ホーム > 特許ランキング > 国立大学法人東京工業大学
特表2022-551370１つ以上の非線形力学系を人の脳活動と同期させるのに適したブレイン・コンピュータ・インタフェースシステム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2022-12-09
(54)【発明の名称】１つ以上の非線形力学系を人の脳活動と同期させるのに適したブレイン・コンピュータ・インタフェースシステム
(51)【国際特許分類】
A61B 5/372 20210101AFI20221202BHJP
【ＦＩ】
A61B5/372
【審査請求】有
【予備審査請求】未請求
(21)【出願番号】P 2022504528
(86)(22)【出願日】2019-08-01
(85)【翻訳文提出日】2022-01-24
(86)【国際出願番号】 JP2019030295
(87)【国際公開番号】W WO2021019776
(87)【国際公開日】2021-02-04
(81)【指定国・地域】
(71)【出願人】
【識別番号】304021417
【氏名又は名称】国立大学法人東京工業大学
(74)【代理人】
【識別番号】100124257
【弁理士】
【氏名又は名称】生井 和平
(72)【発明者】
【氏名】ルドビコ ミナティ
(72)【発明者】
【氏名】小池 康晴
(72)【発明者】
【氏名】吉村 奈津江
【テーマコード（参考）】
4C127
【Ｆターム（参考）】
4C127AA03
4C127FF02
4C127GG15
4C127KK03
4C127KK05
(57)【要約】
ブレイン・コンピュータ・インタフェースシステムは、通常障害のあるユーザが有用なアクションを行うのを支援するため、脳波等の生理的信号から目的に応じたコマンドを抽出することを目的としている。本発明は、かかるシステムにおいて精度と柔軟性を向上させるものである。記録された信号は、直接処理されるのではなく、それらの信号によって駆動される１つ又は複数の非線形力学系に供給され、物理的に実現されるか又は数値的にシミュレーションされる。コマンドは、記録された信号から直接ではなく、これらのシステムの時間的な活動から抽出される。システムの種類、パラメータ及び結合方式を洞察的に選択することによって、このアプローチは、コマンドデコーディングに関連する生理的活動の特徴を明らかにし、強めることができ、他の全てを、最先端技術に基づいて可能であるものを越えて減衰させることができる。
【選択図】図１
【選択図】図１
【特許請求の範囲】
【請求項1】
・人（２）に適用でき、前記人（２）の脳活動に関連する少なくとも１つの生理的信号を取得する手段（４、３４）と、・前記生理的信号を増幅する手段（５、３５）と、
・前記増幅された信号をフィルタリングする手段（６、３６）と、
・前記フィルタリングされた信号から、前記人（２）の脳の状態の分類に関連する特徴を抽出する手段（１３）と、
・前記抽出手段（１３）から抽出された前記特徴の少なくとも１つの数値分類器（１４）と
を有し、
前記分類器（１４）が、前記抽出手段（１３）から抽出された前記特徴から、想像上のアクションを含む前記人（２）の脳の状態を認識するように学習されており、
前記分類器（１４）が、前記想像上のアクションからなる脳の状態を認識した際に、物理的なアクションの少なくとも１つの実行コマンドを発するのに適しているブレイン・コンピュータ・インタフェースシステム（１、３３）であって、
さらに、
・前記フィルタリングされた信号を処理し、処理された信号（３０）を前記抽出手段（１３）に送るための少なくとも１つの非線形力学系（８）
を有し、
前記抽出手段（１３）が、前記非線形力学系（８）によって処理された後の前記フィルタリングされた信号から前記特徴を抽出する手段であり、
前記非線形力学系（８）が、少なくとも２つの微分方程式（９）を含んでおり、
前記方程式（９）の各々が、変数の時間パターンを、前記変数及び／又は前記方程式（９）の別の式にも含まれる少なくとも別の変数の関数として規定し、前記方程式（９）の各々が前記方程式（９）の少なくとも別の式と相互依存するようにし、
前記フィルタリングされた信号が、前記方程式（９）の前記変数の少なくとも１つに対応し、
前記方程式（９）の少なくとも１つが、前記フィルタリングされた信号に対応する前記変数を第１の係数（ｋ、ｋｉ）で乗算して構成され、
前記方程式（９）のそれぞれが、前記フィルタリングされた信号に対応しない前記変数の少なくとも１つを、第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）で乗算して構成され、
処理され、前記抽出手段（１３）に送られる前記信号（３０）が、前記方程式（９）の前記変数の１つ以上に対応し、
さらに、
・前記第１の係数（ｋ、ｋｉ）により想定される少なくとも１つの値を記憶する第１のメモリ（１０）と、
・前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）の各々について、当該第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）により想定される少なくとも１つの値を記憶する第２のメモリ（１１）と
を有し、
前記第１の係数（ｋ、ｋｉ）の値及び前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）のそれぞれの値は、前記非線形力学系（８）が、前記抽出手段（１３）に送られた前記信号（３０）において、前記人の脳の状態を分類する目的に関連する前記特徴の１つ以上を明らかにし及び／又は強化するようにして、前記フィルタリングされた信号を処理するようになっていること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項2】
請求項１に記載のブレイン・コンピュータ・インタフェースシステム（３３）であって、・前記人（２）の脳活動に関連する複数の生理的信号をそれぞれ取得する複数の前記取得手段（３４）と、
・前記複数の生理的信号をそれぞれ増幅する複数の前記増幅手段（３５）と、
・前記増幅された信号をそれぞれフィルタリングする複数の前記フィルタリング手段（３６）と、
・前記フィルタリングされた信号をそれぞれ処理し、処理された信号を前記抽出手段（１３）に送るための、複数の前記非線形力学系（８）からなる非線形力学ネットワーク（３８）と
を有し、
前記抽出手段（１３）が、前記ネットワーク（３８）の非線形力学系（８）によって処理された後の前記フィルタリングされた信号から前記特徴を抽出する手段であり、
前記ネットワーク（３８）の各非線形力学系（８）が、変数の時間経過を
－ 前記変数
及び／又は
－ 前記非線形力学系（８）の別の方程式（９）に含まれる少なくとも１つの他の変数
及び／又は
－前記ネットワーク（３８）の各線形力学系（８）が、前記ネットワーク（３８）の少なくとも１つの他の非線形力学系（８）と相互依存しているようにして前記ネットワーク（３８）の別の非線形力学系（８）の前記方程式（９）の１つにも含まれる少なくとも１つの他の変数
の関数として時間経過を指定する少なくとも１つの微分方程式（９）を含み、
前記フィルタリングされた信号の各々が、前記ネットワーク（３８）の非線形力学系（８）の前記方程式（９）の前記変数の少なくとも１つに対応し、
前記ネットワーク（３８）の各非線形力学系（８）において
－ 前記方程式（９）の少なくとも１つが、前記フィルタリングされた信号の１つに前記第１の係数（ｋｉ）を乗算したものに対応する前記変数を備え、
－ 前記方程式（９）の各々が、前記フィルタリングされた信号の１つに対応しておらず、前記ネットワーク（３８）の別の非線形力学系（８）の前記方程式（９）の１つに含まれてなく、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）を乗算した前記変数の少なくとも１つを備え、
－ 前記方程式（９）の少なくとも１つが、前記フィルタリングされた信号の１つに対応しておらず、前記ネットワーク（３８）の別の非線形力学系（８）の前記方程式（９）の１つに含まれており、第３の係数（ｇｉ、ｊ）を乗算した前記変数の少なくとも１つを備え、
－ 前記第１のメモリ（１０）が、前記第１の係数（ｋｉ）により想定される少なくとも１つの値を記憶するのに適しており、
－ 前記第２のメモリ（１１）が、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）のそれぞれについて、当該第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）により想定される少なくとも１つの値を記憶するのに適しており、
前記抽出手段（１３）に送られる前記信号が、前記方程式（９）の前記変数に対応し、
さらに、
・前記第３の係数（ｇｉ、ｊ）のそれぞれについて、当該第３の係数（ｇｉ、ｊ）により想定される少なくとも１つの値を記憶する第３のメモリ（３９）
を有し、
前記ネットワーク（３８）の各非線形力学系（８）について、前記第１の係数（ｋｉ）の値、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）のそれぞれの値、及び前記第３の係数（ｇｉ、ｊ）のそれぞれの値が、前記抽出手段（１３）に送られた前記信号において、その人の脳の状態の分類に関連する前記特徴のうち１つ以上が明らかにされる及び／又は強化されるようにして、前記フィルタリングされた信号を前記非線形力学系（８）で処理するようになっていること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項3】
請求項１又は請求項２に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、前記抽出手段（１３）は、
・前記非線形力学系（８）で処理された後の前記フィルタリングされた信号から、
又は
・前記線形力学系（８）が１つ以上である場合に、前記ネットワーク（３８）の非線形力学系（８）によって処理された後の前記フィルタリングされた信号から、
だけでなく
・前記非線形力学系（８）によって処理されていない前記フィルタリングされた信号から、
又は
・前記線形力学系（８）が１つ以上である場合に、前記ネットワーク（３８）の非線形力学系（８）によって処理されずにフィルタリングされた前記信号から、
前記特徴を抽出する手段であること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項4】
請求項１又は請求項２に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、・非線形変換器（７）を有し、
前記非線形変換器（７）が、
－ ダイナミクスの特定範囲を強調するように前記フィルタリングされた信号を変換し、そして
－ 変換された信号（２０）を前記非線形力学系（８）へ送るために設けられ、
前記非線形力学系（８）が前記非線形変換器（７）によって変換された後の前記フィルタリングされた信号を処理するのに適し、
又は、前記線形力学系（８）が１つ以上である場合には
・複数の非線形変換器（３７）を有し、
前記複数の非線形変換器（３７）が、
－ 前記信号のダイナミクスの特定範囲を強調するように、前記フィルタリングされた信号を変換し、そして
－ 変換された信号を、前記ネットワーク（３８）の非線形力学系（８）に送るために設けられ、
前記ネットワーク（３８）の非線形力学系（８）が、前記非線形変換（３７）によって変換された後の前記フィルタリングされた信号を処理するのにそれぞれ適していること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項5】
請求項４に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、前記抽出手段（１３）が、前記特徴を
・前記非線形力学系（８）で処理された後の前記変換された信号（２０）から、
又は
・前記線形力学系（８）が１つ以上である場合に、前記ネットワーク（３８）の非線形力学系（８）によって処理された後の前記変換された信号から、
だけでなく
・前記非線形力学系（８）によって処理されていない前記変換された信号（２０）から、
又は
前記線形力学系（８）が複数の場合、前記ネットワーク（３８）の非線形力学系（８）からの前記変換されたが処理されていない信号から
抽出するだけでないこと
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項6】
請求項２に記載の、又は請求項２に依存する請求項３に記載の、又は請求項２に依存する請求項４に記載の、又は請求項５に記載のブレイン・コンピュータ・インタフェースシステム（３３）であって、・前記ネットワーク（３８）の非線形力学系（８）によって処理された前記信号を入力として受信し、
・前記入力信号の各々が、受信した前記入力信号の他の各々とどの程度同期しているかを評価し、
・前記入力信号に関する第１の同期マトリクスを発生する
第１の評価手段（４０）を有し、
前記抽出手段（１３）が、前記ネットワーク（３８）の非線形力学系（８）によって処理された前記信号から、前記第１の同期マトリクスに挿入された前記特徴を抽出する手段であること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項7】
請求項６に記載のブレイン・コンピュータ・インタフェースシステム（３３）であって、・前記フィルタリングされ、そして前記非線形変換器（３７）が存在する場合には変換されるが、前記ネットワーク（３８）の非線形力学系（８）によって処理されていない信号を入力として受信し、
・前記入力信号の各々が、受信した前記入力信号の他の各々とどの程度同期しているかを評価し、
・前記受信した入力信号に関する第２の同期マトリクスを発生する
第２の評価手段（４１）を有し、
前記抽出手段（１３）は、前記第１の同期マトリクスに挿入された前記ネットワーク（３８）の非線形力学系（８）によって処理された前記信号からだけでなく、前記フィルタリングされた信号や、前記非線形変換器（３７）が存在する場合には変換される可能性があるが、前記第２の同期マトリクスに挿入された前記ネットワーク（３８）の非線形力学系（８）によって処理されていない信号からも、前記特徴を抽出する手段であること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項8】
請求項７に記載のブレイン・コンピュータ・インタフェースシステムであって、前記抽出手段（１３）は、・前記第１の同期マトリクスに挿入された、前記ネットワーク（３８）の非線形力学系（８）によって処理された前記信号から、
及び
・前記フィルタリングされ、前記非線形変換器（３７）が存在する場合には変換されたが、前記第２の同期マトリクスに挿入された前記ネットワーク（３８）の非線形力学系（８）によって処理されていない信号から
だけでなく
・非線形変換器（３７）が存在するが、前記第２の同期マトリクスに挿入された前記ネットワーク（３８）の非線形力学系（８）によって処理されていない信号から、
及び／又は
・前記フィルタリングされ、そして前記非線形変換器（３７）が存在する場合には前記ネットワーク（３８）の非線形力学系（８）によって処理されておらず、前記第２の評価手段（４１）によって評価されていない変換された信号から
前記特徴を抽出する手段であること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項9】
請求項２に記載の、又は請求項２に依存する請求項３に記載の、又は請求項２に依存する請求項４に記載の、又は請求項４が請求項２に依存する場合の請求項５に記載の、又は請求項２に依存する請求項６に記載の、又は請求項６が請求項２に依存する場合の請求項７に記載の、又は請求項６が請求項２に依存する場合の請求項８に記載のブレイン・コンピュータ・インタフェースシステムであって、前記複数の取得手段が、脳波記録用の複数の電極から成り、
さらに、前記フィルタリングされた信号から、前記電極が前記人の大脳皮質に配置された場合に取得されるであろう複数の生理的信号を再構成するのに適した少なくとも１つの空間フィルタを含むフィルタリング手段を有し、
前記ネットワーク（３８）の非線形力学系（８）が、それぞれ、前記空間フィルタによって処理された後の前記フィルタリングされ、前記非線形変換器（３７）が存在する場合には、任意に変換される信号を処理するのに適していること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項10】
請求項１～９の何れか１項に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、前記非線形力学系（８）、又は前記線形力学系（８）が１つ以上である場合には、前記ネットワーク（３８）の少なくとも１つの非線形力学系（８）が、少なくとも３つの前記方程式（９）を含むこと
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項11】
請求項１０に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、前記非線形力学系（８）において、又は、前記線形力学系（８）が１つ以上である場合には、少なくとも３つの前記方程式（９）を備える前記ネットワーク（３８）の非線形力学系（８）のうちの少なくとも１つにおいて、前記第１の係数（ｋ、ｋｉ）の値、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）の値、及び、存在する場合には、前記第３の係数（ｇｉ、ｊ）の値は、前記非線形力学系（８）、又は、前記線形力学系（８）が１つ以上である場合には、少なくとも３つの前記方程式（９）を備える前記ネットワーク（３８）の前記非線形力学系（８）のうちの少なくとも１つが、カオス性の挙動を有するような値であること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項12】
請求項１～１１の何れか１項に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、前記非線形力学系（８）において、又は、前記線形力学系（８）が１つ以上である場合には、前記ネットワーク（３８）の非線形力学系（８）の少なくとも１つにおいて、前記第１の係数（ｋ、ｋｉ）の値、 前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）の値、及び、存在する場合には、前記第３の係数（ｇｉ、ｊ）の値は、前記非線形力学系（８）において、又は、前記線形力学系（８）が１つ以上である場合には、前記ネットワーク（３８）の前記非線形力学系（８）の少なくとも１つにおいて、創発現象が生じるような値であること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項13】
請求項１～１２の何れか１項に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、前記非線形力学系（８）において、又は、前記線形力学系（８）が１つ以上である場合には前記ネットワーク（３８）の非線形力学系（８）の少なくとも１つにおいて、前記第１の係数の値（ｋ、 ｋｉ）、前記第２の係数の値（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）、及び存在する場合には、前記第３の係数の値（ｇｉ、ｊ）は、前記非線形力学系、又は前記線形力学系が複数の場合には、前記ネットワークの非線形力学系のうちの前記少なくとも１つの非線形力学系が固有のダイナミクスを有するような値であること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項14】
請求項１～１３の何れか１項に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、・前記分類器（１４）から前記コマンドを受け取り、前記物理的アクションを実行するマシン（３）と、
・前記非線形力学系（８）において、又は前記線形力学系（８）が複数の場合には、前記ネットワーク（３８）の各非線形力学系（８）において、前記第１の係数（ｋ、ｋｉ）の値、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）のそれぞれの値、及び存在する場合には、前記第３の係数（ｇｉ、ｊ）のそれぞれの値を更新するための監視ユニット（１６）と
を有すること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項15】
請求項１４に記載のブレイン・コンピュータ・インタフェースシステム（１）であつて、前記想像上のアクションと前記物理的なアクションとの間の対応関係の適切な評価を前記監視ユニット（１６）に伝達するために、ユーザ（２）によって操作可能なフィードバック手段（１５）を有し、
前記監視ユニット（１６）は、
・入力として
－ 前記フィルタリングされ、そして前記非線形変換器（７）が存在する場合には、前記線形力学系（８）で処理されず変換（２０）される可能性がある信号を
又は、
前記線形力学系（８）が複数の場合には
－前記フィルタリングされ、前記非線形変換器（３７）が存在する場合には、変換されるが、前記ネットワーク（３８）の非線形力学系（８）によって処理されてなく、また、存在する場合には、前記第２の評価手段（４１）によって評価されていない信号を受け取り、
・前記非線形力学系（８）において、又は、線形力学系（８）が複数の場合には前記ネットワーク（３８）の各非線形力学系（８）において、前記ユーザ（２）から伝達された評価にしたがって、前記第１の係数（ｋｉ）の値、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）のそれぞれの値、及び、存在する場合には、前記第３の係数（ｇｉ、ｊ）のそれぞれの値を更新する
のに適していること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項16】
請求項１４に記載のブレイン・コンピュータ・インタフェースシステム（３３）であって、・前記人（２）の脳活動に直接関連しない少なくとも１つのさらなる生理的信号を取得するために、前記人（２）に適用可能なさらなる取得手段（４２）と、
・前記マシン（３）による前記物理的アクションの実行を検出するための、前記マシン（３）の監視手段（４３）と
を有し、
前記監視ユニット（１６）は、
・前記更なる生理的信号の検査から、前記想像上のアクションと前記物理的アクションとの間の対応関係を評価し、そして
・前記非線形力学系（８）において、又は前記線形力学系（８）が複数の場合には、前記ネットワーク（３８）の各非線形力学系（８）において、前記第１の係数（ｋｉ）の値、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）のそれぞれの値、及び存在する場合には、前記第３の係数（ｇｉ、ｊ）のそれぞれの値を、前記監視ユニット（１６）によって行われた評価に従って更新する
のに適していること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【請求項17】
請求項１５又は１６に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、前記監視ユニット（１６）が、
・入力としてまた
－ 前記非線形力学システム（８）によって処理された前記信号
又は
－前記線形力学系（８）が複数の場合には、前記ネットワーク（３８）の非線形力学系（８）によって処理された前記信号を
受信し、
そして、
・前記非線形力学系（８）において、又は前記線形力学系（８）が複数の場合には、前記ネットワーク（３８）の非線形力学系（８）の各々において、前記第１の係数（ｋｉ）の値、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）のそれぞれの値、及び存在する場合は、前記第３の係数（ｇｉ、ｊ）のそれぞれの値を、前記非線形力学系（８）によって処理された前記信号の関数として、又は、前記線形力学系（８）が１つ以上である場合には、前記ネットワーク（３８）の非線形力学系（８）によって処理された前記信号の関数として、更新する
のに適していること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、所謂「ブレイン・コンピュータ・インタフェースシステム」又は「ブレイン・マシンインタフェースシステム」、即ち、人の脳活動に関連した生理的信号（脳波や近赤外線分光信号のような）を入力として受信し、前記信号を処理してそれら信号から他の作動デバイス（例えばロボットアーム）のための１つ以上のコマンドを抽出するのに適したシステムの分野に応用される。
【0002】
この種のシステムは、典型的には運動障害及び／又はコミュニケーション障害をもつ人々が外部と交流するのを支援するのに用いられる。特に、ブレイン・コンピュータ・インタフェースシステムは、適切なデバイスと組み合わせることで、これらの人々が、さもなければ（例えば脳や脊髄の損傷のために）排除されるであろう１つ以上のアクションを実行することで、それらの運動及び／又はコミュニケーションの限界を少なくとも部分的に克服することができる。
【0003】
またこの種のシステムは、車両を運転している人の突然の眠気の始まりを検出するために、車両を運転している人の注意力と反応性のレベルを決定するためにも用いることができる。
【背景技術】
【0004】
現在のブレイン・コンピュータ・インタフェースシステムには、まず、脳波計の電極のような人の脳活動に関連する生理的信号を取得するのに適した１つ以上のデバイスが含まれる。脳波信号は増幅され、適切にフィルタリングされた後、適切な抽出器に送られ、生理的信号を取得した人の脳の状態の分類に関連する同じ特性から抽出するようにされる。前記特性は、例えば、ある特定の周波数帯における振幅等の単変量パラメータ及び／又は２つの信号間の同期性のような二変量パラメータで構成され得る。前述の抽出器によって抽出される特徴は、特定の「想像上の」アクション、即ち、システムの適用される人が思いついたアクションからなる脳の状態を認識するように予め訓練された数値分類器（通常はニューラルネットワーク）に入力される。分類器が前述の想像上のアクションからなる脳の状態を認識すると、前記想像上のアクションに対応した（即ち、「具体化する」）「物理的な」アクションを実行するコマンドを発生する。このコマンドは、前述の物理的アクション（情報の伝達のみでも良い）を効果的に実行するために適当な作動デバイスに送られる。
【0005】
公知のブレイン・コンピュータ・インタフェースシステムは、応答時間が相対的に長く、即ち、人は、分類器が学習して認識できるように（そして対応する物理的アクションを実行するコマンドを発生できるようにするために）、（想像上の）アクションについて長い時間考えなければならない。これに加えて、認識の精度はあまりにも低いままである。
【発明の目的】
【0006】
本発明の目的は、同種の公知のシステムより高速でそしてより正確なブレイン・コンピュータ・インタフェースシステムを指し示すことにより前述の欠点を解決することにある。
【発明の概要及び効果】
【0007】
本発明の目的は、
・前記人の脳の活動に関連する少なくとも１つの生理的信号を取得するため人に適用可能な手段である。例として脳波測定用の少なくとも１つの電極又は近赤外分光法のオプトード（「ＮＩＲＳ」として良く知られている）を含む取得手段と、
・（前記取得手段から取得した）前記生理的信号を増幅する増幅手段と、
・（前記増幅手段からの）前記増幅した信号をフィルタリングし、好ましくはバンドパス・フィルタを備えたフィルタリング手段と、
・（前記フィルタリング手段からの）前記フィルタリングされた信号から、（生理的信号を取得された）前記人の脳の状態の分類に関連した特徴を抽出する抽出手段と、
・前記抽出手段から抽出された前記特徴の少なくとも１つの数値分類器（好ましくは、ニューラルネットワーク）と、
を有し、
前記数値分類器が、前記抽出手段から抽出された前記特徴から想像上のアクションを含む前記人の脳の状態を認識するように訓練され（即ち、前記特徴が抽出された生理的信号に関連する脳の活動における後者の存在を認識するか否かのため、前記人の脳の状態が前記想像上のアクションを含んでいるか否かを確立するために前記特徴を調べるのに適している）、
前記数値分類器が、前記想像上のアクションを含む脳の状態を認識した際に、例えば前記想像上のアクションに対応する（即ち、「具体化する」）物理的アクションの少なくとも１つの実行コマンドを発生するのに適している、
ブレイン・コンピュータ・インタフェースシステムにある。
・前記人の脳の活動に関連する少なくとも１つの生理的信号を取得するため人に適用可能な手段である。例として脳波測定用の少なくとも１つの電極又は近赤外分光法のオプトード（「ＮＩＲＳ」として良く知られている）を含む取得手段と、
・（前記取得手段から取得した）前記生理的信号を増幅する増幅手段と、
・（前記増幅手段からの）前記増幅した信号をフィルタリングし、好ましくはバンドパス・フィルタを備えたフィルタリング手段と、
・（前記フィルタリング手段からの）前記フィルタリングされた信号から、（生理的信号を取得された）前記人の脳の状態の分類に関連した特徴を抽出する抽出手段と、
・前記抽出手段から抽出された前記特徴の少なくとも１つの数値分類器（好ましくは、ニューラルネットワーク）と、
を有し、
前記数値分類器が、前記抽出手段から抽出された前記特徴から想像上のアクションを含む前記人の脳の状態を認識するように訓練され（即ち、前記特徴が抽出された生理的信号に関連する脳の活動における後者の存在を認識するか否かのため、前記人の脳の状態が前記想像上のアクションを含んでいるか否かを確立するために前記特徴を調べるのに適している）、
前記数値分類器が、前記想像上のアクションを含む脳の状態を認識した際に、例えば前記想像上のアクションに対応する（即ち、「具体化する」）物理的アクションの少なくとも１つの実行コマンドを発生するのに適している、
ブレイン・コンピュータ・インタフェースシステムにある。
【0008】
便宜上、本発明のこの説明及び以下の説明において、「想像上のアクション」という文言は、取得手段の適用された人が考えたアクションだけでなく、この人の心で実行され、そして、例えば突然の眠気として分類できる覚醒状態から睡眠状態へ突然移行するアクションも意味する。この場合、数値分類器が実行コマンドを発生する物理的なアクションは、想像上のアクションの具体的なアクションではなく、例えば当該人を起こす（覚醒状態に戻す）のに適した警報音信号を発生することである。
【0009】
本発明によれば、前記ブレイン・コンピュータ・インタフェースシステムはまた、
・前記フィルタリングされた信号を処理し、処理された信号を前記抽出手段に送る少なくとも１つの非線形力学システム
を有し、
前記抽出手段が前記非線形力学システムによって処理された後に、前記フィルタリングされた信号から前記特徴を抽出する手段であり、
前記非線形力学システムが少なくとも２つの微分方程式を備え、
前記微分方程式の各々が、変数の時間経過を、該変数及び／又は前記微分方程式の別のものに含まれる少なくとも別の変数の関数として特定して、前記微分方程式の各々が前記微分方程式の少なくとも１つと相互依存するようにされ、また、
（前記非線形力学システムによって入力として受信した）前記フィルタリングされた信号が前記微分方程式の前記変数の少なくとも１つに対応し、
前記微分方程式の少なくとも１つが、（脳の活動と非線形力学システムとの間の結合の）第１の係数を乗じた前記フィルタリングされた信号に対応した前記変数を備え、
前記微分方程式の各々が、（前記非線形力学システムの変数間の結合の）第２の係数を乗じた前記フィルタリングされた信号に対応しない前記変数の少なくとも１つを備え、
前記方程式の１つ以上の前記変数に応じて前記信号が処理され抽出手段に送られ、また、
・前記第１の係数で仮定した少なくとも１つの値を記憶する第１のメモリと、
・前記第２の係数の各々について、前記第２の係数で仮定した少なくとも１つの値を記憶する第２のメモリと、
を有し、
前記第１の係数の値及び前記第２の係数各々の値は、前記非線形力学システムが、
・好ましくは固有の力学系を有し（即ち、自発的な活動を発生し）、そして、
・前記抽出手段に送られた前記信号において、前記人の脳の状態の分類に関連した前記特徴の１つ以上を明らかにし及び／又は強めるようにして前記フィルタリングされた信号を処理する、
ことを特徴とする。
・前記フィルタリングされた信号を処理し、処理された信号を前記抽出手段に送る少なくとも１つの非線形力学システム
を有し、
前記抽出手段が前記非線形力学システムによって処理された後に、前記フィルタリングされた信号から前記特徴を抽出する手段であり、
前記非線形力学システムが少なくとも２つの微分方程式を備え、
前記微分方程式の各々が、変数の時間経過を、該変数及び／又は前記微分方程式の別のものに含まれる少なくとも別の変数の関数として特定して、前記微分方程式の各々が前記微分方程式の少なくとも１つと相互依存するようにされ、また、
（前記非線形力学システムによって入力として受信した）前記フィルタリングされた信号が前記微分方程式の前記変数の少なくとも１つに対応し、
前記微分方程式の少なくとも１つが、（脳の活動と非線形力学システムとの間の結合の）第１の係数を乗じた前記フィルタリングされた信号に対応した前記変数を備え、
前記微分方程式の各々が、（前記非線形力学システムの変数間の結合の）第２の係数を乗じた前記フィルタリングされた信号に対応しない前記変数の少なくとも１つを備え、
前記方程式の１つ以上の前記変数に応じて前記信号が処理され抽出手段に送られ、また、
・前記第１の係数で仮定した少なくとも１つの値を記憶する第１のメモリと、
・前記第２の係数の各々について、前記第２の係数で仮定した少なくとも１つの値を記憶する第２のメモリと、
を有し、
前記第１の係数の値及び前記第２の係数各々の値は、前記非線形力学システムが、
・好ましくは固有の力学系を有し（即ち、自発的な活動を発生し）、そして、
・前記抽出手段に送られた前記信号において、前記人の脳の状態の分類に関連した前記特徴の１つ以上を明らかにし及び／又は強めるようにして前記フィルタリングされた信号を処理する、
ことを特徴とする。
【0010】
非線形力学系は、互いに通信すると、互いに同期する傾向がある。２つの非線形力学系が互いに同期している場合、相互に関連した出力信号を発生する。脳の活動は、幾つかの点で、非線形力学系の挙動と同様であるので、発明の対象であるブレイン・コンピュータ・インタフェースシステムの非線形力学系は、脳に取得手段が適用される人の脳の活動と同期する傾向があり、こうして本発明のブレイン・コンピュータ・インタフェースシステムの非線形力学系からの信号は、取得手段によって取得された生理的信号と相関する。
【0011】
適切にフィルタリングされ、そして増幅された生理的信号は、非線形力学系の固有の力学を克服することなく前記系の挙動に影響を与えるように十分な強さで非線形力学系に注入される。前記第１の係数の値及び前記第２の各係数の値は、抽出手段に入る非線形力学系からの出力信号が、数値分類器の作業を容易にするために、入力信号の特定の特性を区別するのを「助ける」ように選択される。
【0012】
因みに、非線形力学系には、少なくとも２つの微分方程式を含まねばならない。１つしか含まれていなければ、振動することができない、つまり、本質的なダイナミクスを持たないからである。換言すると、このシステムは自発的な活動をしないということである。
【0013】
因みに、非線形力学系は、数値的又は電子的に実現可能である。この第２のケースでは、システムの微分方程式の変数は、回路の量（即ち、電圧と電流）に対応する。
【0014】
例えば、複数のインバータリングを組み合わせることにより、非線形で無秩序な動的システムを集積回路の形で構築できることは知られている。有利には、この応用の場合、インバータリングの電流を変化させることにより、振動の動的特性を容易に制御することができ、脳波の痕跡に質的に非常に似た信号を生成することができる（Ｌ． Ｍｉｎａｔｉ、 Ｍ． Ｆｒａｓｃａ、 Ｎ． Ｙｏｓｈｉｍｕｒａ、 Ｌ． Ｒｉｃｃｉ、 Ｐ． Ｏ？ｗｉｅｃｉｍｋａ、 Ｙ． Ｋｏｉｋｅ、 Ｋ． Ｍａｓｕ、 Ｈ． Ｉｔｏ、 Ｃｕｒｒｅｎｔ－Ｓｔａｒｖｅｄ Ｃｒｏｓｓ－Ｃｏｕｐｌｅｄ ＣＭＯＳ Ｉｎｖｅｒｔｅｒ Ｒｉｎｇｓ ａｓ Ｖｅｒｓａｔｉｌｅ Ｇｅｎｅｒａｔｏｒｓ ｏｆ Ｃｈａｏｔｉｃ ａｎｄ Ｎｅｕｒａｌ－Ｌｉｋｅ Ｄｙｎａｍｉｃｓ Ｏｖｅｒ Ｍｕｌｔｉｐｌｅ Ｆｒｅｑｕｅｎｃｙ Ｄｅｃａｄｅｓ、ＩＥＥＥ Ａｃｃｅｓｓ ７（２０１９） ５４６３８－５４６５７）。
【0015】
非線形力学系は十分に知られている。より正確には、外部システムによる非線形力学系の同期の概念は確立されている（例えば、Ｓ． Ｂｏｃｃａｌｅｔｔｉ、 Ｔｈｅ ｓｙｎｃｈｒｏｎｉｚａｔｉｏｎ ｏｆ ｃｈａｏｔｉｃ ｓｙｓｔｅｍｓ、 Ｐｈｙｓ． Ｒｅｐ． ３６６ （２００２）、 １－１０１）。同様に、脳波等の生理的信号の非線形性やカオス性も良く知られている。（例えば、Ｃ．Ｊ． Ｓｔａｍ、 Ｎｏｎｌｉｎｅａｒ ｄｙｎａｍｉｃａｌ ａｎａｌｙｓｉｓ ｏｆ ＥＥＧ ａｎｄ ＭＥＧ： ｒｅｖｉｅｗ ｏｆ ａｎ ｅｍｅｒｇｉｎｇ ｆｉｅｌｄ、 Ｃｌｉｎ Ｎｅｕｒｏｐｈｙｓｉｏｌ． １１６（２０５）、 ２２６６－３０１）しかし、我々の知る限り、人工的な非線形力学系やネットワークを生理的信号に同期させるという概念は、特にリアルタイムでは全く新しいものであり、学術文献や特許文献にも見当たらない。
【0016】
例えば、米国特許文献 ２００７ ０２１３７８６ Ａ１には、脳波のリアルタイム分析に基づいて、てんかん発作を防止するための閉ループシステムが記載されている。非線形力学や同期の概念が含まれているにもかかわらず、測定された信号を人工的な非線形力学系やネットワークに同期させるという基本的な概念をまったく欠いている。それどころか、本発明の中心的な概念とは対照的に、測定された信号から線形及び非線形の特徴が明示的に抽出されている。
【0017】
同様のシステムを記載している米国特許文献２０１０ ０１９８０９８ Ａ１にも同様の議論が当てはまる。この場合も、非線形力学は、測定信号の特徴を測定する方法に関してのみ記載されている。測定された信号を人工的な非線形力学系又はネットワークに同期させるというアイデアには一切言及されていない。
【0018】
ＷＯ ２０１１ １２３０５９ Ａ１には、脳波と想像上の動きに基づくブレイン・コンピュータ・インタフェースが記載されている。この場合も、非線形性は非線形回帰の文脈でしか言及されていない。測定された信号を人工的な非線形力学系又はネットワークに同期させるというアイデアには一切言及されていない。
【0019】
最後に、米国特許文献 ２０１０ ０２９２７５２ Ａ１には、神経性信号を分析及び生成するためのシステム及び方法が提示されている。本発明は、信号の位相と振幅を分離し、所謂動的モードへの分解を行うという概念に基づいている。ここでも、測定された信号を人工的な非線形力学系やネットワークに同期させるという考え方には言及されていない。
【0020】
本発明の他の画期的な特徴は、以下の説明に例示され、従属請求項において参照される。
【0021】
本発明の一態様によれば、ブレイン・コンピュータ・インタフェースシステムは、
・前記人の脳活動に関連する複数の生理的信号をそれぞれ取得する複数の前記取得手段と、
・（それぞれ前記複数の取得手段によって取得された）前記複数の生理的信号をそれぞれ増幅する複数の前記増幅手段と、
・（それぞれ前記複数の増幅手段からの）前記増幅された信号をそれぞれフィルタリングする複数の前記フィルタリング手段と、
・それぞれ前記フィルタリングされた信号を処理し、処理された信号を前記抽出手段に送る複数の前記非線形力学系からなる非線形力学ネットワーク（即ち、前記ネットワークの各非線形力学系は、それぞれのフィルタリングされた信号を入力として受け、それを処理し、処理された信号を前記抽出手段に送るのに適している。換言すると、前記複数のフィルタリング手段の１つによってフィルタリングされた各信号は、前記ネットワークのそれぞれの非線形力学系に入力として送られる）と、
を有し、
前記抽出手段は、前記ネットワークの非線形力学系で処理された後の前記フィルタリングされた信号から前記特徴を抽出する手段であり、
前記ネットワークの各非線形力学系は、
変数の時間経過を関数として指定する少なくとも１つの微分方程式を含み、
－前記変数
及び／又は
－前記系の別の前記微分方程式に含まれる、少なくとも１つの他の変数
及び／又は
－前記ネットワークの他の非線形力学系の前記微分方程式の１つに含まれる少なくとも１つの他の変数を含み、
前記ネットワークの各線形力学系が、前記ネットワークの少なくとも１つの他の非線形力学系と相互依存するようにされ、
（前記複数の非線形力学系が入力として受けた）前記フィルタリングされた信号のそれぞれは、前記ネットワークの非線形力学系の前記微分方程式の前記変数の少なくとも１つに対応しており、
前記ネットワークの各非線形力学系において、前記微分方程式の少なくとも１つは、前記第１の係数を乗じた前記フィルタリングされた信号の１つに対応する前記変数からなり、
前記ネットワークの各非線形力学系において、前記フィルタリングされた信号の１つに対応していなく、且つ、前記ネットワークの他の非線形力学系の前記微分方程式の１つに含まれていなく、前記第２の係数を乗じた前記変数の少なくとも１つからなり、
前記ネットワークの各非線形力学系において、前記微分方程式の少なくとも１つは、前記フィルタリングされた信号の１つに対応しておらず、且つ、前記ネットワークの別の非線形力学系の前記微分方程式の１つにも含まれている前記変数の少なくとも１つからなり、（前記ネットワークの非線形力学系間の相互結合の）第３の係数を乗じたものであり、
前記抽出手段に送られる前記信号は、前記線形方程式の前記変数に対応し、
前記ネットワークの各非線形力学系について、
－前記第１のメモリは、前記第１の係数により想定される少なくとも１つの値を記憶するのに適しており、
－前記第２のメモリは、前記第２の係数のそれぞれについて、前記第２の係数により想定される少なくとも１つの値を記憶するのに適し、
また、
・前記第３の係数の各々について、前記第３の係数が仮定する少なくとも１つの値を記憶するための第３のメモリ
を有し、
前記ネットワークの各非線形力学系について、前記第１の係数の値、前記第２の係数のそれぞれの値及び前記第３の係数のそれぞれの値は、前記非線形力学系が
・好ましくは、本質的なダイナミクスを有し、
そして
・前記抽出手段に送られた前記信号において、前記人の脳の状態の分類に関連する１つ以上の前記特徴が明らかにされるか、又は強められるように、前記フィルタリングされた信号を処理する
ことを特徴とする。
・前記人の脳活動に関連する複数の生理的信号をそれぞれ取得する複数の前記取得手段と、
・（それぞれ前記複数の取得手段によって取得された）前記複数の生理的信号をそれぞれ増幅する複数の前記増幅手段と、
・（それぞれ前記複数の増幅手段からの）前記増幅された信号をそれぞれフィルタリングする複数の前記フィルタリング手段と、
・それぞれ前記フィルタリングされた信号を処理し、処理された信号を前記抽出手段に送る複数の前記非線形力学系からなる非線形力学ネットワーク（即ち、前記ネットワークの各非線形力学系は、それぞれのフィルタリングされた信号を入力として受け、それを処理し、処理された信号を前記抽出手段に送るのに適している。換言すると、前記複数のフィルタリング手段の１つによってフィルタリングされた各信号は、前記ネットワークのそれぞれの非線形力学系に入力として送られる）と、
を有し、
前記抽出手段は、前記ネットワークの非線形力学系で処理された後の前記フィルタリングされた信号から前記特徴を抽出する手段であり、
前記ネットワークの各非線形力学系は、
変数の時間経過を関数として指定する少なくとも１つの微分方程式を含み、
－前記変数
及び／又は
－前記系の別の前記微分方程式に含まれる、少なくとも１つの他の変数
及び／又は
－前記ネットワークの他の非線形力学系の前記微分方程式の１つに含まれる少なくとも１つの他の変数を含み、
前記ネットワークの各線形力学系が、前記ネットワークの少なくとも１つの他の非線形力学系と相互依存するようにされ、
（前記複数の非線形力学系が入力として受けた）前記フィルタリングされた信号のそれぞれは、前記ネットワークの非線形力学系の前記微分方程式の前記変数の少なくとも１つに対応しており、
前記ネットワークの各非線形力学系において、前記微分方程式の少なくとも１つは、前記第１の係数を乗じた前記フィルタリングされた信号の１つに対応する前記変数からなり、
前記ネットワークの各非線形力学系において、前記フィルタリングされた信号の１つに対応していなく、且つ、前記ネットワークの他の非線形力学系の前記微分方程式の１つに含まれていなく、前記第２の係数を乗じた前記変数の少なくとも１つからなり、
前記ネットワークの各非線形力学系において、前記微分方程式の少なくとも１つは、前記フィルタリングされた信号の１つに対応しておらず、且つ、前記ネットワークの別の非線形力学系の前記微分方程式の１つにも含まれている前記変数の少なくとも１つからなり、（前記ネットワークの非線形力学系間の相互結合の）第３の係数を乗じたものであり、
前記抽出手段に送られる前記信号は、前記線形方程式の前記変数に対応し、
前記ネットワークの各非線形力学系について、
－前記第１のメモリは、前記第１の係数により想定される少なくとも１つの値を記憶するのに適しており、
－前記第２のメモリは、前記第２の係数のそれぞれについて、前記第２の係数により想定される少なくとも１つの値を記憶するのに適し、
また、
・前記第３の係数の各々について、前記第３の係数が仮定する少なくとも１つの値を記憶するための第３のメモリ
を有し、
前記ネットワークの各非線形力学系について、前記第１の係数の値、前記第２の係数のそれぞれの値及び前記第３の係数のそれぞれの値は、前記非線形力学系が
・好ましくは、本質的なダイナミクスを有し、
そして
・前記抽出手段に送られた前記信号において、前記人の脳の状態の分類に関連する１つ以上の前記特徴が明らかにされるか、又は強められるように、前記フィルタリングされた信号を処理する
ことを特徴とする。
【0022】
本発明のこの態様によれば、ブレイン・コンピュータ・インタフェースシステムは、複数の非線形力学系を備え、各非線形力学系は、有利には、前記非線形力学系の少なくとも別のものと結合されている。換言すると、非線形力学系は、相互に作用する、即ち、相互に同期するレベルを有している。この結果、非線形力学系から出てきて抽出手段に入る信号は、後者が入力信号の特定の特徴を区別するのに一層役立ち、数値分類器のタスクを容易にする。
【0023】
因みに、カップリングの強度が増すにつれ、前述の同期は、最初は位相変動のコヒーレンスの形で現れ、最終的には振幅変動のオーバラップの形でも現れる。一例として、この現象の始まりは、生体学的信号や非線形システムからくる信号において、「位相歪同期」として知られる指標を通じて特に有利な方法で定量化することができる（Ｌ． Ｍｉｎａｔｉ、 Ｎ． Ｙｏｓｈｉｍｕｒａ、 Ｍ． Ｆｒａｓｃａ、 Ｓ． Ｄｒｏ？ｄ？、 Ｙ． Ｋｏｉｋｅ、 Ｗａｒｐｅｄ ｐｈａｓｅ ｃｏｈｅｒｅｎｃｅ： Ａｎ ｅｍｐｉｒｉｃａｌ ｓｙｎｃｈｒｏｎｉｚａｔｉｏｎ ｍｅａｓｕｒｅ ｃｏｍｂｉｎｉｎｇ ｐｈａｓｅ ａｎｄ ａｍｐｌｉｔｕｄｅ ｉｎｆｏｒｍａｔｉｏｎ、 Ｃｈａｏｓ ２９（２０１９）、 ０２１１０２）。
【0024】
一例として、脳の活動から記録された信号をリアルタイムに解析することからスタートするロボットアームを制御するために、ニューラルネットワーク（多層パーセプトロン）形式の数値分類器に基づくブレイン・コンピュータ・インタフェースシステムを適用することが知られている（Ｌ． Ｍｉｎａｔｉ、 Ａ． Ｎｉｇｒｉ、 Ｃ． Ｒｏｓａｚｚａ、 Ｍ．Ｇ． Ｂｒｕｚｚｏｎｅ、 Ｔｈｏｕｇｈｔｓ ｔｕｒｎｅｄ ｉｎｔｏ ｈｉｇｈ－ｌｅｖｅｌ ｃｏｍｍａｎｄｓ： Ｐｒｏｏｆ－ｏｆ－ｃｏｎｃｅｐｔ ｓｔｕｄｙ ｏｆ ａ ｖｉｓｉｏｎ－ｇｕｉｄｅｄ ｒｏｂｏｔ ａｒｍ ｄｒｉｖｅｎ ｂｙ ｆｕｎｃｔｉｏｎａｌ ＭＲＩ （ｆＭＲＩ） ｓｉｇｎａｌｓ、 Ｍｅｄ Ｅｎｇ Ｐｈｙｓ． ３４（２０１２）、 ６５０－８）。
【0025】
同様に、ニューラルネットワークではなく、脳の活動からの特定の特徴の抽出に基づく一連の関係と動作ルールを含むハイブリッドコントローラからなる分類器に基づくブレイン・コンピュータ・インタフェースシステムの同様の応用例が知られている（Ｌ． Ｍｉｎａｔｉ、 Ｎ． Ｙｏｓｈｉｍｕｒａ、 Ｙ． Ｋｏｉｋｅ、 Ｈｙｂｒｉｄ Ｃｏｎｔｒｏｌ ｏｆ ａ Ｖｉｓｉｏｎ－Ｇｕｉｄｅｄ Ｒｏｂｏｔ Ａｒｍ ｂｙ ＥＯＧ、 ＥＭＧ、 ＥＥＧ Ｂｉｏｓｉｇｎａｌｓ ａｎｄ Ｈｅａｄ Ｍｏｖｅｍｅｎｔ Ａｃｑｕｉｒｅｄ ｖｉａ ａ Ｃｏｎｓｕｍｅｒ－Ｇｒａｄｅ Ｗｅａｒａｂｌｅ Ｄｅｖｉｃｅ、 ＩＥＥＥ Ａｃｃｅｓｓ ４（２０１６）、 ９５２８－９５４１）。
【0026】
本発明の一態様によれば、前記抽出手段は、
・前記非線形力学系で処理された後の前記フィルタリングされた信号から、
又は
・前記線形力学系が１つ以上である場合には、前記ネットワークの非線形力学系で処理された後の前記フィルタリングされた複数の信号から、だけでなく
・前記非線形力学系で処理されずにフィルタリングされた前記信号から
又は
・前記線形力学系が１つ以上である場合に、前記ネットワークの非線形力学系で処理されずにフィルタリングされた前記複数の信号から
の前記特徴を抽出する手段である。
・前記非線形力学系で処理された後の前記フィルタリングされた信号から、
又は
・前記線形力学系が１つ以上である場合には、前記ネットワークの非線形力学系で処理された後の前記フィルタリングされた複数の信号から、だけでなく
・前記非線形力学系で処理されずにフィルタリングされた前記信号から
又は
・前記線形力学系が１つ以上である場合に、前記ネットワークの非線形力学系で処理されずにフィルタリングされた前記複数の信号から
の前記特徴を抽出する手段である。
【0027】
本発明の別の態様によれば、ブレイン・コンピュータ・インタフェースシステムは、
・非線形変換器（例えば、シグモイド関数）を有し、
前記非線形変換器が、
－前記信号のダイナミクスの特定の間隔を明らかにし、及び／又は強化するように、前記フィルタリングされた信号を変換するため（ブレイン・コンピュータ・インタフェーシングの目的に最も関連する信号コンポーネント、例えば、ゼロ－クロスイベントを強調するように）、及び
－前記非線形変換器によって変換された後の前記フィルタリングされた信号を処理するのに適している前記非線形力学系に変換された信号を送るため
に設けられ、
又は、前記線形力学系が複数の場合には、
・複数の非線形変換器（例えば、シグモイド関数）を有し、
前記複数の非線形変換器がそれぞれ
－前記フィルタリングされた信号を変換して、前記信号のダイナミクスの特定の間隔を明らかにし、及び／又は強化するように（例えば、ゼロ－クロスイベント等、ブレイン・コンピュータ・インタフェーシングの目的に最も関連する信号成分を強調するように）、及び
－変換された信号を、前記ネットワークの非線形力学系に送るため
に設けられ、
前記ネットワークの非線形力学系は、前記非線形変換器によって変換された後の前記フィルタリングされた信号を処理するのにそれぞれ適している。
・非線形変換器（例えば、シグモイド関数）を有し、
前記非線形変換器が、
－前記信号のダイナミクスの特定の間隔を明らかにし、及び／又は強化するように、前記フィルタリングされた信号を変換するため（ブレイン・コンピュータ・インタフェーシングの目的に最も関連する信号コンポーネント、例えば、ゼロ－クロスイベントを強調するように）、及び
－前記非線形変換器によって変換された後の前記フィルタリングされた信号を処理するのに適している前記非線形力学系に変換された信号を送るため
に設けられ、
又は、前記線形力学系が複数の場合には、
・複数の非線形変換器（例えば、シグモイド関数）を有し、
前記複数の非線形変換器がそれぞれ
－前記フィルタリングされた信号を変換して、前記信号のダイナミクスの特定の間隔を明らかにし、及び／又は強化するように（例えば、ゼロ－クロスイベント等、ブレイン・コンピュータ・インタフェーシングの目的に最も関連する信号成分を強調するように）、及び
－変換された信号を、前記ネットワークの非線形力学系に送るため
に設けられ、
前記ネットワークの非線形力学系は、前記非線形変換器によって変換された後の前記フィルタリングされた信号を処理するのにそれぞれ適している。
【0028】
本発明の別の態様によれば、前記抽出手段は、
・前記非線形力学系で処理された後の前記変換された信号から
又は
・前記線形力学系が１つ以上である場合に、前記ネットワークの複数の非線形力学系によって処理された後の前記複数の変換信号から
だけでなく
・前記非線形力学系で処理されずに変換された前記信号から
又は
・前記線形力学系が１つ以上である場合に、前記ネットワークの複数の非線形力学系から処理されずに変換された前記複数の信号から
の前記特徴を抽出する手段である。
・前記非線形力学系で処理された後の前記変換された信号から
又は
・前記線形力学系が１つ以上である場合に、前記ネットワークの複数の非線形力学系によって処理された後の前記複数の変換信号から
だけでなく
・前記非線形力学系で処理されずに変換された前記信号から
又は
・前記線形力学系が１つ以上である場合に、前記ネットワークの複数の非線形力学系から処理されずに変換された前記複数の信号から
の前記特徴を抽出する手段である。
【0029】
本発明の別の態様によれば、前記ブレイン・コンピュータ・インタフェースシステムは、第１の評価手段を有し、
前記第１の評価手段が、
・前記ネットワークの非線形力学系で処理された前記信号を受信するため、
・前記入力信号の各々が、受信した前記入力信号の他の各々とどの程度同期しているかを評価するため、及び
・前記入力されて受け取った信号に関する第１の同期マトリクス（より一般的には統計的相互依存関係）を発生するため
に設けられ、
前記抽出手段は、前記第１の同期マトリクスに挿入された（即ち、前記第１の評価手段によって評価された後の）前記ネットワークの非線形力学系によって処理された前記信号から前記特徴を抽出する手段である。
前記第１の評価手段が、
・前記ネットワークの非線形力学系で処理された前記信号を受信するため、
・前記入力信号の各々が、受信した前記入力信号の他の各々とどの程度同期しているかを評価するため、及び
・前記入力されて受け取った信号に関する第１の同期マトリクス（より一般的には統計的相互依存関係）を発生するため
に設けられ、
前記抽出手段は、前記第１の同期マトリクスに挿入された（即ち、前記第１の評価手段によって評価された後の）前記ネットワークの非線形力学系によって処理された前記信号から前記特徴を抽出する手段である。
【0030】
本発明の別の態様によれば、前記ブレイン・コンピュータ・インタフェースシステムは、第２の評価手段を有し、
前記第２の評価手段が
・前記非線形変換器が存在するが、前記ネットワークの非線形力学系によって処理されていない場合に、前記フィルタリングされ、場合により変換された信号を入力として受信するため、
・前記入力信号の各々が、受信した前記入力信号の他の各々とどの程度同期しているかを評価するため、及び
・前記受信した入力信号に関する第２の同期マトリクスを発生するため
に設けられ、
前記抽出手段は、前記第１の同期マトリクスに挿入された前記ネットワークの非線形力学系によって処理された前記信号だけでなく、前記第２の同期マトリクスに挿入された前記ネットワークの非線形力学系によって処理されていないが、前記非線形変換器が存在する場合にはフィルタリングされ、場合により変換された前記信号からも、前記特徴を抽出する手段である。
前記第２の評価手段が
・前記非線形変換器が存在するが、前記ネットワークの非線形力学系によって処理されていない場合に、前記フィルタリングされ、場合により変換された信号を入力として受信するため、
・前記入力信号の各々が、受信した前記入力信号の他の各々とどの程度同期しているかを評価するため、及び
・前記受信した入力信号に関する第２の同期マトリクスを発生するため
に設けられ、
前記抽出手段は、前記第１の同期マトリクスに挿入された前記ネットワークの非線形力学系によって処理された前記信号だけでなく、前記第２の同期マトリクスに挿入された前記ネットワークの非線形力学系によって処理されていないが、前記非線形変換器が存在する場合にはフィルタリングされ、場合により変換された前記信号からも、前記特徴を抽出する手段である。
【0031】
本発明の別の態様によれば、前記抽出手段は、
・前記第１同期マトリクスに挿入された、前記ネットワークの非線形力学系によって処理された前記信号から、及び
・前記第２同期マトリクスに挿入された前記ネットワークの非線形力学系によって処理されていないが、前記非線形変換器が存在する場合には、前記フィルタリングされ、場合により変換された信号から、
だけでなく、
・前記ネットワークの非線形力学系によって処理されたが、前記第１の評価手段によって評価されていない前記信号から、
及び／又は
・前記ネットワークの非線形力学系によって処理されず、前記第２の評価手段によって評価もされていないが、前記非線形変換器が存在する場合には、前記フィルタリングされ、場合により変換された信号から、
前記特徴を抽出する手段である。
・前記第１同期マトリクスに挿入された、前記ネットワークの非線形力学系によって処理された前記信号から、及び
・前記第２同期マトリクスに挿入された前記ネットワークの非線形力学系によって処理されていないが、前記非線形変換器が存在する場合には、前記フィルタリングされ、場合により変換された信号から、
だけでなく、
・前記ネットワークの非線形力学系によって処理されたが、前記第１の評価手段によって評価されていない前記信号から、
及び／又は
・前記ネットワークの非線形力学系によって処理されず、前記第２の評価手段によって評価もされていないが、前記非線形変換器が存在する場合には、前記フィルタリングされ、場合により変換された信号から、
前記特徴を抽出する手段である。
【0032】
本発明の別の態様によれば、前記線形力学系が１つ以上である場合において、前記複数の取得手段は、脳波記録のための複数の電極を有し、
前記ブレイン・コンピュータ・インタフェースシステムは、前記フィルタリングされた信号から、前記電極が前記人の大脳皮質に配置された場合に取得されるであろう複数の生理的信号を再構築するのに適した少なくとも１つの空間フィルタを含む別のフィルタリング手段を有し、
前記ネットワークの非線形力学系は、前記空間フィルタで処理された後の前記フィルタリングされた信号を処理するのにそれぞれ適しており、そして前記非線形変換器が存在する場合にはおそらく変換される。
前記ブレイン・コンピュータ・インタフェースシステムは、前記フィルタリングされた信号から、前記電極が前記人の大脳皮質に配置された場合に取得されるであろう複数の生理的信号を再構築するのに適した少なくとも１つの空間フィルタを含む別のフィルタリング手段を有し、
前記ネットワークの非線形力学系は、前記空間フィルタで処理された後の前記フィルタリングされた信号を処理するのにそれぞれ適しており、そして前記非線形変換器が存在する場合にはおそらく変換される。
【0033】
本発明の別の態様によれば、前記非線形力学系、又は、前記線形力学系が１つ以上である場合の前記ネットワークの非線形力学系の少なくとも１つは、少なくとも３つの前記微分方程式からなる。
【0034】
ところで、非線形力学系が少なくとも３つの微分方程式を含む場合は、所謂カオス的な振る舞いをする可能性がある。非線形力学系は、前記系に含まれる微分方程式に関連するパラメータが僅かに変化するだけで大幅に変化する可能性がある場合にカオス的な振る舞いをするが、出力信号はノイズとして分類される。非線形力学系がカオス的な振る舞いをする場合、その系は相転移を示すことができる、つまり、その系は非常に幅広い動作のレパートリーへの手段を有する。
【0035】
非線形力学系がカオス的な振る舞いをするという事実は知られている。したがって、これ以上の詳細を提供することにこだわるつもりはない。
【0036】
本発明の別の態様によれば、少なくとも３つの前記微分方程式からなる前記ネットワークの前記非線形力学系、又は、１つ以上の前記線形力学系において、前記線形力学系が１つ以上である場合には、前記第１の係数の値、前記第２の係数の値、及び存在する場合には前記第３の係数の値は、これらの線形力学系が１つ以上である場合には、少なくとも３つの前記微分方程式からなる前記非線形力学系、又は、前記１つ以上の非線形力学系がカオス的な振る舞いをするようなものである。
【0037】
非線形力学系が少なくとも３つの微分方程式を含む場合、非線形力学系がカオス的な振る舞いをするように、そのパラメータを選択することが有利な場合がある。公知のように、脳の活動は、特定の態様において、非線形力学系の挙動に似ていることに加えて、カオス的な要素を有し得る。したがって、本発明のこの態様によれば、非線形力学系又は複数の非線形力学系のネットワークと、取得手段が適用される人の脳の活動との間の同期性はさらに向上する。
【0038】
本発明の別の態様によれば、前記非線形力学系、又は、前記線形力学系が１つ以上である場合には、前記ネットワークの非線形力学系の少なくとも１つにおいて、前記第１の係数の値、前記第２の係数の値、及び、存在する場合には前記第３の係数の値は、前記非線形力学系、又は、前記線形力学系が１つ以上である場合には、前記ネットワークの非線形力学系の少なくとも１つにおいて、創発現象が顕在化するようなものである。
【0039】
本発明の別の態様によれば、前記ブレイン・コンピュータ・インタフェースシステムは、
・前記デジタル分類器からの前記コマンドを受信し、例えば前記想像上のアクションに対応する前記物理的アクション（前記数値分類器が学習された認識時の前記人の脳の状態で構成される）を実行するマシン、
・前記非線形力学系、又は前記線形力学系が複数の場合、前記ネットワークの各非線形力学系において、前記第１の係数の値、前記第２の係数の各々の値、及び存在する場合には、前記第３の係数の各々の値を更新する監視ユニット
を有する。
・前記デジタル分類器からの前記コマンドを受信し、例えば前記想像上のアクションに対応する前記物理的アクション（前記数値分類器が学習された認識時の前記人の脳の状態で構成される）を実行するマシン、
・前記非線形力学系、又は前記線形力学系が複数の場合、前記ネットワークの各非線形力学系において、前記第１の係数の値、前記第２の係数の各々の値、及び存在する場合には、前記第３の係数の各々の値を更新する監視ユニット
を有する。
【0040】
本発明の別の態様によれば、前記ブレイン・コンピュータ・インタフェースシステムは、前記想像上のアクションと（前記マシンによって実行される）前記物理的なアクションとの間の対応関係についての自身の評価を前記監視ユニットに伝達するために、ユーザ（前記獲得手段が適用される人であり得る）によって操作可能なフィードバック手段を有し、
前記監視ユニットは、
・入力として、
－前記フィルタリングされた信号であって、前記非線形変換器が存在する場合には、変換される可能性があるが、前記非線形力学系によって処理されない信号
又は、
前記線形力学系が複数の場合には、
－前記非線形変換器は存在するが、前記ネットワークの非線形力学系によって処理されず、存在する場合には前記第２の評価手段によって評価されない場合には、前記フィルタリングされ、場合により変換された信号
を受信し、
・前記非線形力学系、又は、前記線形力学系が複数の場合は、前記ネットワークの各非線形力学系において、前記第１の係数の値、前記第２の係数の各々の値、及び、存在する場合は前記第３の係数の各々の値を、前記ユーザによって伝えられた評価に従って更新する
のに適している。
前記監視ユニットは、
・入力として、
－前記フィルタリングされた信号であって、前記非線形変換器が存在する場合には、変換される可能性があるが、前記非線形力学系によって処理されない信号
又は、
前記線形力学系が複数の場合には、
－前記非線形変換器は存在するが、前記ネットワークの非線形力学系によって処理されず、存在する場合には前記第２の評価手段によって評価されない場合には、前記フィルタリングされ、場合により変換された信号
を受信し、
・前記非線形力学系、又は、前記線形力学系が複数の場合は、前記ネットワークの各非線形力学系において、前記第１の係数の値、前記第２の係数の各々の値、及び、存在する場合は前記第３の係数の各々の値を、前記ユーザによって伝えられた評価に従って更新する
のに適している。
【0041】
本発明の別の態様によれば、ブレイン・コンピュータ・インタフェースシステムは、
・前記人の脳活動に直接関連しない少なくとも１つのさらなる生理的信号（例えば、心拍等）を取得するための、前記人に適用可能な別の取得手段と、
・前記マシンによる前記物理的アクションの実行を検出するために、前記マシンを監視する手段と
を有し、
前記監視ユニットは、
・前記更なる生理的信号の検査から、前記想像上のアクションと前記物理的アクションとの間の対応関係を評価し、
・前記非線形力学系、又は前記線形力学系が１つ以上である場合には前記ネットワークの各非線形力学系において、前記監視ユニットによって行われた評価に従って、前記第１の係数の値、前記第２の係数のそれぞれの値、及び存在する場合には前記第３の係数のそれぞれの値を更新する
のに適している。
・前記人の脳活動に直接関連しない少なくとも１つのさらなる生理的信号（例えば、心拍等）を取得するための、前記人に適用可能な別の取得手段と、
・前記マシンによる前記物理的アクションの実行を検出するために、前記マシンを監視する手段と
を有し、
前記監視ユニットは、
・前記更なる生理的信号の検査から、前記想像上のアクションと前記物理的アクションとの間の対応関係を評価し、
・前記非線形力学系、又は前記線形力学系が１つ以上である場合には前記ネットワークの各非線形力学系において、前記監視ユニットによって行われた評価に従って、前記第１の係数の値、前記第２の係数のそれぞれの値、及び存在する場合には前記第３の係数のそれぞれの値を更新する
のに適している。
【0042】
監視ユニットが行う評価は間接的なものであり、ユーザ（即ち、取得手段が適用される人）による感情的な反応、特にフラストレーションの認識に基づいている。一例として、誤った操作を行った場合には、一過性の心拍の加速と皮膚コンダクタンスの増加が予想される。
【0043】
本発明の別の態様によれば、前記監視ユニットは以下のために適している。
・入力として
－ 前記非線形力学系によって処理された前記信号
又は
－前記線形力学系が１つ以上である場合、前記ネットワークの非線形力学系によって処理された前記信号
を受信し、
・前記非線形力学系、又は前記線形力学系が複数の場合は、前記ネットワークの各非線形力学系において、前記非線形力学系で処理された前記信号、又は前記線形力学系が複数の場合は前記ネットワークの非線形力学系で処理された前記信号の関数として、前記第１の係数の値、前記第２の係数のそれぞれの値、及び存在する場合は前記第３の係数のそれぞれの値を更新する
のに適している。
・入力として
－ 前記非線形力学系によって処理された前記信号
又は
－前記線形力学系が１つ以上である場合、前記ネットワークの非線形力学系によって処理された前記信号
を受信し、
・前記非線形力学系、又は前記線形力学系が複数の場合は、前記ネットワークの各非線形力学系において、前記非線形力学系で処理された前記信号、又は前記線形力学系が複数の場合は前記ネットワークの非線形力学系で処理された前記信号の関数として、前記第１の係数の値、前記第２の係数のそれぞれの値、及び存在する場合は前記第３の係数のそれぞれの値を更新する
のに適している。
【図面の簡単な説明】
【0044】
本発明のさらなる目的及び利点は、その例示的な実施形態について以下に記載した詳細な説明、及び単に非限定的な例として与えられた添付図面から明らかになる。
【図7】図７は、図２の信号と前記非線形力学系との間に、ゼロではないが前記非線形力学系の自発的な活動を圧倒するほどではない結合がある場合に、図１のシステムの一部を構成する非線形力学系によって処理される図２の信号を示すグラフである。
【図13】図１３は、図１０のシステムに含まれる動的非線形ネットワークの一部を構成する２１個の非線形力学系によってそれぞれ処理された、図１１のマトリクスが平均同期値を表している２１個の信号間の平均同期値を要素で表した２次元マトリクスであり、前記ネットワークの前記非線形力学系間に実質的な結合がない場合のものであるグラフである。
【本発明の幾つかの好ましい実施形態の詳細な説明】
【0045】
本明細書の以下の説明において、ある図面には明示されていないが、他の図面にある要素を参照して示されることもある。描かれた異なる要素のスケールや比率は、必ずしも実際のものと一致しない。
【0046】
図１は、人２が考えた、あるいは人の心が行った想像上のアクションを認識し、当該想像上のアクションを認識した上で、マシン３に対して物理的なアクション（当該想像上のアクションを実現する可能性のあるもの）の実行を命令するために、人２に適用されるブレイン・コンピュータ・インタフェースシステム１を示している。
【0047】
本発明の対象であるシステム１は、人２の脳活動に関連する生理的信号を取得するのに適したデバイスを含んでいる。既に「取得手段」という表現で識別されたこのデバイスは、一例として、脳波用の電極又は近赤外線分光法用のオプトードを含むことができる。脳波計用の電極４（図１では人２の頭皮に付されている）によって生理的信号が取得されるとすると、当該信号は脳波計の信号に相当する。
【0048】
電極４によって取得された信号は、増幅器５に送られ、この増幅器は、前記信号を増幅することに加えて、デジタル・ドメインに変換することができる。このように増幅された信号は、人２の非関連活動に対応する信号の成分を減衰させるために、好ましくはバンドパス・タイプのフィルタ６に送られる。より正確には、フィルタ６は、低すぎる周波数（人２の運動のアーチファクトであるため）と、高すぎる周波数（人２の筋肉運動のアーチファクトであるため）との両方を減衰させることが好ましい。フィルタリングされた信号は、非線形変換器７（例えば、シグモイド関数）に送られ、その分布を便利良く再形成する。特に、フィルタリングされた信号は、前記信号のダイナミクスの特定範囲を強調するように変換される。つまり、想像上のアクション（例えば、ゼロクロッシングイベント）を含む大脳の状態を認識する目的で、ブレイン・コンピュータのインタフェーシングに最も関連する信号成分を強調するためである。
【0049】
このように変換された信号は、少なくとも２つ、好ましくは少なくとも３つの微分方程式９からなる非線形力学系８に送られる（図１では、例として、「ｄ１、ｄ２、ｄ３」に等しい数で示されている）。各方程式９は、ある変数の時間経過を、当該変数及び／又は別の方程式９にも含まれる少なくとも別の変数の関数として明記しており、各方程式９が少なくとも別の方程式と相互依存するようになっている。（システム８が入力として受けた）変換された信号は、例えば、文字「ｓ」で識別可能な方程式９の少なくとも１つの変数に対応する。方程式９の少なくとも１つは、前記変数「ｓ」に、例えば文字「ｋ」で識別可能な（人２の脳活動とシステム８との間の結合の）第１の係数を乗じたものである。方程式９の各々は、変換された信号に対応していない（つまり、「ｓ」ではない）少なくとも１つの変数に、（方程式９の変数間、即ち、システム８の変数間の相互結合の）第２の係数を乗じたものをさらに含んでいる。第２の係数は、例えば３つであり、それぞれ文字「ａ」、「ｂ」、「ｃ」で識別可能である。
【0050】
因みに、疑念を避けるために、変換された信号「ｓ」は、すべての方程式９と同様に、システム８の方程式９の１つ又は複数に入力することができる。これに加えて、ある方程式９は、すべての方程式９と同様に、システム８の他の方程式９の１つ又は複数と相互依存することができる。
【0051】
図１で気付くことができるように、システム１は、係数「ｋ」により想定される少なくとも１つの値を記憶できる第１のメモリ１０と、係数「ａ」、「ｂ」、「ｃ」のそれぞれについて、当該係数「ａ」、「ｂ」、「ｃ」により想定される少なくとも１つの値を記憶できる第２のメモリ１１とを備えている。
【0052】
このように（システム８によって）処理された信号は、処理された信号から、人２の１つの脳の状態の分類に関連する後者の特徴を抽出するのに適した特徴抽出器１３（「抽出手段」という表現で先に識別されている）に送られる。因みに、特徴抽出器１３に送られる信号は、方程式９の変数の１つ又は複数に対応している。
【0053】
特徴抽出器１３は、特徴抽出器１３から抽出された前記特徴から、想像上のアクションを含む人２の脳の状態を認識するために予め学習された数値分類器１４（好ましくはニューラルネットワークであるが、必ずしもそうでなくても良い）に入力される特徴ベクトルを生成する。換言すると、分類器１４は、前記特徴が抽出された生理的信号に関連する脳の活動における後者の存在を認識するか否かを確認するために、（前記特徴に対応する）人２の脳の状態が前記想像上のアクションを含んでいるか否かを確定するために前記特徴を調べるのに適している。
【0054】
分類器１４は、前記想像上のアクションを構成する脳の状態を認識すると、例えば前記想像上のアクションを「具体化」する等、物理的なアクションを実行するコマンドを発する。前記コマンドは、好ましくは、前記物理的アクションを実行するのに適したマシン３に送られる（おそらく、分類器１４が学習した認識対象の人２の脳の状態で構成される想像上のアクションに対応する）。マシン３は、分類器１４から前記コマンドを受け取ると、前記物理的アクションを実行する。マシン３は、例えば、ロボットアームや、メッセージを表示するスクリーン等で構成されている。
例えば、人工視覚システムの誘導により、「赤い物体をつかめ」といった単純な高レベルの命令を受け取り、実行することができるロボットアームが作られていることは知られている（Ｌ． Ｍｉｎａｔｉ、 Ｎ． Ｙｏｓｈｉｍｕｒａ、 Ｙ． Ｋｏｉｋｅ、 Ｈｙｂｒｉｄ Ｃｏｎｔｒｏｌ ｏｆ ａ Ｖｉｓｉｏｎ－Ｇｕｉｄｅｄ Ｒｏｂｏｔ Ａｒｍ ｂｙ ＥＯＧ、 ＥＭＧ、 ＥＥＧ Ｂｉｏｓｉｇｎａｌｓ ａｎｄ Ｈｅａｄ Ｍｏｖｅｍｅｎｔ Ａｃｑｕｉｒｅｄ ｖｉａ ａ Ｃｏｎｓｕｍｅｒ－Ｇｒａｄｅ Ｗｅａｒａｂｌｅ Ｄｅｖｉｃｅ、 ＩＥＥＥ Ａｃｃｅｓｓ ４（２０１６）、 ９５２８－９５４１）。
例えば、人工視覚システムの誘導により、「赤い物体をつかめ」といった単純な高レベルの命令を受け取り、実行することができるロボットアームが作られていることは知られている（Ｌ． Ｍｉｎａｔｉ、 Ｎ． Ｙｏｓｈｉｍｕｒａ、 Ｙ． Ｋｏｉｋｅ、 Ｈｙｂｒｉｄ Ｃｏｎｔｒｏｌ ｏｆ ａ Ｖｉｓｉｏｎ－Ｇｕｉｄｅｄ Ｒｏｂｏｔ Ａｒｍ ｂｙ ＥＯＧ、 ＥＭＧ、 ＥＥＧ Ｂｉｏｓｉｇｎａｌｓ ａｎｄ Ｈｅａｄ Ｍｏｖｅｍｅｎｔ Ａｃｑｕｉｒｅｄ ｖｉａ ａ Ｃｏｎｓｕｍｅｒ－Ｇｒａｄｅ Ｗｅａｒａｂｌｅ Ｄｅｖｉｃｅ、 ＩＥＥＥ Ａｃｃｅｓｓ ４（２０１６）、 ９５２８－９５４１）。
【0055】
同様に、パターンジェネレータのおかげで、多重の速度や歩調で歩行できるロボットを作るための方法は知られており、因みに、非線形力学系に基づき、数値分類器の出力に基づいて設定できる変数の制御下に置かれている（Ｌ． Ｍｉｎａｔｉ、 Ｍ． Ｆｒａｓｃａ、 Ｎ． Ｙｏｓｈｉｍｕｒａ、 Ｙ． Ｋｏｉｋｅ、 Ｖｅｒｓａｔｉｌｅ ｌｏｃｏｍｏｔｉｏｎ ｃｏｎｔｒｏｌ ｏｆ ａ ｈｅｘａｐｏｄ ｒｏｂｏｔ ｕｓｉｎｇ ａ ｈｉｅｒａｒｃｈｉｃａｌ ｎｅｔｗｏｒｋ ｏｆ ｎｏｎｌｉｎｅａｒ ｏｓｃｉｌｌａｔｏｒ ｃｉｒｃｕｉｔｓ． ＩＥＥＥ Ａｃｃｅｓｓ ６（２０１８）、 ８０４２－８０６５）。
【0056】
同様に、脳の活動によって制御可能な仮想キーボードを映像上に表示し、麻痺した被験者が言葉や文章を表現できるようにする方法も知られている（Ｌ．Ａ．Ｆａｒｗｅｌｌ、 Ｅ．Ｄｏｎｃｈｉｎ、 Ｔａｌｋｉｎｇ ｏｆｆ ｔｈｅ ｔｏｐ ｏｆ ｙｏｕｒ ｈｅａｄ： ｔｏｗａｒｄ ａ ｍｅｎｔａｌ ｐｒｏｓｔｈｅｓｉｓ ｕｔｉｌｉｚｉｎｇ ｅｖｅｎｔ－ｒｅｌａｔｅｄ ｂｒａｉｎ ｐｏｔｅｎｔｉａｌｓ、 Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒ Ｃｌｉｎ Ｎｅｕｒｏｐｈｙｓｉｏｌ ７０（１９８８）、 ５１０－２３）。
【0057】
システム８は、システム８が出力する（そして特徴抽出器１３に送られる）信号が、電極４によって取得された生理的信号と相関するように、人２の脳活動と同期する傾向がある。係数 「ｋ」の値と、係数 「ａ」、「ｂ」、「ｃ」の各値は、システム８が
・好ましくは、必ずではないが、内在的なダイナミクスを有する（即ち、自発的な活動を生成する）、
そして
・（システム８が入力として受け取った）信号「ｓ」を、特徴抽出器１３に送られる信号において、人２の脳の状態の分類に関連する前記特徴の１つ以上が明らかにされるか、又は強化されるように処理する
ようなものである。
・好ましくは、必ずではないが、内在的なダイナミクスを有する（即ち、自発的な活動を生成する）、
そして
・（システム８が入力として受け取った）信号「ｓ」を、特徴抽出器１３に送られる信号において、人２の脳の状態の分類に関連する前記特徴の１つ以上が明らかにされるか、又は強化されるように処理する
ようなものである。
【0058】
換言すると、係数「ｋ」の値と、係数「ａ」、「ｂ」、「ｃ」のそれぞれの値は、システム８によって出力され、特徴抽出器１３に送られた信号が、後者が入力信号の特定の特徴を区別するのを「助ける」ような仕方で選択され、分類器１４のタスクを容易にする。
【0059】
例示に過ぎないが、２つの微分方程式からなる最初の既知の非線形力学系は、以下の形式を有するＳｔｕａｒｔ－Ｌａｎｄａｕ系である。
ｄｘ（ｔ）／ｄｔ＝α・ｘ（ｔ）－ω・ｙ（ｔ）－ｘ（ｔ）・（ｘ（ｔ）２＋ｙ（ｔ）２）
ｄｙ（ｔ）／ｄｔ ＝ ω・ｘ（ｔ）＋α・ｙ（ｔ）－ｙ（ｔ）・（ｘ（ｔ）２＋ｙ（ｔ）２）
ここで 「α」は分岐パラメータを表わし、「ω」は発振器の固有振動数を表わす。
ｄｘ（ｔ）／ｄｔ＝α・ｘ（ｔ）－ω・ｙ（ｔ）－ｘ（ｔ）・（ｘ（ｔ）２＋ｙ（ｔ）２）
ｄｙ（ｔ）／ｄｔ ＝ ω・ｘ（ｔ）＋α・ｙ（ｔ）－ｙ（ｔ）・（ｘ（ｔ）２＋ｙ（ｔ）２）
ここで 「α」は分岐パラメータを表わし、「ω」は発振器の固有振動数を表わす。
【0060】
再び例を挙げると、２つの微分方程式からなる第２の既知の非線形力学系は、以下の形式を持つレスラー系である。
ｄｘ（ｔ）／ｄｔ＝－ｙ（ｔ）－ｚ（ｔ）
ｄｙ（ｔ）／ｄｔ ＝ ｘ（ｔ）＋ａ・ｙ（ｔ）
ｄｚ（ｔ）／ｄｔ ＝ ｂ＋ｚ（ｔ）・（ｘ（ｔ）－ｃ）
ここで 「ａ」はシステムのカオス性レベルを制御するパラメータであり、「ｂ」 と 「ｃ」 は通常、一定値に設定される。
ｄｘ（ｔ）／ｄｔ＝－ｙ（ｔ）－ｚ（ｔ）
ｄｙ（ｔ）／ｄｔ ＝ ｘ（ｔ）＋ａ・ｙ（ｔ）
ｄｚ（ｔ）／ｄｔ ＝ ｂ＋ｚ（ｔ）・（ｘ（ｔ）－ｃ）
ここで 「ａ」はシステムのカオス性レベルを制御するパラメータであり、「ｂ」 と 「ｃ」 は通常、一定値に設定される。
【0061】
さらなる例として、変数「ｘ（ｔ）」に結合された信号「ｓ（ｔ）」を入力として受け取るレスラー系は、下記の形式を有する。
ｄｘ（ｔ）／ｄｔ＝－ｙ（ｔ）－ｚ（ｔ）＋ｋ・（ｓ（ｔ）－ｘ（ｔ））
ｄｙ（ｔ）／ｄｔ ＝ ｘ（ｔ）＋ａ・ｙ（ｔ）
ｄｚ（ｔ）／ｄｔ ＝ ｂ＋ｚ（ｔ）・（ｘ（ｔ）－ｃ）
ｄｘ（ｔ）／ｄｔ＝－ｙ（ｔ）－ｚ（ｔ）＋ｋ・（ｓ（ｔ）－ｘ（ｔ））
ｄｙ（ｔ）／ｄｔ ＝ ｘ（ｔ）＋ａ・ｙ（ｔ）
ｄｚ（ｔ）／ｄｔ ＝ ｂ＋ｚ（ｔ）・（ｘ（ｔ）－ｃ）
【0062】
好ましくは、必ずではないが、システム８が少なくとも３つの微分方程式９を含む場合、係数「ｋ」の値と、係数「ａ」、「ｂ」、「ｃ」のそれぞれの値は、システム８がカオス性の挙動を持つように選択される。
【0063】
好ましくは、必ずではないが、係数「ｋ」の値及び係数「ａ」、「ｂ」及び「ｃ」の各値は、システム８において、例えば、周期的なダイナミクスとカオス性のダイナミクスとの間の遷移、及び、内在的なダイナミクス（外部からの刺激がない場合でも持続的な振動として理解される）の存在と不在との間の遷移、即ち、所謂「臨界点」付近で優位に観察されるような創発現象が生じるように選択される。非線形力学系の臨界点や、その内在的なダイナミクスは、実質的に公知である。したがって、ここでは詳細な説明はしない。
【0064】
好ましくは、必ずではないが、特徴抽出器１３は、システム８によって処理された信号を受信することに加えて、非線形変換器７によって変換されたがシステム８によって処理されていない信号も受信する。したがって、特徴抽出器１３は、システム８によって処理された後の非線形変換器７によって変換された信号からだけでなく、非線形変換器７によって変換され、システム８によって処理されていない信号からも、人２の脳の状態の分類に関連する特徴を抽出するのに適しているのが好ましい。
【0065】
システム１は、好ましくは、必ずではないが、分類器１４によって認識された想像上のアクションと、マシン３によって実行された物理的なアクションとの間の対応関係について、ユーザが自己評価を表明するために操作可能なデバイス１５（例えば、マイクロスイッチ）を備える。当該ユーザは、人２に対応することができる。この場合、デバイス１５は、最終的に自分が考えた想像上のアクションと、マシン３によって実行された物理的アクションとの間の対応関係について自己評価を表明するために、人２によって起動される。先に「フィードバック手段」という表現で確認したデバイス１５は、人２によって表現された評価を、非線形変換器７によって変換されたがシステム８によって処理されていない信号も受信する監視ユニット１６に伝達する。ユニット１６は、人２によって伝達されたそのような対応関係の評価に応じて、係数「ｋ」の値と、係数「ａ」、「ｂ」、「ｃ」のそれぞれの値を更新するのに適している。
【0066】
システム１の変形例によれば、システム１は非線形変換器７を含んでいない。この変形例によれば
・システム８は、フィルタ６によってフィルタリングされた信号を処理する。
・特徴抽出器１３は、システム８によって処理された信号を入力として受け取ることに加えて、フィルタ６によってフィルタリングされたがシステム８によって処理されていない信号も受け取ることが好ましい（ただし、必ずしもそうではない）。システム１のこの変形例による特徴抽出器１３は、したがって、好ましくは、システム８によって処理された後にフィルタ６によってフィルタリングされた信号からだけでなく、フィルタ６によってフィルタリングされ、システム８によって処理されていない信号からも、人２の脳の状態の分類に関連する特徴を抽出するのに適している。
・ユニット１６は、存在する場合、フィルタ６によってフィルタリングされたがシステム８によって処理されていない信号も受信する。
・システム８は、フィルタ６によってフィルタリングされた信号を処理する。
・特徴抽出器１３は、システム８によって処理された信号を入力として受け取ることに加えて、フィルタ６によってフィルタリングされたがシステム８によって処理されていない信号も受け取ることが好ましい（ただし、必ずしもそうではない）。システム１のこの変形例による特徴抽出器１３は、したがって、好ましくは、システム８によって処理された後にフィルタ６によってフィルタリングされた信号からだけでなく、フィルタ６によってフィルタリングされ、システム８によって処理されていない信号からも、人２の脳の状態の分類に関連する特徴を抽出するのに適している。
・ユニット１６は、存在する場合、フィルタ６によってフィルタリングされたがシステム８によって処理されていない信号も受信する。
【0067】
システム１の変形例によれば、監視ユニット１６は、システム８によって処理されたような信号も入力で受け取り、システム８によって処理されたような前述した信号の関数としても、係数「ｋ」の値と、係数「ａ」、「ｂ」、「ｃ」それぞれの値を更新するのに適している。
【0068】
図２は、電極４を用いて人２が取得した脳波信号２０の一例を示している。より正確には、図２に示した信号は、増幅器５によって増幅され、フィルタ６によってフィルタリングされ、非線形変換器７によって変換された後にシステム８に送られた前述の信号に対応する。符号２１で示された点線は、分類器１４が以前に学習した認識対象となる（即ち、構成される脳状態の認識対象となる）想像上のアクションを、人２が考え始めた瞬間に対応している。図２に示すように、信号２０の軌跡は、符号２１の前と後では視覚的に異なっている。符号２１の前の信号２０は、実際には大きな振幅の振動で特徴付けられ、比較的周期的である。符号２１の後では、むしろ信号２０はより不規則な時間経過を提示している。しかし、この違いは非常にわずかであり、これらの違いのもろい性質こそが、本発明の対象のようなシステムを開発する必要性をもたらすものである。
【0069】
図３は、信号２０の周波数スペクトル２２を示している。
【0070】
図４は、信号２０の入力受信後にシステム８から特徴抽出器１３に送られる信号２５の第１の例の時間経過を示している。換言すると、信号２５は、システム８による信号処理２０の結果である。図４の例では、パラメータ「ｋ」はゼロに等しい。これは、この例では、人２の脳活動とシステム８との間には結合がないことを意味している。したがって、信号２５は、信号２０との相関関係はなく、専らシステム８の自発的な活動によるものである。
【0071】
図５は、信号２５の周波数スペクトル２６を示している。
【0072】
図６は、信号２０と信号２５の間のＸＹプロット２７を示している。ＸＹプロット２７が、実質的に大きな長方形に対応しているのは、信号２０と信号２５の間には同期がないという事実の結果である。それでも、図２と図４のグラフを比較すると、信号２５は、信号２０とは相関がないものの、信号２０と大部分が重なる周波数成分を持っていることがわかる。このことは、周波数スペクトル２２と周波数スペクトル２６を比較することで、部分的に重なっていることが確認できる。これは、システム８を構成する微分方程式９の適切な選択方法と、そのパラメータ「ａ」、「ｂ」、「ｃ」に割り当てられた値によるものである。
【0073】
因みに、図４の例とは逆に、パラメータ「ｋ」が無限大に傾いた場合、人２の脳活動とシステム８の間には、システム８の自発的な活動を圧倒するほどの強い結合が生じることになる。この場合、システム８から出力される信号は、信号２０のレプリカとなり、前記信号間のＸＹプロットは、対角線に沿って非常に平坦になる（両者の間には略完全な同期があるため）。
【0074】
図７は、信号２０の入力受信に続いて、システム８が特徴抽出器１３に送る信号３０の第２の例の時間経過を示している。図４の信号２５について述べたことと同様に、信号３０は、システム８による信号２０の処理の結果である。図７の例では、パラメータ「ｋ」は、ゼロよりも大きいが、システム８の自発的な活動を圧倒するほど大きくないように選択された。この例は、システム１の好ましい使用形態に対応している。換言すると、信号２０は、システム８の挙動に影響を与えるほど十分に強くシステム８に注入されるが、しかし、その固有のダイナミクスを克服することはない。また、パラメータ「ａ」、「ｂ」、「ｃ」の値は、システム８から出る信号が、分類器１４の作業を容易にするために、特徴抽出器１３が信号２０の特定の特徴を区別するのに役立つように、（好ましくは初期のトレーニング段階を通じて）適切に選択される。
【0075】
図８は、信号３０の周波数スペクトル３１を示している。
【0076】
図９は、信号２０と信号３０の間のＸＹプロット３２を示す。ＸＹプロット３２が、正の傾斜を有する直線に似た平坦化された傾斜楕円体に実質的に対応していることは、信号２０と信号２５との間に部分的な同期があるという事実の結果である。これに加えて、周波数スペクトルの振幅の分布は、重ねることができるが非常に異なる形状の周波数範囲で特徴付けられるヌル結合の場合と比較して、開始時の脳波信号に一層近い形状を成している。
【0077】
因みに、システム８が固有のダイナミクスを持つことが好ましいが、パラメータ「ａ」、「ｂ」、「ｃ」に割り当てられた値は、システム８が固有のダイナミクスを持たないか、固有のダイナミクスを持たないが、それに非常に近い状態であっても良い。システム８がこの最後の状態にあるとき、それは所謂臨界点に近い、即ち、外部刺激に最大限に反応する状態であると言われる。
【0078】
図１０は、人の脳活動２に関連するそれぞれの生理的信号を取得するのに適した複数のデバイスを備える点で、システム１とは異なるブレイン・コンピュータ・インタフェースシステム３３を示している。前述の「取得手段」と呼ばれるデバイスには、例えば、それぞれ脳波測定用の電極、又は近赤外線分光法用のオプトード等が含まれ得る。生理的信号が、脳波計用のそれぞれの電極３４（図１０では、人２の頭皮に適用されている）によって取得されると仮定すると、前記信号はそれぞれの脳波計信号に対応する。図１０において、電極３４は、一例として、３に等しい数で示されている。
【0079】
電極３４によって取得された信号の各々は、増幅器３５に送られ、増幅器３５は、増幅器５と同様に、当該信号を変換する以外に、デジタル・ドメインに変換することができる。こうして増幅された信号の各々は、人２の非該当の活動に対応する信号成分を減衰させるために、好ましくはバンドパス・タイプのフィルタ３６に送信される。より正確には、フィルタ６と同様に、フィルタ３６は、低すぎる周波数（人２の動きのアーチファクト、又はむしろ非神経性の生理的活性のアーチファクトであるため）と、高すぎる周波数（人２の人工的な筋肉運動であるため）の両方を減衰させることが好ましい。こうしてフィルタリングされた信号の各々は、非線形変換器３７（例えば、シグモイド関数）に送られ、その分布を便利に再形成する。特に、システム１で生じるのと同様に、フィルタリングされた信号の各々は、当該信号のダイナミクスの特定範囲を強調するように、つまり、想像上のアクションを含む脳の状態を認識するために、ゼロクロッシング・イベント等、ブレイン・コンピュータ・インタフェーシングに最も関連する信号成分を強調するように変換される。
【0080】
こうして変換された信号は、複数の非線形力学系８（図１０では、例として、３つの電極３４である、３に等しい数の「Ｓｙｓ１」、「Ｓｙｓ２」及び「Ｓｙｓ３」で示される）からなる非線形力学ネットワーク３８に供給される。換言すると、このように変換された信号の各々は、ネットワーク３８のそれぞれのシステム８（それぞれが、少なくとも２つ、好ましくは少なくとも３つの方程式９を含む）に供給される。したがって、ネットワーク３８のシステム８は、非線形変換器３７によって変換された信号を処理するのにそれぞれ適している。したがって、非線形変換器３７の１つによって変換された各信号は、ネットワーク３８のそれぞれのシステム８に入力として送られる。ネットワーク３８の各システム８は、変数の時間経過を、当該変数及び／又は（システム１と同様に）当該システム８の別の方程式９に含まれる少なくとも別の変数の関数として規定する少なくとも１つの方程式９を含んでいる。これにより、ネットワーク３８のシステム８の各方程式９が、当該システム８の少なくとも別の方程式９と相互依存するだけでなく、ネットワーク３８の各システム８も、ネットワーク３８の少なくとも別のシステム８と相互依存することになる。
【0081】
ネットワーク３８のシステム８が入力として受け取った変換信号の各々は、当該システム８の方程式９の少なくとも１つの変数に対応する。ｉ番目の変換信号の変数は、例えば、「ｓｉ」で識別することができる。
【0082】
ネットワーク３８の各システム８において、方程式９の少なくとも１つは、前記変数「ｓｉ」に前述の「第１の係数」を乗じて構成される。より正確には、ネットワーク３８のｉ番目のシステム８において、変数「ｓｉｉ」（ｉ番目の変換信号に関連付けられた人２の脳活動とネットワーク３８のｉ番目のシステム８との間の結合係数に対応する）に乗算された第１の係数。
【0083】
ネットワーク３８の各システム８において、方程式９の各々は、さらに、変換された信号に対応しておらず（つまり、「ｓｉ」ではないということ）、ネットワーク３８の別のシステム８の方程式９に含まない少なくとも１つの変数に、先に述べた「第２の係数」を乗算したものを含んでいる。より正確には、ネットワーク３８のｉ番目のシステム８では、第２の係数は例えば３つであり、それぞれ文字「ａｉ」、「ｂｉ」ｅ「ｃｉ」（ネットワーク８のｉ番目のシステム８の方程式９の変数間の相互結合係数に対応する）で識別可能である。
【0084】
ネットワーク３８の各システム８において、方程式９の少なくとも１つは、変換された信号に対応してなく（つまり、「ｓｉ」ではないということ）、そしてまた、ネットワーク３８の別のシステム８の方程式９に含まれた少なくとも１つの変数に、（ネットワーク３８のシステム８間の相互結合の）第３の係数を乗じて構成されている。より正確には、ネットワーク３８のｉ番目のシステム８において、ネットワーク３８のｊ番目のシステム８の変数に掛けられた係数は、例えば、「ｇｉ、ｊ」で識別することができる。
【0085】
ネットワーク３８の各システム８において、メモリ１０は、係数「ｋｉ」により想定される少なくとも１つの値を記憶するのに適しており、メモリ１１は、係数「ａｉ」、「ｂｉ」ｅ「ｃｉ」の各々について、当該係数「ａｉ」、「ｂｉ」ｏ「ｃｉ」により想定される少なくとも１つの値を記憶するのに適している。
【0086】
図１０に注目できるように、システム３３は、係数「ｇｉ、ｊ」の各々について、当該係数「ｇｉ、ｊ」により想定される少なくとも１つの値を記憶できる第３のメモリ３９も含んでいる。
【0087】
このように処理された（ネットワーク３８のシステム８からの）信号は、受け取った入力信号（したがって、ネットワーク３８のシステム８によって処理された信号）のそれぞれが、受け取った他の入力信号の各々とどれだけ同期しているかを評価するのに適したユニット４０（図１０では、「Ｓｙｎ１」で示されている）に送られる。因みに、ユニット４０に送られる信号は、方程式９の変数の１つ以上に対応している。
【0088】
先に「第１の評価手段」という表現で識別したユニット４０は、入力で受信した信号に関する同期（又は、より一般的には統計的相互依存性）マトリクスを生成する。前記同期マトリクスは、ネットワーク３８のシステム８によって処理された信号から、即ち、前記同期マトリクスに挿入された（即ち、ユニット４０によって評価された後の）信号から、人２の脳の状態の分類に関連する特徴を抽出するのに適した特徴抽出器１３に送られる。
【0089】
システム１について述べたことと同様に、システム３３において、特徴抽出器１３は、特徴抽出器１３から抽出された前記特徴から、想像上のアクションを含む人２の脳の状態を認識するために予め学習された数値分類器１４に入力される特徴ベクトルを生成する。換言すると、分類器１４は、人２の脳の状態（前記特徴に対応する）が前記想像上のアクションを構成するか否かを確定するために、前記特徴を調べ、前記特徴が抽出された生理的信号が関連付けられた脳活動における後者の存在を認識するか否かを決定するのに適している。分類器１４は、前記想像上のアクションを構成する脳の状態を認識すると、前記想像上のアクションを「具体化」する可能性のある物理的アクションを実行するコマンドを発する。前記コマンドは、前記物理的アクションを実行するマシン３に送られることが好ましい。
【0090】
ネットワーク３８のシステム８は、特徴抽出器１３に送られる信号が、電極３４によって取得された生理的信号と相関するように、人２の脳活動と同期する傾向がある。ネットワーク３８の各システム８において、係数「ｋｉ」の値、係数「ａｉ」、「ｂｉ」ｅ「ｃｉ」の各値、及び係数「ｇｉ、ｊ」の各々の値は、当該システム８が、
・好ましくは、必ずではないが、固有のダイナミクスを有するように、
及び
・（前記システム８が入力として受け取った）信号「ｓｉ」を、ユニット４０に（及び、ユニット４０を介して特徴抽出器１３に）送られる信号において、人２の脳の状態を分類する目的に関連する１つ又は複数の前記特徴が明らかにされ、及び／又は強化されて処理するように、
される。
・好ましくは、必ずではないが、固有のダイナミクスを有するように、
及び
・（前記システム８が入力として受け取った）信号「ｓｉ」を、ユニット４０に（及び、ユニット４０を介して特徴抽出器１３に）送られる信号において、人２の脳の状態を分類する目的に関連する１つ又は複数の前記特徴が明らかにされ、及び／又は強化されて処理するように、
される。
【0091】
つまり、ネットワーク３８の各システム８において、係数「ｋｉｉｉｉ」の値、及び係数「ｇｉ、ｊ」の各値は、当該システム８から出てユニット４０に送られる信号が、特徴抽出器１３が入力信号の特定の特徴を区別するのを「助ける」ように選択され、分類器１４のタスクを容易にするようになっている。
【0092】
単に例として、変数「ｘ（ｔ）」で双方向に（即ち、対称に）結合され、変数「ｘ１（ｔ）」及び「ｘ２（ｔ）」にそれぞれ結合された信号「ｓ１（ｔ）」及び「ｓ２（ｔ）」を受信する２つのレスラーシステムは、下記の形式を有する。
ｄｘ１（ｔ）／ｄｔ ＝ －ｙ１（ｔ）－ ｚ１（ｔ）＋ｋ１・（ｓ１（ｔ）－ ｘ１（ｔ））＋ｇ・（ｘ２（ｔ）－ ｘ１（ｔ））
ｄｙ１（ｔ）／ｄｔ ＝ ｘ１（ｔ）＋ａ１・ｙ１（ｔ）
ｄｚ１ （ｔ）／ｄｔ ＝ ｂ１＋ ｚ１（ｔ）・（ｘ１（ｔ）－ｃ１）
ｄｘ２（ｔ）／ｄｔ ＝ －ｙ２（ｔ）－ｚ２（ｔ）＋ｋ２・（ｓ２（ｔ）－ｘ２（ｔ））＋ｇ・（ｘ１（ｔ）－ｘ２（ｔ））
ｄｙ２（ｔ）／ｄｔ ＝ ｘ２（ｔ）＋ａ２・ｙ２（ｔ）
ｄｚ２（ｔ）／ｄｔ ＝ ｂ２＋ｚ２（ｔ）・（ｘ２（ｔ）－ｃ２）
ｄｘ１（ｔ）／ｄｔ ＝ －ｙ１（ｔ）－ ｚ１（ｔ）＋ｋ１・（ｓ１（ｔ）－ ｘ１（ｔ））＋ｇ・（ｘ２（ｔ）－ ｘ１（ｔ））
ｄｙ１（ｔ）／ｄｔ ＝ ｘ１（ｔ）＋ａ１・ｙ１（ｔ）
ｄｚ１ （ｔ）／ｄｔ ＝ ｂ１＋ ｚ１（ｔ）・（ｘ１（ｔ）－ｃ１）
ｄｘ２（ｔ）／ｄｔ ＝ －ｙ２（ｔ）－ｚ２（ｔ）＋ｋ２・（ｓ２（ｔ）－ｘ２（ｔ））＋ｇ・（ｘ１（ｔ）－ｘ２（ｔ））
ｄｙ２（ｔ）／ｄｔ ＝ ｘ２（ｔ）＋ａ２・ｙ２（ｔ）
ｄｚ２（ｔ）／ｄｔ ＝ ｂ２＋ｚ２（ｔ）・（ｘ２（ｔ）－ｃ２）
【0093】
好ましくは、必ずではないが、ネットワーク３８のシステム８の少なくとも１つが少なくとも３つの微分方程式９からなる場合、当該システム８における係数「ｋｉ」の値、係数「ａｉ」、「ｂｉ」ｅ「ｃｉ」のそれぞれの値、及び係数「ｇｉ、ｊ」のそれぞれの値は、少なくとも３つの微分方程式９からなる当該システム８がカオス性の挙動を持つように選択される。
【0094】
好ましくは、必ずではないが、ネットワーク３８の１つ以上のシステム８において、係数「ｋｉ」の値、係数「ａｉ」、「ｂｉ」ｅ「ｃｉ」のそれぞれの値、及び係数「ｇｉ、ｊ」のそれぞれの値は、ネットワーク３８の１つ以上の前記システム８において、創発現象が生じるように選択される。
【0095】
好ましくは、必ずではないが、非線形変換器３７によって変換された信号は、ネットワーク３８のシステム８に送られることに加えて、受信した入力信号（非線形変換器３７によって変換されたが、ネットワーク３８のシステム８によって処理されていない）の各々が、入力で受信した他の信号の各々とどれだけ同期しているかを評価するのに適したユニット４１（図１０では、「Ｓｙｎ２」で示されている）に送られる。ユニット４１は、先に「第２の評価手段」と表現、識別したように、入力で受信した信号に関する第２の同期マトリクスを生成する。当該第２の同期マトリクスは、ユニット４０によって生成された同期マトリクスと共に、特徴抽出器１３に送られる。したがって、特徴抽出器１３は、ユニット４０によって生成された同期マトリクスに挿入された、ネットワーク３８のシステム８によって処理された信号からだけでなく、前記第２の同期マトリクスに挿入された（即ち、ユニット４１によって評価された後の）、非線形変換器３７によって変換され、ネットワーク３８のシステム８によって処理されていない信号からも、人２の脳の状態の分類に関連する特徴を抽出するのに好適である。
【0096】
システム３３の変形例によれば、特徴抽出器１３は、ユニット４０によって生成された同期マトリクスに挿入されたネットワーク３８のシステム８によって処理された信号及びユニット４１によって生成された同期マトリクスに挿入された非線形変換器３７によって変換された信号であってネットワーク３８のシステム８によって処理されていない信号だけでなく、ネットワーク３８のシステム８によって処理されているが、ユニット４０によって評価されていない信号、及び／又は、非線形変換器３７によって変換されているが、ネットワーク３８のシステム８によって処理されておらず、ユニット４１によって評価されていない信号も入力として受け取る（したがって、人２の脳の状態の分類に関連する特徴をそこから抽出するのに好適である）。
【0097】
システム３３の別の変形例によれば、システム３３は、ユニット４０及び／又はユニット４１を含んでいない。この変形例によれば、特徴抽出器１３は、ネットワーク３８のシステム８によって処理された信号、及び好ましくは非線形変換器３７によって変換され、ネットワーク３８のシステム８によって処理されていない信号も入力として受け取る（したがって、好ましくは、人２の脳の状態の分類に関連する特徴を抽出するのに適している）。
【0098】
システム３３の別の変形例によれば、特徴抽出器１３は、ユニット４１によって評価されたか否かに関わらず、ネットワーク３８のシステム８によって処理されていない入力信号を受信しない。
【0099】
システム１と同様に、システム３３は、好ましくは、必ずではないが、デバイス１５と、非線形変換器３７によって変換されたがネットワーク３８のシステム８によって処理されていない信号も受信する監視ユニット１６とを備える。ユニット１６は、ネットワーク３８のシステム８の各々において、係数「ｋｉ」の値、係数「ａｉ」、「ｂｉ」ｅ「ｃｉ」の各々の値、及び係数「ｇｉ、ｊ」の各々の値を、人２によって伝えられた対応関係（想像上のアクションと物理的なアクションとの間）の評価に応じて更新するのに適している。
【0100】
システム３３の別の変形例によれば、システム３３は、非線形変換器３７を含まない。この変形例によれば、
・ネットワーク３８のシステム８は、フィルタ３６によってフィルタリングされた信号を処理する。
・特徴抽出器１３は、ネットワーク３８のシステム８によって処理された信号（存在する場合は、ユニット４０によって任意に評価される）を入力として受け取ることに加えて、好ましくは（必ずではないが）、フィルタ３６によってフィルタリングされたがネットワーク３８のシステム８によって処理されていなく、存在する場合は、ユニット４１によって任意に評価される信号も入力として受け取る。したがって、システム３３のこの変形例による特徴抽出器１３は、ネットワーク３８のシステム８によって処理され、存在するならばユニット４０によって評価された後にフィルタ３６によってフィルタリングされた信号からだけでなく、フィルタ３６によってフィルタリングされ、ネットワーク３８のシステム８によって処理されず、存在するならばユニット４１によって評価された信号からも、人２の脳の状態の分類に関連する特徴を抽出するのに好適である。
・ユニット１６は、もし存在するならば、フィルタ３６によってフィルタリングされ、ネットワーク３８のシステム８によって処理されない信号も受け取る。
・ネットワーク３８のシステム８は、フィルタ３６によってフィルタリングされた信号を処理する。
・特徴抽出器１３は、ネットワーク３８のシステム８によって処理された信号（存在する場合は、ユニット４０によって任意に評価される）を入力として受け取ることに加えて、好ましくは（必ずではないが）、フィルタ３６によってフィルタリングされたがネットワーク３８のシステム８によって処理されていなく、存在する場合は、ユニット４１によって任意に評価される信号も入力として受け取る。したがって、システム３３のこの変形例による特徴抽出器１３は、ネットワーク３８のシステム８によって処理され、存在するならばユニット４０によって評価された後にフィルタ３６によってフィルタリングされた信号からだけでなく、フィルタ３６によってフィルタリングされ、ネットワーク３８のシステム８によって処理されず、存在するならばユニット４１によって評価された信号からも、人２の脳の状態の分類に関連する特徴を抽出するのに好適である。
・ユニット１６は、もし存在するならば、フィルタ３６によってフィルタリングされ、ネットワーク３８のシステム８によって処理されない信号も受け取る。
【0101】
人２の脳活動に関連したそれぞれの生理的信号を取得するのに適した前記デバイスが電極３４（脳波用）からなるシステム３３の別の変形例によれば、システム３３は、フィルタ３６によってフィルタリングされた信号から、電極３４が人２の大脳皮質に配置された場合に取得されるであろう複数の生理的信号を再構築するのに適した少なくとも１つの空間フィルタを備える。この変形例によれば、ネットワーク３８のシステム８は、前記空間フィルタによって処理された後にフィルタ３６によってフィルタリングされ、非線形変換器が存在する場合には変換される可能性がある信号を処理する。
【0102】
システム３３は、好ましくは、必ずではないが、デバイス１５に加えて、又はデバイス１５の代わりとして、人２の脳活動に直接関連しない少なくとも１つのさらなる生理的信号を取得するために、人２に適用可能なデバイス４２（「さらなる取得手段」という表現で以前に識別されている）を含む。システム３３は、好ましくは、必ずではないが、マシン３による既述の物理的アクションの実行を自律的に検出するのに適したデバイス４３（「監視手段」という表現で以前に識別された）を備える。デバイス４２は、一例として、人２の心拍を検出するための電極を含む。デバイス４３は、例えば、コンピュータ化されたビデオカメラを含む。デバイス４２及びデバイス４３は両方とも、監視ユニット１６と通信し、監視ユニット１６が、前述のさらなる生理的信号の検査から、人２が考えた、又は人２のマインドが行った想像上のアクションと、マシン３が行った物理的アクションとの間の対応関係を評価できるようになっている。ユニット１６は、ネットワーク３８のシステム８の各々において、係数「ｋｉ」の値、係数「ａｉ」、「ｂｉ」ｅ「ｃｉ」のそれぞれの値、及び係数「ｇｉ、ｊ」の各々の値を、ユニット１６によって行われるこの対応関係の評価の関数として更新するのに適している。
【0103】
また、システム１は、システム３３のように、デバイス１５に加えて、又はデバイス１５の代わりに、監視ユニット１６と接続されたデバイス４２及びデバイス４３を含むことができる。
【0104】
システム３３の変形例によれば、監視ユニット１６は、ネットワーク３８のシステム８によって処理されたような信号も入力として受け取り、ネットワーク３８のシステム８のそれぞれにおいて、係数「ｋｉ」の値、係数「ａｉ」、「ｂｉ」ｅ「ｃｉ」のそれぞれの値、及び係数「ｇｉ、ｊ」のそれぞれの値を、ネットワーク３８のシステム８によって処理されたような前述の信号の関数としても更新するのに適している。
【0105】
図１１は、２１個の電極３４を用いて人２がそれぞれ取得した２１個の脳波信号間の平均同期値を表す要素（即ち、前記２１個の脳波信号のそれぞれと、前記２１個の脳波信号のうちの他の２０個の脳波信号のそれぞれとの間の平均同期値を表す要素）を有する２次元アレイ４５の一例を示す。より正確には、図１１のマトリクスが平均同期値を表している信号は、２１個の増幅器３５でそれぞれ増幅され、２１個のフィルタ３６でそれぞれフィルタリングされ、２１個の非線形変換器３７でそれぞれ変換された後に、ネットワーク３８の２１個のシステム８にそれぞれ送られた２１個の前記信号に対応している。
【0106】
疑念を避けるために、この例によれば、システム３３は、それぞれ２１個の脳波信号を取得するための２１個の電極３４から成り、これらの信号はそれぞれ２１個の増幅器３５によって増幅され、２１個のフィルタ３６によってフィルタリングされ、２１個の非線形変換器３７によって変換され、ネットワーク３８に属する２１個の非線形力学系８に送られる。
【0107】
図１２は、マトリクス４５が平均同期値を表している２１個の信号の間の同期差（関心のある２つの精神状態、この場合、静止状態と手の開閉を繰り返す想像上の実行を比較することによって計算される）を表現した２次元マトリクス４６を示している（即ち、その要素は、前記２１個の脳波信号のそれぞれと前記２１個の脳波信号の他の２０個のそれぞれとの間の同期差を表現している）。
【0108】
図１３は、マトリクス４５が平均同期値を表す２１個の信号のそれぞれの入力受信後に、ネットワーク３８の２１個のシステム８からユニット４０にそれぞれ送信される２１個の信号間の平均同期値を要素が表す２次元アレイ４７の例を示している。つまり、マトリクス４７が平均同期値を表す２１個の信号は、それぞれ、マトリクス４５が平均同期値を表す２１個の信号を、ネットワーク３８の２１個のシステム８で処理した結果である。図１３の例では、パラメータ「ｇｉ、ｊ」はゼロに設定されている。これは、この例では、ネットワーク３８のシステム８の間には結合がないことを意味する。したがって、電極３４によって取得されたすべての脳波信号は、システム８の１つによって処理され、この１つのシステム８はネットワーク３８の他の２０個のシステム８（他の２０の脳波信号を処理する）と何らかの形で相関関係を持つことはない。
【0109】
図１３の例では、ネットワーク３８の各システム８において、パラメータ「ｋｉ」は、ゼロよりも大きいが、システム８の自発的な活動を圧倒するほど大きくはないように選ばれた。この事実の結果として、出力信号間の同期の分布は、図１１の入力信号について観察されたものとむしろ類似している。先に述べたように、これはシステム８の好ましい使用方法に対応するものである。換言すると、ネットワーク３８のシステム８に送信される信号は、それぞれ、システム８の挙動に影響を与えるのに十分な強さで当該システム８に供給されるが、しかし、システム８の固有のダイナミクスを克服することはない。さらに、ネットワーク３８の各システム８において、パラメータ「ａｉ」、「ｂｉ」ｅ「ｃｉ」に割り当てられた値は、システム８から出る信号が、特徴抽出器１３がネットワーク３８に導入された特定の特徴を区別するのに役立つように（好ましくは、初期のトレーニング段階によって）適切に選択され、分類器１４によって行われる作業を容易にする。
【0110】
図１４は、マトリクス４７が平均同期値を表している２１個の信号の間の同期差（関心のある２つの精神状態、この場合は、静止状態と手の開閉を繰り返す想像上の実行とを比較して算出）を要素が表す２次元マトリクス４８を示している。
【0111】
この例では、ネットワーク３８のシステム８の間には同期がないが、マトリクス４５とマトリクス４７との間、及びマトリクス４６とマトリクス４８との間には、ある種の類似性があることに気付くことができる。この類似性は、ネットワーク３８のシステム８が、入力信号に個別に結合されているが、それらの間には結合されていないという事実によるものである。
【0112】
図１５は、マトリクス４５が平均同期値を表している２１個の信号のそれぞれの入力としての受信に続いて、ネットワーク３８の２１個のシステム８からユニット４０にそれぞれ送信された２１個の信号の間の平均同期値を要素が表している２次元アレイ４９の第２の例を示している。マトリクス４７について述べたのと同様に、マトリクス４９が平均同期値を表す２１個の信号は、マトリクス４５が平均同期値を表す２１個の信号を、ネットワーク３８の２１個の各システム８が処理した結果である。図１５の例では、パラメータ「ｇｉ、ｊ」は、ゼロよりも大きく選択されているが、ネットワーク３８のシステム８の活動がネットワーク３８の他のシステム８の活動を圧倒するほど大きくはないので、ネットワーク３８のシステム８の間に結合が存在する。この例は、システム３３の好ましい使用形態に対応している。さらに、図１３の例で述べたのと同様に、ネットワーク３８の各システム８では、パラメータ「ｋｉ」はゼロよりも大きく、しかしシステム８の自発的な活動を圧倒するほど大きくないものが選択されている（換言すると、ネットワーク３８のシステム８に送られる信号は、十分に強い方法で当該システム８に導入され、その固有のダイナミクスを圧倒することなく、後者の動作に影響を与える）。さらに、ネットワーク３８の各システム８において、パラメータ「ａｉ」、「ｂｉ」ｅ「ｃｉ」に割り当てられた値も適切に（好ましくは、初期のトレーニング段階を通じて）選択され、システム８から出る信号は、特徴抽出器１３がネットワーク３８に導入された特定の特徴を区別するのに役立ち、分類器１４によって行われる作業を容易にするようにされる。この場合、システム８が互いに結合されているため、マトリクス４９の平均的な同期レベルが高くなっていることに留意すべきである。これに加えて、同期分布がマトリクス４５とマトリクス４７とに関して著しく異なることに注目することができる。これはまさに、システム８が互いに相互に作用し、入力として個別に受信した信号を魅力的なタイプと反発的なタイプの両方の相互作用を介して結合しているためである。
【0113】
図１６は、マトリクス４９が平均同期値を表している２１個の信号の間の同期差（関心のある２つの精神状態、この場合は静止状態と手の開閉を繰り返す想像上の実行とを比較して算出）を要素が表す２次元のマトリクス５０を示している。マトリクス４９に見られるように、マトリクス４６及びマトリクス４８に関して明らかに異なる分布を指摘しているが、これは上述の理由と同じである。因みに、この場合、２つの条件の違いは、より規則的な分布をしており、特に感覚運動大脳皮質の上に記録された信号に特に対応する幾つかの信号に焦点を合わせていることを指摘する。
【0114】
因みに、システム１について述べたことと同様に、システム３３では、ネットワーク３８のシステム８が固有のダイナミクスを有することが好ましいが、パラメータ「ａｉ」、「ｂｉ」ｅ「ｃｉ」に割り当てられた値は、ネットワーク３８の１つ以上のシステム８が固有のダイナミクスを有さないか、固有のダイナミクスを有さないものの、それに非常に近い状態（つまり、所謂臨界点）となる。
【0115】
好ましい例示の実施形態について提供された説明に基づいて、以下の請求の範囲によって定義される本発明の範囲から逸脱することなく、当業者が幾つかの変更を行うことができることは明らかである。
【符号の説明】
【0116】
１ ブレイン・コンピュータ・インタフェースシステム
２ 人
３ マシン
４ 脳波計用の電極
５ 増幅器
６ フィルタ
７ 非線形変換器
８ システム
９ 微分方程式
１０ 第１のメモリ
１１ 第２のメモリ
１３ 特徴抽出器
１４ 数値分類器
１５ フィードバック手段（マイクロスイッチ）
１６ 監視ユニット
２０ 脳波信号
２ 人
３ マシン
４ 脳波計用の電極
５ 増幅器
６ フィルタ
７ 非線形変換器
８ システム
９ 微分方程式
１０ 第１のメモリ
１１ 第２のメモリ
１３ 特徴抽出器
１４ 数値分類器
１５ フィードバック手段（マイクロスイッチ）
１６ 監視ユニット
２０ 脳波信号
【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】
【手続補正書】
【提出日】2022-11-25
【手続補正1】
【補正対象書類名】明細書
【補正対象項目名】０００７
【補正方法】変更
【補正の内容】
【0007】
本発明の目的は、
・人の脳の活動に関連する少なくとも１つの生理的信号を取得するため人に適用可能な手段である。例として脳波測定用の少なくとも１つの電極又は近赤外分光法のオプトード（「ＮＩＲＳ」として良く知られている）を含む取得手段と、
・（前記取得手段から取得した）前記生理的信号を増幅する増幅手段と、
・（前記増幅手段からの）前記増幅した信号をフィルタリングし、好ましくはバンドパス・フィルタを備えたフィルタリング手段と、
・（前記フィルタリング手段からの）前記フィルタリングされた信号から、（生理的信号を取得された）前記人の脳の状態の分類に関連した特徴を抽出する抽出手段と、
・前記抽出手段から抽出された前記特徴の少なくとも１つの数値分類器（好ましくは、ニューラルネットワーク）と、
を有し、
前記数値分類器が、前記抽出手段から抽出された前記特徴から想像上のアクションを含む前記人の脳の状態を認識するように訓練され（即ち、前記特徴が抽出された生理的信号に関連する脳の活動における後者の存在を認識するか否かのため、前記人の脳の状態が前記想像上のアクションを含んでいるか否かを確立するために前記特徴を調べるのに適している）、
前記数値分類器が、前記想像上のアクションを含む脳の状態を認識した際に、例えば前記想像上のアクションに対応する（即ち「具体化する」）物理的アクションの少なくとも１つの実行コマンドを発生するのに適している、
ブレイン・コンピュータ・インタフェースシステムにある。
・人の脳の活動に関連する少なくとも１つの生理的信号を取得するため人に適用可能な手段である。例として脳波測定用の少なくとも１つの電極又は近赤外分光法のオプトード（「ＮＩＲＳ」として良く知られている）を含む取得手段と、
・（前記取得手段から取得した）前記生理的信号を増幅する増幅手段と、
・（前記増幅手段からの）前記増幅した信号をフィルタリングし、好ましくはバンドパス・フィルタを備えたフィルタリング手段と、
・（前記フィルタリング手段からの）前記フィルタリングされた信号から、（生理的信号を取得された）前記人の脳の状態の分類に関連した特徴を抽出する抽出手段と、
・前記抽出手段から抽出された前記特徴の少なくとも１つの数値分類器（好ましくは、ニューラルネットワーク）と、
を有し、
前記数値分類器が、前記抽出手段から抽出された前記特徴から想像上のアクションを含む前記人の脳の状態を認識するように訓練され（即ち、前記特徴が抽出された生理的信号に関連する脳の活動における後者の存在を認識するか否かのため、前記人の脳の状態が前記想像上のアクションを含んでいるか否かを確立するために前記特徴を調べるのに適している）、
前記数値分類器が、前記想像上のアクションを含む脳の状態を認識した際に、例えば前記想像上のアクションに対応する（即ち「具体化する」）物理的アクションの少なくとも１つの実行コマンドを発生するのに適している、
ブレイン・コンピュータ・インタフェースシステムにある。
【手続補正2】
【補正対象書類名】明細書
【補正対象項目名】００１４
【補正方法】変更
【補正の内容】
【0014】
例えば、複数のインバータリングを組み合わせることにより、非線形で無秩序な動的システムを集積回路の形で構築できることは知られている。有利には、この応用の場合、インバータリングの電流を変化させることにより、振動の動的特性を容易に制御することができ、脳波の痕跡に質的に非常に似た信号を生成することができる（Ｌ． Ｍｉｎａｔｉ、 Ｍ． Ｆｒａｓｃａ、 Ｎ． Ｙｏｓｈｉｍｕｒａ、 Ｌ． Ｒｉｃｃｉ、 Ｐ． Ｏｓｗｉｅｃｉｍｋａ、 Ｙ． Ｋｏｉｋｅ、 Ｋ． Ｍａｓｕ、 Ｈ． Ｉｔｏ、 Ｃｕｒｒｅｎｔ－Ｓｔａｒｖｅｄ Ｃｒｏｓｓ－Ｃｏｕｐｌｅｄ ＣＭＯＳ Ｉｎｖｅｒｔｅｒ Ｒｉｎｇｓ ａｓ Ｖｅｒｓａｔｉｌｅ Ｇｅｎｅｒａｔｏｒｓ ｏｆ Ｃｈａｏｔｉｃ ａｎｄ Ｎｅｕｒａｌ－Ｌｉｋｅ Ｄｙｎａｍｉｃｓ Ｏｖｅｒ Ｍｕｌｔｉｐｌｅ Ｆｒｅｑｕｅｎｃｙ Ｄｅｃａｄｅｓ、ＩＥＥＥ Ａｃｃｅｓｓ ７（２０１９） ５４６３８－５４６５７）。
【手続補正3】
【補正対象書類名】明細書
【補正対象項目名】００２１
【補正方法】変更
【補正の内容】
【0021】
本発明の一態様によれば、ブレイン・コンピュータ・インタフェースシステムは、
・前記人の脳活動に関連する複数の生理的信号をそれぞれ取得する複数の前記取得手段と、
・（それぞれ前記複数の取得手段によって取得された）前記複数の生理的信号をそれぞれ増幅する複数の前記増幅手段と、
・（それぞれ前記複数の増幅手段からの）前記増幅された信号をそれぞれフィルタリングする複数の前記フィルタリング手段と、
・それぞれ前記フィルタリングされた信号を処理し、処理された信号を前記抽出手段に送る複数の前記非線形力学系からなる非線形力学ネットワーク（即ち、前記ネットワークの各非線形力学系は、それぞれのフィルタリングされた信号を入力として受け、それを処理し、処理された信号を前記抽出手段に送るのに適している。換言すると、前記複数のフィルタリング手段の１つによってフィルタリングされた各信号は、前記ネットワークのそれぞれの非線形力学系に入力として送られる）と、
を有し、
前記抽出手段は、前記ネットワークの非線形力学系で処理された後の前記フィルタリングされた信号から前記特徴を抽出する手段であり、
前記ネットワークの各非線形力学系は、
変数の時間経過を関数として指定する少なくとも１つの微分方程式を含み、
－前記変数
及び／又は
－前記系の別の前記微分方程式に含まれる、少なくとも１つの他の変数
及び／又は
－前記ネットワークの他の非線形力学系の前記微分方程式の１つに含まれる少なくとも１つの他の変数を含み、
前記ネットワークの各非線形力学系が、前記ネットワークの少なくとも１つの他の非線形力学系と相互依存するようにされ、
（前記複数の非線形力学系が入力として受けた）前記フィルタリングされた信号のそれぞれは、前記ネットワークの非線形力学系の前記微分方程式の前記変数の少なくとも１つに対応しており、
前記ネットワークの各非線形力学系において、前記微分方程式の少なくとも１つは、前記第１の係数を乗じた前記フィルタリングされた信号の１つに対応する前記変数からなり、
前記ネットワークの各非線形力学系において、前記フィルタリングされた信号の１つに対応していなく、且つ、前記ネットワークの他の非線形力学系の前記微分方程式の１つに含まれていなく、前記第２の係数を乗じた前記変数の少なくとも１つからなり、
前記ネットワークの各非線形力学系において、前記微分方程式の少なくとも１つは、前記フィルタリングされた信号の１つに対応しておらず、且つ、前記ネットワークの別の非線形力学系の前記微分方程式の１つにも含まれている前記変数の少なくとも１つからなり、（前記ネットワークの非線形力学系間の相互結合の）第３の係数を乗じたものであり、
前記抽出手段に送られる前記信号は、前記非線形方程式の前記変数に対応し、
前記ネットワークの各非線形力学系について、
－前記第１のメモリは、前記第１の係数により想定される少なくとも１つの値を記憶するのに適しており、
－前記第２のメモリは、前記第２の係数のそれぞれについて、前記第２の係数により想定される少なくとも１つの値を記憶するのに適し、
また、
・前記第３の係数の各々について、前記第３の係数が仮定する少なくとも１つの値を記憶するための第３のメモリ
を有し、
前記ネットワークの各非線形力学系について、前記第１の係数の値、前記第２の係数のそれぞれの値及び前記第３の係数のそれぞれの値は、前記非線形力学系が
・好ましくは、本質的なダイナミクスを有し、
そして
・前記抽出手段に送られた前記信号において、前記人の脳の状態の分類に関連する１つ以上の前記特徴が明らかにされるか、又は強められるように、前記フィルタリングされた信号を処理する
ことを特徴とする。
・前記人の脳活動に関連する複数の生理的信号をそれぞれ取得する複数の前記取得手段と、
・（それぞれ前記複数の取得手段によって取得された）前記複数の生理的信号をそれぞれ増幅する複数の前記増幅手段と、
・（それぞれ前記複数の増幅手段からの）前記増幅された信号をそれぞれフィルタリングする複数の前記フィルタリング手段と、
・それぞれ前記フィルタリングされた信号を処理し、処理された信号を前記抽出手段に送る複数の前記非線形力学系からなる非線形力学ネットワーク（即ち、前記ネットワークの各非線形力学系は、それぞれのフィルタリングされた信号を入力として受け、それを処理し、処理された信号を前記抽出手段に送るのに適している。換言すると、前記複数のフィルタリング手段の１つによってフィルタリングされた各信号は、前記ネットワークのそれぞれの非線形力学系に入力として送られる）と、
を有し、
前記抽出手段は、前記ネットワークの非線形力学系で処理された後の前記フィルタリングされた信号から前記特徴を抽出する手段であり、
前記ネットワークの各非線形力学系は、
変数の時間経過を関数として指定する少なくとも１つの微分方程式を含み、
－前記変数
及び／又は
－前記系の別の前記微分方程式に含まれる、少なくとも１つの他の変数
及び／又は
－前記ネットワークの他の非線形力学系の前記微分方程式の１つに含まれる少なくとも１つの他の変数を含み、
前記ネットワークの各非線形力学系が、前記ネットワークの少なくとも１つの他の非線形力学系と相互依存するようにされ、
（前記複数の非線形力学系が入力として受けた）前記フィルタリングされた信号のそれぞれは、前記ネットワークの非線形力学系の前記微分方程式の前記変数の少なくとも１つに対応しており、
前記ネットワークの各非線形力学系において、前記微分方程式の少なくとも１つは、前記第１の係数を乗じた前記フィルタリングされた信号の１つに対応する前記変数からなり、
前記ネットワークの各非線形力学系において、前記フィルタリングされた信号の１つに対応していなく、且つ、前記ネットワークの他の非線形力学系の前記微分方程式の１つに含まれていなく、前記第２の係数を乗じた前記変数の少なくとも１つからなり、
前記ネットワークの各非線形力学系において、前記微分方程式の少なくとも１つは、前記フィルタリングされた信号の１つに対応しておらず、且つ、前記ネットワークの別の非線形力学系の前記微分方程式の１つにも含まれている前記変数の少なくとも１つからなり、（前記ネットワークの非線形力学系間の相互結合の）第３の係数を乗じたものであり、
前記抽出手段に送られる前記信号は、前記非線形方程式の前記変数に対応し、
前記ネットワークの各非線形力学系について、
－前記第１のメモリは、前記第１の係数により想定される少なくとも１つの値を記憶するのに適しており、
－前記第２のメモリは、前記第２の係数のそれぞれについて、前記第２の係数により想定される少なくとも１つの値を記憶するのに適し、
また、
・前記第３の係数の各々について、前記第３の係数が仮定する少なくとも１つの値を記憶するための第３のメモリ
を有し、
前記ネットワークの各非線形力学系について、前記第１の係数の値、前記第２の係数のそれぞれの値及び前記第３の係数のそれぞれの値は、前記非線形力学系が
・好ましくは、本質的なダイナミクスを有し、
そして
・前記抽出手段に送られた前記信号において、前記人の脳の状態の分類に関連する１つ以上の前記特徴が明らかにされるか、又は強められるように、前記フィルタリングされた信号を処理する
ことを特徴とする。
【手続補正4】
【補正対象書類名】明細書
【補正対象項目名】００２３
【補正方法】変更
【補正の内容】
【0023】
因みに、カップリングの強度が増すにつれ、前述の同期は、最初は位相変動のコヒーレンスの形で現れ、最終的には振幅変動のオーバラップの形でも現れる。一例として、この現象の始まりは、生体学的信号や非線形システムからくる信号において、「位相歪同期」として知られる指標を通じて特に有利な方法で定量化することができる（Ｌ． Ｍｉｎａｔｉ、 Ｎ． Ｙｏｓｈｉｍｕｒａ、 Ｍ． Ｆｒａｓｃａ、 Ｓ． Ｄｒｏｚｄｚ、 Ｙ． Ｋｏｉｋｅ、 Ｗａｒｐｅｄ ｐｈａｓｅ ｃｏｈｅｒｅｎｃｅ： Ａｎ ｅｍｐｉｒｉｃａｌ ｓｙｎｃｈｒｏｎｉｚａｔｉｏｎ ｍｅａｓｕｒｅ ｃｏｍｂｉｎｉｎｇ ｐｈａｓｅ ａｎｄ ａｍｐｌｉｔｕｄｅ ｉｎｆｏｒｍａｔｉｏｎ、 Ｃｈａｏｓ ２９（２０１９）、 ０２１１０２）。
【手続補正5】
【補正対象書類名】明細書
【補正対象項目名】００２６
【補正方法】変更
【補正の内容】
【0026】
本発明の一態様によれば、前記抽出手段は、
・前記非線形力学系で処理された後の前記フィルタリングされた信号から、
又は
・前記非線形力学系が１つ以上である場合には、前記ネットワークの非線形力学系で処理された後の前記フィルタリングされた複数の信号から、だけでなく
・前記非線形力学系で処理されずにフィルタリングされた前記信号から
又は
・前記非線形力学系が１つ以上である場合に、前記ネットワークの非線形力学系で処理されずにフィルタリングされた前記複数の信号から
の前記特徴を抽出する手段である。
・前記非線形力学系で処理された後の前記フィルタリングされた信号から、
又は
・前記非線形力学系が１つ以上である場合には、前記ネットワークの非線形力学系で処理された後の前記フィルタリングされた複数の信号から、だけでなく
・前記非線形力学系で処理されずにフィルタリングされた前記信号から
又は
・前記非線形力学系が１つ以上である場合に、前記ネットワークの非線形力学系で処理されずにフィルタリングされた前記複数の信号から
の前記特徴を抽出する手段である。
【手続補正6】
【補正対象書類名】明細書
【補正対象項目名】００２７
【補正方法】変更
【補正の内容】
【0027】
本発明の別の態様によれば、ブレイン・コンピュータ・インタフェースシステムは、
・非線形変換器（例えば、シグモイド関数）を有し、
前記非線形変換器が、
－前記信号のダイナミクスの特定の間隔を明らかにし、及び／又は強化するように、前記フィルタリングされた信号を変換するため（ブレイン・コンピュータ・インタフェーシングの目的に最も関連する信号コンポーネント、例えば、ゼロ－クロスイベントを強調するように）、及び
－前記非線形変換器によって変換された後の前記フィルタリングされた信号を処理するのに適している前記非線形力学系に変換された信号を送るため
に設けられ、
又は、前記非線形力学系が複数の場合には、
・複数の非線形変換器（例えば、シグモイド関数）を有し、
前記複数の非線形変換器がそれぞれ
－前記フィルタリングされた信号を変換して、前記信号のダイナミクスの特定の間隔を明らかにし、及び／又は強化するように（例えば、ゼロ－クロスイベント等、ブレイン・コンピュータ・インタフェーシングの目的に最も関連する信号成分を強調するように）、及び
－変換された信号を、前記ネットワークの非線形力学系に送るため
に設けられ、
前記ネットワークの非線形力学系は、前記非線形変換器によって変換された後の前記フィルタリングされた信号を処理するのにそれぞれ適している。
・非線形変換器（例えば、シグモイド関数）を有し、
前記非線形変換器が、
－前記信号のダイナミクスの特定の間隔を明らかにし、及び／又は強化するように、前記フィルタリングされた信号を変換するため（ブレイン・コンピュータ・インタフェーシングの目的に最も関連する信号コンポーネント、例えば、ゼロ－クロスイベントを強調するように）、及び
－前記非線形変換器によって変換された後の前記フィルタリングされた信号を処理するのに適している前記非線形力学系に変換された信号を送るため
に設けられ、
又は、前記非線形力学系が複数の場合には、
・複数の非線形変換器（例えば、シグモイド関数）を有し、
前記複数の非線形変換器がそれぞれ
－前記フィルタリングされた信号を変換して、前記信号のダイナミクスの特定の間隔を明らかにし、及び／又は強化するように（例えば、ゼロ－クロスイベント等、ブレイン・コンピュータ・インタフェーシングの目的に最も関連する信号成分を強調するように）、及び
－変換された信号を、前記ネットワークの非線形力学系に送るため
に設けられ、
前記ネットワークの非線形力学系は、前記非線形変換器によって変換された後の前記フィルタリングされた信号を処理するのにそれぞれ適している。
【手続補正7】
【補正対象書類名】明細書
【補正対象項目名】００２８
【補正方法】変更
【補正の内容】
【0028】
本発明の別の態様によれば、前記抽出手段は、
・前記非線形力学系で処理された後の前記変換された信号から
又は
・前記非線形力学系が１つ以上である場合に、前記ネットワークの複数の非線形力学系によって処理された後の前記複数の変換信号から
だけでなく
・前記非線形力学系で処理されずに変換された前記信号から
又は
・前記非線形力学系が１つ以上である場合に、前記ネットワークの複数の非線形力学系から処理されずに変換された前記複数の信号から
の前記特徴を抽出する手段である。
・前記非線形力学系で処理された後の前記変換された信号から
又は
・前記非線形力学系が１つ以上である場合に、前記ネットワークの複数の非線形力学系によって処理された後の前記複数の変換信号から
だけでなく
・前記非線形力学系で処理されずに変換された前記信号から
又は
・前記非線形力学系が１つ以上である場合に、前記ネットワークの複数の非線形力学系から処理されずに変換された前記複数の信号から
の前記特徴を抽出する手段である。
【手続補正8】
【補正対象書類名】明細書
【補正対象項目名】００３２
【補正方法】変更
【補正の内容】
【0032】
本発明の別の態様によれば、前記非線形力学系が１つ以上である場合において、前記複数の取得手段は、脳波記録のための複数の電極を有し、
前記ブレイン・コンピュータ・インタフェースシステムは、前記フィルタリングされた信号から、前記電極が前記人の大脳皮質に配置された場合に取得されるであろう複数の生理的信号を再構築するのに適した少なくとも１つの空間フィルタを含む別のフィルタリング手段を有し、
前記ネットワークの非線形力学系は、前記空間フィルタで処理された後の前記フィルタリングされた信号を処理するのにそれぞれ適しており、そして前記非線形変換器が存在する場合にはおそらく変換される。
前記ブレイン・コンピュータ・インタフェースシステムは、前記フィルタリングされた信号から、前記電極が前記人の大脳皮質に配置された場合に取得されるであろう複数の生理的信号を再構築するのに適した少なくとも１つの空間フィルタを含む別のフィルタリング手段を有し、
前記ネットワークの非線形力学系は、前記空間フィルタで処理された後の前記フィルタリングされた信号を処理するのにそれぞれ適しており、そして前記非線形変換器が存在する場合にはおそらく変換される。
【手続補正9】
【補正対象書類名】明細書
【補正対象項目名】００３３
【補正方法】変更
【補正の内容】
【0033】
本発明の別の態様によれば、前記非線形力学系、又は、前記非線形力学系が１つ以上である場合の前記ネットワークの非線形力学系の少なくとも１つは、少なくとも３つの前記微分方程式からなる。
【手続補正10】
【補正対象書類名】明細書
【補正対象項目名】００３６
【補正方法】変更
【補正の内容】
【0036】
本発明の別の態様によれば、少なくとも３つの前記微分方程式からなる前記ネットワークの前記非線形力学系、又は、１つ以上の前記非線形力学系において、前記非線形力学系が１つ以上である場合には、前記第１の係数の値、前記第２の係数の値、及び存在する場合には前記第３の係数の値は、これらの非線形力学系が１つ以上である場合には、少なくとも３つの前記微分方程式からなる前記非線形力学系、又は、前記１つ以上の非線形力学系がカオス的な振る舞いをするようなものである。
【手続補正11】
【補正対象書類名】明細書
【補正対象項目名】００３８
【補正方法】変更
【補正の内容】
【0038】
本発明の別の態様によれば、前記非線形力学系、又は、前記非線形力学系が１つ以上である場合には、前記ネットワークの非線形力学系の少なくとも１つにおいて、前記第１の係数の値、前記第２の係数の値、及び、存在する場合には前記第３の係数の値は、前記非線形力学系、又は、前記非線形力学系が１つ以上である場合には、前記ネットワークの非線形力学系の少なくとも１つにおいて、創発現象が顕在化するようなものである。
【手続補正12】
【補正対象書類名】明細書
【補正対象項目名】００３９
【補正方法】変更
【補正の内容】
【0039】
本発明の別の態様によれば、前記ブレイン・コンピュータ・インタフェースシステムは、
・前記デジタル分類器からの前記コマンドを受信し、例えば前記想像上のアクションに対応する前記物理的アクション（前記数値分類器が学習された認識時の前記人の脳の状態で構成される）を実行するマシン、
・前記非線形力学系、又は前記非線形力学系が複数の場合、前記ネットワークの各非線形力学系において、前記第１の係数の値、前記第２の係数の各々の値、及び存在する場合には、前記第３の係数の各々の値を更新する監視ユニット
を有する。
・前記デジタル分類器からの前記コマンドを受信し、例えば前記想像上のアクションに対応する前記物理的アクション（前記数値分類器が学習された認識時の前記人の脳の状態で構成される）を実行するマシン、
・前記非線形力学系、又は前記非線形力学系が複数の場合、前記ネットワークの各非線形力学系において、前記第１の係数の値、前記第２の係数の各々の値、及び存在する場合には、前記第３の係数の各々の値を更新する監視ユニット
を有する。
【手続補正13】
【補正対象書類名】明細書
【補正対象項目名】００４０
【補正方法】変更
【補正の内容】
【0040】
本発明の別の態様によれば、前記ブレイン・コンピュータ・インタフェースシステムは、前記想像上のアクションと（前記マシンによって実行される）前記物理的なアクションとの間の対応関係についての自身の評価を前記監視ユニットに伝達するために、ユーザ（前記獲得手段が適用される人であり得る）によって操作可能なフィードバック手段を有し、
前記監視ユニットは、
・入力として、
－前記フィルタリングされた信号であって、前記非線形変換器が存在する場合には、変換される可能性があるが、前記非線形力学系によって処理されない信号
又は、
前記非線形力学系が複数の場合には、
－前記非線形変換器は存在するが、前記ネットワークの非線形力学系によって処理されず、存在する場合には前記第２の評価手段によって評価されない場合には、前記フィルタリングされ、場合により変換された信号
を受信し、
・前記非線形力学系、又は、前記非線形力学系が複数の場合は、前記ネットワークの各非線形力学系において、前記第１の係数の値、前記第２の係数の各々の値、及び、存在する場合は前記第３の係数の各々の値を、前記ユーザによって伝えられた評価に従って更新する
のに適している。
前記監視ユニットは、
・入力として、
－前記フィルタリングされた信号であって、前記非線形変換器が存在する場合には、変換される可能性があるが、前記非線形力学系によって処理されない信号
又は、
前記非線形力学系が複数の場合には、
－前記非線形変換器は存在するが、前記ネットワークの非線形力学系によって処理されず、存在する場合には前記第２の評価手段によって評価されない場合には、前記フィルタリングされ、場合により変換された信号
を受信し、
・前記非線形力学系、又は、前記非線形力学系が複数の場合は、前記ネットワークの各非線形力学系において、前記第１の係数の値、前記第２の係数の各々の値、及び、存在する場合は前記第３の係数の各々の値を、前記ユーザによって伝えられた評価に従って更新する
のに適している。
【手続補正14】
【補正対象書類名】明細書
【補正対象項目名】００４１
【補正方法】変更
【補正の内容】
【0041】
本発明の別の態様によれば、ブレイン・コンピュータ・インタフェースシステムは、
・前記人の脳活動に直接関連しない少なくとも１つのさらなる生理的信号（例えば、心拍等）を取得するための、前記人に適用可能な別の取得手段と、
・前記マシンによる前記物理的アクションの実行を検出するために、前記マシンを監視する手段と
を有し、
前記監視ユニットは、
・前記更なる生理的信号の検査から、前記想像上のアクションと前記物理的アクションとの間の対応関係を評価し、
・前記非線形力学系、又は前記非線形力学系が１つ以上である場合には前記ネットワークの各非線形力学系において、前記監視ユニットによって行われた評価に従って、前記第１の係数の値、前記第２の係数のそれぞれの値、及び存在する場合には前記第３の係数のそれぞれの値を更新する
のに適している。
・前記人の脳活動に直接関連しない少なくとも１つのさらなる生理的信号（例えば、心拍等）を取得するための、前記人に適用可能な別の取得手段と、
・前記マシンによる前記物理的アクションの実行を検出するために、前記マシンを監視する手段と
を有し、
前記監視ユニットは、
・前記更なる生理的信号の検査から、前記想像上のアクションと前記物理的アクションとの間の対応関係を評価し、
・前記非線形力学系、又は前記非線形力学系が１つ以上である場合には前記ネットワークの各非線形力学系において、前記監視ユニットによって行われた評価に従って、前記第１の係数の値、前記第２の係数のそれぞれの値、及び存在する場合には前記第３の係数のそれぞれの値を更新する
のに適している。
【手続補正15】
【補正対象書類名】明細書
【補正対象項目名】００４３
【補正方法】変更
【補正の内容】
【0043】
本発明の別の態様によれば、前記監視ユニットは以下のために適している。
・入力として
－ 前記非線形力学系によって処理された前記信号
又は
－前記非線形力学系が１つ以上である場合、前記ネットワークの非線形力学系によって処理された前記信号
を受信し、
・前記非線形力学系、又は前記非線形力学系が複数の場合は、前記ネットワークの各非線形力学系において、前記非線形力学系で処理された前記信号、又は前記非線形力学系が複数の場合は前記ネットワークの非線形力学系で処理された前記信号の関数として、前記第１の係数の値、前記第２の係数のそれぞれの値、及び存在する場合は前記第３の係数のそれぞれの値を更新する
のに適している。
・入力として
－ 前記非線形力学系によって処理された前記信号
又は
－前記非線形力学系が１つ以上である場合、前記ネットワークの非線形力学系によって処理された前記信号
を受信し、
・前記非線形力学系、又は前記非線形力学系が複数の場合は、前記ネットワークの各非線形力学系において、前記非線形力学系で処理された前記信号、又は前記非線形力学系が複数の場合は前記ネットワークの非線形力学系で処理された前記信号の関数として、前記第１の係数の値、前記第２の係数のそれぞれの値、及び存在する場合は前記第３の係数のそれぞれの値を更新する
のに適している。
【手続補正16】
【補正対象書類名】明細書
【補正対象項目名】００４４
【補正方法】変更
【補正の内容】
【0044】
本発明のさらなる目的及び利点は、その例示的な実施形態について以下に記載した詳細な説明、及び単に非限定的な例として与えられた添付図面から明らかになる。
【図7】図７は、図２の信号と前記非線形力学系との間に、ゼロではないが前記非線形力学系の自発的な活動を圧倒するほどではない結合がある場合に、図１のシステムの一部を構成する非線形力学系によって処理される図２の信号を示すグラフである。
【図13】図１３は、図１０のシステムに含まれる動的非線形ネットワークの一部を構成する２１個の非線形力学系によってそれぞれ処理された、図１１のマトリクスが平均同期値を表している２１個の信号間の平均同期値を要素で表した２次元マトリクスであり、前記ネットワークの前記非線形力学系間に実質的な結合がない場合のものであるグラフである。
【手続補正17】
【補正対象書類名】明細書
【補正対象項目名】００８２
【補正方法】変更
【補正の内容】
【0082】
ネットワーク３８の各システム８において、方程式９の少なくとも１つは、前記変数「ｓ
ｉ
」に前述の「第１の係数」を乗じて構成される。より正確には、ネットワーク３８のｉ番目のシステム８において、変数「ｓｉｊ
」に乗算された第１の係数は、（ｉ番目の変換信号に関連付けられた人２の脳活動とネットワーク３８のｉ番目のシステム８との間の結合係数に対応する）。
【手続補正18】
【補正対象書類名】明細書
【補正対象項目名】００８３
【補正方法】変更
【補正の内容】
【0083】
ネットワーク３８の各システム８において、方程式９の各々は、さらに、変換された信号に対応しておらず（つまり、「ｓｉ」ではないということ）、ネットワーク３８の別のシステム８の方程式９に含まない少なくとも１つの変数に、先に述べた「第２の係数」を乗算したものを含んでいる。より正確には、ネットワーク３８のｉ番目のシステム８では、第２の係数は例えば３つであり、それぞれ文字「ａｉ」、「ｂｉ」及び「ｃｉ」（ネットワーク３８のｉ番目のシステム８の方程式９の変数間の相互結合係数に対応する）で識別可能である。
【手続補正19】
【補正対象書類名】明細書
【補正対象項目名】００８５
【補正方法】変更
【補正の内容】
【0085】
ネットワーク３８の各システム８において、メモリ１０は、係数「ｋｉ」により想定される少なくとも１つの値を記憶するのに適しており、メモリ１１は、係数「ａｉ」、「ｂｉ」及び「ｃｉ」の各々について、当該係数「ａｉ」、「ｂｉ」又は「ｃｉ」により想定される少なくとも１つの値を記憶するのに適している。
【手続補正20】
【補正対象書類名】明細書
【補正対象項目名】００９０
【補正方法】変更
【補正の内容】
【0090】
ネットワーク３８のシステム８は、特徴抽出器１３に送られる信号が、電極３４によって取得された生理的信号と相関するように、人２の脳活動と同期する傾向がある。ネットワーク３８の各システム８において、係数「ｋｉ」の値、係数「ａｉ」、「ｂｉ」及び「ｃｉ」の各値、及び係数「ｇｉ、ｊ」の各々の値は、当該システム８が、
・好ましくは、必ずではないが、固有のダイナミクスを有するように、
及び
・（前記システム８が入力として受け取った）信号「ｓｉ」を、ユニット４０に（及び、ユニット４０を介して特徴抽出器１３に）送られる信号において、人２の脳の状態を分類する目的に関連する１つ又は複数の前記特徴が明らかにされ、及び／又は強化されて処理するように、
される。
・好ましくは、必ずではないが、固有のダイナミクスを有するように、
及び
・（前記システム８が入力として受け取った）信号「ｓｉ」を、ユニット４０に（及び、ユニット４０を介して特徴抽出器１３に）送られる信号において、人２の脳の状態を分類する目的に関連する１つ又は複数の前記特徴が明らかにされ、及び／又は強化されて処理するように、
される。
【手続補正21】
【補正対象書類名】明細書
【補正対象項目名】００９１
【補正方法】変更
【補正の内容】
【0091】
つまり、ネットワーク３８の各システム８において、係数「ｋ
ｉ
」の値、及び係数「ｇｉ、ｊ」の各値は、当該システム８から出てユニット４０に送られる信号が、特徴抽出器１３が入力信号の特定の特徴を区別するのを「助ける」ように選択され、分類器１４のタスクを容易にするようになっている。
【手続補正22】
【補正対象書類名】明細書
【補正対象項目名】００９３
【補正方法】変更
【補正の内容】
【0093】
好ましくは、必ずではないが、ネットワーク３８のシステム８の少なくとも１つが少なくとも３つの微分方程式９からなる場合、当該システム８における係数「ｋｉ」の値、係数「ａｉ」、「ｂｉ」及び「ｃｉ」のそれぞれの値、及び係数「ｇｉ、ｊ」のそれぞれの値は、少なくとも３つの微分方程式９からなる当該システム８がカオス性の挙動を持つように選択される。
【手続補正23】
【補正対象書類名】明細書
【補正対象項目名】００９４
【補正方法】変更
【補正の内容】
【0094】
好ましくは、必ずではないが、ネットワーク３８の１つ以上のシステム８において、係数「ｋｉ」の値、係数「ａｉ」、「ｂｉ」及び「ｃｉ」のそれぞれの値、及び係数「ｇｉ、ｊ」のそれぞれの値は、ネットワーク３８の１つ以上の前記システム８において、創発現象が生じるように選択される。
【手続補正24】
【補正対象書類名】明細書
【補正対象項目名】００９９
【補正方法】変更
【補正の内容】
【0099】
システム１と同様に、システム３３は、好ましくは、必ずではないが、デバイス１５と、非線形変換器３７によって変換されたがネットワーク３８のシステム８によって処理されていない信号も受信する監視ユニット１６とを備える。ユニット１６は、ネットワーク３８のシステム８の各々において、係数「ｋｉ」の値、係数「ａｉ」、「ｂｉ」及び「ｃｉ」の各々の値、及び係数「ｇｉ、ｊ」の各々の値を、人２によって伝えられた対応関係（想像上のアクションと物理的なアクションとの間）の評価に応じて更新するのに適している。
【手続補正25】
【補正対象書類名】明細書
【補正対象項目名】０１０２
【補正方法】変更
【補正の内容】
【0102】
システム３３は、好ましくは、必ずではないが、デバイス１５に加えて、又はデバイス１５の代わりとして、人２の脳活動に直接関連しない少なくとも１つのさらなる生理的信号を取得するために、人２に適用可能なデバイス４２（「さらなる取得手段」という表現で以前に識別されている）を含む。システム３３は、好ましくは、必ずではないが、マシン３による既述の物理的アクションの実行を自律的に検出するのに適したデバイス４３（「監視手段」という表現で以前に識別された）を備える。デバイス４２は、一例として、人２の心拍を検出するための電極を含む。デバイス４３は、例えば、コンピュータ化されたビデオカメラを含む。デバイス４２及びデバイス４３は両方とも、監視ユニット１６と通信し、監視ユニット１６が、前述のさらなる生理的信号の検査から、人２が考えた、又は人２のマインドが行った想像上のアクションと、マシン３が行った物理的アクションとの間の対応関係を評価できるようになっている。ユニット１６は、ネットワーク３８のシステム８の各々において、係数「ｋｉ」の値、係数「ａｉ」、「ｂｉ」及び「ｃｉ」のそれぞれの値、及び係数「ｇｉ、ｊ」の各々の値を、ユニット１６によって行われるこの対応関係の評価の関数として更新するのに適している。
【手続補正26】
【補正対象書類名】明細書
【補正対象項目名】０１０４
【補正方法】変更
【補正の内容】
【0104】
システム３３の変形例によれば、監視ユニット１６は、ネットワーク３８のシステム８によって処理されたような信号も入力として受け取り、ネットワーク３８のシステム８のそれぞれにおいて、係数「ｋｉ」の値、係数「ａｉ」、「ｂｉ」及び「ｃｉ」のそれぞれの値、及び係数「ｇｉ、ｊ」のそれぞれの値を、ネットワーク３８のシステム８によって処理されたような前述の信号の関数としても更新するのに適している。
【手続補正27】
【補正対象書類名】明細書
【補正対象項目名】０１０９
【補正方法】変更
【補正の内容】
【0109】
図１３の例では、ネットワーク３８の各システム８において、パラメータ「ｋｉ」は、ゼロよりも大きいが、システム８の自発的な活動を圧倒するほど大きくはないように選ばれた。この事実の結果として、出力信号間の同期の分布は、図１１の入力信号について観察されたものとむしろ類似している。先に述べたように、これはシステム８の好ましい使用方法に対応するものである。換言すると、ネットワーク３８のシステム８に送信される信号は、それぞれ、システム８の挙動に影響を与えるのに十分な強さで当該システム８に供給されるが、しかし、システム８の固有のダイナミクスを克服することはない。さらに、ネットワーク３８の各システム８において、パラメータ「ａｉ」、「ｂｉ」及び「ｃｉ」に割り当てられた値は、システム８から出る信号が、特徴抽出器１３がネットワーク３８に導入された特定の特徴を区別するのに役立つように（好ましくは、初期のトレーニング段階によって）適切に選択され、分類器１４によって行われる作業を容易にする。
【手続補正28】
【補正対象書類名】明細書
【補正対象項目名】０１１２
【補正方法】変更
【補正の内容】
【0112】
図１５は、マトリクス４５が平均同期値を表している２１個の信号のそれぞれの入力としての受信に続いて、ネットワーク３８の２１個のシステム８からユニット４０にそれぞれ送信された２１個の信号の間の平均同期値を要素が表している２次元アレイ４９の第２の例を示している。マトリクス４７について述べたのと同様に、マトリクス４９が平均同期値を表す２１個の信号は、マトリクス４５が平均同期値を表す２１個の信号を、ネットワーク３８の２１個の各システム８が処理した結果である。図１５の例では、パラメータ「ｇｉ、ｊ」は、ゼロよりも大きく選択されているが、ネットワーク３８のシステム８の活動がネットワーク３８の他のシステム８の活動を圧倒するほど大きくはないので、ネットワーク３８のシステム８の間に結合が存在する。この例は、システム３３の好ましい使用形態に対応している。さらに、図１３の例で述べたのと同様に、ネットワーク３８の各システム８では、パラメータ「ｋｉ」はゼロよりも大きく、しかしシステム８の自発的な活動を圧倒するほど大きくないものが選択されている（換言すると、ネットワーク３８のシステム８に送られる信号は、十分に強い方法で当該システム８に導入され、その固有のダイナミクスを圧倒することなく、後者の動作に影響を与える）。さらに、ネットワーク３８の各システム８において、パラメータ「ａｉ」、「ｂｉ」及び「ｃｉ」に割り当てられた値も適切に（好ましくは、初期のトレーニング段階を通じて）選択され、システム８から出る信号は、特徴抽出器１３がネットワーク３８に導入された特定の特徴を区別するのに役立ち、分類器１４によって行われる作業を容易にするようにされる。この場合、システム８が互いに結合されているため、マトリクス４９の平均的な同期レベルが高くなっていることに留意すべきである。これに加えて、同期分布がマトリクス４５とマトリクス４７とに関して著しく異なることに注目することができる。これはまさに、システム８が互いに相互に作用し、入力として個別に受信した信号を魅力的なタイプと反発的なタイプの両方の相互作用を介して結合しているためである。
【手続補正29】
【補正対象書類名】明細書
【補正対象項目名】０１１４
【補正方法】変更
【補正の内容】
【0114】
因みに、システム１について述べたことと同様に、システム３３では、ネットワーク３８のシステム８が固有のダイナミクスを有することが好ましいが、パラメータ「ａｉ」、「ｂｉ」及び「ｃｉ」に割り当てられた値は、ネットワーク３８の１つ以上のシステム８が固有のダイナミクスを有さないか、固有のダイナミクスを有さないものの、それに非常に近い状態（つまり、所謂臨界点）となる。
【手続補正30】
【補正対象書類名】特許請求の範囲
【補正対象項目名】請求項２
【補正方法】変更
【補正の内容】
【請求項2】
請求項１に記載のブレイン・コンピュータ・インタフェースシステム（３３）であって、・前記人（２）の脳活動に関連する複数の生理的信号をそれぞれ取得する複数の前記取得手段（３４）と、
・前記複数の生理的信号をそれぞれ増幅する複数の前記増幅手段（３５）と、
・前記増幅された信号をそれぞれフィルタリングする複数の前記フィルタリング手段（３６）と、
・前記フィルタリングされた信号をそれぞれ処理し、処理された信号を前記抽出手段（１３）に送るための、複数の前記非線形力学系（８）からなる非線形力学ネットワーク（３８）と
を有し、
前記抽出手段（１３）が、前記ネットワーク（３８）の非線形力学系（８）によって処理された後の前記フィルタリングされた信号から前記特徴を抽出する手段であり、
前記ネットワーク（３８）の各非線形力学系（８）が、変数の時間経過を
－ 前記変数
及び／又は
－ 前記非線形力学系（８）の別の方程式（９）に含まれる少なくとも１つの他の変数
及び／又は
－前記ネットワーク（３８）の各非線形力学系（８）が、前記ネットワーク（３８）の少なくとも１つの他の非線形力学系（８）と相互依存しているようにして前記ネットワーク（３８）の別の非線形力学系（８）の前記方程式（９）の１つにも含まれる少なくとも１つの他の変数
の関数として時間経過を指定する少なくとも１つの微分方程式（９）を含み、
前記フィルタリングされた信号の各々が、前記ネットワーク（３８）の非線形力学系（８）の前記方程式（９）の前記変数の少なくとも１つに対応し、
前記ネットワーク（３８）の各非線形力学系（８）において
－ 前記方程式（９）の少なくとも１つが、前記フィルタリングされた信号の１つに前記第１の係数（ｋｉ）を乗算したものに対応する前記変数を備え、
－ 前記方程式（９）の各々が、前記フィルタリングされた信号の１つに対応しておらず、前記ネットワーク（３８）の別の非線形力学系（８）の前記方程式（９）の１つに含まれてなく、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）を乗算した前記変数の少なくとも１つを備え、
－ 前記方程式（９）の少なくとも１つが、前記フィルタリングされた信号の１つに対応しておらず、前記ネットワーク（３８）の別の非線形力学系（８）の前記方程式（９）の１つに含まれており、第３の係数（ｇｉ、ｊ）を乗算した前記変数の少なくとも１つを備え、
－ 前記第１のメモリ（１０）が、前記第１の係数（ｋｉ）により想定される少なくとも１つの値を記憶するのに適しており、
－ 前記第２のメモリ（１１）が、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）のそれぞれについて、当該第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）により想定される少なくとも１つの値を記憶するのに適しており、
前記抽出手段（１３）に送られる前記信号が、前記方程式（９）の前記変数に対応し、
さらに、
・前記第３の係数（ｇｉ、ｊ）のそれぞれについて、当該第３の係数（ｇｉ、ｊ）により想定される少なくとも１つの値を記憶する第３のメモリ（３９）
を有し、
前記ネットワーク（３８）の各非線形力学系（８）について、前記第１の係数（ｋｉ）の値、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）のそれぞれの値、及び前記第３の係数（ｇｉ、ｊ）のそれぞれの値が、前記抽出手段（１３）に送られた前記信号において、その人の脳の状態の分類に関連する前記特徴のうち１つ以上が明らかにされる及び／又は強化されるようにして、前記フィルタリングされた信号を前記非線形力学系（８）で処理するようになっていること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【手続補正31】
【補正対象書類名】特許請求の範囲
【補正対象項目名】請求項３
【補正方法】変更
【補正の内容】
【請求項3】
請求項１又は請求項２に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、前記抽出手段（１３）は、
・前記非線形力学系（８）で処理された後の前記フィルタリングされた信号から、
又は
・前記非線形力学系（８）が１つ以上である場合に、前記ネットワーク（３８）の非線形力学系（８）によって処理された後の前記フィルタリングされた信号から、
だけでなく
・前記非線形力学系（８）によって処理されていない前記フィルタリングされた信号から、
又は
・前記非線形力学系（８）が１つ以上である場合に、前記ネットワーク（３８）の非線形力学系（８）によって処理されずにフィルタリングされた前記信号から、
前記特徴を抽出する手段であること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【手続補正32】
【補正対象書類名】特許請求の範囲
【補正対象項目名】請求項４
【補正方法】変更
【補正の内容】
【請求項4】
請求項１又は請求項２に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、・非線形変換器（７）を有し、
前記非線形変換器（７）が、
－ ダイナミクスの特定範囲を強調するように前記フィルタリングされた信号を変換し、そして
－ 変換された信号（２０）を前記非線形力学系（８）へ送るために設けられ、
前記非線形力学系（８）が前記非線形変換器（７）によって変換された後の前記フィルタリングされた信号を処理するのに適し、
又は、前記非線形力学系（８）が１つ以上である場合には
・複数の非線形変換器（３７）を有し、
前記複数の非線形変換器（３７）が、
－ 前記信号のダイナミクスの特定範囲を強調するように、前記フィルタリングされた信号を変換し、そして
－ 変換された信号を、前記ネットワーク（３８）の非線形力学系（８）に送るために設けられ、
前記ネットワーク（３８）の非線形力学系（８）が、前記非線形変換（３７）によって変換された後の前記フィルタリングされた信号を処理するのにそれぞれ適していること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【手続補正33】
【補正対象書類名】特許請求の範囲
【補正対象項目名】請求項５
【補正方法】変更
【補正の内容】
【請求項5】
請求項４に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、前記抽出手段（１３）が、前記特徴を
・前記非線形力学系（８）で処理された後の前記変換された信号（２０）から、
又は
・前記非線形力学系（８）が１つ以上である場合に、前記ネットワーク（３８）の非線形力学系（８）によって処理された後の前記変換された信号から、
だけでなく
・前記非線形力学系（８）によって処理されていない前記変換された信号（２０）から、
又は
前記非線形力学系（８）が複数の場合、前記ネットワーク（３８）の非線形力学系（８）からの前記変換されたが処理されていない信号から
抽出するだけでないこと
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【手続補正34】
【補正対象書類名】特許請求の範囲
【補正対象項目名】請求項１０
【補正方法】変更
【補正の内容】
【請求項10】
請求項１～９の何れか１項に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、前記非線形力学系（８）、又は前記非線形力学系（８）が１つ以上である場合には、前記ネットワーク（３８）の少なくとも１つの非線形力学系（８）が、少なくとも３つの前記方程式（９）を含むこと
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【手続補正35】
【補正対象書類名】特許請求の範囲
【補正対象項目名】請求項１１
【補正方法】変更
【補正の内容】
【請求項11】
請求項１０に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、前記非線形力学系（８）において、又は、前記非線形力学系（８）が１つ以上である場合には、少なくとも３つの前記方程式（９）を備える前記ネットワーク（３８）の非線形力学系（８）のうちの少なくとも１つにおいて、前記第１の係数（ｋ、ｋｉ）の値、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）の値、及び、存在する場合には、前記第３の係数（ｇｉ、ｊ）の値は、前記非線形力学系（８）、又は、前記非線形力学系（８）が１つ以上である場合には、少なくとも３つの前記方程式（９）を備える前記ネットワーク（３８）の前記非線形力学系（８）のうちの少なくとも１つが、カオス性の挙動を有するような値であること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【手続補正36】
【補正対象書類名】特許請求の範囲
【補正対象項目名】請求項１２
【補正方法】変更
【補正の内容】
【請求項12】
請求項１～１１の何れか１項に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、前記非線形力学系（８）において、又は、前記非線形力学系（８）が１つ以上である場合には、前記ネットワーク（３８）の非線形力学系（８）の少なくとも１つにおいて、前記第１の係数（ｋ、ｋｉ）の値、 前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）の値、及び、存在する場合には、前記第３の係数（ｇｉ、ｊ）の値は、前記非線形力学系（８）において、又は、前記非線形力学系（８）が１つ以上である場合には、前記ネットワーク（３８）の前記非線形力学系（８）の少なくとも１つにおいて、創発現象が生じるような値であること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【手続補正37】
【補正対象書類名】特許請求の範囲
【補正対象項目名】請求項１３
【補正方法】変更
【補正の内容】
【請求項13】
請求項１～１２の何れか１項に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、前記非線形力学系（８）において、又は、前記非線形力学系（８）が１つ以上である場合には前記ネットワーク（３８）の非線形力学系（８）の少なくとも１つにおいて、前記第１の係数の値（ｋ、 ｋｉ）、前記第２の係数の値（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）、及び存在する場合には、前記第３の係数の値（ｇｉ、ｊ）は、前記非線形力学系、又は前記非線形力学系が複数の場合には、前記ネットワークの非線形力学系のうちの前記少なくとも１つの非線形力学系が固有のダイナミクスを有するような値であること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【手続補正38】
【補正対象書類名】特許請求の範囲
【補正対象項目名】請求項１４
【補正方法】変更
【補正の内容】
【請求項14】
請求項１～１３の何れか１項に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、・前記分類器（１４）から前記コマンドを受け取り、前記物理的アクションを実行するマシン（３）と、
・前記非線形力学系（８）において、又は前記非線形力学系（８）が複数の場合には、前記ネットワーク（３８）の各非線形力学系（８）において、前記第１の係数（ｋ、ｋｉ）の値、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）のそれぞれの値、及び存在する場合には、前記第３の係数（ｇｉ、ｊ）のそれぞれの値を更新するための監視ユニット（１６）と
を有すること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【手続補正39】
【補正対象書類名】特許請求の範囲
【補正対象項目名】請求項１５
【補正方法】変更
【補正の内容】
【請求項15】
請求項１４に記載のブレイン・コンピュータ・インタフェースシステム（１）であつて、前記想像上のアクションと前記物理的なアクションとの間の対応関係の適切な評価を前記監視ユニット（１６）に伝達するために、人（２）によって操作可能なフィードバック手段（１５）を有し、
前記監視ユニット（１６）は、
・入力として
－ 前記フィルタリングされ、そして前記非線形変換器（７）が存在する場合には、前記非線形力学系（８）で処理されず変換（２０）される可能性がある信号を
又は、
前記非線形力学系（８）が複数の場合には
－前記フィルタリングされ、前記非線形変換器（３７）が存在する場合には、変換されるが、前記ネットワーク（３８）の非線形力学系（８）によって処理されてなく、また、存在する場合には、前記第２の評価手段（４１）によって評価されていない信号を受け取り、
・前記非線形力学系（８）において、又は、非線形力学系（８）が複数の場合には前記ネットワーク（３８）の各非線形力学系（８）において、前記人（２）から伝達された評価にしたがって、前記第１の係数（ｋｉ）の値、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）のそれぞれの値、及び、存在する場合には、前記第３の係数（ｇｉ、ｊ）のそれぞれの値を更新する
のに適していること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【手続補正40】
【補正対象書類名】特許請求の範囲
【補正対象項目名】請求項１６
【補正方法】変更
【補正の内容】
【請求項16】
請求項１４に記載のブレイン・コンピュータ・インタフェースシステム（３３）であって、・前記人（２）の脳活動に直接関連しない少なくとも１つのさらなる生理的信号を取得するために、前記人（２）に適用可能なさらなる取得手段（４２）と、
・前記マシン（３）による前記物理的アクションの実行を検出するための、前記マシン（３）の監視手段（４３）と
を有し、
前記監視ユニット（１６）は、
・前記更なる生理的信号の検査から、前記想像上のアクションと前記物理的アクションとの間の対応関係を評価し、そして
・前記非線形力学系（８）において、又は前記非線形力学系（８）が複数の場合には、前記ネットワーク（３８）の各非線形力学系（８）において、前記第１の係数（ｋｉ）の値、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）のそれぞれの値、及び存在する場合には、前記第３の係数（ｇｉ、ｊ）のそれぞれの値を、前記監視ユニット（１６）によって行われた評価に従って更新する
のに適していること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【手続補正41】
【補正対象書類名】特許請求の範囲
【補正対象項目名】請求項１７
【補正方法】変更
【補正の内容】
【請求項17】
請求項１５又は１６に記載のブレイン・コンピュータ・インタフェースシステム（１、３３）であって、前記監視ユニット（１６）が、
・入力としてまた
－ 前記非線形力学システム（８）によって処理された前記信号
又は
－前記非線形力学系（８）が複数の場合には、前記ネットワーク（３８）の非線形力学系（８）によって処理された前記信号を
受信し、
そして、
・前記非線形力学系（８）において、又は前記非線形力学系（８）が複数の場合には、前記ネットワーク（３８）の非線形力学系（８）の各々において、前記第１の係数（ｋｉ）の値、前記第２の係数（ａ、ｂ、ｃ、ａｉ、ｂｉ、ｃｉ）のそれぞれの値、及び存在する場合は、前記第３の係数（ｇｉ、ｊ）のそれぞれの値を、前記非線形力学系（８）によって処理された前記信号の関数として、又は、前記非線形力学系（８）が１つ以上である場合には、前記ネットワーク（３８）の非線形力学系（８）によって処理された前記信号の関数として、更新する
のに適していること
を特徴とするブレイン・コンピュータ・インタフェースシステム。
【国際調査報告】