JPWO2014088073A1

JPWO2014088073A1 - 性向判別装置、タスク実行支援装置、性向判別コンピュータプログラムおよびタスク実行支援コンピュータプログラム

Info

Publication number: JPWO2014088073A1
Application number: JP2014551142A
Authority: JP
Inventors: 千尋細田; 隆花川; 理英子大須
Original assignee: ATR Advanced Telecommunications Research Institute International; National Center of Neurology and Psychiatry
Current assignee: ATR Advanced Telecommunications Research Institute International; National Center of Neurology and Psychiatry
Priority date: 2012-12-07
Filing date: 2013-12-05
Publication date: 2017-01-05
Anticipated expiration: 2033-12-05
Also published as: WO2014088073A1; US20150313551A1; US10285652B2; JP5804663B2

Abstract

【課題】ＭＲＩにより得られる脳の情報に基づいて、客観的に判定対象者の性向を判定する性向判別装置を提供する。【解決手段】性向判別装置における判別器の生成では、磁気共鳴イメージングにより取得した解剖画像および拡散強調画像に基づいて（Ｓ１０２）、複数の被験者の各々について、前頭極を関心領域として、灰白質体積および拡散異方性度とを算出する（Ｓ１０４）。複数の被験者について性向を判断するためのテストを行った結果を分類した情報と、灰白質体積および拡散異方性度との関係を機械学習して判別器が生成される（Ｓ１０８）。【選択図】図５

Description

本発明は、磁気共鳴イメージング（ＭＲＩ：ＭａｇｎｅｔｉｃＲｅｓｏｎａｎｃｅＩｍａｇｉｎｇ）を用いた、被験者の性向の判定と、判定結果に応じたタスク実行の支援の技術に関する。

磁気共鳴イメージング（ＭＲＩ）は、静磁場中に置かれた被検体の原子核スピンをラーモア周波数のRF信号で磁気的に励起し、この励起に伴って発生するＭＲ信号から画像を再構成する撮像法である。生体の観測では、主として、水素原子核の信号が観測される。

このようなＭＲＩ技術は、医療における診断の分野ですでに多くの応用があるだけでなく、ＭＲＩを用いた神経画像研究では、構造ＭＲＩ研究において、性格傾向と脳の形態や機能との関係を指摘した幾つかの報告がある（非特許文献１，非特許文献２，非特許文献３）。

たとえば、非特許文献１では、前頭葉、側頭葉辺縁系における灰白質および白質の体積と、気質または性格の特徴との相関についての研究の報告がある。また、非特許文献２では、小脳の白質および皮質の体積と気質の特徴との間に相関があるとの報告がある。

ここで、気質（temperament）とは、たとえば、Cloningerの理論では、（１）新奇性追求性（ＮＳ：Novelty seeking，行動の触発）、（２）損害回避性（ＨＡ：Harm avoidance，行動の抑制）、（３）報酬依存性（ＲＤ：Reward Dependence，行動の維持）、（４）固執性（Ｐ：Persistence，行動の固着）の４つの次元に分けて考えられており、性格（character）とは、（１）自己志向性（ＳＤ：Self directedness，自律的個人）、（２）協調性（Ｃ： Cooperativeness，人類社会の統合的部分）、（３）自己超越性（ＳＴ：Self-transcendence，宇宙の統合的部分）の３つの次元に分けて考えられるものとされている。

また、ＭＲＩ技術とは異なるが、脳機能を測定する装置として、光トポグラフィを使用することで、脳機能計測信号から個々人の注意・記憶といった内部状態を推定もしくは予測し、ヒューマンエラーの起こりやすい状態を検出および警告することで、ヒューマンエラーを予防および防止する技術も提案されている（特許文献１）。

このように、脳についての客観的な情報を、人間の性格の性向の判定や、現在の意識状体の判断に用いる人間工学的な応用などについて、研究が行われている。

さらに、上述したようなＭＲＩ技術において、近年開発された拡散テンソルイメージング（ＤＴＩ：ＤｉｆｆｕｓｉｏｎＴｅｎｓｏｒＩｍａｇｉｎｇ）は、白質の密度や変性の程度などと密接に関連する拡散異方性の定量的評価に基づき、錐体路や脳梁などの立体的な描出や、これらと腫瘍などの病巣との位置関係の描出などが可能なイメージング方法であり、他の画像診断法では行えない診断が行えることから、既に臨床現場においてその有用性が実証されている（非特許文献４）。

このＤＴＩは、水分子の拡散の方向性が、神経系のおもに軸索や髄鞘によって制限されることをＭＲＩの技術を用いて画像化するものである。

ＤＴＩにおいて、拡散異方性は、例えば、ＦＡ（ＦｒａｃｔｉｏｎａｌＡｎｉｓｏｔｒｏｐｙ）値といった指標を用いることで定量化が行われる。

このようなＤＴＩにおいて、検者の主観や技量などに依存しない、ＤＴＩにおけるイメージング対象領域の設定方法などについても提案がある（特許文献２）。

一方で、学習過程においては、生徒の個性にあった指導を行うことが重要であり、生徒の個性を、筆記テストにより判別して、指導指針や学習の進め方についての情報を作成するシステムが提案されている（たとえば、特許文献３）。この特許文献３では、８０の質問に答えることで、人の個性を、五つの因子、即ち、凝縮性、受容性、弁別性、拡散性、保全性及びストレスで数値化するものとされている。

特開２０１１−１５０４０８号公報特開２００９−０７２４５１号公報特開２００６−６４８８０号公報

Van Schuerbeek P, Baeken C, De Raedt R, De Mey J, Luypaert R.，"Individual differences in local gray and white matter volumes reflect differences in temperament and character: a voxel-based morphometry study in healthy young females，" Brain Res. 2011 Jan 31;1371:32-42. Epub 2010 Nov 29. Laricchiuta D, Petrosini L, Piras F, Macci E, Cutuli D, Chiapponi C, Cerasa A, Picerni E, Caltagirone C, Girardi P, Tamorri SM, Spalletta G.，"Linking novelty seeking and harm avoidance personality traits to cerebellar volumes，" Hum Brain Mapp. 2012 Sep 11. doi: 10.1002/hbm.22174. Michael X Cohen, Jan-Christoph Schoene-Bake1, Christian E Eger1 & Bernd Weber，"Connectivity-based segregation of the human striatum predicts personality characteristics，" Nat Neurosci. 2009 Jan;12(1):32-4. Epub 2008 Nov 23. P.C.Sundgren et al., "Diffusion tensor imaging of the brain: review of clinical applications," Neuroradiology (2004) 46: 339-350.

しかしながら、上述したような特許文献３のようなシステムでは、ある程度の客観性は期待できるものの、その根拠となる人間の性格性向、個性の判断は、あくまで、質問の作成者による経験に追うところが大きく、その判断の根拠自体が客観的に説明されたわけではない。

一方で、ＭＲＩ技術は、脳の構造的・機能的な情報を客観的に取得するものであり、上述したような発展が近年みられるものの、このような情報が、人間の性格性向、特に学習に対する性向との間にどのような関連性があるかは、従来、必ずしも明らかではなかった。

この発明は、上記のような問題点を解決するためになされたものであって、その目的は、ＭＲＩにより得られる脳の情報に基づいて、客観的に判定対象者の性向を判定する性向判別装置を提供することを目的とする。

また、この発明の目的は、性向判定装置により判定された判定対象者の性向に基づいて、適切なタスク実行手順を提示することが可能なタスク実行支援装置を提供することである。

この発明の１つの局面に従うと、性向判別装置であって、複数の被験者の各々と関連づけて、各被験者の磁気共鳴イメージングによる解剖画像および拡散強調画像のデータおよび各被験者の性向を判断するためのテストを行った結果を分類した分類情報を格納する記憶装置と、記憶装置に格納された情報に基づき、性向判別のための処理を実行する演算装置とを備え、演算装置は、解剖画像および拡散強調画像に基づいて、複数の被験者の各々について、所定の脳領域を関心領域として、灰白質体積および拡散異方性度とを算出し、並びに分類情報と灰白質体積および拡散異方性度との関係を機械学習して判別器を生成し、判別器は、判定対象者の性向指標を出力するためのものである。

また、判別器と、判定手段と、を備える、判定対象者の性向を判別するための性向判別装置であって、判別器は、複数の被験者の性向を判断するためのテストを行った結果を分類した情報と、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて前記複数の被験者の所定の脳領域を関心領域として取得された、灰白質体積および拡散異方性度と、の関係を機械学習して生成され、判定手段は、判別器に基づいて、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて判定対象者の所定の脳領域を関心領域として取得された、灰白質体積および拡散異方性度から、判定対象者の性向指標を出力する。

好ましくは、性向指標は、判定対象者の行動の持続性に関する指標である。

好ましくは、所定の脳領域は、前頭極である。

好ましくは、性向は、判定対象者の学習に対する性向である。

この発明の他の局面に従うと、記憶手段と、判定手段と、課題提供手段と、を備えるタスク実行支援装置であって、記憶手段は、複数の被験者について性向を判断するためのテストを行った結果を分類した情報と、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて複数の被験者の所定の脳領域を関心領域として、灰白質体積および拡散異方性度と、の関係を機械学習して生成された判別器の情報を記憶し、判定手段は、判別器に基づいて、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて判定対象者の所定の脳領域を関心領域として取得された、灰白質体積および拡散異方性度から、判定対象者の性向指標を出力し、課題提供手段は、性向指標に応じて、前記判定対象者に与えるタスクプログラム中の課題の提示の態様を切り替える。

好ましくは、所定の脳領域は、前頭極である。

好ましくは、タスクプログラムを構成する複数の課題は、各課題の分野を判定対象者の興味と関連づけて分類され、または、各課題のカテゴリが予め分類されており、課題提供手段は、判別された判定対象者の性向に応じて、タスクプログラムの進行において、興味のある分野の課題の割合を増減させ、または、課題のカテゴリの切替の頻度を増減する。

この発明のさらに他の局面に従うと、判定対象者の性向の判別を、コンピュータに実行させるための性向判別コンピュータプログラムであって、性向判別コンピュータプログラムは、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて判定対象者の所定の脳領域を関心領域として、灰白質体積および拡散異方性度を取得するステップと、複数の被験者について性向を判断するためのテストを行った結果を分類した情報と、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて前記複数の被験者の所定の脳領域を関心領域として取得された、灰白質体積および拡散異方性度と、の関係を機械学習して生成された判別関数に基づいて、判定対象者の性向指標を出力するステップと、をコンピュータに実行させる。

この発明のさらに他の局面に従うと、記録媒体であって、前記性向判別コンピュータプログラムを記録したものである。

この発明のさらに他の局面に従うと、判定対象者の性向の判別に基づき、判定対象者に与えるタスクプログラムを出力する処理を、コンピュータに実行させるためのタスク実行支援コンピュータプログラムであって、タスク実行支援コンピュータプログラムは、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて判定対象者の所定の脳領域を関心領域として、灰白質体積および拡散異方性度とを取得するステップと、複数の被験者について性向を判断するためのテストを行った結果を分類した情報と、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて前記複数の被験者の所定の脳領域を関心領域として取得された、灰白質体積および拡散異方性度と、の関係を機械学習して生成された判別関数に基づいて、判定対象者の性向指標を出力するステップと、性向指標に応じて、判定対象者に与えるタスクプログラム中の課題の提示の態様を切り替えて提示するステップと、をコンピュータに実行させる。

この発明のさらに他の局面に従うと、記録媒体であって、前記タスク実行支援コンピュータプログラムを記録したものである。

この発明のさらに他の局面に従うと、タスク実行支援装置であって、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて判定対象者の所定の脳領域を関心領域として、灰白質体積および拡散異方性度を取得する脳情報取得手段と、複数の被験者の性向を判断するためのテストを行った結果を分類した情報と、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて複数の被験者の所定の脳領域を関心領域として取得された、灰白質体積および拡散異方性度と、の関係を機械学習して生成された判別器に基づいて、判定対象者の脳情報から判別された、判定対象者の性向に応じて、判定対象者に与えるタスクプログラム中の課題の提示の態様を切り替える課題提供手段とを備える。

好ましくは、課題提供手段は、判定対象者の性向に応じて、判定対象者に与えるタスクプログラム中において、判定対象者の課題の達成度の評価を通知する段階を切り替える。

本発明によれば、ＭＲＩにより得られる脳の情報に基づいて、客観的に被験者の性向を判定することが可能である。

また、本発明によれば、客観的に判定された被験者の性向に基づいて、適切なタスク実行手順を提示することが可能である。

ＭＲＩ装置１０の全体構成を示すブロック図である。脳の外観において前頭極の位置を示す図である。学習支援装置１０００を構成するシステムの一例を示す概念図である。コンピュータシステム２０００のハードウェア構成をブロック図形式で示す図である。性向判別装置において使用される「判別器」を生成する手続きを説明するためのフローチャートである。判別器による判別の状況を説明する図である。判別器による判別の状況を説明する他の図である。判別器による判別の状況を説明するさらに他の図である。学習支援装置１０００による学習支援の手続きを説明するための図である。運動学習の内容を説明するための概念図である。

以下、本発明の実施の形態の性向判別装置、性向判別プログラムおよびタスク実行支援装置の構成について、図に従って説明する。なお、以下の実施の形態において、同じ符号を付した構成要素および処理工程は、同一または相当するものであり、必要でない場合は、その説明は繰り返さない。

以下では、まず、「性向判別装置およびタスク実行支援装置」の構成を説明する前提として、被験者の脳の構造または機能を計測する装置である「ＭＲＩ装置」について説明する。

また、その後に、被験者または判定対象者の「性向」としては、特に、「学習性向」を例にとり、「タスク実行支援装置」としては、「学習支援装置」を例にとって説明することとする。ただし、本実施の形態の「性向判別装置およびタスク実行支援装置」は、このような場合に限定されるものではない。

図１は、ＭＲＩ装置１０の全体構成を示すブロック図である。

図１に示すように、ＭＲＩ装置１０は、被検者２の関心領域に制御された磁場を付与してＲＦ波を照射する磁場印加機構１１と、この被検者２からの応答波（ＮＭＲ信号）を受信してアナログ信号を出力する受信コイル２０と、この被検者２に付与される磁場を制御するとともにＲＦ波の送受信を制御する駆動部２１と、この駆動部２１の制御シーケンスを設定するとともに各種データ信号を処理して画像を生成するデータ処理部３２とを備える。

なお、ここで、被検者２が載置される円筒形状のボアの中心軸をＺ軸にとりＺ軸と直交する水平方向にＸ軸及び鉛直方向にＹ軸を定義する。

ＭＲＩ装置１０は、このような構成であるので、磁場印加機構１１により印加される静磁場により、被検者２を構成する原子核の核スピンは、磁場方向（Ｚ軸）に配向するとともに、この原子核に固有のラーモア周波数でこの磁場方向を軸とする歳差運動を行う。

そして、このラーモア周波数と同じＲＦパルスを照射すると、原子は共鳴しエネルギーを吸収して励起され、核磁気共鳴現象（ＮＭＲ現象；Nuclear Magnetic Resonance）が生じる。この共鳴の後に、ＲＦパルス照射を停止すると、原子はエネルギーを放出して元の定常状態に戻る緩和過程で、ラーモア周波数と同じ周波数の電磁波（ＮＭＲ信号）を出力する。

この出力されたＮＭＲ信号を被検者２からの応答波として受信コイル２０で受信し、データ処理部３２において、被検者２の関心領域が画像化される。

磁場印加機構１１は、静磁場発生コイル１２と、傾斜磁場発生コイル１４と、ＲＦ照射部１６と、被検者２をボア中に載置する寝台１８とを備える。

駆動部２１は、静磁場電源２２と、傾斜磁場電源２４と、信号送信部２６と、信号受信部２８と、寝台１８をＺ軸方向の任意位置に移動させる寝台駆動部３０とを備える。

データ処理部３２は、操作者（図示略）から各種操作や情報入力を受け付ける入力部４０と、被検者２の関心領域に関する各種画像及び各種情報を画面表示する表示部３８と、各種処理を実行させるプログラム・制御パラメータ・画像データ（三次元モデル像等）及びその他の電子データを記憶する記憶部３６と、駆動部２１を駆動させる制御シーケンスを発生させるなどの各機能部の動作を制御する制御部４２と、駆動部２１との間で各種信号の送受信を実行するインタフェース部４４と、関心領域に由来する一群のＮＭＲ信号からなるデータを収集するデータ収集部４６と、このＮＭＲ信号のデータに基づいて画像を形成する画像処理部４８とを備える。

また、データ処理部３２は、専用コンピュータである場合の他、各機能部を動作させる機能を実行する汎用コンピュータであって、記憶部３６にインストールされたプログラムに基づいて、指定された演算やデータ処理や制御シーケンスの発生をさせるものである場合も含まれる。

静磁場発生コイル１２は、Ｚ軸周りに巻回される螺旋コイルに静磁場電源２２から供給される電流を流して誘導磁場を発生させ、ボアにＺ軸方向の静磁場を発生させるものである。このボアに形成される静磁場の均一性の高い領域に被検者２の関心領域を設定することになる。ここで、静磁場発生コイル１２は、より詳しくは、たとえば、４個の空芯コイルから構成され、その組み合わせで内部に均一な磁界を作り、被験者２の体内の所定の原子核、より特定的には水素原子核のスピンに配向性を与える。

傾斜磁場発生コイル１４は、Ｘコイル、Ｙコイル及びＺコイル（図示省略）から構成され、円筒形状を示す静磁場発生コイル１２の内周面に設けられる。

これらＸコイル、Ｙコイル及びＺコイルは、それぞれＸ軸方向、Ｙ軸方向及びＺ軸方向を順番に切り替えながら、ボア内の均一磁場に対し傾斜磁場を重畳させ、静磁場に強度勾配を付与する。Ｚコイルは励起時に、磁界強度をＺ方向に傾斜させて共鳴面を限定し、Ｙコイルは、Ｚ方向の磁界印加の直後に短時間の傾斜を加えて検出信号にＹ座標に比例した位相変調を加え（位相エンコーディング）、Ｘコイルは、続いてデータ採取時に傾斜を加えて、検出信号にＸ座標に比例した周波数変調を与える（周波数エンコーディング）。

この重畳される傾斜磁場の切り替えは、制御シーケンスに従って、Ｘコイル、Ｙコイル及びＺコイルにそれぞれ異なるパルス信号が送信部２４から出力されることにより実現される。これにより、ＮＭＲ現象が発現する被検者２の位置を特定することができ、被検者２の画像を形成するのに必要な三次元座標上の位置情報が与えられる。

ＲＦ照射部１６は、制御シーケンスに従って信号送信部３３から送信される高周波信号に基づいて、被検者２の関心領域にＲＦ（Radio Frequency）パルスを照射するものである。
なお、ＲＦ照射部１６は、図１において、磁場印加機構１１に内蔵されているが、寝台１８に設けられたり、あるいは、受信コイル２０と一体化されていてもよい。

受信コイル２０は、被検者２からの応答波（ＮＭＲ信号）を検出するものであって、このＮＭＲ信号を高感度で検出するために、被検者２に近接して配置されている。
ここで、受信コイル２０には、ＮＭＲ信号の電磁波がそのコイル素線を切ると電磁誘導に基づき微弱電流が生じる。この微弱電流は、信号受信部２８において増幅され、さらにアナログ信号からデジタル信号に変換されデータ処理部３２に送られる。

すなわち、静磁界にＺ軸傾斜磁界を加えた状態にある被験者２に、共鳴周波数の高周波電磁界を、ＲＦ照射部１６を通じて印加すると、磁界の強さが共鳴条件になっている部分の所定の原子核、たとえば、水素原子核が、選択的に励起されて共鳴し始める。共鳴条件に合致した部分（たとえば、被験者２の所定の厚さの断層）にある所定の原子核が励起され、スピンがいっせいに回転する。励起パルスを止めると、受信コイル２０には、今度は、回転しているスピンが放射する電磁波が信号を誘起し、しばらくの間、この信号が検出される。この信号によって、被験者２の体内の、所定の原子を含んだ組織を観察する。そして、信号の発信位置を知るために、ＸとＹの傾斜磁界を加えて信号を検知する、という構成になっている。

画像処理部４８は、記憶部３６に構築されているデータに基づき、励起信号を繰り返し与えつつ検出信号を測定し、１回目のフーリエ変換計算により、共鳴の周波数をＸ座標に還元し、２回目のフーリエ変換でＹ座標を復元して画像を得て、表示部３８に対応する画像を表示する。
（脳観察における関心領域）
本実施の形態の「性向判別装置および学習支援装置」では、ＭＲＩ装置で測定した解剖画像および拡散強調画像において、脳の前頭極を関心領域（ＲＯＩ：Region Of Interest）として得られたデータを利用する。ただし、関心領域としては、以下に説明するような手順で、性向の判別の手続きを実験的に確認できるものであれば、脳の他の領域であってもよい。

図２は、脳の外観において前頭極の位置を示す図である。

図２（ａ）は、大脳を下から見た図であり、図２（ｂ）は、脳を左側面から見た図である。

図２に示されるように、前頭極（Frontal pole）は、大脳の一番前方の部分のことを指す。前頭前皮質の一部で、前頭葉の一番前方の部分にあたる。

解剖画像では、被験者の前頭極の灰白質体積（ＧＭ値）を評価する。

ここで、灰白質とは、中枢神経系の神経組織のうち、神経細胞の細胞体が存在している部位のことをいい、ＭＲＩ画像においては、解剖画像としてＴ２（横緩和時間）強調画像を用いた場合は、灰白質は、白質に比べて高い信号レベルとなる。

特に限定されないが、たとえば、灰白質の体積の評価には、ＶＢＭ（Voxel-Based-Morphometry）を用いることができる。

ここで、ＶＢＭは、験者の熟練度に影響されず、全脳をカバーして局所の脳体積や組織密度の違いを構造ＭＲＩから計算する手法である。このようなＶＢＭについては、たとえば、以下の文献に開示がある。

公知文献１： John Ashburner and Karl J. Friston，Voxel-Based Morphometry-The Methods，Neuroimage 11, 805, 2000．
この手法は、ＭＮＩ標準脳に合わせられたＭＲＩのデータをボクセル単位で統計的に評価する。最近では、さらに、以下の文献に記載されるような最適化法が用いられる。

公知文献２： Catriona D. Good et al．，A Voxel-Based Morphometric Study of Ageing in 465 Normal Adult Human Brains，NeuroImage 14, 21-36 2001．
この方法では、カスタム化されたテンプレートと灰白質独自のパラメータを用いて解剖学的標準化を行う。

一方、拡散強調画像においては、被験者の拡散異方性度（ＦＡ値）を評価する。

そこで、以下、簡単に拡散協調画像および拡散異方性度について、説明する。

（拡散協調画像および拡散テンソル）
脳には、白質線維の方向による水の拡散のしやすさの違い（拡散違法性：diffusion anisotoropy）がある。ＭＲＩにより、ある条件を満たした撮像を行い、テンソル解析を行うことにより、主に白質線維に依存する拡散異方性の程度を定量的に測定することが可能である。

ここで、ある条件とは、簡単に説明すれば、上述した傾斜磁場として、ある方向について、強い傾斜磁場を正負の方向にかけた後に現れる信号を取得することに対応する。静止している水素原子は正負の傾斜磁場の大きさが同じであれば、位相変化はない。たとえば、ｘ方向の傾斜磁場を上記のように変化させた場合に、水素原子がｘ方向に移動していれば位相変化を伴うので、これが信号として検出されることになる。ｘ方向に激しく拡散している水素原子核が多いボクセル全体の信号のレベルは低くなり、ｘ方向にほとんど動いていない水素原子核が多いボクセル全体の信号は強くなる。このように、水素原子の拡散を検出するために印加される傾斜磁場のことを拡散運動検出傾斜磁場（ＭＰＧ：motion probing gradient）と呼ぶ。

水溶液中のような等方性拡散の計測においては、従来の拡散強調画像法で行われてきたようにＭＰＧを１方向与えれば十分である。しかしながら、実際の生体内は、等方性拡散ではありえない。あるボクセルを原点とすると、原点に存在する物質がガウス分布にしたがって拡散する場合、一定時間後には、楕円体によって表される領域に存在すると考えられる。そこで、拡散異方性を定量的に扱うために、「拡散テンソル」という概念が導入されている。拡散テンソルを以下のように表す。

拡散テンソルは、６つの独立成分からなる対称行列である。

拡散テンソルの各成分は、それぞれ、添え字の方向にＭＰＧを印加した場合の見かけ上の拡散係数（ＡＤＣ：Apparent Diffusion Coefficient）に相当する。

少なくとも６方向についてＭＰＧを印加して対応するＭＲＩ画像を取得するとともに、ＭＰＧ印加のない場合の画像、すなわち、Ｔ２強調画像とを取得する。ＭＰＧ印加がない状態のＴ２強調画像との差分が、拡散の程度を表すことになる。

少なくとも６方向についてＭＰＧを印加した画像から、ボクセル毎に、拡散テンソルを算出することができる。

この拡散テンソルに対して対角化を施すことで、拡散テンソルの直交する基本軸における主方向および主方向の拡散係数が、それぞれ対応する固有ベクトルおよび固有値として得られる。

３つの固有値をλ₁，λ₂，λ₃とすると、上述した拡散異方性度（ＦＡ値）は、以下の式で表される。

ＦＡ値は、０から１までの値をとり、拡散異方性が小さい場合は、小さな値となり、拡散異方性が大きくなるほど、１に近づく。

ＦＡ値の変化は、白質線維の質的・量的な変化を反映していると考えられる。

本実施の形態の「性向判別装置」および「学習支援装置」を利用する学習者は、図１で説明したようなＭＲＩ装置１０により、自身の前頭極の灰白質体積とＦＡ値とについて、予め計測されているものとする。
（システム構成）
以下では、学習者の学習テーマとして、たとえば、外国語を学習する場合を例にとって説明する。

また、学習支援装置は、性向判別装置による判別結果を前提として動作するので、以下では、学習支援装置について説明することにする。したがって、特に、限定されないが、学習支援装置の動作がソフトウェアにより実現される場合、そのソフトウェアの機能の一部として、性向判別装置としての機能が組み込まれているものとして説明する。

ただし、性向判別装置は、単体で動作するものであってよい。

図３は、このような学習支援装置１０００を構成するシステムの一例を示す概念図である。

図３を参照して、学習支援装置１０００は、学習者２に対してあるステップの学習課題を順次提示して、学習者からの課題に対する回答に基づいて、学習者に当該ステップに対する訓練を与えるか、または次のステップの学習課題をさらに学習者に提示していくという処理を実行するためのコンピュータシステム２０００を備える。

このコンピュータシステム２０００は、ＣＤ−ＲＯＭ（Compact Disc Read-Only Memory ）などの記録媒体上の情報を読込むためのディスクドライブ２０３０を備えたコンピュータ本体２０１０と、コンピュータ本体２０１０に接続された表示装置としてのディスプレイ２１２０と、同じくコンピュータ本体２０１０に接続された入力装置としてのキーボード２１００およびマウス２１１０と、音声入力装置としてのマイク２１３０と、音声出力装置としてのスピーカ２１４０とを含む。

あるいは、外部のサーバ３００とネットワーク３１０を介して接続し、コンピュータ本体はクライアント機としての機能のみを備える場合もある。

図４は、このコンピュータシステム２０００のハードウェア構成をブロック図形式で示す図である。

図４に示されるように、このコンピュータシステム２０００を構成するコンピュータ本体２０１０は、ディスクドライブ２０３０およびメモリドライブ２０２０に加えて、それぞれバス２０５０に接続されたＣＰＵ（Central Processing Unit ）２０４０と、ＲＯＭ（Read Only Memory) ２０６０およびＲＡＭ（Random Access Memory）２０７０を含むメモリと、不揮発性の書換え可能な記憶装置、たとえば、ハードディスク２０８０と、ネットワークを介しての通信を行うための通信インタフェース２０９０と、マイク２１３０またはスピーカ２１４０とデータの授受を行うための音声入出力インタフェース２０９２とを含んでいる。ディスクライブ２０３０には、ＣＤ−ＲＯＭ２２００などの光ディスクが装着される。メモリドライブ２０２０にはメモリカード２２１０が装着される。

後に説明するように、学習支援装置のプログラムが動作するにあたっては、その動作の基礎となる情報を格納するデータベースは、ハードディスク２０８０に格納されるものとして説明を行う。

なお、図４では、コンピュータ本体に対してインストールされるプログラム等の情報を記録可能な非一時的な媒体として、ＣＤ−ＲＯＭ２２００を想定しているが、他の媒体、たとえば、ＤＶＤ−ＲＯＭ（Digital Versatile Disc）などでもよく、あるいは、メモリカードやＵＳＢメモリなどでもよい。その場合は、コンピュータ本体２２００には、これらの媒体を読取ることが可能なドライブ装置が設けられる。

学習支援装置１０００の主要部は、コンピュータハードウェアと、ＣＰＵ２０４０により実行されるソフトウェアとにより構成される。一般的にこうしたソフトウェアはＣＤ−ＲＯＭ２２００等の記憶媒体に格納されて流通し、ディスクドライブ２０３０等により記憶媒体から読取られてハードディスク２０８０に一旦格納される。または、当該装置がネットワーク３１０に接続されている場合には、ネットワーク上のサーバから一旦ハードディスク２０８０にコピーされる。そうしてさらにハードディスク２０８０からメモリ中のＲＡＭ２０７０に読出されてＣＰＵ２０４０により実行される。なお、ネットワーク接続されている場合には、ハードディスク２０８０に格納することなくＲＡＭに直接ロードして実行するようにしてもよい。

学習支援装置１０００として機能するためのプログラムは、コンピュータ本体２０１０に、情報処理装置等の機能を実行させるオペレーティングシステム（ＯＳ）は、必ずしも含まなくても良い。プログラムは、制御された態様で適切な機能（モジュール）を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいれば良い。コンピュータシステム２０がどのように動作するかは周知であり、詳細な説明は省略する。

また、上記プログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。

さらに、ＣＰＵ２０４０も、１つのプロセッサであっても、あるいは複数のプロセッサであってもよい。すなわち、シングルコアのプロセッサであっても、マルチコアのプロセッサであってもよい。

なお、学習支援装置のプログラムの動作の基礎となる情報を格納するデータベースは、インタフェース２０９０を介して接続される外部の記憶装置内に格納されていてもよい。たとえば、図３に示したように、ネットワーク３１０を介してサーバ３００に接続している場合は、動作の基礎となる情報を格納するデータベースは、サーバ３００内のハードディスク（図示せず）等の記憶装置に格納されていてもよい。この場合は、コンピュータ２０００はクライエント機として動作し、このようなデータベースのデータをネットワーク３１０を介してサーバ３００とやり取りする他、学習者に与える課題のデータもサーバ３００から受け取りこれを表示し、回答のデータをサーバに返すこととしてもよい。

図５は、学習支援装置１０００として機能するプログラムの一部に含まれる性向判別装置において使用される「判別器」を生成する手続きを説明するためのフローチャートである。

脳についてのＭＲＩ測定は、図１で説明したようなＭＲＩ装置１０により実施され、判別器の生成は、基本的には、図４で説明したのと同様な構成を有するコンピュータを利用して、事前に行っておくものとする。そして、このような判別器についての情報は、学習支援装置１０００として機能するプログラムの中に組み込まれていてもよいし、あるいは、サーバー３００から適宜、更新される構成であってもよい。

判別器の生成にあたっては、所定人数以上の被験者に協力してもらい、事前に、まず、各被験者の性向を判別するテストを受けてもらっておくものとする。

このようなテストとしては、たとえば、被験者に、判定対象となる課題、たとえば「ハノイの塔」と呼ばれるパズルを解いてもらい、最終的に解くことができたかどうかを被験者ごとに情報として記録しておく。ここで、ハノイの塔は、以下のようなルールのパズルである。

以下のルールに従って、すべての円盤を右端の杭に移動させられれば完成する。

ｉ）３本の杭と、中央に穴の開いた大きさの異なる複数の円盤から構成される。

ｉｉ）最初はすべての円盤が左端の杭に小さいものが上になるように順に積み重ねられている。

ｉｉｉ）円盤を一回に一枚ずつどれかの杭に移動させることができるが、小さな円盤の上に大きな円盤を乗せることはできない。

ｎ枚の円盤すべてを移動させるには最低（２ⁿ−１）回の手数がかかる。

したがって、このようなパズルを最終的に解くことは、被験者の課題の完遂するか、途中で、挫折するかの気質（「努力の継続可否」と呼ぶことにする）の判断の１つの基準となると考えられる。

そこで、各被験者について、「課題を完遂した」あるいは、「挫折した」に分類しておき、判別器生成用のコンピュータの記憶装置に被験者と関連付けて分類結果を格納する。

図５を参照して、以上のようなテストを受けてもらった複数の被験者について、ＭＲＩ装置１０による解剖画像および拡散強調画像の撮像を行う（Ｓ１０２）。

解剖画像および拡散強調画像のデータも、判別器生成用のコンピュータの記憶装置に、被験者と関連付けられて格納される。

続いて、上述した手続きにしたがって、ＭＲＩ装置１０の画像処理部４８および制御部４２は、各被験者について、前頭極を関心領域として、灰白質体積Ｘ_GMおよび拡異方性度Ｘ_FAを算出する（Ｓ１０４）。

このようにして算出された灰白質体積Ｘ_GMおよび拡散異方性度Ｘ_FAと、課題についての努力の継続可否との関係について、判別器生成用のコンピュータのＣＰＵが機械学習のための処理を実行する（Ｓ１０６）。

このような機械学習のための処理の結果、判別器が生成され、判別器を構成するための情報が記憶装置（ハードディスク２０８０）に格納される（Ｓ１０８）。

なお、判別器の生成処理は、学習支援装置１０００そのものが実行するのではなく、他のコンピュータが実行して、学習支援装置１０００は、そのようにして生成された判別器を構成するための情報を利用することとしてもよい。

ここで、このような機械学習としては、特に制限されないが、いわゆる判別分析を用いることができる。

判別分析に用いられる判別関数には超平面・直線による線形判別関数(linear discriminant function)と、非線形の場合には超曲面・曲線によるマハラノビス汎距離(Mahalanobis' generalized distance)による非線形判別関数とがある。

なお、本実施の形態では、上述のとおり、「努力の継続可否」という点で、２つのグループへのグループ分けで考えるが、より一般的には、３つ以上のグループの判別も可能である。これは重判別分析や正準判別分析と呼ばれる。

たとえば、３つ以上のグループに分けるには、複数の課題、たとえば、複数のパズル（たとえば、時間はかかっても必ず解けるようなものを選ぶ）について、課題を完遂したか否かで、各パズルについての可否の組合せで分類してもよい。

図６は、このようにして生成した判別器による判別の状況を説明する図である。

図６においては、図５で説明した手法で生成した判別式によって、「ハノイの塔」の課題を完遂できた人と中途挫折した人を、学習開始前に計測したＧＭ値、ＦＡ値を使用して判別している。図中、“finish”と記載されている被験者は、課題を完遂した人であり、“quit”と記載されているのは、途中で挫折した人である。図６に示すとおり、８０％以上の確率で、学習の完遂・挫折の判別が可能である。

判別器は、このような判別の結果を「（持続性を要する課題を達成する）性向の指標」として出力する。

したがって、このような判別器を使用することで、実際には、「ハノイの塔」の課題をまだ試行していない判定対象者についても、課題の完遂の可能性を判別することが可能となる。

一方、図７は、生成した判別器による判別の状況を説明する他の図である。

図７においては、図５で説明した手法で生成した判別式によって、実際に４ヶ月の英語学習を完遂できた人と途中挫折した人を、学習開始前に計測したＧＭ値、ＦＡ値を使用して判別している。

図６の場合と同様にして、図７に示される判別器の特性から、この判別器を使用することで、実際には、「英語学習」という課題をまだ試行していない判定対象者についても、課題の完遂の可能性を判別することが可能となる。

判別器は、このような判別の結果を「（学習の）性向の指標」として出力する。

図８は、生成した判別器による判別の状況を説明するさらに他の図である。

なお、図６における被験者と、図８における被験者とは、数名を除いて、異なる被検者群となっている。

図８においては、ハノイの塔で生成した判別器で英語学習を完遂できたか否かを判別した場合を示す。したがって、判別器自体は、図６で示したものと同一である。つまり、図６や図７の場合のように判別器を生成する課題と同じ課題について完遂の可能性を判別するというのではなく、「ハノイの塔」の課題を完遂できたか、という観点で生成した判別器によって、所定の課題群で構成され、判別器を生成したのとは異なる「英語の学習」という学習プログラムを所定期間で完遂できるか、という判別に用いることが可能であることがわかる。

つまり、「ハノイの塔」のような短期課題における課題を達成する性向と、英語学習のような長期課題における持続性を要する課題を達成する性向とに違いがない、言い換えると、ここで判別される性向は、「課題の達成に要する時間や課題の内容に依存せずに、”課題を達成する”ということに共通する性向」であることが、異なる被験者群を用いて検証し明らかになった。

このことは、「ハノイの塔」の課題についての「努力の継続可否」により抽出される性向が、「英語学習」というような「持続性を要する課題を達成する性向の指標」ともなり得ることを示している。

この場合も、判別器は、このような判別の結果を「（学習の）性向の指標」として出力することになる。

図９は、学習支援装置１０００による学習支援の手続きを説明するための図である。

ここでも、学習者は、予めＭＲＩ装置１０による解剖画像および拡散強調画像の撮像を行い、各被験者について、前頭極を関心領域として、灰白質体積Ｘ_GMおよび拡散異方性度Ｘ_FAが算出されているものとする。

学習支援装置１０００は、算出された灰白質体積Ｘ_GMおよび異方性度Ｘ_FAの値を入力として受けると（Ｓ２０２）、上述した判別式により、学習者の性向を判別する（Ｓ２０４）。

学習支援装置１０００は、判別された性向の指標に応じて、学習者により適した学習プログラムを提示する（Ｓ２０６）。このとき、上述したように、学習者２に対してあるステップの学習課題を順次提示して、学習者からの課題に対する回答に基づいて、学習者に当該ステップに対する訓練を与えるか、または次のステップの学習課題をさらに学習者に提示していくという処理を実行するものとすることができる。

ここで、たとえば、学習者の趣味や仕事の分野等の情報を予めシステムに入力しておき、性向の指標として「途中で挫折する傾向がある」と判別された学習者には、学習対象となる外国語の話題に、そのような分野に関連するトピックスを多く含ませるなどの変化をつけることが可能である。

あるいは、課題のカテゴリ（リスニング、リーディング、スピーキング、単語、文法）などの組合せや、それらのカテゴリ間の切り替えの頻度を調整してもよい。

また、性向の指標を複数のグループに分類している場合は、学習プログラムにおいて、興味のある分野のトピックスを含ませる割合を複数のレベルで増減したり、カテゴリの切り替えの頻度を複数のレベルで増減したものと、性向の指標の各グループとを対応付けておいてもよい。「性向の指標の複数のグループ」とは、たとえば、特定の性向の程度の強弱のグループだけでなく、複数の性向を組み合わせて考え、複数の性向のそれぞれを各次元とした際に分類されるグループであってもよい。

なお、学習対象が外国語以外であっても、各課題の分野を学習者の興味と関連づけて分類しておき、学習プログラムの進行において、興味のある分野の課題の割合を増減させたり、あるいは、課題のカテゴリを予め分類しておき課題のカテゴリの切替の頻度を増減することで、性向の指標に合わせた課題の提示を行い、外国語と同様の処理を行うことが可能である。たとえば、性向の指標として、課題の途中で挫折する傾向が大きい学習者に対しては、興味ある分野の課題を増加させたり、あるいは、カテゴリの切り替えの頻度を増加させたりすることができる。このような課題の割合や切替の頻度と、性向のレベルとの対応付けについては、特に限定されないが、たとえば、性向判別装置により判別された性向のレベルと、学習を完遂できる被験者の割合の増加が所定の値以上となるかを、あらかじめ多数の被験者について、実験的に求めておくことで、対応付けを実現することができる。

この明細書では、性向判別装置の判別結果を用いて判別された対象者の性向に応じて、その対象者に与える課題の種類や与え方を、このようにして切り替えることを、「課題の提示の態様を切り替える」と呼ぶこととし、課題そのものを切り替えることを含むものとする。

あるいは、学習者に与える課題の種類や与え方については、たとえば、以下のようなものも考えられる。

ｉ）報酬付与学習。個人の報酬感度に沿った外的報酬（金銭・成績評価）を与える。個人の報酬感度を計ったうえで、学習量に応じて外的報酬を付与しながら学習継続をうながす。

ｉｉ）成功体験付与学習。達成することが比較的容易な学習目標を細かく設定していくことで、成功体験（内的報酬）を与えることで、学習継続をうながす。全体として複数の段階から成る学習であれば、たとえば、５０の段階を５段階ずつなどに分割して、５段階が終わるごとに、課題の成功の評価を学習者に提示する、というような方法である。

ｉｉｉ）経頭蓋磁気刺激法（TMS）経頭蓋直流刺激（tＤCS）, ニューロフィードバック訓練により、脳機能活動を外的に変化させることにより学習継続を促進する。

ここで、たとえば、内的報酬については、点数化して達成度をわかりやすく示すことを行ってもよい。また、一定期間後、灰白質量や白質異方性の指標を学習者にフィードバックしてもよい。逆に、一つの課題成功に固執しすぎて柔軟性に欠ける学習者の場合、課題シフトに対応をさせるなど、課題の与え方を、学習者の課題にかける時間などに応じて、変更してもよい。

以上の説明では、「性向」としては、「ハノイの塔」のような持続的に作業を続けることが必要なタスクを完成できるかについての「性向」や、英語を学習するといったような長期的なタスクに対する「学習性向」を例にとって説明したが、「性向の指標」という用語は、より一般的に、禁煙やダイエットなどのように、継続・反復的なタスク（課題）を一定期間持続することが必要なテーマの「行動の持続性に対する性向の指標」をも含みうる。この場合は、タスク実行支援装置は、「禁煙」や「ダイエット」などを実行していくユーザが実施すべき行動プログラムの到達課題の内容、到達時期などを、性向の指標に応じて、ユーザに提示することすることができる。このような教育目的や健康増進目的などで「ユーザが実施すべき行動プログラム」を総称して、「タスクプログラム」と呼ぶ。

なお、「性向」としては、さらに、精神疾患（たとえば、鬱病か否か）や精神神経疾患に関連する判定対象者の「疾患の傾向の指標」を含むことがあってもよい。この場合は、たとえば、タスク実行支援装置は、「ソーシャルスキルトレーニング」のプログラムなどについて、到達課題の内容、到達時期などを、性向の指標に応じて、トレーナーなどに提示することすることができる。そして、「タスクプログラム」は、このような治療目的での「トレーニングプログラム」を含むことがあってもよい。

このような構成とすることで、本実施の形態の性向判別装置により、被験者の脳についてのＭＲＩの測定データから、客観的に判定対象者の性向を判断することが可能である。

また、タスク実行支援装置は、被験者の脳についてのＭＲＩの測定データから、客観的に判定対象者の性向を判別し、その判定対象者に適した実施プログラムを提供することが可能である。

（運動学習についての実験）
以下では、上述したような性向判別装置による学習者の性向の判別を、外国語学習以外の「運動学習」に適用した結果について、説明する。

（運動学習の内容）
図１０は、運動学習の内容を説明するための概念図である。

以下に説明するような学習内容について、各学習者は、ｅラーニング・プログラム配信による毎日の学習を一月にわたって実行した。

学習においては、図１０に示すように、ディスプレイ２１２０の画面上に８個の丸が常に提示されており、その丸が決まったＰＣキーボード２１００及び決まった指と対応するものとする。つまり、左手の小指、薬指・・・、右手の人差し指、中指、・・右手小指というように、親指を除く指を、それがタイプするキーおよび画面上の○と対応させる。

学習者は、以下のようにして、キーボード上のキーを順次たたいていく、隠れた正しい順序を学習により探り当てる。

つまり、学習者が、画面の丸に対応した、キーを押すと、画面の○の位置にヒット／エラー（hit/error）表示が一回ごと表示される。学習者は、学習の各日において、試行錯誤を繰り返しながら、ヒット／エラーの表示を手掛かりに、隠れたシーケンス（１０回キーを押す正しい順番）を見つけ、そのシーケンスを記憶する。学習者が、２Ｈｚの音に合わせて、正しいシーケンスでタイピングできるようになれば、一日の学習が終了するものとする。

以上のようにして、一日につき、１０回のタイピングから成るシーケンスを覚えていき、日々、覚えるべき正しいシーケンスは長くなっていくように設定する。
たとえば、学習の初日は、１０回のタイピングによるシーケンス分のタイピング、２日目は、初日の１０回に新しい１０回分のタイピングを加えたシーケンスのタイピングというように、日ごとに、正解となるキータイピングの回数を増やしていく。１週間で５０回分のタイピングの順序を学習し、１ヶ月後に、最終的には、学習者は、２００回分のキータイピングを、２Ｈｚの音に合わせて、正しいシーケンスでタイピングできたとき、正解となるものとする。

ここで、学習者は、１９９回目で打ち間違えたとしても１回目からやり直すこととした。

（運動学習についての結果）
このような運動学習を、４１名に対して実施したところ、完遂者が２２名、脱落者が１９名という結果であった。

一方で、上述したような「短期課題を達成する性向について生成された判別器」を利用し、判別分析を行ったところ、８０％の確率で、運動学習における完遂・辞退の行動結果を予測することができた。

この結果により、本実施の形態の判別器は、課題内容（言語学習、運動学習、長期タスク、短期タスク）に依存せず、課題をやりきる性向全般について判別できるものである、といえる。

さらに、上記のような運動学習において、課題の提示の態様によって、完遂できる学習者の割合が変化するかを以下のような実験により確認した。

ｉ）所定数の被験者に対して、事前に、上述した判別器による判別を行った。

ｉｉ）その上で、被験者をランダムに以下の２つの群に分けた：
第１群：総数４０名 … そのうち、半数（２０名）が「辞退」と判別された被験者から成る群
第２群：総数４１名 … そのうち、半数（２０名）が「辞退」と判別された被験者から成る群

ｉｉｉ）第１群の学習者は、上述したような学習課題をそのとおりに実行した。第２の群の学習者は、上記のような運動学習を実行する際に、小さな区切り（３〜５回のタイピングを一区切りとする）が達成されるごとに、「クリア」という表示によりゴール達成提示が行なわれることで、達成感を与えられた。

その結果、第１群は、「辞退」と予測された２０名のうち、１８名が脱落した。一方、第２群は、「辞退」と予測された２０名のうち、１６名が完遂した。

このような結果は、学習者の性向を、予め本実施の形態の判別器の判別結果に基づいて、判別しておき、各学習者の性向に応じた課題の提示の態様を選択することで、学習の達成度を向上させることが可能であることを示しているといえる。

今回開示された実施の形態は、本発明を具体的に実施するための構成の例示であって、本発明の技術的範囲を制限するものではない。本発明の技術的範囲は、実施の形態の説明ではなく、特許請求の範囲によって示されるものであり、特許請求の範囲の文言上の範囲および均等の意味の範囲内での変更が含まれることが意図される。

２被験者、６ディスプレイ、１０ＭＲＩ装置、１１磁場印加機構、１２静磁場発生コイル、１４傾斜磁場発生コイル、１６ＲＦ照射部、１８寝台、２０受信コイル、２１駆動部、２２静磁場電源、２４傾斜磁場電源、２６信号送信部、２８信号受信部、３０寝台駆動部、３２データ処理部、３６記憶部、３８表示部、４０入力部、４２制御部、４４インタフェース部、４６データ収集部、４８画像処理部、２０００学習支援装置システム、２０１０コンピュータ本体、２０２０光学ディスクドライブ、２０３０光学ディスクドライブ、２０４０ＣＰＵ、２０５０バス、２０６０ＲＯＭ、２０７０ＲＡＭ、２０８０ハードディスク、２１００キーボード、２１１０マウス、２１２０ディスプレイ、２２１０メモリカード。

Claims

複数の被験者の各々と関連づけて、各前記被験者の磁気共鳴イメージングによる解剖画像および拡散強調画像のデータおよび各前記被験者の性向を判断するためのテストを行った結果を分類した分類情報を格納する記憶装置と、
前記記憶装置に格納された情報に基づき、性向判別のための処理を実行する演算装置とを備え、
前記演算装置は、
前記解剖画像および前記拡散強調画像に基づいて、前記複数の被験者の各々について、所定の脳領域を関心領域として、灰白質体積および拡散異方性度とを算出し、並びに
前記分類情報と前記灰白質体積および前記拡散異方性度との関係を機械学習して判別器を生成し、
前記判別器は、判定対象者の性向指標を出力するためのものである、性向判別装置。
判別器と、判定手段と、を備える、判定対象者の性向を判別するための性向判別装置であって、
前記判別器は、複数の被験者の性向を判断するためのテストを行った結果を分類した情報と、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて前記複数の被験者の所定の脳領域を関心領域として取得された、灰白質体積および拡散異方性度と、の関係を機械学習して生成され、
前記判定手段は、前記判別器に基づいて、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて前記判定対象者の所定の脳領域を関心領域として取得された、灰白質体積および拡散異方性度から、前記判定対象者の性向指標を出力する、性向判別装置。
前記性向指標は、前記判定対象者の行動の持続性に関する指標である、請求項１または２記載の性向判別装置。
前記所定の脳領域は、前頭極である、請求項３記載の性向判別装置。
前記性向は、前記判定対象者の学習に対する性向である、請求項１または２に記載の性向判別装置。
記憶手段と、判定手段と、課題提供手段と、を備えるタスク実行支援装置であって、
前記記憶手段は、複数の被験者について性向を判断するためのテストを行った結果を分類した情報と、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて複数の被験者の所定の脳領域を関心領域として、灰白質体積および拡散異方性度と、の関係を機械学習して生成された判別器の情報を記憶し、
前記判定手段は、前記判別器に基づいて、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて判定対象者の所定の脳領域を関心領域として取得された、灰白質体積および拡散異方性度から、前記判定対象者の性向指標を出力し、
前記課題提供手段は、前記性向指標に応じて、前記判定対象者に与えるタスクプログラム中の課題の提示の態様を切り替える、タスク実行支援装置。
前記性向指標は、前記判定対象者の行動の持続性に関する指標である、請求項６記載のタスク実行支援装置。
前記所定の脳領域は、前頭極である、請求項７記載のタスク実行支援装置。
前記タスクプログラムを構成する複数の課題は、各前記課題の分野を判定対象者の興味と関連づけて分類され、または、各前記課題のカテゴリが予め分類されており、
前記課題提供手段は、判別された前記判定対象者の性向に応じて、前記タスクプログラムの進行において、興味のある分野の課題の割合を増減させ、または、課題のカテゴリの切替の頻度を増減する、請求項６または７記載のタスク実行支援装置。
判定対象者の性向の判別を、コンピュータに実行させるための性向判別コンピュータプログラムであって、前記性向判別コンピュータプログラムは、
磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて前記判定対象者の所定の脳領域を関心領域として、灰白質体積および拡散異方性度を取得するステップと、
複数の被験者について性向を判断するためのテストを行った結果を分類した情報と、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて前記複数の被験者の所定の脳領域を関心領域として取得された、灰白質体積および拡散異方性度と、の関係を機械学習して生成された判別関数に基づいて、前記判定対象者の性向指標を出力するステップと、をコンピュータに実行させる、性向判別コンピュータプログラム。
請求項１０に記載の性向判別コンピュータプログラムを記録した、記録媒体。
判定対象者の性向の判別に基づき、前記判定対象者に与えるタスクプログラムを出力する処理を、コンピュータに実行させるためのタスク実行支援コンピュータプログラムであって、前記タスク実行支援コンピュータプログラムは、
磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて前記判定対象者の所定の脳領域を関心領域として、灰白質体積および拡散異方性度とを取得するステップと、
複数の被験者について性向を判断するためのテストを行った結果を分類した情報と、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて前記複数の被験者の所定の脳領域を関心領域として取得された、灰白質体積および拡散異方性度と、の関係を機械学習して生成された判別関数に基づいて、前記判定対象者の性向指標を出力するステップと、
前記性向指標に応じて、前記判定対象者に与えるタスクプログラム中の課題の提示の態様を切り替えて提示するステップと、をコンピュータに実行させる、タスク実行支援コンピュータプログラム。
請求項１２に記載のタスク実行支援コンピュータプログラムを記録した、記録媒体。
磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて判定対象者の所定の脳領域を関心領域として、灰白質体積および拡散異方性度を取得する脳情報取得手段と、
複数の被験者の性向を判断するためのテストを行った結果を分類した情報と、磁気共鳴イメージングによる解剖画像および拡散強調画像に基づいて前記複数の被験者の所定の脳領域を関心領域として取得された、灰白質体積および拡散異方性度と、の関係を機械学習して生成された判別器に基づいて、前記判定対象者の脳情報から判別された、前記判定対象者の性向に応じて、前記判定対象者に与えるタスクプログラム中の課題の提示の態様を切り替える課題提供手段とを備える、タスク実行支援装置。
前記課題提供手段は、前記判定対象者の性向に応じて、前記判定対象者に与えるタスクプログラム中において、前記判定対象者の課題の達成度の評価を通知する段階を切り替える、請求項１４記載のタスク実行支援装置。