JP4631510B2

JP4631510B2 - 脳機能情報モニタリング装置

Info

Publication number: JP4631510B2
Application number: JP2005100724A
Authority: JP
Inventors: 理河野; 公治清水
Original assignee: Shimadzu Corp
Current assignee: Shimadzu Corp
Priority date: 2005-03-31
Filing date: 2005-03-31
Publication date: 2011-02-16
Anticipated expiration: 2025-03-31
Also published as: JP2006280421A

Description

本発明は、脳機能信号を含んだ検出信号に基づいて脳機能情報を測定する脳機能情報モニタリング装置に関し、さらに詳細には、脳機能信号を含んだ検出信号から、脳機能信号以外の不必要な発生源からの信号（ノイズ信号）の影響を除去した信号に基づいて、脳機能情報を測定する脳機能情報モニタリング装置に関する。

本発明は、例えば、被検体の複数の位置での近赤外分光分析法（Near infrared spectroscopy、以下ＮＩＲＳと略す）による測定を行う生体光計測装置で、特に、測定結果を二次元的な画像として表示する近赤外光イメージング装置に利用される。
本発明は、また、ＮＩＲＳの他に、ｆＭＲＩ（機能的ＭＲＩ）、ＭＥＧ（脳磁計）、ＥＥＧ（脳波計）等による測定に基づいてなされる他の脳機能情報モニタリング装置にも利用される。

近年、ＮＩＲＳ、ｆＭＲＩ（機能的ＭＲＩ）、ＭＥＧ（脳磁計）、ＥＥＧ（脳波計）等のような脳活動を計測する種々の計測手法が開発されている。
例えば、近赤外光は、皮膚組織や骨組織を透過し、かつ、血液中のオキシヘモグロビン、デオキシヘモグロビンにより吸収される性質を有するので、近赤外光のこのような性質を利用して、非侵襲で脳活動の測定を行うことができる、ＮＩＲＳを用いた経頭蓋的測定が行われている。

ＮＩＲＳでは、被験者の頭皮上に、所定の間隔で配置された複数の送光部（送光ファイバ）から近赤外光を照射し、脳（脳皮質）によって拡散反射された光を頭皮上の複数の受光部（受光ファイバ）で受光し、検出する。この検出光により、送光部と受光部との中間にある測定部位でのオキシヘモグロビン濃度、デオキシヘモグロビン濃度を求める。そして、これらヘモグロビン濃度の変化から脳の活動データを計測し、取得した脳活動データに平均化処理などの画像処理を施すことによって画像化するものである。

ＮＩＲＳによる計測の際、検出される近赤外光には脳（脳皮質）の血液からの信号と、それ以外の信号、例えば皮膚血流からの信号が含まれており、これらを峻別する必要がある。
峻別のための１つの方法は、計測の際に、被験者にタスクを与えておき、視覚的評価により、タスクに同期している信号のみを脳賦活信号（脳機能信号）として扱うことである。

峻別のための他の方法は、視覚的評価によって、オキシヘモグロビンとデオキシヘモグロビンの挙動から、脳内の生理学的変化とは考えにくい信号を不必要成分（アーチファクト）として処理する方法である。
さらに他の方法として、複数の計測位置において計測し、それぞれの計測位置から得られたヘモグロビン変化信号から、その統計的有意性を判定する評価量を求め、この評価量又は評価量に基づいて判定した結果をモニタに表示することが提案されている（特許文献1参照）。評価量は、例えば、ヘモグロビン変化信号からＴ値（検定統計量）及び／又はＰ値〈有意確率〉を求め、Ｔ値又はＰ値から検定関数を定義し、各計測位置の判定関数を合算したものを評価量として用いている。

一方、分析手法のひとつとして、「観測信号は、独立な信号が線形に混合されたものである」との仮定のもとで、複数の検出信号からなる観測信号に対し、独立性の基準とその基準を満たすためのアルゴリズムを用いて演算を行うことで、観測信号から元の独立な信号を推定する独立成分分析が提案されている（非特許文献１、非特許文献２参照）。
特開２００３−２６５４４２号公報 L，Molgedey and H．G．Shuster，Separation of a mixture of independant signals using time delayed correlations，Phys. Rev. Lett., Vol.72, No.23， PP3634−3637, 1994 J．CARDOSO and A．SOULOUMIAC，JACOBI ANGLES FOR SIMULTAEOUS DIAGONALIZATION, SIAM, J. MATRIX ANAL. APPL., Vol.17, No.1, PP.161−164，1996

ＮＩＲＳを用いた近赤外光イメージング装置で測定された脳計測データには、脳賦活に伴う脳内血流に基づく脳機能信号の他に、皮膚血流、血圧変動、脈動・呼吸、振動などに基づく信号、眼の動きに基づく筋肉の運動に起因する外乱信号等も重畳されている可能性があり、これら外乱信号を除くことが望ましいが、従来からの視覚的評価によるだけでは、外乱信号除去は困難である。
また、トレッドミル等を用いた歩行運動などをタスクとして与えた場合における脳活動を測定するとき、心拍数が変化し、皮膚血流もタスクに同期している可能性がある。
よって、これらの脳活動とは直接関係しない信号であっても、タスクと同期する信号は、タスクとの同期に基づいて信号を峻別する従来の方法では除去できない。

また、ＮＩＲＳ以外の脳機能信号の計測手法であるｆＭＲＩ（機能的ＭＲＩ）、ＭＥＧ（脳磁計）、ＥＥＧ（脳波計）等による脳機能信号の検出の場合においても、ＮＩＲＳにおける皮膚血流信号等と同様に、何らかの外乱信号、例えば、振動、眼の動きに起因する筋肉運動などの外乱に基づく外乱信号が重畳されている場合がある。

そこで、本発明は、脳活動を反映した脳機能信号（脳賦活信号）に、他の不必要な信号(ノイズ信号)が重畳されている検出信号から、不必要な信号の影響を除去した信号（変形検出信号）を求め、この信号に基づいて脳機能情報を測定する脳機能情報モニタリング装置を提供することを目的とする。

上記課題を解決するためになされた本発明の脳機能情報モニタリング装置は、脳機能信号を測定することができる複数の検出位置を定め、それぞれの検出位置から脳機能信号を含んだ検出信号を取得する。このとき、各検出信号は、複数の独立な発生源からの信号がある重み付けで線形に混合されたものであると考える。そして、取得した複数の検出信号から、独立な発生源ごとの信号（独立成分信号）および重み係数である混合行列を推定する独立成分分析の演算処理を行う。
ここで、脳機能信号とそれ以外の信号とは、それぞれ独立な発生源の信号と考え、複数の独立な発生源の信号のうちで、脳機能信号の発生源とは異なる、他の独立な発生源の信号（すなわち不必要な発生源の信号）を所定の判定演算により相関の有無を見出して、該当する他の独立な発生源の信号の影響を除去するように処理した上で、残りの発生源の信号だけを混合することにより、検出信号を変形検出信号に置換するようにする。

すなわち、本発明の脳機能情報モニタリング装置は、脳機能信号の測定が可能な複数の検出位置においてそれぞれの検出位置での脳機能信号を含む検出信号を取得する信号検出部と、各検出位置から取得した検出信号をベクトル成分として有する観測信号ベクトルを生成する観測信号ベクトル生成部と、観測信号ベクトルから、独立成分分析手法により、混合行列とともに、複数の発生源信号をベクトル成分として有する独立成分信号ベクトルを推定する独立成分信号ベクトル推定部と、脳機能信号以外の参照信号を取得する参照信号取得部と、各発生源信号と参照信号との相関をそれぞれ求めることにより各発生源信号のなかから不必要な発生源信号を判定する判定部と、不必要な発生源信号と判定された発生源信号について、独立成分信号ベクトルの該当する発生源信号のベクトル成分を０に置換するか、混合行列のうちの不必要な発生源信号に対応する列ベクトルを０ベクトルに置換するかによって、不必要な発生源信号の影響を除去した変形混合行列または変形独立成分信号ベクトルを導出する不必要成分除去部と、導出した変形混合行列と独立成分信号ベクトルとの積、または、混合行列と変形独立成分信号ベクトルとの積のいずれかを計算することにより、不必要な発生源信号の影響を除去した変形検出信号をベクトル成分として有する変形観測信号ベクトルを導出する変形観測信号ベクトル導出部とを備えている。

独立成分分析は、以下の（１）式で関係付けられた観測信号ベクトル、混合行列、独立成分信号ベクトルを用いて、観測信号ベクトルから、混合行列と独立成分信号とを推定する演算手法である。

ここで、
Ｘ_１（ｔ）、Ｘ_２（ｔ）、・・・、Ｘ_ｎ（ｔ）は、各検出位置での検出信号
Ｓ_１（ｔ）、Ｓ_２（ｔ）、・・・、Ｓ_ｎ（ｔ）は、それぞれ独立な信号発生源の信号（独立成分信号）

混合行列Ａが既知であれば、（１）式の混合行列Ａの逆行列を求めることによって、独立成分信号ベクトルＳの各成分は容易に求められるが、一般には、混合行列Ａも未知であるため、それらを求めるために、様々なアルゴリズムが提案されている（非特許文献１、２参照）。

（１）式において、混合行列Ａの１つの列ベクトル{ａ_１ｊ、ａ_２ｊ、・・・ａ_ｎｊ}（ここでは便宜上、列ベクトルは{}を用いて横書きする。以下同様）は、検出位置における特定の独立成分の重みを表している。

この（１）式を用いることにより、検出信号Ｘ_１（ｔ）、Ｘ_２（ｔ）、・・・、Ｘ_ｎ（ｔ）は、それぞれ独立な信号発生源の信号Ｓ_１（ｔ）、Ｓ_２（ｔ）、・・・、Ｓ_ｎ（ｔ）が、混合行列の各成分を重み係数として、（２）式で示すように、線形的に結合されたものとして表現されることになる。

Ｘ_１（ｔ）＝ａ_１１Ｓ_１（ｔ）＋ａ_１２Ｓ_２（ｔ）＋・・・＋ａ_１ｎ（ｔ）
Ｘ_２（ｔ）＝ａ_２１Ｓ_１（ｔ）＋ａ_２２Ｓ_２（ｔ）＋・・・＋ａ_２ｎ（ｔ）
・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・
Ｘ_ｎ（ｔ）＝ａ_ｎ１Ｓ_１（ｔ）＋ａ_ｎ２Ｓ_２（ｔ）＋・・・＋ａ_ｎｎ（ｔ）（２）

脳機能信号の他に、脳機能信号とは無関係の他の信号発生源が存在する場合、その信号発生源は、脳機能信号の発生源とは独立な信号発生源であるので、（１）、（２）式における発生源信号Ｓ_１（ｔ）、Ｓ_２（ｔ）、・・・、Ｓ_ｎ（ｔ）のいずれかになると考えられる。
そこで、脳機能信号以外の他の独立な信号発生源の予想が付く場合、その信号発生源の信号形状を別の計測によって取得して、参照信号として導入する。

例えば、ＮＩＲＳによる検出信号に基づいて、脳活動を測定する場合について説明すると、ＮＩＲＳの検出信号には、脳機能信号に加えて皮膚血流信号が含まれている可能性があると考えられるので、皮膚血流信号を発生源とする信号の形状を参照信号として導入する。具体的には、例えば、レーザ血流計による信号を、皮膚血流信号判定用の参照信号として導入する。あるいは、低深度測定用ＮＩＲＳの信号（送光部と受光部との距離を短くして、感度領域を皮膚血流領域に絞ったときのＮＩＲＳ信号）を、皮膚血流信号判定用の参照信号として導入してもよい。

そして、信号発生源の信号Ｓ_１（ｔ）、Ｓ_２（ｔ）、・・・、Ｓ_ｎ（ｔ）のそれぞれと、参照信号との信号形状の相関を求める。相関の有無は、どのような方法で求めてもよい。判定は、ある発生源Ｓ_ｊ（ｔ）と相関があって、２つの信号の信号形状が一致あるいは類似する場合には、その発生源信号Ｓ_ｊ（ｔ）が、予想した信号発生源からの信号であると判定する。

脳機能信号と無関係である他の信号発生源からの信号は、脳機能信号の計測にとっては不必要な信号であるため、脳機能信号以外の発生源の信号（例えばＳ_ｊ（ｔ））と判定された信号は、検出信号への影響を除去する。すなわち、（１）式、（２）式において、独立成分信号ベクトルＳのうちで、該当するベクトル成分である信号発生源の信号Ｓ_ｊ（ｔ）を零に置換する。
あるいは、（２）式において信号発生源の信号Ｓ_ｊ（ｔ）に対応する混合行列の列ベクトル{ａ_１ｊ、ａ_２ｊ、・・・ａ_ｎｊ}を０ベクトルに置換する。

不必要な発生源信号のベクトル成分を０に置換するか、混合行列のうちの不必要な発生源信号に対応する列ベクトルを０ベクトルに置換するかによって不必要な発生源の信号の影響を除去した変形独立成分ベクトル、変形行列が得られるが、これを用いて、変形混合行列と独立成分信号ベクトルとの積、または、混合行列と変形独立成分信号ベクトルとの積のいずれかを計算することにより、不必要な発生源信号の影響を除去した変形検出信号をベクトル成分として有する変形観測信号ベクトルを求めることができる。

ここで、信号検出部が取得する検出信号は、ＮＩＲＳ（近赤外分光分析）、ｆＭＲＩ（機能的ＭＲＩ）、ＭＥＧ（脳磁計）、ＥＥＧ（脳波計）のいずれかにより取得する検出信号であるようにしてもよい。すなわち、ＮＩＲＳにおける近赤外光信号、ｆＭＲＩにおける磁気共鳴信号、ＭＥＧにおける脳磁気信号、ＥＥＧにおける脳波信号（電位信号）のいずれかを検出信号とするようにしてもよい。

また、参照信号取得部が取得する参照信号は、レーザ血流計、振動計、眼の動きを検出するアイカメラ、皮膚血流信号を検出することができる低深度測定用ＮＩＲＳ（近赤外分光分析）のいずれかが取得する信号であるようにしてもよい。
すなわち、レーザ血流計による皮膚血流信号を参照信号とすることにより、皮膚血流を発生源とする不必要な信号を除去してもよい。また、振動計により被検体の局所的な振動（例えば、顎の運動、呼吸運動、脈動）を発生源とする不必要な信号を除去してもよい。また、アイカメラによる眼の動き（筋肉運動）を発生源とする不必要な信号を除去してもよい。また、ＮＩＲＳによる測定の場合に、送光部と受光部との距離を短くして測定感度が高い領域の深さを頭部表面近傍に合わせるようにすることで、低深度測定用ＮＩＲＳによる皮膚血流信号を発生源とする不必要な信号を除去してもよい。

また、判定部は、相互相関関数Ｒ_ｉ（Δｔ）を用いた各発生源信号と参照信号との一致度に基づいて判定するようにしてもよい。
ここで、各発生源信号と参照信号との一致度を判定する相互相関関数Ｒ_ｉ（Δｔ）とは、（３）式で示す関数である。

ここで、Ｓ_ｉ（ｔ）は、独立成分信号ベクトルＳのベクトル成分のひとつである発生源信号、Ｐ（ｔ＋Δｔ）は、参照信号（例えば、レーザ血流計信号、振動計信号）である。
相互相関係数Ｒ_ｉ（Δｔ）とは、２つの時系列波形がどの程度相互依存しているか、もしくは類似しているかを示すものであり、２つの波形間における位相のずれ時間Δｔの関数として表される。
この関数は、Ｓ_ｉ（ｔ）とＰ（ｔ）との相関係数（統計学的な意味での相関係数）を、Δｔを増加させながら計算することにより求めるものである。
あるΔｔにおける相互相関係数Ｒ_ｉ（ｔ）は、Ｓ_ｉ（ｔ）とＰ（ｔ＋Δｔ）とが完全一致する場合に１、符合反転で一致する場合に−１、全く一致しない場合に０の値をとるように規格化しているので、Ｒ_ｉ（ｔ）の値に応じて相関の強さを判定することができる。
そして、Ｒ_ｉ（ｔ）では、Δｔごと時間を増加させながら計算をしているので、２つの信号に時間的なずれがある場合でも、一方の信号の時間をずらして相関係数を計算することにより、波形が類似、一致している場合には、相関があるものとして判定されることになる。

この発明によれば、独立成分分析を利用して、検出信号に含まれる複数の信号成分から、参照信号として導入した不必要な信号発生源の影響を除去した変形検出信号を導出することができるので、この変形検出信号を用いて、より正確な脳機能信号情報のモニタリングを実現することができる。特に、マッピング画像を作成した場合には、脳賦活部位を精度よく特定することが可能になる。

また、判定部が、相互相関関数を用いた各発生源信号と参照信号との一致度に基づいて判定するようにすれば、２つの信号波形において時間的なずれがある場合であっても、時間のずれを考慮した相関の有無を判定することができる。

以下、本発明の脳機能情報モニタリング装置の実施形態について、図面を用いて説明する。ここでは、ＮＩＲＳを用いた脳機能情報モニタリング装置の実施例について説明する。

図１は、本発明の脳機能情報モニタリング装置の一実施形態であるマルチチャンネル生体光計測装置の概略構成を示すブロック図である。
このマルチチャンネル生体光計測装置１０は、信号検出部１１と、観測信号ベクトル生成部１２と、独立成分信号ベクトル推定部１３と、参照信号取得部１４と、判定部１５と、不必要成分除去部１６と、変形観測信号ベクトル導出部１７と、画像処理部１８と、表示部１９とから構成される。このうち、観測信号ベクトル生成部１２、独立成分信号ベクトル推定部１３、参照信号取得部１４、判定部１５、不必要成分除去部１６、変形観測信号ベクトル導出部１７、画像処理部１８は、ＣＰＵ、ＲＯＭ、ＲＡＭ等で構成されるコンピュータ２０およびソフトウェアにより構成されている。

信号検出部１１は、頭部における３６の検出位置（＃１〜＃３６）からの検出信号Ｘ_１（ｔ）、Ｘ_２（ｔ）、・・・、Ｘ_ｎ（ｔ）、（ｎ＝３６）を検出する。図２は、検出位置と送光部、受光部との関係を説明する図である。
送光部３１と受光部３２とは、約３ｃｍ程度離れて互いに隣接するようにプローブ３３上に配置され、隣接する送光部３１と受光部３２との中間位置が、検出位置（感度の高い領域）となるようにしてある。
送光部３１の光源には、ＬＥＤ（発光ダイオード）またはＬＤ（レーザダイオード）が用いられる。受光部３２には、検出器としてフォトダイオード、フォトトランジスタ、光電子増倍管が用いられ、これらは光ファイバによりプローブ３３の各取付位置と光学的に接続されている。また、送光部３１の光源および受光部３２の検出器は、図示しないタイミング制御回路により、検出動作が制御されるようにしてある。

観測信号ベクトル生成部１２は、信号検出部１１により検出された３６の検出信号をベクトル成分とする観測信号ベクトルＸを生成する処理を行う。
独立成分信号ベクトル推定部１３は、独立成分分析の手法により、観測信号ベクトルＸを元に、混合行列Ａ、および、それぞれ独立な発生源の信号に分離した発生源信号Ｓ_ｊ（ｔ）をベクトル成分とする独立成分信号ベクトルＳを導出する処理を行う。
なお、独立成分分析手法の一例については、後述する。

参照信号取得部１４は、脳機能信号以外で検出信号に重畳していると予測される信号発生源からの信号を、参照信号Ｐ（ｔ）として取得する処理を行う。本実施形態では、皮膚血流信号が重畳している可能性があるので、レーザ血流計で測定した皮膚血流信号を参照信号として取得する処理を行う。参照信号は、皮膚血流信号の他、振動計による振動信号（顎の運動、脈動など）、アイカメラによって取得する眼の動きに関する信号などでもよい。また、参照信号は１つである必要はなく、それぞれ独立な複数の参照信号を取得するようにしてもよい。

判定部１５は、（３）式で示した相互相関関数Ｒ_ｉ（ｔ＋Δｔ）を用いて、独立成分信号ベクトルの各成分である発生源信号Ｓ_ｉ（ｔ）と参照信号Ｐ（ｔ＋Δｔ）との相関を判定する処理を行う。判定基準は、例えば相互相関関数の値が０．７以上とする。
不必要成分除去部１６は、判定部１５が、ある発生源信号Ｓ_ｊ（ｔ）と参照信号（ｔ）との間に相関があると判定した場合に、独立成分信号ベクトルＳの該当する発生源信号のベクトル成分Ｓ_ｊ（ｔ）を０に置換した変形独立成分信号ベクトルＳ’（（４）式参照）、あるいは、混合行列Ａのうちの不必要な発生源信号に対応する列ベクトルを０ベクトルに置換した変形混合行列Ａ’（（５）式参照）を導出する。

変形観測信号ベクトル導出部１７は、変形混合行列と独立成分信号ベクトルとの積、混合行列と変形独立成分信号ベクトルとの積を計算することにより、不必要な発生源信号の影響を除去した変形検出信号を算出し、変形観測信号（列）ベクトル{Ｘ’_１（ｔ）、Ｘ’_２（ｔ）、・・・、Ｘ’_ｎ（ｔ）}（＝Ｘ’）を導出する処理を行う。
この演算処理により、検出信号Ｘ_ｉ（ｔ）をベクトル成分とするようにして生成された観測信号ベクトルＸは、不必要成分が除去された変形検出信号Ｘ’（ｔ）をベクトル成分とする変形観測信号ベクトルＸ’に置換することができたことになる。

そして、画像処理部１８は、変形観測信号ベクトルＸ’のベクトル成分である変形検出信号Ｘ’_ｉ（ｔ）を用いて、画像化することにより、２次元画像データを生成する処理を行う。
表示部１９は、生成された２次元画像データを図示しない表示器の画面に表示する処理を行う。

次に、上記脳機能情報モニタリング装置１０による計測動作について、図３に示したフローチャートを用いて説明する。
まず、プローブ３３（図２）を用いて、検出位置＃１〜＃３６における脳機能信号を含む信号を計測し、検出信号Ｘ_ｉ（ｔ）を取得する（ｓ１０１）。

別途に、レーザ血流計により皮膚血流信号を計測することで、これを参照信号Ｐ（ｔ）として取得する（ｓ１０２）。
続いて、計測した３６の各検出信号のそれぞれをベクトル成分とする観測信号（列）ベクトル{Ｘ_１（ｔ）、Ｘ_２（ｔ）、・・・、Ｘ_ｎ（ｔ）；ｎ＝３６}を生成する（ｓ１０３）。
続いて、生成した観測信号ベクトル{Ｘ_１（ｔ）、Ｘ_２（ｔ）、・・・、Ｘ_ｎ（ｔ）}に対し、独立成分分析を行い、混合行列Ａを推定するとともに、発生源信号Ｓ_ｉ（ｔ）をベクトル成分として有する独立成分信号ベクトルＳを推定する（（１）式参照）（ｓ１０４）。

続いて、相互相関関数Ｒ_ｉ（ｔ＋Δｔ）により、発生源信号Ｓ_ｉ（ｔ）と参照信号Ｐ（ｔ＋Δｔ）との相関の有無を判定する（ｓ１０５）。
判定の結果、参照信号Ｐ（ｔ＋Δｔ）と、一致または、類似する発生源信号Ｓ_ｊ（ｔ）が見出されたとき、独立成分信号ベクトルＳを構成するベクトル成分（発生源信号）のうちで、該当する発生源信号Ｓ_ｊ（ｔ）のベクトル成分を０に置換した変形独立成分信号（列）ベクトルＳ’（＝{Ｓ_１（ｔ）、Ｓ_２（ｔ）、・・・、０（＝Ｓ_ｊ（ｔ））、・・・、Ｓ_ｎ（ｔ）}）（（４）式参照）を導出する。あるいは、混合行列Ａのうち、該当する発生源信号Ｓ_ｊ（ｔ）に対応する列ベクトルを０ベクトルに置換した変形混合行列Ａ’（（５）式参照）を導出する（ｓ１０６）。

続いて、変形混合行列と独立成分信号ベクトルとの積Ａ’Ｓ、あるいは混合行列と変形独立成分信号ベクトルとの積ＡＳ’を計算することにより、不必要な発生源信号の成分を除去した変形検出信号Ｘ’_ｉ（ｔ）をベクトル成分とする変形観測信号（列）ベクトルＸ’（＝{Ｘ’_１（ｔ），Ｘ’_２（ｔ），・・・Ｘ’_ｎ（ｔ）}）を導出する（ｓ１０７）。

このようにして、取得した変形検出信号Ｘ’_１（ｔ），Ｘ’_２（ｔ），・・・Ｘ’_ｎ（ｔ）を用いて画像処理を行うことにより、不必要成分が除去された精度のよい画像データを得ることができるようになる。

(実施例)
図４は、不必要成分と予測される皮膚血流を、レーザ血流計により測定した結果の波形図形であり、時間に対する皮膚血流の変化を示している。横軸は時間（秒）である。
この測定と同時に、頭部の３６個所でオキシヘモグロビンの測定を行っている。その際、３回のタスク期間を設けている。この測定データを用いて、独立成分分析を行ったときの発生源信号（すなわち独立成分信号ベクトルの各成分（（１）式））を図５に示す。図５中の数字は、独立成分信号波形の番号である。

相互相関関数による判定を行うと、図４の皮膚血流波形に最も近いのは、信号波形番号２の波形であると判定される。比較のため、両波形を、図６に並べて示す。図６の横軸は時間（秒）である。２つの波形間での信号強度の相関を、相互相関関数（（３）式参照）により求めると、値は０．７２４であり、強い相関が確認された。
図７は、３回目のタスク期間後半（３７５秒〜４２０秒）結果の信号について、空間マッピングを行った画像データであり、図７（ａ）は、不要成分を除去しないとき、図７（ｂ）は、不要成分を除去したときの画像データである。図に見られるように、（ｂ）では、皮膚血流波形に基づく信号成分が除去された結果、脳の活動箇所を明確に表示することができている。

以上、ＮＩＲＳによる検出信号の例について説明をしたが、本発明は、脳機能信号を取得する他の計測手法、例えば、ｆＭＲＩ（機能的ＭＲＩ）、ＭＥＧ（脳磁計）、ＥＥＧ（脳波計）による検出信号にも適用することができる。すなわち、参照信号として、レーザ血流計、振動計、眼の動きを検出するアイカメラ、表面血流信号を検出する低深度測定用ＮＩＲＳ（近赤外分光分析装置）のいずれかが取得する信号を用いることにより、表面皮膚血流信号の影響、振動の影響、眼の動き等の信号が重畳している場合に、これらの成分を除去して、脳機能信号を精度よく取得することができる。

（独立成分分析の説明）
次に、独立成分分析の一例について説明する。
（１）ＩＣＡ（独立成分分析）問題の設定
ｎチャンネルのｐサンプル観測信号
ｘ（t）＝（ｘ_１（t），ｘ_２（t），・・，ｘ_ｎ（t））^Ｔ：（t＝１，２，・・ｐ）は、n個の独立な信号源s（t）＝（ｓ_１（t），ｓ_２（t），・・，ｓ_ｎ（t））^Ｔと線形作用素Ａを用いて、
ｘ（t）＝Ａｓ（t）（Ａ１）
と表わせると仮定する。このとき、ＩＣＡ問題とは、
ｙ(t)＝Ｗｘ（t）（Ａ２）
として、観測信号ｘ（t）からｙ〈t〉が相互に独立であるという条件のみを利用して、独立成分ｙ（t）と変換行列Ｗを求める問題となる。実際には、Ｗ＝Ａ^−１がわかっておらず、Ｗは要素の順番の入れ違いとその大きさの任意性が残るため、適当な置換行列Ｐと対角行列Ｄを用いて、
ＷＡ＝ＰＤ（Ａ３）
を満たすＷを推定する問題となり、時間ｔでのＷの候補をＷ_ｔとして、ｙ_ｉ＝Ｗ_ｔｘ_ｉを観測するたびに、これをＷ_ｔ＋１＝Ｗ_ｔ+ΔＷ_ｔに変えていくアルゴリズムとして解くことになる。

（２）ＩＣＡの様々な提案手法
ＩＣＡは、信号源の独立性の基準としての評価関数として、Kullback−Liebler情報量、最尤法、エントロピー最小化、情報量最大化、高次モーメント、キュムラント、相互相関最小化などを用いる方法がある。また、アルゴリズムとして、勾配法、不動点法、Jacobi法などの方法があり、その評価関数とアルゴリズムによって様々な手法が提案されている（Jutten and Heraut（1991）、Bell and Sejowski（1995）、Amari at al（1996）、Cardoso and Laheld（1996）、Girolami and Fyfe（1996）、・Molgedey and Schuster（1994）、Hyvarinen and Oja（1997）、Comon（1994）、Cardoso and Souloumiac（1993）、Matsuokaet al.（1995））。

（Molgedey and Schusterによる手法）
ここでは、ＩＣＡの例として、Molgedey and Schusterによる手法について説明する。信号s（t）の相互相関関数がゼロであるとすると、（Ａ１）、（Ａ２）、（Ａ３）式によりｙ(t)の関数は、
＜ｙ（t）ｙ（t＋τ）^Ｔ＞＝Ｗ＜ｘ（t）ｘ（t＋τ）^Ｔ＞Ｗ^Ｔ
＝ＷＡ＜ｓ（t）ｓ（t＋τ）^Ｔ＞Ａ^ＴＷ^Ｔ
＝ＷＡＲＡ^ＴＷ^Ｔ
＝ＰＤＲＤ^ＴＰ^Ｔ（Ａ４）
と表せる。Molgedey and Schusterは、τ＝０とτ＝τ_０の両方において相互相関係数がゼロであることを要求している。ここで、ｓ（t）のいくつかの相互相関関数がゼロになるとすると、（Ａ４）式の非対角要素の２乗和を表す次式（Ａ５）の関数f（Ｗ）を最小にする問題を解くことになる。

（Ａ５）式の最小化問題を解く方法として、「sphering」、「rotation」と呼ばれる手法を用いる。すなわち、sphering変換行列を次式（Ａ６）とする。

また、rotation変換行列をＣとして、次式（Ａ７）を最小にする問題を解く。

Spheringは、適当な変換行列により観測を直交化する処理であり、主成分分析（Principle Component Analysis：ＰＣＡ）の技術を利用できる。観測信号の相関行列である正定行列Ｖは、適当な直交行列Ｓと対角行列Λにより、次式（Ａ８）で表すことができる。

このとき、Ｓは正規直交基底（観測信号の相関行列の固有ベクトル）を列ベクトルとする行列、Λは対応する基底における分散（観測信号の相関行列の固有値）を対角要素とする行列として求めることができる。この手法はＰＣＡと同一であり、Ｓの列ベクトルは主成分ベクトルと呼ばれ、Λの各要素は対応する主成分の分散を表す。

ＳとΛを利用して、観測信号を直交化する仕組みは以下の通りである。
今、行列Ｖの平方根を、次式（Ａ９）で表すことにする。

ただし、
は、対角行列Λ^−１の各成分の平方根を要素とする対角行列である。このとき、
により、観測信号ｘ（ｔ）を、
と変換する。すると、ｘ’（ｔ）の相関関数は、
となり（Ｉは単位行列）、ｘ’（ｔ）は直交化している。

Rotationは、直交化されたｘ’（ｔ）を回転し、対角化（独立化）する処理である。これは、適当な回転行列Ｃを作用させ、ｘ’（ｔ）の相互相関をゼロにする。すなわち、直交化された相関信号の軸を回転させ、Cross Talkをなくす処理である。このためには、いくつかの時間差における相関行列の非対角成分の和を最小にする問題を解くことになる。すなわち、次式Ａ(１２)を最小にする回転行列Ｃを求める問題を解く。

この問題は、同時対角化（Simultaneous Diagonalization)問題と呼ばれ、例えばCardoso and Souloumiacの Jacobi法的アルゴリズムで解くことができる。Cardoso and Souloumiacのアルゴリズムでは、Ｃを２行２列の行列に分解し、次式Ａ（１３）と求める。
ここで、ｘ、ｙは次式Ａ（１４）で示す行列Ｇの最も大きい固有値に対応する固有ベクトルである。

以上の処理を経て、（Ａ２）式の変換行列Ｗは、次式Ａ（１５）と求められる。
また、独立成分ｙ（ｔ）は、次式Ａ（１６）と求められる。

本発明は、脳機能信号を検出信号として取得し、脳の活動を測定する脳機能情報モニタリング装置に利用することができる。

本発明の一実施形態であるマルチチャンネル生体光計測装置（脳機能情報モニタリング装置）の概略構成を示すブロック図。本発明の一実施形態であるマルチチャンネル生体光計測装置（脳機能情報モニタリング装置）のプローブ部分の説明図。一実施例での動作を説明するフローチャート図。レーザ血流計を用いた皮膚血流信号の波形図。独立成分分析により推定された独立成分信号の波形図。皮膚血流信号と特定の独立成分信号とを比較のための波形図。検出信号および不要成分を除去した後の変形検出信号とを用いた空間マッピングの図。

符号の説明

１０：マルチチャンネル生体光計測装置（脳機能情報モニタリング装置）
１１：信号検出部
１２：観測信号ベクトル生成部
１３：独立成分信号ベクトル推定部
１４：参照信号取得部
１５：判定部
１６：不必要成分除去部
１７：変形観測信号ベクトル導出部
１８：画像処理部
１９：表示部
２０：コンピュータ
３１：送光部
３２：受光部
３３：プローブ

Claims

脳機能信号の測定が可能な複数の検出位置においてそれぞれの検出位置での脳機能信号を含む検出信号を取得する信号検出部と、
各検出位置から取得した検出信号をベクトル成分として有する観測信号ベクトルを生成する観測信号ベクトル生成部と、
観測信号ベクトルから、独立成分分析手法により、混合行列とともに、複数の発生源信号をベクトル成分として有する独立成分信号ベクトルを推定する独立成分信号ベクトル推定部と、
脳機能信号以外の参照信号を取得する参照信号取得部と、
各発生源信号と参照信号との相関をそれぞれ求めることにより各発生源信号のなかから不必要な発生源信号を判定する判定部と、
不必要な発生源信号と判定された発生源信号について、独立成分信号ベクトルの該当する発生源信号のベクトル成分を０に置換するか、混合行列のうちの不必要な発生源信号に対応する列ベクトルを０ベクトルに置換するかによって、不必要な発生源信号の影響を除去した変形混合行列または変形独立成分信号ベクトルを導出する不必要成分除去部と、
導出した変形混合行列と独立成分信号ベクトルとの積、または、混合行列と変形独立成分信号ベクトルとの積のいずれかを計算することにより、不必要な発生源信号の影響を除去した変形検出信号をベクトル成分として有する変形観測信号ベクトルを導出する変形観測信号ベクトル導出部とを備えたことを特徴とする脳機能情報モニタリング装置。
信号検出部が取得する検出信号は、ＮＩＲＳ（近赤外分光分析）、ｆＭＲＩ（機能的ＭＲＩ）、ＭＥＧ（脳磁計）、ＥＥＧ（脳波計）のいずれかにより取得する検出信号であることを特徴とする請求項１に記載の脳機能情報モニタリング装置。
参照信号取得部が取得する参照信号は、レーザ血流計、振動計、眼の動きを検出するアイカメラ、表面血流信号を検出する低深度測定用ＮＩＲＳ（近赤外分光分析装置）のいずれかが取得する信号であることを特徴とする請求項１に記載の脳機能情報モニタリング装置。
判定部は、相互相関関数を用いた各発生源信号と参照信号との一致度に基づいて判定することを特徴とする請求項１に記載の脳機能情報モニタリング装置。