Accuracy verification of a brain wave model using a nonlinear oscillator
2 likes3,583 views
This is a presentation document of my study which shows accuracy verification of a brain wave model using a nonlinear oscillator, 研究ブログはこちら： https://kenyu-life.com/ Created by 上原賢祐
![Analysis
21
高速フーリエ変換（Fast Fourier Transform : FFT）
帯域制限（Band-pass Filter : BPF）
逆高速フーリエ変換（Inverse FFT : IFFT ）
モデルパラメータ同定
周波数解析窓：約4秒
オーバーラップ：75%
帯域幅：4-30 Hz
θ：4-8 Hz，α：8-13 Hz，β：13-30 Hz
約1秒毎に帯域を取りだす
0 60 120 180 240 300 360 420
-300
-240
-180
-120
-60
0
60
120
180
240
300
Amplitude[mV]
Time [sec]
修正Duffing振動子
ሷx+A ሶx+Bx+Cx3=D0
パラメータ解析窓：約1秒
オーバーラップ：なし
E=
i=0
N
ε2
最適化手法：最小二乗法
ε= ሷx+A ሶx+Bx+Cx3−D0
(i=1,2,3⋯N)](https://image.slidesharecdn.com/accuracyverificationofabrainwavemodelusinganonlinearoscillator-180818102853/85/Accuracy-verification-of-a-brain-wave-model-using-a-nonlinear-oscillator-21-320.jpg)
Accuracy verification of a brain wave model using a nonlinear oscillator
- 1. Applied Medical Engineering Science, Graduate School of Medicine 機械学会 関西支部第92期定時総会講演会 平成29年3月14日 山口大学大学院 医学系研究科 応用医工学系専攻 非線形振動子を用いた脳波モデルの精度検証 Accuracy verification of a brain wave model using a nonlinear oscillator 〇上原 賢祐 吉田 拓洋 齊藤 俊
- 2. Applied Medical Engineering Science, Graduate School of Medicine Introduction 脳波・・・脳内の神経細胞の活動を観察 ヒトの心理・生理状態によって大きく影響 脳疾患（てんかんやアルツハイマー） などの診断支援 自動車運転事故など， 未然に防止する 脳波の特徴を定量的に解析できるモデルの構築 工学的観点から，高精度に以上を支援するためにも Duffing振動子による精神負荷度合の評価に関する研究，宮後他， Dynamics and Design Conference，Vol.2016，No.16-15 (2016)，Page.717. 連成非線形振動子を用いたてんかん性異常脳波の解析，上原他， 日本機械学会2016年度年次大会，Vol.2016，No.16-1 (2016)，Page.ROMBUNNO.S0220306.
- 3. Applied Medical Engineering Science, Graduate School of Medicine Introduction 提案する脳波モデル 脳波の持つ特性（決定論的カオス性）に注目 決定論とは？ 確率的要素をまったく含まず，現在の状態 （初期値）から未来の状態が一意に記述できる 例＞ニュートン力学系，ボールの軌道(水平投射) 不規則的な挙動 初期値に鋭敏に依存して 予測不可能な振る舞いを示す現象 カオス性（ゆらぎ）とは？ 脳の複雑な活動は，決定論的な不規則現象として表現できる 初期値(xt=0)さえ与えてしまえば，不規則現象を表現できる “Quantitative analysis of electroencephalograms :Is there chaos in the future” BEN H. JANSEN, Elsevier scientific publishers Ireland ltd (1991) ,pp.95-123
- 4. Applied Medical Engineering Science, Graduate School of Medicine Introduction 𝐴 𝐵 𝐶 𝑃(𝑡) 脳波x (mV) 非線形性を有する脳波を一自由度の質点で簡略化 𝑑2 𝑥(𝑡) 𝑑𝑡2 + 𝐴 𝑑𝑥(𝑡) 𝑑𝑡 + 𝐵𝑥(𝑡) = 𝑃(𝑡)+ 𝐶𝑥3 (𝑡) （周期）外力項 P(t) を有する粘性減衰振動系の二階微分方程式に非線形項を追加 パラメータ（A,B,C,）の振り方によって， 非線形性を有する物理現象を説明できる振動子 提案する脳波モデル “Quantitative analysis of electroencephalograms :Is there chaos in the future” BEN H. JANSEN, Elsevier scientific publishers Ireland ltd (1991) ,pp.95-123 非線形振動子
- 5. Applied Medical Engineering Science, Graduate School of Medicine Introduction 𝐴 𝐵 𝐶 𝑃(𝑡) 𝑑2 𝑥(𝑡) 𝑑𝑡2 + 𝐴 𝑑𝑥(𝑡) 𝑑𝑡 + 𝐵𝑥(𝑡) = 𝑃(𝑡)+ 𝐶𝑥3(𝑡) 𝑑2 𝑥(𝑡) 𝑑𝑡2 + 𝐴 𝑑𝑥(𝑡) 𝑑𝑡 + 𝐵𝑥(𝑡) + 𝐶𝑥3 (𝑡) = 𝑃1cos𝜔𝑡 + 𝑃2sin𝜔𝑡 右辺の入力項の周期外力は，各周波数𝜔で駆動する三角関数で表現 提案する脳波モデル 脳波x (mV) 非線形性を有する脳波を一自由度の質点で簡略化 非線形振動子
- 6. Applied Medical Engineering Science, Graduate School of Medicine Introduction 𝐴 𝐵 𝐶 𝑃(𝑡) 𝑑2 𝑥(𝑡) 𝑑𝑡2 + 𝐴 𝑑𝑥(𝑡) 𝑑𝑡 + 𝐵𝑥(𝑡) + 𝐶𝑥3 (𝑡) = 𝑃1cos𝜔𝑡 +𝑃2sin𝜔𝑡 (𝐴，𝐵，𝐶，𝑃1，𝑃2， 𝜔 )6つのパラメータ 実験脳波データの波形に合うように，パラメータを同定する シミュレーションにおいて，脳波の複雑な動きを一致させるパラメータを知る ⇒ 脳波の特徴を定量化 提案する脳波モデル 脳波x (mV) 非線形性を有する脳波を一自由度の質点で簡略化 非線形振動子
- 7. Applied Medical Engineering Science, Graduate School of Medicine Purpose 非線形振動子を用いた脳波モデルの精度検証 a波（日常生活において最も多くあらわれる波形）の脳波波形を用いて解析 １．実験脳波データについて ２．解析方法 ３．結果 ４．今後の課題 𝑑2 𝑥(𝑡) 𝑑𝑡2 + 𝐴 𝑑𝑥(𝑡) 𝑑𝑡 + 𝐵𝑥(𝑡) + 𝐶𝑥3 (𝑡) = 𝑃1cos𝜔𝑡 +𝑃2sin𝜔𝑡 モデルパラメータを実験値に合うように定め検討した (𝐴，𝐵，𝐶，𝑃1，𝑃2， 𝜔 )
- 8. Applied Medical Engineering Science, Graduate School of Medicine Experimental 脳波取得実験について 風景画観察中の安静時脳波 取得脳波からFFT処理を行い，a波帯域(8-13Hz)の脳波を検討する まばたきによる ノイズの混入を防ぐ 被験者の リラックス状態を確認 （日常生活において最も多くあらわれる波形）
- 9. Applied Medical Engineering Science, Graduate School of Medicine Experimental 0 20 40 60 80 100 -10 -5 0 5 10 計測時間 (sec) 実験より得られたa帯域の脳波データ脳波x(mV)
- 10. Applied Medical Engineering Science, Graduate School of Medicine Experimental 実験の波形は，単調ではなく非線形な挙動を確認 0 20 40 60 80 100 -10 -5 0 5 10 計測時間 (sec) xExp.(mV) 計測時間 (sec) 0 2 4 6 8 10 -10 -5 0 5 10 実験より得られたa波帯域域の脳波データ脳波x(mV) 脳波x(mV) a波（8-13Hz）
- 11. Applied Medical Engineering Science, Graduate School of Medicine Analysis 実験より得られたa帯域の脳波データ 0 20 40 60 80 100 -10 -5 0 5 10 x exp (mV) Time (s) 計測時間 (sec) 1秒 vs 2秒区間 Window 1秒 vs 2秒毎に，モデルのシミュレーション値と実験値のError関数が最小に なるようにパラメータ同定を行っていく． tPtPCxBxxAx sincos 21 3 +=+++ ),,,,,( 21 PPCBA 脳波モデル 解析するWindowの違いによって，モデルのシミュレーション精度がどのようになるかをError値にて評価 脳波x(mV)
- 12. Applied Medical Engineering Science, Graduate School of Medicine Analysis result 脳波モデルによるシミュレーション結果 (1秒 VS. 2秒) -10 -5 0 5 10 Experimental Simulation 1 sec. 6.0 6.4 6.8 7.2 7.6 8.0 -10 -5 0 5 10 Experimental Simulation 2 sec. Time (s) 脳波x(mV)脳波x(mV) 計測時間 (sec) 振動周期や急な振幅の 変化などの 脳波特性を表現 Windowを2秒にすると， 周期が局所的に外れたり， 振動振幅が若干合わなくなる 我々の脳波モデルによって 複雑な脳波の挙動を表現できるError = 1.11 (6-7 sec) Error = 1.02 (7-8 sec) Error = 3.03 (6-8 sec) tPtPCxBxxAx sincos 21 3 +=+++
- 13. Applied Medical Engineering Science, Graduate School of Medicine Analysis result 脳波モデルによるシミュレーション結果 (1秒 VS. 2秒) 2秒のWindowでシミュレーションを行うと，ほとんどの時間で，Error値が 1以上であり，脳波の特性を十分に模擬できているとは言えない Error 0 20 40 60 80 100 0 2 4 6 Time (s) 1 sec 2 sec Error Error = 1
- 14. Applied Medical Engineering Science, Graduate School of Medicine Error 0 20 40 60 80 100 0 2 4 6 Time (s) 1 sec 2 secError Error = 1 局所的にErrorが大きい理由について Error = 2.84 & 3.47 (1ec.) Error = 4.24 (2sec.) 34.0 34.4 34.8 35.2 35.6 36.0 -10 -5 0 5 10 Amplitude(mV) Time (s) Experimental Simulation 1 sec. 34.0 34.4 34.8 35.2 35.6 36.0 -10 -5 0 5 10 Experimental Simulation 2 sec. Amplitude(mV) Time (s) Error = 2.84 Error = 3.47 Error = 4.24 実験脳波によっては，1秒間でも，Errorが大きくなる場合があるので， パラメータ値の再検討 or Windowを一度狭める or モデルの改良など Analysis result
- 15. Applied Medical Engineering Science, Graduate School of Medicine 34.0 34.4 34.8 35.2 35.6 36.0 -10 -5 0 5 10 Amplitude(mV) Time (s) Experimental Simulation 1 sec. Error = 2.84 Error = 3.47 入力項を新たに導入して試したが， Error値は小さくなったが，1を下回る結果には至らなかった 34.0 34.5 35.0 35.5 36.0 -10 -5 0 5 10 Amplitude(mV) Time (s) Experimental Sim.(1 sec) + input term Error = 2.20 Error = 3.05 tPtPtPtPCxBxxAx 'sin'cossincos 4321 3 +++=+++ 右辺の入力項の追加 Analysis result モデルの改良（パラメータ数を増やして，再度同手法により実施） 以上については，今後とも改良を続ける必要がある
- 16. Applied Medical Engineering Science, Graduate School of Medicine 脳波モデルによるシミュレーション結果 (1秒 VS. 2秒) tPtPCxBxxAx sincos 21 3 +=+++ パラメータは検討するWindow毎に一つ一つ決まっていく 以上のパラメータの推移をみて，ヒトの心理状態や， 脳疾患の病態の定量評価に適応する 脳波は，非線形性を有しているため，十分な検討を行うためには ある程度の幅のWindowによるパラメータ同定が必要 Analysis result B 0 20 40 60 80 100 2000 3000 4000 5000 6000 7000 Time (s) 1 sec 2 sec C 0 20 40 60 80 100 0 10 20 30 40 50 60 Time (s) 1 sec 2 sec A 0 20 40 60 80 100 4 6 8 10 12 14 Time (s) 1 sec 2 sec
- 17. Applied Medical Engineering Science, Graduate School of Medicine 脳波モデルによるシミュレーション結果 (1秒 VS. 2秒) tPtPCxBxxAx sincos 21 3 +=+++ B 0 20 40 60 80 100 2000 3000 4000 5000 6000 7000 Time (s) 1 sec 2 sec C 0 20 40 60 80 100 0 10 20 30 40 50 60 Time (s) 1 sec 2 sec A 0 20 40 60 80 100 4 6 8 10 12 14 Time (s) 1 sec 2 sec パラメータは検討するWindow毎に一つ一つ決まっていく 2秒以上のWindowで十分な精度がでるような工夫を行い， 脳波モデルの精度を向上する必要がある 以上のパラメータの推移をみて，ヒトの心理状態や， 脳疾患の病態の定量評価に適応する Future plan
- 18. Applied Medical Engineering Science, Graduate School of Medicine Conclusion 非線形振動子を用いた脳波モデルの精度検証 モデルパラメータを実験値に合うように定め検討した Window 1秒の実験データに対しては，脳波モデルによって， 複雑な挙動を模擬することができる，ということがわかった （しかし，かなり複雑な脳波のケースでは，1秒でも十分な結果を 得ることができない場合が存在する） １．実験脳波データについて ２．解析方法 ３．結果 ４．今後の課題
- 19. Applied Medical Engineering Science, Graduate School of Medicine 脳波モデルによるシミュレーション結果 (1秒 VS. 2秒) tPtPCxBxxAx sincos 21 3 +=+++ B 0 20 40 60 80 100 2000 3000 4000 5000 6000 7000 Time (s) 1 sec 2 sec パラメータは検討するWindow毎に一つ一つ決まっていく Future plan 0 20 40 60 80 100 52 56 60 64 68 72 76 80 84 Time (s) 1 sec 2 sec 検討した脳波 a波 8～13 Hz 固有角振動数 𝐵 と外部入力項の角振動数𝜔のとる範囲が等しい 外部入力項 (8*2π = 50.2 , 13*2π = 81.6) 系の振動を表すパラメータの値は，妥当な値が同定されている
- 20. Applied Medical Engineering Science, Graduate School of Medicine 参考資料
- 21. Analysis 21 高速フーリエ変換（Fast Fourier Transform : FFT） 帯域制限（Band-pass Filter : BPF） 逆高速フーリエ変換（Inverse FFT : IFFT ） モデルパラメータ同定 周波数解析窓：約4秒 オーバーラップ：75% 帯域幅：4-30 Hz θ：4-8 Hz，α：8-13 Hz，β：13-30 Hz 約1秒毎に帯域を取りだす 0 60 120 180 240 300 360 420 -300 -240 -180 -120 -60 0 60 120 180 240 300 Amplitude[mV] Time [sec] 修正Duffing振動子 ሷx+A ሶx+Bx+Cx3=D0 パラメータ解析窓：約1秒 オーバーラップ：なし E= i=0 N ε2 最適化手法：最小二乗法 ε= ሷx+A ሶx+Bx+Cx3−D0 (i=1,2,3⋯N)
- 22. Applied Medical Engineering Science, Graduate School of Medicine 22 Background – Epilepsy ＜てんかん＞ ・・・ 脳の異常な電気放電によって，痙攣などが生じる病気 -0.2 -0.1 0.0 0.1 0.2 -0.2 -0.1 0.0 0.1 0.2 てんかん波 正常脳波 正常脳波よりも尖った スパイク波（振幅大） が特徴的 局所的な電気放電 0 2000 計測脳波mV http://www.lifehacker.jp/2015/12/151230gi zmodo_mediagene.html てんかん波は判読が非常に難しい！！ てんかんの誤診率は5～30% 診断者（医者）によっては判読を誤る事が多い病気 1秒間の脳波データ 1秒に約1つ スパイク波が出る “診断の補助となる臨床脳波検査”,松浦雅人,第49回日本臨床神経生理学 学会 技術講習会, pp.11-22 (2006)
- 23. Applied Medical Engineering Science, Graduate School of Medicine ＜工学的アプローチ＞ 診断者に依らず，定量的かつ瞬時にてんかん波を判読で きないのか？ 23 Previous Research 脳波のもつカオス性に注目 一見不規則な動き？と見られるが，実は何らかの規則に従っている 0 2 4 6 8 10 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8Amplitude(mV) Time (sec) 脳の複雑な活動は，決定論的な不規則現象として表現できる 脳科学分野では “ゆらぎ” と呼ばれる 脳波mV 時間 sec “脳とカオス”，林 初男，裳華房，(2001)
- 24. Applied Medical Engineering Science, Graduate School of Medicine ＜工学的アプローチ＞ 診断者に依らず，定量的かつ瞬時にてんかん波を判読で きないのか？ 24 Previous Research 非線形振動子による脳波のモデル化 𝑑2 𝑥(𝑡) 𝑑𝑡2 + 𝐴 𝑑𝑥(𝑡) 𝑑𝑡 + 𝐵𝑥(𝑡) = 𝑃(𝑡)+ 𝐶𝑥3(𝑡) （周期）外力項 P を有する粘性減衰振動系の二階微分方程式に非線形項を追加 パラメータ（A,B,C,）の振り方によって， カオス性を有する物理現象を説明できるモデル “Quantitative analysis of electroencephalograms :Is there chaos in the future” BEN H. JANSEN, Elsevier scientific publishers Ireland ltd (1991) ,pp.95-123
- 25. Applied Medical Engineering Science, Graduate School of Medicine てんかん波(ラット)に非線形振動子を適用すると．．． 25 Previous Research 𝑑2 𝑥(𝑡) 𝑑𝑡2 + 𝐴 𝑑𝑥(𝑡) 𝑑𝑡 + 𝐵𝑥(𝑡) = 𝑃(𝑡)+ 𝐶𝑥3(𝑡) 上の脳波に対して， 約1秒ごとに 最小二乗法によって パラメータ A, B, C を同定 -0.2 -0.1 0.0 0.1 0.2 -30 -20 -10 0 10 20 30 1000 2000 3000 4000 5000 6000 7000 8000 9000 EEG(mV)AB C 時間 (秒) てんかん波通常脳波 パラメータA,Bは 若干振動振幅の上昇 通常脳波に比べて てんかん波は．．． パラメータCは， 値が急激に減少 0 500 1000 1500 2000 -1.00E+009 -8.00E+008 -6.00E+008 -4.00E+008 -2.00E+008 0.00E+000 2.00E+008 4.00E+008 6.00E+008 8.00E+008 1.00E+009
- 26. Applied Medical Engineering Science, Graduate School of Medicine てんかん波(ラット)に非線形振動子を適用すると．．． 26 Previous Research -0.2 -0.1 0.0 0.1 0.2 -30 -20 -10 0 10 20 30 1000 2000 3000 4000 5000 6000 7000 8000 9000 EEG(mV)AB C 時間 (秒) てんかん波通常脳波 ＜ヒトの生理学的変化との対応＞ 0 500 1000 1500 2000 -1.00E+009 -8.00E+008 -6.00E+008 -4.00E+008 -2.00E+008 0.00E+000 2.00E+008 4.00E+008 6.00E+008 8.00E+008 1.00E+009 脳内に異常が生じると“ゆらぎ”が小さくなる モデルパラメータの変動と 生理学的特性が一致 “Epileptic seizure induced structural change of functional network in electrocorticogram” Syuhei TAKAHASHI,et,al., Vol.109, No,280., 2009, pp35-39 カオス性が低くなるため，非線形パラメータC が小さくなる 𝑑2 𝑥(𝑡) 𝑑𝑡2 + 𝐴 𝑑𝑥(𝑡) 𝑑𝑡 + 𝐵𝑥(𝑡) = 𝑃(𝑡)+ 𝐶𝑥3(𝑡) 100 101 102 103 -0.010 -0.005 0.000 0.005 0.010 1900 1901 1902 1903 -0.2 -0.1 0.0 0.1 0.2 通常脳波 てんかん波 ゆらぎ（カオス性）有 複雑な振動パターン 1秒に約1つスパイク波 周期的な振動パターン VS
- 27. 27 てんかん波(ラット)に非線形振動子を適用すると．．． 𝑑2 𝑥(𝑡) 𝑑𝑡2 + 𝐴 𝑑𝑥(𝑡) 𝑑𝑡 + 𝐵𝑥(𝑡) = 𝑃(𝑡)+ 𝐶𝑥3(𝑡) 最小二乗法でパラメータ同定 ⇒ パラメータに変化はみられるが，Simulation波形は合わない
- 28. Applied Medical Engineering Science, Graduate School of Medicine error A B C P1 P2 om ega -1000 0 1000 2000 3000 4000 5000 6000 7000 Range 1秒 vs 2秒 error A B C P1 P2 om ega -1000 0 1000 2000 3000 4000 5000 6000 7000 Range Error 0.82319 A 9.1 B 4179.2 C 23.9 P1 1933.2 P2 275.2 omega 68.7 Error 1.53005 A 9.4 B 3931.9 C 24.3 P1 1858.1 P2 278.9 omega 67.8 Average of Parameters
- 29. Applied Medical Engineering Science, Graduate School of Medicine 1秒 vs 2秒 Average of Parameters error A B C P1 P2 w 0 100 200 300 400 500 Ave. 1sec vs 2sec 1sec 2sec error A B C P1 P2 w 0 1000 2000 3000 4000 5000 Ave. 1sec vs 2sec 1sec 2sec 拡大図 2秒で同定すると，1点当たりの誤差は大きくな るが，パラメータの値はほぼ同じ リラックス時のa波の，パラメータ代表値を統計処理にて， 調べることが出来た すわなち
- 30. Applied Medical Engineering Science, Graduate School of Medicine 34.0 34.5 35.0 35.5 36.0 -10 -5 0 5 10 Amplitude(mV) Time (s) Experimental Sim.(1 sec) + input term Error = 2.20 Error = 3.05 tPtPtPtPCxBxxAx 'sin'cossincos 4321 3 +++=+++ Analysis result モデルの改良（パラメータ数を増やして，再度同手法により実施） 秒 A B C P1 P2 w P3 P4 w’ 34 11.4 3788 55.0 959 369 68.7 1316 1237 57.0 35 11.07 3208 25.4 1697 1319 74 1282 883 66
- 31. Applied Medical Engineering Science, Graduate School of Medicine パラメータ同定・・・実数型遺伝的アルゴリズム（RGA） モデルのシミュレーション値と実験値のError関数が最小になるようにパラメータ同定を行っていく． tPtPCxBxxAx sincos 21 3 +=+++ ),,,,,( 21 PPCBA 脳波モデル 𝐴1, 𝐵1, 𝐶1, 𝑃1, 𝜔1 𝐴2, 𝐵2, 𝐶2, 𝑃2, 𝜔2 同定手順 𝐴5000, 𝐵5000, 𝐶5000, 𝑃5000, 𝜔5000 ・ ・ ・ 1. 各個体のErrorを計算 2. 親選択（ルーレット）＆内分勾配 3. 2世代目を3000体生成 4. 突然変異で2世代目を2000体生成 5. 各個体のErrorを計算 1~5を満足いくまで繰り返し 初期個体 最もErrorが小さい個体（パラメータ）を選択
- 32. Applied Medical Engineering Science, Graduate School of Medicine 32 Previous Research 脳波の周波数について 精神状態や心理状態に応じた支配的な周波数が存在する １秒間に現れる波 d 波 0.5 – 4 Hz q 波 4 – 8 Hz a 波 8 – 13 Hz b 波 13 – 30 Hz 高周波（ストレス状態） 低周波（睡眠状態） FFT解析を行う事によって，脳波中の 各周波数帯の含有量(Power)を調べることが出来る 徐波 速波
- 33. 33Applied Medical Engineering Science, Graduate School of Medicine ＜脳冷却法＞ ・・・ 手術に代わる新しいてんかん治療法 Cooling 15℃ ラットを用いた脳表の冷却実験の様子 脳表の温度を冷却する事で， てんかん波が抑制される てんかん波の抑制効果を確認 ⇒ てんかん治療 てんかん波冷却装置 脳波電極 熱電対 ECoG(mV)脳表の温度(oC) 時間 (s) 動物実験は山口大学医学部動物実験委員会の審査を受 け，「山口大学動物実験指針」，「動物の保護および管理に 関する法律」及び「実験動物の飼養及び保管に関する基準」 の規則に基づき,山口大学脳神経外科の協力の下で行った Background – New treatment
- 34. Applied Medical Engineering Science, Graduate School of Medicine ＜脳冷却＞ ・・・ てんかん波の抑制効果の温度依存性 25oC 15oC てんかん波 Kida H., et al, “Focal brain cooling terminates the faster frequency components of epileptic discharges induced by penicillin G in anesthetized rats”, Clinical Neurophysiology, Vol.123, No.9 (2012), pp.1708-13. パワー(mV2) 時間 (sec) ■冷却無 □冷却有 d q a b1 b2 脳表温度 低 ←――――――→ 高周波 d q a b1 b2 34 結果 ： より低温状態にすることで，効果的にてんかん波を抑制できる (但， 脳組織の安全性を考慮し15oCまで) Previous Research – Cooling TemperatureECoG(mV) 低 ←――――――→ 高周波 d 波 0.5 – 4 Hz q 波 4 – 8 Hz a 波 8 – 13 Hz b 波 13 – 30 Hz 15oCの方が てんかん波の振幅 が小さく 脳冷却温度 25 vs 15 oC 脳波ECoG の振幅