JPH06189927A - 生体電流分布の推定装置および推定方法 - Google Patents
生体電流分布の推定装置および推定方法Info
- Publication number
- JPH06189927A JPH06189927A JP5258421A JP25842193A JPH06189927A JP H06189927 A JPH06189927 A JP H06189927A JP 5258421 A JP5258421 A JP 5258421A JP 25842193 A JP25842193 A JP 25842193A JP H06189927 A JPH06189927 A JP H06189927A
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- multiplying
- distribution
- transposed
- current vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Landscapes
- Measuring Magnetic Variables (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
(57)【要約】
【目的】 測定データに混入しているノイズの影響を受
けにくい生体電流分布の推定装置を提供する 【構成】電気生理的な活動を含む脳が発生する磁場を検
出コイルで測定する。測定データを、検出コイルの番号
を行とし時刻を列として配列した行列（Ｂ）を用いて、
コンピュータにより、以下のステップで電流分布を推定
する。（１）ノイズデータを用いてノイズ共分散行列Ｃ
を計算、（２）Ｃの逆行列にＬの転置行列を乗算した行
列Ｚ１を計算、（３）ＬにＺ１を乗算しＺ２とする、
（４）Ｚ２に単位行列をｗ（ｗとしてはＺ２の最大固有
値の０．０１程度の値）倍したものを加算しＺ３とす
る、（５）Ｚ１にＺ３の逆行列を乗算しＺ４とする、
（６）Ｚ４に測定データを要素とする列ベクトルを乗算
し、電流分布の推定値を得る。結果をモニターに表示す
る。
けにくい生体電流分布の推定装置を提供する 【構成】電気生理的な活動を含む脳が発生する磁場を検
出コイルで測定する。測定データを、検出コイルの番号
を行とし時刻を列として配列した行列（Ｂ）を用いて、
コンピュータにより、以下のステップで電流分布を推定
する。（１）ノイズデータを用いてノイズ共分散行列Ｃ
を計算、（２）Ｃの逆行列にＬの転置行列を乗算した行
列Ｚ１を計算、（３）ＬにＺ１を乗算しＺ２とする、
（４）Ｚ２に単位行列をｗ（ｗとしてはＺ２の最大固有
値の０．０１程度の値）倍したものを加算しＺ３とす
る、（５）Ｚ１にＺ３の逆行列を乗算しＺ４とする、
（６）Ｚ４に測定データを要素とする列ベクトルを乗算
し、電流分布の推定値を得る。結果をモニターに表示す
る。
Description
【０００１】
【産業上の利用分野】本発明は生体外部の磁場分布を測
定し、そのデータから生体内部の磁場発生源である電流
の分布を推定する推定装置および推定方法に関する。
定し、そのデータから生体内部の磁場発生源である電流
の分布を推定する推定装置および推定方法に関する。
【０００２】
【従来の技術】生体外部の磁場測定値から生体内部の電
流分布の推定は通常以下のように行なわれる。まず、必
要な記号を定義する。ｍ番目の検出コイルにより測定さ
れた磁場データをＢ｛ｍ｝とし、測定データ全体をベク
トルＢ=(Ｂ｛１｝、Ｂ｛２｝、…、Ｂ｛Ｍ｝）で表す。
ここで、Ｂ｛ｍ｝の｛ｍ｝は添え字を表し、Ｂ｛１｝
等、特に誤解を生じない場合にはＢ１と表記する。ここ
で、Ｍは検出コイルの総数である。生体内の電流分布を
ベクトルＪ＝（ｊ｛１｝、ｊ｛２｝、…、ｊ｛３Ｎ｝）
で表す。ここで、Ｎはピクセル（本発明の分野では、立
体要素のため、ボクセルと呼ばれることもある）の総数
であり、第ｋピクセルに存在する電流のｘ、ｙ、および
ｚ成分はそれぞれ、ｊ｛３（ｋ−１）＋１｝、ｊ｛３
（ｋ−１）＋２｝、およびｊ｛３（ｋ−１）＋３｝に割
り当てられる。ＢとＪの関係は線形でありＢ＝ＬＪと表
すことができる。ここで、ＬはＭ×（３Ｎ）の行列で、
その要素Ｌ｛ｍ、３（ｋ−１）＋１｝、Ｌ｛ｍ、３（ｋ
−１）＋２｝、Ｌ｛ｍ、３（ｋ−１）＋３｝は第ｍ検出
コイルの第ｋピクセルに存在する主電流のｘ、ｙ、ｚ成
分に対する感度を表す。行列Ｌはリードフィールド（ L
ead field ）行列と呼ばれる。従来提案されている電流
分布の推定方法においてはムーア−ペンローズ（ Moore
-Penrose ）の一般逆行列を用いて最適推定値を（数
１）で求める。
流分布の推定は通常以下のように行なわれる。まず、必
要な記号を定義する。ｍ番目の検出コイルにより測定さ
れた磁場データをＢ｛ｍ｝とし、測定データ全体をベク
トルＢ=(Ｂ｛１｝、Ｂ｛２｝、…、Ｂ｛Ｍ｝）で表す。
ここで、Ｂ｛ｍ｝の｛ｍ｝は添え字を表し、Ｂ｛１｝
等、特に誤解を生じない場合にはＢ１と表記する。ここ
で、Ｍは検出コイルの総数である。生体内の電流分布を
ベクトルＪ＝（ｊ｛１｝、ｊ｛２｝、…、ｊ｛３Ｎ｝）
で表す。ここで、Ｎはピクセル（本発明の分野では、立
体要素のため、ボクセルと呼ばれることもある）の総数
であり、第ｋピクセルに存在する電流のｘ、ｙ、および
ｚ成分はそれぞれ、ｊ｛３（ｋ−１）＋１｝、ｊ｛３
（ｋ−１）＋２｝、およびｊ｛３（ｋ−１）＋３｝に割
り当てられる。ＢとＪの関係は線形でありＢ＝ＬＪと表
すことができる。ここで、ＬはＭ×（３Ｎ）の行列で、
その要素Ｌ｛ｍ、３（ｋ−１）＋１｝、Ｌ｛ｍ、３（ｋ
−１）＋２｝、Ｌ｛ｍ、３（ｋ−１）＋３｝は第ｍ検出
コイルの第ｋピクセルに存在する主電流のｘ、ｙ、ｚ成
分に対する感度を表す。行列Ｌはリードフィールド（ L
ead field ）行列と呼ばれる。従来提案されている電流
分布の推定方法においてはムーア−ペンローズ（ Moore
-Penrose ）の一般逆行列を用いて最適推定値を（数
１）で求める。
【０００３】
【数１】
【０００４】ここで、上付きの T は転置行列を表し、
上付きの -1 は逆行列を意味する。（数１）においてＬ
の逆行列を用いていないのは、通常、Ｍ≠３ｎであるた
め、Ｌは正方行列ではなく、逆行列が定義できないのが
普通だからである。また、数１を導くにはいわゆる最小
２乗法が用いられている。実際にＪを求めるときは、
（数１）における逆行列計算に伴う、数値計算上の不安
定さを避けるため（数２）を用いる。
上付きの -1 は逆行列を意味する。（数１）においてＬ
の逆行列を用いていないのは、通常、Ｍ≠３ｎであるた
め、Ｌは正方行列ではなく、逆行列が定義できないのが
普通だからである。また、数１を導くにはいわゆる最小
２乗法が用いられている。実際にＪを求めるときは、
（数１）における逆行列計算に伴う、数値計算上の不安
定さを避けるため（数２）を用いる。
【０００５】
【数２】
【０００６】ここで、Ｉは単位行列である。ｗは、逆行
列を単純に計算すると数値計算上の問題から誤差が大き
くなるようなタイプの行列の場合に、逆行列を計算する
ときに一般的に使われるレギュラリゼーションのパラメ
ータと呼ばれる小さな数値である。レギュラリゼーショ
ンのパラメータを加えると、（数１）と比較して、レギ
ュラリゼーションのパラメータ分だけ誤差が生じるよう
に見えるが、実際にはレギュラリゼーションのパラメー
タを加えない（数１）のまま計算したときの誤差の方が
大きいため、このパラメータを導入することが行われて
いる。なお、このパラメータは、大きすぎると（数１）
との誤差が大きくなり、数１をそのまま計算する場合よ
りも誤差が大きくなる。そのため、パラメータには、経
験的に求めた小さな値が採用される。数２を用いた電流
分布の推定方法は簡便かつ計算時間も短くて済む等の利
点があるものの、ＳＮ比の低いデータに対してはレギュ
ラリゼーションのパラメータｗの選択いかんでは結果が
大きく変わるという問題点が存在する。
列を単純に計算すると数値計算上の問題から誤差が大き
くなるようなタイプの行列の場合に、逆行列を計算する
ときに一般的に使われるレギュラリゼーションのパラメ
ータと呼ばれる小さな数値である。レギュラリゼーショ
ンのパラメータを加えると、（数１）と比較して、レギ
ュラリゼーションのパラメータ分だけ誤差が生じるよう
に見えるが、実際にはレギュラリゼーションのパラメー
タを加えない（数１）のまま計算したときの誤差の方が
大きいため、このパラメータを導入することが行われて
いる。なお、このパラメータは、大きすぎると（数１）
との誤差が大きくなり、数１をそのまま計算する場合よ
りも誤差が大きくなる。そのため、パラメータには、経
験的に求めた小さな値が採用される。数２を用いた電流
分布の推定方法は簡便かつ計算時間も短くて済む等の利
点があるものの、ＳＮ比の低いデータに対してはレギュ
ラリゼーションのパラメータｗの選択いかんでは結果が
大きく変わるという問題点が存在する。
【０００７】
【発明が解決しようとする課題】以上述べたごとく従来
の生体電流分布推定方法では、ノイズの影響を削減する
ことに対して考慮がなされておらず、測定データのＳＮ
比が小さい場合、ノイズに影響されて推定精度が悪くな
るという欠点が存在する。本発明の目的は測定データに
混入しているノイズの影響を削減することにより、ノイ
ズの影響を受けにくい生体電流分布推定方法を提供する
ことにある。
の生体電流分布推定方法では、ノイズの影響を削減する
ことに対して考慮がなされておらず、測定データのＳＮ
比が小さい場合、ノイズに影響されて推定精度が悪くな
るという欠点が存在する。本発明の目的は測定データに
混入しているノイズの影響を削減することにより、ノイ
ズの影響を受けにくい生体電流分布推定方法を提供する
ことにある。
【０００８】
【課題を解決するための手段】本発明では、上記課題を
解決するために、測定対象である生体の外部に設けら
れ、上記測定対象が生成する磁場のうち上記測定対象の
外部に存在する磁場を測定する複数の磁気測定手段と、
上記測定対象をピクセルに分割し、上記測定された磁場
より、おのおののピクセル上で、上記磁場の発生源であ
る電流を表す電流ベクトルの分布を推定する推定手段と
を有し、上記測定対象の内部の生体電流分布を推定する
生体電流分布の推定装置において、上記推定手段は、上
記電流ベクトルと、上記測定された磁場との関係を示す
リードフィールド行列を求める計算手段と、上記求めら
れたリードフィールド行列を記憶する記憶手段と、上記
測定対象が電気生理学的な活動を含んでいない時の測定
データより、磁場に含まれるノイズのノイズ共分散行列
を求める算出手段と、上記求められたノイズ共分散行列
を記憶する記憶手段と、少なくとも、上記リードフィー
ルド行列とノイズ共分散行列とにより、各ピクセルにお
ける電流ベクトルの分布を求める電流ベクトル計算手段
とを有することとしたものである。また、上記電流ベク
トル計算手段は、上記リードフィールド行列の転置行列
に上記ノイズ共分散行列の逆行列を右から乗じることに
より第１の行列を求め、上記第１の行列に左から上記リ
ードフィールド行列を乗じることにより第２の行列を求
め、上記第２の行列に単位行列を定数倍した行列を加算
することにより第３の行列を求め、上記第３の行列の逆
行列に左から上記第１の行列を乗ずることにより第４の
行列を求め、上記測定対象が電気生理的な活動をしてい
るときの、上記複数の磁気測定手段から得られた測定デ
ータを時系列に並べて構成した行列を上記第４の行列に
右から乗じることにより各ピクセルにおける電流ベクト
ルを求めることとしたものである。また、上記電流ベク
トル計算手段は、上記リードフィールド行列に上記リー
ドフィールド行列の転置行列を右から乗じた積行列に単
位行列を定数倍した行列を加算して得た行列の逆行列に
上記リードフィールド行列の転置行列を左から乗ずるこ
とにより上記リードフィールド行列の一般逆行列を求
め、上記測定対象が電気生理的な活動をしているとき
の、上記複数の測定手段から得られた測定データを時系
列に並べて構成した第１の行列を構成し、上記第１の行
列に上記第１の行列の転置行列を右から乗算することに
より第２の行列を求め、上記第２の行列から上記ノイズ
共分散行列を減じることにより第３の行列を求め、上記
第３の行列に、左から上記一般逆行列、右から上記一般
逆行列の転置行列を乗算することにより第４の行列を求
め、上記第４の行列の対角成分から各ピクセルにおける
電流ベクトルを求めることとしたものである。また、上
記電流ベクトル計算手段は、上記リードフィールド行列
に上記リードフィールド行列の転置行列を右から乗じた
積行列に単位行列を定数倍した行列を加算して得た行列
の逆行列に上記リードフィールド行列の転置行列を左か
ら乗ずることにより上記リードフィールド行列の一般逆
行列を求め、上記測定対象が電気生理的な活動をしてい
るときの、上記複数の測定手段から得られた測定データ
を時系列に並べて構成した第１の行列を構成し、上記第
１の行列に上記第１の行列の転置行列を右から乗算する
ことにより第２の行列を求め、上記第２の行列から上記
ノイズ共分散行列を減じることにより第３の行列を求
め、上記第３の行列に、左から上記一般逆行列を乗じ、
さらに右から上記第２の行列Ｄの逆行列と上記第１の行
列をこの順に乗じ、各ピクセルにおける電流ベクトルを
求めることとしたものである。
解決するために、測定対象である生体の外部に設けら
れ、上記測定対象が生成する磁場のうち上記測定対象の
外部に存在する磁場を測定する複数の磁気測定手段と、
上記測定対象をピクセルに分割し、上記測定された磁場
より、おのおののピクセル上で、上記磁場の発生源であ
る電流を表す電流ベクトルの分布を推定する推定手段と
を有し、上記測定対象の内部の生体電流分布を推定する
生体電流分布の推定装置において、上記推定手段は、上
記電流ベクトルと、上記測定された磁場との関係を示す
リードフィールド行列を求める計算手段と、上記求めら
れたリードフィールド行列を記憶する記憶手段と、上記
測定対象が電気生理学的な活動を含んでいない時の測定
データより、磁場に含まれるノイズのノイズ共分散行列
を求める算出手段と、上記求められたノイズ共分散行列
を記憶する記憶手段と、少なくとも、上記リードフィー
ルド行列とノイズ共分散行列とにより、各ピクセルにお
ける電流ベクトルの分布を求める電流ベクトル計算手段
とを有することとしたものである。また、上記電流ベク
トル計算手段は、上記リードフィールド行列の転置行列
に上記ノイズ共分散行列の逆行列を右から乗じることに
より第１の行列を求め、上記第１の行列に左から上記リ
ードフィールド行列を乗じることにより第２の行列を求
め、上記第２の行列に単位行列を定数倍した行列を加算
することにより第３の行列を求め、上記第３の行列の逆
行列に左から上記第１の行列を乗ずることにより第４の
行列を求め、上記測定対象が電気生理的な活動をしてい
るときの、上記複数の磁気測定手段から得られた測定デ
ータを時系列に並べて構成した行列を上記第４の行列に
右から乗じることにより各ピクセルにおける電流ベクト
ルを求めることとしたものである。また、上記電流ベク
トル計算手段は、上記リードフィールド行列に上記リー
ドフィールド行列の転置行列を右から乗じた積行列に単
位行列を定数倍した行列を加算して得た行列の逆行列に
上記リードフィールド行列の転置行列を左から乗ずるこ
とにより上記リードフィールド行列の一般逆行列を求
め、上記測定対象が電気生理的な活動をしているとき
の、上記複数の測定手段から得られた測定データを時系
列に並べて構成した第１の行列を構成し、上記第１の行
列に上記第１の行列の転置行列を右から乗算することに
より第２の行列を求め、上記第２の行列から上記ノイズ
共分散行列を減じることにより第３の行列を求め、上記
第３の行列に、左から上記一般逆行列、右から上記一般
逆行列の転置行列を乗算することにより第４の行列を求
め、上記第４の行列の対角成分から各ピクセルにおける
電流ベクトルを求めることとしたものである。また、上
記電流ベクトル計算手段は、上記リードフィールド行列
に上記リードフィールド行列の転置行列を右から乗じた
積行列に単位行列を定数倍した行列を加算して得た行列
の逆行列に上記リードフィールド行列の転置行列を左か
ら乗ずることにより上記リードフィールド行列の一般逆
行列を求め、上記測定対象が電気生理的な活動をしてい
るときの、上記複数の測定手段から得られた測定データ
を時系列に並べて構成した第１の行列を構成し、上記第
１の行列に上記第１の行列の転置行列を右から乗算する
ことにより第２の行列を求め、上記第２の行列から上記
ノイズ共分散行列を減じることにより第３の行列を求
め、上記第３の行列に、左から上記一般逆行列を乗じ、
さらに右から上記第２の行列Ｄの逆行列と上記第１の行
列をこの順に乗じ、各ピクセルにおける電流ベクトルを
求めることとしたものである。
【０００９】
【作用】本発明によれば、磁場に含まれるノイズのノイ
ズ共分散行列を求め、少なくとも、上記リードフィール
ド行列とノイズ共分散行列とにより、各ピクセルにおけ
る電流ベクトルの分布を推定するため、ノイズの影響が
低減された電流ベクトルの推定をすることができる。さ
らに、本発明では、ノイズの性質に応じて、測定した磁
場データ中に含まれるノイズの影響を低減する３つの生
体電流分布の推定装置を提供する。 （I）データに混入するノイズとして外部磁気ノイズが
主な場合に適用される装置。 この場合、ノイズの空間的なコヒーレンスを利用し、ノ
イズの影響を除去する。外部環境磁気ノイズは、磁場分
布を同時計測できる多チャンネル磁束計においては空間
的にコヒーレントなノイズとなる。このノイズの空間的
なコヒーレンスを考慮する場合、電流分布は、最小２乗
法を用いると、数３によって与えられることが、W.K.Pr
att:「Digital Image Processing」 Lohn Wiley&Sons,New
York,(1978)に示されている。
ズ共分散行列を求め、少なくとも、上記リードフィール
ド行列とノイズ共分散行列とにより、各ピクセルにおけ
る電流ベクトルの分布を推定するため、ノイズの影響が
低減された電流ベクトルの推定をすることができる。さ
らに、本発明では、ノイズの性質に応じて、測定した磁
場データ中に含まれるノイズの影響を低減する３つの生
体電流分布の推定装置を提供する。 （I）データに混入するノイズとして外部磁気ノイズが
主な場合に適用される装置。 この場合、ノイズの空間的なコヒーレンスを利用し、ノ
イズの影響を除去する。外部環境磁気ノイズは、磁場分
布を同時計測できる多チャンネル磁束計においては空間
的にコヒーレントなノイズとなる。このノイズの空間的
なコヒーレンスを考慮する場合、電流分布は、最小２乗
法を用いると、数３によって与えられることが、W.K.Pr
att:「Digital Image Processing」 Lohn Wiley&Sons,New
York,(1978)に示されている。
【００１０】
【数３】
【００１１】ここで、Ｃは、ノイズのコヒーレンスを表
すノイズ共分散行列である。ノイズ共分散行列Ｃはあら
かじめ求めておく必要がある。ノイズの共分散行列Ｃは
測定データ中で外部環境ノイズのみを含み、信号磁場を
含まない時間領域から求めることができる。すなわち、
このようなデータ領域における第ｍ検出コイルによる測
定データをＥm(t)と表す。すると、共分散行列の（ｍ、
ｎ）要素は数４から計算される。
すノイズ共分散行列である。ノイズ共分散行列Ｃはあら
かじめ求めておく必要がある。ノイズの共分散行列Ｃは
測定データ中で外部環境ノイズのみを含み、信号磁場を
含まない時間領域から求めることができる。すなわち、
このようなデータ領域における第ｍ検出コイルによる測
定データをＥm(t)と表す。すると、共分散行列の（ｍ、
ｎ）要素は数４から計算される。
【００１２】
【数４】
【００１３】ここで、ｍ、ｎ＝１、２、…、Ｍであり、
＜＞はこのデータ領域における時間平均を表す。 （II）信号が小さく外部磁気ノイズ以外のノイズも無視
できない場合に適用され生体電流の時間平均を求める装
置。 この場合、各時間点での瞬時値ではなく平均値を求める
ことによりノイズの影響を低減する。すなわち測定磁場
分布と電流分布との関係は（数５）により表される。
＜＞はこのデータ領域における時間平均を表す。 （II）信号が小さく外部磁気ノイズ以外のノイズも無視
できない場合に適用され生体電流の時間平均を求める装
置。 この場合、各時間点での瞬時値ではなく平均値を求める
ことによりノイズの影響を低減する。すなわち測定磁場
分布と電流分布との関係は（数５）により表される。
【００１４】
【数５】
【００１５】ここで、ｎは各チャンネルでの測定データ
に含まれるノイズをベクトルで表したものである。すな
わち、ｎ＝（ｎ｛１｝、ｎ｛２｝、…、ｎ｛Ｍ｝）であ
る。測定データの共分散行列をＤと表記し、磁場源電流
分布Ｊとノイズｎは無相関であると仮定できるので（数
６）を得る。
に含まれるノイズをベクトルで表したものである。すな
わち、ｎ＝（ｎ｛１｝、ｎ｛２｝、…、ｎ｛Ｍ｝）であ
る。測定データの共分散行列をＤと表記し、磁場源電流
分布Ｊとノイズｎは無相関であると仮定できるので（数
６）を得る。
【００１６】
【数６】
【００１７】ここで、Ｓは主電流分布の共分散行列であ
り、その（ｍ、ｎ）要素は（数７）で与えられる。
り、その（ｍ、ｎ）要素は（数７）で与えられる。
【００１８】
【数７】
【００１９】従って、磁場源電流分布の共分散行列Ｓは
ノイズおよび測定データの共分散行列を用いて、（数
８）により求めることができる。
ノイズおよび測定データの共分散行列を用いて、（数
８）により求めることができる。
【００２０】
【数８】
【００２１】ここで、Ｌ_はムーア−ペンローズ（ Moor
e-Penrose ）の一般逆行列を意味し、この場合（数９）
で与えられる。
e-Penrose ）の一般逆行列を意味し、この場合（数９）
で与えられる。
【００２２】
【数９】
【００２３】電流分布の二乗時間平均は行列Ｓの対角成
分から求めることができる。この二乗時間平均を求める
ことにより、ＳＮ比の非常に低い測定データからでも磁
場源のある時間間隔にわたる平均的な振る舞いを画像化
できる。 （III）信号が小さく外部磁気ノイズ以外のノイズも無
視できない場合に適用され生体電流の瞬時値を求める装
置。 測定信号のＳＮ比が低い場合、ウィーナー推定と呼ばれ
る方法がよい結果を与えることが知られている。上に求
めた主電流共分散行列を用いることによりウィーナー推
定を実行できる。一般に、ウィーナー推定は（数１０）
で表わされることが前記の文献（W.K.Pratt:「Digital I
mage Processing」 Lohn Wiley&Sons,NewYork,(1978)）
に示されている。
分から求めることができる。この二乗時間平均を求める
ことにより、ＳＮ比の非常に低い測定データからでも磁
場源のある時間間隔にわたる平均的な振る舞いを画像化
できる。 （III）信号が小さく外部磁気ノイズ以外のノイズも無
視できない場合に適用され生体電流の瞬時値を求める装
置。 測定信号のＳＮ比が低い場合、ウィーナー推定と呼ばれ
る方法がよい結果を与えることが知られている。上に求
めた主電流共分散行列を用いることによりウィーナー推
定を実行できる。一般に、ウィーナー推定は（数１０）
で表わされることが前記の文献（W.K.Pratt:「Digital I
mage Processing」 Lohn Wiley&Sons,NewYork,(1978)）
に示されている。
【００２４】
【数１０】
【００２５】ここで、（数６）を用い、ウィーナー推定
として（数１１）を得る。
として（数１１）を得る。
【００２６】
【数１１】
【００２７】ＳＮ比が高い場合にはノイズ共分散行列Ｃ
はＤに比べ無視できるため、（数１１）による電流分布
の推定と、（数１）を用いた電流分布の推定とは等しく
なる。しかし、ＳＮ比が低い場合には、両者は等しくな
らず、（数１１）を用いることにより、従来の（数１）
あるいは（数２）を用いた推定よりも生体電流分布をよ
り高精度で推定できる。以上の結果、データに混入する
ノイズとして外部磁気ノイズが主な場合には、ノイズの
空間的なコヒーレンスを利用して、ノイズの影響を除去
することができ、信号が小さく外部磁気ノイズ以外のノ
イズも無視できない場合には、各時間点での瞬時値では
なく平均値を求めることによりノイズの影響を低減で
き、ＳＮ比の非常に低い測定データからでも磁場源のあ
る時間間隔にわたる平均的な振る舞いを画像化すること
ができる。さらに、信号が小さく外部磁気ノイズ以外の
ノイズも無視できないＳＮ比が低い場合には、ウィーナ
ー推定を行うことにより、従来の推定方法よりも生体電
流分布をより高精度で推定できる。
はＤに比べ無視できるため、（数１１）による電流分布
の推定と、（数１）を用いた電流分布の推定とは等しく
なる。しかし、ＳＮ比が低い場合には、両者は等しくな
らず、（数１１）を用いることにより、従来の（数１）
あるいは（数２）を用いた推定よりも生体電流分布をよ
り高精度で推定できる。以上の結果、データに混入する
ノイズとして外部磁気ノイズが主な場合には、ノイズの
空間的なコヒーレンスを利用して、ノイズの影響を除去
することができ、信号が小さく外部磁気ノイズ以外のノ
イズも無視できない場合には、各時間点での瞬時値では
なく平均値を求めることによりノイズの影響を低減で
き、ＳＮ比の非常に低い測定データからでも磁場源のあ
る時間間隔にわたる平均的な振る舞いを画像化すること
ができる。さらに、信号が小さく外部磁気ノイズ以外の
ノイズも無視できないＳＮ比が低い場合には、ウィーナ
ー推定を行うことにより、従来の推定方法よりも生体電
流分布をより高精度で推定できる。
【００２８】
【実施例】以下、脳磁計測を例として本発明の実施例を
説明する。図１に脳磁計測において標準的に使用される
磁束計の構成を示す。同図において、被験者１の脳神経
活動により生体電流２が発生しこれにより磁場３が誘起
される。この磁場を多チャンネル検出コイル４とこれら
に接続された超伝導量子干渉素子６で検出する。検出コ
イル４と超伝導量子干渉素子６はヘリウム温度に冷却さ
れるためデュワー５内に格納されている。この測定は磁
気シールドルーム７の内部で行われる。測定データはコ
ンピュータ８へ送られ、生体電流分布の推定が行なわれ
る。コンピュータ８の構成を、図１４に示す。本コンピ
ュータ８は、入力装置としてキ−ボ−ド８５を有し、さ
らに、表示装置１８と、プリンタ８６と、外部記憶装置
８７と、本体８８とを有する。本体８８は、ＣＰＵ８１
と、プログラム及びデ−タを記憶する主記憶８３と、イ
ンタフェ−ス８２，８４とを有する。ＣＰＵ８１と、主
記憶８３とは、推定手段の機能を実行する。主記憶８３
は、後述するメモリ９、１０、１１、１２、１３、１
４、１５、１６、１７、１９、２０、２１、２２、２
３、２４の機能を有する。このような装置を用いて本発
明は以下のごとく実施される。まず、生体電流の存在す
る領域の全ての画素点における各検出コイルの感度を計
算しておき、これをリードフィールド行列Ｌとする。す
なわちリードフィールド行列の（ｍ、ｎ）要素は第ｍ検
出コイルの第ｎ番目の画素点における感度である。この
感度の計算に際しては通常、頭部を球体と近似し、ジェ
ー．サラバス氏の導出した式、(文献、ジェー．サラバ
ス、”ベイシック マセマティカル アンド エレクト
ロマグネティク コンセプト オブ ザ バイオマグネ
ティク インバース プロブレム”、フィジックス イ
ン メディシン アンド バイオロジィー、３２巻、第
１１−２２頁、１９８７（ J.Sarvas, " Basic Mathema
tical and electromagnetic concepts of the biomagne
tic inverse problem ", Physics in Medicineand Biol
ogy, Vol.32, pp.11-22, 1987 ）の式（２５））を用い
て行なう。このようにしてリードフィールド行列を計算
し、メモリー９に格納する。次に、ノイズのみを計測し
メモリー１１に格納する。ノイズのみの計測にはデータ
中で明らかに信号が含まれていない部分を利用する。こ
のような部分としては、例えば、外部からの刺激で発生
する誘発脳磁界を計測する場合の、刺激印加以前の時間
帯のデータ、てんかん患者の自発脳磁界データにおける
スパイク波形の存在しない時間帯のデータが挙げられ
る。測定対象の電気生理的な活動を含んでいないデータ
について、検出器の番号を行とし、時刻を列として配列
した行列（ｎ）を構成し、ｎにｎの転置行列を右から乗
算することによりノイズ共分散行列（Ｃ）を計算する。
さて、次に、測定対象である電気生理的な活動をしてい
る時間帯のデータについて、検出器の番号を行とし、時
刻を列として配列した行列（Ｂ）をメモリー１０へ格納
する。このメモリー１０のデータから本発明の方法
（I）を用いて電流分布を再構成するには、図２に示さ
れるごとく以下のステップに従う。 （１）メモリー１１に格納されたノイズデータを用いて
ノイズ共分散行列Ｃを計算し、メモリー１２に格納す
る。 （２）Ｃの逆行列にＬの転置行列を乗算した行列Ｚ１を
計算しメモリー１３に格納する。 （３）ＬにＺ１を乗算し、Ｚ２としてメモリー１４に格
納する。 （４）Ｚ２に、単位行列をｗ倍したものを加算してＺ３
とし、メモリー１５に格納する。定数ｗとしてはＺ２の
最大固有値の０．０１倍程度の値を用いる。 （５）Ｚ１にＺ３の逆行列を乗算し、Ｚ４としてメモリ
ー１６へ格納する。 （６）Ｚ４に、メモリー１０に格納されている信号デー
タを各チャンネルのデータを要素とする列ベクトルとし
て乗算し、これにより電流分布の推定値を得て、ｊ（ｔ
ｉ）としてメモリー１７に格納する。 （７）ステップ（６）で得られた電流分布をモニター１
８へ送り表示する。なお、本発明の方式（Ｉ）の実施例
は必ずしもこれに限るものではない。例えば（数３）は
説明する。図１に脳磁計測において標準的に使用される
磁束計の構成を示す。同図において、被験者１の脳神経
活動により生体電流２が発生しこれにより磁場３が誘起
される。この磁場を多チャンネル検出コイル４とこれら
に接続された超伝導量子干渉素子６で検出する。検出コ
イル４と超伝導量子干渉素子６はヘリウム温度に冷却さ
れるためデュワー５内に格納されている。この測定は磁
気シールドルーム７の内部で行われる。測定データはコ
ンピュータ８へ送られ、生体電流分布の推定が行なわれ
る。コンピュータ８の構成を、図１４に示す。本コンピ
ュータ８は、入力装置としてキ−ボ−ド８５を有し、さ
らに、表示装置１８と、プリンタ８６と、外部記憶装置
８７と、本体８８とを有する。本体８８は、ＣＰＵ８１
と、プログラム及びデ−タを記憶する主記憶８３と、イ
ンタフェ−ス８２，８４とを有する。ＣＰＵ８１と、主
記憶８３とは、推定手段の機能を実行する。主記憶８３
は、後述するメモリ９、１０、１１、１２、１３、１
４、１５、１６、１７、１９、２０、２１、２２、２
３、２４の機能を有する。このような装置を用いて本発
明は以下のごとく実施される。まず、生体電流の存在す
る領域の全ての画素点における各検出コイルの感度を計
算しておき、これをリードフィールド行列Ｌとする。す
なわちリードフィールド行列の（ｍ、ｎ）要素は第ｍ検
出コイルの第ｎ番目の画素点における感度である。この
感度の計算に際しては通常、頭部を球体と近似し、ジェ
ー．サラバス氏の導出した式、(文献、ジェー．サラバ
ス、”ベイシック マセマティカル アンド エレクト
ロマグネティク コンセプト オブ ザ バイオマグネ
ティク インバース プロブレム”、フィジックス イ
ン メディシン アンド バイオロジィー、３２巻、第
１１−２２頁、１９８７（ J.Sarvas, " Basic Mathema
tical and electromagnetic concepts of the biomagne
tic inverse problem ", Physics in Medicineand Biol
ogy, Vol.32, pp.11-22, 1987 ）の式（２５））を用い
て行なう。このようにしてリードフィールド行列を計算
し、メモリー９に格納する。次に、ノイズのみを計測し
メモリー１１に格納する。ノイズのみの計測にはデータ
中で明らかに信号が含まれていない部分を利用する。こ
のような部分としては、例えば、外部からの刺激で発生
する誘発脳磁界を計測する場合の、刺激印加以前の時間
帯のデータ、てんかん患者の自発脳磁界データにおける
スパイク波形の存在しない時間帯のデータが挙げられ
る。測定対象の電気生理的な活動を含んでいないデータ
について、検出器の番号を行とし、時刻を列として配列
した行列（ｎ）を構成し、ｎにｎの転置行列を右から乗
算することによりノイズ共分散行列（Ｃ）を計算する。
さて、次に、測定対象である電気生理的な活動をしてい
る時間帯のデータについて、検出器の番号を行とし、時
刻を列として配列した行列（Ｂ）をメモリー１０へ格納
する。このメモリー１０のデータから本発明の方法
（I）を用いて電流分布を再構成するには、図２に示さ
れるごとく以下のステップに従う。 （１）メモリー１１に格納されたノイズデータを用いて
ノイズ共分散行列Ｃを計算し、メモリー１２に格納す
る。 （２）Ｃの逆行列にＬの転置行列を乗算した行列Ｚ１を
計算しメモリー１３に格納する。 （３）ＬにＺ１を乗算し、Ｚ２としてメモリー１４に格
納する。 （４）Ｚ２に、単位行列をｗ倍したものを加算してＺ３
とし、メモリー１５に格納する。定数ｗとしてはＺ２の
最大固有値の０．０１倍程度の値を用いる。 （５）Ｚ１にＺ３の逆行列を乗算し、Ｚ４としてメモリ
ー１６へ格納する。 （６）Ｚ４に、メモリー１０に格納されている信号デー
タを各チャンネルのデータを要素とする列ベクトルとし
て乗算し、これにより電流分布の推定値を得て、ｊ（ｔ
ｉ）としてメモリー１７に格納する。 （７）ステップ（６）で得られた電流分布をモニター１
８へ送り表示する。なお、本発明の方式（Ｉ）の実施例
は必ずしもこれに限るものではない。例えば（数３）は
【００２９】
【数１２】
【００３０】のように変形できるので、上のステップ
（２），（３），（４）を以下のように変更しても本方
法（Ｉ）を実施できる。 （２）行列Ｌの転置行列をＺ１としてメモリー１４に格
納する。 （３）行列Ｌに行列Ｌの転置行列を乗算した結果の行列
をＺ２としてメモリー１４に格納する。 （４）行列Ｚ２に行列Ｃをｗ倍したものを加算しＺ３と
する。 本発明の方法（II）を実行するには図３に示すごとく前
述の方法（I）において（２）以降を以下のように行な
う。 （２）リードフィールド行列Ｌから（数９）を用いて一
般逆行列Ｌ_を計算しメモリー１９に格納する。 （３）メモリー１０に格納されている信号磁場データか
らこのデータに関する共分散行列Ｄを計算し、メモリー
２０へ格納する。 （４）ＤからＣを減算した結果をＺとしメモリー２１へ
格納する。 （５）Ｚに左からＬ_,右からＬ_の転置行列を乗算し、
行列Ｓを計算しメモリー２２に格納する。 （６）Ｓの対角成分Ｓ｛ｎ、ｎ｝、またはＳ｛ｎ、ｎ｝
の平方根を第ｎピクセルの電流値として求めメモリー２
３に格納するとともにモニター１８に表示する。 本発明の方法（III）を実行するには図４に示すごとく
前述の方法（II）において（５）以降を以下のように行
なう。 （５）メモリー１９に格納されているＬ_を左からＺに
乗算し、メモリー２０に格納されているＤの逆行列を
(Ｌ_)Ｚに右から乗算する。この乗算結果に対して、メ
モリー１０に格納されている信号データ行列Ｂを乗算し
て電流分布推定値を得てメモリー２４に格納する。 （６）この電流分布推定値をモニター１８に表示する。
なお、一般逆行列の計算に関してはリードフィールド行
列とその転置行列の積行列の逆行列を計算する必要があ
る。この場合、数値計算上の不安定さを避けるためレギ
ュラリゼーションの手法を用いる。すなわち、前述の積
行列に定数ｗに単位行列Ｉを乗じたｗＩを加算し、この
加算結果の逆行列を求める方法、前述の積行列を固有値
分解し、比較的小さな固有値をゼロとおいて逆行列を求
める方法がある。方法（Ｉ）の有効性を検証するために
計算機実験を行なった。ノイズとしては、実測値を使う
こととした。半径１３．５ｃｍのソレノイドコイルを磁
気シールドルームの外壁３箇所に固定し、周波数の異な
る正弦波状の電流を通電し、人工的に３種類の外部環境
磁気ノイズを発生した。そして、これらを別々にＫＲＥ
ＮＩＫＯＮ生体磁気測定システムによって測定した。測
定には、このシステムの有する検出器のうち２７チャン
ネルを用いた。以下の実験では、これら３種類の測定結
果を定数倍して加算し、より複雑な形にしたものを外部
磁気ノイズとして用いた。加算後の波形を図１０に示
す。ここで時間間隔は２１６０ｍｓである。図１０に示
す波形から（数４）を用いてまず外来磁気ノイズの共分
散行列を計算した。次に、検出器面から６ｃｍ下方に１
個のダイポールを仮定し、半無限平面状導体モデルを用
いて検出器面における磁場を計算し、ノイズを含まない
信号磁場とした。ここで、ダイポールの座標は（−３，
０，−６）（ｃｍ）とし、モーメントのｘおよびｙ成分
は（０，−１）（ｍＡｍｍ）とした。ここで座標原点は
検出器が配置されている平面の中心とし、ｚ軸をこの平
面に垂直な軸とした。ｔ＝１３３１ｍｓの時間点を選
び、図１０に示す外部磁気ノイズデータのこの点におけ
る値と上述の計算機発生の信号磁場とを加算し、電流分
布の推定に用いる測定された磁場データＢとした。この
データにおける外部ノイズ磁界の平均パワーと信号磁界
の平均パワーの比は約６３である。まず、計算機により
発生させた、ノイズを含まない信号磁場のみからの従来
技術に係る測定法であるＬｅａｄ Ｆｉｅｌｄ Ｒｅｃ
ｏｎｓｔｒｕｃｔｉｏｎを用いて電流分布を再構成し
た。その結果を図１１に示す。さらに、上述のノイズを
含む磁場データＢからの従来技術に係る測定法であるＬ
ｅａｄ ＦｉｅｌｄＲｅｃｏｎｓｔｒｕｃｔｉｏｎによ
る再構成結果を図１２に示す。図１１と図１２を比較
し、非常に大きな外部ノイズ磁界のため、従来技術に係
る測定法であるＬｅａｄ Ｆｉｅｌｄ Ｒｅｃｏｎｓｔ
ｒｕｃｔｉｏｎではほとんど意味のある結果が得られな
いことがわかる。図１３に本発明による方法（Ｉ）を用
いた結果を示す。図１１と比較して同じ結果が得られて
いることより、外部ノイズ磁界の影響はほとんど除去さ
れており、本発明により大きな磁気環境ノイズの存在下
でも磁場源電流分布が正確に推定（再構成）されること
が示された。このように、人工的に発生した外部磁気ノ
イズの測定結果を用いた計算機実験により有効性が確認
できた。図５から図９に方法(II)および（III）の有効
性を示す。これらの図は本発明の有効性を確認するため
に行なわれたコンピュータシミュレーション（計算機実
験）の結果である。測定データＢを生成するために、測
定対象の脳のうち、ある一つの面（再構成平面）内に２
個の磁場源を座標（４、２、−５）および（−３、−
１、−５）を仮定し、最初にノイズのない磁場分布を計
算する。このノイズの混入していない磁場分布を用い
て、従来知られている方法すなわち（数２）により磁場
源電流分布を再構成したものを図５に示す。次に、この
磁場分布にＳＮ比０．６となるようにノイズを加え、や
はり（数２）を用いて再構成した結果を図６に示す。デ
ータ中のノイズのため再構成が不正確となっていること
が、図５と図６とを比較すると明確にわかる。同じデー
タを用いて本発明の方法（II)により再構成した結果を
図７に示す。図７と図５とを比較すると、本発明の方法
（II）を用いることにより磁場源の向きは再構成されな
いものの、磁場源の位置は座標（４、２、−５）および
（−３、−１、−５）に正確に再構成されており、ＳＮ
比の非常に低いデータからでも本発明の方法（II)によ
り磁場源の平均的な振る舞いが再構成されることがわか
る。次に、前記したノイズの混入していない磁場データ
にノイズを加えＳＮ比２．５となるデータを作り、従来
法で再構成した結果を図８に示す。図８の結果とノイズ
無しのデータからの再構成結果である図５と比較する
と、やはりデータ中のノイズのため再構成が不正確にな
っていることがわかる。同じデータを用い本発明の方法
(III)により磁場源を再構成した結果を図９に示す。図
９と図８と比較すると、データ中のノイズのために生じ
る不正確さの度合いが非常に小さく、本発明の方法(II
I)の有効性が確認される。
（２），（３），（４）を以下のように変更しても本方
法（Ｉ）を実施できる。 （２）行列Ｌの転置行列をＺ１としてメモリー１４に格
納する。 （３）行列Ｌに行列Ｌの転置行列を乗算した結果の行列
をＺ２としてメモリー１４に格納する。 （４）行列Ｚ２に行列Ｃをｗ倍したものを加算しＺ３と
する。 本発明の方法（II）を実行するには図３に示すごとく前
述の方法（I）において（２）以降を以下のように行な
う。 （２）リードフィールド行列Ｌから（数９）を用いて一
般逆行列Ｌ_を計算しメモリー１９に格納する。 （３）メモリー１０に格納されている信号磁場データか
らこのデータに関する共分散行列Ｄを計算し、メモリー
２０へ格納する。 （４）ＤからＣを減算した結果をＺとしメモリー２１へ
格納する。 （５）Ｚに左からＬ_,右からＬ_の転置行列を乗算し、
行列Ｓを計算しメモリー２２に格納する。 （６）Ｓの対角成分Ｓ｛ｎ、ｎ｝、またはＳ｛ｎ、ｎ｝
の平方根を第ｎピクセルの電流値として求めメモリー２
３に格納するとともにモニター１８に表示する。 本発明の方法（III）を実行するには図４に示すごとく
前述の方法（II）において（５）以降を以下のように行
なう。 （５）メモリー１９に格納されているＬ_を左からＺに
乗算し、メモリー２０に格納されているＤの逆行列を
(Ｌ_)Ｚに右から乗算する。この乗算結果に対して、メ
モリー１０に格納されている信号データ行列Ｂを乗算し
て電流分布推定値を得てメモリー２４に格納する。 （６）この電流分布推定値をモニター１８に表示する。
なお、一般逆行列の計算に関してはリードフィールド行
列とその転置行列の積行列の逆行列を計算する必要があ
る。この場合、数値計算上の不安定さを避けるためレギ
ュラリゼーションの手法を用いる。すなわち、前述の積
行列に定数ｗに単位行列Ｉを乗じたｗＩを加算し、この
加算結果の逆行列を求める方法、前述の積行列を固有値
分解し、比較的小さな固有値をゼロとおいて逆行列を求
める方法がある。方法（Ｉ）の有効性を検証するために
計算機実験を行なった。ノイズとしては、実測値を使う
こととした。半径１３．５ｃｍのソレノイドコイルを磁
気シールドルームの外壁３箇所に固定し、周波数の異な
る正弦波状の電流を通電し、人工的に３種類の外部環境
磁気ノイズを発生した。そして、これらを別々にＫＲＥ
ＮＩＫＯＮ生体磁気測定システムによって測定した。測
定には、このシステムの有する検出器のうち２７チャン
ネルを用いた。以下の実験では、これら３種類の測定結
果を定数倍して加算し、より複雑な形にしたものを外部
磁気ノイズとして用いた。加算後の波形を図１０に示
す。ここで時間間隔は２１６０ｍｓである。図１０に示
す波形から（数４）を用いてまず外来磁気ノイズの共分
散行列を計算した。次に、検出器面から６ｃｍ下方に１
個のダイポールを仮定し、半無限平面状導体モデルを用
いて検出器面における磁場を計算し、ノイズを含まない
信号磁場とした。ここで、ダイポールの座標は（−３，
０，−６）（ｃｍ）とし、モーメントのｘおよびｙ成分
は（０，−１）（ｍＡｍｍ）とした。ここで座標原点は
検出器が配置されている平面の中心とし、ｚ軸をこの平
面に垂直な軸とした。ｔ＝１３３１ｍｓの時間点を選
び、図１０に示す外部磁気ノイズデータのこの点におけ
る値と上述の計算機発生の信号磁場とを加算し、電流分
布の推定に用いる測定された磁場データＢとした。この
データにおける外部ノイズ磁界の平均パワーと信号磁界
の平均パワーの比は約６３である。まず、計算機により
発生させた、ノイズを含まない信号磁場のみからの従来
技術に係る測定法であるＬｅａｄ Ｆｉｅｌｄ Ｒｅｃ
ｏｎｓｔｒｕｃｔｉｏｎを用いて電流分布を再構成し
た。その結果を図１１に示す。さらに、上述のノイズを
含む磁場データＢからの従来技術に係る測定法であるＬ
ｅａｄ ＦｉｅｌｄＲｅｃｏｎｓｔｒｕｃｔｉｏｎによ
る再構成結果を図１２に示す。図１１と図１２を比較
し、非常に大きな外部ノイズ磁界のため、従来技術に係
る測定法であるＬｅａｄ Ｆｉｅｌｄ Ｒｅｃｏｎｓｔ
ｒｕｃｔｉｏｎではほとんど意味のある結果が得られな
いことがわかる。図１３に本発明による方法（Ｉ）を用
いた結果を示す。図１１と比較して同じ結果が得られて
いることより、外部ノイズ磁界の影響はほとんど除去さ
れており、本発明により大きな磁気環境ノイズの存在下
でも磁場源電流分布が正確に推定（再構成）されること
が示された。このように、人工的に発生した外部磁気ノ
イズの測定結果を用いた計算機実験により有効性が確認
できた。図５から図９に方法(II)および（III）の有効
性を示す。これらの図は本発明の有効性を確認するため
に行なわれたコンピュータシミュレーション（計算機実
験）の結果である。測定データＢを生成するために、測
定対象の脳のうち、ある一つの面（再構成平面）内に２
個の磁場源を座標（４、２、−５）および（−３、−
１、−５）を仮定し、最初にノイズのない磁場分布を計
算する。このノイズの混入していない磁場分布を用い
て、従来知られている方法すなわち（数２）により磁場
源電流分布を再構成したものを図５に示す。次に、この
磁場分布にＳＮ比０．６となるようにノイズを加え、や
はり（数２）を用いて再構成した結果を図６に示す。デ
ータ中のノイズのため再構成が不正確となっていること
が、図５と図６とを比較すると明確にわかる。同じデー
タを用いて本発明の方法（II)により再構成した結果を
図７に示す。図７と図５とを比較すると、本発明の方法
（II）を用いることにより磁場源の向きは再構成されな
いものの、磁場源の位置は座標（４、２、−５）および
（−３、−１、−５）に正確に再構成されており、ＳＮ
比の非常に低いデータからでも本発明の方法（II)によ
り磁場源の平均的な振る舞いが再構成されることがわか
る。次に、前記したノイズの混入していない磁場データ
にノイズを加えＳＮ比２．５となるデータを作り、従来
法で再構成した結果を図８に示す。図８の結果とノイズ
無しのデータからの再構成結果である図５と比較する
と、やはりデータ中のノイズのため再構成が不正確にな
っていることがわかる。同じデータを用い本発明の方法
(III)により磁場源を再構成した結果を図９に示す。図
９と図８と比較すると、データ中のノイズのために生じ
る不正確さの度合いが非常に小さく、本発明の方法(II
I)の有効性が確認される。
【００３１】
【発明の効果】以上、説明したごとく、本発明に拠れば
ノイズを多く含む生体磁場データからでも信頼性の高い
生体電流分布を推定することができ、生体内の電気生理
学的な情報を高い信頼度で得ることができる。これによ
り生体内における電気生理学的な活動部位の同定を行う
ことができる。
ノイズを多く含む生体磁場データからでも信頼性の高い
生体電流分布を推定することができ、生体内の電気生理
学的な情報を高い信頼度で得ることができる。これによ
り生体内における電気生理学的な活動部位の同定を行う
ことができる。
【図１】磁場を発生する電気生理学的な生体内の電流源
を計測する装置の構成を示すブロック図。
を計測する装置の構成を示すブロック図。
【図２】本発明の方法（I）を実施する時のフローチャ
ート。
ート。
【図３】本発明の方法（II）を実施する時のフローチャ
ート。
ート。
【図４】本発明の方法（III）を実施する時のフローチ
ャート。
ャート。
【図５】ノイズがない場合に、従来の方法による磁場源
である電流分布を推定（再構成）した結果の一例を示す
説明図。
である電流分布を推定（再構成）した結果の一例を示す
説明図。
【図６】ノイズがある場合に、従来の方法による磁場源
である電流分布を再構成した結果の一例を示す説明図。
である電流分布を再構成した結果の一例を示す説明図。
【図７】図６で使用したデータに対して本発明の方法
（II）を適用して再構成した結果の一例を示す説明図。
（II）を適用して再構成した結果の一例を示す説明図。
【図８】ノイズが混入しているときに、従来の方法によ
り、磁場源である電流分布を再構成した結果の一例を示
す説明図。
り、磁場源である電流分布を再構成した結果の一例を示
す説明図。
【図９】図８で使用したデータに対して本発明の方法
（III）を適用して再構成した結果の一例を示す説明
図。
（III）を適用して再構成した結果の一例を示す説明
図。
【図１０】計算機実験のために、図１２、１３におい
て、使用したノイズの実測データを示す説明図。
て、使用したノイズの実測データを示す説明図。
【図１１】ノイズがない場合に、従来の方法による磁場
源電流分布を再構成した結果の一例を示す説明図。
源電流分布を再構成した結果の一例を示す説明図。
【図１２】ノイズがある場合に、従来の方法による磁場
源電流分布を再構成した結果の一例を示す説明図。
源電流分布を再構成した結果の一例を示す説明図。
【図１３】図１２で使用したデータに対して本発明の方
法（I）を適用して再構成した結果の一例を示す説明
図。
法（I）を適用して再構成した結果の一例を示す説明
図。
【図１４】コンピュータの構成を示すブロック図。
１…被検体、２…生体電流、３…生体磁場、４…検出コ
イル、５…ヘリウムデユワー、６…超伝導量子干渉素
子、７…磁気シールドルーム、８…コンピュータ、９…
リードフィールド行列が格納されているメモリー、１０
…行列Ｂが格納されているメモリー、１１…行列ｎが格
納されているメモリー、１２…行列Ｃが格納されている
メモリー、１３…行列Ｚ１が格納されているメモリー、
１４…行列Ｚ２が格納されているメモリー、１５…行列
Ｚ３が格納されているメモリー、１６…行列Ｚ４が格納
されているメモリー、１７…行列Ｊ(t{i})が格納されて
いるメモリー、１８…モニター、１９…行列Ｌ_が格納
されているメモリー、２０…行列Ｄが格納されているメ
モリー、２１…行列Ｚが格納されているメモリー、２２
…行列Ｓが格納されているメモリー、２３…ベクトルＪ
が格納されているメモリー、２４…行列Ｊ(t{i})が格納
されているメモリー。
イル、５…ヘリウムデユワー、６…超伝導量子干渉素
子、７…磁気シールドルーム、８…コンピュータ、９…
リードフィールド行列が格納されているメモリー、１０
…行列Ｂが格納されているメモリー、１１…行列ｎが格
納されているメモリー、１２…行列Ｃが格納されている
メモリー、１３…行列Ｚ１が格納されているメモリー、
１４…行列Ｚ２が格納されているメモリー、１５…行列
Ｚ３が格納されているメモリー、１６…行列Ｚ４が格納
されているメモリー、１７…行列Ｊ(t{i})が格納されて
いるメモリー、１８…モニター、１９…行列Ｌ_が格納
されているメモリー、２０…行列Ｄが格納されているメ
モリー、２１…行列Ｚが格納されているメモリー、２２
…行列Ｓが格納されているメモリー、２３…ベクトルＪ
が格納されているメモリー、２４…行列Ｊ(t{i})が格納
されているメモリー。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 バーナード シュルツ ドイツ連邦共和国 ベルリン 及び ミュ ンヘン（番地なし） シーメンス アクチ エンゲゼルシヤフト内
Claims (10)
- 【請求項１】測定対象である生体の外部に設けられ、上
記測定対象が生成する磁場のうち上記測定対象の外部に
存在する磁場を測定する複数の磁気測定手段と、 上記測定対象をピクセルに分割し、上記測定された磁場
より、おのおののピクセル上で、上記磁場の発生源であ
る電流を表す電流ベクトルの分布を推定する推定手段と
を有し、上記測定対象の内部の生体電流分布を推定する
生体電流分布の推定装置において、 上記推定手段は、 上記電流ベクトルと、上記測定された磁場との関係を示
すリードフィールド行列を求める計算手段と、 上記求められたリードフィールド行列を記憶する記憶手
段と、 上記測定対象が電気生理学的な活動を含んでいない時の
測定データより、磁場に含まれるノイズのノイズ共分散
行列を求める算出手段と、 上記求められたノイズ共分散行列を記憶する記憶手段
と、 少なくとも、上記リードフィールド行列とノイズ共分散
行列とにより、各ピクセルにおける電流ベクトルの分布
を求める電流ベクトル計算手段とを有することを特徴と
する生体電流分布の推定装置。 - 【請求項２】請求項１記載の生体電流分布の推定装置に
おいて、 上記電流ベクトル計算手段は、 上記リードフィールド行列の転置行列に上記ノイズ共分
散行列の逆行列を右から乗じることにより第１の行列を
求め、 上記第１の行列に左から上記リードフィールド行列を乗
じることにより第２の行列を求め、 上記第２の行列に単位行列を定数倍した行列を加算する
ことにより第３の行列を求め、 上記第３の行列の逆行列に左から上記第１の行列を乗ず
ることにより第４の行列を求め、 上記測定対象が電気生理的な活動をしているときの、上
記複数の磁気測定手段から得られた測定データを時系列
に並べて構成した行列を上記第４の行列に右から乗じ、 各ピクセルにおける電流ベクトルを求めることを特徴と
する生体電流分布の推定装置。 - 【請求項３】請求項１記載の生体電流分布の推定装置に
おいて、 上記電流ベクトル計算手段は、 上記リードフィールド行列の転置行列を第１の行列と
し、上記第１の行列に左から上記リードフィールド行列
を乗じることにより第９の行列を求め、 上記第９の行列に上記ノイズ共分散行列を定数倍した行
列を加算したものの逆行列に左から上記第１の行列を乗
ずることにより第１０の行列を計算し、 上記測定対象が電気生理的な活動をしているときの、上
記複数の磁気測定手段から得られた測定データを時系列
に並べて構成した行列を上記第１０の行列に右から乗
じ、 各ピクセルにおける電流ベクトルを求めることを特徴と
する生体電流分布の推定装置。 - 【請求項４】請求項１記載の生体電流分布の推定装置に
おいて、 上記電流ベクトル計算手段は、 上記リードフィールド行列に上記リードフィールド行列
の転置行列を右から乗じた積行列に単位行列を定数倍し
た行列を加算して得た行列の逆行列に上記リードフィー
ルド行列の転置行列を左から乗ずることにより上記リー
ドフィールド行列の一般逆行列を求め、 上記測定対象が電気生理的な活動をしているときの、上
記複数の測定手段から得られた測定データを時系列に並
べて構成した第１の行列を構成し、上記第１の行列に上
記第１の行列の転置行列を右から乗算することにより第
２の行列を求め、 上記第２の行列から上記ノイズ共分散行列を減じること
により第３の行列を求め、 上記第３の行列に、左から上記一般逆行列、右から上記
一般逆行列の転置行列を乗算することにより第４の行列
を求め、 上記第４の行列の対角成分から各ピクセルにおける電流
ベクトルを求めることを特徴とする生体電流分布の推定
装置。 - 【請求項５】請求項１記載の生体電流分布の推定装置に
おいて、 上記電流ベクトル計算手段は、 上記リードフィールド行列に上記リードフィールド行列
の転置行列を右から乗じた積行列に単位行列を定数倍し
た行列を加算して得た行列の逆行列に上記リードフィー
ルド行列の転置行列を左から乗ずることにより上記リー
ドフィールド行列の一般逆行列を求め、 上記測定対象が電気生理的な活動をしているときの、上
記複数の測定手段から得られた測定データを時系列に並
べて構成した第１の行列を構成し、上記第１の行列に上
記第１の行列の転置行列を右から乗算することにより第
２の行列を求め、 上記第２の行列から上記ノイズ共分散行列を減じること
により第３の行列を求め、 上記第３の行列に、左から上記一般逆行列を乗じ、さら
に右から上記第２の行列Ｄの逆行列と上記第１の行列を
この順に乗じ、 各ピクセルにおける電流ベクトルを求めることを特徴と
する生体電流分布の推定装置。 - 【請求項６】測定対象である生体が生成する磁場のうち
上記測定対象の外部に存在する磁場を複数の磁気測定手
段により測定し、 上記測定対象をピクセルに分割し、上記測定された磁場
より、おのおののピクセル上で、上記磁場の発生源であ
る電流を表す電流ベクトルの分布を推定する生体電流分
布の推定方法において、 上記電流ベクトルと、上記測定された磁場との関係を示
すリードフィールド行列を求めること、 上記求められたリードフィールド行列を記憶すること、 上記測定データより、磁場に含まれるノイズのノイズ共
分散行列を求めること、 上記求められたノイズ共分散行列を記憶すること、 少なくとも、上記リードフィールド行列とノイズ共分散
行列とにより、各ピクセルにおける電流ベクトルの分布
を推定することよりなることを特徴とする生体電流分布
の推定方法。 - 【請求項７】請求項６記載の生体電流分布の推定方法に
おいて、 上記リードフィールド行列とノイズ共分散行列とによ
り、各ピクセルにおける電流ベクトルの分布を推定する
際に、 上記リードフィールド行列の転置行列に上記ノイズ共分
散行列の逆行列を右から乗じることにより第１の行列を
求め、 上記第１の行列に左から上記リードフィールド行列を乗
じることにより第２の行列を求め、 上記第２の行列に単位行列を定数倍した行列を加算する
ことにより第３の行列を求め、 上記第３の行列の逆行列に左から上記第１の行列を乗ず
ることにより第４の行列を求め、 上記測定対象が電気生理的な活動をしているときの、上
記複数の測定手段から得られた測定データを時系列に並
べて構成した行列を上記第４の行列に右から乗じ、 各ピクセルにおける電流ベクトルを求めることを特徴と
する生体電流分布の推定方法。 - 【請求項８】請求項６記載の生体電流分布の推定方法に
おいて、 上記リードフィールド行列とノイズ共分散行列とによ
り、各ピクセルにおける電流ベクトルの分布を推定する
際に、 上記リードフィールド行列の転置行列を第１の行列と
し、上記第１の行列に左から上記リードフィールド行列
を乗じることにより第２の行列を求め、 上記第２の行列に上記ノイズ共分散行列を定数倍した行
列を加算したものの逆行列に左から上記第１の行列を乗
ずることにより第３の行列を計算し、 上記測定対象が電気生理的な活動をしているときの、上
記複数の磁気測定手段から得られた測定データを時系列
に並べて構成した行列を上記第３の行列に右から乗じ、 各ピクセルにおける電流ベクトルを求めることを特徴と
する生体電流分布の推定方法。 - 【請求項９】請求項６記載の生体電流分布の推定方法に
おいて、 上記リードフィールド行列とノイズ共分散行列とによ
り、各ピクセルにおける電流ベクトルの分布を推定する
際に、 上記リードフィールド行列に上記リードフィールド行列
の転置行列を右から乗じた積行列に単位行列を定数倍し
た行列を加算して得た行列の逆行列に上記リードフィー
ルド行列の転置行列を左から乗ずることにより上記リー
ドフィールド行列の一般逆行列を求め、 上記測定対象が電気生理的な活動をしているときの、上
記複数の測定手段から得られた測定データを時系列に並
べて構成した第１の行列を構成し、上記第１の行列に上
記第１の行列の転置行列を右から乗算することにより第
２の行列を求め、 上記第２の行列から上記ノイズ共分散行列を減じること
により第３の行列を求め、 上記第３の行列に、左から上記一般逆行列、右から上記
一般逆行列の転置行列を乗算することにより第４の行列
を求め、 上記第４の行列の対角成分から各ピクセルにおける電流
ベクトルを求めることを特徴とする生体電流分布の推定
方法。 - 【請求項１０】請求項６記載の生体電流分布の推定方法
において、 上記リードフィールド行列とノイズ共分散行列とによ
り、各ピクセルにおける電流ベクトルの分布を推定する
際に、 上記リードフィールド行列に上記リードフィールド行列
の転置行列を右から乗じた積行列に単位行列を定数倍し
た行列を加算して得た行列の逆行列に上記リードフィー
ルド行列の転置行列を左から乗ずることにより上記リー
ドフィールド行列の一般逆行列を求め、 上記測定対象が電気生理的な活動をしているときの、上
記複数の測定手段から得られた測定データを時系列に並
べて構成した第１の行列を構成し、上記第１の行列に上
記第１の行列の転置行列を右から乗算することにより第
２の行列を求め、 上記第２の行列から上記ノイズ共分散行列を減じること
により第３の行列を求め、 上記第３の行列に、左から上記一般逆行列を乗じ、さら
に右から上記第２の行列Ｄの逆行列と上記第１の行列を
この順に乗じ、 各ピクセルにおける電流ベクトルを求めることを特徴と
する生体電流分布の推定方法。
Applications Claiming Priority (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP92117858 | 1992-10-19 | ||
| DE92117859.6 | 1992-10-19 | ||
| DE92117860.4 | 1992-10-19 | ||
| EP92117859 | 1992-10-19 | ||
| DE92117858.8 | 1992-10-19 | ||
| EP92117860 | 1992-10-19 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06189927A true JPH06189927A (ja) | 1994-07-12 |
Family
ID=27234547
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5258421A Withdrawn JPH06189927A (ja) | 1992-10-19 | 1993-10-15 | 生体電流分布の推定装置および推定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06189927A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006520892A (ja) * | 2003-03-14 | 2006-09-14 | エレクタ ニューロマグ オイ | 磁場のマルチチャネル測定値を処理するための方法とシステム |
| JP2008200331A (ja) * | 2007-02-21 | 2008-09-04 | Hitachi High-Technologies Corp | 生体磁場計測装置 |
-
1993
- 1993-10-15 JP JP5258421A patent/JPH06189927A/ja not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006520892A (ja) * | 2003-03-14 | 2006-09-14 | エレクタ ニューロマグ オイ | 磁場のマルチチャネル測定値を処理するための方法とシステム |
| JP2008200331A (ja) * | 2007-02-21 | 2008-09-04 | Hitachi High-Technologies Corp | 生体磁場計測装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Westner et al. | A unified view on beamformers for M/EEG source reconstruction | |
| Vrba | Magnetoencephalography: the art of finding a needle in a haystack | |
| Hillebrand et al. | The use of anatomical constraints with MEG beamformers | |
| Hauk | Keep it simple: a case for using classical minimum norm estimation in the analysis of EEG and MEG data | |
| Gramfort et al. | Time-frequency mixed-norm estimates: Sparse M/EEG imaging with non-stationary source activations | |
| Brookes et al. | Beamformer reconstruction of correlated sources using a modified source model | |
| Baillet et al. | Electromagnetic brain mapping | |
| JP5361131B2 (ja) | 直交仮想チャネルを使用したマルチチャネル測定データの分析 | |
| EP1049402B1 (en) | Method for measuring, estimating and displaying rms current density maps | |
| Gross et al. | Properties of MEG tomographic maps obtained with spatial filtering | |
| Long et al. | State-space solutions to the dynamic magnetoencephalography inverse problem using high performance computing | |
| Mäkelä et al. | Truncated rap-music (trap-music) for MEG and EEG source localization | |
| US20160051161A1 (en) | Method for locating a brain activity associated with a task | |
| Diwakar et al. | Accurate reconstruction of temporal correlation for neuronal sources using the enhanced dual-core MEG beamformer | |
| Ioannides | Estimates of Brain Activity. Using Magnetic Field Tomography and | |
| Sekihara et al. | Average-intensity reconstruction and Wiener reconstruction of bioelectric current distribution based on its estimated covariance matrix | |
| Haberkorn et al. | Pseudo current density maps of electrophysiological heart, nerve or brain function and their physical basis | |
| Schack et al. | The sensitivity of instantaneous coherence for considering elementary comparison processing. Part II: similarities and differences between EEG and MEG coherences | |
| Long et al. | Large scale Kalman filtering solutions to the electrophysiological source localization problem-a MEG case study | |
| Sekihara et al. | A simple nonparametric statistical thresholding for MEG spatial-filter source reconstruction images | |
| Moiseev et al. | Minimum variance beamformer weights revisited | |
| JPH06189927A (ja) | 生体電流分布の推定装置および推定方法 | |
| Nagarajan et al. | Magnetoencephalographic imaging | |
| Lin et al. | Combining noninvasive electromagnetic and hemodynamic measures of human brain activity | |
| Sekihara et al. | Neuromagnetic source reconstruction and inverse modeling |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20001226 |