脳活動情報出力装置、脳活動情報出力方法、およびプログラム
【課題】従来、精度の高い脳活動の情報を出力できなかった。
【解決手段】アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該アーチファクト源の信号強度に関する事後分布を推定し、事前分布と事後分布との差を算出し、当該差が予め決められた範囲以内の１以上のアーチファクト事前情報を取得するアーチファクト事前情報決定部と、計測脳信号情報と脳事前情報とを用いて脳活動情報を推定する脳活動情報取得部と、計測脳信号情報と１以上のアーチファクト事前情報とを用いて、アーチファクト情報を推定するアーチファクト情報取得部と、計測脳信号情報と脳活動情報と１以上のアーチファクト情報とを用いて、計測脳信号情報からアーチファクトの影響を取り除く処理を行い、出力脳活動情報を取得する出力脳活動情報取得部とを具備する脳活動情報出力装置により、精度の高い脳活動の情報を出力できる。
【解決手段】アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該アーチファクト源の信号強度に関する事後分布を推定し、事前分布と事後分布との差を算出し、当該差が予め決められた範囲以内の１以上のアーチファクト事前情報を取得するアーチファクト事前情報決定部と、計測脳信号情報と脳事前情報とを用いて脳活動情報を推定する脳活動情報取得部と、計測脳信号情報と１以上のアーチファクト事前情報とを用いて、アーチファクト情報を推定するアーチファクト情報取得部と、計測脳信号情報と脳活動情報と１以上のアーチファクト情報とを用いて、計測脳信号情報からアーチファクトの影響を取り除く処理を行い、出力脳活動情報を取得する出力脳活動情報取得部とを具備する脳活動情報出力装置により、精度の高い脳活動の情報を出力できる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、脳活動の信号である脳活動情報を出力する脳活動情報出力装置等に関するものである。
【背景技術】
【０００２】
従来、主成分分析や独立成分分析を用いた統計的な手法により、ＥＥＧまたはＭＥＧのアーチファクトを除去するアーチファクト除去の方法が提案されていた。しかし、かかる方法は、アーチファクトと同じような波形の脳活動が存在する場合、その脳活動の成分まで取り除いてしまう恐れがあり、有効な方法とは言えなかった。なお、アーチファクトとは、いわゆるノイズのことである。
【０００３】
また、アーチファクト源（眼球）にダイポールをおいて電流を推定し、それをＥＥＧから差し引くことでアーチファクト除去を行なう方法が提案されている（非特許文献１）。なお、アーチファクト源とは、いわゆるノイズ源のことである。
【０００４】
さらに、上記の問題点を解決するために、眼球と大脳皮質全体の電流を同時に推定し、眼球の電流源のみを取り除くことでアーチファクト除去を行う技術があった（非特許文献２、３）。
【先行技術文献】
【非特許文献】
【０００５】
【非特許文献１】P. Berg and M. Scherg, Electroencephalogr Clin. Neurophysiol.,79, 1, pp. 36-44 (１99１).
【非特許文献２】藤原祐介，佐藤雅昭，山下宙人，吉岡琢，川脇大，柴田智広，銅谷賢治，外山敬介，川人光男, "眼球と大脳皮質の同時電流源推定によるMEG眼球アーチファクト除去，"信学技報，NC2004-174(2005-03), pp. 31-36, 2004.
【非特許文献３】Y. Fujiwara, O. Yamashita, D. Kawawaki, K. Doya,M. Kawato, K. Toyama, and MA. Sato, "A hierarchical Bayesian method to resolve an inverse problem of MEG contaminated with eye movement artifacts,"NeuroImage, 45, 2, pp. 393-409, 2009.
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、非特許文献１における方法では、観測値にはアーチファクトだけでなく脳活動も含まれているので、必要な成分まで観測値から除いてしまう可能性があり、精度の高い脳活動情報が取得できなかった。
【０００７】
また、非特許文献２、３における従来技術において、実際の観測磁場は、眼球だけでなく、心拍や環境ノイズなど、複数のアーチファクト源から大きな影響を受けている。したがって、複数のアーチファクト源の振る舞いを同時に推定し、その影響を分離する必要がある。
【０００８】
さらに、従来技術において、適切な事前情報を設定することができず、精度高く、脳活動の情報を得ることができなかった。
【課題を解決するための手段】
【０００９】
本第一の発明の脳活動情報出力装置は、計測された脳の信号に関する情報である計測脳信号情報を格納し得る計測脳信号情報格納部と、脳活動に関する事前の情報である脳事前情報を格納し得る脳事前情報格納部と、アーチファクト源に関する事前の情報であり、信号強度に関する情報を有する１以上のアーチファクト事前情報を格納し得るアーチファクト事前情報格納部と、アーチファクト源の信号強度に関する事前分布を取得し、かつ、事前分布を用いてアーチファクト源の信号強度に関する事後分布を推定し、事前分布と事後分布との差を算出し、差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報を取得し、アーチファクト事前情報格納部に蓄積するアーチファクト事前情報決定部と、計測脳信号情報と脳事前情報とを用いて、脳活動の情報である脳活動情報を推定し、取得する脳活動情報取得部と、計測脳信号情報と、１以上のアーチファクト事前情報とを用いて、アーチファクト源の情報である１以上のアーチファクト情報を推定し、取得するアーチファクト情報取得部と、計測脳信号情報と脳活動情報と１以上のアーチファクト情報とを用いて、計測脳信号情報からアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する出力脳活動情報取得部と、出力脳活動情報を出力する出力部とを具備する脳活動情報出力装置である。
【００１０】
かかる構成により、アーチファクト源の事前情報を適切な事前情報にすることにより、極めて精度高く、脳活動の情報を出力できる。
【００１１】
また、本第二の発明の脳活動情報出力装置は、第一の発明に対して、アーチファクト事前情報決定部は、アーチファクト源の信号強度に関する事前分布を取得し、かつ、事前分布を用いてアーチファクト源の信号強度に関する事後分布を推定し、事前分布と事後分布との差を算出し、差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報の候補を取得するアーチファクト信号強度情報推定手段と、ｆＭＲＩの活動強度を格納し得るｆＭＲＩ活動強度格納手段と、アーチファクト信号強度情報推定手段が取得した１以上の各アーチファクト事前情報が有する１以上の信号強度を取得し、１以上の各信号強度とｆＭＲＩの活動強度との相関に関する情報を算出し、相関に関する情報が最大の信号強度を有するアーチファクト事前情報を、アーチファクト信号強度情報推定手段が取得した１以上のアーチファクト事前情報の候補から選択し、選択したアーチファクト事前情報をアーチファクト事前情報格納部に蓄積する脳活動信号強度推定手段とを具備する脳活動情報出力装置である。
【００１２】
かかる構成により、アーチファクト源の事前情報を適切な事前情報にすることにより、極めて精度高く、脳活動の情報を出力できる。
【００１３】
また、本第三の発明の脳活動情報出力装置は、第一または第二の発明に対して、アーチファクト事前情報格納部は、複数のアーチファクト事前情報を格納しており、アーチファクト情報取得部は、複数のアーチファクト源ごとに、アーチファクト情報を推定し、複数のアーチファクト情報を取得し、出力脳活動情報取得部は、計測脳信号情報と脳活動情報と複数のアーチファクト情報とを用いて、計測脳信号情報から複数のアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する脳活動情報出力装置である。
【００１４】
かかる構成により、複数のアーチファクト事前情報を用いて、精度高く、脳活動の情報を出力できる。
【００１５】
また、本第四の発明の脳活動情報出力装置は、第一から第三いずれかの発明に対して、脳事前情報の強度情報と、１以上の各アーチファクト事前情報の各強度情報は、異なることを特徴とする脳活動情報出力装置である。
【００１６】
かかる構成により、脳事前情報の強度情報と、1以上の各アーチファクト事前情報の各強度情報との差異を考慮した、精度の高い脳活動の情報の出力ができる。
【００１７】
また、本第五の発明の脳活動情報出力装置は、第一から第四いずれかの発明に対して、１以上のアーチファクト事前情報は、被験者の生体に含まれるアーチファクト源に関する事前の情報である生体アーチファクト事前情報を含む脳活動情報出力装置である。
【００１８】
かかる構成により、脳活動と生体に含まれるアーチファクト源の事前情報を用いて、アーチファクトの影響を取り除き、精度の高い脳活動の情報を出力できる。
【００１９】
また、本第六の発明の脳活動情報出力装置は、第五の発明に対して、１以上のアーチファクト事前情報は、被験者の生体に含まない外部のアーチファクト源に関する事前の情報である外部アーチファクト事前情報を含む脳活動情報出力装置である。
【００２０】
かかる構成により、脳活動と生体外のアーチファクト源の事前情報を用いて、アーチファクトの影響を取り除き、精度の高い脳活動の情報を出力できる。
【００２１】
また、本第七の発明の脳活動情報出力装置は、第一から第六いずれかの発明に対して、脳事前情報は、ｆＭＲＩ強度情報を電流分散とし、電流分布に対する事前知識を表す事前分布であり、１以上の各アーチファクト事前情報は、ｆＭＲＩ強度情報と比較して大きな電流分散を用い、かつ電流分布に対する事前知識を表す事前分布であり、脳活動情報取得部は、複数のダイポール位置での電流についての情報である脳活動情報を、計測脳信号情報と脳事前情報とを用いた階層ベイズ推定を用いて推定し、取得し、アーチファクト情報取得部は、アーチファクト源のダイポール位置での電流についての情報である１以上のアーチファクト情報を、計測脳信号情報と、１以上のアーチファクト事前情報とを用いた階層ベイズ推定を用いて推定し、取得し、出力脳活動情報取得部は、計測脳信号情報から、脳活動情報のうちの脳の活動が無いと考えられる位置に配置されたダイポールに対応する脳活動情報とアーチファクト情報とを除く処理を行い、出力脳活動情報を取得する脳活動情報出力装置である。
【００２２】
かかる構成により、脳活動の情報を電流レベルで推定できる。
【００２３】
また、本第八の発明の脳活動情報出力装置は、第一から第六いずれかの発明に対して、計測脳信号情報は、頭部周辺で観測された磁場に関する情報であり、出力脳活動情報取得部は、脳活動情報のうちの脳の活動が無いと考えられる位置に配置されたダイポールに対応する脳活動情報である電流の情報から磁場に関する情報である背景脳磁場情報を取得し、かつ、アーチファクト情報である電流の情報から磁場に関する情報であるアーチファクト磁場情報を取得し、計測脳信号情報から、背景脳磁場情報とアーチファクト磁場情報とを除く処理を行い、出力脳活動情報を取得する脳活動情報出力装置である。
【００２４】
かかる構成により、センサーレベルで推定できる。
【００２５】
また、本第九の発明の脳活動情報出力装置は、第一から第八いずれかの発明に対して、出力脳活動情報取得部が取得した出力脳活動情報と、計測脳信号情報とを用いて、出力脳活動情報におけるノイズ除去の精度に関する情報であるノイズ除去精度情報を取得するノイズ除去精度情報取得部をさらに具備し、出力部は、ノイズ除去精度情報が、予め格納されている閾値と比較して高い精度である場合のみ、出力脳活動情報を出力する脳活動情報出力装置である。
【００２６】
かかる構成により、一定以上の精度であることを確認した上で、脳活動の情報を出力できる。
【発明の効果】
【００２７】
本発明による脳活動情報出力装置によれば、脳活動とアーチファクト源の事前情報を用いて、アーチファクトの影響を取り除き、精度の高い脳活動の情報を出力できる。
【図面の簡単な説明】
【００２８】
【図１】実施の形態１における脳活動情報出力システムのブロック図
【図２】同脳活動情報出力装置の動作について説明するフローチャート
【図３】同脳活動情報出力装置の動作について説明するフローチャート
【図４】同事後分布取得処理の動作について説明するフローチャート
【図５】同実験で被験者に提示した視標の速度波形示す図
【図６】同全脳モデル上に配置されたダイポールを示す図
【図７】同アーチファクト事前情報の候補を示す図
【図８】同アーチファクト事前情報を示す図
【図９】同図９はハイパーパラメータを示す図
【図１０】同観測したＭＥＧデータにＰＣＡを適用したときの第一主成分の時間波形を表す図
【図１１】同第一主成分を頭部マップ上に示した図
【図１２】同観測したＭＥＧデータにＩＣＡを適用したときの独立成分の時間波形を表す図
【図１３】同観測したＭＥＧデータにＩＣＡを適用したときの独立成分の時間波形を表す図
【図１４】同独立成分を頭部マップ上に示した図
【図１５】同独立成分を頭部マップ上に示した図
【図１６】同８３番目のセンサの位置を示す図
【図１７】同心拍成分のＲ波をトリガとして観測磁場を切り出し、加算平均した値を示す図
【図１８】同Ｒ波のピーク時刻を基準に心臓に配置したダイポールの推定電流を加算平均した波形を示す図
【図１９】同Ｒ波のピーク時刻を基準に頸動脈（左）に配置したダイポールの推定電流を加算平均した波形を示す図
【図２０】同Ｒ波のピーク時刻を基準に頸動脈（右）に配置したダイポールの推定電流を加算平均した波形を示す図
【図２１】同アーチファクト除去前後でのＭＥＧ波形の比較を示す図
【図２２】同典型的な被験者のデータから計算した指標を頭部マップ上に表示した図
【図２３】同頭部外周部のセンサの指標を観測値とＰＣＡ，ＩＣＡ，ｅｘｔｒａ−ｄｉｐｏｌｅ法を用いた場合で比較した図
【図２４】同タスク遂行中の皮質電流の信号強度を計算し、その試行平均値を皮質マップ上に示した図
【図２５】同ｆＭＲＩの信号強度情報と電流強度との相関係数の比較をした図
【図２６】同コンピュータシステムの概観図
【図２７】同コンピュータシステムのブロック図
【発明を実施するための形態】
【００２９】
以下、本発明に係る脳活動情報出力装置等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。
（実施の形態１）
【００３０】
本実施の形態において、脳活動とアーチファクト源の事前情報を用いて、アーチファクトの影響を取り除き、精度の高い脳活動の情報を出力できる脳活動情報出力システムについて説明する。特に、アーチファクト源の事前情報を適切な事前情報にすることにより、極めて精度高く、脳活動の情報を出力できる脳活動情報出力システムについて説明する。
【００３１】
また、本実施の形態において、電流レベルで脳活動の情報を推定する脳活動情報出力システムについて説明する。また、本実施の形態において、アーチファクト源が複数存在する場合について説明する。また、本実施の形態において、脳事前情報とアーチファクト事前情報との信号の大きさが異なることを想定している脳活動情報出力システムについて説明する。また、アーチファクト源は、生体である眼球、心臓、筋電などであったり、ＴＶの電波などの外部のものであったりする。さらに、本実施の形態において、脳活動信号をチェックし、精度が一定以上であることを確認後、脳信号を出力について説明する。なお、アーチファクト事前情報とはノイズ事前情報と同意義である。
【００３２】
図１は、本実施の形態における脳活動情報出力システムのブロック図である。脳活動情報出力システムは、脳信号計測装置１１、脳活動情報出力装置１２を具備する。
【００３３】
脳信号計測装置１１は、脳信号を計測する装置である。脳信号計測装置１１は、例えば、脳磁計測装置である。脳磁計測装置は、脳活動に関する事象を観測する観測手段としてのブレインキャップ１１０１を含んでも良い。ブレインキャップ１１０１は、例えば、２０８チャンネルセンサを有する。ただし、ブレインキャップ１１０１のチャンネル数は問わない。なお、脳信号とは、磁場でも良いし、電流等でも良い。
【００３４】
脳活動情報出力装置１２は、計測脳信号情報格納部１２１、脳事前情報格納部１２２、アーチファクト事前情報格納部１２３、脳活動情報取得部１２４、アーチファクト情報取得部１２５、出力脳活動情報取得部１２６、ノイズ除去精度情報取得部１２７、出力部１２８、アーチファクト事前情報決定部１２９を具備する。
【００３５】
アーチファクト事前情報決定部１２９は、アーチファクト信号強度情報推定手段１２９１、ｆＭＲＩ活動強度格納手段１２９２、脳活動信号強度推定手段１２９３とを具備する。
【００３６】
脳活動情報出力装置１２は、脳信号計測装置１１が取得した脳の信号に関する情報である計測脳信号情報から、アーチファクト除去を行い、精度の高い脳活動情報を出力する装置である。
【００３７】
計測脳信号情報格納部１２１は、計測された脳の信号に関する情報である計測脳信号情報を格納し得る。計測脳信号情報は、脳磁計測装置（脳信号計測装置１１の一例）の測定結果でも良いし、当該計測結果から、低周波のドリフト除去を行った情報でも良い。また、計測脳信号情報は、ＭＥＧデータでも良いし、電流の情報でも良い。また、通常、計測脳信号情報は、複数地点（例えば、２０８チャンネル）の情報であり、計測脳信号情報格納部１２１には、複数の脳信号情報が格納されている。
【００３８】
計測脳信号情報は、例えば、被験者の脳神経活動の電気的変化に伴って、被験者の頭部周辺で観測された微弱な磁場である。例えば、神経電流を位置と方向が固定されたＮ個の電流ダイポールでモデル化し、その電流モーメントの強度をＮ次元ベクトルＪで表すＭ個のＭＥＧセンサ上での観測磁場をＭ次元ベクトルＢで表すと、次式が成り立つ。
【数１】
【００３９】
このＭ次元ベクトルＢが、計測脳信号情報の例である。また、上記のＮ次元ベクトルＪを計測脳信号情報の例としても良い。つまり、脳表面近くのＭ点での測定した磁場をＢ＝（Ｂ１，...，ＢＭ）Ｔ、脳表面上とアーチファクト源に仮定したＩ点のダイポールに流れる電流分布をＪ＝｛Ｊｉ｜ｉ＝１，...，Ｎ｝と表している。ここで、Ｇはリードフィールド行列と呼ばれ、単位電流モーメントによって発生する磁場を表す行列である。脳を囲む頭蓋内部が均一な媒質の球であると仮定すると、リードフィールドの成分はＳａｒｖａｓの式によって解析的に計算できる。ＭＥＧ信号を生成する主要な脳活動成分は錐体細胞に流れる電流であるという知見に基づき、皮質表面上に垂直な向きを持つ電流ダイポールを仮定する、とする。なお、Ｓａｒｖａｓの式は、公知の式であるので、詳細な説明は省略する。
【００４０】
計測脳信号情報格納部１２１は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。計測脳信号情報格納部１２１に計測脳信号情報が記憶される過程は問わない。例えば、記録媒体を介して計測脳信号情報が計測脳信号情報格納部１２１で記憶されるようになってもよく、脳信号計測装置１１から通信回線等を介して送信された計測脳信号情報が計測脳信号情報格納部１２１で記憶されるようになってもよく、あるいは、入力デバイスを介して入力された計測脳信号情報が計測脳信号情報格納部１２１で記憶されるようになってもよい。
【００４１】
脳事前情報格納部１２２は、脳活動に関する事前の情報である脳事前情報を格納し得る。脳事前情報は、例えば、脳の電流に対する事前分布であり、事前知識に基づいて定められる情報である。脳事前情報は、例えば、後述するＰ０（Ｊ）である。脳事前情報は、例えば、階層ベイズ推定を用いて、図示しない導出手段により導出されたものである。階層ベイズ推定では、次のようなダイポールに対する階層事前分布を取得する。また、脳事前情報は、信号の強度に関する情報である強度情報を含む。さらに、脳事前情報は、ｆＭＲＩ強度情報を電流分散とし、当該電流分布に対する事前知識を表す事前分布であっても良い。
【００４２】
以下、階層事前分布の取得方法を説明する前に、階層ベイズ推定を用いて、ダイポール位置での電流を推定する方法について説明する。
【００４３】
つまり、脳表面近くのＭ点での測定した磁場をＢ＝（Ｂ１，...，ＢＭ）Ｔ、脳表面上とアーチファクト源に仮定したＩ点のダイポールに流れる電流分布をＪ＝｛Ｊｉ｜ｉ＝１，...，Ｎ｝と表す、とする。また、階層ベイズ推定において、電流分布Ｊが与えられたときに磁場Ｂが観測される確率Ｐ（Ｂ｜Ｊ）が、数式２の正規分布に従うと仮定する。
【数２】
【００４４】
数式２において、βは観測ノイズ分散の逆数である。また、磁場Ｂを観測したときの電流Ｊの事後分布（Ｐ（Ｊ｜Ｂ））は次の数式３で表される。
【数３】
【００４５】
数式３において、Ｐ（Ｂ）は周辺尤度である。Ｐ０（Ｊ）は電流に対する事前分布であり、所定の事前知識に基づいて定められる。階層ベイズ推定では、以下の数式４から数式６のようなダイポールに対する階層事前分布が導入される。
【数４】
【数５】
【数６】
【００４６】
数式４において、Ａはその対角成分がα＝｛αｉ｜ｉ＝１，...，Ｎ｝である対角行列であり、α?１ｉがＪｉの事前電流分散に対応する。βは、ＭＥＧデータの観測ノイズ分散の逆数であり、Γ（γ）はガンマ関数である。
【００４７】
ここで、事前電流分散を表すパラメータを、以下の数式７に示すものとする。
【数７】
【００４８】
階層事前分布のパラメータであるν０ｉバー（バーは、νの上の−を有する文字を意味する）とγ０ｉはハイパーパラメータと呼ばれている。これらの値はｆＭＲＩの活動強度情報（ｔ値）、倍率のパラメータｍ０、信頼度のパラメータγ０・γ０ｉから定義されている。ν０ｉバーとγ０ｉはｆＭＲＩのｔ値に応じて設定され、背景電流分散をν０，ｂａｓｅとすると、ν０ｉバーは、数式８のように表される。なお、ハイパーパラメータは、信号の強度に関する情報である強度情報の例である。
【数８】
【００４９】
ここで、ｔｉハット（ハットは、ｔの上に＾が存在することを示す）は最大値が１となるようにｆＭＲＩのｔ値を正規化した値である。したがって、ν０ｉバーの取り得る値の範囲は、ν０，ｂａｓｅからｍ０×ν０，ｂａｓｅである。
【００５０】
背景電流分散ν０，ｂａｓｅと観測ノイズ分散ρｂａｓｅは，タスク開始前のＭＥＧ信号から最小ノルム推定を用いて推定された。事前分散は、数式５から，ρ×νｉと表される。
【００５１】
νｉバーが大きいと、電流の分散が大きくなる確率が高くなる（ｉ番目のダイポールに電流が流れやすい、という事前情報を与えることを意味する）。ハイパーパラメータγ０ｉは階層事前分布の信頼度を制御する。γ０ｉが小さいほど信頼度が低く、大きいほど信頼度が高いことを表す。
【００５２】
脳事前情報は、例えば、図示しない脳事前情報取得手段により、ｆＭＲＩ活動強度情報を数式８に代入し，ｍ０＝１００、γ０ｉ＝１００として事前分散の推定を行い、取得された情報である。なお、脳事前情報は、皮質上に配置したダイポールに対して、事前分散の推定を行い、取得された情報である。
【００５３】
脳事前情報格納部１２２は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。脳事前情報格納部１２２に脳事前情報が記憶される過程は問わない。例えば、記録媒体を介して脳事前情報が脳事前情報格納部１２２で記憶されるようになってもよく、通信回線等を介して送信された脳事前情報が脳事前情報格納部１２２で記憶されるようになってもよく、あるいは、入力デバイスを介して入力された脳事前情報が脳事前情報格納部１２２で記憶されるようになってもよい。
【００５４】
アーチファクト事前情報格納部１２３は、アーチファクト源に関する事前の情報である１以上のアーチファクト事前情報を格納し得る。アーチファクト事前情報格納部１２３は、複数のアーチファクト事前情報を格納していることは好適である。アーチファクト源とは、例えば、生体の一部である眼球の位置２箇所、頸動脈付近の左右１箇所ずつ、心臓の位置などである。眼球は、定常的に電気的な極性があり、角膜側を正電位、網膜側が負電位となっている。このため、眼球は角膜を正極、網膜側を負極としたダイポールだと考えることができる。ＭＲＩの構造画像から眼球の中心位置を決め、ダイポールを配置することは好適である。心臓の位置は、（ｘ，ｙ，ｚ）＝（?５，０，?２３）［ｃｍ］の位置程度が好適である。また、頸動脈の位置は、ＭＲＩの構造画像を参考に決定することは好適である。また、アーチファクト源とは、例えば、生体以外の外部のアーチファクト源であるテレビ、輸送物（自動車、トラック、電車等）の通過などでも良い。つまり、アーチファクト事前情報は、被験者の生体に含まれるアーチファクト源に関する事前の情報である生体アーチファクト事前情報を含む。また、アーチファクト事前情報は、被験者の生体に含まない外部のアーチファクト源に関する事前の情報である外部アーチファクト事前情報を含んでも良い。アーチファクト事前情報は、脳事前情報と同様に、例えば、階層ベイズ推定を用いて得られる情報であり、数式４から数式６のようなダイポールに対する階層事前分布である。ただし、アーチファクト事前情報と脳事前情報とは、電流分散の大きさ（信号の強度である強度情報）が異なる。例えば、各種のアーチファクト事前情報は、数式９、１０のように表される。また、アーチファクト事前情報は、強度情報を含む。また、アーチファクト事前情報は、後述するアーチファクト事前情報決定部１２９が取得した情報である。また、脳事前情報の強度情報と、１以上の各アーチファクト事前情報の各強度情報は、異なることは好適である。さらに、各アーチファクト事前情報は、ｆＭＲＩ強度情報と比較して大きな電流分散を用い、かつ当該電流分布に対する事前知識を表す事前分布であることは好適である。
【数９】
【数１０】
【００５５】
ここで，νｅｙｅバー（バーとは、νの上の−を有することを示す）、νｃａｒｄｉａｃバー、νｍａｓｔｉｃａｔｏｒｙバーはそれぞれ眼球中心、心臓位置、咀嚼筋に配置したダイポールに関するハイパーパラメータν０ｉバーである。また、γｅｙｅ、γｃａｒｄｉａｃ、γｍａｓｔｉｃａｔｏｒｙは、ハイパーパラメータγ０ｉに対して同様の値を表す。
【００５６】
なお、νｂｒａｉｎバー：νｅｙｅバー：νｃａｒｄｉａｃバー：νｍａｓｔｉｃａｔｏｒｙバーは、例えば、「１：５０：５０００：１００」などの簡易な比でも良い。
【００５７】
また、これらの事前電流分散は、例えば、図示しないアーチファクト事前情報取得手段が、観測磁場と復元磁場のあてはまりの度合（Ｇｏｏｄｎｅｓｓ−ｏｆ−ｆｉｔ，ＧｏＦ）である第一の指標、ｆＭＲＩの活動強度情報と平均電流分散の相関係数である第二の指標、の２種類の指標をもとに決定したものでも良い。
【００５８】
具体的には、ＧｏＦは数式１１により定義される量とした。
【数１１】
【００５９】
数式１１において、チャンネルｊでの計測磁場をＢｏｂｓ（ｊ）、チャンネルｊにおける復元磁場をＢｅｓｔ（ｊ）とする。Ｍはセンサ数とする。推定電流から計算される磁場（復元磁場）と観測磁場が一致しているならばＧｏＦは大きくなる（１００に近づく）。推定結果と計測結果が一致するようなハイパーパラメータを選択するための判断材料としてＧｏＦを用いた。第二の指標については、ｆＭＲＩの活動が期待される位置では、脳内での神経活動も大きくなることが期待される。そのため、ｆＭＲＩの活動強度情報と平均電流分散には対応関係があると考えられる（ふたつの相関係数が最も大きくなることが期待される）。第一の指標と第二の指標の条件をできるだけ満たすようなハイパーパラメータの組を選択することでアーチファクト源の電流強度に関する粗い情報をあらかじめ設定し、アーチファクト事前情報取得手段は、ダイポールに関する事前分散（アーチファクト事前情報）を推定し、取得するものとする。
【００６０】
アーチファクト事前情報格納部１２３は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。アーチファクト事前情報格納部１２３にアーチファクト事前情報が記憶される過程は問わない。例えば、記録媒体を介してアーチファクト事前情報がアーチファクト事前情報格納部１２３で記憶されるようになってもよく、通信回線等を介して送信されたアーチファクト事前情報がアーチファクト事前情報格納部１２３で記憶されるようになってもよく、あるいは、入力デバイスを介して入力されたアーチファクト事前情報がアーチファクト事前情報格納部１２３で記憶されるようになってもよい。
【００６１】
脳活動情報取得部１２４は、計測脳信号情報格納部１２１に格納されている計測脳信号情報と、脳事前情報格納部１２２に格納されている脳事前情報とを用いて、脳活動の情報である脳活動情報を推定し、取得する。脳活動情報取得部１２４は、複数のダイポール位置での電流についての情報である脳活動情報を、計測脳信号情報（例えば、Ｂ）と脳事前情報（例えば、Ｐ０（Ｊ））とを用いた階層ベイズ推定を用いて推定し、取得することは好適である。例えば、脳活動情報取得部１２４は、上述した数式３の情報を格納しており、当該数式３を用いて、電流Ｊの事後分布（Ｐ（Ｊ｜Ｂ））を取得する。電流Ｊの事後分布（Ｐ（Ｊ｜Ｂ））は、脳活動情報である。脳活動情報取得部１２４は、通常、ＭＰＵやメモリ等から実現され得る。脳活動情報取得部１２４の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００６２】
アーチファクト情報取得部１２５は、計測脳信号情報と、１以上のアーチファクト事前情報とを用いて、アーチファクト源の情報である１以上のアーチファクト情報を推定し、取得する。アーチファクト情報取得部１２５は、複数のアーチファクト源ごとに、アーチファクト情報を推定し、複数のアーチファクト情報を取得することは好適である。アーチファクト情報取得部１２５は、アーチファクト源のダイポール位置での電流についての情報である１以上のアーチファクト情報を、計測脳信号情報と、１以上のアーチファクト事前情報とを用いた階層ベイズ推定を用いて推定し、取得することは好適である。アーチファクト情報取得部１２５は、事前情報が異なるが、脳活動情報取得部１２４と同様の動作を行う。つまり、アーチファクト情報取得部１２５は、数式３を用いて、各アーチファクト源に対応する電流Ｊの事後分布（Ｐ（Ｊ｜Ｂ））を取得する。アーチファクト情報取得部１２５は、通常、ＭＰＵやメモリ等から実現され得る。アーチファクト情報取得部１２５の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００６３】
出力脳活動情報取得部１２６は、計測脳信号情報と脳活動情報と１以上のアーチファクト情報とを用いて、計測脳信号情報からアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する。つまり、アーチファクトの影響を取り除くために、脳皮質のダイポールとアーチファクト源のダイポールの推定を同時に行うこととなる。なお、脳皮質のダイポールの推定とは、脳活動情報取得部１２４が脳活動情報を取得する処理である。アーチファクト源のダイポールの推定とは、アーチファクト情報取得部１２５が、アーチファクト源の情報である１以上のアーチファクト情報を取得する処理である。
【００６４】
また、出力脳活動情報取得部１２６は、計測脳信号情報と脳活動情報と複数のアーチファクト情報とを用いて、計測脳信号情報から複数のアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得することは好適である。
【００６５】
さらに、出力脳活動情報取得部１２６は、計測脳信号情報から、脳活動情報のうちの脳の活動が無いと考えられる位置に配置されたダイポールに対応する脳活動情報とアーチファクト情報とを除く処理を行い、出力脳活動情報を取得することは好適である。なお、脳の活動が無いと考えられる位置に配置されたダイポールの情報は、予め設定されていても良いし、ユーザが手入力により与えるなどしても良い。
【００６６】
以下、出力脳活動情報取得部１２６等の具体的な動作例について説明する。今、脳皮質とアーチファクト源のダイポールをそれぞれＪｂｒａｉｎ，Ｊｎｏｉｓｅ，リードフィールド行列をＧｂｒａｉｎ，Ｇｎｏｉｓｅ，ダイポールの事前分散をＡ?１ｂｒａｉｎ，Ａ?１ｎｏｉｓｅとすると、以下の式１２から１４を用いて、脳活動情報取得部１２４、およびアーチファクト情報取得部１２５は、それぞれ脳皮質とアーチファクト源のダイポールＪを推定する。
【数１２】
【数１３】
【数１４】
【００６７】
つまり、脳活動情報取得部１２４とアーチファクト情報取得部１２５により、階層ベイズ推定法でアーチファクト源と脳皮質のダイポールを同時に推定した後に、出力脳活動情報取得部１２６は、ｆＭＲＩの活動がない位置に配置されたダイポールのみが作る磁場を、数式１５にしたがって観測磁場Ｂから取り除き、Ｂｐｒｕｎｅｄを算出し、メモリ上に配置する。なお、観測磁場Ｂは、計測脳信号情報の一例であり、Ｂｐｒｕｎｅｄは、出力脳活動情報の一例である。
【数１５】
【００６８】
出力脳活動情報取得部１２６は、通常、ＭＰＵやメモリ等から実現され得る。出力脳活動情報取得部１２６の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００６９】
ノイズ除去精度情報取得部１２７は、出力脳活動情報取得部１２６が取得した出力脳活動情報と、計測脳信号情報とを用いて、当該出力脳活動情報におけるノイズ除去の精度に関する情報であるノイズ除去精度情報を取得する。ノイズ除去精度情報取得部１２７の具体的な処理の例は、後述する。ノイズ除去精度情報取得部１２７は、通常、ＭＰＵやメモリ等から実現され得る。ノイズ除去精度情報取得部１２７の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００７０】
出力部１２８は、出力脳活動情報を出力する。出力部１２８は、ノイズ除去精度情報が、予め格納されている閾値と比較して高い精度である場合のみ、出力脳活動情報を出力しても良い。ここで、出力とは、ディスプレイへの表示、プロジェクターを用いた投影、プリンタへの印字、音出力、外部の装置への送信、記録媒体への蓄積、他の処理装置や他のプログラム等への処理結果の引渡し等を含む概念である。出力部１２８は、ディスプレイやスピーカー等の出力デバイスを含むと考えても含まないと考えても良い。出力部１２８は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。
【００７１】
アーチファクト事前情報決定部１２９は、アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、事前分布と事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報を取得し、アーチファクト事前情報格納部１２３に蓄積する。
【００７２】
なお、アーチファクト事前情報決定部１２９は、アーチファクト信号強度情報推定手段１２９１と脳活動信号強度推定手段１２９３の処理により、アーチファクト事前情報を取得し、アーチファクト事前情報格納部１２３に蓄積することはさらに好適である。つまり、アーチファクト事前情報決定部１２９は、以下の２つの基準を満たすアーチファクト事前情報を取得することは好適である。第一の基準は、統計モデルの妥当性であり、第二の基準は、ｆＭＲＩと推定電流の信号強度情報との相関である。つまり、アーチファクト事前情報決定部１２９は、アーチファクト信号強度情報推定手段１２９１により、統計モデルが妥当なアーチファクト事前情報を取得する。また、アーチファクト事前情報決定部１２９は、脳活動信号強度推定手段１２９３により、ｆＭＲＩと推定電流の信号強度情報との相関性が高いアーチファクト事前情報を取得する。
【００７３】
アーチファクト信号強度情報推定手段１２９１は、アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、前記事前分布と前記事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報の候補を取得する。アーチファクト源の電流強度に関する情報（事前電流分散（上記のν０ｉバー）が妥当ならば、それに基づいて推定される電流強度（事後電流分散νｉバー）も同じになる。そのため、アーチファクト信号強度情報推定手段１２９１は、アーチファクト源を表すそれぞれのダイポールの事前分散ν０ｉバー×ρｂａｓｅと信頼度のパラメータγ０ｉを変化させて電流推定を行い、以下の数式１６に基づき、指標を計算する。そして、アーチファクト信号強度情報推定手段１２９１は、１以上のアーチファクト事前情報の候補を取得する。
【数１６】
【００７４】
数式１６において、ｉはアーチファクト源のダイポール番号、Ｏｉ，ｐｒｉは事前分散のオーダー、Ｏｉ，ｐｏｓｔは事後分散のオーダー、Ｏｉ，ｄｉｆｆは事前分散と事後分散のオーダーの差、ν０ｉバーは事前電流分散、νｉバーは事後電流分散、ρｂａｓｅは観測ノイズ分散を表す。
【００７５】
アーチファクト信号強度情報推定手段１２９１は、例えば、事前分散とγ０ｉはそれぞれ１〜１０１１ｎＡｍ２，１〜１０６の範囲で変化させ（事前分散１２種類，γ０ｉ１３種類，合計１５６通り）、階層ベイズ法の計算を行う。そして、アーチファクト信号強度情報推定手段１２９１は、例えば、Ｏｉ，ｄｉｆｆがゼロに近い値のハイパーパラメータの組合せを計算結果から選択し、アーチファクト事前情報の候補として取得する。
【００７６】
アーチファクト事前情報決定部１２９は、通常、ＭＰＵやメモリ等から実現され得る。アーチファクト事前情報決定部１２９の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００７７】
ｆＭＲＩ活動強度格納手段１２９２は、ｆＭＲＩの活動強度を格納し得る。ｆＭＲＩ活動強度格納手段１２９２は、脳事前情報格納部１２２と同様であっても良い。かかる場合、脳事前情報は、ｆＭＲＩ強度情報を電流分散とし、当該電流分布に対する事前知識を表す事前分布である。ｆＭＲＩ活動強度格納手段１２９２は、不揮発性の記録媒体が好適であるが揮発性の記録媒体でも良い。
【００７８】
脳活動信号強度推定手段１２９３は、アーチファクト信号強度情報推定手段１２９１が取得した１以上の各アーチファクト事前情報の候補が有する１以上の信号強度を取得し、当該１以上の各信号強度と前記ｆＭＲＩの活動強度との相関に関する情報を算出し、当該相関に関する情報が最大の信号強度を有するアーチファクト事前情報を、アーチファクト信号強度情報推定手段１２９１が取得した１以上のアーチファクト事前情報の候補から選択し、当該選択したアーチファクト事前情報をアーチファクト事前情報格納部１２３に蓄積する
【００７９】
さらに具体的には、脳活動信号強度推定手段１２９３は、以下の数式１７から数式１９を用いて、アーチファクト事前情報を選択する。
【数１７】
【数１８】
【数１９】
【００８０】
数式１７から数式１９は、ｆＭＲＩの活動がある位置では、脳内での神経活動も大きくなると期待されることを利用した数式である。数式１７から数式１９は、ｆＭＲＩの活動強度情報ｆｉ（ｆＭＲＩ活動強度格納手段１２９２に格納されている）と、１以上の各アーチファクト事前情報の候補が有する１以上の電流強度Ｊｎ，ｉの相関指標を算出する式である。数式１７から数式１９において、ｉは皮質のダイポール番号、ｎは試行番号、Ｔはサンプル数、Ｎは試行数を表す。脳活動信号強度推定手段１２９３は、単一試行毎に推定電流強度とｆＭＲＩ信号強度の相関係数ｃｏｒｒｎを計算する。そして、脳活動信号強度推定手段１２９３は、その平均値ｃｏｒｒを算出し、当該平均値ｃｏｒｒが最大となるアーチファクト事前情報を取得する。また、アーチファクト事前情報決定部１２９は、それぞれのダイポールに対して選んだハイパーパラメータを使い、数式１６による処理（妥当な統計モデルを選択する処理）と数式１７から数式１９による処理（ｆＭＲＩと推定電流の信号強度情報との相関性が高いものを選択する処理）を、ハイパーパラメータの値が変化しなくなるまで繰り返し、最終的なハイパーパラメータの組を決定する。そして、このハイパーパラメータの組が、例えば、アーチファクト事前情報となる。また、数式１８において、Ｉはダイポール番号の最大値（アーチファクト源の総数）である。
【００８１】
脳活動信号強度推定手段１２９３は、通常、ＭＰＵやメモリ等から実現され得る。脳活動信号強度推定手段１２９３の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００８２】
次に、脳活動情報出力システムを構成する脳活動情報出力装置１２の動作について、図２のフローチャートを用いて説明する。
【００８３】
（ステップＳ２０１）脳活動情報取得部１２４は、計測脳信号情報格納部１２１から計測脳信号情報を読み出す。
【００８４】
（ステップＳ２０２）脳活動情報取得部１２４は、脳事前情報格納部１２２から脳事前情報を読み出す。
【００８５】
（ステップＳ２０３）脳活動情報取得部１２４は、予め格納している数式であり、脳活動情報等の推定のための数式を、メモリ上に読み出す。かかる数式は、例えば、階層ベイズ推定を実現するための式である。
【００８６】
（ステップＳ２０４）脳活動情報取得部１２４は、ステップＳ２０３で読み出した式に対して、ステップＳ２０１で読み出した計測脳信号情報と、ステップＳ２０２で読み出した脳事前情報を代入し、当該式を実行し、脳活動情報を取得し、メモリ上に配置する。
【００８７】
（ステップＳ２０５）アーチファクト情報取得部１２５は、カウンタｉに１を代入する。
【００８８】
（ステップＳ２０６）アーチファクト情報取得部１２５は、アーチファクト事前情報格納部１２３に、ｉ番目のアーチファクト事前情報が存在するか否かを判断する。ｉ番目のアーチファクト事前情報が存在すればステップＳ２０７に行き、存在しなければステップＳ２１０に行く。
【００８９】
（ステップＳ２０７）アーチファクト情報取得部１２５は、アーチファクト事前情報格納部１２３から、ｉ番目のアーチファクト事前情報を読み出す。
【００９０】
（ステップＳ２０８）アーチファクト情報取得部１２５は、ステップＳ２０３でメモリ上に読み出された数式に、ステップＳ２０１で読み出された計測脳信号情報と、ステップＳ２０７で読み出したアーチファクト事前情報を代入し、当該式を実行し、アーチファクト情報を取得し、メモリ上に配置する。
【００９１】
（ステップＳ２０９）アーチファクト情報取得部１２５は、カウンタｉを１、インクリメントし、ステップＳ２０６に戻る。
【００９２】
（ステップＳ２１０）出力脳活動情報取得部１２６は、ステップＳ２０４で取得された脳活動情報から、ｆＭＲＩ活動のない位置のダイポールに対する情報を取り除く。
【００９３】
（ステップＳ２１１）出力脳活動情報取得部１２６は、ステップＳ２１０で残った情報から、ステップＳ２０８で取得された１以上のアーチファクト情報を取り除く。そして、出力脳活動情報取得部１２６は、出力脳活動情報を得る。
【００９４】
（ステップＳ２１２）出力部１２８は、ステップＳ２１１で取得された出力脳活動情報を出力し、処理を終了する。
【００９５】
なお、図２のフローチャートにおいて、ステップＳ２１０、ステップＳ２１１における処理の順序、タイミングは問わない。ステップＳ２１０、ステップＳ２１１における処理は、例えば、上述した数式１５を用いて行われる。
【００９６】
また、図２のフローチャートにおいて、ノイズ除去精度情報取得部１２７の処理は行わなかった。しかし、図２のフローチャートにおいて、出力部１２８は、ノイズ除去精度情報が、予め格納されている閾値と比較して高い精度である場合のみ、出力脳活動情報を出力しても良い。
【００９７】
また、以下、脳活動情報出力装置１２が、適切なアーチファクト事前情報をアーチファクト事前情報格納部１２３に蓄積する動作について、図３のフローチャートを用いて説明する。
【００９８】
（ステップＳ３０１）アーチファクト事前情報決定部１２９は、カウンタｉに１を代入する。
【００９９】
（ステップＳ３０２）アーチファクト信号強度情報推定手段１２９１は、ｉ番目のアーチファクト源が存在するか否かを判断する。ｉ番目のアーチファクト源が存在すればステップＳ３０３に行き、存在しなければステップＳ３１２に行く。
【０１００】
（ステップＳ３０３）アーチファクト信号強度情報推定手段１２９１は、ｉ番目のアーチファクト源の信号強度に関する事前分布を、アーチファクト事前情報格納部１２３から取得する。ここで、信号強度に関する事前分布は、例えば、電流強度に関する情報（事前電流分散）である。
【０１０１】
（ステップＳ３０４）アーチファクト信号強度情報推定手段１２９１は、ステップＳ３０３で取得した事前分布を用いて、ｉ番目のアーチファクト源の信号強度に関する事後分布を、１以上取得する。ここで、事後分布は、例えば、ｉ番目のアーチファクト源の事前電流分散に基づいて推定される電流強度（事後電流分散）である。なお、この処理を、事後分布取得処理という。
【０１０２】
（ステップＳ３０５）アーチファクト信号強度情報推定手段１２９１は、カウンタｊに１を代入する。
【０１０３】
（ステップＳ３０６）アーチファクト信号強度情報推定手段１２９１は、ステップＳ３０４で取得された事後分布のうち、ｊ番目の事後分布が存在するか否かを判断する。ｊ番目の事後分布が存在すればステップＳ３０７に行き、存在しなければステップＳ３１１に行く。
【０１０４】
（ステップＳ３０７）アーチファクト信号強度情報推定手段１２９１は、ｉ番目のアーチファクト源の信号強度に関する事前分布と、ｊ番目の信号強度に関する事後分布との差を算出する。
【０１０５】
（ステップＳ３０８）アーチファクト信号強度情報推定手段１２９１は、ステップＳ３０７で算出した差が、予め決められた閾値（例えば、「０」や「０．１」など）以内であるか否かを判断する。予め決められた閾値以内であればステップＳ３０９に行き、予め決められた閾値より大きければステップＳ３１０に行く。
【０１０６】
（ステップＳ３０９）アーチファクト信号強度情報推定手段１２９１は、ｉ番目のアーチファクト源の信号強度に関する事前分布を、バッファに一時格納する。なお、ここで、アーチファクト信号強度情報推定手段１２９１は、ｉ番目のアーチファクト源の信号強度に関する事前分布と、信頼度のパラメータ（γ０ｉ）とを、バッファに一時格納することは好適である。また、ここで、ループを抜けて、ステップＳ３１１に行っても良い。また、ここでバッファに格納されたアーチファクト源の信号強度に関する事前分布は、最終的にアーチファクト事前情報格納部１２３に格納されるアーチファクト事前情報（または、その一部）の候補となる情報である。
【０１０７】
（ステップＳ３１０）アーチファクト信号強度情報推定手段１２９１は、カウンタｊを１、インクリメントする。ステップＳ３０６に戻る。
【０１０８】
（ステップＳ３１１）アーチファクト事前情報決定部１２９は、カウンタｉを１、インクリメントする。ステップＳ３０２に戻る。
【０１０９】
（ステップＳ３１２）脳活動信号強度推定手段１２９３は、カウンタｉに１を代入する。
【０１１０】
（ステップＳ３１３）脳活動信号強度推定手段１２９３は、ステップＳ３０９でバッファに格納されたアーチファクト事前情報の候補に、ｉ番目の候補が存在するか否かを判断する。ｉ番目の候補が存在すればステップＳ３１４に行き、存在しなければステップＳ３２２に行く。
【０１１１】
（ステップＳ３１４）脳活動信号強度推定手段１２９３は、カウンタｊに１を代入する。
【０１１２】
（ステップＳ３１５）脳活動信号強度推定手段１２９３は、ｊ番目の試行が存在するか否かを判断する。ｊ番目の試行が存在すればステップＳ３１６に行き、存在しなければステップＳ３２０に行く。
【０１１３】
（ステップＳ３１６）脳活動信号強度推定手段１２９３は、ｉ番目のアーチファクト事前情報の、ｊ番目の試行の信号強度（例えば、電流強度）を取得する。ここで、信号強度は、数式１７により算出される。
【０１１４】
（ステップＳ３１７）脳活動信号強度推定手段１２９３は、ｉ番目のダイポールのｆＭＲＩ信号強度を取得する。なお、本ステップはｊのループの中にあるが、ｊのループの外に出しても良い。
【０１１５】
（ステップＳ３１８）脳活動信号強度推定手段１２９３は、ｊ番目の試行の相関係数（相関に関する情報の一例）を算出し、バッファに一時格納する。相関係数は、数式１８により算出される。
【０１１６】
（ステップＳ３１９）脳活動信号強度推定手段１２９３は、カウンタｊを１、インクリメントする。ステップＳ３１５に戻る。
【０１１７】
（ステップＳ３２０）脳活動信号強度推定手段１２９３は、ステップＳ３１８において、バッファに一時格納した相関係数の平均値を算出する（数式１９参照）。そして、脳活動信号強度推定手段１２９３は、相関係数の平均値をバッファに一時格納する。
【０１１８】
（ステップＳ３２１）脳活動信号強度推定手段１２９３は、カウンタｉを１、インクリメントする。ステップＳ３１３に戻る。
【０１１９】
（ステップＳ３２２）脳活動信号強度推定手段１２９３は、ステップＳ３２０でバッファに格納した相関係数の平均値のうちで、最大の相関係数の平均値に対応するアーチファクト事前情報（事前電流分布、または事前電流分布と信頼度のパラメータ等）を取得し、バッファに一時格納する。上位処理にリターンする。
【０１２０】
また、以下、ステップＳ３０４の事後分布取得処理について、図４のフローチャートを用いて説明する。
【０１２１】
（ステップＳ４０１）アーチファクト信号強度情報推定手段１２９１は、カウンタｉに１を代入する。
【０１２２】
（ステップＳ４０２）アーチファクト信号強度情報推定手段１２９１は、ｉ番目の事前分布が存在するか否かを判断する。ｉ番目の事前分布が存在すればステップＳ４０３に行き、存在しなければ上位処理にリターンする。なお、アーチファクト信号強度情報推定手段１２９１は、例えば、事前分散を、１〜１０１１ｎＡｍ２の範囲で１２種類（ｉは１から１２まで）、変化させる。
【０１２３】
（ステップＳ４０３）アーチファクト信号強度情報推定手段１２９１は、ｉ番目の事前分布を取得する。
【０１２４】
（ステップＳ４０４）アーチファクト信号強度情報推定手段１２９１は、カウンタｊに１を代入する。
【０１２５】
（ステップＳ４０５）アーチファクト信号強度情報推定手段１２９１は、ｊ番目の信頼度が存在するか否かを判断する。ｊ番目の信頼度が存在すればステップＳ４０６に行き、存在しなければステップＳ４０９に行く。なお、アーチファクト信号強度情報推定手段１２９１は、例えば、信頼度を、１〜１０６の範囲で１３種類（ｊは１から１３まで）、変化させる。
【０１２６】
（ステップＳ４０６）アーチファクト信号強度情報推定手段１２９１は、ｊ番目の信頼度を取得する。
【０１２７】
（ステップＳ４０７）アーチファクト信号強度情報推定手段１２９１は、階層ベイズ法により、ｉ番目の事前分布とｊ番目の信頼度とを用いて、事後分散（例えば、事後電流分散）を取得する。
【０１２８】
（ステップＳ４０８）アーチファクト信号強度情報推定手段１２９１は、カウンタｊを１、インクリメントする。ステップＳ４０５に戻る。
【０１２９】
（ステップＳ４０９）アーチファクト信号強度情報推定手段１２９１は、カウンタｊを１、インクリメントする。ステップＳ４０２に戻る。
【０１３０】
以下、本実施の形態における脳活動情報出力システムを用いた実験結果について説明する。被験者は、正常な視覚を有する健常男性３名である。被験者３名（Ｘ，Ｙ，Ｚ）が、ＭＥＧ計測実験とｆＭＲＩ計測実験の両方に参加した。実験に先だって、被験者には実験内容についての説明を行い、同意を得た上で実験を行った。
【０１３１】
ＭＥＧ計測実験とは、以下のような実験である。脳信号計測装置１１は、全頭型の２０８チャンネルセンサを有する市販の脳磁計測装置である。そして、脳信号計測装置１１により、１０００ＨｚでＭＥＧデータが記録した。なお、ＭＥＧデータは、計測脳信号情報の一例であるとも考えられる。
【０１３２】
そして、実験課題として、被験者は運動する視標を、固視点を注視したまま、心的に追従する課題（ｃｏｖｅｒｔ ｐｕｒｓｕｉｔ ｔａｓｋ）を行った。視標は、正弦波を基礎として４分の１周期毎に速度が０になるとその周波数が変更されるようにした。ここで、実験で被験者に提示した視標の速度波形を、図５に示す。また、視標運動の１試行あたり平均周波数は０．５Ｈｚであり、赤色の点とした。具体的には、以下の（ａ）から（ｄ）の流れで課題を遂行した。
【０１３３】
（ａ）被験者は、準備が出来たら、タスク開始のボタンを押す。（ｂ）固視点と視標が画面中央に現れる（１０００±５００ｍｓ間待つ）。（ｃ）その後、視標が水平方向に動き始める。被験者は、固視点を見つめながら視標を心の中で追従するように指示された。視標は４０００ｍｓ間動き続けた。（ｄ）視標が消え、被験者は休憩する。そして、（ａ）から（ｄ）の流れを１試行とした。指標の運動パターンは３種類あり、それぞれ３０試行ずつランダムに提示した（３種類×３０試行＝合計９０試行）。これを１セッションとして、被験者は合計で３セッション（１セッション９０試行×３セッション＝合計２７０試行）課題を遂行した。
【０１３４】
次に、ｆＭＲＩ計測実験について説明する。ｆＭＲＩ計測には市販の１．５ＴのＭＲＩスキャナを用いた。視覚刺激は眼前から３７０ｍｍ離れた位置に設置したスクリーンに提示した。被験者は、正弦波の動きをする指標を、目を動かさずに心的に追従するテストブロックと、静止する固視点を注視しつづけるコントロールブロックを、それぞれ１５秒間ずつ繰り返した。テストブロックでは、ＭＥＧ計測実験と同じ視標を用いた。
【０１３５】
まず、最初に、脳信号計測装置１１が計測し、取得したＭＥＧデータは、リファレンスセンサの値を用いて、図示しない低周波ドリフト除去手段（脳信号計測装置１１が有する）により、低周波のドリフトの影響が除去された。次に、図示しないデータ切出手段（脳信号計測装置１１が有する）により、指標の提示時刻を基準にして−４００〜＋４０００ｍｓのデータを切り出し、これを１試行のデータとした。データ切出手段により、切り出されたＭＥＧデータの最初の４００ｍｓ間は指標が動き出す前の状態であり（ｐｒｅｔｒｉｇｇｅｒ期間）、図示しない補正手段（脳信号計測装置１１が有する）により、この期間の平均値を用いて基線補正を行った。上記の前処理をしたＭＥＧデータが、計測脳信号情報格納部１２１に格納された計測脳信号情報の例であり、上述した階層ベイズ推定により、後述する電流推定に用いられた。
【０１３６】
また、解析の際、ひとつ以上のセンサのデータが、計測可能な値の範囲の９５％以上の値をとった場合に、その試行データは除外した。また、実験中に被験者が眠ったセッションのデータも除外した。そのため、被験者Ａ，Ｂ，Ｃから計測されたデータのうち、それぞれ１６９試行（全試行の６２．５９％）、２５１試行（９２．９６％）、２６７試行（９８．８９％）のデータが解析に用いられた．
【０１３７】
ｆＭＲＩデータの解析はＳＰＭ５（Ｔｈｅ Ｗｅｌｌｃｏｍｅ Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｇｎｉｔｉｖｅ Ｎｅｕｒｏｌｏｇｙ）を用いて行われた。静止する固視点のみが提示され、それを注視している条件と、固視点を注視したままその上側で運動する指標を心の中で追従している条件での脳活動の有意差検定をｔ検定で行った。
【０１３８】
あらかじめ計測しておいた被験者のＭＲＩ構造画像をもとに、Ｂｒａｉｎ Ｖｏｙａｇｅｒ（Ｂｒａｉｎ Ｉｎｎｏｖａｔｉｏｎ）を用いて大脳表面モデルを作成した。その全脳モデル上に、その全脳モデル上にダイポールが配置された（図６の皮質上（ｃｏｒｔｅｘ）の点）。皮質表面モデル上に配置された格子点の数は、被験者Ａ，Ｂ，Ｃでそれぞれ、１３，７５５点、１３，１６０点、１２，３７０点であった。
【０１３９】
また、本実験では、主なアーチファクト源として、以下に示す理由により、眼球付近の位置２箇所、頸動脈付近の左右１箇所ずつ、心臓の位置を仮定し、それぞれの場所にダイポールを仮定した。
【０１４０】
まず、眼球は、定常的に電気的な極性があり、角膜側を正電位、網膜側が負電位となっている。このため、眼球は角膜を正極、網膜側を負極としたダイポールだと考えることができる。また、ＭＲＩの構造画像から眼球の中心位置を決め、ダイポールを配置した。
【０１４１】
また、心拍成分のＲ波をトリガ時刻として、計測したＭＥＧデータの時間軸を揃え直し，加算平均波形を求めた。
【０１４２】
そのデータを用いてムービング・ダイポール法で電流源推定を行った。前交連（ａｎｔｅｒｉｏｒ ｃｏｍｍｉｓｓｕｒｅ，ＡＣ）を原点として，前交連と後交連（ｐｏｓｔｅｒｉｏｒ ｃｏｍｍｉｓｓｕｒｅ，ＰＣ）を結ぶ線をｙ軸とする座標系を考え（ｘ軸は正中矢状面に垂直な左右方向，ｚ軸はこれらに垂直な上下方向）、探索範囲は被験者の上半身付近（ｘ＝?２０〜２０ｃｍ，ｙ＝?２０〜２０ｃｍ，ｚ＝?５０〜２０ｃｍ）とした。電流源推定の結果、心臓付近と頸部付近に推定された。その結果に基づいて、ダイポールを心臓位置に１箇所と頸動脈付近に左右１箇所ずつ配置した（図６参照）。心臓の位置は、（ｘ，ｙ，ｚ）＝（?５，０，?２３）［ｃｍ］の位置である。頸動脈の位置は、ＭＲＩの構造画像も参考に決定した。
【０１４３】
計測脳信号情報格納部１２１に格納されているＭＥＧデータから、上述した階層ベイズ推定によって電流推定を行う際、ｆＭＲＩ活動強度情報（ｔ値）を階層ベイズ推定の事前知識として用いた。つまり、脳事前情報格納部１２２には、ｆＭＲＩ活動強度情報（ｔ値）を含む脳事前情報が格納されている。脳事前情報として、ｆＭＲＩ活動強度の大きいダイポールには大きな事前分散を与え、逆に活動強度が小さければ小さい事前分散を与えた。また、皮質上に配置したダイポールに対するハイパーパラメータは、皮質に対する事前分散の倍率のパラメータ「ｍ０＝５００」、各ダイポールに対する信頼度のパラメータ「γ０ｉ＝５００）を用いた。
【０１４４】
アーチファクトの信号強度は未知である。アーチファクト源の電流分散に対するハイパーパラメータを決定するため、上述したように、二つの基準を設けた。一つは（ａ）統
計モデルの妥当性であり、もう一つは（ｂ）ｆＭＲＩと推定電流の信号強度情報との相関である。
【０１４５】
まず、第一の基準を満たすために、以下のようにした。アーチファクト源の電流強度に関する情報（事前電流分散ν０ｉバー）が妥当ならば、それに基づいて推定される電流強度（事後電流分散νｉバー）も同じになる。アーチファクト源を表すそれぞれのダイポールの事前分散ν０ｉバー×ρｂａｓｅと信頼度のパラメータγ０ｉを変化させて電流推定を行い、上述した数式１７から数式１９を用いて、指標を計算した。
【０１４６】
アーチファクト信号強度情報推定手段１２９１は、事前分散とγ０ｉはそれぞれ１〜１０１１ｎＡｍ２，１〜１０６の範囲で変化させ（事前分散１２種類，γ０ｉ１３種類，合計１５６通り）、階層ベイズ法の計算を行った。そして、アーチファクト信号強度情報推定手段１２９１は、例えば、Ｏｉ，ｄｉｆｆがゼロに近い値のハイパーパラメータの組合せを計算結果から選択し、アーチファクト事前情報の候補として取得した。その結果、アーチファクト事前情報の候補を、図７に示す線（１）上の点の集合のように得た。
【０１４７】
次に、脳活動信号強度推定手段１２９３は、以下のように動作した。つまり、脳活動信号強度推定手段１２９３は、ｆＭＲＩの活動強度情報ｆｉと電流強度Ｊｎ，ｉの相関指標を、数式１７から数式１９を用いて、算出した。これは、ｆＭＲＩの活動がある位置では、脳内での神経活動も大きくなると期待されることを用いたものである。
【０１４８】
そして、アーチファクト事前情報決定部１２９は、（ａ）統計モデルの妥当性、（ｂ）ｆＭＲＩと推定電流の信号強度情報との相関、の２つの基準を同時に満たすハイパーパラメータの組を選択した。具体的には、アーチファクト事前情報決定部１２９は、図８の黒点（１）を選んだ。
【０１４９】
そして、その後、アーチファクト事前情報決定部１２９は、それぞれのダイポールに対して選んだハイパーパラメータを使い、数式１７から数式１９の計算をやり直した。アーチファクト事前情報決定部１２９は、これらの手順をハイパーパラメータの値が変化しなくなるまで繰り返した。そして、アーチファクト事前情報決定部１２９は、最終的なハイパーパラメータの組（アーチファクト事前情報）を取得した。繰り返した回数は、被験者Ａ，Ｂ，Ｃでそれぞれ５回，３回，５回であった。つまり、アーチファクト事前情報決定部１２９は、１以上のアーチファクト事前情報の推定を、所定の条件に合致するまで繰り返すことは好適である。ここで、所定の条件とは、アーチファクト事前情報（例えば、ハイパーパラメータの値）が所定以内の変化（変化しない場合も含む）になることである。
【０１５０】
また、アーチファクト源のハイパーパラメータを変化させることが電流強度に与える影響を調べるため、数式２０を用いて計算した。
【数２０】
【０１５１】
ここで、図９はハイパーパラメータの組ごとに、数式２０を計算した値をマップとして表している。ハイパーパラメータを変化させることで、アーチファクト源の電流強度は変化する。そのことによって差し引く磁場の大きさも変化するため、ハイパーパラメータの選択がＭＥＧアーチファクト除去の性能に大きな影響を及ぼす。
【０１５２】
また、３種類の視標運動パターン遂行中のＭＥＧデータのうち、１種類を用いて、アーチファクト源のハイパーパラメータ（アーチファクト事前情報）を決定した。
【０１５３】
また、ハイパーパラメータは、推定電流とｆＭＲＩ活動強度情報との相関が高くなるように決めているため、パラメータ推定に使ったデータセットを同じデータセットに適用して、アーチファクト除去の精度を推定するのは不適切である。そこで、パラメータの決定に用いなかった残り２種類のＭＥＧデータを使って、アーチファクト除去の精度を評価した。
【０１５４】
以上により、計測脳信号情報格納部１２１、脳事前情報格納部１２２、およびアーチファクト事前情報格納部１２３に、それぞれの情報が格納された。
【０１５５】
次に、出力脳活動情報取得部１２６等は、数式１２から数式１５を用いて、上述したようなアーチファクト除去を行った。つまり、階層ベイズ推定法でアーチファクト源と大脳皮質の電流モーメントを同時に推定した後、出力脳活動情報取得部１２６は、数式１５に従って、アーチファクトのみが作る磁場を観測磁場Ｂから取り除き、Ｂｐｒｕｎｅｄを求めた。
【０１５６】
以下、従来のアーチファクト除去方法について述べる。また、従来のアーチファクト除去方法を用いた場合の実験と、脳活動情報出力装置１２によるアーチファクト除去方法を用いた場合の実験について述べる。
【０１５７】
従来のアーチファクト除去方法とは、主成分分析（ＰＣＡ）と独立成分分析（ＩＣＡ）によるアーチファクト除去である。従来方法により、計測したＭＥＧデータは、セッションと視標速度の条件毎にデータセットに分け、それぞれに対してＰＣＡとＩＣＡを適用した。
【０１５８】
まず、計測したＭＥＧデータにＰＣＡを適用し、その第一主成分が心拍波形に類似していることを目視で確認した上で、その成分を除去した。図１０は、観測したＭＥＧデータにＰＣＡを適用したときの第一主成分の時間波形を表す図である。図１１は、第一主成分を頭部マップ上に示した図である。
【０１５９】
次に、計測した２０８ｃｈのＭＥＧデータにＩｎｆｏｍａｘ ＩＣＡを適用し、２０８個の独立成分を抽出した。それらの中で、心拍波形に似た特徴や眼球付近のセンサでのみ変化がある独立成分を目視で確認した場合、それらをアーチファクトとみなした。図１２、図１３は、観測したＭＥＧデータにＩＣＡを適用したときの独立成分の時間波形を表す。図１４、図１５は、各々図１２、図１３に対応し、独立成分を頭部マップ上に示した図である。図１０から図１５は、被験者Ｂの１セッション目の一つの視標運動遂行中のＭＥＧデータにＰＣＡを適用したときの結果である。図１０、図１２、図１３では８３番目のセンサの値を示した。
【０１６０】
計測したＭＥＧデータからアーチファクトを表す独立成分を差し引き、その値をアーチファクト除去したＭＥＧデータとした。被験者Ａ，Ｂ，Ｃでそれぞれ２個，２．００±０．５０個，１．１１±０．３３個の独立成分が除去された。
【０１６１】
ＩＣＡでアーチファクトとみなした独立成分のうち、心拍アーチファクトの影響が特に大きかった８３番目のセンサ値からＲ波のピーク時刻が検出された。その時刻をトリガとして、観測磁場から−１５０〜＋４５０ｍｓの時間区間が切り出された。被験者Ａ，Ｂ，Ｃでそれぞれ７９５，８７６，１１００サイクルの心拍が検出され、その加算平均波形を解析に用いた。なお、ＩＣＡで心拍アーチファクトとみなした成分は、Ｒ波のピーク時刻検出にのみ用い、加算平均波形の計算には観測磁場を用いた。なお、８３番目のセンサの位置を、図１６に示す（図１６の（１）の点）。
【０１６２】
次に、脳活動情報出力装置１２によるアーチファクト事前情報の取得について述べる。図１７は、心拍成分のＲ波をトリガとして観測磁場を切り出し、加算平均した値を示す図である。図１８、図１９、図２０は、図１７と同じＲ波のピーク時刻を基準に、心臓、頸動脈（左）、頸動脈（右）に配置したダイポールの推定電流を加算平均した波形である。図１８、図１９、図２０において、各ダイポールのｘ，ｙ，ｚ軸成分のそれぞれの波形を示している。観測磁場の心拍成分は、Ｒ波とＳ波の区間でインパルス状の波形を示している。推定電流波形も、これらと同じ時間区間で同様の特徴を示した。また、Ｑ波とＴ波の時間区間では、観測磁場は緩やかに変化し、推定電流も同様の変化を示した。このように観測磁場に見られる心拍成分の特徴は、推定電流の時間波形でも確認された。眼球には、角膜を正極、網膜側を負極とした定常的な電位がある（WR. Miles, "The steady polarity potential of the human eye," Proc. Natl. Acad. Sci. U. S. A., 25,1, pp.25-36, 1939. 参照）。被験者が点滅する光刺激を見ているときの頭部付近の磁場を計測し、その磁場から眼球位置に配置したダイポールの電流モーメントが推定されている。その値は約１０ｎＡｍであったことを示している（T. Katila, R. Maniewski, T. Poutanen, and T.Varpula, "Magnetic fields produced by the human eye," J. Appl. Phys., 52,2, pp. 2565-2571, 1981. 参照）。本実験の観測磁場から推定された眼球位置での電流強度を、数式１７を用いて試行毎に計算した結果，試行平均値は１．８８−８．５４ｎＡｍであり、先行研究と同じオーダーの値が推定された。
【０１６３】
追従性眼球運動遂行中のＭＥＧとＥＯＧを計測した従来の実験がある（Y. Fujiwara, O. Yamashita, D. Kawawaki, K. Doya,M. Kawato, K. Toyama, and MA. Sato, "A ierarchical Bayesian method to resolve an inverse problem of MEG contaminated with eye movement artifacts," NeuroImage, 45, 2, pp. 393-409, 2009.参照）。従来の実験において、動かす眼球の振幅角は４度，振動周波数は０．７Ｈｚであり，その実験中のＥＯＧデータから眼球アーチファクトの順モデルを求め、観測磁場を実現する電流モーメントを推定した。その推定電流の試行平均値は２１．７-３６．３ｎＡｍであった。
【０１６４】
脳活動情報出力装置１２による本実験（本実験タスク）の場合は、眼球を動かさない実験である。そのため、眼球位置で推定される電流の主な要因は固視微動（ｔｒｅｍｏｒ）に起因するものである。ｔｒｅｍｏｒの振幅角は約０．００４２度で，振動周波数は最大９０Ｈｚである。従来の実験と本実験タスクにおいて、単位時間当りの電荷の移動量（電流） の比は、４×０．７：０．００４２×９０＝１：０．１３５となる．従来の実験の結果から換算すると、本実験の場合の眼球位置での推定電流の大きさは２．９３−４．９０ｎＡｍだと推測できる。この値の大きさも、本実験で示した値のそれと一致していた。
（実験結果１）
【０１６５】
実験結果１における実験は、センサーレベルでのアーチファクト除去の実験である。本実験において、推定電流からアーチファクトの磁場を復元し、観測磁場から差し引くことによってアーチファクト除去を試みた。図２１Ａは、観測磁場とアーチファクトを除去した磁場を比較し、頭部マップ上に示した図である。アーチファクトを除去する前（黒色の線）は頭部外周部で波形が乱れている。しかし、アーチファクト除去後（灰色の線）は波形の乱れは小さい（図２１Ｃ）。また、頭部中心付近は、外側部分に比べてアーチファクトの影響が小さいと予想されるが、そのような箇所では、アーチファクト除去の前後で波形は似通っている（図２１Ｂ）。本実験において、脳活動の影響を主に反映しているセンサ位置の磁場は歪めずに、アーチファクトの影響の大きい位置でその影響を小さくすることができた。
【０１６６】
観測磁場を試行全体に渡って加算平均された観測磁場はアーチファクトの影響が抑えられている。この値（Ｂハット［Ｂの上に＾］）は、真の脳活動の試行平均値と仮定できる。単一試行の観測磁場Ｂは、アーチファクトの影響もしくは試行毎の脳活動の揺らぎによってＢハットからばらついている、と考えられる。各センサ位置での磁場のばらつきＳＤを、数式２１を用いて計算した。
【数２１】
【０１６７】
数式２１において、Ｔはサンプル数、Ｎは試行数を表す。
【０１６８】
図２２は典型的な被験者のデータから計算した指標を頭部マップ上に表示した図である。観測磁場（図２２Ａ）では、アーチファクトの影響を受けやすい頭部外周部での値が大きいが、ノイズ除去した場合（ＰＣＡ，ＩＣＡ，ｅｘｔｒａ−ｄｉｐｏｌｅ法）は、その値が小さい（図２２Ｂ，Ｃ，Ｄ）。また、頭部中心付近では、脳活動を反映した成分が観測磁場に含まれているため、ノイズ除去の前後に関わらず、ある程度大きな値が期待される。しかし、ＰＣＡ（図２２Ｂ）では、頭部中心付近の値も外周部と同様に小さい。ＰＣＡ（図２２Ｂ）では、アーチファクトだけではなく、脳活動を反映した成分も除去されている可能性がある。なお、図２２Ｄのｅｘｔｒａ−ｄｉｐｏｌｅ法は、脳活動情報出力装置１２の方法である。
【０１６９】
図２３は頭部外周部（７１個）のセンサの指標を観測値とＰＣＡ，ＩＣＡ，ｅｘｔｒａ−ｄｉｐｏｌｅ法を用いた場合で比較した図である。４種類のデータから計算した指標に対して乱塊法による１要因分散分析を行った結果、有意差がみられた（Ｆ（３，１９１４）＝４９６．６４，ｐ＜０．０００１）。多重比較（ＴｕｋｅｙのＨＳＤ検定）を行ったところ、ｅｘｔｒａ−ｄｉｐｏｌｅ法を使ってアーチファクト除去をした場合が、他の解析法に比べて指標が有意に小さかった（図２３）。つまり、脳活動情報出力装置１２のノイズ除去方法を用いることで，アーチファクトの影響のみを最も効果的に除去できた、ことを示せた。
【０１７０】
タスク遂行中の皮質電流の信号強度を、数式１７を用いて計算し、その試行平均値を皮質マップ上に示した（図２４）。被験者Ａ，Ｂ，Ｃに共通して電流強度が大きかった領域として、中心前溝（ｐｒｅｃｅｎｔｒａｌ ｃｏｒｔｅｘ）、内側上前頭回（ｍｅｄｉａｌ ｓｕｐｅｒｉｏｒ ｆｒｏｎｔａｌ ｃｏｒｔｅｘ）、頭頂間溝（ｉｎｔｒａｐａｒｉｅｔａｌ ｃｏｒｔｅｘ）、外側後頭側頭野（Ｌａｔｅｒａｌ ｏｃｃｉｐｉｔｔｏ−ｔｅｍｐｏｒａｌ ｃｏｒｔｅｘ）が挙げられる。これらの領域はそれぞれ、前頭眼野（ＦＥＦ）、補足眼野（ＳＥＦ）、頭頂眼野（ＰＥＦ）、ＭＴ／Ｖ５野といった眼球運動に関わる皮質領野である。また、これらの領域は目を動かさずに視野内の視覚対象に注意を向けるときにも同様に活動することが知られている。大きな電流活動が推定された部位は、心的な視標運動時に関係のある領域と一致していた。
（実験結果２）
【０１７１】
実験結果２における実験は、推定電流レベルでのアーチファクト除去の実験である。本実験において、観測磁場は、複数のアーチファクトと皮質の神経活動を主に反映している。その磁場を説明できる個々の電流を推定することは、アーチファクトの影響を分離した脳活動を推定することにつながる。ここで、複数のアーチファクトと皮質電流を同時に推定することにより、電流レベルで推定精度が改善しているか否かを検討する。もし、脳活動とアーチファクトの影響を良く分離できていれば、推定された皮質電流は、実際の神経活動により近いはずである。ここでは、真の皮質電流の信号強度はｆＭＲＩの信号強度と相関があると仮定し、ｆＭＲＩの活動強度（ｔ値）と推定電流の信号強度（数式１７で計算される値）の相関係数を、数式１８を用いて計算した。また、他のノイズ除去方法の結果と比較するため、ここでは、４種類の方法で皮質電流を推定した。一つ目はダイポールを皮質のみに配置し観測磁場を用いて皮質電流を推定する方法、二つ目はＰＣＡを用いてアーチファクトを除去した観測磁場から推定する方法、三つめはＩＣＡを用いてアーチファクトを除去した観測磁場から推定する方法、四つ目はダイポールを皮質表面だけではなくアーチファクト源にも配置し観測磁場を用いて電流推定を行う方法である。アーチファクト除去の精度評価には、アーチファクト源の電流分散分布ハイパーパラメータの決定には用いなかった残り２種類のデータセットを使った。推定された電流の善し悪しを調べるため、４種類の方法で求めた推定電流とｆＭＲＩの信号強度との相関係数を求め、乱塊法による１要因分散分析を行った。その結果、これらの相関係数の間に有意差がみられた（Ｆ（３，１３６８）＝５９２８．４８，ｐ＜０．０００１）。多重比較（ＴｕｋｅｙのＨＳＤ検定）を行った結果、拡張ダイポールを用いて推定した場合（脳活動情報出力装置１２による方法の場合）にもっとも相関係数が大きかった（図２５）。これは、皮質電流だけでなく、アーチファクトも同時に推定することで精度が向上したことを示している。
【０１７２】
以上、本実施の形態における脳活動情報出力装置１２によれば、脳活動とアーチファクトの振舞いを同時に予測し、ノイズ除去を行うことができる。そのため、精度の高い脳活動の情報を出力できる。
【０１７３】
また、本実施の形態によれば、脳活動とその信号を歪める複数のアーチファクト源の電流波形を同時に推定し、実データからアーチファクトの影響を分離することで脳活動由来の信号を抽出することができた。また、本実施の形態によれば、適切な事前情報を設定することで、アーチファクト成分と皮質電流をより良く推定できた。
【０１７４】
また、脳活動情報出力装置１２のアーチファクト除去の手法を用いることで、センサーレベルでのアーチファクト除去に有効であること、さらに電流推定の精度が向上することが示せた。このとき、配置したダイポールの位置は左右の眼球、心臓、左右の頸動脈付近の５箇所であることは好適である。また、そのうち、心拍成分を表現するために配置したダイポールの位置はわずか３箇所である。それにもかかわらず、効果的にアーチファクトの影響を抑えることができた。
【０１７５】
また、従来の方法（Y. Fujiwara, O. Yamashita, D. Kawawaki, K. Doya,M. Kawato, K. Toyama, and MA. Sato, "A hierarchical Bayesian method to resolve an inverse problem of MEG contaminated with eye movement artifacts," NeuroImage, 45, 2, pp. 393-409, 2009.）において、眼球位置での電流からＥＯＧへの順モデルを事前に求め、その後、観測磁場を説明できる皮質電流を推定している。しかし、この方法を用いるためには、順モデルを求めるための情報（例えば、ＥＯＧなど）を別に用意する必要がある。生体由来のアーチファクトには様々なものが想定され、それらのＭＥＧへの混入の仕方も複雑である。想定される様々なアーチファクト源の電位変化をすべて記録し、それらの順モデルを必要とする上記の手法は、複数のアーチファクトの影響を除去する手法としては現実的でない。それに対して、脳活動情報出力装置１２の手法はアーチファクト源の特性が未知であっても適用することができ、また、その数が複数でも可能である。さらに、例えば、電源ノイズのような電位変化を計測できないアーチファクトに対しても有効である。
【０１７６】
また、本実施の形態によれば、アーチファクト源や脳活動の信号強度は、それぞれ異なることを考慮し、信号強度に関する情報を事前知識として個別に設定し、電流の推定を行うことにより、より精度の高い脳活動の情報を出力できる。
【０１７７】
また、本実施の形態によれば、推定した電流からアーチファクトの磁場を復元し、計測脳信号情報から差し引くことによってアーチファクト除去を行うことができ、精度の高い脳活動の情報を出力できる。
【０１７８】
また、本実施の形態によれば、計測脳信号情報は、主として、脳磁図（ＭＥＧ）であった。ただし、計測脳信号情報は、脳波（ＥＥＧ）でも良いことは言うまでもない。
【０１７９】
さらに、本実施の形態によれば、拡張ダイポールを用いてアーチファクト除去を行い、従来の方法と比べて合理的かつ効果的にセンサーレベルでノイズ除去ができる。また、アーチファクトも含めて脳電流を推定することによって、電流レベルでのクリーニングもできる。そのため、精度の高い脳活動の情報を出力できる。
【０１８０】
なお、本実施の形態において、上述した数式の情報は、通常、当該数式を用いて演算する部、手段等が、予め保持しており、当該数式を読み出して、実行する。
【０１８１】
また、出力脳活動情報は、数式１５により算出される例を示した。しかし、出力脳活動情報は、以下に示すように算出されても良い。つまり、脳神経活動の電気的変化に伴って、頭部周辺では微弱な磁場が観測される。神経電流を位置と方向が固定されたＩｂｒａｉｎ個の電流ダイポールでモデル化し、その電流モーメントをＩｂｒａｉｎ次元ベクトルＪｂｒａｉｎで表す。また、計測される磁場には、脳活動を反映した成分だけでなく、様々なアーチファクトに起因する成分も含まれている。それらのアーチファクト源をＩａｒｔｉｆａｃｔ個のダイポールでモデル化し、その電流モーメントをＩａｒｔｉｆａｃｔ次元ベクトルＪａｒｔｉｆａｃｔで表す。時刻τでの電流ダイポールと観測磁場の関係は数式２２のように表すことができる。
【数２２】
【０１８２】
数式２２において、Ｂ（τ）はＭ個のＭＥＧセンサ上での観測磁場を表す。Ｇｂｒａｉｎは皮質に関するリードフィールド行列であり、単位電流モーメントによって発生する磁場を表す行列である。脳を囲む頭蓋内部が均一な媒質の球であると仮定すると、リードフィールドの成分はＳａｒｖａｓの式によって解析的に計算できる。ＭＥＧ信号を生成する主要な脳活動成分は錐体細胞に流れる電流であるという知見に基づき、皮質表面上に垂直な向きを持つ電流ダイポールを仮定した。アーチファクト源のダイポールに関するリードフィールド行列Ｇａｒｔｉｆａｃｔは、アーチファクト源での磁場がｘ，ｙ，ｚ方向のベクトル量として表されると考え、Ｂｉｏ−Ｓａｖａｒｔの式によって計算した。また、観測ノイズε（τ）は平均ゼロのガウス分布に従うと仮定した。
【０１８３】
さらに、本実施の形態における処理は、ソフトウェアで実現しても良い。そして、このソフトウェアをソフトウェアダウンロード等により配布しても良い。また、このソフトウェアをＣＤ−ＲＯＭなどの記録媒体に記録して流布しても良い。なお、このことは、本明細書における他の実施の形態においても該当する。なお、本実施の形態における脳活動情報出力装置を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、コンピュータを、アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、前記事前分布と前記事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報を取得し、記憶媒体に蓄積するアーチファクト事前情報決定部と、記憶媒体に格納されている計測脳信号情報と脳事前情報とを用いて、脳活動の情報である脳活動情報を推定し、取得する脳活動情報取得部と、前記計測脳信号情報と、記憶媒体に格納されている1以上のアーチファクト事前情報とを用いて、アーチファクト源の情報である１以上のアーチファクト情報を推定し、取得するアーチファクト情報取得部と、前記計測脳信号情報と前記脳活動情報と前記１以上のアーチファクト情報とを用いて、前記計測脳信号情報からアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する出力脳活動情報取得部と、前記出力脳活動情報を出力する出力部として機能させるためのプログラム、である。
【０１８４】
また、上記プログラムにおいて、前記アーチファクト事前情報決定部は、アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、前記事前分布と前記事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報の候補を取得するアーチファクト信号強度情報推定手段と、ｆＭＲＩの活動強度を格納し得るｆＭＲＩ活動強度格納手段と、前記アーチファクト信号強度情報推定手段が取得した１以上の各アーチファクト事前情報が有する１以上の信号強度を取得し、当該１以上の各信号強度と前記ｆＭＲＩの活動強度との相関に関する情報を算出し、当該相関に関する情報が最大の信号強度を有するアーチファクト事前情報を、前記アーチファクト信号強度情報推定手段が取得した１以上のアーチファクト事前情報の候補から選択し、当該選択したアーチファクト事前情報を前記アーチファクト事前情報格納部に蓄積する脳活動信号強度推定手段とを具備するように、コンピュータを、機能させるためのプログラム、であることは好適である。
【０１８５】
また、上記プログラムにおいて、前記アーチファクト情報取得部は、複数のアーチファクト源ごとに、アーチファクト情報を推定し、複数のアーチファクト情報を取得し、前記出力脳活動情報取得部は、前記計測脳信号情報と前記脳活動情報と前記複数のアーチファクト情報とを用いて、前記計測脳信号情報から複数のアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得するように、コンピュータを、機能させるためのプログラム、であることは好適である。
【０１８６】
また、上記プログラムにおいて、前記脳事前情報の強度情報と、前記１以上の各アーチファクト事前情報の各強度情報は、異なることは好適である。
【０１８７】
また、上記プログラムにおいて、前記１以上のアーチファクト事前情報は、被験者の生体に含まれるアーチファクト源に関する事前の情報である生体アーチファクト事前情報を含むことは好適である。
【０１８８】
また、上記プログラムにおいて、前記１以上のアーチファクト事前情報は、被験者の生体に含まない外部のアーチファクト源に関する事前の情報である外部アーチファクト事前情報を含むことは好適である。
【０１８９】
また、上記プログラムにおいて、前記脳事前情報は、ｆＭＲＩ強度情報を電流分散とし、当該電流分布に対する事前知識を表す事前分布であり、前記１以上の各アーチファクト事前情報は、ｆＭＲＩ強度情報と比較して大きな電流分散を用い、かつ当該電流分布に対する事前知識を表す事前分布であり、前記脳活動情報取得部は、複数のダイポール位置での電流についての情報である脳活動情報を、前記計測脳信号情報と前記脳事前情報とを用いた階層ベイズ推定を用いて推定し、取得し、前記アーチファクト情報取得部は、アーチファクト源のダイポール位置での電流についての情報である１以上のアーチファクト情報を、前記計測脳信号情報と、前記１以上のアーチファクト事前情報とを用いた階層ベイズ推定を用いて推定し、取得し、前記出力脳活動情報取得部は、前記計測脳信号情報から、前記脳活動情報のうちの脳の活動が無いと考えられる位置に配置されたダイポールに対応する脳活動情報と前記アーチファクト情報とを除く処理を行い、出力脳活動情報を取得するように、コンピュータを、機能させるためのプログラム、であることは好適である。
【０１９０】
また、上記プログラムにおいて、前記計測脳信号情報は、頭部周辺で観測された磁場に関する情報であり、前記出力脳活動情報取得部は、前記脳活動情報のうちの脳の活動が無いと考えられる位置に配置されたダイポールに対応する脳活動情報である電流の情報から磁場に関する情報である背景脳磁場情報を取得し、かつ、前記アーチファクト情報である電流の情報から磁場に関する情報であるアーチファクト磁場情報を取得し、前記計測脳信号情報から、前記背景脳磁場情報と前記アーチファクト磁場情報とを除く処理を行い、出力脳活動情報を取得するように、コンピュータを、機能させるためのプログラム、であることは好適である。
【０１９１】
さらに、上記プログラムにおいて、前記出力脳活動情報取得部が取得した出力脳活動情報と、前記計測脳信号情報とを用いて、当該出力脳活動情報におけるノイズ除去の精度に関する情報であるノイズ除去精度情報を取得するノイズ除去精度情報取得部をさらに具備し、前記出力部は、前記ノイズ除去精度情報が、予め格納されている閾値と比較して高い精度である場合のみ、前記出力脳活動情報を出力するように、コンピュータを、機能させるためのプログラム、であることは好適である。
【０１９２】
また、図２６は、本明細書で述べたプログラムを実行して、上述した実施の形態の脳活動情報出力装置等を実現するコンピュータの外観を示す。上述の実施の形態は、コンピュータハードウェア及びその上で実行されるコンピュータプログラムで実現され得る。図２６は、このコンピュータシステム３４０の概観図であり、図２７は、コンピュータシステム３４０のブロック図である。
【０１９３】
図２６において、コンピュータシステム３４０は、ＦＤドライブ３４１１、ＣＤ−ＲＯＭドライブ３４１２を含むコンピュータ３４１と、キーボード３４２と、マウス３４３と、モニタ３４４とを含む。
【０１９４】
図２７において、コンピュータ３４１は、ＦＤドライブ３４１１、ＣＤ−ＲＯＭドライブ３４１２に加えて、ＭＰＵ３４１３と、ＣＤ−ＲＯＭドライブ３４１２及びＦＤドライブ３４１１に接続されたバス３４１４と、ブートアッププログラム等のプログラムを記憶するためのＲＯＭ３４１５と、ＭＰＵ３４１３に接続され、アプリケーションプログラムの命令を一時的に記憶するとともに一時記憶空間を提供するためのＲＡＭ３４１６と、アプリケーションプログラム、システムプログラム、及びデータを記憶するためのハードディスク３４１７とを含む。ここでは、図示しないが、コンピュータ３４１は、さらに、ＬＡＮへの接続を提供するネットワークカードを含んでも良い。
【０１９５】
コンピュータシステム３４０に、上述した実施の形態の脳活動情報出力装置等の機能を実行させるプログラムは、ＣＤ−ＲＯＭ３５０１、またはＦＤ３５０２に記憶されて、ＣＤ−ＲＯＭドライブ３４１２またはＦＤドライブ３４１１に挿入され、さらにハードディスク３４１７に転送されても良い。これに代えて、プログラムは、図示しないネットワークを介してコンピュータ３４１に送信され、ハードディスク３４１７に記憶されても良い。プログラムは実行の際にＲＡＭ３４１６にロードされる。プログラムは、ＣＤ−ＲＯＭ３５０１、ＦＤ３５０２またはネットワークから直接、ロードされても良い。
【０１９６】
プログラムは、コンピュータ３４１に、上述した実施の形態の脳活動情報出力装置等の機能を実行させるオペレーティングシステム（ＯＳ）、またはサードパーティープログラム等は、必ずしも含まなくても良い。プログラムは、制御された態様で適切な機能（モジュール）を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいれば良い。コンピュータシステム３４０がどのように動作するかは周知であり、詳細な説明は省略する。
【０１９７】
また、上記プログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。
【０１９８】
また、上記各実施の形態において、各処理（各機能）は、単一の装置（システム）によって集中処理されることによって実現されてもよく、あるいは、複数の装置によって分散処理されることによって実現されてもよい。
【０１９９】
本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。
【産業上の利用可能性】
【０２００】
以上のように、本発明にかかる脳活動情報出力装置は、精度の高い脳活動の情報を出力できる、という効果を有し、脳活動情報出力装置等として有用である。
【符号の説明】
【０２０１】
１１ 脳信号計測装置
１２ 脳活動情報出力装置
１２１ 計測脳信号情報格納部
１２２ 脳事前情報格納部
１２３ アーチファクト事前情報格納部
１２４ 脳活動情報取得部
１２５ アーチファクト情報取得部
１２６ 出力脳活動情報取得部
１２７ ノイズ除去精度情報取得部
１２８ 出力部
１２９１ アーチファクト信号強度情報推定手段
１２９２ ｆＭＲＩ活動強度格納手段
１２９３ 脳活動信号強度推定手段
【技術分野】
【０００１】
本発明は、脳活動の信号である脳活動情報を出力する脳活動情報出力装置等に関するものである。
【背景技術】
【０００２】
従来、主成分分析や独立成分分析を用いた統計的な手法により、ＥＥＧまたはＭＥＧのアーチファクトを除去するアーチファクト除去の方法が提案されていた。しかし、かかる方法は、アーチファクトと同じような波形の脳活動が存在する場合、その脳活動の成分まで取り除いてしまう恐れがあり、有効な方法とは言えなかった。なお、アーチファクトとは、いわゆるノイズのことである。
【０００３】
また、アーチファクト源（眼球）にダイポールをおいて電流を推定し、それをＥＥＧから差し引くことでアーチファクト除去を行なう方法が提案されている（非特許文献１）。なお、アーチファクト源とは、いわゆるノイズ源のことである。
【０００４】
さらに、上記の問題点を解決するために、眼球と大脳皮質全体の電流を同時に推定し、眼球の電流源のみを取り除くことでアーチファクト除去を行う技術があった（非特許文献２、３）。
【先行技術文献】
【非特許文献】
【０００５】
【非特許文献１】P. Berg and M. Scherg, Electroencephalogr Clin. Neurophysiol.,79, 1, pp. 36-44 (１99１).
【非特許文献２】藤原祐介，佐藤雅昭，山下宙人，吉岡琢，川脇大，柴田智広，銅谷賢治，外山敬介，川人光男, "眼球と大脳皮質の同時電流源推定によるMEG眼球アーチファクト除去，"信学技報，NC2004-174(2005-03), pp. 31-36, 2004.
【非特許文献３】Y. Fujiwara, O. Yamashita, D. Kawawaki, K. Doya,M. Kawato, K. Toyama, and MA. Sato, "A hierarchical Bayesian method to resolve an inverse problem of MEG contaminated with eye movement artifacts,"NeuroImage, 45, 2, pp. 393-409, 2009.
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、非特許文献１における方法では、観測値にはアーチファクトだけでなく脳活動も含まれているので、必要な成分まで観測値から除いてしまう可能性があり、精度の高い脳活動情報が取得できなかった。
【０００７】
また、非特許文献２、３における従来技術において、実際の観測磁場は、眼球だけでなく、心拍や環境ノイズなど、複数のアーチファクト源から大きな影響を受けている。したがって、複数のアーチファクト源の振る舞いを同時に推定し、その影響を分離する必要がある。
【０００８】
さらに、従来技術において、適切な事前情報を設定することができず、精度高く、脳活動の情報を得ることができなかった。
【課題を解決するための手段】
【０００９】
本第一の発明の脳活動情報出力装置は、計測された脳の信号に関する情報である計測脳信号情報を格納し得る計測脳信号情報格納部と、脳活動に関する事前の情報である脳事前情報を格納し得る脳事前情報格納部と、アーチファクト源に関する事前の情報であり、信号強度に関する情報を有する１以上のアーチファクト事前情報を格納し得るアーチファクト事前情報格納部と、アーチファクト源の信号強度に関する事前分布を取得し、かつ、事前分布を用いてアーチファクト源の信号強度に関する事後分布を推定し、事前分布と事後分布との差を算出し、差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報を取得し、アーチファクト事前情報格納部に蓄積するアーチファクト事前情報決定部と、計測脳信号情報と脳事前情報とを用いて、脳活動の情報である脳活動情報を推定し、取得する脳活動情報取得部と、計測脳信号情報と、１以上のアーチファクト事前情報とを用いて、アーチファクト源の情報である１以上のアーチファクト情報を推定し、取得するアーチファクト情報取得部と、計測脳信号情報と脳活動情報と１以上のアーチファクト情報とを用いて、計測脳信号情報からアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する出力脳活動情報取得部と、出力脳活動情報を出力する出力部とを具備する脳活動情報出力装置である。
【００１０】
かかる構成により、アーチファクト源の事前情報を適切な事前情報にすることにより、極めて精度高く、脳活動の情報を出力できる。
【００１１】
また、本第二の発明の脳活動情報出力装置は、第一の発明に対して、アーチファクト事前情報決定部は、アーチファクト源の信号強度に関する事前分布を取得し、かつ、事前分布を用いてアーチファクト源の信号強度に関する事後分布を推定し、事前分布と事後分布との差を算出し、差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報の候補を取得するアーチファクト信号強度情報推定手段と、ｆＭＲＩの活動強度を格納し得るｆＭＲＩ活動強度格納手段と、アーチファクト信号強度情報推定手段が取得した１以上の各アーチファクト事前情報が有する１以上の信号強度を取得し、１以上の各信号強度とｆＭＲＩの活動強度との相関に関する情報を算出し、相関に関する情報が最大の信号強度を有するアーチファクト事前情報を、アーチファクト信号強度情報推定手段が取得した１以上のアーチファクト事前情報の候補から選択し、選択したアーチファクト事前情報をアーチファクト事前情報格納部に蓄積する脳活動信号強度推定手段とを具備する脳活動情報出力装置である。
【００１２】
かかる構成により、アーチファクト源の事前情報を適切な事前情報にすることにより、極めて精度高く、脳活動の情報を出力できる。
【００１３】
また、本第三の発明の脳活動情報出力装置は、第一または第二の発明に対して、アーチファクト事前情報格納部は、複数のアーチファクト事前情報を格納しており、アーチファクト情報取得部は、複数のアーチファクト源ごとに、アーチファクト情報を推定し、複数のアーチファクト情報を取得し、出力脳活動情報取得部は、計測脳信号情報と脳活動情報と複数のアーチファクト情報とを用いて、計測脳信号情報から複数のアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する脳活動情報出力装置である。
【００１４】
かかる構成により、複数のアーチファクト事前情報を用いて、精度高く、脳活動の情報を出力できる。
【００１５】
また、本第四の発明の脳活動情報出力装置は、第一から第三いずれかの発明に対して、脳事前情報の強度情報と、１以上の各アーチファクト事前情報の各強度情報は、異なることを特徴とする脳活動情報出力装置である。
【００１６】
かかる構成により、脳事前情報の強度情報と、1以上の各アーチファクト事前情報の各強度情報との差異を考慮した、精度の高い脳活動の情報の出力ができる。
【００１７】
また、本第五の発明の脳活動情報出力装置は、第一から第四いずれかの発明に対して、１以上のアーチファクト事前情報は、被験者の生体に含まれるアーチファクト源に関する事前の情報である生体アーチファクト事前情報を含む脳活動情報出力装置である。
【００１８】
かかる構成により、脳活動と生体に含まれるアーチファクト源の事前情報を用いて、アーチファクトの影響を取り除き、精度の高い脳活動の情報を出力できる。
【００１９】
また、本第六の発明の脳活動情報出力装置は、第五の発明に対して、１以上のアーチファクト事前情報は、被験者の生体に含まない外部のアーチファクト源に関する事前の情報である外部アーチファクト事前情報を含む脳活動情報出力装置である。
【００２０】
かかる構成により、脳活動と生体外のアーチファクト源の事前情報を用いて、アーチファクトの影響を取り除き、精度の高い脳活動の情報を出力できる。
【００２１】
また、本第七の発明の脳活動情報出力装置は、第一から第六いずれかの発明に対して、脳事前情報は、ｆＭＲＩ強度情報を電流分散とし、電流分布に対する事前知識を表す事前分布であり、１以上の各アーチファクト事前情報は、ｆＭＲＩ強度情報と比較して大きな電流分散を用い、かつ電流分布に対する事前知識を表す事前分布であり、脳活動情報取得部は、複数のダイポール位置での電流についての情報である脳活動情報を、計測脳信号情報と脳事前情報とを用いた階層ベイズ推定を用いて推定し、取得し、アーチファクト情報取得部は、アーチファクト源のダイポール位置での電流についての情報である１以上のアーチファクト情報を、計測脳信号情報と、１以上のアーチファクト事前情報とを用いた階層ベイズ推定を用いて推定し、取得し、出力脳活動情報取得部は、計測脳信号情報から、脳活動情報のうちの脳の活動が無いと考えられる位置に配置されたダイポールに対応する脳活動情報とアーチファクト情報とを除く処理を行い、出力脳活動情報を取得する脳活動情報出力装置である。
【００２２】
かかる構成により、脳活動の情報を電流レベルで推定できる。
【００２３】
また、本第八の発明の脳活動情報出力装置は、第一から第六いずれかの発明に対して、計測脳信号情報は、頭部周辺で観測された磁場に関する情報であり、出力脳活動情報取得部は、脳活動情報のうちの脳の活動が無いと考えられる位置に配置されたダイポールに対応する脳活動情報である電流の情報から磁場に関する情報である背景脳磁場情報を取得し、かつ、アーチファクト情報である電流の情報から磁場に関する情報であるアーチファクト磁場情報を取得し、計測脳信号情報から、背景脳磁場情報とアーチファクト磁場情報とを除く処理を行い、出力脳活動情報を取得する脳活動情報出力装置である。
【００２４】
かかる構成により、センサーレベルで推定できる。
【００２５】
また、本第九の発明の脳活動情報出力装置は、第一から第八いずれかの発明に対して、出力脳活動情報取得部が取得した出力脳活動情報と、計測脳信号情報とを用いて、出力脳活動情報におけるノイズ除去の精度に関する情報であるノイズ除去精度情報を取得するノイズ除去精度情報取得部をさらに具備し、出力部は、ノイズ除去精度情報が、予め格納されている閾値と比較して高い精度である場合のみ、出力脳活動情報を出力する脳活動情報出力装置である。
【００２６】
かかる構成により、一定以上の精度であることを確認した上で、脳活動の情報を出力できる。
【発明の効果】
【００２７】
本発明による脳活動情報出力装置によれば、脳活動とアーチファクト源の事前情報を用いて、アーチファクトの影響を取り除き、精度の高い脳活動の情報を出力できる。
【図面の簡単な説明】
【００２８】
【図１】実施の形態１における脳活動情報出力システムのブロック図
【図２】同脳活動情報出力装置の動作について説明するフローチャート
【図３】同脳活動情報出力装置の動作について説明するフローチャート
【図４】同事後分布取得処理の動作について説明するフローチャート
【図５】同実験で被験者に提示した視標の速度波形示す図
【図６】同全脳モデル上に配置されたダイポールを示す図
【図７】同アーチファクト事前情報の候補を示す図
【図８】同アーチファクト事前情報を示す図
【図９】同図９はハイパーパラメータを示す図
【図１０】同観測したＭＥＧデータにＰＣＡを適用したときの第一主成分の時間波形を表す図
【図１１】同第一主成分を頭部マップ上に示した図
【図１２】同観測したＭＥＧデータにＩＣＡを適用したときの独立成分の時間波形を表す図
【図１３】同観測したＭＥＧデータにＩＣＡを適用したときの独立成分の時間波形を表す図
【図１４】同独立成分を頭部マップ上に示した図
【図１５】同独立成分を頭部マップ上に示した図
【図１６】同８３番目のセンサの位置を示す図
【図１７】同心拍成分のＲ波をトリガとして観測磁場を切り出し、加算平均した値を示す図
【図１８】同Ｒ波のピーク時刻を基準に心臓に配置したダイポールの推定電流を加算平均した波形を示す図
【図１９】同Ｒ波のピーク時刻を基準に頸動脈（左）に配置したダイポールの推定電流を加算平均した波形を示す図
【図２０】同Ｒ波のピーク時刻を基準に頸動脈（右）に配置したダイポールの推定電流を加算平均した波形を示す図
【図２１】同アーチファクト除去前後でのＭＥＧ波形の比較を示す図
【図２２】同典型的な被験者のデータから計算した指標を頭部マップ上に表示した図
【図２３】同頭部外周部のセンサの指標を観測値とＰＣＡ，ＩＣＡ，ｅｘｔｒａ−ｄｉｐｏｌｅ法を用いた場合で比較した図
【図２４】同タスク遂行中の皮質電流の信号強度を計算し、その試行平均値を皮質マップ上に示した図
【図２５】同ｆＭＲＩの信号強度情報と電流強度との相関係数の比較をした図
【図２６】同コンピュータシステムの概観図
【図２７】同コンピュータシステムのブロック図
【発明を実施するための形態】
【００２９】
以下、本発明に係る脳活動情報出力装置等の実施形態について図面を参照して説明する。なお、実施の形態において同じ符号を付した構成要素は同様の動作を行うので、再度の説明を省略する場合がある。
（実施の形態１）
【００３０】
本実施の形態において、脳活動とアーチファクト源の事前情報を用いて、アーチファクトの影響を取り除き、精度の高い脳活動の情報を出力できる脳活動情報出力システムについて説明する。特に、アーチファクト源の事前情報を適切な事前情報にすることにより、極めて精度高く、脳活動の情報を出力できる脳活動情報出力システムについて説明する。
【００３１】
また、本実施の形態において、電流レベルで脳活動の情報を推定する脳活動情報出力システムについて説明する。また、本実施の形態において、アーチファクト源が複数存在する場合について説明する。また、本実施の形態において、脳事前情報とアーチファクト事前情報との信号の大きさが異なることを想定している脳活動情報出力システムについて説明する。また、アーチファクト源は、生体である眼球、心臓、筋電などであったり、ＴＶの電波などの外部のものであったりする。さらに、本実施の形態において、脳活動信号をチェックし、精度が一定以上であることを確認後、脳信号を出力について説明する。なお、アーチファクト事前情報とはノイズ事前情報と同意義である。
【００３２】
図１は、本実施の形態における脳活動情報出力システムのブロック図である。脳活動情報出力システムは、脳信号計測装置１１、脳活動情報出力装置１２を具備する。
【００３３】
脳信号計測装置１１は、脳信号を計測する装置である。脳信号計測装置１１は、例えば、脳磁計測装置である。脳磁計測装置は、脳活動に関する事象を観測する観測手段としてのブレインキャップ１１０１を含んでも良い。ブレインキャップ１１０１は、例えば、２０８チャンネルセンサを有する。ただし、ブレインキャップ１１０１のチャンネル数は問わない。なお、脳信号とは、磁場でも良いし、電流等でも良い。
【００３４】
脳活動情報出力装置１２は、計測脳信号情報格納部１２１、脳事前情報格納部１２２、アーチファクト事前情報格納部１２３、脳活動情報取得部１２４、アーチファクト情報取得部１２５、出力脳活動情報取得部１２６、ノイズ除去精度情報取得部１２７、出力部１２８、アーチファクト事前情報決定部１２９を具備する。
【００３５】
アーチファクト事前情報決定部１２９は、アーチファクト信号強度情報推定手段１２９１、ｆＭＲＩ活動強度格納手段１２９２、脳活動信号強度推定手段１２９３とを具備する。
【００３６】
脳活動情報出力装置１２は、脳信号計測装置１１が取得した脳の信号に関する情報である計測脳信号情報から、アーチファクト除去を行い、精度の高い脳活動情報を出力する装置である。
【００３７】
計測脳信号情報格納部１２１は、計測された脳の信号に関する情報である計測脳信号情報を格納し得る。計測脳信号情報は、脳磁計測装置（脳信号計測装置１１の一例）の測定結果でも良いし、当該計測結果から、低周波のドリフト除去を行った情報でも良い。また、計測脳信号情報は、ＭＥＧデータでも良いし、電流の情報でも良い。また、通常、計測脳信号情報は、複数地点（例えば、２０８チャンネル）の情報であり、計測脳信号情報格納部１２１には、複数の脳信号情報が格納されている。
【００３８】
計測脳信号情報は、例えば、被験者の脳神経活動の電気的変化に伴って、被験者の頭部周辺で観測された微弱な磁場である。例えば、神経電流を位置と方向が固定されたＮ個の電流ダイポールでモデル化し、その電流モーメントの強度をＮ次元ベクトルＪで表すＭ個のＭＥＧセンサ上での観測磁場をＭ次元ベクトルＢで表すと、次式が成り立つ。
【数１】
【００３９】
このＭ次元ベクトルＢが、計測脳信号情報の例である。また、上記のＮ次元ベクトルＪを計測脳信号情報の例としても良い。つまり、脳表面近くのＭ点での測定した磁場をＢ＝（Ｂ１，...，ＢＭ）Ｔ、脳表面上とアーチファクト源に仮定したＩ点のダイポールに流れる電流分布をＪ＝｛Ｊｉ｜ｉ＝１，...，Ｎ｝と表している。ここで、Ｇはリードフィールド行列と呼ばれ、単位電流モーメントによって発生する磁場を表す行列である。脳を囲む頭蓋内部が均一な媒質の球であると仮定すると、リードフィールドの成分はＳａｒｖａｓの式によって解析的に計算できる。ＭＥＧ信号を生成する主要な脳活動成分は錐体細胞に流れる電流であるという知見に基づき、皮質表面上に垂直な向きを持つ電流ダイポールを仮定する、とする。なお、Ｓａｒｖａｓの式は、公知の式であるので、詳細な説明は省略する。
【００４０】
計測脳信号情報格納部１２１は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。計測脳信号情報格納部１２１に計測脳信号情報が記憶される過程は問わない。例えば、記録媒体を介して計測脳信号情報が計測脳信号情報格納部１２１で記憶されるようになってもよく、脳信号計測装置１１から通信回線等を介して送信された計測脳信号情報が計測脳信号情報格納部１２１で記憶されるようになってもよく、あるいは、入力デバイスを介して入力された計測脳信号情報が計測脳信号情報格納部１２１で記憶されるようになってもよい。
【００４１】
脳事前情報格納部１２２は、脳活動に関する事前の情報である脳事前情報を格納し得る。脳事前情報は、例えば、脳の電流に対する事前分布であり、事前知識に基づいて定められる情報である。脳事前情報は、例えば、後述するＰ０（Ｊ）である。脳事前情報は、例えば、階層ベイズ推定を用いて、図示しない導出手段により導出されたものである。階層ベイズ推定では、次のようなダイポールに対する階層事前分布を取得する。また、脳事前情報は、信号の強度に関する情報である強度情報を含む。さらに、脳事前情報は、ｆＭＲＩ強度情報を電流分散とし、当該電流分布に対する事前知識を表す事前分布であっても良い。
【００４２】
以下、階層事前分布の取得方法を説明する前に、階層ベイズ推定を用いて、ダイポール位置での電流を推定する方法について説明する。
【００４３】
つまり、脳表面近くのＭ点での測定した磁場をＢ＝（Ｂ１，...，ＢＭ）Ｔ、脳表面上とアーチファクト源に仮定したＩ点のダイポールに流れる電流分布をＪ＝｛Ｊｉ｜ｉ＝１，...，Ｎ｝と表す、とする。また、階層ベイズ推定において、電流分布Ｊが与えられたときに磁場Ｂが観測される確率Ｐ（Ｂ｜Ｊ）が、数式２の正規分布に従うと仮定する。
【数２】
【００４４】
数式２において、βは観測ノイズ分散の逆数である。また、磁場Ｂを観測したときの電流Ｊの事後分布（Ｐ（Ｊ｜Ｂ））は次の数式３で表される。
【数３】
【００４５】
数式３において、Ｐ（Ｂ）は周辺尤度である。Ｐ０（Ｊ）は電流に対する事前分布であり、所定の事前知識に基づいて定められる。階層ベイズ推定では、以下の数式４から数式６のようなダイポールに対する階層事前分布が導入される。
【数４】
【数５】
【数６】
【００４６】
数式４において、Ａはその対角成分がα＝｛αｉ｜ｉ＝１，...，Ｎ｝である対角行列であり、α?１ｉがＪｉの事前電流分散に対応する。βは、ＭＥＧデータの観測ノイズ分散の逆数であり、Γ（γ）はガンマ関数である。
【００４７】
ここで、事前電流分散を表すパラメータを、以下の数式７に示すものとする。
【数７】
【００４８】
階層事前分布のパラメータであるν０ｉバー（バーは、νの上の−を有する文字を意味する）とγ０ｉはハイパーパラメータと呼ばれている。これらの値はｆＭＲＩの活動強度情報（ｔ値）、倍率のパラメータｍ０、信頼度のパラメータγ０・γ０ｉから定義されている。ν０ｉバーとγ０ｉはｆＭＲＩのｔ値に応じて設定され、背景電流分散をν０，ｂａｓｅとすると、ν０ｉバーは、数式８のように表される。なお、ハイパーパラメータは、信号の強度に関する情報である強度情報の例である。
【数８】
【００４９】
ここで、ｔｉハット（ハットは、ｔの上に＾が存在することを示す）は最大値が１となるようにｆＭＲＩのｔ値を正規化した値である。したがって、ν０ｉバーの取り得る値の範囲は、ν０，ｂａｓｅからｍ０×ν０，ｂａｓｅである。
【００５０】
背景電流分散ν０，ｂａｓｅと観測ノイズ分散ρｂａｓｅは，タスク開始前のＭＥＧ信号から最小ノルム推定を用いて推定された。事前分散は、数式５から，ρ×νｉと表される。
【００５１】
νｉバーが大きいと、電流の分散が大きくなる確率が高くなる（ｉ番目のダイポールに電流が流れやすい、という事前情報を与えることを意味する）。ハイパーパラメータγ０ｉは階層事前分布の信頼度を制御する。γ０ｉが小さいほど信頼度が低く、大きいほど信頼度が高いことを表す。
【００５２】
脳事前情報は、例えば、図示しない脳事前情報取得手段により、ｆＭＲＩ活動強度情報を数式８に代入し，ｍ０＝１００、γ０ｉ＝１００として事前分散の推定を行い、取得された情報である。なお、脳事前情報は、皮質上に配置したダイポールに対して、事前分散の推定を行い、取得された情報である。
【００５３】
脳事前情報格納部１２２は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。脳事前情報格納部１２２に脳事前情報が記憶される過程は問わない。例えば、記録媒体を介して脳事前情報が脳事前情報格納部１２２で記憶されるようになってもよく、通信回線等を介して送信された脳事前情報が脳事前情報格納部１２２で記憶されるようになってもよく、あるいは、入力デバイスを介して入力された脳事前情報が脳事前情報格納部１２２で記憶されるようになってもよい。
【００５４】
アーチファクト事前情報格納部１２３は、アーチファクト源に関する事前の情報である１以上のアーチファクト事前情報を格納し得る。アーチファクト事前情報格納部１２３は、複数のアーチファクト事前情報を格納していることは好適である。アーチファクト源とは、例えば、生体の一部である眼球の位置２箇所、頸動脈付近の左右１箇所ずつ、心臓の位置などである。眼球は、定常的に電気的な極性があり、角膜側を正電位、網膜側が負電位となっている。このため、眼球は角膜を正極、網膜側を負極としたダイポールだと考えることができる。ＭＲＩの構造画像から眼球の中心位置を決め、ダイポールを配置することは好適である。心臓の位置は、（ｘ，ｙ，ｚ）＝（?５，０，?２３）［ｃｍ］の位置程度が好適である。また、頸動脈の位置は、ＭＲＩの構造画像を参考に決定することは好適である。また、アーチファクト源とは、例えば、生体以外の外部のアーチファクト源であるテレビ、輸送物（自動車、トラック、電車等）の通過などでも良い。つまり、アーチファクト事前情報は、被験者の生体に含まれるアーチファクト源に関する事前の情報である生体アーチファクト事前情報を含む。また、アーチファクト事前情報は、被験者の生体に含まない外部のアーチファクト源に関する事前の情報である外部アーチファクト事前情報を含んでも良い。アーチファクト事前情報は、脳事前情報と同様に、例えば、階層ベイズ推定を用いて得られる情報であり、数式４から数式６のようなダイポールに対する階層事前分布である。ただし、アーチファクト事前情報と脳事前情報とは、電流分散の大きさ（信号の強度である強度情報）が異なる。例えば、各種のアーチファクト事前情報は、数式９、１０のように表される。また、アーチファクト事前情報は、強度情報を含む。また、アーチファクト事前情報は、後述するアーチファクト事前情報決定部１２９が取得した情報である。また、脳事前情報の強度情報と、１以上の各アーチファクト事前情報の各強度情報は、異なることは好適である。さらに、各アーチファクト事前情報は、ｆＭＲＩ強度情報と比較して大きな電流分散を用い、かつ当該電流分布に対する事前知識を表す事前分布であることは好適である。
【数９】
【数１０】
【００５５】
ここで，νｅｙｅバー（バーとは、νの上の−を有することを示す）、νｃａｒｄｉａｃバー、νｍａｓｔｉｃａｔｏｒｙバーはそれぞれ眼球中心、心臓位置、咀嚼筋に配置したダイポールに関するハイパーパラメータν０ｉバーである。また、γｅｙｅ、γｃａｒｄｉａｃ、γｍａｓｔｉｃａｔｏｒｙは、ハイパーパラメータγ０ｉに対して同様の値を表す。
【００５６】
なお、νｂｒａｉｎバー：νｅｙｅバー：νｃａｒｄｉａｃバー：νｍａｓｔｉｃａｔｏｒｙバーは、例えば、「１：５０：５０００：１００」などの簡易な比でも良い。
【００５７】
また、これらの事前電流分散は、例えば、図示しないアーチファクト事前情報取得手段が、観測磁場と復元磁場のあてはまりの度合（Ｇｏｏｄｎｅｓｓ−ｏｆ−ｆｉｔ，ＧｏＦ）である第一の指標、ｆＭＲＩの活動強度情報と平均電流分散の相関係数である第二の指標、の２種類の指標をもとに決定したものでも良い。
【００５８】
具体的には、ＧｏＦは数式１１により定義される量とした。
【数１１】
【００５９】
数式１１において、チャンネルｊでの計測磁場をＢｏｂｓ（ｊ）、チャンネルｊにおける復元磁場をＢｅｓｔ（ｊ）とする。Ｍはセンサ数とする。推定電流から計算される磁場（復元磁場）と観測磁場が一致しているならばＧｏＦは大きくなる（１００に近づく）。推定結果と計測結果が一致するようなハイパーパラメータを選択するための判断材料としてＧｏＦを用いた。第二の指標については、ｆＭＲＩの活動が期待される位置では、脳内での神経活動も大きくなることが期待される。そのため、ｆＭＲＩの活動強度情報と平均電流分散には対応関係があると考えられる（ふたつの相関係数が最も大きくなることが期待される）。第一の指標と第二の指標の条件をできるだけ満たすようなハイパーパラメータの組を選択することでアーチファクト源の電流強度に関する粗い情報をあらかじめ設定し、アーチファクト事前情報取得手段は、ダイポールに関する事前分散（アーチファクト事前情報）を推定し、取得するものとする。
【００６０】
アーチファクト事前情報格納部１２３は、不揮発性の記録媒体が好適であるが、揮発性の記録媒体でも実現可能である。アーチファクト事前情報格納部１２３にアーチファクト事前情報が記憶される過程は問わない。例えば、記録媒体を介してアーチファクト事前情報がアーチファクト事前情報格納部１２３で記憶されるようになってもよく、通信回線等を介して送信されたアーチファクト事前情報がアーチファクト事前情報格納部１２３で記憶されるようになってもよく、あるいは、入力デバイスを介して入力されたアーチファクト事前情報がアーチファクト事前情報格納部１２３で記憶されるようになってもよい。
【００６１】
脳活動情報取得部１２４は、計測脳信号情報格納部１２１に格納されている計測脳信号情報と、脳事前情報格納部１２２に格納されている脳事前情報とを用いて、脳活動の情報である脳活動情報を推定し、取得する。脳活動情報取得部１２４は、複数のダイポール位置での電流についての情報である脳活動情報を、計測脳信号情報（例えば、Ｂ）と脳事前情報（例えば、Ｐ０（Ｊ））とを用いた階層ベイズ推定を用いて推定し、取得することは好適である。例えば、脳活動情報取得部１２４は、上述した数式３の情報を格納しており、当該数式３を用いて、電流Ｊの事後分布（Ｐ（Ｊ｜Ｂ））を取得する。電流Ｊの事後分布（Ｐ（Ｊ｜Ｂ））は、脳活動情報である。脳活動情報取得部１２４は、通常、ＭＰＵやメモリ等から実現され得る。脳活動情報取得部１２４の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００６２】
アーチファクト情報取得部１２５は、計測脳信号情報と、１以上のアーチファクト事前情報とを用いて、アーチファクト源の情報である１以上のアーチファクト情報を推定し、取得する。アーチファクト情報取得部１２５は、複数のアーチファクト源ごとに、アーチファクト情報を推定し、複数のアーチファクト情報を取得することは好適である。アーチファクト情報取得部１２５は、アーチファクト源のダイポール位置での電流についての情報である１以上のアーチファクト情報を、計測脳信号情報と、１以上のアーチファクト事前情報とを用いた階層ベイズ推定を用いて推定し、取得することは好適である。アーチファクト情報取得部１２５は、事前情報が異なるが、脳活動情報取得部１２４と同様の動作を行う。つまり、アーチファクト情報取得部１２５は、数式３を用いて、各アーチファクト源に対応する電流Ｊの事後分布（Ｐ（Ｊ｜Ｂ））を取得する。アーチファクト情報取得部１２５は、通常、ＭＰＵやメモリ等から実現され得る。アーチファクト情報取得部１２５の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００６３】
出力脳活動情報取得部１２６は、計測脳信号情報と脳活動情報と１以上のアーチファクト情報とを用いて、計測脳信号情報からアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する。つまり、アーチファクトの影響を取り除くために、脳皮質のダイポールとアーチファクト源のダイポールの推定を同時に行うこととなる。なお、脳皮質のダイポールの推定とは、脳活動情報取得部１２４が脳活動情報を取得する処理である。アーチファクト源のダイポールの推定とは、アーチファクト情報取得部１２５が、アーチファクト源の情報である１以上のアーチファクト情報を取得する処理である。
【００６４】
また、出力脳活動情報取得部１２６は、計測脳信号情報と脳活動情報と複数のアーチファクト情報とを用いて、計測脳信号情報から複数のアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得することは好適である。
【００６５】
さらに、出力脳活動情報取得部１２６は、計測脳信号情報から、脳活動情報のうちの脳の活動が無いと考えられる位置に配置されたダイポールに対応する脳活動情報とアーチファクト情報とを除く処理を行い、出力脳活動情報を取得することは好適である。なお、脳の活動が無いと考えられる位置に配置されたダイポールの情報は、予め設定されていても良いし、ユーザが手入力により与えるなどしても良い。
【００６６】
以下、出力脳活動情報取得部１２６等の具体的な動作例について説明する。今、脳皮質とアーチファクト源のダイポールをそれぞれＪｂｒａｉｎ，Ｊｎｏｉｓｅ，リードフィールド行列をＧｂｒａｉｎ，Ｇｎｏｉｓｅ，ダイポールの事前分散をＡ?１ｂｒａｉｎ，Ａ?１ｎｏｉｓｅとすると、以下の式１２から１４を用いて、脳活動情報取得部１２４、およびアーチファクト情報取得部１２５は、それぞれ脳皮質とアーチファクト源のダイポールＪを推定する。
【数１２】
【数１３】
【数１４】
【００６７】
つまり、脳活動情報取得部１２４とアーチファクト情報取得部１２５により、階層ベイズ推定法でアーチファクト源と脳皮質のダイポールを同時に推定した後に、出力脳活動情報取得部１２６は、ｆＭＲＩの活動がない位置に配置されたダイポールのみが作る磁場を、数式１５にしたがって観測磁場Ｂから取り除き、Ｂｐｒｕｎｅｄを算出し、メモリ上に配置する。なお、観測磁場Ｂは、計測脳信号情報の一例であり、Ｂｐｒｕｎｅｄは、出力脳活動情報の一例である。
【数１５】
【００６８】
出力脳活動情報取得部１２６は、通常、ＭＰＵやメモリ等から実現され得る。出力脳活動情報取得部１２６の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００６９】
ノイズ除去精度情報取得部１２７は、出力脳活動情報取得部１２６が取得した出力脳活動情報と、計測脳信号情報とを用いて、当該出力脳活動情報におけるノイズ除去の精度に関する情報であるノイズ除去精度情報を取得する。ノイズ除去精度情報取得部１２７の具体的な処理の例は、後述する。ノイズ除去精度情報取得部１２７は、通常、ＭＰＵやメモリ等から実現され得る。ノイズ除去精度情報取得部１２７の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００７０】
出力部１２８は、出力脳活動情報を出力する。出力部１２８は、ノイズ除去精度情報が、予め格納されている閾値と比較して高い精度である場合のみ、出力脳活動情報を出力しても良い。ここで、出力とは、ディスプレイへの表示、プロジェクターを用いた投影、プリンタへの印字、音出力、外部の装置への送信、記録媒体への蓄積、他の処理装置や他のプログラム等への処理結果の引渡し等を含む概念である。出力部１２８は、ディスプレイやスピーカー等の出力デバイスを含むと考えても含まないと考えても良い。出力部１２８は、出力デバイスのドライバーソフトまたは、出力デバイスのドライバーソフトと出力デバイス等で実現され得る。
【００７１】
アーチファクト事前情報決定部１２９は、アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、事前分布と事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報を取得し、アーチファクト事前情報格納部１２３に蓄積する。
【００７２】
なお、アーチファクト事前情報決定部１２９は、アーチファクト信号強度情報推定手段１２９１と脳活動信号強度推定手段１２９３の処理により、アーチファクト事前情報を取得し、アーチファクト事前情報格納部１２３に蓄積することはさらに好適である。つまり、アーチファクト事前情報決定部１２９は、以下の２つの基準を満たすアーチファクト事前情報を取得することは好適である。第一の基準は、統計モデルの妥当性であり、第二の基準は、ｆＭＲＩと推定電流の信号強度情報との相関である。つまり、アーチファクト事前情報決定部１２９は、アーチファクト信号強度情報推定手段１２９１により、統計モデルが妥当なアーチファクト事前情報を取得する。また、アーチファクト事前情報決定部１２９は、脳活動信号強度推定手段１２９３により、ｆＭＲＩと推定電流の信号強度情報との相関性が高いアーチファクト事前情報を取得する。
【００７３】
アーチファクト信号強度情報推定手段１２９１は、アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、前記事前分布と前記事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報の候補を取得する。アーチファクト源の電流強度に関する情報（事前電流分散（上記のν０ｉバー）が妥当ならば、それに基づいて推定される電流強度（事後電流分散νｉバー）も同じになる。そのため、アーチファクト信号強度情報推定手段１２９１は、アーチファクト源を表すそれぞれのダイポールの事前分散ν０ｉバー×ρｂａｓｅと信頼度のパラメータγ０ｉを変化させて電流推定を行い、以下の数式１６に基づき、指標を計算する。そして、アーチファクト信号強度情報推定手段１２９１は、１以上のアーチファクト事前情報の候補を取得する。
【数１６】
【００７４】
数式１６において、ｉはアーチファクト源のダイポール番号、Ｏｉ，ｐｒｉは事前分散のオーダー、Ｏｉ，ｐｏｓｔは事後分散のオーダー、Ｏｉ，ｄｉｆｆは事前分散と事後分散のオーダーの差、ν０ｉバーは事前電流分散、νｉバーは事後電流分散、ρｂａｓｅは観測ノイズ分散を表す。
【００７５】
アーチファクト信号強度情報推定手段１２９１は、例えば、事前分散とγ０ｉはそれぞれ１〜１０１１ｎＡｍ２，１〜１０６の範囲で変化させ（事前分散１２種類，γ０ｉ１３種類，合計１５６通り）、階層ベイズ法の計算を行う。そして、アーチファクト信号強度情報推定手段１２９１は、例えば、Ｏｉ，ｄｉｆｆがゼロに近い値のハイパーパラメータの組合せを計算結果から選択し、アーチファクト事前情報の候補として取得する。
【００７６】
アーチファクト事前情報決定部１２９は、通常、ＭＰＵやメモリ等から実現され得る。アーチファクト事前情報決定部１２９の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００７７】
ｆＭＲＩ活動強度格納手段１２９２は、ｆＭＲＩの活動強度を格納し得る。ｆＭＲＩ活動強度格納手段１２９２は、脳事前情報格納部１２２と同様であっても良い。かかる場合、脳事前情報は、ｆＭＲＩ強度情報を電流分散とし、当該電流分布に対する事前知識を表す事前分布である。ｆＭＲＩ活動強度格納手段１２９２は、不揮発性の記録媒体が好適であるが揮発性の記録媒体でも良い。
【００７８】
脳活動信号強度推定手段１２９３は、アーチファクト信号強度情報推定手段１２９１が取得した１以上の各アーチファクト事前情報の候補が有する１以上の信号強度を取得し、当該１以上の各信号強度と前記ｆＭＲＩの活動強度との相関に関する情報を算出し、当該相関に関する情報が最大の信号強度を有するアーチファクト事前情報を、アーチファクト信号強度情報推定手段１２９１が取得した１以上のアーチファクト事前情報の候補から選択し、当該選択したアーチファクト事前情報をアーチファクト事前情報格納部１２３に蓄積する
【００７９】
さらに具体的には、脳活動信号強度推定手段１２９３は、以下の数式１７から数式１９を用いて、アーチファクト事前情報を選択する。
【数１７】
【数１８】
【数１９】
【００８０】
数式１７から数式１９は、ｆＭＲＩの活動がある位置では、脳内での神経活動も大きくなると期待されることを利用した数式である。数式１７から数式１９は、ｆＭＲＩの活動強度情報ｆｉ（ｆＭＲＩ活動強度格納手段１２９２に格納されている）と、１以上の各アーチファクト事前情報の候補が有する１以上の電流強度Ｊｎ，ｉの相関指標を算出する式である。数式１７から数式１９において、ｉは皮質のダイポール番号、ｎは試行番号、Ｔはサンプル数、Ｎは試行数を表す。脳活動信号強度推定手段１２９３は、単一試行毎に推定電流強度とｆＭＲＩ信号強度の相関係数ｃｏｒｒｎを計算する。そして、脳活動信号強度推定手段１２９３は、その平均値ｃｏｒｒを算出し、当該平均値ｃｏｒｒが最大となるアーチファクト事前情報を取得する。また、アーチファクト事前情報決定部１２９は、それぞれのダイポールに対して選んだハイパーパラメータを使い、数式１６による処理（妥当な統計モデルを選択する処理）と数式１７から数式１９による処理（ｆＭＲＩと推定電流の信号強度情報との相関性が高いものを選択する処理）を、ハイパーパラメータの値が変化しなくなるまで繰り返し、最終的なハイパーパラメータの組を決定する。そして、このハイパーパラメータの組が、例えば、アーチファクト事前情報となる。また、数式１８において、Ｉはダイポール番号の最大値（アーチファクト源の総数）である。
【００８１】
脳活動信号強度推定手段１２９３は、通常、ＭＰＵやメモリ等から実現され得る。脳活動信号強度推定手段１２９３の処理手順は、通常、ソフトウェアで実現され、当該ソフトウェアはＲＯＭ等の記録媒体に記録されている。但し、ハードウェア（専用回路）で実現しても良い。
【００８２】
次に、脳活動情報出力システムを構成する脳活動情報出力装置１２の動作について、図２のフローチャートを用いて説明する。
【００８３】
（ステップＳ２０１）脳活動情報取得部１２４は、計測脳信号情報格納部１２１から計測脳信号情報を読み出す。
【００８４】
（ステップＳ２０２）脳活動情報取得部１２４は、脳事前情報格納部１２２から脳事前情報を読み出す。
【００８５】
（ステップＳ２０３）脳活動情報取得部１２４は、予め格納している数式であり、脳活動情報等の推定のための数式を、メモリ上に読み出す。かかる数式は、例えば、階層ベイズ推定を実現するための式である。
【００８６】
（ステップＳ２０４）脳活動情報取得部１２４は、ステップＳ２０３で読み出した式に対して、ステップＳ２０１で読み出した計測脳信号情報と、ステップＳ２０２で読み出した脳事前情報を代入し、当該式を実行し、脳活動情報を取得し、メモリ上に配置する。
【００８７】
（ステップＳ２０５）アーチファクト情報取得部１２５は、カウンタｉに１を代入する。
【００８８】
（ステップＳ２０６）アーチファクト情報取得部１２５は、アーチファクト事前情報格納部１２３に、ｉ番目のアーチファクト事前情報が存在するか否かを判断する。ｉ番目のアーチファクト事前情報が存在すればステップＳ２０７に行き、存在しなければステップＳ２１０に行く。
【００８９】
（ステップＳ２０７）アーチファクト情報取得部１２５は、アーチファクト事前情報格納部１２３から、ｉ番目のアーチファクト事前情報を読み出す。
【００９０】
（ステップＳ２０８）アーチファクト情報取得部１２５は、ステップＳ２０３でメモリ上に読み出された数式に、ステップＳ２０１で読み出された計測脳信号情報と、ステップＳ２０７で読み出したアーチファクト事前情報を代入し、当該式を実行し、アーチファクト情報を取得し、メモリ上に配置する。
【００９１】
（ステップＳ２０９）アーチファクト情報取得部１２５は、カウンタｉを１、インクリメントし、ステップＳ２０６に戻る。
【００９２】
（ステップＳ２１０）出力脳活動情報取得部１２６は、ステップＳ２０４で取得された脳活動情報から、ｆＭＲＩ活動のない位置のダイポールに対する情報を取り除く。
【００９３】
（ステップＳ２１１）出力脳活動情報取得部１２６は、ステップＳ２１０で残った情報から、ステップＳ２０８で取得された１以上のアーチファクト情報を取り除く。そして、出力脳活動情報取得部１２６は、出力脳活動情報を得る。
【００９４】
（ステップＳ２１２）出力部１２８は、ステップＳ２１１で取得された出力脳活動情報を出力し、処理を終了する。
【００９５】
なお、図２のフローチャートにおいて、ステップＳ２１０、ステップＳ２１１における処理の順序、タイミングは問わない。ステップＳ２１０、ステップＳ２１１における処理は、例えば、上述した数式１５を用いて行われる。
【００９６】
また、図２のフローチャートにおいて、ノイズ除去精度情報取得部１２７の処理は行わなかった。しかし、図２のフローチャートにおいて、出力部１２８は、ノイズ除去精度情報が、予め格納されている閾値と比較して高い精度である場合のみ、出力脳活動情報を出力しても良い。
【００９７】
また、以下、脳活動情報出力装置１２が、適切なアーチファクト事前情報をアーチファクト事前情報格納部１２３に蓄積する動作について、図３のフローチャートを用いて説明する。
【００９８】
（ステップＳ３０１）アーチファクト事前情報決定部１２９は、カウンタｉに１を代入する。
【００９９】
（ステップＳ３０２）アーチファクト信号強度情報推定手段１２９１は、ｉ番目のアーチファクト源が存在するか否かを判断する。ｉ番目のアーチファクト源が存在すればステップＳ３０３に行き、存在しなければステップＳ３１２に行く。
【０１００】
（ステップＳ３０３）アーチファクト信号強度情報推定手段１２９１は、ｉ番目のアーチファクト源の信号強度に関する事前分布を、アーチファクト事前情報格納部１２３から取得する。ここで、信号強度に関する事前分布は、例えば、電流強度に関する情報（事前電流分散）である。
【０１０１】
（ステップＳ３０４）アーチファクト信号強度情報推定手段１２９１は、ステップＳ３０３で取得した事前分布を用いて、ｉ番目のアーチファクト源の信号強度に関する事後分布を、１以上取得する。ここで、事後分布は、例えば、ｉ番目のアーチファクト源の事前電流分散に基づいて推定される電流強度（事後電流分散）である。なお、この処理を、事後分布取得処理という。
【０１０２】
（ステップＳ３０５）アーチファクト信号強度情報推定手段１２９１は、カウンタｊに１を代入する。
【０１０３】
（ステップＳ３０６）アーチファクト信号強度情報推定手段１２９１は、ステップＳ３０４で取得された事後分布のうち、ｊ番目の事後分布が存在するか否かを判断する。ｊ番目の事後分布が存在すればステップＳ３０７に行き、存在しなければステップＳ３１１に行く。
【０１０４】
（ステップＳ３０７）アーチファクト信号強度情報推定手段１２９１は、ｉ番目のアーチファクト源の信号強度に関する事前分布と、ｊ番目の信号強度に関する事後分布との差を算出する。
【０１０５】
（ステップＳ３０８）アーチファクト信号強度情報推定手段１２９１は、ステップＳ３０７で算出した差が、予め決められた閾値（例えば、「０」や「０．１」など）以内であるか否かを判断する。予め決められた閾値以内であればステップＳ３０９に行き、予め決められた閾値より大きければステップＳ３１０に行く。
【０１０６】
（ステップＳ３０９）アーチファクト信号強度情報推定手段１２９１は、ｉ番目のアーチファクト源の信号強度に関する事前分布を、バッファに一時格納する。なお、ここで、アーチファクト信号強度情報推定手段１２９１は、ｉ番目のアーチファクト源の信号強度に関する事前分布と、信頼度のパラメータ（γ０ｉ）とを、バッファに一時格納することは好適である。また、ここで、ループを抜けて、ステップＳ３１１に行っても良い。また、ここでバッファに格納されたアーチファクト源の信号強度に関する事前分布は、最終的にアーチファクト事前情報格納部１２３に格納されるアーチファクト事前情報（または、その一部）の候補となる情報である。
【０１０７】
（ステップＳ３１０）アーチファクト信号強度情報推定手段１２９１は、カウンタｊを１、インクリメントする。ステップＳ３０６に戻る。
【０１０８】
（ステップＳ３１１）アーチファクト事前情報決定部１２９は、カウンタｉを１、インクリメントする。ステップＳ３０２に戻る。
【０１０９】
（ステップＳ３１２）脳活動信号強度推定手段１２９３は、カウンタｉに１を代入する。
【０１１０】
（ステップＳ３１３）脳活動信号強度推定手段１２９３は、ステップＳ３０９でバッファに格納されたアーチファクト事前情報の候補に、ｉ番目の候補が存在するか否かを判断する。ｉ番目の候補が存在すればステップＳ３１４に行き、存在しなければステップＳ３２２に行く。
【０１１１】
（ステップＳ３１４）脳活動信号強度推定手段１２９３は、カウンタｊに１を代入する。
【０１１２】
（ステップＳ３１５）脳活動信号強度推定手段１２９３は、ｊ番目の試行が存在するか否かを判断する。ｊ番目の試行が存在すればステップＳ３１６に行き、存在しなければステップＳ３２０に行く。
【０１１３】
（ステップＳ３１６）脳活動信号強度推定手段１２９３は、ｉ番目のアーチファクト事前情報の、ｊ番目の試行の信号強度（例えば、電流強度）を取得する。ここで、信号強度は、数式１７により算出される。
【０１１４】
（ステップＳ３１７）脳活動信号強度推定手段１２９３は、ｉ番目のダイポールのｆＭＲＩ信号強度を取得する。なお、本ステップはｊのループの中にあるが、ｊのループの外に出しても良い。
【０１１５】
（ステップＳ３１８）脳活動信号強度推定手段１２９３は、ｊ番目の試行の相関係数（相関に関する情報の一例）を算出し、バッファに一時格納する。相関係数は、数式１８により算出される。
【０１１６】
（ステップＳ３１９）脳活動信号強度推定手段１２９３は、カウンタｊを１、インクリメントする。ステップＳ３１５に戻る。
【０１１７】
（ステップＳ３２０）脳活動信号強度推定手段１２９３は、ステップＳ３１８において、バッファに一時格納した相関係数の平均値を算出する（数式１９参照）。そして、脳活動信号強度推定手段１２９３は、相関係数の平均値をバッファに一時格納する。
【０１１８】
（ステップＳ３２１）脳活動信号強度推定手段１２９３は、カウンタｉを１、インクリメントする。ステップＳ３１３に戻る。
【０１１９】
（ステップＳ３２２）脳活動信号強度推定手段１２９３は、ステップＳ３２０でバッファに格納した相関係数の平均値のうちで、最大の相関係数の平均値に対応するアーチファクト事前情報（事前電流分布、または事前電流分布と信頼度のパラメータ等）を取得し、バッファに一時格納する。上位処理にリターンする。
【０１２０】
また、以下、ステップＳ３０４の事後分布取得処理について、図４のフローチャートを用いて説明する。
【０１２１】
（ステップＳ４０１）アーチファクト信号強度情報推定手段１２９１は、カウンタｉに１を代入する。
【０１２２】
（ステップＳ４０２）アーチファクト信号強度情報推定手段１２９１は、ｉ番目の事前分布が存在するか否かを判断する。ｉ番目の事前分布が存在すればステップＳ４０３に行き、存在しなければ上位処理にリターンする。なお、アーチファクト信号強度情報推定手段１２９１は、例えば、事前分散を、１〜１０１１ｎＡｍ２の範囲で１２種類（ｉは１から１２まで）、変化させる。
【０１２３】
（ステップＳ４０３）アーチファクト信号強度情報推定手段１２９１は、ｉ番目の事前分布を取得する。
【０１２４】
（ステップＳ４０４）アーチファクト信号強度情報推定手段１２９１は、カウンタｊに１を代入する。
【０１２５】
（ステップＳ４０５）アーチファクト信号強度情報推定手段１２９１は、ｊ番目の信頼度が存在するか否かを判断する。ｊ番目の信頼度が存在すればステップＳ４０６に行き、存在しなければステップＳ４０９に行く。なお、アーチファクト信号強度情報推定手段１２９１は、例えば、信頼度を、１〜１０６の範囲で１３種類（ｊは１から１３まで）、変化させる。
【０１２６】
（ステップＳ４０６）アーチファクト信号強度情報推定手段１２９１は、ｊ番目の信頼度を取得する。
【０１２７】
（ステップＳ４０７）アーチファクト信号強度情報推定手段１２９１は、階層ベイズ法により、ｉ番目の事前分布とｊ番目の信頼度とを用いて、事後分散（例えば、事後電流分散）を取得する。
【０１２８】
（ステップＳ４０８）アーチファクト信号強度情報推定手段１２９１は、カウンタｊを１、インクリメントする。ステップＳ４０５に戻る。
【０１２９】
（ステップＳ４０９）アーチファクト信号強度情報推定手段１２９１は、カウンタｊを１、インクリメントする。ステップＳ４０２に戻る。
【０１３０】
以下、本実施の形態における脳活動情報出力システムを用いた実験結果について説明する。被験者は、正常な視覚を有する健常男性３名である。被験者３名（Ｘ，Ｙ，Ｚ）が、ＭＥＧ計測実験とｆＭＲＩ計測実験の両方に参加した。実験に先だって、被験者には実験内容についての説明を行い、同意を得た上で実験を行った。
【０１３１】
ＭＥＧ計測実験とは、以下のような実験である。脳信号計測装置１１は、全頭型の２０８チャンネルセンサを有する市販の脳磁計測装置である。そして、脳信号計測装置１１により、１０００ＨｚでＭＥＧデータが記録した。なお、ＭＥＧデータは、計測脳信号情報の一例であるとも考えられる。
【０１３２】
そして、実験課題として、被験者は運動する視標を、固視点を注視したまま、心的に追従する課題（ｃｏｖｅｒｔ ｐｕｒｓｕｉｔ ｔａｓｋ）を行った。視標は、正弦波を基礎として４分の１周期毎に速度が０になるとその周波数が変更されるようにした。ここで、実験で被験者に提示した視標の速度波形を、図５に示す。また、視標運動の１試行あたり平均周波数は０．５Ｈｚであり、赤色の点とした。具体的には、以下の（ａ）から（ｄ）の流れで課題を遂行した。
【０１３３】
（ａ）被験者は、準備が出来たら、タスク開始のボタンを押す。（ｂ）固視点と視標が画面中央に現れる（１０００±５００ｍｓ間待つ）。（ｃ）その後、視標が水平方向に動き始める。被験者は、固視点を見つめながら視標を心の中で追従するように指示された。視標は４０００ｍｓ間動き続けた。（ｄ）視標が消え、被験者は休憩する。そして、（ａ）から（ｄ）の流れを１試行とした。指標の運動パターンは３種類あり、それぞれ３０試行ずつランダムに提示した（３種類×３０試行＝合計９０試行）。これを１セッションとして、被験者は合計で３セッション（１セッション９０試行×３セッション＝合計２７０試行）課題を遂行した。
【０１３４】
次に、ｆＭＲＩ計測実験について説明する。ｆＭＲＩ計測には市販の１．５ＴのＭＲＩスキャナを用いた。視覚刺激は眼前から３７０ｍｍ離れた位置に設置したスクリーンに提示した。被験者は、正弦波の動きをする指標を、目を動かさずに心的に追従するテストブロックと、静止する固視点を注視しつづけるコントロールブロックを、それぞれ１５秒間ずつ繰り返した。テストブロックでは、ＭＥＧ計測実験と同じ視標を用いた。
【０１３５】
まず、最初に、脳信号計測装置１１が計測し、取得したＭＥＧデータは、リファレンスセンサの値を用いて、図示しない低周波ドリフト除去手段（脳信号計測装置１１が有する）により、低周波のドリフトの影響が除去された。次に、図示しないデータ切出手段（脳信号計測装置１１が有する）により、指標の提示時刻を基準にして−４００〜＋４０００ｍｓのデータを切り出し、これを１試行のデータとした。データ切出手段により、切り出されたＭＥＧデータの最初の４００ｍｓ間は指標が動き出す前の状態であり（ｐｒｅｔｒｉｇｇｅｒ期間）、図示しない補正手段（脳信号計測装置１１が有する）により、この期間の平均値を用いて基線補正を行った。上記の前処理をしたＭＥＧデータが、計測脳信号情報格納部１２１に格納された計測脳信号情報の例であり、上述した階層ベイズ推定により、後述する電流推定に用いられた。
【０１３６】
また、解析の際、ひとつ以上のセンサのデータが、計測可能な値の範囲の９５％以上の値をとった場合に、その試行データは除外した。また、実験中に被験者が眠ったセッションのデータも除外した。そのため、被験者Ａ，Ｂ，Ｃから計測されたデータのうち、それぞれ１６９試行（全試行の６２．５９％）、２５１試行（９２．９６％）、２６７試行（９８．８９％）のデータが解析に用いられた．
【０１３７】
ｆＭＲＩデータの解析はＳＰＭ５（Ｔｈｅ Ｗｅｌｌｃｏｍｅ Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｇｎｉｔｉｖｅ Ｎｅｕｒｏｌｏｇｙ）を用いて行われた。静止する固視点のみが提示され、それを注視している条件と、固視点を注視したままその上側で運動する指標を心の中で追従している条件での脳活動の有意差検定をｔ検定で行った。
【０１３８】
あらかじめ計測しておいた被験者のＭＲＩ構造画像をもとに、Ｂｒａｉｎ Ｖｏｙａｇｅｒ（Ｂｒａｉｎ Ｉｎｎｏｖａｔｉｏｎ）を用いて大脳表面モデルを作成した。その全脳モデル上に、その全脳モデル上にダイポールが配置された（図６の皮質上（ｃｏｒｔｅｘ）の点）。皮質表面モデル上に配置された格子点の数は、被験者Ａ，Ｂ，Ｃでそれぞれ、１３，７５５点、１３，１６０点、１２，３７０点であった。
【０１３９】
また、本実験では、主なアーチファクト源として、以下に示す理由により、眼球付近の位置２箇所、頸動脈付近の左右１箇所ずつ、心臓の位置を仮定し、それぞれの場所にダイポールを仮定した。
【０１４０】
まず、眼球は、定常的に電気的な極性があり、角膜側を正電位、網膜側が負電位となっている。このため、眼球は角膜を正極、網膜側を負極としたダイポールだと考えることができる。また、ＭＲＩの構造画像から眼球の中心位置を決め、ダイポールを配置した。
【０１４１】
また、心拍成分のＲ波をトリガ時刻として、計測したＭＥＧデータの時間軸を揃え直し，加算平均波形を求めた。
【０１４２】
そのデータを用いてムービング・ダイポール法で電流源推定を行った。前交連（ａｎｔｅｒｉｏｒ ｃｏｍｍｉｓｓｕｒｅ，ＡＣ）を原点として，前交連と後交連（ｐｏｓｔｅｒｉｏｒ ｃｏｍｍｉｓｓｕｒｅ，ＰＣ）を結ぶ線をｙ軸とする座標系を考え（ｘ軸は正中矢状面に垂直な左右方向，ｚ軸はこれらに垂直な上下方向）、探索範囲は被験者の上半身付近（ｘ＝?２０〜２０ｃｍ，ｙ＝?２０〜２０ｃｍ，ｚ＝?５０〜２０ｃｍ）とした。電流源推定の結果、心臓付近と頸部付近に推定された。その結果に基づいて、ダイポールを心臓位置に１箇所と頸動脈付近に左右１箇所ずつ配置した（図６参照）。心臓の位置は、（ｘ，ｙ，ｚ）＝（?５，０，?２３）［ｃｍ］の位置である。頸動脈の位置は、ＭＲＩの構造画像も参考に決定した。
【０１４３】
計測脳信号情報格納部１２１に格納されているＭＥＧデータから、上述した階層ベイズ推定によって電流推定を行う際、ｆＭＲＩ活動強度情報（ｔ値）を階層ベイズ推定の事前知識として用いた。つまり、脳事前情報格納部１２２には、ｆＭＲＩ活動強度情報（ｔ値）を含む脳事前情報が格納されている。脳事前情報として、ｆＭＲＩ活動強度の大きいダイポールには大きな事前分散を与え、逆に活動強度が小さければ小さい事前分散を与えた。また、皮質上に配置したダイポールに対するハイパーパラメータは、皮質に対する事前分散の倍率のパラメータ「ｍ０＝５００」、各ダイポールに対する信頼度のパラメータ「γ０ｉ＝５００）を用いた。
【０１４４】
アーチファクトの信号強度は未知である。アーチファクト源の電流分散に対するハイパーパラメータを決定するため、上述したように、二つの基準を設けた。一つは（ａ）統
計モデルの妥当性であり、もう一つは（ｂ）ｆＭＲＩと推定電流の信号強度情報との相関である。
【０１４５】
まず、第一の基準を満たすために、以下のようにした。アーチファクト源の電流強度に関する情報（事前電流分散ν０ｉバー）が妥当ならば、それに基づいて推定される電流強度（事後電流分散νｉバー）も同じになる。アーチファクト源を表すそれぞれのダイポールの事前分散ν０ｉバー×ρｂａｓｅと信頼度のパラメータγ０ｉを変化させて電流推定を行い、上述した数式１７から数式１９を用いて、指標を計算した。
【０１４６】
アーチファクト信号強度情報推定手段１２９１は、事前分散とγ０ｉはそれぞれ１〜１０１１ｎＡｍ２，１〜１０６の範囲で変化させ（事前分散１２種類，γ０ｉ１３種類，合計１５６通り）、階層ベイズ法の計算を行った。そして、アーチファクト信号強度情報推定手段１２９１は、例えば、Ｏｉ，ｄｉｆｆがゼロに近い値のハイパーパラメータの組合せを計算結果から選択し、アーチファクト事前情報の候補として取得した。その結果、アーチファクト事前情報の候補を、図７に示す線（１）上の点の集合のように得た。
【０１４７】
次に、脳活動信号強度推定手段１２９３は、以下のように動作した。つまり、脳活動信号強度推定手段１２９３は、ｆＭＲＩの活動強度情報ｆｉと電流強度Ｊｎ，ｉの相関指標を、数式１７から数式１９を用いて、算出した。これは、ｆＭＲＩの活動がある位置では、脳内での神経活動も大きくなると期待されることを用いたものである。
【０１４８】
そして、アーチファクト事前情報決定部１２９は、（ａ）統計モデルの妥当性、（ｂ）ｆＭＲＩと推定電流の信号強度情報との相関、の２つの基準を同時に満たすハイパーパラメータの組を選択した。具体的には、アーチファクト事前情報決定部１２９は、図８の黒点（１）を選んだ。
【０１４９】
そして、その後、アーチファクト事前情報決定部１２９は、それぞれのダイポールに対して選んだハイパーパラメータを使い、数式１７から数式１９の計算をやり直した。アーチファクト事前情報決定部１２９は、これらの手順をハイパーパラメータの値が変化しなくなるまで繰り返した。そして、アーチファクト事前情報決定部１２９は、最終的なハイパーパラメータの組（アーチファクト事前情報）を取得した。繰り返した回数は、被験者Ａ，Ｂ，Ｃでそれぞれ５回，３回，５回であった。つまり、アーチファクト事前情報決定部１２９は、１以上のアーチファクト事前情報の推定を、所定の条件に合致するまで繰り返すことは好適である。ここで、所定の条件とは、アーチファクト事前情報（例えば、ハイパーパラメータの値）が所定以内の変化（変化しない場合も含む）になることである。
【０１５０】
また、アーチファクト源のハイパーパラメータを変化させることが電流強度に与える影響を調べるため、数式２０を用いて計算した。
【数２０】
【０１５１】
ここで、図９はハイパーパラメータの組ごとに、数式２０を計算した値をマップとして表している。ハイパーパラメータを変化させることで、アーチファクト源の電流強度は変化する。そのことによって差し引く磁場の大きさも変化するため、ハイパーパラメータの選択がＭＥＧアーチファクト除去の性能に大きな影響を及ぼす。
【０１５２】
また、３種類の視標運動パターン遂行中のＭＥＧデータのうち、１種類を用いて、アーチファクト源のハイパーパラメータ（アーチファクト事前情報）を決定した。
【０１５３】
また、ハイパーパラメータは、推定電流とｆＭＲＩ活動強度情報との相関が高くなるように決めているため、パラメータ推定に使ったデータセットを同じデータセットに適用して、アーチファクト除去の精度を推定するのは不適切である。そこで、パラメータの決定に用いなかった残り２種類のＭＥＧデータを使って、アーチファクト除去の精度を評価した。
【０１５４】
以上により、計測脳信号情報格納部１２１、脳事前情報格納部１２２、およびアーチファクト事前情報格納部１２３に、それぞれの情報が格納された。
【０１５５】
次に、出力脳活動情報取得部１２６等は、数式１２から数式１５を用いて、上述したようなアーチファクト除去を行った。つまり、階層ベイズ推定法でアーチファクト源と大脳皮質の電流モーメントを同時に推定した後、出力脳活動情報取得部１２６は、数式１５に従って、アーチファクトのみが作る磁場を観測磁場Ｂから取り除き、Ｂｐｒｕｎｅｄを求めた。
【０１５６】
以下、従来のアーチファクト除去方法について述べる。また、従来のアーチファクト除去方法を用いた場合の実験と、脳活動情報出力装置１２によるアーチファクト除去方法を用いた場合の実験について述べる。
【０１５７】
従来のアーチファクト除去方法とは、主成分分析（ＰＣＡ）と独立成分分析（ＩＣＡ）によるアーチファクト除去である。従来方法により、計測したＭＥＧデータは、セッションと視標速度の条件毎にデータセットに分け、それぞれに対してＰＣＡとＩＣＡを適用した。
【０１５８】
まず、計測したＭＥＧデータにＰＣＡを適用し、その第一主成分が心拍波形に類似していることを目視で確認した上で、その成分を除去した。図１０は、観測したＭＥＧデータにＰＣＡを適用したときの第一主成分の時間波形を表す図である。図１１は、第一主成分を頭部マップ上に示した図である。
【０１５９】
次に、計測した２０８ｃｈのＭＥＧデータにＩｎｆｏｍａｘ ＩＣＡを適用し、２０８個の独立成分を抽出した。それらの中で、心拍波形に似た特徴や眼球付近のセンサでのみ変化がある独立成分を目視で確認した場合、それらをアーチファクトとみなした。図１２、図１３は、観測したＭＥＧデータにＩＣＡを適用したときの独立成分の時間波形を表す。図１４、図１５は、各々図１２、図１３に対応し、独立成分を頭部マップ上に示した図である。図１０から図１５は、被験者Ｂの１セッション目の一つの視標運動遂行中のＭＥＧデータにＰＣＡを適用したときの結果である。図１０、図１２、図１３では８３番目のセンサの値を示した。
【０１６０】
計測したＭＥＧデータからアーチファクトを表す独立成分を差し引き、その値をアーチファクト除去したＭＥＧデータとした。被験者Ａ，Ｂ，Ｃでそれぞれ２個，２．００±０．５０個，１．１１±０．３３個の独立成分が除去された。
【０１６１】
ＩＣＡでアーチファクトとみなした独立成分のうち、心拍アーチファクトの影響が特に大きかった８３番目のセンサ値からＲ波のピーク時刻が検出された。その時刻をトリガとして、観測磁場から−１５０〜＋４５０ｍｓの時間区間が切り出された。被験者Ａ，Ｂ，Ｃでそれぞれ７９５，８７６，１１００サイクルの心拍が検出され、その加算平均波形を解析に用いた。なお、ＩＣＡで心拍アーチファクトとみなした成分は、Ｒ波のピーク時刻検出にのみ用い、加算平均波形の計算には観測磁場を用いた。なお、８３番目のセンサの位置を、図１６に示す（図１６の（１）の点）。
【０１６２】
次に、脳活動情報出力装置１２によるアーチファクト事前情報の取得について述べる。図１７は、心拍成分のＲ波をトリガとして観測磁場を切り出し、加算平均した値を示す図である。図１８、図１９、図２０は、図１７と同じＲ波のピーク時刻を基準に、心臓、頸動脈（左）、頸動脈（右）に配置したダイポールの推定電流を加算平均した波形である。図１８、図１９、図２０において、各ダイポールのｘ，ｙ，ｚ軸成分のそれぞれの波形を示している。観測磁場の心拍成分は、Ｒ波とＳ波の区間でインパルス状の波形を示している。推定電流波形も、これらと同じ時間区間で同様の特徴を示した。また、Ｑ波とＴ波の時間区間では、観測磁場は緩やかに変化し、推定電流も同様の変化を示した。このように観測磁場に見られる心拍成分の特徴は、推定電流の時間波形でも確認された。眼球には、角膜を正極、網膜側を負極とした定常的な電位がある（WR. Miles, "The steady polarity potential of the human eye," Proc. Natl. Acad. Sci. U. S. A., 25,1, pp.25-36, 1939. 参照）。被験者が点滅する光刺激を見ているときの頭部付近の磁場を計測し、その磁場から眼球位置に配置したダイポールの電流モーメントが推定されている。その値は約１０ｎＡｍであったことを示している（T. Katila, R. Maniewski, T. Poutanen, and T.Varpula, "Magnetic fields produced by the human eye," J. Appl. Phys., 52,2, pp. 2565-2571, 1981. 参照）。本実験の観測磁場から推定された眼球位置での電流強度を、数式１７を用いて試行毎に計算した結果，試行平均値は１．８８−８．５４ｎＡｍであり、先行研究と同じオーダーの値が推定された。
【０１６３】
追従性眼球運動遂行中のＭＥＧとＥＯＧを計測した従来の実験がある（Y. Fujiwara, O. Yamashita, D. Kawawaki, K. Doya,M. Kawato, K. Toyama, and MA. Sato, "A ierarchical Bayesian method to resolve an inverse problem of MEG contaminated with eye movement artifacts," NeuroImage, 45, 2, pp. 393-409, 2009.参照）。従来の実験において、動かす眼球の振幅角は４度，振動周波数は０．７Ｈｚであり，その実験中のＥＯＧデータから眼球アーチファクトの順モデルを求め、観測磁場を実現する電流モーメントを推定した。その推定電流の試行平均値は２１．７-３６．３ｎＡｍであった。
【０１６４】
脳活動情報出力装置１２による本実験（本実験タスク）の場合は、眼球を動かさない実験である。そのため、眼球位置で推定される電流の主な要因は固視微動（ｔｒｅｍｏｒ）に起因するものである。ｔｒｅｍｏｒの振幅角は約０．００４２度で，振動周波数は最大９０Ｈｚである。従来の実験と本実験タスクにおいて、単位時間当りの電荷の移動量（電流） の比は、４×０．７：０．００４２×９０＝１：０．１３５となる．従来の実験の結果から換算すると、本実験の場合の眼球位置での推定電流の大きさは２．９３−４．９０ｎＡｍだと推測できる。この値の大きさも、本実験で示した値のそれと一致していた。
（実験結果１）
【０１６５】
実験結果１における実験は、センサーレベルでのアーチファクト除去の実験である。本実験において、推定電流からアーチファクトの磁場を復元し、観測磁場から差し引くことによってアーチファクト除去を試みた。図２１Ａは、観測磁場とアーチファクトを除去した磁場を比較し、頭部マップ上に示した図である。アーチファクトを除去する前（黒色の線）は頭部外周部で波形が乱れている。しかし、アーチファクト除去後（灰色の線）は波形の乱れは小さい（図２１Ｃ）。また、頭部中心付近は、外側部分に比べてアーチファクトの影響が小さいと予想されるが、そのような箇所では、アーチファクト除去の前後で波形は似通っている（図２１Ｂ）。本実験において、脳活動の影響を主に反映しているセンサ位置の磁場は歪めずに、アーチファクトの影響の大きい位置でその影響を小さくすることができた。
【０１６６】
観測磁場を試行全体に渡って加算平均された観測磁場はアーチファクトの影響が抑えられている。この値（Ｂハット［Ｂの上に＾］）は、真の脳活動の試行平均値と仮定できる。単一試行の観測磁場Ｂは、アーチファクトの影響もしくは試行毎の脳活動の揺らぎによってＢハットからばらついている、と考えられる。各センサ位置での磁場のばらつきＳＤを、数式２１を用いて計算した。
【数２１】
【０１６７】
数式２１において、Ｔはサンプル数、Ｎは試行数を表す。
【０１６８】
図２２は典型的な被験者のデータから計算した指標を頭部マップ上に表示した図である。観測磁場（図２２Ａ）では、アーチファクトの影響を受けやすい頭部外周部での値が大きいが、ノイズ除去した場合（ＰＣＡ，ＩＣＡ，ｅｘｔｒａ−ｄｉｐｏｌｅ法）は、その値が小さい（図２２Ｂ，Ｃ，Ｄ）。また、頭部中心付近では、脳活動を反映した成分が観測磁場に含まれているため、ノイズ除去の前後に関わらず、ある程度大きな値が期待される。しかし、ＰＣＡ（図２２Ｂ）では、頭部中心付近の値も外周部と同様に小さい。ＰＣＡ（図２２Ｂ）では、アーチファクトだけではなく、脳活動を反映した成分も除去されている可能性がある。なお、図２２Ｄのｅｘｔｒａ−ｄｉｐｏｌｅ法は、脳活動情報出力装置１２の方法である。
【０１６９】
図２３は頭部外周部（７１個）のセンサの指標を観測値とＰＣＡ，ＩＣＡ，ｅｘｔｒａ−ｄｉｐｏｌｅ法を用いた場合で比較した図である。４種類のデータから計算した指標に対して乱塊法による１要因分散分析を行った結果、有意差がみられた（Ｆ（３，１９１４）＝４９６．６４，ｐ＜０．０００１）。多重比較（ＴｕｋｅｙのＨＳＤ検定）を行ったところ、ｅｘｔｒａ−ｄｉｐｏｌｅ法を使ってアーチファクト除去をした場合が、他の解析法に比べて指標が有意に小さかった（図２３）。つまり、脳活動情報出力装置１２のノイズ除去方法を用いることで，アーチファクトの影響のみを最も効果的に除去できた、ことを示せた。
【０１７０】
タスク遂行中の皮質電流の信号強度を、数式１７を用いて計算し、その試行平均値を皮質マップ上に示した（図２４）。被験者Ａ，Ｂ，Ｃに共通して電流強度が大きかった領域として、中心前溝（ｐｒｅｃｅｎｔｒａｌ ｃｏｒｔｅｘ）、内側上前頭回（ｍｅｄｉａｌ ｓｕｐｅｒｉｏｒ ｆｒｏｎｔａｌ ｃｏｒｔｅｘ）、頭頂間溝（ｉｎｔｒａｐａｒｉｅｔａｌ ｃｏｒｔｅｘ）、外側後頭側頭野（Ｌａｔｅｒａｌ ｏｃｃｉｐｉｔｔｏ−ｔｅｍｐｏｒａｌ ｃｏｒｔｅｘ）が挙げられる。これらの領域はそれぞれ、前頭眼野（ＦＥＦ）、補足眼野（ＳＥＦ）、頭頂眼野（ＰＥＦ）、ＭＴ／Ｖ５野といった眼球運動に関わる皮質領野である。また、これらの領域は目を動かさずに視野内の視覚対象に注意を向けるときにも同様に活動することが知られている。大きな電流活動が推定された部位は、心的な視標運動時に関係のある領域と一致していた。
（実験結果２）
【０１７１】
実験結果２における実験は、推定電流レベルでのアーチファクト除去の実験である。本実験において、観測磁場は、複数のアーチファクトと皮質の神経活動を主に反映している。その磁場を説明できる個々の電流を推定することは、アーチファクトの影響を分離した脳活動を推定することにつながる。ここで、複数のアーチファクトと皮質電流を同時に推定することにより、電流レベルで推定精度が改善しているか否かを検討する。もし、脳活動とアーチファクトの影響を良く分離できていれば、推定された皮質電流は、実際の神経活動により近いはずである。ここでは、真の皮質電流の信号強度はｆＭＲＩの信号強度と相関があると仮定し、ｆＭＲＩの活動強度（ｔ値）と推定電流の信号強度（数式１７で計算される値）の相関係数を、数式１８を用いて計算した。また、他のノイズ除去方法の結果と比較するため、ここでは、４種類の方法で皮質電流を推定した。一つ目はダイポールを皮質のみに配置し観測磁場を用いて皮質電流を推定する方法、二つ目はＰＣＡを用いてアーチファクトを除去した観測磁場から推定する方法、三つめはＩＣＡを用いてアーチファクトを除去した観測磁場から推定する方法、四つ目はダイポールを皮質表面だけではなくアーチファクト源にも配置し観測磁場を用いて電流推定を行う方法である。アーチファクト除去の精度評価には、アーチファクト源の電流分散分布ハイパーパラメータの決定には用いなかった残り２種類のデータセットを使った。推定された電流の善し悪しを調べるため、４種類の方法で求めた推定電流とｆＭＲＩの信号強度との相関係数を求め、乱塊法による１要因分散分析を行った。その結果、これらの相関係数の間に有意差がみられた（Ｆ（３，１３６８）＝５９２８．４８，ｐ＜０．０００１）。多重比較（ＴｕｋｅｙのＨＳＤ検定）を行った結果、拡張ダイポールを用いて推定した場合（脳活動情報出力装置１２による方法の場合）にもっとも相関係数が大きかった（図２５）。これは、皮質電流だけでなく、アーチファクトも同時に推定することで精度が向上したことを示している。
【０１７２】
以上、本実施の形態における脳活動情報出力装置１２によれば、脳活動とアーチファクトの振舞いを同時に予測し、ノイズ除去を行うことができる。そのため、精度の高い脳活動の情報を出力できる。
【０１７３】
また、本実施の形態によれば、脳活動とその信号を歪める複数のアーチファクト源の電流波形を同時に推定し、実データからアーチファクトの影響を分離することで脳活動由来の信号を抽出することができた。また、本実施の形態によれば、適切な事前情報を設定することで、アーチファクト成分と皮質電流をより良く推定できた。
【０１７４】
また、脳活動情報出力装置１２のアーチファクト除去の手法を用いることで、センサーレベルでのアーチファクト除去に有効であること、さらに電流推定の精度が向上することが示せた。このとき、配置したダイポールの位置は左右の眼球、心臓、左右の頸動脈付近の５箇所であることは好適である。また、そのうち、心拍成分を表現するために配置したダイポールの位置はわずか３箇所である。それにもかかわらず、効果的にアーチファクトの影響を抑えることができた。
【０１７５】
また、従来の方法（Y. Fujiwara, O. Yamashita, D. Kawawaki, K. Doya,M. Kawato, K. Toyama, and MA. Sato, "A hierarchical Bayesian method to resolve an inverse problem of MEG contaminated with eye movement artifacts," NeuroImage, 45, 2, pp. 393-409, 2009.）において、眼球位置での電流からＥＯＧへの順モデルを事前に求め、その後、観測磁場を説明できる皮質電流を推定している。しかし、この方法を用いるためには、順モデルを求めるための情報（例えば、ＥＯＧなど）を別に用意する必要がある。生体由来のアーチファクトには様々なものが想定され、それらのＭＥＧへの混入の仕方も複雑である。想定される様々なアーチファクト源の電位変化をすべて記録し、それらの順モデルを必要とする上記の手法は、複数のアーチファクトの影響を除去する手法としては現実的でない。それに対して、脳活動情報出力装置１２の手法はアーチファクト源の特性が未知であっても適用することができ、また、その数が複数でも可能である。さらに、例えば、電源ノイズのような電位変化を計測できないアーチファクトに対しても有効である。
【０１７６】
また、本実施の形態によれば、アーチファクト源や脳活動の信号強度は、それぞれ異なることを考慮し、信号強度に関する情報を事前知識として個別に設定し、電流の推定を行うことにより、より精度の高い脳活動の情報を出力できる。
【０１７７】
また、本実施の形態によれば、推定した電流からアーチファクトの磁場を復元し、計測脳信号情報から差し引くことによってアーチファクト除去を行うことができ、精度の高い脳活動の情報を出力できる。
【０１７８】
また、本実施の形態によれば、計測脳信号情報は、主として、脳磁図（ＭＥＧ）であった。ただし、計測脳信号情報は、脳波（ＥＥＧ）でも良いことは言うまでもない。
【０１７９】
さらに、本実施の形態によれば、拡張ダイポールを用いてアーチファクト除去を行い、従来の方法と比べて合理的かつ効果的にセンサーレベルでノイズ除去ができる。また、アーチファクトも含めて脳電流を推定することによって、電流レベルでのクリーニングもできる。そのため、精度の高い脳活動の情報を出力できる。
【０１８０】
なお、本実施の形態において、上述した数式の情報は、通常、当該数式を用いて演算する部、手段等が、予め保持しており、当該数式を読み出して、実行する。
【０１８１】
また、出力脳活動情報は、数式１５により算出される例を示した。しかし、出力脳活動情報は、以下に示すように算出されても良い。つまり、脳神経活動の電気的変化に伴って、頭部周辺では微弱な磁場が観測される。神経電流を位置と方向が固定されたＩｂｒａｉｎ個の電流ダイポールでモデル化し、その電流モーメントをＩｂｒａｉｎ次元ベクトルＪｂｒａｉｎで表す。また、計測される磁場には、脳活動を反映した成分だけでなく、様々なアーチファクトに起因する成分も含まれている。それらのアーチファクト源をＩａｒｔｉｆａｃｔ個のダイポールでモデル化し、その電流モーメントをＩａｒｔｉｆａｃｔ次元ベクトルＪａｒｔｉｆａｃｔで表す。時刻τでの電流ダイポールと観測磁場の関係は数式２２のように表すことができる。
【数２２】
【０１８２】
数式２２において、Ｂ（τ）はＭ個のＭＥＧセンサ上での観測磁場を表す。Ｇｂｒａｉｎは皮質に関するリードフィールド行列であり、単位電流モーメントによって発生する磁場を表す行列である。脳を囲む頭蓋内部が均一な媒質の球であると仮定すると、リードフィールドの成分はＳａｒｖａｓの式によって解析的に計算できる。ＭＥＧ信号を生成する主要な脳活動成分は錐体細胞に流れる電流であるという知見に基づき、皮質表面上に垂直な向きを持つ電流ダイポールを仮定した。アーチファクト源のダイポールに関するリードフィールド行列Ｇａｒｔｉｆａｃｔは、アーチファクト源での磁場がｘ，ｙ，ｚ方向のベクトル量として表されると考え、Ｂｉｏ−Ｓａｖａｒｔの式によって計算した。また、観測ノイズε（τ）は平均ゼロのガウス分布に従うと仮定した。
【０１８３】
さらに、本実施の形態における処理は、ソフトウェアで実現しても良い。そして、このソフトウェアをソフトウェアダウンロード等により配布しても良い。また、このソフトウェアをＣＤ−ＲＯＭなどの記録媒体に記録して流布しても良い。なお、このことは、本明細書における他の実施の形態においても該当する。なお、本実施の形態における脳活動情報出力装置を実現するソフトウェアは、以下のようなプログラムである。つまり、このプログラムは、コンピュータを、アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、前記事前分布と前記事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報を取得し、記憶媒体に蓄積するアーチファクト事前情報決定部と、記憶媒体に格納されている計測脳信号情報と脳事前情報とを用いて、脳活動の情報である脳活動情報を推定し、取得する脳活動情報取得部と、前記計測脳信号情報と、記憶媒体に格納されている1以上のアーチファクト事前情報とを用いて、アーチファクト源の情報である１以上のアーチファクト情報を推定し、取得するアーチファクト情報取得部と、前記計測脳信号情報と前記脳活動情報と前記１以上のアーチファクト情報とを用いて、前記計測脳信号情報からアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する出力脳活動情報取得部と、前記出力脳活動情報を出力する出力部として機能させるためのプログラム、である。
【０１８４】
また、上記プログラムにおいて、前記アーチファクト事前情報決定部は、アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、前記事前分布と前記事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報の候補を取得するアーチファクト信号強度情報推定手段と、ｆＭＲＩの活動強度を格納し得るｆＭＲＩ活動強度格納手段と、前記アーチファクト信号強度情報推定手段が取得した１以上の各アーチファクト事前情報が有する１以上の信号強度を取得し、当該１以上の各信号強度と前記ｆＭＲＩの活動強度との相関に関する情報を算出し、当該相関に関する情報が最大の信号強度を有するアーチファクト事前情報を、前記アーチファクト信号強度情報推定手段が取得した１以上のアーチファクト事前情報の候補から選択し、当該選択したアーチファクト事前情報を前記アーチファクト事前情報格納部に蓄積する脳活動信号強度推定手段とを具備するように、コンピュータを、機能させるためのプログラム、であることは好適である。
【０１８５】
また、上記プログラムにおいて、前記アーチファクト情報取得部は、複数のアーチファクト源ごとに、アーチファクト情報を推定し、複数のアーチファクト情報を取得し、前記出力脳活動情報取得部は、前記計測脳信号情報と前記脳活動情報と前記複数のアーチファクト情報とを用いて、前記計測脳信号情報から複数のアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得するように、コンピュータを、機能させるためのプログラム、であることは好適である。
【０１８６】
また、上記プログラムにおいて、前記脳事前情報の強度情報と、前記１以上の各アーチファクト事前情報の各強度情報は、異なることは好適である。
【０１８７】
また、上記プログラムにおいて、前記１以上のアーチファクト事前情報は、被験者の生体に含まれるアーチファクト源に関する事前の情報である生体アーチファクト事前情報を含むことは好適である。
【０１８８】
また、上記プログラムにおいて、前記１以上のアーチファクト事前情報は、被験者の生体に含まない外部のアーチファクト源に関する事前の情報である外部アーチファクト事前情報を含むことは好適である。
【０１８９】
また、上記プログラムにおいて、前記脳事前情報は、ｆＭＲＩ強度情報を電流分散とし、当該電流分布に対する事前知識を表す事前分布であり、前記１以上の各アーチファクト事前情報は、ｆＭＲＩ強度情報と比較して大きな電流分散を用い、かつ当該電流分布に対する事前知識を表す事前分布であり、前記脳活動情報取得部は、複数のダイポール位置での電流についての情報である脳活動情報を、前記計測脳信号情報と前記脳事前情報とを用いた階層ベイズ推定を用いて推定し、取得し、前記アーチファクト情報取得部は、アーチファクト源のダイポール位置での電流についての情報である１以上のアーチファクト情報を、前記計測脳信号情報と、前記１以上のアーチファクト事前情報とを用いた階層ベイズ推定を用いて推定し、取得し、前記出力脳活動情報取得部は、前記計測脳信号情報から、前記脳活動情報のうちの脳の活動が無いと考えられる位置に配置されたダイポールに対応する脳活動情報と前記アーチファクト情報とを除く処理を行い、出力脳活動情報を取得するように、コンピュータを、機能させるためのプログラム、であることは好適である。
【０１９０】
また、上記プログラムにおいて、前記計測脳信号情報は、頭部周辺で観測された磁場に関する情報であり、前記出力脳活動情報取得部は、前記脳活動情報のうちの脳の活動が無いと考えられる位置に配置されたダイポールに対応する脳活動情報である電流の情報から磁場に関する情報である背景脳磁場情報を取得し、かつ、前記アーチファクト情報である電流の情報から磁場に関する情報であるアーチファクト磁場情報を取得し、前記計測脳信号情報から、前記背景脳磁場情報と前記アーチファクト磁場情報とを除く処理を行い、出力脳活動情報を取得するように、コンピュータを、機能させるためのプログラム、であることは好適である。
【０１９１】
さらに、上記プログラムにおいて、前記出力脳活動情報取得部が取得した出力脳活動情報と、前記計測脳信号情報とを用いて、当該出力脳活動情報におけるノイズ除去の精度に関する情報であるノイズ除去精度情報を取得するノイズ除去精度情報取得部をさらに具備し、前記出力部は、前記ノイズ除去精度情報が、予め格納されている閾値と比較して高い精度である場合のみ、前記出力脳活動情報を出力するように、コンピュータを、機能させるためのプログラム、であることは好適である。
【０１９２】
また、図２６は、本明細書で述べたプログラムを実行して、上述した実施の形態の脳活動情報出力装置等を実現するコンピュータの外観を示す。上述の実施の形態は、コンピュータハードウェア及びその上で実行されるコンピュータプログラムで実現され得る。図２６は、このコンピュータシステム３４０の概観図であり、図２７は、コンピュータシステム３４０のブロック図である。
【０１９３】
図２６において、コンピュータシステム３４０は、ＦＤドライブ３４１１、ＣＤ−ＲＯＭドライブ３４１２を含むコンピュータ３４１と、キーボード３４２と、マウス３４３と、モニタ３４４とを含む。
【０１９４】
図２７において、コンピュータ３４１は、ＦＤドライブ３４１１、ＣＤ−ＲＯＭドライブ３４１２に加えて、ＭＰＵ３４１３と、ＣＤ−ＲＯＭドライブ３４１２及びＦＤドライブ３４１１に接続されたバス３４１４と、ブートアッププログラム等のプログラムを記憶するためのＲＯＭ３４１５と、ＭＰＵ３４１３に接続され、アプリケーションプログラムの命令を一時的に記憶するとともに一時記憶空間を提供するためのＲＡＭ３４１６と、アプリケーションプログラム、システムプログラム、及びデータを記憶するためのハードディスク３４１７とを含む。ここでは、図示しないが、コンピュータ３４１は、さらに、ＬＡＮへの接続を提供するネットワークカードを含んでも良い。
【０１９５】
コンピュータシステム３４０に、上述した実施の形態の脳活動情報出力装置等の機能を実行させるプログラムは、ＣＤ−ＲＯＭ３５０１、またはＦＤ３５０２に記憶されて、ＣＤ−ＲＯＭドライブ３４１２またはＦＤドライブ３４１１に挿入され、さらにハードディスク３４１７に転送されても良い。これに代えて、プログラムは、図示しないネットワークを介してコンピュータ３４１に送信され、ハードディスク３４１７に記憶されても良い。プログラムは実行の際にＲＡＭ３４１６にロードされる。プログラムは、ＣＤ−ＲＯＭ３５０１、ＦＤ３５０２またはネットワークから直接、ロードされても良い。
【０１９６】
プログラムは、コンピュータ３４１に、上述した実施の形態の脳活動情報出力装置等の機能を実行させるオペレーティングシステム（ＯＳ）、またはサードパーティープログラム等は、必ずしも含まなくても良い。プログラムは、制御された態様で適切な機能（モジュール）を呼び出し、所望の結果が得られるようにする命令の部分のみを含んでいれば良い。コンピュータシステム３４０がどのように動作するかは周知であり、詳細な説明は省略する。
【０１９７】
また、上記プログラムを実行するコンピュータは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、あるいは分散処理を行ってもよい。
【０１９８】
また、上記各実施の形態において、各処理（各機能）は、単一の装置（システム）によって集中処理されることによって実現されてもよく、あるいは、複数の装置によって分散処理されることによって実現されてもよい。
【０１９９】
本発明は、以上の実施の形態に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含されるものであることは言うまでもない。
【産業上の利用可能性】
【０２００】
以上のように、本発明にかかる脳活動情報出力装置は、精度の高い脳活動の情報を出力できる、という効果を有し、脳活動情報出力装置等として有用である。
【符号の説明】
【０２０１】
１１ 脳信号計測装置
１２ 脳活動情報出力装置
１２１ 計測脳信号情報格納部
１２２ 脳事前情報格納部
１２３ アーチファクト事前情報格納部
１２４ 脳活動情報取得部
１２５ アーチファクト情報取得部
１２６ 出力脳活動情報取得部
１２７ ノイズ除去精度情報取得部
１２８ 出力部
１２９１ アーチファクト信号強度情報推定手段
１２９２ ｆＭＲＩ活動強度格納手段
１２９３ 脳活動信号強度推定手段
【特許請求の範囲】
【請求項１】
計測された脳の信号に関する情報である計測脳信号情報を格納し得る計測脳信号情報格納部と、
脳活動に関する事前の情報である脳事前情報を格納し得る脳事前情報格納部と、
アーチファクト源に関する事前の情報であり、信号強度に関する情報を有する１以上のアーチファクト事前情報を格納し得るアーチファクト事前情報格納部と、
アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、前記事前分布と前記事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報を取得し、前記アーチファクト事前情報格納部に蓄積するアーチファクト事前情報決定部と、
前記計測脳信号情報と前記脳事前情報とを用いて、脳活動の情報である脳活動情報を推定し、取得する脳活動情報取得部と、
前記計測脳信号情報と、前記１以上のアーチファクト事前情報とを用いて、アーチファクト源の情報である１以上のアーチファクト情報を推定し、取得するアーチファクト情報取得部と、
前記計測脳信号情報と前記脳活動情報と前記１以上のアーチファクト情報とを用いて、前記計測脳信号情報からアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する出力脳活動情報取得部と、
前記出力脳活動情報を出力する出力部とを具備する脳活動情報出力装置。
【請求項２】
前記アーチファクト事前情報決定部は、
アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、前記事前分布と前記事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報の候補を取得するアーチファクト信号強度情報推定手段と、
ｆＭＲＩの活動強度を格納し得るｆＭＲＩ活動強度格納手段と、
前記アーチファクト信号強度情報推定手段が取得した１以上の各アーチファクト事前情報が有する１以上の信号強度を取得し、当該１以上の各信号強度と前記ｆＭＲＩの活動強度との相関に関する情報を算出し、当該相関に関する情報が最大の信号強度を有するアーチファクト事前情報を、前記アーチファクト信号強度情報推定手段が取得した１以上のアーチファクト事前情報の候補から選択し、当該選択したアーチファクト事前情報を前記アーチファクト事前情報格納部に蓄積する脳活動信号強度推定手段とを具備する請求項１記載の脳活動情報出力装置。
【請求項３】
前記アーチファクト事前情報格納部は、
複数のアーチファクト事前情報を格納しており、
前記アーチファクト情報取得部は、
複数のアーチファクト源ごとに、アーチファクト情報を推定し、複数のアーチファクト情報を取得し、
前記出力脳活動情報取得部は、
前記計測脳信号情報と前記脳活動情報と前記複数のアーチファクト情報とを用いて、前記計測脳信号情報から複数のアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する請求項１または請求項２記載の脳活動情報出力装置。
【請求項４】
前記脳事前情報の強度情報と、前記１以上の各アーチファクト事前情報の各強度情報は、異なることを特徴とする請求項１から請求項３いずれか記載の脳活動情報出力装置。
【請求項５】
前記１以上のアーチファクト事前情報は、
被験者の生体に含まれるアーチファクト源に関する事前の情報である生体アーチファクト事前情報を含む請求項１から請求項４いずれか記載の脳活動情報出力装置。
【請求項６】
前記１以上のアーチファクト事前情報は、
被験者の生体に含まない外部のアーチファクト源に関する事前の情報である外部アーチファクト事前情報を含む請求項５記載の脳活動情報出力装置。
【請求項７】
前記脳事前情報は、
ｆＭＲＩ強度情報を電流分散とし、当該電流分布に対する事前知識を表す事前分布であり、
前記１以上の各アーチファクト事前情報は、
ｆＭＲＩ強度情報と比較して大きな電流分散を用い、かつ当該電流分布に対する事前知識を表す事前分布であり、
前記脳活動情報取得部は、
複数のダイポール位置での電流についての情報である脳活動情報を、前記計測脳信号情報と前記脳事前情報とを用いた階層ベイズ推定を用いて推定し、取得し、
前記アーチファクト情報取得部は、
アーチファクト源のダイポール位置での電流についての情報である１以上のアーチファクト情報を、前記計測脳信号情報と、前記１以上のアーチファクト事前情報とを用いた階層ベイズ推定を用いて推定し、取得し、
前記出力脳活動情報取得部は、
前記計測脳信号情報から、前記脳活動情報のうちの脳の活動が無いと考えられる位置に配置されたダイポールに対応する脳活動情報と前記アーチファクト情報とを除く処理を行い、出力脳活動情報を取得する請求項１から請求項６いずれか記載の脳活動情報出力装置。
【請求項８】
前記計測脳信号情報は、
頭部周辺で観測された磁場に関する情報であり、
前記出力脳活動情報取得部は、
前記脳活動情報のうちの脳の活動が無いと考えられる位置に配置されたダイポールに対応する脳活動情報である電流の情報から磁場に関する情報である背景脳磁場情報を取得し、かつ、前記アーチファクト情報である電流の情報から磁場に関する情報であるアーチファクト磁場情報を取得し、
前記計測脳信号情報から、前記背景脳磁場情報と前記アーチファクト磁場情報とを除く処理を行い、出力脳活動情報を取得する請求項１から請求項６いずれか記載の脳活動情報出力装置。
【請求項９】
前記出力脳活動情報取得部が取得した出力脳活動情報と、前記計測脳信号情報とを用いて、当該出力脳活動情報におけるノイズ除去の精度に関する情報であるノイズ除去精度情報を取得するノイズ除去精度情報取得部をさらに具備し、
前記出力部は、
前記ノイズ除去精度情報が、予め格納されている閾値と比較して高い精度である場合のみ、前記出力脳活動情報を出力する請求項１から請求項８いずれか記載の脳活動情報出力装置。
【請求項１０】
アーチファクト事前情報決定部、脳活動情報取得部、アーチファクト情報取得部、出力脳活動情報取得部、および出力部により実現される脳活動情報出力方法であって、
前記アーチファクト事前情報決定部により、アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、前記事前分布と前記事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報を取得し、記憶媒体に蓄積するアーチファクト事前情報決定ステップと、
前記脳活動情報取得部により、記憶媒体に格納されている計測脳信号情報と脳事前情報とを用いて、脳活動の情報である脳活動情報を推定し、取得する脳活動情報取得ステップと、
前記アーチファクト情報取得部により、前記計測脳信号情報と、前記記憶媒体に格納されている１以上のアーチファクト事前情報とを用いて、アーチファクト源の情報である１以上のアーチファクト情報を推定し、取得するアーチファクト情報取得ステップと、
前記出力脳活動情報取得部により、前記計測脳信号情報と前記脳活動情報と前記１以上のアーチファクト情報とを用いて、前記計測脳信号情報からアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する出力脳活動情報取得ステップと、
前記出力部により、前記出力脳活動情報を出力する出力ステップとを具備する脳活動情報出力方法。
【請求項１１】
コンピュータを、
アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、前記事前分布と前記事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報を取得し、記憶媒体に蓄積するアーチファクト事前情報決定部と、
記憶媒体に格納されている計測脳信号情報と脳事前情報とを用いて、脳活動の情報である脳活動情報を推定し、取得する脳活動情報取得部と、
前記計測脳信号情報と、記憶媒体に格納されている１以上のアーチファクト事前情報とを用いて、アーチファクト源の情報である１以上のアーチファクト情報を推定し、取得するアーチファクト情報取得部と、
前記計測脳信号情報と前記脳活動情報と前記１以上のアーチファクト情報とを用いて、前記計測脳信号情報からアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する出力脳活動情報取得部と、
前記出力脳活動情報を出力する出力部として機能させるためのプログラム。
【請求項１】
計測された脳の信号に関する情報である計測脳信号情報を格納し得る計測脳信号情報格納部と、
脳活動に関する事前の情報である脳事前情報を格納し得る脳事前情報格納部と、
アーチファクト源に関する事前の情報であり、信号強度に関する情報を有する１以上のアーチファクト事前情報を格納し得るアーチファクト事前情報格納部と、
アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、前記事前分布と前記事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報を取得し、前記アーチファクト事前情報格納部に蓄積するアーチファクト事前情報決定部と、
前記計測脳信号情報と前記脳事前情報とを用いて、脳活動の情報である脳活動情報を推定し、取得する脳活動情報取得部と、
前記計測脳信号情報と、前記１以上のアーチファクト事前情報とを用いて、アーチファクト源の情報である１以上のアーチファクト情報を推定し、取得するアーチファクト情報取得部と、
前記計測脳信号情報と前記脳活動情報と前記１以上のアーチファクト情報とを用いて、前記計測脳信号情報からアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する出力脳活動情報取得部と、
前記出力脳活動情報を出力する出力部とを具備する脳活動情報出力装置。
【請求項２】
前記アーチファクト事前情報決定部は、
アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、前記事前分布と前記事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報の候補を取得するアーチファクト信号強度情報推定手段と、
ｆＭＲＩの活動強度を格納し得るｆＭＲＩ活動強度格納手段と、
前記アーチファクト信号強度情報推定手段が取得した１以上の各アーチファクト事前情報が有する１以上の信号強度を取得し、当該１以上の各信号強度と前記ｆＭＲＩの活動強度との相関に関する情報を算出し、当該相関に関する情報が最大の信号強度を有するアーチファクト事前情報を、前記アーチファクト信号強度情報推定手段が取得した１以上のアーチファクト事前情報の候補から選択し、当該選択したアーチファクト事前情報を前記アーチファクト事前情報格納部に蓄積する脳活動信号強度推定手段とを具備する請求項１記載の脳活動情報出力装置。
【請求項３】
前記アーチファクト事前情報格納部は、
複数のアーチファクト事前情報を格納しており、
前記アーチファクト情報取得部は、
複数のアーチファクト源ごとに、アーチファクト情報を推定し、複数のアーチファクト情報を取得し、
前記出力脳活動情報取得部は、
前記計測脳信号情報と前記脳活動情報と前記複数のアーチファクト情報とを用いて、前記計測脳信号情報から複数のアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する請求項１または請求項２記載の脳活動情報出力装置。
【請求項４】
前記脳事前情報の強度情報と、前記１以上の各アーチファクト事前情報の各強度情報は、異なることを特徴とする請求項１から請求項３いずれか記載の脳活動情報出力装置。
【請求項５】
前記１以上のアーチファクト事前情報は、
被験者の生体に含まれるアーチファクト源に関する事前の情報である生体アーチファクト事前情報を含む請求項１から請求項４いずれか記載の脳活動情報出力装置。
【請求項６】
前記１以上のアーチファクト事前情報は、
被験者の生体に含まない外部のアーチファクト源に関する事前の情報である外部アーチファクト事前情報を含む請求項５記載の脳活動情報出力装置。
【請求項７】
前記脳事前情報は、
ｆＭＲＩ強度情報を電流分散とし、当該電流分布に対する事前知識を表す事前分布であり、
前記１以上の各アーチファクト事前情報は、
ｆＭＲＩ強度情報と比較して大きな電流分散を用い、かつ当該電流分布に対する事前知識を表す事前分布であり、
前記脳活動情報取得部は、
複数のダイポール位置での電流についての情報である脳活動情報を、前記計測脳信号情報と前記脳事前情報とを用いた階層ベイズ推定を用いて推定し、取得し、
前記アーチファクト情報取得部は、
アーチファクト源のダイポール位置での電流についての情報である１以上のアーチファクト情報を、前記計測脳信号情報と、前記１以上のアーチファクト事前情報とを用いた階層ベイズ推定を用いて推定し、取得し、
前記出力脳活動情報取得部は、
前記計測脳信号情報から、前記脳活動情報のうちの脳の活動が無いと考えられる位置に配置されたダイポールに対応する脳活動情報と前記アーチファクト情報とを除く処理を行い、出力脳活動情報を取得する請求項１から請求項６いずれか記載の脳活動情報出力装置。
【請求項８】
前記計測脳信号情報は、
頭部周辺で観測された磁場に関する情報であり、
前記出力脳活動情報取得部は、
前記脳活動情報のうちの脳の活動が無いと考えられる位置に配置されたダイポールに対応する脳活動情報である電流の情報から磁場に関する情報である背景脳磁場情報を取得し、かつ、前記アーチファクト情報である電流の情報から磁場に関する情報であるアーチファクト磁場情報を取得し、
前記計測脳信号情報から、前記背景脳磁場情報と前記アーチファクト磁場情報とを除く処理を行い、出力脳活動情報を取得する請求項１から請求項６いずれか記載の脳活動情報出力装置。
【請求項９】
前記出力脳活動情報取得部が取得した出力脳活動情報と、前記計測脳信号情報とを用いて、当該出力脳活動情報におけるノイズ除去の精度に関する情報であるノイズ除去精度情報を取得するノイズ除去精度情報取得部をさらに具備し、
前記出力部は、
前記ノイズ除去精度情報が、予め格納されている閾値と比較して高い精度である場合のみ、前記出力脳活動情報を出力する請求項１から請求項８いずれか記載の脳活動情報出力装置。
【請求項１０】
アーチファクト事前情報決定部、脳活動情報取得部、アーチファクト情報取得部、出力脳活動情報取得部、および出力部により実現される脳活動情報出力方法であって、
前記アーチファクト事前情報決定部により、アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、前記事前分布と前記事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報を取得し、記憶媒体に蓄積するアーチファクト事前情報決定ステップと、
前記脳活動情報取得部により、記憶媒体に格納されている計測脳信号情報と脳事前情報とを用いて、脳活動の情報である脳活動情報を推定し、取得する脳活動情報取得ステップと、
前記アーチファクト情報取得部により、前記計測脳信号情報と、前記記憶媒体に格納されている１以上のアーチファクト事前情報とを用いて、アーチファクト源の情報である１以上のアーチファクト情報を推定し、取得するアーチファクト情報取得ステップと、
前記出力脳活動情報取得部により、前記計測脳信号情報と前記脳活動情報と前記１以上のアーチファクト情報とを用いて、前記計測脳信号情報からアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する出力脳活動情報取得ステップと、
前記出力部により、前記出力脳活動情報を出力する出力ステップとを具備する脳活動情報出力方法。
【請求項１１】
コンピュータを、
アーチファクト源の信号強度に関する事前分布を取得し、かつ、当該事前分布を用いて当該アーチファクト源の信号強度に関する事後分布を推定し、前記事前分布と前記事後分布との差を算出し、当該差が予め決められた範囲以内の小さな差である信号強度に関する情報を有する１以上のアーチファクト事前情報を取得し、記憶媒体に蓄積するアーチファクト事前情報決定部と、
記憶媒体に格納されている計測脳信号情報と脳事前情報とを用いて、脳活動の情報である脳活動情報を推定し、取得する脳活動情報取得部と、
前記計測脳信号情報と、記憶媒体に格納されている１以上のアーチファクト事前情報とを用いて、アーチファクト源の情報である１以上のアーチファクト情報を推定し、取得するアーチファクト情報取得部と、
前記計測脳信号情報と前記脳活動情報と前記１以上のアーチファクト情報とを用いて、前記計測脳信号情報からアーチファクトの影響を取り除く処理を行い、出力される脳活動の情報である出力脳活動情報を取得する出力脳活動情報取得部と、
前記出力脳活動情報を出力する出力部として機能させるためのプログラム。
【図１】
【図２】
【図３】
【図４】
【図２３】
【図２５】
【図２６】
【図２７】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２４】
【図２】
【図３】
【図４】
【図２３】
【図２５】
【図２６】
【図２７】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２４】
【公開番号】特開２０１１−６７４９７（Ｐ２０１１−６７４９７Ａ）
【公開日】平成２３年４月７日（２０１１．４．７）
【国際特許分類】
【出願番号】特願２００９−２２２１９８（Ｐ２００９−２２２１９８）
【出願日】平成２１年９月２８日（２００９．９．２８）
【国等の委託研究の成果に係る記載事項】（出願人による申告）平成２１年度、独立行政法人情報通信研究機構「高度通信・放送研究開発委託研究／複数モダリティー統合によるオンライン脳活動計測技術の研究開発」、産業技術力強化法第１９条の適用を受ける特許出願
【出願人】（３９３０３１５８６）株式会社国際電気通信基礎技術研究所 (905)
【Ｆターム（参考）】
【公開日】平成２３年４月７日（２０１１．４．７）
【国際特許分類】
【出願日】平成２１年９月２８日（２００９．９．２８）
【国等の委託研究の成果に係る記載事項】（出願人による申告）平成２１年度、独立行政法人情報通信研究機構「高度通信・放送研究開発委託研究／複数モダリティー統合によるオンライン脳活動計測技術の研究開発」、産業技術力強化法第１９条の適用を受ける特許出願
【出願人】（３９３０３１５８６）株式会社国際電気通信基礎技術研究所 (905)
【Ｆターム（参考）】
[ Back to top ]