特許ウォッチ

公開番号2025002947
公報種別公開特許公報(A)
公開日2025-01-09
出願番号2023103357
出願日2023-06-23
発明の名称情報処理方法、情報処理プログラムおよび情報処理装置
出願人株式会社国際電気通信基礎技術研究所
代理人弁理士法人深見特許事務所
主分類A61B 5/372 20210101AFI20241226BHJP(医学または獣医学;衛生学)
要約【課題】カーボンワイヤーループなしの脳波キャップを用いて計測された脳波であっても、ノイズを除去できる新規なソリューションを提供する。
【解決手段】情報処理方法は、カーボンワイヤーループが付加された脳波キャップを用いて、人為的な磁場下におかれた被験者の脳波およびカーボンワイヤーループ信号を計測するステップと、被験者の脳波または被験者の脳波からアーチファクトを除去した後の脳波から、カーボンワイヤーループ信号に基づいてノイズを除去するステップと、カーボンワイヤーループ信号に基づいてノイズを除去する前の脳波の時系列データを入力データとし、カーボンワイヤーループ信号に基づいてノイズを除去された後の脳波の時系列データを正解データとして、ノイズ除去モデルのハイパーパラメータを最適化するステップとを含む。
【選択図】図1
特許請求の範囲【請求項１】
カーボンワイヤーループが付加された脳波キャップを用いて、人為的な磁場下におかれた被験者の脳波およびカーボンワイヤーループ信号を計測するステップと、
前記被験者の脳波または前記被験者の脳波からアーチファクトを除去した後の脳波から、前記カーボンワイヤーループ信号に基づいてノイズを除去するステップと、
前記カーボンワイヤーループ信号に基づいてノイズを除去する前の脳波の時系列データを入力データとし、前記カーボンワイヤーループ信号に基づいてノイズを除去された後の脳波の時系列データを正解データとして、ノイズ除去モデルのハイパーパラメータを最適化するステップとを備える、情報処理方法。
続きを表示（約 2,100 文字）【請求項２】
前記ノイズ除去モデルは、
予測値を算出する関数部と、
前記入力データのうち第１のサンプル数分の時系列データを前記関数部に出力する第１の回帰部と、
前記予測値の第２のサンプル数分の時系列データを出力する前記関数部に出力する第２の回帰部とを含み、
前記ノイズ除去モデルのハイパーパラメータを最適化するステップは、前記第１のサンプル数および前記第２のサンプル数の少なくとも一方を最適化するステップを含む、請求項１に記載の情報処理方法。
【請求項３】
前記時系列データの前記関数部は、非線形関数および線形関数の少なくとも一方を含み、
前記ノイズ除去モデルのハイパーパラメータを最適化するステップは、前記非線形関数および前記線形関数の少なくとも一方を規定する係数を最適化するステップを含む、請求項２に記載の情報処理方法。
【請求項４】
前記ノイズ除去モデルは、１チャネルの脳波の入力を受け付けるとともに、１チャネルの脳波を出力するように構成されており、
前記ノイズ除去モデルのハイパーパラメータを最適化するステップは、
前記入力データに含まれる複数のチャネルの各々を順次直列配置して１次元化するステップと、
前記正解データに含まれる複数のチャネルの各々を順次直列配置して１次元化するステップとを含む、請求項１～３のいずれか１項に記載の情報処理方法。
【請求項５】
脳波キャップを用いて、人為的な磁場下におかれた被験者の脳波を計測するステップと、
前記被験者の脳波または前記被験者の脳波からアーチファクトを除去した後の脳波を、学習処理により構成された学習済モデルに入力してノイズを除去するステップとを備え、
前記学習処理は、
カーボンワイヤーループが付加された脳波キャップを用いて、人為的な磁場下におかれた被験者の脳波およびカーボンワイヤーループ信号を計測するステップと、
前記被験者の脳波または前記被験者の脳波からアーチファクトを除去した後の脳波から、前記カーボンワイヤーループ信号に基づいてノイズを除去するステップと、
前記カーボンワイヤーループ信号に基づいてノイズを除去する前の脳波の時系列データを入力データとし、前記カーボンワイヤーループ信号に基づいてノイズを除去された後の脳波の時系列データを正解データとして、ハイパーパラメータを最適化するステップとを備える、情報処理方法。
【請求項６】
前記学習済モデルは、１チャネルの脳波の入力を受け付けるとともに、１チャネルの脳波を出力するように構成されており、
前記ノイズを除去するステップは、１チャネルの脳波を前記学習済モデルに入力して予測値の時系列データを算出する処理をチャネル数だけ繰り返すステップを含む、請求項５に記載の情報処理方法。
【請求項７】
前記学習済モデルは、
非線形関数および線形関数の少なくとも一方を含み、予測値を算出する関数部と、
前記入力データのうち第１のサンプル数分の時系列データを前記関数部に出力する第１の回帰部と、
前記予測値の第２のサンプル数分の時系列データを出力する前記関数部に出力する第２の回帰部とを含む、請求項５に記載の情報処理方法。
【請求項８】
請求項１～７のうちいずれか１項に記載の情報処理方法をコンピュータに実行させるための情報処理プログラム。
【請求項９】
カーボンワイヤーループが付加された脳波キャップを用いて計測された、人為的な磁場下におかれた被験者の脳波およびカーボンワイヤーループ信号を格納する手段と、
前記被験者の脳波または前記被験者の脳波からアーチファクトを除去した後の脳波から、前記カーボンワイヤーループ信号に基づいてノイズを除去する手段と、
前記カーボンワイヤーループ信号に基づいてノイズを除去する前の脳波の時系列データを入力データとし、前記カーボンワイヤーループ信号に基づいてノイズを除去された後の脳波の時系列データを正解データとして、ノイズ除去モデルのハイパーパラメータを最適化する手段とを備える、情報処理装置。
【請求項１０】
脳波キャップを用いて計測された、人為的な磁場下におかれた被験者の脳波を格納する手段と、
前記被験者の脳波または前記被験者の脳波からアーチファクトを除去した後の脳波を、学習済モデルに入力してノイズを除去する手段とを備え、
前記学習済モデルは、カーボンワイヤーループが付加された脳波キャップを用いて計測された、人為的な磁場下におかれた被験者の脳波およびカーボンワイヤーループ信号を用いて、前記カーボンワイヤーループ信号に基づいてノイズを除去する前の脳波の時系列データを入力データとし、前記カーボンワイヤーループ信号に基づいてノイズを除去された後の脳波の時系列データを正解データとして、ハイパーパラメータが最適化されることで構成される、情報処理装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、情報処理方法、情報処理プログラムおよび情報処理装置に関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
ＭＲＩ（Magnetic Resonance Imaging）内のような高磁場下において、脳波を計測する際には、微細な振動（装置本体、心拍、体動など）に起因したアーチファクトが計測結果に混入し得る。
【０００３】
カーボンワイヤーループ（Carbon-wire loop；以下「ＣＷＬ」とも略称する。）が付加された脳波キャップを用いて、脳波計測中に生じる誘導起電力の信号を計測し、ファラデーの電磁誘導の法則に基づく線形モデルに計測された誘導起電力の信号を入力することで、計測された脳波に含まれるノイズを除去する方法が提案されている（非特許文献１参照）。
【先行技術文献】
【非特許文献】
【０００４】
Johan N. van der Meer et al., "Carbon-wire loop based artifact correction outperforms post-processing EEG/fMRI corrections-A validation of a real-time simultaneous EEG/fMRI correction method", NeuroImage, Volume 125, 15 January 2016, Pages 880-894
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上述の方法においては、ＣＷＬが付加された脳波キャップを用いることで、脳波およびカーボンワイヤーループ信号を同時計測した上で、カーボンワイヤーループ信号を用いて、脳波に含まれるノイズを除去する。本願発明者は、計測された脳波とノイズ除去後の脳波との関係に着目して、ＣＷＬなしの脳波キャップを用いて計測された脳波であっても、ノイズを除去できる新規なソリューションに想到した。
【０００６】
本発明は、ＣＷＬなしの脳波キャップを用いて計測された脳波であっても、ノイズを除去できる新規なソリューションを提供するものである。
【課題を解決するための手段】
【０００７】
本発明のある実施の形態に従う情報処理方法は、カーボンワイヤーループが付加された脳波キャップを用いて、人為的な磁場下におかれた被験者の脳波およびカーボンワイヤーループ信号を計測するステップと、被験者の脳波または被験者の脳波からアーチファクトを除去した後の脳波から、カーボンワイヤーループ信号に基づいてノイズを除去するステップと、カーボンワイヤーループ信号に基づいてノイズを除去する前の脳波の時系列データを入力データとし、カーボンワイヤーループ信号に基づいてノイズを除去された後の脳波の時系列データを正解データとして、ノイズ除去モデルのハイパーパラメータを最適化するステップとを含む。
【０００８】
ノイズ除去モデルは、予測値を算出する関数部と、入力データのうち第１のサンプル数分の時系列データを関数部に出力する第１の回帰部と、予測値の第２のサンプル数分の時系列データを出力する関数部に出力する第２の回帰部とを含んでいてもよい。ノイズ除去モデルのハイパーパラメータを最適化するステップは、第１のサンプル数および第２のサンプル数の少なくとも一方を最適化するステップを含んでいてもよい。
【０００９】
時系列データの関数部は、非線形関数および線形関数の少なくとも一方を含んでいてもよい。ノイズ除去モデルのハイパーパラメータを最適化するステップは、非線形関数および線形関数の少なくとも一方を規定する係数を最適化するステップを含んでいてもよい。
【００１０】
ノイズ除去モデルは、１チャネルの脳波の入力を受け付けるとともに、１チャネルの脳波を出力するように構成されていてもよい。ノイズ除去モデルのハイパーパラメータを最適化するステップは、入力データに含まれる複数のチャネルの各々を順次直列配置して１次元化するステップと、正解データに含まれる複数のチャネルの各々を順次直列配置して１次元化するステップとを含んでいてもよい。
（【００１１】以降は省略されています）

関連特許