WO2013069517A1 - 脳機能亢進支援装置および脳機能亢進支援方法 - Google Patents

脳機能亢進支援装置および脳機能亢進支援方法 Download PDF

Info

Publication number
WO2013069517A1
WO2013069517A1 PCT/JP2012/078136 JP2012078136W WO2013069517A1 WO 2013069517 A1 WO2013069517 A1 WO 2013069517A1 JP 2012078136 W JP2012078136 W JP 2012078136W WO 2013069517 A1 WO2013069517 A1 WO 2013069517A1
Authority
WO
WIPO (PCT)
Prior art keywords
brain
subject
decoding
activity
training
Prior art date
Application number
PCT/JP2012/078136
Other languages
English (en)
French (fr)
Inventor
光男 川人
武郎 渡邊
和久 柴田
由香 佐々木
Original Assignee
株式会社国際電気通信基礎技術研究所
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 株式会社国際電気通信基礎技術研究所 filed Critical 株式会社国際電気通信基礎技術研究所
Priority to EP12846891.5A priority Critical patent/EP2777735B1/en
Priority to CN201280054986.XA priority patent/CN103917268B/zh
Priority to US14/232,150 priority patent/US10959640B2/en
Publication of WO2013069517A1 publication Critical patent/WO2013069517A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/375—Electroencephalography [EEG] using biofeedback
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0006—ECG or EEG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • 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
    • 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
    • A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
    • A61B5/245—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetoencephalographic [MEG] signals
    • 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
    • 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]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
    • A61B5/4064—Evaluating the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/486—Bio-feedback
    • 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
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4806—Functional imaging of brain activation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A61B2505/09—Rehabilitation or training
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
    • 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]
    • 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
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
    • A61M2021/0022—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the tactile sense, e.g. vibrations
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
    • A61M2021/0027—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the hearing sense
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
    • A61M2021/0044—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the sight sense
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • A61M21/02—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis for inducing sleep or relaxation, e.g. by direct nerve stimulation, hypnosis, analgesia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/005—Parameter used as control input for the apparatus
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/08—Other bio-electrical signals
    • A61M2230/10—Electroencephalographic signals
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Definitions

  • the present invention relates to a brain function enhancement support apparatus and a brain function enhancement support method that perform learning for a target event.
  • Patent Document 1 discloses a training system that always optimizes a training scenario according to a biological response of a trainee being trained.
  • fNIR Frectional Near Infrared Spectroscopy
  • fMRI Magnetic Resonance Imaging
  • PET PET
  • biofeedback Such a technique that scientifically captures physiological indicators that cannot be perceived in nature, and feeds back the feedback so that it can be perceived by the subject, is called “biofeedback”.
  • biofeedback biological information such as pulse or respiration may be used, but mainly the output from the brain waves from a person is converted into a form that can be sensed by audiovisual such as images or sounds, and output to the person Including that.
  • audiovisual such as images or sounds
  • biofeedback is useful for the trainee to control the brain wave condition himself.
  • Biofeedback is used, for example, for treatment of arrhythmia, headache, autonomic ataxia, hypertension, etc., and also for mental training in the sports field.
  • Patent Document 3 discloses a rehabilitation support device as a technique for applying biofeedback to rehabilitation. This device is intended for patients with impairments in motor function or brain function. This device measures the status of patients undergoing rehabilitation and evaluates the content of training. This device detects the state of the patient's foot with a force sensor or a position sensor, drives the hips, knees, and ankle joint drive unit in accordance with the patient's walking cycle, and operates both lower limbs in cooperation. The exercise timing on the healthy foot side or the affected foot side is presented to the trainee by an image, sound, or vibration to support effective walking training.
  • Patent Document 4 discloses a technique for controlling a device using a human brain potential.
  • U.S. Patent No. 6,057,834 is incorporated herein by reference.
  • a control signal for controlling a device is output based on an electroencephalogram obtained from a human brain potential.
  • a brain wave is consciously changed using a biofeedback method, and frequency analysis and calculation comparison are performed on the brain wave to obtain a control signal.
  • Another example is disclosed in U.S. Patent No. 6,057,096, which is incorporated by reference in its entirety.
  • the apparatus disclosed in this document detects a brain potential in different parts of the human scalp and outputs brain potential data, and compares each detected brain potential with a predetermined threshold value.
  • a pattern generation unit that generates a corresponding activation pattern, a pattern database that stores an activation pattern indicating a brain activation state and a control signal for controlling a device in association with each other, and the generated activation pattern
  • a pattern processing unit that extracts a control signal corresponding to the activation pattern that matches the generated activation pattern and transmits the control signal to the device. According to this device, the device can be controlled based on the brain potential.
  • Non-Patent Document 1 shows that when an adult is trained using a specific sensory stimulus or is exposed to a specific sensory stimulus, the performance of the training task or the sensitivity to the sensory stimulus is improved. It reports that the training results are maintained for months to years.
  • the entirety of Non-Patent Document 1 is incorporated herein by reference.
  • Non-invasive measurement method of electroencephalogram that picks up and records the minute current generated by the activity of neurons in the brain from the electrode attached to the skull
  • Functional magnetic resonance imaging (fMRI) that visualizes hemodynamic responses related to brain activity in humans and animals using Magnetic Resonance Imaging (MRI) Magnetoencephalography (MEG), an imaging technique that measures magnetic fields generated by electrical activity of the brain with high sensitivity using superconducting quantum interferometers (SQUIDs: Superducting Quantum Interference Device).
  • NIRS Near-Infrared Spectroscopy
  • Hb hemoglobin
  • mapping between sensory stimuli to humans and brain activities that occur in association with them has been actively carried out.
  • the conventional method is examining how the stimulus is expressed in the brain, that is, how the neural activity is coding the stimulus.
  • Non-Patent Document 3 which is incorporated herein by reference in its entirety.
  • Patent Document 6 and Patent Document 7 disclose non-invasive measurement methods that can directly measure intracerebral nerve activity with high temporal resolution and spatial resolution from MEG data or EEG data by using fMRI data.
  • Non-Patent Document 4 and Non-Patent Document 5 which are incorporated herein by reference in their entirety.
  • Non-Patent Document 6 is incorporated herein by reference.
  • the present invention has been made to solve the above-described problem, and can support updating a predetermined brain function according to a user's own behavior using a decoding method of neural activity. It is an object of the present invention to provide a possible brain function enhancement support apparatus and brain function enhancement support method.
  • the brain function enhancement support device is a brain activity detection device for detecting a signal indicating brain activity in a predetermined region in the subject's brain, and a target for enhancing brain function.
  • a storage device for storing information about a target activation pattern acquired in advance for a certain event, and a control device.
  • the control device based on the signal detected by the brain activity detection device, decodes the cranial nerve activity pattern, and based on the decoding result of the decoding portion, the control device determines the degree of approximation of the decoding result for the target activation pattern. And a calculation unit that calculates a reward value corresponding to the degree of approximation.
  • the brain function enhancement support device further includes an output device for presenting the subject with presentation information indicating the magnitude of the reward value.
  • the calculation unit outputs, as the presentation information, information for presenting presentation information corresponding to the reward value without presenting an event to the output device.
  • an event is a subject of recognition that results in an identification problem of which class it is classified in the brain.
  • the decoding unit calculates the likelihood of which class the cranial nerve activity pattern corresponds to.
  • the brain function enhancement support device includes a support terminal including an output device, and an arithmetic processing device including a decoding device, a storage device, and a calculation unit.
  • the support terminal includes a communication unit for transmitting a signal detected by the brain activity detection device to the decoding unit.
  • the decoding unit decodes cranial nerve activity in a specific brain region, for example, an early visual cortex.
  • the brain activity detection device includes an fMRI device.
  • the brain activity detection device includes a near-infrared light and brain wave measurement device from outside the skull.
  • the brain function enhancement support method decodes a cranial nerve activity pattern from a signal of a brain activity detection device for detecting a signal indicating brain activity in a predetermined region in a subject's brain.
  • This is a method for supporting enhancement of brain function using a decoding device.
  • This method includes a step of decoding a cranial nerve activity pattern by a decoding device from a signal detected by a brain activity detecting device, and a target acquired in advance for an event that is intended to enhance brain function.
  • a step of calculating a reward value corresponding to the degree of approximation and a step of presenting presentation information indicating the magnitude of the reward value to the subject are included.
  • the presentation information information for presenting the presentation information corresponding to the reward value without presenting the event that is the target of brain function enhancement is output to the output device. Output.
  • the subject himself / herself has the function of the brain function with respect to the event that is the target of the predetermined brain function by using the neural activity decoding method in the brain. It is possible to carry out actions for enhancement.
  • the subject can be trained on the event to be trained using the decoding method of neural activity in the brain. It becomes possible.
  • the brain function enhancement support apparatus and the brain function enhancement support method of the present invention it is not necessary to give the subject a stimulus corresponding to the event to be trained. Therefore, it is possible to reduce the size of the training terminal used by the subject.
  • FIG. 10 is a functional block diagram of training device 1000 of a 1st embodiment of the present invention. It is a conceptual diagram which shows the relationship between the visual stimulus with respect to an azimuth
  • FIG. 6 shows the average likelihood of each of the three orientations (different from each other by 60 degrees) evaluated by the decoder during the induction phase.
  • a training apparatus 1000 includes a brain activity detection apparatus 108 for detecting brain activity in a predetermined region in the brain of a subject (not shown). Receiving the output of the brain activity detection device 108, decoding, and generating the information (neurofeedback information) presented as feedback to the subject according to the decoding result, and the output of the arithmetic processing device 102 receiving the output Display device 130 which is an output device for presenting neurofeedback information.
  • the brain activity detection device 108 the above-described fMRI, magnetoencephalograph, NIRS, electroencephalograph, or a combination thereof can be used.
  • fMRI and NIRS detect signals related to changes in blood flow in the brain and have high spatial resolution.
  • the magnetoencephalograph and electroencephalograph detect changes in the electromagnetic field associated with brain activity and have high temporal resolution. Therefore, for example, if fMRI and a magnetoencephalograph are combined, brain activity can be measured with high resolution both spatially and temporally. Even when NIRS and an electroencephalograph are combined, a system for measuring brain activity with high resolution both spatially and temporally can be configured in a small and portable size.
  • an output device for presenting feedback information description will be made assuming that a display device 130 for presenting visual feedback information to a subject is used.
  • the feedback information is not limited to visual information.
  • audio information, tactile information, and the like can be presented, and an output device may be appropriately selected according to the type of information.
  • the arithmetic processing unit 102 is not particularly limited, but can be realized by, for example, a general-purpose personal computer. Of course, dedicated hardware may be used.
  • the arithmetic processing device 102 presents to the subject by performing predetermined arithmetic processing on the input I / F 110 for receiving the signal from the brain activity detection device 108 and the signal from the input I / F 110.
  • An arithmetic device 112 for generating power presentation information, a program for operating the arithmetic device 112, and information necessary for generating the aforementioned presentation information are stored, and functions as a working memory of the arithmetic device 112 Storage device 114 for fulfilling the above and an output I / F 124 for outputting a signal for displaying the presentation information from the arithmetic device 112 to the display device 130.
  • the predetermined calculation process executed by the calculation device 112 includes the following: Decoding the cranial nerve activation pattern from the signal from the input I / F 110; the target activation pattern acquired in advance for the event to be trained and the decoded activation pattern Calculate the degree of approximation; Calculating a reward value according to the degree of approximation based on the degree of approximation calculated; and Information on the target activation pattern corresponding to the reward value is generated.
  • “approximation” may be any of the following: “The degree of approximation as a pattern” when a specific target activation pattern as a reference acquired in advance is compared with the current cranial nerve activation pattern; The activity of the current cranial nerve is not based on such an explicit target activation pattern itself, but in light of an evaluation value obtained on the basis of a predetermined evaluation scale (s). Results of determining how close the activation pattern is to the target; and among the classes of pre-classified activation patterns, the current cranial nerve activation pattern is classified into which class A value indicating the degree of possibility of belonging to the target class (for example, likelihood).
  • the arithmetic device 112 operates according to a program stored in the storage device 114, decodes the signal from the brain activity detection device 108, and determines what kind of stimulation the current brain activity is receiving.
  • Decode processing unit 116 for deriving whether the pattern corresponds to the activation state pattern
  • determination unit 118 for determining the degree to which the result decoded by decode processing unit 116 matches the target activation pattern, and determination by determination unit 118
  • a reward calculation unit 120 that calculates a reward value according to a function that increases as the degree of coincidence (approximation) increases, and a presentation corresponding to the reward value calculated according to a predetermined method
  • a presentation information generation unit 122 that generates information.
  • the presentation information generation unit 122 since visual information is presented as feedback information, the presentation information generation unit 122 generates image information indicating the magnitude of the reward value as the presentation information. A specific example of this image information will be described later.
  • the perception to be trained is not limited to the visual sense, but is different from the visual sense, such as an auditory sense, an olfactory sense, a taste sense, and a tactile sense. It may be.
  • the information presented to the subject from the training device 1000 is not limited to image information, and may be audio information, odor information, taste information, tactile information, and the amount of reward value can be determined by these information. Anything that can be understood by the subject is acceptable.
  • the relationship between the two is selected so that the circle that is presented increases as the magnitude of the reward value increases.
  • the relationship of the presentation information with respect to the magnitude of the reward value is not limited to such a relationship.
  • the size of the figure to be presented may be reduced, or the relationship between the two may be selected so that the figure size becomes a specific size when the reward value is large. .
  • FIG. 2 is a conceptual diagram showing the relationship between visual stimuli for such orientations and perceptual learning.
  • visual stimulation with respect to an azimuth refers to presenting a subject with a pattern inclined in a specific direction.
  • presenting a subject with a Gabor patch having a specific orientation for example, presenting a subject with a Gabor patch having a specific orientation.
  • the Gabor patch is one of the basic stimulus patterns used in many experiments in visual science, particularly psychophysics. This is a sine wave fringe multiplied by a two-dimensional Gaussian function, and it can be said that a part of an infinite sine wave fringe is cut out smoothly.
  • A is the amplitude
  • f x is the spatial frequency
  • the variance ⁇ of the Gaussian function is constant regardless of the orientation.
  • FIG. 2 exemplarily shows three patterns PA, PB, and PC having different contrasts in a vertically striped pattern in order to explain a stimulation pattern by a Gabor patch.
  • the contrast increases in the order of PA ⁇ PB ⁇ PC.
  • perceptual learning consider a case where a subject is trained so that the orientation of a striped pattern can be distinguished even when the contrast of such a figure is changed.
  • the discrimination ability with respect to the contrast intensity after perceptual learning is improved compared to the discrimination ability with respect to the contrast intensity before perceptual learning (before training).
  • the discrimination ability can be specified by, for example, to what level the S / N ratio can be identified when noise is added to the Gabor patch image.
  • FIG. 3 is a diagram for conceptually explaining the perceptual learning procedure of the training apparatus 1000 according to the embodiment.
  • the above-described training apparatus 1000 in FIG. 1 performs perceptual learning on the subject as follows: Detecting brain activity in a predetermined target area in the brain; Decoding the detected brain activity signal to obtain an activation pattern; Compare the decoding result with the target activation pattern (target pattern); Remuneration information corresponding to the degree of coincidence (approximation) of the two is obtained by calculation; and The visual information corresponding to the reward information is neuro-feedbacked to the subject.
  • FIG. 4 is a flowchart for explaining the operation of the training apparatus 1000.
  • the training apparatus 1000 when the process is started (S100), the behavior to be trained is recorded for a certain time (S102), and the brain activity during such behavior is recorded in the brain activity detection apparatus 108.
  • the training apparatus 1000 configures the decoding processing unit 116 (FIG. 1) by training the decoder on the relationship between the behavior and the activation pattern of the neural activity in the brain from the result detected by fMRI. (S104).
  • perceptual learning for the subject is started.
  • the decoding processing unit 116 of the training apparatus 1000 decodes the activation pattern in the brain that the subject has guided himself / herself (S106).
  • the determination unit 118 determines the degree of approximation between the decoding result and the target pattern.
  • the reward calculation unit 120 calculates a reward value according to the determination result.
  • the presentation information generation unit 122 generates the presentation information corresponding to the reward value, and presents it to the subject via the display device 130 via the output I / F 124 (S108). The subject continues the guidance so that the presentation information corresponds to a larger reward value.
  • the level of training reaches a predetermined level (S110), the process ends (S112).
  • the level of training reaches a predetermined level means, for example, that the reward value calculated by the reward calculation unit 120 is continuously equal to or higher than a predetermined reward value level for a predetermined time, etc. can do.
  • the end of the process may be automatically determined by the training apparatus 1000 or may be determined by a training supervisor.
  • fMRI will be described as an example of a method for measuring the brain activity of a subject.
  • This circular figure is presentation information generated according to a predetermined function related to reward information in this experiment.
  • the size of the circular figure is determined by the temporal fMRI signal activation pattern in the subject's initial visual cortex (primary visual cortex (V1 field), secondary visual cortex (V2 field)), which is the azimuthal stimulus that is a specific target in reality It was made proportional to the likelihood of being classified as a pattern induced by presentation.
  • the size of the circular figure in this experiment is the radius of the circular figure.
  • FIG. 5 explains the experimental flow of such perceptual learning.
  • the subject is tested in advance for perceptual behavior (S200).
  • the direction discrimination ability test is performed, and information about the state of the discrimination ability before perceptual learning is obtained.
  • the decode processing unit 116 decodes the activation patterns of the nerves in the brain observed by fMRI for each patch pattern. Training is executed and an fMRI decoder is configured (S202). Although not particularly limited, the decoding processing unit 116 uses a machine learning algorithm, and the learning shows the activation pattern of the nerve in the subject's brain to the subject when such activation occurs. It is assumed that the function to be classified into the type of stimulus is acquired. As the machine learning algorithm, logistic regression, SLR, support vector machine, or the like can be used.
  • a Gabor patch is presented to the subject as a stimulus for the configuration of the decoder.
  • stimulus information information representing an event to be learned for perceptual learning.
  • FIG. 6 is a diagram illustrating tasks performed by the subject in the preliminary test (S200) and the post test (S206) in the flow of the experiment in FIG.
  • FIG. 7 is a diagram showing a sequence of stimulus presentation to the subject at each stage of the experiment.
  • Fig. 7 (a) shows the stimulus presentation sequence in the pre-test stage and the post-test stage.
  • a Gabor patch is presented to the subject for a period of 300 ms, and in the next 2 seconds, the subject reports the direction of the Gabor patch perceived by the subject.
  • the above presentation and reporting are repeated a predetermined number of times.
  • FIG. 8 is a diagram showing an example of a presented Gabor patch.
  • the orientation of the Gabor patch presented to the subject is one of 10 °, 70 ° and 130 °.
  • FIG. 9 is a conceptual diagram showing the processing of such a decoder.
  • the decoder configuration stage is performed to obtain an fMRI activation pattern from each of the V1 and V2 fields caused by the presentation of each of the three orientations in the Gabor patch for each subject.
  • a subject's task consists of a stimulus presentation period of 6 seconds, followed by a report period of a 6-second direction.
  • Such a task was executed 24 times.
  • the color of the gaze point in the center of the Gabor patch changed from white to green (shown in dark gray in the figure, the same applies hereinafter), indicating to the subject that the stimulus period was started .
  • 50% noise was added to each Gabor patch.
  • Gabor patches with the same orientation flashed at 1 Hz within that period.
  • the Gabor patch orientation was randomly selected. Of the 24 trials, half of the 12 trials had 5 of the 6 blinking Gabor patches at the same spatial frequency, but once increased the spatial frequency. For the remaining 12 trials, the spatial frequency has not changed.
  • the fMRI signal measured from the V1 field and the V2 field was converted into the activation amplitude in the voxel virtually set in the V1 field and the V2 field.
  • a multinomial sparse logistic regression decoder was constructed with a machine learning algorithm to classify the measured fMRI signal pattern into one of three orientations.
  • Patent Document 7 discloses a behavior prediction method and a behavior prediction device for predicting behavior from information on brain activity by decoding such cranial nerve activity.
  • SLR is an extension of a logistic regression model to a Bayesian model, and uses an automatically related decision prior distribution that is a sparse prior distribution as the prior distribution of each component of its parameter vector. Introducing the sparse prior distribution is equivalent to imposing a constraint that the parameter vector becomes a sparse vector (only a small number of elements have non-zero values and the other elements are zero). SLR avoids overlearning by balancing the two criteria of “applying to learning sample” and “sparse parameter expression”. In addition, in SLR, variable selection is performed simultaneously with parameter learning by obtaining sparse parameter expressions. That is, in the learning process, the dimension that is not important among the dimension of the feature vector is deleted.
  • the input to the decoder is a brain activation state that changes every moment of the subject, while the output of the decoder represents the calculated likelihood of each orientation presented to the subject.
  • FIG. 10 is a conceptual diagram for explaining a procedure for reconstructing an image viewed by a subject using such a multinomial distribution SLR.
  • the activation pattern 224 of the V1 field and the V2 field in the brain of the subject 222 is measured as an fMRI signal. Based on the measured fMRI signal, a contrast prediction 226 for each small region 228 having multiple resolutions in the image is performed. That is, the fMRI signal is converted into the amplitude of activation in the small area 228 having multiple resolutions virtually set in the V1 field and the V2 field.
  • the decoding processing unit 116 calculates a reconstructed image 232 by learning a spatially multi-resolution decoder using a machine learning algorithm based on a multinomial distribution SLR and calculating a combination 230 based on those linear models. To do.
  • FIG. 11 is a diagram showing the concept of neurofeedback in the training apparatus 1000.
  • each subject participates in the induction phase of 5 days or 10 days, and during the induction phase, the subject activates the activation pattern from the V1 field and the V2 field corresponding to the target orientation. Learned how to cause.
  • FIG. 7 (c) shows the sequence of such an induction stage.
  • the subject controls the activation of the posterior cerebrum to somehow make the green circular figure shown after 6 seconds as large as possible. (The maximum possible size corresponds to the circumference of the green circle) ”.
  • the size of the circular figure shown in the feedback period corresponded to the decoder output for the target orientation.
  • This decoder output represents the size of the likelihood of the BOLD (Blood Oxygenation Level Dependent) signal pattern from the V1 field and the V2 field classified in the target orientation obtained in the decoder configuration stage.
  • the size of the circular figure matches how much the pattern obtained from the fMRI signal during the induction period is caused by the actual target Gabor patch orientation presented during the decoder configuration stage described above. (Approximation).
  • FIG. 12 is a diagram showing a target orientation assigned to each subject.
  • FIG. 13 is a diagram showing the average likelihood of each of the three orientations (different from each other by 60 degrees) evaluated by the decoder at the guidance stage.
  • FIG. 5 shows that the subject can induce an activation pattern (in the field and field V2).
  • FIG. 14 is a diagram showing the average likelihood between subjects with respect to the target orientation for the test at the first stage of the neurofeedback first day.
  • the average likelihood between subjects for the first 30 tests was around a chance level.
  • FIG. 15 shows the average likelihoods for the three directions calculated by the decoder from the average activation pattern over the entire induction stage in the V1 field and the V2 field.
  • the same decoder is activated in each trial in the V1 and V2 fields during each subject's induction phase. It applies to the average activation pattern as a whole, not to the pattern.
  • the purpose of the induction stage is to allow the subject to learn to cause an activation pattern corresponding to the activation pattern of neurons in the V1 and V2 fields induced by the presentation of the target orientation in the decoder configuration stage. Is to continue to induce.
  • FIG. 16 is a diagram comparing the discrimination capabilities in the pre-test and the post-test.
  • FIG. 17 is a diagram showing discrimination sensitivity improvement d ′, which is the difference between the post-test and the preliminary test.
  • FIG. 18 is a diagram showing the relationship between the number of days in the induction stage and the improvement d ′ of the discrimination sensitivity.
  • the sensitivity fluctuation for the subjects who had 10 days of training (induction) was larger than that of the 5 days of training.
  • the magnitude of perceptual learning was consistent with the general trend that longer training was larger until it reached the asymptote.
  • FIG. 19 is a diagram in which the weight of the likelihood of the target orientation is calculated for all trials of each subject, and the sensitivity variation with respect to the weight is plotted.
  • the pattern caused by fMRI neurofeedback is closer to that of the pattern induced by the actual presentation of the target orientation, and the longer the training, the greater the performance improvement after training. It was done.
  • FIG. 20 is a diagram showing the results of a control experiment with six new subjects.
  • orientations there are three types of orientations to be discriminated by the subject, but of course the number of orientations is not limited to three and may be more.
  • the visual information to be discriminated is not limited to the orientation as described above, but may be other visual stimuli to which the neurons of the initial visual cortex respond, for example, spatial frequency or color.
  • An object to be discriminated by a subject is not necessarily limited to visual information, and more generally, an object related to “cognition that can be reduced to an identification problem as to which class is classified”.
  • the training apparatus of the present embodiment it is possible to perform perceptual learning using a decoding method of neural activity without presenting specific stimulus information to the subject.
  • perceptual learning itself occurs in all sensory organs, that is, visual sense, auditory sense, olfactory sense, taste sense, and tactile sense, respectively. Can be assumed.
  • Relaxation training is training for reducing ease of feeling of tension or anxiety in sports in order to reduce excessive tension or anxiety that occurs in the athlete immediately before the competition.
  • the training apparatus 1000 compares the brain activity in a state where the athlete is mentally relaxed with the state of the brain activity during training, and the athlete uses the degree of coincidence with the relaxed state as feedback information. It is possible to perform a relaxation training of the athlete by the training apparatus 1000 by feeding back to the above.
  • Image training In image training, the athlete imagines the visual image and muscle movement sensation as realistic as possible, assuming a practice or game scene, and simulates the flow of trials and the atmosphere of the venue in advance. It is a method to keep the concentration to reduce the rising during the competition.
  • “activity state in the brain where there is a sense of tension for performing the actual consultation and the state where shoulder strength is removed” can be acquired in advance as data. Then, if the degree of coincidence between the activity state in the brain and the activity in the brain being trained is fed back to the subject as feedback information, the training device 1000 can perform mental training on the subject. It is.
  • Image training is also used for auxiliary exercises to acquire exercise skills. For example, in golf, the state of activity in the brain when the subject makes a nice shot is acquired as data in advance, and the degree of coincidence with the activity in the brain of the subject being trained is measured by the training device 1000. By feeding back the result to the subject as feedback information, it is possible to execute mental training for acquiring exercise techniques using the training apparatus 1000.
  • iii) Treatment of diseases caused by brain function For example, in the case of mood disorders such as depression, or when there is a tendency to decrease in part of the patient's brain function due to dementia, etc. It is possible to suppress the patient's symptoms and the progression of the disease. In addition to this, if data on the activity state in the brain of the patient when in a desired state is acquired in advance, the patient training by the training apparatus 1000 may be effective in improving the medical condition.
  • the training apparatus 1000 can be used as a rehabilitation technique by measuring the brain activity of the subject whose compensation is progressing and feeding it back to the subject.
  • the training apparatus 1000 can establish the memory during sleeping. It can be used as a device for assisting.
  • Such rewards may include, for example, giving a favorable scent to the subject when the subject is in a desired state during sleep of the subject, or conversely, weak mechanical or electrical when the subject is in an undesirable state. It is assumed that the subject is given an unpleasant stimulus.
  • the training device 1000 what is presented to the subject (learner) from the display device 130 is not the stimulus information itself that causes the target activation pattern. What is presented is presentation information corresponding to the reward value.
  • the subject does not need to know the event itself that is the subject of learning. For this reason, even if an event to be learned is an object that is disliked by the subject or an object that feels to be avoided before learning, it is possible to learn about such an object. For example, for certain things, symptoms such as “phobia (phobia disorder)” that may cause fear of disturbing daily life or social activities may appear. It is also possible to use the training device 1000 for training for this purpose.
  • the training apparatus 1000 is not limited to “training” for brain function, and more generally can support enhancement of brain function. In this sense, the procedure as described above is realized.
  • a device that can be used will be referred to as a “brain function enhancement support device”.
  • FIG. 21 is a schematic diagram showing a brain cap that detects a signal indicating brain activity in a predetermined region in the subject's brain.
  • the brain cap 10 includes a hat-shaped holder 10A that covers a human head, a plurality of (for example, several tens to several hundreds) first sensors 11 and a plurality of first sensors 11 provided on the outer peripheral surface of the holder 10A. 2 sensors 12.
  • FIG. 21 schematically shows a state in which individual intervals are provided between the sensors for the sake of explanation, but the first sensor 11 and the second sensor 12 have an equal pitch (for example, an interval of several millimeters). It is relatively densely arranged.
  • region which should detect the signal which shows a test subject's brain activity is limited, in the brain cap 10, it restricts to the specific area
  • the first sensor 11 is, for example, an electroencephalograph (EEG) sensor for non-invasively measuring electrical activity that occurs during brain activity.
  • Each first sensor 11 constitutes an electroencephalograph (EEG), and each sensor 11 measures a time-dependent change in the cerebral magnetic field accompanying brain activity at the installed position and outputs it as an electrical signal.
  • the first sensor 11 is excellent in time resolution and can be measured in milliseconds.
  • the second sensor 12 is, for example, a near infrared sensor of NIRS.
  • Each second sensor 12 includes a light emitting element that emits infrared light having a relatively short wavelength, and a light receiving element that receives reflected light of the infrared light.
  • Each second sensor 12 detects the amount of light emitted from the light emitting element in the brain based on the amount of light received by the light receiving element, and non-invasively determines the state of cerebral blood flow based on the output signal of the light receiving element. measure.
  • Each sensor 12 measures and outputs cerebral blood flow at each site where it is installed. Since the second sensor 12 is not affected by other regions like an electric field or a magnetic field, it has excellent spatial resolution and can measure in units of several millimeters to several tens of millimeters.
  • first sensor 11 and the second sensor 12 are small and can observe brain activity, they can be easily attached to the brain cap 10 as described above. A large device is not required to measure the activation pattern in the subject's brain.
  • the brain activity of the subject is observed in time series using the brain cap 10 shown in FIG. 21, and the brain activity of the subject is predicted based on the obtained observation data.
  • FIG. 22 is a functional block diagram of the training apparatus 2000 according to the second embodiment.
  • the difference between the training device 2000 of the second embodiment and the training device 1000 of the first embodiment is as follows.
  • the first difference is that the above-described brain cap 100 is used as a detector for detecting brain activity.
  • the second difference is that, instead of the arithmetic processing unit 102 in FIG. 1, the training terminal 106 connected to the brain cap 100 can communicate with the training terminal 106 wirelessly, and the measurement signal received from the training terminal is different. It includes a calculation processing device 302 that calculates the presentation information by performing predetermined calculation processing and wirelessly transmits it to the training terminal 106.
  • the training terminal 106 includes a display device 130 similar to that used in the first embodiment, a calculation unit 128 that converts the measurement signal from the brain cap 100 into a predetermined transmission format, and the transmission terminal 106 that is converted into this transmission format.
  • a communication unit 126 that transmits the received signal to the arithmetic processing unit 302 and receives the presentation information as feedback information from the arithmetic processing unit 302.
  • the computing unit 128 further generates visual information based on the presentation information received by the communication unit 126 and presents it to the subject by the display device 130.
  • the arithmetic processing device 302 is similar to the arithmetic device 112 of FIG. 1 and an input / output I / F 111 for wireless communication with the training terminal 106 instead of the input I / F 110 and output I / F 124 of FIG. And a storage device 114 that stores a program to be executed by the calculation device 312.
  • the present embodiment is characterized in that the training terminal 106 and the arithmetic processing unit 102 are separated and the brain cap 100 can be used at a point away from the arithmetic processing unit 302. Accordingly, the communication method between the training terminal 106 and the arithmetic processing device 102 is not limited to wireless communication that directly connects two devices, and may be configured to communicate via a network, for example. You may make it connect both directly with a cable.
  • the arithmetic processing unit 302 side that generates the presentation information corresponding to the reward value.
  • the present invention is not limited to such an embodiment, and a reward value is calculated on the arithmetic processing device 302 side, and the arithmetic unit 128 receives the reward value on the training terminal 106 side to perform predetermined arithmetic processing.
  • the presentation information may be generated by.
  • the arithmetic device 312 includes a decoding processing unit 116, a determination unit 118, a reward calculation unit 120, and a presentation information generation unit 122, similar to the arithmetic device 112 of FIG. 1, but is different from the arithmetic device 112 and further from the training terminal 106.
  • the arithmetic unit shown in FIG. 1 includes a preprocessing unit 113 that receives and processes the transmitted measurement signal via the input / output I / F 111 and generates a signal in a format that can be decoded by the decoding processing unit 116. 112.
  • the brain cap 100 the training function of the brain activity detection device 108 for detecting the brain activity in a predetermined region in the brain in the first embodiment.
  • the configuration is realized by the terminal 106 and the preprocessing unit 113.
  • the subject wears the brain cap 100 in addition to the effects exhibited by the training apparatus 1000 according to the first embodiment. Since the training can be performed with the training terminal 106 that is smaller than the arithmetic processing device 102 being held, there is an effect that the behavior of the subject is not restricted by the position of the training device 2000. Further, since the display device 130 only needs to display feedback information, it is easy to achieve miniaturization. Note that the training apparatus 2000 according to the second embodiment can also be used as a brain function enhancement support apparatus, similarly to the training apparatus 1000 according to the first embodiment.
  • the brain function enhancement support device can be applied to perceptual learning, rehabilitation, sports relaxation, learning of adaptation to the environment, and the like.
  • 102 302 arithmetic processing device, 106 training terminal, 108 brain activity detection device, 110 input I / F, 111 input / output I / F, 112, 320 arithmetic device, 113 preprocessing unit, 114 storage device, decoding processing unit 116, 118 determination unit, 120 reward calculation unit, 122 presentation information generation unit, 124 output I / F, 128 calculation unit, 130 display device, 1000, 2000 training device.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Neurology (AREA)
  • Psychology (AREA)
  • Psychiatry (AREA)
  • Neurosurgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physiology (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Dermatology (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Rehabilitation Tools (AREA)

Abstract

神経活動のデコーディング方法を使用した訓練装置１０００は、被験者の脳内の所定の領域における脳活動を検出するための脳活動検出装置１０８と、演算処理装置１０２と、被験者にニューロフィードバック情報（呈示情報）を提示するための出力装置１３０とを備える。演算処理装置１０２は、脳神経の活性化のパターンをデコードして、訓練対象となっている事象に対して事前に取得されている目標活性化のパターンに対する、デコードされたパターンの近似度に基づいて報酬値を算出し、報酬値に対応する呈示情報を生成する。

Description

脳機能亢進支援装置および脳機能亢進支援方法
　本発明は、対象となる事象に対する学習を行う脳機能亢進支援装置および脳機能亢進支援方法に関する。
　近年、バーチャル・リアリティ（ＶＲ）等コンピュータ・グラフィックス（ＣＧ）技術を利用して被訓練者を訓練する訓練システムがある。それらシステムの中には、被訓練者の生体反応を測定しながら訓練を行うものがある。特許文献１に開示された訓練支援装置は、被訓練者の生体反応として脳の活動領域を近赤外光により検出し、障害を有する被訓練者のリハビリテーション及びイメージトレーニングを手助けする。特許文献１の全体をここに参照により援用する。この訓練支援装置は、訓練として課された計算課題又は記憶課題等を行っている最中の被訓練者の脳の活動領域を測定し、訓練終了後に、訓練における被訓練者の応答と、測定された脳の活動記録とを併せて訓練の効果を確認する。特許文献２には、訓練中の被訓練者の生体反応に応じて訓練シナリオを常に最適なものとする訓練システムが開示されている。特許文献２の全体をここに参照により援用する。生体反応を測定する手段としては、ｆＮＩＲ（Ｆｕｎｃｔｉｏｎａｌ　Ｎｅａｒ　Ｉｎｆｒａｒｅｄ　Ｓｐｅｃｔｒｏｓｃｏｐｙ）又はｆＭＲＩ（Ｆｕｎｃｔｉｏｎａｌ　Ｍａｇｎｅｔｉｃ　Ｒｅｓｏｎａｎｃｅ　Ｉｍａｇｉｎｇ），ＰＥＴ（Ｐｏｓｉｔｒｏｎ　Ｅｍｉｓｓｉｏｎ　Ｔｏｍｏｇｒａｐｈｙ）で測定した、脳の活動部位のパターンが挙げられている。
　このように、本来感知することのできない生理学的な指標を科学的にとらえ、対象者に知覚できるようにフィードバックして体内状態を制御する技術を、「バイオフィードバック」と呼ぶ。
　従来のバイオフィードバックは、脈拍又は呼吸等の生体情報が用いられる場合もあるものの、主として、人からの脳波による出力を画像又は音等視聴覚等で感知できる形態に変換し、人に対して出力することを含む。このようなバイオフィードバックにより、被訓練者は脳波の状態をリアルタイムで知ることができる。したがってバイオフィードバックは、被訓練者が自ら脳波の状態を制御するために役立つ。
　バイオフィードバックは、例えば、不整脈、頭痛、自律神経失調、高血圧等の治療に使用される他、スポーツ分野での精神訓練にも利用される。
　バイオフィードバックをリハビリテーションに応用する技術として、特許文献３は、リハビリテーション支援装置を開示している。この装置は、運動機能又は脳機能等に障害を持つ患者を対象とする。この装置は、リハビリテーションを行っている患者の状態を計測し、訓練内容を評価する。この装置は、患者の足の状態を力センサ又は位置センサで検出し、患者の歩行周期にあわせて股、膝、及び足関節駆動部を駆動し、両下肢を協調させて動作させる。健足側又は患足側の運動のタイミングを画像、音、又は振動により訓練者へ呈示し、効果的な歩行訓練を支援する。
　電化製品等のスイッチ又はリモートコントローラの操作は、四肢が不自由な人にとって容易ではない。こうした問題を解決するために、ヒトの脳電位を用いて機器を制御する技術が特許文献４に開示されている。特許文献４をここに参照により援用する。この技術では、機器を制御するための制御信号を、ヒトの脳電位から得られる脳波に基づいて出力する。この技術では、バイオフィードバック法を用いて脳波を意識的に変化させ、この脳波に対して周波数解析及び演算比較を行い、制御信号を取得する。別の例が、特許文献５に開示されており、ここにその全体を参照により援用する。この文献に開示された装置は、ヒトの頭皮の異なる部位において脳電位を検知し脳電位データを出力する検知部と、検知されたそれぞれの脳電位を所定の閾値と比較し、当該比較結果に応じた活性化パターンを生成するパターン生成部と、脳の活性化状態を示す活性化パターンと機器を制御するための制御信号とを対応付けて予め格納するパターンデータベースと、生成された活性化パターンをパターンデータベース内の活性化パターンと比較し、生成された活性化パターンと一致する活性化パターンに対応する制御信号を抽出し、この制御信号を機器に送信するパターン処理部とを含む。この装置によれば、脳電位に基づいて機器を制御できる。
　ところで、ヒトの感覚及び知覚システムは、周囲を取り巻く環境に応じて常に変化する。こうした変化の大半は、ヒトの発達早期の決まった段階、すなわち「臨界期」と呼ばれる時期に起こる。しかし、成人においても、周辺環境の重要な変化に適応できる程度には感覚及び知覚システムの可塑性が保たれる。例えば、非特許文献１は、成人が特定の知覚刺激を使った訓練を受けたり特定の知覚刺激に曝露されたりすることによって、その訓練課題の成績又は知覚刺激への感度が向上し、さらに、その訓練結果が数ヶ月から数年間維持されることを報告している。非特許文献１の全体をここに参照により援用する。こうした変化は知覚学習と呼ばれ、すべての感覚器、すなわち視覚、聴覚、嗅覚、味覚、触覚のそれぞれにおいて起こることが確認されている。
　ただし、こうした知覚学習は様々な特異性を持っており、そうした特異性は、知覚学習が低次の視覚野に関与していることによると考えられる。さらに、視覚処理のどの段階で知覚学習が起こるのか、と言う点については、非特許文献２において報告されているとおり、議論がある状態であった。非特許文献２の全体をここに参照により援用する。このため、どのような方法により、知覚学習を支援するのが効果的であるかについては、明らかではなかった。
　知覚学習で用いられるバイオフィードバックにおいては、脳活動を計測することが必要とされる。そのための手法としては、以下のとおり様々なものが知られている。
　・脳皮質に直接電極を接触させて皮質脳波を計測する方法
　・脳内ニューロンの活動で生じる微少電流を頭蓋につけた電極から拾って増幅記録する脳波（ＥＥＧ：Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ）の非侵襲的な計測手法
　・核磁気共鳴画像法（ＭＲＩ：Ｍａｇｎｅｔｉｃ　Ｒｅｓｏｎａｎｃｅ　Ｉｍａｇｉｎｇ）を利用して、ヒト及び動物の脳の活動に関連した血流動態反応を視覚化する機能的核磁気共鳴画像法（ｆＭＲＩ：ｆｕｎｃｔｉｏｎａｌ　ＭＲＩ）
　・脳の電気的な活動によって生じる磁場を超伝導量子干渉計（ＳＱＵＩＤｓ：Ｓｕｐｅｒｃｏｎｄｕｃｔｉｎｇ　ＱＵａｎｔｕｍ　Ｉｎｔｅｒｆｅｒｅｎｃｅ　Ｄｅｖｉｃｅ)で高感度に計測するイメージング技術である脳磁図法（ＭＥＧ：Ｍａｇｎｅｔｏｅｎｃｅｐｈａｌｏｇｒａｐｈｙ）
・近赤外光を用いて頭皮上から非侵襲的にヘモグロビン（Ｈｂ）の増減又は酸素交換情報に伴う指標を計測して脳機能をマッピングする近赤外光計測法（ＮＩＲＳ：Ｎｅａｒ－ＩｎｆｒａＲｅｄ　Ｓｐｅｃｔｒｏｓｃｏｐｙ）。
　ｆＭＲＩを用いた従来の研究では、ヒトへの感覚刺激とそれに関連して生じる脳活動との間のマッピングをとることが積極的に行われてきた。神経活動をコード（符号）と見なすと、従来の方法は刺激が脳でどのように表現されているか、つまり神経活動が刺激をどのようにコーディングしているかを調べていることになる。
　これに対して、その逆に、神経活動からどのような刺激が与えられているかを読み取るのは、神経活動のデコーディングと呼ぶことができる。神経活動のデコーディングについては、非特許文献３において報告があり、その全体をここに参照により援用する。
　これらとは別に、ｆＭＲＩのデータを用いることで、ＭＥＧデータ又はＥＥＧデータから、高い時間分解能及び空間分解能で脳内神経活動を直接計測できる非侵襲の計測手法についても、特許文献６，特許文献７，非特許文献４及び非特許文献５において報告されており、これら文献の全体をここに参照により援用する。
　さらに、脳活動において、複数方位のうちのある方位への運動の活動が活性化していることを脳波計又は脳磁計による計測値からデコードし、ブレイン・マシン・インタフェース（ＢＭＩ。以下、「インタフェース」を「Ｉ／Ｆ」と呼ぶ。）に活用する点についても、非特許文献６に報告がある。非特許文献６をここに参照により援用する。
特開２００４－２９４５９３号公報 特開２００７－２６４０５５号公報 特開２００５－１３４４２号公報 特開２００２－１２５９４５号公報 特開２００５－２７８６８５号公報 国際公開第０３／０５７０３５号パンフレット 特開２００８－１７８５４６号公報
T. Watanabe, J. E. Nanez Sr, S. Koyama,I.Mukai, J. Liederman and Y. Sasaki: Greater plasticity in lower-level thanhigher-level visual motion processing in a passive perceptual learning task.Nature Neuroscience, 5, 1003-1009, 2002. 伊藤　希、渡邊　武郎、佐々木　由香著、「知覚学習における近年の成果」、Vision, Vol.22, No.2, pp.115-121, 2010 Miyawaki Y et al. (2009): Visual imagereconstruction from human brain activity using a combination of multiscalelocal image decoders. Neuron. Dec 10;60(5):915-29. M. Sato, T. Yoshioka, S. Kajihara, K. Toyama, N.Goda, K. Doya, and M. Kawato, "Hierarchical Bayesian estimation for MEG inverseproblem," NeuroImage, vol. 23, pp. 806-826, 2004. T. Yoshioka, K. Toyama, M. Kawato, O. Yamashita,S. Nishina, N. Yamagishi, and M. Sato, "Evaluation of hierarchical Bayesianmethod through retinotopic brain activities reconstruction from fMRI and MEGsignals," NeuroImage, vol. 42, pp. 1397-1413, 2008. Stephan Waldert, Tobias Pistohl, ChristophBraun, Tonio Ball, Ad Aertsen, Carsten Mehring, "A review on directionalinformation in neural signals for brain-machine interfaces", Journal ofPhysiology - Paris, 103 (2009) pp.244-254
　しかしながら、上述したように、脳視覚処理のどの段階で知覚学習が起こるのかについて不明であることも一因となり、神経活動のデコーディング方法をどのように使用すれば、効果的な知覚学習が可能であるかが、必ずしも明らかではないと言う問題があった。
　また、神経活動のデコーディング方法を用いた知覚学習を用いて、どのようにＢＭＩを実現したり、どのようにリハビリテーションを実施したりするべきかが、必ずしも明らかではないという問題もあった。
　本発明は、上記のような問題を解決するためになされたものであって、神経活動のデコーディング方法を使用して、ユーザ自身の行動により所定の脳機能を更新することを支援することが可能な脳機能亢進支援装置および脳機能亢進支援方法を提供することを目的とする。
　この発明の１つの局面に従うと、脳機能亢進支援装置は、被験者の脳内の所定の領域における脳活動を示す信号を検知するための脳活動検知装置と、脳機能を亢進させる対象となっている事象に対して事前に取得されている目標活性化のパターンについての情報を格納するための記憶装置と、制御装置とを含む。制御装置は、脳活動検知装置により検知された信号から、脳神経の活動のパターンをデコードするためのデコード部と、デコード部のデコード結果に基づいて、目標活性化のパターンに対するデコード結果の近似度に応じて、近似度に対応する報酬値を算出する演算部とを含む。脳機能亢進支援装置はさらに、報酬値の大きさを示す呈示情報を被験者に対して呈示するための出力装置を含む。
　好ましくは、演算部は、呈示情報として、事象を呈示することなく報酬値に対応する呈示情報を呈示するための情報を、出力装置に対して出力する。
　好ましくは、事象は、脳内において、いずれのクラスに分類されるかという識別問題に帰着される認知の対象である。デコード部は、脳神経の活動パターンがいずれのクラスに対応するかの尤度を算出する。
　好ましくは、脳機能亢進支援装置は、出力装置を含む支援端末と、デコード装置と記憶装置と演算部とを含む演算処理装置とを含む。支援端末は、脳活動検知装置により検知された信号をデコード部に送信するための通信部を含む。
　好ましくは、デコード部は、特定の脳部位、例えば初期視覚野等における脳神経の活動をデコードする。
　好ましくは、脳活動検知装置は、ｆＭＲＩ装置を含む。
　好ましくは、脳活動検知装置は、頭蓋外部からの近赤外光および脳波の計測装置を含む。
　この発明の他の局面に従うと、脳機能亢進支援方法は、被験者の脳内の所定の領域における脳活動を示す信号を検知するための脳活動検知装置の信号から、脳神経の活動のパターンをデコードするためのデコード装置を用いた脳機能亢進支援方法である。この方法は、脳活動検知装置により検知された信号から、デコード装置により脳神経の活動のパターンをデコードするステップと、脳機能を亢進させる対象となっている事象に対して事前に取得されている目標活性化のパターンに対するデコード結果の近似度に応じて、近似度に対応する報酬値を算出するステップと、被験者に対して、報酬値の大きさを示す呈示情報を呈示するステップとを含む。
　好ましくは、呈示情報を呈示するステップにおいては、呈示情報として、脳機能の亢進対象となっている事象を呈示することなく報酬値に対応する呈示情報を呈示するための情報を、出力装置に対して出力する。
　本発明の脳機能亢進支援装置および脳機能亢進支援方法によれば、脳内の神経活動のデコーディング方法を使用して、所定の脳機能の対象となる事象について、被験者自身がその脳機能の亢進のための行動を実施することが可能となる。
　また、本発明の脳機能亢進支援装置および脳機能亢進支援方法によれば、脳内の神経活動のデコーディング方法を使用して、被験者に対して訓練対象となる事象についての訓練を行うことが可能となる。
　さらに、本発明の脳機能亢進支援装置および脳機能亢進支援方法によれば、被験者に訓練対象となる事象に対応した刺激を与える必要がない。したがって、被験者が使用する訓練端末を小型化することが可能である。
本発明の第１の実施の形態の訓練装置１０００の機能ブロック図である。 方位に対する視覚刺激とその知覚学習との関係を示す概念図である。 実施の形態の訓練装置１０００の知覚学習の手順を概念的に説明する図である。 訓練装置１０００の動作を説明するためのフローチャートである。 知覚学習の実験フローについて説明する図である。 事前テスト（Ｓ２００）と、事後テスト（Ｓ２０６）において、被験者の行ったタスクを説明する図である。 実験の各段階において、被験者に対する刺激呈示のシーケンスを示す図である。 視覚刺激として呈示されるガボールパッチの例を示す図である。 デコーダの処理を示す概念図である。 多項分布スパースロジスティク回帰（Ｍｕｌｔｉｎｏｍｉｎａｌ　Ｓｐａｒｓｅ　Ｌｏｇｉｓｔｉｃ　Ｒｅｇｒｅｓｓｉｏｎ。以下、スパースロジスティク回帰を「ＳＬＲ」と呼ぶ。）を用いて、被験者の見ている画像を判別する手続きを説明するための概念図である。 訓練装置１０００におけるニューロフィードバックの概念を示す図である。 各被験者に割り当てられたターゲットとなる方位を示す図である。 誘導段階で、デコーダによって評価された(６０度だけ互に相違する)３つの方位の各々の平均の尤度を示す図である。 ニューロフィードバック１日目の最初の段階のテストについて、ターゲット方位に対する被験者間の平均尤度を示す図である。 Ｖ１野およびＶ２野における、誘導段階の全体にわたる平均的な活性化パターンからデコーダにより算出された３つの方位に対する平均尤度を示す図である。 事前テストおよび事後テストにおける視覚刺激の弁別能力を比較した図である。 事後テストと事前テストとの差である弁別感度の改善ｄ´を示す図である。 誘導段階の日数と弁別感度の改善ｄ´との関係を示す図である。 各被験者のすべての試行に対する、ターゲット方位の尤度の加重を計算し、加重に対する感度変動をプロットした図である。 ６人の新しい被験者による対照実験の結果を示す図である。 脳活動を検知する能活動検知装置としてのブレインキャップを示す模式図である。 第２の実施の形態の訓練装置２０００の機能ブロック図である。
　以下、本発明の実施の形態の訓練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。
　（第１の実施の形態）
　図１を参照して、本発明の第１の実施の形態に係る訓練装置１０００は、被験者（図示せず）の脳内の所定の領域における脳活動を検出するための脳活動検出装置１０８と、脳活動検出装置１０８の出力を受けてデコードし、デコード結果にしたがって被験者にフィードバックとして呈示される情報（ニューロフィードバック情報）を生成する演算処理装置１０２と、演算処理装置１０２の出力を受け、被験者にニューロフィードバック情報を呈示するための出力装置であるディスプレイ装置１３０とを含む。
　脳活動検出装置１０８としては、上述したｆＭＲＩ、脳磁計、ＮＩＲＳ、脳波計、またはこれらの組み合わせを使用することができる。このうち、ｆＭＲＩとＮＩＲＳとは、脳内の血流変化に関連する信号を検出するものであり、高い空間分解能を持つ。脳磁計および脳波計は、脳活動に伴う電磁場の変化を検出するものであり、高い時間分解能を持つ。したがって、例えば、ｆＭＲＩと脳磁計とを組み合わせれば、空間的にも時間的にも高分解能で脳活動を計測することができる。ＮＩＲＳと脳波計とを組み合わせても、同様に空間的にも時間的にも高分解能で脳活動を計測するシステムを小型で携帯可能な大きさで構成することが可能である。
　フィードバック情報を呈示する出力装置としては、ここでは、視覚的なフィードバック情報を被験者に呈示するためのディスプレイ装置１３０を使用するものとして説明する。ただし、フィードバック情報としては、視覚情報に限られず、例えば、音声情報、及び触覚情報等を呈示することも可能であり、情報の種類に応じて出力装置を適宜選択すればよい。
　演算処理装置１０２は、特に限定されないが、例えば、汎用のパーソナルコンピュータにより実現することができる。もちろん、専用のハードウェアを用いてもよい。
　演算処理装置１０２は、脳活動検出装置１０８からの信号を受け取るための入力Ｉ／Ｆ１１０と、入力Ｉ／Ｆ１１０からの信号に対して、所定の演算処理を施すことにより、被験者に対して呈示すべき呈示情報を生成するための演算装置１１２と、演算装置１１２が動作するためのプログラム、及び上述した呈示情報を生成するために必要な情報を格納し、かつ、演算装置１１２のワーキングメモリとして機能を果たすための記憶装置１１４と、演算装置１１２からの呈示情報を表示するための信号をディスプレイ装置１３０に対して出力するための出力Ｉ／Ｆ１２４とを含む。
　演算装置１１２が実行する所定の演算処理は、以下を含む：
　入力Ｉ／Ｆ１１０からの信号から脳神経の活性化のパターンをデコードする；　訓練対象となっている事象に対して事前に取得されている目標活性化のパターンと、デコードされた活性化のパターンとの近似度を算出する；
　算出された近似度に基づいて、近似度に応じた報酬値を算出する；及び、
　報酬値に対応する、目標活性化のパターンの情報を生成する。
　なお、ここで、「近似度」とは、以下のいずれでもよい：
　予め取得された基準となる特定の目標活性化のパターンと現時点の脳神経の活性化のパターンとを比較した場合の「パターンとしての近似度」；
　このような明示的な目標活性化のパターンそのものを基準とするのではなく、予め定められた（１つまたは複数の）評価の尺度に基づいて得られる評価値に照らして、現時点の脳神経の活性化のパターンが目標にどの程度近づいているのかを判定した結果；及び
　予め分類された活性化のパターンの複数のクラスのうち、現時点の脳神経の活性化のパターンが、いずれのクラスに分類されるかについて、目標となるクラスに属する可能性の程度を示す値（例えば、尤度）。
　演算装置１１２は、記憶装置１１４に格納されたプログラムにしたがって動作し、脳活動検出装置１０８からの信号をデコード処理して、現在の脳活動がどのような刺激を受けているときの神経活動の活性化状態のパターンに対応するかを導出するデコード処理部１１６と、デコード処理部１１６によりデコードされた結果が目標活性化のパターンに一致する程度を判定する判定部１１８と、判定部１１８による判定結果に応じて、一致度（近似度）が大きいほどより大きくなるような関数にしたがって報酬値を算出する報酬算出部１２０と、予め定められた方法にしたがって、算出された報酬値に対応する呈示情報を生成する呈示情報生成部１２２とを含む。
　ここでは、フィードバック情報として視覚情報を呈示することとしているので、呈示情報生成部１２２は、報酬値の大きさを示す画像情報を呈示情報として生成する。この画像情報の具体例については、後に説明する。
　ディスプレイ装置１３０から被験者に呈示されるのは、目標活性化のパターンを生じさせるような視覚刺激そのものではなく、あくまで、報酬値に対応する呈示情報である。したがって、訓練装置１０００の出力装置として、ディスプレイ装置１３０を使用している場合であっても、訓練対象となる知覚は視覚に限られず、聴覚、嗅覚、味覚、触覚のように、視覚と異なるものであってもよい。訓練装置１０００から被験者に呈示される情報も、画像情報に限られず、音声情報、匂い情報、味の情報、触感の情報のようなものであってよく、これらの情報により報酬値の大きさを被験者が理解できるものであればよい。
　呈示情報として、本実施の形態では、報酬値の大きさが大きくなると呈示される円形も大きくなるように両者の間の関係が選ばれている。しかし報酬値の大きさに対する呈示情報の関係は、そのような関係には限定されない。逆に、報酬値が大きければ呈示される図形の大きさが小さくなるようにしてもよいし、報酬値が大きくなると図形の大きさが特定の大きさになるように両者の関係を選んでもよい。要するに、呈示情報が、特定の関数にしたがい、報酬値の変化に伴って変化するものであればよい。
　（知覚学習）
　以下では、本実施の形態で使用する刺激と関連する、方位に対する視覚刺激とその知覚学習とについて簡単に説明する。
　図２は、このような方位に対する視覚刺激とその知覚学習との関係を示す概念図である。以下では、「方位に対する視覚刺激」とは、ある特定の方位に傾いているパターンを被験者に呈示することをいう。具体例としては、例えば、ある特定方位のガボール（Ｇａｂｏｒ）パッチを、被験者に呈示することをいう。
　ここで、ガボールパッチとは、視覚科学、特に心理物理学の多くの実験に使われる基本的な刺激パターンのひとつである。これは正弦波縞に２次元ガウス関数をかけたもので、無限に続く正弦波縞の一部を滑らかに切り出したもの、といえる。輝度コントラストの２次元的分布c(x,y)を原点中心として表わすと
　　　　　c(x,y)＝Ａsin(２πｆxｘ)×exp(－(ｘ2/2δ2＋ｙ2/2δ2))　…（1）
という形になる（縦縞の場合）。Ａは振幅、fxは空間周波数であり、ガウス関数の分散δは方位によらず一定である。
　図２は、ガボールパッチによる刺激パターンを説明するために、縦縞の縞模様図形において、コントラストが異なる３つのパターンＰＡ，ＰＢ，ＰＣを例示的に示している。コントラストは、ＰＡ→ＰＢ→ＰＣの順番で強くなる。知覚学習の一例として、こうした図形のコントラストを変化させたときにも縞模様の方位を弁別できるように被験者をトレーニングする場合を考える。
　一般的な知覚学習においては、知覚学習前（トレーニング前）のコントラスト強度に対する弁別能力に比べて、知覚学習後（トレーニング後）のコントラスト強度に対する弁別能力が向上することが観測され、これは図２の下段に示すように、両者をグラフ化することにより確認できる。ここで、弁別能力とは、例えば、ガボールパッチの画像にノイズを付加していったときに、どのレベルのＳ／Ｎ比まで、識別可能であるかにより、特定することができる。
　図３は、実施の形態の訓練装置１０００の知覚学習の手順を概念的に説明する図である。
　図２のような従来の知覚学習に対して、上述した図１の訓練装置１０００は、以下のようにして被験者に対する知覚学習を実行する：
　脳内の所定の目標領域の脳内活動を検出する；
　検出された脳内活動の信号をデコードして活性化パターンを得る；
　デコード結果と目標となる活性化パターン（目標パターン）とを比較する；
　両者の一致度（近似度）に応じた報酬情報を演算により得る；そして、
　報酬情報に応じた視覚情報を被験者にニューロフィードバックする。
　図４は、訓練装置１０００の動作を説明するためのフローチャートである。
　図４を参照して、訓練装置１０００では、処理が開始されると（Ｓ１００）、ある時間にわたって、訓練したい行動を記録し（Ｓ１０２）、このような行動時の脳活動を脳活動検出装置１０８（図１）、例えば、ｆＭＲＩで検出した結果から、行動と脳内の神経活動の活性化パターンとの関係についてデコーダをトレーニングすることで、訓練装置１０００はデコード処理部１１６（図１）を構成する（Ｓ１０４）。以下、被験者に対する知覚学習が開始される。
　被験者が自身で念じて誘導した脳内の活性化パターンを訓練装置１０００のデコード処理部１１６がデコードする（Ｓ１０６）。デコード結果と目標パターンとの近似度を判定部１１８が判定する。判定の結果に応じて報酬算出部１２０が報酬値を算出する。報酬値に対応する呈示情報を呈示情報生成部１２２が生成し、出力Ｉ／Ｆ１２４を介してディスプレイ装置１３０で被験者に呈示する（Ｓ１０８）。被験者は、この呈示情報がより大きな報酬値に対応する状態となるように、誘導を継続する。訓練のレベルが所定のレベルに達したときに（Ｓ１１０）、処理を終了する（Ｓ１１２）。
　「訓練のレベルが所定のレベルに達する」とは、例えば、報酬算出部１２０が算出する報酬値が、所定の時間だけ継続して規定の報酬値のレベル以上となったこと等を判断基準とすることができる。処理の終了は、訓練装置１０００が自動的に判定してもよいし、訓練の監督者が判定してもよい。
　（訓練装置１０００による知覚学習）
　以下では、訓練装置１０００による知覚学習の実験結果について説明する。
　なお、以下では、被験者の脳内活動を計測する手法としては、ｆＭＲＩを例にとって説明することにする。
　後により詳しく説明するが、実験の結果を要約して説明すると、被験者は、連続して呈示される単色の円形図形のサイズをできるだけ大きくするように努力するように依頼された。この円形図形は、この実験における報酬情報に関する所定の関数にしたがって生成される提示情報である。円形図形のサイズは、被験者の初期視覚野（一次視覚野（Ｖ１野）、二次視覚野（Ｖ２野））の一時的なｆＭＲＩ信号活性化パターンが、現実の特定のターゲットとなる方位刺激の呈示によって誘起されたパターンとして分類される尤度に比例するようにされた。この実験での円形図形のサイズとは、円形図形の半径である。
　被験者は、円形図形が何を表現しており、また、正確にどのようにすれば、その円形図形のサイズをコントロールできるのかについては、何ら知識を持たない状態であった。
　この手続きの後、知覚行動の能力は、他の方位ではなくターゲットとなった刺激方位に対して著しく改善した。
　これらの結果は、成熟した脳の初期視覚野の、目標とされたニューロンの活性化パターンを反復的に誘導すれば、円形図形サイズが表わしたものの自覚的な意識がなく、実験の企図についての知識のない状態で、外部ターゲット刺激が呈示されなくても、知覚学習を引き起こすのに十分であることを示す。
　図５は、このような知覚学習の実験フローについて説明する。
　まず、被験者には、知覚行動について事前のテストを実施する（Ｓ２００）。ここでは、ガボールパッチについて、方位の弁別能力のテストを行い、知覚学習前の弁別能力の状態についての情報を得る。
　次に、被験者に、さまざまな方位のガボールパッチを呈示した場合の、その各パッチのパターンについて、ｆＭＲＩで観測される脳内の神経の活性化パターンを、デコード処理部１１６がデコード処理するためのトレーニングを実行し、ｆＭＲＩデコーダを構成する（Ｓ２０２）。特に限定されないが、デコード処理部１１６は、機械学習アルゴリズムを用いており、学習により、被験者の脳内の神経の活性化パターンを、そのような活性化が生じている際に被験者に呈示される刺激の種類に分類する機能を獲得するものであるとする。機械学習アルゴリズムとしては、ロジスティク回帰、ＳＬＲ、サポートベクトルマシン等を用いることができる。
　なお、ここでは、ガボールパッチをデコーダの構成のための刺激として被験者に呈示している。以下、より一般的に、知覚学習についての学習対象となる事象を表す情報を刺激情報と呼ぶ。
　続いて、被験者に対して、ｆＭＲＩ装置での観測をしつつ、報酬値に対応した呈示情報を呈示してニューラルフィードバックを与え、知覚学習を実行する（Ｓ２０４）。
　その後、被験者に対して、ガボールパッチについて、弁別能力のテストを行い、知覚学習後の弁別能力の状態についての情報を得る（Ｓ２０６）。
　図５の実験のフローについて、より詳しく説明すると以下のとおりである。
　上述したような４つの実験の段階（Ｓ２００～Ｓ２０６）にかけた時間は、以下のようになる。
　ｉ）事前テスト(１日)、ｉｉ）ｆＭＲＩデコーダの構成(１日)、ｉｉｉ）誘導(デコードされたｆＭＲＩニューロフィードバック、６人の被験者には１０日、４人の被験者には５日)、ｉｖ）事後テスト(１日)。なお、異なる段階は少なくとも２４時間だけ分離された。
　（事前テストと事後テストの段階）
　図６は、図５における実験のフローのうち、事前テスト（Ｓ２００）と、事後テスト（Ｓ２０６）において、被験者の行ったタスクを説明する図である。
　事前テスト段階および事後テスト段階では、Ｖ１野およびＶ２野のような初期視覚野の活性化パターンの誘導の結果、ターゲット方位の知覚学習が生じたかどうかテストするために、被験者の方位弁別タスクの能力が測定された。
　図６に示すように、各テストでは、被験者は、ガボールパッチが呈示された後、３つの方位(１０°，７０°，１３０°）　のうちのどれが呈示されたかを報告するように依頼された。
　図７は、実験の各段階において、被験者に対する刺激呈示のシーケンスを示す図である。
　図７（ａ）は、事前テスト段階および事後テスト段階での刺激呈示のシーケンスを示す。まず、３００ｍｓの期間、ガボールパッチが被験者に呈示され、次の２秒間で、被験者に自分が知覚したガボールパッチの方位を報告してもらう。以上の呈示と報告を所定回数繰り返す。
　図８は、呈示されるガボールパッチの例を示す図である。
　まず、被験者に呈示されるガボールパッチの方位は、１０°，７０°及び１３０°のうちのいずれかである。
　さらに、各パターンに複数のレベルのノイズが重畳されることで、弁別の容易さを変えて各パターンを呈示している。
　（ｆＭＲＩデコーダの構成の段階）
　次に、図５に示したｆＭＲＩデコーダの構成の段階（Ｓ２０２）について説明する。
　図９は、このようなデコーダの処理を示す概念図である。
　デコーダ構成段階は、各被験者に対してガボールパッチ中の３つの方位のうちの各々の呈示によって引き起こされるＶ１野およびＶ２野からｆＭＲＩ活性化パターンを得るために実行される。
　図７（ｂ）に示すように、被験者は、ガボールパッチへの注意を維持することを意図したタスクを行うように依頼された。すなわち、被験者のタスクは、６秒間の刺激呈示期間と、これに続く、６秒間の方位の報告期間とからなる。このようなタスクを２４回実行した。各刺激呈示期間の最初において、ガボールパッチの中央にある凝視ポイントの色が白から緑（図中では、濃いグレーで示す。以下同じ）に変わり、刺激期間が開始されたことを被験者に示した。各ガボールパッチには、５０％のノイズが付加された。また、刺激呈示期間中において、その期間内で同一方位のガボールパッチは、１Ｈｚで点滅した。各タスクの試行において、ガボールパッチの方位は、ランダムに選択された。２４回の試行のうち、半分の１２回の試行では、点滅する６回のガボールパッチのうち５つは同じ空間周波数であるが、１回は空間周波数を増加させた。残りの１２回の試行では、空間周波数は変化していない。
　報告期間においては、ガボールパッチは呈示されず、凝視ポイントのみが呈示されている。報告期間においては、被験者は、空間周波数の変化があったかについて、ボタンの押下により報告した。
　Ｖ１野とＶ２野から測定されたｆＭＲＩ信号は、Ｖ１野とＶ２野の中に仮想的に設定されたボクセル内の活性化の振幅に変換された。測定されたｆＭＲＩ信号のパターンを、３つの方位のうちの１つへ分類するように、多項分布スパースロジスティク回帰デコーダが機械学習アルゴリズムにより構成された。
　ＳＬＲについては、上記非特許文献３、特許文献７の他、相良和彦、田中靖人、竹市博臣、山下宙人、長谷川良平、岡部達哉、前田太郎著、「ブレインコミュニケーション－脳と社会の通信手段－」、電子情報通信学会編、コロナ社、平成２３年４月２５日初版第１刷発行、ｐｐ．１２０－１２２にも開示がある。これら文献の全体をここに参照により援用する。
　また、上記特許文献７は、このような脳神経活動のデコードにより、脳活動の情報から行動を予測する行動予測方法及び行動予測装置を開示している。
　簡単にまとめれば、ＳＬＲとは、ロジスティク回帰モデルをベイズモデルに拡張し、そのパラメータベクトルの各成分の事前分布としてスパース事前分布である自動関連決定事前分布を用いたものである。スパース事前分布を導入することは、パラメータベクトルが疎ベクトル（少数の要素のみが非０の値を持ち、それ以外の要素は０となる。）となるような制約を課すことに相当する。ＳＬＲは、「学習のサンプルへの当てはまり」と「疎なパラメータ表現」との２つの基準をバランスして、過学習を避けている。それに加えて、ＳＬＲでは、疎なパラメータ表現を得ることによって、パラメータの学習と同時に変数選択も行われる。つまり、学習の過程において、特徴ベクトルの次元のうち、重要でないとされた次元が削除される。
　この実験では、デコーダへの入力は被験者の刻一刻と変わる脳活性化状態であり、一方で、デコーダの出力は、被験者に呈示されている各方位の、算出された尤度を表わす。
　図１０は、このような多項分布ＳＬＲを用いて、被験者の見ている画像を再構成する手続きを説明するための概念図である。
　図１０に示されるように、被験者２２２が特定の画像２２０を見ることで、被験者２２２の脳内のＶ１野とＶ２野の活性化パターン２２４がｆＭＲＩ信号として測定される。測定されたｆＭＲＩ信号に基づいて、画像内の多重解像度を持つ各小領域２２８のコントラスト予測２２６が行なわれる。すなわち、ｆＭＲＩ信号は、Ｖ１野とＶ２野の中に仮想的に設定された、多重解像度を持つ小領域２２８内の活性化の振幅に変換される。デコード処理部１１６は、多項分布ＳＬＲによる機械学習アルゴリズムを用いて、空間的に多重解像度を持つデコーダを学習させ、それらの線形モデルに基づく組み合わせ２３０を計算することで再構成された画像２３２を算出する。
　（誘導段階：ニューロフィードバック）
　次に、図５のステップＳ２０４の誘導段階、すなわち、ニューロフィードバックの段階について説明する。
　図１１は、訓練装置１０００におけるニューロフィードバックの概念を示す図である。
　一旦、デコード処理部１１６が構成されたならば、被験者はそれぞれ、５日間又は１０日間の誘導段階に参加し、誘導段階の間、被験者がターゲット方位に相当したＶ１野およびＶ２野から活性化パターンを引き起こす方法を学習した。
　図７（ｃ）が、このような誘導段階のシーケンスを示す。
　図７（ｃ）および図１１に示すように、各テスト中に、被験者は「なんとかして６秒後に示される緑色の円形図形を可能な限り大きくするように、大脳後部の活性化を制御するように (最大の可能なサイズは緑の円の外周に相当する)」と依頼された。
　フィードバック期間に示された円形図形のサイズはターゲット方位に対するデコーダ出力に相当した。このデコーダ出力は、デコーダの構成段階において得られた、ターゲット方位に分類されているＶ１野およびＶ２野からＢＯＬＤ（Blood Oxygenation Level Dependent）信号のパターンの尤度の大きさを表わした。
　すなわち、円形図形のサイズは、誘導期においてｆＭＲＩ信号から得られたパターンが、前述のデコーダ構成段階中に呈示された、実際のターゲットのガボールパッチの方位によって引き起こされたパターンに、どの程度一致するか（近似度）を、示している。
　しかしながら、被験者には、円形図形のサイズが何を表わしたものであるかは通知されなかった。被験者は、フィードバック円形図形の平均の大きさに比例したボーナスの支払いを受け取るだろうと伝えられた。
　図１２は、各被験者に割り当てられたターゲットとなる方位を示す図である。
　ただし、被験者自身には、自分のターゲットの方位がどの方位であるかについては告知されていない。
　つまり、ターゲット方位、ニューロフィードバックの目的および円形図形サイズの意味を含む他のすべての情報が被験者に与えないでおかれたことに注意されたい。
（誘導段階で被験者が学習した脳内活動の活性化パターン）
　ターゲット方位が実際に呈示されることで、被験者の脳のＶ１野及びＶ２野のニューロンにはある活性化パターンが誘起される。被験者が、この活性化パターンに相当する活性化パターンを、ターゲット方位の呈示なしで自身で誘導するよう学習することが可能かについて、以下、検討する。
　誘導段階中に、被験者が、ニューロンの活性化パターンを引き起こすことが可能かどうかテストするために、最初に以下のようなテストを行った。最初に、被験者ごとにあるターゲット方位と、このターゲット方位から±６０度だけ回転した他の２つの方位とを決定した。他の２つの方位と比較して、選択されたターゲット方位の方へデコーダの出力が被験者によりバイアスされうるかについて検証した。
　図１３は、誘導段階で、デコーダによって評価された(６０度だけ互に相違する)３つの方位の各々の平均の尤度を示す図である。
　誘導段階で、Ｖ１野およびＶ２野に対するデコーダ出力において、ターゲット方位の平均尤度は、全般的に、複数の被験者にわたって、偶然の確率よりも十分に高かった(ｔ検定の結果：t(9)=3.34、P＜10-2)。
　この結果は、他の方位に対してＶ１野およびＶ２野において誘起された活性化パターンから識別可能な活性化パターンであって、ターゲット方位に対して誘起された活性化パターンによく一致する（Ｖ１野およびＶ２野における）活性化パターンを被験者が誘導しうることを示す。
　図１４は、ニューロフィードバック１日目の最初の段階のテストについて、ターゲット方位に対する被験者間の平均尤度を示す図である。
　図１４によれば、最初の３０回のテストについて被験者間の平均尤度は、偶然のレベルのあたりであった。
　図１３と図１４との対比から、ターゲット方位に対する大きな方位バイアスがニューロフィードバックの前には存在していなかったこと、それにもかかわらず、被験者が、ニューロフィードバック１日目においてさえ、ターゲット方位と一致する活性化パターンを引き起こすことをすばやく学習したことが分かる。
　図１５は、Ｖ１野およびＶ２野における、誘導段階の全体にわたる平均的な活性化パターンからデコーダにより算出された３つの方位に対する平均尤度を示す。
　すなわち、図１５においては、被験者が、ニューロンの活性化を引き起こす可能性があることをさらに確認するために、同じデコーダを、各被験者の誘導段階中のＶ１野およびＶ２野における各試行における活性化パターンにではなく、全体としての平均的な活性化パターンに適用している。
　試行ごとのデコードの結果と一致して、ターゲット方位の平均尤度は偶然より十分に高い(ｔ検定の結果：t(9)=2.69、P=0.02)。
　この結果は、誘導段階中に、被験者は、ターゲット方位の呈示によって誘起されたＶ１野およびＶ２野におけるニューロンの活性化パターンに相当した活性化パターンを一貫して引き起こすことを学習したことを、さらに支持している。
　（被験者は、誘導段階の目的に気づいていたか？）
　事後テスト段階の後、被験者は、フィードバックされる円形図形のサイズが何を表していたと思ったかについて質問された。しかし、被験者の回答のどれも、実験の真の作用とは全く関係がなかった。
　その後、円形図形サイズが３つの方位のうちの１つの確率を表わしたと伝えられた後、被験者は、３方位のうち、訓練されたと彼らが思った方位を報告するように依頼された。１０人の被験者のうちの３人の被験者だけが、正確に彼または彼女のターゲット方位を選んだ。このような報告の結果についてのターゲット方位の選択の割合は、偶然として期待されるものとは本質的には区別できない(χ２乗検定、χ2 = 0.20，P = 0.90)。これらの結果は、被験者が誘導段階の目的にもニューロンの活性化の誘導パターンに対応する方位にも気づいていなかったことを示唆する。
　誘導段階の目的は、デコーダ構成段階でターゲット方位の呈示によって誘起されたＶ１野およびＶ２野におけるニューロンの活性化パターンに相当した活性化パターンを引き起こすことを被験者に学習させ、さらに、その活性化パターンを誘導し続けることである。
　上述したように、誘導段階の１日目において、すでに、被験者は、他の２つの方位よりも、ターゲット方位として分類される活性化パターンをより頻繁に誘導することを学習したことが示された。この傾向は、ニューロフィードバックの試行が進行するとともに、より強くなっていくことも示された。
　（知覚学習による弁別精度の向上）
　図１６は、事前テストおよび事後テストにおける弁別能力を比較した図である。
　３要因(テスト段階×方位×Ｓ／Ｎ比)についての反復測定分散分析により、Ｓ／Ｎ比が主効果(F(3，27)=683.17、P＜10-4)を示し、テスト段階と方位およびＳ／Ｎ比の間で有意な交互作用が示された(F(6，54)=2.68、P=0.02)。
　図１７は、事後テストと事前テストとの差である弁別感度の改善ｄ´を示す図である。
　事前テストおよび事後テストについての事後のt検定では、６%のＳ／Ｎ比(t(9)=5.76、P＜10-2　１２回の比較のボンフェローニの補正をした)でターゲット方位の弁別の能力が有意に改善することが明らかになった。
　事後テストと事前テストとの差である弁別感度の改善ｄ´は、６%のＳ／Ｎ比において、ターゲット方位に対して有意に０を超えるものであった(t(9)=5.60、P＜10-3、３回の比較によるボンフェローニの補正を行った)。
　これらの結果から、ターゲット方位の呈示によって誘起されたＶ１野およびＶ２野の活性化パターンに対応する活性化パターンを、当該パターンの呈示がない状態で、単に反復誘導することによって、被験者に引き起こしたと結論することができる。すなわち、被験者はその方位に特有の知覚学習を行うことができたと結論できる。
　（Ｖ１野とＶ２野からターゲット方位の尤度と感度(ｄ´)変化の関係）
　図１８は、誘導段階の日数と弁別感度の改善ｄ´との関係を示す図である。
　１０日間のトレーニング(誘導)をした被験者に対する感度変動は、５日間のトレーニングのそれより大きかった。知覚学習の大きさは、それが漸近線に達するまでは、より長いトレーニングの方がより大きいという一般的傾向と一致していた。
　図１９は、各被験者のすべての試行に対する、ターゲット方位の尤度の加重を計算し、加重に対する感度変動をプロットした図である。
　相関は、平均尤度(r=0.74、P=0.01)より、加重された尤度(r=0.87、P=10-3)では、さらに強かった。
　したがって、ｆＭＲＩによる ニューロフィードバックが引き起こしたパターンが、ターゲット方位の実際の呈示によって誘起されたパターンのそれにより近いほど、さらに、トレーニングがより長いほど、トレーニングの後のパフォーマンス向上がより大きくなることが示された。
　図２０は、６人の新しい被験者による対照実験の結果を示す図である。
　すなわち、主実験中で観察された知覚学習が、被験者が、単にテスト段階へ参加したことに起因したかどうかテストするために、６人の新しい被験者による対照実験を行った。これらの被験者に対しては、事前および事後テスト段階が、誘導段階なしで実行された。事前テストと事後テストの間の時間間隔は主実験の際の平均時間隔と同一であった。
　図２０に示されるように、この対照実験では、有意なパフォーマンス向上は観察されず、主実験中の知覚学習が単にテスト段階の影響によるものではなかったことを示した。
　なお、以上の説明では、被験者が弁別する方位は３種類であるものとして説明したが、もちろん３種類に限定されるものではなく、より多くてもよい。弁別の対象となる視覚情報は、上記のような方位に限定されるものではなく、初期視覚野のニューロンが応答する他の視覚刺激、例えば、空間周波数又は色等であってもよい。被験者が弁別する対象は、視覚情報にも必ずしも限定されず、より一般に、「どのクラスに分類されるかという識別問題に帰着することができる認知」に係る対象であればよい。
　以上説明したように、本実施の形態の訓練装置によれば、具体的な刺激情報を被験者に呈示することなく、神経活動のデコーディング方法を使用した知覚学習を実施することが可能となる。
　なお、上述のとおり、知覚学習自体は、すべての感覚器、すなわち視覚、聴覚、嗅覚、味覚、及び触覚においてそれぞれ起こることが確認されていることので、訓練装置１０００の用途としては、以下のようなものを想定できる。
　ｉ）リラクセーショントレーニング
　リラクセーショントレーニングとは、スポーツにおいて、競技直前に競技者に起こる過緊張又は競技不安を軽減するために、緊張感又は不安感に対する感じやすさを低減するためのトレーニングである。競技者自身が精神的にリラックスした状態の脳内活動と、訓練中の脳内活動の状態とを訓練装置１０００が比較して、リラックスしている状態との一致の程度をフィードバック情報として競技者にフィードバックすることで、訓練装置１０００により、競技者のリラクセーショントレーニングを実行することが可能である。
　このようなリラクゼーションの用途としては、スポーツのトレーニングのような場合には限定されない。より一般的には、通常の生活において、休息時に、より深いリラクセーションを使用者にもたらすことを目的として訓練装置１０００を使用した訓練を予め行うことも可能である。
　ｉｉ）イメージトレーニング
　イメージトレーニングとは、競技者が、練習又は試合場面を想定してその視覚像及び筋運動感覚等をできるだけリアルにイメージして、試技の流れ及び会場の雰囲気等をあらかじめシミュレーションして、競技中のあがりを少なくするための集中力を保つための方法である。
　このような意味でのイメージトレーニングは、すでに、本番でリラックスした状態で本来の能力を発揮できるためのメンタルトレーニングとして実際の競技者が利用している。
　ここで、被験者について、「本番での協議の実行のための緊張感があり、かつ、肩の力を抜いている状態が両立している脳内の活動状態」を事前にデータとして取得できていれば、このような脳内の活動状態と、訓練中の脳内の活動との一致の程度をフィードバック情報として、被験者にフィードバックすれば、訓練装置１０００で被験者にメンタルトレーニングを実行することが可能である。
　イメージトレーニングは、運動技術の習得のための補助的な練習にも使用されている。例えば、ゴルフにおいて、被験者がナイスショットしたときのその脳内の活動の状態を事前にデータとして取得しておき、訓練中の被験者の脳内の活動との一致の程度を訓練装置１０００で測定し、その結果をフィードバック情報として被験者にフィードバックすることで、訓練装置１０００を用いた運動技術の習得のためのメンタルトレーニングを実行することが可能である。
　ｉｉｉ）脳機能に起因する病気の治療
　例えば、うつ病等の気分障害の場合、又は認知症等で、患者の脳機能の一部に低下の傾向が現れた場合、現在では、薬物により、一定程度、患者の症状を抑制したり、病気の進行を抑制したりすることが可能となっている。これに加えて、望ましい状態にあるときの患者の脳内の活動状態のデータを事前に取得しておけば、訓練装置１０００による患者の訓練がその病状の改善に有効である可能性がある。
　脳の一部が外傷等により損傷を受けた場合に、脳の他の部位が損傷部分の機能を代償する可能性があることが知られている。そこで、このような代償が進みつつある部分の被験者の脳活動を計測して、被験者にフィードバックすることで、訓練装置１０００をリハビリテーションの手法として使用できる可能性がある。
　ｉｖ）嗅覚、味覚、又は触覚のトレーニング
　嗅覚、味覚、及び触覚については、一般には、人工的に訓練のための刺激を作り出すことが容易でない。しかし、構成後の訓練装置１０００は、このような刺激そのものを人工的に生成することを必要としないため、このような知覚を対象として被験者に対する訓練を行うことが可能である。
　ｖ）記憶力の向上
　ノンレム睡眠中における外部からの一定周波数の刺激が、記憶の定着に有効であるとの報告が、Lisa Marshall，Halla Helgadottir，Matthias Molle，Jan Born，”Boosting slow oscillations during sleep potentiates memory”，Nature，Vol．444,30 November 2006,pp 610-613、においてされている。
　この報告によれば、外部からの刺激が脳内の記憶の定着に関わる部位の活性化に影響を与えているといえる。言い換えれば、このように活性化する部位についての活動の状態を事前にデータとして取得しておき、かつ、睡眠中の被験者に報酬を与えることができれば、訓練装置１０００を、睡眠中の記憶の定着を補助する装置として使用することが可能である。このような報酬としては、例えば、被験者の睡眠中に、被験者が望ましい状態にあるときに被験者にとって好ましい香りを与えたり、逆に、被験者が望ましくない状態であるときに、弱い機械的または電気的な不快な刺激を被験者に与えたりすること等が想定される。
　なお、訓練装置１０００では、ディスプレイ装置１３０から被験者（学習者）に呈示されるのは、目標活性化のパターンを生じさせるような刺激情報そのものではない。呈示されるのは、あくまで、報酬値に対応する呈示情報である。被験者は、学習の対象となる事象そのものについて知っている必要はない。このため、学習の対象となる事象が、学習前には、被験者にとって嫌悪する対象又は忌避すべきと感じるような対象であっても、そうした対象について学習することが可能である。例えば、特定の事物に対して、日常生活又は社会活動に支障を来たすような恐怖を感じる「恐怖症（恐怖性障害）」というような症状が現れる場合があるが、このような症状の緩和のための訓練に訓練装置１０００を使用したりすることも可能である。
　以上のとおり、訓練装置１０００は、脳機能についての「訓練」にとどまらず、より一般的には、脳機能の亢進を支援することが可能であり、この意味で、上述したような手順を実現できる装置のことを「脳機能亢進支援装置」と呼ぶことにする。
　（第２の実施の形態）
　以下では、第２の実施の形態の訓練装置の構成について説明する。
　まず、図２１は、被験者の脳内の所定の領域における脳活動を示す信号を検知するブレインキャップを示す模式図である。
　ブレインキャップ１０は、人間の頭部を覆う帽子状のホルダ１０Ａと、ホルダ１０Ａの外側周面に設けられた、それぞれ複数個（例えば、数十個～数百個）の第１センサ１１及び第２センサ１２とを含む。図２１では、説明のためにセンサ間に個別の間隔をあけた状態を模式的に記載しているが、これらの第１センサ１１及び第２センサ１２は、等ピッチ（例えば、数ミリメートル間隔）で比較的密に配置されている。
　なお、被験者の脳活動を示す信号を検出すべき領域が限定されている場合には、ブレインキャップ１０において、ホルダ１０Ａの特定の領域に限定して、第１センサ１１及び第２センサ１２を設ける構成とすることもできる。
　第１センサ１１は、例えば、脳活動の際に生じる電気活動を非侵襲的に計測するための脳波計（ＥＥＧ）センサである。各第１センサ１１は、脳波計（ＥＥＧ）を構成し、各センサ１１は、設置された位置にて脳活動に伴う脳磁場の経時的変化を計測して電気信号として出力する。第１センサ１１は時間分解能に優れており、ミリ秒単位での計測が可能である。
　第２センサ１２は、例えば、ＮＩＲＳの近赤外センサである。各第２センサ１２は、比較的短い波長を持つ赤外光を出射する発光素子と、その赤外光の反射光を受ける受光素子とを含む。各第２センサ１２は、発光素子からの出射光の脳内での吸収量を受光素子の受光量の多寡により検出し、受光素子の出力信号に基づいて脳血流の状態を非侵襲的に計測する。各センサ１２は、自身が設置された各部位における脳血流を計測して出力する。第２センサ１２は、電場又は磁場のように他の領域からの影響を受けないため空間分解能に優れており、数ミリメートル～数十ミリメートル単位での計測が可能である。
　このような第１センサ１１及び第２センサ１２は、小型で脳活動を観測することができるため、前述したようなブレインキャップ１０に簡単に取り付けることができる。被験者の脳内の活性化パターンを測定するために、大型の装置は必要としない。
　本実施の形態では、図２１に示したブレインキャップ１０を利用して被験者の脳活動を時系列的に観測し、得られた観測データに基づいて被験者の脳活動を予測する。
　図２２は、第２の実施の形態の訓練装置２０００の機能ブロック図である。
　第２の実施の形態の訓練装置２０００が第１の実施の形態の訓練装置１０００との相違点は、以下のとおりである。
　第１の相違点は、脳活動を検出するための検出器として、上述したブレインキャップ１００を使用することである。
　第２の相違点は、図１の演算処理装置１０２に代えて、ブレインキャップ１００に接続された訓練端末１０６と、訓練端末１０６と無線により通信可能で、訓練端末から受信した計測信号に対して所定の演算処理を行うことにより呈示情報を計算し、訓練端末１０６に無線送信する演算処理装置３０２とを含む点である。
　訓練端末１０６は、第１の実施の形態で使用されたものと同様のディスプレイ装置１３０と、ブレインキャップ１００からの計測信号を所定の送信フォーマットに変換する演算部１２８と、この送信フォーマットに変換された信号を演算処理装置３０２へ送信し、演算処理装置３０２からフィードバック情報としての呈示情報を受信する通信部１２６とを含む。演算部１２８はさらに、通信部１２６が受信した呈示情報に基づいた視覚情報を生成し、ディスプレイ装置１３０により、被験者に呈示する。
　演算処理装置３０２は、図１の入力Ｉ／Ｆ１１０および出力Ｉ／Ｆ１２４に代えて、訓練端末１０６との間で無線通信するための入出力Ｉ／Ｆ１１１と、図１の演算装置１１２と似た構成の演算装置３１２と、演算装置３１２が実行するプログラムを記憶した記憶装置１１４とを含む。
　本実施の形態では、訓練端末１０６と演算処理装置１０２とが別体となっていて、ブレインキャップ１００を演算処理装置３０２と離れた地点で利用できる点に特徴がある。したがって、訓練端末１０６と演算処理装置１０２との通信方式は、単に２つの装置間を直接つなぐ無線通信であることに限定されず、例えば、ネットワーク経由で通信する構成であってもよい。両者をケーブルで直接に接続するようにしてもよい。
　本実施の形態では、報酬値に対応する呈示情報を生成するのは、演算処理装置３０２側である。しかし本発明はそのような実施の形態には限定されず、演算処理装置３０２側では報酬値を算出し、訓練端末１０６の側で、演算部１２８が、報酬値を受け取って、所定の演算処理により呈示情報を生成するようにしてもよい。
　演算装置３１２は、図１の演算装置１１２と同様、デコード処理部１１６、判定部１１８、報酬算出部１２０、及び呈示情報生成部１２２を含むが、演算装置１１２と異なり、さらに、訓練端末１０６から送信された計測信号を入出力Ｉ／Ｆ１１１を介して受信して処理し、デコード処理部１１６でデコードが可能なフォーマットの信号を生成するための前処理部１１３を含む点で図１の演算装置１１２と異なる。
　すなわち、第２の実施の形態の訓練装置２０００では、第１の実施の形態において脳内の所定の領域における脳活動を検出するための脳活動検出装置１０８の奏する機能を、ブレインキャップ１００、訓練端末１０６および前処理部１１３により実現する構成となっている。
　その他の部分は、第１の実施の形態の訓練装置１０００の構成と同様であるので、その説明は繰り返さない。
　以上のような構成とすることにより、第２の実施の形態の訓練装置２０００では、第１の実施の形態の訓練装置１０００の奏する効果に加えて、被験者は、ブレインキャップ１００を装着して、演算処理装置１０２に比べて小型である訓練端末１０６を保持した状態で訓練を実施することができるので、被験者の行動が訓練装置２０００の位置により束縛されない、という効果がある。また、ディスプレイ装置１３０は、フィードバック情報のみを表示すればよいので、小型化を実現しやすい。なお、第２の実施の形態の訓練装置２０００も、第１の実施の形態に係る訓練装置１０００と同様、脳機能亢進支援装置として使用することが可能である。
　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。
産業上の利用分野
　この発明に係る脳機能亢進支援装置は、知覚学習、リハビリテーション、スポーツリラクゼーション、及び環境に対する適応の学習等に適用できる。
　１０２、３０２　演算処理装置、１０６　訓練端末、１０８　脳活動検出装置、１１０　入力Ｉ／Ｆ、１１１　入出力Ｉ／Ｆ、１１２，３２０　演算装置、１１３　前処理部、１１４　記憶装置、デコード処理部１１６、１１８　判定部、１２０　報酬算出部、１２２　呈示情報生成部、１２４　出力Ｉ／Ｆ、１２８　演算部、１３０　ディスプレイ装置、１０００，２０００　訓練装置。

Claims (9)

  1. 　被験者の脳内の所定の領域における脳活動を示す信号を検知するための脳活動検知装置と、
    　脳機能を亢進させる対象となっている事象に対して事前に取得されている目標活性化のパターンについての情報を格納するための記憶装置と、
    　制御装置とを備え、前記制御装置は、
    　前記脳活動検知装置により検知された信号から、脳神経の活動のパターンをデコードするためのデコード部と、
    　前記デコード部のデコード結果に基づいて、前記目標活性化のパターンに対する前記デコード結果の近似度に応じて、前記近似度に対応する報酬値を算出する演算部とを含み、
    　前記報酬値の大きさを示す呈示情報を前記被験者に対して呈示するための出力装置をさらに含む、脳機能亢進支援装置。
  2. 　前記演算部は、前記呈示情報として、前記事象を呈示することなく前記報酬値に対応する前記呈示情報を呈示するための情報を、前記出力装置に対して出力する、請求項１記載の脳機能亢進支援装置。
  3. 　前記事象は、脳内において、いずれのクラスに分類されるかという識別問題に帰着される認知の対象であり、
    　前記デコード部は、前記脳神経の活動パターンがいずれのクラスに対応するかの尤度を算出する、請求項２記載の脳機能亢進支援装置。
  4. 　前記出力装置を含む支援端末と、
    　前記デコード部と前記記憶装置と、前記演算部とを含む演算処理装置とを備え、
    　前記支援端末は、前記脳活動検知装置により検知された信号を前記デコード部に送信するための通信部を含む、請求項２又は請求項３記載の脳機能亢進支援装置。
  5. 　前記デコード部は、特定の脳部位における脳神経の活動をデコードする、請求項１又は請求項２記載の脳機能亢進支援装置。
  6. 　前記脳活動検知装置は、機能的核磁気共鳴画像装置を含む、請求項１又は請求項２記載の脳機能亢進支援装置。
  7. 　前記脳活動検知装置は、頭蓋外部からの近赤外光および脳波の計測装置を含む、請求項１又は請求項２記載の脳機能亢進支援装置。
  8. 　被験者の脳内の所定の領域における脳活動を示す信号を検知するための脳活動検知装置の信号から、脳神経の活動のパターンをデコードするためのデコード装置を用いた脳機能亢進支援方法であって、
    　前記脳活動検知装置により検知された信号から、前記デコード装置により脳神経の活動のパターンをデコードするステップと、
    　脳機能を亢進させる対象となっている事象に対して事前に取得されている前記目標活性化のパターンに対する前記デコード結果の近似度に応じて、前記近似度に対応する報酬値を算出するステップと、
    　前記被験者に対して、前記報酬値の大きさを示す呈示情報を呈示するステップとを含む、脳機能亢進支援方法。
  9. 　前記呈示情報を呈示するステップにおいては、前記呈示情報として、前記脳機能の亢進対象となっている事象を呈示することなく前記報酬値に対応する前記呈示情報を呈示するための情報を、出力装置に対して出力する、請求項８記載の脳機能亢進支援方法。
PCT/JP2012/078136 2011-11-08 2012-10-31 脳機能亢進支援装置および脳機能亢進支援方法 WO2013069517A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP12846891.5A EP2777735B1 (en) 2011-11-08 2012-10-31 Brain function promotion support device and brain function promotion support method
CN201280054986.XA CN103917268B (zh) 2011-11-08 2012-10-31 脑机能亢进辅助装置以及脑机能亢进辅助方法
US14/232,150 US10959640B2 (en) 2011-11-08 2012-10-31 Apparatus and method for supporting brain function enhancement

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2011244048A JP5320543B2 (ja) 2011-11-08 2011-11-08 脳機能亢進支援装置および脳機能亢進支援方法
JP2011-244048 2011-11-08

Publications (1)

Publication Number Publication Date
WO2013069517A1 true WO2013069517A1 (ja) 2013-05-16

Family

ID=48289894

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2012/078136 WO2013069517A1 (ja) 2011-11-08 2012-10-31 脳機能亢進支援装置および脳機能亢進支援方法

Country Status (5)

Country Link
US (1) US10959640B2 (ja)
EP (1) EP2777735B1 (ja)
JP (1) JP5320543B2 (ja)
CN (1) CN103917268B (ja)
WO (1) WO2013069517A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014178322A1 (ja) * 2013-05-01 2014-11-06 株式会社国際電気通信基礎技術研究所 脳活動訓練装置および脳活動訓練システム
US10357181B2 (en) 2013-05-01 2019-07-23 Advanced Telecommunications Research Institute International Brain activity analyzing apparatus, brain activity analyzing method and biomarker apparatus
US12020427B2 (en) 2017-10-03 2024-06-25 Advanced Telecommunications Research Institute International Differentiation device, differentiation method for depression symptoms, determination method for level of depression symptoms, stratification method for depression patients, determination method for effects of treatment of depression symptoms, and brain activity training device

Families Citing this family (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5493091B1 (ja) * 2013-09-30 2014-05-14 株式会社国際電気通信基礎技術研究所 脳活動測定装置および脳活動測定方法
JP6489018B2 (ja) * 2013-10-10 2019-03-27 株式会社島津製作所 リハビリテーション支援システムおよび脳機能計測装置
JP6492356B2 (ja) * 2013-12-16 2019-04-03 株式会社国際電気通信基礎技術研究所 脳活動訓練装置および脳活動訓練方法
WO2016041187A1 (zh) * 2014-09-19 2016-03-24 中国科学院自动化研究所 光电同步脑活动记录的数据存储方法
US10835144B2 (en) * 2014-10-22 2020-11-17 Ekg Technology Lab, Inc. Electroencephalograph, brain wave measurement method, brain wave measurement system
WO2016096743A1 (en) * 2014-12-14 2016-06-23 Universität Zürich Brain activity prediction
WO2016118811A2 (en) * 2015-01-24 2016-07-28 The Trustees Of The University Of Pennsylvania Method and apparatus for improving cognitive performance
CN108853678B (zh) * 2015-03-21 2021-05-11 杭州晚萤科技有限公司 用于提高大脑“注意”切换能力的神经训练装置
PT108690B (pt) * 2015-07-13 2023-04-04 Fund D Anna Sommer Champalimaud E Dr Carlos Montez Champalimaud Sistema e método para interface cérebro-máquina de aprendizagem de operante
FR3048867B1 (fr) * 2016-03-17 2018-04-20 Inria Institut National De Recherche En Informatique Et En Automatique Dispositif de retour neurologique ameliore
US11890246B2 (en) 2016-06-08 2024-02-06 Advanced Telecommunications Research Institute International Motion teaching system and motion teaching method
WO2019060298A1 (en) 2017-09-19 2019-03-28 Neuroenhancement Lab, LLC METHOD AND APPARATUS FOR NEURO-ACTIVATION
LU100492B1 (en) * 2017-10-23 2019-05-22 Neuraltrain Gmbh Computing System and Method for Treating of a Brain Dysfunction
US11717686B2 (en) 2017-12-04 2023-08-08 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to facilitate learning and performance
US11478603B2 (en) 2017-12-31 2022-10-25 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to enhance emotional response
US11364361B2 (en) 2018-04-20 2022-06-21 Neuroenhancement Lab, LLC System and method for inducing sleep by transplanting mental states
WO2020045042A1 (ja) * 2018-08-31 2020-03-05 パナソニックＩｐマネジメント株式会社 メンタルコントロールシステム、メンタルコントロール方法、及びプログラム
WO2020056418A1 (en) 2018-09-14 2020-03-19 Neuroenhancement Lab, LLC System and method of improving sleep
US10602940B1 (en) * 2018-11-20 2020-03-31 Genetesis, Inc. Systems, devices, software, and methods for diagnosis of cardiac ischemia and coronary artery disease
US20200229730A1 (en) * 2019-01-17 2020-07-23 Mitsubishi Electric Research Laboratories, Inc. Methods and Systems for Source Connectivity Estimation With Hierarchical Structural Vector Autoregressive Models
US20220230757A1 (en) * 2019-05-22 2022-07-21 Universiteit Leiden Analyzing brain functioning using behavioral event markers from portable electronic device
US11786694B2 (en) 2019-05-24 2023-10-17 NeuroLight, Inc. Device, method, and app for facilitating sleep
CN110251799B (zh) * 2019-07-26 2021-07-20 深圳市康宁医院(深圳市精神卫生研究所、深圳市精神卫生中心) 神经反馈治疗仪
CN110302460B (zh) * 2019-08-09 2022-01-07 丹阳慧创医疗设备有限公司 一种注意力训练方法、装置、设备及系统
US11883181B2 (en) * 2020-02-21 2024-01-30 Hi Llc Multimodal wearable measurement systems and methods
WO2021167893A1 (en) 2020-02-21 2021-08-26 Hi Llc Integrated detector assemblies for a wearable module of an optical measurement system
US11950879B2 (en) 2020-02-21 2024-04-09 Hi Llc Estimation of source-detector separation in an optical measurement system
US11096620B1 (en) 2020-02-21 2021-08-24 Hi Llc Wearable module assemblies for an optical measurement system
US11969259B2 (en) 2020-02-21 2024-04-30 Hi Llc Detector assemblies for a wearable module of an optical measurement system and including spring-loaded light-receiving members
US11630310B2 (en) 2020-02-21 2023-04-18 Hi Llc Wearable devices and wearable assemblies with adjustable positioning for use in an optical measurement system
US11607132B2 (en) 2020-03-20 2023-03-21 Hi Llc Temporal resolution control for temporal point spread function generation in an optical measurement system
US11903676B2 (en) 2020-03-20 2024-02-20 Hi Llc Photodetector calibration of an optical measurement system
US11187575B2 (en) 2020-03-20 2021-11-30 Hi Llc High density optical measurement systems with minimal number of light sources
US11864867B2 (en) 2020-03-20 2024-01-09 Hi Llc Control circuit for a light source in an optical measurement system by applying voltage with a first polarity to start an emission of a light pulse and applying voltage with a second polarity to stop the emission of the light pulse
US11857348B2 (en) 2020-03-20 2024-01-02 Hi Llc Techniques for determining a timing uncertainty of a component of an optical measurement system
WO2021188486A1 (en) 2020-03-20 2021-09-23 Hi Llc Phase lock loop circuit based adjustment of a measurement time window in an optical measurement system
US11877825B2 (en) 2020-03-20 2024-01-23 Hi Llc Device enumeration in an optical measurement system
WO2021188485A1 (en) 2020-03-20 2021-09-23 Hi Llc Maintaining consistent photodetector sensitivity in an optical measurement system
WO2022036447A1 (en) * 2020-08-19 2022-02-24 Axem Neurotechnology Inc. Brain injury rehabilitation method utilizing brain activity monitoring
WO2023288089A1 (en) 2021-07-16 2023-01-19 ATAI Life Sciences AG Systems, devices, and methods for generating and manipulating objects in a virtual reality or multi-sensory environment to maintain a positive state ofa user
CN114391815A (zh) * 2022-03-25 2022-04-26 慧创科仪(北京)科技有限公司 用近红外脑功能成像装置进行卒中康复分析的方法、系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002125945A (ja) 2000-10-24 2002-05-08 Technos Japan:Kk バイオフィードバックによる脳波の利用方法及びその装置
WO2003057035A1 (fr) 2001-12-28 2003-07-17 Japan Science And Technology Agency Methode d'estimation de source de courant intracerebral, programme d'estimation de source de courant intracerebral, support d'enregistrement contenant ledit programme d'estimation de source de courant intracerebral, et appareil d'estimation de source de courant intracerebral
JP2004294593A (ja) 2003-03-26 2004-10-21 Hitachi Ltd 訓練支援装置
JP2005013442A (ja) 2003-06-26 2005-01-20 Yaskawa Electric Corp 歩行訓練装置及び歩行訓練装置の制御方法
JP2005278685A (ja) 2004-03-26 2005-10-13 Ntt Docomo Inc 脳波処理装置、制御システム、及び制御方法
JP2007020835A (ja) * 2005-07-15 2007-02-01 National Institute Of Advanced Industrial & Technology リハビリ装置
JP2007264055A (ja) 2006-03-27 2007-10-11 Central Res Inst Of Electric Power Ind 訓練システムおよび訓練方法
JP2008178546A (ja) 2007-01-24 2008-08-07 Advanced Telecommunication Research Institute International 行動予測方法及び行動予測装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6171239B1 (en) * 1998-08-17 2001-01-09 Emory University Systems, methods, and devices for controlling external devices by signals derived directly from the nervous system
US6907280B2 (en) * 1999-12-02 2005-06-14 The General Hospital Corporation Method and apparatus for objectively measuring pain, pain treatment and other related techniques
US20020103429A1 (en) * 2001-01-30 2002-08-01 Decharms R. Christopher Methods for physiological monitoring, training, exercise and regulation
US6996261B2 (en) * 2001-01-30 2006-02-07 Decharms R Christopher Methods for physiological monitoring, training, exercise and regulation
US20050283053A1 (en) * 2002-01-30 2005-12-22 Decharms Richard C Methods for physiological monitoring, training, exercise and regulation
US20040092809A1 (en) * 2002-07-26 2004-05-13 Neurion Inc. Methods for measurement and analysis of brain activity
US20050033154A1 (en) * 2003-06-03 2005-02-10 Decharms Richard Christopher Methods for measurement of magnetic resonance signal perturbations
US7974671B2 (en) * 2003-09-19 2011-07-05 Hitachi Medical Corporation Living body information signal processing system combining living body optical measurement apparatus and brain wave measurement apparatus and probe device used for the same
US20080167571A1 (en) * 2006-12-19 2008-07-10 Alan Gevins Determination of treatment results prior to treatment or after few treatment events
US20100094097A1 (en) * 2008-10-15 2010-04-15 Charles Liu System and method for taking responsive action to human biosignals
US9399144B2 (en) * 2009-09-10 2016-07-26 Newton Howard System, method, and applications of using the fundamental code unit and brain language
EP2598972A1 (en) * 2010-07-30 2013-06-05 Katholieke Universiteit Leuven Brain-computer interfaces and use thereof

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002125945A (ja) 2000-10-24 2002-05-08 Technos Japan:Kk バイオフィードバックによる脳波の利用方法及びその装置
WO2003057035A1 (fr) 2001-12-28 2003-07-17 Japan Science And Technology Agency Methode d'estimation de source de courant intracerebral, programme d'estimation de source de courant intracerebral, support d'enregistrement contenant ledit programme d'estimation de source de courant intracerebral, et appareil d'estimation de source de courant intracerebral
JP2004294593A (ja) 2003-03-26 2004-10-21 Hitachi Ltd 訓練支援装置
JP2005013442A (ja) 2003-06-26 2005-01-20 Yaskawa Electric Corp 歩行訓練装置及び歩行訓練装置の制御方法
JP2005278685A (ja) 2004-03-26 2005-10-13 Ntt Docomo Inc 脳波処理装置、制御システム、及び制御方法
JP2007020835A (ja) * 2005-07-15 2007-02-01 National Institute Of Advanced Industrial & Technology リハビリ装置
JP2007264055A (ja) 2006-03-27 2007-10-11 Central Res Inst Of Electric Power Ind 訓練システムおよび訓練方法
JP2008178546A (ja) 2007-01-24 2008-08-07 Advanced Telecommunication Research Institute International 行動予測方法及び行動予測装置

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
LISA MARSHALL; HALLA HELGADOTTIR; MATTHIAS MOLLE; JAN BORN: "Boosting slow oscillations during sleep potentiates memory", NATURE, vol. 444, 30 November 2006 (2006-11-30), pages 610 - 613
M. SATO; T. YOSHIOKA; S. KAJIHARA; K. TOYAMA; N. GODA; K. DOYA; M. KAWATO: "Hierarchical Bayesian estimation for MEG inverse problem", NEUROIMAGE, vol. 23, 2004, pages 806 - 826, XP004620754, DOI: doi:10.1016/j.neuroimage.2004.06.037
MIYAWAKI Y ET AL.: "Visual image reconstruction from human brain activity using a combination of multiscale local image decoders", NEURON, vol. 60, no. 5, 10 December 2009 (2009-12-10), pages 915 - 29
NOZOMI ITO; TAKEO WATANABE; YUKA SASAKI: "Chikaku Gakushu ni okeru Kinnen no Seika", VISION, vol. 22, no. 2, 2010, pages 115 - 121
SAGARA KAZUHIKO; TANAKA YASUTO; TAKEICHI HIROSHIGE; YAMASHITA OKITO; HASEGAWA RYOHEI; OKABE TATSUYA; MAEDA TARO: "Brain Communication -Theory and Application", 25 April 2011, CORONA-SHA, pages: 120 - 122
See also references of EP2777735A4
SHIBATA KAZUHISA ET AL.: "Perceptual Learning Incepted by Decoded fMRI Neurofeedback Without Stimulus Presentation", SCIENCE, vol. 334, 9 December 2011 (2011-12-09), pages 1413 - 1415, XP055067256 *
STEPHAN WALDERT; TOBIAS PISTOHL; CHRISTOPH BRAUN; TONIO BALL; AD AERTSEN; CARSTEN MEHRING: "A review on directional information in neural signals for brain-machine interfaces", JOURNAL OF PHYSIOLOGY - PARIS, vol. 103, 2009, pages 244 - 254
T. WATANABE; J. E. NANEZ SR; S. KOYAMA; I.MUKAI; J. LIEDERMAN; Y. SASAKI: "Greater plasticity in lower-level than higher-level visual motion processing in a passive perceptual learning task", NATURE NEUROSCIENCE, vol. 5, 2002, pages 1003 - 1009
T. YOSHIOKA; K. TOYAMA; M. KAWATO; O. YAMASHITA; S. NISHINA; N. YAMAGISHI; M. SATO: "Evaluation of hierarchical Bayesian method through retinotopic brain activities reconstruction from fMRI and MEG signals", NEUROIMAGE, vol. 42, 2008, pages 1397 - 1413, XP025609106, DOI: doi:10.1016/j.neuroimage.2008.06.013

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014178322A1 (ja) * 2013-05-01 2014-11-06 株式会社国際電気通信基礎技術研究所 脳活動訓練装置および脳活動訓練システム
US10357181B2 (en) 2013-05-01 2019-07-23 Advanced Telecommunications Research Institute International Brain activity analyzing apparatus, brain activity analyzing method and biomarker apparatus
US12020427B2 (en) 2017-10-03 2024-06-25 Advanced Telecommunications Research Institute International Differentiation device, differentiation method for depression symptoms, determination method for level of depression symptoms, stratification method for depression patients, determination method for effects of treatment of depression symptoms, and brain activity training device

Also Published As

Publication number Publication date
CN103917268B (zh) 2017-03-01
US10959640B2 (en) 2021-03-30
EP2777735A4 (en) 2015-07-01
EP2777735B1 (en) 2022-06-29
US20140171757A1 (en) 2014-06-19
JP5320543B2 (ja) 2013-10-23
CN103917268A (zh) 2014-07-09
JP2013099392A (ja) 2013-05-23
EP2777735A1 (en) 2014-09-17

Similar Documents

Publication Publication Date Title
JP5320543B2 (ja) 脳機能亢進支援装置および脳機能亢進支援方法
US20190159715A1 (en) Methods of cognitive fitness detection and training and systems for practicing the same
US11400300B2 (en) Systems and methods for cooperative invasive and noninvasive brain stimulation
Masood et al. Modeling mental stress using a deep learning framework
KR20180114692A (ko) 행동모방학습 기반의 뇌 훈련 시뮬레이션시스템
JP2013233424A (ja) 評価方法、評価装置、プログラム及び記録媒体
KR102388595B1 (ko) 뇌 상태를 판단하고, 디지털 컨텐츠 기반의 치료 정보를 제공하는 장치
Hilt et al. Motor recruitment during action observation: effect of interindividual differences in action strategy
JP5870465B2 (ja) 脳機能訓練装置および脳機能訓練プログラム
Tinga et al. Non-invasive neurophysiology in learning and training: mechanisms and a SWOT analysis
CN113614751A (zh) 脑电图信号的识别和提取
JP5681917B2 (ja) 脳機能亢進支援装置および脳機能亢進支援方法
Béquet et al. Subtle interactions for distress regulation: Efficiency of a haptic wearable according to personality
Alaros et al. EEG Neurofeedback Training Among Adult with Attention Deficit: A Review Article
EP4282329A1 (en) Fmri guided coma therapy optimization
Lee et al. Research to verify and utilize psychophysiological detection of deception based on vibraimage technology
Kilmarx Decoding mental representations for neurofeedback in motor and imagery tasks
Homagain How does emotion affect the way we walk?
KR20230081877A (ko) 생체신호 기반 vr을 활용한 정신건강 분석 및 맞춤형 멘탈코칭을 위한 훈련 방법
WO2024050650A1 (es) Sistema para diagnóstico y gestión de ansiedad o dolor
Suk et al. RESEARCH TO VERIFY AND UTILIZE PSYCHOPHYSIOLOGICAL DETECTION OF DECEPTION BASED ON VIBRAIMGE TECHNOLOGY
Lin et al. A cortical and sub-cortical parcellation clustering by intrinsic functional connectivity
Ricci et al. Repetitive transcranial magnetic stimulation of the posterior parietal cortex for the treatment of focal dystonia
Briscese et al. Brainstem reflexes can help to differentiate idiophatic from psychogenic cervical dystonia
Virgillito et al. EEG and autonomic response to pleasant touch: an insight in healthy subject and in patients with disorders of consciousness

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12846891

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 14232150

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2012846891

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE