据 处理部32中，受验者2的关注区域被图像化。
[0110] 磁场施加机构11具备静磁场发生线圈12、倾斜磁场发生线圈14、RF照射部16W 及在孔中载置受验者2的床18。
[0111] 受验者2在床18上例如仰邸。虽未特别限定，但受验者2例如能够通过棱镜眼镜 4看到与Z轴垂直地设置的显示器6上显示的画面。通过该显示器6的图像来对受验者2 施加视觉刺激。此外，对受验者2的视觉刺激也可W是通过投影仪将图像投影到受验者2 的眼前的结构。
[0112] 运种视觉刺激在上述的神经反馈中相当于反馈信息的呈现。
[0113] 驱动部21具备静磁场电源22、倾斜磁场电源24、信号发送部26、信号接收部28W 及使床18移动到Z轴方向上的任意位置的床驱动部30。
[0114] 数据处理部32具备：输入部40,其从操作者（省略图示）受理各种操作和信息输 入；显示部38,其对与受验者2的关注区域有关的各种图像和各种信息进行画面显示；显示 控制部34,其控制显示部38的显示；存储部36,其存储用于执行各种处理的程序、控制参 数、图像数据（构造图像等）W及其它电子数据；控制部42,其对产生使驱动部21驱动的 控制时序等的各功能部的动作进行控制；接口部44,其与驱动部21之间执行各种信号的发 送接收；数据收集部46,其收集包括源于关注区域的一组NMR信号的数据；图像处理部48， 其基于该NMR信号的数据来形成图像；W及网络接口 50,其用于执行与网络之间的通信。
[0115] 另外，数据处理部32除了是专用计算机的情况W外，也包括如下情况：是执行使 各功能部动作的功能的通用计算机，基于安装于存储部36的程序来进行所指定的运算、数 据处理W及控制时序的产生。下面，设数据处理部32是通用计算机来进行说明。
[0116] 静磁场发生线圈12向绕Z轴卷绕的螺旋线圈流通从静磁场电源22提供的电流来 使螺旋线圈产生感应磁场，使得在孔中产生Z轴方向的静磁场。将受验者2的关注区域设 定在形成于该孔的静磁场的均匀性高的区域。在此，更为详细地说，静磁场发生线圈12例 如包括四个空屯、线圈，利用其组合来在内部生成均匀的磁场，对受验者2的体内的规定的 原子核、更特定地说是对氨原子核的自旋（spin)赋予取向性。
[0117] 倾斜磁场发生线圈14包括X线圈、Y线圈W及Z线圈（省略图示），设置在呈圆筒 形状的静磁场发生线圈12的内周面。
[011引运些X线圈、Y线圈W及Z线圈分别顺次地切换X轴方向、Y轴方向W及Z轴方向， 来对孔内的均匀磁场叠加倾斜磁场，W对静磁场赋予强度梯度。在Z线圈激励时，使磁场强 度向Z方向倾斜来限定共振面，在施加Z方向的磁场之后Y线圈紧接着加W短时间的倾斜 地向检测信号施加与Y坐标成比例的相位调制（相位编码），接着在数据采集时X线圈加W 倾斜地向检测信号施加与X坐标成比例的频率调制（频率编码）。
[0119] 该叠加的倾斜磁场的切换是通过按照控制时序从倾斜磁场电源24向X线圈、Y线 圈W及Z线圈分别输出不同的脉冲信号来实现的。由此，能够确定NMR现象所表现的受验 者2的位置，能够提供形成受验者2的图像所需的=维坐标上的位置信息。
[0120] 在此，如上所述，使用S组正交的倾斜磁场，对运些倾斜磁场分别分配切片方向、 相位编码方向W及频率编码方向，利用其组合来能够从各种角度进行拍摄。例如，除了能够 拍摄与通过X射线CT装置拍摄的方向相同的方向的横向切片（transverseslice)W外， 还能够拍摄与其正交的矢状切片（sagittalslice)和冠状切片（coronalslice)、W及垂 直于面的方向不与=组正交的倾斜磁场的轴平行的斜切片（obliqueslice)等。
[0121] RF照射部16用于基于按照控制时序从信号发送部26发送的高频信号，来向受验 者2的关注区域照射RF(Radio化equen巧：射频）脉冲。
[0122] 此外，在图1中，RF照射部16内置于磁场施加机构11，但也可W设置于床18,或 者与接收线圈20 -体化。
[0123] 接收线圈20用于检测来自受验者2的响应波（NMR信号），为了高灵敏度地检测该 NMR信号，接近受验者2地配置该接收线圈20。
[0124] 在此，在接收线圈20中，当NMR信号的电磁波切割其线圈线材时基于电磁感应而 产生微弱电流。该微弱电流在信号接收部28中被放大，进一步从模拟信号变换为数字信号 后被送至数据处理部32。
[0125] 目P，该机制如下。通过RF照射部16向处于在静磁场上加上Z轴倾斜磁场的状态的 受验者2施加共振频率的高频电磁场。磁场的强度满足共振条件的部分的规定的原子核、 例如氨原子核被选择性地激励而开始共振。处于符合共振条件的部分（例如，受验者2的 规定厚度的断层）的规定的原子核被激励，原子核的自旋轴一齐开始进动。当停止激励脉 冲时，在接收线圈20中，本次是正在进动的原子核所放射的电磁波感应出信号，在一段时 间内检测出该信号。根据该信号，来观察受验者2的体内的包含规定的原子的组织。然后， 为了获知信号的发送位置，加上X和Y的倾斜磁场来探测信号。
[0126] 图像处理部48基于存储部36中构建的数据，一边重复施加激励信号一边测定检 测信号，通过第一次傅立叶变换计算来将共振的频率还原为X坐标，通过第二次傅立叶变 换来还原Y坐标，从而得到图像，并在显示部38上显示对应的图像。
[0127] 例如，通过运种MRI系统，实时地拍摄上述的BOLD信号，通过控制部42对按 时间序列拍摄的图像进行如后面说明那样的分析处理，由此能够进行静息态功能连接 MRI(rs-fcMRI)的拍摄。
[012引图2是数据处理部32的硬件框图。
[0129] 作为数据处理部32的硬件，如上所述那样不特别限定，能够使用通用计算机。
[0130] 在图2中，数据处理部32的计算机主体2010除了存储器驱动器2020、盘驱动器 2030W外，还包括：CPU2040 ;总线2050,其连接在盘驱动器2030和存储器驱动器2020上； ROM2060,其用于存储启动程序等程序；RAM2070,其用于临时存储应用程序的命令并且提 供临时存储空间；非易失性存储装置2080,其用于存储应用程序、系统程序W及数据；W及 通信接口 2090。通信接口 2090相当于用于与驱动部21等进行信号的发送接收的接口部 44W及用于经由未图示的网络而与其它计算机进行通信的网络接口 50。此外，作为非易失 性存储装置2080,能够使用硬盘（皿D)或固态硬盘（SSD:SolidState化ive)等。非易失 性存储装置2080相当于存储部36。
[0131] CPU2040通过基于程序而执行的运算处理来实现数据处理部32的各功能、例如 控制部42、数据收集部46、图像处理部48的各功能。
[0132] 使数据处理部32执行上述实施方式的功能的程序也可W被存储在CD-ROM2200 或存储器介质2210中并被插入到盘驱动器2030或存储器驱动器2020并进一步被传输至 非易失性存储装置2080。程序在执行时被加载至RAM2070。
[0133] 数据处理部32还具备作为输入装置的键盘2100和鼠标2110W及作为输出装置 的显示器2120。键盘2100和鼠标2110相当于输入部40,显示器2120相当于显示部38。
[0134] 用于作为如上所述的数据处理部32而发挥功能的程序也可W未必包括使计算机 主体2010执行信息处理装置等的功能的操作系统（0巧。程序只要仅包括用于在受控制的 方式下调用适当的功能（模块）从而得到期望的结果的命令的部分即可。数据处理部32 如何动作运是众所周知的，因此省略详细的说明。
[0135] 另外，执行上述程序的计算机既可W是单个也可W是多个。目P，可W进行集中处 理，或者也可W进行分散处理。
[0136] 图3是表示通过本实施方式的rs-fcMRI法拍摄的脑的关注区域（R0I:Regionof Interest)的图。
[0137] 在此，设W针对自闭症谱系（AutisticSpectrumDisorder:ASD)的生物标记物为 例，采用93个区域作为关注区域。
[013引作为运种关注区域，例如存在如W下那样的区域。
[0139] 背内侧前额叶皮质（DMPFC:DorsomedialPrefrontalCortex)
[0140] 腹内侧前额叶皮质（VMPFC:Vent;romedialPrefrontalCortex)
[014d前扣带回皮质（ACC,AnteriorCingulateCortex)
[014引 小脑蝴部（CerebellarVermis)，
[0143] 左侧丘脑（XeftHialamus)，
[0144] 右下顶叶巧i曲tInferiorParietalLobe)，
[0145] 右侧尾状核巧i曲tCaudateNucleus)，
[0146] 右中枕叶巧i曲tMiddleOccipitalLobe)，
[0147] 右中扣带回皮质巧i曲tMiddleCingulateCortex)，
[014引但是，所采用的脑区并不限定于运样的区域。
[0149] 例如，也可W根据作为对象的神经/精神疾病来变更所选择的区域。
[0150] 图4是表示针对如图3所示的关注区域提取表示静息态的功能连接的相关性的相 关矩阵（correlationmatrix)的过程的概念图。
[0151] 如图4所示，根据实时地测定出的静息态的fMRI的n个（n:自然数）时刻的fMRI 数据，计算各关注区域的平均的"活动度"，计算脑区域间（关注区域间）的活动度的相关 值。
[0152] 在此，作为关注区域，如上述那样考虑93个区域，因此，当考虑对称性时，相关矩 阵中的独立的非对角元素为：
[0153] (93X93-93)/2 = 4278(个）。
[0154] 此外，在图4中，在图上仅示出34X34的相关性。
[0155] 图5是说明根据如图4中说明那样的相关矩阵来生成成为生物标记物的判别器的 过程的概念图。
[0156] 如图5所示，数据处理部32根据在健康组（在本例中为114人）、患者组（在本例 中为74人）中测定出的静息态功能连接MRI的数据，针对各个受验者通过后面说明那样的 过程来导出脑区域间（关注区域间）的活动度的相关矩阵。
[0157] 接着，由数据处理部32通过正则化典型相关分析对包括受验者的疾病/健康标签 在内的受验者的属性W及相关矩阵进行特征提取。"正则化"一般是指如下方法：在机器学 习和统计学中，对误差函数追加正则化项来对模型的复杂度和自由度加W抑制，从而防止 过学习。此外，在正则化典型相关分析的结果、对于解释变量还同时实现了稀疏化的情况 下，特别地称为稀疏典型相关分析（SCCA)。下面，作为具体例，设进行SCCA来进行说明。 [015引并且，由数据处理部32基于正则化典型相关分析的结果，通过利用稀疏逻辑回归 的判别分析来生成判别器。
[0159] 此外，如后面说明的那样，健康组和患者组的数据不限于由MRI装置10本身来测 定，也可W将在其它MRI装置中测定出的数据也合并来进行判别器的生成。另外，更一般地 说，数据处理部32无需一定是用于执行MRI装置的控制的计算机，也可W是专用于接收来 自多个MRI装置的测定数据来进行判别器的生成处理并通过所生成的判别器进行判别处 理的计算机。
[0160] 图6是用于说明为了生成成为生物标记物的判别器而由数据处理部32进行的处 理的流程图。
[0161] 下面，参照图6来更详细地说明图5中说明的处理。
[0162] 基于根据静息态的fMRI数据导出的脑区之间的连接W及受验者的疾病的判别标 签来制作生物标记物时的最大问题在于，与数据的数量相比，数据的维数压倒性地多。因 此，若不进行正则化而使用数据组来进行用于预测疾病的判别标签（在此，将表示受验者 是患有疾病还是健康的标签称为"疾病的判别标签"）的判别器的学习，则判别器过拟合 (over-fit),对于未知数据的预测性能显著下降。
[0163] 在此，一般在机器学习中，将W用更少数量的解释变量来解释观测数据的方式进 行的处理称为"变量选择（