JP7844007B2 - 処理方法およびプログラム - Google Patents

Description

本発明は、脳活動の状態をより定量的に推定するための処理方法およびプログラムに関する。

脳活動を非侵襲で計測する手法として、代表的には、脳の電気的活動を観測する脳波（electroencephalogram：以下、「ＥＥＧ」とも略称する。）や脳磁図（magnetoencephalography：以下、「ＭＥＧ」とも略称する。）、および、脳の血流の状態を観測する機能的磁気共鳴画像法（functional magnetic resonance imaging：以下、「ｆＭＲＩ」とも略称する。）が知られている。

被験者から計測される脳活動を示す情報に基づいて当該被験者の神経活動を観測し、当該観測される神経活動に応じて当該被験者をより好ましい方向に誘導するニューロフィードバック（Neuro Feedback：以下、「ＮＦ」とも略称する。）トレーニングの手法が開発および提案されている（例えば、非特許文献１および非特許文献２など参照）。

脳活動を示す情報を提示するための可視化の手法として、例えば、非特許文献３は、特定の脳領域の活動（ＥＥＧ）をレベルメータの形で表現する例を開示する。また、非特許文献４は、特定の脳領域の活動（ｆＭＲＩ）を炎の大きさで表現する例を開示する。但し、非特許文献３および非特許文献４に開示される技術は、ＮＦトレーニングでなく、健常者が自分の脳活動の状態を把握するためのものである。

また、非特許文献５は、異常な脳波（例えば、脳卒中など）を検出するために、特定の波形を可聴化する技術を開示する。非特許文献５に開示される技術は、ＮＦトレーニングでなく、患者の脳状態を監視するためのものである。

また、非特許文献６は、脳波のスペクトルをマッピングしてマルチモーダルに提示する技術を開示する。非特許文献６に開示される技術は、リラクゼーションツールとしての利用が想定されている。

Anastasiia Belinskaia et al, "Short-delay neurofeedback facilitates training of the parietal alpha rhythm," Journal of Neural Engineering, Volume 17, Number 6, 16 December 2020 Laura Diaz Hernandez et al, "Towards Using Microstate-Neurofeedback for the Treatment of Psychotic Symptoms in Schizophrenia," A Feasibility Study in Healthy Participants, Brain Topogr 29, 308-321 (2016). https://doi.org/10.1007/s10548-015-0460-4, 19 November 2015 Madita Stirner et al, "An Investigation of Awareness and Metacognition in Neurofeedback with the Amygdala Electrical Fingerprint," Consciousness and Cognition, Volume 98, February 2022, 103264. https://doi.org/10.1016/j.concog.2021.103264 R. Christopher deCharms et al, "Control over brain activation and pain learned by using real-time functional MRI," PNAS, December 20, 2005, vol.102, no.51. https://www.pnas.org/doi/pdf/10.1073/pnas.0505210102 Gerold Baier et al, "Event-based sonification of EEG rhythms in real time," Clinical Neurophysiology 118 (2007) 1377-1386, Thilo Hinterberger et al, "The Sensorium: Psychophysiological Evaluation of Responses to a Multimodal Neurofeedback Environment," Appl Psychophysiol Biofeedback 41, 315-329 (2016). https://doi.org/10.1007/s10484-016-9332-2

例えば、ＮＦトレーニングなどへの応用を想定すると、認知機能に対応した脳活動の状態（全脳状態）をリアルタイムに評価できる技術が要求されている。上述した先行技術文献に開示される背景技術では、このような要求に応えることができない。

本発明は、脳活動の状態をより定量的に推定するための新規な解決手段を提供するものである。

本発明のある実施の形態に従う処理方法は、被験者の脳活動の状態を示す脳活動パターンを所定時間に亘って複数取得するステップと、複数の脳活動パターンのうち各組み合わせについての空間的相関を算出することで、空間相関行列を生成するステップと、多次元尺度構成法により空間相関行列を距離行列に変換し、当該距離行列を特異値分解することで、複数の脳活動パターンの各々について、所定次元数の座標を算出するステップと、複数の脳活動パターンの各々と、予め定められた複数の脳状態をそれぞれ示す複数のテンプレートとの間のそれぞれの空間的相関の大きさに基づいて、各脳活動パターンに対応する脳状態を決定するステップとを含む。

処理方法は、複数の脳活動パターンにそれぞれ対応する座標と、対応する脳状態とを同一の座標系上に表現するステップをさらに含んでいてもよい。

複数のテンプレートは、極性を反転させた一対のテンプレートを複数含んでいてもよい。一対のテンプレートの各々について、一方のテンプレートに対応する座標と、他方のテンプレートに対応する座標との平均値が、複数の脳活動パターンにそれぞれ対応する座標の中心として決定されてもよい。

処理方法は、複数のテンプレートのうち第１のテンプレートに対応する座標と、複数のテンプレートのうち第２のテンプレートに対応する座標とに基づいて、新たなテンプレートに対応する座標を決定するステップをさらに含んでいてもよい。

本発明の別の実施の形態に従う処理方法は、１または複数の被験者の脳活動の状態を示す複数の脳活動パターンと、予め定められた複数の脳状態をそれぞれ示す複数のテンプレートとを含む標準状態パターン群を取得するステップと、標準状態パターン群に含まれる各組み合わせについての空間的相関を算出することで、第１の空間相関行列を生成するステップと、多次元尺度構成法により第１の空間相関行列を距離行列に変換し、当該距離行列を特異値分解することで、第１の空間相関行列に含まれる要素に対応する第１の座標群を算出するステップと、被験者の脳活動の状態を示す第１の脳活動パターンを取得するステップと、標準状態パターン群および第１の脳活動パターンに含まれる各組み合わせについての空間的相関を算出することで、第２の空間相関行列を生成するステップと、多次元尺度構成法により第２の空間相関行列を距離行列に変換し、当該距離行列を特異値分解することで、第２の空間相関行列に含まれる要素に対応する第２の座標群を算出するステップと、第２の座標群における第１の脳活動パターンに対応する座標の相対的な位置関係に基づいて、第１の座標群における第１の脳活動パターンに対応する座標を推定するステップとを含む。

処理方法は、第１の脳活動パターンに対応する座標を２次元または３次元の座標系で表示するステップをさらに含んでいてもよい。

処理方法は、第１の脳活動パターンを取得するステップと、第２の空間相関行列を生成するステップと、第２の座標群を算出するステップと、座標を推定するステップとを繰り返すステップをさらに含んでいてもよい。表示するステップは、順次推定される座標を軌跡として表示するステップを含んでいてもよい。

表示するステップは、球面プロジェクタを用いて、推定される座標を表示するステップを含んでいてもよい。

処理方法は、複数の被験者の脳活動の状態を示す複数の脳活動パターンを取得するステップと、取得された複数の脳活動パターンに含まれる各組み合わせについての空間的相関を算出することで、第３の空間相関行列を生成するステップと、多次元尺度構成法により第３の空間相関行列を距離行列に変換し、当該距離行列を特異値分解することで、第３の空間相関行列に含まれる要素に対応する第３の座標群を算出するステップと、第３の座標群から抽出された所定数の座標に対応する脳活動パターンを標準状態パターン群の複数の脳活動パターンとして抽出するステップとをさらに含んでいてもよい。

所定数の座標は、第３の座標群から予め定められた規則に従って抽出されてもよい。

本発明の別の実施の形態に従えば、上述の処理方法をコンピュータに実行させるためのプログラムが提供される。

本発明のある実施の形態によれば、脳活動の状態をより定量的に推定するための手段を実現できる。

本実施の形態に従うニューロフィードバックシステムの構成例を示す模式図である。 本実施の形態に従うニューロフィードバックシステムに含まれる処理装置の装置構成を示す模式図である。 本実施の形態に従う脳状態を推定するための処理例を説明するための図である。 本実施の形態に従う脳状態を示すベクトルの一例を示す図である。 本実施の形態に従う脳状態を推定するための脳活動パターンおよびテンプレートを説明するための図である。 本実施の形態に従う処理装置が提供するユーザインターフェイス画面の一例を示す模式図である。 ＥＥＧに含まれる固有次元の評価結果の一例を示す図である。 本実施の形態に従う脳状態の推定処理における状態空間を決定するために用いられる脳活動パターンの一例を示す図である。 本実施の形態に従う脳状態の推定処理における状態空間を決定するために用いられる空間相関行列の一例を示す図である。 本実施の形態に従う脳状態の推定処理における所定数の脳活動パターンから算出された状態空間の一例を示す図である。 本実施の形態に従う脳状態の推定処理により決定された状態空間に現れる神経多様体の一例を示す図である。 本実施の形態に従う脳状態の推定処理により決定された状態空間に現れる神経多様体の別の一例を示す図である。 本実施の形態に従うハイパーアライメントの処理例を示す図である。 本実施の形態に従うハイパーアライメントの処理手順を示す模式図である。 本実施の形態に従う脳状態を標準空間にマッピングした提示例を示す模式図である。 本実施の形態に従う脳状態を標準空間にマッピングした別の提示例を示す模式図である。 本実施の形態に従う脳状態を標準空間に離散的にマッピングした提示例を示す模式図である。 本実施の形態に従う標準空間を生成する処理手順の一例を示すフローチャートである。 本実施の形態に従うハイパーアライメントの処理手順の一例を示すフローチャートである。

本発明の実施の形態について、図面を参照しながら詳細に説明する。なお、図中の同一または相当部分については、同一符号を付してその説明は繰り返さない。

［Ａ．脳状態］
本実施の形態においては、脳活動の状態の一例として「脳状態」を推定する。推定される「脳状態」は、被験者の脳全体を評価して決定される脳活動の状態を意味する。「脳状態」は、ＥＥＧ、ＭＥＧ、ｆＭＲＩなどの脳活動を計測して得られる情報に基づいて推定される。

脳状態としては、予め複数の状態を定義できる。以下では、脳状態として取り得る状態として、先行研究において報告されている「マイクロステート」を用いる。「マイクロステート」は、被験者によらず観測される脳活動の状態を示す最小単位を意味する。マイクロステートは、脳全体の状態ダイナミクスを示す。

先行研究において、チャネルの数、前処理手順、被験者などにかかわらず、マイクロステートは４つであることが繰返し報告されている。そこで、本実施の形態においても、脳状態は４つのマイクロステートのいずれかを取るものとする。脳状態に含まれる４つのマイクロステートをｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤと称することもある。但し、脳状態に含まれる状態は４つに限定されることなく、任意の状態数を設定できる。

各マイクロステートは、安定状態（アトラクタ）にある範囲とみなすことができる。マイクロステート間で「脳状態」が推移していると考えることで、マイクロステートでラベル付けされた脳状態の遷移の観測、および、各マイクロステートでラベル付けされた脳状態の持続時間の算出が可能であり、これらの特徴量に基づいて、精神疾患のバイオマーカとしての応用などが期待されている。

説明の便宜上、以下では、ＥＥＧを用いて脳状態を推定する処理例を主として説明するが、本発明の技術的範囲は、ＥＥＧを用いて脳状態を推定する処理に限定されるものではなく、脳活動を計測して得られる任意の情報を用いて脳状態を推定する処理を包含する。

［Ｂ．システム構成例］
次に、本実施の形態に従う脳状態の推定処理の応用例として、ＮＦトレーニングを行うためのニューロフィードバックシステムの構成例について説明する。

図１は、本実施の形態に従うニューロフィードバックシステム１の構成例を示す模式図である。図１を参照して、ニューロフィードバックシステム１は、被験者２が装着したキャップ１０を介して計測されるＥＥＧを用いて、被験者２の脳状態をリアルタイムで推定する。ニューロフィードバックシステム１は、推定される脳状態に応じて、視覚的および／または聴覚的なフィードバックを被験者２に与えることで、被験者２を理想的な方向に誘導する。

ニューロフィードバックシステム１は、主たるコンポーネントとして、計測回路４０と、処理装置１００と、ディスプレイ２０と、スピーカ３０とを含む。

計測回路４０は、被験者２の脳波を計測する計測部に相当する。より具体的には、計測回路４０は、被験者２が装着した複数の電極１２を含むキャップ１０を介して、被験者２の脳波として複数のチャネル成分（ＥＥＧに相当する電気信号）を計測する。計測回路４０は、例えば、マルチプレクサ４２と、ノイズフィルタ４４と、Ａ／Ｄ（Analog to Digital）変換器４６とを含む。

マルチプレクサ４２は、キャップ１０から出力される複数のチャネル（電極１２）を順次選択して、ノイズフィルタ４４と電気的に接続する。ノイズフィルタ４４は、特定の周波数成分だけを通過させるフィルタであり、選択されるチャネルに現れる信号（電気信号）に含まれるノイズ成分を除去する。例えば、通過帯域を０．０１６～２５０Ｈｚと設定できる。

Ａ／Ｄ変換器４６は、ノイズフィルタ４４から出力される電気信号（アナログ信号）を所定周期毎にサンプリングして、デジタル信号として出力する。

処理装置１００は、被験者２の脳状態を推定するとともに、推定される脳状態に応じたフィードバックを出力する。

ディスプレイ２０は、被験者２に対して視覚的なフィードバックを与える。スピーカ３０は、被験者２に対して聴覚的なフィードバックを与える。

図２は、本実施の形態に従うニューロフィードバックシステム１に含まれる処理装置１００の装置構成を示す模式図である。処理装置１００は、典型的には、汎用的なアーキテクチャに従うコンピュータを採用することができる。図２を参照して、処理装置１００は、主たるコンポーネントとして、プロセッサ１０２と、メモリ１０４と、入力部１０６と、ネットワークコントローラ１０８と、計測インターフェイス１１０と、ディスプレイコントローラ１１２と、音声コントローラ１１４と、ストレージ１２０とを含む。

プロセッサ１０２は、ＣＰＵ（Central Processing Unit）やＧＰＵ（Graphical Processing Unit）といった演算処理回路からなり、ストレージ１２０に格納されている各種プログラムに含まれるコードを指定される順序に実行することで、後述する各種機能を実現する。メモリ１０４は、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）などで構成され、プロセッサ１０２で実行されるプログラムのコードやプログラムの実行に必要な各種ワークデータを保持する。

入力部１０６は、典型的には、マウスまたはキーボードなどで構成され、ユーザからの操作を受付ける。

ネットワークコントローラ１０８は、外部装置（例えば、クラウド上のデータサーバなど）との間でデータを遣り取りする。ネットワークコントローラ１０８は、有線ＬＡＮ（Local Area Network）、無線ＬＡＮ、ＵＳＢ（Universal Serial Bus）、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの任意の通信コンポーネントで構成される。

計測インターフェイス１１０は、計測回路４０から出力されるＥＥＧ（デジタル信号）を受信する。

ディスプレイコントローラ１１２は、プロセッサ１０２による処理結果に応じて、ディスプレイ２０に画像を表示する。音声コントローラ１１４は、プロセッサ１０２による処理結果に応じて、スピーカ３０から音声を出力する。なお、画像および音声を同時に出力するコントローラを採用してもよい。

ストレージ１２０は、典型的には、ハードディスクまたはＳＳＤ（Solid State Drive）などで構成され、プロセッサ１０２にて実行される各種プログラム、処理に必要な各種データ、設定値などを保持する。より具体的には、ストレージ１２０は、ＯＳ（Operating System）１２２と、計測プログラム１２４と、ＮＦプログラム１２６とを含む。

計測プログラム１２４は、被験者２のＥＥＧから脳状態を推定するための処理や可視化処理をプロセッサ１０２に実行させるためのコードを含む。計測プログラム１２４は、視覚的および／または聴覚的なフィードバックを被験者２に与えるための処理をプロセッサ１０２に実行させるためのコードを含んでいてもよい。

［Ｃ．脳状態の推定］
次に、脳状態を推定するための処理例について説明する。

図３は、本実施の形態に従う脳状態を推定するための処理例を説明するための図である。図３（Ａ）には、被験者２が装着したキャップ１０を介して計測されるＥＥＧの生信号５０（時間波形）の例を示す。図３（Ａ）には、一例として、３２個の電極１２のそれぞれで計測した生信号５０（３２チャネル）の例を示す。すなわち、キャップ１０は、被験者２の頭部の領域に対応付けられた３２個の電極１２を含む。

図３（Ｂ）には、ＥＥＧの生信号５０に設定される区間（この例では、１００ｍｓ）に生じる時間波形の集合（以下、「エポック５２」とも称す。）を空間方向でベクトライズする処理例を示す。図３（Ｂ）に示すチャネル空間６０は、計測されるＥＥＧの各チャネルを次元として有している。図３（Ｂ）に示すベクトル６２は、図６（Ａ）に示すエポック５２に対応する。ベクトル６２は、時空間的次元（spatio-temporal dimensionality）に対して設定された脳状態を意味する。ベクトル６２の各々は、エポック５２に対応する瞬間の脳状態を示すことになる。

ベクトル６２を構成する各次元の成分は、エポック５２における平均値であってもよいし、エポック５２に含まれる任意の時点における計測値であってもよい。

図４は、本実施の形態に従う脳状態を示すベクトル６２の一例を示す図である。図４を参照して、ＥＥＧの各エポック５２から生成されるベクトル６２をチャネル空間６０上に定義できる。

チャネル空間６０上に定義された多数のベクトル６２をクラスタリングすることで、１または複数のクラスタ６４を決定できる。十分な数のベクトル６２を用いて決定されたクラスタ６４の各々は、特定の脳状態を示す。

本実施の形態においては、脳状態として、４つのマイクロステートｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤを採用するので、それぞれに対応する４つのクラスタ６４Ａ，６４Ｂ，６４Ｃ，６４Ｄを決定できる。マイクロステートｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤのそれぞれに対応するクラスタ６４Ａ，６４Ｂ，６４Ｃ，６４Ｄの重心座標は、３２次元のベクトルを意味する。クラスタリングとしては、修正ｋミーンズ法や階層的クラスタリングなどの公知の方法を用いることができる。

同一のクラスタ６４に属するベクトル６２同士は、互いに類似した特徴を有している。同一のクラスタ６４に属するベクトル６２同士で共通する特徴を固有空間パターンとも称す。後述するように、固有空間パターン７４は、ＥＥＧの各チャネルの信号強度を対応する電極１２の位置（すなわち、情報を収集している脳の部位）に応じてマッピングしたものに相当する。

図５は、本実施の形態に従う脳状態を推定するための脳活動パターンおよびテンプレートを説明するための図である。図５を参照して、脳活動パターン７０は、エポック５２毎に脳活動の状態を示す行列である。図５に示す例では、７×７の行列が採用されており、各行列要素の濃淡が設定される値（±５の範囲）の大きさを示す。

計測されるＥＥＧの各チャネルの計測値は、対応する電極１２の位置に応じて、脳活動パターン７０を示す行列内の特定の位置（行位置×列位置）にマッピングされる。例えば、キャップ１０の電極１２は、Ｆｐ１，Ｆｐ２，Ｆｚ，Ｆ３，Ｆ４，Ｆ７，Ｆ８，Ｆ９，Ｆ１０，ＦＣ１，ＦＣ２，ＦＣ５，ＦＣ６，Ｃｚ，Ｃ３，Ｃ４，Ｔ７，Ｔ８，ＣＰ１，ＣＰ２，ＣＰ５，ＣＰ６，Ｐｚ，Ｐ３，Ｐ４，Ｐ７，Ｐ８，Ｐ９，Ｐ１０，Ｏｚ，Ｏ１，Ｏ２の位置にそれぞれ配置されているとする。なお、レファレンス電極およびグランド電極がＦＣｚおよびＦｐｚの位置にそれぞれ配置されてもよい。

計測されるＥＥＧのチャネル数は３２であるので、チャネルがマッピングされない行列要素も存在する。チャネルがマッピングされない行列要素については、任意の値（例えば、「０」）が設定されてもよい。

脳活動パターン７０は、エポック５２の周期（例えば、１００ｍｓ）毎に生成してもよい。生成される脳活動パターン７０と、予め用意されたテンプレート７２Ａ，７２Ｂ，７２Ｃ，７２Ｄ（以下では、「テンプレート７２」と総称することもある。）の各々との間で、空間的相関（類似度）が算出される。算出される空間的相関が最も大きいテンプレート７２に対応するマイクロステートが、脳活動パターン７０が示す脳状態として決定される。

テンプレート７２は、一種の空間フィルタであり、各瞬間の脳の電場の強さを表すＧＦＰ（global field power）のピークデータセットを示す。テンプレート７２Ａ，７２Ｂ，７２Ｃ，７２Ｄは、例えば、チャネル空間６０上に定義されたクラスタ６４Ａ，６４Ｂ，６４Ｃ，６４Ｄの重心座標（３２次元のベクトル）に基づいて決定してもよい。すなわち、クラスタ６４の重心座標を脳活動パターン７０と同様の方法で行列にマッピングすることで、テンプレート７２を決定できる。

図５には、テンプレート７２Ａ，７２Ｂ，７２Ｃ，７２Ｄに対応する固有空間パターン７４Ａ，７４Ｂ，７４Ｃ，７４Ｄを示す。固有空間パターン７４Ａ，７４Ｂ，７４Ｃ，７４Ｄは、テンプレート７２Ａ，７２Ｂ，７２Ｃ，７２Ｄを空間補間することで生成されたものであり、各マイクロステートにおける脳活動の連続的な分布を示す。

［Ｄ．脳状態の提示］
次に、推定された脳状態を提示する一例について説明する。

図６は、本実施の形態に従う処理装置１００が提供するユーザインターフェイス画面の一例を示す模式図である。

図６（Ａ）を参照して、処理装置１００は、４つの脳状態（マイクロステート）を含む脳状態オブジェクト２００と、推定された現在の脳状態を示す現在状態オブジェクト２１０とをディスプレイ２０に表示する。図６（Ａ）に示すように、処理装置１００は、複数の脳状態にそれぞれ対応する複数の領域を含む表示（脳状態オブジェクト２００）を被験者２に提示してもよい。図６（Ａ）に示すようなユーザインターフェイス画面を提供することで、被験者２は、現在の自分の脳状態がいずれの状態であるかを一見して認識できる。

図６（Ｂ）を参照して、処理装置１００は、ターゲットの脳状態を示すターゲットオブジェクト２２０をさらに表示するようにしてもよい。図６（Ｂ）に示すように、処理装置１００は、脳状態オブジェクト２００が示す複数の領域に対応付けて、推定された被験者２の脳状態（現在の脳状態）を第１の表示態様（例えば、図６（Ｂ）に示すような丸印）で表示するとともに、ターゲットとなる脳状態を第２の表示態様（例えば、図６（Ｂ）に示すような四角囲み）で表示してもよい。図６（Ｂ）に示すようなユーザインターフェイス画面を提供することで、被験者２は、現在の自分の脳状態がいずれの状態であるかに加えて、いずれの脳状態になるべきかを一見して認識できる。

図６（Ｃ）を参照して、処理装置１００がいずれの脳状態であるかを決定できない場合には、現在状態オブジェクト２１０は表示されない。

さらに、いずれの脳状態であるかを決定できない状態であることを、文字やオブジェクトなどを用いて視覚的に被験者２に通知するようにしてもよいし、音声メッセージや効果音などを用いて聴覚的に被験者２に通知するようにしてもよい。

この場合においても、被験者２は、ターゲットの脳状態になるように意識を傾けようとする。

［Ｅ．状態空間および神経多様体］
上述したようなマイクロステートを用いる方法は、被験者間を比較する場合などには非常に有効であるが、特定の被験者の脳状態を観察するには、脳全体の状態ダイナミクスの遷移を辿れる仕組みを用意しておくことが好ましい。

以下では、脳全体の状態ダイナミクスの連続的な遷移を表現できる状態空間について説明する。

本実施の形態に従う状態空間においては、脳状態の間をジャンプするのではなく、状態ダイナミクスの滑らかな軌跡を表現できる。このような滑らかな軌跡を表現できる状態空間を神経多様体（neural manifold）と称することもある。

本願発明者らは、チャネル空間６０におけるＥＥＧに含まれる固有次元を調べた。より具体的には、主成分分析（principal component analysis：ＰＣＡ）を用いて、３２チャネルのＥＥＧに含まれる固有次元を調べた。

図７は、ＥＥＧに含まれる固有次元の評価結果の一例を示す図である。図７（Ａ）には、ＥＥＧの生信号を用いた場合の評価結果を示し、図７（Ｂ）には、チャネル単位で正規化した場合の評価結果を示す。

図７（Ａ）および図７（Ｂ）によれば、次元数が「３」だけあれば、ＥＥＧのダイナミクスを十分に表現できることが示唆されている。すなわち、３次元空間を用いることで、グローバルな状態ダイナミクスの表現を十分直感的に行えると言える。なお、３次元空間を特定の平面に投影した２次元空間を表現として用いることもできる。

本実施の形態に従う脳状態の推定処理においては、ＥＥＧのチャネル空間６０（３２チャネルであれば３２次元）を十分に低い次元空間に圧縮する次元圧縮法を適用する。次元圧縮法としては、主成分分析（ＰＣＡ）や独立成分分析（independent component analysis：ＩＣＡ）などの任意の手法を採用できるが、本実施の形態においては、多次元尺度構成法（multi dimensional scaling：ＭＤＳ）を採用する。多次元尺度構成法によれば、次元圧縮後の空間（典型的には、単純な球面）は滑らかな表面となり、この空間においては、幾何学的に微分可能な状態となる。

図８は、本実施の形態に従う脳状態の推定処理における状態空間を決定するために用いられる脳活動パターン７６の一例を示す図である。図９は、本実施の形態に従う脳状態の推定処理における状態空間を決定するために用いられる空間相関行列８０の一例を示す図である。

図８を参照して、被験者の脳活動の状態を示す脳活動パターン７６を所定時間に亘って複数取得する。脳活動パターン７６の各々は、ＥＥＧの生信号５０に対するサンプリング点に対応するものであり、各サンプリング点における脳状態を示すことになる。脳活動パターン７６は、脳活動パターン７０と同様に、ＥＥＧの各チャネルの計測値を対応する位置にマッピングしたものである。所定数は、例えば、５００点（５００Ｈｚのサンプリングレートで１秒分）に設定できる。

例えば、処理装置１００は、ＥＥＧの各チャネルの計測値をサンプリングするとともに、サンプリングにより取得された各チャネルの計測値をマッピングすることで、脳活動パターン７６を生成する。

次に、複数の脳活動パターン７６のうち各組み合わせについての空間的相関を算出することで、空間相関行列８０を生成する。すなわち、所定数の脳活動パターン７６のすべての組み合わせについて空間的相関が算出される。算出された空間的相関を対応する位置に配置することで、図８に示すような空間相関行列８０を算出できる。空間相関行列８０は、脳活動パターン７６間の空間的類似度（各値は、－１～１の範囲をとる）を示す。

空間相関行列８０に含まれる特徴（例えば、非線形波形やリップル）に着目することで、軌道としての時系列ダイナミクスは、神経多様体としての空間を決定し得る。すなわち、多次元尺度構成法により空間相関行列８０を距離行列に変換し、当該距離行列を特異値分解（singular value decomposition：ＳＶＤ）することで、複数の脳活動パターン７６の各々について、所定次元数の座標を算出する。一例として、算出される座標は３次元（ＸＹＺ座標）であってもよい。

複数の脳活動パターン７６にそれぞれ対応する座標の集合が状態空間９０および状態空間９０に現れる神経多様体９２となる。

図１０は、本実施の形態に従う脳状態の推定処理における所定数の脳活動パターン７６から算出された状態空間の一例を示す図である。図１０を参照して、状態空間９０には、脳活動パターン７６の各々に対応する座標（５００点）がプロットされており、また、時間的に連続であるとみなすことができる。

このように、本実施の形態に従う状態空間９０は、「空間的類似度空間」とも定義でき、状態空間９０において時間的に連続な軌跡は、時空間的にも連続である。

可能な限り多くの脳活動パターン７６から状態空間９０へプロットすることで、球状の神経多様体が現れる。すなわち、脳活動パターン７６は、状態空間９０に決定される球面上のいずれかの座標に存在するとみなすことができ、球面上を時間的に移動することになる。

図１１は、本実施の形態に従う脳状態の推定処理により決定された状態空間９０に現れる神経多様体９２の一例を示す図である。図１１を参照して、神経多様体９２内の脳活動パターン７６は、ノルムがほぼ１になるように分布している。そのため、半径を１とする球面（あるいは球体）を神経多様体９２として決定できる。すなわち、神経多様体９２を構成する座標群全体の重心（中心）は、状態空間９０の原点に相当する。

また、脳活動パターン７６との間で最も大きい空間的相関を示すテンプレート７２に対応する脳状態（マイクロステート）をその脳活動パターン７６における脳状態と決定する方法（勝者総取り方式）により、神経多様体９２に対して、マイクロステートｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤにそれぞれ対応する領域を決定できる。

すなわち、複数の脳活動パターン７６の各々と、予め定められた複数の脳状態をそれぞれ示す複数のテンプレート７２との間のそれぞれの空間的相関の大きさに基づいて、各脳活動パターンに対応する脳状態（マイクロステート）を決定する。このとき、１つの脳活動パターン７６について、マイクロステートｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤについての空間的相関（すなわち、４つの値）が算出されるが、最も空間的相関が大きい脳状態（マイクロステート）を当該脳活動パターン７６に対する脳状態として決定してもよい。

そして、図１１に示すように、複数の脳活動パターンにそれぞれ対応する座標（プロット）と、対応する脳状態（マイクロステート）とを同一の座標系上に表現してもよい。

なお、テンプレート７２は、クラスタ６４の重心座標に対応するベクトルに基づいて決定できる。例えば、修正ｋミーンズ法では極性が無視されているので、極性を反転させた２種類のテンプレート７２のセットを用意することが好ましい。例えば、前頭部を正としたテンプレート７２のセットと、前頭部を負としたテンプレート７２のセットとを用意できる。神経多様体９２において領域を決定する場合には、２種類のテンプレート７２のセットが用いられる。すなわち、テンプレート７２は、極性を反転させた一対のテンプレートを複数含む。

ここで、神経多様体９２の中心点について説明する。互いに極性を反転させたマイクロステートｍｓＡとマイクロステートｍｓＡ’とのセットについて見れば、マイクロステートｍｓＡに対応する座標と、マイクロステートｍｓＡ’に対応する座標とは、神経多様体の中心点を基準として点対称に配置される。言い換えれば、マイクロステートｍｓＡに対応する座標とマイクロステートｍｓＡ’に対応する座標との平均値は、神経多様体９２の中心点を意味する。その他のマイクロステートについても同様である。

このように、互いに極性を反転させた一対のテンプレートの各々について、一方のテンプレートに対応する座標と、他方のテンプレートに対応する座標との平均値が、神経多様体９２の中心として決定される。

図１２は、本実施の形態に従う脳状態の推定処理により決定された状態空間９０に現れる神経多様体９２の別の一例を示す図である。図１２（Ａ）～（Ｃ）には、状態空間９０を異なる視点でそれぞれ描画したものを示す。

各マイクロステートを示すテンプレートに対応する座標は、球面である神経多様体９２上に存在する。図１２（Ａ）～（Ｃ）には、４種類のマイクロステートにそれぞれ対応する座標を含む状態空間９０を示す。

ここで、神経多様体９２を構成する座標群全体の重心（中心）が状態空間９０の原点に相当するという特性を利用して、新たなマイクロステートをヒューリスティックに決定あるいは推定することもできる。より具体的には、任意のテンプレートの組み合わせに着目し、それぞれのテンプレートに対応する座標の中心（平均）が新たなマイクロステートに対応する座標の候補になり得る。

一例として、図１２（Ｃ）には、マイクロステートｍｓＡに対応する座標と、マイクロステートｍｓＢに対応する座標との中心に、新たなマイクロステートの候補となり得るランドマーク７８が配置された例を示す。このとき、状態空間９０の原点を基準として対称となる位置に、対になるランドマーク７８（すなわち、極性を反転させたテンプレートに対応する座標）が配置されることになる。

このように、予め用意されている任意の２つのマイクロステートに対応する座標から、新たなマイクロステートに対応する座標を決定してもよい。すなわち、複数のテンプレートのうちあるテンプレートに対応する座標と、別のテンプレートに対応する座標とに基づいて、新たなテンプレートに対応する座標を決定してもよい。

新たなテンプレートをヒューリスティックに決定することで、予め用意されているテンプレートを必要に応じて増加させることができる。すなわち、必要に応じた数のマイクロステートを事後的に用意できる。

上述したように、本実施の形態に従う状態空間９０を用いることで、各瞬間のＥＥＧから算出される脳活動パターン７６は、球面である神経多様体９２上を連続的に移動することになり、これが状態ダイナミクスの軌跡となる。なお、サンプリングレートが十分に高い（サンプリングの周期が短い）場合には、連続的な軌跡を示すことになるが、サンプリングレートが低い場合には、ジャンプするような軌跡となる可能性もあるため、サンプリングレートを適切に設定することが好ましい。

［Ｆ．標準空間およびハイパーアライメント］
被験者から計測されるＥＥＧを状態空間に写像した結果は、被験者固有のものとなる。そのため、状態ダイナミクスを統計的に評価する場合には、被験者間で標準化された空間（以下、「標準空間」とも称す。）に写像した場合の座標を決定する必要がある。被験者から計測されるＥＥＧを状態空間に写像した結果を標準空間に配置する処理を、以下では、「ハイパーアライメント」とも称す。

図１３は、本実施の形態に従うハイパーアライメントの処理例を示す図である。図１３を参照して、被験者毎にＥＥＧを状態空間９０に写像した場合には、同じ脳状態であっても、異なる座標にプロットされてしまう可能性がある。

そこで、ハイパーアライメントによって、被験者毎に固有の特性を共通化した、標準空間９４への写像を実現する。

図１４は、本実施の形態に従うハイパーアライメントの処理手順を示す模式図である。

図１４（Ａ）を参照して、まず、ハイパーアライメントに用いられる基本的な状態空間（神経多様体９２）を生成する。神経多様体９２の生成にあたって、複数の被験者の脳活動の状態を示す複数の脳活動パターン７６を取得する。脳活動パターン７６は、被験者から計測されるＥＥＧのサンプリングデータが用いられる。

神経多様体９２の生成には、数人の被験者の数分間に亘るＥＥＧ（安静時）があれば十分である。例えば、５人の被験者から１００Ｈｚのサンプリングレートで１分間計測すると、合計で３００００点の脳活動パターン７６を収集できる。

そして、取得された複数の脳活動パターン７６に含まれる各組み合わせについての空間的相関を算出することで、空間相関行列を生成する。さらに、多次元尺度構成法により空間相関行列を距離行列に変換し、当該距離行列を特異値分解することで、空間相関行列に含まれる要素に対応する座標群を算出する。算出された座標群が神経多様体９２を構成する。このように、多次元尺度構成法および特異値分解により、収集された多数の脳活動パターン７６から神経多様体９２を生成する。神経多様体９２には、半径を１とする球面上にプロットされた座標の集合である。

次に、生成された神経多様体９２から、予め定められた規則に従って、所定数のグリッド９６を抽出（サンプリング）する。すなわち、算出された座標群（神経多様体９２）から抽出された所定数の座標（グリッド９６）に対応する脳活動パターン７６が標準状態パターン群の一部として抽出される。

サンプリングされるグリッド９６は、ハイパーアライメントにおいて座標を決定するための基準（ランドマーク）となる。グリッド９６の数が多いほど、ハイパーアライメントの精度は高くなるが、より多くの処理時間を必要とするため、サンプリングされるグリッド９６の数は精度と処理時間とのバランス応じて決定される。例えば、５０点のグリッド９６をサンプリングしてもよい。グリッド９６は、神経多様体９２（球体）に対して空間的に均等にサンプリングされることが好ましい。

次に、サンプリングしたグリッド９６に対応する脳活動パターン７６（例えば、５０点）と、テンプレート７２（例えば、極性を反転させた２種類のテンプレート７２のセット：８点）とに対して、多次元尺度構成法および特異値分解により、各点を状態空間にプロットする。すなわち、標準状態パターン群に含まれる各組み合わせについての空間的相関を算出することで、空間相関行列を生成する。さらに、多次元尺度構成法により空間相関行列を距離行列に変換し、当該距離行列を特異値分解することで、空間相関行列に含まれる要素に対応する座標群を算出する。算出された座標群が標準空間９４を構成する。

標準空間９４において、グリッド９６に対応する座標は、元と同じ座標に配置されるとは限らない。但し、テンプレート７２に対応するそれぞれの座標から決定される、神経多様体９２の中心点は実質的に変化しないと考えられる。そのため、テンプレート７２に対応するそれぞれの座標に基づいて、神経多様体の中心点を推定できる。

上述したようなグリッド９６に対応する脳活動パターン７６とテンプレート７２と状態空間にプロットしたものを標準空間９４として用いる。標準空間９４の生成に用いられた脳活動パターン７６およびテンプレート７２の集合（例えば、トータル５８点）は、標準状態を示す標準状態パターン群に相当する。すなわち、標準状態パターン群は、１または複数の被験者の脳活動の状態を示す複数の脳活動パターン７６と、予め定められた複数の脳状態（マイクロステート）をそれぞれ示す複数のテンプレート７２とを含む。

以上のような処理により、標準状態パターン群と、標準状態パターン群から算出された座標群からなる標準空間９４とが用意される。標準空間９４および標準状態パターン群を用いて、被験者から計測されるＥＥＧに対応する状態空間（標準空間９４）における座標が順次決定される。

図１４（Ｂ）を参照して、被験者から計測されるＥＥＧをサンプリングした新たな脳活動パターン９８を標準状態パターン群に追加する。すなわち、被験者の脳活動の状態を示す脳活動パターン９８を取得し、標準状態パターン群に追加する。

続いて、脳活動パターン９８が追加された集合に対して、多次元尺度構成法および特異値分解により、各点を状態空間にプロットして、修正標準空間９４Ａを生成する。より具体的には、標準状態パターン群および対象の被験者の脳活動パターン９８に含まれる各組み合わせについての空間的相関を算出することで、空間相関行列を生成する。さらに、多次元尺度構成法により空間相関行列を距離行列に変換し、当該距離行列を特異値分解することで、空間相関行列に含まれる要素に対応する座標群を算出する。算出された座標群が修正標準空間９４Ａを構成する。

ここで、追加される脳活動パターン９８の数（例えば、１個）に対して、標準状態パターン群の数が十分に大きければ、修正標準空間９４Ａは標準空間９４からわずかにずれるだけに過ぎない。すなわち、標準状態パターン群に対応する座標群の相対的な位置関係（例えば、座標間の距離）は、実質的に維持される。

そのため、標準空間９４と脳活動パターン９８が追加された修正標準空間９４Ａとの間の位置関係に基づいて、厳密な変換を行うことができる。すなわち、修正標準空間９４Ａを構成する座標群における脳活動パターン９８に対応する座標の相対的な位置関係に基づいて、標準空間９４を構成する座標群における脳活動パターン９８に対応する座標を推定する。このように、脳活動パターン９８が追加された修正標準空間９４Ａにおける座標を元の標準空間９４における座標に変換できる。

一例として、修正標準空間９４Ａにおいて、脳活動パターン９８に対応する座標の近傍にある複数の座標を抽出する。なお、修正標準空間９４Ａ内のすべての座標を抽出してもよい。抽出された近傍座標と脳活動パターン９８に対応する座標との相対的な位置関係を決定する。そして、標準空間９４において、抽出された複数の近傍座標にそれぞれ対応する座標を特定し、特定された座標に対して、相対的な位置関係を適用することで、標準空間９４において脳活動パターン９８に対応する座標を決定する。

別の一例として、標準状態パターン群について、標準空間９４と修正標準空間９４Ａとの間の写像変換式を決定する。そして、決定された写像変換式を用いて、修正標準空間９４Ａにおける脳活動パターン９８に対応する座標を標準空間９４に写像することで、標準空間９４において脳活動パターン９８に対応する座標を決定する。

標準空間９４において脳活動パターン９８に対応する座標は、脳活動パターン９８を標準化した座標を意味する。

被験者から計測されるＥＥＧをサンプリングした脳活動パターン９８の取得毎に、上述したような処理が繰返し実行される。すなわち、脳活動パターン９８の取得、修正標準空間９４Ａの算出、および、脳活動パターン９８に対応する座標の推定といった一連の処理の繰返しによって、図１４（Ｃ）に示すように、被験者の状態ダイナミクスの軌跡を標準空間９４において表現できる。すなわち、順次推定される座標が軌跡として表示される。

本実施の形態に従うハイパーアライメントによれば、被験者間で共通の標準空間９４上で状態ダイナミクスの軌跡を表現できるので、被験者間の比較や統計処理などをより正確に行うことができる。

また、本実施の形態に従うハイパーアライメントによれば、新たな脳活動パターン９８（ＥＥＧのサンプリングデータ）が取得される毎に標準空間９４における座標を決定できるので、被験者の脳状態をリアルタイムで表現することもできる。このような脳状態をリアルタイムで被験者に提示することで、ＮＦトレーニングをより効率的に行うこともできる。

さらに、本実施の形態に従うハイパーアライメントによれば、被験者の脳状態を示す状態ダイナミクスの軌跡を確認できるので、被験者に対するＮＦトレーニングの効果の確認などを容易に行うことができる。

［Ｇ．ユーザへの提示］
次に、本実施の形態により算出される座標および軌跡をユーザへ提示するいくつかの方法について例示する。

上述したように、本実施の形態に従うハイパーアライメントにより、被験者から計測されたＥＥＧを標準空間９４における座標および軌跡（座標の時間的変化）として表現できる。標準空間９４は、球状の神経多様体となり、状態ダイナミクスは、半径を１とする球面上を順次移動することになる。そこで、被験者の脳活動パターン９８に対応する標準空間９４における座標を２次元または３次元の座標系で表示してもよい。

図１５は、本実施の形態に従う脳状態を標準空間にマッピングした提示例を示す模式図である。図１５を参照して、標準空間を示す球面上に各サンプリング点に対応する座標を順次表示することで、状態ダイナミクスの移動を表現してもよい。

なお、標準空間を示す球面を見る方向は、任意に変更できるようにしてもよい。図１５に示す例では、３次元的に表現されているが、視点を特定の軸上に配置することで、２次元的な表現とすることもできる。

図１６は、本実施の形態に従う脳状態を標準空間にマッピングした別の提示例を示す模式図である。

図１６（Ａ）には、３次元的な表現例を示す。図１６（Ａ）に示すように、標準空間を示す球面をメッシュ状に表現した上で、被験者の脳状態やテンプレートに対応する座標を任意の方法で表現してもよい。

球面プロジェクタを用いて、図１６（Ａ）に示す３次元的な表現を視覚化してもよい。すなわち、球面プロジェクタを用いて、推定される座標を表示するようにしてもよい。球面プロジェクタは、球状の発光体であり、表面上の任意の領域の色を任意に変化させることができる。このような球面プロジェクタを用いることで、状態ダイナミクスの移動をより分かりやすく提示できる。

図１６（Ｂ）には、２次元的な表現例を示す。図１６（Ｂ）に示すように、標準空間を特定の２次元座標に投影することで、注目する２次元座標における脳状態の移動を表現することができる。なお、各マイクロステートの領域を併せて表示してもよい。

図１７は、本実施の形態に従う脳状態を標準空間に離散的にマッピングした提示例を示す模式図である。図１７を参照して、標準空間を連続的に移動する状態ダイナミクスを表現してもよいが、脳状態に対応する領域を離散的に適宜した上で、領域間の遷移を表現してもよい。図１７に示すような離散的な表現を採用することで、目的の脳状態が指定されているＮＦトレーニングなどには好適である。

図１５～図１７に示す提示例に限られず、任意の方法および形態で脳全体の状態ダイナミクスや脳状態を表現できる。

［Ｈ．処理手順］
次に、本実施の形態に従う脳状態の推定処理の処理手順の一例について説明する。

図１８は、本実施の形態に従う標準空間を生成する処理手順の一例を示すフローチャートである。図１９は、本実施の形態に従うハイパーアライメントの処理手順の一例を示すフローチャートである。図１８および図１９に示す各ステップは、例えば、処理装置１００のプロセッサ１０２が計測プログラム１２４およびＮＦプログラム１２６を実行することで実現されてもよい。

図１８を参照して、処理装置１００は、複数の被験者からそれぞれ計測されたＥＥＧの生信号を取得する（ステップＳ１００）。そして、処理装置１００は、それぞれのＥＥＧの生信号を所定のサンプリングレートで複数の脳活動パターンを生成する（ステップＳ１０２）。さらに、処理装置１００は、生成した複数の脳活動パターンに含まれる各組み合わせについての空間的相関を算出し（ステップＳ１０４）、算出された空間的相関から空間相関行列を生成する（ステップＳ１０６）。処理装置１００は、多次元尺度構成法および特異値分解により、生成された空間相関行列に含まれる要素に対応する座標群を算出する（ステップＳ１０８）。算出された座標群が神経多様体９２となる。

続いて、処理装置１００は、生成された神経多様体９２から所定数のグリッド９６をサンプリングする（ステップＳ１１０）。そして、処理装置１００は、サンプリングされたグリッド９６に対応する脳活動パターンとテンプレート７２とからなる標準状態パターン群を生成する（ステップＳ１１２）。すなわち、サンプリングされた所定数のグリッド９６に対応する脳活動パターンが標準状態パターン群の一部として抽出される。

そして、処理装置１００は、標準状態パターン群に含まれる各組み合わせについての空間的相関を算出し（ステップＳ１１４）、算出された空間的相関から空間相関行列を生成する（ステップＳ１１６）。処理装置１００は、多次元尺度構成法および特異値分解により、生成された空間相関行列に含まれる要素に対応する座標群を算出する（ステップＳ１１８）。算出された座標群が標準空間９４となる。最終的に、処理装置１００は、標準空間９４（座標群）および標準状態パターン群を格納する（ステップＳ１２０）。そして、処理は終了する。

図１９を参照して、処理装置１００は、被験者から計測されるＥＥＧをサンプリングした新たな脳活動パターン９８を取得し（ステップＳ２００）、取得した脳活動パターン９８を標準状態パターン群に追加する（ステップＳ２０２）。そして、処理装置１００は、追加された脳活動パターンに含まれる各組み合わせについての空間的相関を算出し（ステップＳ２０４）、算出された空間的相関から空間相関行列を生成する（ステップＳ２０６）。処理装置１００は、多次元尺度構成法および特異値分解により、生成された空間相関行列に含まれる要素に対応する座標群を算出する（ステップＳ２０８）。算出された座標群が修正標準空間９４Ａとなる。

続いて、処理装置１００は、修正標準空間９４Ａにおける、新たな脳活動パターン９８に対応する座標および他の座標との位置関係（相対的な位置関係）を特定する（ステップＳ２１０）。そして、処理装置１００は、特定した位置関係に基づいて、標準空間９４における、新たな脳活動パターン９８に対応する座標を推定する（ステップＳ２１２）。

そして、処理装置１００は、新たな脳活動パターン９８に対応する標準空間９４の座標を出力する（ステップＳ２１４）。座標の情報を出力する方法の具体例については後述する。

処理装置１００は、被験者の観測が継続されているか否かを判断する（ステップＳ２１６）。被験者の観測が継続されていれば（ステップＳ２１６においてＹＥＳ）、ステップＳ２００以下の処理が繰り返される。

被験者の観測が継続されていなければ（ステップＳ２１６においてＮＯ）、処理は終了する。

［Ｉ．その他］
上述の説明においては、一例として、ＥＥＧを用いる場合について例示したが、ＭＥＧやｆＭＲＩなどであっても適用可能である。ＭＥＧやｆＭＲＩを用いる場合においても、複数の被験者および複数のサンプリングデータを収集して、空間相関行列を生成することで、同様の処理を実行すればよい。

［Ｊ．利点］
本実施の形態に従えば、被験者の脳活動パターンを比較的低次元の状態空間に写像して状態ダイナミクスとして表現することで、４つの脳状態（マイクロステート）間の離散的な遷移ではなく、より緻密な脳状態の連続的な遷移や移動を可視化できる。

また、本実施の形態に従えば、被験者の脳活動パターンを標準空間に写像することができる。標準空間は、被験者間に差が生じないように標準化（規格化）された空間であり、標準空間上に投影される座標およびその移動（軌跡）を評価することで、複数の被験者に対して共通の基準で評価などを行うことができる。

また、本実施の形態に従えば、標準空間上に投影される座標をさまざまな形態で表現することができる。これによって、被験者の脳状態をさまざまな切り口で観察および評価できる。また、ＮＦトレーニングなどにおいても、被験者に対して、分かりやすい情報を提供できる。

今回開示された実施の形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施の形態の説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１ ニューロフィードバックシステム、２ 被験者、１０ キャップ、１２ 電極、２０ ディスプレイ、３０ スピーカ、４０ 計測回路、４２ マルチプレクサ、４４ ノイズフィルタ、４６ Ａ／Ｄ変換器、５０ 生信号、５２ エポック、６０ チャネル空間、６２ ベクトル、６４，６４Ａ，６４Ｂ，６４Ｃ，６４Ｄ クラスタ、７０，７６，９８ 脳活動パターン、７２，７２Ａ，７２Ｂ，７２Ｃ，７２Ｄ テンプレート、７４，７４Ａ，７４Ｂ，７４Ｃ，７４Ｄ 固有空間パターン、８０ 空間相関行列、９０ 状態空間、９２ 神経多様体、９４ 標準空間、９４Ａ 修正標準空間、９６ グリッド、１００ 処理装置、１０２ プロセッサ、１０４ メモリ、１０６ 入力部、１０８ ネットワークコントローラ、１１０ 計測インターフェイス、１１２ ディスプレイコントローラ、１１４ 音声コントローラ、１２０ ストレージ、１２４ 計測プログラム、１２６ プログラム、２００ 脳状態オブジェクト、２１０ 現在状態オブジェクト、２２０ ターゲットオブジェクト、ｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤ マイクロステート。

Claims (11)

1. 所定時間に亘って、被験者の脳活動の状態を示す脳活動パターンを所定周期毎に複数回取得するステップと、
   前記取得された複数の脳活動パターンのうちすべての組み合わせについて空間的相関を算出することで、空間相関行列を生成するステップと、
   多次元尺度構成法により前記空間相関行列を距離行列に変換し、当該距離行列を特異値分解することで、前記複数の脳活動パターンの各々について、所定次元数の座標を算出するステップと、
   前記複数の脳活動パターンの各々と、予め定められた複数の脳状態をそれぞれ示す複数のテンプレートとの間のそれぞれの空間的相関の大きさに基づいて、各脳活動パターンに対応する脳状態を決定するステップとを備える、処理方法。
2. 前記複数の脳活動パターンにそれぞれ対応する座標と、対応する脳状態とを同一の座標系上に表現するステップをさらに備える、請求項１に記載の処理方法。
3. 前記複数のテンプレートは、極性を反転させた一対のテンプレートを複数含み、
   前記一対のテンプレートの各々について、一方のテンプレートに対応する座標と、他方のテンプレートに対応する座標との平均値が、前記複数の脳活動パターンにそれぞれ対応する座標の中心として決定される、請求項１に記載の処理方法。
4. 前記複数のテンプレートのうち第１のテンプレートに対応する座標と、前記複数のテンプレートのうち第２のテンプレートに対応する座標とに基づいて、新たなテンプレートに対応する座標を決定するステップをさらに備える、請求項１に記載の処理方法。
5. １または複数の被験者の脳活動の状態を示す複数の脳活動パターンと、予め定められた複数の脳状態をそれぞれ示す複数のテンプレートとを含む標準状態パターン群を取得するステップを備え、各脳活動パターンは所定周期毎に取得されたものであり、
   前記標準状態パターン群に含まれるすべての組み合わせについて空間的相関を算出することで、第１の空間相関行列を生成するステップと、
   多次元尺度構成法により前記第１の空間相関行列を距離行列に変換し、当該距離行列を特異値分解することで、前記第１の空間相関行列に含まれる要素に対応する第１の座標群を算出するステップと、
   被験者の脳活動の状態を示す第１の脳活動パターンを取得するステップを備え、各第１の脳活動パターンは前記所定周期毎に取得されたものであり、
   前記標準状態パターン群および前記第１の脳活動パターンに含まれるすべての組み合わせについて空間的相関を算出することで、第２の空間相関行列を生成するステップと、
   多次元尺度構成法により前記第２の空間相関行列を距離行列に変換し、当該距離行列を特異値分解することで、前記第２の空間相関行列に含まれる要素に対応する第２の座標群を算出するステップと、
   前記第２の座標群における前記第１の脳活動パターンに対応する座標の相対的な位置関係に基づいて、第１の座標群における前記第１の脳活動パターンに対応する座標を推定するステップとを備える、処理方法。
6. 前記第１の脳活動パターンに対応する座標を２次元または３次元の座標系で表示するステップをさらに備える、請求項５に記載の処理方法。
7. 前記第１の脳活動パターンを取得するステップと、前記第２の空間相関行列を生成するステップと、前記第２の座標群を算出するステップと、前記座標を推定するステップとを繰り返すステップをさらに備え、
   前記表示するステップは、順次推定される座標を軌跡として表示するステップを含む、請求項６に記載の処理方法。
8. 前記表示するステップは、球面プロジェクタを用いて、前記推定される座標を表示するステップを含む、請求項７に記載の処理方法。
9. 複数の被験者の脳活動の状態を示す複数の脳活動パターンを取得するステップを備え、各脳活動パターンは前記所定周期毎に取得されたものであり、
   前記取得された複数の脳活動パターンに含まれるすべての組み合わせについて空間的相関を算出することで、第３の空間相関行列を生成するステップと、
   多次元尺度構成法により前記第３の空間相関行列を距離行列に変換し、当該距離行列を特異値分解することで、前記第３の空間相関行列に含まれる要素に対応する第３の座標群を算出するステップと、
   前記第３の座標群から抽出された所定数の座標に対応する脳活動パターンを前記標準状態パターン群の前記複数の脳活動パターンとして抽出するステップとをさらに備える、請求項５に記載の処理方法。
10. 前記所定数の座標は、前記第３の座標群から予め定められた規則に従って抽出される、請求項９に記載の処理方法。
11. 請求項１～１０のうちいずれか１項に記載の処理方法をコンピュータに実行させるためのプログラム。