挙げられる。被験者は、誤って与え
られた写像に対しては手を動かさず、反応しないように
指示される。もし、被験者が誤って与えられた合図に対
して手を動かした場合、フィードバックに“’ｘｘ”が
現われて、被験者は罰せられる。

この１組の試験において、被験者は刺激、例えばモニタ
ーのスクリーンに写し出された像、に対してライナース
ケールの１から９までの刺激ナンバーに対応する圧力を
かけるために、ためられずに右手か左手の人さし指で修
正グラスフォース変換器を弾くことによって反応するよ
うに指示されている。例えば、もし、写像が左の５であ
る場合は、被験者は、左手の人差し指で中間程度の強さ
で反応するというようなものである。被験者の反応圧力
がピークに達した俊、１２５ミリ秒の呈示時間で１／１
０の単位まで正確に圧力を表わす２桁のフィードバック
の数字が被験者に対して１秒間モニターのスクリーンの
上に示される。最初の２つの試験が誤って合図されない
かぎりは、１グループは無作為に２０の試験で構成され
る。被験者は、ボタンを押すことによって１グループ、
２０の試験を始め、それらの２０の試験は自動的にコン
ピューターのプログラム制御のちとに１．５秒の各試験
間の休止時間で続行される。もし、被験者が、刺激を与
えられてから１秒間以内に反応しない場合、その１秒後
に行なわれた反応は無視されて、反応しなかったものと
して記録され、フィードバックは、モニターのスクリー
ンに刺激後２秒後、被験者に呈示する。試験の各グルー
プ毎にＣＲＴモニター上にその結果が表わされ、右手と
左手による反応正確度平均が右手についてと左手につい
て別々に示され、また、誤った合図に対する誤った反応
の数とボーナス得点の数も示される。

これらの仕事は、「フォーキングメモリーの仕事と呼ば
れ、被験者の即日４的ウオーキングメ［リーとパーセプ
ヂュオの組み合せを試験ターるための仕事である。３種
類の異なった記憶の笛が各被験者に示されることが望ま
しい。これは３つに分けられて、（１）ビジュオモータ
ーの仕事−記憶条件ゼロ（ＶＭＭＴ、ゼロバック）　、
（２）ビジュオモーターの仕事−記憶最条件（ＶＭＭＴ
、２バツク）　、（３）オーディオモニターによる記憶
（ＡＵＭ＞の仕事とそれぞれ名付けられている。

ＶＭＭＴは、即時つ４−キングメモリーやモーター°活
動や目の動きに対する刺激のパラメーターを正確に制御
することができるように取付けられている。両手による
仕事におけるときのように、刺激はＣＲＴモニターのス
クリーン上に（１２５ミリ秒の間）示された単独数字に
よって構成される。被験者は各々の試験に対して、右手
の人差指を上げてグラスフォース変換器をその指で弾く
ことにより反応し、その圧力は線形スケール１から９ま
での刺激に比例する。被験者に対する各々の試験がモニ
ターのスクリーン上に現われた後に示される、フィード
バックリンバーは、反応が十分に正確であるときに下線
が引かれる。正確さは、順応性のおる誤認に対する忍耐
力や最初に行なわれた５つの動作の試験における誤認の
幾何学的平均（必要とされる反応圧力からの距離）によ
る。試験と試験との合間は、１．５秒間で、その間凝視
シンボル（Ｘ＞が、スクリーン上に映し出される。

ＶＭＭＴにおける記憶最の条件は、゛′無記憶かゼロバ
ックの条件″−この条件においては必要反応圧力は現在
の刺激ノンバーによって示される、ものと、“２バツク
条件−この条件においては、２つの前の試験で与えられ
た刺激ナンバーによって示されるもの、の２つがある。

言い換えれば、被験者はスクリーン上に現われた現在の
ナンバーやその１つ前のナンバーに対してではなく、２
つ前に現われたナンバーに対して反応するように指示さ
れる。仕事に対する認識エレメントを付は加え、また、
記憶の仕事に・おいてあまりに短い反応時間を避けるた
めにも、この両方の条件において、試験のうらの２０％
は試験の行なわれている間被験者は反応しないように指
示されているキャッチトレイルである。

ゼロパック条件（現在行なわれているナンバーに対する
反応）では、刺激ナンバーがゼロのときに動かないキャ
ッチトレイルが示される。２バツク条件では、キャッチ
トレイルは、２つ前に現われた刺激ナンバーと一致する
刺激ナンバーが現われることを意味する。

ＡＬＩＭ　（聴覚モニター記憶）における仕事は、２バ
ツクか３バツクの記憶り条イ′［からなっている。この
仕事において、被験者は現在の刺激が２つか３つ前の試
験のものと同じになったと同時に反応するように指示さ
れる。刺激は、Ｖｏｔｒａｘ　（ＴＨ）シンセサイザー
のようなボイスシンセサイザーによって２４５〜４３０
ミリ秒の間発声され、５０ブロツクに表わされる１桁の
数字で構成されている。刺激同士の間隔は、４〜５秒で
ある。刺激は、被験者の前に置かれた２つのスピーカー
から送られる。ＶＭＭＴの仕事におけるように、被験者
はフォース変換器を右手の人差し指で弾くことによって
反応する。

ΔＵＭの仕事においては反応はオンかオフで登録され、
フィードバックや警報は個々の試験の度に出されない。

被験者は試験の各ブロックの終りに、ＣＲＴモニターの
スクリーンを見ることによって視覚的フィードバックを
受ける。

ＣＲＴモニターのスクリーン上には、（１）標的ヒツト
、（２）標的ミス、（３）見せかけの誤り（トリック）
　、（４）平均反応時間、（５）反応時間の標準差、が
表わされる。

３、連続的仕事 この仕事は、被験者の時間の経過に従って連続的に与え
られる刺激をまとめて、連続的なモーター反応を試験す
るためのものである。この仕事において被験者はグラフ
ィックターミリ゛ルの前に座り、スクリーンの中心に小
さな“Ｘ　ｔｔが現われるのを待つ。この“Ｘ　ｔｔは
試験の開始を合図するのと同時に凝視点の役割もする。

刺激連続は１秒後に始まり、その刺激は３〜８の光の点
で構成されており、１２５ミリ秒の持続時間で１秒間に
４の割合で表わされる。各点は、視覚の０．２５度に対
して３つの位置−中心、視覚０．５度左、視覚０．５度
右、のうちのいずれか１つの場合に現われる。本試験の
前に行なわれる訓練期間中に、被験者は右手の人差し指
と左手の人差し指とを左、中心、右の、それぞれ３つの
刺激の位置に対してどのように動かすかを学習する。最
後の刺激から２５０ミリ秒後、命令（インベラテイブ）
のシンボルである三角形が１２５ミリ秒の持続時間でス
クリーンのセンターに表示される。この仕事は右手の人
差し指、中指、薬指によって３つのスイッチを連続的に
押し続けることによって行なわれ、平均的にそしてでき
るだけ刺激表示率（４刺激に対して１秒間）に近くなる
ように時間を計って行なわれる。

“前進″の条件（上向きの三角形で表わされる）として
、被験者は刺部の連続に対して連続的に指を動かし、“
後進パの条件（逆三角形で表わされる）として、逆方向
連続（後戻り）して指を勅かす。凝視点は、被験者が視
点を定めるのを助けるために、フィードバックのインタ
ーバルまでスクリーン上に残される。フィードバック表
示は、被験者の最後の反応が完全に終った後５００ミリ
秒の開示されているが、それは上部に予想された連続を
示し、下部に被験者によって作られた実際の連続を示す
。１５の試験のうら各々の最後にレポートが示され、正
しい反応率と次のグループで、ボーナス得点を獲得する
ために行なわれるべき仕事のゴールが報告される。仕事
レベルを一定に保つために“′連続″に用いられる点の
数は、各５グループ毎に被験者が行なった行為に対する
可変性のある平均機能にしたがって自動的に増加する。

４、言語による仕事 ３種類の言語による仕事のシリーズは、被験者による基
礎的な音韻、語朶、分法、文法を用いた、簡単で短い、
時間の経過に伴う神経的認識パターンを測定する。仕事
は、（１）言語の意義に関係しない内容（例えばｓｅｎ
やｃｅｎ　）を含まない音韻的刺激と音韻を形成しない
文字を含む刺激、（２同音異義詔の判別（例えばｍｏｒ
ｅとｍｏｏｒ　）、反義語（例えばｏｌｄとｎｅｗ　）
の認識鑑定、（３）動詞の変化、主語と述語、時制の一
致を基にする簡単な文章の文法に関する評゛価。

このような言語による仕事が行なわれている間、刺激は
他の仕事における場合と同じようにＣＲＴのモニター上
か拡声器によって表わされる。被験者は、右手の人差し
指と中指で、接触スイッチを押すことによって反応する
。最初の刺激（第一番目の刺激）の１秒前に警報の合図
がされ、第一番目の刺激の１秒俊に第二番目の刺激が与
えられる。試験と試験とのインターバルは、２秒間であ
る。試験は、無作為に並べられた２０の仕事の型をブロ
ックに表示される。

同数の正しい組合せと誤った組合せの試験が用意されて
いる。試験の各グループの複電に、以上に述べられたよ
うに、行為のスコアーが報告される。

「、アーチファク（−の回避 脳波は、とても微弱なものであるので、マイクロボルト
やフエントテスラ単位で記録されたデーターはできるか
ぎり“アーチファクト″と呼ばれるノイズを避けること
が重要である。種々のタイプのアーチファクトを避ける
ために、オンラインプログラムは使用不可能か、あるい
は、飽和したチャンネルをチェックして、被験者の目の
動きを監視し、システムの増幅器がアーチファクトから
回復するまで各々試験の開始を行なう。１００の試験が
完了された時に、自動アーチファクト分析が“ソフトウ
ェア−″などのようなコンピュータープログラムの制御
の下にコンピューターを用いて行なわれることが条件と
される。アーチファクト探知器ソフトウェア−は、時間
的に連続した試験において、８単−の試験毎のアーチフ
ァクトされた部分を探知して識別づ”る。特に、プログ
ラムは垂直で平行な目の動きや瞬き、使用不可能なチャ
ンネルや弱いチャンネル、飽和チャンネル、筋肉ポテン
シャル汚染、スペクトル領域において重要なエネルギー
をもつ高周波ノイズをチェックする（第７図参照）。こ
れらのソフトウェア−のプログラムは、複式二層型認識
装置による分類のために時間と周波のドメインの特徴を
利用している。平行探知器は、種々の異なる型のアーチ
ファクトに対して、各々に専門化されている。

単純振幅器は、使用不可能なチャンネルや増幅器の飽和
を探知するのに有効で必る。使用の可能性のある特徴と
しては特に瞬きと目の動きについて層状型分類器は、平
行で垂直な目の動きに対するチャンネルに伴う低周波パ
ワー分光温度、クロス分光濃度、垂直な目の動きに対す
る相関係数を用いる。使用の可能性は、筋肉と器具によ
るアーチファクトを特徴としているが、もう一つの分類
器は、パワー分光濃度、ゼロラグ自動係数、第一次数自
動逆行（ＡＲ＞予報係数を用いる。第３の任意の分類器
は、使用者がコンピューターを用いて回避したい他のタ
イプのアーチフ７り１〜に対して、第一と第二の分類器
と同じ特徴を利用する。￥ｆ徴は、角１２５ミリ秒の時
間連続毎に、１／２秒間のインターバルで評価される。

分類の決定は１２５ミリ秒毎に隣り合う決定の非線形補
助を用いて、自動的にコンピューターによって行なわれ
る。ラベルを付けられた部分は、アーチファクトされた
部分を見分けるためにコンピューターを訓練するための
各訓練クラスのために使用され、各テストのクラスでは
同じ数が使用される。プログラムを編集するための相互
作用図による試験は、オぺレータ−によって、コンピュ
ータープログラムの分類決定をチェックするために使用
される。

回復可能なアーヂファクトは、取除かれる。例えば、不
飽和の瞬きは、目の付近の参照電極で最小二乗法ノイズ
除去を用いて取除かれる。

１、ＬＪ 大脳皮質の局所的な表面に対して垂直である脳波の電流
による゛像″は、音量誘導を低減し、空間解像力を高め
るために空間デコンボルーション法を用いることによっ
て作られる。有限差は、被験者の大脳皮質の実際の形態
、脳を髄液、頭蓋骨、頭皮を表わすために用いられ、そ
して、それから頭蓋骨の内部、頭皮の表面への電流誘導
は第７図Ａにモデル化されている。この操作は、アビ１
−リーソースジエネレイターモデルを用いることなく行
なわれる。可能なソースの数、位置、方位は明らかでは
ない。頭のモデル化のために有限差を用いることでは、
打ち切りがそれぞれの座標方向において統一されつる点
の方眼によって形成されうるという利点が掲げられる。

この過程は、脳が電気回路のようであるという簡単な説
明によって納得される。有限差の実施において、頭蓋骨
の内部に流される垂直電流は、それぞれの部分に関して
ピースワイスな線形近似法を用いて電極感知器で観察さ
れた脳波の電位から頭蓋骨と頭皮部分の電気的属性を求
めて、それによってコンピューターを用いて検査される
。無ソース音量のためのラプラスの方程式における有限
差は、ネットワークノードにおけるキルヒホッフの電流
法則によって与えられる。コンピューターの記憶装置に
収められているようなＭＲＩセクションから、各々の被
験者の頭の立体模型を使用して頭蓋骨と頭皮のための等
価抵抗ネットワークは、コンピューターのソフトウェア
−から得る。そのトポロジーや電圧の出力を知ることの
できる無ソース抵抗ネットワークにおけるある種の与え
られた制約は、電流を流すことによってのみ解消されつ
る。

それらの電流は各々の選ばれた脳の場所から発生した脳
波である。

システムノードの方程式を解くために１万個のノード方
程式とスパースなガウス消去法を用いた１２のスパース
なマトリックス前面幅に対してマスコンブ（Ｈａｓｓｃ
ｏｍｐ）　５５０コンピユーターを使用した場合では、
数秒間かかる。これから、コンピューターの記憶装置に
収納され測定された電位のそれぞれの分布に適用されて
、また、被験者の頭皮入電され、興奮状態にある電流の
力を引き出すために適用される変換マトリックスを生じ
る。

２、モデルにおける誘導主の測定 立体モデル、これは透視法による図に見られるかもしれ
ないが、類似物かあるいは作られた被験者の脳を頭の一
対として使用されるモデルでの誘導率は、被験者の脳に
おいてその位置が殆んど知られている電流双極子に代表
される単独の凝縮された神経の束によって大部分が作ら
れる、頭皮電位分解を測定することによって求められる
。測定された電圧を有限差の問題に対する先の解答に一
致させるために急勾配非線形最小二乗がコンピューター
のソフトウェア−によって行なわれる。双極子やＭＲＩ
図から１ｑられた解剖学的知識によって未解決のままに
なっている双極子の位置と方位のいずれのパラメーター
とも同様に、未知のパラメーターは繊維の誘導を含んで
いる。この神経の束の集団を形成している“等価双極ソ
ースパの正確な力が知られていないので、正確な誘導は
この測定からは求められない。ここに、２つの脳の場所
をあげると、ｉ）ＭＲＩ走査での特徴のある写真と場所
、１１）刺激が与えられたときに特徴があり認識されう
る脳波、である。例えば、手首における対側中央神経に
与えられた弱い刺激による電位ピーク２０ミリ秒を引き
起こし体性感覚により作られた脳波は非常に集中した“
別個のソースパである。それは、手の体性感覚域３ｂに
おける単独線双極によって描かれる。この双極は、頭皮
表面から２．５〜３．０ｃｍ下に位置する。中央裂溝の
位置がＭＲＩ図かられかるので活性化された双極の位置
を求めるためには、その中央装面に沿った単独パラメー
ターの場所さえわかればよい。Ｊ＞　ｃｌ＞よその位置
と深さに加えて、公にされている大脳皮質電位の撮幅値
も、また、解答を１１１約する。双極は裂溝に対して＠
直で必りうると考えられており、そして、その裂溝の内
側への傾斜角度だけが知られていないことから、双極方
位の単独パラメーターのみが必要とされる。

３つの誘導層を伴うモデルにおいては、ただ２誘導率と
３双極パラメーター（双極力を含む）からなる５パラメ
ーターが存在する。最高２５６の頭皮電極と高ＳＮＲに
よって電位を引き起こして得られた強化平均を用いてそ
れらの５パラメーターの最も適した、あるいは、最もそ
れに近い解答を電算することができる。

もう一つの既知の凝集されたソースは、凝視点の右か左
の１度のところに、刺激によって作られる。これは、対
側後頭軸にほぼ放射状双極（後部と側部）に表わされる
。被験者は、刺激としてＣＲＴモニター上に右が左のい
ずれかの視覚領域における半円形に限られた部分に、垂
直、対称、反転、の正弦波格子を示される。このタイプ
の刺激は、対側の初期視覚領域における単独電流双極に
よって作られる安定した状態の反応を尊く。方位の２つ
のパラメーターと１つの双極力が認められるとぎ、２つ
の誘導率は、再び、５つのパラメーターをその内側に作
る。

これらのパラメーターの記録は、動的仕事のデーターが
収集された後に記録セツションの最終段階で行なわれる
。各々の体性感覚（知ｉＧ＞と視覚刺激に対して約１０
０の試験が行なわれ、その結果が収集される。

Ｈ，ＳＮＲ強化 １、且−ヌ 脳波は、微弱な電気的な、おるいは磁気的な信号であり
、特殊な刺激や反応に関する対象となっている脳波は脳
において他の活動によって妨げられて、不鮮明になって
いる可能性もあるので、脳波の信号に関する刺激や、あ
るいは反応の−を増やし、“ノイズ″に関する無刺激や
無反応を減らす。例えば、信号対ノイズの比（ＳＮＲ）
を高めるというようなことが重要である。ＳＮＲは、す
べての試験の単純平均によってか、おるいは任意的に、
高ＳＮＲの試験だけを選び、その平均によって高められ
る。この選択は、統計によって人工的に作られたノイズ
プロセスから実際のデーター（第８図）をがなり近くま
で区別することができる試験を選択するために、統計的
パターン分類器を用いて信号特徴について予測を最小限
にとどめることによって行なわれる。グビンズ等、１９
８８．　ＥＥＧ　Ｃ１１ｎ。

Ｎｅｕｒｏｐｈｙｓｉｏｌ、、６６　：　１７７−１８
６が参考文献として参照される。そして、選択されたデ
ーターを更に強化するために時間と周波数パンドパスフ
イタ−が任意的にライブナ−の超関数を補足することに
よって決定される。モーガンとグビンズ１９８６１ＥＥ
Ｅ　Ｔｒａｎｓ、Ｂｉｏｍｅｄ、Ｅｎ（］、ＢＨＥ−３
３（１）　６６−７０、が参考文献として参照される。

フィルターは最低のハイセンバーブ（Ｈｅ　ｉ　ｓｅｎ
ｂｅｒｇ　）製品（バンド幅Ｘ時間幅）デザイン（性能
制）を満足している。チャンネル間の共変数や他のパ機
能上の相互関係″測定は、（選ばれた）単独の試験多変
時間連続の、濾波された組を結果とするものの、強化平
均に電算される。濾波は、試験の選択と同様に分類器に
よるフィードバッグにより修正されうる。これは、゛分
類器による管理された″濾波と呼ばれている。ゲビンズ
とモーガン、１９８６　１ＥＥＥ　Ｔｒ、Ｂｉｏｍｅｄ
、Ｅｎｇ、、Ｅ）ｆＥ−３３、（１２）が、参考文献と
して参照される。選ばれたフィルターは信号（高５ＮＲ
）と、信号を伴わない時間連続（低５ＮＲ）との最大の
区別のために最も適した標準となる。試験選択法におＣ
プるような、記録データーからなるノイズ過程は、後者
の時間連続のために用いられる。

２、ＳＮＲ強化のステップ ａ、各被験者の刺激−反応−記録データーからアーチフ
ァクトのデーターの組を作る。それらのデーターは、不
変の事象関連信号によって試験を選ぶために、刺激−反
応−記録なしの問じデーターからコンピューター処理さ
れた参考“ベースライン゛′データーの組と比較される
であろう。

ｂ、各被験者ごとに平均刺激−登録（もしあてはまれば
、反応−登録）事象関連時間連続を電棹する。試験−選
択分析のための分析窓の中心点を求めるために、各々の
人の平均されたＥＲＴ時間連続における選ばれたピーク
の待ち時間を用いる。ゲビンズ等、Ｅｌｅｃｔｒｉｃａ
ｌ　Ｐｏｔｅｎｔｉａｌｓ　ｅｔｃ、、　５ｃｉｅｎｃ
ｅ　２１３．ｐｇｓ、９１８−９２２（１９８１）と。

Ｎｅｕｒｏｃｏｇｎｉｔｉｖｅ　Ｐａｔｔｅｒｎ、ｅｔ
ｃ、、Ｐｓｙｃｈｏｐｈｙｓ−ｉｏｌｏ（ＩＶ　　２２
．ｐ（］Ｓ、、３２−４３（１９８５）等が、参考文献
として参照される。ピークをｈするために、窓のサイズ
を調整する（普通は１２５〜２５０ミリ秒である）刺激
と反応時間に他の窓をセットする。

ｃ、７Ｈｚのとき３　ｄ　Ｂ、　１２’ｔ−（ｚのとき
１２ｄＢまでパワーを減じる時間連続に低減濾波器を用
いる。そして、それをデシモール化し、特徴として、３
〜７の時間連続値を用いる。２つの条件（事象関連デー
ターとノイズ）をもつデーターを３つの訓練された重複
していない確認の組に分ける。

０９選ばれたインターバルでの電流訓練データーの組に
おける事象関連している場合と、していない場合、の２
つの条件の間に一定の差を表わす式を作るために、各々
のチャンネルに対して、層状ネットワーク型認識アルゴ
リズム（一種の区別分析法）を用いる。ゲビンズ等、Ｅ
ＥＧ　Ｐａｔｔｅｒｎｓ　ｅｔｃ、、Ｃｌ１ｎ、Ｎｅｕ
ｒｏｐｈｙｓｉｏｌ、４７．　ｐｐ６９３−７０３（１
９７９）、が参考文献として参照される。

電極がはっきりと２つの条件を分けていることを知るた
めに、確認データーを用いた式を試す。

ｅ、各々の訓練と確認データーについて上記のステップ
ｄを繰り返し、平均有効の組の正確性を電Ｑする。別個
に分析することによって求められる、２つの疑似条件と
して、無作為的に定められたデーターから得られたレベ
ルを十分に越える明確な分類レベルをセットする。電極
が各インターバルにおいて、明確な仕事関連情報を含ん
でいることを示す図（ダイアダラム）を作成する。

ｆ、仕事関連信号を用いて試験を集める（例えば、確認
の組で正しく分類された試験など）。

強化されて平均されたＥＲＴＳ（そして、ライブナ−の
時間−周波数分布、モーガンとグビンズ（１９８Ｂ）下
記参照）を大多数のチレンネルにおいて正確さが定めら
れたシグナルベアリング試験を用いて訓算する。ＥＲＴ
Ｓ時間インターバル上の振幅分イ１関数、ライブナ−の
分布関数を作成する。

■、空間的同時測　（機能上の相互−係）１、ＬＪ 低周波の“機能上の相互関係パや人間の脳に分布してい
る処理ネットワークを特徴化する第一ステップとしての
事象関連の縞信号時間を測定する方法がいくつかある。

このことは、脳の場所が機能的に関連しているときに、
脳波間に波形近似の不変のパターンがあるのと関係して
いる。例えば、それよりも以前の時間における他の場所
とに記録される脳波から、ある特定された時間における
ある特定された場所に記録される脳波を予想するという
ことが考えられる。

先に実施されたものにおいて、この単独試験データー（
ゲビンズ等、１９８１．１９８４．１９８５、以下参照
）の組におけるチャンネルの対の間にある晴間連続相関
関係による測定結果を総合した、より単純でより強固な
電騨機による処理がマグニチュードと、濾波され、事象
関連し、平均化された時間連続からの“機能上の相互関
係゛′の遅れを測定するために開発されている。これら
の方法は、集合名詞的に“事象関連した共変Ｑ′。

と呼ばれているが、（１）強化平均するために不変の事
象関連信号によって試験を選択するために任意的に統計
的パターン認識法を適用する（Ｈ項参照、ゲビンズ等、
１９８６　　以下参照＞　、＜２）ライブナ−（時間−
周波）の分布関数から平均のためにバンドパスフィルタ
ーの特徴を求める、モーガンとグビンズ１９８６、引用
以下参照。そして、またあるいは、分類器によって直接
濾波する（グビンズとモーガン、１９８６、引用以下参
照）、（３）事象関連波の中心に位置する短いインター
バル（１２５〜４００ミリ秒）以内で、平均化され、強
化され、濾波された時間連続の間のクロス共変量の電算
。（４）モンテカルロの統計学による共変量の決定、（
５）例えば、モデルの頭やＭＲＩ走査によって再現され
た立体モデル脳における共変帛のパターンを表示するた
めの立体透視カラーグラフィックの使用。

２、事象関連共変量の電算 ａ、３ＮＲ強化のステップ“′ｆ″の実験結果により、
チャンネル間の共変最を測定するためのデジタルの濾波
器とインターバルを選ぶ。

ｂ、各々の選ばれた分析窓のなかに、強化され、濾波さ
れ、デシモール化された平均のすべての２つのチャンネ
ルで一組になった組合せ間におけるマルチラグクロス共
変量機能の電算（第９図参照）。最大のクロス共変量関
数のマグニチュードとそのラグ時間を゛機能上の相互関
係″の特徴として使用する。

Ｃ，クロス共変量の特徴の有効性を求める。

これは、“ノイズ共変屯″の標準偏差の推定値を以下の
要領で求める。集合にお（ソる各々の単独試験のうらで
、バラついているインターバルを平均する。共変量分析
は“ノイズ共変ｉパの分布関数に影響を与える結果とし
ての平均が濾波されて、デシモール化された異形上にお
いて行なわれる。

ｄ、核インターバルにおりる最も有効な共変ｔｉをグラ
フに表ねり。最も有効な共変量は、観察される共変最分
布関数における最高標準偏差である。

ｅ、実験の条件間の相異のために有効共変温の集合を試
す。

どの２つの条件の組合せによる有効共変最のすべてのも
のについて、標準エラーを電算し、２つの平均値でＴ試
験を行なう。相関を推定し、多変数共変量図間の近似を
測定する。関数独立″ブーツストラップ″モンテカルロ
法−これは繰り返し行なわれた測定の無作為に選ばれた
ものから、相関の集合を求めるものであるが、これを用
いて推定値を計算する。以上のことから、また、推定値
に、信頼区間を生じる。

Ｊ、立体的透視図 １、概　要 立体図は任意的な視点から見られるとき、空間に目標物
の位置と姿を表示する。その表示は、以下のようにして
、コンピューターのソウトウエアーによって電算される
。１つの４×４方眼に含まれた同時座標における線形変
換は、回転、変換、スケーリング、透視法的変換のうち
のどの組合せをも表わしつる。このことを空間における
点の変換の基本にして、点や頂点は側面と多角形を作る
ために合わせられる。明度は、四方から光で照らされた
モデルと多角形の表面に対する法線曲線を基にして電算
される。滑らかな表面は、各々の表面にあてられる光の
強度の値を代入することによって１σられる。これと、
背後にかくれた表面移動のアルゴリズムを合わせること
によって、どの多角形の実際像をも作られうる。

２、頭のモデルの構造 電極感知器は、マネキンの頭の上にそれらの通常の位置
を記される。補足的な基準点は、頭の残された部分に記
され、順番を付けられる。

コンピューターの記憶装置内にあるグラフィックシステ
ムにおける多角形の頂点を作る基準点のオーダーされた
リストによる多角形ＩＤナンバーを、各多角形が構成す
る場所に作られる。

コンピューターグラフィック計算には、多角形の面が頭
の外側から眺められた時に、リストされている頂点によ
って時計の針と反対の方向で行なわれることが必要であ
る。頂点の位置と多角形のリストの結果の収集は、グラ
フィック表示プログラムによって読まれて、表示されう
る゛′γイスプレイファイル゛′に収められる（第９図
、第１０図参照）。

単独被験者、あるいはグループ被験者から得られる事象
関連共変辺と電流分布とは、以下のこの実験において選
ばれた方法を用いてモデルの頭の上に表示される（第１
０図参照）。線の太さは、共変量の有効率に比例する。

線の色は、２つのチャンネルが最大にシンクロナイズさ
れる時間を表わす。（黄色：０−１５ミリ秒、緑；１６
−３１ミリ秒、青：３２−４７ミリ秒、赤：４８−７９
ミリ秒、紫：８０ミリ秒）。矢は時間的に先行するチャ
ンネルに対して反対方向に向かう。２つの同時に変化す
るチャンネルが同じ向きに関係しているとき、矢の色は
線の色と同じになる。灰色の矢は、２つの同時に変化す
るチャンネルが逆の向きに相関しているこ、とを示す。

同じグラフ上に任意的に示されている最大流入電流が紫
で、最大流出電流が赤であるフレイムスケール上の頭皮
への流入と流出の分布を示す。

３、ＭＲＩ再構成 磁極共鳴像は、脳内部における部分表面の空間的位置を
表わすために用いられる。データーによって、１０か１
０以上の尖状縫合の、１０か１０以上の冠状縫合の、１
０か１０以上のトランスオウキシアル（水平）の、被験
者それぞれの観察図を得られることが望ましい。各々の
グレースケール像は、カラーグラフィックコンピュータ
ーのウオークステーションに表示さ興味対象の輪郭、例
えば選ばれた脳の内部の部分のようなものがオペレータ
ーによってマウス（トラッキング装置）を使用して描か
れる（第５図参照）。スクリーン上におけるカー（）−
一の配置は、像の位置にされるが、このことは磁界内に
おける位置を電算するために用いられている。各ＭＨＩ
像における固有の特徴としてＭＲＩのプロセスにおいて
紹介されているように空間エラーが挙げられる。以上に
述べたようなＭＨＩからの基準電極感知器マーカーと、
同じく以上に述べたように、Ｘ、Ｙ、Ｚの位置変換器で
別に測定されるスケール電極感知器の位置とを相関させ
ることによって、エラーの推定がなされる。この推定は
、以上で述べられた脳の内部の輪郭に対してエラー訂正
をするために用いられる。訂正された輪郭は、興味対象
の輪郭によって描かれた外面を覆う一対の三角形を作る
。最終的に尖状縫合、冠状縫合、トランスオウキシアル
（水平）とによる再構成は１．単独のコンピューターグ
ラフィック像を作るために組合せられる（第１０図Ｂ参
照）。

Ｋ、ソースの局部化 １、問題点 頭部の繊維の適切なモデル位置に関する情報、多重極特
性、定位、脳の電位と磁界のソースの大きさ、などは、
頭皮上における測定電位と磁界を決定するために重要で
ある。電位が疑似静電気と考えられつるので、電位の散
乱はポアッソンの式によって求められる。

０（σφ）＝Ｉｖ （φ）は電位、（σ）は電圧テンソル、（■、）は電圧
と電気ソース密度である。単に、等方性のモデルをソー
スのない部分で考えたときに、このことはラプラス式を
解く。

■。（σφ）＝０ 残念なことに、頭皮における電位と電極との知識は、ソ
ースを決定するためには、十分ではない。特定の頭皮に
おける電位（電域）の分布、例えば、脳の電位を生じる
部位やソースを含む他の表面などは、無限に存在するソ
ースの分布によって作り出される可能性がある。この多
義性を解くために、特徴、定位、そして、またあるいは
ソースの数に対する、ざらにいくつかの資料が、特定の
電位（電域）分布のソースを決定するために追加される
必要がある。ソースは、−と定位が繊維の同心球モデル
で、自由で、ある１つか２つの等価電流双極子としてコ
ンピューターのソフトウェア−におけるプログラムにモ
デル化されることが望ましい。しかし、１つか２つの等
価電流双極子が点滅する光に対する反応のような感覚Ｅ
ＲＰピークの主なソースをモデル化するためには十分で
ありうるが、反面では、それらのモデルは、目標が設置
され、その目標に向かって行なわれるというような簡単
な仕事についてさえも、十分であるとは思われない。さ
らにまた、被験者の脳の非球状トポロジーは、結果を大
きく歪めることになりつる。

２、ｗ？−決策の概要 追加された資料のように、ざらに優れた頭と脳とのモデ
ルが多数のソースの局部化のために必要である。数多く
のステップがこれらの必要条件を満たすために用いられ
る。

（１）頭と脳のモデルを改良するためにＭＲＩ走査と有
限差のモデルを使用すること、（２）　　２５６個まで
の頭皮電極を用いての空間的なリーンプリングを増やす
こと、 （３）向上されたラプラスの演算子や有限差の空間的螺
旋による、頭皮電位の測定の空間的な摩隙によるこすれ
傷を減らすこと、 （４）ＳＮＲを強化するために他の信号処理方法を用い
ること、 （５）ソースのモデル化におけるエラーを制限するため
に鮮明なＥＥＧと任意的にＭＥＧ電極の事象関連共変量
を用いること、 （６）より大きな候補となる集合から物理的なソースの
部分集合を徹底的に調査することを含む、いくつかのア
ルゴリズム的アプローチを試みること、 （７）個々に独立したデーターにおけるソースモデルの
確認をすること。

３、いくつかのアルゴリズム的アプローチの使用 以上で述べられた有限差（抵抗性ネットワーク）近似法
は、ソースのモデル化にまでも利用されうる。抵抗性ネ
ットワークは、頭皮、頭蓋、脳を髄液、脳そのものを表
わす。大脳皮質と大脳皮質下にあるソースのいずれも、
以下に述べられる最小二乗法による最小値で仮定される
ネットワークを通しての脳電圧は、１粋によって求めら
れる。その計算によって認められた頭蓋に流れ込む電流
から、各々のソースへの通常電流が予想される。

ａ、無制限非線形最小二乗法 ソースの局部化に対する歴史的アプローチは、ソースの
数を仮定し、最小二乗法の適応最小値を求める方法を用
いて、各々の等双極子について、全部で６パラメーター
（そのうち、５パラメーターはＭＥＧについて）を電算
することによって行なわれてきた。このアプローチにお
い・て、ソースの配置は仮定され、仮定された電位ζ観
察された電位間エラーの二乗の合計を最小化して摂動を
起こしている。急降下の調整パラメーターは、各々のパ
ラメーターに対してエラーの二乗の合計の部分約分のゼ
ロ推定値を用いることによって８１ｇされうる。最終的
に、これは局部的最小エラーに収束されるべきである（
例えば、どの増幅パラメトリック調整もエラーの二乗を
増加さＵる結果になるというようなポイント）。残念な
ことに、無制限非線形の最善化のための過程においてど
の求められた局部的最小も、また、全体最小である、と
は言えない。それはデーターを、よりよく表わす他のパ
ラメーターの組があるかもしれないということでおる。

この問題点は、特に、脳波が生じる位置の証明問題のよ
うな無制限で多くの面を測る問題に対しては不適当であ
る。

ｂ、制限線形最小二乗法 脳のモデルには、主要な大脳皮質部分とそれに関する脳
皮質下に対して制限された数（約１００）のコンパート
メントが配置されている（第１１図）。コンパートメン
トのおおよその位置は各々の被験者のＭＲＩ走査によっ
て決定される。各コンパートメントは、３つの直角な直
電流ソースによって表示される。４つのパラメーターは
、各ソースに対して求められなければならない。１つは
位置（コンバートメン１〜のプンバー）に対応する。残
りの３つはマグニブ」−ドと定位（各方向に対するマグ
ニブニード）に対応する。これは、制限された場合に要
求された６つから差し引いたものである。このアプロー
チにおＧノる主な利点は、しかし、３３％のパラメータ
ーの削減ではなく、むしろ電流製縮図と各候補ソースに
よって作られるＭＥＧ分イ５図における部分集合ベクト
ル上の線形回帰から方位を計算することができることに
ある。この方法によって、仮説されたモデルのオーダー
とソ−スの場所となりうる可能性の制限を与えるデータ
ーの全体最小二乗論を明らかにする。非線形最小二乗か
ら線形最小二乗への単純化を用いても、組合せの理論は
分析を難しいものにしている。

モデルのオーダーは、データーをよく表わすのに十分＾
度でなければならない。特に、どのソースも、実際には
（区画化によって定義されるような）異なる脳機能にお
ける各部分に存在するように、十分にらりばめられた複
合ソース、は表わさない。“分割゛′という部分集合に
おける選択を使用して、テーブル駆動ソースをモデル化
覆ることは、電算処理を可能にするために利用される（
第１２図参照）。

安定したチャンネル間の共変最パターンによってインタ
ーバルにある各時点に対して、部分集合にお【ノる選択
技術は、例えば６つの仮定されたソースによる多くの組
合せ、５つの仮定されたソースによる多くの組合せのよ
うな、観察されたＥＥＧとＭＥＧ、あるいはＥＥＧかＭ
ＥＧの空時的パターンを最高に作る１２までの仮定され
たソースの最高の“Ｎ　″のセット（使用されているチ
ャンネルのＥＥＧとＭＥＧ、か、ＥＥＧかＭＥＧの数に
よる）を見つけるために使用される。部分集合選択゛は
、つぎつぎと候補コンバートメン１〜のサイズを小さく
する逐次近似法によって完成される。例えば、徹底的な
調査が本来の部分化から組合された隣接する対からなる
５０のコンパートメントのうら、６つのソース以内で最
高の部分集合を求めるために行なわれる。選ばれた部分
集合は、他のチャンネルとのより大きな共変良でそれら
のチャンネルを強めるためにはかられたエラーによって
、観察された電流密度パターンを最高に作り出しうる。

サイズ６以内のすべての部分集合（５０コンパートメン
トの場合）は、共変量インタ１ニバルにおける、各々の
小数化された時間点について電算される。６つの選択は
、電流電算リソート（約７７分で２，３００，０００の
部分集合評価を行なう２−ＣＰＵマスコンブ５７００で
、概算で、１回帰について２ミリ秒）で無理なく回帰さ
れうる最大数の部分集合によって求められる。６つのソ
ースの証明には、２４パラメーターの評価が必要とされ
る。高ＳＮＲ平均から取出された１２８〜２５６の電気
的データーの点は、この目的に対して十分である。ソー
スのより高い数は、より大きいコンバートメン１〜のよ
り小さい数で始めることによって評価されうる。いずれ
の場合にしても、連続しているステップは、より小さい
電圧を証明するために部分集合の選択を繰り返す。方法
論敵に検討するために、無制限の非線形最小二乗法は、
観察電位分布の分散を説明する最大の単独双極子を位置
ずけるために用いられる。この双極子は、線形最大二乗
の解答の重力の中心に位置されたものである。

４、区画化された脳のモデル 脳のモデルを使用する目的は、ソース部分分析のための
候補ソースのロー１ナイを定義するにあたって、以下の
ステップが必要とされる。

ａ、ＭＲＩ像から脳の立体コンピューターグラフィック
を再生する。

ｂ、前部の接合部と後部の接合部との距離を基本とする
標準座標に脳を表わす。

Ｃ１有限差抵抗モデルから部分集合として約２．０Ｃｍ
離されたノード点で大脳皮質表面上に画一的な格子を形
成する。格子表面は、大脳皮質表面の全体像（輪郭）と
一致するが、縦、シルビウス裂溝、中心裂溝以外は裂溝
に沿う襞には従っていない。

ｄ、各ノード点において、表面の下（約１．５ｃｍ）に
ある法線の射影に沿って表面と最も深い裂溝との中点に
、立体座標点を定める。この点は、抵抗ネットワークに
おけるこの点に電流を流すことによって、モデル化され
うる候補等価双極子の位置となる。この等価双極子は、
半径的１．５ｃｍ、深さ約１．５ＣＩＩｌで、格子の表
面における通常−に調整された体積によって、すべての
双極子ジェネレーターの合成ベクトルを表わす。

この体積内での大脳皮質の襞の可能性から、等価双楊子
はいずれの方位ももつ可能性がある。

それ故に、４パラメーターは、各々の等何票極子を次の
ように選定することが必要とされる一ノードを証明する
ために１パラメーター、座標の３方向のそれぞれにおけ
る電流強度のために３パラメーター。大雑把に、９０の
候補等価双極子のソースは、３ｃｍのノード分離で両方
の大脳皮質半球を適切に試験する必要がある。

ｅ、候補大脳皮質ソースに加えて、１組の候補皮質構造
を選ぶ。大部分の皮質の位置は先入性を含まない。とい
うのは、理論的グループにおいて、それらのものからは
認識されうる頭皮電位も磁界も生じ得なかったからであ
る。電位のオープン電解を生じる構造とともに終脳と間
脳の領域にある。それらは、海馬、側面膝状体、腹俊部
、腹側面葉状核を含む。

ｆ、ＭＲＩから脳皮質上候補皮質ソースの立体的位置を
決定する。大部分の候補構造は、１つの等何票極子によ
ってモデル化されている。

海馬は、その形態故に、種々の亜区を表わすために少な
くとも３つそれぞれに独立した双極子を必要とする。従
って、全部で、おおよそ１０２候補ソースの合計となる
。

５、ソースの数の決定 すべての回帰問題と共に、正確なパラメーターによる表
示は、−膜化され、十分にデーターでソースの変動（分
散口／平方偏差）を表わすモデルに対して、臨界的であ
る。頭皮電位域の形態は、新しく相対的に拡げられた安
定した形態による短い無秩序な変化によって、かなり長
い間（５０〜１００ミリ秒、または、それ以上）、相対
的に安定している。それによって、双極子による解決に
おける最大勾配条件が課せられる。

複合双極子に対する各解決の安定性は、それらのインタ
ーバルに対して調べられる。過度に大旦なパラメーター
を持つ形態は、放射状に隣り合う時間点を越えて変化す
る傾向にある。なだらかな標準は、インターバルを越え
た所では、エラー変化、サンプル間、の変化を最小限度
にとどめるために動的なプログラム処理を用いることが
勧められている。過度に少■のバラター１　　ターを持
つ形態は重要なトポグラフ構造を持つ副産物（説明され
ていない通常電流密度と磁界）を生じる。サンプル間の
変化の可能性を重みづけしているなだらかなパラメータ
ーは、選ばれた分析インターバルを越える異なった解決
モデル次数の軌道を作るために摂動させられる。

６、クロスバリデーション １ｑられた時間変化に伴うモデルは、独立したデーター
の組合ｔ！（単独試験のもととなる組合せは、無作為に
２つのグループに分けられ、サブ平均が求められる）に
おいてテストされる。

このテストの組合Ｕのために二乗させられたエラー測定
は、訓練のための組合せから求められたパラメーターで
非現実的に大きなモデル次数を増大することが期待され
うる。特殊な複合ソース解決の評価のための主な基準は
、（１）それは、道理にかなっているべきでおる。ソー
スパターンは、先で述べた神経解剖学的、神経解剖学的
な見地によって、不変であるべきである。例えば、“感
知器とモーターソースの位置が正確であるべきであるパ
というようなことでおる。

（２）信号−ノイズ比において、信号が、チャンネル間
の共変量に対する仮定試験の意義にしたがって測定され
るところや、ノイズが共変量のノイズ分布から測定され
るところ、においで、それは増加されるべきである。（
３）低次数の解決（単独双極子のような）は、複合ソー
スの解決におけるクラスターの比重の中心に位置すべき
である。（４）ソースモデルは、独立した試験データー
の組のために（例えば、低残留分散で必る、というよう
な）良好な表示がなされるべきでおる。数値によるシミ
ュレーションは、候補選択過程に対して、エラー基準を
求めるために行なわれる。すべてのなだらかさとクロス
バリデーション試験は、最小エラーの部分集合における
エラー基準に属する多くの候補ソースの組合せにおいて
行なわれる。これは、逐次近似法研究の第一ステップに
けおる誤った選択により起こるエラーの総計を防ぐため
に有効でおる。シミュレーションによって、各々の特殊
な脳トポロジーにおいて、空回的解像力の測定法が行な
われる。特に、位置エラーについてのモンテカルロのシ
ミュレーションにより評価された総則は、ソースの局部
限定結果に信頼区間を与える。

【図面の簡単な説明】

第１図は、被験者に被せられた電極帽子の全面の写真で
ある。 第２図は、電気回路機構のブロック回路図で電気回路は
電極に接続されるアナログ多重送信機を含むものである
。 第３図は、デマルチプレキシング板のブロック回路図で
ある。 第４図は、この発明における方法のステップと装置をブ
ロック図によって順番に表わしたものである。 第５図は、興味対象の輪郭をなぞった人間の脳のＭＲＩ
像。 第６図は、頭皮上の感知場所を示している人間の脳のＭ
ＲＩ像。 第７図は、分類機を用いて行なわれたアーチファク１〜
探知をブロック図によって順番に表わしたものである。 第７図Ａは、脳の有限差モデルを示した図である。 第８図は、分類機を用いて行なわれたＥＲＰ推定ブロッ
ク図によって順番に表わしたものである。 第９図は、頭皮上におけるすべての可能なる“′機能上
の相互関係”の組合せを示している頭のモデルの透視図
である。 第１０図は、感知器の位置を示しているモデルの側頭で
ある。 第１０図Ａは、右利きの被験者が視覚運動の仕事をする
準備ができているときの重要な機能上の相互関係のみを
示しているモデルの頭の透視図である。 第１０図Ｂは、ＭＲＩ走査によって構成された被験者の
脳の立体的透視画法によるモデルの図である。 第１１図は、区画された脳のモデルを描いている透視図
である。 第１２図は、発生ソースのモデルを表にしたものである
。 特許出願人　　イーイーシイ　システムズラボラトリー

Claims (1)

1. 【特許請求の範囲】 １、ｉ）被権者の頭の選ばれた部分と内部の部位におけ
   る立体的な位置を決定し、また、解剖学的位置データー
   を得るために立体解剖走査器を用いて当該位置を記録す
   る工程； ｉｉ）多数の少なくとも３２個の感知器を被験者の頭皮
   の外側でかつ頭皮の近傍に取付け、頭皮表面近傍で探知
   可能なアナログ脳神経活動を探知する工程； ｉｉｉ）感知器の立体的な位置を決定し、当該感知器の
   決定位置をデジタルデーターに変換し、コンピューター
   の収納装置に当該感知器位置のデジタルデーターを納め
   る工程； ｉｖ）被験者に事前に用意された刺激の組を与える工程
   ； ｖ）当該刺激を与えている間に被験者のア ナログ脳信号を感知器で探知し、当該アナログ信号を増
   幅し、当該アナログ信号をデジタルデーターに変換し、
   コンピューターの収納装置に当該デジタルデーターを納
   める工程；ｖｉ）脳内部の局部における脳神経活動のジ
   ェネレーターとそれらの時間的な相互関係を表わす一組
   の統計的表示を与えるために、 （ａ）当該解剖学的位置データー、 （ｂ）当該感知器位置データー、 （ｃ）当該収納脳信号デジタルデーターを統計的に分析
   する工程；および ｖｉｉ）人間の脳の少なくとも部分の当該統計的表示を
   立体的透視表示で表示する工程、但し、当該表示の脳の
   部分は、当該走査器によってもたらされた脳の局部とそ
   の個所において対応している； からなるヒト被験者の脳神経活動の位置と内部域の時間
   的関係を表示する方法。 ２、脳の選ばれた部分の位置は、磁気共鳴像（ＭＲＩ）
   を与えるために、脳を走査することによって得られる特
   許請求の範囲第１項記載の方法。 ３、当該脳波デジタルデーターの試験の組と、パターン
   認識分類において汚染されていないかつ刺激に関係しな
   い脳波デジタルデーターの統計的に求められたノームと
   を比較して、汚染されたまたは強い刺激に関係する脳波
   信号をもたないデーターを除去することによって、脳波
   信号の信号−ノイズ率を高め、汚染データーを低減しか
   つ当該刺激に関係していない脳活動を低減する特許請求
   の範囲第１項記載の方法。 ４、感知器は、取り外し自由な帽子の内側の面に取付け
   られた電極である特許請求の範囲第１項記載の方法。 ５、感知器は、脳波記録法（ＥＥＧ）システムにおける
   電極である特許請求の範囲第１項記載の方法。 ６、感知器は、磁気脳造影法（ＭＥＧ）システムにおけ
   る探知器である特許請求の範囲第１項記載の方法。 ７、刺激は自動的にコンピューターのプログラムの制御
   のもとで与えられる特許請求の範囲第１項記載の方法。 ８、刺激は被験者によって行なわれた一組の運動性の仕
   事を含む特許請求の範囲第１項記載の方法。 ９、仕事は、被験者が左手か右手で視覚的な合図に対し
   て反応するべき仕事を含む特許請求の範囲第８項記載の
   方法。 １０、被験者は、音や視覚的な合図に対して、どちらか
   一方の手で反応しなければならない特許請求の範囲第８
   項記載の方法。 １１、表示上のコードは、時間の遅れを示すために用い
   られた線の色、頭皮を通して流された電流を示すために
   用いられた位置の色を含むカラーコードである特許請求
   の範囲第１項記載の方法。 １２、表示は、被験者の脳と頭を基にするモデルによる
   特許請求の範囲第１項記載の方法。 １３、電気的脳波のデジタルデーターは、発生場所から
   感知器を通過するときに起こる歪みを減らすために処理
   され、当該処理は空間的デコンボルーションアルゴリズ
   ムの使用を含んでいる特許請求の範囲第１項記載の方法
   。 １４、電気的脳波デジタルデーターは区画化、部分集合
   選択、線形最小二乗法を用いて、ソースネットワーク特
   性を取出すために処理される特許請求の範囲第１項記載
   の方法。 １５、被験者は刺激に応答して被験者の体の一部の随意
   運動を実質上含む一連の試験からなる予め決められた仕
   事を行ない、各試験の間被験者の脳波の探知を継続する
   特許請求の範囲第１項記載の方法。 １６、表示は、刺激あるいは反応に関係した信号に対す
   る空間的、時間的脳波特性を示すものであり、準備、刺
   激の符号化、特徴抽出、決定、反応準備、反応実行、フ
   ィードバックデーター更新、その他の認識に関する過程
   を含んでいる特許請求の範囲第１項記載の方法。 １７、表示は被験者の脳と頭からなるモデルであり、走
   査は磁気共鳴像（ＭＲＩ）であり、当該モデルは当該被
   験者のＭＲＩに基づいている特許請求の範囲第１項記載
   の方法 １８、ｉ）被権者の頭皮表面近傍で探知可能なアナログ
   脳神経活動を探知するために、被験者の頭皮近傍に置か
   れるようにした複数の少なくとも３２個の感知器； ｉｉ）当該感知器の立体的位置を決定し、当該位置決定
   をデジタルデーターに変換し、かつ当該位置デジタルデ
   ーターをコンピューターの収納装置に納めるための手段
   ； ｉｉｉ）被験者のアナログ脳信号を探知して増幅し、当
   該アナログ信号を脳信号デジタルデーターに変換し、当
   該脳信号デジタルデーターをコンピューターの収納装置
   に納めるために当該電極に接続された手段； ｉｖ）収納された脳信号デジタルデーターを統計的に分
   析して、感知器位置間における時間的相関関係を表わす
   脳活動の一組の統計的表示を与える手段；および ｖ）当該統計的表示を電極間の線として表 示するための頭と脳の部分とを有する立体的透視表示装
   置、但し、当該表示装置上の当該頭と脳の部分は感知器
   位置とその個所において対応している； からなるヒト被験者の脳神経活動の位置と内部域の時間
   的関係を表示する装置。 １９、脳走査手段は磁気共鳴像（ＭＲＩ）システムであ
   る特許請求の範囲第１８項記載の装置。 ２０、強い刺激に関係する脳波信号を持たないデーター
   を除くために、パターン認識分類手段を含む特許請求の
   範囲第１８項記載の装置。 ２１、３２個以上の当該電極をもつ取り外しのできる帽
   子を含む特許請求の範囲第１８項記載の装置。 ２２、当該刺激を自動的に表わすためのコンピューター
   プログラム制御を含む特許請求の範囲第１８項記載の装
   置。 ２３、表示は被験者の脳に基づくモデルである特許請求
   の範囲第１８項記載の装置。 ２４、感知器は脳波検査法（ＥＥＧ）システムの電極で
   ある特許請求の範囲第１８項記載の装置。 ２５、感知器は磁気脳造影（ＭＥＧ）システムの探知器
   である特許請求の範囲第１８項記載の装置。 ２６、電気脳波デジタルデーターは、区画化、部分集合
   の選択、線形最小二乗法を用いてソースネットワークを
   取出すために処理されている特許請求の範囲第１８項記
   載の装置。