特開 2023-11437 システム、プログラムおよび方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023011437

(43)【公開日】2023-01-24

(54)【発明の名称】システム、プログラムおよび方法

(51)【国際特許分類】

   A61H 1/00 20060101AFI20230117BHJP

   A61B 5/375 20210101ALI20230117BHJP

   A61B 5/378 20210101ALI20230117BHJP

   A61B 5/38 20210101ALI20230117BHJP

【ＦＩ】

A61H1/00

A61B5/375

A61B5/378

A61B5/38

【審査請求】未請求

【請求項の数】9

【出願形態】ＯＬ

(21)【出願番号】P 2021115283

(22)【出願日】2021-07-12

【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り 令和２年７月３０日 第４３回日本神経科学大会のウェブサイト「ｈｔｔｐｓ：／／ｎｅｕｒｏｓｃｉｅｎｃｅ２０２０．ｊｎｓｓ．ｏｒｇ／ｉｎｄｅｘ．ｈｔｍｌ」、「ｈｔｔｐｓ：／／ｃｏｎｆｉｔ．ａｔｌａｓ．ｊｐ／ｇｕｉｄｅ／ｅｖｅｎｔ／ｎｅｕｒｏｓｃｉｅｎｃｅ２０２０／ｓｕｂｊｅｃｔ／２Ｐ－１９５／ａｄｖａｎｃｅｄ」および「ｈｔｔｐｓ：／／ｃｏｎｆｉｔ．ａｔｌａｓ．ｊｐ／ｇｕｉｄｅ／ｐｒｉｎｔ／ｎｅｕｒｏｓｃｉｅｎｃｅ２０２０／ｓｅｓｓｉｏｎ／２Ｐ－３８／ｄｅｔａｉｌ」を通じて公開 令和２年１１月５日および６日 株式会社国際電気通信基礎技術研究所のウェブサイトＡＴＲオープンハウス２０２０「ｈｔｔｐｓ：／／ｗｗｗ．ａｔｒ．ｊｐ／ｅｘｐｏ／ｉｎｄｅｘ．ｈｔｍｌ」および「ｈｔｔｐｓ：／／ｗｗｗ．ａｔｒ．ｊｐ／ｅｘｐｏ／ｚｏｎｅ／ｅｘｈｉｂｉｔｉｏｎ＿ｈａｌｌ＿０１．ｈｔｍｌ」を通じて公開

【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２９年度国立研究開発法人情報通信研究機構「高度通信・放送研究開発委託研究／脳機能補完による高齢者・障がい者の機能回復支援技術の研究開発」、産業技術力強化法第１７条の適用を受ける特許出願

(71)【出願人】

【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】弁理士法人深見特許事務所

(72)【発明者】

【氏名】浅井 智久

(72)【発明者】

【氏名】濱本 孝仁

(72)【発明者】

【氏名】今水 寛

【テーマコード（参考）】

4C046

4C127

【Ｆターム（参考）】

4C046AA11

4C046BB10

4C046EE11

4C046EE25

4C046EE32

4C046EE33

4C046FF32

4C127AA03

4C127DD01

4C127DD02

4C127GG10

4C127GG15

(57)【要約】

【課題】より有効なニューロフィードバックトレーニングの効果を被験者に与え得る新規な構成を提供する。
【解決手段】システムは、被験者の脳波を計測する計測部と、計測された脳波に基づいて、複数の脳波状態のうちいずれの脳波状態であるかを推定する推定部と、被験者を誘導すべきターゲットとなる脳波状態を決定する決定部と、推定された被験者の脳波状態とターゲットとなる脳波状態とを併せて、被験者に提示する提示部とを含む。
【選択図】図７

【特許請求の範囲】

【請求項1】

被験者の脳波を計測する計測部と、
前記計測された脳波に基づいて、複数の脳波状態のうちいずれの脳波状態であるかを推定する推定部と、
前記被験者を誘導すべきターゲットとなる脳波状態を決定する決定部と、
前記推定された前記被験者の脳波状態と前記ターゲットとなる脳波状態とを併せて、前記被験者に提示する提示部とを備える、システム。

【請求項2】

前記提示部は、前記複数の脳波状態にそれぞれ対応する複数の領域を含む表示を前記被験者に提示する、請求項１に記載のシステム。

【請求項3】

前記提示部は、前記複数の領域に対応付けて、前記推定された前記被験者の脳波状態を第１の表示態様で表示するとともに、前記ターゲットとなる脳波状態を第２の表示態様で表示する、請求項２に記載のシステム。

【請求項4】

前記提示部は、前記推定された前記被験者の脳波状態と前記ターゲットとなる脳波状態とが一致すると、一致したことを前記被験者に提示する、請求項１～３のいずれか１項に記載のシステム。

【請求項5】

前記計測部は、前記被験者が装着した複数の電極を含むキャップを介して、前記被験者の脳波として複数のチャネル成分を計測し、
前記推定部は、
前記被験者の脳波に含まれる各チャネルの信号成分を対応する電極の位置に応じてマッピングすることで空間パターンを決定する手段と、
前記決定された空間パターンと前記複数の脳波状態にそれぞれ対応するテンプレートとの間の空間相関をそれぞれ算出する手段と、
前記算出されたそれぞれの空間相関のうち最も大きい値を示す空間相関に対応する脳波状態を前記被験者の脳波状態と決定する手段とを含む、請求項１～４のいずれか１項に記載のシステム。

【請求項6】

前記推定部は、前記算出されたそれぞれの空間相関のうち最も大きい値を示す空間相関が予め定められたしきい値を超えた場合に限って、対応する脳波状態を有効な脳波状態として決定する、請求項５に記載のシステム。

【請求項7】

前記推定部は、予め定められた時間分の脳波に含まれる各チャネルの平均値から前記空間パターンを決定する、請求項５または６に記載のシステム。

【請求項8】

プログラムであって、コンピュータに
被験者から計測された脳波を取得するステップと、
前記取得された脳波に基づいて、複数の脳波状態のうちいずれの脳波状態であるかを推定するステップと、
前記被験者を誘導すべきターゲットとなる脳波状態を決定するステップと、
前記推定された前記被験者の脳波状態と前記ターゲットとなる脳波状態とを併せて、前記被験者に提示するステップとを実行させる、プログラム。

【請求項9】

被験者から計測された脳波を取得するステップと、
前記取得された脳波に基づいて、複数の脳波状態のうちいずれの脳波状態であるかを推定するステップと、
前記被験者を誘導すべきターゲットとなる脳波状態を決定するステップと、
前記推定された前記被験者の脳波状態と前記ターゲットとなる脳波状態とを併せて、前記被験者に提示するステップとを備える、方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、ニューロフィードバックトレーニングを実現するためのシステム、そのシステムに向けられたプログラム、およびそのシステムで実行される方法に関する。

【背景技術】

【0002】

従来より、脳波（electroencephalogram：以下、「ＥＥＧ」とも略称する。）を用いて、神経活動を非侵襲で観測する手法が知られている。被験者から計測されたＥＥＧに基づいて当該被験者の神経活動を観測し、当該観測された神経活動に応じて当該被験者をより好ましい方向に誘導するニューロフィードバック（Neuro Feedback：以下、「ＮＦ」とも略称する。）トレーニングの手法が開発および提案されている（例えば、非特許文献１および非特許文献２など参照）。

【0003】

長期的なニューロフィードバックトレーニングによって、被験者の認知能力の向上や精神的な疾患の症状改善といった効果を得られる可能性が示されている。

【0004】

なお、ＥＥＧに代えて、機能的磁気共鳴画像法（functional Magnetic Resonance Imaging：ｆＭＲＩ）いった血流計測により神経活動を観測する方法も知られている。ｆＭＲＩにおいては、疾患らしさを示す指標であるバイオマーカとして、安静時の機能的結合性（ＦＣ：Functional Connectivity）が用いられる。

【0005】

一方、ＥＥＧにおけるバイオマーカとしては、マイクロステートが一般的に用いられている（非特許文献２）。マイクロステートは、ＥＥＧに応じて規定される空間的に特徴的な表現である。また、精神疾患についてマイクロステート解析が有用であるとの報告もなされている（非特許文献３）。

【先行技術文献】

【非特許文献】

【0006】

【非特許文献1】Anastasiia Belinskaia et al, "Short-delay neurofeedback facilitates training of the parietal alpha rhythm," Journal of Neural Engineering, Volume 17, Number 6, 16 December 2020

【非特許文献2】Laura Diaz Hernandez et al, "Towards Using Microstate-Neurofeedback for the Treatment of Psychotic Symptoms in Schizophrenia," A Feasibility Study in Healthy Participants, Brain Topogr 29, 308-321 (2016). https://doi.org/10.1007/s10548-015-0460-4, 19 November 2015

【非特許文献3】池田俊一郎，西田圭一郎，吉村匡史，北浦祐一，木下利彦，「精神疾患におけるマイクロステート解析の有用性」，一般社団法人 日本臨床神経生理学会 臨床神経生理学，2019年47巻3号，p.163-167，2019年6月1日

【発明の概要】

【発明が解決しようとする課題】

【0007】

上述したようなニューロフィードバックトレーニングは研究途上であり、より効率的および効果的な作用を被験者に与えるための工夫が研究開発されている。本発明は、より有効なニューロフィードバックトレーニングの効果を被験者に与え得る新規な構成を提供するものである。

【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システムは、被験者の脳波を計測する計測部と、計測された脳波に基づいて、複数の脳波状態のうちいずれの脳波状態であるかを推定する推定部と、被験者を誘導すべきターゲットとなる脳波状態を決定する決定部と、推定された被験者の脳波状態とターゲットとなる脳波状態とを併せて、被験者に提示する提示部とを含む。

【0009】

提示部は、複数の脳波状態にそれぞれ対応する複数の領域を含む表示を被験者に提示してもよい。

【0010】

提示部は、複数の領域に対応付けて、推定された被験者の脳波状態を第１の表示態様で表示するとともに、ターゲットとなる脳波状態を第２の表示態様で表示してもよい。

【0011】

提示部は、推定された被験者の脳波状態とターゲットとなる脳波状態とが一致すると、一致したことを被験者に提示してもよい。

【0012】

計測部は、被験者が装着した複数の電極を含むキャップを介して、被験者の脳波として複数のチャネル成分を計測してもよい。推定部は、被験者の脳波に含まれる各チャネルの信号成分を対応する電極の位置に応じてマッピングすることで空間パターンを決定する手段と、決定された空間パターンと複数の脳波状態にそれぞれ対応するテンプレートとの間の空間相関をそれぞれ算出する手段と、算出されたそれぞれの空間相関のうち最も大きい値を示す空間相関に対応する脳波状態を被験者の脳波状態と決定する手段とを含んでいてもよい。

【0013】

推定部は、算出されたそれぞれの空間相関のうち最も大きい値を示す空間相関が予め定められたしきい値を超えた場合に限って、対応する脳波状態を有効な脳波状態として決定してもよい。

【0014】

推定部は、予め定められた時間分の脳波に含まれる各チャネルの平均値から空間パターンを決定してもよい。

【0015】

本発明の別の実施の形態に従うプログラムは、コンピュータに、被験者から計測された脳波を取得するステップと、取得された脳波に基づいて、複数の脳波状態のうちいずれの脳波状態であるかを推定するステップと、被験者を誘導すべきターゲットとなる脳波状態を決定するステップと、推定された被験者の脳波状態とターゲットとなる脳波状態とを併せて、被験者に提示するステップとを実行させる。

【0016】

本発明の別の実施の形態に従う方法は、被験者から計測された脳波を取得するステップと、取得された脳波に基づいて、複数の脳波状態のうちいずれの脳波状態であるかを推定するステップと、被験者を誘導すべきターゲットとなる脳波状態を決定するステップと、推定された被験者の脳波状態とターゲットとなる脳波状態とを併せて、被験者に提示するステップとを含む。

【発明の効果】

【0017】

本発明のある実施の形態によれば、より有効なニューロフィードバックトレーニングの効果を被験者に与え得る新規な構成を提供する。

【図面の簡単な説明】

【0018】

【図1】本実施の形態に従うニューロフィードバックシステムの構成例を示す模式図である。

【図2】本実施の形態に従うニューロフィードバックシステムに含まれる処理装置の装置構成を示す模式図である。

【図3】本実施の形態に従うニューロフィードバックシステムが推定する脳波状態を説明するための図である。

【図4】本実施の形態に従うニューロフィードバックシステムによる脳波状態を推定する処理を説明するための図である。

【図5】本実施の形態に従うニューロフィードバックシステムにおいて採用されるテンプレートの一例を説明するための図である。

【図6】本実施の形態に従うニューロフィードバックシステムにおける脳波状態の推定方法を説明するための図である。

【図7】本実施の形態に従う処理装置の機能構成例を示す模式図である。

【図8】本実施の形態に従う処理装置が実行するニューロフィードバックトレーニングに関する処理手順を示すフローチャートである。

【図9】本実施の形態に従う処理装置が提供するユーザインターフェイス画面の一例を示す模式図である。

【図10】本実施の形態に従う処理装置が提供するヒットしたことを提示するための処理例を示す模式図である。

【図11】本実施の形態に従うニューロフィードバックシステムによるニューロフィードバックトレーニングの手順例を示す図である。

【図12】本実施の形態に従うニューロフィードバックシステムによる脳波状態の推定結果の一例を示す図である。

【図13】本実施の形態に従うニューロフィードバックシステムによるフィードバックのリアルタイム性を評価するための構成例を示す模式図である。

【図14】本実施の形態に従うニューロフィードバックシステムによるニューロフィードバックトレーニングの結果の一例を示す図である。

【図15】本実施の形態に従うニューロフィードバックシステムによるニューロフィードバックトレーニングの結果の別の一例を示す図である。

【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．ニューロフィードバックシステム］
まず、本実施の形態に従うニューロフィードバックシステムの一例について説明する。

【0021】

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

【0022】

ニューロフィードバックシステム１は、主たるコンポーネントとして、計測回路５０と、処理装置１００と、ディスプレイ２０と、スピーカ３０とを含む。

【0023】

計測回路５０は、被験者２の脳波を計測する計測部に相当する。より具体的には、計測回路５０は、被験者２が装着した複数の電極１２を含むキャップ１０を介して、被験者２の脳波として複数のチャネル成分（ＥＥＧに相当する電気信号）を計測する。計測回路５０は、例えば、マルチプレクサ５２と、ノイズフィルタ５４と、Ａ／Ｄ（Analog to Digital）変換器５６とを含む。

【0024】

マルチプレクサ５２は、キャップ１０から出力される複数のチャネル（電極１２）を順次選択して、ノイズフィルタ５４と電気的に接続する。ノイズフィルタ５４は、特定の周波数成分だけを通過させるフィルタであり、選択されたチャネルに現れる信号（電気信号）に含まれるノイズ成分を除去する。例えば、通過帯域を０．０１６～２５０Ｈｚと設定できる。

【0025】

Ａ／Ｄ変換器５６は、ノイズフィルタ５４から出力される電気信号（アナログ信号）を所定周期毎にサンプリングして、デジタル信号として出力する。

【0026】

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

【0027】

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

【0028】

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

【0029】

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

【0030】

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

【0031】

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

【0032】

計測インターフェイス１１０は、計測回路５０から出力されるＥＥＧ（デジタル信号）を受信する。

【0033】

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

【0034】

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

【0035】

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

【0036】

［Ｂ．脳波状態］
本明細書において、「脳波状態」は、ＥＥＧから決定あるいは推定される被験者の脳活動の状態を意味する。脳波状態としては、予め複数の状態値を定義できる。本明細書においては、脳波状態の典型例として、「マイクロステート」を採用する。

【0037】

本明細書において、「マイクロステート」は、被験者によらず観測される脳活動の電気的最小単位を意味する。先行研究においては、チャネルの数、前処理手順、被験者などにかかわらず、マイクロステートは４つであることが繰り返し報告されている。そこで、本実施の形態においては、このような先行研究に従って、脳波状態として、４つのマイクロステートを推定する。

【0038】

以下の説明においては、「マイクロステート」を「脳波状態」と称することもある。また、標準的な４つの脳波状態（マイクロステート）をｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤと称することもある。但し、脳波状態（マイクロステート）の数については４つに限定されることなく、最適な数を任意に設定できる。

【0039】

図３は、本実施の形態に従うニューロフィードバックシステム１が推定する脳波状態を説明するための図である。図３（Ａ）には、被験者２が装着したキャップ１０を介して計測されるＥＥＧの生信号６０（時間波形）の例を示す。図３（Ａ）には、一例として、３２個の電極１２のそれぞれで計測した生信号６０（３２チャネル）の例を示す。

【0040】

脳波状態として用いるマイクロステートは、被験者から計測されたＥＥＧにおいてパワー値（電極間（チャネル間）の分散）が局所的に大きくなっているときのトポグラフィーを集積し、集積したトポグラフィーを超空間上で複数グループ（本実施の形態においては、４グループ）にクラスタリングした各重心として観測できる。

【0041】

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

【0042】

図３（Ｂ）には、時空間的次元（spatio-temporal dimensionality）に対して設定された脳波状態が模式的に示されている。図３（Ａ）に示す時間波形において、パワー値（電極間（チャネル間）の分散）が局所的に大きくなっている任意の計測時点（所定の計測期間を代表する１つの計測時点の場合もある）におけるＥＥＧの各チャネルの値を成分とするベクトル７２（この例では、３２次元）を超空間７０上に定義する。超空間７０上に定義される多数のベクトル７２をクラスタリングすることで、被験者２の間で共通する４つのクラスタ７４Ａ，７４Ｂ，７４Ｃ，７４Ｄ（以下では、「クラスタ７４」と総称することもある。）を決定できる。４つのクラスタ７４Ａ，７４Ｂ，７４Ｃ，７４Ｄが脳波状態ｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤにそれぞれ対応する。脳波状態ｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤのそれぞれに対応するクラスタ７４Ａ，７４Ｂ，７４Ｃ，７４Ｄの重心座標は、３２次元のベクトルを意味する。なお、クラスタリングとしては、ｋ平均法や階層的クラスタリングなどの公知の方法を用いることができる。

【0043】

また、被験者２のＥＥＧから任意に算出されるベクトル７２がクラスタ７４Ａ，７４Ｂ，７４Ｃ，７４Ｄのうちいずれかに属してれば、被験者２が安定状態にあるとみなすことができる。

【0044】

したがって、クラスタ７４Ａ，７４Ｂ，７４Ｃ，７４Ｄの各々に属するベクトル７２同士は、互いに類似した特徴を有しており、クラスタ７４Ａ，７４Ｂ，７４Ｃ，７４Ｄのそれぞれに属するベクトル７２同士で類似した特徴を固有空間パターン７６Ａ，７６Ｂ，７６Ｃ，７６Ｄ（以下では、「固有空間パターン７６」と総称することもある。）とも称す。ここで、固有空間パターン７６Ａ，７６Ｂ，７６Ｃ，７６Ｄは、各チャネルの信号強度を各チャネルに対応する電極１２の位置（すなわち、情報を収集している脳の部位）に応じてマッピングしたものに相当する。

【0045】

それぞれの脳波状態に対応するクラスタ７４（固有空間パターン７６）は、十分な数の被験者２から安静時のＥＥＧを計測し、計測されたＥＥＧをクラスタリングすることで決定できる。このようなクラスタリングにより決定されたクラスタ７４（固有空間パターン７６）は、被験者にかかわらず、一般化されたものとみなすことができる。すなわち、各クラスタ７４は、脳活動パターンを示すものとなる。

【0046】

本実施の形態に従うニューロフィードバックシステム１は、比較的短時間毎（例えば、１００ｍｓ周期（１０Ｈｚ））に脳波状態を逐次推定する。被験者２の脳波状態を比較的短時間毎に推定するために、本実施の形態に従うニューロフィードバックシステム１においては、マイクロステートテンプレートを採用する。

【0047】

図４は、本実施の形態に従うニューロフィードバックシステム１による脳波状態を推定する処理を説明するための図である。図４を参照して、被験者２から計測されるＥＥＧの生信号６０に設定された区間（この例では、１００ｍｓ）に生じる時間波形の集合（以下、「エポック６２」とも称す。）から対応する計測空間パターン７８が決定される。エポック６２をチャネル毎に平均化することで、チャネル毎に対象の区間を代表する１つの値が算出される（すなわち、３２チャネルで３２個の値）。

【0048】

決定された計測空間パターン７８が４つの脳波状態ｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤのうちいずれに該当するのかを決定するために、マイクロステートテンプレート群８０が予め用意される。マイクロステートテンプレート群８０は、４つの脳波状態ｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤにそれぞれ対応するテンプレート８２Ａ，８２Ｂ，８２Ｃ，８２Ｄ（以下、「テンプレート８２」とも総称する。）を含む。テンプレート８２Ａ，８２Ｂ，８２Ｃ，８２Ｄの各々は、図３（Ｂ）の固有空間パターン７６Ａ，７６Ｂ，７６Ｃ，７６Ｄに対応する。説明の便宜上、図４には、テンプレート８２の実体ではなく、固有空間パターン７６を視覚化した画像を描いている。

【0049】

計測空間パターン７８とテンプレート８２Ａ，８２Ｂ，８２Ｃ，８２Ｄの各々との間で、空間相関（類似度）が算出される。図４の例では、空間相関はそれぞれ「０．３」，「０．２」，「０．５」，「０．９」となっている。計測空間パターン７８とテンプレート８２Ｄとの空間相関が「０．９」と最も大きく、かつ、絶対値も十分に大きいので、計測空間パターン７８は、脳波状態「ｍｓＤ」に相当すると推定できる。

【0050】

このように、本実施の形態に従うニューロフィードバックシステム１においては、４つの脳波状態ｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤにそれぞれ対応する４つのテンプレート８２を予め用意するとともに、所定周期で計測されるＥＥＧから算出される計測空間パターン７８との空間相関を算出することで、所定周期毎にいずれの脳波状態であるかを推定する。

【0051】

図５は、本実施の形態に従うニューロフィードバックシステム１において採用されるテンプレートの一例を説明するための図である。図５を参照して、４つの固有空間パターン７６Ａ，７６Ｂ，７６Ｃ，７６Ｄは、それぞれ脳波状態ｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤを示す。テンプレート８２Ａ，８２Ｂ，８２Ｃ，８２Ｄは、それぞれ固有空間パターン７６Ａ，７６Ｂ，７６Ｃ，７６Ｄをマトリックスの形で記載した一種の空間フィルタに相当する。

【0052】

図５に示す例では、７×７の行列が採用されており、各行列要素の濃淡が設定される値（±５の範囲）の大きさを示す。

【0053】

計測されるＥＥＧの各チャネルの値は、対応する電極１２の位置に応じて、計測空間パターン７８を示す行列内の特定の位置（行位置×列位置）にマッピングされる。例えば、キャップ１０の電極１２は、Ｆｐ１，Ｆｐ２，Ｆｚ，Ｆ３，Ｆ４，Ｆ７，Ｆ８，Ｆ９，Ｆ１０，ＦＣ１，ＦＣ２，ＦＣ５，ＦＣ６，Ｃｚ，Ｃ３，Ｃ４，Ｔ７，Ｔ８，ＣＰ１，ＣＰ２，ＣＰ５，ＣＰ６，Ｐｚ，Ｐ３，Ｐ４，Ｐ７，Ｐ８，Ｐ９，Ｐ１０，Ｏｚ，Ｏ１，Ｏ２の位置にそれぞれ配置されているとする。なお、レファレンス電極およびグランド電極がＦＣｚおよびＦｐｚの位置にそれぞれ配置されてもよい。

【0054】

計測されるＥＥＧのチャネル数は３２であるので、チャネルがマッピングされない行列要素も存在する。そのため、各チャネルのマッピング位置に応じて、テンプレート８２の各行列要素の値も決定される。テンプレート８２の行列要素の値は、図５に示すクラスタ７４Ａ，７４Ｂ，７４Ｃ，７４Ｄの重心座標（３２次元のベクトル）に基づいて決定される。また、計測空間パターン７８のうちチャネルがマッピングされない行列要素に対応するテンプレート８２の行列要素については「０」が設定される。

【0055】

計測空間パターン７８とテンプレート８２の各々との間で空間相関が算出される。
図６は、本実施の形態に従うニューロフィードバックシステム１における脳波状態の推定方法を説明するための図である。図６には、計測空間パターン７８とテンプレート８２Ａ，８２Ｂ，８２Ｃ，８２Ｄの各々との間で算出される空間相関の時間的変化の一例を示す。上述したように、それぞれの空間相関は、エポック６２毎（例えば、１００ｍｓ毎）に算出される。

【0056】

エポック６２毎に算出される４つの空間相関のうち最も大きい値を示す空間相関に対応する脳波状態を、当該エポック６２における脳波状態として決定してもよい。但し、空間相関の絶対値が小さい場合には、信頼性が低いと考えられるので、空間相関の絶対値についても条件を付加してもよい。より具体的には、上限しきい値８６および下限しきい値８８を設定し、上限しきい値８６を超える場合、または、下限しきい値８８を下回る場合に限って、脳波状態として有効に決定してもよい（図６中の決定ポイント８４）。

【0057】

上限しきい値８６および下限しきい値８８は、それぞれ任意に設定されてもよいが、絶対値が同じになるように設定されることが好ましい。

【0058】

なお、空間相関を絶対値で評価するのは、ＥＥＧを構成する時間波形の極性の影響を排除するためである。すなわち、いずれかのテンプレート８２に対応するＥＥＧの時間波形と逆極性の時間波形が現れると、当該テンプレート８２に対する空間相関は、負の大きな値を示す。このような場合であっても、極性が反転しているだけであって、高い空間相関を示すと判断できる。そのため、処理装置１００においては、空間相関を絶対値で評価する。

【0059】

このように、脳波状態の推定方法としては、（１）計測空間パターン７８とテンプレート８２Ａ，８２Ｂ，８２Ｃ，８２Ｄの各々との間で算出される４つの空間相関のうち最も大きいもの、かつ、（２）最も大きい空間相関の絶対値が所定のしきい値を超えている場合、に限って、当該最も大きい空間相関に対応する脳波状態を有効な推定結果としてもよい。

【0060】

なお、最も大きい空間相関の絶対値が所定のしきい値を超えない場合には、いずれの脳波状態であるかを有効に決定できないことになる。

【0061】

［Ｃ．機能構成］
次に、本実施の形態に従うニューロフィードバックシステム１における処理を実現するための機能構成例について説明する。

【0062】

図７は、本実施の形態に従う処理装置１００の機能構成例を示す模式図である。図７に示すコンポーネントは、典型的には、処理装置１００のプロセッサ１０２が計測プログラム１２４およびフィードバックプログラム１２６を実行することで実現されてもよい。

【0063】

図７を参照して、処理装置１００は、主たるコンポーネントとして、バッファ１５０と、平均化モジュール１５２と、マッピングモジュール１５４と、空間相関算出モジュール１５６と、最大値選択モジュール１５８と、しきい値評価モジュール１６０と、脳波状態推定モジュール１６２と、フィードバックモジュール１６４と、ターゲット決定モジュール１６６とを含む。

【0064】

バッファ１５０と、平均化モジュール１５２と、マッピングモジュール１５４と、空間相関算出モジュール１５６と、最大値選択モジュール１５８と、しきい値評価モジュール１６０と、脳波状態推定モジュール１６２とは、計測された脳波（ＥＥＧ）に基づいて、複数の脳波状態のうちいずれの脳波状態であるかを推定する推定部に相当する。

【0065】

バッファ１５０は、計測回路５０から出力されるＥＥＧの生信号（３２チャネル）を所定時間分（例えば、１００ｍｓ）に亘って保持する。

【0066】

平均化モジュール１５２は、バッファ１５０に格納されたＥＥＧの生信号について、チャネル毎に時間波形を平均化して平均値を算出する。平均化モジュール１５２は、チャネル毎の平均値を出力する。

【0067】

マッピングモジュール１５４は、被験者２の脳波に含まれる各チャネルの信号成分を対応する電極１２の位置に応じてマッピングすることで計測空間パターン７８を決定する。ここで、マッピングモジュール１５４は、予め定められた時間分の脳波（ＥＥＧ）に含まれる各チャネルの平均値から計測空間パターン７８を決定する。すなわち、マッピングモジュール１５４は、平均化モジュール１５２からのチャネル毎の平均値を所定規則に従ってマッピングすることで、計測空間パターン７８を決定する。

【0068】

空間相関算出モジュール１５６は、計測空間パターン７８とテンプレート８２Ａ，８２Ｂ，８２Ｃ，８２Ｄとの空間相関（空間相関Ａ，空間相関Ｂ，空間相関Ｃ，空間相関Ｄ）をそれぞれ算出する。ここで、テンプレート８２Ａ，８２Ｂ，８２Ｃ，８２Ｄは、４つの脳波状態にそれぞれ対応する。

【0069】

最大値選択モジュール１５８および脳波状態推定モジュール１６２は、算出されたそれぞれの空間相関のうち最も大きい値を示す空間相関に対応する脳波状態を被験者２の脳波状態と決定する。但し、算出されたそれぞれの空間相関のうち最も大きい値を示す空間相関が予め定められたしきい値を超えた場合に限って、対応する脳波状態を有効な脳波状態として決定してもよい。

【0070】

最大値選択モジュール１５８は、空間相関算出モジュール１５６が算出した４つの空間相関のうち最も大きい値を示す空間相関を選択して出力する。

【0071】

しきい値評価モジュール１６０は、最大値選択モジュール１５８が出力する空間相関（最大の空間相関）を上限しきい値８６および下限しきい値８８と比較する。しきい値評価モジュール１６０は、空間相関が上限しきい値８６を超える場合、または、下限しきい値８８を下回る場合には、有効化信号を脳波状態推定モジュール１６２へ出力する。

【0072】

脳波状態推定モジュール１６２は、最大値選択モジュール１５８が出力している空間相関の識別情報（脳波状態ｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤのうちいずれに対応する空間相関を出力しているかを示す情報）と、しきい値評価モジュール１６０からの有効化信号とに基づいて、現在の脳波状態を決定する。なお、しきい値評価モジュール１６０からの有効化信号が出力されていなければ、いずれの脳波状態であるかを決定できない旨を出力する。

【0073】

ターゲット決定モジュール１６６は、被験者２を誘導すべきターゲットとなる脳波状態を決定する決定部に相当する。より具体的には、ターゲット決定モジュール１６６は、予め定められた規則に従って、被験者２を誘導すべきターゲットとなる脳波状態を決定し、フィードバックモジュール１６４へ与える。

【0074】

フィードバックモジュール１６４は、推定された被験者２の脳波状態とターゲットとなる脳波状態とを併せて、被験者２に提示する提示部に相当する。より具体的には、フィードバックモジュール１６４は、脳波状態推定モジュール１６２から出力される決定された脳波状態の情報、および、ターゲット決定モジュール１６６からのターゲットとなる脳波状態の情報に基づいて、ディスプレイ２０に対して映像信号を出力し、スピーカ３０に対して音声信号を出力する。なお、通信インターフェイスとしてＨＤＭＩ（登録商標）を採用した場合には、映像信号および音声信号は一体化した信号として出力されることになる。

【0075】

また、フィードバックモジュール１６４は、ターゲットの脳波状態と現在の脳波状態とが一致すると、その旨を被験者２に提示するようにしてもよい。ここで、ターゲットの脳波状態と現在の脳波状態とが一致すると何らかの報酬（例えば、金銭報酬でもよいし、他の報酬であってもよい）を被験者２に提供することを事前に通知しておいてもよい。

【0076】

［Ｄ．処理手順］
次に、本実施の形態に従うニューロフィードバックシステム１における処理例について説明する。

【0077】

図８は、本実施の形態に従う処理装置１００が実行するニューロフィードバックトレーニングに関する処理手順を示すフローチャートである。図８に示す各ステップは、典型的には、処理装置１００のプロセッサ１０２が計測プログラム１２４およびフィードバックプログラム１２６を実行することで実現されてもよい。

【0078】

図８を参照して、処理装置１００は、被験者２から計測された脳波（ＥＥＧ）を取得する処理を実行する。より具体的には、処理装置１００は、計測回路５０から出力されるＥＥＧの生信号（３２チャネル）をバッファリングする（ステップＳ２）。所定時間分のＥＥＧの生信号がバッファリングされたか否かを判断する（ステップＳ４）。所定時間分のＥＥＧの生信号がバッファリングされていなければ（ステップＳ４においてＮＯ）、ステップＳ２の処理が繰り返される。

【0079】

所定時間分のＥＥＧの生信号がバッファリングされていれば（ステップＳ４においてＹＥＳ）、処理装置１００は、チャネル毎に時間波形を平均化して平均値を算出する（ステップＳ６）。そして、処理装置１００は、算出したチャネル毎の平均値から計測空間パターン７８を算出する（ステップＳ８）。

【0080】

続いて、処理装置１００は、取得された脳波（ＥＥＧ）に基づいて、複数の脳波状態のうちいずれの脳波状態であるかを推定する処理を実行する。より具体的には、処理装置１００は、計測空間パターン７８とテンプレート８２Ａ，８２Ｂ，８２Ｃ，８２Ｄとの空間相関をそれぞれ算出する（ステップＳ１０）。そして、処理装置１００は、算出したそれぞれの空間相関のうち最も大きい値を示す空間相関を選択し（ステップＳ１２）、選択された空間相関の絶対値がしきい値を超えるか否かを判断する（ステップＳ１４）。

【0081】

選択された空間相関の絶対値がしきい値を超えていれば（ステップＳ１４においてＹＥＳ）、処理装置１００は、選択した空間相関に対応する脳波状態を現在の状態として決定する（ステップＳ１６）。

【0082】

選択された空間相関の絶対値がしきい値を超えていなければ（ステップＳ１４においてＮＯ）、処理装置１００は、いずれの脳波状態であるかを決定できないと判断する（ステップＳ１８）。

【0083】

処理装置１００は、被験者２を誘導すべきターゲットとなる脳波状態を決定する（ステップＳ２０）。続いて、処理装置１００は、ターゲットの脳波状態と現在の脳波状態とが一致するか否かを判断する（ステップＳ２２）。ターゲットの脳波状態と現在の脳波状態とが一致していれば（ステップＳ２２においてＹＥＳ）、処理装置１００は、ターゲットの脳波状態と現在の脳波状態とが一致していることを被験者２に提示する（ステップＳ２４）。なお、ターゲットの脳波状態と現在の脳波状態とが一致することを、以下では「ヒット」とも称す。

【0084】

ターゲットの脳波状態と現在の脳波状態とが一致していなければ（ステップＳ２２においてＮＯ）、ステップＳ２４の処理はスキップされる。

【0085】

続いて、処理装置１００は、ターゲットの脳波状態および現在の脳波状態を被験者２に提示する（ステップＳ２６）。すなわち、処理装置１００は、推定された被験者２の脳波状態（現在の脳波状態）とターゲットとなる脳波状態とを併せて、被験者２に提示する。

【0086】

処理装置１００は、ニューロフィードバックトレーニングの終了条件が成立したか否かを判断する（ステップＳ２８）。ニューロフィードバックトレーニングの終了条件が成立していなければ（ステップＳ２８においてＮＯ）、ステップＳ２以下の処理が繰り返される。一方、ニューロフィードバックトレーニングの終了条件が成立していれば（ステップＳ２８においてＹＥＳ）、処理は終了する。

【0087】

［Ｅ．ユーザインターフェイス］
次に、処理装置１００が提供するユーザインターフェイス（視覚的および／または聴覚的なフィードバック）の一例について説明する。

【0088】

図９は、本実施の形態に従う処理装置１００が提供するユーザインターフェイス画面の一例を示す模式図である。

【0089】

図９（Ａ）を参照して、処理装置１００は、４つの脳波状態を含む脳波状態オブジェクト２００と、推定された現在の脳波状態を示す現在状態オブジェクト２１０とをディスプレイ２０に表示する。図９（Ａ）に示すように、処理装置１００（フィードバックモジュール１６４）は、複数の脳波状態にそれぞれ対応する複数の領域を含む表示（脳波状態オブジェクト２００）を被験者２に提示してもよい。図９（Ａ）に示すようなユーザインターフェイス画面を提供することで、被験者２は、現在の自分の脳波状態がいずれの状態であるかを一見して認識できる。

【0090】

図９（Ｂ）を参照して、処理装置１００は、ターゲットの脳波状態を示すターゲットオブジェクト２２０をさらに表示するようにしてもよい。図９（Ｂ）に示すように、処理装置１００（フィードバックモジュール１６４）は、脳波状態オブジェクト２００が示す複数の領域に対応付けて、推定された被験者２の脳波状態（現在の脳波状態）を第１の表示態様（例えば、図９（Ｂ）に示すような丸印）で表示するとともに、ターゲットとなる脳波状態を第２の表示態様（例えば、図９（Ｂ）に示すような四角囲み）で表示してもよい。図９（Ｂ）に示すようなユーザインターフェイス画面を提供することで、被験者２は、現在の自分の脳波状態がいずれの状態であるかに加えて、いずれの脳波状態になるべきかを一見して認識できる。

【0091】

図９（Ｃ）を参照して、処理装置１００がいずれの脳波状態であるかを決定できない場合には、現在状態オブジェクト２１０は表示されない。

【0092】

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

【0093】

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

【0094】

図１０は、本実施の形態に従う処理装置１００が提供するヒットしたことを提示するための処理例を示す模式図である。

【0095】

図１０（Ａ）には、ターゲットの脳波状態と現在の脳波状態とが一致していない状態の一例を示す。図１０（Ｂ）には、ターゲットの脳波状態と現在の脳波状態とが一致している状態の一例を示す。

【0096】

被験者２による意識を調整する試みによって、現在の脳波状態（現在状態オブジェクト２１０）が変化してターゲットの脳波状態（ターゲットオブジェクト２２０）と一致（ヒット）すると、図１０（Ｂ）に示されるように、ターゲットオブジェクト２２０内に現在状態オブジェクト２１０が表示される。

【0097】

このとき、処理装置１００（フィードバックモジュール１６４）は、推定された被験者２の脳波状態（現在の脳波状態）とターゲットとなる脳波状態とが一致すると、一致したことを被験者２に提示してもよい。例えば、スピーカ３０からヒットしたことを示す通知音３２が出力されてもよい。ヒットに応じて通知音３２を出力することで、被験者２は、より多くの通知音３２が出力されるように、意識を調整するように試みる。

【0098】

なお、ヒットしたことを被験者２に提示する方法としては、通知音３２に限らず、表示色の変更や追加的なオブジェクト表示といった視覚的な方法であってもよい。

【0099】

［Ｆ．実験結果］
次に、本実施の形態に従うニューロフィードバックシステム１を用いた実験結果の一例について説明する。

【0100】

（ｆ１：ニューロフィードバックトレーニング）
まず、ニューロフィードバックトレーニングの手順例について説明する。

【0101】

図１１は、本実施の形態に従うニューロフィードバックシステム１によるニューロフィードバックトレーニングの手順例を示す図である。図１１を参照して、１つのセッション４０は、準備フェーズ４２とタスクフェーズ４４とを含む。

【0102】

準備フェーズ４２では、ディスプレイ２０に表示されるターゲットの脳波状態と現在の脳波状態とを一致させて、より多くの音が鳴るように促すアナウンスが被験者２に与えられる。

【0103】

タスクフェーズ４４は、複数回（例えば、３回）のサブタスク４６からなる。サブタスク４６の各々においては、ターゲットの脳波状態として、４つの脳波状態ｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤに加えて、「無」も含めた５つが採用される。これら５つの脳波状態がランダムに切り換えられる。１つの脳波状態が選択される時間長さは、例えば、２０ｓとしてもよい。その結果、１つのサブタスク４６に要する時間は、２０ｓ×５＝１００ｓとなる。

【0104】

タスクフェーズ４４において、被験者２は、ディスプレイ２０に表示されるターゲットの脳波状態と一致するように意識の調整を試みる。

【0105】

（ｆ２：脳波状態の推定結果）
図１２は、本実施の形態に従うニューロフィードバックシステム１による脳波状態の推定結果の一例を示す図である。

【0106】

図１２（Ａ）には、しきい値の絶対値を０．８（上限しきい値＝０．８，下限しきい値＝－０．８）に設定した場合の結果の一例を示し、図１２（Ｂ）には、しきい値の絶対値を０．１（上限しきい値＝０．１，下限しきい値＝－０．１）に設定した場合の結果の一例を示す。

【0107】

図１２（Ａ）を参照して、しきい値処理前の脳波状態の推定結果（すなわち、最も大きい値を示す空間相関に対応する脳波状態）のタイムチャート３０２に対して、しきい値３０８を用いてしきい値処理を行うと、推定結果のタイムチャート３０４が得られる。

【0108】

なお、タイムチャート３０２は、準備フェーズ（４０秒）およびタスクフェーズ（３６０秒）の合計４００秒分に相当する４０００点の推定結果を示す。図１２（Ｂ）のタイムチャート３１２も同様である。

【0109】

図１２（Ａ）には、ターゲットの脳波状態と現在の脳波状態とが一致（ヒット）した場合のタイムチャート３０６も示されている。

【0110】

一方、図１２（Ｂ）を参照して、しきい値処理前の脳波状態の推定結果を示すタイムチャート３１２に対して、しきい値３１８を用いてしきい値処理を行うと、推定結果のタイムチャート３１４が得られる。図１２（Ｂ）には、ターゲットの脳波状態と現在の脳波状態とが一致（ヒット）した場合のタイムチャート３１６も示されている。

【0111】

図１２（Ａ）のタイムチャート３０４と図１２（Ｂ）のタイムチャート３１４とを比較すると、しきい値の絶対値を小さくすると、脳波状態の推定結果がより頻繁に更新されることになる。そのため、被験者２にとってみると、推定結果がめまぐるしく変化するため、意識を変えづらい可能性がある。そのため、しきい値の絶対値については、０．７～０．８程度に設定することが好ましい。

【0112】

なお、脳波状態の決定に用いるしきい値については、被験者毎に調整するようにしてもよい。

【0113】

（ｆ３：フィードバックのリアルタイム性による効果）
次に、フィードバックのリアルタイム性による効果についての実験例を示す。本実施の形態に従うニューロフィードバックシステム１は、比較的短時間毎（例えば、１００ｍｓ周期（１０Ｈｚ））に脳波状態を逐次推定する。

【0114】

図１３は、本実施の形態に従うニューロフィードバックシステム１によるフィードバックのリアルタイム性を評価するための構成例を示す模式図である。図１３を参照して、処理装置１００からディスプレイ２０およびスピーカ３０へ出力される映像信号および音声信号を遅延させるための遅延部６を設ける。

【0115】

フィードバックのリアルタイム性による効果を検証するために、（１）遅延無し（遅延時間：０ｓ）、（２）１ｓ遅延、（３）２０ｓ遅延、の３種類に遅延時間を異ならせた場合のヒット数の変化を評価した。

【0116】

図１４は、本実施の形態に従うニューロフィードバックシステム１によるニューロフィードバックトレーニングの結果の一例を示す図である。図１４には、４つの脳波状態ｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤの各々をターゲットに設定するとともに、遅延時間を３種類に異ならせた場合の結果を示す。

【0117】

図１４（Ａ）には、被験者の主観としての調整し易さ（controllability）を５段階で回答してもらった結果の一例を示す（「１」が最も易しく、「５」が最も難しい）。また、図１４（Ａ）には、被験者が感じた眠気の度合いについても回答してもらった結果の一例を示す。図１４（Ｂ）には、ヒット数の生データの一例を示す。図１４（Ｃ）には、図１４（Ａ）に示す主観としての調整し易さと、図１４（Ｂ）に示すヒット数の生データとを対応付けた散布図を示す。なお、図１４（Ａ）および図１４（Ｂ）のエラーバーは、±１ＳＥの範囲を示す。

【0118】

先行研究によれば、若い健康な被験者については、脳波状態ｍｓＣが最も支配的であるとされている。そのため、脳波状態ｍｓＣについては、遅延時間の長さにかかわらず、ヒット数は他の脳波状態に比較して多くなっており（図１４（Ｂ）の「ｍｓＣ」参照）、被験者の主観としても、他の脳波状態に比較して調整し易いと感じている（図１４（Ａ）の「ｍｓＣ」参照）。

【0119】

二元配置分散分析（４つのターゲット×３つの遅延時間の条件）を算出したところ、ターゲットの主効果および相互作用は有意であった（Ｆ（３，５１）＝２４．２，ｐ＜０．０００１、および、Ｆ（６，１０２）＝２．３６，ｐ＝０．０３５５）。遅延の主効果についてもほぼ有意であった（Ｆ（２，３４）＝２４．２，ｐ＝０．０５０１）。

【0120】

ライアン法（Ryan's method）を用いてターゲットの主効果を多重比較すると、脳波状態ｍｓＣは、他の脳波状態ｍｓＡ，ｍｓＢ，ｍｓＤに対して、大きく増加することが分かった（ｐｓ＜０．０５）。

【0121】

相互作用に関して、脳波状態ｍｓＣに対する遅延の主効果は有意であった（Ｆ（２，１３６）＝７．９０，ｐ＝０．０００６）。ヒット数の合計に関して、遅延の主効果は有意であった（一元配置分散分析：Ｆ（２，３４）＝３．３６，ｐ＝０．０４６６）。

【0122】

そのため、被験者の主観としての調整し易さについても、脳波状態ｍｓＣでは、より易しいと感じている。

【0123】

二元配置分散分析（４つのターゲット×３つの遅延時間の条件）によれば、ターゲットの主効果は有意であった（Ｆ（３，５１）＝７．９３，ｐ＝０．０００２）。一方、遅延および遅延の相互作用は有意ではなかった（Ｆ（２，３４）＝０．４９，ｐ＝０．６１８９、および、Ｆ（６，１０２）＝０．０９，ｐ＝０．９９６９）。

【0124】

また、被験者からの眠気の報告については、３つの遅延時間の条件間で差はなかった（一元配置分散分析：Ｆ（２，３４）＝０．６９，ｐ＝０．５０７２）。

【0125】

ニューロフィードバックトレーニングの効果は、被験者がエージェンシー（agency）を感じる度合いに依存すると報告されている。例えば、ある望ましい結果が達成されると、その達成された結果が自身の神経活動によるものでなくても、エージェンシーを感じ得る。

【0126】

本実施の形態に従うニューロフィードバックシステム１を用いたニューロフィードバックトレーニングにおいても、ヒットしたときに与えられる音声などのフィードバックを通じて、被験者がエージェンシーを感じる度合いはヒット数に反映されると考えられる。

【0127】

図１４（Ｃ）に示すように、遅延時間の大きさにかかわらず、ヒット数と調整し易さとの間には、負の相関関係が存在する。

【0128】

ヒット数は遅延時間の大きさに影響される可能性があるが、調整し易さおよび眠気については、遅延時間の大きさに依存していない。これは、遅延が発生していることに被験者が気付いていなかったことを示している。

【0129】

すなわち、被験者の感じ得るエージェンシーは、遅延時間の気付きと相関関係があり、遅延時間が発生していることに気付いていないことは、被験者の感じ得るエージェンシーが相対的に低い（すなわち、学習意欲が低い）ことを意味する。したがって、遅延時間を異ならせて得られる評価結果の間の相違に基づいて、被験者の学習意欲の度合いを推定できる可能性がある。

【0130】

図１５は、本実施の形態に従うニューロフィードバックシステム１によるニューロフィードバックトレーニングの結果の別の一例を示す図である。

【0131】

図１５（Ａ）には、遅延時間を異ならせた場合の被験者の相対的なヒット数の結果例を示す。ベースラインは、ターゲットの脳波状態が「無」におけるヒット数（すなわち、脳波状態が推定された数）となっている。しきい値などの被験者毎の設定があるので、一律の基準で標準化することが適切ではないため、被験者毎にベースライン（１．０）を基準とした評価を採用している。

【0132】

図１５（Ａ）に示すように、１ｓ遅延および２０ｓ遅延の場合に比較して、遅延無しの場合における相対的なヒット数は明らかに増加しており、本実施の形態に従うニューロフィードバックシステム１によるフィードバックのリアルタイム性の効果が明確に現れている。

【0133】

一元配置分散分析によれば、遅延の主効果は有意であった（Ｆ（２，３４）＝４．８６，ｐ＝０．０１３９）。この一元配置分散分析においては、ライアン法を用いて、遅延無しと１ｓ遅延との間、および、遅延無しと２０ｓ遅延との間の事後有意差を算出した。

【0134】

二元配置分散分析（４つのターゲット×３つの遅延時間の条件）によれば、ターゲットの主効果は有意であった（Ｆ（３，５１）＝３．９４，ｐ＝０．０１２８）。一方、遅延または遅延の相互作用は有意ではなかった（Ｆ（２，３４）＝１．０５，ｐ＝０．３６０１、および、Ｆ（６，１０２）＝１．０４，ｐ＝０．４０３２）。

【0135】

図１５（Ｂ）には、ターゲットの脳波状態毎の相対的なヒット数の結果例を示す。図１５（Ｂ）に示すように、脳波状態ｍｓＤの相対的なヒット数は、遅延時間にかかわらず、他の脳波状態ｍｓＡ，ｍｓＢ，ｍｓＤに比較して大幅に高くなっている（ライアン法を用いた多重比較ではｐｓ＜０．０５）。これは、遅延を与えたニューロフィードバックシステム１の応答性に関する脳波状態間の潜在的な機能性の違いを示唆している。

【0136】

［Ｇ．ニューロフィードバックトレーニングの運用］
本実施の形態に従うニューロフィードバックシステム１においては、標準的な４つの脳波状態にそれぞれ対応する４つのテンプレートを被験者間で共通的に利用することが想定されている。そのため、被験者毎にテンプレートを用意する必要はない。但し、被験者毎にしきい値を調整することは可能である。

【0137】

そのため、被験者が医療機関などでニューロフィードバックトレーニングする場合には、図１に示すようなニューロフィードバックシステム１を医療機関に配置するとともに、被験者毎の設定値（しきい値など）を一元管理するデータサーバを用意してもよい。そして、被験者がニューロフィードバックトレーニングする処理装置１００に対して、データサーバから被験者毎の設定値（しきい値など）を都度設定するようにしてもよい。このような仕組みを採用することで、いずれの医療機関においても均質化されたニューロフィードバックトレーニングを受けることができる。

【0138】

また、被験者毎の設定値（しきい値など）については、被験者の属性（性別、年齢、身長、体重など）に応じて、予め定められた基準に従って決定してもよいし、設定値を異ならせて計測した結果に基づいて、最適な値を決定するようにしてもよい。

【0139】

［Ｈ．利点］
本実施の形態に従うニューロフィードバックシステムは、被験者の脳波状態をリアルタイムで推定し、推定された脳波状態に基づく情報を被験者にフィードバックする。被験者にフィードバックの情報を提示する時間を遅延させた実験結果によれば、被験者自体は、遅延が発生していることに気付いていない（図１４（Ａ）に示される被験者の主観としての調整し易さの実験例などを参照）と推察されるものの、遅延時間を短くすることで、ヒット数の合計についてのパフォーマンスを高めることができることが示されている（図１４（Ｂ）に示されるヒット数の生データなどを参照）。

【0140】

このように、本実施の形態に従うニューロフィードバックシステムは、被験者の脳波状態をリアルタイムで推定し、推定された脳波状態に基づく情報を被験者にフィードバックすることで、より有効なニューロフィードバックトレーニングの効果を被験者に与えることができるであろう。

【0141】

また、本実施の形態に従うニューロフィードバックシステムは、リアルタイムで推定される被験者の脳波状態とターゲットとなる脳波状態とを視覚的に被験者へ提示する。そのため、被験者は、現在の脳波状態を指定されたターゲットの脳波状態と一致するように、意識を調整しようとする試みをより容易に行うことができる。これによって、より有効なニューロフィードバックトレーニングの効果を被験者に与えることができるであろう。

【0142】

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】

【0143】

１ ニューロフィードバックシステム、２ 被験者、６ 遅延部、１０ キャップ、１２ 電極、２０ ディスプレイ、３０ スピーカ、３２ 通知音、４０ セッション、４２ 準備フェーズ、４４ タスクフェーズ、４６ サブタスク、５０ 計測回路、５２ マルチプレクサ、５４ ノイズフィルタ、５６ Ａ／Ｄ変換器、６０ 生信号、６２ エポック、７０ 超空間、７２ ベクトル、７４，７４Ａ，７４Ｂ，７４Ｃ，７４Ｄ クラスタ、７６，７６Ａ，７６Ｂ，７６Ｃ，７６Ｄ 固有空間パターン、７８ 計測空間パターン、８０ マイクロステートテンプレート群、８２，８２Ａ，８２Ｂ，８２Ｃ，８２Ｄ テンプレート、８４ 決定ポイント、８６ 上限しきい値、８８ 下限しきい値、１００ 処理装置、１０２ プロセッサ、１０４ メモリ、１０６ 入力部、１０８ ネットワークコントローラ、１１０ 計測インターフェイス、１１２ ディスプレイコントローラ、１１４ 音声コントローラ、１２０ ストレージ、１２４ 計測プログラム、１２６ フィードバックプログラム、１５０ バッファ、１５２ 平均化モジュール、１５４ マッピングモジュール、１５６ 空間相関算出モジュール、１５８ 最大値選択モジュール、１６０ 評価モジュール、１６２ 脳波状態推定モジュール、１６４ フィードバックモジュール、１６６ ターゲット決定モジュール、２００ 脳波状態オブジェクト、２１０ 現在状態オブジェクト、２２０ ターゲットオブジェクト、３０２，３０４，３０６，３１２，３１４，３１６ タイムチャート、３０８，３１８ しきい値、ｍｓＡ，ｍｓＢ，ｍｓＣ，ｍｓＤ 脳波状態。

【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】