脳活動状態解析装置、リハビリテーション補助装置、思念制御型駆動装置、思念制御型表示装置、測定ポイント選択方法、測定ポイント選択プログラム
【課題】測定ポイントの決定を精度良く行うことが可能な脳活動状態解析装置等を提供すること。
【解決手段】被験者に対して与えられる脳活動上のタスクの状態を検知するタスク状態検知手段と、複数の測定ポイント毎にタスクの状態に対応付けられたデータであって複数の受光手段の測定データに基づく指標値が変動する指標データを生成する指標データ生成手段と、指標データ生成手段により生成された指標データを、指標値とその時間微分値とを二軸とする位相平面上のデータに変換して記憶手段に格納する変換手段と、記憶手段に格納された位相平面上のデータを前記タスクの状態毎にグループ分けし、グループ分けに依存した位相平面上のデータの散らばりに基づき記複数の測定ポイントのそれぞれを評価した評価値を算出する評価値算出手段と、を備える脳活動状態解析装置。
【解決手段】被験者に対して与えられる脳活動上のタスクの状態を検知するタスク状態検知手段と、複数の測定ポイント毎にタスクの状態に対応付けられたデータであって複数の受光手段の測定データに基づく指標値が変動する指標データを生成する指標データ生成手段と、指標データ生成手段により生成された指標データを、指標値とその時間微分値とを二軸とする位相平面上のデータに変換して記憶手段に格納する変換手段と、記憶手段に格納された位相平面上のデータを前記タスクの状態毎にグループ分けし、グループ分けに依存した位相平面上のデータの散らばりに基づき記複数の測定ポイントのそれぞれを評価した評価値を算出する評価値算出手段と、を備える脳活動状態解析装置。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、ＮＩＲＳ（Near Infra-Red Spectroscopy）を利用して脳の活動を解析する脳活動状態解析装置、及びこれを利用したリハビリテーション補助装置、思念制御型駆動装置、思念制御型表示装置、並びに当該脳活動状態解析装置により利用される測定ポイント選択方法、測定ポイント選択プログラムに関する。
【背景技術】
【０００２】
近年、ＢＣＩ（Brain Computer Interface）についての研究が進められている。ＢＣＩとは，人間が脳で考えることを脳神経情報として取り出し，機械に入力することにより機器を制御するシステムである。手足を動かすことなく脳神経情報から直接機器の操作をすることができれば、例えば身体障害者など、体を動かせない患者に対する介護ロボットへの応用などが期待できる。
【０００３】
これに関連し、ＮＩＲＳを用いて脳の活動を測定する技術について研究が進められている。人の血中に含まれるヘモグロビンは、酸素と結合して酸素化ヘモグロビン（ｏｘｙ−Ｈｂ）となったり、酸素と離れて脱酸素化ヘモグロビン（ｄｅｏｘｙ−Ｈｂ）となることにより、血液中で酸素を運搬する役割を果たしている。また、人の脳内では、血流再配分作用によって活性化している部位には酸素供給が行われ、酸素と結合したオキシヘモグロビンの量が増加している。
【０００４】
酸素化ヘモグロビンと脱酸素化ヘモグロビンは、可視光から近赤外領域にかけて異なる分光吸収スペクトル特性を有しているので、近赤外光を用いて酸素化ヘモグロビン濃度及び脱酸素化ヘモグロビン濃度を推定することができる。従って、ＮＩＲＳを人の頭部に装着して測定データを解析することにより、人の脳活動の状態を解析することができる。
【０００５】
特許文献１には、送光プローブ（光照射部）と受光プローブ（受光部）が行方向及び列方向に交互となるように正方格子状に配置されたＮＩＲＳについて記載されている。近赤外光は、皮膚組織や骨組織を透過し、血液中のオキシヘモグロビン、デオキシヘモグロビンにより吸収される。当文献に記載のように、人の頭部を対象とするＮＩＲＳでは、光照射部と受光部の位置をずらしていることが多い。
【０００６】
また、特許文献２には、ＮＩＲＳを利用した脳機能測定装置において、光射出機能と光検出機能を有する生体情報検出用プローブの位置を決定するために、プローブ電極の位置を生体上で移動させ（或いは複数のプローブ電極に順次通電し）、抵抗が極大又は極小となる電気的特異点を探索し、生体情報検出用プローブの位置とすることについて記載されている。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００８−６４６７５号公報
【特許文献２】特開２０１０−２４６８２１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
ところで、上記特許文献１に記載されているように、光照射部と受光部が複数存在する場合、光照射手段と受光手段との組み合わせにより、複数の測定ポイントが存在することになる。従って、人の頭部の様々な箇所に相当する測定ポイントのうち、いずれを用いて脳活動を解析するかという問題が生じるが、特許文献１では、このような問題について考慮していない。
【０００９】
この点、特許文献２には、抵抗が極大又は極小となる電気的特異点を生体情報検出用プローブの位置とすることについて記載されているものの、係る電気的特異点が、被験者の特定の思念を、最も良く反映した脳活動が行われる箇所であるという保証は無い。
【００１０】
本発明はこのような課題を解決するためのものであり、複数の光照射手段と受光手段を備えるＮＩＲＳの出力データを用いて脳の活動を解析する際に、測定ポイントの決定を精度良く行うことが可能な脳活動状態解析装置等を提供することを、主たる目的とする。
【課題を解決するための手段】
【００１１】
上記目的を達成するための本発明の一態様は、
被験者の体に光を照射する複数の光照射手段と、前記被験者の体から放出される光を受光する複数の受光手段と、を備える送受光装置から入力される測定データに基づき前記被験者の脳の活動状態を解析する脳活動状態解析装置であって、
前記被験者に対して与えられる脳活動上のタスクの状態を検知するタスク状態検知手段と、
前記複数の光照射手段と前記複数の受光手段との組み合わせにより決定される複数の測定ポイント毎に、前記タスク状態検知手段により検知されるタスクの状態に対応付けられたデータであって、前記複数の受光手段の測定データに基づく指標値が変動する指標データを生成する指標データ生成手段と、
前記指標データ生成手段により生成された指標データを、前記指標値と前記指標値の時間微分値とを二軸とする位相平面上のデータに変換して記憶手段に格納する変換手段と、
前記記憶手段に格納された位相平面上のデータを前記タスクの状態毎にグループ分けし、該グループ分けに依存した前記位相平面上のデータの散らばりに基づき、前記複数の測定ポイントのそれぞれを評価した評価値を算出する評価値算出手段と、
を備える脳活動状態解析装置である。
【００１２】
この本発明の一態様によれば、複数の光照射手段と受光手段を備えるＮＩＲＳの出力データを用いて脳の活動を解析する際に、測定ポイントの決定を精度良く行うことができる。
【発明の効果】
【００１３】
本発明によれば、複数の光照射手段と受光手段を備えるＮＩＲＳの出力データを用いて脳の活動を解析する際に、測定ポイントの決定を精度良く行うことが可能な脳活動状態解析装置等を提供することができる。
【図面の簡単な説明】
【００１４】
【図１】本発明の一実施例に係る脳活動状態解析装置１のハードウエア構成例である。
【図２】本発明の一実施例に係る脳活動状態解析装置１の機能構成例である。
【図３】準備段階の処理を概念的に示す図である。
【図４】被験者に与えられる脳活動上のタスクの状態変化を例示した図である。
【図５】ＮＩＲＳ１００の構成を例示した図である。
【図６】入力された［ｏｘｙ−Ｈｂ］からノイズ除去後のデータ［ｏｘｙ−Ｈｂ*］を得る様子を示す図である。
【図７】指標値（ｏｘｙ−Ｈｂ*）と微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔの時間変化を示す図である。
【図８】指標値（ｏｘｙ−Ｈｂ*）と、その微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔを位相平面上に展開したデータを示す図である。
【図９】異なる測定ポイントによる測定データから得られた、位相平面上に展開したデータを並べて示す図である。
【図１０】グループ内分散σ2Wを概念的に示す図である。
【図１１】グループ間分散σ2Bを概念的に示す図である。
【図１２】分散度Ｊσを概念的に示す図である。
【図１３】本作動段階の処理を概念的に示す図である。
【図１４】従来の単純な閾値に基づく判定原理を例示した図である。
【図１５】本実施例の脳活動状態解析装置１判定原理を示す図である。
【図１６】本作動段階の推定精度を確認するための実験結果を示す図である。
【図１７】脳活動状態解析装置１を利用したリハビリテーション補助装置３００の構成例である。
【図１８】脳活動状態解析装置１を利用した思念制御型駆動装置４００の構成例である。
【図１９】脳活動状態解析装置１を利用した思念制御型表示装置５００の構成例である。
【発明を実施するための形態】
【００１５】
以下、本発明を実施するための形態について、添付図面を参照しながら実施例を挙げて説明する。
【実施例】
【００１６】
以下、図面を参照し、本発明の一実施例に係る脳活動状態解析装置、測定ポイント選択方法、測定ポイント選択プログラム、並びにこれらの利用例であるリハビリテーション補助装置、思念制御型駆動装置、思念制御型表示装置について説明する。
【００１７】
＜脳活動状態解析装置＞
図１は、本発明の一実施例に係る脳活動状態解析装置１のハードウエア構成例である。図示するように、脳活動状態解析装置１は、タスク供与装置５０及びＮＩＲＳ１００に接続されて使用されるコンピュータであり、例えば、ＣＰＵ（Central Processing Unit）１０と、ドライブ装置１２と、補助記憶装置１６と、メモリ装置１８と、インタフェース装置２０と、入力装置２２と、表示装置２４と、を備える。これらの構成要素は、バスやシリアル回線等を介して接続されている。
【００１８】
ＣＰＵ１０は、例えば、プログラムカウンタや命令デコーダ、各種演算器、ＬＳＵ（Load Store Unit）、汎用レジスタ等を有するプロセッサである。ドライブ装置１２は、記憶媒体１４からプログラムやデータを読み込み可能な装置である。プログラムを記録した記録媒体１４がドライブ装置１２に装着されると、プログラムが記録媒体１４からドライブ装置１２を介して補助記憶装置１６にインストールされる。記録媒体１４は、例えば、ＣＤ−ＲＯＭ、ＤＶＤディスク、ＵＳＢメモリ等の可搬型の記録媒体である。また、補助記憶装置１６は、例えば、ＨＤＤ（Hard Disk Drive）やフラッシュメモリである。
【００１９】
プログラムのインストールは、上記のように記憶媒体１４を用いる他、インタフェース装置２０がネットワークを介して他のコンピュータよりダウンロードし、補助記憶装置１６にインストールすることによって行うこともできる。また、脳活動状態解析装置１の出荷時に、予め補助記憶装置１６やＲＯＭ（Read Only Memory）等に格納されていてもよい。このようにしてインストール又は予め格納されたプログラムをＣＰＵ１０が実行することにより、図１に示す態様の情報処理装置が、本実施例の脳活動状態解析装置１として機能することができる。
【００２０】
メモリ装置１８は、例えば、ＲＡＭ（Random Access Memory）やＥＥＰＲＯＭ（Electrically Erasable and Programmable Read Only Memory）である。インタフェース装置２０は、上記ネットワークとの接続等を制御する。入力装置２２は、例えば、キーボードやマウス、タッチパッド、タッチパネル、マイク等である。また、表示装置２４は、例えば、ＬＣＤ（Liquid Crystal Display）やＣＲＴ（Cathode Ray Tube）等の表示装置である。
【００２１】
また、図２は、本発明の一実施例に係る脳活動状態解析装置１の機能構成例である。脳活動状態解析装置１は、タスク制御部３０と、指標データ生成部３２と、データ変換部３４と、評価値算出部３６と、測定ポイント選択部３８と、脳活動状態推定部４０と、を備える。
【００２２】
これらの機能ブロックは、補助記憶装置１６等に格納されたプログラム・ソフトウエアをＣＰＵ１０が実行することにより機能する。なお、各機能ブロックが明確に別のプログラムにより実現される必要はなく、いずれかの機能ブロックが、サブルーチン等で他の機能ブロックにより呼び出されるものであっても構わない。また、このようなソフトウエアブロックに限らず、ＩＣ（Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等のハードウエアによって、これらの機能ブロックのうち一部が実現されてもよい。
【００２３】
なお、本実施例の脳活動状態解析装置１は、最適な測定ポイントを決定するための準備段階と、決定された測定ポイントを利用して被験者の脳活動を推定する本作動段階に分けて機能する。従って、まず、準備段階の制御について説明し、次に本作動段階の制御について説明する。上記各機能ブロックのうちタスク制御部３０〜測定ポイント選択部３８が準備段階で機能し、脳活動状態推定部４０は本作動段階で機能する。
【００２４】
〔準備段階〕
図３は、準備段階の処理を概念的に示す図である。まず、タスク供与装置５０及びＮＩＲＳ１００について説明する。
【００２５】
タスク供与装置５０は、被験者に対して、脳活動上のタスクを与えるための装置である。「脳活動上のタスク」とは、例えば「ある一定期間、右手を握ろうと考える」という思念上のタスク（課題）である。このタスクの内容については、予め被験者に説明されており、タスク供与装置５０は、上記「一定期間」の開始と終了を被験者に知らせるための装置である。従って、タスク供与装置５０としては、「一定期間」の開始時から終了時の間まで（逆でもよい）発光する発光装置の他、同様の動作をする表示装置、発音装置（スピーカ、ブザー）、振動装置（バイブレータ）等が考えられる。
【００２６】
タスク供与装置５０は、タスク制御部３０によって制御される。タスク制御部３０は、例えば、レスト期間（何も思念せずに休憩する期間）１０秒、タスク期間（右手を握ろうと考える期間）３０秒、レスト期間１０秒を１セットとして、複数セットを繰り返すように、タスク供与装置５０を制御する。図４は、被験者に与えられる脳活動上のタスクの状態変化を例示した図である。
【００２７】
図５は、ＮＩＲＳ１００の構成を例示した図である。ＮＩＲＳ１００は、被験者２００の頭部に被せられるホルダ１０２と、複数の送光ファイバ１０４と、複数の検出ファイバ１０６と、受光装置１１０と、近赤外光発生装置１１２と、処理装置１１４と、を備える。
【００２８】
ホルダ１０２には、複数の送光ファイバ１０４及び複数の検出ファイバ１０６の先端が装着される。ホルダ１０２は、被験者２００の頭部に被せられることにより、複数の送光ファイバ１０４及び複数の検出ファイバ１０６の先端を被験者２００の頭部に密着させる。
【００２９】
図示するように、送光ファイバ１０４と検出ファイバ１０６は、行方向及び列方向に交互となるように正方格子状に配置される。送光ファイバ１０４の他端には、近赤外光発生装置１１２が接続され、近赤外光発生装置１１２から近赤外光が供給される。送光ファイバ１０４は、近赤外光発生装置１１２により供給された近赤外光を被験者側の先端から送出し、被験者２００の頭部に照射する。送光ファイバ１０４から送出された近赤外光は、被験者２００の頭部内に入射する。被験者２００の頭部内に入射した近赤外光は、検出ファイバ１０６の先端に入射して受光装置１１０に入力される。受光装置１１０は、検出ファイバ１０６から供給される近赤外光を電気信号に変換して処理装置１１４に出力する。
【００３０】
処理装置１１４は、受光装置１１０から入力された電気信号を解析し、酸素化ヘモグロビン（ｏｘｙ−Ｈｂ）と脱酸素化ヘモグロビン（ｄｅｏｘｙ−Ｈｂ）の濃度を測定する。処理装置には、操作パネル１１６、表示装置１１８が取り付けられており、種々の操作及び状態表示が可能となっている。また、処理装置１１４により測定された酸素化ヘモグロビンと脱酸素化ヘモグロビンの濃度は、インタフェース１２０を介して脳活動状態解析装置１に出力される。
【００３１】
ここで、被験者２００の頭部において酸素化ヘモグロビンの濃度等が測定された箇所（図中、□で示す複数の測定ポイント１０８）は、送光ファイバ１０４と検出ファイバ１０６の中点と仮想的に見なすことができる。送光ファイバ１０４と検出ファイバ１０６は複数存在するため、測定ポイント１０８も複数存在することになる。図５における□内の数字（１〜４８）は、測定ポイント１０８の識別ナンバーである。
【００３２】
ＮＩＲＳ１００は、こうした複数の測定ポイント１０８のそれぞれについての酸素化ヘモグロビンの濃度等を、同時に又は順次測定し、測定ポイント１０８に付随するリアルタイムデータとして脳活動状態解析装置１に出力する。なお、ＮＩＲＳ１００の態様は上記説明したものに限らず、如何なる態様であってもよい。
【００３３】
以下、上記各機能ブロックについて説明する。また、ＮＩＲＳ１００から入力される各時点の酸素化ヘモグロビンの濃度を、（ｏｘｙ−Ｈｂ）と表記する。また、（ｏｘｙ−Ｈｂ）が時刻に応じて変動する時系列データを［ｏｘｙ−Ｈｂ］と表記する。
【００３４】
タスク制御部３０は、上記のようにタスク供与装置５０に指示すると共に、レスト期間とタスク期間の切り替わりのタイミング及びどちらの期間に切り替わったかを、指標データ生成部３２に通知する。
【００３５】
指標データ生成部３２は、ＮＩＲＳ１００から入力された［ｏｘｙ−Ｈｂ］に対してノイズ除去処理を行い、ノイズ除去後のデータ［ｏｘｙ−Ｈｂ*］（特許請求の範囲における「指標データ」に相当する）を生成する。ノイズ除去処理は、例えば離散ウェーブレット変換による多重解像度解析によって行われる。
【００３６】
図６は、入力された［ｏｘｙ−Ｈｂ］からノイズ除去後のデータ［ｏｘｙ−Ｈｂ*］を得る様子を示す図である。図中、右上の信号がＮＩＲＳ１００から入力された［ｏｘｙ−Ｈｂ］（原信号）である。また、左側の各図は、［ｏｘｙ−Ｈｂ］を周波数別に１０段階に分解したデータ（ｄ１〜ｄ１０）を示している。図中、括弧内の数値は周期を示す。周期が最も短いｄ１、ｄ２は、ＮＩＲＳ１００のノイズを示し、ｄ３、ｄ４は、呼吸による影響と考えられる。また、ｄ５、ｄ６は、血圧変動・体温調整による影響などが含まれていると考えられる。指標データ生成部３２は、例えば、タスクとレストの周期が５０秒であるため、それと同様の周期を有するｄ８と、その前後のｄ７、ｄ９を必要なデータとして扱い、更に長い周期のｄ１０はトレンド成分として無視できるものとする。そして、ｄ７〜ｄ９に対して加重和を求めたり、加算を行ったりすることにより、ノイズ除去後のデータ［ｏｘｙ−Ｈｂ*］を生成する。なお、離散ウェーブレット変換による多重解像度解析については、＜特願２００５−２４４３７０／特開２００７−５４３７６＞において、より詳細に説明されている。
【００３７】
ノイズ除去後のデータ［ｏｘｙ−Ｈｂ*］は、指標値（ｏｘｙ−Ｈｂ*）が変動するリアルタイムデータとして逐次データ変換部３４に供給され、或いは一定期間のデータセット［ｏｘｙ−Ｈｂ*］としてメモリ装置１８に格納される。また、指標値（ｏｘｙ−Ｈｂ*）には、時刻に応じて変動する値であると共に、タスク制御部３０から入力されたデータに基づき判別されるタスクの状態が付与されている。すなわち、指標値（ｏｘｙ−Ｈｂ*）には、ＮＩＲＳ１００により計測された時刻において、タスクの状態がレストであったか、タスクであったかを判別するための情報が付与されている。
【００３８】
なお、ノイズ除去処理として離散ウェーブレット変換による多重解像度解析を採用するのはあくまで一例であり、移動平均を求める等、他の手法を用いても構わない。また、精度上の問題は生じるが、「指標データ」はノイズ除去を行わない生データ［ｏｘｙ−Ｈｂ］であっても構わない（この場合、指標データ生成部３２は、ＮＩＲＳ１００から入力された（ｏｘｙ−Ｈｂ）をそのままメモリ装置１８に格納したり、データ変換部３４に供給したりする）。
【００３９】
データ変換部３４はまず、指標データ生成部３２により生成されたノイズ除去後の指標値（ｏｘｙ−Ｈｂ*）の時間微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔを求める（以下、単に微分値と表記する）。図７は、指標値（ｏｘｙ−Ｈｂ*）と微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔの時間変化を示す図である。図中、実線は指標値（ｏｘｙ−Ｈｂ*）の時間変化を示し、破線は微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔの時間変化を示している。
【００４０】
データ変換部３４は、更に、指標値（ｏｘｙ−Ｈｂ*）と、その微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔを二軸とする位相平面上に、指標値（ｏｘｙ−Ｈｂ*）と微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔを成分とする各座標をプロットする。プロットされる各座標には、タスクの状態が付与されている。図８は、指標値（ｏｘｙ−Ｈｂ*）と、その微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔを位相平面上に展開したデータを示す図である。図中、矢印は、指標値（ｏｘｙ−Ｈｂ*）に対応する元データ（ｏｘｙ−Ｈｂ）が測定された時刻の推移を示している。また、図中、実線はタスク期間に測定された（ｏｘｙ−Ｈｂ）に相当する座標の軌跡であることを示し、破線はレスト期間に測定された（ｏｘｙ−Ｈｂ）に相当する座標の軌跡であることを示している。このように、指標値（ｏｘｙ−Ｈｂ*）と、その微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔを二軸とする位相平面上では、タスク期間に相当する座標と、レスト期間に相当する座標は、それぞれが、ある程度のまとまりをもって出現する傾向を示す。大まかにいうと、タスク期間に相当する座標は、位相平面における上半分の領域（（ｏｘｙ−Ｈｂ*）が高い領域）に出現し、レスト期間に相当する座標は、位相平面における下半分の領域（（ｏｘｙ−Ｈｂ*）が低い領域）に出現する傾向を示す。
【００４１】
ここで、前述のように、位相平面上に展開されたデータは、複数の測定ポイント毎に得られたデータに基づいている。従って、複数の測定ポイント毎に、位相平面上に展開されたデータが存在することになる。
【００４２】
ここで、測定ポイントは、被験者２００の頭部の異なる箇所に該当するものである。各測定ポイントにおける実際の脳活動は、被験者２００によって異なるものであるし、被験者２００の頭蓋骨の厚さや髪の生え具合等によって測定強度も異なるものである。従って、与えたタスクの種類（本実施例では「右手を握ろうと考える」）に応じて、どの箇所で最も脳活動が鮮明に現れるか、また測定が容易であるかは、被験者２００によって様々である。
【００４３】
そこで、評価値算出部３６は、対象となる被験者２００について、与えたタスクに応じて最も測定に適した測定ポイントを選択するために、測定ポイントの適合性を評価した評価値を算出する。
【００４４】
本実施例では、図８に示した位相平面上に展開したデータにおいて、タスク期間に相当する座標の軌跡と、レスト期間に相当する座標の軌跡が明確に分離している測定ポイントを、好ましい測定ポイントとして高い評価を与える。後述するように本実施例の脳活動状態解析装置１は、本作動段階において、位相平面上に展開した入力データの位置によって被験者２００の脳活動状態を推定するからである。
【００４５】
図９は、異なる測定ポイントによる測定データから得られた、位相平面上に展開したデータを並べて示す図である。図９（Ａ）のデータは、タスク期間に相当する座標の軌跡と、レスト期間に相当する座標の軌跡が明確に分離しているため、好ましい測定ポイントによるものである。一方、図９（Ｂ）のデータは、タスク期間に相当する座標の軌跡と、レスト期間に相当する座標の軌跡が混在して判別しにくいため、好ましくない測定ポイントによるものである。
【００４６】
評価値算出部３６は、上記説明したような明確に分離していることを示す評価値として、位相平面上の座標群におけるグループ内分散σ2Wで、グループ間分散σ2Bを除算して分散度Ｊσを算出する（次式（１））参照）。ここで、グループは、タスク期間とレスト期間のいずれに測定されたデータによるものであるか、によって決定される。なお、「何回目の」タスク期間／レスト期間であるか、については考慮しない。
【００４７】
Ｊσ＝σ2B／σ2W …（１）。
【００４８】
グループ内分散σ2Wとは、位相平面上における、タスク期間とレスト期間のそれぞれのグループに属する座標群内の分散であり、次式（２）で表される。式中、ｎは総座標数であり、ｉはグループ（タスク期間／レスト期間）を示す識別子であり、ｃはグループ数（本実施例では２）である。また、ｘkは順番にサンプリングされる座標であり、ｎiは各グループに属する座標数であり、ｍiはグループ内の全座標の重心である。式（２）から分かるように、グループ内分散σ2Wは、グループ内のデータの散らばりを表す値である。グループ内分散σ2Wが小さい程、同じ傾向を有する座標群の特徴が精度よく表れていると考えられる。図１０は、グループ内分散σ2Wを概念的に示す図である。
【００４９】
【数１】
【００５０】
一方、グループ間分散σ2Bとは、位相平面上における、タスク期間のグループとレスト期間のグループとの分散であり、次式（３）で表される。式中、ｍはグループを問わない全ての座標の重心である。式（３）から分かるように、グループ間分散σ2Bは、グループ同士の散らばり（距離）を表す値である。グループ間分散σ2Bが大きい程、異なる傾向を有する座標群が明確に分離していることになる。図１１は、グループ間分散σ2Bを概念的に示す図である。
【００５１】
【数２】
【００５２】
これらより、グループ内分散σ2Wが小さい程、そしてグループ間分散σ2Bが大きい程、例えばタスク期間とレスト期間の座標群が明確に分離し、且つそれぞれがまとまっているため、好ましい座標群である（好ましい測定ポイントである）と判断できる。評価値算出部３６は、係る原理に従い、上式（１）に基づき分散度Ｊσを算出する。これによって、被験者２００に与えた脳活動上のタスクに応じた測定ポイントの決定を、精度良く行うことができる。図１２は、分散度Ｊσを概念的に示す図である。
【００５３】
なお、本出願人の発明者は、図９の軌跡を生成した各データに対して分散度Ｊσを算出したところ、図９（Ａ）のデータについては、Ｊσ＝1.2397という結果を、図９（Ｂ）のデータについては、Ｊσ＝0.0020という結果を得た。これによって、タスク期間に対応する座標の軌跡とレスト期間に対応する座標の軌跡が、それぞれまとまって観測される測定ポイントは、高い分散度Ｊσを示すことが分かる。従って、このような分散度Ｊσは位相平面上の座標群の評価に有効である。
【００５４】
なお、評価値算出部３６が算出する評価値は、上式（１）で示される分散度Ｊσを採用することが好ましいが、次式（４）〜（６）で示されるように、分散度Ｊσと同様の性質を示す値であれば、これらを採用しても構わない。また、式（４）の各項に係数を乗じる等、適合性向上のための変形等は許容される。
【００５５】
（評価値*）＝σ2B−σ2W …（４）
（評価値**）＝σ2B …（５）
（評価値***）＝１／σ2W …（６）
【００５６】
測定ポイント選択部３８は、評価値算出部３６により算出された分散度Ｊσに基づき、好ましい測定ポイントを選択する。具体的には、単に分散度Ｊσが最も高い測定ポイントを選択してもよいし、分散度Ｊσに加えて他の条件を反映させて測定ポイントを選択してもよい。係る処理によって、好ましい測定ポイントを、迅速に且つ自動的に決定することができる。
【００５７】
また、測定ポイント選択部３８は、一の測定ポイントを選択するだけでなく、複数の測定ポイントを選択してもよい。この場合、後述する本作動段階では、複数の測定ポイントによるデータを反映させた関数等を用いて被験者２００の脳活動状態を推定する。
【００５８】
また、上記のように自動的に測定ポイントを選択するのに限らず、表示装置２４等により測定ポイント毎の分散度Ｊσをユーザに提示し、ユーザが入力装置２２を用いて測定ポイントを選択する処理を行ってもよい（ユーザの選択を受け付ける）。
【００５９】
以上説明した準備段階の処理により、被験者２００に与えた脳活動上のタスクに応じた測定ポイントの決定を、精度良く行うことができる。
【００６０】
〔本作動段階〕
以下、準備段階において選択された測定ポイントを用いて行われる本作動段階の処理について説明する。図１３は、本作動段階の処理を概念的に示す図である。
【００６１】
本作動段階では、タスク供与装置５０による脳活動上のタスクの供与は行われず、準備段階と同じ被験者２００が、準備段階で供与された脳活動上のタスクと同じこと（「右手を握ろうと考える」）を思念する。
【００６２】
脳活動状態推定部４０は、被験者２００が上記思念を行った前後において、準備段階で選択された測定ポイントにおいて測定されたデータを解析し、被験者２００が上記思念を行った期間を推定する。
【００６３】
係る推定処理によって被験者２００が特定の脳活動を行ったことを推定可能であると、その推定結果を様々な用途に利用することができる。詳しくは後述するが、例えば右手が十分に動かない被験者２００に対しては、右手を握ろうと考えたタイミングと同期して右手を握る筋肉に筋刺激を与えることにより、効果的なリハビリテーションの補助を行うことができる。また、ロボットアーム等を思念により操縦することもできる。特に右手が不自由な被験者２００の場合、電動式・油圧式等の可動式義手の操作を思念により行うこともできる。また、ゲーム機器等において、思念によってキャラクターの移動操作等を行うこともできる。
【００６４】
脳活動状態推定部４０は、具体的には、パーセプトロンというパターン認知法に基づき脳活動状態の推定を行う。
【００６５】
まず、測定ポイントにおいて測定されたデータ（ｏｘｙ−Ｈｂ）に対しては、指標データ生成部３２によりノイズ除去処理が行われ、（ｏｘｙ−Ｈｂ*）が生成される。そして、データ変換部３４により、（ｏｘｙ−Ｈｂ*）が位相平面上のデータに変換される。
【００６６】
脳活動状態推定部４０は、位相平面上のデータ（以下、係る位相平面上の座標データを入力データと称する）に対して、準備段階で位相平面上にプロットされた各座標のうち、最も距離が小さい座標を抽出する。そして、抽出した座標がいずれのグループに属するか（タスク期間か、レスト期間か）によって、被験者２００が思念を行ったタイミングであるか否かを判定する。
【００６７】
ここで、脳活動状態推定部４０は、入力データと、準備段階で位相平面上にプロットされた各座標との距離を判定する際に、以下の識別関数ｇ（ｘ）を用いる（次式（７）参照）。式中、ｘは入力データの座標であり、ｘｉは位相平面上の各座標である。式から分かるように、識別関数ｇ（ｘ）は、通常のベクトル間距離からｘの二乗の項を除外している。ｘの二乗の項は、入力データが一定であれば変化しないため、最小距離を求める問題においては無視できるからである。
【００６８】
【数３】
【００６９】
このような手法により、従来の単純な閾値に基づく判定よりも、高精度に被験者２００の脳活動状態を推定することができる。図１４は、従来の単純な閾値に基づく判定原理を例示した図である。図示するように、従来の単純な閾値に基づく判定では、準備段階で計測された（ｏｘｙ−Ｈｂ）の最大値に対して閾値を設定し、境界判定をおこなっていた。
【００７０】
これに対し、本実施例の脳活動状態解析装置１では、上記のような判定を行うため、どのような複雑な決定境界でも近似的に表現することができ、より被験者２００の脳活動傾向に即した判定を行うことができる。この結果、被験者２００の脳活動状態を、より高精度に推定することができる。図１５は、本実施例の脳活動状態解析装置１の判定原理を示す図である。
【００７１】
なお、被験者２００に供与されるタスクは、一種類に限定される必要は無く、複数種類のタスクが供与されてもよい。この場合、「グループ」は複数種類となるが、上式（１）〜（３）等は、元々複数種類のタスクに対応しているため、そのまま用いることができる。
【００７２】
なお、本出願人の発明者は、準備段階と本作動段階を連続して行い、準備段階と本作動段階を通じて同じような周期で「右手を握ろうと考える」が、本作動段階では、タスク制御部３０からの情報を用いずに脳活動状態の推定を行うという実験を行った。図１６は、本作動段階の推定精度を確認するための実験結果を示す図である。図１６（Ａ）は、比較対象となる手法（移動平均処理を施し、準備段階で計測された（ｏｘｙ−Ｈｂ）の最大値の２０％を閾値として、閾値を上回った場合にｏｎと判定する）による推定結果である。一方、図１６（Ｂ）は本実施例の手法による推定結果である。図示するように、比較対象となる手法では、被験者２００が右手を握ろうと考えた期間と、脳活動状態がタスク側であると推定された期間（ｏｎ期間）が必ずしも一致しなかったが、本実施例の脳活動状態解析装置１では、これが高確率で一致することが確かめられた。
【００７３】
〔まとめ〕
以上説明した本実施例の脳活動状態解析装置１によれば、準備段階では、位相平面上に展開したデータに対して、タスクの状態によるグループ分けに依存したデータの散らばりに基づいて測定ポイントを評価するため、被験者２００に与えた脳活動上のタスクに応じた測定ポイントの決定を、精度良く行うことができる。
【００７４】
また、本作動段階では、入力データに対して、準備段階で位相平面上にプロットされた各座標のうち、最も距離が小さい座標の属するグループに応じて被験者２００の脳活動を推定するため、被験者２００の脳活動状態を、より高精度に推定することができる。
【００７５】
＜利用例＞
以下、本実施例の脳活動状態解析装置１の利用例について簡単に説明する。
【００７６】
〔リハビリテーション補助装置〕
図１７は、脳活動状態解析装置１を利用したリハビリテーション補助装置３００の構成例である。リハビリテーション補助装置３００は、筋刺激装置３１０を備える。筋刺激装置３１０は、周知の低周波治療器等が用いられ、タスクとして供与された脳活動において、動かそうとする体の箇所に対応した筋肉に取り付けられる。そして、脳活動状態解析装置１は、被験者２００が特定の脳活動状態に在ると判定した期間において、筋刺激装置３１０に駆動信号を送出する。これによって、被験者２００が例えば「右手を握ろう」と考えたタイミングで右手の筋肉が刺激され、リハビリテーション効果が得られる。
【００７７】
〔思念制御型駆動装置〕
図１８は、脳活動状態解析装置１を利用した思念制御型駆動装置４００の構成例である。思念制御型駆動装置４００は、アクチュエータ４１０を備える。アクチュエータ４１０の態様は如何なるものであってもよいが、例えばロボットアーム、電動式・油圧式等の可動式義手等が考えられる。この場合、脳活動状態解析装置１は、被験者２００が特定の脳活動状態に在ると判定した期間において、アクチュエータ４１０に駆動信号を送出する。これによって、被験者２００が例えば「右手で何かをつかむ」と考えたタイミングで、アクチュエータ４１０が対象物をつかむといった制御が可能となる。
【００７８】
〔思念制御型表示装置〕
図１９は、脳活動状態解析装置１を利用した思念制御型表示装置５００の構成例である。思念制御型表示装置５００は、表示装置５１０を備える。思念制御型表示装置５００は、例えばゲーム機等のバーチャル機器に好適に用いられる。この場合、脳活動状態解析装置１は、被験者２００が特定の脳活動状態に在ると判定した期間において、表示装置５１０に特定表示を行うように指示信号を送出する。これによって、被験者２００が例えば「前に進む」と考えたタイミングで、画面上のキャラクターが前に進むといった制御が可能となる。
【００７９】
以上、本発明を実施するための最良の形態について実施例を用いて説明したが、本発明はこうした実施例に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。
【符号の説明】
【００８０】
１ 脳活動状態解析装置
３０ タスク制御部
３２ 指標データ生成部
３４ データ変換部
３６ 評価値算出部
３８ 測定ポイント選択部
４０ 脳活動状態推定部
５０ タスク供与装置
１００ ＮＩＲＳ
３００ リハビリテーション補助装置
４００ 思念制御型駆動装置
５００ 思念制御型表示装置
【技術分野】
【０００１】
本発明は、ＮＩＲＳ（Near Infra-Red Spectroscopy）を利用して脳の活動を解析する脳活動状態解析装置、及びこれを利用したリハビリテーション補助装置、思念制御型駆動装置、思念制御型表示装置、並びに当該脳活動状態解析装置により利用される測定ポイント選択方法、測定ポイント選択プログラムに関する。
【背景技術】
【０００２】
近年、ＢＣＩ（Brain Computer Interface）についての研究が進められている。ＢＣＩとは，人間が脳で考えることを脳神経情報として取り出し，機械に入力することにより機器を制御するシステムである。手足を動かすことなく脳神経情報から直接機器の操作をすることができれば、例えば身体障害者など、体を動かせない患者に対する介護ロボットへの応用などが期待できる。
【０００３】
これに関連し、ＮＩＲＳを用いて脳の活動を測定する技術について研究が進められている。人の血中に含まれるヘモグロビンは、酸素と結合して酸素化ヘモグロビン（ｏｘｙ−Ｈｂ）となったり、酸素と離れて脱酸素化ヘモグロビン（ｄｅｏｘｙ−Ｈｂ）となることにより、血液中で酸素を運搬する役割を果たしている。また、人の脳内では、血流再配分作用によって活性化している部位には酸素供給が行われ、酸素と結合したオキシヘモグロビンの量が増加している。
【０００４】
酸素化ヘモグロビンと脱酸素化ヘモグロビンは、可視光から近赤外領域にかけて異なる分光吸収スペクトル特性を有しているので、近赤外光を用いて酸素化ヘモグロビン濃度及び脱酸素化ヘモグロビン濃度を推定することができる。従って、ＮＩＲＳを人の頭部に装着して測定データを解析することにより、人の脳活動の状態を解析することができる。
【０００５】
特許文献１には、送光プローブ（光照射部）と受光プローブ（受光部）が行方向及び列方向に交互となるように正方格子状に配置されたＮＩＲＳについて記載されている。近赤外光は、皮膚組織や骨組織を透過し、血液中のオキシヘモグロビン、デオキシヘモグロビンにより吸収される。当文献に記載のように、人の頭部を対象とするＮＩＲＳでは、光照射部と受光部の位置をずらしていることが多い。
【０００６】
また、特許文献２には、ＮＩＲＳを利用した脳機能測定装置において、光射出機能と光検出機能を有する生体情報検出用プローブの位置を決定するために、プローブ電極の位置を生体上で移動させ（或いは複数のプローブ電極に順次通電し）、抵抗が極大又は極小となる電気的特異点を探索し、生体情報検出用プローブの位置とすることについて記載されている。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００８−６４６７５号公報
【特許文献２】特開２０１０−２４６８２１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
ところで、上記特許文献１に記載されているように、光照射部と受光部が複数存在する場合、光照射手段と受光手段との組み合わせにより、複数の測定ポイントが存在することになる。従って、人の頭部の様々な箇所に相当する測定ポイントのうち、いずれを用いて脳活動を解析するかという問題が生じるが、特許文献１では、このような問題について考慮していない。
【０００９】
この点、特許文献２には、抵抗が極大又は極小となる電気的特異点を生体情報検出用プローブの位置とすることについて記載されているものの、係る電気的特異点が、被験者の特定の思念を、最も良く反映した脳活動が行われる箇所であるという保証は無い。
【００１０】
本発明はこのような課題を解決するためのものであり、複数の光照射手段と受光手段を備えるＮＩＲＳの出力データを用いて脳の活動を解析する際に、測定ポイントの決定を精度良く行うことが可能な脳活動状態解析装置等を提供することを、主たる目的とする。
【課題を解決するための手段】
【００１１】
上記目的を達成するための本発明の一態様は、
被験者の体に光を照射する複数の光照射手段と、前記被験者の体から放出される光を受光する複数の受光手段と、を備える送受光装置から入力される測定データに基づき前記被験者の脳の活動状態を解析する脳活動状態解析装置であって、
前記被験者に対して与えられる脳活動上のタスクの状態を検知するタスク状態検知手段と、
前記複数の光照射手段と前記複数の受光手段との組み合わせにより決定される複数の測定ポイント毎に、前記タスク状態検知手段により検知されるタスクの状態に対応付けられたデータであって、前記複数の受光手段の測定データに基づく指標値が変動する指標データを生成する指標データ生成手段と、
前記指標データ生成手段により生成された指標データを、前記指標値と前記指標値の時間微分値とを二軸とする位相平面上のデータに変換して記憶手段に格納する変換手段と、
前記記憶手段に格納された位相平面上のデータを前記タスクの状態毎にグループ分けし、該グループ分けに依存した前記位相平面上のデータの散らばりに基づき、前記複数の測定ポイントのそれぞれを評価した評価値を算出する評価値算出手段と、
を備える脳活動状態解析装置である。
【００１２】
この本発明の一態様によれば、複数の光照射手段と受光手段を備えるＮＩＲＳの出力データを用いて脳の活動を解析する際に、測定ポイントの決定を精度良く行うことができる。
【発明の効果】
【００１３】
本発明によれば、複数の光照射手段と受光手段を備えるＮＩＲＳの出力データを用いて脳の活動を解析する際に、測定ポイントの決定を精度良く行うことが可能な脳活動状態解析装置等を提供することができる。
【図面の簡単な説明】
【００１４】
【図１】本発明の一実施例に係る脳活動状態解析装置１のハードウエア構成例である。
【図２】本発明の一実施例に係る脳活動状態解析装置１の機能構成例である。
【図３】準備段階の処理を概念的に示す図である。
【図４】被験者に与えられる脳活動上のタスクの状態変化を例示した図である。
【図５】ＮＩＲＳ１００の構成を例示した図である。
【図６】入力された［ｏｘｙ−Ｈｂ］からノイズ除去後のデータ［ｏｘｙ−Ｈｂ*］を得る様子を示す図である。
【図７】指標値（ｏｘｙ−Ｈｂ*）と微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔの時間変化を示す図である。
【図８】指標値（ｏｘｙ−Ｈｂ*）と、その微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔを位相平面上に展開したデータを示す図である。
【図９】異なる測定ポイントによる測定データから得られた、位相平面上に展開したデータを並べて示す図である。
【図１０】グループ内分散σ2Wを概念的に示す図である。
【図１１】グループ間分散σ2Bを概念的に示す図である。
【図１２】分散度Ｊσを概念的に示す図である。
【図１３】本作動段階の処理を概念的に示す図である。
【図１４】従来の単純な閾値に基づく判定原理を例示した図である。
【図１５】本実施例の脳活動状態解析装置１判定原理を示す図である。
【図１６】本作動段階の推定精度を確認するための実験結果を示す図である。
【図１７】脳活動状態解析装置１を利用したリハビリテーション補助装置３００の構成例である。
【図１８】脳活動状態解析装置１を利用した思念制御型駆動装置４００の構成例である。
【図１９】脳活動状態解析装置１を利用した思念制御型表示装置５００の構成例である。
【発明を実施するための形態】
【００１５】
以下、本発明を実施するための形態について、添付図面を参照しながら実施例を挙げて説明する。
【実施例】
【００１６】
以下、図面を参照し、本発明の一実施例に係る脳活動状態解析装置、測定ポイント選択方法、測定ポイント選択プログラム、並びにこれらの利用例であるリハビリテーション補助装置、思念制御型駆動装置、思念制御型表示装置について説明する。
【００１７】
＜脳活動状態解析装置＞
図１は、本発明の一実施例に係る脳活動状態解析装置１のハードウエア構成例である。図示するように、脳活動状態解析装置１は、タスク供与装置５０及びＮＩＲＳ１００に接続されて使用されるコンピュータであり、例えば、ＣＰＵ（Central Processing Unit）１０と、ドライブ装置１２と、補助記憶装置１６と、メモリ装置１８と、インタフェース装置２０と、入力装置２２と、表示装置２４と、を備える。これらの構成要素は、バスやシリアル回線等を介して接続されている。
【００１８】
ＣＰＵ１０は、例えば、プログラムカウンタや命令デコーダ、各種演算器、ＬＳＵ（Load Store Unit）、汎用レジスタ等を有するプロセッサである。ドライブ装置１２は、記憶媒体１４からプログラムやデータを読み込み可能な装置である。プログラムを記録した記録媒体１４がドライブ装置１２に装着されると、プログラムが記録媒体１４からドライブ装置１２を介して補助記憶装置１６にインストールされる。記録媒体１４は、例えば、ＣＤ−ＲＯＭ、ＤＶＤディスク、ＵＳＢメモリ等の可搬型の記録媒体である。また、補助記憶装置１６は、例えば、ＨＤＤ（Hard Disk Drive）やフラッシュメモリである。
【００１９】
プログラムのインストールは、上記のように記憶媒体１４を用いる他、インタフェース装置２０がネットワークを介して他のコンピュータよりダウンロードし、補助記憶装置１６にインストールすることによって行うこともできる。また、脳活動状態解析装置１の出荷時に、予め補助記憶装置１６やＲＯＭ（Read Only Memory）等に格納されていてもよい。このようにしてインストール又は予め格納されたプログラムをＣＰＵ１０が実行することにより、図１に示す態様の情報処理装置が、本実施例の脳活動状態解析装置１として機能することができる。
【００２０】
メモリ装置１８は、例えば、ＲＡＭ（Random Access Memory）やＥＥＰＲＯＭ（Electrically Erasable and Programmable Read Only Memory）である。インタフェース装置２０は、上記ネットワークとの接続等を制御する。入力装置２２は、例えば、キーボードやマウス、タッチパッド、タッチパネル、マイク等である。また、表示装置２４は、例えば、ＬＣＤ（Liquid Crystal Display）やＣＲＴ（Cathode Ray Tube）等の表示装置である。
【００２１】
また、図２は、本発明の一実施例に係る脳活動状態解析装置１の機能構成例である。脳活動状態解析装置１は、タスク制御部３０と、指標データ生成部３２と、データ変換部３４と、評価値算出部３６と、測定ポイント選択部３８と、脳活動状態推定部４０と、を備える。
【００２２】
これらの機能ブロックは、補助記憶装置１６等に格納されたプログラム・ソフトウエアをＣＰＵ１０が実行することにより機能する。なお、各機能ブロックが明確に別のプログラムにより実現される必要はなく、いずれかの機能ブロックが、サブルーチン等で他の機能ブロックにより呼び出されるものであっても構わない。また、このようなソフトウエアブロックに限らず、ＩＣ（Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等のハードウエアによって、これらの機能ブロックのうち一部が実現されてもよい。
【００２３】
なお、本実施例の脳活動状態解析装置１は、最適な測定ポイントを決定するための準備段階と、決定された測定ポイントを利用して被験者の脳活動を推定する本作動段階に分けて機能する。従って、まず、準備段階の制御について説明し、次に本作動段階の制御について説明する。上記各機能ブロックのうちタスク制御部３０〜測定ポイント選択部３８が準備段階で機能し、脳活動状態推定部４０は本作動段階で機能する。
【００２４】
〔準備段階〕
図３は、準備段階の処理を概念的に示す図である。まず、タスク供与装置５０及びＮＩＲＳ１００について説明する。
【００２５】
タスク供与装置５０は、被験者に対して、脳活動上のタスクを与えるための装置である。「脳活動上のタスク」とは、例えば「ある一定期間、右手を握ろうと考える」という思念上のタスク（課題）である。このタスクの内容については、予め被験者に説明されており、タスク供与装置５０は、上記「一定期間」の開始と終了を被験者に知らせるための装置である。従って、タスク供与装置５０としては、「一定期間」の開始時から終了時の間まで（逆でもよい）発光する発光装置の他、同様の動作をする表示装置、発音装置（スピーカ、ブザー）、振動装置（バイブレータ）等が考えられる。
【００２６】
タスク供与装置５０は、タスク制御部３０によって制御される。タスク制御部３０は、例えば、レスト期間（何も思念せずに休憩する期間）１０秒、タスク期間（右手を握ろうと考える期間）３０秒、レスト期間１０秒を１セットとして、複数セットを繰り返すように、タスク供与装置５０を制御する。図４は、被験者に与えられる脳活動上のタスクの状態変化を例示した図である。
【００２７】
図５は、ＮＩＲＳ１００の構成を例示した図である。ＮＩＲＳ１００は、被験者２００の頭部に被せられるホルダ１０２と、複数の送光ファイバ１０４と、複数の検出ファイバ１０６と、受光装置１１０と、近赤外光発生装置１１２と、処理装置１１４と、を備える。
【００２８】
ホルダ１０２には、複数の送光ファイバ１０４及び複数の検出ファイバ１０６の先端が装着される。ホルダ１０２は、被験者２００の頭部に被せられることにより、複数の送光ファイバ１０４及び複数の検出ファイバ１０６の先端を被験者２００の頭部に密着させる。
【００２９】
図示するように、送光ファイバ１０４と検出ファイバ１０６は、行方向及び列方向に交互となるように正方格子状に配置される。送光ファイバ１０４の他端には、近赤外光発生装置１１２が接続され、近赤外光発生装置１１２から近赤外光が供給される。送光ファイバ１０４は、近赤外光発生装置１１２により供給された近赤外光を被験者側の先端から送出し、被験者２００の頭部に照射する。送光ファイバ１０４から送出された近赤外光は、被験者２００の頭部内に入射する。被験者２００の頭部内に入射した近赤外光は、検出ファイバ１０６の先端に入射して受光装置１１０に入力される。受光装置１１０は、検出ファイバ１０６から供給される近赤外光を電気信号に変換して処理装置１１４に出力する。
【００３０】
処理装置１１４は、受光装置１１０から入力された電気信号を解析し、酸素化ヘモグロビン（ｏｘｙ−Ｈｂ）と脱酸素化ヘモグロビン（ｄｅｏｘｙ−Ｈｂ）の濃度を測定する。処理装置には、操作パネル１１６、表示装置１１８が取り付けられており、種々の操作及び状態表示が可能となっている。また、処理装置１１４により測定された酸素化ヘモグロビンと脱酸素化ヘモグロビンの濃度は、インタフェース１２０を介して脳活動状態解析装置１に出力される。
【００３１】
ここで、被験者２００の頭部において酸素化ヘモグロビンの濃度等が測定された箇所（図中、□で示す複数の測定ポイント１０８）は、送光ファイバ１０４と検出ファイバ１０６の中点と仮想的に見なすことができる。送光ファイバ１０４と検出ファイバ１０６は複数存在するため、測定ポイント１０８も複数存在することになる。図５における□内の数字（１〜４８）は、測定ポイント１０８の識別ナンバーである。
【００３２】
ＮＩＲＳ１００は、こうした複数の測定ポイント１０８のそれぞれについての酸素化ヘモグロビンの濃度等を、同時に又は順次測定し、測定ポイント１０８に付随するリアルタイムデータとして脳活動状態解析装置１に出力する。なお、ＮＩＲＳ１００の態様は上記説明したものに限らず、如何なる態様であってもよい。
【００３３】
以下、上記各機能ブロックについて説明する。また、ＮＩＲＳ１００から入力される各時点の酸素化ヘモグロビンの濃度を、（ｏｘｙ−Ｈｂ）と表記する。また、（ｏｘｙ−Ｈｂ）が時刻に応じて変動する時系列データを［ｏｘｙ−Ｈｂ］と表記する。
【００３４】
タスク制御部３０は、上記のようにタスク供与装置５０に指示すると共に、レスト期間とタスク期間の切り替わりのタイミング及びどちらの期間に切り替わったかを、指標データ生成部３２に通知する。
【００３５】
指標データ生成部３２は、ＮＩＲＳ１００から入力された［ｏｘｙ−Ｈｂ］に対してノイズ除去処理を行い、ノイズ除去後のデータ［ｏｘｙ−Ｈｂ*］（特許請求の範囲における「指標データ」に相当する）を生成する。ノイズ除去処理は、例えば離散ウェーブレット変換による多重解像度解析によって行われる。
【００３６】
図６は、入力された［ｏｘｙ−Ｈｂ］からノイズ除去後のデータ［ｏｘｙ−Ｈｂ*］を得る様子を示す図である。図中、右上の信号がＮＩＲＳ１００から入力された［ｏｘｙ−Ｈｂ］（原信号）である。また、左側の各図は、［ｏｘｙ−Ｈｂ］を周波数別に１０段階に分解したデータ（ｄ１〜ｄ１０）を示している。図中、括弧内の数値は周期を示す。周期が最も短いｄ１、ｄ２は、ＮＩＲＳ１００のノイズを示し、ｄ３、ｄ４は、呼吸による影響と考えられる。また、ｄ５、ｄ６は、血圧変動・体温調整による影響などが含まれていると考えられる。指標データ生成部３２は、例えば、タスクとレストの周期が５０秒であるため、それと同様の周期を有するｄ８と、その前後のｄ７、ｄ９を必要なデータとして扱い、更に長い周期のｄ１０はトレンド成分として無視できるものとする。そして、ｄ７〜ｄ９に対して加重和を求めたり、加算を行ったりすることにより、ノイズ除去後のデータ［ｏｘｙ−Ｈｂ*］を生成する。なお、離散ウェーブレット変換による多重解像度解析については、＜特願２００５−２４４３７０／特開２００７−５４３７６＞において、より詳細に説明されている。
【００３７】
ノイズ除去後のデータ［ｏｘｙ−Ｈｂ*］は、指標値（ｏｘｙ−Ｈｂ*）が変動するリアルタイムデータとして逐次データ変換部３４に供給され、或いは一定期間のデータセット［ｏｘｙ−Ｈｂ*］としてメモリ装置１８に格納される。また、指標値（ｏｘｙ−Ｈｂ*）には、時刻に応じて変動する値であると共に、タスク制御部３０から入力されたデータに基づき判別されるタスクの状態が付与されている。すなわち、指標値（ｏｘｙ−Ｈｂ*）には、ＮＩＲＳ１００により計測された時刻において、タスクの状態がレストであったか、タスクであったかを判別するための情報が付与されている。
【００３８】
なお、ノイズ除去処理として離散ウェーブレット変換による多重解像度解析を採用するのはあくまで一例であり、移動平均を求める等、他の手法を用いても構わない。また、精度上の問題は生じるが、「指標データ」はノイズ除去を行わない生データ［ｏｘｙ−Ｈｂ］であっても構わない（この場合、指標データ生成部３２は、ＮＩＲＳ１００から入力された（ｏｘｙ−Ｈｂ）をそのままメモリ装置１８に格納したり、データ変換部３４に供給したりする）。
【００３９】
データ変換部３４はまず、指標データ生成部３２により生成されたノイズ除去後の指標値（ｏｘｙ−Ｈｂ*）の時間微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔを求める（以下、単に微分値と表記する）。図７は、指標値（ｏｘｙ−Ｈｂ*）と微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔの時間変化を示す図である。図中、実線は指標値（ｏｘｙ−Ｈｂ*）の時間変化を示し、破線は微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔの時間変化を示している。
【００４０】
データ変換部３４は、更に、指標値（ｏｘｙ−Ｈｂ*）と、その微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔを二軸とする位相平面上に、指標値（ｏｘｙ−Ｈｂ*）と微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔを成分とする各座標をプロットする。プロットされる各座標には、タスクの状態が付与されている。図８は、指標値（ｏｘｙ−Ｈｂ*）と、その微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔを位相平面上に展開したデータを示す図である。図中、矢印は、指標値（ｏｘｙ−Ｈｂ*）に対応する元データ（ｏｘｙ−Ｈｂ）が測定された時刻の推移を示している。また、図中、実線はタスク期間に測定された（ｏｘｙ−Ｈｂ）に相当する座標の軌跡であることを示し、破線はレスト期間に測定された（ｏｘｙ−Ｈｂ）に相当する座標の軌跡であることを示している。このように、指標値（ｏｘｙ−Ｈｂ*）と、その微分値ｄ（ｏｘｙ−Ｈｂ*）／ｄｔを二軸とする位相平面上では、タスク期間に相当する座標と、レスト期間に相当する座標は、それぞれが、ある程度のまとまりをもって出現する傾向を示す。大まかにいうと、タスク期間に相当する座標は、位相平面における上半分の領域（（ｏｘｙ−Ｈｂ*）が高い領域）に出現し、レスト期間に相当する座標は、位相平面における下半分の領域（（ｏｘｙ−Ｈｂ*）が低い領域）に出現する傾向を示す。
【００４１】
ここで、前述のように、位相平面上に展開されたデータは、複数の測定ポイント毎に得られたデータに基づいている。従って、複数の測定ポイント毎に、位相平面上に展開されたデータが存在することになる。
【００４２】
ここで、測定ポイントは、被験者２００の頭部の異なる箇所に該当するものである。各測定ポイントにおける実際の脳活動は、被験者２００によって異なるものであるし、被験者２００の頭蓋骨の厚さや髪の生え具合等によって測定強度も異なるものである。従って、与えたタスクの種類（本実施例では「右手を握ろうと考える」）に応じて、どの箇所で最も脳活動が鮮明に現れるか、また測定が容易であるかは、被験者２００によって様々である。
【００４３】
そこで、評価値算出部３６は、対象となる被験者２００について、与えたタスクに応じて最も測定に適した測定ポイントを選択するために、測定ポイントの適合性を評価した評価値を算出する。
【００４４】
本実施例では、図８に示した位相平面上に展開したデータにおいて、タスク期間に相当する座標の軌跡と、レスト期間に相当する座標の軌跡が明確に分離している測定ポイントを、好ましい測定ポイントとして高い評価を与える。後述するように本実施例の脳活動状態解析装置１は、本作動段階において、位相平面上に展開した入力データの位置によって被験者２００の脳活動状態を推定するからである。
【００４５】
図９は、異なる測定ポイントによる測定データから得られた、位相平面上に展開したデータを並べて示す図である。図９（Ａ）のデータは、タスク期間に相当する座標の軌跡と、レスト期間に相当する座標の軌跡が明確に分離しているため、好ましい測定ポイントによるものである。一方、図９（Ｂ）のデータは、タスク期間に相当する座標の軌跡と、レスト期間に相当する座標の軌跡が混在して判別しにくいため、好ましくない測定ポイントによるものである。
【００４６】
評価値算出部３６は、上記説明したような明確に分離していることを示す評価値として、位相平面上の座標群におけるグループ内分散σ2Wで、グループ間分散σ2Bを除算して分散度Ｊσを算出する（次式（１））参照）。ここで、グループは、タスク期間とレスト期間のいずれに測定されたデータによるものであるか、によって決定される。なお、「何回目の」タスク期間／レスト期間であるか、については考慮しない。
【００４７】
Ｊσ＝σ2B／σ2W …（１）。
【００４８】
グループ内分散σ2Wとは、位相平面上における、タスク期間とレスト期間のそれぞれのグループに属する座標群内の分散であり、次式（２）で表される。式中、ｎは総座標数であり、ｉはグループ（タスク期間／レスト期間）を示す識別子であり、ｃはグループ数（本実施例では２）である。また、ｘkは順番にサンプリングされる座標であり、ｎiは各グループに属する座標数であり、ｍiはグループ内の全座標の重心である。式（２）から分かるように、グループ内分散σ2Wは、グループ内のデータの散らばりを表す値である。グループ内分散σ2Wが小さい程、同じ傾向を有する座標群の特徴が精度よく表れていると考えられる。図１０は、グループ内分散σ2Wを概念的に示す図である。
【００４９】
【数１】
【００５０】
一方、グループ間分散σ2Bとは、位相平面上における、タスク期間のグループとレスト期間のグループとの分散であり、次式（３）で表される。式中、ｍはグループを問わない全ての座標の重心である。式（３）から分かるように、グループ間分散σ2Bは、グループ同士の散らばり（距離）を表す値である。グループ間分散σ2Bが大きい程、異なる傾向を有する座標群が明確に分離していることになる。図１１は、グループ間分散σ2Bを概念的に示す図である。
【００５１】
【数２】
【００５２】
これらより、グループ内分散σ2Wが小さい程、そしてグループ間分散σ2Bが大きい程、例えばタスク期間とレスト期間の座標群が明確に分離し、且つそれぞれがまとまっているため、好ましい座標群である（好ましい測定ポイントである）と判断できる。評価値算出部３６は、係る原理に従い、上式（１）に基づき分散度Ｊσを算出する。これによって、被験者２００に与えた脳活動上のタスクに応じた測定ポイントの決定を、精度良く行うことができる。図１２は、分散度Ｊσを概念的に示す図である。
【００５３】
なお、本出願人の発明者は、図９の軌跡を生成した各データに対して分散度Ｊσを算出したところ、図９（Ａ）のデータについては、Ｊσ＝1.2397という結果を、図９（Ｂ）のデータについては、Ｊσ＝0.0020という結果を得た。これによって、タスク期間に対応する座標の軌跡とレスト期間に対応する座標の軌跡が、それぞれまとまって観測される測定ポイントは、高い分散度Ｊσを示すことが分かる。従って、このような分散度Ｊσは位相平面上の座標群の評価に有効である。
【００５４】
なお、評価値算出部３６が算出する評価値は、上式（１）で示される分散度Ｊσを採用することが好ましいが、次式（４）〜（６）で示されるように、分散度Ｊσと同様の性質を示す値であれば、これらを採用しても構わない。また、式（４）の各項に係数を乗じる等、適合性向上のための変形等は許容される。
【００５５】
（評価値*）＝σ2B−σ2W …（４）
（評価値**）＝σ2B …（５）
（評価値***）＝１／σ2W …（６）
【００５６】
測定ポイント選択部３８は、評価値算出部３６により算出された分散度Ｊσに基づき、好ましい測定ポイントを選択する。具体的には、単に分散度Ｊσが最も高い測定ポイントを選択してもよいし、分散度Ｊσに加えて他の条件を反映させて測定ポイントを選択してもよい。係る処理によって、好ましい測定ポイントを、迅速に且つ自動的に決定することができる。
【００５７】
また、測定ポイント選択部３８は、一の測定ポイントを選択するだけでなく、複数の測定ポイントを選択してもよい。この場合、後述する本作動段階では、複数の測定ポイントによるデータを反映させた関数等を用いて被験者２００の脳活動状態を推定する。
【００５８】
また、上記のように自動的に測定ポイントを選択するのに限らず、表示装置２４等により測定ポイント毎の分散度Ｊσをユーザに提示し、ユーザが入力装置２２を用いて測定ポイントを選択する処理を行ってもよい（ユーザの選択を受け付ける）。
【００５９】
以上説明した準備段階の処理により、被験者２００に与えた脳活動上のタスクに応じた測定ポイントの決定を、精度良く行うことができる。
【００６０】
〔本作動段階〕
以下、準備段階において選択された測定ポイントを用いて行われる本作動段階の処理について説明する。図１３は、本作動段階の処理を概念的に示す図である。
【００６１】
本作動段階では、タスク供与装置５０による脳活動上のタスクの供与は行われず、準備段階と同じ被験者２００が、準備段階で供与された脳活動上のタスクと同じこと（「右手を握ろうと考える」）を思念する。
【００６２】
脳活動状態推定部４０は、被験者２００が上記思念を行った前後において、準備段階で選択された測定ポイントにおいて測定されたデータを解析し、被験者２００が上記思念を行った期間を推定する。
【００６３】
係る推定処理によって被験者２００が特定の脳活動を行ったことを推定可能であると、その推定結果を様々な用途に利用することができる。詳しくは後述するが、例えば右手が十分に動かない被験者２００に対しては、右手を握ろうと考えたタイミングと同期して右手を握る筋肉に筋刺激を与えることにより、効果的なリハビリテーションの補助を行うことができる。また、ロボットアーム等を思念により操縦することもできる。特に右手が不自由な被験者２００の場合、電動式・油圧式等の可動式義手の操作を思念により行うこともできる。また、ゲーム機器等において、思念によってキャラクターの移動操作等を行うこともできる。
【００６４】
脳活動状態推定部４０は、具体的には、パーセプトロンというパターン認知法に基づき脳活動状態の推定を行う。
【００６５】
まず、測定ポイントにおいて測定されたデータ（ｏｘｙ−Ｈｂ）に対しては、指標データ生成部３２によりノイズ除去処理が行われ、（ｏｘｙ−Ｈｂ*）が生成される。そして、データ変換部３４により、（ｏｘｙ−Ｈｂ*）が位相平面上のデータに変換される。
【００６６】
脳活動状態推定部４０は、位相平面上のデータ（以下、係る位相平面上の座標データを入力データと称する）に対して、準備段階で位相平面上にプロットされた各座標のうち、最も距離が小さい座標を抽出する。そして、抽出した座標がいずれのグループに属するか（タスク期間か、レスト期間か）によって、被験者２００が思念を行ったタイミングであるか否かを判定する。
【００６７】
ここで、脳活動状態推定部４０は、入力データと、準備段階で位相平面上にプロットされた各座標との距離を判定する際に、以下の識別関数ｇ（ｘ）を用いる（次式（７）参照）。式中、ｘは入力データの座標であり、ｘｉは位相平面上の各座標である。式から分かるように、識別関数ｇ（ｘ）は、通常のベクトル間距離からｘの二乗の項を除外している。ｘの二乗の項は、入力データが一定であれば変化しないため、最小距離を求める問題においては無視できるからである。
【００６８】
【数３】
【００６９】
このような手法により、従来の単純な閾値に基づく判定よりも、高精度に被験者２００の脳活動状態を推定することができる。図１４は、従来の単純な閾値に基づく判定原理を例示した図である。図示するように、従来の単純な閾値に基づく判定では、準備段階で計測された（ｏｘｙ−Ｈｂ）の最大値に対して閾値を設定し、境界判定をおこなっていた。
【００７０】
これに対し、本実施例の脳活動状態解析装置１では、上記のような判定を行うため、どのような複雑な決定境界でも近似的に表現することができ、より被験者２００の脳活動傾向に即した判定を行うことができる。この結果、被験者２００の脳活動状態を、より高精度に推定することができる。図１５は、本実施例の脳活動状態解析装置１の判定原理を示す図である。
【００７１】
なお、被験者２００に供与されるタスクは、一種類に限定される必要は無く、複数種類のタスクが供与されてもよい。この場合、「グループ」は複数種類となるが、上式（１）〜（３）等は、元々複数種類のタスクに対応しているため、そのまま用いることができる。
【００７２】
なお、本出願人の発明者は、準備段階と本作動段階を連続して行い、準備段階と本作動段階を通じて同じような周期で「右手を握ろうと考える」が、本作動段階では、タスク制御部３０からの情報を用いずに脳活動状態の推定を行うという実験を行った。図１６は、本作動段階の推定精度を確認するための実験結果を示す図である。図１６（Ａ）は、比較対象となる手法（移動平均処理を施し、準備段階で計測された（ｏｘｙ−Ｈｂ）の最大値の２０％を閾値として、閾値を上回った場合にｏｎと判定する）による推定結果である。一方、図１６（Ｂ）は本実施例の手法による推定結果である。図示するように、比較対象となる手法では、被験者２００が右手を握ろうと考えた期間と、脳活動状態がタスク側であると推定された期間（ｏｎ期間）が必ずしも一致しなかったが、本実施例の脳活動状態解析装置１では、これが高確率で一致することが確かめられた。
【００７３】
〔まとめ〕
以上説明した本実施例の脳活動状態解析装置１によれば、準備段階では、位相平面上に展開したデータに対して、タスクの状態によるグループ分けに依存したデータの散らばりに基づいて測定ポイントを評価するため、被験者２００に与えた脳活動上のタスクに応じた測定ポイントの決定を、精度良く行うことができる。
【００７４】
また、本作動段階では、入力データに対して、準備段階で位相平面上にプロットされた各座標のうち、最も距離が小さい座標の属するグループに応じて被験者２００の脳活動を推定するため、被験者２００の脳活動状態を、より高精度に推定することができる。
【００７５】
＜利用例＞
以下、本実施例の脳活動状態解析装置１の利用例について簡単に説明する。
【００７６】
〔リハビリテーション補助装置〕
図１７は、脳活動状態解析装置１を利用したリハビリテーション補助装置３００の構成例である。リハビリテーション補助装置３００は、筋刺激装置３１０を備える。筋刺激装置３１０は、周知の低周波治療器等が用いられ、タスクとして供与された脳活動において、動かそうとする体の箇所に対応した筋肉に取り付けられる。そして、脳活動状態解析装置１は、被験者２００が特定の脳活動状態に在ると判定した期間において、筋刺激装置３１０に駆動信号を送出する。これによって、被験者２００が例えば「右手を握ろう」と考えたタイミングで右手の筋肉が刺激され、リハビリテーション効果が得られる。
【００７７】
〔思念制御型駆動装置〕
図１８は、脳活動状態解析装置１を利用した思念制御型駆動装置４００の構成例である。思念制御型駆動装置４００は、アクチュエータ４１０を備える。アクチュエータ４１０の態様は如何なるものであってもよいが、例えばロボットアーム、電動式・油圧式等の可動式義手等が考えられる。この場合、脳活動状態解析装置１は、被験者２００が特定の脳活動状態に在ると判定した期間において、アクチュエータ４１０に駆動信号を送出する。これによって、被験者２００が例えば「右手で何かをつかむ」と考えたタイミングで、アクチュエータ４１０が対象物をつかむといった制御が可能となる。
【００７８】
〔思念制御型表示装置〕
図１９は、脳活動状態解析装置１を利用した思念制御型表示装置５００の構成例である。思念制御型表示装置５００は、表示装置５１０を備える。思念制御型表示装置５００は、例えばゲーム機等のバーチャル機器に好適に用いられる。この場合、脳活動状態解析装置１は、被験者２００が特定の脳活動状態に在ると判定した期間において、表示装置５１０に特定表示を行うように指示信号を送出する。これによって、被験者２００が例えば「前に進む」と考えたタイミングで、画面上のキャラクターが前に進むといった制御が可能となる。
【００７９】
以上、本発明を実施するための最良の形態について実施例を用いて説明したが、本発明はこうした実施例に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。
【符号の説明】
【００８０】
１ 脳活動状態解析装置
３０ タスク制御部
３２ 指標データ生成部
３４ データ変換部
３６ 評価値算出部
３８ 測定ポイント選択部
４０ 脳活動状態推定部
５０ タスク供与装置
１００ ＮＩＲＳ
３００ リハビリテーション補助装置
４００ 思念制御型駆動装置
５００ 思念制御型表示装置
【特許請求の範囲】
【請求項１】
被験者の体に光を照射する複数の光照射手段と、前記被験者の体から放出される光を受光する複数の受光手段と、を備える送受光装置から入力される測定データに基づき前記被験者の脳の活動状態を解析する脳活動状態解析装置であって、
前記被験者に対して与えられる脳活動上のタスクの状態を検知するタスク状態検知手段と、
前記複数の光照射手段と前記複数の受光手段との組み合わせにより決定される複数の測定ポイント毎に、前記タスク状態検知手段により検知されるタスクの状態に対応付けられたデータであって、前記複数の受光手段の測定データに基づく指標値が変動する指標データを生成する指標データ生成手段と、
前記指標データ生成手段により生成された指標データを、前記指標値と前記指標値の時間微分値とを二軸とする位相平面上のデータに変換して記憶手段に格納する変換手段と、
前記記憶手段に格納された位相平面上のデータを前記タスクの状態毎にグループ分けし、該グループ分けに依存した前記位相平面上のデータの散らばりに基づき、前記複数の測定ポイントのそれぞれを評価した評価値を算出する評価値算出手段と、
を備える脳活動状態解析装置。
【請求項２】
請求項１に記載の脳活動状態解析装置であって、
前記評価値は、前記グループ内のデータの散らばりが小さい程大きくなる傾向、及び／又は前記グループ間のデータの散らばりが大きい程大きくなる傾向を有する値である、
脳活動状態解析装置。
【請求項３】
請求項１に記載の脳活動状態解析装置であって、
前記評価値は、前記グループ間のデータの散らばりを前記グループ内のデータの散らばりで除算した値である、
脳活動状態解析装置。
【請求項４】
請求項１ないし３のいずれか１項に記載の脳活動状態解析装置であって、
前記評価値算出手段により算出された評価値に基づき、前記複数の測定ポイントから好ましい測定ポイントを選択する選択手段を備える、
脳活動状態解析装置。
【請求項５】
請求項１ないし３のいずれか１項に記載の脳活動状態解析装置であって、
前記評価値算出手段により算出された評価値をユーザに提示し、前記ユーザによる測定ポイントの選択を受け付ける選択受付手段を備える、
脳活動状態解析装置。
【請求項６】
請求項１ないし５のいずれか１項に記載の脳活動状態解析装置であって、
前記被験者に対して脳活動上のタスクを与えるための動作を行うタスク供与手段を備え、
前記タスク状態検知手段は、前記タスク供与手段の動作状態に基づいて前記タスクの状態を検知する手段である、
脳活動状態解析装置。
【請求項７】
請求項１ないし６のいずれか１項に記載の脳活動状態解析装置であって、
前記指標データ生成手段は、前記複数の受光手段の測定データに対してノイズ除去処理を行って前記指標値を算出する手段である、
脳活動状態解析装置。
【請求項８】
請求項１に記載の脳活動状態解析装置であって、
入力データに対応して前記指標データ生成手段により算出された指標値が、予め前記評価値算出手段によりグループ化された位相平面上のデータのうちいずれのデータとの間で最も前記位相平面上の距離が小さいかに基づき、被験者の脳活動状態を推定する脳活動状態推定手段を備える、
脳活動状態解析装置。
【請求項９】
請求項８に記載の脳活動状態解析装置であって、
前記脳活動状態推定手段は、ベクトル演算における距離の算出式から前記指標値の二乗の項を除外した関数に基づき前記位相平面上の距離を算出する手段である、
脳活動状態解析装置。
【請求項１０】
請求項８又は９に記載の脳活動状態解析装置と、
前記脳活動状態推定手段により前記被験者の脳活動状態が所定の状態にあると推定されたときに、前記被験者に筋刺激を与える筋刺激供与手段と、
を備えるリハビリテーション補助装置。
【請求項１１】
請求項８又は９に記載の脳活動状態解析装置と、
前記脳活動状態推定手段により前記被験者の脳活動状態が所定の状態にあると推定されたときに、所定の動作を行うアクチュエータと、
を備える思念制御型駆動装置。
【請求項１２】
請求項８又は９に記載の脳活動状態解析装置と、
前記脳活動状態推定手段により前記被験者の脳活動状態が所定の状態にあると推定されたときに、所定のイメージ画像を表示する表示手段と、
を備える思念制御型表示装置。
【請求項１３】
被験者の体に光を照射する複数の光照射手段と、前記被験者の体から放出される光を受光する複数の受光手段と、を備える送受光装置から入力される測定データに基づき、前記複数の光照射手段と前記複数の受光手段との組み合わせにより決定される複数の測定ポイントから、好適な測定ポイントを選択する測定ポイント選択方法であって、
前記被験者に対して与えられる脳活動上のタスクの状態を検知する処理と、
前記複数の測定ポイント毎に、前記タスク状態検知手段により検知されるタスクの状態に対応付けられたデータであって、前記複数の受光手段の測定データに基づく指標値が変動する指標データを生成する処理と、
前記生成された指標データを、前記指標値と前記指標値の時間微分値とを二軸とする位相平面上のデータに変換して記憶手段に格納する処理と、
前記記憶手段に格納された位相平面上のデータを前記タスクの状態毎にグループ分けし、該グループ分けに依存する前記位相平面上のデータの散らばりに基づき、前記複数の測定ポイントのそれぞれを評価した評価値を算出する処理と、
前記算出された評価値に基づき好適な測定ポイントを選択する処理と、
をコンピュータが実行する測定ポイント選択方法。
【請求項１４】
被験者の体に光を照射する複数の光照射手段と、前記被験者の体から放出される光を受光する複数の受光手段と、を備える送受光装置から入力される測定データに基づき、前記複数の光照射手段と前記複数の受光手段との組み合わせにより決定される複数の測定ポイントから、好適な測定ポイントを選択する測定ポイント選択方法であって、
前記被験者に対して与えられる脳活動上のタスクの状態を検知する処理と、
前記複数の測定ポイント毎に、前記タスク状態検知手段により検知されるタスクの状態に対応付けられたデータであって、前記複数の受光手段の測定データに基づく指標値が変動する指標データを生成する処理と、
前記生成された指標データを、前記指標値と前記指標値の時間微分値とを二軸とする位相平面上のデータに変換して記憶手段に格納する処理と、
前記記憶手段に格納された位相平面上のデータを前記タスクの状態毎にグループ分けし、該グループ分けに依存する前記位相平面上のデータの散らばりに基づき、前記複数の測定ポイントのそれぞれを評価した評価値を算出する処理と、
前記算出された評価値を提示し、ユーザによる好適な測定ポイントの選択を受け付ける処理と、
をコンピュータが実行する測定ポイント選択方法。
【請求項１５】
被験者の体に光を照射する複数の光照射手段と、前記被験者の体から放出される光を受光する複数の受光手段と、を備える送受光装置から入力される測定データに基づき、前記複数の光照射手段と前記複数の受光手段との組み合わせにより決定される複数の測定ポイントから、好適な測定ポイントを選択するための測定ポイント選択プログラムであって、
前記被験者に対して与えられる脳活動上のタスクの状態を検知する処理と、
前記複数の測定ポイント毎に、前記タスク状態検知手段により検知されるタスクの状態に対応付けられたデータであって、前記複数の受光手段の測定データに基づく指標値が変動する指標データを生成する処理と、
前記生成された指標データを、前記指標値と前記指標値の時間微分値とを二軸とする位相平面上のデータに変換して記憶手段に格納する処理と、
前記記憶手段に格納された位相平面上のデータを前記タスクの状態毎にグループ分けし、該グループ分けに依存する前記位相平面上のデータの散らばりに基づき、前記複数の測定ポイントのそれぞれを評価した評価値を算出する処理と、
前記算出された評価値に基づき好適な測定ポイントを選択する処理と、
をコンピュータに実行させる測定ポイント選択プログラム。
【請求項１６】
被験者の体に光を照射する複数の光照射手段と、前記被験者の体から放出される光を受光する複数の受光手段と、を備える送受光装置から入力される測定データに基づき、前記複数の光照射手段と前記複数の受光手段との組み合わせにより決定される複数の測定ポイントから、好適な測定ポイントを選択するための測定ポイント選択プログラムであって、
前記被験者に対して与えられる脳活動上のタスクの状態を検知する処理と、
前記複数の測定ポイント毎に、前記タスク状態検知手段により検知されるタスクの状態に対応付けられたデータであって、前記複数の受光手段の測定データに基づく指標値が変動する指標データを生成する処理と、
前記生成された指標データを、前記指標値と前記指標値の時間微分値とを二軸とする位相平面上のデータに変換して記憶手段に格納する処理と、
前記記憶手段に格納された位相平面上のデータを前記タスクの状態毎にグループ分けし、該グループ分けに依存する前記位相平面上のデータの散らばりに基づき、前記複数の測定ポイントのそれぞれを評価した評価値を算出する処理と、
前記算出された評価値を提示し、ユーザによる好適な測定ポイントの選択を受け付ける処理と、
をコンピュータに実行させる測定ポイント選択プログラム。
【請求項１】
被験者の体に光を照射する複数の光照射手段と、前記被験者の体から放出される光を受光する複数の受光手段と、を備える送受光装置から入力される測定データに基づき前記被験者の脳の活動状態を解析する脳活動状態解析装置であって、
前記被験者に対して与えられる脳活動上のタスクの状態を検知するタスク状態検知手段と、
前記複数の光照射手段と前記複数の受光手段との組み合わせにより決定される複数の測定ポイント毎に、前記タスク状態検知手段により検知されるタスクの状態に対応付けられたデータであって、前記複数の受光手段の測定データに基づく指標値が変動する指標データを生成する指標データ生成手段と、
前記指標データ生成手段により生成された指標データを、前記指標値と前記指標値の時間微分値とを二軸とする位相平面上のデータに変換して記憶手段に格納する変換手段と、
前記記憶手段に格納された位相平面上のデータを前記タスクの状態毎にグループ分けし、該グループ分けに依存した前記位相平面上のデータの散らばりに基づき、前記複数の測定ポイントのそれぞれを評価した評価値を算出する評価値算出手段と、
を備える脳活動状態解析装置。
【請求項２】
請求項１に記載の脳活動状態解析装置であって、
前記評価値は、前記グループ内のデータの散らばりが小さい程大きくなる傾向、及び／又は前記グループ間のデータの散らばりが大きい程大きくなる傾向を有する値である、
脳活動状態解析装置。
【請求項３】
請求項１に記載の脳活動状態解析装置であって、
前記評価値は、前記グループ間のデータの散らばりを前記グループ内のデータの散らばりで除算した値である、
脳活動状態解析装置。
【請求項４】
請求項１ないし３のいずれか１項に記載の脳活動状態解析装置であって、
前記評価値算出手段により算出された評価値に基づき、前記複数の測定ポイントから好ましい測定ポイントを選択する選択手段を備える、
脳活動状態解析装置。
【請求項５】
請求項１ないし３のいずれか１項に記載の脳活動状態解析装置であって、
前記評価値算出手段により算出された評価値をユーザに提示し、前記ユーザによる測定ポイントの選択を受け付ける選択受付手段を備える、
脳活動状態解析装置。
【請求項６】
請求項１ないし５のいずれか１項に記載の脳活動状態解析装置であって、
前記被験者に対して脳活動上のタスクを与えるための動作を行うタスク供与手段を備え、
前記タスク状態検知手段は、前記タスク供与手段の動作状態に基づいて前記タスクの状態を検知する手段である、
脳活動状態解析装置。
【請求項７】
請求項１ないし６のいずれか１項に記載の脳活動状態解析装置であって、
前記指標データ生成手段は、前記複数の受光手段の測定データに対してノイズ除去処理を行って前記指標値を算出する手段である、
脳活動状態解析装置。
【請求項８】
請求項１に記載の脳活動状態解析装置であって、
入力データに対応して前記指標データ生成手段により算出された指標値が、予め前記評価値算出手段によりグループ化された位相平面上のデータのうちいずれのデータとの間で最も前記位相平面上の距離が小さいかに基づき、被験者の脳活動状態を推定する脳活動状態推定手段を備える、
脳活動状態解析装置。
【請求項９】
請求項８に記載の脳活動状態解析装置であって、
前記脳活動状態推定手段は、ベクトル演算における距離の算出式から前記指標値の二乗の項を除外した関数に基づき前記位相平面上の距離を算出する手段である、
脳活動状態解析装置。
【請求項１０】
請求項８又は９に記載の脳活動状態解析装置と、
前記脳活動状態推定手段により前記被験者の脳活動状態が所定の状態にあると推定されたときに、前記被験者に筋刺激を与える筋刺激供与手段と、
を備えるリハビリテーション補助装置。
【請求項１１】
請求項８又は９に記載の脳活動状態解析装置と、
前記脳活動状態推定手段により前記被験者の脳活動状態が所定の状態にあると推定されたときに、所定の動作を行うアクチュエータと、
を備える思念制御型駆動装置。
【請求項１２】
請求項８又は９に記載の脳活動状態解析装置と、
前記脳活動状態推定手段により前記被験者の脳活動状態が所定の状態にあると推定されたときに、所定のイメージ画像を表示する表示手段と、
を備える思念制御型表示装置。
【請求項１３】
被験者の体に光を照射する複数の光照射手段と、前記被験者の体から放出される光を受光する複数の受光手段と、を備える送受光装置から入力される測定データに基づき、前記複数の光照射手段と前記複数の受光手段との組み合わせにより決定される複数の測定ポイントから、好適な測定ポイントを選択する測定ポイント選択方法であって、
前記被験者に対して与えられる脳活動上のタスクの状態を検知する処理と、
前記複数の測定ポイント毎に、前記タスク状態検知手段により検知されるタスクの状態に対応付けられたデータであって、前記複数の受光手段の測定データに基づく指標値が変動する指標データを生成する処理と、
前記生成された指標データを、前記指標値と前記指標値の時間微分値とを二軸とする位相平面上のデータに変換して記憶手段に格納する処理と、
前記記憶手段に格納された位相平面上のデータを前記タスクの状態毎にグループ分けし、該グループ分けに依存する前記位相平面上のデータの散らばりに基づき、前記複数の測定ポイントのそれぞれを評価した評価値を算出する処理と、
前記算出された評価値に基づき好適な測定ポイントを選択する処理と、
をコンピュータが実行する測定ポイント選択方法。
【請求項１４】
被験者の体に光を照射する複数の光照射手段と、前記被験者の体から放出される光を受光する複数の受光手段と、を備える送受光装置から入力される測定データに基づき、前記複数の光照射手段と前記複数の受光手段との組み合わせにより決定される複数の測定ポイントから、好適な測定ポイントを選択する測定ポイント選択方法であって、
前記被験者に対して与えられる脳活動上のタスクの状態を検知する処理と、
前記複数の測定ポイント毎に、前記タスク状態検知手段により検知されるタスクの状態に対応付けられたデータであって、前記複数の受光手段の測定データに基づく指標値が変動する指標データを生成する処理と、
前記生成された指標データを、前記指標値と前記指標値の時間微分値とを二軸とする位相平面上のデータに変換して記憶手段に格納する処理と、
前記記憶手段に格納された位相平面上のデータを前記タスクの状態毎にグループ分けし、該グループ分けに依存する前記位相平面上のデータの散らばりに基づき、前記複数の測定ポイントのそれぞれを評価した評価値を算出する処理と、
前記算出された評価値を提示し、ユーザによる好適な測定ポイントの選択を受け付ける処理と、
をコンピュータが実行する測定ポイント選択方法。
【請求項１５】
被験者の体に光を照射する複数の光照射手段と、前記被験者の体から放出される光を受光する複数の受光手段と、を備える送受光装置から入力される測定データに基づき、前記複数の光照射手段と前記複数の受光手段との組み合わせにより決定される複数の測定ポイントから、好適な測定ポイントを選択するための測定ポイント選択プログラムであって、
前記被験者に対して与えられる脳活動上のタスクの状態を検知する処理と、
前記複数の測定ポイント毎に、前記タスク状態検知手段により検知されるタスクの状態に対応付けられたデータであって、前記複数の受光手段の測定データに基づく指標値が変動する指標データを生成する処理と、
前記生成された指標データを、前記指標値と前記指標値の時間微分値とを二軸とする位相平面上のデータに変換して記憶手段に格納する処理と、
前記記憶手段に格納された位相平面上のデータを前記タスクの状態毎にグループ分けし、該グループ分けに依存する前記位相平面上のデータの散らばりに基づき、前記複数の測定ポイントのそれぞれを評価した評価値を算出する処理と、
前記算出された評価値に基づき好適な測定ポイントを選択する処理と、
をコンピュータに実行させる測定ポイント選択プログラム。
【請求項１６】
被験者の体に光を照射する複数の光照射手段と、前記被験者の体から放出される光を受光する複数の受光手段と、を備える送受光装置から入力される測定データに基づき、前記複数の光照射手段と前記複数の受光手段との組み合わせにより決定される複数の測定ポイントから、好適な測定ポイントを選択するための測定ポイント選択プログラムであって、
前記被験者に対して与えられる脳活動上のタスクの状態を検知する処理と、
前記複数の測定ポイント毎に、前記タスク状態検知手段により検知されるタスクの状態に対応付けられたデータであって、前記複数の受光手段の測定データに基づく指標値が変動する指標データを生成する処理と、
前記生成された指標データを、前記指標値と前記指標値の時間微分値とを二軸とする位相平面上のデータに変換して記憶手段に格納する処理と、
前記記憶手段に格納された位相平面上のデータを前記タスクの状態毎にグループ分けし、該グループ分けに依存する前記位相平面上のデータの散らばりに基づき、前記複数の測定ポイントのそれぞれを評価した評価値を算出する処理と、
前記算出された評価値を提示し、ユーザによる好適な測定ポイントの選択を受け付ける処理と、
をコンピュータに実行させる測定ポイント選択プログラム。
【図１】
【図２】
【図３】
【図４】
【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２】
【図３】
【図４】
【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】
【公開番号】特開２０１３−５２１７５（Ｐ２０１３−５２１７５Ａ）
【公開日】平成２５年３月２１日（２０１３．３．２１）
【国際特許分類】
【出願番号】特願２０１１−１９３８８６（Ｐ２０１１−１９３８８６）
【出願日】平成２３年９月６日（２０１１．９．６）
【出願人】（８９９００００５７）学校法人日本大学 (650)
【Ｆターム（参考）】
【公開日】平成２５年３月２１日（２０１３．３．２１）
【国際特許分類】
【出願日】平成２３年９月６日（２０１１．９．６）
【出願人】（８９９００００５７）学校法人日本大学 (650)
【Ｆターム（参考）】
[ Back to top ]