JP6125670B2 - 収集された生物物理的信号の時間的パターンおよび空間的パターンに基づく脳‐コンピューターインターフェース（ｂｃｉ）システム - Google Patents

Description

情報伝達と環境の制御は日々の生活に重要である。特に、障害者は情報伝達のために途方もない努力をしてきた。脳‐コンピューターインターフェース（ＢＣＩ）により、脳とコンピューターまたは電子デバイスとの直接的な情報伝達が可能になる。ＢＣＩは、既存の情報伝達方法では不十分である用途（騒音の多い工業用途、レーダーに捕捉されない動作が強いられる軍事環境等）においても適用可能である。消費者市場では、ＢＣＩはゲーム用または娯楽用のインターフェースとしての利点をもたらす可能性があり、或いは既存のものを加速し、或いは全く新しいコンピューターとユーザーのインタラクションを可能にする可能性がある。

脳の各部位は、機能に関わらずニューロンと呼ばれる神経細胞で構成されている。全体として、脳は約１千億個のニューロンを含む高密度のネットワークである。これらのニューロンは、その他の何千ものニューロンと情報伝達を行って、物理的プロセスを調整し思考を生み出す。ニューロンは、物理的接続を介して他のニューロンに電気信号を送るか、神経伝達物質と呼ばれる化学物質を交換するかのいずれかによって、情報伝達を行う。ニューロンは、情報伝達を行うときに酸素およびグルコースを消費するが、この消費は、脳の活動領域への血流が増加することによって補充される。

脳モニタリング技術の発展により、脳が情報を処理したり様々な刺激に反応したりするときの電気的変化、化学的変化、流体的変化等を観察することができる。多種多様なユーザーとアプリケーションに対して新しい通信と制御オプションとを提供し得る脳‐コンピューターインターフェース（ＢＣＩ）システムにおいて、研究が継続されている。脳活動のモニタリングにより、特徴的な心的プロファイルのデータベースを収集することができる。

デバイスおよびデータの安全上の脅威は至る所に存在し、高度に精密で正確な認証システムおよび方法には非常に高い価値が付されてきた。認証システムでは、いくつかの形態の生物学的に特異なシグネチャまたは生体認証が採用される（指紋、網膜パターン、音声特性等）が、脳の唯一性を認証技術として利用する開発はほとんどない。

一部のＢＣＩシステムは、脳波記録（electroencephalography；ＥＥＣ）に頼っている。ＥＥＣには、時間分解能は比較的高いが空間分解能が比較的低いという特徴がある。ＢＣＩシステムの更なる研究が進行中であり、その信頼性の高い利用に関する多くの疑問と課題に取り組んでいる。

一実施形態に係る、脳活動の類似性の相関を用いて心理的かつ社会学的なマッチングを提供するシステムを示す図である。 一実施形態に係る、個人に対して唯一性の確率を識別し割り当てるために、脳の解剖学的構造および活動を既知の情報および事前記録シグネチャと比較するシステムを示す図である。 一実施形態に係る、ＢＣＩ入力を収集するための消費者向け（consumer grade）のウェアラブルシステムを示す。 一実施形態に係る神経イメージング装置のコンポーネントを示す図である。 一実施形態に係る神経イメージング装置のコンポーネントを示す図である。 一実施形態に係る神経イメージング装置のコンポーネントを示す図である。 一実施形態に係る、コンピューター経験の制御を提供する方法のフローチャートである。 一実施形態に係る視覚検索を示す図である。 一実施形態に係る視覚検索を示す図である。 一実施形態に係る、テレパシー検索を提供するＢＣＩシステムを示す図である。 一実施形態に係るＢＣＩシステムを用いた無線テレパシー情報伝達を示す図である。 一実施形態に係る、テレパシーコンテキスト検索を実行するためのネットワークシステムを示す。 一実施形態に係るＢＣＩシステムを用いてテレパシー拡張現実を提供するためのフローチャートである。 一実施形態に係るＡＲの提示および制御の例を示す図である。 一実施形態に係るＡＲの提示および制御の例を示す図である。 一実施形態に係るＡＲの提示および制御の例を示す図である。 一実施形態に係るＡＲの提示および制御の例を示す図である。 一実施形態に係る、テレパシー拡張現実を提供できるシステムを示す。 一実施形態に係る、ＢＣＩシステムによって提供される心的デスクトップ空間を再現するのに用いられる視空間の皮質再現を示す図である。 一実施形態に係る光学システムを示す図である。 一実施形態に係る、生理的に分離された視空間の区画を示す図である。 一実施形態に係る、ＢＣＩシステムによって利用される一次運動野および一次感覚野を示すヒト大脳皮質のモデルである。 ヒト大脳皮質の中心前回の一次運動野の形態的構造を示すモデルである 一実施形態に係る、ＢＣＩ測定値および他のモダリティをアプリケーションに割り当てるためのユーザーインターフェースを示す。 一実施形態に係る、ＢＣＩ入力その他のモダリティ入力を受け取るＢＣＩシステムを示す図である。 一実施形態に係る、ユーザーの意図を判定する方法のフローチャートを示す。 一実施形態に係る、アプリケーションを制御するためのＢＣＩ入力を割り当てる方法を示すフローチャートである。 一実施形態に係る、ＢＣＩシステムによりコンテキスト因子を調整する方法のフローチャートである。 収集される生物物理的信号の時間的パターンおよび空間的パターンに基づく脳‐コンピューターインターフェース（ＢＣＩ）システムを提供する例示的機械のブロック図である。

本明細書に記載の実施形態によれば、識別／認証を行う目的で脳／頭蓋骨の解剖学的特徴（脳回形成（gyrification）、皮質厚、頭皮厚等）が用いられてよい。測定される刺激／反応脳特徴（例えば解剖学的および生理学的な）を特異的なパターンに変換して、識別および／または認証目的で脳を分類することができる。刺激に応じた脳活動の類似性に従って、人々を相互に関連付けることができる。他の（例えば解剖学的および生理的な）脳シグネチャについての情報と、類似する脳との比較とは、新しい刺激に対する脳の反応を予測するのに用いることができ、また、識別および／または認証目的で用いることができる。脳の識別および／または認証技術を他の識別および／または認証技術（例えばパスワードその他の生体認証パラメータ）と組み合わせて用いて、識別／認証の感度および特異度を高めることができる。

脳またはニューロンの活動信号の感知における最近の技術的進歩によって、より高度なＢＣＩの利用法およびシステムを創造する機会が与えられる。現在では、収集される生物物理的信号の時間的パターンおよび空間的パターンに基づき、ヒトの心理状態または心的表象を測定し識別することが可能である。例えば、生物物理的信号の時間的パターンおよび空間的パターンは、限定ではないが電気センサー、流体センサー、化学センサー、磁気センサーを用いて得ることができる。

電気信号を収集する装置の例として、脳波記録（electroencephalography；ＥＥＧ）が挙げられる。ＥＥＧでは、頭皮に直接取り付けられる電極を用いて、脳の活動によって発生する弱い（５〜１００μＶ）電位を測定する。流体信号を測定し検知する装置の例としてはドプラ超音波検査が挙げられ、化学信号を測定する装置の例としては機能的近赤外分光法（functional near-infrared spectroscopy；ｆＮＩＲＳ）が挙げられる。ドプラ超音波検査は、脳に血液を供給する動脈ネットワークにおいて、脳血流速度（cerebral blood flow velocity；ＣＢＦＶ）を測定する。そのような動脈内のＣＢＦＶは認知の活性化によって増大し、この増大をドプラ超音波検査を用いて検知することができる。ｆＮＩＲＳ技術は、近赤外光を頭皮表面から脳に投射し、光が屈折して表面に反射される際の様々な波長での光学変化を測定することによって、機能する。ｆＮＩＲＳは効果的に脳血液動態を測定し、局所血液量および酸素化の変化を検出する。脳活動に関連する組織酸素化の変化により、近赤外光子の吸収および散乱が様々な量に変化するので、ｆＮＩＲＳを用いて脳活動の機能マップを構築することができる。磁気信号を測定する装置の例としては、脳磁図（magnetoencephalography；ＭＥＧ）が挙げられる。ＭＥＧは、脳の電気的活動によって発生する磁界を測定する。ＭＥＧによって、より深いイメージングが可能になる。また、頭蓋骨は実質的に磁気波を通すので、ＭＩＧはＥＥＧよりもはるかに感度が高い。

生物物理的センサー装置を利用することにより、上記その他に記載されるように、生物物理的信号の時間的パターンおよび空間的パターンを用いて、ヒトの心理状態または心的表象を測定および識別して、認知作業負荷、注意／注意散漫、気分、社会学的動態、記憶その他の情報を明らかにすることができる。これらのデータを利用することにより、ヒトと機械とのインタラクションにおける好機を得るための新領域が切り開かれる。

ビジネス、政治制度および社会では、マーケティング、メッセージング、ソーシャルネットワーキング等の目的について似た考えをもつ人々を見つけることが重視される。したがって、似た考えをもつ（或いは、逆に異なる考えをもつ）人々の識別に役に立つ可能性のあるシステムおよび技術が重視される。類似する刺激に対して脳がどのように反応するのかについての情報を用いて、異なる人々または異なる集団間の“心的類似性”を確認し点数化することができる。これを心的特性、人格的特性または社会学的特性の他の測定と併せて利用して、マッチング評価をより高度化することができる。

人々に脳モニタリング装置を装着させてから一連の想像上のまたは示唆に富む経験（任意の想像上の感覚チャネル、視覚的、聴覚的、触覚的等を通して）を経験させることにより、結果として生じる空間的かつ時間的な脳活動パターンを捕捉し特徴付けることができる。異なる人々の脳活動がどの程度同じように反応するかによって、心的類似性の尺度が提示され得る。逆に、人々の脳活動が同じ刺激に対してどの程度異なるように反応するかによって、心的相違の尺度が提示され得る。刺激セットへの反応の集積は、特徴的な心的プロファイルを構築する際に用いることができ、また、パーソナリティ特性を特徴付ける概念（例えばMeyers-Briggs（登録商標）や五因子モデル（Five Factor Model；ＦＦＭ））に相当し得る心的好みのモデルの確立に役立てることができる。

心的反応の特定の類似性または相関がより良いペアリングに役立つという理論に基づいて、人々の政治的、心的または社会的な適合性（或いは不適合性）は、生物物理的信号の時間的パターンおよび空間的パターンおよび刺激反応データを用いて予測することができる。このような他者との比較は、Ｍａｔｃｈ．ｃｏｍ（登録商標）のような出会い系サービスの一部として利用されるウェブベースのシステムおよびインフラを用いて行われ得る。

このアイデアが有用であることが分かるであろう具体例として、心的プロファイルを仕事に対する満足度情報と比較して潜在的な職業マッチ（またはミスマッチ）の識別および予測に役立てたり、人間関係に対する満足度と比較して潜在的な社会的適合性（または不適合性）の識別および予測に役立てたり、政治的傾向と比較して政党のアライメント（またはミスアライメント）の識別および予測に役立てたり、製品の利用、満足度または興味と比較してマーケティング目標を識別したりすることが挙げられる。

図１は、一実施形態に係る、脳活動の類似性の相関を用いて心理的かつ社会学的なマッチングを提供するシステム１００を示す。システムは、ＢＣＩシステムへの入力を定義するために、空間的情報および脳半球情報を収集する。刺激ライブラリ１１０は、対象１１２，１１４の脳活動を誘発するために提供される。刺激ライブラリ１１０は、脳を働かせるように設計される様々な媒体（例えば、写真、映画、オーディオトラック、記述式または口頭の質問または問題）のうちいずれかを含む刺激のセットを有する。刺激の選択肢は膨大であり、一般的な刺激（例えば、感受性のテスト用に設計されるもの）から非常に特異的なもの（例えば、家族および育児についての定位）まで多岐にわたり得る、特定の刺激ライブラリ１１０のフォーカスが想定される。脳活動は、対象１１２，１１４に対して刺激が提示されるときに、データ収集記録システム１２０，１２２によって記録される。結果的な脳活性パターンを測定する神経イメージング装置の例として、ＥＥＧ、ｆＮＩＲＳ、ＭＥＧ、ＭＲＩ（磁気共鳴イメージング；磁気共鳴画像法）、超音波等が挙げられる。しかしながら、実施形態は本明細書で具体的に言及される測定システムに限定されるものではない。

次に、記録された脳活動は、パターン認識分類システム１３０を用いて処理される。パターン認識分類システム１３０は、記録された脳活動を処理して、脳活性パターンを特徴付け分類する。パターン認識の分野には、分類、クラスタリング、回帰、カテゴリー・シーケンス・ラベリング、実数値シーケンス・ラベリング、構文解析、ベイジアン・ネットワーク、マルコフ確率場、集合学習等の、適用可能な技術およびアルゴリズムが数多くある。脳活動の取得または分析の更なる方法として、変形ランベルト・ベールの法則、事象関連コンポーネント、マルチボクセルパターン分析、スペクトル分析、ｆＮＩＲＳに対するＭＶＰＡ（マルチボクセルパターン分析）の利用等が挙げられる。単純な脳ＥＥＧ信号の特徴付けは、識別目的で利用することができる。汎用のパターン認識技術およびアルゴリズムを実装することができる。対象１１２，１１４の心的プロファイルモデルを展開するために、パターンおよび分類の結果１３２は、心的プロファイルモデリングシステム１４０において、データベース１５０からの個人データおよび他の特性と組み合わせられる。このように、心的プロファイルモデリングシステム１４０は、特定の刺激に応じた心的プロファイルを構築するために、脳のパターン認識結果を他の個人データおよび特性（性別、年齢、地理的な位置、遺伝情報等）と組み合わせたモデルを作成する。

データベース１５０からの個人データおよび他の特性は、アンケート、観察等によって取得されてよく、また、パーソナリティ特性データベースに保持されてよい。心的プロファイルモデリングシステム１４０は、対象の心的プロファイルを他の心的プロファイルのデータベースと比較することにより、対象の心的プロファイルマッチを生成する。心的プロファイル分析システム１６０は、対象間の確率を相互に関連付ける。心的プロファイル分析システム１６０は、ある範囲のトピック（社会性、問題解決、音楽ジャンルの類似、財政的傾向等）について、心的マッチの統計値および確率を計算する。汎用の統計的手法を用いて、既知の条件を前提として、パターン認識を確率的関係に変換してよい。

したがってシステム１００は、刺激１１０に応じる記録された脳活動パターンを、その刺激に関する特徴的な心的プロファイルに変換する。刺激ライブラリ１１０は、各個人の心的プロファイルのライブラリに変換される。また、心的プロファイルは、データベース１５０からの個人データおよび特性の統合を含む。心的プロファイル分析システム１６０は、刺激または刺激セットに関する２人のパターンマッチング結果の類似または相違の程度に基づいて、心的プロファイルの類似または相違を導出する。この結果すなわち心的プロファイルマッチ結果１７０は、“心的マッチ”の確率的スコアを表す。

また、ＢＣＩシステムを用いて、脳シグネチャを用いるユーザー識別および認証を提供することができる。人には、その人の遺伝子的、環境的および状況的な影響に応じたそれぞれ固有の脳の解剖学的モデルおよび生理的特徴があり、識別および認証の目的で利用することができる。

図２は、一実施形態に係るシステム２００を示す。システム２００は、個人に対して唯一性の確率を識別し割り当てるために、脳の解剖学的構造および活動を既知の情報および事前記録シグネチャと比較する。したがって、脳の解剖学的モデルおよび生理的唯一性を、セキュリティおよび／または認証の目的で用いることができる。図２に、活動に対する脳反応に基づく較正プロセス２０２および認証プロセス２０４を示す。較正プロセス２０２において、刺激２１０が第１の対象２１２に供給される。刺激２１０は、ユーザーに提示され、ある特徴的な脳活動反応を誘発し得る画像、文章または質問を含んでよい。対象の反応は、データ収集記録システム２２０によって測定される。また、データ収集記録システム２２０は、脳の解剖学的構造および活動に関連する活動を測定する。結果的な脳活性パターンを測定する神経イメージング装置の例としては、ＥＥＧ、ｆＮＩＲＳ、ＭＥＧ、ＭＲＩ、超音波等が挙げられる。

脳の解剖学的構造および活動に関するデータは、パターン認識装置２３０に提供される。パターン認識装置２３０は、脳の解剖学的構造および活動を分析して、パターンを識別する。脳の解剖学的特徴（脳回形成、皮質厚等）が識別される。繰り返すが、パターン認識の分野には、分類、クラスタリング、回帰、カテゴリー・シーケンス・ラベリング、実数値シーケンス・ラベリング、構文解析、ベイジアン・ネットワーク、マルコフ確率場、集合学習等の、適用可能な技術およびアルゴリズムが数多くある。脳活動の取得または分析の更なる方法として、変形ランベルト・ベールの法則、事象関連コンポーネント、マルチボクセルパターン分析、スペクトル分析、ｆＮＩＲＳに対するＭＶＰＡ（マルチボクセルパターン分析）の利用等が挙げられる。識別目的で、単純な脳ＥＥＧ信号の特徴付けが用いられてよい。汎用のパターン認識技術およびアルゴリズムが実装されてよい。

脳測定結果は、心的プロファイルメモリシステム２４０に保存される。データベース２５０は、母集団の脳の解剖学的構造および活動のシグネチャの集積を保持する。認証プロセス２０４の間に、刺激２７０が第２の対象２７２に供給される。第２の対象２７２は第１の対象２１２であってよく、或いは、データがデータベース２５０に保持されている別の対象であってよい。対象の反応は、データ収集記録システム２７４によって測定される。反応は、脳の解剖学的構造および活動に関連するデータを含んでよい。繰り返すが、脳の解剖学的構造は、超音波および／またはＥＥＧ、ｆＮＩＲＳ、ＭＥＧ、ＭＲＩ等の技術を用いて取得されてよい。脳の解剖学的構造および活動に関連するデータは、パターン認識装置２７６に提供される。パターン認識装置２７６は、脳の解剖学的構造および活動に関連するデータを分析して、パターンを識別する。繰り返すが、脳の解剖学的特徴（脳回形成、皮質厚等）が識別される。

分析装置２６０は、パターン認識装置からの結果を受け取り、母集団の脳の解剖学的構造および活動のシグネチャの集積を保持するデータベースから、対象に関連する以前処理された脳測定結果および予測データを受け取る。分析装置２６０は、認証中の対象が対象の以前処理された脳測定結果および予測データと相関するか否かを判定する。このように、脳の解剖学的構造および活動のパターンは、較正期間、以前のシグネチャ収集の間に収集されたか、或いは‘類似の’脳シグネチャのライブラリから推測的に予測された、既知または予測されたシグネチャと比較される。分析装置２６０は、認証に対して真正の信頼性を与える。認証に対する真正の信頼性は、既知の条件を前提としてパターン認識を確率的関係に変換する統計的手法に基づいてよい。

対象２７２からの反応が容認不可であると分析装置２６０が判定した場合、対象は拒否されてよい。一方、認証中の対象２７２の脳測定結果が対象の以前処理された脳測定結果および予測データと相関する場合、対象は許可されてよい。このような脳シグネチャ識別技術は、認証方法の感度および特異度を向上させるために、他の未定の認証方法（例えば手書き文字認識）と組み合わせて用いられてよい。

したがって、本システムを用いて、脳の解剖学的構造および活動を既知の情報および事前記録シグネチャと比較して、唯一性の確率を識別し割り当てることができる。或いは、本システムは、潜在的により識別力があり安全なアプローチを用いてよく、該アプローチは、ユーザーが心的に経験することである特徴的な脳活動を誘発し得る一連の記憶された思考（例えば子ども、車、滝）、筋活性化のパターン（例えばジャンプ、テニスボールのサーブ、ピアノの演奏）または想像上の活動（例えば猫を可愛がる、１３×１４を解く、バナナを食べる）を利用してよい。

別の実施形態において、ＢＣＩシステムを用いて、ユーザーが処理装置（コンピューター、ラップトップ、携帯電話、タブレットコンピューター、スマートテレビ、リモートコントロール、電子レンジ等）を制御できるようにすることができる。ＢＣＩシステムを用いて、精神状態をメディアおよび検索サービスに関連付けることにより、装置にアクティビティを実行するように指示することができる。現在のＢＣＩシステムはＥＥＧに基づくが、ＥＥＧには、時間分解能は比較的良好であるが空間分解能が比較的低いという特徴がある。低い空間分解能による制限は、高いレベルの情報の抽出に有用であることが示されている特定の分析手法と相性がよくない。現在既存の技術に基づいて製造される製品は、精密測定用の応用には不十分であるかもしれないが、該技術は娯楽レベルの実装を提供するには既に利用可能である。

図３は、一実施形態に係る、ＢＣＩ入力を収集するためのウェアラブルシステム３００の例を示す。ウェアラブル脳システム３００はＥＥＧセンサー３１０を利用してよく、ＥＥＧセンサー３１０は、ヘッドバンド３１２により前頭部に接触して適所に保持される。ＥＥＧセンサー３１０の代替または追加として、ウェアラブルシステム３００はいくつかの電極３１６を有してよく、電極３１６は、ＥＥＧ信号を検出するためにユーザーの頭部に取り付けられてよい。ウェアラブル脳イメージング装置３００は、脳の電気的活動を測定することにより、ユーザーが１つの因子（例えば、小さな送風機が出力する空気圧のレベル）を全体的に制御できるようにすることができる。ＥＥＧの性質上、空間分解能は、頭皮分布の全体の統計的推定値が制限され、統計的推定値により、一般に、ＢＣＩ−ＥＥＧ装置がスペクトル分析を利用して、ＥＥＧ信号に含まれる固有の周波数バンドを分析および分離することになる。

図４ａ〜４ｃは、一実施形態に係る神経イメージング装置４００のコンポーネントを示す。はるかに高性能なＢＣＩ入力センサーは、ＥＥＧから神経画像アプローチに移行する。神経画像アプローチでは、ＭＲＩやＰＥＴスキャンと同様の高い空間分解能が得られる。光学的脳イメージングにより、或いは光学的イメージングとＥＥＧとの組み合わせでも、数百或いは数千の固有の活性化パターンを区別するのに用いられる空間分解能および時間分解能がシステムに提供される。図４ａにおいて、複数のセンサーおよびソース４１２を有する帽子またはヘルメット４１０が対象に提供される。センサーおよびソース４１２は処理装置４２０に対して設けられ、処理装置４２０は対象に結合されてよい。図４ｂは、検出器４３０と、神経イメージング装置４００において用いられるソース４３２とを示す。センサー４３２はＥＥＧを含んでよい。近赤外分光法（ＮＩＲＳ）検出器４３０が用いられてもよい。図４ｃは制御モジュール４４０を示す。

ＢＣＩシステムを用いて制御コンピューター経験を提供する一実施形態では、テレパシー検索が用いられる。ユーザーが様々な媒体（例えば音楽や画像）に曝露されている間にＢＣＩパターンをモニタすることにより、ＢＣＩシステムは関連のデータベースを作成することができる。続いて、ユーザーが検索モードである場合、心的イメージによりそれらの脳活動パターンを再作成して、検索をより効率的にするのに役立てることができる。制御コンピューター経験を提供する別の実施形態では、テレパシー情報伝達が用いられる。２以上のユーザーを同じ媒体セットに訓練することにより、脳活動パターンをモニタする間に、システムは、ユーザー同士で情報伝達を取る際に使用し得る共通の心的語彙を創出し得る。制御コンピューター経験を提供する別の実施形態では、テレパシー拡張現実が用いられる。ユーザーは、３Ｄモデルおよび／またはそのようなモデルのアニメーションとペアにされる心的イメージを訓練して、特定のアクションを実行することができる。このように、モデルについて考えることにより、ユーザーはＡＲ機能を有するデバイスを介して見ながら、３Ｄモデルまたはアニメーションを出現させることができる。

図５は、一実施形態に係る、コンピューター経験の制御を提供する方法５００のフローチャートである。ユーザーの脳活動の尺度が記録される間に、刺激が該ユーザーに提示される（５１０）。相関の信頼性を向上するために、刺激は音と組み合わせられた画像のような合成刺激であってよい。誘導試験を用いて、特定の刺激と信頼できる相関を有する１以上の脳活動尺度が識別される（５２０）。脳活動尺度は１以上の種類であってよく、例えばｆＮＩＲＳおよびＥＥＧであってよい。脳活動‐刺激ペアリングの候補が保存される（５３０）。誘導試験を用いて、ユーザーが実際に見ること、聞くこと、触ること等に照らして刺激を想像しているときに、信頼性の高い相関をもつ脳活動‐刺激ペアリングが識別される（５４０）。脳活動−想像上の刺激ペアリングのリストが保存される（５５０）。相関する脳活動尺度が検出された場合に、刺激が読み出され表示されて、テレパシー検索、テレパシー情報伝達およびテレパシーＡＲが可能となる（５６０）。誘導検定を用いて脳活動‐刺激ペアリングを再検定することにより、相関の強度がリフレッシュされる（５７０）。

テレパシー検索に関して、ユーザーは一般に自分がどのようなコンテンツを探しているかを知っており、検索ツールに検索語を入力する。例えば、“Ｓｏｎｇ １”という歌をライブラリで検索する際、ユーザーは、曲名、歌手、アルバム名、ジャンルその他と重複する検索語を入力する。しかしながら、複雑な検索に検索能力のレベルはユーザーによって様々であり、また、効果的な検索を非常に定義しにくい検索リクエストのファジー概念をもつ場合がある。結果として、検索結果が不十分なものになる。しかしながら、一実施形態に従って実行されるテレパシー検索により、ユーザーは、ユーザーの心的視覚化を用いることで、画像または音楽のデータベースに対してハンズフリー検索を実行することができる。一実施形態に係るテレパシー検索により、画像検索、ビデオ検索、音楽検索或いはウェブ検索のような検索が可能になる。また、テレパシー検索により、ユーザーは実際の単語を知らなくても検索を実行することができる。

ＢＣＩシステムの基礎となるコンセプトでは、思考の固有のパターンが、思考の基本要素（動作、明暗パターン、注意状況等）に応じて現れるユーザーの脳パターンに分類されるコンテンツのデータベースとマッチされる。ユーザーの脳パターンが記録され相互に関連付けられると、ＢＣＩシステムは脳パターンのみから思考を再構築する。ユーザーが検索を開始すると、その新しい思考は、データベースに保存されている以前の思考およびコンテンツからの既知の要素とマッチされる。検索結果は、データベース内のコンテンツと関連することが既知である要素とマッチする、新しい思考に含まれる要素の数に基づいて加重されてよい。ユーザーが思考を抱き、思考にマッチする結果を返すテレパシー検索をＢＣＩシステムに実行させることができるという点で、検索結果は一見するとテレパシーによるものである。

一例として、ユーザーが画像を検索しているとする。記憶は画像の心的表象として保存され、容易に言葉に変換できるものであってもなくてもよい。おそらく、画像は、図６ａに示されるような、黒いハトに追われる白いハトの写真６１０である。

上述の写真をインターネット検索する場合、言語で“黒いハトに追われる白いハト”と検索することができる。純粋に視覚的な概念をテキスト検索に変換すると、図６ｂに示すように、疑似の結果（spurious result）６２０が生じる。視覚化を視覚検索に変換はすることは直観的であるだけでなく、言語情報が出力からテキストベース検索に容易に変換されない場合に、検索がより効果的になる可能性をもつ。

テレパシー検索がテキストベース検索よりも優れた非言語的検索の結果をもたらし得る別の例には、音楽の検索がある。例えば、ユーザーがＡｎｉｍｏｔｉｏｎの１９８４年の名作“Ｏｂｓｅｓｓｉｏｎ”を欲しがっているが、アーティスト、曲名、アルバムおよび歌詞が思い出せないとする。ユーザーがその曲の音楽を思い浮かべることができれば、テレパシー検索を実行するＢＣＩシステムは、ユーザーがテキスト入力を提供しなくても、ユーザーの“Ｏｂｓｅｓｓｉｏｎ”の音の思考に脳活性化をマッチさせる音楽の結果を提供する。ＢＣＩシステムは、学習フェーズからの脳活動のパターンを、曲を思い浮かべることによって生じる脳活性化とマッチさせることにより、このような検索を実行することができる。

認知心理学はニューラルネットワークモデルを強力に支持し、脳における表象が、特定の時間的および空間的関係において同時に生じる脳活動の分布パターンとして保存されるという説がある。例えば、特定の入力（例えば写真）に対する反応により、時間および脳の皮質空間的位置について特定のパターンで脳全域に分布する神経活動の分布が生じ、出力として入力の視覚表象が創出される。

同じように、刺激知覚の精神物理学的プロセスは、個別のコンポーネントによって開始される。個別のコンポーネントは脳内で信号伝達され、それから、注意の範囲内にある要素に基づいて再構築される。例えば、視聴者が物体を知覚すると、最初に色情報、形状情報、動作情報等が個別のコンポーネントとして脳に入り、注意または別のメカニズムが該要素を結合して、一貫した知覚を形成する。このような概念は重要である。なぜなら、刺激は物体全体として表象されるのではなく、脳の単一の統合された部分で表象されるのではないからである。

一実施形態に係るテレパシー検索は、マルチボクセルパターン分析（ＭＶＰＡ）のような技術を用いて実装されてよい。ＭＶＰＡの基礎となる知識は、刺激は分布して表象され、また、個別の要素の復元として知覚されるというものである。ＭＶＰＡは定量的な神経イメージング技法であり、特定の思考（例えば視覚刺激を知覚すること、聴覚刺激を知覚すること、同時に３つのことを記憶すること、物体のある側面には焦点を合わせずに別の側面に注意を払うこと）と相関する脳活動の分布パターンを識別する。ＭＶＰＡは、複雑な心的表象または状態を識別する、脳全体に分布した活動の空間的パターンおよび時間的パターンを識別する。心的表象は、記憶活動（例えば、聴覚刺激等の知覚入力の長期記憶または表象を読み出すこと）等の認知活動であってよい。ＭＶＰＡは、伝統的に、刺激に反応して或いは狭義の認知活動（例えば長期記憶の読出し）の一部として所与の瞬間に活性化する体積ピクセル（すなわちボクセル）で測定される脳活動の時間的相関を利用する。また、生物物理的信号の時間的パターンおよび空間的パターンを用いて、ヒトの心理状態または心的表象を測定し識別して、認知作業負荷、注意／注意散漫、気分、社会学的動態、記憶その他の情報を明らかにすることができる。

ＭＶＰＡは、特定の刺激に反応する活性化のヒト固有のパターンを識別し、脳の活性化パターンのみからその刺激を再構築することができる。例えば、ＭＶＰＡがビデオから脳反応を学習するように訓練された後、ユーザーの脳の活性化からのビデオを再構築することができる。まず、ユーザーにビデオクリップを見せ、各ビデオに応じた各ユーザーの特異的な活動パターンをＭＶＰＡを用いて分析して、ビデオの要素に関連する脳活動を識別することができる。学習エピソードの後、脳活動のみでビデオから十分な要素を識別して、データベースに保存されたビデオの要素に脳活動をマッチさせることにより、ビデオを再構築することができる。

しかしながら、ＭＶＰＡは主にＭＲＩ神経イメージングに適用される。ＭＲＩは有力な神経イメージング手法であるが、大型の超伝導磁石に頼るので、モバイル環境では脳イメージング装置を実用することができない。ｆＮＩＲＳ等の光学的イメージング法は比較的新しいが、多種多様な利用および適用に拡張可能な低コストのウェアラブルソリューションの可能性をもたらす。

一実施形態によれば、ＭＶＰＡおよびｆＮＩＲＳを組み合わせて、ＭＶＰＡにおいて実行可能な分析アプローチに実行可能なウェアラブルデバイスを提供して、数十から潜在的には数百の脳活動パターンを区別可能な新奇のＢＣＩ−ソフトウェアインタラクションおよび機能を提供することができる。

テレパシー検索を提供するＢＣＩシステムに関して、学習フェーズは刺激に反応する脳活性パターンの学習に用いられ、検索フェーズは心的表象を検索可能なコンテンツとマッチする際に用いられる。学習フェーズにおいて、システムは、所与の種類のコンテンツ（例えばビデオ、音楽）に応じる脳活動の安定的なパターンを識別する。パターンは、コンテンツの種類に適した方法（例えば、写真またはビデオの場合は画像プロパティ）で分類される。繰り返すが、利用可能な神経イメージング装置の例として、ｆＮＩＲＳ、ＥＥＧ、ＭＥＧ、ＭＲＩ等が挙げられる。繰り返すが、脳活動の取得または分析の方法の例として、変形ランベルト・ベールの法則、事象関連コンポーネント、マルチボクセルパターン分析、スペクトル分析、ｆＮＩＲＳに対するＭＶＰＡの利用が挙げられる。

図７は、一実施形態に係る、テレパシー検索を提供するＢＣＩシステム７００を示す。図７において、ＢＣＩ追跡モジュール７１０は、ディスプレイ７２０上の画像または単語に関する脳活動測定値をモニタする。ＢＣＩ検索調整モジュール７３０は、ユーザーが検索を実行している間に、以前のＢＣＩと単語との関連を読み出す。このような関連は、検索結果の加重または順序付けに用いられる。訓練システム７４０は、ユーザーの脳活動を測定している間に刺激（景色、音、におい、感触等）または組合わせを表示し、こうすることで、ＢＣＩ尺度が特定の画像または単語と関連付けられる。

図８は、一実施形態に係るＢＣＩシステム８００を用いた無線テレパシー情報伝達を示す。図８において、２人の対象、第１のユーザーすなわちユーザー_１８１０と第２のユーザーすなわちユーザー_２８２０との間に無線情報伝達８０２が提供される。一実施形態に係るＢＣＩシステムにより、ユーザーは脳波その他の脳活動尺度を用いて、単語および記号を伝達することができる。ユーザーはまず、例えばテレパシー検索に関して上記で説明したように、同じ刺激に対する共通の脳活動尺度について、ＢＣＩシステムを訓練する。そして、一方のユーザーがその刺激に関する思考パターンを用いたとき、ＢＣＩシステムはその同じ刺激を表示することにより、他方のユーザーに通知し、こうして一種の“マインドリーディング”が可能となる。ユーザーインターフェースは、単純な単語および記号を用いるテキストチャットＵＩのような外観であってよい。ユーザーインターフェースは、聴覚ベースまたは触覚ベースのシステムであってよい。

無線情報伝達は、映像８３０および／または音８５０を含んでよい。映像に関して、ユーザーは、各々の脳活動尺度が取られている間、同じ画像を見る（８３２）。第１のユーザー（ユーザー_１８１０）が画像Ｘを引き出すことを考える（８３４）。第２のユーザー（ユーザー_２８１２）は、ユーザー_１が考えていた画像Ｘが表示されるのを見る（８３６）。

音に関して、ユーザーは、各々の脳活動尺度が取られている間、同じ音を聞く（８５２）。第１のユーザー（ユーザー_１８１０）が音Ｘを引き出すことを考える（８５４）。第２のユーザー（ユーザー_２８１２）は、ユーザー_１８１０が考えていた音Ｘをヘッドフォンを介して聞く（８５６）。送出側のユーザーはＵＩ上で識別されてよい。ユーザーは、メッセージの受取りを選択することを考えることができる。

繰り返すが、利用可能な神経イメージング置の例として、ｆＮＩＲＳ、ＥＥＧ、ＭＥＧ、ＭＲＩ等があげられる。繰り返すが、脳活動の取得または分析の方法の例として、変形ランベルト・ベールの法則、事象関連コンポーネント、マルチボクセルパターン分析、スペクトル分析等が挙げられる。

図９は、一実施形態に係るテレパシーコンテキスト検索を実行するネットワークシステム９００を示す。図９において、ネットワーク化されたＢＣＩモジュール９１０は、他のユーザーのＢＣＩシステム９２０からの無線伝送をモニタする。ＵＩ９３０（例えばチャットインターフェース）は、別の人間からの脳活動尺度に関連する刺激を表示する。刺激の例としては、音、単語、触覚等の他の感覚または組合わせも挙げられる。訓練システム９４０は、ユーザーの脳活動が測定される間、刺激（例えば景色、音、におい、触覚等）または組合わせをユーザーに表示する。これにより、脳活動尺度を特定の画像に関連付けることができる。生体認証・環境センサーアレイ９５０は、刺激の提供および脳活動測定結果の取得に用いられてよい。ユーザー活動（例えばウォーキング、ランニング、誰かとの会話）を判定するコンテキスト構築ブロック９６０が展開されてよい。センサーアレイ９５０は、ユーザーの頭部に装着されてよい。

図１０は、一実施形態に係る、ＢＣＩシステムを用いてテレパシー拡張現実を提供するためのフローチャート１０００である。ＢＣＩシステムにより、ユーザーは、意識的に思考を指揮することにより、拡張現実（ＡＲ）オブジェクトを見て、聞き、感じることができる。ＢＣＩ入力をモニタし、ユーザーが意図的に呼び出し得ない対応するＡＲ経験を提示することにより、ＡＲオブジェクトが提示されてよい。先の関連の開示において説明されたように、ＢＣＩシステムは脳活動尺度を特定の画像に関連付けるように訓練され、よって、ユーザーがマッチング脳活動パターンを生じたときにその画像を表示することができる。

図１０において、ＢＣＩシステムはＢＣＩ入力をモニタする（１０１０）。パターンマッチが検出されたか否かについて、判定がなされる（１０２０）。検出されない場合（１０２２）、システムはＢＣＩ入力のモニタを継続し、マッチの有無についてＢＣＩ入力を分析する。パターンマッチが検出された場合（１０２４）、ＢＣＩシステムは、パターンマッチと相関するＡＲを反映するレンダリングを作成する（１０３０）。そして、システムはＡＲ経験を再生する（１０４０）。その後、ＢＣＩプロセスは戻って（１０４２）、ＢＣＩ入力のモニタリングと、マッチの有無についてのＢＣＩ入力の分析とを継続してよい。

ＡＲ経験は、ＢＣＩシステムによるモニタリングの結果として起動される。ＡＲ経験は、視覚、聴覚、触覚その他の感覚ベースの経験であってよい。更に、ユーザーは、ＡＲキャラクターの動作を思考によって指揮することができる。これにより、ユーザーは、動いたり競争したりするＡＲキャラクターを制御するゲームをプレーすることができる。更に、ＢＣＩシステムは、現在のＢＣＩ入力とインタラクトし得るキューについて、環境をモニタしてよい。例えば、システムがオブジェクト認識を実行することができ、ユーザーがアニメーションに関する脳活動尺度を生じた場合、認識されたオブジェクトをアニメーション形式で提示してよい。別の実施形態において、ユーザーは、オブジェクトの姿勢を考えることにより、オブジェクトの３Ｄ定位を発動することができる。ＭＩＮＤＢＥＮＤＥＲ（登録商標）等の単純なシステムにより、ユーザーは集中を利用してオブジェクトを動かすことができる。しかしながら、そのような単純なシステムはＡＲの提示または制御を伴わない。

図１１ａ〜１１ｄは、一実施形態に係るＡＲの提示および制御の例を示す。ユーザーがトカゲ１１１２に対応する脳活動尺度を生じた場合、図１１ａのＡＲ１１１０が提示されてよい。この例では、ユーザーはマーカー軌跡１１２０を配列し、トカゲ１１１２との脳活動マッチを生じ、そしてＡＲ経験が表示されるのを見る。図１１ｂにおいて、ＡＲ１１１０はタブレット１１１４からマーカー軌跡１１２０上に移動している。図１１ｃにおいて、ＡＲ１１１０はマーカー軌跡１１２０に沿って、ラップトップ１１４０に向かって更に移動している。図１１ｄにおいて、ＡＲ１１１０はラップトップ１１４０に到達している。図１１ａ〜１１ｄの表示は、電話、ヘッドマウントディスプレイその他の知覚モダリティによるものであってよい。

図１２は、一実施形態に係るテレパシー拡張現実を提供することができるシステム１２００を示す。繰り返すが、ｆＮＩＲＳ、ＥＥＧ、ＭＥＧ、変形ランベルト・ベールの法則、事象関連コンポーネント等のセンサーおよび検出器１２１０が、生体認証・環境センサーアレイ１２１２と共に利用されてよい。脳活動センサーアレイは、ユーザーの頭部に装着されてよい。一実施形態において、ＡＲ対応のコンピューティングデバイス１２２０は、メディアシステム１２３０と共に用いられてよい。メディアシステム１２３０の例として２つのフェイシングカメラ（facing camera）１２３２が挙げられ、そのうち一方はトップフェイシングカメラであってよい。

ＡＲレンダリングモジュール１２４０は、確実な方法で、自動的にＡＲキャラクターを環境に融合させることができる。認識されたセンサー入力のデータベース１２５０が用いられ、ＡＲキャラクターおよびＡＲ環境コンテンツが実施される。顔検出サブシステム１２６０は、対象の顔を識別するために設けられてよい。更に、ビデオアナリティクス１２７０は、オブジェクト認識１２７２、投射ビーコン追跡１２７４および環境特性認識１２７６を含んでよく、例えば、ＡＲキャラクターが床を通り抜けないようにそのアクションを拘束する水平面を認識する。ＲＦＩＤスキャナシステム１２８０は、タグが埋め込まれたオブジェクトのスキャンに用いられてよい。統合プロジェクター１２３４も利用されてよい。

ＢＣＩシステム１２００は更に、ＢＣＩ‐ＡＲマッピングモジュール１２８２を備えてよい。ＢＣＩ‐ＡＲマッピングモジュール１２８２は、ＢＣＩミドルウェア１２８４から入力を受信し、入力をＡＲ経験にマッピングする。脳活動パターンのデータベース１２８６は、ＡＲ経験へのマッチを提供する。このようなマッチは、ユーザーに関して“追加設定なし（out of the box）”の全般的なものであってよく、或いはマッチングプロセスを経て作成されてもよい。ＡＲ提示システム１２８８はＢＣＩセンサー１２１０に接続されてよく、無線であっても有線であってもよい。また、ユーザーがＡＲキャラクターの“マインドコントロール”で競うことのできるゲームモジュール１２９０が実装されてよい。

図１３は、一実施形態に係る、ＢＣＩシステム１３００によって提供される心的デスクトップ空間の再現に用いられる視空間の皮質再現を示す。ＢＣＩシステム１３００により、デジタルデバイスおよびコンテンツ機能のアクセス、ナビゲーション、コマンドおよび制御に関して、心的デスクトップの利用が可能となる。現在利用可能な人間‐コンピューターインターフェースは、デジタルデバイスおよびコンテンツのアクセスおよび制御のためのインタラクティブ・プラットフォームを提供するために、身体的感覚（例えば視覚）と身体の動作（例えば、手でマウスまたはキーボードを操作すること）に頼っている。このような身体的かつ知覚的な入力および制御は限られており、より新奇で効果的な人間‐コンピューターインターフェースの表現の可能性が制限される。脳‐コンピューターインターフェースを提供する既存のシステムは脳波記録（ＥＥＣ）技術に基づき、出力を定義し入力をオープンエンドのままにしておく所定のライブラリから機能を制御する。更に、電気的活動のスペクトル分析を用いて入力が提供される。この点は、一実施形態に係る視覚的ＢＣＩ作業領域で心的ジェスチャーが用いる空間的情報および脳半球情報の利用と、根本的に異なる。

図１３に関して記載される実施形態によれば、ＢＣＩシステム１３００により、ユーザーは視野の様々な区画に意識を集中させることで、コンピューティングデバイスを操作することができる。この視野を“心的デスクトップ”と称する。ユーザーがこの視野の左上象限を思い浮かべるか或いは注意を向けると、関連するコマンドを実行することができる。しかしながら、これは、ユーザーが目の焦点をその領域に移すのではなく、単にその領域について考える（すなわち視覚化する）ことができることを意味する。視野の領域は、脳活動尺度に対して特に強いマッピングをもつ。

図１３は、左視野１３１０および右視野１３２０を含む心的デスクトップを示す。左視野１３１０は、左左上象限１３１２、左右上象限１３１４、左左下象限１３１６および左右下象限１３１８を含むように構成される。右視野１３２０は、右左上象限１３２２、右右上象限１３２４、右左下象限１３２６および右右下象限１３２８を含むように構成される。

網膜からの視覚信号は、視神経が部分的に交叉する（１３３２）視交叉１３３０に到達する。各網膜側の画像は、視交叉１３３０の視神経を介して脳の反対側に移る。一方、一時的な画像は同じ側に留まる。このようにして、両目の左右の視野からの画像が脳の適切な側に送られ、両側が結合される。これによって、右視野に注意を払う両目の部分を、脳の左視覚系において処理することが可能となる（逆もまた同様である）。視索の終点は左膝状体１３４０および右膝状体１３６０である。左膝状体１３４０および右膝状体１３６０は、目の網膜から受け取られる視覚情報の一次的な中継局である。左膝状体１３４０および右膝状体１３６０は、視索を介して視交叉１３３０から、また網様体賦活系から、情報を受け取る。左膝状体および右膝状体からの信号は、一次視覚野１３９０への直接経路として機能する視放射１３７０，１３７２を通って送られる。更に、左膝状体１３４０および右膝状体１３６０は、一次視覚野から多数の強力なフィードバック結合を受ける。マイヤー係蹄１３８０，１３８２は視放射の一部であり、それぞれ左外側膝状体１３４０および右外側膝状体１３６０を終了させ、一次視覚野１３９０へ突き出る。視覚野１３９０は、視覚情報の処理を担当する。

“心的デスクトップ”に関して、コンピューターインターフェースのナビゲーション、コマンドおよび制御を達成するために、視標追跡技術が用いられてよい。しかしながら、視標追跡技術は物理的空間に限定され、典型的なオペレーティングシステムモデルと同じ制約を受ける。例えば、視線を上げて左に移すことが、その領域にマウスポインタを移動させる場合に用いられてきた。

コンピューターインターフェースは、コンピューターディスプレイ上の物理的空間に再現されるデジタルのデスクトップ空間を利用する。対照的に、一実施形態に係る心的デスクトップは、物理的デスクトップを心的作業領域（すなわち心的デスクトップ）にデタッチし、半側視野と呼ばれる個人の視野の領域に基づいて、作業領域を視空間領域に分割する。

視覚情報は、本来左目と右目とによって分離されだけでなく、左目および右目において上下左右の区画に分離される。このような区画によって半視野が形成され、半視野はそれぞれ対応する脳領域において再現される。対応する脳領域において網膜の領域が再現されるので、半視野周辺の脳の組織は網膜部位組織（retinotopic organization）と呼ばれる。

心的デスクトップの作業領域は、視空間内の領域を見る、すなわち思い浮かべることにより、割り当てられる情報（例えばアプリケーションショートカット、ファイル、メニュー）のアクセスを促進する。つまり、心的デスクトップは、ユーザーが現在のオペレーティングシステムにおけるデジタルデスクトップと同じように使うための、想像上のデスクトップ空間を形成する。

心的デスクトップは、ヒト一次視覚野の網膜部位組織を介して８つの半側視野を抽出することにより、ＢＣＩシステムによって実行されてよい。図１４は、一実施形態に係る光学システム１４００の図である。図１４において、視神経１４１０は、目１４１２から脳の後頭葉のヒト一次視覚野１４２０につながる。

視覚信号は、目１４１２から視神経１４１０を通って視交叉に伝わる。例えば、正中線の右側に右上視野を見るすなわち視覚化すると、右目の右上の同じ半視野に対応する視覚野に、同時に脳活動が生じる。視覚野の網膜部位組織により、ユーザーがアクセスを望む領域を心的デスクトップが識別する際に利用可能な情報に脳活動からデコードされた視空間情報を利用することができる。上述のように、各網膜側の画像は、視交叉１４３０の視神経１４１０を介して脳の反対側に移る。一方、一時的な画像は同じ側に留まる。外側膝状体１４４０（左および右）は、目１４１２から受け取られる視覚情報の一次的な中継局である。

信号は、膝状体１４４０から視放射１４５０を通って送られる。視放射１４５０は、一次視覚野１４２０への直接経路である。無意識の視覚入力は、網膜から上丘１４６０に直接送られる。

表１は、視交叉と、左膝状体および右膝状体と、マイヤー係蹄を含む視放射とを介する、左視野および右視野の象限の視覚野へのマッピングを示す。

図１５は、一実施形態に係る、生理的に分離された視空間１５００の区画を示す。ＢＣＩシステムは、生理的に分離された視空間の区画にコンテンツを割り当てる。図１５において、視空間１５００は、左半視野１５１０および右半視野１５２０にまとめられる。視空間１５００はまた、上半視野１５３０および下半視野１５４０にまとめられる。このように、一実施形態によれば、視空間１５００はコンテンツを割り当てられてよく、これは視空間１５００の適切な領域の視覚化に基づいてユーザーが実行し得る。コンテンツは、例えばアプリケーションショートカット、ファイルポインタ、ファイル等、どんなものでもよい。ユーザーは、特定の半視野を単純に見るすなわち視覚化すれば、その位置に割り当てられたコンテンツならどんなものでもアクセスすることができ、コンテンツは、その生理的に分離された視空間の区画に従って見られるすなわち視覚化される。視空間１５００の８つの半視野はそれぞれ、半視野空間での視覚化その他の活動によってアクセスされる空間において該領域に割り当てられたコンテンツを有してよい。例えば、左左上半視野に第１のアプリケーションショートカット１５５０が割り当てられてよく、左左下半視野にファイルポインタ１５５２が割り当てられてよい。

各個人の視野をマッピングして、図１５に示す視空間１５００の領域を視野の領域に対応するように定義するときに、訓練システムが利用されてよい。心的デスクトップの鮮明さは、視野の空間境界によって改良されてよい。更に、ユーザーは、ヘッドマウントディスプレイを用いて、心的デスクトップ上で利用可能な視空間１５００の区画の視覚化を促進することができる。個人の心的デスクトップは、心的デスクトップの作業領域をどのようなデバイスでも有効にするために、リモートで保存されてよい（例えばクラウドストレージ）。

図１６は、一実施形態に係るＢＣＩシステムに利用されるヒト大脳皮質１６００のモデルであり、一次運動野１６１０および一次感覚野１６１２を示す。一次運動野１６１０と一次感覚野１６１２はそれぞれ、縦のスライスで示される中心溝１６３０の前方と後方にある。中心溝１６３０は、大脳皮質のしわであり、頭頂葉１６４０を前頭葉１６５０から分け、一次運動野１６１０を一次体性感覚野１６６０から分ける脳の目立つ目印を表す。

一実施形態によれば、心的ジェスチャーは、ヒトの脳にみられる一次運動皮質および／または体性感覚皮質のような、形態的に組織化された脳領域から生じる脳活動にマップされる。これらの２つの脳領域はそれぞれ、対応する身体位置の制御専用の別々の領域に分割される領域を有する。図１６において、補足運動野１６６０は前頭葉１６５０のおおよそ正中線に示されている。補足運動野１６６０は、大脳皮質１６００の中でも動作の制御に寄与する部分である。一次運動野１６１０は、前頭葉１６５０の後方部分に位置する。一次運動野１６１０は、動作の計画および実行に関与する。後頭頂葉１６４０は、身体と外部の物体とを空間内で局在化する役割を果たす３つの感覚系、すなわち視覚系、聴覚系および体性感覚系から、入力を受け取る。体性感覚系は、触覚すなわち皮膚による物理的接触によって、外部環境内の物体についての情報を提供し、筋肉および関節の刺激によって、身体部位のポジションおよび動作についての情報を提供する。後頭頂葉１６４０の出力の多くは、運動前野１６７０の領域に向かう。運動前野１６７０は、前頭葉１６５０内の、一次運動野１６１０のちょうど前方に位置する。運動前野１６７０は、四肢運動の準備および実行に関与し、他の領域と連携して適切な運動を選択する。

身体的入力または知覚入力を利用するユーザーインターフェースは、所定のアクションを実行するためにプロトコルセットを用いる。例えば、キーボードはそれぞれに文字が割り当てられたキーを用い、マウスは反応を示すためにＸ−Ｙ位置およびクリックを用いる。同様に、ＢＣＩシステムは、ＢＣＩ入力の幅広く実際的な利用を確立するための基盤を必要とする。一実施形態によれば、ＢＣＩシステムは、機能を実行する、或いは他の種類の入力を提供するために、心的ジェスチャーを実装し処理する。心的ジェスチャーは思考ジェスチャーのライブラリであり、思考ジェスチャーは脳活動から解釈されて、キーボード上のキーが出力の柔軟な調整のために所定の入力を提供するのと同じように、コンピューター入力として使用される。

例えば、タッチ対応表面には、ピンチ、スクイーズ、スワイプ等のジェスチャーが予め設定されている。このようなタッチジェスチャーは、タッチインターフェースと各タスクでの利用とを構築するための基盤としての役割を果たす。同様に、心的ジェスチャーは、ＢＣＩジェスチャーすなわち心的ジェスチャーのライブラリを介するＢＣＩ入力の基盤の確立について同じ原理に従って、各タスク、更にはプラットフォームでの利用を可能にする。

心的ジェスチャーは、思考によって実行可能であり、脳活動から直接的に記録される。実際の動作に基づくタッチジェスチャーとは対照的に、心的ジェスチャーは想像上の運動動作である。心的ジェスチャーのライブラリと、単一の様式（例えばタッチ）ではなく多様な想像上の動作を用いることの柔軟性とを組み合わせると、ＢＣＩシステムに対して極めて強力なインターフェースの可能性が示される。従来の入力に優る心的ジェスチャーの利点の例として、（１）ユーザーは情報を身体的に入力する必要がなく、四肢をもたない人や四肢を動かせない人がアクションを実行できるようになること、（２）心的ジェスチャーは、身体的入力（例えばキック）ほど実際的ではない想像上の運動動作からでも生じ得ること、（３）可能な心的ジェスチャーの種類により、手動入力に頼る従来の入力（マウス、キーボード、トラックパッド等）に優る柔軟性と実用性が拡大されること、（４）多くの脳が独立した運動信号を発生し得る左右分化した脳半球を有するので、心的ジェスチャーは半球特異的であり得ること、が挙げられる。

心的ジェスチャーの例として、限定ではないが、単一の指動作、様々な数の指動作（例えば１、２または３の指動作）、手を振ること、キック、つま先動作、まばたき、首を曲げること、うなずき、腰を曲げること等が挙げられる。心的ジェスチャーによって表される動作は純粋に想像上の動作であり、様々なコンピューター入力と関連付けられてよい。例えば、オペレーティングシステムは、単一の指動作と２本の指動作とに異なる機能性を割り当ててよい。或いは、メディアプレーヤーは、異なる心的ジェスチャーにその各機能（例えば再生／一時停止、巻き戻し、シャッフル等）を割り当てることができる。

心的ジェスチャーの可能な実装例のひとつに、開発者が彼らのソフトウェアの独自機能に割り当てる心的ジェスチャーのライブラリを有する、ソフトウェア開発キット（ＳＤＫ）がある。ＳＤＫは、システム用のアプリケーションの作成を可能にするソフトウェア開発ツールセットである。ＳＤＫにより、開発者は、柔軟でオープンエンドに利用可能な心的ジェスチャーにアクセスできるようになる。例えば、ビデオゲームの開発者は、心的ジェスチャーＳＤＫを用いて、ビデオゲームのアスペクトに対するＢＣＩ制御を開発することができる。モバイル相手先ブランド名製造業者（mobile original equipment manufacturer；ＯＥＭ）は、心的ジェスチャーＳＤＫを用いて、モバイルデバイスの独自機能に対する心的ジェスチャー制御を開発することができる。

また、心的ジェスチャーは、複数の入力ソースを組合わせ可能な別のシステムと共に用いることができる。クロスモーダルの知覚的コンピューティングソリューションがある場合、心的ジェスチャーは、他の知覚入力と組み合わされる追加的な入力ソースであってよい。例えば、エアージェスチャーを心的ジェスチャーと組み合わせて、左側または右側の心的ジェスチャー入力に基づいて、左手または右手のエアージェスチャーをコードすることができる。

図１７は、ヒト大脳皮質の中心前回の一次運動野１７１０の形態的構造を示すモデル１７００である。身体の各部位は大脳皮質の別々の領域によって再現され、大脳皮質の量はそれぞれの身体部位の制御に関連する。図１７は、足１７２０、臀部１７２２、胴体１７２４、腕１７２６、手１７２８、顔１７３０、舌１７３２および喉頭１７３４の動作の準備および実行を担当する領域を示す。

心的デスクトップの実装には、隣接する領域を区別するのに十分な狭さの大脳皮質の区域から信号を抽出するのに十分な高さの空間分解能を有するのであれば、どのような脳イメージング装置が用いられてもよい。現在利用可能な装置の例として、密電極ＥＥＧ、ｆＮＩＲＳ、ＭＲＩ、ＭＥＧが挙げられる。

脳からの各信号について、脳半球（左または右）、空間的位置および領域が運動信号源のコードを担当する。例えば、左人さし指の活動または想像上の活動により、右脳半球の指領域において活動が生じる。心的ジェスチャーは左の単一の指動作をコードし、活動している領域の位置と量は、正確な指と指の数（すなわち、１、２、３または４本の指ジェスチャー）をコードする。

このように、一実施形態に係る心的ジェスチャーを入力に用いる心的デスクトップを実装するためのシステムは、ｆＮＩＲＳ、ＥＥＧ、ＭＥＧ、ＭＲＩ、超音波等の神経イメージング装置を含んでよい。脳活動の取得または分析の方法の例として、変形ランベルト・ベールの法則、事象関連コンポーネント、マルチボクセルパターン分析、スペクトル分析、ｆＮＩＲＳに対するＭＶＰＡの利用が挙げられる。

一実施形態によれば、ＢＣＩシステムは、コンピューターのコンテンツおよび機能を視野の異なる区画にマップする心的デスクトップを提供する。ＢＣＩシステムにより、ユーザーは上記で言及したシステムのアプリケーションの訓練を受けることができる。コンピューターのナビゲーション、コマンドおよび制御を達成するために、脳活動から解釈される思考ジェスチャーのライブラリが用いられてよい。更に、ソフトウェア開発者が心的ジェスチャーを利用できるようにするために、開発システムが提要されてよい。

図１８は、一実施形態に係る、ＢＣＩ尺度および他のモダリティをアプリケーションに割り当てるためのユーザーインターフェース１８００を示す。図１８において、左にアプリケーション１８１０の列を示し、右にＢＣＩ尺度および他のモダリティ１８２０を示す。他のアプリケーション１８１０、他のＢＣＩ尺度および他のモダリティ１８２０が実装されてよい。ＢＣＩ尺度および他のモダリティ１８２０は、左側のアプリケーション１８１０の少なくとも１つに対する割当てのために選択されてよい。このように、一実施形態に係るＢＣＩシステムはマルチモーダルシステムにおいて使用されてよい。

ＢＣＩを他のモダリティ（例えばジェスチャー、声、視標追跡、顔／表情追跡）と組み合わせることにより、新しいユーザーエクスペリエンスと、ユーザーが電子デバイスを制御する新しい方法とを提供することができる。このように、一実施形態に係るＢＣＩシステムは、ＢＣＩタイプの入力と他のモダリティとの両方を認識する。更に、脳活動誘発を伴うフィードバックループに対するアプローチが実装されてよく、コンテキスト検知によりＢＣＩ入力の利用が変更されてよい。

図１９は、一実施形態に係る、ＢＣＩ入力１９１０およびタオのモダリティ入力１９１２を受け取るＢＣＩシステム１９００を示す。図１９において、アプリケーション１９２０を伴って実装されるＢＣＩシステム１９００に、ＢＣＩ入力１９１０が供給される。アプリケーション１９２０を伴って実装されるＢＣＩシステム１９００には、追加モダリティ１９１２も供給される。しかしながら、一部のＢＣＩ入力１９１０と追加モダリティ１９１２とは、相互排他的であってよく、共に用いられてもよい。知覚コンピューティング‐ＢＣＩデータベース１９３０を用いて、入力とＢＣＩ入力とがどの程度自然に協働するかについてのヒューリスティクスを保持してよい。調整モジュール１９４０は、ＢＣＩ入力１９１２、追加入力モダリティ１９１２およびデータベース１９３０からの知覚コンピューティング入力を受信し、決定されたユーザー意図について決定を行う。調整モジュール１９４０は、ＢＣＩアプリケーション調整モジュール１９７０からの結果に基づいてユーザー意図の最終決定を行い、最終コマンドを開始する。ＵＩ１９６０は、図１９に示すように、アプリケーション１９２０に対してＢＣＩ１９１０および追加モダリティ１９１２の入力を割り当てる際に用いられてよい。アプリケーション関連性データベース１９３２は、ＢＣＩ／アプリケーション関連性を保存するために用いられてよい。ＢＣＩアプリケーション調整モジュール１９７０は、割り当てられたアプリケーションが動作しているか否かをモニタし、関連アプリケーションについてＢＣＩ制御を開始する。

ＢＣＩ入力品質モジュール１９７２は、センサー入力を劣化させる環境信号をモニタする。ＢＣＩシステムは更に、因子条件の因子データベース１９３４を有する。因子データベース１９３４は、上述の変数と、特定の形式の入力１９１０，１９１２を阻害するレベルとを含む。ディレクターモジュール１９８０は、入力１９１０，１９１２を受け取り、因子データベース１９３４に対して該入力を加重し、アプリケーション１９２０にコマンドを送って入力１９１０，１９１２をどのように使用するか（例えばオフにする、オンにする、一部の尺度の加重を他よりも大きくする等）を制御する。コンテキスト構築ブロックサブシステム１９８２は、環境因子およびユーザー因子を測定する。ディレクターモジュール１９８０により、干渉の可能性が発生しているか否かの判定がなされる。干渉が検出された場合、ディレクターモジュール１９８０はＢＣＩ入力１９１０を調節する。

手のジェスチャー、声、視標追跡等の入力モダリティの場合、１つの課題は、そのようなモダリティのうち１つを用いて、システムに緊急コマンドを通知することである（例えば声コマンド）。システムは、実際のコマンドの前後の偶発性のノイズまたは動作を、コマンドとして解釈するおそれがある。コマンド直前のユーザーからのＢＣＩパターンにより、次の大きなセンサー検出イベントがコマンドとして解釈されてよいことを示すことができる。

システムが１以上のモダリティから同時に入力を受ける場合、ＢＣＩ入力は、どのモダリティが優先されるべきかを示すことができる。クロスモーダルＢＣＩ入力の利用例のひとつは、ジェスチャーが右と左のどちらのハンドジェスチャーベースであるかを判定するためにＢＣＩ入力を利用することである。或いは、ＢＣＩ入力は、入力コマンドを強化するために、別のモダリティと同時に用いられてよい。例えば、脳活動パターンは声コマンドと同時に測定されてよい。脳活動パターンは、システムが２つの類似する発音コマンドを区別できるようにするために用いられてよい。

一実施形態に係るＢＣＩシステムは、装着者の視点からの音声およびビデオを記録するライフブロギング（life blogging）および“完全記憶”システムを含み、認知障害をもつ人々の援助に用いることができる。ソフトウェアアルゴリズムは、センサー入力のアスペクトの決定に用いられてよい。例えば、記憶障害をもつ高齢者がかかる装置を装着し、ＢＣＩが電気パターンおよび／または血流から混乱状態を検出した場合、システムは、ユーザーに視野内の人や物の名前を思い出させる音声情報をイヤホンから提供することができる。

見るコマンドおよび考えるコマンドおよび追跡が提供されてよい。ユーザーは、視標追跡入力を用いてターゲットを選択し、ＢＣＩシステムを用いて、集中を向けているターゲットに作用するための入力を提供することができる。例えば、ユーザーが見ているオブジェクトが、脳活動パターンに基づいて色を変える。この例は、視覚的媒体にも適用可能である。例えば、ユーザーがキャラクターに集中を向けると、ユーザーの脳活動パターンは、そのキャラクターにより興味深いものとしてマークを付けることができえる。更に、ユーザーが読書をするとき、混乱を検出して理解できなかった文章を示すことができ、これは教育に有用である。

ＢＣＩ入力は、クロスモダリティ割込みに対処するのに用いられてよい。ＢＣＩ入力は、別のモダリティに応答しているシステムに割り込むのに用いられてよい。例えば、ゲームにおいて、ユーザーはエアージェスチャーを用いてキャラクターをある方向に動かし、それからＢＣＩ入力の変更を用いてキャラクターを停止させることができる。また、ＢＣＩ入力と共にＵＩフィードバックが用いられてもよい。例えば、ＢＣＩシステムは、システムがＢＣＩ入力を識別した場合に様々なフィードバックをユーザーに提供してよく、これによりユーザーは、入力が受け取られ確認されたことを知ることができる。ＢＣＩフィードバックは、他のモダリティフィードバック（例えばジェスチャー）と共に生じ得る。更に、ＵＩはＢＣＩ入力のユーザーマッピングに用いられてよい。ユーザーインターフェースにより、ユーザーは脳活動パターンを所与のモダリティにマップすることができ、結果として、対応するＢＣＩパターンが生じた場合に、システムが該モダリティにとって絶好のタイミングでコマンドを有効化することができる。ユーザーは、脳活動パターンを所与のモダリティにマップすることができ、よって、検知される入力が脳活動パターンおよび別のモダリティと相関するので、システムのコマンドの認識の信頼性が高くなる。ユーザーはまた、別のパターンが異なるモダリティをアクティブにする一方で、１つのパターンが相関するモダリティがアクティブである可能性を意味するように、異なるモダリティを異なる脳活動パターンにマップすることができる。

ＢＣＩ入力はまた、システムリソースのアクティブ化に用いられてよい。例えばシステムは、ユーザーがより覚醒した場合に、電力状態を脱するように通知されてよい。これは、ユーザーが視覚デザインを行っているときに用いられてよい。ＢＣＩシステムは、ユーザーがブラウジングモードであるときに、プロセッサがスリープ状態に移行できるようにすることができる。脳活動パターンが、ユーザーが行動（例えば、編集を行う）を起こしそうであることが示した場合、ユーザーがその行動を開始したときにプロセッサの反応が速くなるように、システムはプロセッサの出力を上げることができる。

一実施形態によれば、ＢＣＩシステム１９００により、ユーザーはＢＣＩ入力を１つのアプリケーションに割り当てることができる。該アプリケーションはフォーカスをもたなくてよく、ここでフォーカスとは、現在ＯＳに注目されているアプリケーションを意味する。その結果、ユーザーが何か他のことをしていても、アプリケーションはＢＣＩ入力に応答する。ＵＩにより、ユーザーはアプリケーションを割り当てることができる。

実施形態の他の例として、音楽および音声の実装が挙げられる。ここでは、ユーザーが文章を編集している間に、ＢＣＩ入力が制御のために受け取られる。通信チャネルは、ユーザーが生産的である間に、インスタントメッセージ（ＩＭ）クライアントを用いて、ユーザーの状態（例えば、考えるのに忙しい）を示してよい。特定の脳領域はタスクの切替えを促進し、音楽を変更するＢＣＩ入力はタスクの切替えを促進することができる。ＢＣＩシステムは音楽プレーヤーにマップされてよく、そうすれば、脳のタスク切替部位がアクティブになったときはいつでも、音楽プレーヤーは次の曲にスキップして、新しいタスクの切替えを促進する。更に、自律走行車により、運転者は運転の要求から脱して、車両内で非運転活動を楽しめるようになる。しかしながら、運転の義務が運転者に戻ってきたとき、非運転活動は引き下がる。ＢＣＩシステムは、車載インフォテインメントシステムの娯楽機能を認知作業負荷にマップして、特定の作業負荷レベルに到達したときに娯楽機能をオフにできるようにしてよい。

ＢＣＩシステムはまた、様々なＢＣＩ入力を所与の時間に利用可能にするために、ユーザーコンテキストについての判定を行うことができる。状態インジケータは、ユーザーに、いつＢＣＩ入力が入力として利用可能であるかを示すことができる。一実施形態に係るＢＣＩシステムにより、他のコンテキストの判定が提供されてよい。例えば、ユーザーの活動は、心拍、呼吸、動作等を測定する生体認証センサー、加速度計およびジャイロスコープ、およびユーザーの姿勢（例えば、立っているか横になっているか）によって判定されてよい。特定の活動レベルにおいて、信頼性の低いＢＣＩ入力の使用はシステムによって妨げられてよく、或いは、システムは様々な状況に適応することができる。ＢＣＩシステムはユーザーが会話に熱中しているか否かを判定してよく、その情報はＢＣＩ入力として用いられてよい。コンテキスト判定を行うためのＢＣＩ入力の例として、ユーザーの注意散漫を引き起こす信頼性の高いＢＣＩ入力を阻害する環境条件、例えば音、視覚刺激、予期せぬノイズ、臭気、再生中のメディアその他の、電気的干渉（例えば磁界、気温その他の環境因子）により正確な測定を阻害し得る因子および環境条件が挙げられる。

脳活動センサーの種類によって、ユーザーが行っている所与のタスクに対する強さおよび利点が異なる。例えば、高い空間分解能が求められる例では、システムは、空間分解能の低いＥＥＧではなくｆＮＩＲＳ入力を選択してよい。他の例では、速いフィードバックが求められる場合、システムはＥＥＧか、または同じく高い時間分解能をもつ別の技術を選択してよい。環境センサーは、どのＢＣＩ入力が最適であるかに影響を与えるユーザーの活動を判定してよい。電磁エネルギーのような環境因子は、ＥＥＧによって検出可能であることが知られている。電磁（ＥＭ）エネルギーがＥＥＧの記録に干渉する例では、ＢＣＩシステムは優れた入力ソースに切り替えてよい。

図２０は、一実施形態に係る、ユーザーの意図を判定する方法２０００のフローチャートを示す。ＢＣＩシステムは、ユーザーの意図を判定する（２０１０）。知覚コンピューティングシステムは、ユーザー入力を解釈する（２０２０）。そして、調整モジュールがユーザー意図の最終決定を行い、最終コマンドを開始する（２０３０）。

図２１は、一実施形態に係る、アプリケーションを制御するためにＢＣＩ入力を割り当てる方法２１００のフローチャートである。ユーザーは、ＢＣＩ入力をアプリケーションとマッチさせる（２１１０）。ＢＣＩアプリケーション調整モジュールは、アプリケーションの利用をモニタする（２１２０）。アプリケーションが使用中であるか否かの判定がなされる（２１３０）。アプリケーションが使用中でない場合（２１３２）、プロセスは、ＢＣＩ入力をアプリケーションにマッチさせる段階まで戻る。アプリケーションが使用中である場合（２１３４）、割り当てられたＢＣＩ入力を用いてアプリケーションを制御する（２１４０）。

図２２は、一実施形態に係る、ＢＣＩシステムによってコンテキスト因子を調整する方法２２００のフローチャートである。ＢＣＩ入力サブシステムは動作中である（２２１０）。コンテキスト構築ブロックサブシステムは、環境因子およびユーザー因子を測定する（２２２０）。ディレクターモジュールによって、干渉の可能性が発生しているか否かの判定がなされる（２２３０）。発生していない場合、２２３２でプロセスは始めまで戻る。干渉の可能性が検出された場合（２２３４）、ディレクターモジュールはＢＣＩ入力を調節する（２２４０）。プロセスは始めまで戻ってよい（２２４２）。

このように、本明細書に記載の実施形態によれば、脳／頭蓋骨の解剖学的特徴（脳回形成（gyrification）、皮質厚、頭皮厚等）を識別／認証の目的で用いることができる。測定される刺激／反応脳特性（例えば解剖学的および生理的な）は、脳を識別／認証の目的で分類するために、特定のパターンに変換されてよい。解剖学的および生理的な脳データは、ユーザーの識別および真正を判定するために結合されてよい。他の脳シグネチャ（例えば解剖学的および生理的な）についての情報と、類似の脳との比較とを、新しい刺激に対する脳反応の予測の目的で、また、識別および／または認証の目的で、用いることができる。脳の識別および／または認証の技術を他の識別および／または認証の技術（パスワード、他の生体認証パラメータ等）と組み合わせて、識別／認証の感度および特異度を高めることができる。

図２３は、一実施形態に係る、収集される生物物理的信号の時間的パターンおよび空間的パターンに基づく脳‐コンピューターインターフェース（ＢＣＩ）システムを提供する例示的な機械２３００を示すブロック図であり、機械２３００において、本明細書に記載の手法（例えば方法）のいずれか１以上が実行可能である。代替の実施形態では、機械２３００はスタンドアロン装置として動作してよく、或いは他の機械と接続（例えばネットワーク化）されてもよい。ネットワーク化された配置において、機械２３００は、サーバー‐クライアントネットワーク環境におけるサーバーマシンおよび／またはクライアントマシンとして動作してよい。一例では、機械２３００は、ピアツーピア（Ｐ２Ｐ）（または他の分散型の）ネットワーク環境においてピアマシンとして機能してよい。機械２３００は、パーソナルコンピューター（ＰＣ）、タブレットＰＣ、セットトップボックス（ＳＴＢ）、ＰＤＡ（Personal Digital Assistant）、携帯電話、ウェブアプライアンス（web appliance）、ネットワークルーター、スイッチまたはブリッジその他の、該機械によってとられるアクションを特定する命令（シーケンシャル或いはその他の）を実行可能な機械であってよい。更に、単一の機械が図示されているが、“機械”という用語は、命令セット（または複数の命令セット）を個別または合同で実行して、本明細書に記載の方法のうち任意の１以上を実行する任意の機械の集合、例えばクラウドコンピューティング、ＳａａＳ（software as a service）、他のコンピュータークラスター構成等を包含するものと解釈されるものである。

本明細書に記載されるとおり、実施例は、ロジックまたは複数のコンポーネント、モジュールもしくはメカニズムを含んでよく、或いは、ロジックまたは複数のコンポーネント、モジュールもしくはメカニズムで動作してよい。モジュールは、指定された工程を実行可能な有体物（例えばハードウェア）であり、特定の方法で構成または配置されてよい。一例では、回路が、指定された方法でモジュールとして配置（例えば内部に、或いは他の回路等の外部実体に対して）されてよい。一例において、１以上のコンピューターシステム（例えばスタンドアロン、クライアントまたはサーバーコンピュータシステム）の少なくとも一部または１以上のハードウェアプロセッサ２３０２は、ファームウェアまたはソフトウェア（例えば命令、アプリケーション部、アプリケーション）により、指定された工程を実行するように動作するモジュールとして、構成されてよい。一例において、ソフトウェアは少なくとも１つの機械可読媒体に存在してよい。一例において、ソフトウェアは、モジュールの下層のハードウェアによって実行されると、ハードウェアに指定された工程を実行させる。

したがって、“モジュール”という用語は有体物を包含するものと理解され、指定された方法で動作するように、或いは本明細書に記載の工程の少なくとも一部を実行するように物理的に構築された、特別に構成された（例えば配線接続された）、或いは一時的に（例えば一過性に）構成された（例えばプログラム化された）実体であってよい。モジュールが一時的に構成される例を考えれば、モジュールが任意の一時にインスタンス化される必要はない。例えば、モジュールがソフトウェアを用いて構成される汎用ハードウェアプロセッサ２３０２を備える場合、汎用ハードウェアプロセッサは、それぞれ異なるモジュールとして異なる時間に構成されてよい。したがってソフトウェアは、ハードウェアプロセッサを構成して、例えば、特定のモジュールを一時に構成してよく、また、異なるモジュールを異なる時間に構成してもよい。“アプリケーション”という用語またはその変形は、本明細書ではルーティン、プログラムモジュール、プログラム、コンポーネント等を包含するように拡張的に用いられ、様々なシステム構成（シングルプロセッサまたはマルチプロセッサシステム、マイクロプロセッサベースの電子機器、シングルコアまたはマルチコアのシステム、それらの組合わせ等）に実装されてよい。このように、アプリケーションは、ソフトウェアの実施形態に言及する際に用いられる場合も、本明細書に記載の工程の少なくとも一部を実行するように構成されるハードウェアに言及する際に用いられる場合もある。

機械（例えばコンピューターシステム）２３００は、ハードウェアプロセッサ２３０２（例えば中央演算処理装置（ＣＰＵ）、グラフィックス・プロセッシング・ユニット（ＧＰＵ）、ハードウェアプロセッサコア、またはそれらの任意の組合わせ）、メインメモリ２３０４およびスタティックメモリ２３０６を有してよく、それらの少なくとも一部はインターリンク（例えばバス）２３０８を介して他と通信してよい。機械２３００は更に、表示部２３１０、英数字の入力装置２３１２（例えばキーボード）およびユーザーインターフェース（ＵＩ）ナビゲーション装置２３１４（例えばマウス）を有してよい。一例では、表示部２３１０、入力装置２３１２およびＵＩナビゲーション装置２３１４は、タッチスクリーンディスプレイであってよい。機械２３００は更に、記憶装置（例えばドライブユニット）２３１６、信号生成装置２３１８（例えばスピーカー）、ネットワークインターフェース装置２３２０および１以上のセンサー２３２１（例えば全地球測位システム（ＧＰＳ）センサー、コンパス、加速度計その他のセンサー）を有してよい。機械２３００は、１以上の周辺機器（プリンタ、カードリーダー等）の通信または制御のための出力コントローラ２３２８を有してよく、例えば、直列接続（例えば、ユニバーサル・シリアル・バス（ＵＳＢ））、並列接続その他の有線または無線（例えば赤外線（ＩＲ））の接続を有してよい。

記憶装置２３１６は、本明細書に記載の手法または機能のいずれか１以上を具現化するかまたはそれに用いられる１以上のデータ構造または命令２３２４（例えばソフトウェア）が格納される少なくとも１つの機械可読媒体２３２２を有してよい。命令２３２４は、機械２３００によって実行されている間、少なくとも部分的に、追加的な機械可読メモリ（例えばメインメモリ２３０４、スタティックメモリ２３０６）に存在してよく、或いはハードウェアプロセッサ２３０２に存在してもよい。一例において、ハードウェアプロセッサ２３０２、メインメモリ２３０４、スタティックメモリ２３０６および記憶装置２３１６のうち１つまたはそれらの任意の組合わせにより、機械可読媒体を構成してよい。

機械可読媒体２３２２は単一の媒体として示されているが、“機械可読媒体”という用語は、１以上の命令２３２４を保存するように構成される単一の媒体または複数の媒体（例えば、集中もしくは分散データベースならびに／または関連するキャッシュおよびサーバー）を包含し得る。

“機械可読媒体”は、機械２３００による実行用の命令を保存、符号化または伝送することができ、機械２３００に本開示の手法のいずれか１以上を実行させる任意の媒体、或いは、かかる命令によって使用されるか、かかる命令に関連するデータ構造を保存、符号化または伝送することができる任意の媒体を含んでよい。機械可読媒体の例として、限定ではないが、ソリッドステートメモリ、光学媒体、磁気媒体が挙げられる。一例において、集合機械可読媒体は、静止質量をもつ複数の粒子を有する機械可読媒体を備える。集合機械可読媒体の具体例として、半導体メモリ装置（例えばＥＰＲＯＭ（Electrically Programmable Read-Only Memory）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read-Only Memory））やフラッシュメモリ装置等の不揮発性メモリ、内部ハードディスクやリムーバブルディスク等の磁気ディスク、ＣＤ−ＲＯＭディスクやＤＶＤ−ＲＯＭディスク等の光磁気ディスクが挙げられる。

命令２３２４は更に、多数の転送プロトコル（フレームリレー、インターネットプロトコル（ＩＰ）、通信制御プロトコル（ＴＣＰ）、ユーザー・データグラム・プロトコル（ＵＤＰ）、ハイパーテキスト転送プロトコル（ＨＴＴＰ）等）のうちいずれか１つを利用するネットワークインターフェース装置２３２０により伝送媒体を用いて、通信ネットワーク２３２６を介して送信または受信されてよい。通信ネットワークの例として、ローカル・エリア・ネットワーク（ＬＡＮ）、広域ネットワーク（ＷＡＮ）、パケットデータネットワーク（例えばインターネット）、携帯電話網（例えば、符号分割多重アクセス（ＣＤＭＡ）、時間分割多重アクセス（ＴＤＭＡ）、周波数分割多重アクセス（ＦＤＭＡ）、直交周波数分割多重アクセス（ＯＦＤＭＡ）等のチャネルアクセス方法、ＧＳＭ（登録商標）（Global System for Mobile Communications）、ＵＭＴＳ（Universal Mobile Telecommunications System）、ＣＤＭＡ２０００ １ｘ＊規格、ＬＴＥ（Long Term Evolution）等のセルラーネットワーク）、ＰＯＴＳ（Plain Old Telephone Service）ネットワーク、無線データネットワーク（例えば、電気電子技術者協会（ＩＥＥＥ）８０２．１１規格（Ｗｉ−Ｆｉ）、ＩＥＥＥ８０２．１６規格（ＷｉＭＡＸ（登録商標））その他を含むＩＥＥＥ８０２規格ファミリー）、ピアツーピア（Ｐ２Ｐ）ネットワーク、その他の既知または将来開発されるプロトコルが挙げられる。

例えば、ネットワークインターフェース装置２３２０は、通信ネットワーク２３２６に接続するために、１以上の物理的ジャック（例えばイーサネット（登録商標）用ジャック、同軸ジャック、電話用ジャック）または１以上のアンテナを有してよい。一例において、ネットワークインターフェース装置２３２０は、ＳＩＭＯ（single-input multiple-output）技術、ＭＩＭＯ（multiple-input multiple-output）技術およびＭＩＳＯ（multiple-input single-output）技術のうち少なくとも１つを用いて無線通信を行うための複数のアンテナを有してよい。“伝送媒体”という用語は、機械２３００による実行用の命令を保存、符号化または伝送することのできる任意の無形媒体を包含するものとして解釈されるものであり、例として、デジタルまたはアナログの通信信号その他のかかるソフトウェアの通信を促進する無形媒体が挙げられる。

付記および実施例
実施例１は、ユーザーに供給する刺激のライブラリと、前記刺激のライブラリから前記ユーザーに刺激を供給することに応じて、脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを収集するデータ収集装置と、収集された前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付けて前記ユーザーの脳シグネチャを識別し、収集された前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンの相互関連付けによって識別された前記ユーザーの前記脳シグネチャに基づいて、プロセッサ制御機能を実行する処理装置と、を備える構成（例えばデバイス、装置、クライアントまたはシステム）を含んでよい。

実施例２は実施例１の構成を任意に含んでよい。前記処理装置は、前記ユーザーの前記脳シグネチャから導出される前記ユーザーの心的プロファイルを、所定の集団の心的プロファイルのデータベースからの心的プロファイルと比較する。

実施例３は実施例１〜２のいずれか１以上の構成を任意に含んでよい。前記処理装置は、ある範囲のトピックのいずれかについて、前記ユーザーの前記心的プロファイルのマッチの統計値および確率を計算する。

実施例４は実施例１〜３のいずれか１以上の構成を任意に含んでよい。前記処理装置は、前記ユーザーの前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンに基づいて、前記刺激に応じた前記ユーザーの心的プロファイルを構築する。

実施例５は実施例１〜４のいずれか１以上の構成を任意に含んでよい。前記処理装置は、前記ユーザーの前記脳シグネチャをデータベースから得られる個人データおよび他の特性と組み合わせて、前記ユーザーの心的プロファイルモデルを開発する。

実施例６は実施例１〜５のいずれか１以上の構成を任意に含んでよい。前記処理装置は、対象間の確率を相互に関連付け、前記ユーザーの前記心的プロファイルモデルと少なくとも１人の他のユーザーの心的プロファイルモデルとの心的マッチの統計値および確率を計算する。

実施例７は実施例１〜６のいずれか１以上の構成を任意に含んでよい。前記処理装置はユーザーの識別および認証を提供する。ユーザーの心的プロファイルは、前記刺激のライブラリから前記ユーザーへの刺激の提示に基づいて、前記処理装置によって較正段階の間に作成される。前記処理装置は更に、認証されているユーザーの心的プロファイルが、前記較正段階の間に作成された前記ユーザーの前記心的プロファイルと相関するか否かを判定する。

実施例８は実施例１〜７のいずれか１以上の構成を任意に含んでよい。前記処理装置は、ユーザーの脳‐コンピューターインターフェースシステムからの伝送をモニタし、前記ユーザーからの脳活動測定結果に関連する刺激を表示し、前記脳活動測定結果を検索して前記脳活動測定結果に関連する検索オブジェクトの場所を特定し、前記脳活動測定結果と関連する前記脳活動測定結果と相関する検索オブジェクトとのマッチに基づいて検索結果を返すことにより、テレパシーコンテキスト検索を実行するように構成される。

実施例９は実施例１〜８のいずれか１以上の構成を任意に含んでよい。前記処理装置は、脳‐コンピューターインターフェースセンサーおよび検出器と生体認証・環境センサーアレイとから入力を受信することにより、テレパシー拡張現実を提供する。前記処理装置は、入力および認識されたセンサー入力のデータベースから取得されるデータと、ＡＲキャラクターと、ＡＲ環境コンテンツとをＡＲ経験にマップするように構成される前記処理装置は、ＡＲキャラクターを前記環境に融合させ、前記脳‐コンピューターインターフェースセンサーおよび検出器と前記生体認証・環境センサーアレイとからの前記入力から導出されるユーザー意図に基づいて、前記ＡＲ経験をユーザーに提示する
実施例１０は実施例１〜９のいずれか１以上の構成を任意に含んでよい。前記処理装置は、ユーザーの左目および右目のそれぞれについて左半視野および右半視野を再現する心的デスクトップを作成する。前記処理装置は更に、それぞれの目を上方区画と下方区画とに分離し、ここで前記心的デスクトップは、前記ユーザーの視野において情報が割り当てられた８つの領域を備える。前記処理装置は、前記心的デスクトップの領域の心的視覚化を検出し、心的に視覚化された前記領域に割り当てられた前記情報に従って機能を実行する。

実施例１１は実施例１〜１０のいずれか１以上の構成を任意に含んでよい。前記処理装置は、前記ユーザーの脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンと、アプリケーションによる実装用に受信される追加入力モダリティと、知覚コンピューティング‐ＢＣＩデータベースからの知覚コンピューティング入力とを含む受信された入力を分析するように構成される。前記処理装置は更に、前記入力および知覚コンピューティングデータベースから取得される前記入力と関連する相互関連性データと、因子データベースから取得される因子とに基づいて、前記ユーザーの意図を判定するように構成される。ここで、前記処理装置は、判定された前記ユーザーの意図に基づいてコマンドを開始する。

実施例１２は実施例１〜１１のいずれか１以上の構成を任意に含んでよい。前記処理装置は、干渉が発生しているか否かを判定し、前記干渉を占めるように前記ユーザーの前記生物物理的信号の時間的パターンおよび空間的パターンを調節するように構成される。

実施例１３は実施例１〜１２のいずれか１以上の構成を任意に含んでよく、前記ユーザーの脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンと追加モダリティ入力とをアプリケーションに割り当てるためのユーザーインターフェースを更に備える。

実施例１４は、実施例１〜１３のいずれか１つの構成を含んでよく、或いは実施例１〜１３のいずれか１つの構成と任意に組み合わされてよく、ユーザーに刺激を供給するステップと、前記刺激を前記ユーザーに供給することに応じて、脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを収集するステップと、収集された前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付けて、ユーザー脳シグネチャを識別するステップと、収集された前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンの相互関連付けによって識別された前記ユーザー脳シグネチャに基づいて、プロセッサ制御機能を実行するステップと、を含む構成（例えば工程を実行するための方法または手段）を含む。

実施例１５は実施例１４の構成を任意に含んでよい。前記プロセッサ制御機能は、前記ユーザーの識別されたパターンとユーザー群に共通するパターンとの類似を少なくとも１つ判定することを含む。

実施例１６は実施例１４〜１５のいずれか１以上の構成を任意に含んでよく、更に、ユーザーに脳モニタ装置を提供するステップと、前記ユーザーに前記刺激に関連する一連の経験を経験させるステップと、を含む。ここで、収集された前記時間的パターンおよび空間的パターンを相互に関連付ける前記ステップは、収集された前記空間的および時間的な脳活動パターンを特徴づけて、前記ユーザー脳シグネチャを特定するステップを含む。

実施例１７は実施例１４〜１６のいずれか１以上の構成を任意に含んでよい。プロセッサ制御機能を実行する前記ステップは更に、前記ユーザー脳シグネチャに基づいて、前記ユーザーの特徴的な心的プロファイルを構築するステップと、心的嗜好および人格特性のモデルを確立するステップと、確立されたモデルを用いて前記ユーザーの人々の団体との親和性を予測するステップと、を含む。

実施例１８は実施例１４〜１７のいずれか１以上の構成を任意に含んでよい。収集された前記生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付ける前記ステップは更に、刺激に応じて記録された脳活動パターンを前記刺激に関連する特徴的な心的プロファイルに変換するステップと、各個人について前記刺激に対する心的プロファイルをデータベースに保持するステップと、個人データおよび特性を前記心的プロファイルに組み込むステップと、前記ユーザーの前記刺激に応じた前記心的プロファイルと他のユーザーの前記刺激に関連する少なくとも１つの心的プロファイルとの心的マッチを識別するステップと、心的マッチの確率的またはパーセンテージスコアを提供するステップと、を含む。

実施例１９は実施例１４〜１８のいずれか１以上の構成を任意に含んでよい。ユーザーに刺激を供給し、前記ユーザーに刺激を供給することに応じて、脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを収集し、収集された前記生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付ける工程は、更に、前記刺激に基づいてユーザーの脳シグネチャを較正するステップと、現在測定される脳シグネチャと前記較正された脳シグネチャとを比較することにより、前記ユーザーを認証するステップと、を含む。

実施例２０は実施例１４〜１９のいずれか１以上の構成を任意に含んでよい。ユーザーの脳シグネチャを較正する前記ステップは、ユーザーに刺激セットを提示して脳活動反応を誘発するステップと、提示された前記刺激セットに応じた脳の解剖学的構造および活動を測定するステップと、前記脳の解剖学的構造および活動の測定結果のパターン認識を実行して、前記ユーザーの脳シグネチャを創出するステップと、創出された前記脳シグネチャを保存するステップと、保存された前記脳シグネチャを所定の集団の解剖学的および生理学的脳シグネチャのデータベースに加えるステップと、を含む。

実施例２１は実施例１４〜２０のいずれか１以上の構成を任意に含んでよい。刺激セットを提示する前記ステップは更に、前記ユーザーに思考を経験させて、特定の特徴的な脳活動を誘発するステップを含む。

実施例２２は実施例１４〜２１のいずれか１以上の構成を任意に含んでよい。前記ユーザーに思考を経験させるステップは、前記ユーザーに、一連の記憶された思考と、筋活性化パターンと、想像上の活動とからなる群から選択される１つを経験させるステップを含む。

実施例２３は実施例１４〜２２のいずれか１以上の構成を任意に含んでよい。脳の解剖学的構造および活動を測定する前記ステップは、機能的近赤外分光法、脳波記録、脳磁図、磁気共鳴イメージングおよび超音波のうち少なくとも１つを用いて、脳の解剖学的構造および活動を測定するステップを含む。

実施例２４は実施例１４〜２３のいずれか１以上の構成を任意に含んでよい。脳の解剖学的構造および活動を測定する前記ステップは、解剖学的特徴を測定するステップを含む。

実施例２５は実施例１４〜２４のいずれか１以上の構成を任意に含んでよい。解剖学的特徴を測定する前記ステップは、脳回形成（gyrification）、皮質厚および頭皮厚のうち少なくとも１つを測定するステップを含む。

実施例２６は実施例１４〜２５のいずれか１以上の構成を任意に含んでよい。前記脳の解剖学的構造および活動の測定結果のパターン認識を実行するステップは更に、変形ランベルト・ベールの法則、事象関連コンポーネント、マルチボクセルパターン分析（ＭＶＰＡ）、スペクトル分析およびｆＮＩＲＳに対するＭＶＰＡのうち少なくとも１つに基づいてパターン認識を実行するステップを含む。

実施例２７は実施例１４〜２６のいずれか１以上の構成を任意に含んでよい。前記脳の解剖学的構造および活動の測定結果のパターン認識を実行するステップは更に、解剖学的および生理学的測定結果を、識別および認証のために脳を分類するのに利用可能な特異的パターンに変換するステップを含む。

実施例２８は実施例１４〜２７のいずれか１以上の構成を任意に含んでよい。前記ユーザーを認証する前記ステップは、以前に適用された刺激セットをユーザーに提示して、脳活動反応を誘発するステップと、前記以前に適用された刺激セットに基づいて、前記ユーザーの脳の解剖学的構造および活動を測定するステップと、前記脳の解剖学的構造および活動の測定結果のパターン認識を実行して、前記ユーザーの脳シグネチャを創出するステップと、前記脳シグネチャを前記ユーザーの前記較正された脳シグネチャと比較することにより、前記パターン認識の実行によって得られた前記ユーザーの前記脳シグネチャを分析するステップと、を含む。

実施例２９は実施例１４〜２８のいずれか１以上の構成を任意に含んでよい。前記ユーザーの前記脳シグネチャを分析する前記ステップは、前記脳シグネチャを所定の集団の解剖学的および生理的学な脳シグネチャと比較するステップを含む。

実施例３０は実施例１４〜２９のいずれか１以上の構成を任意に含んでよい。前記ユーザーの前記脳シグネチャを分析する前記ステップは、前記脳シグネチャを追加的な識別および認証技術を用いて照合して、前記識別および認証技術の感度および特異度を高めるステップを含む。

実施例３１は実施例１４〜３０のいずれか１以上の構成を任意に含んでよい。前記脳シグネチャを追加的な識別および認証技術を用いて照合する前記ステップは、前記脳シグネチャを、手書き文字認識結果、パスワードクエリおよび追加的な生体認証パラメータのうち少なくとも１つを用いて照合するステップを含む。

実施例３２は実施例１４〜３１のいずれか１以上の構成を任意に含んでよい。前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記ステップは、収集された前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンに応じた機能を実行するように装置に指示するステップを含む。

実施例３３は実施例１４〜３２のいずれか１以上の構成を任意に含んでよい。ユーザーに刺激を供給し、前記刺激を前記ユーザーに供給することに応じて、脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを収集し、収集された前記生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付け、前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記工程は、更に、ユーザーに刺激セットを提示するステップと、前記ユーザーの脳−コンピューターインターフェース（ＢＣＩ）測定結果を取得するステップと、前記ＢＣＩ測定結果から、所定の刺激と信頼性の高い相関を有する脳活動‐刺激ペアリングの候補を識別するステップと、脳活動‐刺激ペアリングの候補を保存するステップと、前記ユーザーが前記刺激を想像しているときに、信頼性の高い相関を有する脳活動‐刺激ペアリングを決定するステップと、前記ユーザーが前記刺激を想像しているときに、前記信頼性の高い相関を有する脳活動‐刺激ペアリングを保存するステップと、相関するＢＣＩ測定結果が検出された場合に前記刺激を読み出し表示して、テレパシーコンピューター制御を実行するステップと、を含む。

実施例３４は実施例１４〜３３のいずれか１以上の構成を任意に含んでよい。ユーザーに刺激セットを提示する前記ステップは更に、相関の信頼性を高めるために、前記ユーザーに合成刺激を提示するステップを含む。

実施例３５は実施例１４〜３４のいずれか１以上の構成を任意に含んでよい。前記テレパシーコンピューター制御は、検索オブジェクトに関連するＢＣＩ尺度とペアにされる刺激の心的イメージを再形成することにより、前記ユーザーによって実行されるテレパシー検索を含む。

実施例３６は実施例１４〜３５のいずれか１以上の構成を任意に含んでよい。前記テレパシー検索は、ユーザーの思考パターンを、前記思考パターンに関連する脳活動測定結果に応じて作成される、前記ユーザーの脳パターンに分類されるコンテンツのデータベースとマッチングして検索結果を生成し、前記データベースに含まれるコンテンツと関連することが既知の要素とマッチする前記思考パターンの要素の数に基づいて、前記検索結果を加重することによって、実行される。

実施例３７は実施例１４〜３６のいずれか１以上の構成を任意に含んでよい。前記テレパシー検索は、画像の検索であって、前記ユーザーが前記検索のオブジェクトである前記画像を考える、画像の検索と、前記ユーザーの前記画像の思考に脳活動‐刺激ペアリングがマッチする画像の結果を提供するステップと、を含む。

実施例３８は実施例１４〜３７のいずれか１以上の構成を任意に含んでよい。前記テレパシー検索は、音楽作品の検索であって、前記ユーザーが前記音楽作品に関連する音を考える、検索と、前記ユーザーの前記音楽作品に関連する前記音の思考に脳活動‐刺激ペアリングがマッチする音楽の結果を提供するステップと、を含む。

実施例３９は実施例１４〜３８のいずれか１以上の構成を任意に含んでよい。前記テレパシー検索は、マルチボクセルパターン分析（ＭＶＰＡ）と機能的近赤外分光法（ｆＮＩＲＳ）との組み合わせを用いて実行され、特定の思考と相関する脳活動の分布パターンを識別するテレパシー検索を含む。

実施例４０は実施例１４〜３９のいずれか１以上の構成を任意に含んでよい。前記テレパシーコンピューター制御はテレパシー情報伝達を含む。ここで、共通の心的語彙による訓練を受けた少なくとも２人のユーザーは、前記共通の心的語彙を用いて、脳活動‐刺激ペアリングに基づいて互いに情報伝達を行う。

実施例４１は実施例１４〜４０のいずれか１以上の構成を任意に含んでよい。送信側ユーザーは受信側ユーザーのユーザーインターフェース上で識別され、送信側ユーザーは受信側ユーザーのことを考えて、メッセージを送信する受信側ユーザーを選択する。

実施例４２は実施例１４〜４１のいずれか１以上の構成を任意に含んでよい。前記テレパシーコンピューター制御は、心的イメージを所定のアクションを実行するモデルに関連付ける脳活動‐刺激ペアリングを考えることによって実行されるテレパシー拡張現実（ＡＲ）を含む。

実施例４３は実施例１４〜４２のいずれか１以上の構成を任意に含んでよい。前記所定のアクションは、前記ユーザーに、前記脳活動‐刺激ペアリングに関連するＡＲオブジェクトによって創出される知覚信号を提示することを含む。ここで、前記知覚信号は、視覚信号、聴覚信号および触覚信号を含む。

実施例４４は実施例１４〜４３のいずれか１以上の構成を任意に含んでよい。前記所定のアクションは、ＢＣＩ入力のモニタリングにより、前記ユーザーによって意図的に呼び出されないＡＲ経験を提示することを含む。

実施例４５は実施例１４〜４４のいずれか１以上の構成を任意に含んでよい。前記所定のアクションは、脳活動‐刺激ペアリングを考えることにより、ＡＲキャラクターの動作を指揮することを含む。

実施例４６は実施例１４〜４５のいずれか１以上の構成を任意に含んでよい。前記所定のアクションは、前記脳活動‐刺激ペアリングを用いて、モニタされた環境キューにより開始されるアクションを含む。

実施例４７は実施例１４〜４６のいずれか１以上の構成を任意に含んでよい。前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記ステップは、前記ユーザーにより、心的注意を前記ユーザーの視野の異なる区画に集中させることにより、コンピューティングデバイスを操作するステップを含む。

実施例４８は実施例１４〜４７のいずれか１以上の構成を任意に含んでよい。ユーザーに刺激を供給し、前記刺激を前記ユーザーに供給することに応じて、脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを収集し、収集された前記生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付け、前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記工程は、更に、ユーザーの視野の領域に基づいて、心的デスクトップ作業領域を視空間領域に分割するステップと、ユーザーの視野を前記ユーザーの一次視覚野の領域にマップするように前記ユーザーを訓練するステップであって、前記一次視覚野の前記領域は前記視空間領域の１つに対応する、ステップと、前記視空間領域によって再現される前記視野の生理学的に分離された区画に、コンテンツを割り当てるステップと、前記視空間領域の１つを心的に視覚化することによって割り当てられた情報にアクセスして、前記視覚化された視空間領域に割り当てられたコンテンツにアクセスするステップと、を含む。

実施例４９は実施例１４〜４８のいずれか１以上の構成を任意に含んでよい。前記視空間領域は、左目および右目のそれぞれの左半視野および右半視野を含み、各半視野は上方区画と下方区画とに分割される。

実施例５０は実施例１４〜４９のいずれか１以上の構成を任意に含んでよい。ユーザーに刺激を供給し、前記刺激を前記ユーザーに供給することに応じて、脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを収集し、収集された前記生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付け、前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記工程は、更に、ユーザーによって、コンピューター入力の提供に関連する身体位置の動作を想像するステップと、前記対応する身体位置の動作の制御専用の、組織分布的にまとまった脳領域から生じる脳活動を記録するステップと、前記組織分布的にまとまった脳領域における前記記録された脳活動を、前記対応する身体位置の前記動作と相互に関連付けるステップと、前記身体位置の動作を視覚化して前記組織分布的にまとまった脳領域において活動を創出することにより、心的ジェスチャーを実行するステップと、前記記録された脳活動に対応する脳活動を検出するステップと、前記記録された脳活動に対応する前記脳活動の検出に応じて、前記対応する身体位置の前記動作に関連するコンピューター入力を実行するステップと、を含む。

実施例５１は実施例１４〜５０のいずれか１以上の構成を任意に含んでよく、更に、知覚コンピューティング入力を受信するステップを含む。ここで、前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記ステップは、前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを前記知覚コンピューティング入力と相互に関連付けて、前記ユーザーの意図を判定するステップと、判定された前記ユーザーの意図に基づいて、電子デバイスを制御するコマンドを開始するステップと、を含む。

実施例５２は実施例１４〜５１のいずれか１以上の構成を任意に含んでよい。知覚コンピューティング入力を受信する前記ステップは、ジェスチャー、声、視標追跡および表情入力を受信するステップを含む。

実施例５３は実施例１４〜５２のいずれか１以上の構成を任意に含んでよい。知覚コンピューティング入力を受信する前記ステップは、ジェスチャー、声、視標追跡および表情入力のうち少なくとも１つを受信するステップを含む。

実施例５４は実施例１４〜５３のいずれか１以上の構成を任意に含んでよい。収集された前記生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付ける前記ステップは更に、次のセンサー検出イベントがコマンドであることを示すコマンドを開始する前に、前記ユーザーの前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンに対して、パターンを識別するステップ、を含む。

実施例５５は実施例１４〜５４のいずれか１以上の構成を任意に含んでよく、更に、知覚コンピューティング入力を受信するステップを含む。ここで、プロセッサ制御機能を実行する前記ステップは更に、前記脳活動と優先される知覚コンピューティング入力とからのモダリティを示すステップを含む。

実施例５６ 実施例１４〜５５のいずれか１以上の構成を任意に含んでよく、更に、知覚コンピューティング入力の受信と同時に前記ユーザーの前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを測定するステップと、同時期に生じた前記ユーザーの前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンと受信された前記知覚コンピューティング入力とを用いて、入力コマンドを強化するステップと、を含む。

実施例５７は実施例１４〜５６のいずれか１以上の構成を任意に含んでよい。ユーザーに刺激を供給し、前記刺激を前記ユーザーに供給することに応じて、脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを収集し、収集された前記生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付け、前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記工程は、更に、前記ユーザーの脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを測定するステップと、前記ユーザーの脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンに基づいて、前記ユーザーの状態を判定するステップと、判定された前記状態に基づいて、前記ユーザーに反応を提供するステップと、を含む。

実施例５８は実施例１４〜５７のいずれか１以上の構成を任意に含んでよく、更に、知覚コンピューティング入力を受信するステップを含む。ここで、前記知覚コンピューティング入力は、ターゲットを選択する視標追跡を含む。前記ユーザーの前記生物物理的信号の時間的パターンおよび空間的パターンは、前記ターゲットに作用するのに用いられる。

実施例５９は実施例１４〜５８のいずれか１以上の構成を任意に含んでよい。前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記ステップは更に、前記ユーザーの脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを用いて、別のモダリティに応答しているシステムに割り込むステップを含む。

実施例６０は実施例１４〜５９のいずれか１以上の構成を任意に含んでよい。前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記ステップは更に、前記ユーザーの脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを用いて、前記ユーザーの前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンが識別され受信された場合にフィードバックを前記ユーザーに提供するステップを含む。

実施例６１は実施例１４〜６０のいずれか１以上の構成を任意に含んでよい。前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記ステップは更に、相関する前記収集された前記生物物理的信号の時間的パターンおよび空間的パターンに基づいて、ユーザーの状態の変化が変化したと判定された場合に、システムに状たちを変更するように通知するステップを含む。

実施例６２は実施例１４〜６１のいずれか１以上の構成を任意に含んでよく、更に、前記脳活動が生じたときに絶好のタイミングで、前記ユーザーの脳活動をコマンドの有効化にマップするステップを含む。

実施例６３は実施例１４〜６２のいずれか１以上の構成を任意に含んでよく、更に、知覚コンピューティング入力を取得するステップと、知覚コンピューティング入力と前記ユーザーの前記生物物理的信号の時間的パターンおよび空間的パターンとがどのように相互に関連するのかについてのヒューリスティクスを保持するように構成されるデータベースからデータを収集するステップと、前記ユーザーの前記生物物理的信号の時間的パターンおよび空間的パターンと、前記知覚コンピューティング入力と、前記データベースからの前記入力を分析して、ユーザー意図を判定するステップと、判定された前記ユーザー意図に基づいてコマンドを生成するステップと、を含む。

実施例６４は実施例１４〜６３のいずれか１以上の構成を任意に含んでよく、更に、環境因子およびユーザー因子を測定するステップと、干渉の可能性を判定するステップと、判定された前記干渉の可能性に基づいて、前記ユーザーの前記生物物理的信号の時間的パターンおよび空間的パターンを調節するステップと、を含む。

実施例６５は実施例１４〜６４のいずれか１以上の構成を任意に含んでよい。前記プロセッサ制御機能は、心的イメージを所定のアクションを実行するためのモデルと関連付ける脳活動‐刺激ペアリングを考えることによって、テレパシー拡張現実（ＡＲ）を実行することと、ＢＣＩ入力のモニタリングにより、前記ユーザーにより意図的に呼び出されないＡＲ経験を提示することと、脳活動‐刺激ペアリングを考えることにより、ＡＲキャラクターの動作を指揮することと、前記脳活動‐刺激ペアリングをモニタされる環境キューと共に用いて開始されるアクションと、からなるアクション群から選択される１つを備える。

実施例６６は、実施例１〜６５のいずれか１つの構成を含んでよく、或いは実施例１〜６５のいずれか１つの構成と任意に組み合わされてよく、ユーザーに刺激を供給するステップと、前記刺激を前記ユーザーに供給することに応じて、脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを収集するステップと、収集された前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付けて、ユーザー脳シグネチャを識別するステップと、収集された前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンの相互関連付けによって識別された前記ユーザー脳シグネチャに基づいて、プロセッサ制御機能を実行するステップと、を含む構成（例えば、工程を実行する手段や、機械によって実行されると前記機械に工程を実行させる命令を有する機械可読媒体）を含む。

実施例６７は実施例６６の構成を任意に含んでよい。ユーザーに刺激を供給し、前記ユーザーに刺激を供給することに応じて、脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを収集し、収集された前記生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付ける工程は、更に、前記刺激に基づいてユーザーの脳シグネチャを較正するステップと、現在測定される脳シグネチャと前記較正された脳シグネチャとを比較することにより、前記ユーザーを認証するステップと、を含む。

実施例６８は実施例６６〜６７のいずれか１以上の構成を任意に含んでよい。ユーザーの脳シグネチャを較正する前記ステップは、ユーザーに刺激セットを提示して脳活動反応を誘発するステップと、提示された前記刺激セットに応じた脳の解剖学的構造および活動を測定するステップと、前記脳の解剖学的構造および活動の測定結果のパターン認識を実行して、前記ユーザーの脳シグネチャを創出するステップと、創出された前記脳シグネチャを保存するステップと、保存された前記脳シグネチャを所定の集団の解剖学的および生理学的脳シグネチャのデータベースに加えるステップと、を含む。

実施例６９は実施例６６〜６８のいずれか１以上の構成を任意に含んでよい。前記ユーザーを認証する前記ステップは、以前に適用された刺激セットをユーザーに提示して、脳活動反応を誘発するステップと、前記以前に適用された刺激セットに基づいて、前記ユーザーの脳の解剖学的構造および活動を測定するステップと、前記脳の解剖学的構造および活動の測定結果のパターン認識を実行して、前記ユーザーの脳シグネチャを創出するステップと、前記脳シグネチャを前記ユーザーの前記較正された脳シグネチャと比較することにより、前記パターン認識の実行によって得られた前記ユーザーの前記脳シグネチャを分析するステップと、を含む。

実施例７０は実施例６６〜６９のいずれか１以上の構成を任意に含んでよい。前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記ステップは、収集された前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンに応じた機能を実行するように装置に指示するステップを含む。

実施例７１は実施例６６〜７０のいずれか１以上の構成を任意に含んでよい。ユーザーに刺激を供給し、前記刺激を前記ユーザーに供給することに応じて、脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを収集し、収集された前記生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付け、前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記工程は、更に、ユーザーに刺激セットを提示するステップと、前記ユーザーの脳−コンピューターインターフェース（ＢＣＩ）測定結果を取得するステップと、前記ＢＣＩ測定結果から、所定の刺激と信頼性の高い相関を有する脳活動‐刺激ペアリングの候補を識別するステップと、脳活動‐刺激ペアリングの候補を保存するステップと、前記ユーザーが前記刺激を想像しているときに、信頼性の高い相関を有する脳活動‐刺激ペアリングを決定するステップと、前記ユーザーが前記刺激を想像しているときに、前記信頼性の高い相関を有する脳活動‐刺激ペアリングを保存するステップと、相関するＢＣＩ測定結果が検出された場合に前記刺激を読み出し表示して、テレパシーコンピューター制御を実行するステップと、を含む。

実施例７２は実施例６６〜７１のいずれか１以上の構成を任意に含んでよい。前記テレパシーコンピューター制御は、検索オブジェクトに関連するＢＣＩ尺度とペアにされる刺激の心的イメージを再形成することにより、前記ユーザーによって実行されるテレパシー検索を含む。

実施例７３は実施例６６〜７２のいずれか１以上の構成を任意に含んでよい。前記テレパシー検索は、ユーザーの思考パターンを、前記思考パターンに関連する脳活動測定結果に応じて作成される、前記ユーザーの脳パターンに分類されるコンテンツのデータベースとマッチングして検索結果を生成し、前記データベースに含まれるコンテンツと関連することが既知の要素とマッチする前記思考パターンの要素の数に基づいて、前記検索結果を加重することによって、実行される。

実施例７４は実施例６６〜７３のいずれか１以上の構成を任意に含んでよい。前記テレパシーコンピューター制御はテレパシー情報伝達を含む。ここで、共通の心的語彙による訓練を受けた少なくとも２人のユーザーは、前記共通の心的語彙を用いて、脳活動‐刺激ペアリングに基づいて互いに情報伝達を行う。

実施例７５は実施例６６〜７４のいずれか１以上の構成を任意に含んでよい。送信側ユーザーは受信側ユーザーのユーザーインターフェース上で識別される。

実施例７６は実施例６６〜７５のいずれか１以上の構成を任意に含んでよい。送信側ユーザーは受信側ユーザーのことを考えて、メッセージを送信する受信側ユーザーを選択する。

実施例７７は実施例６６〜７６のいずれか１以上の構成を任意に含んでよい。前記テレパシーコンピューター制御は、心的イメージを所定のアクションを実行するためのモデルに関連付ける脳活動‐刺激ペアリングを考えることによって実行されるテレパシー拡張現実（ＡＲ）を含む。

実施例７８は実施例６６〜７７のいずれか１以上の構成を任意に含んでよい。前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記ステップは、前記ユーザーにより、心的注意を前記ユーザーの視野の異なる区画に集中させることにより、コンピューティングデバイスを操作するステップを含む。

実施例７９は実施例６６〜７８のいずれか１以上の構成を任意に含んでよい。ユーザーに刺激を供給し、前記刺激を前記ユーザーに供給することに応じて、脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを収集し、収集された前記生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付け、前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記工程は、更に、ユーザーの視野の領域に基づいて、心的デスクトップ作業領域を視空間領域に分割するステップと、ユーザーの視野の領域に基づいて、心的デスクトップ作業領域を視空間領域に分割するステップと、ユーザーの視野を前記ユーザーの一次視覚野の領域にマップするように前記ユーザーを訓練するステップであって、前記一次視覚野の前記領域は前記視空間領域の１つに対応する、ステップと、前記視空間領域によって再現される前記視野の生理学的に分離された区画に、コンテンツを割り当てるステップと、前記視空間領域の１つを心的に視覚化することによって割り当てられた情報にアクセスして、前記視覚化された視空間領域に割り当てられたコンテンツにアクセスするステップと、を含む。

実施例８０は実施例６６〜７９のいずれか１以上の構成を任意に含んでよく、更に、知覚コンピューティング入力を受信するステップを含む。ここで、前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記ステップは、前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを前記知覚コンピューティング入力と相互に関連付けて、前記ユーザーの意図を判定するステップと、判定された前記ユーザーの意図に基づいて、電子デバイスを制御するコマンドを開始するステップと、を含む。

実施例８１は実施例６６〜８０のいずれか１以上の構成を任意に含んでよい。知覚コンピューティング入力を受信する前記ステップは、ジェスチャー、声、視標追跡および表情入力を受信するステップを含む。

実施例８２は実施例６６〜８１のいずれか１以上の構成を任意に含んでよい。知覚コンピューティング入力を受信する前記ステップは、ジェスチャー、声、視標追跡および表情入力のうち少なくとも１つを受信するステップを含む。

実施例８３は実施例６６〜８２のいずれか１以上の構成を任意に含んでよい。収集された前記生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付ける前記ステップは更に、次のセンサー検出イベントがコマンドであることを示すコマンドを開始する前に、前記ユーザーの前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンに対して、パターンを識別するステップ、を含む。

実施例８４は実施例６６〜８３のいずれか１以上の構成を任意に含んでよく、更に、知覚コンピューティング入力を受信するステップを含む。プロセッサ制御機能を実行する前記ステップは更に、前記脳活動と優先される知覚コンピューティング入力とからのモダリティを示すステップを含む。

実施例８５は実施例６６〜８４のいずれか１以上の構成を任意に含んでよく、更に、知覚コンピューティング入力の受信と同時に前記ユーザーの前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを測定するステップと、同時期に生じた前記ユーザーの前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンと受信された前記知覚コンピューティング入力とを用いて、入力コマンドを強化するステップと、を含む。

実施例８６は実施例６６〜８５のいずれか１以上の構成を任意に含んでよい。ユーザーに刺激を供給し、前記刺激を前記ユーザーに供給することに応じて、脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを収集し、収集された前記生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付け、前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記工程は、更に、前記ユーザーの脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを測定するステップと、前記ユーザーの脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンに基づいて、前記ユーザーの状態を判定するステップと、判定された前記状態に基づいて、前記ユーザーに反応を提供するステップと、を含む。

実施例８７は実施例６６〜８６のいずれか１以上の構成を任意に含んでよく、更に、知覚コンピューティング入力を受信するステップを含む。ここで、前記知覚コンピューティング入力は、ターゲットを選択する視標追跡を含む。前記ユーザーの前記生物物理的信号の時間的パターンおよび空間的パターンは、前記ターゲットに作用するのに用いられる。

実施例８８は実施例６６〜８７のいずれか１以上の構成を任意に含んでよい。前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記ステップは更に、前記ユーザーの脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを用いて、別のモダリティに応答しているシステムに割り込むステップを含む。

実施例８９は実施例６６〜８８のいずれか１以上の構成を任意に含んでよい。前記テレパシーコンピューター制御は、検索オブジェクトに関連するＢＣＩ尺度とペアにされる刺激の心的イメージを再形成することにより、前記ユーザーによって実行されるテレパシー検索と、共通の心的語彙による訓練を受けた少なくとも２人のユーザーが、前記共通の心的語彙を用いて、脳活動‐刺激ペアリングに基づいて互いに情報伝達を行うテレパシー情報伝達と、心的イメージを所定のアクションを実行するためのモデルに関連付ける脳活動‐刺激ペアリングを考えることによって実行されるテレパシー拡張現実（ＡＲ）と、からなる制御群から選択される１つを備える。

実施例９０は実施例６６〜８９のいずれか１以上の構成を任意に含んでよい。前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記ステップは、検出された心的注意を前記ユーザーの視野の異なる区画に集中させることにより、コンピューティングデバイスを操作することと、ユーザーの視野の領域に基づいて、心的デスクトップ作業領域を視空間領域に分割することにより、心的デスクトップを提供し、ユーザーの視野を前記ユーザーの一次視覚野の領域にマップするように前記ユーザーを訓練し、ここで前記一次視覚野の前記領域は前記視空間領域の１つに対応し、前記視空間領域によって再現される前記視野の生理学的に分離された区画に、コンテンツを割り当て、前記視空間領域の１つを心的に視覚化することによって割り当てられた情報にアクセスして、前記視覚化された視空間領域に割り当てられたコンテンツにアクセスすることと、前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを前記知覚コンピューティング入力と相互に関連付けて、前記ユーザーの意図を判定し、判定された前記ユーザーの意図に基づいて、電子デバイスを制御するコマンドを開始することと、前記ユーザーの脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを測定し、前記ユーザーの脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンに基づいて、前記ユーザーの状態を判定し、判定された前記状態に基づいて、前記ユーザーに反応を提供することにより、前記ユーザー脳シグネチャに基づくプロセッサ制御機能を実行することと、前記ユーザーの脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを用いて、別のモダリティに応答しているシステムに割り込むことと、からなる機能群から選択される１つを備える。

上述の詳細な説明は添付の図面の参照を含み、添付の図面は詳細な説明の一部を構成する。図面は、例示として、実施可能な特定の実施形態を示す。これらの実施形態は、本明細書において「実施例」ともよばれる。かかる実施例は、図示または記載される要素とは別の要素を含んでよい。しかしながら、図示または記載された要素を含む実施例も考慮される。更に、特定の実施例（またはそれらの１以上の態様）に関して、または、本明細書に図示または記載の他の実施例（またはそれらの１以上の態様）に関して、図示または記載の要素（またはそれらの１以上の態様）の任意の組合わせまたは置換を用いる実施例も考慮される。

本明細書で参照された公刊物、特許および特許文献は、参照により個別に援用されるかのように、参照によりその全体が本明細書に援用される。本明細書と参照に援用された文献との間で用法が一致しない場合、援用された引用での用法は、本明細書での用法に対して補助的なものである。不一致が矛盾する場合、本明細書での用法が支配する。本明細書において、要素が単数で記載される場合、特許文献では一般的であるように、１または２以上の場合が包含され、その他の例または「少なくとも１つ」または「１以上」の使用と無関係である。本明細書では、「または」という表現は非排他的なものであり、よって、「ＡまたはＢ」は、別段の指定がない限り「ＡだがＢではない」、「ＢだがＡではない」および「ＡおよびＢ」の場合を包含する。添付の特許請求の範囲において、“including”と“in which”は、それぞれ“comprising”と“wherein”の分かりやすい同義の英語として用いられる。また、以下の特許請求の範囲において、「含む」「有する」「備える」はオープンエンドであり、すなわち、請求項中でかかる語句の後に列挙されるものに加えて要素を有するシステム、装置、項目またはプロセスも、該請求項の範囲に包含されるものとみなされる。更に、以下の特許請求の範囲において、「第１」「第２」「第３」等の語句はラベルとして用いられるに過ぎず、当該オブジェクトの番号順を示唆する意図はない。

上記の記載は例示を意図するものであり、限定を意図するものではない。例えば、上記の実施例（またそれらの１以上の態様）は、他と組み合わせて用いられてよい。例えば当該技術分野の当業者が上記記載を見て成すもののような、他の実施形態が用いられてよい。要約書は、読者が本技術の開示の性質を素早く確認できるようにするためのものであり、例えば、米国の３７Ｃ．Ｆ．Ｒ．§１．７２（ｂ）に準拠する。この理解により、要約書は特許請求の範囲の範囲または意味の解釈または限定に用いられるものではないと思量される。また、上記の詳細な説明において、本開示を簡素化するために、様々な特徴がグループ化される場合がある。しかしながら、実施形態は該特徴のサブセットを含み得るので、特許請求の範囲には本明細書に記載の特徴が記載されない場合がある。更に、実施形態に含まれる特徴は、特定の実施例において開示された特徴よりも少なくてよい。このように、請求項が別々の実施形態として自立した状態で、以下の特許請求の範囲は詳細な説明に援用される。本明細書に記載の実施形態の範囲は、かかる請求項が権利を付与される均等物の全範囲と共に、添付の特許請求の範囲を参照して決定されるものとする。

Claims (14)

1. ユーザーに刺激を供給するステップと、
   前記刺激を前記ユーザーに供給することに応じて、脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを収集するステップと、
   収集された前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付けて、ユーザー脳シグネチャを識別するステップと、
   収集された前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンの相互関連付けによって識別された前記ユーザー脳シグネチャに基づいて、プロセッサ制御機能を実行するステップと、
   を備える、脳‐コンピューターインターフェース（ＢＣＩ）を提供する方法であって、
   ユーザーに脳モニタ装置を提供するステップと、
   前記ユーザーに前記刺激に関連する一連の経験を経験させるステップと、
   を更に含み、
   収集された前記時間的パターンおよび空間的パターンを相互に関連付ける前記ステップは、
   収集された空間的および時間的な脳活動パターンを特徴づけて、前記ユーザー脳シグネチャを特定するステップ、
   を含み、
   収集された空間的および時間的な脳活動パターンを特徴づけて、前記ユーザー脳シグネチャを特定する前記ステップは、
   刺激に応じて記録された脳活動パターンを前記刺激に関連する特徴的な心的プロファイルに変換するステップと、
   各個人について前記刺激に対する心的プロファイルをデータベースに保持するステップと、
   個人データおよび特性を前記心的プロファイルに組み込むステップと、
   前記ユーザーの前記刺激に応じた前記心的プロファイルと他のユーザーの前記刺激に関連する少なくとも１つの心的プロファイルとの心的マッチを識別するステップと、
   心的マッチの確率的またはパーセンテージスコアを提供するステップと、
   を含む、方法。
2. プロセッサ制御機能を実行する前記ステップは、更に、
   前記ユーザー脳シグネチャに基づいて、前記ユーザーの特徴的な心的プロファイルを構築するステップと、
   心的嗜好および人格特性のモデルを確立するステップと、
   確立された前記モデルを用いて前記ユーザーの人々の団体との親和性を予測するステップと、
   を含む、請求項１に記載の方法。
3. ユーザーに刺激を供給し、前記ユーザーに刺激を供給することに応じて、脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを収集し、収集された前記生物物理的信号の時間的パターンおよび空間的パターンを相互に関連付ける工程は、更に、
   前記刺激に基づいてユーザーの脳シグネチャを較正するステップと、
   現在測定される脳シグネチャと前記較正された脳シグネチャとを比較することにより、前記ユーザーを認証するステップと、
   を含み、
   前記刺激に基づいてユーザーの脳シグネチャを較正する前記ステップは、
   ユーザーに刺激セットを提示して脳活動反応を誘発するステップと、
   提示された前記刺激セットに応じた脳の解剖学的構造および活動を測定するステップと、
   前記脳の解剖学的構造および活動の測定結果のパターン認識を実行して、前記ユーザーの脳シグネチャを創出するステップと、
   創出された前記脳シグネチャを保存するステップと、
   保存された前記脳シグネチャを所定の集団の解剖学的および生理学的脳シグネチャのデータベースに加えるステップと、
   を含み、
   前記ユーザーを認証する前記ステップは、
   以前に適用された刺激セットをユーザーに提示して、脳活動反応を誘発するステップと、
   前記以前に適用された刺激セットに基づいて、前記ユーザーの脳の解剖学的構造および活動を測定するステップと、
   前記脳の解剖学的構造および活動の測定結果のパターン認識を実行して、前記ユーザーの脳シグネチャを創出するステップと、
   前記脳シグネチャを前記ユーザーの前記較正された脳シグネチャと比較することにより、前記パターン認識の実行によって得られた前記ユーザーの前記脳シグネチャを分析するステップと、
   を含む、請求項１または２に記載の方法。
4. 前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記ステップは、収集された前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンに応じた機能を実行するように装置に指示するステップを含む、
   請求項１乃至３のいずれか一項に記載の方法。
5. 前記ユーザーに刺激セットを提示するステップと、
   前記ユーザーの脳−コンピューターインターフェース（ＢＣＩ）測定結果を取得するステップと、
   前記ＢＣＩ測定結果から、所定の刺激と信頼性の高い相関を有する脳活動‐刺激ペアリングの候補を識別するステップと、
   前記脳活動‐刺激ペアリングの候補を保存するステップと、
   前記ユーザーが前記刺激を想像しているときに、信頼性の高い相関を有する脳活動‐刺激ペアリングを決定するステップと、
   前記ユーザーが前記刺激を想像しているときに、前記信頼性の高い相関を有する脳活動‐刺激ペアリングを保存するステップと、
   相関するＢＣＩ測定結果が検出された場合に前記刺激を読み出し表示して、テレパシーコンピューター制御を実行するステップと、
   を含み、
   前記テレパシーコンピューター制御は、検索オブジェクトに関連するＢＣＩ尺度とペアにされる刺激の心的イメージを再形成し、ユーザーの思考パターンを、前記思考パターンに関連する脳活動測定結果に応じて作成される、前記ユーザーの脳パターンに分類されるコンテンツのデータベースとマッチングして検索結果を生成し、前記データベースに含まれるコンテンツと関連することが既知の要素とマッチする前記思考パターンの要素の数に基づいて、前記検索結果を加重することにより、前記ユーザーによって実行されるテレパシー検索と、
   共通の心的語彙による訓練を受けた少なくとも２人のユーザーが、前記共通の心的語彙を用いて、脳活動‐刺激ペアリングに基づいて互いに情報伝達を行う、テレパシー情報伝達と、
   心的イメージを所定のアクションを実行するためのモデルに関連付ける脳活動‐刺激ペアリングを考えることによって実行されるテレパシー拡張現実（ＡＲ）と、
   のうち少なくとも１つを含む、
   請求項１乃至４のいずれか一項に記載の方法。
6. 前記テレパシー検索は、マルチボクセルパターン分析（ＭＶＰＡ）と機能的近赤外分光法（ｆＮＩＲＳ）との組み合わせを用いて実行され、特定の思考と相関する脳活動の分布パターンを識別するテレパシー検索を含む、
   請求項５に記載の方法。
7. 前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記ステップは、前記ユーザーにより、心的注意を前記ユーザーの視野の異なる区画に集中させることにより、コンピューティングデバイスを操作するステップを含む、
   請求項１乃至６のいずれか一項に記載の方法。
8. ユーザーの視野の領域に基づいて、心的デスクトップ作業領域を視空間領域に分割するステップと、
   ユーザーの視野を前記ユーザーの一次視覚野の領域にマップするように前記ユーザーを訓練するステップであって、前記一次視覚野の前記領域は前記視空間領域の１つに対応する、ステップと、
   前記視空間領域によって再現される前記視野の生理学的に分離された区画に、コンテンツを割り当てるステップと、
   前記視空間領域の１つを心的に視覚化することによって割り当てられた情報にアクセスして、前記視覚化された視空間領域に割り当てられたコンテンツにアクセスするステップと、
   を更に含む、請求項１乃至７のいずれか一項に記載の方法。
9. 前記視空間領域は、左目および右目のそれぞれの左半視野および右半視野を含み、各半視野は上方区画と下方区画とに分割される、
   請求項８に記載の方法。
10. 知覚コンピューティング入力を受信するステップ、を更に含み、
    前記ユーザー脳シグネチャに基づいてプロセッサ制御機能を実行する前記ステップは、
    前記脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを前記知覚コンピューティング入力と相互に関連付けて、前記ユーザーの意図を判定するステップと、
    判定された前記ユーザーの意図に基づいて、電子デバイスを制御するコマンドを開始するステップと、
    を含む、
    請求項１乃至９のいずれか一項に記載の方法。
11. 前記ユーザーの脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンを測定するステップと、
    前記ユーザーの脳活動に関連する生物物理的信号の時間的パターンおよび空間的パターンに基づいて、前記ユーザーの状態を判定するステップと、
    判定された前記状態に基づいて、前記ユーザーに反応を提供するステップと、
    を更に含む、請求項１乃至１０のいずれか一項に記載の方法。
12. 請求項１乃至１１のいずれか一項に記載の方法を実行する手段を備える装置。
13. 請求項１乃至１１のいずれか一項に記載の方法をコンピューターに実行させるためのプログラム。
14. 請求項１３に記載のプログラムを格納した少なくとも１つのコンピューター可読記憶媒体。

Images