特許第6356400号(P6356400)IP Force 特許公報掲載プロジェクト 2022.1.31 β版

ホーム > 特許ランキング > 学校法人明治大学

このエントリーをはてなブックマークに追加

知財求人 - 知財ポータルサイト「IP Force」

▶ 学校法人明治大学の特許一覧

(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】6356400
(24)【登録日】2018年6月22日
(45)【発行日】2018年7月11日
(54)【発明の名称】周波数検出装置
(51)【国際特許分類】
   A61B 5/0476 20060101AFI20180702BHJP
   G01R 23/02 20060101ALI20180702BHJP
   A61F 4/00 20060101ALI20180702BHJP
【ＦＩ】
   A61B5/04 322
   G01R23/02
   A61F4/00
【請求項の数】3
【全頁数】27
(21)【出願番号】特願2013-191074(P2013-191074)
(22)【出願日】2013年9月13日
(65)【公開番号】特開2015-54221(P2015-54221A)
(43)【公開日】2015年3月23日
【審査請求日】2016年6月27日
(73)【特許権者】
【識別番号】801000027
【氏名又は名称】学校法人明治大学
(74)【代理人】
【識別番号】100064908
【弁理士】
【氏名又は名称】志賀 正武
(74)【代理人】
【識別番号】100106909
【弁理士】
【氏名又は名称】棚井 澄雄
(74)【代理人】
【識別番号】100108578
【弁理士】
【氏名又は名称】高橋 詔男
(74)【代理人】
【識別番号】100126882
【弁理士】
【氏名又は名称】五十嵐 光永
(72)【発明者】
【氏名】小野 弓絵
(72)【発明者】
【氏名】池本 健亮
(72)【発明者】
【氏名】佐伯 謙太朗
(72)【発明者】
【氏名】浦野 貴文
【審査官】 松本 隆彦
(56)【参考文献】
【文献】 特表２０１２−５２０７３０（ＪＰ，Ａ）
【文献】 国際公開第２０１２／０４４２６１（ＷＯ，Ａ１）
【文献】 特開２０１２−１７７６５３（ＪＰ，Ａ）
【文献】 米国特許出願公開第２０１３／０１０００１０（ＵＳ，Ａ１）
【文献】 米国特許出願公開第２０１３／０１３０７９９（ＵＳ，Ａ１）
【文献】 Nikolay Chumerin, et al，Processing and Decoding Steady-State Visual Evoked Potentials for Brain-Computer Interfaces，Digital Image and Signal Processing for Measurement Systems，River Publishers，２０１２年，1-33
【文献】 Guangyo Bin, et al，VEP-based Brain-Computer Interfaces:Time, Frequency, and Code Modulations，IEEE Computational Intelligence Magazine，２００９年１１月，Vol.4，Issue 4，22-26
(58)【調査した分野】（Int.Cl.，ＤＢ名）
Ａ６１Ｂ５／０４７６−５／０４８４
(57)【特許請求の範囲】
【請求項1】
第一次視覚野から発せられる脳波を測定する脳波測定部と、
前記脳波の周波数スペクトルを取得する周波数スペクトル取得部と、
複数の所定周波数の各々について、当該所定周波数を含む第１の所定周波数範囲における前記脳波の周波数スペクトルの強度の最大値を取得する最大値取得部と、
前記複数の所定周波数の各々について、当該所定周波数を含む第２の所定周波数範囲における前記脳波の周波数スペクトルの強度の中央値を取得する中央値取得部と、
前記複数の所定周波数のうち前記周波数スペクトルの強度の最大値と前記周波数スペクトルの強度の中央値との差の大きさが最大の周波数を選択するスペクトル法周波数検出部と、
前記スペクトル法周波数検出部が検出した周波数が所定の条件を満たすか否かを判定する条件判定部と、
前記条件判定部が、前記周波数が前記所定の条件を満たさないと判定した場合、複数の所定周期の各々について、前記脳波から、当該所定周期の各時刻を開始時刻とする周期データを切り出す周期データ切出部と、
前記所定周期毎に前記周期データを足し合わせる加算平均算出部と、
前記所定周期のうち、当該所定周期毎に前記周期データを足し合わせたデータの正負ピーク強度の差が最大となる周期に対応する周波数を検出する加算法周波数検出部と、
を具備することを特徴とする脳波の周波数検出装置。
【請求項2】
前記第２の所定周波数範囲は、前記第１の所定周波数範囲とは異なる広さの周波数範囲に設定されていることを特徴とする、請求項１に記載の脳波の周波数検出装置。
【請求項3】
前記脳波測定部は、第一次視覚野から発せられる脳波を異なる位置にて検出する複数の電極からの信号に基づいて、複数の位置における前記脳波を測定することを特徴とする請求項１または請求項２に記載の脳波の周波数検出装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、脳波の周波数検出装置に関する。
【背景技術】
【0002】
運動機能が著しく限られた人に対する生活支援等において、ＢＣＩ（Brain Computer Interface）が注目されている。ＢＣＩは、脳活動により発生する信号を解析し、解析結果を、コンピュータや機械等に対するユーザ操作の代替手段として用いる技術である。ＢＣＩにより、四肢の動作や発声が不可能または著しく困難な人でも、タイピングやウェブ検索など様々なコンピュータ機能を利用可能になり、また、車椅子や義手や家電製品など様々な機器を操作可能になり、生活の質を向上させることができる。
【0003】
ＢＣＩの１つに、ＳＳＶＥＰ（Steady-State Visual Evoked Potential、定常視覚誘発電位）を用いる技術がある。ＳＳＶＥＰとは、周期的に点滅する視覚刺激に対して、視覚刺激の点滅と同様の周波数を有する定常的な視覚誘発電位（Visual Evoked Potential；ＶＥＰ）が発生する現象である。非特許文献１、２には、それぞれ、ＳＳＶＥＰを用いたＢＣＩの方法が示されている。
【先行技術文献】
【非特許文献】
【0004】
【非特許文献1】Vialatte F. B.、他３名、「Steady-state visually evoked potentials: Focus on essential paradigm and future perspectives」、Progress in Neurobiology 90、２０１０年、ｐ．４１８−４３８
【非特許文献2】Itai A.、他１名、「Spectrum Based Feature Extraction Using Spectrum Intensity Ratio for SSVEP Detection」、34th Annual International Conference of the IEEE EMBS、２０１２年、ｐ．５９４７−５９５０
【発明の概要】
【発明が解決しようとする課題】
【0005】
非特許文献１に記載の、ＳＳＶＥＰを用いたＢＣＩの方法は、学習を必要とする。このため、非特許文献１に記載の、ＳＳＶＥＰを用いたＢＣＩの方法を直ちに用いることは出来ない。
また、非特許文献２に記載の、ＳＳＶＥＰを用いたＢＣＩの方法は、出力の精度に改善の余地がある。
【0006】
本発明は、このような事情を考慮してなされたものであり、その目的は、学習を必要とせずに、ＳＳＶＥＰを用いたＢＣＩの出力をより精度よく得ることのできる脳波の周波数検出装置を提供することにある。
【課題を解決するための手段】
【0007】
この発明は上述した課題を解決するためになされたもので、本発明の一態様による脳波の周波数検出装置は、第一次視覚野から発せられる脳波を測定する脳波測定部と、前記脳波の周波数スペクトルを取得する周波数スペクトル取得部と、複数の所定周波数の各々について、当該所定周波数を含む第１の所定周波数範囲における前記脳波の周波数スペクトルの強度の最大値を取得する最大値取得部と、前記複数の所定周波数の各々について、当該所定周波数を含む第２の所定周波数範囲における前記脳波の周波数スペクトルの強度の中央値を取得する中央値取得部と、前記複数の所定周波数のうち前記周波数スペクトルの強度の最大値と前記周波数スペクトルの強度の中央値との差の大きさが最大の周波数を選択するスペクトル法周波数検出部と、前記スペクトル法周波数検出部が検出した周波数が所定の条件を満たすか否かを判定する条件判定部と、前記条件判定部が、前記周波数が前記所定の条件を満たさないと判定した場合、複数の所定周期の各々について、前記脳波から、当該所定周期の各時刻を開始時刻とする周期データを切り出す周期データ切出部と、前記所定周期毎に前記周期データを足し合わせる加算平均算出部と、前記所定周期のうち、当該所定周期毎に前記周期データを足し合わせたデータの正負ピーク強度の差が最大となる周期に対応する周波数を検出する加算法周波数検出部と、を具備することを特徴とする。
【0009】
また、本発明の他の態様による脳波の周波数検出装置は、上述の脳波の周波数検出装置であって、前記第２の所定周波数範囲は、前記第１の所定周波数範囲とは異なる広さの周波数範囲に設定されていることを特徴とする。
【0010】
また、本発明の他の態様による脳波の周波数検出装置は、上述の脳波の周波数検出装置であって、前記脳波測定部は、第一次視覚野から発せられる脳波を異なる位置にて検出する複数の電極からの信号に基づいて、複数の位置における前記脳波を測定することを特徴とする。
【発明の効果】
【0013】
本発明によれば、学習を必要とせずに、ＳＳＶＥＰを用いたＢＣＩの出力をより精度よく得ることができる。
【図面の簡単な説明】
【0014】
【図1】本発明の第１の実施形態における周波数検出装置の機能構成を示す概略ブロック図である。
【図2】同実施形態における電極の配置を示す説明図である。
【図3】同実施形態における脳波測定部が取得する脳波検出信号の例を示す説明図である。
【図4】同実施形態における周波数スペクトル取得部が取得する周波数スペクトルの例を示す説明図である。
【図5】同実施形態において、周波数検出装置が、対象者の注視している視覚刺激の点滅周波数を検出する処理手順の例を示すフローチャートである。
【図6】同実施形態の有効性の検証実験におけるＬＥＤの発光パターンを示す説明図である。
【図7】ＬＤＡにおける識別面の例を示す説明図である。
【図8】６Ｈｚのパワー値と７Ｈｚのパワー値との組み合わせに対するＬＤＡの例を示す説明図である。
【図9】７Ｈｚのパワー値と８Ｈｚのパワー値との組み合わせに対するＬＤＡの例を示す説明図である。
【図10】６Ｈｚのパワー値と８Ｈｚのパワー値との組み合わせに対するＬＤＡの例を示す説明図である。
【図11】ＬＤＡ法において学習により識別面を取得する処理手順を示すフローチャートである。
【図12】ＬＤＡ法において点滅周波数を判定する処理手順を示すフローチャートである。
【図13】４−ｆｏｌｄ交差確認における識別用データおよび学習用データの選択例を示す説明図である。
【図14】同実施形態についての実験結果を示す説明図である。
【図15】本発明の第２の実施形態における周波数検出装置の機能構成を示す概略ブロック図である。
【図16】同実施形態における加算平均算出部が算出する、６Ｈｚに対応する時間窓（６分の１秒周期で設けられた時間窓）で周期データ切出部が切り出したデータの加算平均の例を示す説明図である。
【図17】同実施形態における加算平均算出部が算出する、周期データ切出部が７Ｈｚに対応する時間窓で切り出したデータの加算平均の例を示す説明図である。
【図18】同実施形態における加算平均算出部が算出する、周期データ切出部が８Ｈｚに対応する時間窓で切り出したデータの加算平均の例を示す説明図である。
【図19】同実施形態において、周波数検出装置が、対象者の注視している視覚刺激の点滅周波数を検出する処理手順の例を示すフローチャートである。
【図20】同実施形態についての実験結果を示す説明図である。
【図21】本発明の第３の実施形態における周波数検出装置の機能構成を示す概略ブロック図である。
【図22】同実施形態において、周波数検出装置が、対象者の注視している視覚刺激の点滅周波数を検出する処理手順の例を示すフローチャートである。
【図23】同実施形態についての実験結果を示す説明図である。
【発明を実施するための形態】
【0015】
以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
【0016】
＜第１の実施形態＞
図１は、本発明の第１の実施形態における周波数検出装置の機能構成を示す概略ブロック図である。同図において、周波数検出装置１は、周波数検出装置本体１００と、電極９００とを具備する。周波数検出装置本体１００は、信号入力部１１０と、制御部１２０と、記憶部１５０と、結果出力部１６０とを具備する。制御部１２０は、脳波測定部１２１と、周波数スペクトル取得部１２２と、最大値取得部１２３と、中央値取得部１２４と、スペクトル法周波数検出部１２５とを具備する。
【0017】
周波数検出装置１は、周期的に点滅する視覚刺激を注視している人（以下、「対象者」と称する）の脳波の周波数スペクトルを解析して、視覚刺激の点滅周波数を検出する。より具体的には、周波数検出装置１は、脳波の周波数スペクトルの解析により、ＳＳＶＥＰ（定常視覚誘発電位）の周波数を判定し、複数の所定周波数のうち、ＳＳＶＥＰの周波数に対応する周波数を選択する。
周波数検出装置１は、脳波の周波数検出装置の一例に該当する。
【0018】
対象者が異なる周波数で点滅する視覚刺激のいずれかを注視している場合に、周波数検出装置１が対象者の脳波を解析することで、周波数検出装置１は、ＢＣＩとして機能することができる。
例えば、６Ｈｚ（ヘルツ）で点滅するＬＥＤ（Light Emitting Diode、発光ダイオード）と、７Ｈｚで点滅するＬＥＤと、８Ｈｚで点滅するＬＥＤとがブレッドボード（Bread Board）に配置され、対象者は、いずれかのＬＥＤを注視する。周波数検出装置１は、対象者の脳波を解析してＳＳＶＥＰの周波数を判定し、ＬＥＤの周波数のうち、判定したＳＳＶＥＰの周波数に最も近い周波数を選択する。そして、周波数検出装置１は、選択した周波数を示す信号を、操作対象の機器へ出力する。
【0019】
例えば、コンピュータ操作用のＢＣＩとして周波数検出装置１が機能する場合、コンピュータは、周波数検出装置１からの信号に応じた処理を行う。さらに例えば、周波数検出装置１が６Ｈｚを選択したときは、コンピュータはタイピングアプリケーションを起動する。また、周波数検出装置１が７Ｈｚを選択したときは、コンピュータはウェブブラウザを起動する。また、周波数検出装置１が８Ｈｚを選択したときは、コンピュータは、メニュー画面を表示する。
このように、対象者は、いずれのＬＥＤを注視するかの選択によって、コンピュータを操作することができる。
【0020】
あるいは、車椅子操作用のＢＣＩとして周波数検出装置１が機能する場合、車椅子の制御装置が、周波数検出装置１からの信号に応じて車椅子を動作させる。例えば、周波数検出装置１が６Ｈｚを選択したときは、車椅子は前進する。また、周波数検出装置１が７Ｈｚを選択したときは、車椅子は右に曲がる。また、周波数検出装置１が８Ｈｚを選択したときは、車椅子は左に曲がる。
このように、対象者は、いずれのＬＥＤを注視するかの選択によって、車椅子を操作することができる。
【0021】
あるいは、機器の出力の大きさを段階的に調整するためのＢＣＩとして周波数検出装置１が機能する場合、機器の出力の大きさを、周波数検出装置１からの信号に応じて変化させる。例えば、周波数検出装置１が６Ｈｚを選択したときは、出力を小さくする。また、周波数検出装置１が７Ｈｚを選択したときは、出力を中程度にする。また、周波数検出装置１が８Ｈｚを選択したときは、出力を大きくする。
このように、対象者は、いずれのＬＥＤを注視するかの選択によって、機器の出力の大きさを調整することができる。
【0022】
なお、以下では、６Ｈｚで点滅する視覚刺激、７Ｈｚで点滅する視覚刺激、８Ｈｚで点滅する視覚刺激の３つが設けられている場合を例に説明するが、視覚刺激の数や点滅周波数はこれに限らない。視覚刺激の数は、２つ以上であればよい。また、点滅周波数は、ＳＳＶＥＰを検出可能な周波数、かつ、視覚刺激毎に異なる周波数であればよい。
また、以下では、脳波の周波数スペクトルを解析して視覚刺激の点滅周波数を検出する方法を「スペクトル法」と称する。
【0023】
周波数検出装置１において、電極９００は、第一次視覚野から発せられる脳波を検出する。周波数検出装置１は、３つの電極９００を具備しており、電極９００は、それぞれ、脳波国際１０−１０配置法におけるＯ１、Ｏ２、Ｏｚの位置に配置されて、各位置にて脳波を検出する。
【0024】
図２は、電極９００の配置を示す説明図である。同図は、脳波国際１０−１０配置法における電極の位置を示しており、電極９００は、同図に示される位置のうち、Ｏ１、Ｏ２およびＯｚに配置される。
但し、電極９００の配置は、Ｏ１、Ｏ２、Ｏｚの位置に限らず、視覚誘発電位を検出可能な位置であればよい。
【0025】
また、周波数検出装置１が具備する電極９００の数は、図１に示す３つに限らず１つ以上であればよい。一方、周波数検出装置１が複数の電極９００を具備し、複数の位置において脳波を取得して解析することで、いずれかの電極において外部からノイズが混入するなど脳波の検出精度が低下した場合でも、周波数の検出精度の低下を抑制することができる。
脳波は完全非侵襲で検出可能であり、電極９００の配置も、対象者の体外でよい。この点において、周波数検出装置１は、対象者の負担が小さく、また、簡易的かつ長期的に使用可能である。
【0026】
周波数検出装置本体１００は、電極９００が検出した脳波を解析して、対象者が注視している視覚刺激の点滅周波数を検出する。周波数検出装置本体１００は、例えば、ＰＣ（Personal Computer、パソコン）などのコンピュータを用いて実現される。
信号入力部１１０は、電極９００からの信号を取得する。特に、信号入力部１１０は、電極９００が検出した脳波をアナログの脳波検出信号にて取得し、デジタル信号に変換する。信号入力部１１０は、例えば、周波数検出装置本体１００が具備する信号端子およびアナログ／デジタル変換回路（ＡＤ変換回路）を含んで構成される。
【0027】
制御部１２０は、周波数検出装置１の各部を制御して各種機能を実行する。特に、制御部１２０は、信号入力部１１０が取得した脳波を解析して、対象者が注視している視覚刺激の点滅周波数を検出する。
制御部１２０は、例えば、周波数検出装置本体１００の具備するＣＰＵ（Central Processing Unit、中央処理装置）が、周波数検出装置本体１００の具備する記憶デバイスからプログラムを読み出して実行することで実現される。
【0028】
脳波測定部１２１は、第一次視覚野から発せられる脳波を、電極９００を用いて測定する。特に、脳波測定部１２１は、複数の電極９００からの信号に基づいて、複数の位置における前記脳波を測定する。具体的には、脳波測定部１２１は、電極９００の各々が検出して信号入力部１１０がデジタル化した脳波検出信号を取得する。
【0029】
周波数スペクトル取得部１２２は、脳波測定部１２１が測定した脳波の周波数スペクトルを取得する。具体的には、周波数スペクトル取得部１２２は、脳波測定部１２１が取得した電極９００毎の脳波検出信号の各々に対してフーリエ変換を行う。
ここでいう周波数スペクトルとは、脳波データをフーリエ変換することで、脳波に含まれる周波数成分を解析したデータである。また、以下では、周波数スペクトルにおける、ある周波数成分の大きさを、当該周波数の「パワー値」または「スペクトル強度」と称する。
【0030】
最大値取得部１２３は、視覚刺激の点滅周波数として設定されている複数の所定周波数の各々について、当該所定周波数を含む第１の所定周波数範囲における、脳波の周波数スペクトルの強度の最大値を取得する。具体的には、最大値取得部１２３は、周波数スペクトル取得部１２２が取得した周波数スペクトルについて、視覚刺激の点滅周波数の各々を中心にプラスマイナス（±）０．１Ｈｚの範囲内におけるスペクトル強度の最大値を取得する。例えば、視覚刺激の点滅周波数６Ｈｚに対し、最大値取得部１２３は、５．９Ｈｚ〜６．１Ｈｚの範囲におけるスペクトル強度の最大値を取得する。
最大値取得部１２３が所定周波数範囲内でスペクトル強度の最大値を取得するのは、視覚刺激の点滅周波数と、ＳＳＶＥＰの周波数との間にずれが生じる場合があるからである。
【0031】
中央値取得部１２４は、視覚刺激の点滅周波数として設定されている複数の所定周波数の各々について、当該所定周波数を含む第２の所定周波数範囲における、脳波の周波数スペクトルの強度の中央値（Median）を取得する。具体的には、中央値取得部１２４は、周波数スペクトル取得部１２２が取得した周波数スペクトルについて、視覚刺激の点滅周波数の各々を中心にプラスマイナス（±）０．３Ｈｚの範囲内におけるスペクトル強度の中央値を取得する。例えば、視覚刺激の点滅周波数６Ｈｚに対し、中央値取得部１２４は、５．７Ｈｚ〜６．３Ｈｚの範囲におけるスペクトル強度の中央値を取得する。
【0032】
ここでいう中央値とは、データを小さい順に並べた場合に中央に位置する値（すなわち、小さいほうから数えても、大きいほうから数えても同じ位置にある値）である。中央値取得部１２４は、上記の範囲内に含まれる、フーリエ変換におけるサンプリング周波数毎のスペクトル強度のうち、中央値を取得する。
【0033】
スペクトル法周波数検出部１２５は、視覚刺激の点滅周波数として設定されている複数の所定周波数のうち、最大値取得部１２３が取得した最大値と、中央値取得部１２４が取得した中央値との差の大きさが最大の周波数を検出する。すなわち、スペクトル法周波数検出部１２５は、最大値取得部１２３が取得した最大値から、中央値取得部１２４が取得した中央値を減算することで、最大値のスペクトル強度の、近傍周波数のスペクトル強度に対するピークの大きさを求め、ピークが最も大きい周波数を選択する。
【0034】
図３は、脳波測定部１２１が取得する脳波検出信号の例を示す説明図である。同図の横軸は時間（所定の基準時刻からの経過時間）を示し、縦軸は脳波の振幅（電極９００による検出電位（電圧））を示す。線Ｌ１１は、対象者が６Ｈｚで点滅する視覚刺激を注視している場合に、脳波測定部１２１が取得する脳波検出信号の例を示している。
【0035】
図４は、周波数スペクトル取得部１２２が取得する周波数スペクトルの例を示す説明図である。同図の横軸は周波数を示し、縦軸はスペクトル強度を示す。線Ｌ２１は、図３の脳波検出信号をフーリエ変換して得られる周波数スペクトルの例を示している。
また、点Ｐ２１、Ｐ２２、Ｐ２３は、それぞれ、視覚刺激の点滅周波数６Ｈｚ、７Ｈｚ、８Ｈｚに対して最大値取得部１２３が取得するスペクトル強度の最大値の例を示している。なお、最大値取得部１２３がスペクトル強度の最大値を取得する周波数の範囲を鎖線にて示している。
区間Ａ２１、Ａ２２、Ａ２３は、それぞれ、視覚刺激の点滅周波数６Ｈｚ、７Ｈｚ、８Ｈｚに対して中央値取得部１２４が中央値を取得する周波数の範囲を示している。
【0036】
中央値取得部１２４が中央値を取得することで、平均値を取得する場合よりも、最大値との差が出易くなる。
ここで、仮に、中央値取得部１２４が中央値に代えて平均値を取得する場合、平均値算出の基となるデータに、最大値取得部１２３が取得する最大値が含まれる。この点において、中央値取得部１２４が取得する平均値が最大値の影響を受け、最大値と平均値との差が小さくなる。これにより、スペクトル法周波数検出部１２５がピークの最も大きい周波数を選択する精度が低下するおそれがある。
【0037】
一方、ＳＳＶＥＰによる周波数ピークは、図４の６Ｈｚにおける例のように、視覚刺激の点滅と一致する周波数では高い値を示すが、周辺の周波数帯にはほとんど影響しない。この点において、中央値取得部１２４が取得する中央値は、最大値取得部１２３が取得する最大値の影響を直接には受けず、最大値と中央値との差が大きくなる。これにより、スペクトル法周波数検出部１２５がピークの最も大きい周波数を選択する精度の低下を抑制し得る。
【0038】
記憶部１５０は、各種データを記憶する。特に、記憶部１５０は、視覚刺激の点滅周波数として設定されている複数の所定周波数や、制御部１２０が実行するプログラムを記憶している。また、記憶部１５０は、制御部１２０のワーキングメモリとしても機能する。
記憶部１５０は、周波数検出装置本体１００が具備する記憶デバイスを含んで構成される。
【0039】
結果出力部１６０は、スペクトル法周波数検出部１２５の検出結果を出力する。すなわち、結果出力部１６０は、スペクトル法周波数検出部１２５が検出した周波数を示す信号を出力する。結果出力部１６０が出力するスペクトル法周波数検出部１２５の検出結果は、操作対象の機器に対して動作を指示するコマンドとして用いられる。
結果出力部１６０は、例えば周波数検出装置本体１００が具備する通信回路を含んで構成される。
【0040】
次に、図５を参照して周波数検出装置１の動作について説明する。
図５は、周波数検出装置１が、対象者の注視している視覚刺激の点滅周波数を検出する処理手順の例を示すフローチャートである。
同図の処理において、脳波測定部１２１は、Ｏ１、Ｏ２、Ｏｚの各電極を用いて脳波を測定する（ステップＳ１０１）。すなわち、Ｏ１、Ｏ２、Ｏｚの位置に設置された各電極９００が脳波を検出して脳波検出信号を出力し、脳波測定部１２１は、信号入力部１１０を介して各脳波検出信号を取得する。
【0041】
次に、制御部１２０は、ステップＳ１０１で得られた脳波毎（従って、電極９００毎）に処理を行うループＬ１１１を開始する（ステップＳ１１１）。以下、ループＬ１１１で処理対象となっている脳波を、「処理対象の脳波」と称する。
ループＬ１１１において、周波数スペクトル取得部１２２は、処理対象の脳波に対してフーリエ変換を行って、周波数スペクトルを取得する（ステップＳ１１２）。
【0042】
次に、制御部１２０は、視覚刺激の点滅周波数として設定されている所定周波数毎に処理を行うループＬ１１２を開始する（ステップＳ１２１）。以下、ループＬ１１２で処理対象となっている周波数を、「処理対象の周波数」と称する。
ループＬ１１２において、最大値取得部１２３は、処理対象の脳波の周波数スペクトルについて、処理対象の周波数を中心にプラスマイナス０．１Ｈｚの範囲内における、周波数スペクトルの強度の最大値（周波数成分のピーク強度）を取得する（ステップＳ１２２）。
【0043】
次に、中央値取得部１２４は、処理対象の脳波の周波数スペクトルについて、処理対象の周波数を中心にプラスマイナス０．３Ｈｚの範囲内における、周波数スペクトルの強度の中央値を取得する（ステップＳ１２３）。
そして、スペクトル法周波数検出部１２５は、ステップＳ１２２で最大値取得部１２３が取得した最大値から、ステップＳ１２３で中央値取得部１２４が取得した中央値を減算する（ステップＳ１２４）。
【0044】
次に、制御部１２０は、ループＬ１１２の終端処理を行う（ステップＳ１２５）。具体的には、制御部１２０は、視覚刺激の点滅周波数として設定されている所定周波数の全てに対してループＬ１１２の処理を行ったか否か判定する。そして、当該所定周波数の全てに対してループＬ１１２の処理を行ったと判定した場合は、ループＬ１１２を終了する。一方、未処理の所定周波数があると判定した場合は、ステップＳ１２１に戻り、引き続き未処理の所定周波数に対してループＬ１１２の処理を行う。
【0045】
ループＬ１１２を終了すると、スペクトル法周波数検出部１２５は、ステップＳ１２４で得られた差が最大の所定周波数を検出（選択）する（ステップＳ１３１）。
次に、制御部１２０は、ループＬ１１１の終端処理を行う（ステップＳ１３２）。具体的には、制御部１２０は、ステップＳ１０１で得られた脳波の全てに対してループＬ１１１の処理を行ったか否か判定する。そして、全ての脳波に対してループＬ１１１の処理を行ったと判定した場合は、ループＬ１１１を終了する。一方、未処理の脳波があると判定した場合は、ステップＳ１１１に戻り、引き続き未処理の脳波に対してループＬ１１１の処理を行う。
【0046】
ループＬ１１１を終了すると、スペクトル法周波数検出部１２５は、Ｏ１、Ｏ２、Ｏｚの各電極が検出した脳波に基づいてステップＳ１３１で得られた周波数の多数決を行う（ステップＳ１４１）。
そして、結果出力部１６０は、ステップＳ１４２で得られた周波数を示す信号を、周波数検出装置１の検出結果として出力する（ステップＳ１４２）。
その後、図５の処理を終了する。
なお、制御部１２０が、ループＬ１１１の処理、または、ループＬ１１２の処理、あるいは両方の処理を並列処理（例えば並行処理）するようにしてもよい。
【0047】
以上のように、周波数スペクトル取得部１２２は、脳波測定部１２１が測定した脳波の周波数スペクトルを取得する。そして、最大値取得部１２３は、視覚刺激の点滅周波数として設定されている複数の所定周波数の各々について、当該所定周波数を含む第１の所定周波数範囲（本実施形態では、所定周波数を中心にプラスマイナス０．１Ｈｚの範囲）における脳波の周波数スペクトルの強度の最大値を取得する。また、中央値取得部１２４は、視覚刺激の点滅周波数として設定されている複数の所定周波数の各々について、当該所定周波数を含む第２の所定周波数範囲（本実施形態では、所定周波数を中心にプラスマイナス０．３Ｈｚの範囲）における脳波の周波数スペクトルの強度の中央値を取得する。そして、最大値取得部１２３は、視覚刺激の点滅周波数として設定されている複数の所定周波数のうち、最大値と中央値との差の大きさが最大の周波数を検出する。
【0048】
これにより、周波数検出装置１は、学習を必要とせずに、ＳＳＶＥＰを用いたＢＣＩの出力として、対象者が注視している視覚刺激の点滅周波数を示す信号の出力を行うことができる。
特に、中央値取得部１２４が中央値を取得することで、最大値取得部１２３が取得する最大値との差が出易くなり、スペクトル法周波数検出部１２５がピークの最も大きい周波数を選択する精度の低下を抑制し得る。これにより、周波数検出装置１は、対象者が注視している視覚刺激の点滅周波数を精度よく検出することができる。
このように、周波数検出装置１は、学習を必要とせずに、ＳＳＶＥＰを用いたＢＣＩの出力をより精度よく得ることができる。
【0049】
また、脳波測定部１２１は、第一次視覚野から発せられる脳波を異なる位置にて検出する複数の電極９００からの信号に基づいて、複数の位置における脳波を測定する。
これにより、周波数検出装置１は、いずれかの電極においてノイズが混入するなど脳波の検出精度が低下した場合でも、周波数の検出精度の低下を抑制することができる。
【0050】
なお、本願発明者は、本実施形態における周波数検出方法の有効性を実験にて確認した。以下、当該実験について説明する。
視覚に関して日常生活に不便を感じていない３２名（男性２７名、女性５名、平均年齢２１．０９歳）が被験者（上記の「対象者」に相当する）となった。被験者のうち５名（男性４名、女性１名）は、ＢＣＩを以前に体験したことがあったが、他の２７名は過去に脳波の計測を受けたことがなかった。被験者は、実験の目的について事前に実験者から説明を受け、書面によるインフォームドコンセントを得て実験に参加した。
【0051】
脳波計測にはｇ．Ｔｅｃ社製の脳波計測システム（g.BCIsys32USB）を用いた。脳波国際１０−１０法配置におけるＯ１、Ｏ２、Ｏｚの位置に電極を装着し、Ｆｚの位置にグラウンド電極、右耳朶にリファレンス電極を装着した。サンプリング周波数は２５６Ｈｚとし、バンドパスフィルタ（Band Pass Filter）は０．１Ｈｚ〜３０Ｈｚに設定した。ノッチフィルタ（Notch Filter）は５０Ｈｚとした。また、視覚刺激として、マイコン（mbed、ＡＲＭ）と白色ＬＥＤ（発光ダイオード）による回路をブレッドボード上に構成し、設定周波数で点滅可能とした。オン／オフの時間割合（デューティー比）は５０パーセント（％）とした。
【0052】
図６は、有効性の検証実験におけるＬＥＤの発光パターンを示す説明図である。同図に示すように、被験者は、６Ｈｚ、７Ｈｚおよび８Ｈｚで点滅するＬＥＤを３５秒間、２セットずつ注視する。また、同図に示すように、それぞれの施行毎に３０秒間のレスト（閉眼にて休憩）をとり、目の疲労を軽減させる。
実験室内は照明を消した薄暗い状態にあり、被験者は、ＬＥＤから５０センチメートル（ｃｍ）程度離れて当該ＬＥＤを注視した。また、外界からの音刺激による影響を除外するために、被験者は耳栓を着用した。
同じ実験を２日間行い、各被験者について充分な脳波データのサンプルを取得した。
【0053】
本願発明者は、ＭａｔｈＷｏｒｋｓ社の数値解析ソフトウェアＭＡＴＬＡＢ（登録商標）を用いて、識別率（正しい周波数の検出率）の算出を行った。脳波計のゲイン調整の時間帯を含む計測開始後５秒間のデータは、識別率算出の対象外とした。従って、被験者１人につき、点滅周波数毎に、５秒から３５秒までの３０秒間×２セット×２日分の合計１２０秒分のデータを用いて識別率の算出を行った。
【0054】
本願発明者は、上述した、Ｏ１、Ｏ２、Ｏｚの各電極にて検出される脳波の周波数スペクトルを求め、周波数スペクトル強度の最大値と中間値との差が最大となる周波数を検出して多数決を行う方法の識別率を算出した。
加えて、比較のための従来手法として、Ｏｚの電極にて検出される脳波にＬＤＡ（Linear Discriminant Analysis、線形判別分析）を適用して、視覚刺激の点滅周波数を検出する方法（以下、「ＬＤＡ法」と称する）の識別率を算出した。ＬＤＡとは、２つのグループに分けられた学習データを用いて予め識別面を求めておき、新たに入力されるデータ（判別対象のデータ）がどちらのグループに属するかを、識別面を用いて判別する方法である。
【0055】
図７は、ＬＤＡにおける識別面の例を示す説明図である。同図の横軸、縦軸は、それぞれ、指標値Ａ、指標値Ｂを示し、指標値Ａと指標値Ｂとの組の学習データがプロットされている。また、各学習データが２つのグループのいずれに属するかは既知である。
識別面は、それぞれのグループの重心を結ぶ直線が垂直二等分される直線（特徴ベクトルが３次元以上の場合は超平面）となる。図７の例では、点Ｐ１００１、Ｐ１００２が、それぞれ、グループ１、グループ２の重心を示し、線Ｌ１００１が識別面を示す。
なお、以下ではグラフを用いてＬＤＡを行う場合を例に説明するが、グラフの描画を行わずに演算処理にてＬＤＡを行うことも可能である。
【0056】
ＬＤＡ法では、点滅周波数の検出を行う場合、６Ｈｚを中心にプラスマイナス０．１Ｈｚ、７Ｈｚを中心にプラスマイナス０．１Ｈｚ、８Ｈｚを中心にプラスマイナス０．１Ｈｚの各々について、周波数スペクトルの最大値を取得する。そして、得られた最大値をそれぞれの周波数帯のパワー値として、３つのパワー値のうち２つずつの各組み合わせを特徴ベクトルとし、被験者が２つの周波数のうちどちらを注視していたかを、識別面に基づいて判別する。
ＬＤＡでは２クラス判別（二者択一）方式の判別しか行うことができないので、２つの周波数の組み合わせ３通りの各々について判別を行い、判別結果の多数決を行って、最も多く選択された周波数を検出結果とする。
【0057】
図８は、６Ｈｚのパワー値と７Ｈｚのパワー値との組み合わせに対するＬＤＡの例を示す説明図である。同図の横軸は６Ｈｚのパワー値を示し、縦軸は７Ｈｚのパワー値を示す。線Ｌ１０１１は識別面を示す。
判別対象の点Ｐ１０１１は、識別面（線Ｌ１０１１）で区切られた領域のうち６Ｈｚ側に位置しており、ＬＤＡにより６Ｈｚと判定される。
【0058】
図９は、７Ｈｚのパワー値と８Ｈｚのパワー値との組み合わせに対するＬＤＡの例を示す説明図である。同図の横軸は７Ｈｚのパワー値を示し、縦軸は８Ｈｚのパワー値を示す。線Ｌ１０２１は識別面を示す。
判別対象の点Ｐ１０２１は、識別面（線Ｌ１０２１）で区切られた領域のうち８Ｈｚ側に位置しており、ＬＤＡにより８Ｈｚと判定される。
【0059】
図１０は、６Ｈｚのパワー値と８Ｈｚのパワー値との組み合わせに対するＬＤＡの例を示す説明図である。同図の横軸は６Ｈｚのパワー値を示し、縦軸は８Ｈｚのパワー値を示す。線Ｌ１０３１は識別面を示す。
判別対象の点Ｐ１０３１は、識別面（線Ｌ１０３１）で区切られた領域のうち６Ｈｚ側に位置しており、ＬＤＡにより６Ｈｚと判定される。
図８〜図１０に示される３つの判定結果の多数決により、６Ｈｚとの検出結果が得られる。
【0060】
図１１は、ＬＤＡ法において学習により識別面を取得する処理手順を示すフローチャートである。同図の処理において、まず、Ｏｚの位置の電極にて脳波を測定する（ステップＳ１１０１）。学習に際しては、視覚刺激の点滅周波数は既知である。
次に、ステップＳ１１０１で得られた脳波をフーリエ変換して周波数スペクトルを取得する（ステップＳ１１０２）。
【0061】
そして、視覚刺激の点滅周波数として設定されている各所定周波数のピーク強度を検出する（ステップＳ１１０３）。具体的には、６Ｈｚを中心にプラスマイナス０．１Ｈｚ、７Ｈｚを中心にプラスマイナス０．１Ｈｚ、８Ｈｚを中心にプラスマイナス０．１Ｈｚの各々について、周波数スペクトルの最大値を取得する。
次に、図８〜図１０の例に示される各グラフのように、２つの所定周波数の組み合わせの各グラフに、ステップＳ１１０３で得られたピーク強度をプロットする（ステップＳ１１０４）。
【0062】
次に、適切な数のデータを得られたか否かを判定する（ステップＳ１１０５）。データの数は、少なくとも６個以上であることが望ましい。なお、本願発明者は、より正確を期するため、その１０倍程度（６０個程度）のデータを用いて実験を行った。
ステップＳ１１０５において、適切な数のデータを得られていないと判定した場合（ステップＳ１１０５：ＮＯ）、ステップＳ１１０１へ戻る。
一方、適切な数のデータを得られたと判定した場合（ステップＳ１１０５：ＹＥＳ）、各グラフについて、各グループの重心を算出する（ステップＳ１１１１）。そして、グラフ毎に識別面を算出する（ステップＳ１１１２）。
その後、図１１の処理を終了する。
【0063】
図１２は、ＬＤＡ法において点滅周波数を判定する処理手順を示すフローチャートである。同図の処理において、まず、Ｏｚの位置の電極にて脳波を測定する（ステップＳ１２０１）。そして、ステップＳ１２０１で得られた脳波をフーリエ変換して周波数スペクトルを取得する（ステップＳ１２０２）。
【0064】
次に、視覚刺激の点滅周波数として設定されている各所定周波数のピーク強度を検出する（ステップＳ１２０３）。具体的には、６Ｈｚを中心にプラスマイナス０．１Ｈｚ、７Ｈｚを中心にプラスマイナス０．１Ｈｚ、８Ｈｚを中心にプラスマイナス０．１Ｈｚの各々について、周波数スペクトルの最大値を取得する。
そして、図８〜図１０の例に示される各グラフのように、２つの所定周波数の組み合わせの各グラフに、ステップＳ１２０３で得られたピーク強度をプロットする（ステップＳ１２０４）。
【0065】
次に、図８〜図１０の例のように、各グラフにおいて、判定対象のデータがどちらのグループに含まれるかを識別面に基づいて判定する（ステップＳ１２０５）。
そして、グラフ毎の判定結果の多数決を行って、最も多い判定結果を、視覚刺激の点滅周波数の検出結果とする（ステップＳ１２０６）。
その後、図１２の処理を終了する。
【0066】
識別率を求める際、何秒で正しい識別が行われるかを調べるために、データを３秒毎に分割して識別率の平均を求めた。同様に、４秒、５秒についてもデータの分割および識別率の平均の算出を行った。
また、ＬＤＡによる識別性能を調べるため、４−ｆｏｌｄの交差確認を用いた。ｎ−ｆｏｌｄ（ｎは正整数）では、データをｎ分割し、そのうちの１つを識別用データとして使用し、残りを学習用のデータとして使用して正答率を求める。当該手順にて、ｎ分割したデータの各々を識別用データとしたときの正答率を順番に求め、これらを平均することで、識別率を算出する。
今回の実験で用いた４−ｆｏｌｄ交差確認では、データを４分割して識別率の算出を行った。
【0067】
図１３は、４−ｆｏｌｄ交差確認における識別用データおよび学習用データの選択例を示す説明図である。
同図に示すように、４−ｆｏｌｄ交差確認では、４分割したデータの１つを順番に識別用データとし、他のデータを学習用データとして、それぞれ識別率を算出する。そして、得られた識別率の平均を算出して推定精度（本実験では、視覚刺激の点滅周波数の検出精度）とする。
【0068】
また、本願発明者は、Ｔｈｅ ＭａｔｈＷｏｒｋｓ社の数値解析ソフトウェアＭＡＴＬＡＢ（登録商標）および日本ＩＢＭ社の統計解析ソフトウェアＳＰＳＳ（登録商標）を用いて、Ｏ１、Ｏ２、Ｏｚの各電極にて検出される脳波の周波数スペクトルを求め、周波数スペクトル強度の最大値と中間値との差が最大となる周波数を検出して多数決を行う方法と、ＬＤＡ法との間における有意差の有無の検定を行った。検定における危険率は５パーセントとし、これ以下の場合は帰無仮説を棄却して２つの群間に統計的な有意差があるとした。
【0069】
まず、Ｓｈａｐｉｌｏ−Ｗｉｌｋ検定によりスペクトル強度データの分布が正規分布に従っているか否かを調べ、正規分布に従っている場合（共にｐ≧０．０５）、２群の比較には対応のあるｔ検定を用いた。一方、正規分布に従っていない場合（少なくとも１つがｐ＜０．０５）、Ｗｉｌｃｏｘｏｎの符号付順位検定を用いた。
【0070】
図１４は、第１の実施形態についての実験結果を示す説明図である。同図において、視覚刺激の点滅周波数６Ｈｚ、７Ｈｚ、８Ｈｚ、これらの実験結果の平均の各々について、識別率の平均値と、危険率ｐの値とが示されている。「スペクトル法」の欄は、Ｏ１、Ｏ２、Ｏｚの各電極にて検出される脳波の周波数スペクトルを求め、周波数スペクトル強度の最大値と中間値との差が最大となる周波数を検出して多数決を行う方法による識別率の平均値を示している。「ＬＤＡ」の欄は、ＬＤＡ法による識別率を示している。同図は、データを３秒毎に分割した場合、４秒毎に分割した場合、５秒毎に分割した場合の各々について実験結果を示している。
【0071】
図１４の示す実験結果において、多くのケースで危険率が５パーセント以下となっている。これにより、Ｏ１、Ｏ２、Ｏｚの各電極にて検出される脳波の周波数スペクトルを求め、周波数スペクトル強度の最大値と中間値との差が最大となる周波数を検出して多数決を行う方法の優位性が示されている。
特に、データを４秒毎に分割した場合、および、５秒毎に分割した場合、視覚刺激の点滅周波数６Ｈｚ、７Ｈｚ、８Ｈｚの全てについて危険率が５パーセント以下（０パーセント）となっており、強い優位性が示されている。
【0072】
また、上述したように、被験者の多くは脳波の測定を初めて経験している。この点において、Ｏ１、Ｏ２、Ｏｚの各電極にて検出される脳波の周波数スペクトルを求め、周波数スペクトル強度の最大値と中間値との差が最大となる周波数を検出して多数決を行う方法は、事前の訓練を必要とせず、すぐに適用可能であるといえる。
【0073】
なお、最大値取得部１２３が最大値を取得する範囲（第１の所定周波数範囲）の幅は、上述したプラスマイナス０．１Ｈｚに限らない。また、中央値取得部１２４が中央値を取得する範囲（第２の所定周波数範囲）の幅は、上述したプラスマイナス０．３Ｈｚに限らない。
例えば、最大値取得部１２３が最大値を取得する範囲（第１の所定周波数範囲）の幅は、プラスマイナス０．５Ｈｚの範囲であってもよく、中央値取得部１２４が中央値を取得する範囲（第２の所定周波数範囲）の幅は、プラスマイナス３Ｈｚの範囲であってもよい。特に、第１の所定周波数範囲の幅と第２の所定周波数範囲の幅との組み合わせについて、上述したプラスマイナス０．１Ｈｚとプラスマイナス０．３Ｈｚとの組み合わせが好適である。
【0074】
＜第２の実施形態＞
図１５は、本発明の第２の実施形態における周波数検出装置の機能構成を示す概略ブロック図である。同図において、周波数検出装置２は、周波数検出装置本体２００と、電極９００とを具備する。周波数検出装置本体２００は、信号入力部１１０と、制御部２２０と、記憶部１５０と、結果出力部１６０とを具備する。制御部２２０は、脳波測定部１２１と、周期データ切出部２２７と、加算平均算出部２２８と、加算法周波数検出部２２９とを具備する。
図１５において図１の各部に対応して同様の機能を有する部分には同一の符号（１１０、１２１、１５０、１６０、９００）を付して説明を省略する。
【0075】
周波数検出装置２は、脳波から、視覚刺激の点滅周波数に対応する周期として設定されている所定周期毎の時間窓で切り出したデータを足し合わせたデータに基づいて、視覚刺激の点滅周波数を検出する。ここでいう周波数に対応する周期は、具体的には、周波数の逆数としての周期である。
周波数検出装置１（図１）の場合と同様、周波数検出装置２は、ＢＣＩとして機能することができる。
周波数検出装置２は、脳波の周波数検出装置の一例に該当する。
【0076】
周波数検出装置本体２００は、電極９００が検出した脳波から、視覚刺激の点滅周波数に対応する周期として設定されている所定周期毎の時間窓でデータを切り出し、切り出したデータを足し合わせたデータに基づいて、視覚刺激の点滅周波数を検出する。周波数検出装置本体２００は、例えば、ＰＣ（Personal Computer、パソコン）などのコンピュータを用いて実現される。
なお、以下では、視覚刺激の点滅周波数に対応する周期に応じた時間窓で脳波データから切り出したデータを足し合わせたデータに基づいて視覚刺激の点滅周波数を検出する方法を「加算法」と称する。
【0077】
制御部２２０は、周波数検出装置２の各部を制御して各種機能を実行する。特に、制御部２２０は、信号入力部１１０が取得した脳波を解析して、対象者が注視している視覚刺激の点滅周波数を検出する。
制御部２２０は、例えば、周波数検出装置本体２００の具備するＣＰＵ（Central Processing Unit、中央処理装置）が、周波数検出装置本体２００の具備する記憶デバイスからプログラムを読み出して実行することで実現される。
【0078】
周期データ切出部２２７は、視覚刺激の点滅周波数に対応する周期として設定されている複数の所定周期の各々について、脳波測定部１２１が測定した脳波から、当該所定周期の各時刻を開始時刻とする周期データを切り出す。すなわち、周期データ切出部２２７は、脳波測定部１２１が測定した脳波から、視覚刺激の点滅周波数に対応する周期として設定されている所定周期毎の時間窓でデータを切り出す。
【0079】
加算平均算出部２２８は、周期データ切出部２２７が切り出した周期データを、視覚刺激の点滅周波数に対応する周期として設定されている所定周期毎に足し合わせる。これにより、加算平均算出部２２８は、脳波から切り出されたデータを周期的に重ね合わせる。
具体的には、加算平均算出部２２８は、視覚刺激の点滅周波数に対応する周期として設定されている所定周期毎に、周期データ切出部２２７が切り出した周期データの加算平均を算出する。
【0080】
加算平均は、従来より知られている手法だが、ＳＳＶＥＰに対して加算平均を用いることは一般的ではない。特に、定常誘発反応に対しては、ある周波数で定常的に脳波が動いているという捉え方が一般的であり、定常誘発反応のデータを切り取って加算するといった処理は、無用に処理を煩雑にすると考えられ、通常は行われない。
【0081】
また、一般的に加算平均処理を行うような脳波の測定法では、脳波が変化するような刺激（トリガー）を与え、実際に脳波に変化が現れるまでの反応潜時ならびに各潜時での振幅値の変化を測定するため、刺激を与えたタイミングを入力するチャンネルが必要である。これに対して、本願発明における加算平均では、振幅の強度情報のみを利用できればよいので反応潜時を考慮する必要がなく、トリガーを入力するチャンネルも不要である。
【0082】
さらに、一般的に加算平均処理を行うような脳波の測定法では、ベースライン処理を行わなければ好ましい波形を得ることが困難である。これに対して、本願発明における加算平均の場合、振幅強度の最大値と最小値の差を用いるので、ベースライン処理を行わなくても本願発明の効果を奏することが可能である。
なお、加算平均算出部２２８が、脳波から切り出されたデータを周期的に重ね合わせる処理は、周期データを足し合わせる処理であればよく、加算平均に限らない。例えば、加算平均算出部２２８が、周期データの加算のみを行って平均を行わないようにしてもよい。
【0083】
図１６は、加算平均算出部２２８が算出する、６Ｈｚに対応する時間窓（６分の１秒周期で設けられた時間窓）で周期データ切出部２２７が切り出したデータの加算平均の例を示す説明図である。同図の横軸は、時間窓における時間（時間窓開始時刻からの時間）を示す。縦軸は、脳波の振幅（電極９００による検出電位）を示す。
線Ｌ３１は、対象者が点滅周波数６Ｈｚの視覚刺激を注視している場合に、加算平均算出部２２８が行う加算平均にて得られるデータの例を示している。
【0084】
図１７は、加算平均算出部２２８が算出する、周期データ切出部２２７が７Ｈｚに対応する時間窓で切り出したデータの加算平均の例を示す説明図である。同図の横軸は、時間窓における時間を示す。縦軸は、脳波の振幅（電極９００による検出電位）を示す。
線Ｌ４１は、対象者が点滅周波数６Ｈｚの視覚刺激を注視している場合に、加算平均算出部２２８が行う加算平均にて得られるデータの例を示している。
【0085】
図１８は、加算平均算出部２２８が算出する、周期データ切出部２２７が８Ｈｚに対応する時間窓で切り出したデータの加算平均の例を示す説明図である。同図の横軸は、時間窓における時間を示す。縦軸は、脳波の振幅（電極９００による検出電位）を示す。
線Ｌ５１は、対象者が点滅周波数６Ｈｚの視覚刺激を注視している場合に、加算平均算出部２２８が行う加算平均にて得られるデータの例を示している。
【0086】
図１６〜図１８を参照すると、視覚刺激の点滅周波数に対応する周期と時間窓の設けられる周期とが一致している図１６の例では、脳波の振幅の変化が大きい。これに対し、視覚刺激の点滅周波数に対応する周期と時間窓の設けられる周期とが一致していない図１７の例や図１８の例では、脳波の振幅の変化が小さい。
【0087】
ここで、ＶＥＰ（視覚誘発電位）の主な成分として、視覚刺激を受けてからおよそ７５ミリ秒後、１００ミリ秒後、１４５ミリ秒後に現れる電位変化の成分が知られており、それぞれ、Ｎ７５成分、Ｐ１００成分、Ｎ１４５成分と呼ばれている。視覚刺激が周期的に点滅する場合、その周期に対応してこれらの視覚誘発電位も周期的に現れる。
【0088】
従って、視覚刺激の点滅周波数に対応する周期に合わせた周期で脳波データを切り出して加算平均を行った場合、得られる波形に明瞭な視覚誘発電位が現れる。これに対し、視覚刺激の点滅周波数に対応する周期と異なる周期で脳波データを切り出して加算平均を行った場合、切り出したデータ毎に視覚誘発電位の出現位置が異なるので、加算平均にて得られる波形には、明瞭な視覚誘発電位は現れない。
【0089】
加算法周波数検出部２２９は、加算平均算出部２２８が生成する、視覚刺激の点滅周波数に対応する周期として設定されている所定周期のうち、当該所定周期毎に周期データを足し合わせたデータの正負ピーク強度の差が最大となる周期に対応する周波数を検出する。具体的には、加算法周波数検出部２２９は、加算平均算出部２２８が所定周期毎に生成するデータのうち、最大値と最小値との差が最大のデータを選択し、当該データに対応する所定周波数を検出周波数として取得する。
【0090】
上述したように、視覚刺激の点滅周波数に対応する周期に合わせた周期で脳波データを切り出して加算平均を行った場合、得られる波形に明瞭な視覚誘発電位が現れる。これにより、視覚刺激の点滅周波数に対応する周期に合わせた周期で脳波データを切り出して加算平均を行ったデータでは、最大値と最小値との差が大きくなる。
これに対し、視覚刺激の点滅周波数に対応する周期と異なる周期で脳波データを切り出して加算平均を行った場合、加算平均にて得られる波形には、明瞭な視覚誘発電位は現れない。これにより、視覚刺激の点滅周波数に対応する周期と異なる周期で脳波データを切り出して加算平均を行ったデータでは、最大値と最小値との差が小さくなる。
【0091】
そこで、加算法周波数検出部２２９が、最大値と最小値との差が最大のデータを選択することで、視覚刺激の点滅周波数に対応する周期に合わせた周期で脳波データを切り出して得られたデータ（従って、視覚刺激の点滅周波数に対応する周期に対応付けられるデータ）を選択することができる。これにより、加算法周波数検出部２２９は、視覚刺激の点滅周波数を検出することができる。
【0092】
次に、図１９を参照して、周波数検出装置２の動作について説明する。
図１９は、周波数検出装置２が、対象者の注視している視覚刺激の点滅周波数を検出する処理手順の例を示すフローチャートである。
同図のステップＳ２０１、Ｓ２１１、Ｓ２２１は、それぞれ、図５のステップＳ１０１、Ｓ１１１、Ｓ１２１と同様である。
【0093】
ループＬ１２２において、周期データ切出部２２７は、脳波測定部１２１が測定した脳波から、視覚刺激の点滅周波数に対応する周期として設定されている所定周期毎の時間窓でデータを切り出す（ステップＳ２２２）。
そして、加算平均算出部２２８は、視覚刺激の点滅周波数に対応する周期として設定されている所定周期毎に、ステップＳ２２２で周期データ切出部２２７が切り出した周期データの加算平均を算出する（ステップＳ２２３）。
【0094】
次に、加算法周波数検出部２２９は、ステップＳ２２３で得られた各データについて最大値を検出する（ステップＳ２２４）。
また、加算法周波数検出部２２９は、ステップＳ２２３で得られた各データについて最小値を検出する（ステップＳ２２５）。
さらに、加算法周波数検出部２２９は、ステップＳ２２３で得られた各データについて、ステップＳ２２４で得られた最大値と、ステップＳ２２５で得られた最小値との差を算出する（ステップＳ２２６）。
【0095】
ステップＳ２２７は、図５のステップＳ１２５と同様である。
ループＬ１２２を終了すると、加算法周波数検出部２２９は、ステップＳ２２６で得られた差が最大の周波数を選択する（ステップＳ２３１）。
ステップＳ２３２は、図５のステップＳ１３２と同様である。
【0096】
ループＬ１２１を終了すると、加算法周波数検出部２２９は、Ｏ１、Ｏ２、Ｏｚの各電極が検出した脳波に基づいてステップＳ２３１で得られた周波数の多数決を行う（ステップＳ２４１）。
そして、結果出力部１６０は、ステップＳ２４１で得られた周波数を示す信号を、周波数検出装置２の検出結果として出力する（ステップＳ２４２）。
その後、図１９の処理を終了する。
なお、制御部２２０が、ループＬ１２１の処理、または、ループＬ１２２の処理、あるいは両方の処理を並列処理（例えば並行処理）するようにしてもよい。
【0097】
以上のように、周期データ切出部２２７は、視覚刺激の点滅周波数に対応する周期として設定されている複数の所定周期の各々について、脳波測定部１２１が取得した脳波から、当該所定周期の各時刻を開始時刻とする周期データを切り出す。そして、加算法周波数検出部２２９は、視覚刺激の点滅周波数に対応する周期として設定されている所定周期のうち、当該所定周期毎に周期データを足し合わせたデータの正負ピーク強度の差が最大となる周期に対応する周波数を検出する。
【0098】
これにより、周波数検出装置２は、学習を必要とせずに、ＳＳＶＥＰを用いたＢＣＩの出力として、対象者が注視している視覚刺激の点滅周波数を示す信号の出力を行うことができる。
また、加算平均算出部２２８が周期データの足し合わせ（本実施形態では加算平均）を行うことで、脳波データにノイズが含まれる場合でも、ノイズの影響を低減させることができる。
このように、周波数検出装置２は、学習を必要とせずに、ＳＳＶＥＰを用いたＢＣＩの出力をより精度よく得ることができる。
【0099】
なお、本願発明者は、本実施形態における周波数検出方法の有効性を実験にて確認した。具体的には、本願発明者は、上述した、Ｏ１、Ｏ２、Ｏｚの各電極にて検出される脳波から、視覚刺激の点滅周波数に対応する周期として設定されている所定周期毎の時間窓で切り出したデータの加算平均における最大値と最小値の差が最大の周波数を検出して多数決を行う方法の識別率を算出した。
第１の実施形態で説明した実験で取得した脳波データを使用し、また、第１の実施形態で説明した実験と同様、ＬＤＡ法との比較を行った。
【0100】
図２０は、第２の実施形態についての実験結果を示す説明図である。同図において、視覚刺激の点滅周波数６Ｈｚ、７Ｈｚ、８Ｈｚ、これらの実験結果の平均の各々について、識別率の平均値と、危険率ｐの値とが示されている。「加算法」の欄は、Ｏ１、Ｏ２、Ｏｚの各電極にて検出される脳波から、視覚刺激の点滅周波数に対応する周期として設定されている所定周期毎の時間窓で切り出したデータの加算平均における最大値と最小値の差が最大の周波数を検出して多数決を行う方法による識別率の平均値を示している。「ＬＤＡ」の欄は、ＬＤＡ法による識別率を示している。同図は、データを３秒毎に分割した場合、４秒毎に分割した場合、５秒毎に分割した場合の各々について実験結果を示している。
【0101】
図２０の示す実験結果において、多くのケースで危険率が５パーセント以下となっている。これにより、Ｏ１、Ｏ２、Ｏｚの各電極にて検出される脳波から、視覚刺激の点滅周波数に対応する周期として設定されている所定周期毎の時間窓で切り出したデータの加算平均における最大値と最小値の差が最大の周波数を検出して多数決を行う方法の優位性が示されている。
特に、データを５秒毎に分割した場合、視覚刺激の点滅周波数６Ｈｚ、７Ｈｚ、８Ｈｚの全てについて危険率が５パーセント以下（０パーセント）となっており、強い優位性が示されている。
また、第１の実施形態について説明したのと同様、Ｏ１、Ｏ２、Ｏｚの各電極にて検出される脳波から、視覚刺激の点滅周波数に対応する周期として設定されている所定周期毎の時間窓で切り出したデータの加算平均における最大値と最小値の差が最大の周波数を検出して多数決を行う方法は、事前の訓練を必要とせず、すぐに適用可能であるといえる。
【0102】
なお、周期データ切出部２２７が脳波からのデータの切出に設定する時間窓の開始タイミングと、視覚刺激の点灯開始タイミングまたは点灯終了タイミングとが一致する必要はない。従って、視覚刺激と周波数検出装置２との同期をとる必要はない。
一方、周期データ切出部２２７が脳波からのデータの切出に設定する時間窓の開始タイミングと、視覚刺激の点灯開始タイミングまたは点灯終了タイミングとが一致している場合、Ｎ７５やＰ１００やＮ１４５など、視覚刺激の点灯開始等のタイミングとの関係が既知の視覚誘発電位の確認が容易になる。
【0103】
＜第３の実施形態＞
図２１は、本発明の第３の実施形態における周波数検出装置の機能構成を示す概略ブロック図である。同図において、周波数検出装置３は、周波数検出装置本体３００と、電極９００とを具備する。周波数検出装置本体３００は、信号入力部１１０と、制御部３２０と、記憶部１５０と、結果出力部１６０とを具備する。制御部３２０は、脳波測定部１２１と、周波数スペクトル取得部１２２と、最大値取得部１２３と、中央値取得部１２４と、スペクトル法周波数検出部１２５と、条件判定部３２６と、周期データ切出部２２７と、加算平均算出部２２８と、加算法周波数検出部２２９とを具備する。
図２１において図１または図１５の各部に対応して同様の機能を有する部分には同一の符号（１１０、１２１〜１２５、１５０、１６０、２２７〜２２９、９００）を付して説明を省略する。
【0104】
周波数検出装置３は、第１の実施形態で説明したスペクトル法と第２の実施形態で説明した加算法の組み合わせにて、視覚刺激の点滅周波数を検出する。周波数検出装置１（図１）の場合と同様、周波数検出装置３は、ＢＣＩとして機能することができる。
周波数検出装置本体３００は、電極９００が検出した脳波に基づいて、スペクトル法と加算法との組み合わせにて、視覚刺激の点滅周波数を検出する。周波数検出装置本体３００は、例えば、ＰＣ（Personal Computer、パソコン）などのコンピュータを用いて実現される。
周波数検出装置３は、脳波の周波数検出装置の一例に該当する。
【0105】
制御部３２０は、周波数検出装置３の各部を制御して各種機能を実行する。特に、制御部３２０は、信号入力部１１０が取得した脳波に基づいて、スペクトル法と加算法との組み合わせにて、視覚刺激の点滅周波数を検出する。
制御部３２０は、例えば、周波数検出装置本体３００の具備するＣＰＵ（Central Processing Unit、中央処理装置）が、周波数検出装置本体３００の具備する記憶デバイスからプログラムを読み出して実行することで実現される。
【0106】
条件判定部３２６は、スペクトル法周波数検出部１２５が検出した周波数が所定の条件を満たすか否かを判定する。具体的には、条件判定部３２６は、スペクトル法周波数検出部１２５が算出した差が、当該差が最大となる周波数において他の周波数における差の３倍以上あり、かつ、全ての電極で同様の判定結果となるか否かを判定する。このように、条件判定部３２６は、脳波の周波数スペクトルにおけるピークの大きさを評価する。
【0107】
スペクトル法周波数検出部１２５が検出した周波数が所定の条件を満たすと判定した場合、条件判定部３２６は、スペクトル法周波数検出部１２５が検出した周波数を示すデータを結果出力部１６０へ出力する。そして、結果出力部１６０は、当該データを、周波数検出装置本体３００の検出結果として周波数検出装置本体３００の外部へ出力（送信）する。
一方、スペクトル法周波数検出部１２５が検出した周波数が所定の条件を満たさないと判定した場合、条件判定部３２６は、周期データ切出部２２７、加算平均算出部２２８および加算法周波数検出部２２９に、第２の実施形態にて説明した処理を行わせる。この場合、加算法周波数検出部２２９は、検出した周波数を示すデータを結果出力部１６０へ出力する。そして、結果出力部１６０は、当該データを、周波数検出装置本体３００の検出結果として出力する。
【0108】
次に、図２２を参照して、周波数検出装置３の動作について説明する。
図２２は、周波数検出装置３が、対象者の注視している視覚刺激の点滅周波数を検出する処理手順の例を示すフローチャートである。
同図のステップＳ３０１は、図５のステップＳ１０１と同様である。
ステップＳ３０２において、制御部３２０（周波数スペクトル取得部１２２、最大値取得部１２３、中央値取得部１２４およびスペクトル法周波数検出部１２５）は、図５のステップＳ１１１〜Ｓ１４１と同様の処理を行う。
【0109】
ステップＳ３０２の後、条件判定部３２６は、上述した所定の条件を満たすか否かの判定を行う（ステップＳ３０３）。条件を満たすと判定した場合（ステップＳ３０３：ＹＥＳ）、条件判定部３２６は、スペクトル法周波数検出部１２５の検出した周波数を示す信号を結果出力部１６０へ出力し、結果出力部１６０は、当該信号を周波数検出装置本体３００の検出結果として出力する（ステップＳ３１１）。
その後、図２２の処理を終了する。
【0110】
一方、ステップＳ３０３において条件を満たさないと判定した場合（ステップＳ３０３：ＮＯ）、制御部３２０（周期データ切出部２２７、加算平均算出部２２８および加算法周波数検出部２２９）は、図１９のステップＳ２１１〜Ｓ２４１と同様の処理を行う（ステップＳ３２１）。
そして、加算法周波数検出部２２９は、検出した周波数を示す信号を結果出力部１６０へ出力し、結果出力部１６０は、当該信号を周波数検出装置本体３００の検出結果として出力する（ステップＳ３２２）。
その後、図２２の処理を終了する。
【0111】
以上のように、条件判定部３２６は、スペクトル法周波数検出部１２５が検出した周波数が所定の条件を満たすか否かを判定する。スペクトル法周波数検出部１２５が検出した周波数が所定の条件を満たさないと条件判定部３２６が判定した場合、周期データ切出部２２７は、視覚刺激の点滅周波数に対応する周期として設定されている複数の所定周期の各々について、脳波から、当該所定周期の各時刻を開始時刻とする周期データを切り出す。そして、加算法周波数検出部２２９は、視覚刺激の点滅周波数に対応する周期として設定されている所定周期毎に周期データを足し合わせたデータに基づいて、脳波のピークの周波数を検出する。
【0112】
このように、条件判定部３２６が、スペクトル法周波数検出部１２５が検出した周波数に対する条件判定を行うことで、周波数検出装置３は、スペクトル法と加算法とを切り替えて用いて、対象者が注視している視覚刺激の点滅周波数を精度よく検出することができる。
また、上述したように、スペクトル法と加算法とのいずれも学習を必要としない。
このように、周波数検出装置３は、学習を必要とせずに、ＳＳＶＥＰを用いたＢＣＩの出力をより精度よく得ることができる。
【0113】
特に、周波数検出装置３は、スペクトル周波数においてピークがはっきりと示されている場合、スペクトル法を用いて、より正確に視覚刺激の点滅周波数を検出することができる。一方、脳波検出信号へのノイズの混入や個人差などで、スペクトル周波数においてピークがはっきりと示されていない場合、周波数検出装置３は、ノイズに強い加算法を用いて、より正確に視覚刺激の点滅周波数を検出することができる。
【0114】
なお、本願発明者は、本実施形態における周波数検出方法の有効性を実験にて確認した。具体的には、本願発明者は、上述した、スペクトル法と加算法とを組み合わせた方法の識別率を算出した。
第１の実施形態で説明した実験で取得した脳波データを使用し、また、第１の実施形態で説明した実験と同様、ＬＤＡ法との比較を行った。
【0115】
図２３は、第３の実施形態についての実験結果を示す説明図である。同図において、視覚刺激の点滅周波数６Ｈｚ、７Ｈｚ、８Ｈｚ、これらの実験結果の平均の各々について、識別率の平均値と、危険率ｐの値とが示されている。「組み合わせ」の欄は、スペクトル法と加算法とを組み合わせた方法による識別率の平均値を示している。「ＬＤＡ」の欄は、ＬＤＡ法による識別率を示している。同図は、データを３秒毎に分割した場合、４秒毎に分割した場合、５秒毎に分割した場合の各々について実験結果を示している。
【0116】
図２３の示す実験結果において、多くのケースで危険率が５パーセント以下となっている。これにより、スペクトル法と加算法とを組み合わせた方法の優位性が示されている。
特に、データを５秒毎に分割した場合、視覚刺激の点滅周波数６Ｈｚ、７Ｈｚ、８Ｈｚの全てについて危険率が５パーセント以下となっており、強い優位性が示されている。
【0117】
また、第３の実施形態において、スペクトル法の結果が出力された割合（図２１のＳ３０３がＹＥＳの割合）よりも、加算法の結果が出力された割合（図２１のＳ３０３がＮｏの割合）の方が多く、上述した所定の条件では、加算法による方法の優位性が高いことが確認された。一方、ノイズ等の影響によって加算法では識別率が低い場合であっても、スペクトル法で良好な識別率が得られた場合もあり、スペクトル法と加算法を組み合わせた方法は、双方に補完可能であるため、より精度よく周波数を検出することが可能である。
また、第１の実施形態について説明したのと同様、スペクトル法と加算法とを組み合わせた方法は、事前の訓練を必要とせず、すぐに適用可能であるといえる。
【0118】
なお、制御部１２０、２２０および３２０の全部または一部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各部の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。
【0119】
以上、本発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計変更等も含まれる。
【符号の説明】
【0120】
１、２、３ 周波数検出装置
１００、２００、３００ 周波数検出装置本体
１１０ 信号入力部
１２０、２２０、３２０ 制御部
１２１ 脳波測定部
１２２ 周波数スペクトル取得部
１２３ 最大値取得部
１２４ 中央値取得部
１２５ スペクトル法周波数検出部
１５０ 記憶部
１６０ 結果出力部
２２７ 周期データ切出部
２２８ 加算平均算出部
２２９ 加算法周波数検出部
３２６ 条件判定部
９００ 電極
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
Copyright © 2010-2025 Science Impact Inc. All Rights Reserved.