特許 6473658 推定システム、推定方法、推定装置

(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】6473658

(24)【登録日】2019年2月1日

(45)【発行日】2019年2月20日

(54)【発明の名称】推定システム、推定方法、推定装置

(51)【国際特許分類】

   G06F 3/01 20060101AFI20190207BHJP

   A61B 5/055 20060101ALI20190207BHJP

【ＦＩ】

   G06F3/01 515

   A61B5/055 382

   A61B5/055 390

【請求項の数】10

【全頁数】33

(21)【出願番号】特願2015-97979(P2015-97979)

(22)【出願日】2015年5月13日

(65)【公開番号】特開2016-212772(P2016-212772A)

(43)【公開日】2016年12月15日

【審査請求日】2018年4月25日

【国等の委託研究の成果に係る記載事項】（出願人による申告）平成２５年度独立行政法人科学技術振興機構 研究成果展開事業 研究成果最適展開支援プログラム 産業技術力強化法第１９条の適用を受ける特許出願

(73)【特許権者】

【識別番号】393031586

【氏名又は名称】株式会社国際電気通信基礎技術研究所

(74)【代理人】

【識別番号】110001195

【氏名又は名称】特許業務法人深見特許事務所

(72)【発明者】

【氏名】神谷 之康

【審査官】 円子 英紀

(56)【参考文献】

【文献】 特開２０１４−１１５９１３（ＪＰ，Ａ）

【文献】 特開２０１０−２７４０３５（ＪＰ，Ａ）

【文献】 米国特許出願公開第２０１１／００４６４７３（ＵＳ，Ａ１）

【文献】 関口 達彦，脳活動の多変量パターン解析を用いた腕時計のデザイン評価，電子情報通信学会論文誌，社団法人電子情報通信学会，２０１１年 ６月 １日，第Ｊ９４−Ｄ巻，第６号，p.1017-1024

【文献】 相良 和彦，ブレインコミュニケーション 脳と社会の通信手段，社団法人電子情報通信学会，２０１１年 ４月２５日，第１版，p.80-133

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｆ ３／０１

Ａ６１Ｂ ５／０５５

(57)【特許請求の範囲】

【請求項1】

各被験者に対して知覚刺激を与えたときに計測される脳活動情報を、予め定められた複数の知覚刺激のそれぞれについて取得する取得手段と、
前記複数の知覚刺激のうちの２つの知覚刺激からなる各組み合わせについて、対応する２つの脳活動情報間の類似度を表現する類似度行列を生成する生成手段と、
複数の被験者の各々について生成された類似度行列から、前記複数の知覚刺激の各々に対応する、所定次元の空間上の座標を算出するとともに、前記複数の知覚刺激のうち、あるラベルが付与された知覚刺激に対応する前記空間上の座標と、それ以外の知覚刺激に対応する前記空間上の座標とから、当該ラベルについての判別器を決定する決定手段と、
判別対象の知覚刺激を各被験者に対して与えたときに計測される脳活動情報を、前記決定された判別器に適用することで、前記判別対象の知覚刺激が前記判別器に関連付けられるラベルに該当するか否かを判別する判別手段とを備える、推定システム。

【請求項2】

前記決定手段は、前記複数の被験者について生成された複数の類似度行列について、対応する要素同士を平均化することで平均類似度行列を生成し、前記平均類似度行列から判別器を決定する、請求項１に記載の推定システム。

【請求項3】

前記決定手段は、前記複数の被験者の各々について生成された類似度行列から、被験者ごとに判別器を決定し、
前記判別手段は、前記判別対象の知覚刺激を各被験者に対して与えたときに計測される被験者ごとの脳活動情報を対応する判別器に適用するとともに、各被験者についての判定結果を統計処理することで、前記判別対象の知覚刺激が前記ラベルに該当するか否かを判別する、請求項１に記載の推定システム。

【請求項4】

前記判別手段は、
各被験者について、前記判別対象の知覚刺激を与えたときに計測される脳活動情報と、前記予め定められた複数の知覚刺激を与えたときに計測される脳活動情報との間の類似度を算出することで、類似度行列を再構成し、
前記再構成された類似度行列から算出される前記空間上の座標が前記判別器で定義される領域に含まれるか否かを判断する、請求項１〜３のいずれか１項に記載の推定システム。

【請求項5】

前記決定手段は、多次元尺度構成法によって、前記類似度行列から２次元空間上の座標を算出する、請求項１〜４のいずれか１項に記載の推定システム。

【請求項6】

前記知覚刺激は、被験者に画像を見せることで与えられる視覚刺激を含む、請求項１〜５のいずれか１項に記載の推定システム。

【請求項7】

前記ラベルは、画像が表す商品についての既知の属性、および、画像が表す商品に対する印象を表す言語表現のうち、いずれかを含む、請求項６に記載の推定システム。

【請求項8】

前記複数の知覚刺激を前記空間上の対応する座標にマッピングした結果を視覚的に表示する表示手段をさらに備え、
前記表示手段は、マッピングされた各知覚刺激の表示態様を付与されたラベルに応じて異ならせる、請求項１〜７のいずれか１項に記載の推定システム。

【請求項9】

各被験者に対して知覚刺激を与えたときに表れる脳活動情報を、予め定められた複数の知覚刺激のそれぞれについて計測するステップと、
前記複数の知覚刺激のうちの２つの知覚刺激からなる各組み合わせについて、対応する２つの脳活動情報間の類似度を表現する類似度行列を生成するステップと、
複数の被験者の各々について生成された類似度行列から、前記複数の知覚刺激の各々に対応する、所定次元の空間上の座標を算出するとともに、前記複数の知覚刺激のうち、あるラベルが付与された知覚刺激に対応する前記空間上の座標と、それ以外の知覚刺激に対応する前記空間上の座標とから、当該ラベルについての判別器を決定するステップと、
判別対象の知覚刺激を各被験者に対して与えたときに表れる脳活動情報を、前記決定された判別器に適用することで、前記判別対象の知覚刺激が前記判別器に関連付けられるラベルに該当するか否かを判断するステップとを備える、推定方法。

【請求項10】

被験者ごとの類似度行列を格納する手段を備え、前記類似度行列は、予め定められた複数の画像を各被験者に見せたときに計測される脳活動情報に基づいて算出される、前記複数の画像のうちの２つの画像からなる各組み合わせについての対応する２つの脳活動情報間の類似度を表現するものであり、さらに
判別対象の画像を受信する手段と、
前記判別対象の画像を各被験者に見せたときに計測される脳活動情報と、前記予め定められた複数の画像を各被験者に見せたときに計測される脳活動情報との間の類似度を算出することで、類似度行列を再構成する手段と、
前記再構成された類似度行列から、前記予め定められた複数の画像および前記判別対象の画像の各々についての、所定次元の空間上の座標を算出する手段と、
前記予め定められた複数の画像のうちあるラベルが付与された画像に対応する前記空間上の座標と、それ以外の画像に対応する前記空間上の座標とから、前記判別対象の画像が当該ラベルに該当するか否かを判断する手段とを備える、推定装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、被験者の脳活動情報を用いて、当該被験者が抱くであろう感覚または印象といった潜在意識を推定する技術に関する。

【背景技術】

【0002】

従来から、機能的核磁気共鳴画像法（functional Magnetic Resonance Imaging；以下「ｆＭＲＩ」と略称する。）などを用いて被験者の脳活動を計測し、何らかの知覚刺激を与えた場合に、当該知覚刺激に対する当該被験者の感じ方、潜在的な評価などを推定する技術が知られている。

【0003】

例えば、特許文献１（特開２０１４−１１５９１３号公報）は、人が見た対象物と類似する感覚を潜在的に覚える対象物を脳情報データベースから検出する脳情報処理装置を開示する。すなわち、特許文献１に記載の技術を用いることで、潜在的な意識を示す脳活動情報を用いて、人が類似する感覚を覚であろう対象物を特定できる。このような技術を用いることで、例えば、複数の予め用意された画像のうち、最も売れている商品について覚える感覚に近い感覚を覚えるであろう画像をランキング付けできる。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１４−１１５９１３号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

上述の先行技術において、脳情報処理装置が検出しているものは、「人が見た対象物と類似する感覚を潜在的に覚える対象物」である。すなわち、先行技術においては、画像間で人が類似する感覚を覚えるか否かが判断される。

【0006】

しかしながら、現実世界への適用、例えば、マーケティングへの応用を考慮すると、ある画像について、人がどのような感覚を覚えるのかといったことを評価できることが好ましい。すなわち、ある画像に対する人が覚える感覚を、印象を表す言語表現との関連性として、定量的に評価できることが要望される。

【0007】

より具体的なマーケティングを考慮すると、ある画像に象徴される商品の外観（商品デザイン）に対して、人が購買意欲を感じるか否かを推定することが要望される。さらに、上述のような推定または判断を、特定の人が抱くであろう感覚または印象についてではなく、多数の人が抱くであろう感覚または印象について行なう必要がある。

【課題を解決するための手段】

【0008】

本発明のある実施の形態に従う推定システムは、各被験者に対して知覚刺激を与えたときに計測される脳活動情報を、予め定められた複数の知覚刺激のそれぞれについて取得する取得手段と、複数の知覚刺激のうちの２つの知覚刺激からなる各組み合わせについて、対応する２つの脳活動情報間の類似度を表現する類似度行列を生成する生成手段と、複数の被験者の各々について生成された類似度行列から、複数の知覚刺激の各々に対応する、所定次元の空間上の座標を算出するとともに、複数の知覚刺激のうち、あるラベルが付与された知覚刺激に対応する空間上の座標と、それ以外の知覚刺激に対応する空間上の座標とから、当該ラベルについての判別器を決定する決定手段と、判別対象の知覚刺激を各被験者に対して与えたときに計測される脳活動情報を、決定された判別器に適用することで、判別対象の知覚刺激が判別器に関連付けられるラベルに該当するか否かを判別する判別手段とを含む。

【0009】

好ましくは、決定手段は、複数の被験者について生成された複数の類似度行列について、対応する要素同士を平均化することで平均類似度行列を生成し、平均類似度行列から判別器を決定する。

【0010】

好ましくは、決定手段は、複数の被験者の各々について生成された類似度行列から、被験者ごとに判別器を決定し、判別手段は、判別対象の知覚刺激を各被験者に対して与えたときに計測される被験者ごとの脳活動情報を対応する判別器に適用するとともに、各被験者についての判定結果を統計処理することで、判別対象の知覚刺激がラベルに該当するか否かを判別する。

【0011】

好ましくは、判別手段は、各被験者について、判別対象の知覚刺激を与えたときに計測される脳活動情報と、予め定められた複数の知覚刺激を与えたときに計測される脳活動情報との間の類似度を算出することで、類似度行列を再構成し、再構成された類似度行列から算出される空間上の座標が判別器で定義される領域に含まれるか否かを判断する。

【0012】

好ましくは、決定手段は、多次元尺度構成法によって、類似度行列から２次元空間上の座標を算出する。

【0013】

好ましくは、知覚刺激は、被験者に画像を見せることで与えられる視覚刺激を含む。
さらに好ましくは、ラベルは、画像が表す商品についての既知の属性、および、画像が表す商品に対する印象を表す言語表現のうち、いずれかを含む。

【0014】

好ましくは、推定システムは、複数の知覚刺激を空間上の対応する座標にマッピングした結果を視覚的に表示する表示手段をさらに含み、表示手段は、マッピングされた各知覚刺激の表示態様を付与されたラベルに応じて異ならせる。

【0015】

本発明の別の実施の形態に従う推定方法は、各被験者に対して知覚刺激を与えたときに表れる脳活動情報を、予め定められた複数の知覚刺激のそれぞれについて計測するステップと、複数の知覚刺激のうちの２つの知覚刺激からなる各組み合わせについて、対応する２つの脳活動情報間の類似度を表現する類似度行列を生成するステップと、複数の被験者の各々について生成された類似度行列から、複数の知覚刺激の各々に対応する、所定次元の空間上の座標を算出するとともに、複数の知覚刺激のうち、あるラベルが付与された知覚刺激に対応する空間上の座標と、それ以外の知覚刺激に対応する空間上の座標とから、当該ラベルについての判別器を決定するステップと、判別対象の知覚刺激を各被験者に対して与えたときに表れる脳活動情報を、決定された判別器に適用することで、判別対象の知覚刺激が判別器に関連付けられるラベルに該当するか否かを判断するステップとを含む。

【0016】

本発明のさらに別の実施の形態に従う推定装置は、被験者ごとの類似度行列を格納する手段を含む。類似度行列は、予め定められた複数の画像を各被験者に見せたときに計測される脳活動情報に基づいて算出される、複数の画像のうちの２つの画像からなる各組み合わせについての対応する２つの脳活動情報間の類似度を表現するものである。推定装置は、さらに、判別対象の画像を受信する手段と、判別対象の画像を各被験者に見せたときに計測される脳活動情報と、予め定められた複数の画像を各被験者に見せたときに計測される脳活動情報との間の類似度を算出することで、類似度行列を再構成する手段と、再構成された類似度行列から、予め定められた複数の画像および判別対象の画像の各々についての、所定次元の空間上の座標を算出する手段と、予め定められた複数の画像のうちあるラベルが付与された画像に対応する空間上の座標と、それ以外の画像に対応する空間上の座標とから、判別対象の画像が当該ラベルに該当するか否かを判断する手段とを含む。

【発明の効果】

【0017】

本発明のある実施の形態によれば、予め定められたラベル付けされた複数の知覚刺激を与えたときに表れる脳活動情報を用いて、任意の知覚刺激に対して、被験者が抱くであろう感覚または印象を推定することができる。

【図面の簡単な説明】

【0018】

【図1】本発明の実施の形態に従う推定方法の概要を説明するための図である。

【図2】本発明の実施の形態に従う推定システムの装置構成を示す模式図である。

【図3】本発明の実施の形態に従う推定システムを構成する情報処理装置の装置構成を示す模式図である。

【図4】本発明の実施の形態に従う推定方法における脳活動情報を計測する処理を説明するための図である。

【図5】本発明の実施の形態に従う推定方法における類似度行列の生成処理を説明するための図である。

【図6】本発明の実施の形態に従う推定方法における類似度の算出処理を説明するための図である。

【図7】本発明の実施の形態に従う推定方法における平均類似度行列を生成する処理を説明するための図である。

【図8】本発明の実施の形態に従う推定方法におけるマッピング処理を説明するための図である。

【図9】本発明の実施の形態に従う推定方法における判別器の決定処理を説明するための図である。

【図10】実際の計測結果に基づいて生成された判別器の判別性能を評価した結果を示す図である。

【図11】実際の計測結果に基づいて生成された判別器の判別性能を評価した別の結果を示す図である。

【図12】本発明の実施の形態に従う推定方法における類似度行列の再構成処理を説明するための図である。

【図13】本発明の実施の形態に従う推定方法における未知の商品デザインをマッピングした結果の一例を示す図である。

【図14】実際の計測結果に基づいて生成された判別器を用いてアンケート結果を推定した結果を示す図である。

【図15】被験者のアンケート結果に基づいて商品の売上実績を推定した結果を示す図である。

【図16】本発明の実施の形態に従う推定システムを構成する情報処理装置の機能構成を示す模式図である。

【図17】本発明の実施の形態に従う推定システムを構成する情報処理装置により提供されるユーザインターフェイス画面の一例を示す図である。

【図18】本発明の実施の形態に従う推定方法における判別結果を平均化する別手法を説明するための図である。

【図19】本発明の実施の形態の変形例に従う推定システムの構成を模式的に示す図である。

【図20】本発明の実施の形態の変形例に従う推定システムにより提供される判別結果の一例を示す模式図である。

【発明を実施するための形態】

【0019】

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。

【0020】

［Ａ．概要］
まず、本発明の実施の形態に従う推定方法の概要について説明する。本実施の形態に従う推定方法は、予めラベルが付与された知覚刺激（例えば、各知覚刺激に対して人が覚える感覚がラベルされている）を被験者に与えたときに表れる脳活動情報に基づいて、各ラベルについての判別器を決定するとともに、ある知覚刺激を被験者に与えたときに表れる脳活動情報から、該知覚刺激に該当するラベルを判別器により特定し、当該知覚刺激に対して被験者が覚えるであろう感覚を推定する。

【0021】

図１は、本発明の実施の形態に従う推定方法の概要を説明するための図である。図１を参照して、本実施の形態に従う推定方法は、主として、ステップＳ１〜Ｓ９の処理を含む。以下では、典型例として、知覚刺激として画像（すなわち、視覚に対する刺激）を用いる場合について説明する。

【0022】

ステップＳ１において、１または複数のラベルが付与された画像が複数用意される。図１には、複数の画像３００−１，３００−２，３００−３，…（以下、「画像３００」と総称する場合もある。）と、それぞれの画像に関連付けられたラベル３０２−１，３０２−２，３０２−３，…（以下、「ラベル３０２」と総称する場合もある。）とを示す。

【0023】

マーケティングへ応用する場合には、例えば、画像３００は、既存の商品の外観（商品デザイン）を含み、対応するラベル３０２は、当該商品についての既知の属性、および、当該商品に対する印象を表す１または複数の言語表現を含む。

【0024】

ステップＳ２において、各被験者に対して知覚刺激を与えたときに表れる脳活動情報を、予め定められた複数の知覚刺激のそれぞれについて計測する。より具体的には、複数の被験者（図１においては、被験者１のみを示す）にそれぞれの画像３００を見てもらい、そのときの脳活動情報３０４−１，３０４−２，３０４−３，…（以下、「脳活動情報３０４」と総称する場合もある。）が計測される。

【0025】

本実施の形態では、一例として、ｆＭＲＩ計測によって脳活動情報３０４が取得される。ｆＭＲＩ計測によれば、脳活動情報として、脳の活性度を示す複数の画像が取得される。これらのｆＭＲＩ計測によって画像は「ｆＭＲＩ脳活動パターン」とも称され、画像３００との区別のため、以下の説明では、「脳活動パターン画像」と称することもある。

【0026】

ｆＭＲＩ計測に限られず、ＮＩＲＳ脳計測、ポジトロン断層法（ＰＥＴ：positron emission tomography）計測などによって取得された脳活動情報を用いてもよい。

【0027】

また、脳活動情報を取得する対象としては、脳の全体である全脳であってもよいし、脳の一部であってもよい。脳の一部としては、例えば、低次視覚野（ＬＶＣ：lower visual cortex）、高次視覚野（ＨＶＣ：higher visual cortex）、頭頂葉（ＰＣ：parietal cortex）、前頭前皮質（ＰＦＣ：Prefrontal cortex）、大脳基底核（ＢＧ：basal ganglia）、扁桃体（Amygdala）、海馬（ＨＣ：hippocampus）、および、前頭葉（ＦＣ：frontal cortex/frontal lobe）などがある。また、前頭前皮質（ＰＦＣ）は、腹内側前頭前野（ｖｍＰＦＣ：ventromedial prefrontal cortex）、眼窩前頭皮質（ＯＦＣ：orbitofrontal cortex）、背外側前頭前野（ＤＬＰＦＣ：dorsolateral prefrontal cortex）を含む。

【0028】

ステップＳ３において、複数の知覚刺激のうちの２つの知覚刺激からなる各組み合わせについて、対応する２つの脳活動情報間の類似度を表現する行列を生成する。より具体的には、被験者ごとに、画像３００についての脳活動情報間の類似性を示す脳表現類似度行列（Representational Similarity Matrix：ＲＳＭ）が生成される。以下の説明では、脳表現類似度行列を、単に「類似度行列」とも略称する。後述するように、類似度行列３０６は、被験者がある画像３００を見たときに計測される脳活動情報と、同一の被験者が別の画像３００を見たときに計測される脳活動情報との類似性を、すべての画像間の組み合わせについて評価した結果を行列状に配置したものである。

【0029】

類似度行列３０６を用いることで、人が類似する感覚を覚えるであろう画像３００の群を特定することができる。ステップＳ３においては、被験者の数と同数の類似度行列３０６−１，３０６−２，３０６−３，…（以下、「類似度行列３０６」を総称する場合もある。）が生成されることになる。また、脳の複数の領野からそれぞれ計測される複数の脳活動情報の各々について、類似度行列を生成する場合には、１人の被験者について、計測される部位の数だけ類似度行列３０６が生成される（図示していない）。

【0030】

ステップＳ４およびＳ５において、複数の被験者の各々について生成された類似度行列３０６から、複数の知覚刺激の各々に対応する、所定次元の空間上の座標を算出する。そして、複数の知覚刺激のうち、あるラベルが付与された知覚刺激に対応する空間上の座標と、それ以外の知覚刺激に対応する空間上の座標とから、当該ラベルについての判別器を決定する。

【0031】

より具体的には、ステップＳ４において、複数の被験者の間のばらつきによる影響を低減するための統計処理が実行される。図１には、複数の被験者のそれぞれについて生成される類似度行列３０６を平均化することで、平均類似度行列３０８を生成する例について示す。平均類似度行列３０８の生成処理においては、複数の類似度行列３０６の対応する各要素群の間で、要素値を平均化することで、平均類似度行列３０８における対応する座標の値を算出する。いわば、複数の類似度行列３０６を重ね合わせて平均化することで、平均類似度行列３０８が生成される。

【0032】

なお、ステップＳ４に示す平均類似度行列３０８を生成する方法に代えて、統計的な処理を用いることもできる。この代替的な処理については、後述する。

【0033】

ステップＳ５において、ステップＳ４において生成された平均類似度行列３０８の各要素（画像３００）を空間にマッピングするとともに、各要素に対応付けられたラベルを用いて、当該空間における判別器３１０が決定される。

【0034】

上述のステップＳ１〜Ｓ５は、一種の教師あり学習に相当し、各ラベルに対応付けられた判別器３１０を決定する。なお、単一のラベルについての判別器３１０を決定する場合には、ステップＳ５において、各要素（画像３００）は、より低次元の空間（例えば、２次元空間）にマッピングされることになるが、複数のラベルに関する判別器３１０を決定することもでき、この場合には、各要素（画像３００）は、より高い多次元の空間にマッピングされることになる。

【0035】

ステップＳ６〜Ｓ９では、判別対象の知覚刺激を各被験者に対して与えたときに表れる脳活動情報を、決定された判別器３１０に適用することで、判別対象の知覚刺激が当該判別器３１０に関連付けられるラベルに該当するか否かを判断する。より具体的には、決定された判別器３１０を利用して、判別対象の画像３２０に対して被験者が抱くであろう感覚（または、印象）を推定する。

【0036】

このように、本実施の形態に従う推定方法は、判別器３１０を決定するステップＳ１〜Ｓ５の過程（一種の学習過程）と、判別器３１０を利用して判別結果を出力するステップＳ６〜Ｓ９の過程（判定処理）とを含む。

【0037】

ステップＳ６において、ステップＳ１〜Ｓ５において脳活動情報を計測した複数の被験者（Ｍ人）のうち、少なくとも一部の被験者（ｍ人≦Ｍ人）に、判別対象の画像３２０を見てもらい、そのときの脳活動情報３２４が計測される。判別対象の画像３２０としては、例えば、発売前の未公開の商品デザインなどである。

【0038】

ステップＳ７において、ステップＳ３と同様に、先に計測されている脳活動情報（あるいは、先に作成されている類似度行列３０６−１，３０６−２，…）を用いて、ステップＳ６において取得された脳活動情報３２４を反映した、類似度行列３２６−１，３２６−２，…がそれぞれ再構成される。

【0039】

ステップＳ８において、ステップＳ４と同様に、類似度行列３２６−１，３２６−２，…についての平均類似度行列３２８が生成され、さらに平均類似度行列３２８中の判別対象の画像３２０に対応する要素が空間にマッピングされる。

【0040】

ステップＳ９において、判別対象の画像３２０がマッピングされた空間上の位置を、判別器３１０を用いて評価することで、当該判別対象の画像３２０が判別器３１０に関連付けられたラベルの値を有するのか否かが判別される。そして、この判別結果が出力される。人の複数の領野それぞれ、および、複数のラベルそれぞれについて、判別器３１０が決定される場合には、それぞれの判別器３１０について判別結果を得ることができる。

【0041】

上述のような処理によって、１または複数の被験者が判別対象の画像３２０に対して、抱くであろう感覚（または、印象）を推定することができる。

【0042】

本実施の形態に従う推定方法では、知覚刺激は、被験者に画像を見せることで与えられる視覚刺激を含む。図１には、知覚刺激として画像（視覚に対する刺激）を用いる例を示したが、別の知覚刺激（典型的には、嗅覚、聴覚、味覚、皮膚感覚に対する刺激）を用いてもよい。例えば、匂いを知覚刺激として用いることで、芳香剤または香水のマーケティングに応用することができる。また、音声を知覚刺激として用いることで、コマーシャルソングの好感度などを推定することができる。また、味を知覚刺激として用いることで、菓子または各種食品のマーケティングに応用することができる。また、肌触りを知覚刺激として用いることで、被服のマーケティングに応用することができる。

【0043】

図１に示すような本実施の形態に従う推定方法によれば、知覚刺激に対して人が覚える感覚を、印象を表す言語表現との関連性として、定量的に評価できる。図１に示すように、商品の外観（商品デザイン）を含む画像を知覚刺激とする場合には、その画像を見た被験者から取得される脳活動情報を用いて、人の深層心理を反映したデザイン評価を行なうことができる。

【0044】

また、商品の外観（商品デザインまたは商品パッケージ）を見た被験者から計測された脳活動情報から、当該商品の売上を予測するようなシステムを提供することもできる。この場合には、既存商品（売上実績および購買層などが既知であるとする）のデザインを見た複数の被験者から計測された脳活動情報と、新商品（売上未知）のデザインを見た複数の被験者から計測された脳活動情報とを用いて、当該新商品に対するや売上予測や与える印象などの推定を行なうことができる。

【0045】

［Ｂ．装置構成］
次に、本実施の形態に従う推定方法を実現するための推定システム１の装置構成について説明する。

【0046】

図２は、本発明の実施の形態に従う推定システム１の装置構成を示す模式図である。図２には、ｆＭＲＩ計測によって被験者の脳活動情報を取得する構成例を示す。より具体的には、推定システム１は、情報処理装置１００と、ｆＭＲＩ装置２００とを含む。

【0047】

ｆＭＲＩ装置２００は、被験者Ｓの脳活動情報を取得したい領域（以下、「関心領域」とも称す。）に向けて、共鳴周波数の高周波電磁場を印加することで、特定の原子核（例えば、水素原子核）から共鳴により生じる電磁波を検出することで、脳活動情報を計測する。

【0048】

図２においては、被験者Ｓが載置される円筒形状のボアの中心軸をＺ軸と定義し、Ｚ軸に直交する水平方向および鉛直方向をそれぞれにＸ軸およびＹ軸と定義する。

【0049】

ｆＭＲＩ装置２００は、磁場印加機構２１０と、受信コイル２０２と、駆動部２２０と、データ処理部２５０とを含む。

【0050】

磁場印加機構２１０は、被験者Ｓの関心領域に制御された磁場（静磁場および傾斜磁場）を印加するとともに、ＲＦ（Radio Frequency）パルスを照射する。より具体的には、磁場印加機構２１０は、静磁場発生コイル２１２と、傾斜磁場発生コイル２１４と、ＲＦ照射部２１６と、被験者Ｓをボア内に載置する寝台２１８とを含む。

【0051】

駆動部２２０は、磁場印加機構２１０に接続され、被験者Ｓに印加される磁場、および、ＲＦパルス波の送受信を制御する。より具体的には、駆動部２２０は、静磁場電源２２２と、傾斜磁場電源２２４と、信号送信部２２６と、信号受信部２２８と、寝台駆動部２３０とを備える。

【0052】

静磁場発生コイル２１２は、Ｚ軸周りに巻回される螺旋コイルから、ボア内にＺ軸方向の静磁場を発生させる。ボアに形成される静磁場の均一性の高い領域に被験者Ｓの関心領域が設定されることになる。具体的には、静磁場発生コイル２１２は、駆動部２２０の静磁場電源２２２から螺旋コイルへ電流が供給されることよって誘導磁場を発生する。一例として、静磁場発生コイル２１２は、４個の空芯コイルを組み合わせて構成することで、ボア内に均一な静磁場を形成し、被験者Ｓの体内の特定の原子核のスピンに配向性を与える。

【0053】

傾斜磁場発生コイル２１４は、ボア内にＸ軸方向、Ｙ軸方向、Ｚ軸方向の傾斜磁場をそれぞれ発生させる、Ｘコイル、Ｙコイル、Ｚコイル（図示していない）を含む。傾斜磁場発生コイル２１４は、円筒形状を示す静磁場発生コイル２１２の内周面に設けられる。傾斜磁場発生コイル２１４のそれぞれのコイルは、傾斜磁場電源２２４からそれぞれ独立に電流が供給されることによって、それぞれの軸に各電流に応じた磁場を発生する。傾斜磁場電源２２４は、Ｘコイル、Ｙコイル、Ｚコイルに与える電流を順番に切り替えることで、静磁場発生コイル２１２が形成する均一な静磁場に対して傾斜磁場を重畳することで、ボア内の静磁場に強度勾配を付与する。

【0054】

ＲＦ照射部２１６は、制御シーケンスに従って信号送信部２２６から送信される高周波信号に基づいて、被験者Ｓの関心領域にＲＦパルスを照射する。図２には、ＲＦ照射部２１６が磁場印加機構２１０に内蔵されている構成を例示するが、ＲＦ照射部２１６を寝台２１８側に設けてもよいし、ＲＦ照射部２１６と受信コイル２０２とを一体化してもよい。

【0055】

ｆＭＲＩ装置２００において、静磁場発生コイル２１２が発生する静磁場により、被験者Ｓの体内に存在する特定の原子核の核スピンは、その磁場方向（Ｚ軸）に配向するとともに、当該原子核に固有のラーモア周波数でその磁場方向（Ｚ軸）を軸として歳差運動する。この状態において、ＲＦ照射部２１６からラーモア周波数と同じ周波数のＲＦパルスを照射すると、当該特定の原子核は、共鳴によるエネルギー吸収を生じて励起し、核磁気共鳴現象（ＮＭＲ現象：Nuclear Magnetic Resonance）が生じる。核磁気共鳴現象が生じた後に、ＲＦパルスの照射を停止すると、吸収したエネルギーを放出して元の定常状態に戻る緩和過程で、原子核は、ラーモア周波数と同じ周波数の電磁波（ＮＭＲ信号）を放出する。

【0056】

受信コイル２０２は、被験者Ｓから放出される電磁波（ＮＭＲ信号）を受信し、アナログ信号を出力する。受信コイル２０２から出力されたアナログ信号は、信号受信部２２８において、増幅およびアナログ／デジタル変換された上で、データ処理部２５０へ出力される。受信コイル２０２は、ＮＭＲ信号を高感度で検出できるように、被験者Ｓに近接して配置されることが好ましい。

【0057】

傾斜磁場発生コイル２１４が発生する傾斜磁場を制御することで、被験者Ｓの関心領域を適宜設定することができる。より具体的には、静磁場に加えてＺ軸傾斜磁場を印加した状態にある被験者Ｓに、ＲＦパルスを照射すると、磁場の強さが共鳴条件になっている部分の特定の原子核が選択的に励起される。Ｚ軸傾斜磁場の大きさを変化させることで、共鳴条件に合致する部分（例えば、被験者Ｓの断層方向の位置）が変化することになる。さらに、ＮＭＲ信号の発信位置を特定するために、Ｘ軸傾斜磁場およびＹ軸傾斜磁場が制御される。

【0058】

より具体的には、傾斜磁場発生コイル２１４のＺコイルは、ＲＦパルスの照射時に、磁場強度をＺ軸方向に傾斜させて共鳴面を限定し、Ｙコイルは、Ｚ軸方向の磁場印加の直後に、短時間の傾斜磁場を加えてＮＭＲ信号にＹ座標に比例した位相変調を与え（位相エンコーディング）、Ｘコイルは、ＲＦパルスの照射の続くデータ採取時に、傾斜磁場を加えてＮＭＲ検出信号にＸ座標に比例した周波数変調を与える（周波数エンコーディング）。

【0059】

このような重畳される傾斜磁場の切り替えは、制御シーケンスに従って、傾斜磁場電源２２４がＸコイル、Ｙコイル、Ｚコイルにそれぞれ異なるパルス信号を供給することで実現される。このような傾斜磁場の制御によって、ＮＭＲ信号の発信位置を特定でき、被験者Ｓの脳活動パターン画像を形成するのに必要な３次元座標上の位置情報が得られる。

【0060】

寝台駆動部２３０は、寝台２１８をＺ軸方向の任意位置に移動させる。
データ処理部２５０は、駆動部２２０に対する制御シーケンスを設定するとともに、受信コイル２０２で受信されたＮＭＲ信号から脳の活性度を示す複数の脳活動パターン画像（脳活動情報）を生成する。

【0061】

データ処理部２５０は、制御部２５１と、入力部２５２と、表示部２５３と、記憶部２５４と、画像処理部２５６と、データ収集部２５７と、インターフェイス２５８とを含む。データ処理部２５０としては、専用のコンピュータであってもよいし、記憶部２５４などに格納された制御プログラムを実行することで、所定の処理を実現する汎用コンピュータであってもよい。

【0062】

制御部２５１は、駆動部２２０を駆動させる制御シーケンスを発生させるなどの各機能部の動作を制御する。入力部２５２は、図示しない操作者から各種操作や情報入力を受付ける。表示部２５３は、被験者Ｓの関心領域に関する各種画像および各種情報を画面表示する。記憶部２５４は、ｆＭＲＩ計測に係る処理を実行するための制御プログラム、パラメータ、画像データ（３次元モデル像等）、その他の電子データなどを格納する。

【0063】

画像処理部２５６は、検出されたＮＭＲ信号のデータに基づいて、脳の活性度を示す複数の脳活動パターン画像（脳活動情報）を生成する。より具体的には、画像処理部２５６は、ＲＦパルスの照射を繰り返すことで検出されるＮＭＲ信号のデータに対して２回のフーリエ変換を行なうことで、共鳴の周波数をＸ−Ｙ座標にプロットすることで、脳の活性度を示す複数の脳活動パターン画像を生成する。

【0064】

インターフェイス２５８は、駆動部２２０との間で各種の信号を遣り取りする。データ収集部２５７は、関心領域に由来する一群のＮＭＲ信号からなるデータを収集する。

【0065】

本実施の形態に従う推定システム１においては、図１のステップＳ２に示すように、１または複数のラベル付き画像を被験者Ｓが見たときの脳活動情報が計測される。そのため、ボア内に載置される被験者Ｓが画像を見ることができるように構成される。その一例として、推定システム１においては、被験者Ｓは、装着したプリズムメガネ２０４により、Ｚ軸に対して垂直に設置されたディスプレイ２０６に表示される画像を見ることができるようになっている。すなわち、ディスプレイ２０６に表示される画像により、被験者Ｓに対して視覚刺激が与えられる。データ処理部２５０の表示制御部２５５は、ディスプレイ２０６に表示される画像を順次切り替える。

【0066】

なお、被験者Ｓに対して視覚刺激を与える方法としては、被験者Ｓの目前にプロジェクターを配置し、対象の画像を投影するようにしてもよい。

【0067】

図３は、本発明の実施の形態に従う推定システム１を構成する情報処理装置１００の装置構成を示す模式図である。情報処理装置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３を参照して、情報処理装置１００は、主たるコンポーネントとして、プロセッサ１０２と、主記憶部１０４と、コントロールインターフェイス１０６と、ネットワークインターフェイス１０８と、入力部１１０と、表示部１１２と、二次記憶部１２０とを含む。

【0068】

プロセッサ１０２は、二次記憶部１２０に格納されている処理プログラム１２２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。主記憶部１０４は、ＤＲＡＭ（Dynamic 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。

【0069】

情報処理装置１００は、通信機能を有しており、この通信機能は、主として、コントロールインターフェイス１０６およびネットワークインターフェイス１０８によって提供される。

【0070】

コントロールインターフェイス１０６は、ｆＭＲＩ装置２００のデータ処理部２５０との間でデータを遣り取りする。ネットワークインターフェイス１０８は、外部装置（例えば、クラウド上のデータサーバ装置など）との間でデータを遣り取りする。コントロールインターフェイス１０６およびネットワークインターフェイス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。

【0071】

入力部１１０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。表示部１１２は、典型的には、ディスプレイなどで構成され、情報処理装置１００における処理の実行状態や操作に係る各種情報をユーザへ通知する。

【0072】

二次記憶部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、二次記憶部１２０は、処理プログラム１２２、画像データ１２４、処理結果データ１２６などを格納する。

【0073】

［Ｃ．ラベル］
次に、図１のステップＳ１において用意される複数の画像に付与されるラベル３０２について説明する。各画像に付与されるラベル３０２は、当該商品についての既知の属性、および、当該商品に対する印象を表す１または複数の言語表現を含む。

【0074】

ラベル３０２に含まれる既知の属性としては、例えば、「売れている」または「売れていない」といった事項を含む。

【0075】

ラベル３０２に含まれる印象を表す言語表現としては、例えば、（１）対象の画像が「好き」または「嫌い」、（２）対象の画像が表す商品を「知っている」または「知らない」、（３）対象の画像が表す商品が「おいしい」または「おいしくない」、といった形容詞および動詞などを含む。その他の印象を表す言語表現としては、以下のようなものが列挙できる。

【0076】

・なじみやすい／親しみやすい（Friendly）
・キリッとした／スッキリした（Sharp）
・のどごしが良さそうな（Drinking）
・コクがある／味わい深そうな（Full-bodied）
・マイルドな／クリーミーな（Mild）
・社会に貢献している（Volunteer）
・食事がおいしくなる（Eating）
・香りがよさそうな（Fragrant）
・正統派な／伝統的な（Classical/Traditional）
・元気な／健康的な（Active）
・高品質な／上品な（Elegant）
・派手な（Flashy）
・セクシーな（Sexy）
・センスの良い／格好良い（Fashionable/Cool）
・高齢者らしい（Senior）
・子供らしい（Childish）
・新鮮な（Fresh）
・リラックスできる／安心できる（Relaxing）
・楽しい（Joyful）
・かわいい（Cute）
・自然な（Natural）
・男性的な（Manly）
・女性的な（Feminine）
これらの言語表現はあくまでも一例であり、これらに限定されることなく、応用先に応じて任意の言語表現を選択すればよい。また、ラベルとしては、「売れている」および「売れていない」といった２値に限られず、「売れている」、「まあまあ売れている」、「売れていない」といったより多くの値（すなわち、３値以上）をとるようにしてもよい。あるいは、逆に、売上またはシェアがある一定値を超えた場合に限って、「売れている」といったラベルを付与し、それ以外には、ラベルを付与しないようにしてもよい。

【0077】

また、それぞれの画像３００に付与されるラベルの種類および数は、必ずしも同一にする必要はなく、各画像３００の内容に応じて該当する１または複数のラベルが付与される。各画像に付与されるラベルの値は、既知の属性から決定してもよいし、アンケートに対する回答などから決定してもよい。

【0078】

さらに、固定的な内容のラベルを付与するのではなく、知覚刺激を与えたときに計測される脳活動情報（脳波など）の類似性などを評価し、その類似性に基づいて、複数の画像のグループ分け（一種のラベル付与）を行なうようにしてもよい。このような手法を採用することで、一種の半教師あり学習を実現することができる。

【0079】

［Ｄ．脳活動情報の計測］
次に、図１のステップＳ２に示す、被験者から脳活動情報を計測する処理について説明する。

【0080】

各被験者は、図２に示されるｆＭＲＩ装置２００のボア内の計測位置に載置された状態で、知覚刺激を順次与えられる。各知覚刺激に対応して、ＮＭＲ信号およびＮＭＲ信号から生成される脳活動パターン画像が順次取得される。本実施の形態においては、知覚刺激の一例として、視覚刺激、すなわち被験者に画像を見てもらい、そのときの脳活動情報を計測する。

【0081】

図４は、本発明の実施の形態に従う推定方法における脳活動情報を計測する処理を説明するための図である。図４に示すように、一例として、予め用意された複数の画像がディスプレイ２０６（図２参照）に順次表示される。被験者は、装着したプリズムメガネ２０４（図２参照）により、ディスプレイ２０６に順次表示される画像を見ることになる。

【0082】

図４には、各画像を一定期間Ｔずつランダムな順序で表示して、その表示内容を順次切り替える場合の例を示す。一定期間Ｔの間に計測されたＮＭＲ信号から脳活動パターン画像を生成する。図４に示す例では、各画像を一定期間Ｔの間表示し、その一定期間Ｔの間に、１枚の脳活動パターン画像を取得する。なお、脳活動パターン画像に含まれるノイズ成分を低減するために、あるいは、連続するラベル付き画像を見ることで生じる影響を低減するために、予め用意された複数のラベル付き画像に加えて、風景などの一般的な画像を含めた全体をランダムな順序で表示することが好ましい。例えば、図４中の画像１および画像３が、予め用意されたラベル付き画像に相当し、画像２が一般画像に相当する。

【0083】

画像全体の表示が終了し、ラベル付き画像の枚数と同数の脳活動パターン画像が取得された時点で、１回の試行とし、この試行を複数回（例えば、３回）繰り返すことが好ましい。

【0084】

［Ｅ．類似度行列の生成］
次に、図１のステップＳ３に示す、類似度行列を生成する処理について説明する。図５は、本発明の実施の形態に従う推定方法における類似度行列の生成処理を説明するための図である。

【0085】

図５を参照して、類似度行列は、同一の被験者に対して異なる知覚刺激を与えた場合に、それぞれの知覚刺激に対して生じる脳活動情報の類似性を示す。類似度行列は、被験者に与えられる複数の知覚刺激を、同じ順序で行方向および列方向に割り当てられた、対称行列である。類似度行列内の各要素は、対応する列および行に割り当てられた２つの知覚刺激の間の、脳活動情報の類似性を示す値が格納される。

【0086】

図５に示す類似度行列３０６において、白い領域に対応する画像間（知覚刺激値）ほど類似度が高いことを示し、黒い領域に対応する画像間（知覚刺激値）ほど類似度が低いことを示す。

【0087】

例えば、被験者１が画像３００１を見たときに計測される脳活動情報３０４１と、被験者１が画像３００２を見たときに計測される脳活動情報３０４２との間の類似度が算出され、類似度行列３０６内の、画像３００１に対応する列３０６１と画像３００２に対応する行３０６２との交点３０６３の要素値として格納される。なお、類似度行列３０６は対称行列であるので、同一の要素値が、画像３００１に対応する行と、画像３００２に対応する列との交点（図示していない）の要素値としても格納される。

【0088】

このような手順で、同一の被験者に与えられる複数の知覚刺激のそれぞれに対応する脳活動情報の各組み合わせについて、類似度がそれぞれ算出されることで、類似度行列３０６が計算される。

【0089】

ｆＭＲＩ計測によって取得される脳活動情報である脳活動パターン画像は、複数の要素値を有する多次元データであるため、ベクトル化して類似度を算出することが好ましい。より具体的には、それぞれの脳活動パターン画像から特徴ベクトルがそれぞれ算出され、算出された特徴ベクトル間で類似度が算出される。この類似度としては、例えば、ベクトル間の距離、ベクトル間の距離を正規化した値などが用いられる。例えば、２つの特徴ベクトル間の距離を０〜１の範囲に正規化したものを用いることができる。この場合、距離「１」のときに類似度が最も低い（あるいは、非類似度（dissimilarity）が最も高い）ことを意味し、距離「０」のときに類似度が最も高い（あるいは、非類似度が最も低い）ことを意味する。

【0090】

あるいは、相関係数に基づいて、類似度または非類似度を定義してもよい。相関係数を用いる場合には、典型的には、−１〜＋１の範囲に規格化された値を用いてもよい。この場合には、相関係数が「＋１」のときに、類似度が最も高い（あるいは、非類似度が最も低い）ことを意味し、相関係数が「−１」のときに、類似度が最も低い（あるいは、非類似度が最も高い）ことを意味する。

【0091】

特徴ベクトルは、ｆＭＲＩ計測によって取得された脳の活性度を示す脳活動パターン画像に含まれる各画素の画素値からベースライン成分を除いた値（変化成分）を各画素の要素値とするベクトルである。すなわち、特徴ベクトルは、ｆＭＲＩ計測によって取得された信号強度の変化量を反映する情報である。例えば、特徴ベクトルとしては、被験者が画像を見たときのｆＭＲＩ信号の強度の変化（％ｓｉｇｎａｌ ｃｈａｎｇｅ）を示す。

【0092】

図６は、本発明の実施の形態に従う推定方法における類似度の算出処理を説明するための図である。図６を参照して、例えば、第１の知覚刺激に対して被験者から計測された脳活動パターン画像１、および、第１の知覚刺激に対して被験者から計測された脳活動パターン画像２に対して、それぞれベースライン成分が除かれて、特徴ベクトル１および２がそれぞれ算出される。そして、特徴ベクトル１と特徴ベクトル２との間で、類似度が算出される。

【0093】

このような類似度が、複数の知覚刺激から選択される任意の２つの知覚刺激の組み合わせのすべてについて算出される。そして、それぞれの算出結果が類似度行列の各要素の値になる。

【0094】

［Ｆ．平均類似度行列の生成］
次に、図１のステップＳ４に示す、平均類似度行列を生成する処理について説明する。平均類似度行列は、複数の被験者の間のばらつきによる影響を低減するための統計処理の結果を示す。

【0095】

図７は、本発明の実施の形態に従う推定方法における平均類似度行列を生成する処理を説明するための図である。図７を参照して、上述した類似度行列の生成処理に従って、複数の被験者ごとに、かつ、脳の領野ごとに、類似度行列が生成される。図７には、一例として、被験者１、被験者２、…の別に、低次視覚野（ＬＶＣ）、高次視覚野（ＨＶＣ）、前頂葉（ＰＣ）、…のそれぞれについて類似度行列が生成されている例を示す。

【0096】

脳の領野ごとに、複数の被験者からそれぞれ取得された複数の類似度行列を画像空間に沿って重ねて並べ、複数の類似度行列の間で、対応する画素ごとに、画素値が積算または平均化されることで、平均類似度行列が生成される。

【0097】

以上のような処理によって、図７に示すように、脳の領野別に複数の平均類似度行列が生成される。

【0098】

［Ｇ．マッピングおよび判別器の決定］
次に、図１のステップＳ５に示す、平均類似度行列の各要素を空間にマッピングする処理、および、判別器の決定処理について説明する。

【0099】

（ｇ１：マッピング処理）
マッピング処理では、相手方との類似度に応じた距離に各知覚刺激が配置される。上述の類似度行列または平均類似度行列より低い次元の空間上で、知覚刺激間の類似度を評価することができる。すなわち、空間上において、類似度が高い知覚刺激同士はより近い位置にマッピングされる一方で、類似度の低い知覚刺激同士はより遠い位置にマッピングされる。このようなより低次元の空間上に知覚刺激をマッピングすることで、後述の判別器の決定を容易化する。

【0100】

このようなマッピング処理には、多変量解析の任意の手法を用いることができるが、本実施の形態では、多次元尺度構成法（ＭＤＳ：Multi Dimensional Scaling）の手法を採用する。多次元尺度構成法は、対象物の関係を低次元空間における位置の関係で表現するものである。

【0101】

図８は、本発明の実施の形態に従う推定方法におけるマッピング処理を説明するための図である。図８を参照して、平均類似度行列３０８から非類似度行列（Dissimilarity Matrix）３０９が生成され、非類似度行列から各知覚刺激（画像）の座標が算出される。そして、各画像が空間上のマッピングされる（マッピング結果３１２）。

【0102】

例えば、Ｎ種類の知覚刺激（画像）に対する被験者からの脳活動情報が取得されている場合には、Ｎ行×Ｎ列の平均類似度行列３０８が生成される。平均類似度行列３０８の各要素（類似度）をｒ_ｉｊ（０≦ｒ_ｉｊ≦１）（但し、ｉ：行番号、ｊ：行番号）とすると、非類似度行列３０９の各要素（非類似度）ｄ_ｉｊ（０≦ｄ_ｉｊ≦１）（但し、ｉ：行番号、ｊ：行番号）は、以下のように表すことができる。

【0103】

ｄ_ｉｊ＝１−ｒ_ｉｊ
この非類似度ｄ_ｉｊを用いて、非類似度行列３０９は、以下のように定義できる。

【0104】

【数1】

【0105】

また、マッピング対象の空間をｐ次元とすると、各知覚刺激（画像）の座標は、以下のように定義できる。

【0106】

【数2】

【0107】

上述の座標群行列Ｘ_ｐ中のｉ行目の要素ベクトルが、ｉ番目の知覚刺激（画像）の座標に相当する。

【0108】

座標群行列Ｘ_ｐ（知覚刺激（画像）の数Ｎ×座標の次元数ｐ）と非類似度行列Ｄ^（２）とは、センタリング行列Ｊを用いて、以下のようの関係が成立する。ここで、センタリング行列Ｊは、行ごとまたは列ごとに要素値を平均化する行列である。

【0109】

【数3】

【0110】

さらに、右辺の行列を対角行列（ＱΛＱ^Ｔ）に変換すると、座標群行列Ｘ_ｐは、以下のように定義できる。

【0111】

【数4】

【0112】

但し、Ｑ_ｐおよびΛ_ｐは、ｐ次元の固有ベクトルおよび固有値である。
さらに、上述の式に従って算出される座標群行列Ｘ_ｐを初期値として、ストレスＥを以下のような式に従って最小化することが好ましい。

【0113】

【数5】

【0114】

但し、ｄ^＊は、本来の非類似度を示し、ｄは、ｐ次元の空間上での距離を示す。
以上のような演算処理によって、平均類似度行列の各画像をｐ次元空間に写像する際の座標が算出される。この算出される座標を用いて、各画像を２次元空間にマッピングしたものが、図８のマッピング結果３１２である。図８には、可視化のため、各座標に対応する画像そのものが配置されたマッピング結果３１２を示すが、装置内部では、知覚刺激（画像）と対応する座標との関係が定義されていればよい。

【0115】

このように、本実施の形態に従う推定方法においては、多次元尺度構成法によって、類似度行列から２次元空間上の座標を算出する。

【0116】

（ｇ２：判別器の決定処理）
続いて、マッピング結果３１２を用いて判別器が決定される。図９は、本発明の実施の形態に従う推定方法における判別器の決定処理を説明するための図である。図９を参照して、空間上にマッピングされた知覚刺激（画像）の座標と、各知覚刺激（画像）に付与されているラベルとの関係に基づいて、判別器が決定される。一例として、図９には、「売れている」商品とのラベルが付与された画像と、「売れていない」商品とのラベルが付与された画像とをマッピングした結果を示す。

【0117】

図９に示す空間上では、「売れている」商品とのラベルが付与された画像と、「売れていない」商品とのラベルが付与された画像とが比較的明確に分離されており、この両者の境界を定義する関数を判別器として決定できる。

【0118】

脳の複数の領野ごとに平均類似度行列がそれぞれ生成され、また、画像に付与されるラベルも複数存在するため、マッピング結果３１２は、平均類似度行列を生成した領野の数と、ラベルの数との積だけ生成可能である。説明の便宜上、図９には、２次元空間（平面）に対するマッピング結果を示すが、より多次元空間にマッピングすることも可能であり、この場合には、判別器についても、次元の数に応じた次数で定義される関数となる。すなわち、判別器は、ある空間上の領域を区別する関数（判別関数）と表現することもできる。

【0119】

判別器は、マッピング結果３１２（空間上の座標）と、各画像に付与されたラベルの値とを用いて、コンピュータ学習によって生成される。このコンピュータ学習の方法としては、例えば、線形サポートベクターマシン（Support vector machine：ＳＶＭ）を用いることができる。但し、判別器の決定に用いるアルゴリズムとしては、教師あり学習に適用できるのであれば、どのようなものであってもよい。例えば、スパースロジスティック回帰（Sparse Logistic Regression：ＳＬＲ）、線形判別分析（Linear Discrimination Analysis：ＬＤＡ）などを用いることができる。

【0120】

［Ｈ．判別器の判別性能］
以上のような手順によって生成される判別器の判別性能について、本願発明者が実際に行なった実験結果に基づいて説明する。

【0121】

本願発明者は、年齢・性別などを均等化した５６名の被験者からなる母集団に対して、既知の商品の画像（商品デザイン）を見てもらい、そのときに計測された脳活動情報を用いて、判別器を決定した。既知の商品としては、ビール類および車用芳香剤とした。被験者の母集団において、ビール類を購入する人と購入しない人との人数もほぼ均等化されており、車用芳香剤を購入する人と購入しない人との人数もほぼ均等化されている。

【0122】

被験者に見てもらった商品の画像は、２２種類のビール類の商品デザインと、２８種類の車用芳香剤の商品デザインとを含む。各商品の売上実績に基づいて、対応する画像（商品デザイン）の各々に対して、「売れている商品」または「売れていない商品」の２群のいずれかのラベルを付与した。

【0123】

このような条件下で、それぞれの被験者の脳活動を示す類似度行列を生成するとともに、複数の類似度行列から平均類似度行列を生成し、マッピング処理などを経て、判別器（判別関数）を決定した。なお、類似度行列および平均類似度行列においては、商品種別（すなわち、ビール類および車用芳香剤）を区別していない。すなわち、類似度行列および平均類似度行列の行方向および列方向には、ビール類および車用芳香剤の商品デザインが混ざった状態で一列に並んで割り当てられている。

【0124】

この既知の商品および売上実績に基づいて生成された判別器を用いて、当該判別器の判別性能を検定した結果を以下に示す。具体的な手順としては、判別器の決定に用いた複数の商品のうち１つを推定対象とみなしたときに、当該推定対象について計測された脳活動情報を判別器に適用して得られる判定結果が、当該推定対象に本来付与されているラベルの値と同じであるか否かを判断する。なお、類似度行列および平均類似度行列は計測された脳の領野の数だけ生成されており、判別性能も領野ごとに評価した。

【0125】

図１０は、実際の計測結果に基づいて生成された判別器の判別性能を評価した結果を示す図である。図１０に示す評価結果においては、ビール類および車用芳香剤のそれぞれにおいて、売上実績が上位５０％に入っているものを「売れている商品」とのラベルを付与し、それ以外のものを「売れていない商品」とのラベルを付与している。

【0126】

図１０（Ａ）には、ビール類の売上予測の正解率を示し、図１０（Ｂ）には、車用芳香剤の売上予測の正解率を示す。図１０（Ａ）および図１０（Ｂ）には、低次視覚野（ＬＶＣ）、高次視覚野（ＨＶＣ）、前頂葉（ＰＣ）、前頭葉（ＦＣ）、大脳基底核（ＢＧ）、扁桃体（Amygdala）、および、海馬（ＨＣ）の７つの領野についての売上予測の正解率を示す。図１０（Ａ）および図１０（Ｂ）において、「＊」印は、二項検定の結果、正解率が有意に５０％を超える領野を示す（有意水準５％）。

【0127】

図１０（Ａ）に示すように、ビール類については、すべての領野で５０％以上の正解率を示しており、そのうち統計的に有意であったのは、頭頂葉（ＰＣ）および扁桃体（Amygdala）であった。図１０（Ｂ）に示すように、車用芳香剤については、大脳基底核（ＢＧ）を除いたすべての領野で５０％以上の正解率を示しており、そのうち統計的に有意であったのは、前頭葉（ＦＣ）であった。大脳基底核（ＢＧ）についても、正解率はほぼ５０％が確保されている。

【0128】

このように、判定対象となる項目（例えば、印象を表す言語表現）に応じて、有意な結果を生じる領野は異なるので、判別器として用いる脳活動情報を評価する項目に応じて、適宜選択するようにしてもよい。

【0129】

図１１は、実際の計測結果に基づいて生成された判別器の判別性能を評価した別の結果を示す図である。図１１に示す評価結果においては、ビール類および車用芳香剤のそれぞれにおいて、売上実績が上位２５％に入っているものを「売れている商品」とのラベルを付与し、売上実績が下位２５％に入っているものを「売れていない商品」とのラベルを付与している。それ以外の商品については、評価対象から除外している。すなわち、図１１に示す評価結果では、図１０に示す評価結果に比較して、付与されるラベルの信頼性が高いと考えることができる。

【0130】

図１１（Ａ）には、ビール類の売上予測の正解率を示し、図１１（Ｂ）には、車用芳香剤の売上予測の正解率を示す。図１１（Ａ）および図１１（Ｂ）には、図１０（Ａ）および図１０（Ｂ）に示す領野に加えて、前頭前皮質（ＰＦＣ）に含まれる、腹内側前頭前野（ｖｍＰＦＣ）、眼窩前頭皮質（ＯＦＣ）、背外側前頭前野（ＤＬＰＦＣ）の３つの領野についての売上予測の正解率も示す。また、図１０と同様に、二項検定の結果、正解率が有意に５０％を超える領野については「＊」印を付加している（有意水準５％）。

【0131】

図１１に示す評価結果においては、車用芳香剤の売上予測の正解率が図１０に示す評価結果に比較して向上している。また、いずれの商品についても、統計的に有意な結果を生じる領野が増加していることがわかる。これらは、より信頼性の高いラベルが付与されていることが影響していると考えられる。

【0132】

以上のような評価結果によれば、本実施の形態に従う推定方法において生成される判別器の判別精度は十分に高いと言える。また、一般的な消費者が目に触れることの多いビール類と、一般的な消費者が目に触れることが多くないおよび車用芳香剤との間でも、有意な推定を行なうことが示されている。これは、本実施の形態に従う推定方法が十分実用的であることを示唆するものである。

【0133】

［Ｉ．未知の知覚刺激に対する感覚の推定］
上述のステップＳ１〜Ｓ５の過程（一種の学習過程）において決定された判別器を用いて、未知の知覚刺激に対して、被験者が覚えるであろう感覚を推定する。例えば、発売前の未公開の商品デザインなどに対して想起される、潜在的な購買者の感覚（または、印象）を事前に評価することができる。以下では、予め決定されている判別器を利用して、未知の商品デザインを含む判別対象の画像３２０に対して被験者が抱くであろう感覚（または、印象）を推定する処理（図１のステップＳ６〜Ｓ９に対応）について説明する。

【0134】

まず、ステップＳ６においては、判別器を決定するための脳活動情報を計測した複数の被験者（Ｍ人）のうち、少なくとも一部の被験者（ｍ人≦Ｍ人）に、判別対象の画像３２０を見てもらい、そのときの脳活動情報３２４が計測される。そして、ステップＳ７においては、画像３２０について計測された脳活動情報３２４を反映して、類似度行列３２６が再構成される。

【0135】

図１２は、本発明の実施の形態に従う推定方法における類似度行列の再構成処理を説明するための図である。図１２を参照して、各被験者が判別対象の画像３２０を見たときに計測された脳活動情報Ｘと、当該被験者がラベルの付与された複数の画像を見たときに計測された脳活動情報１，２，３，…との間の類似度が計算される。

【0136】

実際には、上述の図６を参照して説明したように、脳活動情報の一例である脳活動パターン画像から特徴ベクトルが算出され、特徴ベクトル間で類似度が算出される。この類似度は、脳活動情報１，２，３，…の数だけ算出される。これらの算出された各組み合わせの類似度のベクトル３２９が、予め生成されている類似度行列３０６に対して付加されることで、新たな類似度行列３２６が生成（すなわち、類似度行列３２６が再構成）される。

【0137】

このような類似度行列３２６の再構成処理は、脳活動情報を計測した脳の領野の数だけ、および、判別対象の画像３２０を見た被験者の数だけ繰り返される。

【0138】

続いて、上述の図７を参照して説明したように、複数の類似度行列３２６についての平均類似度行列３２８が生成される。さらに、平均類似度行列３２８中の判別対象の画像３２０に対応する要素が、判別器を決定した空間と同じ空間にマッピングされる。

【0139】

図１３は、本発明の実施の形態に従う推定方法における未知の商品デザインをマッピングした結果の一例を示す図である。図１３を参照して、先に生成された判別器を用いて、判別対象の画像３２０に対応するマッピングされた空間上の座標３３０が、いずれのグループ（例えば、「売れている」商品、または、「売れていない」商品）に属するのかが判定される。

【0140】

このように、各被験者について、判別対象の知覚刺激（画像３２０）を与えたときに計測される脳活動情報と、予め定められた複数の知覚刺激（画像３００）を与えたときに計測される脳活動情報との間の類似度を算出することで、類似度行列３２６が再構成される。そして、再構成された類似度行列３２６から算出される空間上の座標３３０が判別器で定義される領域に含まれるか否かが判断される。

【0141】

図１３には、あるラベルについてのマッピング結果を示すが、複数のラベルについてそれぞれ判別器が決定されているので、それぞれのラベルについて、被験者が覚えるであろう感覚を推定することができる。すなわち、「売れそうである」商品、または、「売れなさそうである」商品のいずれに分類されるのかといった単一的な評価だけではなく、予め付与されたラベルの局面について、１または複数の評価をそれぞれ推定できる。

【0142】

［Ｊ．推定性能］
以上のような手順に従う感覚または印象を推定する性能について、本願発明者が実際に行なった実験結果に基づいて説明する。

【0143】

上述した脳活動情報を計測した５６名の被験者からなる母集団に対して、脳活動情報の計測作業後に、アンケートを実施した。このアンケートでは、提示されたラベル付き画像に対する感覚（または、印象）を問うものである。例えば、アンケートは、提示された画像が好きであるか、あるいは、嫌いであるかといった問いを含む。

【0144】

被験者が抱くであろう感覚または印象の推定精度を検証するために、上述の推定手法を用いた推定結果とアンケート結果との同一性を評価した。具体的な手順として、判別器の決定に用いた複数の商品のうち１つを「未知の商品デザイン」とみなしたときに、当該商品に対するアンケート結果が推定結果と同じであるか否かを判断する。なお、判別器は計測された脳の領野の数だけ生成されており、推定性能も領野ごとに評価した。

【0145】

図１４は、実際の計測結果に基づいて生成された判別器を用いてアンケート結果を推定した結果を示す図である。より具体的には、図１４（Ａ）は、対象の画像が「好き」または「嫌い」のいずれであるかのアンケート結果に対する予測正解率を示す。図１４（Ｂ）は、対象のビール類を「知っている」または「知らない」のいずれであるかのアンケート結果に対する予測正解率を示す。図１４（Ｃ）は、対象のビール類が「おいしい」と思っている、または「おいしくない」と思っている、のいずれであるかのアンケート結果に対する予測正解率を示す。図１４（Ｄ）は、対象のビール類を「欲しい」または「欲しくない」のいずれであるかのアンケート結果に対する予測正解率を示す。図１４（Ｅ）は、対象の車用芳香剤を「欲しい」または「欲しくない」のいずれであるかのアンケート結果に対する予測正解率を示す。

【0146】

図１４（Ａ）〜図１４（Ｅ）には、低次視覚野（ＬＶＣ）、高次視覚野（ＨＶＣ）、前頂葉（ＰＣ）、前頭葉（ＦＣ）、大脳基底核（ＢＧ）、扁桃体（Amygdala）、および、海馬（ＨＣ）の７つの領野についてのアンケート結果の正解率を示す。図１４（Ａ）〜図１４（Ｅ）において、「＊」印は、二項検定の結果、正解率が有意に５０％を超える領野を示す（有意水準５％）。

【0147】

図１４に示す予測正解率の結果によれば、本実施の形態に従う推定方法によれば、未知の商品デザインに対して、人が抱くであろう感覚（または、印象）を十分実用的な精度が予測できることがわかる。なお、図１４には、一例として、５つの評価（言語表現）のみを示すが、これに限られず、未知の商品デザインに関連付けられる任意の言語表現（形容詞、動詞など）を推定できる。

【0148】

また、比較のために、脳活動情報を用いることなく、被験者のアンケート結果のみを用いて、対象の製品の売上実績を予測した場合の正解率についても評価した。具体的な手順として、ラベルが付与された商品の画像に対するアンケート結果と、当該商品の売上実績との相関性を評価した。

【0149】

図１５は、被験者のアンケート結果に基づいて商品の売上実績を推定した結果を示す図である。図１５には、図１４（Ａ）〜図１４（Ｅ）に示されるアンケート項目に対応して、それぞれの予測正解率を示す。なお、図１５（Ａ）および図１５（Ｂ）には、商品をビール類および車用芳香剤に分離して予測正解率をそれぞれ示す。

【0150】

図１５に示すように、脳活動情報を用いることなく、単に被験者のアンケート結果のみを用いて売上実績を予測した場合には、正解率が有意に５０％を超えるアンケート項目は存在しなかった。上述の図１１に示すように、脳活動情報を用いた場合の売上実績の予測正解率は５０〜８０％であるのに対して、図１５に示すように、被験者のアンケート結果のみを用いた場合の売上実績の予測正解率は、最大でも６０％程度であり、多くのアンケート項目で５０％以下に留まっている。

【0151】

図１１、図１４、図１５などの予測正解率の結果に示されるように、脳活動情報を用いることで、アンケート結果には現れない深層心理を反映した情報（潜在意識）を有意に推定できることが示唆されている。すなわち、本実施の形態に従う推定方法による、人の感覚または印象を推定する性能は、十分に実用性を備えているといえる。

【0152】

［Ｋ．機能構成］
次に、本実施の形態に従う推定方法を実現するための機能構成の一例について説明する。

【0153】

図１６は、本発明の実施の形態に従う推定システム１を構成する情報処理装置１００の機能構成を示す模式図である。図１６に示す機能ブロックは、主として、情報処理装置１００のプロセッサ１０２（図３）が、各ハードウェア資源を利用して、処理プログラム１２２を実行することで実現される。より具体的には、情報処理装置１００は、その機能構成として、ラベル付き画像格納部１５０と、脳活動情報格納部１５２，１６４と、通信モジュール１５４と、類似度行列算出モジュール１５６と、類似度行列格納部１５８，１６８と、平均化モジュール１６０，１７０と、判別器決定モジュール１６２と、類似度行列更新モジュール１６６と、判別モジュール１７２と、判別器データ格納部１７４と、ユーザインターフェイス提供モジュール１８０とを含む。

【0154】

ラベル付き画像格納部１５０、脳活動情報格納部１５２、および通信モジュール１５４は、各被験者に対して知覚刺激（本実施の形態においては、視覚刺激）を与えたときに計測される脳活動情報を、予め定められた複数の知覚刺激のそれぞれについて取得する機能を提供する。

【0155】

より具体的には、ラベル付き画像格納部１５０は、判別器を決定するための複数のラベル付き画像１５１を格納する。ラベル付き画像１５１は、任意の方法で予め用意される。ラベル付き画像１５１は、必要に応じて他の一般的な画像（例えば、風景画像など）とともに、通信モジュール１５４を通じて、ｆＭＲＩ装置２００（図２）へ送信される。ｆＭＲＩ装置２００では、上述したような手順に従って、複数の被験者からの脳活動情報が計測され、その計測された脳活動情報は、通信モジュール１５４を通じて、脳活動情報格納部１５２へ格納される。より具体的には、脳活動情報格納部１５２は、脳活動情報の一例である、脳活動パターン画像１５３を格納する。脳活動パターン画像１５３は、ラベル付き画像１５１の各々に対応付けられて、被験者別かつ脳の領野別にそれぞれ計測される。そのため、脳活動パターン画像１５３の各々には、対象のラベル付画像を特定する識別情報と、被験者を特定する識別情報と、脳の領野を特定する識別情報とが付与される。

【0156】

類似度行列算出モジュール１５６および類似度行列格納部１５８は、複数の知覚刺激（本実施の形態においては、視覚刺激）のうちの２つの知覚刺激からなる各組み合わせについて、対応する２つの脳活動情報間の類似度を表現する類似度行列１５９を生成する機能を提供する。

【0157】

より具体的には、類似度行列算出モジュール１５６は、脳活動情報格納部１５２に格納された複数の脳活動パターン画像１５３を用いて、類似度行列１５９を生成する。類似度行列１５９は、被験者別かつ脳の領野別にそれぞれ生成される。そのため、類似度行列１５９の各々には、被験者を特定する識別情報と、脳の領野を特定する識別情報とが付与される。類似度行列算出モジュール１５６により生成されたそれぞれの類似度行列１５９は、類似度行列格納部１５８に格納される。

【0158】

平均化モジュール１６０、判別器決定モジュール１６２、および判別器データ格納部１７４は、複数の被験者の各々について生成された類似度行列１５９から、複数の知覚刺激（本実施の形態においては、視覚刺激）の各々に対応する、所定次元の空間上の座標を算出するとともに、複数の知覚刺激のうち、あるラベルが付与された知覚刺激に対応する空間上の座標と、それ以外の知覚刺激に対応する空間上の座標とから、当該ラベルについての判別器を決定する機能を提供する。

【0159】

より具体的には、平均化モジュール１６０は、類似度行列格納部１５８に格納されている類似度行列１５９を平均化して平均類似度行列を生成する。より具体的には、平均化モジュール１６０は、脳の領野ごとに、複数の被験者についての複数の類似度行列を平均化して、平均類似度行列を生成する。

【0160】

判別器決定モジュール１６２は、平均化モジュール１６０により生成された平均類似度行列を用いて、指定されたラベルが付与されている画像をマッピングする先の座標を算出するとともに、コンピュータ学習によって判別器（いわば、マッピング先の空間上の境界を定義する判別関数）を決定する。一般的には、複数のラベル付き画像１５１に付与されるラベルごとに、かつ、脳の領野ごとに、判別器がそれぞれ決定される。

【0161】

判別器決定モジュール１６２での処理結果は、判別器データ格納部１７４に格納される。具体的には、判別器決定モジュール１６２が決定した判別器を定義する判別器データ１７５と、各判別器データ１７５を生成する際に用いた各画像のマッピング先の座標からなる座標群データ１７６とを含む。

【0162】

続いて、被験者が覚えるであろう感覚を推定する対象である、判別対象の画像が与えられると、通信モジュール１５４は、その判別対象画像をｆＭＲＩ装置２００へ送信する。ｆＭＲＩ装置２００では、先の計測と同様に、複数の被験者からの判別対象画像に対する脳活動情報が計測され、その計測された脳活動情報は、通信モジュール１５４を通じて、脳活動情報格納部１６４へ格納される。脳活動情報格納部１６４は、脳活動情報の一例である、脳活動パターン画像１６５を格納する。説明の便宜上、脳活動情報格納部１５２および脳活動情報格納部１６４が独立して設けられた構成を例示するが、共通の格納部として実装してもよい。

【0163】

脳活動情報格納部１６４、類似度行列更新モジュール１６６、類似度行列格納部１６８、平均化モジュール１７０、および、判別モジュール１７２は、判別対象の知覚刺激を各被験者に対して与えたときに計測される脳活動情報を、決定された判別器に適用することで、判別対象の知覚刺激が判別器に関連付けられるラベルに該当するか否かを判別する機能を提供する。

【0164】

より具体的には、類似度行列更新モジュール１６６は、判別対象画像に対して計測された脳活動パターン画像１６５を用いて、類似度行列格納部１５８に格納されている類似度行列１５９に新たな情報を付加して、更新後の類似度行列１６９を生成する。類似度行列１６９についても、被験者別かつ脳の領野別にそれぞれ生成される。そのため、類似度行列１６９の各々には、被験者を特定する識別情報と、脳の領野を特定する識別情報とが付与される。類似度行列更新モジュール１６６により生成されたそれぞれの類似度行列１６９は、類似度行列格納部１６８に格納される。説明の便宜上、類似度行列格納部１５８および類似度行列格納部１６８が独立して設けられた構成を例示するが、共通の格納部として実装してもよい。

【0165】

平均化モジュール１７０は、類似度行列格納部１６８に格納されている類似度行列１６９を平均化して平均類似度行列を生成する。この平均化処理については、平均化モジュール１６０での処理と同様である。説明の便宜上、平均化モジュール１６０および平均化モジュール１７０が独立して設けられた構成を例示するが、共通の処理モジュールとして実装してもよい。

【0166】

判別モジュール１７２は、複数の被験者について生成された複数の類似度行列１６９について、対応する要素同士を平均化することで平均類似度行列を生成し、当該平均類似度行列から判別器を決定する。より具体的には、判別モジュール１７２は、平均化モジュール１７０により生成された平均類似度行列を用いて、指定されたラベルが付与されている画像をマッピングする先の座標を算出するとともに、判別器データ１７５（判別器データ格納部１７４に格納されている）を参照して、その算出した座標がいずれのグループに属するのかを判断する。すなわち、判別モジュール１７２は、判別対象画像に付与されるであろうラベルを特定する。判別モジュール１７２は、その判別結果をユーザインターフェイス提供モジュール１８０へ出力する。

【0167】

判別器は、複数のラベル付き画像１５１に付与されるラベルごとに、かつ、脳の領野ごとにそれぞれ生成されるので、判別モジュール１７２は、判別器ごとに判定結果を算出する。

【0168】

ユーザインターフェイス提供モジュール１８０は、ユーザ操作に応じて、判別モジュール１７２から出力される判別器ごとの判定結果のうち選択された判定結果を、推定結果としてユーザへ提供する。より具体的には、ユーザインターフェイス提供モジュール１８０は、選択された判定結果に関連するマッピング結果を視覚化して、表示部１１２（図３）上に表現する。

【0169】

なお、類似度行列算出モジュール１５６、平均化モジュール１６０、および判別器決定モジュール１６２での処理の全部または一部は、感覚を推定する処理が実行されるときに、併せて実行されるようにしてもよい。すなわち、類似度行列１５９、判別器データ１７５、および座標群データ１７６を予め取得しておく必要はなく、必要に応じて都度生成するようにしてもよい。但し、類似度行列１５９の算出に時間を要する場合には、類似度行列１５９を先に生成しておくことが好ましい。

【0170】

図１７は、本発明の実施の形態に従う推定システム１を構成する情報処理装置１００により提供されるユーザインターフェイス画面の一例を示す図である。図１７を参照して、情報処理装置１００は、複数の知覚刺激（本実施の形態においては、視覚刺激）を空間上の対応する座標にマッピングした結果を視覚的に表示する表示機能を有している。

【0171】

より具体的には、情報処理装置１００が表示するユーザインターフェイス画面１９０は、判別器の決定に用いられた複数の画像がマッピングされるマッピング領域１９１を含む。マッピング領域１９１上では、多次元尺度構成法によって算出される各画像の座標および距離（類似度に逆比例する）に応じた位置に、各画像が配置される。さらに、判別器が決定されている場合には、各画像がいずれのグループに属しているのかを視覚的に表現してもよい。

【0172】

図１７に示す例においては、あるラベルの値が付与されている画像１９７と、当該ラベルの値が付与されていない画像１９８とは、その表示態様を異ならせることで、視覚的に区別されている。すなわち、ユーザインターフェイス画面１９０では、マッピングされた各知覚刺激の表示態様を付与されたラベルに応じて異ならせてある。より具体的には、画像１９７と画像１９８との間では、互いに異なる装飾が外枠になされている。

【0173】

ユーザインターフェイス画面１９０には、判別器の任意に選択するラジオボタンおよびチェックボックスが用意されている。具体的には、ラジオボタン群１９２は、判別器に使用する脳活動情報の取得先（すなわち、脳の領野）に対する選択を受付ける。

【0174】

チェックボックス群１９３は、コンピュータ学習に用いるラベル付き画像のカテゴリーに対する選択を受付ける。すなわち、チェックボックス群１９３に対して選択されたカテゴリーに属する画像のみが、コンピュータ学習に利用される。そのため、決定される判別器は、選択されたカテゴリーに属する画像の情報のみから生成されることになる。

【0175】

チェックボックス群１９４は、コンピュータ学習に用いる脳活動情報を計測した被験者の属性に対する選択を受付ける。すなわち、チェックボックス群１９４に対して選択された条件に合致する被験者から計測された脳活動情報のみが、コンピュータ学習に利用される。

【0176】

チェックボックス群１９５は、マッピング領域１９１に有効に表示される画像のカテゴリーに対する選択を受付ける。すなわち、チェックボックス群１９５に対して選択されたカテゴリーに属する画像のみが有効に表示され、それ以外の画像は、グレイアウトされている。

【0177】

チェックボックス群１９６は、画像に付与されるラベルのしきい値についての調整を受付ける。脳活動情報の計測に用いられる画像には、付与されるラベルに関連する属性値が付与されており、この属性値と予め設定されたしきい値との比較によって、付与されるラベルの値を動的に変化できるようになっている。例えば、ビール類の外観（商品デザイン）を含む画像には、当該商品の売上実績が関連付けられている。例えば、全ビール類の中でその売上実績が上位２５％の商品群に入っている場合に限って、「売れている」というラベルを付与するようにしてもよいし、上位５０％の商品群に入っている場合であっても、「売れている」というラベルを付与するようにしてもよい。このように、ユーザインターフェイス画面１９０では、付与するラベルを決定する際の各種パラメータを適宜調整できるようになっている。

【0178】

また、判別対象画像を示すサムネイル画像１９９が、判別結果に応じた位置に配置される。ユーザは、マッピング領域１９１におけるサムネイル画像１９９の位置、および、他の商品に対する距離などを視覚的に認識して、当該判別対象画像（典型的には、未公開の商品デザインなど）が売れる可能性が高いのか否かといった、マーケティング上の戦略を練ることができる。

【0179】

［Ｌ．判別結果の平均化手法］
上述の実施の形態においては、複数の被験者の脳活動情報からそれぞれ生成された類似度行列を平均化することで、統計的なノイズ成分を低減する手法を採用した。この平均化手法に限られず、統計的に有意な結果が得られる手法であれば、どのような手法を採用してもよい。

【0180】

このような判別結果の平均化手法の一例として、複数の被験者の各々から計測された脳活動パターン画像（脳活動情報）と、対応する画像に付与されているラベルとを用いて、コンピュータ学習により被験者ごとに判別器を決定し、それぞれの判別器を用いて、判別対象の画像３２０に対する感覚（または、印象）を被験者ごとに推定する。そして、複数の被験者からなる母集団のうち、より多くの被験者から推定された判別結果を最終的な判別結果として出力する。

【0181】

図１８は、本発明の実施の形態に従う推定方法における判別結果を平均化する別手法を説明するための図である。図１８を参照して、上述の実施の形態と同様に、複数の被験者１，２，３，…に対して、複数の画像３００−１，３００−２，…を見てもらい、そのときの脳活動情報が計測される。被験者ごとの複数の脳活動情報から類似度行列３０６−１，３０６−２，３０６−３，…がそれぞれ生成され、さらに、画像３００−１，３００−２，…に対応付けられたラベルから、それぞれに対応する判別器が決定される。

【0182】

そして、複数の被験者１，２，３，…に対して、判別対象の画像３２０を見てもらい、そのときの脳活動情報が計測される。被験者ごとの脳活動情報を対応する判別器に適用することで、被験者ごとの判別結果１，２，３，…が決定される。最終的に、複数の被験者のそれぞれからの判別結果は多数決ロジック３４０へ入力され、多数決ロジック３４０は、最も投票数の多い判別結果を最終的な判別結果として出力する。

【0183】

このように、情報処理装置１００は、複数の被験者の各々について生成された類似度行列３０６−１，３０６−２，３０６−３，…から、被験者ごとに判別器を決定する。そして、情報処理装置１００は、判別対象の知覚刺激（判別対象の画像３２０）を各被験者に対して与えたときに計測される被験者ごとの脳活動情報を対応する判別器に適用するとともに、各被験者についての判定結果を統計処理することで、判別対象の知覚刺激がラベルに該当するか否かを判別する。

【0184】

なお、判別結果が多値（例えば、３値以上）をとる場合には、単純な多数決ではなく、各値を取り得る尤度を判別結果として出力するようにしてもよい。

【0185】

図１８に示すような平均化手法を採用することで、被験者の母集団をフレキシブルに変化させることができる。

【0186】

［Ｍ．ネットワークを介したサービス提供］
上述の説明では、情報処理装置１００およびｆＭＲＩ装置２００で構成される推定システム１について例示したが、典型的な実装形態としては、情報処理装置１００およびｆＭＲＩ装置２００を有するサービス提供者と、メーカ、デザイナ、商社といったサービス利用者とからなるサービス提供形態が想定される。サービス利用者は、新商品のデザイン候補を発売前に評価し、その評価結果などを用いて、販売戦略などを立案する。

【0187】

図１９は、本発明の実施の形態の変形例に従う推定システム１＃の構成を模式的に示す図である。図１９を参照して、インターネットなどのネットワーク４１０を介して、サービス提供者と、１または複数のサービス利用者とが遣り取りすることになる。サービス提供者側には、情報処理装置１００Ａが設けられている。

【0188】

情報処理装置１００Ａは、被験者ごとの類似度行列３０６Ａを格納する。類似度行列３０６Ａは、予め定められた複数の画像を各被験者に見せたときに計測される脳活動情報に基づいて算出される、複数の画像のうちの２つの画像からなる各組み合わせについての対応する２つの脳活動情報間の類似度を表現するものである。より具体的には、情報処理装置１００Ａには、複数の被験者Ｓからなる母集団について、予めラベル付けされた知覚刺激（典型的には、画像）を与えたときに計測される脳活動情報から生成された類似度行列３０６Ａと、類似度行列３０６Ａの各要素に割り当てられた画像（典型的には、商品デザインまたは商品パッケージ）に対して付与されているラベル３０２Ａとの組が格納されている。

【0189】

サービス提供者では、予め契約などで、特定の被験者Ｓについて、適宜のタイミングで脳活動情報の計測ができるようになっているものとする。

【0190】

新商品のデザインを評価してもらいたいサービス利用者は、自身の端末装置４００などを操作して、新商品デザインを表す画像データを情報処理装置１００Ａへ送信する（図１９の手順（１））。すると、サービス提供者は、母集団に含まれる一部または全部の被験者Ｓから、サービス利用者から受信した画像データを見たときに生じる脳活動情報を計測する（図１９の手順（２））。そして、それぞれの被験者Ｓから計測された脳活動情報を用いて、予め用意されている類似度行列３０６Ａおよびラベル３０２Ａの組から、当該新商品を見た人が感じるであろう感覚（または、印象）を表す言語表現を判断する（図１９の手順（３））。サービス提供者は、得られた１または複数の言語表現を判断結果として、サービス利用者へ回答する（図１９の手順（４））。

【0191】

情報処理装置１００Ａの側から見ると、判別対象の画像を受信する機能と、類似度行列を再構成する機能とを有する。ここで、判別対象の画像を各被験者に見せたときに計測される脳活動情報と、予め定められた複数の画像を各被験者に見せたときに計測される脳活動情報との間の類似度を算出することで、類似度行列が再構成される。そして、情報処理装置１００Ａは、再構成された類似度行列から、予め定められた複数の画像および判別対象の画像の各々についての、所定次元の空間上の座標を算出し、当該予め定められた複数の画像のうちあるラベルが付与された画像に対応する空間上の座標と、それ以外の画像に対応する空間上の座標とから、判別対象の画像が当該ラベルに該当するか否かを判断する。

【0192】

図２０は、本発明の実施の形態の変形例に従う推定システム１＃により提供される判別結果の一例を示す模式図である。図２０を参照して、判別結果４２０は、判別対象の画像４２０とともに、判別可能な複数のラベル４２４のうち、当該判別対象の画像が該当すると判定されたラベルについて、「○」印で示されている。

【0193】

このような一連の手順および判別結果を利用することで、サービス利用者は、発売前の商品デザインなどに対して、潜在的な購入者が感じるであろう感覚（または、印象）をより高い蓋然性をもって知ることができる。そのため、事前に綿密な販売戦略を練ることができる。

【0194】

また、図１９に示すシステム構成では、被験者Ｓの守秘義務が維持されていれば、同業種および異業種を問わず、より多くのサービス利用者が本サービスを利用できるので、評価に係るコストを低減できる。そのため、従来から利用されている発売前のアンケート実施といった手法に比較して、より多面的かつ客観的な評価を、より安価に提供することができる。

【0195】

［Ｎ．利点］
予め定められたラベル付けされた複数の知覚刺激を与えたときに表れる脳活動情報を用いて、任意の知覚刺激に対して、被験者が抱くであろう感覚または印象を推定することができる。特に、ある画像に象徴される商品の外観（商品デザイン）に対して、人が購買意欲を感じるか否かを推定するようなことも可能である。さらに、このような推定を多数の人が抱くであろう感覚または印象について行なうことができる。

【0196】

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。

【符号の説明】

【0197】

１ 推定システム、１００，１００Ａ 情報処理装置、１０２ プロセッサ、１０４ 主記憶部、１０６ コントロールインターフェイス、１０８ ネットワークインターフェイス、１１０，２５２ 入力部、１１２，２５３ 表示部、１２０ 二次記憶部、１２２ 処理プログラム、１２４ 画像データ、１２６ 処理結果データ、１５０ ラベル付き画像格納部、１５１ ラベル付き画像、１５２，１６４ 脳活動情報格納部、１５４ 通信モジュール、１５６ 類似度行列算出モジュール、１５８，１６８ 類似度行列格納部、１６０，１７０ 平均化モジュール、１６２ 判別器決定モジュール、１６６ 類似度行列更新モジュール、１７２ 判別モジュール、１７４ 判別器データ格納部、１７５ 判別器データ、１７６ 座標群データ、１８０ ユーザインターフェイス提供モジュール、１９０ ユーザインターフェイス画面、２００ ｆＭＲＩ装置、２０２ 受信コイル、２０４ プリズムメガネ、２０６ ディスプレイ、２１０ 磁場印加機構、２１２ 静磁場発生コイル、２１４ 傾斜磁場発生コイル、２１６ 照射部、２１８ 寝台、２２０ 駆動部、２２２ 静磁場電源、２２４ 傾斜磁場電源、２２６ 信号送信部、２２８ 信号受信部、２３０ 寝台駆動部、２５０ データ処理部、２５１ 制御部、２５４ 記憶部、２５５ 表示制御部、２５６ 画像処理部、２５７ データ収集部、２５８ インターフェイス、３０８，３２８ 平均類似度行列、３０９ 非類似度行列、３１０ 判別器、３１２ マッピング結果、３４０ 多数決ロジック、４００ 端末装置、４１０ ネットワーク、Ｓ 被験者。

【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】