脑网络的活动估计系统、脑网络的活动估计方法、脑网络的活动估计程序以及已学习脑活动估计模型技术方案

脑网络的活动估计系统(1)包括：获取从受验者(S)同时测量出的脑电波的测量数据(121)和功能性磁共振图像法的测量数据(122)的单元；单元(152)，其构建将脑电波的测量数据作为输入数据的特征估计模型(10)，并且决定用于规定该特征估计模型的参数；单元(154)，其基于在提供了脑电波的测量数据作为输入数据的情况下计算出的各模块的输出值，来计算每个模块的特征量；单元(158)，其基于功能性磁共振图像法的测量数据，来计算每个脑网络的图像特征量；以及单元(160)，其通过评价每个模块的特征量与每个脑网络的图像特征量之间的相关性，来决定多个模块中的表现特定的脑网络的活动的一个或多个模块。

【技术实现步骤摘要】
【国外来华专利技术】脑网络的活动估计系统、脑网络的活动估计方法、脑网络的活动估计程序以及已学习脑活动估计模型
本专利技术涉及一种基于脑电波的测量数据来估计脑网络的活动的技术。
技术介绍
作为以非侵入方式测量脑活动的方法，大致分为功能性磁共振图像法(functionalMagneticResonanceImaging：fMRI)、近红外光谱测量(NearInfraredSpectroscopy：NIRS)之类的基于血流测量的方法、以及测量脑电图或脑电波图(Electroencephalogram：下面也简称为“EEG”。)、脑磁图(Magnetoencephalography：下面也简称为“MEG”。)的基于电磁场测量的方法这两种。为了便于说明，在本说明书中，将通过EEG测量和MEG测量而测量出的信号变化(时间波形)统称为“脑电波”。这些测量方法中的EEG测量与其它的测量方法相比，在可移动性、便携性、价格、普及可能性等方面比较有利。提出了一种利用这样的EEG测量来决定脑内的模型的通用的机器学习方法(例如非专利文献1)。另外，使用通过fMRI测量出的脑活动图案图像，来确认各种各样的脑网络的存在(例如非专利文献2)。利用通过fMRI测量获取到的脑活动图案图像，能够直接观测脑网络的活动，另一方面，fMRI测量所需要的装置为大型，存在只能配置在有限的场所内并且受验者必须滞留在测量装置内之类的普及可能性等问题。因此，提出了使用fMRI测量数据和EEG测量数据来估计脑网络的当前的活动那样的方法(例如专利文献1)。专利文献1公开使用了fMRI和EEG的同时测量数据的神经反馈系统。现有技术文献专利文献专利文献1：美国专利申请公开第2014/0148657号说明书非专利文献非专利文献1：Jun-ichiroHirayama,AapoHyvarinen,MotoakiKawanabe,“SPLICE：FullyTractableHierarchicalExtensionofICAwithPooling(具有池的ICA的完全可扩展的层次扩展)”,Proceedingsofthe34thInternationalConferenceonMachineLearning,PMLR70:1491-1500,2017.非专利文献2：B.T.T.Yeo,F.M.Krienen,J.Sepulcre,M.R.Sabuncu,D.Lashkari,M.Hollinshead,J.L.Roffman,J.W.Smoller,L.Zollei,J.R.Polimeni,etal.,“Theorganizationofthehumancerebralcortexestimatedbyfunctionalconnectivity(通过功能连通性估计的人类大脑皮层组织)”,J.Neurophysiol.,106(2011),pp.1125-1165
技术实现思路
专利技术要解决的问题在如上所述的现有技术中，为了获取用于估计脑网络的活动的信息，需要对EEG测量结果进行逆问题分析。像这样的逆问题分析存在由于需要脑、头盖的形状信息和传感器的位置信息以获得高精度的结果因此通用性变低这样的问题，还存在运算处理量多并且计算的脑网络的活动的时间粒度不可避免地变大这样的问题。另外，在现有技术中，只能针对多个脑网络中的特定的一部分脑网络估计活动。期望如下一种方法：能够使用通过EEG测量等比较简单的方法测量出的脑电波的信号，来比较高速地估计各种各样的脑网络的活动。用于解决问题的方案按照本专利技术的某个实施方式的脑网络的活动估计系统包括：获取单元，其获取从受验者同时测量出的脑电波的测量数据和功能性磁共振图像法的测量数据；以及参数决定单元，其构建将脑电波的测量数据作为输入数据的特征估计模型，并且决定用于规定该特征估计模型的参数。特征估计模型包括表示脑内的信号源的多个元素以及分别与多个元素中的至少一部分元素结合的多个模块。脑网络的活动估计系统还包括：第一特征量计算单元，其基于在提供了脑电波的测量数据作为输入数据的情况下计算出的各模块的输出值，来计算每个模块的特征量；第二特征量计算单元，其基于功能性磁共振图像法的测量数据，来计算每个脑网络的图像特征量；以及决定单元，其通过评价由第一特征量计算单元计算出的每个模块的特征量与由第二特征量计算单元计算出的每个脑网络的图像特征量之间的相关性，来决定多个模块中的表现特定的脑网络的活动的一个或多个模块。在上述方式中，也可以为，脑网络的活动估计系统还包括：第三特征量计算单元，其将从受验者测量出的脑电波的测量数据作为输入数据提供给特征估计模型，并且至少针对表现特定的脑网络的活动的一个或多个模块计算特征量；以及脑活动计算单元，其基于由第三特征量计算单元计算出的特征量，计算表示特定的脑网络的活动程度的值。在上述方式中，也可以为，脑网络的活动估计系统还包括反馈单元，所述反馈单元基于表示特定的脑网络的活动程度的值，来决定与受验者对应的动作的内容。在上述方式中，也可以为，多个元素各自被计算为输入数据的线性组合。在上述方式中，也可以为，输入数据是规定期间内的时间序列数据，第一特征量计算单元将各模块的规定期间内的特征量的时间序列数据在时间方向上进行汇总，作为每个模块的特征量进行输出。在上述方式中，也可以为，参数决定单元以使在提供了脑电波的测量数据作为输入数据的情况下计算出的各元素的时间波形之间(短时间功率或振幅)产生强的相关性的方式决定用于规定特征估计模型的参数。在上述方式中，也可以为，脑网络的活动估计系统还具有存储单元，所述存储单元按受验者将用于规定特征估计模型的参数与表示表现特定的脑网络的活动的一个或多个模块的信息相关联地进行保存，并且响应于请求而输出与特定的受验者对应的参数及表示表现特定的脑网络的活动的一个或多个模块的信息。按照本专利技术的另一实施方式的脑网络的活动估计方法包括以下步骤：获取从受验者同时测量出的脑电波的测量数据和功能性磁共振图像法的测量数据；以及参数步骤，构建将脑电波的测量数据作为输入数据的特征估计模型，并且决定用于规定该特征估计模型的参数。特征估计模型包括表示脑内的信号源的多个元素以及分别与多个元素中的至少一部分元素结合的多个模块。脑网络的活动估计方法包括以下步骤：基于在提供了脑电波的测量数据作为输入数据的情况下计算出的各模块的输出值，来计算每个模块的特征量；基于功能性磁共振图像法的测量数据，来计算每个脑网络的图像特征量；以及通过评价计算出的每个模块的特征量与计算出的每个脑网络的图像特征量之间的相关性，来决定多个模块中的表现特定的脑网络的活动的一个或多个模块。按照本专利技术的又一实施方式的脑网络的活动估计程序使计算机执行以下步骤：获取从受验者同时测量出的脑电波的测量数据和功能性磁共振图像法的测量数据；以及参数步骤，构建将脑电波的测量数据作为输入数据的特征估计模型，并且决定用于规定该特征估计模型的参数。特征本文档来自技高网...

【技术保护点】
1.一种脑网络的活动估计系统，具备：/n获取单元，其获取从受验者同时测量出的脑电波的测量数据和功能性磁共振图像法的测量数据；以及/n参数决定单元，其构建将所述脑电波的测量数据作为输入数据的特征估计模型，并且决定用于规定该特征估计模型的参数，/n其中，所述特征估计模型包括表示脑内的信号源的多个元素以及分别与所述多个元素中的至少一部分元素结合的多个模块，/n所述脑网络的活动估计系统还具备：/n第一特征量计算单元，其基于在提供了所述脑电波的测量数据作为输入数据的情况下计算出的各模块的输出值，来计算每个模块的特征量；/n第二特征量计算单元，其基于所述功能性磁共振图像法的测量数据，来计算每个脑网络的图像特征量；以及/n决定单元，其通过评价由所述第一特征量计算单元计算出的每个模块的特征量与由所述第二特征量计算单元计算出的每个脑网络的图像特征量之间的相关性，来决定所述多个模块中的表现特定的脑网络的活动的一个或多个模块。/n

【技术特征摘要】
【国外来华专利技术】20171127 JP 2017-2270941.一种脑网络的活动估计系统，具备：
获取单元，其获取从受验者同时测量出的脑电波的测量数据和功能性磁共振图像法的测量数据；以及
参数决定单元，其构建将所述脑电波的测量数据作为输入数据的特征估计模型，并且决定用于规定该特征估计模型的参数，
其中，所述特征估计模型包括表示脑内的信号源的多个元素以及分别与所述多个元素中的至少一部分元素结合的多个模块，
所述脑网络的活动估计系统还具备：
第一特征量计算单元，其基于在提供了所述脑电波的测量数据作为输入数据的情况下计算出的各模块的输出值，来计算每个模块的特征量；
第二特征量计算单元，其基于所述功能性磁共振图像法的测量数据，来计算每个脑网络的图像特征量；以及
决定单元，其通过评价由所述第一特征量计算单元计算出的每个模块的特征量与由所述第二特征量计算单元计算出的每个脑网络的图像特征量之间的相关性，来决定所述多个模块中的表现特定的脑网络的活动的一个或多个模块。


2.根据权利要求1所述的脑网络的活动估计系统，其中，
所述脑网络的活动估计系统还具备：
第三特征量计算单元，其将从受验者测量出的脑电波的测量数据作为输入数据提供给所述特征估计模型，并且至少针对所述表现特定的脑网络的活动的一个或多个模块计算特征量；以及
脑活动计算单元，其基于由所述第三特征量计算单元计算出的特征量，计算表示所述特定的脑网络的活动程度的值。


3.根据权利要求2所述的脑网络的活动估计系统，其中，
所述脑网络的活动估计系统还具备反馈单元，所述反馈单元基于表示所述特定的脑网络的活动程度的值，来决定与所述受验者对应的动作的内容。


4.根据权利要求1～3中的任一项所述的脑网络的活动估计系统，其中，
所述多个元素各自被计算为所述输入数据的线性组合。


5.根据权利要求1～4中的任一项所述的脑网络的活动估计系统，其中，
所述输入数据是规定期间内的时间序列数据，
所述第一特征量计算单元将各模块的所述规定期间内的特征量的时间序列数据在时间方向上进行汇总，作为每个模块的特征量进行输出。


6.根据权利要求1～5中的任一项所述的脑网络的活动估计系统，其中，
所述参数决定单元以使在提供了所述脑电波的测量数据作为输入数据的情况下计算出的各元素的时间波形之间产生强的相关性的方式决定用于规定所述特征估计模型的参数。


7.根据权利要求1～6中的任一项所述的脑网络的活动估计系统，其中，
所述脑网络的活动估计系统还具备存储单元，所述存储单元按受验者将用于规定所述特征估计模型的参数与表示表现特定的脑网络的活动的一个或多个模块的信息相关联地进行保存，并且响应于请求而输出与特定的受验者对应的参数及表示表现特定的脑网络的活动的一个或多个模块的信息。


8.一种脑网络的活动估计方法，包括以下步骤：
获取从受验者同时测量出的脑电波的测量数据和功能性磁共振图像法的测量数据；以及
参数步骤，构建将所述脑电波的测量数据作为输入数据的特征估计模型，并且决定用于规定该特征估计模型的参数，
其中，所述特征估计模型包括表示脑内的信号源的多个元素以及分别与所述多个元素中的至少一部分元素结合的多个模块，
所述脑网络的活动估计方法还包括以下步骤：
基于在提供了所述脑电波的测量数据作为输入数据的情况下计算出的各模块的输出值，来计算每个模块的特征量；
基于所述功能性磁共振图像法的测量数据，来计算每个脑网络的图像特征量；以及
通过评价计算出的所述每个模块的特征量与计算出的所述每个脑网络的图像特征量之间的相关性，来决定所述多个模块中的表现特定的脑网络的活动的一个或多个模块。


9.一种脑网络的活动估计程序，使计算机执行以下步骤：
获取从受验者同时测量出的脑电波的测量数据和功能性磁共振图像法的测量数据；以及
参数步骤，构建将所述脑电波的测量数据作为输入数据的特征估计模型，并且决定用于规定该特征估计模型的参数，
其中，所述特征估计模型包括表示脑内的信号源的多个元素以及分别与所述多个元素中的至少一部分元素结合的多个模块，
所述脑网络的活动估计程序还使计算机执行以下步骤：
基于在提供了所述脑电波的测量数据作为输入数据的情况下计算出的各模块的输出值，来计算每个模块的特征量；
基于所述功能性磁共振图像法的测量数据，来计算每个脑网络的图像特征量；以及
通过评价计算出的所述每个模块的特征量与计算出的所述每个脑网络的图像特征量之间的相关性，来决定所述多个模块中的表现特定的脑网络的活动的一个或多个模块。


10.一种脑网络的活动估计系统，具备：
获取单元，其获取从受验者测量出的脑电波的测量数据；以及
模型构建单元，其使用预先与所述受验者相关联地决定的参数，构建将所述脑电波的测量数据作为输入数据的特征估计模型，
其中，所述特征估计模型包括表示脑内的信号源的多个元素以及分别与所述多个元素中的至少一部分元...

【专利技术属性】
技术研发人员：平山淳一郎，小川刚史，守谷大树，
申请(专利权)人：株式会社国际电气通信基础技术研究所，
类型：发明
国别省市：日本;JP