JP6975265B2 - コンピューティング・デバイス、非一過性のコンピュータ可読記憶媒体、脳波（ｅｅｇ）信号におけるアーティファクトを除去する方法、およびコンピュータ・プログラム - Google Patents

Description

本開示は、一般に、信号処理に関し、より具体的には、神経生理学的（nｅｕｒｏｐｈｙｓｉｏｌｏｇｉｃａｌ）信号におけるアーティファクト（ａｒｔｉｆａｃｔ）の検出、特定、および除去に関する。

近年、脳コンピュータ・インターフェースおよびインテリジェント信号セグメンテーションは、医学への関心を高めている。脳の電気的活動は、脳波（ＥＥＧ）信号によって表現される。ＥＥＧは、頭皮に取り付けられた電極（小さな、平坦な金属ディスクの形であり得る）を使用して脳における電気的活動を検出するテストである。脳細胞は、電気インパルスを介して通信し、眠っていても常に活動している。このような活動は、脳のニューロン内のイオン電流から生じる電圧変動として現れる。

本明細書で使用される場合、ＥＥＧは、頭皮に配置された複数の電極から記録されるように、ある期間にわたる脳の自発的な電気的活動の記録を指す。診断アプリケーションは通常、ＥＥＧのスペクトル成分、つまりＥＥＧ信号で観察できる神経振動のタイプ（「脳波」と呼ばれることもある）に焦点を当てている。ＥＥＧはてんかんの主要な診断テストの１つであり、他の脳および睡眠障害の診断にも役割を果たし得る。ＥＥＧ測定の精度を高めるために、本明細書でアーティファクトと呼ばれる真の脳波信号を歪ませる、または消す測定中に発生し得る電気汚染物質を除去する必要がある。

神経生理学的信号におけるアーティファクトを検出、特定、および除去する。

様々な実施形態によれば、コンピューティング・デバイス、非一過性のコンピュータ可読記憶媒体、コンピュータ・プログラム、および脳波（ＥＥＧ）信号におけるアーティファクトを除去する方法が提供される。患者のアナログＥＥＧ信号は、第１の電極から受信され、デジタルＥＥＧデータに変換される。アナログＥＥＧ信号と同時に患者のアナログ汗センサ信号が受信され、デジタル汗センサ・データに変換される。患者の所定の汗ストレス・プロファイルに基づいて、デジタル汗センサ・データに変換が適用される。デジタルＥＥＧデータは、変換された汗センサ・データをデジタルＥＥＧデータから差し引くことにより適応的に調整される。調整されたデジタルＥＥＧデータは、コンピューティング・デバイスのユーザ・インターフェースに表示するために送信される。

図面は例示的な実施形態のものである。それらはすべての実施形態を例示している訳ではない。追加または代わりに、他の実施形態が使用され得る。明らかであるか不必要であり得る詳細は、スペースを節約するため、またはより効果的な説明のために、省略され得る。いくつかの実施形態は、追加のコンポーネントまたはステップを用いて、または図示されたすべてのコンポーネントまたはステップを伴わずに、あるいはその両方で実現され得る。異なる図面に同じ数字が表示されている場合、それは同じまたは同様のコンポーネントまたはステップを指す。

電子脳モニタリング中に汗アーティファクトの適応フィルタリングを実行するシステムを実施するための例示的なアーキテクチャを示す図である。 例示的な実施形態と一致する、経時的ないくつかのＥＥＧチャネルの信号を示す図である。 例示的な実施形態と一致する、患者の様々なストレス要因に応答した経時的な汗の例示的なグラフである。 例示的なユーザ・デバイスの様々なコンポーネントを高レベルで示すブロック図である。 例示的な実施形態と一致する汗アーティファクト・システムの適応フィルタリングの高レベル・ブロック図である。 個々の患者に合わせて汗ストレス・プロファイルが調整される初期化トレーニング・フェーズの例示的なプロセスを示す図である。 汗に関連するアーティファクトが特定され、ＥＥＧデータから除去されるアクティブ・フェーズの例示的なプロセスを示す図である。 例示的な実施形態と一致する、様々なネットワーク化されたコンポーネントと通信することができるコンピュータ・ハードウェア・プラットフォームの機能ブロック図である。

概要
以下の詳細な説明では、関連する教示の完全な理解を提供するために、多数の特定の詳細が例として示されている。しかしながら、本教示はこのような詳細なしで実現され得ることが明らかであるはずである。他の事例では、本教示の態様を不必要に曖昧にすることを避けるために、周知の方法、手順、構成要素、または回路、あるいはその組合せを、詳細なしで比較的高レベルで説明した。

本開示は、神経生理学的信号におけるアーティファクトの検出、特定、および除去に関する。今日、脳活動検出のための自動化されたＥＥＧ分析の既知の利用可能な方法には、信頼性を制限する多くの課題がある。このような欠点は、生物学的アーティファクトと、環境ノイズ／干渉に対する敏感性とを含み、信頼性が低下する。本明細書で使用する「アーティファクト」という用語は、対象のイベント信号の品質を落とすすべての非イベント信号を示す。

アーティファクトの潜在的な原因の１つは、患者による汗である。出願人は、汗が、たとえば患者の額から測定されたＥＥＧ信号の分析を妨げる低周波干渉源を導入することを特定した。皮膚を研磨すると、皮膚電位の影響を減らし、本明細書で説明するネガティブな影響を減らすことができるが、時間がかかり、潜在的に有害であり、オプションとはならない場合がある。たとえば、ＥＥＧが睡眠状態で実行され得るか、または、患者が単純にＥＥＧ分析中に定期的に皮膚を擦り切らないことがある。

本明細書で説明する概念は、リアル・タイムでＥＥＧ信号を破壊する汗に関連するアーティファクトを検出および除去する自動的かつ効率的な手法を提供し、これにより、患者のより正確な認知状態評価を提供する。このために、ユーザ・デバイスまたはユーザ・デバイスと協働する中央サーバであり得るコンピューティング・デバイスは、患者のアナログＥＥＧ信号を第１の電極から受信し、ＥＥＧ信号をデジタルＥＥＧデータに変換する。アナログＥＥＧ信号と同時に発生する患者のアナログ汗センサ信号が受信され、デジタル汗センサ・データに変換される。患者の所定の汗ストレス・プロファイルに基づいて、デジタル汗センサ・データに変換が適用される。次に、デジタルＥＥＧデータから、変換された汗センサ・データを差し引くことにより、デジタルＥＥＧデータが適応的に調整される。調整されたＥＥＧデータは、その後、リアル・タイムでコンピューティング・デバイスのユーザ・インターフェースに送信され得る。ここで、添付図面に示され、以下で説明される例を詳細に参照する。

例示的なアーキテクチャ
図１は、電子脳モニタリング中に汗アーティファクトの適応フィルタリングを実行するシステムを実施するための例示的なアーキテクチャ１００を示す。アーキテクチャ１００は、患者１０１（１）〜１０１（Ｎ）が、対応するユーザ・デバイス１０２（１）〜１０２（Ｎ）を介して様々なリソースと通信できるようにするネットワーク１０６を含み得る。ネットワーク化されたリソースは、患者データベース１１０、実行中のＥＥＧアーティファクト・エンジン１０３を有するＥＥＧ分析サーバ１１６、およびネットワーク１０６に接続されている他の任意のコンポーネントを含み得る。

ネットワーク１０６は、ローカル・エリア・ネットワーク（「ＬＡＮ」）、仮想プライベート・ネットワーク（「ＶＰＮ」）、セルラ・ネットワーク、インターネット、またはこれらの組合せであり得るが、これらに限定されない。たとえば、ネットワーク１０６は、患者データベース１１０、ライブラリ、およびインターネットとの通信等の様々な補助サービスを提供するイントラネットと呼ばれることもあるプライベート・ネットワークに通信可能に結合されたモバイル・ネットワークを含み得る。本議論を容易にするために、ネットワーク１０６は、限定ではなく例として、キャリアまたはサービス・プロバイダによって運営され、広範囲のモバイル通信サービスおよび補足サービスまたは機能を、その加入者顧客および関連付けられたモバイル・デバイス・ユーザへ提供するモバイル・ネットワークとして説明される。ネットワーク１０６により、患者１０１（１）〜１０１（Ｎ）から収集されたデータは、ＥＥＧ分析サーバ１１６上のＥＥＧアーティファクト・エンジン１０３に通信されるとともに、患者データベース１１０に記録されることが可能になる。

後の議論のために、電極１０５（１）〜１０５（Ｎ）を介して患者から神経生理学的、または汗の情報、あるいはその両方を収集できるデバイスのいくつかの例を表すために、および、ネットワーク１０６を介して様々なサービスを受信するために、いくつかのユーザ・デバイスが図面に現れる。現在、ユーザ・デバイスは通常、携帯電話、スマートフォン、タブレット・コンピュータ、携帯情報端末（ＰＤＡ）、スマート・ウォッチの形態を採っているが、消費者や医療用電子デバイス等、他のフォーム・ファクタで実施され得る。

１つの実施形態では、電極１０５（１）および１０５（Ｎ）は、それぞれ患者１０１（１）および１０１（Ｎ）の頭皮に取り外し可能に接続される。電極には異なる技術が使用され得るが、ここでは、２つのグループ、（ｉ）電気生理学的信号電極、および（ｉｉ）汗モニタ電極に分割され、本明細書ではまとめて電極と呼ばれる。いくつかの実施形態では、電極は、両電気生理学的信号を感知するとともに、汗パラメータを監視するように構成される。別の言い方をすると、単一の電極チャネルが、ＥＥＧデータと汗データとの両方を提供するように動作する。

前者に関して、電極は、患者から脳活動、または、ＥＥＧデータ等の関連データを収集するように構成される。様々な実施形態において、このような電極は、ＥＥＧ、ＥＣｏＧ、ＥＯＧ、ＥＭＧ等、電気生理学的信号および脳関連信号を測定するための表面電極または頭蓋内電極を含み得る。１つの実施形態では、センサはまた、磁場を感知して、たとえば、患者の頭皮に適用される電極を通して取得できる信号と同様の脳波信号を取得するように構成された磁気電極であり得る。

たとえば、ＥＥＧ電極は、患者の頭皮上の異なる場所に配置されて、患者の神経生理学的信号を測定する。いくつかのこのような電極があり、おのおのが、異なるチャネルの情報を、それに結合されたユーザ・デバイス（たとえば、１０２（１）および１０２（Ｎ））に提供する。対応するＥＥＧ電極の近くにある汗の量を測定するために機能する汗電極もある。

様々な実施形態では、本明細書で説明するＥＥＧデータ・フィルタリングの所望の精度に応じて、ＥＥＧ電極の数に対する汗電極の比率は変動し得る。たとえば、ＥＥＧ電極に対する汗電極の比率は、１：１、１対多（ＥＥＧ電極が、汗電極の所定の半径内にある場合）である場合があるか、または、各ＥＥＧ電極に汗センサを埋め込んでもよい。別の言い方をすれば、同じ電極が、患者の汗情報と神経生理学的信号との両方を提供する。感度は、ＥＥＧ電極と汗電極との間の距離に反比例するため、良好な感度と、単一の汗測定における不正確さよりも大きな汗値における差分とを得るように妥協がなされ得る。１つの実施形態では、ＥＥＧ電極と汗センサ電極との間の距離に基づいて、フィルタリング（たとえば、変換）を調整するために、距離回帰計算が実行される。

様々な実施形態において、電極（たとえば、汗、またはＥＥＧ、あるいはその両方）は、物理的なライン（たとえば、ケーブル・ワイヤ）を介して、または短距離ワイヤレス通信を介してワイヤレスで、あるいはその両方で、対応するユーザ・デバイスに結合され得る。たとえば、患者１０１（１）の電極間の有線通信は、ユーザ・デバイス１０２（１）に物理的に結合された（たとえば、ワイヤのストリップの形態をした）ワイヤのハーネスを介した別個のワイヤを介してもよい。

他の実施形態では、電極１０５（Ｎ）とユーザ・デバイス１０２（Ｎ）との間の通信は、短距離ワイヤレス通信技術を介して実行される。ユーザ・デバイス１０２（Ｎ）と通信するための様々な短距離ワイヤレス技術には、デジタル・エンハンスト・コードレス・テレコミュニケーション（ＤＥＣＴ）、近距離無線通信（ＮＦＣ）、ＺｉｇＢｅｅ、およびＢｌｕｅｔｏｏｔｈが含まれるが、これらに限定されない。ＤＥＣＴ技術（従来は、家庭用ワイヤレス電話システムに使用されていた）は、セルラ・システムよりもかなり少ないエネルギしか使用しない。ＮＦＣは、スマートフォン等のデバイスを互いに接触させるか、通常は数センチメートル以内に近づけることで相互に無線通信を確立するための、スマートフォン等のデバイスのための一連の規格である。範囲が狭いため、大幅な電力消費の利点がある。Ｂｌｕｅｔｏｏｔｈは、ＮＦＣよりも長い距離で動作するが、セルラ・システムと比較してかなりの電力を節約する。ＺｉｇＢｅｅは、低コスト、低電力のワイヤレス・メッシュ・ネットワーク規格である。ＺｉｇＢｅｅのメッシュ・ネットワーキングは、高い信頼性とより広範な範囲を提供する。したがって、ユーザ・デバイス１０２（Ｎ）は、より長い距離からの電力を節約することができる。一般に、低い消費電力が、寿命が長くし、バッテリを小型化し、ユーザ・デバイス１０２（Ｎ）、または電極１０５（Ｎ）、あるいはその両方の人間工学的なフォーム・ファクタが提供される。たとえば、電極は、患者の頭に簡単に装着できるヘルメットの一部とすることができる。本明細書で説明するワイヤレス技術は、電極の偶発的な切断が受信機につながれるのを回避しながら、患者の快適性と移動性を高める。

出願人は、汗が、たとえば患者（たとえば、１０１（１））の額から測定されたＥＥＧ信号の分析を妨げる低周波、大振幅の干渉源を導入することを特定した。この点に関して、図２は、経時的ないくつかのＥＥＧチャネルの信号を示す。ＥＥＧ信号データに精通している人は、このようなデータには信号の周波数と振幅が所定の範囲にある「シグネチャ」があることを理解している。チャネル１、２、および１１のデータが示すように、汗の形態のアーティファクトは、ＥＥＧデータに低周波の大きな振幅シフトを生じさせる。したがって、身体における異なる場所は、同時に発生するＥＥＧ測定において異なる結果を生み出す。

図１に戻って示すように、各ユーザ・デバイス（たとえば、１０２（１））は、対応する患者から収集した電子情報を（有線またはワイヤレスで直接）受信し、受信した情報を処理するように構成される。たとえば、ユーザ・デバイス１０２（１）は、１つまたは複数の電極１０５（１）から患者１０１（１）のＥＥＧ信号および汗センサ信号を受信し得る。ＥＥＧ信号と汗センサ信号は同時に（たとえば、互いに同期して）発生する。最初に収集されたデータはアナログ形式である。したがって、ユーザ・デバイス１０２（１）は、アナログＥＥＧ信号およびアナログ汗センサ信号を、対応するデジタル・データに変換する。様々な実施形態において、このデータは、（ｉ）ユーザ・デバイス１０２（１）によってさらに処理されるか、（ｉｉ）ＥＥＧアーティファクト・エンジン１０３によってさらに処理するためにネットワーク１０６を介してＥＥＧ分析サーバ１１６に送信される。

たとえば、ＥＥＧアーティファクト・エンジン１０３は、ユーザ・デバイス（たとえば、１０２（１）または１０２（Ｎ））と協働して、デジタルＥＥＧデータおよび汗データをリアル・タイムで処理して、患者の発汗に関連するアーティファクトが除去された、調整されたデジタルＥＥＧデータを提供し得る。そのために、ＥＥＧアーティファクト・エンジン１０３は、患者データベース１１０から、汗ストレス・プロファイル１１１を受信することができる。

患者データベース１１０は、ネットワーク１０６を介した通信のために結合される。１つの実施形態では、患者データベース１１０は、健康データ、汗ストレス・プロファイル１１１、加入情報、パスワード制御等、患者のアカウントに関連する様々な機能へのオンライン・アクセスを提供する。

１つの実施形態では、患者データベース１１０に記憶された汗ストレス・プロファイル１１１は、汗ストレス・プロファイルが患者に対して個別に作成されるトレーニング・フェーズ中に生成され得る。この点で、制御されたストレス要因に対する患者（たとえば、１０１（１））の反応が特定される。たとえば、患者は、仮想現実（ＶＲ）または拡張現実（ＡＲ）インターフェースを身に着けて、聴覚、視覚、および物理的ストレス要因に対する身体的運動と反応を加速させることができる。トレーニング・フェーズでは、この制御された環境で、経時的に汗ストレス・プロファイルが特定される。図３は、例示的な実施形態と一致する、患者についての様々なストレス要因に応答した経時的な汗の例示的なグラフ３００である。いくつかの実施形態では、患者のフィルタを個別に較正するために、このフェーズ中にＥＥＧが実行される。

たとえば、患者は、ＥＥＧと統合されたＶＲヘッドバンドを着用しながら運動課題を実行し得る。患者は汗センサも装着する。時間１０において、汗のレベルは、生理学的環境において制御された変化（たとえば、温度上昇、運動等）により、所定のしきい値を超えて増加する。その時点で、フィルタがオンになり、反復手順を使用して生成された出力と実際の出力との間の誤差を減らすように適応的に変更される。

トレーニング・フェーズの間、患者の皮膚電気感受性が何であるか（たとえば、汗が神経生理学的信号レベルにどのように影響するか）が判定される。一部の患者は、強く影響を受ける可能性があり得る（たとえば、頭蓋幅（ｃｒａｎｉａｌ ｗｉｄｔｈ）が比較的薄い場合や、神経信号の振幅が比較的低い場合があり、これは、測定された信号レベルに、頭蓋幅が厚い人や、または観測された神経生理学的信号の振幅が大きい人、あるいはその両方とは異なる影響を与える可能性がある。さらに、一部の患者は、テスト中に異なる個性および異なるレベルの不安を有する場合がある。これに関連して、１つの実施形態では、本明細書では、しばしば汗ストレス・プロファイルと呼ばれ、患者データベース１１０に記憶されたベースラインが、各患者について判定される。このようにして、コンピューティング・デバイスは、特定の患者のＥＥＧ応答が発汗によってどのように影響を受けるかを判定し得る。

１つの実施形態では、デジタルＥＥＧデータに使用される適切なフィルタは、トレーニング・フェーズ中に判定される。たとえば、最小平均二乗（ＬＭＳ）、再帰的最小二乗（ＲＬＳ）、カルマン等を含むがこれらに限定されない異なるタイプのフィルタを評価して、患者が汗をかくという生理学的応答に最適な１つまたは複数を決定することができる。この点において、ＲＬＳアルゴリズムはＬＭＳよりも収束が速い場合があるが、通常はより複雑であることに留意されたい。汗のアーティファクトが狭帯域信号に制限されている場合、ＬＭＳアルゴリズムは、精度の点で優れたパフォーマンスを提供し得る。カルマン・フィルタはＲＬＳアルゴリズムよりも複雑であり得るが、定常性を必要としないため、より高いパフォーマンスを示すことから、除去されるべきアーティファクトが経時的に大きく変動する場合に実施され得る。最後に、アーティファクト信号が非線形であると判定された場合、非線形フィルタ（粒子フィルタ、バッチ・フィルタ、ノイズ除去またはスタック・オート・エンコーダ等）が使用され得る。十分な量のトレーニング・データが生成されたら、ディープ・ニューラル・ネットワーク・ベースのモデルが使用され得る。

図１に戻って示すように、ＥＥＧアーティファクト・エンジン１０３の機能は、ＥＥＧ分析サーバ１１６の文脈で議論されたが、１つの実施形態では、ＥＥＧアーティファクト・エンジン１０３の機能の一部または全部が、ユーザ・デバイス（たとえば、１０２（１）または１０２（Ｎ））自体に含まれ得る。言い換えると、ユーザ・デバイスは、ＥＥＧ分析サーバ１１６とは無関係に、電子脳モニタリング中に汗アーティファクトの適応フィルタリングの機能を提供する。

患者データベース１１０、コンピューティング・デバイス（たとえば、１０２（１））、およびＥＥＧ分析サーバ１１６は、例として、異なるプラットフォーム上にあるように示されているが、様々な実施形態では、患者データベース１１０、ＥＥＧ分析サーバ１１６、およびユーザ・デバイス（たとえば、１０２（１））は、様々な組合せで組み合わせることができることが理解される。他の実施形態では、これらのコンピューティング・プラットフォームは、クラウドでホストされる仮想マシンまたはソフトウェア・コンテナの形態の仮想コンピューティング・デバイスによって実施され得、これにより、処理および記憶のための弾力的なアーキテクチャを提供する。

本明細書で説明するデータベースおよびコンピューティング・デバイスのおのおのは、患者の機密データを保護するための規格を設定する健康保険ポータビリティおよび説明責任法（ＨＩＰＡＡ）に準拠している。

ユーザ・デバイスの例
図１の文脈で説明したように、アーキテクチャ１００において、電子脳監視システム中の汗アーティファクトの適応フィルタリングは、異なるタイプのユーザ・デバイスを伴い得る。このために、図４は、例示的なユーザ・デバイス４００の様々なコンポーネントを高レベルで示すブロック図を示す。説明のために、この図は、図１のネットワーク１０６を介して通信することができるワイヤレス・コンピューティング・デバイスの形態のユーザ・デバイス４００を示す。

ユーザ・デバイス４００は、１つまたは複数のアンテナ４０２と、セルラ、Ｗｉ−Ｆｉ通信、または有線通信用、あるいはその組合せのトランシーバ４０４と、ユーザ・インターフェース４０６と、１つまたは複数のプロセッサ４０８と、ハードウェア４１０と、メモリ４１６とを含み得る。いくつかの実施形態では、アンテナ４０２は、無線信号を基地局に送信するアップリンク・アンテナと、基地局から無線信号を受信するダウンリンク・アンテナとを含み得る。いくつかの他の実施形態では、単一のアンテナが無線信号の送信と受信の両方を行い得る。同じアンテナまたは他のアンテナが、Ｗｉ−Ｆｉ通信のために使用され得る。これらの信号は、デジタル・データを受信および送信するように構成されたネットワーク・インターフェースと総称されることもあるトランシーバ４０４によって処理され得る。１つの実施形態では、トランシーバ４０４は、ＤＥＣＴ、ＮＦＣ、ＺｉｇＢｅｅ、Ｂｌｕｅｔｏｏｔｈ等の短距離ワイヤレス通信機能をさらに含む。１つの実施形態では、ユーザ・デバイス４００は、アンテナ４０２を含まず、外部コンポーネントとの通信は有線通信を介している。

１つの実施形態では、ユーザ・デバイス４００は、ユーザが入力を提供し、ユーザ・デバイス４００から出力を受信することを可能にするユーザ・インターフェース４０６を含む。たとえば、ユーザ・インターフェース４０６は、ＥＥＧ分析サーバ１１６のＥＥＧアーティファクト・エンジン１０３からの通知を提供するために使用され得るデータ出力デバイス（たとえば、視覚ディスプレイ、オーディオ・スピーカ、触覚デバイス等）を含み得る。

ユーザ・インターフェース４０６はまた、１つまたは複数のデータ入力デバイスを含み得る。データ入力デバイスには、キーパッド、キーボード、マウス・デバイス、タッチ・スクリーン、マイク、音声認識パッケージ、およびその他の適切なデバイスまたはその他の電子／ソフトウェア選択インターフェースのうちの１つまたは複数の組合せが含まれるが、これらに限定されない。データ入力デバイスは、本明細書で説明する有線電極と結合するように構成されたＵＳＢ等のポートも含み得る。

ユーザ・デバイス４００は、シングル・コア・プロセッサ、マルチ・コア・プロセッサ、複合命令セット・コンピューティング（ＣＩＳＣ）・プロセッサ、または別のタイプのプロセッサであり得る１つまたは複数のプロセッサ４０８を含み得る。

ハードウェア４１０は、電源およびデジタル信号プロセッサ（ＤＳＰ）を含み得、これは、シングル・コアまたはマルチ・コアのプロセッサを含み得る。ハードウェア４１０はまた、周辺コンポーネントと相互作用する通信インターフェースを含む高速通信インターフェースを管理するネットワーク・プロセッサを含み得る。ネットワーク・プロセッサと周辺コンポーネントは、スイッチング・ファブリックによってリンクされ得る。ハードウェア４１０は、ハードウェア・デコーダおよびエンコーダ、アナログ・デジタル・コンバータ（ＡＤＣ）、ネットワーク・インターフェース・コントローラ、またはＵＳＢコントローラ、あるいはその組合せをさらに含み得る。さらに、ハードウェアは、温度センサ、湿度センサ、加速度計、および全地球測位システム（ＧＰＳ）を含み得る。たとえば、患者がいる環境の周囲の温度および湿度を判定するために、温度センサおよび湿度センサが使用され得る。さらに、患者の位置と、患者が動いているかどうかを判定するために、加速度計およびＧＰＳが使用され得る。

メモリ４１６は、コンピュータ記憶媒体等のコンピュータ可読媒体を使用して実施され得る。記憶媒体は、コンピュータ可読命令、データ構造、プログラム・モジュール、またはその他のデータ等の情報を記憶するための任意の方法または技術で実施され得る揮発性および不揮発性、リムーバブルおよび非リムーバブルな媒体を含む。コンピュータ記憶媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュ・メモリまたはその他のメモリ技術、ＣＤ−ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）、高解像度ビデオ・ストレージ・ディスク、またはその他の光学ストレージ、磁気カセット、磁気テープ、磁気ディスク・ストレージまたはその他の磁気ストレージ・デバイス、またはコンピューティング・デバイスがアクセスするための情報を記憶するために使用され得るその他の非伝送媒体を含むがこれらに限定されない。

メモリ４１６は、ユーザ・デバイス４００のプロセッサ４０８およびコントローラによって実行可能またはアクセス可能な様々なソフトウェア・コンポーネントまたはモジュールを記憶し得る。メモリ４１６の様々なコンポーネントは、ソフトウェア４１８およびオペレーティング・システム４５０を含み得る。ソフトウェア４１８は、いくつかのモジュールを有するＥＥＧ分析アプリ４４０等の様々なアプリケーション４２０を含み得る。各モジュールは、タスクを実行したり、抽象データ型を実施するルーチン、プログラム命令、オブジェクト、またはデータ構造、あるいはこれらの組合せを含み得る。

たとえば、ユーザ・デバイス４００のＥＥＧ分析アプリ４４０は、ウェアラブル・デジタル汗センサ・データを解釈するように動作する汗モジュール４４２を含み得る。１つの実施形態では、ウェアラブル汗センサは主に、身体、または頭皮表面、あるいはその両方に２つの電極を所定の距離（たとえば、１インチ（２．５４ｃｍ））離して配置し、非常に弱い電流が、これら２つの電極間で定常的に受け渡されるときに２つの電極間に記録された電気抵抗を測定することによって実行され得るガルバニック皮膚応答（ＧＳＲ）を測定する。電極が電圧増幅器に接続されている場合、外部から電流を流すことなく、２つの電極間でガルバニック皮膚電位（ＧＳＰ）が測定され得る。ＧＳＲとＧＳＰは両方とも、被験者の感情状態（覚醒等）、および体温と湿度によって変動する。ウェアラブル汗センサは、ＥＥＧヘッドバンドに統合され得るか、または、身体の他の部分に装着できる。

デジタルＥＥＧデータを解釈するように動作する神経生理学的モジュール４４４が存在し得る。温度センサによって提供される周囲温度条件を解釈するように動作可能な温度モジュール４４６が存在し得る。患者がいる環境の湿度を判定するように動作する湿度モジュール４４８が存在し得る。また、それぞれ、デジタル汗センサ・データコンテンツであるナトリウム（Ｎａ^＋）、カリウム（Ｋ^＋）、塩化物（Ｃｌ⁻）、グルコース、乳糖等、汗中に存在するバイオマーカを判定するために機能するＮＡ４５０、Ｋ４５２、およびＣｌ４５４モジュールも存在し得る。ＥＥＧ信号を修正するために使用され得る汗分泌液に存在する生理学的成分から、感情成分および認知成分を分離するために、バイオマーカ・コンテンツとＧＳＲ信号との組合せが使用され得る。

特別な実施形態では、ＥＥＧ分析アプリ４４０は、患者の所定の汗ストレス・プロファイルに基づいて汗センサ・データに変換を適用するように動作する適応調整モジュール４５６を含む。次に、ＥＥＧ分析アプリ４４０は、デジタルＥＥＧデータから変換された汗センサ・データを適応的に差し引く。

ＥＥＧ分析アプリ４４０は、ユーザ・デバイス４００の一部であるように示されているが、いくつかの実施形態では、ＥＥＧ分析アプリ４４０によって実行される機能は、ＥＥＧアーティファクト・エンジン１０３によって実行され得る。たとえば、適応調整モジュール４５６に関連付けられた機能は、ＥＥＧ分析サーバ１１６のＥＥＧアーティファクト・エンジン１０３によって実行され得る。ＥＥＧ分析サーバ１１６の動作は、後により詳細に説明される。

オペレーティング・システム４５０は、ユーザ・デバイス４００が、出力を生成するために、様々なインターフェース（たとえば、ユーザ制御、通信インターフェース、またはメモリ入力／出力デバイス、あるいはその組合せ）介したデータの送受信のみならず、プロセッサ４０８を使用してデータを処理できるようにするコンポーネントを含み得る。オペレーティング・システム４５０は、出力を提示する（たとえば、ユーザ・デバイス４００の電子ディスプレイ上にデータを表示し、メモリ４１６にデータを記憶し、他の電子デバイスにデータを送信等する）提示コンポーネントを含み得る。さらに、オペレーティング・システム４５０は、一般に、オペレーティング・システム４５０に関連付けられた様々な追加機能を実行する他のコンポーネントを含み得る。

例示的なブロック図
図５は、例示的な実施形態と一致する汗アーティファクト・システム５００の適応フィルタリングの高レベル・ブロック図を示す。システム５００は、ユーザ・デバイス４００のＥＥＧ分析アプリ４４０またはＥＥＧアーティファクト・エンジン１０３を表すことができる加算ノード５１０を含む。患者のＥＥＧ信号は、様々な電極から受信される。ブロック５０２は、デジタル化された単一のチャネルを表す。患者の汗センサ信号は同時に受信される。ブロック５０４は、デジタル化された汗センサ・データを表す。本明細書では変換と呼ばれることもある調整可能なフィルタ５０６は、汗センサ・データ５０４を受信し、適応アルゴリズム５０８によって受信された制御信号に基づいて汗センサ・データを適応的に調整する。適応アルゴリズム５０８は、汗ストレス・プロファイルが判定されるトレーニング・フェーズ中に構成される。患者の汗ストレス・プロファイルは、フィルタ５０６を調整する適応アルゴリズムを作成するために使用される。したがって、調整可能なフィルタ５０６は、デジタルＥＥＧデータの各サンプルのためのデジタル信号レベルを生成する。デジタルＥＥＧデータの各サンプルについて、加算ノード５１０は、各サンプルから、変換された汗センサ・データを減算する。

１つの実施形態では、調整可能なフィルタ５０６の係数、またはハイパ・パラメータ、あるいはその両方は、トレーニング中に判定され、所望の出力は事前計算されるか、または他の環境変数から、または他のセンサ（たとえば、温度センサ、湿度センサ等）から、あるいはその両方からデータから推定される。本明細書ではエラー信号と呼ばれることがあるエラー関数は、所望の出力と実際の出力との差によって推定される。係数、またはハイパ・パラメータ、あるいはその両方は、誤差関数が最小化されるように最適化される。次に、テストＥＥＧ信号からアーティファクトを除去するために、トレーニングされた適応アルゴリズム５０８が使用される。いくつかの実施形態において、調整可能なフィルタ５０６は、患者の評価中に周囲条件に基づいてさらに調整される。

例示的なプロセス
例示的なアーキテクチャ１００および例示的なブロック図５００の前述の概要を用いて、例示的なプロセスの高レベルの説明を考慮することは有用であり得る。このために、図６および図７は、患者の電子脳モニタリング中の神経生理学的信号におけるアーティファクトの検出、特定、および除去のための例示的なプロセス６００および７００を提示する。より具体的には、図６は、汗ストレス・プロファイルが、個々の患者に合わせて調整される初期化トレーニング・フェーズの例示的なプロセスを示し、図７は、汗に関連するアーティファクトが特定され、ＥＥＧデータから除去されるアクティブ・フェーズの例示的なプロセスを示す。

プロセス６００および７００は、ハードウェア、ソフトウェア、またはこれらの組合せで実施され得る動作のシーケンスを表す論理フローチャートのブロックの集合として示される。ソフトウェアの文脈では、ブロックは、１つまたは複数のプロセッサによって実行されると、列挙された動作を実行するコンピュータ実行可能命令を表す。一般に、コンピュータ実行可能命令は、機能を実行したり、抽象データ型を実施したりするルーチン、プログラム、オブジェクト、コンポーネント、データ構造等を含み得る。動作が説明される順序は、限定として解釈されることは意図されておらず、プロセスを実施するために、説明された任意の数のブロックが、任意の順序で組み合わされて、または並行して、あるいはその両方で実行され得る。説明のために、プロセス６００および７００は、図１のアーキテクチャ１００を参照して説明される。

ブロック６０２において、患者は、制御された環境に置かれ、患者に特有の汗ストレス・プロファイルが作成される。このため、制御された環境は、オーディオ、ビデオ、および物理的ストレス要因に対する身体的運動および反応を加速するために、ＶＲまたはＡＲインターフェースを装着した患者を含み得る。いくつかの実施形態では、部屋の周囲温度、または湿度、あるいはその両方は、導入されたストレス要因に患者がどのように反応するかを特定するために制御される。

ブロック６０４において、患者のアナログＥＥＧ信号は、コンピューティング・デバイスにより１つまたは複数の電極から受信される。前述のように、様々な実施形態では、コンピューティング・デバイスは、ユーザ・デバイス１０２（１）等のユーザ・デバイス、またはＥＥＧ分析サーバ１１６であり得る。これらのアナログ信号は、デジタル・トレーニングＥＥＧデータに変換される。

ブロック６０６において、アナログＥＥＧ信号と同時に発生する患者のアナログ汗センサ信号は、コンピューティング・デバイスによって受信される。たとえば、汗センサ信号は、汗センサ信号がＥＥＧ信号と同時に発生するという点で、ＥＥＧ信号と同期している。これらのアナログ汗センサ信号は、デジタル・トレーニング汗センサ・データに変換される。いくつかの実施形態では、このトレーニング・フェーズの異なる時間セグメントは、対象患者を異なるストレス要因に曝す。たとえば、時間セグメント０＜Ｔ＜５分の間、なだめるような音楽が再生され、穏やかなシーンがＶＲまたはＡＲインターフェースに表示され、快適な周囲条件が維持され、時間セグメント５分≦Ｔ＜１０分の間、周囲条件が悪化する（たとえば、より高い温度、または湿度、あるいはその両方となる）可能性があり、時間セグメント１０分≦Ｔ＜１５分の間、ＶＲまたはＡＲインターフェースは、ストレスの多いシーンを表示して、オーディオ、ビジュアル、および物理的ストレス要因に対する肉体的な運動および反応を加速し得るといった具合である。

ブロック６１０において、デジタル・トレーニングＥＥＧデータ、デジタル・トレーニング汗センサ・データ、およびストレス要因が相関付けられる。

ブロック６１２において、対象患者の汗ストレス・プロファイルが、ブロック６１０で実行された相関付けに基づいて作成される。様々な実施形態では、対象患者の汗ストレス・プロファイルは、ユーザ・デバイス（たとえば、１０２（１））に記憶され、またはネットワーク１０６を介して送信され、あるいはその両方がなされ、患者データベース１１０に記憶され得る。

ここで、汗に関連するアーティファクトが特定され、コンピューティング・デバイスによってＥＥＧデータから除去されるアクティブ・フェーズの例示的なプロセス７００を示す図７が参照される。コンピューティング・デバイスは、ユーザ・デバイス（たとえば、１０２（１））またはＥＥＧ分析サーバ１１６であり得る。様々な実施形態において、プロセス７００は、プロセス６００から独立していてもよく、または（すなわち、プロセス６００からの汗ストレス・プロファイルを使用するために、）その後実行されてもよい。したがって、ブロック７０２において、対象患者の汗ストレス・プロファイルが受信される。様々な実施形態において、汗ストレス・プロファイルは、ネットワーク１０６を介して患者データベース１１０から、またはユーザ・デバイス（たとえば、１０２（１））から直接受信され得る。

ブロック７０４において、患者のアナログＥＥＧ信号は、様々な実施形態では、ユーザ・デバイス（たとえば、１０２（１））またはＥＥＧ分析サーバ１１６であり得るコンピューティング・デバイスにより、１つまたは複数の電極から受信される。これらのアナログ信号は、デジタルＥＥＧデータに変換される。

ブロック７０６において、アナログＥＥＧ信号と同時に発生する患者のアナログ汗センサ信号が、コンピューティング・デバイスによって受信される。これらのアナログ汗センサ信号は、デジタル汗センサ・データに変換される。

ブロック７０８において、１つの実施形態では、周囲条件データが、コンピューティング・デバイスによって受信される。たとえば、周囲条件データは、（ｉ）周囲温度、（ｉｉ）周囲湿度、（ｉｉｉ）周囲気流等、対象患者の近くにある１つまたは複数の周囲センサからのデータを含み得るが、これらに限定されない。

ブロック７１０において、デジタル汗センサ・データへ変換が適用される。１つの実施形態では、変換は、コンピューティング・デバイスによって受信された所定の汗ストレス・プロファイルに基づく（たとえば、ブロック７０２）。いくつかの実施形態（たとえば、ブロック７０８において周囲条件が測定された場合、変換は周囲条件にさらに基づく。したがって、ブロック７１０は、フィルタリング基準として使用され得る変換されたデジタル汗センサ・データを提供する。

ブロック７１２において、変換されたデジタル汗センサ・データが、デジタルＥＥＧデータから差し引かれ、これにより、デジタルＥＥＧデータから汗に関連するアーティファクトが除去される。したがって、コンピューティング・デバイスは、デジタルＥＥＧデータを適応的に調整する。このように、サンプルごとに、適切な量がデジタルＥＥＧデータから差し引かれ、そこから汗のアーティファクトが除去される。

ブロック７１４において、適応的に調整されたデジタルＥＥＧデータは、ユーザ・デバイス（たとえば、１０２（１））のユーザ・インターフェースに表示される。調整されたデジタルＥＥＧデータの表示は、リアル・タイムで実行され得る。

例示的なコンピュータ・プラットフォーム
上述のように、神経生理学的信号におけるアーティファクトの検出、特定、および除去に関する機能は、図１に示されるように、ワイヤレスまたは有線の通信を介したデータ通信のために接続される１つまたは複数のコンピューティング・デバイスの使用により実行され得、図６のプロセス６００および図７のプロセス７００にしたがって、図８は、患者のユーザ・デバイス１０２（１）〜１０２（Ｎ）のような様々なネットワーク化されたコンポーネント、患者データベース１１０のような患者データベース等と通信できるコンピュータ・ハードウェア・プラットフォームの機能ブロック図である。特に図８は、図１のＥＥＧ分析サーバ１１６のようなサーバを実施するために使用され得るネットワークまたはホスト・コンピュータ・プラットフォーム８００を示す。

コンピュータ・プラットフォーム８００は、中央処理装置（ＣＰＵ）８０４、ハード・ディスク・ドライブ（ＨＤＤ）８０６、ランダム・アクセス・メモリ（ＲＡＭ）または読取専用メモリ（ＲＯＭ）８０８あるいはその両方、キーボード８１０、マウス８１２、ディスプレイ８１４、および通信インターフェース８１６を含むことができ、これらは、システム・バス８０２に接続されている。

１つの実施形態では、ＨＤＤ８０６は、本明細書で説明する方式で、ＥＥＧアーティファクト・エンジン８４０のような様々なプロセスを実行できるプログラムを記憶することを含む能力を有する。ＥＥＧアーティファクト・エンジン８４０は、異なる機能を実行するように構成された様々なモジュールを有し得る。図４のユーザ・デバイス４００の議論の文脈で述べたように、様々な実施形態において、以下で説明される機能の一部またはすべては、ユーザ・デバイス４００自体によって実行され得る。言い換えると、ユーザ・デバイス４００のＥＥＧ分析アプリ４４０は、以下で説明するＥＥＧアーティファクト・エンジン８４０の機能を実行できる。

たとえば、ＥＥＧアーティファクト・エンジン８４０は、ユーザ・デバイス（たとえば、１０２（１））から受信したデジタル汗センサ・データを解釈するように動作する汗モジュール８４２を含み得る。ユーザ・デバイス（たとえば、１０２（１））によって受信されたデジタルＥＥＧデータを解釈するように動作する神経生理学的モジュール８４４が存在し得る。温度センサによって提供される周囲温度条件を解釈するように動作可能な温度モジュール８４６が存在し得る。患者がいる環境の湿度を判定するように動作する湿度モジュール８４８が存在し得る。デジタル汗センサ・データのＮａ^＋、Ｋ^＋、およびＣｌ⁻含有量をそれぞれ判定するように動作するＮＡ８５０、Ｋ８５２、およびＣｌ８５４モジュールも存在し得る。グルコース、ラクトース等の追加パラメータを測定するための追加モジュール（図示せず）が存在し得る。

１つの実施形態では、適応調整されたデジタルＥＥＧデータを、担当看護師、医師、または患者自身等の適切な受信者に報告するように動作する報告モジュール８５８が存在する。たとえば、適応的に調整されたデジタルＥＥＧデータは、ネットワーク１０６を介して患者のユーザ・デバイスに送信され、そのユーザ・インターフェースに表示される。調整されたデジタルＥＥＧデータのレポートは、リアル・タイムで実行され得る。

１つの実施形態では、システムをウェブ・サーバとして動作させるために、Ａｐａｃｈｅ（Ｒ）等のプログラムを記憶できる。１つの実施形態では、ＨＤＤ８０６は、ＪＶＭ（Ｊａｖａ（Ｒ）仮想マシン）を実現するためのＪａｖａ（Ｒ）ランタイム環境プログラム向けのもののように、１つまたは複数のライブラリ・ソフトウェア・モジュールを含む実行中のアプリケーションを記憶できる。

結論
本教示の様々な実施形態の説明は、例示の目的で提示されているが、網羅的であることまたは開示された実施形態に限定されることを意図するものではない。説明した実施形態の範囲から逸脱することなく、多くの修正および変形が当業者には明らかになるであろう。本明細書で使用される用語は、実施形態の原理、市場で見られる技術に対する実際の応用または技術的改善を最もよく説明するか、または当業者が本明細書で開示される実施形態を理解できるように選択された。

上記は最良の状態、または他の例、あるいはその両方であると考えられるものを説明してきたが、様々な修正がそこでなされ得、本明細書に開示された主題が様々な形態および例で実施され得、この教示は多くの用途に適用することができ、そのうちのいくつかのみが本明細書で説明されていることが理解される。添付の特許請求の範囲は、本教示の真の範囲内にあるあらゆる応用、修正、および変形を主張することを意図している。

本明細書で議論された構成要素、ステップ、特徴、目的、利益および利点は、単に例示的なものである。これらのいずれも、あるいは関連する議論も、保護の範囲を制限することを意図していない。本明細書では様々な利点について説明したが、すべての実施形態が必ずしもすべての利点を含む訳ではないことを理解されたい。特に明記しない限り、すべての測定値、値、定格、位置、大きさ、サイズ、および以下の特許請求の範囲を含む本明細書に記載されているその他の仕様は、概算であり、正確ではない。これらは、関係する機能および関係する技術分野で慣習的なものと一致する合理的な範囲を有することを意図している。

他の多くの実施形態も考えられる。これらには、より少ない、追加の、または異なる、あるいはその組合せのコンポーネント、ステップ、機能、オブジェクト、利益および利点を有する実施形態が含まれる。これらには、コンポーネント、またはステップ、あるいはその両方が異なるように配置、または順序付け、あるいはその両方がなされる実施形態も含まれる。

本開示の態様は、本開示の実施形態による方法、装置（システム）、およびコンピュータ・プログラム製品のフローチャート図、またはブロック図、あるいはその両方を参照して本明細書で説明される。フローチャート図、またはブロック図、あるいはその両方の各ブロック、およびフローチャート図、またはブロック図、あるいはその両方におけるブロックの組合せは、コンピュータ可読プログラム命令によって実施できることが理解されるであろう。

これらのコンピュータ可読プログラム命令は、汎用コンピュータ、専用コンピュータ、または他のプログラム可能なデータ処理装置のプロセッサに提供され、コンピュータまたは他のプログラム可能なデータ処理装置のプロセッサを介して実行する命令が、フローチャート、またはブロック図ブロック、あるいはその両方で指定された機能／動作を実施するための手段を生成することができるように機械を作り出すものであってよい。コンピュータ、プログラム可能なデータ処理装置、または他のデバイス、あるいはその両方に対して、記憶された命令を有するコンピュータ可読記憶媒体が、フローチャート、またはブロック図ブロック、あるいはその両方に指定された機能／動作の態様を実施する命令を含む製造物品を備えることができる方式で機能するように指示できるこれらコンピュータ可読プログラム命令が、コンピュータ可読記憶媒体に記憶され得る。

コンピュータ可読プログラム命令はまた、コンピュータ、他のプログラム可能なデータ処理装置、または他のデバイスにロードされ、一連の動作ステップを、コンピュータ、他のプログラム可能な装置、または他のデバイス上で実行させ、コンピュータ、他のプログラム可能な装置、または他のデバイスで実行する命令が、フローチャート、またはブロック図ブロック、あるいはその両方で指定された機能／動作を実施できるように、コンピュータ実施プロセスを生成することができる。

本明細書の図面におけるフローチャートおよびブロック図は、本開示の様々な実施形態によるシステム、方法、およびコンピュータ・プログラム製品の可能な実施のアーキテクチャ、機能、および動作を示す。この点に関して、フローチャートまたはブロック図の各ブロックは、指定された論理機能を実施するための１つまたは複数の実行可能な命令を備えたモジュール、セグメント、または命令の一部を表現し得る。いくつかの代替実施では、ブロックに注記されている機能は、図に注記されている順序以外で発生する場合がある。たとえば、実際には、関連する機能に応じて、連続して示されている２つのブロックを、実質的に同時に実行することも、または、これらブロックを、逆の順序で実行することもある。また、ブロック図、またはフローチャート図、あるいはその両方の各ブロック、およびブロック図、またはフローチャート図、あるいはその両方のブロックの組合せは、特定の機能または動作を実行する、または、専用のハードウェアおよびコンピュータ命令の組合せを実行する専用のハードウェア・ベースのシステムによって実施され得ることが留意される。

上記は例示的な実施形態に関連して説明されたが、「例示的」という用語は、最良または最適というよりも、むしろ単なる例として意味されることが理解される。直前に述べた場合を除き、特許請求の範囲に記載されているか否かに関係なく、コンポーネント、ステップ、機能、オブジェクト、利益、利点、または公衆に相当するものの献身をもたらすように意図されている、または解釈されるべきであるとは、説明も例示もされていない。

本明細書で使用される用語および表現は、特定の意味が本明細書で別途記載されている場合を除き、対応するそれぞれの調査および研究の分野に関してこのような用語および表現と一致する通常の意味を有することが理解されよう。第１および第２のような関係用語は、エンティティまたはアクション間の実際の関係または順序を必ずしも必要とすることも、または暗示することもなく、エンティティまたはアクションを他と区別するためにのみ使用され得る。「備える」、「備えている」という用語、またはその任意の他の変形は、要素のリストを備えたプロセス、方法、物品、または装置が、これらの要素のみを含まず、明示的にリストされていない、または、このようなプロセス、方法、物品、または装置に固有の他の要素をも含むように、非排他的包含を網羅することが意図されている。「ａ」または「ａｎ」で始まる要素は、さらなる制約なしに、要素を備えたプロセス、方法、物品、または装置に追加の同一の要素が存在することを妨げない。

開示の要約は、読者が技術的開示の性質を迅速に確認できるようにするために提供されている。これは、特許請求の範囲または意味を解釈または制限するために使用されることはないとの理解が提起される。さらに、前述の詳細な説明では、開示を簡素化する目的で、様々な実施形態で、様々な特徴がともにグループ化されていることがわかる。この開示方法は、特許請求された実施形態が、各請求項で明示的に列挙されたよりも多くの特徴を有するという意図を反映するものとして解釈されるべきではない。むしろ、添付の特許請求の範囲が反映するように、本発明の主題は、単一の開示された実施形態のすべての特徴よりも少ないことにある。したがって、以下の特許請求の範囲は、詳細な説明に組み込まれ、各請求項は、個別に特許請求される主題として独立している。

Claims (22)

1. コンピューティング・デバイスであって、
   プロセッサと、
   ネットワークを介した通信を可能にするために、前記プロセッサに結合されたネットワーク・インターフェースと、
   前記プロセッサに結合された記憶デバイスと、
   前記記憶デバイスに記憶されたソフトウェアとを備え、前記プロセッサによる前記ソフトウェアの実行は、前記コンピューティング・デバイスを、
   患者のアナログ脳波（ＥＥＧ）信号のデジタル化に基づいて、第１の電極からデジタルＥＥＧデータを受信することと、
   前記アナログＥＥＧ信号と同時に発生する前記患者のアナログ汗センサ信号のデジタル化に基づいて、デジタル汗センサ・データを受信することと、
   前記患者の所定の汗ストレス・プロファイルに基づいて、前記デジタル汗センサ・データへ変換を適用することと、
   前記デジタルＥＥＧデータから、前記変換された汗センサ・データを差し引くことにより、前記デジタルＥＥＧデータを適応的に調整することとを含む動作を実行するように構成する、コンピューティング・デバイス。
2. 前記デジタルＥＥＧデータの前記適応的な調整は、前記アナログＥＥＧ信号および汗センサ信号の受信とリアル・タイムである、請求項１に記載のコンピューティング・デバイス。
3. 前記汗センサ・データは、ナトリウム（Ｎａ^＋）測定データ、カリウム（Ｋ^＋）測定データ、および塩素（Ｃｌ⁻）測定データを備えた、請求項１に記載のコンピューティング・デバイス。
4. 前記アナログ汗センサ信号は、電流が前記第１の電極と第２の電極との間に印加されたとき、前記第１の電極と前記第２の電極との間の電気抵抗を測定することによるガルバニック皮膚応答に基づく、請求項１に記載のコンピューティング・デバイス。
5. 前記第１の電極は、前記患者の頭皮の異なる部分からアナログＥＥＧ信号を受信するように構成された複数の電極のグループの一部であり、
   前記アナログ汗センサ信号は、前記汗センサの所定の距離内にある前記複数の電極のうちの１つまたは複数の電極の汗センサ電極から受信される、請求項１に記載のコンピューティング・デバイス。
6. 前記プロセッサによる前記ソフトウェアの実行がさらに、前記コンピューティング・デバイスを、前記デジタル汗センサ・データへ変換を適用する前に、前記第１の電極と汗センサ電極との間の距離に基づいて、前記変換の距離回帰調整を実行することを含む動作を実行するように構成する、請求項１に記載のコンピューティング・デバイス。
7. 前記プロセッサによる前記ソフトウェアの実行はさらに、前記コンピューティング・デバイスを、（ｉ）周囲温度、（ｉｉ）周囲湿度、および（ｉｉｉ）周囲気流のうちの少なくとも１つを備えた、前記患者の環境の周囲データを、１つまたは複数の周囲センサから受信することを含む動作を実行するように構成し、前記デジタル汗センサ・データへ変換を適用することはさらに、前記受信した周囲データに基づく、請求項１に記載のコンピューティング・デバイス。
8. 前記患者の前記汗ストレス・プロファイルは、トレーニング・フェーズ中に事前に判定され、前記プロセッサによる前記ソフトウェアの実行はさらに、前記コンピューティング・デバイスを、
   制御された環境で、前記患者にストレス要因を導入することと、
   前記ストレス要因に応答して、患者のトレーニング・アナログＥＥＧ信号を、前記第１の電極から受信し、前記トレーニング・アナログＥＥＧ信号を、トレーニング・デジタルＥＥＧデータに変換することと、
   前記トレーニング・アナログＥＥＧ信号と同時に発生する前記ストレス要因に応答して、前記患者のトレーニング・アナログ汗センサ信号を受信し、前記トレーニング・アナログ汗センサ信号を、デジタル・トレーニング汗センサ・データに変換することと、
   前記デジタル・トレーニングＥＥＧデータおよび前記デジタル・トレーニング汗センサ・データに基づいて、前記患者の汗ストレス・プロファイルを生成することとを含む動作を実行するように構成する、請求項１に記載のコンピューティング・デバイス。
9. 前記ストレス要因は、（ｉ）前記コンピューティング・デバイスの仮想現実（ＶＲ）インターフェース、（ｉｉ）前記コンピューティング・デバイスの拡張現実（ＡＲ）インターフェース、（ｉｉｉ）前記制御された環境の周囲温度の制御、（ｉｖ）前記制御された環境の周囲湿度の制御、および（ｖ）前記制御された環境の周囲気流の制御のうちの少なくとも１つを介して導入される、請求項８に記載のコンピューティング・デバイス。
10. 前記アナログＥＥＧ信号および前記アナログ汗センサ信号は、短距離ワイヤレス通信技術を介して、前記コンピューティング・デバイスによってワイヤレスで、リアル・タイムに受信される、請求項１に記載のコンピューティング・デバイス。
11. 脳波（ＥＥＧ）信号におけるアーティファクトを除去する方法であって、
    患者のアナログＥＥＧ信号のデジタル化に基づいて、第１の電極からデジタルＥＥＧデータを受信することと、
    前記アナログＥＥＧ信号と同時に発生する前記患者のアナログ汗センサ信号のデジタル化に基づいて、デジタル汗センサ・データを受信することと、
    前記患者の所定の汗ストレス・プロファイルに基づいて、前記デジタル汗センサ・データへ変換を適用することと、
    前記デジタルＥＥＧデータから、前記変換された汗センサ・データを差し引くことにより、前記デジタルＥＥＧデータを適応的に調整することとを含む、方法。
12. 前記デジタルＥＥＧデータの前記適応的な調整は、前記アナログＥＥＧ信号および汗センサ信号の受信とリアル・タイムである、請求項１１に記載の方法。
13. 前記汗センサ・データは、ナトリウム（Ｎａ^＋）測定データ、カリウム（Ｋ^＋）測定データ、および塩素（Ｃｌ⁻）測定データを備えた、請求項１１に記載の方法。
14. 前記アナログ汗センサ信号は、電流が前記第１の電極と第２の電極との間に印加されたとき、前記第１の電極と前記第２の電極との間の電気抵抗を測定することによるガルバニック皮膚応答に基づく、請求項１１に記載の方法。
15. 前記第１の電極は、前記患者の頭皮の異なる部分からアナログＥＥＧ信号を受信するように構成された複数の電極のグループの一部であり、
    前記アナログ汗センサ信号は、前記汗センサの所定の距離内にある前記複数の電極のうちの１つまたは複数の電極の汗センサ電極から受信される、請求項１１に記載の方法。
16. 前記デジタル汗センサ・データへ変換を適用する前に、前記第１の電極と汗センサ電極との間の距離に基づいて、前記変換の距離回帰調整を実行することをさらに含む、請求項１１に記載の方法。
17. （ｉ）周囲温度、（ｉｉ）周囲湿度、および（ｉｉｉ）周囲気流のうちの少なくとも１つを備えた、前記患者の環境の周囲データを、１つまたは複数の周囲センサから受信することをさらに含み、前記デジタル汗センサ・データへ変換を適用することはさらに、前記受信した周囲データに基づく、請求項１１に記載の方法。
18. 前記汗ストレス・プロファイルを判定することは、トレーニング・フェーズ中に、
    制御された環境で、前記患者にストレス要因を導入することと、
    前記ストレス要因に応答して、患者のトレーニング・アナログＥＥＧ信号を、前記第１の電極から受信し、前記トレーニング・アナログＥＥＧ信号を、トレーニング・デジタルＥＥＧデータに変換することと、
    前記トレーニング・アナログＥＥＧ信号と同時に発生する前記ストレス要因に応答して、前記患者のトレーニング・アナログ汗センサ信号を受信し、前記トレーニング・アナログ汗センサ信号を、デジタル・トレーニング汗センサ・データに変換することと、
    前記デジタル・トレーニングＥＥＧデータおよび前記デジタル・トレーニング汗センサ・データに基づいて、前記患者の汗ストレス・プロファイルを生成することとを含む、請求項１１に記載の方法。
19. 前記ストレス要因は、（ｉ）コンピューティング・デバイスの仮想現実（ＶＲ）インターフェース、（ｉｉ）前記コンピューティング・デバイスの拡張現実（ＡＲ）インターフェース、（ｉｉｉ）前記制御された環境の周囲温度の制御、（ｉｖ）前記制御された環境の周囲湿度の制御、および（ｖ）前記制御された環境の周囲気流の制御のうちの少なくとも１つを介して導入される、請求項１８に記載の方法。
20. 前記アナログＥＥＧ信号および前記アナログ汗センサ信号は、短距離ワイヤレス通信技術を介して、コンピューティング・デバイスによってワイヤレスで、リアル・タイムに受信される、請求項１１に記載の方法。
21. コンピュータ・プログラムであって、請求項１１ないし２０のいずれか１項に記載の方法の各ステップをコンピュータに実行させるための、コンピュータ・プログラム。
22. 請求項２１に記載のコンピュータ・プログラムを記録した、コンピュータ可読ストレージ媒体。
    

Images