特許ウォッチ

公開番号2024056674
公報種別公開特許公報(A)
公開日2024-04-23
出願番号2023204558,2023152236
出願日2023-12-04,2022-10-11
発明の名称プログラム、製造方法、製造装置及び接続方法
出願人株式会社JiMED,国立大学法人大阪大学
代理人個人,個人
主分類A61B 5/384 20210101AFI20240416BHJP(医学または獣医学;衛生学)
要約【課題】被験者の脳波に基づいて被験者の企図を比較的高精度に推定可能な学習済モデルを生成するプログラム、製造方法、製造装置及び接続方法を提供する。
【解決手段】被験者の企図を推定する学習済モデルの生成に用いられる複数の教師データの各々は、脳波に関する情報を含むと共に、複数のパラメータの少なくとも一部を踏まえた上で機械学習に用いられる。プログラムは、複数のパラメータの複数の組合せの各々に関して機械学習を行なうことによって複数の学習済モデルを生成するステップと、複数の学習済モデルの各々に関して感度及び特異度を算出するステップと、複数のモザイクグラフを共通の画面に表示させるステップとをコンピュータに実行させる。複数のモザイクグラフの各々は、複数の組合せの少なくとも一部における感度に関する情報を示す。複数のモザイクグラフに関して前提となる特異度は互いに異なる。
【選択図】図1

特許請求の範囲【請求項１】
被験者の脳波に基づいて前記被験者の企図を推定する学習済モデルの生成に用いられるプログラムであって、
前記学習済モデルは、複数の教師データを用いた機械学習を通じて生成され、
前記機械学習においては、複数のパラメータの各々が事前に調整され、
前記複数の教師データの各々は、前記脳波に関する情報を含むと共に、前記複数のパラメータの少なくとも一部を踏まえた上で前記機械学習に用いられ、
前記プログラムは、
前記複数のパラメータの複数の組合せの各々に関して前記機械学習を行なうことによって複数の学習済モデルを生成するステップと、
前記複数の学習済モデルの各々に関して感度及び特異度を算出するステップと、
複数のモザイクグラフを共通の画面に表示させるステップとをコンピュータに実行させ、
前記複数のモザイクグラフの各々は、前記複数の組合せの少なくとも一部における前記感度に関する情報を示し、
前記複数のモザイクグラフに関して前提となる前記特異度に関する値は互いに異なる、プログラム。
続きを表示（約 2,500 文字）【請求項２】
前記複数のモザイクグラフの各々においては、前記複数のパラメータのうち少なくとも一部が前提の値として決められており、
前記前提の値の変更を受け付けるステップと、
前記前提の値が変更された場合に、前記複数のモザイクグラフの各々を更新するステップとを前記コンピュータにさらに実行させる、請求項１に記載のプログラム。
【請求項３】
前記感度に関する情報は色情報を含み、
前記感度の値と色との対応関係を示すスケールの変更を受け付けるステップと、
前記スケールが変更された場合に、前記複数のモザイクグラフの各々を更新するステップとを前記コンピュータにさらに実行させる、請求項１又は請求項２に記載のプログラム。
【請求項４】
前記感度に関する情報は数値情報を含む、請求項１又は請求項２に記載のプログラム。
【請求項５】
前記感度及び前記特異度の両方に基づいて前記複数のパラメータの最適な組合せを導出するステップと、
前記最適な組合せにおける各パラメータの数値を前記画面に表示させるステップとを前記コンピュータにさらに実行させ、
前記複数のモザイクグラフの各々は、前記最適な組合せを前提として生成される、請求項１又は請求項２に記載のプログラム。
【請求項６】
前記複数のモザイクグラフにおいて示される複数の前記感度に関する情報のうち最も高い感度を示す情報を前記画面に強調表示させるステップを前記コンピュータにさらに実行させる、請求項１又は請求項２に記載のプログラム。
【請求項７】
被験者の脳波に基づいて前記被験者の企図を推定する学習済モデルの製造方法であって、
前記学習済モデルは、複数の教師データを用いた機械学習を通じて生成され、
前記機械学習においては、複数のパラメータの各々が事前に調整され、
前記複数の教師データの各々は、前記脳波に関する情報を含むと共に、前記複数のパラメータの少なくとも一部を踏まえた上で前記機械学習に用いられ、
前記製造方法は、
前記複数のパラメータの複数の組合せの各々に関して前記機械学習を行なうことによって複数の学習済モデルを生成するステップと、
前記複数の学習済モデルの各々に関して感度及び特異度を算出するステップと、
複数のモザイクグラフを共通の画面に表示するステップとを含み、
前記複数のモザイクグラフの各々は、前記複数の組合せの少なくとも一部における前記感度に関する情報を示し、
前記複数のモザイクグラフに関して前提となる前記特異度に関する値は互いに異なる、製造方法。
【請求項８】
被験者の脳波に基づいて前記被験者の企図を推定する学習済モデルの製造装置であって、
前記学習済モデルは、複数の教師データを用いた機械学習を通じて生成され、
前記機械学習においては、複数のパラメータの各々が事前に調整され、
前記複数の教師データの各々は、前記脳波に関する情報を含むと共に、前記複数のパラメータの少なくとも一部を踏まえた上で前記機械学習に用いられ、
前記製造装置は、
プロセッサと、
前記プロセッサによって実行されるプログラムを記憶するメモリとを備え、
前記プログラムは、
前記複数のパラメータの複数の組合せの各々に関して前記機械学習を行なうことによって複数の学習済モデルを生成するステップと、
前記複数の学習済モデルの各々に関して感度及び特異度を算出するステップと、
複数のモザイクグラフを共通の画面に表示させるステップとを前記プロセッサに実行させ、
前記複数のモザイクグラフの各々は、前記複数の組合せの少なくとも一部における前記感度に関する情報を示し、
前記複数のモザイクグラフに関して前提となる前記特異度に関する値は互いに異なる、製造装置。
【請求項９】
被験者の頭蓋内に埋め込まれた電極群を通じて取得された脳波に基づいて生成された脳波スペクトログラムを表示するためのプログラムであって、
前記電極群は、第１領域に配置された電極と、第２領域に配置された電極とを含み、
前記第１領域に配置された電極によって取得される脳波は、前記第２領域に配置された電極によって取得される脳波と比較して、前記被験者の企図のうち検出対象の企図と高い相関を有し、
前記電極群に含まれる複数の電極の各々は、アンプチップに含まれる複数の増幅素子のいずれかに電気的に接続されており、
前記複数の増幅素子のうち所定の基準を満たさない増幅素子は、前記第２領域に配置された電極に電気的に接続されており、
前記プログラムは、
前記複数の増幅素子の各々の出力に基づいて複数の脳波スペクトログラムを生成するステップと、
生成された複数の脳波スペクトログラムを含む画面を表示させるステップとをコンピュータに実行させ、
前記画面において、前記複数の脳波スペクトログラムの各々は、対応する電極の前記電極群における位置と同等の位置に配置される、プログラム。
【請求項１０】
被験者の脳波を検出するための電極群とアンプチップとの接続方法であって、
前記アンプチップは、複数の増幅素子を含み、
前記電極群は、第１領域に配置された電極と、第２領域に配置された電極とを含み、
前記第１領域に配置された電極によって取得される脳波は、前記第２領域に配置された電極によって取得される脳波と比較して、前記被験者の企図のうち検出対象の企図と高い相関を有し、
前記接続方法は、
前記複数の増幅素子に所定の基準を満たさない増幅素子が含まれるか否かを判定するステップと、
前記複数の増幅素子に前記所定の基準を満たさない増幅素子が含まれていた場合に、前記所定の基準を満たさない増幅素子と、前記第２領域に配置された電極とを接続するステップとを含む、接続方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、プログラム、製造方法、製造装置及び接続方法に関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
特開２０１８－６８８８６号公報（特許文献１）は、ＢＭＩ（ブレインマシンインターフェース）システムを開示する。このＢＭＩシステムは、体内装置と、体外装置とを含んでいる。体内装置は、電極群を有し、被験者の頭部内に埋め込まれる。体内装置は、脳表面（硬膜下）に配置された電極群により被験者の脳波信号を正確に取得できるように構成されている。体内装置によって取得された脳波信号は、体外装置へ送信される。体外装置は、受信された脳波信号に応じた動作を行なう（特許文献１参照）。
【先行技術文献】
【特許文献】
【０００３】
特開２０１８－６８８８６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本発明の目的は、被験者の脳波に基づいて被験者の運動企図（以下、単に「企図」とも称する。）を比較的高精度に推定可能な学習済モデルを生成するプログラム、製造方法、製造装置及び接続方法を提供することである。
【課題を解決するための手段】
【０００５】
本発明のある局面に従うプログラムは、被験者の脳波に基づいて被験者の企図を推定する学習済モデルの生成に用いられる。学習済モデルは、複数の教師データを用いた機械学習を通じて生成される。機械学習においては、複数のパラメータの各々が事前に調整される。複数の教師データの各々は、脳波に関する情報を含むと共に、複数のパラメータの少なくとも一部を踏まえた上で機械学習に用いられる。プログラムは、複数のパラメータの複数の組合せの各々に関して機械学習を行なうことによって複数の学習済モデルを生成するステップと、複数の学習済モデルの各々に関して感度及び特異度を算出するステップと、複数のモザイクグラフを共通の画面に表示させるステップとをコンピュータに実行させる。複数のモザイクグラフの各々は、上記複数の組合せの少なくとも一部における感度に関する情報を示す。複数のモザイクグラフに関して前提となる特異度に関する値は互いに異なる。
【０００６】
このプログラムがコンピュータによって実行されると、複数のモザイクグラフが共通の画面に表示される。複数のモザイクグラフの各々は上記複数の組合せの少なくとも一部における感度に関する情報を示し、複数のモザイクグラフに関して前提となる特異度に関する値は互いに異なる。したがって、このプログラムによれば、上記複数の組合せの少なくとも一部における感度及び特異度が複数のモザイクグラフによって視覚的に表わされるため、複数のパラメータの良好な組合せを画面表示によりユーザ（医師等）に容易に認識させることができる。ユーザ（医師等）は複数のモザイクグラフを参照して使用するパラメータを判断し評価を進めることができるので、被験者の脳波に基づいて被験者の企図を比較的高精度に推定可能な学習済モデルの生成が容易となる。
【０００７】
上記複数のモザイクグラフの各々においては、複数のパラメータのうち少なくとも一部が前提の値として決められていてもよく、上記プログラムは、前提の値の変更を受け付けるステップと、前提の値が変更された場合に複数のモザイクグラフの各々を更新するステップとをコンピュータにさらに実行させてもよい。
【０００８】
このプログラムがコンピュータによって実行されると、前提の値が変更された場合に複数のモザイクグラフの各々が更新される。したがって、このプログラムによれば、パラメータの変更が感度に与える影響を画面表示によりユーザに容易に認識させることができる。
【０００９】
感度に関する情報は色情報を含んでもよく、上記プログラムは、感度の値と色との対応関係を示すスケールの変更を受け付けるステップと、スケールが変更された場合に複数のモザイクグラフの各々を更新するステップとをコンピュータにさらに実行させてもよい。
【００１０】
このプログラムがコンピュータによって実行されると、スケールが変更された場合に複数のモザイクグラフの各々が更新される。したがって、このプログラムによれば、スケールの調整を通じて各パラメータと感度との関係をより明確にユーザに認識させることができる。
（【００１１】以降は省略されています）

関連特許