Pain Classification and Momentary-pain Determination Using Sparse Modeling

Content Provider	The Lens
Description	La présente invention concerne un procédé permettant la réalisation de déterminations ou la classification de la douleur d'un sujet d'estimation sur la base des ondes cérébrales du sujet d'estimation. Ce procédé comprend : (a) une étape permettant la stimulation du sujet d'estimation à une pluralité de niveaux d'intensité de stimulation ; (b) une étape permettant l'acquisition de données d'ondes cérébrales du sujet d'estimation correspondant aux intensités de stimulation ou permettant l'acquisition de données d'analyse des données d'ondes cérébrales ; (c) une étape permettant l'extraction d'une quantité de caractéristiques d'ondes cérébrales à partir des données d'ondes cérébrales ou des données d'analyse ; (d) et une étape permettant le branchement de la quantité de caractéristiques dans une analyse de modèle épars, permettant la réalisation de l'approche de quantité de caractéristiques d'un niveau quantitatif et/ou d'un niveau qualitatif de la douleur, et permettant l'estimation ou la réalisation d'une détermination d'un niveau de douleur. La présente invention concerne également un procédé permettant la réalisation de déterminations ou l'évaluation de la douleur, le procédé comprenant une étape permettant la comparaison de la totalité ou d'une partie des données d'ondes cérébrales ou des données d'analyse des données d'ondes cérébrales à partir des 2000 msec suivant le composant d'ondes cérébrales induit le plus précoce, un composant de tension lié à un événement initial, et 250 msec après qu'un stimulus cible a reçu des données d'ondes cérébrales ou des données d'analyse des données d'ondes cérébrales à partir de la même durée après la réception d'un stimulus de référence. 本発明は、本発明は推定対象の脳波に基づいて該推定対象が有する痛みを判別または分類する方法を提供する。この方法は、ａ）複数のレベルの刺激強度で該推定対象を刺激する工程とｂ）該刺激強度に対応する該推定対象の脳波データまたはその分析データを取得する工程とｃ）該脳波データまたはその分析データから脳波特徴量を抽出する工程と、ｄ）スパースモデル解析に該特徴量を投入し、痛みの量的レベルおよび質的レベルの少なくとも１つに近似させ、痛みレベルを推定または判別する工程とを含む。本発明はまた、対象刺激が付加されてから誘発脳波成分、初期事象関連電位成分、および２５０ｍｓｅｃのうち最も早い時点～２０００ｍｓｅｃの間の全部または一部の脳波データまたはその分析データを、参照刺激が付加されてから同じ時間の後の脳波データまたはその分析データと比較する工程を包含する、痛みの判別または評価の方法を提供する。
Abstract	The present invention provides a method for making determinations on or classifying the pain of an estimation subject on the basis of the brainwaves of the estimation subject. This method includes: (a) a step for stimulating the estimation subject at a plurality of levels of stimulation intensity; (b) a step for acquiring brainwave data for the estimation subject that corresponds to the stimulation intensities or for acquiring analysis data for the brainwave data; (c) a step for extracting a brainwave feature quantity from the brainwave data or the analysis data; (d) and a step for plugging the feature quantity into a Sparse model analysis, making the feature quantity approach a quantitative level and/or a qualitative level for pain, and estimating or making a determination on a pain level. The present invention also provides a method for making determinations on or evaluating pain, the method incorporating a step for comparing all or a portion of brainwave data or analysis data for the brainwave data from the 2,000 msec following the earliest of an induced brainwave component, an initial-event-related voltage component, and 250 msec after a target stimulus has been applied with brainwave data or analysis data for the brainwave data from after the same amount of time after a reference stimulus has been applied.
Related Links	https://www.lens.org/lens/patent/009-800-508-110-423/frontpage
Language	Japanese
Publisher Date	2019-01-17
Access Restriction	Open
Alternative Title	Classification De Douleur Et Détermination De Douleur Momentanée À L'aide De Modélisation Éparse スパースモデリングを利用した痛みの分類および瞬間痛の判別
Content Type	Text
Resource Type	Patent
Date Applied	2018-07-13
Agent	Yamamoto Shusaku Et Al.
Applicant	Univ Osaka Nat Inst Inf & Comm Tech Pamela Inc
Application No.	2018026489
Claim	推定対象の脳波に基づいて該推定対象が有する痛みを判別または分類する方法であって ａ）モデル用の刺激強度に対応するモデル用脳波データまたはその分析データを取得する工程と、 ｂ）該脳波データまたはその分析データからモデル用脳波特徴量を抽出する工程と、 ｃ）目的とする痛みレベルを設定し、該モデル用脳波特徴量と該痛みレベルとをスパースモデル解析に導入し、適切なλ値を求め、該適切なλに対応する該モデル用脳波特徴量のパラメータ（偏回帰係数）およびアルゴリズムの定数（切片）を決定し回帰モデルを生成する工程と、 ｄ）該推定対象の測定用脳波データまたはその分析データを取得する工程と、 ｅ）該測定用脳波データまたはその分析データから測定用脳波特徴量を抽出する工程と、 ｆ）該測定用脳波特徴量を回帰モデルに当てはめて対応する痛みレベルを算出する工程と、 ｇ）必要に応じて該痛みレベルを表示する工程とを 含む、方法。 ｃ）該推定対象の痛みレベルのスパースモデル解析の回帰モデルを提供する工程と、 ｄ）該推定対象の測定用脳波データまたはその分析データを取得する工程と、 ｅ）該測定用脳波データまたはその分析データから測定用脳波特徴量を抽出する工程と、 ｆ）該測定用脳波特徴量を回帰モデルに当てはめて対応する痛みレベルを算出する工程と、 ｇ）必要に応じて該痛みレベルを表示する工程とを 含む、方法。 推定対象の脳波に基づいて該推定対象が有する痛みを判別または分類するための回帰モデルを生成するための方法であって、 ａ）モデル用の刺激強度に対応するモデル用脳波データまたはその分析データを取得する工程と、 ｂ）該脳波データまたはその分析データからモデル用脳波特徴量を抽出する工程と、 ｃ）目的とする痛みレベルを設定し、該モデル用脳波特徴量と該痛みレベルとをスパースモデル解析に導入し、適切なλを求め、該適切なλに対応する該モデル用脳波特徴量のパラメータ（偏回帰係数）およびアルゴリズムの定数（切片）を決定し回帰モデルを生成する工程とを 含む、方法。 前記回帰モデルは、分割交差検証にて検証されることを特徴とする、請求項１～３のいずれか一項に記載の方法。 前記分割交差検証は１０分割交差検証である、請求項４に記載の方法。 前記モデル用脳波データは推定対象からの脳波データである、請求項１～５のいずれか一項に記載の方法。 前記モデル用脳波データは推定対象とは異なる対象からの脳波データである、請求項１～５のいずれか一項に記載の方法。 前記回帰モデルは、生成後にさらに前記推定対象に対するキャリブレーションを行う、請求項７に記載の方法。 前記痛みレベルが、少なくとも２種類および／または少なくとも２パターンの痛みを含む、請求項１～８のいずれか一項に記載の方法。 前記回帰モデルは、多数の被験者を対象に生成することを特徴とする、請求項１～９のいずれか一項に記載の方法。 前記脳波特徴量の種類は少なくとも２種類である、請求項１に記載の方法。 推定対象の脳波に基づいて該推定対象が有する痛みを判別または分類する装置であって Ａ）モデル用の刺激強度に対応するモデル用脳波データまたはその分析データを取得するモデルデータ取得部と、 Ｂ）該脳波データまたはその分析データからモデル用脳波特徴量を抽出するモデル特徴量抽出部と、 Ｃ）目的とする痛みレベルを設定し、該モデル用脳波特徴量と該痛みレベルとをスパースモデル解析に導入し、適切なλを求め、該適切なλに対応する該モデル用脳波特徴量のパラメータ（偏回帰係数）およびアルゴリズムの定数（切片）を決定し回帰モデルを生成する回帰モデル生成部と、 Ｄ）該推定対象（測定用）の脳波データまたはその分析データを取得する測定データ取得部と、 Ｅ）該測定用脳波データまたはその分析データから測定用脳波特徴量を抽出する測定特徴量抽出部と、 Ｆ）該測定用脳波特徴量を回帰モデルに当てはめて対応する痛みレベルを算出する痛みレベル算出部と、 Ｇ）必要に応じて該痛みレベルを表示する痛みレベル表示部とを 含む、装置。 推定対象の脳波に基づいて該推定対象が有する痛みを判別または分類する装置であって Ｃ）該推定対象の痛みレベルのスパースモデル解析の回帰モデルを提供する回帰モデル提供部と、 Ｄ）該推定対象（測定用）の脳波データまたはその分析データを取得する測定データ取得部と、 Ｅ）該測定用脳波データまたはその分析データから測定用脳波特徴量を抽出する測定特徴量抽出部と、 Ｆ）該測定用脳波特徴量を回帰モデルに当てはめて対応する痛みレベルを算出する痛みレベル算出部と、 Ｇ）必要に応じて該痛みレベルを表示する痛みレベル表示部とを 含む、装置。 推定対象の脳波に基づいて該推定対象が有する痛みを判別または分類するための回帰モデルを生成する装置であって、 Ａ）モデル用の刺激強度に対応するモデル用脳波データまたはその分析データを取得するモデルデータ取得部と、 Ｂ）該脳波データまたはその分析データからモデル用脳波特徴量を抽出する特徴量抽出部と、 Ｃ）目的とする痛みレベルを設定し、該モデル用脳波特徴量と該痛みレベルとをスパースモデル解析に導入し、適切なλを求め、該適切なλに対応する該モデル用脳波特徴量のパラメータ（偏回帰係数）およびアルゴリズムの定数（切片）を決定し回帰モデルを生成する回帰モデル生成部とを 含む、装置。 請求項４～１１のいずれか一項または複数に記載の特徴を含む、請求項１２～１４のいずれか一項に記載の装置。 推定対象の脳波に基づいて該推定対象が有する痛みを判別または分類する方法をコンピュータに実行させるプログラムであって、該方法は ａ）モデル用の刺激強度に対応するモデル用脳波データまたはその分析データを取得する工程と、 ｂ）該脳波データまたはその分析データからモデル用脳波特徴量を抽出する工程と、 ｃ）目的とする痛みレベルを設定し、該モデル用脳波特徴量と該痛みレベルとをスパースモデル解析に導入し、適切なλを求め、該適切なλに対応する該モデル用脳波特徴量のパラメータ（偏回帰係数）およびアルゴリズムの定数（切片）を決定し回帰モデルを生成する工程と、 ｄ）該推定対象（測定用）の脳波データまたはその分析データを取得する工程と、 ｅ）該測定用脳波データまたはその分析データから測定用脳波特徴量を抽出する工程と、ｆ） 該測定用脳波特徴量を回帰モデルに当てはめて対応する痛みレベルを算出する工程と、 ｇ）必要に応じて該痛みレベルを表示する工程とを 含む、プログラム。 推定対象の脳波に基づいて該推定対象が有する痛みを判別または分類する方法をコンピュータに実行させるプログラムであって、該方法は ｃ）該推定対象の痛みレベルのスパースモデル解析の回帰モデルを提供する工程と、 ｄ）該推定対象（測定用）の脳波データまたはその分析データを取得する工程と、 ｅ）該測定用脳波データまたはその分析データから測定用脳波特徴量を抽出する工程と、ｆ）該測定用脳波特徴量を回帰モデルに当てはめて対応する痛みレベルを算出する工程と、 ｇ）必要に応じて該痛みレベルを表示する工程とを 含む、プログラム。 推定対象の脳波に基づいて該推定対象が有する痛みを判別または分類するための回帰モデルを生成するための方法をコンピュータに実行させるプログラムであって、該方法は ａ）モデル用の刺激強度に対応するモデル用脳波データまたはその分析データを取得する工程と ｂ）該脳波データまたはその分析データからモデル用脳波特徴量を抽出する工程と、 ｃ）目的とする痛みレベルを設定し、該モデル用脳波特徴量と該痛みレベルとをスパースモデル解析に導入し、適切なλを求め、該適切なλに対応する該モデル用脳波特徴量のパラメータ（偏回帰係数）およびアルゴリズムの定数（切片）を決定し回帰モデルを生成する工程とを 含む、プログラム。 請求項４～１１のいずれか一項または複数に記載の特徴を含む、請求項１６～１８のいずれか一項に記載のプログラム。 推定対象の脳波に基づいて該推定対象が有する痛みを判別または分類する方法をコンピュータに実行させるプログラムを格納した記録媒体であって、該方法は ａ）モデル用の刺激強度に対応するモデル用脳波データまたはその分析データを取得する工程と、 ｂ）該脳波データまたはその分析データからモデル用脳波特徴量を抽出する工程と、 ｃ）目的とする痛みレベルを設定し、該モデル用脳波特徴量と該痛みレベルとをスパースモデル解析に導入し、適切なλを求め、該適切なλに対応する該モデル用脳波特徴量のパラメータ（偏回帰係数）およびアルゴリズムの定数（切片）を決定し回帰モデルを生成する工程と、 ｄ）該推定対象（測定用）の脳波データまたはその分析データを取得する工程と、 ｅ）該測定用脳波データまたはその分析データから測定用脳波特徴量を抽出する工程と、ｆ） 該測定用脳波特徴量を回帰モデルに当てはめて対応する痛みレベルを算出する工程と、 ｇ）必要に応じて該痛みレベルを表示する工程とを 含む、記録媒体。 推定対象の脳波に基づいて該推定対象が有する痛みを判別または分類する方法をコンピュータに実行させるプログラムを格納した記録媒体であって、該方法は ｃ）該推定対象の痛みレベルのスパースモデル解析の回帰モデルを提供する工程と、 ｄ）該推定対象（測定用）の脳波データまたはその分析データを取得する工程と、 ｅ）該測定用脳波データまたはその分析データから測定用脳波特徴量を抽出する工程と、ｆ）該測定用脳波特徴量を回帰モデルに当てはめて対応する痛みレベルを算出する工程 と、 ｇ）必要に応じて該痛みレベルを表示する工程とを 含む、記録媒体。 推定対象の脳波に基づいて該推定対象が有する痛みを判別または分類するための回帰モデルを生成するための方法をコンピュータに実行させるプログラムを格納した記録媒体であって、該方法は ａ）モデル用の刺激強度に対応するモデル用脳波データまたはその分析データを取得する工程と、 ｂ）該脳波データまたはその分析データからモデル用脳波特徴量を抽出する工程と、 ｃ）目的とする痛みレベルを設定し、該モデル用脳波特徴量と該痛みレベルとをスパースモデル解析に導入し、適切なλを求め、該適切なλに対応する該モデル用脳波特徴量のパラメータ（偏回帰係数）およびアルゴリズムの定数（切片）を決定し回帰モデルを生成する工程とを 含む、記録媒体。 請求項４～１１のいずれか一項または複数に記載の特徴を含む、請求項２０～２２のいずれか一項に記載の記録媒体。 対象刺激が付加されてから、誘発脳波成分、初期事象関連電位成分、および２５０ｍｓｅｃのうち最も早い時点から２０００ｍｓｅｃの間の全部または一部の脳波データまたはその分析データを、参照刺激が付加されてから同じ時間の後の脳波データまたはその分析データと比較する工程を包含する、痛みの判別または評価の方法。 前記誘発脳波成分、初期事象関連電位成分、および２５０ｍｓｅｃのうち最も早い時点から２０００ｍｓｅｃの間の脳波データにおいて、持続性特性があるかどうかを判定基準に含めることを特徴とする、請求項２４に記載の方法。 前記脳波データまたはその分析データは、中期時間帯から２０００ｍｓｅｃの範囲の全部または一部の脳波データまたはその分析データを含む、請求項２４に記載の方法。 前記中期時間帯は、２５０ｍｓｅｃ～６００ｍｓｅｃの間の範囲の値を含む、請求項２６に記載の方法。 前記全部または一部は少なくとも１００ｍｓｅｃ分の範囲を含む、請求項２４に記載の方法。 前記少なくとも１００ｍｓｅｃ分の範囲において、該少なくとも１００ｍｓｅｃ分の範囲との間に統計学的に有意な相違がみられる場合、持続性がみられると判定する、請求項２８に記載の方法。 前記比較において、前記対象刺激により得られた脳波データまたはその分析データの値が、前記参照刺激により得られた脳波データまたはその分析データの値と異なる持続時間かどうか、および該異なる持続時間が存在する場合、異なってから再度同じ値となるかどうかを測定すること、および該持続時間が存在し、再度該同じ値とならない場合、不快な痛みが存在すると判定することを包含する、請求項２４に記載の方法。 前記脳波データまたはその分析データは電位もしくは持続時間またはそれらの組み合わせである、請求項２４に記載の方法。 前記痛みの判別は、痛みの不快度の判別である、請求項２４に記載の方法。 前記脳波データまたはその分析データは、誘発脳波成分、初期事象関連電位成分、および２５０ｍｓｅｃのうち最も早い時点から２０００ｍｓｅｃの全体にわたって比較される、請求項２４～３２のいずれか一項に記載の方法。 さらに、前記比較したデータを、シグモイド関数フィッティングを用いて分析する工程を包含する、請求項２４～３３のいずれか一項に記載の方法。 前記判別は、脳波データまたはその分析データの陽性成分について判断することを特徴とする、請求項２４に記載の方法。 前記陽性成分は、中期時間帯以降にも持続する場合に、疼痛があると判断されることを特徴とする、請求項３５に記載の方法。 痛みの判別または評価の方法をコンピュータに実行させるプログラムであって、該方法は、 対象刺激が付加されてから、誘発脳波成分、初期事象関連電位成分、および２５０ｍｓｅｃのうち最も早い時点から２０００ｍｓｅｃの間の全部または一部の脳波データまたはその分析データを、参照刺激が付加されてから同じ時間の後の脳波データまたはその分析データと比較する工程を包含する、 プログラム。 痛みの判別または評価の方法をコンピュータに実行させるプログラムを格納する記録媒体であって、該方法は、 対象刺激が付加されてから、誘発脳波成分、初期事象関連電位成分、および２５０ｍｓｅｃのうち最も早い時点から２０００ｍｓｅｃの間の全部または一部の脳波データまたはその分析データを、参照刺激が付加されてから同じ時間の後の脳波データまたはその分析データと比較する工程を包含する、 記録媒体。 痛みの判別または評価のシステムであって、該システムは、 脳波データまたはその分析データを入力する脳波データ入力部と、 対象刺激が付加されてから、誘発脳波成分、初期事象関連電位成分、および２５０ｍｓｅｃのうち最も早い時点から２０００ｍｓｅｃの間の全部または一部の脳波データまたはその分析データを、参照刺激が付加されてから同じ時間の後の脳波データまたはその分析データと比較する解析部と を包含する、システム。
CPC Classification	Diagnosis; Surgery; Identification
Extended Family	008-456-851-004-971 113-874-601-511-08X 025-131-278-996-269 051-806-686-483-513 127-747-517-788-007 046-959-579-641-500 009-800-508-110-423 099-936-924-031-799
Patent ID	2019013324
Inventor/Author	Nakae Aya Naruse Yasushi Soshi Takahiro
IPC	A61B5/0484 A61B10/00
Status	Pending
Simple Family	008-456-851-004-971 113-874-601-511-08X 025-131-278-996-269 051-806-686-483-513 046-959-579-641-500 127-747-517-788-007 009-800-508-110-423 099-936-924-031-799
CPC (with Group)	A61B10/00 A61B5/383 A61B5/4824 A61B5/7264 A61B5/316 A61B5/377
Issuing Authority	United States Patent and Trademark Office (USPTO)
Kind	Patent Application Publication