DE69530768T2 - System und verfahren zum analysieren des zerebralen biopotentials - Google Patents

System und verfahren zum analysieren des zerebralen biopotentials Download PDF

Info

Publication number
DE69530768T2
DE69530768T2 DE69530768T DE69530768T DE69530768T2 DE 69530768 T2 DE69530768 T2 DE 69530768T2 DE 69530768 T DE69530768 T DE 69530768T DE 69530768 T DE69530768 T DE 69530768T DE 69530768 T2 DE69530768 T2 DE 69530768T2
Authority
DE
Germany
Prior art keywords
diagnostic index
section
auto
variable
spectral values
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
DE69530768T
Other languages
English (en)
Other versions
DE69530768D1 (de
Inventor
G. Nassib CHAMOUN
C. Jeffrey SIGL
P. Charles SMITH
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aspect Medical Systems LLC
Original Assignee
Aspect Medical Systems LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Aspect Medical Systems LLC filed Critical Aspect Medical Systems LLC
Application granted granted Critical
Publication of DE69530768D1 publication Critical patent/DE69530768D1/de
Publication of DE69530768T2 publication Critical patent/DE69530768T2/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4821—Determining level or depth of anaesthesia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms

Description

  • Hintergrund der Erfindung
  • Die gegenständliche Erfindung betrifft ein Echtzeit-System und Verfahren zum Analysieren des zerebralen Biopotenzials mit hoher Auflösung und insbesondere ein computerbasiertes Biopotenzialdiagnose-System und Verfahren zur quantitativen Ermittlung – auf nicht invasive Weise – von zerebralen Phänomenen, die durch Analysieren der Eigenschaften von zerebralen elektrischen Aktivitäten festgestellt werden können.
  • Trotz eines beträchtlichen Zeitaufwandes und Bemühungen waren die bisherigen Ansätze bei einer quantitativen, nicht-invasiven Beurteilung von zerebraler elektrischer Aktivität, wie sie in einer elektroenzephalografischen Wellenform (EEG) darstellt ist, nicht erfolgreich in Bezug auf das vollständige Ausschöpfen der gesamten Information, die in dieser komplexen Wellenform vorhanden ist. Es besteht ein großer Bedarf nach einer genauen, empfindlichen, verlässlichen und praktischen neurologischen Profilierungstechnologie. Insbesondere haben sich die bisherigen intraoperativen EEG-Überwachungstechniken auf Grund ihrer inhärenten Beschränkungen nicht weithin durchgesetzt. Ähnliche Beschränkungen betreffen die Intensivstationen, wo ein einfaches, leicht anzuwendendes Verfahren zur Beurteilung des Gehirnzustandes von großem Nutzen für den Intensivarzt wäre.
  • Eine Anzahl von Geräten, die nach dem Stand der Technik bekannt sind, haben die Fähigkeit, zerebrale Aktivitäten qualitativ zu verfolgen. Verfahren, welche die Anwendung von klassischem, konventionellem, analogem EEG umfassen, sind auf die Analyse im Zeitbereich beschränkt und erfordern ein erhebliches Training für eine adäquate Interpretation. Außerdem bleibt vieles der feinen Struktur des EEG unsichtbar, da die Auflösung des menschlichen Auges bei den Überwachungsgeschwindigkeiten eines Standard-EEGs eingeschränkt ist. Daher ist eine visuelle EEG-Beurteilung eher als Kunst denn als Wissenschaft zu charakterisieren.
  • Die Verwendung der Frequenz-(Leistungsspektrums-)Analyse des EEG in den 1960er Jahren führte die Idee einer grundlegenden Verarbeitung des Signals vor der visuellen Untersuchung ein und führte zur Anwendung von Frequenzanalyse des EEG bei verschiedenen zerebralen Überwachungsproblemen. In den letzten 25 Jahren wurden über 100 Abhandlungen in der medizinischen Fachliteratur veröffentlicht, die Anwendungen der Leistungsspektrumsanalyse mit dem Ziel der Beurteilung der Narkosetiefe und zerebralen Ischämie unter verschiedenen intraoperativen Bedingungen beschreiben. US-Patent No. 4,557,270, erteilt an John, beschreibt auch die Verwendung der Leistungsspektrumsanalyse, um die zerebrale Perfusion während einer offenen Herzoperation zu beurteilen. Mehrere neuere Studien haben jedoch viele Mängel beim Gebrauch der Leistungsspektrumsanalyse zur Überwachung der zerebralen Perfusion und zur Ermittlung des postoperativen neurologischen Ergebnisses aufgezeigt. Weiters wurde belegt, dass weder die Leistungsspektrumsanalyse noch irgendein anderes Überwachungsverfahren zuverlässig ist, was auch die Tatsache zeigt, dass der Harvard Medical School Anesthesia Monitoring Standard keine intraoperative neurologische Überwachungsart umfasst, wahrscheinlich infolge der Komplexität des Interpretierens der EEG-Rohdaten und der Unverlässlichkeit der vorhandenen automatisierten Systeme, welche Verfahren zum Analysieren des Leistungsspektrums oder des Zeitbereiches verwenden.
  • Die Entladung von Tausenden von bioelektrisch aktiven Zellen im Gehirn, die in größeren, interagierenden, neuralen Zentren organisiert sind, wirken bei der Bildung eines elektrischen Signals mit einem großen Frequenzspektrum, das reich an harmonischen Wellen ist und eine extrem komplexe Dynamik aufweist. Eingebettet in dieses Signal ist die Information in Bezug auf Frequenzinhalt, Nicht-Linearitäten und Phasenbeziehungen, die aus komplexen neuronalen Feuermustern, die auftreten, entstehen. Solche Feuermuster ändern sich ständig und machen dadurch die statistischen Eigenschaften des EEG-Signals in höchstem Maße unbeständig. Auf Grund der Komplexität des EEG-Signals waren konventionelle Zeit- und Frequenzanalysemodi nicht in der Lage, dessen Verhalten genau darzustellen. Dies dürfte einer der Gründe für den mäßigen Erfolg solcher Ansätze sein.
  • In der Fourier-Transformation der Autokorrelationsfunktion (das Leistungsspektrum) zweiter Ordnung werden Verfahren als eine lineare Summe statistisch unzusammenhängender, sinusförmiger Wellenkomponenten dargestellt. Aktuelle Ansätze zur Überwachung des EEGs mit dem Leistungsspektrum haben so Informationen bezüglich Nicht-Linearitäten und Interfrequenz-Phasenbeziehungen zurückgehalten und sind von beschränktem Nutzen bei der Darstellung der dynamischen Struktur des EEGs.
  • Da das EEG äußerst dynamisch und nicht-linear ist, sind die Phasenbeziehungen innerhalb des EEGs jene Elemente, welche höchstwahrscheinlich diagnostische Information in Bezug auf die zerebrale Funktion tragen. Die Fourier-Transformation der Autokorrelationsfunktion dritter Ordnung oder das Autobispektrum ist ein analytisches Verfahren, das Normabweichung, quadratische Nicht-Linearitäten und Interfrequenz-Phasenbeziehungen innerhalb eines Signals quantifiziert. Die Fourier-Transformation der Kreuzkorrelationsfunktion dritter Ordnung oder das Kreuzbispektrum ist ein analytisches Verfahren, das ähnliche Informationen für zwei Signale bereitstellt. Wir können diese Verfahren generalisieren, indem wir eine Fourier-Transformation der Auto/Kreuzkorrelationsfunktion n-ten Grades, oder das Auto-/Kreuzspektrum n-1-ten Grades, als ein analytisches Verfahren definieren, das Informationen hinsichtlich Normabweichung, sowie Nicht-Linearitäten n-1-ten Grades und Interfrequenz-Phasenbeziehungen in einem Signal enthält. Auto-/Kreuzspektra nach dem Bispektrum werden als Spektra höherer Ordnung bezeichnet.
  • Verfahren zum Analysieren des Autobispektrums wurden auf das EEG-Signal angewandt, um die grundlegenden bispektralen Eigenschaften des konventionellen EEGs aufzuzeigen. Solche Studien sind auch durchgeführt worden, um nach Unterschieden zwischen dem Wach- und Schlafzustand zu suchen. Autobispektrumsanalyse und Leistungsspektrumsanalyse wurden auch in einem Versuch verwendet, um zu zeigen, dass die EEGs von eineiigen Zwillingen ähnlich in der Struktur sind. Die US-Patente Nr. 4,907,597 und 5,010,891, erteilt an Chamoun, beschreiben die Verwendung der Auto/Kreuzbispektrumanalyse von EEGs, um zerebrale Phänomene zu beurteilen, wie z. B. Quantifizieren der Tiefe und Angemessenheit einer Narkose, durch chirurgischen Stress hervorgerufene Schmerzreaktionen, zerebrale Ischämie, Bewusstsein, Vergiftungsgrade, laufende kognitive Prozesse und interhemisphäre dynamische Phasenbeziehungen.
  • WO 93 07804 beschreibt zum ersten Mal die Verwendung einer Autospektrumsanalyse höherer Ordnung oder Kreuzspektrumsanalyse höherer Ordnung für neurologische Diagnosen oder für die Überwachung der oben beschriebenen zerebralen Phänomene.
  • Die vorliegende Anmeldung beschreibt neue Verfahren, um einen diagnostischen Index von den spektralen Daten abzuleiten.
  • Ein allgemeines Problem bei der Analyse der Daten, die von einem der oben erläuterten Spektralverfahren erzeugt wurden, ist die Tatsache, dass die Frequenzverteilung des EEGs unter relativ stabilen physiologischen Bedingungen sich drastisch ändern kann. Solche Änderungen führen zu Änderungen im Leistungsspektrum, Bispektrum und in den Spektren höherer Ordnung bei den entsprechenden Frequenzen. Wenn beispielsweise hypnotische Narkosemittel in niedrigen bis mittleren Konzentrationen verabreicht werden, kommt es zu einer wesentlichen Zunahme der EEG-Aktivität im 12–18 Hz Frequenzband. Hohe Dosen derselben Mittel führen zu einer plötzlichen Abnahme der Aktivität im 12–18 Hz-Band und zu einer Zunahme der Aktivität im 0,5–3,5 Hz-Band, gefolgt von der Impuls-Unterdrückung bei extrem hohen Konzentrationen. Eine frequenzbasierte Analyse, die das 12–18 Hz Frequenzband verwendet, um die Narkosetiefe eines Patienten während der Verabreichung eines hypnotischen Mittels zu überwachen, liefert eine irreführende Beurteilung der Narkosetiefe des Patienten, wenn der Wechsel in der Aktivität von hohe auf niedrige Frequenz auftritt. Solche Übergänge sind sogar noch komplizierter, wenn eine Mischung von Narkosemitteln verwendet wird.
  • Deshalb ist es ein vorrangiges Ziel der vorliegenden Erfindung, ein nicht invasives, hochauflösendes, elektroenzephalografisches System und Verfahren zur Verfügung zu stellen, welche das Erkennen und Überwachen von physischen Phänomenen ermöglichen, die sich in den Eigenschaften von zerebraler elektrischer Aktivität widerspiegeln.
  • Ein anderes Ziel der vorliegenden Erfindung ist es, ein nicht invasives, elektroenzephalografisches System und Verfahren zur Verfügung zu stellen, die in der Lage sind, die Tiefe und Angemessenheit einer Narkose, zerebrale Ischämie, zerebrale Hypoxie, Stufen des Bewusstsein/der Hypnose, Vergiftungsgrade, veränderte, evozierte Potetialreaktionen und normale oder abnormale kognitiven Prozessen, einschließlich aber nicht beschränkt auf die Identifizierung von Patienten mit Alzheimerkrankheit und HIV-bedingten Demenzen festzustellen und zu überwachen.
  • ZUSAMMENFASSUNG DER ERFINDUNG
  • Folglich verwendet das System und Verfahren der vorliegenden Erfindung ein geeignetes Elektroden- und Verstärkersystem, um 19 unipolare EEG-Signale aus den interessanten Regionen sowohl der linken als auch der rechten Hemisphäre des Gehirns eines Patienten zu erhalten. Das System verwendet hochverstärkende und störgeräuscharme Verstärker, um den dynamischen Bereich für Wellenanteile mit niedriger Energie der Signale zu maximieren. Bandpassfilterung wird verwendet, um Rauschen zu reduzieren und Aliasing zu verhindern. Das System benutzt häufig verwendete digitale Signalverarbeitungs(DSP)-Verfahren, um die Signale zu digitalisieren, durch einen Tiefpassfilter zu schicken (100 Hz) und zu dezimieren. Anschließend werden die Leistungsspektral-, Bispektral- und die Spektralverarbeitung höherer Ordnung ausgeführt. In einer bevorzugten Ausführung teilt das System die letzten 63 Sekunden der digitalisierten EEG-Daten von jeder Leitung in 60 4-Sekunden-Intervalle, wobei jedes mit drei Sekunden das vorherige Intervall überlagert. Für ein ausgewähltes Set von derivierten Leitungen, erzeugt das System Variablen für das Autoleistungsspektrum, Autobispektrum und Autospektrum höherer Ordnung, wobei es entweder eine auf der schnellen Fourier Transformation (FFT) basierende Methode oder eine parametrische Methode benutzt. Jedes Leitungspaar kann kombiniert werden, um Variablen des Kreuzleistungsspektrums, Kreuzbispektrums und Kreuzspektrums höherer Ordnung zu berechnen.
  • Das Ergebnis der Autoleistungsspektralverarbeitung ist ein eindimensionales Feld, welches die Leistung bei jeder Frequenz innerhalb einer EEG-Wellenform von einer einzelnen Leitung darstellt. Ähnlich liefert die Kreuzleistungsspektralverarbeitung ein eindimensionales Feld, welches das Produkt der Energie bei jeder der Frequenzen in zwei Wellenformen darstellt. Das Ergebnis der Autobispektralverarbeitung und Autospektralverarbeitung höherer Ordnung ist eine Gruppe von Feldern, welche die dynamische Leistung und Phasenkupplung zwischen allen möglichen Frequenzkombinationen innerhalb einer Wellenform darstellen. Kreuzbispektralverarbeitung und Kreuzbispektralverarbeitung höherer Ordnung liefern eine Gruppe von Datenfeldern, welche die dynamische Leistung und Phasenkopplung zwischen allen möglichen Frequenzkombinationen aus zwei Wellenformen darstellen. Für eine Auto/Kreuzbispektrumsanalyse können vier Typen von Feldern erzeugt: werden: Auto/Kreuzbikohärenz, Auto/Kreuzbispektraldichte, Auto/Kreuz-reales-Tripelprodukt und Auto/Kreuzbiphase. Derselbe Typ von Feldern kann für die Auto/Kreuzspektralverarbeitung höherer Ordnung erzeugt werden.
  • Die Werte der Auto/Kreuzleistungsspektrums-, Auto/Kreuzbispektrums- und Auto/Kreuzspektrumsfelder höherer Ordnung verändern sich bei verschiedenen Eingriffen oder Krankheitszuständen. Daher werden diese Werte verwendet, um ein diagnostisches Kriterium zu schaffen. Die Leistungsspektrums-, Bispektrums- und Spektrumsfelder höherer Ordnung werden verwendet, um einen klinisch brauchbaren eindeutigen diagnostischen Index zu erstellen. Dieser Index soll die fragliche individuelle diagnostische Ermittlung genau wiedergeben. Das System verwendet diese Indizes als diagnostische Leistungszahl zur Beurteilung der Tiefe und Angemessenheit der Narkose, zerebralen Ischämie, zerebralen Hypoxie, Stufen des Bewusstseins/der Hypnose, von Vergiftungsgraden, veränderten, evozierten Potetialreaktionen und normalen oder abnormalen kognitiven Prozessen, einschließlich aber nicht beschränkt auf die Alzheimerkrankheit und HIV-bedingten Demenzen. Diese Methode ermöglicht es jedem Anwender, sinnvoll die Ausgabe des diagnostischen Gerätes zu interpretieren. In dieser Ausführung umfasst die Beurteilung/Bestimmung der Tiefe und Angemessenheit der Narkose die Beurteilung/Bestimmung des Grades der Analgesie (Empfindlichkeit auf schmerzhafte intraoperative Stimulation) sowie den Grad der Hypnose/des Bewusstseins, ist jedoch nicht darauf beschränkt.
  • In Situationen, in denen eine ständige Überwachung notwendig ist, können Indizes kontinuierlich auf einem Video-Bildschirmgerät angezeigt werden und so dem Anwender ermöglichen, interaktiv die interessanten Regionen zu beurteilen. Für Zwecke der Erfassung können Indexwerte und andere relevante Variablen an ein Hardcopy-Ausgabegerät geschickt werden oder in einem Speichergerät gespeichert werden.
  • Diese und andere Ziele und Merkmale der vorliegenden Erfindung werden vollständig durch die folgende detaillierte Beschreibung und die folgenden Figuren erklärt werden.
  • KURZE BESCHREIBUNG DER FIGUREN
  • 1 ist eine schematische Ansicht der vorliegenden Erfindung zur Ermittlung zerebraler Phänomene auf nicht-invasive Weise;
  • 2 ist eine schematische Ansicht eines 19-Kanal EEG-Datenaufnahme- und Analysesystems, welches im System von 1 verwendet wird;
  • 3 ist eine schematische Ansicht des Mikrocomputers, der verwendet wird, um das EEG-Leistungsspektrum und Bispektrum höherer Ordnung im System von 1 anzuzeigen;
  • 4 ist eine schematische Ansicht der Verarbeitungsoperationen, die vom System der 1 ausgeführt werden;
  • 5 ist ein Flussdiagramm der Operationen des Überwachungsmoduls, das in 4 gezeigt wird.
  • 6(a)–6(c) sind Ansichten von Muster-Display-Darstellungen eines diagnostischen Index, der vom System der 1 erzeugt wurde;
  • 7 ist ein Flussdiagramm der Aufnahmeoperationen und des EEG-Rohdatenmanagementmoduls des Systems, das in 4 gezeigt wird;
  • 8 ist ein Flussdiagramm des auf dem Frequenzbereich basierenden Verfahrens zur Erzeugung des Autobispektrums, Kreuzbispektrums, Autoleistungsspektrums oder Kreuzleistungsspektrums, das vom System der 1 verwendet wird;
  • 9 ist ein Flussdiagramm des parametrisch basierenden Verfahrens zur Erzeugung des Autobispektrums, Kreuzbispektrums, Autoleistungsspektrums oder Kreuzleistungsspektrums im System der 1;
  • 10(a) ist eine grafische Darstellung, die ein bispektrales Dichtefeld zeigt, das vom System der 1 erzeugt wurde;
  • 10(b) ist eine grafische Darstellung, die ein Biphasenfeld zeigt, das vom System der 1 erzeugt wurde;
  • 10(c) ist eine grafische Darstellung, die ein Bikohärenzfeld zeigt, das vom System der 1 erzeugt wurde;
  • 10(d) ist eine grafische Darstellung, die ein Feld einer Quadratwurzel eines realen Tripelproduktes zeigt, das vom System der 1 erzeugt wurde;
  • 11 ist ein Flussdiagramm der Operationen des Derivationsmoduls des diagnostischen Index, das in 4 gezeigt wird.
  • DETAILLIERTE BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGEN
  • Mit Bezug auf 1 umfasst das Gerät der vorliegenden Erfindung ein 19-Kanal EEG-Datenaufnahme- und Analysesystem 12, das mit einem Mikrocomputer 18 verbunden ist.
  • Die EEG-Leitungen sind mit dem Kopf 14 eines Patienten durch ein Set von Oberflächenelektroden 13 verbunden. Das internationale 10/20 Elektrodensystem wird bevorzugt. Die EEG-Signale werden von den Elektroden erfasst und über ein Patientenkabel 16 an das EEG-Datenaufnahme- und Analysesystem 12 übermittelt.
  • Das Datenaufnahme- und Analysesystem 12 filtert und verstärkt die EEG-Wellenformen. Häufig verwendete Digital-Signal-Verarbeitungs(DSP)-Verfahren werden verwendet, um Signale zu digitalisieren, durch einen Tiefpassfilter zu schicken (100 Hz) und zu dezimieren. Leistungsspektrums-, Bispektrums- und Spektralverarbeitung höherer Ordnung können dann ausgeführt werden.
  • Das System 12 erzeugt alle Leistungsspektrums-, Bispektrums- und Spektrumsfelder höherer Ordnung. Diese Felder werden dann in Verbindung mit klinisch vorgegebenen Koeffizientenfeldern verwendet, um diagnostische Indizes zu erzeugen. Diese Indizes werden zum Hostcomputer 18 geschickt und auf dem Grafik-Display 20 angezeigt. Ein Ausdruck des diagnostischen Index kann auch vom Hardcopy-Ausgabegerät 22 erhalten werden, das mit dem Mikrocomputer 18 verbunden ist. Der Anwender interagiert mit den Aufnahme- und Analysekomponenten des Systems durch ein Benutzer-Eingabegerät 24 mit Feedback auf dem Grafik-Display 20.
  • Das 19-Kanal EEG-Datenaufnahme- und Analysesystem 12 wird ausführlicher in 2 gezeigt. Das EEG-Oberflächenpotential, das von Oberflächenelektroden 13 erfasst wird, die auf dem Kopf 14 des Patienten angebracht sind, durchläuft eine Elektrooperation-Schutzschaltung 30, eine Defibrillator-Schutzschaltung 32 und eine Verstärker/Filterschaltung 36, bevor es an einen mehrkanaligen Analog-Digital-Wandler 38 weitergegeben wird.
  • Die Elektrochirurgie-Schutzschaltung 30 umfasst einen Radiofrequenz(rf)-Filter, der den rf-Strom durch die Leitungskabel 16 des Patienten auf weniger als 100 Mikroampere einschränkt und auf diese Weise den Patienten 15 vor rf-Verbrennungen und die Verstärker 36 vor Schaden schützt, der durch Überschreitung der absoluten maximalen Eingangsspannung, die vom Hersteller festgelegt wurde, entsteht. Diese Schaltung kann eine LC-Schaltung sein, die aus einer generischen Induktivität besteht, die mit einer generischen Kapazität in Serie geschalten ist, die dann mit der Masse verbunden ist.
  • Die Defibrillator-Schutzschaltung 32 schränkt die Spannung zu den Verstärkern 36 auf ein sicheres Niveau ein, sobald ein Defibrillator beim Patienten 15 angewandt und entladen wird. Diese Schaltung kann aus einem generischen Widerstand bestehen, das in Serie mit dem Signalpfad, mit einer Neonlichtlampe oder einem anderen Gerät zur Stromstoßunterdrückung geschalten ist, das dann mit der Masse verbunden ist.
  • Der Verstärker/Filter Schaltkreis 36 wird vom Mikrocomputer 18 für Verstärkungs- und Filterungsgrade gesteuert, die vom Anwender angepasst werden können. Bevorzugte Verstärkungs- und Filterungseinrichtungen werden unten erläutert. Der Schaltungsabschnitt besteht aus drei Stufen. Die erste ist eine Vorverstärkungsstufe, die unter Anwendung einer großen Vielfalt von hochohmigen Vorverstärkern, wie jene, die von National Semiconductor, Sunnyvale CA, verkauft werden, ausgeführt werden kann. Die zweite ist eine Stufe, die sich aus programmierbaren Filtern zusammensetzt, die eine einstellbare Bandpass-Grenze ermöglichen, die überall im Bereich von 0,1 Hz bis 4 KHz ausgewählt werden kann. Die Filter können unter Verwendung von Komponenten von Frequency Devices, Haverhill MA, ausgeführt sein. Die dritte Stufe setzt sich aus programmierbaren Verstärkern zusammen, die aus operativen Verstärkern zusammengebaut werden können, die in Verbindung mit einem multiplizierenden Analog-Digital(D/A)Wandler verwendet werden. Beide Bestandteile können von National Semiconductor bezogen werden. Der vervielfachende D/A wird verwendet, um die Verstärkung auf das geeignete Niveau, das vom Mikrocomputer 18 benötigt wird, einzustellen.
  • Der hochohmige Vorverstärker eines jeden Kanals saturiert entweder die positive oder negative Versorgungsspannung, wenn die Eingabe des Vorverstärkers nicht begrenzt ist. Dies führt zu einem hohen positiven Wert oder zu einem hohen negativen Wert bei der Ausgabe des Verstärker/Filterabschnittes 36. Solche Werte werden verwendet, um Leitungsfehler zu identifizieren.
  • Die Ausgabe aller 19 Kanäle des Verstärkers/Filters 36 wird dem mehrkanaligen A/D-Wandler 38 zugeführt, der von einem Eingabeprozessor 44 für die Abtastrateneinstellungen gesteuert wird. Die analogen Signale werden in Digitaldatenformat umgewandelt, das für die Eingabe in den Eingaberechner 44 geeignet ist. A/D-Wandler, die von Analog Devices, Norwood MA verkauft werden, können zu diesem Zweck verwendet werden. [0030] Der mehrkanalige A/D-Wandler 38 ist optisch mit dem Eingabeprozessor 44 durch den optischen Isolator 40 verbunden. Alle Steuerleitungen zum A/D-Wandler 38 sind ebenfalls durch einen optischen Isolator 42 optisch isoliert. Jeder optische Isolator kann für diesen Zweck verwendet werden.
  • Alle DC-Stromleitungen, die mit dem Verstärker 36 und dem A/D-Wandler 38 verbunden sind, sind ebenfalls von der AC-Stromleitung mit einem DC/DC-Wandler 43 isoliert, um eine vollständige Isolierung des Patienten vom Boden zu gewährleisten. DC/DC-Wandler, die bei Burr Brown erhältlich sind, können zu diesem Zwecke verwendet werden.
  • Die wichtigsten Anweisungen für die Steuerungsoperation des Eingabeprozessors 44 sind in einem Festwertspeicher (Read Only Memory/ROM) 46 gespeichert. Der Direktzugriffsspeicher (Random Access Memory/RAM) 48 wird als Pufferspeicher für Daten verwendet, und ein Teil des RAM 48 kann ebenfalls als Programmspeicher verwendet werden, wenn ein Steuerungsprogramm vom Mikrocomputer 18 heruntergeladen wird. Der Eingabeprozessor 44 hat einen Bus 50, um mit seinem RAM 48 zu kommunizieren, einen ROM 46 und einen separaten Bus 55 zum Kommunizieren mit dem Mikrocomputer 18.
  • Die Speicherarchitektur des Rechenprozessors ähnelt jener des Eingabeprozessors. Die wichtigsten Anweisungen für die Steuerungsoperation des Rechenprozessors 52 sind in einem Festwertspeicher (Read Only Memory/ROM) 54 gespeichert. Der Direktzugriffs speicher (Random Access Memory/RAM) 56 wird als Pufferspeicher für Daten verwendet, und ein Teil des RAM 56 kann ebenfalls als Programmspeicher verwendet werden, wenn ein Steuerungsprogramm vom Mikrocomputer 18 heruntergeladen wird. Der Rechenprozessor 52 hat einen Bus 58, um mit seinem RAM 56 zu kommunizieren, einen ROM 54 und verwendet den Bus 55 zum Kommunizieren mit dem Mikrocomputer 18.
  • Der A/D-Wandler 38 nimmt die Daten bei hoher Geschwindigkeit auf, und das Filtern wird vom Eingabeprozessor 44 ausgeführt, um Frequenzen außerhalb des Interessensbereiches auszuschließen. Der Eingabeprozessor dezimiert gleichzeitig die Abtastrate der Eingabedaten auf eine niedrigere Abtastrate. Der Eingabeprozessor 44 übermittelt den gefilterten und reduzierten Datenstrom an den Mikrocomputer 18 für die Anzeige der rohen Eingabesignale via Datenbus 55 und Puffer 60 zum Mikrocomputer-Datenbus 40. Der Eingabeprozessor 44 übermittelt ebenfalls die Daten zum Rechenprozessor 52 zur Berechnung der charakteristischen Merkmale des Eingabesignals des Leistungsspektrums und des Spektrums höherer Ordnung über eine serielle Kommunikationsschnittstelle 51. Der Rechenprozessor 52 berechnet die charakteristischen Merkmale der Eingabedaten des Leistungsspektrums und des Spektrums höherer Ordnung und erzeugt diagnostische Indizes aus den berechneten Leistungsspektrums- und Spektrumsdaten höherer Ordnung. Der Eingabeprozessor kann jeder Mehrzweck-DSP-Prozessor sein, wie der ADSP-2101, der von Analog Devices, Norwood MA, verkauft wird. Der Rechenprozessor ist ein Gleitkomma-DSP-Prozessor, in der bevorzugten Ausführung beispielsweise ein TMS320C30, der von Texas Instruments, Dallas TX, verkauft wird.
  • Der Host- oder Mikrocomputer 18 der 1 wird ausführlicher in 3 gezeigt. Das ganze Mikrocomputersystem läuft unter Steuerung eines Mikroprozessors 62 mit dem Programmspeicher, der in ROM 64 gespeichert ist. Der RAM 66 wird zur Speicherung von Zwischenergebnissen verwendet. Das Speichergerät 84 kann eine Winchesterplatte oder ein großer Block eines RAM oder irgendein anderes Speichermedium sein. Es wird zur Speicherung klinischer Information verwendet und kann für die Archivierung von Patientendaten verwendet werden.
  • In einer bevorzugten Ausführung umfasst der Mikrocomputer 18 einen Mathe-Coprozessor 70, welcher direkt mit dem Mikroprozessor 62 verbunden ist. Der Mathe-Coprozessor 70 wird für skalare und grafische Berechnungen verwendet. Ein Grafik-Controller 72, der unter Programmsteuerung des Mikroprozessors 62 läuft, steuert eine Grafikanzeige 20. Ein Schnittstellenanschluss 74 schafft eine Verbindung vom Mikrocomputerbus 40 zum Benutzer-Schnittstellengerät 24. Das Benutzer-Schnittstellengerät 24 kann eine Tastatur, ein Zeigegerät oder ein Tastenfeld oder irgendeine Kombination dieser oder ähnlicher Geräte sein. Der Schnittstellenanschluss 74 kann ebenfalls eine Verbindung zwischen dem Mikrocomputer und einem extern evozierten Potential-Stimulierungsgerät bereitstellen. Diese Verbindung ermöglicht dem Mikrocomputer einen Stimulus auszulösen oder die Entstehung eines unabhängig ausgelösten Stimulus einfach zu identifizieren.
  • Die Anwendersteuerung des gesamten Aufnahme-, Analyse- und Display-Verfahrens wird vom Benutzer-Schnittstellengerät 24 mit Feedback auf dem Grafikdisplay 20 gesteuert. Der Datenbus 40 kann verwendet werden, um Kontrolldaten an das 19-Kanal-Datenaufnahme- und Analysesystem 12 (z. B. Filterung, Verstärkung, Abtastrate, Start/Stopp-Erfassung, Ausführung von Selbstdiagnostik) zu senden und um EEG-Daten vom System zu empfangen sowie Programmdaten auf das System herunterzuladen. Ein serieller oder paralleler Anschluss 78 ist vorgesehen, um ein Hardcopy-Ausgabegerät 22 für das Drucken der gewünschten diagnostischen Indizes zu steuern.
  • Bezugnehmend auf 4 wird nun ein Blockdiagramm der Systemoperationen und das Verfahren der vorliegenden Erfindung beschrieben. Wie oben erwähnt, berechnet das System und Verfahren der vorliegenden Erfindung dynamische Phasen und Dichte-Relationen von EEG-Signalen aus einer im Voraus gewählten Anzahl von Leitungen. Eindeutige diagnostische Indizes werden dann aus den Datenfeldern unter Anwendung klinisch vorgegebener Koeffizientenfelder erzeugt. Die Ergebnisse sind quantitative Indizes, die für das Analysieren zerebraler elektrischer Aktivität brauchbar sind, wie z. B. bei der Beurteilung der Tiefe und Angemessenheit einer Narkose, bei zerebraler Ischämie, zerebraler Hypoxie, Stufen des Bewusstseins/der Hypnose, Vergiftungsgraden, bei veränderten, evozierten, Potential-Reaktionen und normalen oder abnormalen, kognitiven Prozessen, welche die Alzheimerkrankheit und HIV-bedingte Demenzen umfassen, jedoch nicht auf diese beschränkt sind. In dieser Ausführung umfasst die Beurteilung/Bestimmung der Tiefe und Angemessenheit der Narkose die Beurteilung/Bestimmung des Grades der Analgesie (Empfindlichkeit auf schmerzhafte intraoperative Stimulation) sowie den Grad der Hypnose/des Bewusstseins, ist jedoch nicht auf diese beschränkt.
  • Das Überwachungsmodul 402 ist zuständig für alle Operationen des Systems via Integration von Daten und Prozessinformation vom Benutzer-Schnittstellen-Modul 404, Aufnahme- und EEG-Rohdaten-Verwaltungsmodul 406, Leistungsspektral-, Bispektral- und Spektralverarbeitungsmodul höherer Ordnung 408 und vom Modul für die Derivation des diagnostischen Index 410. Eine ausführliche Darstellung des Moduls 402 wird in 5 gezeigt.
  • Der Anwender steuert und interagiert mit dem System während des Verlaufs eines Verfahrens über die Benutzer-Schnittstelle und das Display-Verwaltungsmodul 404. Diese Interaktion umfasst den Eingang von Informationen betreffend den Patienten und die Art des laufenden diagnostischen Verfahrens, Leitungen und Aufnahmeeinstellungen, kontinuierliches Display des Aufnahmestatus, Leitungsintegrität und diagnostische Indizes entsprechend den Bereichen, die von jeder Elektrode geprüft werden, und Abfragen nach Druck- und Archivierungsergebnissen an das Speichergerät, ist jedoch nicht darauf beschränkt. Modul 404 agiert direkt mit dem Überwachungsmodul 402. Die Operationen, die vom Modul 404 ausgeführt werden, können mit einer kommerziell verfügbaren Umgebung, wie z. B. Microsoft Windows, erreicht werden.
  • Das Aufnahme- und EEG-Rohdaten-Verwaltungsmodul 406 ist zuständig für das Prüfen und Verarbeiten aller EEG-Rohdaten vor der Analyse des Leistungsspektrums, des Bispektrums und des Spektrums höherer Ordnung. Dies umfasst, ist aber nicht darauf beschränkt, die ständige Aufnahme von EEG-Daten und die Verifikation deren Integrität; die Aufbereitung von allen unipolaren EEG-Daten für die Auto/Kreuzleistungsspektral-, Bispektral- oder Spektralverarbeitung höherer Ordnung. Modul 406 interagiert direkt mit dem Überwachungsmodul 402. Eine etwas ausführlichere Beschreibung von Modul 406 ist unten in Verbindung mit 7 angeführt.
  • Das Leistungsspektral-, Bispektral- und Spektralverarbeitungsmodul höherer Ordnung 408 steuert die Erzeugung aller Datenfelder für die Stromverteilung, dynamische Phasenbeziehungen und die Strom-Kopplung innerhalb des EEGs. Diese Information kann durch Berechnen des Auto/Kreuzleistungsspektrums, des Bispektrums und des Spektrums höherer Ordnung erhalten werden, indem entweder eine auf FFT basierende Methode oder eine parametrisch basierende Methode verwendet wird. Die Aufgaben, für die dieses Modul zuständig ist, umfassen, sind aber nicht darauf beschränkt: Fourier-Transformation und die Erzeugung der Leistungsspektra; Auto/Kreuzbispektraldichte und Dichteerzeugung höherer Ordnung; Auto/Kreuzbikohärenz und Kohärenzerzeugung höherer Ordnung; Erzeugung eines auto/kreuzbispektralen realen Produktes und Erzeugung eines realen Produktes höherer Ordnung; und die Erzeugung einer Auto/Kreuzbiphase und einer Phase höherer Ordnung. Modul 408 interagiert direkt mit dem Überwachungsmodul 402. Eine etwas ausführlichere Beschreibung von Modul 408 ist unten in Verbindung mit den 8 und 9 angeführt.
  • Das Modul für die Derivation des diagnostischen Index 410 erzeugt die Datenwerte, die während des diagnostischen Verfahrens verwendet werden. Die Aufgabe umfasst, ist jedoch nicht darauf beschränkt, das Sortieren der Werte im Frequenzband, die von Interesse für jedes der erforderlichen Leistungsspektrums-, Bispektrums- oder Spektrumsfelder höherer Ordnung sind; Aufteilen eines jeden sortierten Feldes in Abschnitte (die einen oder mehrere Werte umfassen), welche Teile des Verteilungshistogramms der sortierten Daten (z. B. oben 0–5%, oben 5–10% als auch unten 5%, etc.) darstellen; Summieren der Werte in jedem Abschnitt, um eine einzelne Zahlenvariable bereitzustellen; Erstellen eines diagnostischen Index durch Multiplizieren der resultierenden, sortierten Werte aus den Auto/Kreuzleistungsspektrums-, Bispektrums- und Spektrumsfeldern höherer Ordnung mit klinisch vorgegebenen Koeffizienten; und Summieren aller Variablen, die mit einem Koeffizienten multipliziert wurden, um einen endgültigen diagnostischen Index zu erstellen. Die Werte im Frequenzband von Interesse können ebenfalls auf eine einzelne Zahl reduziert werden, unter Anwendung von gängigen, deskriptiven, statistischen Verfahren wie Berechnung des Mittelwertes und der Standardabweichung oder andere im Voraus gewählte Einzelwerte, wie das Minimum oder Maximum, oder jedes andere Verfahren zum Kombinieren und Erzeugen eines Einzelwertes aus den Werten im Abschnitt. Einer oder mehrere solche Werte für jeden Abschnitt können dann mit klinisch vorgegebenen Koeffizienten multipliziert werden und mit anderen Variablen addiert werden, die mit einem Koeffizienten multipliziert wurden, um einen endgültigen diagnostischen Index zu erstellen. Modul 410 interagiert direkt mit dem Überwachungsmodul 402. Eine etwas ausführlichere Beschreibung von Modul 410 ist unten in Verbindung mit 11 angeführt.
  • Ein Schema der Bedienung des Überwachungsmoduls 402 ist in 5 dargestellt. Im Initialisierungsschritt 502 werden die Datenfelder mit den letzten 63 Sekunden der rohen, digitalisierten EEG-Signale gefüllt und die Daten des Leistungsspektrums, Bispektrums und Spektrums höherer Ordnung auf Null initialisiert. Die Dateien, die für die Speicherung erforderlich sind und Dateien enthaltende Datenbanken, die für die Berechnung der diagnostischen Indizes erforderlich sind, werden ebenfalls während des Initialisierungsschrittes 502 geöffnet.
  • In Schritt 504 ruft das System die Informationen ab, die erforderlich sind, um die Aufnahme und das diagnostische Verfahren vom Benutzer via dem Benutzer-Schnittstellen-Modul 404 zu beginnen. Diese abgerufenen Informationen umfassen deskriptive Patientenstatistiken (Geschlecht, Alter, klinische Symptome etc.), Art des Diagnoseverfahrens, das ausgeführt werden soll, die Leitungen, die zur Analyse des Autoleistungsspektrums, Bispektrums und Spektrums höherer Ordnung verwendet werden sowie die Leitungen, die zur Analyse des Kreuzleistungsspektrums, Bispektrums und des Spektrums höherer Ordnung verwendet werden.
  • In seiner Standardfunktionsweise überwacht das System ständig die Tiefe und Angemessenheit der Narkose unter Anwendung einer Standard-Autobispektrums-Datenbank. Eine Standardbandpass-Filterung wird ausgeführt, die den Bereich von 0,5 bis 100 Hz durchläuft; die Standard-Abtastrate ist bei 256 Abtastungen pro Sekunde eingestellt; und die Standardverstärkung ist bei 5000 für jede Leitung eingestellt. Die folgende Erläuterung und Beschreibung der bevorzugten Ausführungen hebt das autobispektrale Verarbeiten hervor, ausgeführt bei EEGs von speziellen Elektrodenstellen, die am besten Informationen über die Narkosetiefe liefern. Andere Funktionsweisen werden mehr allgemein beschrieben.
  • Gemäß dem internationalen 10/20 Elektrodensystem sind die 19 EEG-Signale, die unter Anwendung des Systems aufgenommen werden können: Fp1, Fp2, F7, F3, Fz, F4, F8, T3, C3, Cz, C4, T4, T5, P3, Pz, P4, T6, O1, und O2 (A1 oder A2 als Referenz).
  • Um die Autoleistungsspektrums-, Bispektrums- und Spektrumsanalyse höherer Ordnung auszuführen, ist ein Signal erforderlich. Das Signal kann direkt von jeder der obigen Elektroden gemessen werden oder es kann durch lineares Kombinieren der Signale von zwei oder mehreren EEG-Leitungen synthetisiert werden. Zum Beispiel können zwei analoge Signale voneinander unter Anwendung eines Differenzialverstärkers subtrahiert werden, um ein drittes Signal zu ergeben. Dieselbe Operation kann bei zwei digitalisierten Signalen unter Anwendung einer nummerischen Subtraktion ausgeführt werden. Die Autoleistungsspektrumsdaten liefern Informationen bezüglich der Stromverteilung innerhalb des Signals, die Autobispektrumsdaten liefern Informationen bezüglich der Abweichung von der Normalität, quadratischen Nicht-Lineraritäten und Inter-Frequenzphasenbeziehungen innerhalb des Signals; schließlich liefern die Autospektrumsdaten höherer Ordnung Informationen bezüglich der Abweichung von der Normalität, Nicht-Lineraritäten höherer Ordnung und Inter-Frequenzphasenbeziehungen innerhalb des Signals. Eine solche Verarbeitung bestimmt, ob das Signal aus unabhängigen Wellenkomponenten besteht oder ob bestimmte Frequenzen einfache harmonische Wellen von nicht linearen, interagierenden Grundschwingungen sind. Zerebrale Phänomene, welche die nicht-lineare Frequenzstruktur des Signals an der Stelle, die von der Elektrode überwacht wird, verändern, werden am besten durch die Autobispektrums- und Spektrumsmethode höherer Ordnung quantifiziert.
  • Um die Kreuzleistungsspektrums-, Bispektrums-, und Spektrumsanalyse höherer Ordnung auszuführen, sind zwei Signale erforderlich. Die beiden Signale können direkt von jeder der obigen Elektroden gemessen werden oder jedes der Signale kann durch lineares Kombinieren von zwei oder mehreren EEG-Leitungen synthetisiert werden, wie zuvor beschrieben wurde. Die Kreuzleistungsspektrumsdaten liefern Informationen bezüglich der Leistungskorrelation zwischen beiden Signalen. Die Kreuzbispektrumsdaten liefern Informationen bezüglich der Abweichung von der Normalität, quadratischen Nicht-Lineraritäten und Inter-Frequenzphasenbeziehungen zwischen den beiden Signalen. Schließlich liefern die Spektrumsdaten höherer Ordnung Informationen bezüglich der Abweichung von der Normalität, Nicht-Lineraritäten höherer Ordnung und Inter-Frequenzphasenbeziehungen zwischen den beiden Signalen. Eine solche Verarbeitung bestimmt, ob die Frequenzen in Signal „X" unabhängig sind oder ob sie harmonische Wellen von Grundschwingungen sind, die im Signal „Y" gegenwärtig sind. Dies schafft eine bessere Charakterisierung der Beziehung zwischen zwei Signalen, die aus verschiedenen Regionen der Cortex stammen. Zerebrale Phänomene, welche die nicht-linearen Frequenzbeziehungen zwischen den verschiedenen Regionen der Cortex verändern, werden am besten durch die Kreuzbispektrums- und Kreuzspektrumsmethode höherer Ordnung quantifiziert.
  • Da die Narkosewirkungen durch eher globale Veränderungen im EEG reflektiert sind, werden in der bevorzugten Ausführung sechs Signale verwendet, um die Operation des Systems unter Anwendung der Autobispektrumsanalyse zur Überwachung der Narkosetiefe zu veranschaulichen. Die sechs Signale wurden von den folgenden Elektrodenstellen abgeleitet: links und rechts frontale (FL/FR) Signale sind von (Fp1-Cz) bzw. (Fp2-Cz) abgeleitet; links und rechts parietale (PL/PR) Signale sind von (P3-Cz) bw. (P4-Cz) abgeleitet; links und rechts fronto-parietale (FPL/FPR) Signale sind von (Fp1-P3) bzw. (Fp2-P4) abgeleitet.
  • In Schritt 506 ist ein neuer Ein-Sekunden-Puffer der rohen EEG-Daten aufgenommen. Das System führt eine Artefakt-Ermittlung bei dem neuen Ein-Sekunden-Puffer aus und aktualisiert richtig alle Datenfelder. Jede Übertragung artifizieller Daten wird dem Anwender angezeigt, um den Anwender aufzufordern, das Problem zu korrigieren.
  • Das System berechnet in Schritt 508 Autoleistungsspektrums- und Autobispektrumsfelder für die Signale FL, FR, PL, PR, FPL, FAR. Andere Signale können natürlich für das Auto/Kreuzleistungsspektrale, bispektrale und spektrale Verarbeiten höherer Ordnung verwendet werden. Zwei verschiedene Methoden zur Berechnung des Leistungsspektrums, Bispektrums und Spektrums höherer Ordnung werden unten mit Bezug auf die 8 und 9 erläutert.
  • In Schritt 510 werden die eindeutigen diagnostischen Indizes von allen erzeugten Auto/Kreuzleistungsspektrums-, Bispektrums- und Spektrumsfeldern höherer Ordnung berechnet. Die klinisch vorgegeben Koeffizientenfelder für die Auto/Kreuzleistungsspektrums-, Bispektrums- und Spektrumsfelder höherer Ordnung werden für die Berechnungen des diagnostischen Index verwendet. Die Erzeugung der Koeffizientenfelder wird später erläutert. Das System zeigt sofort in Schritt 512 alle berechneten diagnostischen Indizes für alle Signale, die analysiert werden. In Schritt 514 überprüft das System eine Anforderung zum Beenden und falls eine solche Anfrage nicht gemacht wurde, wiederholt das System die Schritte 508 bis 514. In Schritt 516 werden gewünschte Ausdrucke produziert, Ergebnisse auf eine Speichervorrichtung für Archivierungszwecke gespeichert und alle Dateien geschlossen. In Schritt 518 ist das Verfahren beendet.
  • Eine zusammengefasste Musterdarstellung des Displays, die vom System erzeugt wurde, ist in den 6(a)–6(c) dargestellt. Darstellungen des Kopfes des Patienten werden auf dem Grafik-Display in 6(a) und 6(b) gezeigt. Die erste Darstellung 6(a) ist in 19 Abschnitte unterteilt, wobei jeder die Region darstellt, die von einer Elektrode überprüft wird. Die zweite Darstellung 6(b) ist in drei horizontale Abschnitte unterteilt, welche kombiniert die linke und rechte Hemisphärenaktivität darstellen, welche von einer Gruppe Elektroden in dieser Region überprüft wird. Der virtuelle Kopf, der auf dem Schirm gezeigt wird, kann aufgeteilt werden, wie für eine bestimmte diagnostische oder Überwachungsanwendung erforderlich ist. Wenn beispielsweise ein globaler Effekt wie die Tiefe einer Narkose überprüft wird, dann kann ein vereinheitlichter Index zusammen mit seinem Trend die gesamte Display-Fläche einnehmen.
  • Für die Darstellung des Kopfes 6(a) beinhaltet jeder Abschnitt den momentanen Wert des Index 602 unter Anwendung von EEG-Daten, die von der Elektrode in dieser Region aufgenommen wurden. Für die Darstellung des Kopfes 6(b), beinhaltet jeder Abschnitt den momentanen Wert des berechneten Index 604 unter Anwendung von EEG-Daten von verschiedenen Elektroden in dieser Region. Neben jedem Index-Wert wird ein farbkodierter Pfeil verwendet, um die momentane Veränderung in Richtung des Index anzuzeigen. Der Pfeil ist grün, wenn sich der Index innerhalb der akzeptablen Grenzen befindet, die vom Anwender gesetzt wurden. Der Pfeil wechselt zu Gelb, wenn der Index sich in eine Warnzone bewegt. Ein blinkender roter Querstrich ersetzt den Pfeil, wenn der Index einen Wert aufweist, der sich außerhalb der akzeptablen Grenzen, die für den Patienten bestimmt wurden, befindet.
  • Auf Anfrage des Anwenders kann der momentane Wert des Index und sein Trend für jeden Abschnitt als vergrößerte Ansicht 606 für eine genauere Untersuchung angezeigt werden, wie in 6(c) gezeigt ist. Dies vereinfacht die Untersuchung des Zustandes des Patienten aus einer Distanz. Jeder Abschnitt wird von einem großen „X" 608 bedeckt, wenn eine Leitung ausfällt oder ein Artefakt entdeckt wurde, da jede Leitung einen Beitrag zu den Daten liefert, die erforderlich sind, um den diagnostischen Index für diese Region zu erzeugen.
  • Unter Bezugnahme auf 7 wird nun das Aufnahme- und EEG-Rohdaten-Verwaltungsmodul 406 ausführlicher beschrieben. In Schritt 702 überprüft das System, ob neue Daten zum ersten Mal aufgenommen werden. Trifft dies zu, wird das Aufnahmesystem 12 in Schritt 704 mit abgefragten Filterungs-, Verstärkungs-, Abtastraten- und Leitungswahlinformationen versorgt. Die Standard-Einstellungen sind ein Bandpass 0,5-100 Hz zur Filterung, 5000 zur Verstärkung, 256 Abtastungen/sec für die Abtastrate und Signale von den Leitungskombinationen FL, FR, PL, PR, FPL und FPR werden aufgenommen. Die obigen Einstellungen sind ziemlich unterschiedlich, wenn das System eher evozierte EEG-Reaktionen als kontinuierliche EEG-Signale analysiert. Übliche Verstärkungs- und Filtereinstellungen, um Signale für die verschiedenen EEG-evozierten Potentiale aufzunehmen, werden unten beschrieben.
  • EEG evozierte Potentiale sind eine Möglichkeit, mit der die sensorischen Bereiche des Gehirns und des zentralen Nervensystems durch Ermitteln von Reaktionen im EEG auf sensorische Stimuli untersucht werden können. Es gibt drei übliche Verfahren: Visuell evozierte Wechselmuster-Potentiale (pattern shift visual evoked potentials/PSVEP) umfassen ein visuelles Muster, das dem Patienten gezeigt und verändert wird. Ein Strobelicht kann beispielsweise aufleuchten oder eine schwarz und weiße Kontrollplatte kann seitenverkehrt sein (schwarz für weiß und vice versa). Evozierte auditorische Hirnstammpotentiale (brainstem auditory evoked Potentials/BAEP) verwenden einen gesteuerten auditorischen Stimulus, wie beispielsweise einen Klick, der von einem Signalgenerator erzeugt wird. Schließlich verwenden somatosensorisch evozierte Potentiale (somatosensory evoked Potentials/SEP) entweder physiologische (Berührungs- oder Muskeldehnung) oder elektrische Stimuli. Bei allen evozierten Potentialverfahren werden die Elektroden neben den entsprechenden Gehirnzentren (z. B. über die Sehzentren im Falle der visuell evozierten Potentiale) angebracht und EEGs werden über eine bestimmte Zeitspanne beginnend bei der Verabreichung des Stimulus aufgezeichnet. Der Stimulus wird viele Male wiederholt und die erhaltenen Aufzeichnungen gemittelt (üblicherweise im Zeitbereich), um so alle Teile des EEG-Signals zu beseitigen bis auf jenes, das durch den Stimulus hervorgerufen wird. In der vorliegenden Erfindung werden eine Reihe von Leistungsspektrums-, Bispektrums- oder Spektrumsfeldern höherer Ordnung, wie vom EEG der evozierten Reaktionen erzeugt, gemittelt.
  • Für jedes evozierte Potentialverfahren werden verschiedene Filter- und Verstärkereinstellungen verwendet. Zum Beispiel liegt ein Bereich der üblichen Verstärkereinstellungen für visuell evozierte Wechselmuster-Potentiale zwischen 20.000 und 100.000. Ein Bereich der üblichen Filtereinstellungen für PSVEPs liegt bei 1 bis 3 Hz für das untere Ende des Bandpassfilters und bei 100 Hz bis 300 Hz für das obere Ende. Die Verfahren und Anwendung von evozierten Potentialen sind ausführlicher in Evoked Potentials In Clinical Medicine, von Chiappa 1983 beschrieben, auf dessen Lehren hier Bezug genommen ist.
  • In Schritt 706 nimmt das Aufnahmesystem 12 den Gegenwert einer Sekunde von neuen Daten für alle abgefragten Leitungen auf. Alternativ wird das Signal von einer vollständig evozierten Potential-Reaktion aufgenommen, wenn das System evozierte Potentiale analysiert. Das System erkennt ein Leitungsversagen während des Aufnahmezyklus in Schritt 708 durch Überprüfen sehr großer positiver oder negativer Werte. In Schritt 708 werden außerdem öffentlich zugängliche Algorithmen verwendet, um jede Leitung auf Artefakte zu überprüfen. In Schritt 710 werden Leitungen, die ausgefallen sind und solche, die artifizielle Daten erzeugen, für das Überwachungsmodul 402 markiert.
  • In Schritt 712 wird die Aufzeichnung der letzten vier Sekunden für jedes der Signale Xi(t) zugeordnet, wobei Xi(t) die individuellen Aufzeichnungen der Zeitreihen darstellt, die für die Autoleistungsspektral-, Autobispektral- und die Autospektralverarbeitung höherer Ordnung vorgesehen ist (hier wird die Zeitreihe Xi(t) (für alle t, für ein spezifisches i) als Aufzeichnung bezeichnet). In Situationen, in denen Kreuzleistungsspektral-, bispektral-, und Spektralverarbeitung höherer Ordnung erforderlich ist, wird die Aufzeichnung der letzten vier Sekunden vom zweiten Signal Yi(t) zugeordnet. In der bevorzugten Ausführung ist Yi(t) so eingestellt, dass es in allen Fällen Xi(t) gleichgesetzt ist, da nur Berechnungen des Autoleistungsspektrums, Autobispektrums und Autospektrums höherer Ordnung ausgeführt werden sollen. Der Index i bezeichnet die Aufzeichnungsnummer 1 bis 60. Wenn evozierte Potentiale analysiert werden, wird die letzte vollständige evozierte Potentialreaktion von jedem Signal dem entsprechenden Xi(t) und Yi(t) zugeordnet, wie oben beschrieben ist. Die Anwendung evozierter Potentialreaktionen als individuelle Aufzeichnungen ermöglicht uns, den Durchschnitt einer großen Anzahl von ihnen in den Leistungsspektrums-, Bispektrums- und Spektrumsbereichen höherer Ordnung zu ermitteln.
  • In Schritt 714 wird ein kreisförmiger Puffermechanismus zur Speicherung des rohen EEGs für jede Leitung verwendet, sowie auch die Auto/Kreuzleistungsspektrums-, Bispektrums- und Spektrumsfelder höherer Ordnung für die sechzig letzten 4-Sekunden Xi(t) und Yi(t)-Aufzeichnungen für jede Leitung verwendet werden. Der Puffer wird durch Speichern der letzten aufgenommenen und verarbeiteten Daten an der Stelle der ältesten Daten aktualisiert. Der Systemablauf kehrt zum Überwachungsmodul 402 in Schritt 716 zurück.
  • Unter nunmehriger Bezugnahme auf 8 werden die auf einem Frequenzbereich basierenden Verfahren zur Erzeugung des Autoleistungsspektrums, Autobispektrums, Kreuzleistungsspektrums oder des Kreuzbispektrums erläutert. In Schritt 802 überprüft das System, ob die Berechnung, die ausgeführt werden soll, ein Signal oder zwei Signale benötigt. Üblicherweise ist eine Zeitreihe erforderlich, um eine Autospektrumsanalyse auszuführen und eine zweimalige Serie erforderlich, um eine Kreuzspektrumsanalyse auszuführen.
  • In Schritt 804 setzt das System Zeitaufzeichnungen auf die folgende Weise fest, um mit der Autoleistungsspektralberechnung oder der Autobispektralberechnung der unipolaren Leitung fortzusetzen. Da diese Berechnungen nur ein Signal benötigen, wird die zweite Gruppe von Aufzeichnungen (Yi(t) der ersten Gruppe Xi(t) gleichgesetzt. Daraus folgt, dass die entsprechenden Fourier-Transformationen von Xi(t) und Yi(t) bzw. Xi(f) und Yi(f) ebenfalls gleich sind: Xi(t) = Yi(t) ---> Xi(f) = Yi(f) wobei i die Aufzeichnungszahl bezeichnet, welche in dieser Ausführung im Bereich von 1 bis 60 liegt.
  • In Schritt 806 sind Zeitaufzeichnungen für die Kreuzleistungsspektral- und Kreuzbispektralanalyse unter Anwendung von zwei verschiedenen Zeitreihensignalen gesetzt. Daraus folgt, dass die entsprechenden Fourier-Transformationen nicht gleich sind: Xi(t)Yi(t) ---> Xi(f)Yi(f) wobei Xi(t) und Yi(t) individuell abgeleitete Zeitreihenaufzeichnungen von zwei verschiedenen Regionen, die von zwei oder mehreren Elektroden überprüft werden, darstellen.
  • Die schnelle Fourier-Transformation (FFT) Xi(f) und Yi(f) jeder der 60 ausgewählten Aufzeichnungen für dieses Signal wird unter Verwendung einer Standard IEEE-Bibliotheksroutine (oder einer anderen öffentlich zugänglichen Routine) in Schritt 808 berechnet. Falls gewünscht, können die Serien der übertragenen Aufzeichnungen, Xi(f) und Yi(f), jeweils durch Dividieren des Wertes bei jeder Frequenz durch die Konstanten Cxi bzw. Cyi normalisiert werden. Diese Konstanten werden separat für jede Aufzeichnung und jede Serie (entweder X oder Y) abgeleitet. Die Konstante kann die Gesamtleistung, der höchste Spitzenwert im Spektrum von Interesse oder irgendeine andere Ableitung von Xi(f), Xi(t), Yi(f) und Yi(t) sein.
  • In Schritt 810 überprüft das System, ob die Berechnung, die ausgeführt werden soll, eine Leistungsspektrums- oder Bispektrumsberechnung ist.
  • Das System berechnet die Auto/Kreuzleistungsspektraldichtewerte (PD(f)) in Schritt 812 unter Anwendung der folgenden Gleichungen, wobei PC(f) das durchschnittliche Komplexprodukt für ein Signal oder ein Signalpaar ist:
    Figure 00180001
    PD(f) = ∣⁣PC(f)∣⁣ wobei Y*i(f) die Komplex Konjugierte von Yi(f) (0 < f < fs/2) und M die Anzahl der Aufzeichnungen (60 in der bevorzugten Ausführung) ist. Das System schickt dann das abgefragte Auto/Kreuzleistungsspektraldichtefeld an das Überwachungsmodul 402 zurück.
  • Wenn das System eine bispektrale Berechnung in Schritt 814 ausführt, überprüft das System, ob die Berechnung, die ausgeführt werden soll, eine Autobispektrums- oder Kreuzbispektrumsberechnung ist.
  • Die Autobispektrumsanalyse ist ein Spezialfall der Kreuzbispektrumsanalyse und daher werden verschiedene Symmetrieregeln angewandt. In Schritt 816 verwendet das System die folgenden Gleichungen um zu bestimmen, welche Bereiche von f1 und f2 während der autobispektralen Berechnung verwendet werden sollen: f1 + f2 ≤ f2/2 wobei fs der Abtastrate (d. h. die Anzahl der Abtastungen pro Sekunde) von 256 Abstastungen pro Sekunde in einer bevorzugten Ausführung entspricht, und 0 ≤ f2 ≤ f1 wobei f1 und f2 (auch als F1 und F2 oder Frequenz 1 und Frequenz 2 bezeichnet) die Frequenzpaare bezeichnen, über welche die Bispektrumsberechnung ausgeführt wird.
  • In Schritt 818 werden die folgenden Gleichungen verwendet, um die Bereiche von f1 und f2 für die Kreuzbispektrumsanalyse zu bestimmen: 0 ≤ f1 + f2 ≤ fs/2 0 ≤ f1 ≤ fs/2 –fs/2 ≤ f2 ≤ fs/4 f2 ≤ f1 wobei alle Variablen dieselben Werte wie bei der Autobispektralanalyse haben, mit Ausnahme bei der Kreuzbispektralanalyse, in der Xi(f) und Yi(f) die Fouriertransformation der individuell abgeleiteten Serienaufzeichnungen von zwei unterschiedlichen Regionen darstellen.
  • In Schritt 820 werden die Leistungsspektra Pxi(f) und Pyi(f) von jeder der 60 ausgewählten Aufzeichnungen für dieses Signal durch Quadrieren der Magnituden eines jeden Elementes der Fourier-Transformation Xi(f) bzw. Yi(f) berechnet.
  • Das System berechnet das durchschnittliche komplexe Tripelprodukt in Schritt 822 unter Anwendung der folgenden Gleichungen, wobei bc1(f1, f2) ein individuelles komplexes Tripelprodukt einer 4-Sekunden-Aufzeichnung und BC(f1, f2) das durchschnittliche komplexe Tripelprodukt für alle 60 Aufzeichnungen ist: bci(f1, f2) = Xi(f1)*Xi(f2)*Y*i(f1 + f2) wobei Y*i(f1 + f2) die Komplex Konjugierte von Yi(f1 + f2) ist, und BC(f1, f2 ) = 1/M
    Figure 00200001
    bci(f1, f2) wobei M die Anzahl der Aufzeichnungen (60 in der bevorzugten Ausführung) ist.
  • Das gemittelte reale Tripelprodukt wird in Schritt 824 unter Anwendung der folgenden Gleichungen berechnet, wobei bri(f1, f2) ein individuelles reales Tripelprodukt einer 4-Sekunden Aufzeichnung und BR(f1, f2) das gemittelte reale Tripelprodukt für alle 60 Aufzeichnungen ist: bri(f1, f2) = Pxi(f1)*Pxi(f2)*Pyi(f1 + f2) BR(f1, f2) = 1/M
    Figure 00200002
    bri(f1, f2) wobei M die Anzahl der Aufzeichnungen (60 in der bevorzugten Ausführung) ist.
  • In Schritt 826 wird das Feld der Auto/Kreuzbispektraldichtewerte (BD(f1, f2) unter Anwendung der folgenden Gleichung berechnet BD(f1, f2) = ∣⁣BC(f1, f2)∣⁣ In Schritt 828 wird das Feld der Quadratwurzeln des Bemittelten realen Tripelproduktes (SBR(f1, f2) unter Anwendung der folgenden Gleichung berechnet: SBR(f1, f2) =[BR(f1, f2)]1/2 In Schritt 830 berechnet das System das Feld der Auto/Kreuzbiphasenwerte (φ(f1, f2) unter Anwendung der folgenden Gleichung: φ(f1, f2) = tan–1[Im(BC(f1, f2))/Re/BC(f1, f2))] 0 < φ < 2π(Radianten) In Schritt 832 berechnet das System das Feld der Auto/Kreuzbikohärenzwerte (Rf1, f2) unter Anwendung der folgenden Gleichung: R(f1, f2) = BD(f1, f2)/SBR(f1, f2) 0 < R < 1
  • In Schritt 834 schickt das System das abgefragte Auto/Kreuzleistungsspektrumsdichtefeld oder die Felder der Auto/Kreuzbispektraldichte, der Quadratwurzel des gemittelten realen Tripelprodukts, der Bikohärenz, der Biphase an das Überwachungsmodul 402 zurück.
  • Die obigen auf einem Frequenzbereich basierenden Gleichungen, die verwendet werden, um die Auto/Kreuzbispektrumsfelder zu berechnen, können verallgemeinert werden, um die Auto/Kreuzspektralfelder höherer Ordnung zu berechnen. Das erlaubt die Berechnung des Trispektrums, Quadspektrums etc. Vorausgesetzt, dass die Felder eines Spektrums der k-ten Ordnung berechnet werden sollen, können die folgenden Gleichungen verwendet werden: Das durchschnittliche Komplexprodukt der k-ten Ordnung: KC(f1, f2, ..., fK-1) – 1/M
    Figure 00210001
    Xi(f1)*Xi(f2)*...*Xi(fK-1)*Yi(f1 + f2 + ... + fK-1) wobei M die Anzahl der Aufzeichnungen (60 in der bevorzugten Ausführung) ist.
  • Das durchschnittliche reale Produkt k-ter Ordnung: KR(f1, f2, ..., fK-1) = 1/M
    Figure 00210002
    Pxi(f1)*Pxi(f2)*...*Pxi(fK-1)*Pyi(f1 + f2 + ... + fK-1) Die Auto/Kreuzspektraldichte k-ter Ordnung: KD(f1, f2, ..., fK-1) = ∣⁣KC(f1, f2, ..., fK-1)∣⁣
  • Die Auto/Kreuzkohärenz k-ter Ordnung: R(f1, f2, ..., fK-1) = KD(f1, f2, ..., fK-1)/[KR(f1, f2, ..., fK-1)]1/2 0 < R < 1
  • Die Auto/Kreuzphase k-ter Ordnung: φ(f1, f2, ..., fK-1) = tan–1[lm(KC(f1, f2, ..., fK-1))/Re(KC(f1, f2, ..., fK-1))] 0 < φ < 2π(Radianten)
  • 9 veranschaulicht ein parametrisch basiertes Verfahren zur Erzeugung des Autoleistungsspektrums, Autobispektrums, Kreuzleistungsspektrums oder Kreuzbispektrums. In den Schritten 902, 904 und 906 stellt das System die Aufzeichnungen von Zeitreihen auf dieselbe Weise ein, wie oben in den Schritten 802, 804 bzw. 806 beschrieben ist. Die Auto/Kreuzleistungsspektra von Xi(t) und Yi(t) werden in den Schritten 908, 910 und 912 geschätzt. Das Schätzungsverfahren umfasst zwei Hauptphasen, die autoregressive (AR) Modellordnungsauswahl und die Berechnung des Auto/Kreuzleistungsspektrums für Xi(t) und Yi(t). In Schritt 908 berechnet das System zwei Sequenzen von Autokorrelationen {R2X(m)} und {R2Y(m)} unter Anwendung der folgenden Gleichung:
    Figure 00220001
    z = X oder Y, und m = 0, 1, ..., L
    wobei M die Anzahl der Aufzeichnungen eines jeden Signals (60 in der bevorzugten Ausführung) ist und N die Anzahl der Abtastungen pro Aufzeichnung (1024 in der beschriebenen Ausführung) ist und L größer als die größtmögliche AR Filterordnung (50 in der beschriebenen Ausführung) ist.
  • Die finalen Vorhersagefehler FPEx(m) und FPEy(m) werden für alle Ordnungen m = 1, 2, ..., L durch Ausführung einer Levinson-Rekursiunsfunktion bei jeder Autokorrelations-Sequenz in Schritt 910 berechnet, um die Ordnung des AR-Filters zu finden. Die Ordnung des AR-Filters kann durch Auffinden der Stelle des Minimums der endgültigen Vorhersagefehler FPEx(m) bzw. FPEy(m) bestimmt werden, d. h. FPEX(QX) = min{FPEX(m)} und FPEY(QY) = min{FPEY(m)} wobei QX und QY die Stellen der Minimalwerte für FPEX(m) und FPEy(m) (respektive) und folglich die Ordnungen der AR-Filter der Leistungsspektra Xi(t) und Yi(t) (respektive) sind.
  • Sobald die Ordnungen der AR-Filter für die Autoleistungsspektra bekannt sind, werden die Autokorrelations-Sequenzen {R2X(m)} und {R2Y(m)} in eine Levinson-Rekursion mit Ordnung QX bzw. QY anstelle von L eingegeben. Die Koeffizienten {ciX, i = 0, 1, ..., QX} und {ciY, i = 0, 1, ..., QY}, die aus der Rekursion erhalten wurden, sind die Koeffizienten der AR-Filter für die Autoleistungsspektra von Xi(t) bzw. Yi(t). Dann werden in Schritt 912 die Übertragungsfunktion der AR-Filter für die Autoleistungsspektra von Xi(t) und Yi(t) als Quadratwurzel des Vorhersagefehlers (σz), dividiert durch die Fourier Transformation der Koeffizienten, berechnet, d. h.
  • Figure 00230001
  • Die Werte der Auto/Kreuzleistungsspektraldichte (PD(f)) sind die Magnitude des Komplexproduktes HPX(f) und der Komplex Konjugierten von HPY(f), d. h. PC(f) = HPX(f)*HPY(f) PD(f) = ∣⁣PC(f)∣⁣
  • Falls gewünscht, kann dieselbe Normierung, die in Schritt 808 verwendet wurde, hier (auf HPz(f)) angewandt werden.
  • In Schritt 914 überprüft das System, ob die Berechnung, die ausgeführt werden soll, eine Bispektrumsberechnung ist und wenn sie es nicht ist, schickt das System das abgefragte Auto/Kreuzspektraldichtefeld zum Überwachungsmodul 402 zurück.
  • In den Schritten 916, 918 und 920 stellt das System die Symmetrien auf dieselbe Weise ein, wie oben in den Schritten 814, 816 und 818 beschrieben ist.
  • Das System schätzt das Auto/Kreuzbispektrum in den Schritten 922, 924 und 926. Das Schätzungsverfahren umfasst zwei Hauptphasen: die Ordnungsauswahl und die Bispektrumsberechnung. In Schritt 922 werden zwei Sequenzen von Momenten dritter Ordnung, {R3X(τ)} und {R3Y(τ)} unter Anwendung der folgenden Gleichung berechnet:
    Figure 00230002
    wobei s1 = max (1, 1- τ), s2 = min(N, N- τ) und L größer ist als die größte mögliche AR-Filterordnung (z. B. 50).
  • In Schritt 924 werden zwei Matrizen TX und TY gebildet, wie folgt:
    Figure 00240001
  • Ausgehend von unserer Annahme hinsichtlich des AR-Filters des Bispektrums, sind die Ordnungen OX und OY der AR-Filter der Bispektra von Xi(t) und Yi(t) Ränge der Supermatrizen TX und TY. Daher werden OX und OY unter Anwendung von eindeutigen Zerlegungen gewählt. Nachdem die Ordnungen gefunden wurden, erhalten wir die Koeffizienten der AR-Filter der Bispektra durch Lösen des folgenden linearen Systems von Gleichungen:
    Figure 00240002
    wobei die Asymmetrie (βz) und die Koeffizienten (b1z, ..., BOzz), z = X oder Y, durch Lösen des linearen Systems von Gleichungen erhalten werden können.
  • Das Auto/Kreuzbispektrum von Xi(t) und Yi(t) wird in Schritt 926 als die Kubikwurzel des Tripelprodukts der Asymmetrien (βXβYβY)1/3 berechnet, dividiert durch das Tripelprodukt der Fourier-Transformation der AR-Filter Koeffizieten (Hz(f)), d. h. BC(f1, f2) = (βXβYβY)1/3/HX(f1)HX(f2)H* Y(f1 + f2) Hz(f) = 1 +
    Figure 00240003
    bize–j2πfi, z = X, Y. und BR(f1, f2) ist das reale Tripelprodukt für dasselbe Signal: BR(f1, f2) = PX(f1)*PX(f2)*PY(f1 + f2) wobei die Autoleistungsspektra von Xi(t) und Yi(t), PX(f) und PY(f) durch Quadrieren der Magnituden der Übertragungsfunktion der AR-Filter für die Autoleistungsspektra von Xi(t) und Yi(t), (HPX(f) und HPY(f) respektive berechnet werden. Falls gewünscht, kann dieselbe Normierung, die in Schritt 808 verwendet wurde, hier angewandt werden. Ebenso wird (βz)1/3/Hz(f) durch die Quadratwurzel der Summe des Quadrats von dessen Magnitude für ein bestimmtes Frequenzband, für dessen größten Spitzenwert oder eine ähnlich abgeleitete vereinheitlichende Konstante dividiert.
  • Nach Erhalt des Leistungsspektrums und des Auto/Kreuzbispektrums berechnet das System das Bispektraldichtefeld, die Biphase, die Bikohärenz und die Quadratwurzel des Bemittelten realen Tripelprodukt(RTP)-Feldes in Schritt 928 auf dieselbe Weise wie in den Schritten 826, 828, 830 und 832. In Schritt 930 sendet das System das abgefragte Auto/Kreuzleistungsspektraldichtefeld, die Felder der Bispektraldichte, der Quadratwurzel des Bemittelten realen Tripelprodukts, der Biphase und der Bikohärenz an das Überwachungsmodul 402 zurück.
  • Die obigen, parametrischen Gleichungen, die verwendet werden, um die Auto/Kreuzbispektralfelder zu berechnen, können vereinheitlicht werden, um Auto/Kreuzspektralfelder höherer Ordnung zu berechnen. Das ermöglicht die Berechnung des Trispektrums, Quadspektrums etc. Vorausgesetzt, dass die Felder für ein Spektrum k-ter Ordnung berechnet werden sollen, können die folgenden Gleichungen verwendet werden: Das Auto/Kreuzspektrum k-ter Ordnung: KC(f1, f2, ..., fK-1) = ((βX)K-1βY)1/K/HX(f1)HX(f2)..HX(fK-1)H*Y(f1 + f2 + ... + fK-1) Hz(f) = 1 +
    Figure 00250001
    bize–j2πfi, z = X, Y.
  • Das reale Produkt k-ter Ordnung: KR(f1, f2, ..., fK-1) = PX(f1)*PX(f2)*...*PX(fK-1)*PY(f1 + f2 + ... + fK-1)
  • Nach Erhalt des Auto/Kreuzspektrums k-ter Ordnung berechnet das System das Auto/Kreuzspektraldichtefeld k-ter Ordnung, die Auto/Kreuzphase k-ter Ordnung und die Auto/Kreuzkohärenz k-ter Ordnung auf dieselbe Weise wie bei dem Verfahren, das auf Frequenzbereichen basiert.
  • Zu Illustrationszwecken sind die 10(a) – 10(c) grafische Darstellungen von Muster-Autobispektralfeldern, die Frequenzpaare 0 < f1 < 30 Hz und 0 < f2 < 15 Hz zeigen. Ein Bispektraldichtefeld ist in 10(a) gezeigt, wobei die Z-Achse die Magnitude in Dezibel (db) der gekoppelten Interaktion zwischen allen geeigneten Frequenzpaaren f1 und f2 darstellt. Es soll daran erinnert werden, dass das Frequenzpaar (f1, f2) folgende Gleichung erfüllen muss: f1 + f2 ≤ f2/2 wobei in diesem Fall fs= 60 Hz. Ein Bikohärenzfeld wird in 10(c) gezeigt, wobei die Z-Achse die vereinheitlichte Magnitude in Prozent (%) der gekoppelten Wechselwirkung zwischen allen geeigneten Frequenzpaaren f1 und f2 darstellt. Ein Biphase-Feld wird in 10(b) gezeigt, wobei die Z-Achse die Phase in Radianten der gekoppelten Wechselwirkung zwischen allen geeigneten Frequenzpaaren f1 und f2 darstellt. Ein Feld einer Quadratwurzel eines realen Tripelproduktes wird in 10(d) gezeigt, wobei die Z-Achse die Magnitude in Dezibels (db) der gekoppelten Wechselwirkung zwischen allen geeigneten Frequenzpaaren f1 und f2 darstellt.
  • Unter Bezugnahme auf 11 erfolgt nun eine etwas ausführlichere Veranschaulichung des Erzeugungsmoduls 410 vom diagnostischen Index. In Schritt 1102 identifiziert das System die Art der im Gange befindlichen diagnostischen Beurteilung. In einer bevorzugten Ausführung sind die fünf möglichen Optionen:
    • 1. Tiefe der Narkose, Bewusstsein/Hypnose, Reaktion auf Schmerz und chiurgischen Stress.
    • 2. Zerebrale Ischämie und Hypoxie
    • 3. Zerebrale Intoxikation (Alkohol, Betäubungsmittel)
    • 4. Evozierte Potential-Evaluierung
    • 5. Kognitive Prozess-Evaluierung
  • In Schritt 1104 erhält das System die Auto/Kreuzleistungsspektrums-, Bispektrums-, und/oder Spektrumsfelder höherer Ordnung, die zur Berechnung des gewünschten diagnostischen Index unter Anwendung des Sortierverfahrens, das unten beschrieben ist, erforderlich sind. Die verschiedenen Felder, die bei der Erzeugung des diagnostischen Index verwendet werden können, sind: Auto/Kreuzleistungsspektrum; Auto/Kreuzbispektraldichte; Auto/Kreuzbikohärenz; auto/kreuzbispektrales reales Produkt; Auto/Kreuz-Biphase; Auto/Kreuzspektraldichte k-ter Ordnung; Auto/Kreuzkohärenz k-ter Ordnung, auto/kreuzspektrales reales Produkt k-ter Ordnung und Auto/Kreuz-Phase k-ter Ordnung.
  • Das Sortieren der Auto/Kreuzleistungsspektrums-, Bispektrums-, und Spektrumsfelder höherer Ordnung ist ein wichtiges Merkmal der vorliegenden Erfindung, da es einen Mechanismus zum Kompensieren von Veränderungen in der Energieverteilung in diesen (und jeglichen anderen) Spektra vorsieht. Das Folgende ist eine allgemeine Beschreibung, wie dieses Merkmal in eine bevorzugte Ausführung implementiert ist.
  • Basierend auf einer FFT, abgeleitet von 4-Sekunden-Aufzeichnungen, wie in der bevorzugten Ausführung beschrieben ist, können 120 Datenpunkte für ein Leistungsspektrumsfeld berechnet werden, welches das Frequenzband 0–30 Hz (mit 4-Sekunden Aufzeichnungen und einer Abtastrate von 256 Abtastungen pro Sekunde; die Auflösung der FFT beträgt 0,25 Hz und der verwendete Bereich ist 30 Hz breit, damit gibt es 120 = 30 Hz/0,25 Hz Datenpunkte) abdeckt. Wenn die 120 Datenpunkte in absteigender Reihenfolge sortiert werden, entspricht das erste Element im sortierten Feld dem größten Leistungsspektrumswert und das letzte Element dem kleinsten Leistungsspektrumswert. Ein Verteilungshistogramm der Leistung kann dann unter Anwendung des sortierten Feldes erzeugt werden. Die X-Achse im Histogramm stellt die Leistung in dB dar und die Y-Achse die Anzahl der Punkte im sortierten Feld, das einem bestimmten X-Achse-Leistungswert entspricht. Wenn alle Punkte im sortierten Feld addiert werden, repräsentiert die Summe die gesamte Leistung im 0–30 Hz-Spektrum. Wenn eine Anzahl von angrenzenden Punkten im sortierten Feld addiert wird, wird ein Teil des Histogramms, der einen Prozentanteil der gesamten Leistung darstellt, erhalten. Zum Beispiel repräsentieren die zwei höchsten Punkte in einem bestimmten EEG-Signal im sortierten Feld die obersten 10% der gesamten Leistung im Leistungsverteilungshistogramm. Ebenso erhält man durch Addieren der untersten 70 Punkte (für dasselbe Signal) im sortierten Feld die untersten 10% der gesamten Leistung im Histogramm. Anstelle des Summierens der Punkte im Feld können statistische Werte wie der Mittelwert oder die Standardabweichung von Punkten im Feld oder eindeutige Werte wie der Median, das Minimum oder Maximum der Punkte im Feld berechnet und verwendet werden, um einen diagnostischen Index zu erzeugen. Ebenso entspricht der oberste Punkt im sortierten Feld einer Berechnung der Spitzen- oder maximalen Leistung, während das mittlere Element der mittleren Leistung entspricht und das letzte Element die minimale Leistung ist. In einer Ausführung wird der Spitzenwert verwendet. In einer anderen Ausführung wird der Minimalwert verwendet. In einer dritten Ausführung können sowohl der Spitzenwert als auch der Minimalwert verwendet werden. Bei dieser Methode kann jeder Teil des Leistungsverteilungshistogramms durch Addieren eines oder mehrerer angrenzender Elemente im sortierten Feld (oben 25% der gesamten Leistung, in der Mitte 50% der gesamten Leistung etc.) (vorausgesetzt, dass man die Übertragungsfunktion von spezifischen Punkten zum Prozentsatz der gesamten Leistung empirisch ermittelt hat) erhalten werden. Durch das Sortieren sind wir in der Lage, Regionen mit hoher Aktivität und niedriger Aktivität (Spitzen und Täler) im 0–30 Hz- Leistungsspektrum ausfindig zu machen, ohne die spezifischen engen Frequenzbänder analysieren zu müssen. Das entspricht einer Kartierung des Leisungsspektrums auf seine Leistungsverteilungsfunktion und einem Arbeiten auf fixierten Bändern innerhalb dieser Verteilungsfunktion. Diese Übertragung ist auf einige der Inkonsistenzen im Verhalten der EEG-Leistung gerichtet, die beobachtet wurden, wenn hypnotische Betäubungsmittel verabreicht wurden. Allgemeiner transformiert das Sortierschema, das oben kurz dargestellt wurde, jedes Auto/Kreuzleistungsspektrums-, Bispektrums-, und Spektrumsfeld höherer Ordnung von jeder Dimension und jedem Frequenzband in eine eindimensionale Verteilungsfunktion der Werfe, die es beinhaltet. Die eindimensionale Verteilung wird dann in fixierte Bänder unterteilt, die kombiniert werden können, um einen diagnostischen Index zu erzeugen. Die fixierten Bänder oder Abschnittssequenzen können aus einem oder mehreren Punkten bestehen, um die Evaluierung der Veränderungen von spezifischen Spitzen, Tälern und anderen Eigenschaften der Verteilung der Daten, die analysiert werden, zu ermöglichen. Obwohl das Wort "Sortieren" in dieser bevorzugten Ausführung verwendet wird, ist beabsichtigt, jede Rangordnung von jedem Auto/Kreuzleistungsspektrums-, Bispektrums-, und Spektrumsfeld höherer Ordnung jeglicher Dimension und jeglichen Frequenzbandes und die Verwendung der Rangordnungsinformation zu umfassen, um einen oder mehrere Punkte zu extrahieren, die dann verwendet werden, um einen oder mehrere diagnostische Indizes zur Beurteilung von zerebralen Phänomenen auf eine Weise, die mit dieser Ausführung übereinstimmt, zu erzeugen.
  • In Schritt 1106 werden die Referenz-Auto/Kreuzleistungsspektrums-, Bispektrumsund Spektrumsfelder höherer Ordnung sortiert. Die entsprechenden abhängigen Felder werden entsprechend der sortierten Sequenz des Referenzfeldes wieder geordnet. Ein Referenzfeld ist ein Feld, dessen Werte als primäres Sortiermerkmal für eine Gruppe von entsprechenden Feldern verwendet werden, welche dieselbe Anzahl von Variablen aufweisen und identisch in Bezug auf die Größe mit dem Referenzfeld sind. Wenn zum Beispiel das Referenzfeld vier Elemente mit den Indizes 1, 2, 3, 4 vor dem Sortieren aufweist und nach der Sortierung die neue Anordnung der Indizes 2, 1, 4, 3 ist, dann kann man dieselbe Neuanordnung verwenden, um jedes andere Feld mit derselben Größe (in diesem Fall durch Platzieren des zweiten Elementes an erster Stelle, des ersten Elements an zweiter, etc.) neu anzuordnen. Auf diese Weise kann man die Sortierung des Referenzfeldes verwenden, um die abhängigen Felder neu anzuordnen. In der bevorzugten Ausführung ist das Referenzfeld eine autobispektrale Dichte und die abhängigen Felder sind Autobikohärenz und die Quadratwurzel des gemittelten realen Tripelprodukts. Die autobispektrale Dichte wurde als Referenzfeld ausgewählt, da sie Informationen über die verbleibende Leistung bei jedem Frequenzpaar nach willkürlichen Phasenauflösungen bereitstellt. Folglich schafft das Sortieren des autabispektralen Dichtefelds ein stabileres Mittel, um Autokohärenz und reale Tripelproduktwerte als die Sortierung jener Felder selbst. Ein anderes Feld kann ausgewählt werden, um andere Erfordernisse zu erfüllen.
  • In einigen Ausführungen wird die Summe, der Mittelwert und die Standardabweichung vom Auto/Kreuzleistungsspektrums-, Bispektrums- und Spektrumsfeld höherer Ordnung von Interesse ebenfalls berechnet (ergibt vor oder nach dem Sortieren dieselben Resultate, da diese deskriptiven Statistiken von der Rangfolge unabhängig sind).
  • Diese Variablen können auch bei der Erzeugung des diagnostischen Index verwendet werden. Zusätzliche Variablen können direkt von sortierten und nicht sortierten Feldern abgeleitet werden, in dem das einfache Verhältnis oder das Produkt von jedweden zwei sortierten oder deskriptiven Variablen genommen wird. Zum Beispiel liefert uns das Verhältnis der Standardabweichung zum Mittelwert den Koeffizienten der Variation. Der Zweck ist, die sortierten und nicht sortierten Felder in so viele als mögliche Deskriptoren aufzuspalten.
  • In Schritt 1108 werden die sortierten Auto/Kreuzleistungsspektrums-, Bispektrumsund Spektrumsfelder höherer Ordnung einzeln in Abschnitte unterteilt, wie vorher. beschrieben wurde. Die Summe der Punkte in jedem Abschnitt für jedes Feld wird berechnet und in eine temporäre Variable gespeichert. Deskriptive statistische Variablen, die in Schritt 1108 erzeugt wurden, können ebenfalls an temporären Stellen gespeichert werden. In Schritt 1110 wird das klinisch vorgegebene Koeffizientenfeld für den gewünschten diagnostischen Index vom residenten Speicher (oder vom Speichergerät) abgefragt. Jeder Koeffizient im vorgegebenen Koeffizientenfeld entspricht einer der temporären Variablen, die in Schritt 1108 erzeugt wurden. In Schritt 1112 wird der diagnostische Index aus der Summe aller Variablen erzeugt, multipliziert mit ihren entsprechenden Koeffizienten im vorgegebenen Koeffizientenfeld. Wie oben ausgeführt wurde, können die Variablen, die für das Erzeugen des diagnostischen Index verwendet werden, die Summe der Punkte in jedem Abschnitt, jeglicher deskriptive statistische Wert (wie Mittelwert, Median, Standardabweichung, maximaler Wert, minimaler Wert etc.), der aus dem Punktewert in jedem Abschnitt erzeugt wurde, oder jeder vorgegebene Wert aus einem sortierten oder unsortierten Feld oder aus einem Abschnitt in einem sortierten oder unsortierten Feld sein. In Schritt 1114 kehrt das Programm zum Überwachungsmodul 402 zurück.
  • Die vorgegebenen klinischen Koeffizientenfelder, auf die oben Bezug genommen wurde, sind wichtig für die Fähigkeit des Gerätes, um die klinisch relevante diagnostische Effizienz zu erreichen. Das übernommene Verfahren zur Erzeugung dieser klinischen Referenzfelder wird nun beschrieben. Da eine große Anzahl von möglichen Referenzfeldern erzeugt werden muss, um all die diagnostischen Modalitäten des Systems anzupassen, wird nur eines ausführlich erläutert. Alle anderen Referenzfelder werden auf ähnliche Art erzeugt. Für Illustrationszwecke wird unten ein Verfahren zur Erzeugung der Koeffizienten beschrieben, die erforderlich sind, um die Reaktionsfähigkeit auf stressvolle Stimulationskomponente der Narkosetiefe unter Verwendung der abgeleiteten Signale FL und FR (der bevorzugten Ausführung) zu testen.
  • Um zu bestimmen, welche Variablen sowie welche Werte der klinischen Koeffizienten, die mit jeder dieser Variablen verbunden sind, in einen diagnostischen Index eingearbeitet werden sollen, sind Rohdaten als auch klinische Diagnosen erforderlich. In den speziellen Fällen, die unten beschrieben sind, um einen Index zu erstellen, der die Narkosetiefe angibt, wurden EEG-Signale (die Rohdaten) und Bewertungen von Patientenreaktionen auf klinische Stimuli (die klinischen Diagnosen) gesammelt. In einem Fall unten basiert die Beurteilung auf der Veränderung des arteriellen Blutdrucks des Patienten. In einem anderen Fall entspricht die Bewertung der Beurteilung des Chirurgen, ob der Patient eine motorische Reflexreaktion hatte. Sobald die Daten erhalten wurden, können die verschiedenen Spektra berechnet werden und dann die Variablen aus diesen Spektra berechnet werden, wie oben beschrieben wurde. Durch Kombination irgendwelcher bestimmter Untermengen dieser Variablen in einem statistischen Regressionsmodell kann ein bestimmter diagnostischer Index bestimmt werden. Die klinischen Koeffizienten, welche das Vermögen dieses bestimmten Index optimieren, um die eigentliche klinische Diagnose vorherzusagen, werden durch das Regressionsverfahren berechnet. Durch Kombinieren der Variablen in vielfachen Untermengen von Variablen und Durchführung einer statistischen Regression bei jeder dieser Untermengen kann eine Reihe von möglichen diagnostischen Indizes erzeugt und die voraussagende Fähigkeit jedes einzelnen Index festgelegt werden. Durch anschließendes Vergleichen der vorhergesagten Diagnosen jedes dieser diagnostischen Indizes mit den faktischen klinischen Diagnosen kann die Untermenge der Variablen, die zum diagnostischen Index führt, welcher das faktische Ergebnis äußerst genau vorhersagt, festgelegt werden.
  • In zwei separaten Studien wurden EEG-Potentiale von einer Patientengruppe kontinuierlich aufgezeichnet, die sich einem Elektiveingriff unterzogen. Die Aufzeichnungszeit begann ca. fünf Minuten vor der Induktion und dauerte so lange wie der Eingriff. Die abgeleiteten Signale FL, FR, PL, PR, FPL und FPR wurden unter Anwendung des oben beschriebenen Verfahrens aufgenommen.
  • Der Zweck der ersten Studie war zu bestimmen, ob Autobispektrumsvariablen Informationen über die Narkosetiefe bei Inzision liefern. Vierzig erwachsene Patienten wurden studiert. Die Narkose wurde mit Thiopental (bis zu 5,0 mg/kg) und Intubation nach der Verabreichung von Succinylcholin ausgeführt. Patienten wurden zufällig ausgewählt, um Isofluran 0,75 MAC (durchschnittliche alveoläre Konzentration), 1,00 MAC oder 1,25 MAC in 100% Sauerstoff zu erhalten. Eine endexspiratorische Wirkstoff-Konzentration wurde überwacht und nachdem eine Phase des stabilen Zustandes erreicht war, wurde eine gezielte Bewegung in Reaktion auf eine Hautinzision bewertet. Jeder Patient wurde entweder als ein "Mover" oder "Non-Mover" basierend auf den Reaktionen des Patienten auf die Inzision eingestuft.
  • Der Zweck der zweiten Studie war zu bestimmen, ob Autobispektrumsvariablen Informationen über die Vorhersage von hämodynamischen Reaktionen auf eine Laryngoskopie während einer Induktion mit Sufentanil oder Alfentanil liefern. Vierzig erwachsene Patienten wurden studiert. Die Patienten erhielten eine Prämedikation mit Diazepam zum Einnehmen (0,05–0,15 mg/kg) und wurden mit Thiopental (4,0–6,0 mg/kg) und 60% Distickstoffoxid in Sauerstoff, gefolgt von Vecuronium (0,1 mg/kg) induziert. Jeder Patient wurde dann zufällig ausgewählt, eine der fünf Dosierungen zu erhalten: normale Salzlösung, Alfentanil 15 μg/kg oder 30 μg/kg; Sufentanil 0,5 μg/kg oder 1,5 μg/kg. Die Laryngoskopie wurde drei Minuten nach der Arzneimittelverabreichung ausgeführt. Der Blutdruck im Oberarm wurde jede Minute mit einem Manschettengerät gemessen. Patienten, die eine Veränderung des arteriellen Mitteldrucks von mehr als 20% als Reaktion auf die Intubation zeigten, wurden als "Responders" eingestuft; jene, die keine solche Veränderung bei Intubation zeigten, wurden als "Non-Responders" eingestuft.
  • Ein Feld für die autobispektrale Dichte, für die Autobikohärenz und für eine Auto-Quadratwurzel des gemittelten realen Tripelprodukts wurden für die abgeleiteten Signale FL und FR für jeden Patienten unter Anwendung einer Zwei-Minuten-Periode vor dem Stimulus erzeugt. Das Frequenzband, für welches die bispektralen Felder berechnet wurden, lag bei 0,25–30 Hz. Jedes bispektrale Feld enthielt 3600 Datenpunkte.
  • Die erhaltene Autobispektraldichte, Autobikohärenz und Auto-Quadratwurzel des gemittelten realen Tripelprodukts wurden unter Anwendung des Autobispektraldichtefeldes als Sortierungsreferenzfeld sortiert. Die Sortierung wurde unter Anwendung des Algorithmus, der oben beschrieben ist, ausgeführt.
  • Elf Variablen wurden von jedem der sortierten Felder, wie unten beschrieben ist, erzeugt:
    Var1 = Summe der größten 15 Punkte im sortierten Feld
    Var2 = Summe der Punkte, die an 16. bis 30. Stelle im sortierten Feld eingereiht sind
    Var3 = Summe der Punkte, die an 31 bis 50 Stelle im sortierten Feld eingereiht sind
    Var4 = Summe der Punkte, die an 51 bis 100 Stelle im sortierten Feld eingereiht sind
    Var5 = Summe der Punkte, die an 101 bis 150 Stelle im sortierten Feld eingereiht sind
    Var6 = Summe der Punkte, die an 151 bis 300 Stelle im sortierten Feld eingereiht sind
    Var7 = Summe der Punkte, die an 301 bis 500 Stelle im sortierten Feld eingereiht sind
    Var8 = Summe der Punkte, die an 501 bis 900 Stelle im sortierten Feld eingereiht sind
    Var9 = Summe der Punkte, die an 901 bis 1.500 Stelle im sortierten Feld eingereiht sind
    Var10 = Summe der Punkte, die an 1.501 bis 2.400 Stelle im sortierten Feld eingereiht sind
    Var11 = Summe der Punkte, die an 2.401 bis 3.600 Stelle im sortierten Feld eingereiht sind.
  • Die Werte der 11 Variablen für jedes Feld wurden berechnet. Folglich gab es 33 temporäre Variablen pro Patient pro Signal.
  • Die 80 Patienten wurden dann in zwei Gruppen eingeteilt. Die erste Gruppe umfasste alle Patienten aus der ersten Studie, die sich bei Inzision bewegten und alle Patienten der zweiten Studie, die eine Veränderung des Blutdrucks größer als 20% als Reaktion auf Intubation zeigten. Die zweite Gruppe umfasste alle Patienten aus der ersten Studie, die sich bei Inzision nicht bewegten und alle Patienten aus der zweiten Studie, die eine Blutdruckreaktion von weniger als 20% bei Intubation zeigten.
  • Um ein Koeffizienten-Set zu erzeugen, das den effektivsten diagnostischen Index ergibt, wurde eine Diskriminanzanalyse ausgeführt. Der diagnostische Index (I(c0, c1, ..., c33)) für eine Koeffizientengruppe (c0, c1, ..., c33) ist gegeben durch: I(c0, c1, ..., c33) = c0 + (BISA* c1 + ... + BISK*c11) + (BICA*c12 + ... + BICK*c22) + (PSA*c23 + ... + PSK*c33 ) wobei BISA bis BISK die elf sortierten temporären Variablen aus dem Bispektrumsfeld sind; BICA durch BICK sind die Variablen aus dem Bikohärenzfeld und PSA bis PSK sind die Variablen aus der sortierten Quadratwurzel des gemittelten realen Tripelproduktfeldes. Die Diskriminanzanalyse mit den Werten der temporären Variablen, die oben erwähnt sind und der Responder/Non-Responder-Einteilung eines jeden Patienten erzeugt die Koeffizientengruppe, welche die beste Trennung von "Responder" und "Non-Responder" durch die Funktion I ergibt. Diskriminanzanalyse-Algorithmen sind öffentlich erhältlich; in diesem Fall wurden jene, die verwendet wurden, von der Statistik-Bibliothek, erhältlich von IMSL (Houston, Texas) bezogen. Unten ist eine Musterliste von Koeffizienten, die unter Anwendung einer Datenbank mit 170 Patienten erzeugt wurde:
    Figure 00320001
    Figure 00330001
  • Für die beiden Studien, die oben erläutert wurden, wurde der diagnostische Index verwendet, um die Reaktion auf den Stimulus für jeden Patienten vorherzusagen. Das Folgende ist eine Zusammenfassung der erzielten Resultate:
    Empfindlichkeit, Vorhersage von Bewegung bei Inzision = 96%
    Spezifität, Vorhersage von Nicht-Bewegung bei Inzision = 63%
    Allgemeine Genauigkeit, Vorhersage von Bewegung/Nicht-Bewegung bei Inzision = 83%
    Empfindlichkeit, Vorhersage >20% BD-Veränderung bei Intubation = 100%
    Spezifität, Vorhersage <20% BD-Veränderung bei Intubation = 50%
    Allgemeine Genauigkeit, Vorhersage BD-Veränderung bei Intubation = 85%
  • Das Beispiel oben zeigt eine Methode, um eine Koeffizientengruppe für eine diagnostische Anwendung auf retrospektive Weise zu erhalten. Verschiedene andere Methoden können verwendet werden, um die klinischen Bestände, die studiert werden, unter Anwendung eines diagnostischen Index zu separieren. Solche Methoden umfassen, sind jedoch nicht beschränkt auf lineare Regression, schrittweise lineare Regression, logistische Regression und schrittweise logistische Regression. Gleichgültig welche Methode verwendet wird, um retrospektiv die Koeffizienten zu berechnen, muss die Ausführung des endgültigen Index in einem prospektiven Versuch vor der Anwendung in der Patientenbetreuung bestätigt werden.
  • Das analytische Verfahren, das oben beschrieben ist, wird verwendet, um die Referenzdatenbanken für zerebrale Ischämie, zerebrale Hypoxie, Bewusstsein/Hypnose, Vergiftungsgrade, veränderte, evozierte Potentialreaktionen und normale oder abnormale, kognitive Prozesse einschließlich aber nicht beschränkt auf die Alzheimerkrankheit und auf HIV-bedingten Demenzen zu erzeugen.
  • Zusätzlich zum Quantifizieren der Tiefe und Angemessenheit einer Narkose kann das System und Verfahren der vorliegenden Erfindung auch verwendet werden, um unzählige zerebrale Phänomene zu bewerten, welche die nicht lineare Frequenzstruktur des EEG verändern, wie durch die Bispektrums- und Spektrumsmethoden höherer Ordnung quantifiziert wurde. Solche zerebralen Phänomene umfassen, sind jedoch nicht beschränkt auf zerebrale Ischämie, zerebrale Hypoxie, Stufen des Bewusstseins/der Hypnose, Vergiftungsgrade, veränderte, evozierte Potetialreaktionen und normale oder abnormale kognitive Prozesse, die von neurologischen Störungen wie der Alzheimerkrankheit und HIV-bedingten Demenzen verursacht wurden.
  • Obwohl Leistungsspektrums- und Bispektrumsanalyseverfahren auf das EEG-Signal für diagnostische Zwecke angewandt wurden, wie im Hintergrund oben erläutert ist, wurden spektrale Verfahren höherer Ordnung noch nie verwendet. Weiters wurde kein Leistungsspektrums-, Bispektrums- oder Spektrumsverfahren höherer Ordnung in Zusammenhang mit dem oben beschriebenen Sortierungsverfahren verwendet. Das System und Verfahren der vorliegenden Erfindung sortiert eigens verschiedene Auto/Kreuzleistungsspektra-, Bispektra- und spektrale Felder höherer Ordnung, unterteilt die sortierten Felder in Abschnitte und summiert die Variablen in jedem Abschnitt, um eine Variable zu berechnen oder berechnet eine Variable als statistischen Wert, der von den sortierten oder unsortierten Feldern oder von einem Abschnitt innerhalb der sortierten oder unsortierten Felder abgeleitet wurde, um eine Variable zu berechnen, oder wählt einen vorgegebenen Wert aus jedem sortierten oder unsortierten Feld oder aus einem Abschnitt innerhalb des sortierten oder unsortierten Feldes aus, um eine Variable zu berechnen. Die berechneten Variablen werden dann einzeln mit einem klinisch derivierten Koeffizienten multipliziert und summiert, um einen diagnostischen Index zu erzeugen. Die verschiedenen Felder, die verwendet werden können, sind: Auto/Kreuzleistungsspektrum, Auto/Kreuzbispektraldichte, Auto/Kreuzbikohärenz, Auto/Kreuzbiphase, Auto/Kreuz gemitteltes reales Tripelprodukt, Auto/Kreuzbispektraldichte k-ter Ordnung, Auto/Kreuzkohärenz k-ter Ordnung, Auto/Kreuz Phase und Auto/Kreuz reales Produkt.
  • Während die vorstehende Erfindung unter Bezugnahme auf ihre bevorzugten Ausführungen beschrieben wurde, sind verschiedene Veränderungen und Modifikationen für den Fachmann erkennbar. Alle diese Veränderungen und Modifikationen sollen in den Rahmen der beigefügten Ansprüche fallen.

Claims (22)

  1. Verfahren zur Erzeugung eines diagnostischen Index zur Quantifizierung der Anwesenheit oder Abwesenheit von bioelektrischen Phänomenen, wobei das Verfahren folgende Schritte aufweist: Aufnahme (506, 706) von elektrischen Signalen von einem lebenden Körper (15), wobei die elektrischen Signale die bioelektrischen Phänomene repräsentieren; Erzeugen (508, 712, 812, 826, 912, 926) von spektralen Werten aus den aufgenommenen elektrischen Signalen; Einsortieren (1106) der spektralen Werte in mindestens einen vorbestimmten Abschnitt von Bereichen der spektralen Werte; gekennzeichnet durch, Auswählen (1108) mindestens einer für spektrale Werte repräsentativen Variable in jedem der mindestens einen Abschnitte; Multiplizieren (1112) der zumindest einen ausgewählten Variable mit einem vorgegebenen Koeffizienten, in jedem des zumindest einen Abschnitts, um ein Abschnittsprodukt zu erhalten; Summieren (1112) der Abschnittsprodukte um einen diagnostischen Index zu erhalten (510, 1112), welcher einen Grad der Anwesenheit oder Abwesenheit der genannten Phänomene repräsentiert.
  2. Verfahren zur Erzeugung eines diagnostischen Index nach Anspruch 1, wobei die spektralen Werte Werte eines Leistungsspektrums sind.
  3. Verfahren zur Erzeugung eines diagnostischen Index nach Anspruch 1, wobei die spektralen Werte Werte eines Bispektrums sind.
  4. Verfahren zur Erzeugung eines diagnostischen Index nach Anspruch 1, wobei die spektralen Werte spektrale Werte der k-ten Ordnung mit k größer 2 sind.
  5. Verfahren zur Erzeugung eines diagnostischen Index nach Anspruch 1, wobei zumindest eine Variable der Mittelwert der spektralen Werfe in dem Abschnitt ist.
  6. Verfahren zur Erzeugung eines diagnostischen Index nach Anspruch 1, wobei zumindest eine Variable der Median der spektralen Werfe in dem Abschnitt ist.
  7. Verfahren zur Erzeugung eines diagnostischen Index nach Anspruch 1, wobei zumindest eine Variable die Standardabweichung der spektralen Werte in dem Abschnitt ist.
  8. Verfahren zur Erzeugung eines diagnostischen Index nach Anspruch 1, wobei zumindest eine Variable der Maximalwert der spektralen Werte in dem Abschnitt ist.
  9. Verfahren zur Erzeugung eines diagnostischen Index nach Anspruch 1, wobei zumindest eine Variable der Minimalwert der spektralen Werte in dem Abschnitt ist.
  10. Verfahren zur Erzeugung eines diagnostischen Index nach Anspruch 1, wobei zumindest eine Variable ein Wert auf einer vorausgewählten Position des Abschnitts ist.
  11. Verfahren zur Erzeugung eines diagnostischen Index nach Anspruch 1, wobei zumindest eine Variable eine spezifizierte, dem Rang nach geordnete Variable ist.
  12. System zur Erzeugung eines diagnostischen Index zur Quantifizierung der Anwesenheit oder Abwesenheit von bioelektrischen Phänomenen, wobei das System folgendes aufweist: Mittel (13, 16, 406) zur Aufnahme (506, 706) von elektrischen Signalen von einem lebenden Körper (15), wobei die elektrischen Signale die bioelektrischen Phänomene repräsentieren; Mittel (408) zum Erzeugen (508, 712, 812, 826, 912, 926) von spektralen Werfen aus den aufgenommenen elektrischen Signalen; Mittel (410) zum Einsortieren (1106) der spektralen Werte in mindestens einen vorbestimmten Abschnitt von Bereichen der spektralen Werte; Mittel (410) zum Auswählen (1108) mindestens einer für spektrale Werte repräsentativen Variable in jedem der mindestens einen Abschnitte; Mittel (410) zum Multiplizieren (1112) der zumindest einen ausgewählten Variable mit einem vorgegebenen Koeffizienten, in jedem des zumindest einen Abschnitts, um ein Abschnittsprodukt zu erhalten; Mittel (410) zum Summieren (1112) der Abschnittsprodukte um einen diagnostischen Index zu erhalten (510, 1112), welcher einen Grad der Anwesenheit oder Abwesenheit der genannten Phänomene repräsentiert.
  13. System zur Erzeugung eines diagnostischen Index nach Anspruch 12, wobei die spektralen Werte Werte eines Leistungsspektrums sind.
  14. System zur Erzeugung eines diagnostischen Index nach Anspruch 12, wobei die spektralen Werte Werte eines Bispektrums sind.
  15. System zur Erzeugung eines diagnostischen Index nach Anspruch 12, wobei die spektralen Werte spektrale Werte der k-ten Ordnung mit k größer 2 sind.
  16. System zur Erzeugung eines diagnostischen Index nach Anspruch 12, wobei zumindest eine Variable der Mittelwert der spektralen Werte in dem Abschnitt ist.
  17. System zur Erzeugung eines diagnostischen Index nach Anspruch 12, wobei zumindest eine Variable der Median der spektralen Werte in dem Abschnitt ist.
  18. System zur Erzeugung eines diagnostischen Index nach Anspruch 12, wobei zumindest eine Variable die Standardabweichung der spektralen Werte in dem Abschnitt ist.
  19. System zur Erzeugung eines diagnostischen Index nach Anspruch 12, wobei zumindest eine Variable der Maximalwert der spektralen Werte in dem Abschnitt ist.
  20. System zur Erzeugung eines diagnostischen Index nach Anspruch 12, wobei zumindest eine Variable der Minimalwert der spektralen Werte in dem Abschnitt ist.
  21. System zur Erzeugung eines diagnostischen Index nach Anspruch 12, wobei zumindest eine Variable ein Wert auf einer vorausgewählten Position des Abschnitts ist.
  22. System zur Erzeugung eines diagnostischen Index nach Anspruch 12, wobei zumindest eine Variable eine spezifizierte, dem Rang nach geordnete Variable ist.
DE69530768T 1994-06-09 1995-06-08 System und verfahren zum analysieren des zerebralen biopotentials Expired - Lifetime DE69530768T2 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US257356 1994-06-09
US08/257,356 US5458117A (en) 1991-10-25 1994-06-09 Cerebral biopotential analysis system and method
PCT/US1995/007310 WO1995033404A1 (en) 1994-06-09 1995-06-08 Cerebral biopotential analysis system and method

Publications (2)

Publication Number Publication Date
DE69530768D1 DE69530768D1 (de) 2003-06-18
DE69530768T2 true DE69530768T2 (de) 2004-03-18

Family

ID=22975980

Family Applications (1)

Application Number Title Priority Date Filing Date
DE69530768T Expired - Lifetime DE69530768T2 (de) 1994-06-09 1995-06-08 System und verfahren zum analysieren des zerebralen biopotentials

Country Status (8)

Country Link
US (1) US5458117A (de)
EP (1) EP0764001B1 (de)
JP (1) JPH10501163A (de)
AT (1) ATE240077T1 (de)
CA (1) CA2191594C (de)
DE (1) DE69530768T2 (de)
ES (1) ES2199994T3 (de)
WO (1) WO1995033404A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006017716A1 (de) * 2006-04-15 2007-10-18 Forschungszentrum Jülich GmbH Vorrichtung zur Messung biomedizinischer Daten eines Probanden und Verfahren zur Stimulation des Probanden mit in Echtzeit verarbeiteten Daten
DE102013015427A1 (de) * 2013-09-18 2015-03-19 Universitätsklinikum Erlangen Verfahren und Vorrichtung zur Messung der zerebralen Perfusion

Families Citing this family (133)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5579782A (en) 1993-08-12 1996-12-03 Omron Corporation Device to provide data as a guide to health management
DE19519267A1 (de) * 1995-05-31 1996-12-05 Christoph Herrmann Verfahren und Einrichtung zum Auswerten von Elektroenzephalogramm-Aufnahmen
US5871450A (en) * 1995-06-02 1999-02-16 Colin Corporation Anesthetic depth measuring apparatus
JPH09271516A (ja) * 1996-04-05 1997-10-21 Nippon Koden Corp 麻酔深度判定方法及び装置
EP0828225A1 (de) * 1996-09-04 1998-03-11 Siemens Aktiengesellschaft Verfahren und Vorrichtung zum Auswerten von EEG-Daten
US5899867A (en) * 1996-10-11 1999-05-04 Collura; Thomas F. System for self-administration of electroencephalographic (EEG) neurofeedback training
US5792069A (en) 1996-12-24 1998-08-11 Aspect Medical Systems, Inc. Method and system for the extraction of cardiac artifacts from EEG signals
DE19725214C1 (de) 1997-06-15 1998-11-19 Mario Dr Siebler Vorrichtung zum Messen und Analysieren elektrischer Hirnströme
WO1999015067A2 (en) 1997-09-23 1999-04-01 Auckland Uniservices Limited Method and system for detecting white matter neural injury and predicting neurological outcome particularly for preterm infants
US7231254B2 (en) 1998-08-05 2007-06-12 Bioneuronics Corporation Closed-loop feedback-driven neuromodulation
US7747325B2 (en) 1998-08-05 2010-06-29 Neurovista Corporation Systems and methods for monitoring a patient's neurological disease state
US7277758B2 (en) 1998-08-05 2007-10-02 Neurovista Corporation Methods and systems for predicting future symptomatology in a patient suffering from a neurological or psychiatric disorder
US7853329B2 (en) 1998-08-05 2010-12-14 Neurovista Corporation Monitoring efficacy of neural modulation therapy
US7209787B2 (en) 1998-08-05 2007-04-24 Bioneuronics Corporation Apparatus and method for closed-loop intracranial stimulation for optimal control of neurological disease
US7324851B1 (en) 1998-08-05 2008-01-29 Neurovista Corporation Closed-loop feedback-driven neuromodulation
US9415222B2 (en) 1998-08-05 2016-08-16 Cyberonics, Inc. Monitoring an epilepsy disease state with a supervisory module
US9375573B2 (en) 1998-08-05 2016-06-28 Cyberonics, Inc. Systems and methods for monitoring a patient's neurological disease state
US7242984B2 (en) 1998-08-05 2007-07-10 Neurovista Corporation Apparatus and method for closed-loop intracranial stimulation for optimal control of neurological disease
US9042988B2 (en) 1998-08-05 2015-05-26 Cyberonics, Inc. Closed-loop vagus nerve stimulation
US7403820B2 (en) 1998-08-05 2008-07-22 Neurovista Corporation Closed-loop feedback-driven neuromodulation
US8762065B2 (en) 1998-08-05 2014-06-24 Cyberonics, Inc. Closed-loop feedback-driven neuromodulation
US6338713B1 (en) * 1998-08-18 2002-01-15 Aspect Medical Systems, Inc. System and method for facilitating clinical decision making
US6519486B1 (en) 1998-10-15 2003-02-11 Ntc Technology Inc. Method, apparatus and system for removing motion artifacts from measurements of bodily parameters
US7991448B2 (en) * 1998-10-15 2011-08-02 Philips Electronics North America Corporation Method, apparatus, and system for removing motion artifacts from measurements of bodily parameters
US6298255B1 (en) 1999-06-09 2001-10-02 Aspect Medical Systems, Inc. Smart electrophysiological sensor system with automatic authentication and validation and an interface for a smart electrophysiological sensor system
US6594521B2 (en) 1999-12-17 2003-07-15 Electrical Geodesics, Inc. Method for localizing electrical activity in the body
US6330470B1 (en) 1999-12-17 2001-12-11 Electrical Geodesics, Inc. Method for localizing electrical activity in the body
GB2359367B (en) * 2000-02-17 2003-11-05 Univ Bristol Monitoring electrical activity
JP2003528682A (ja) * 2000-03-31 2003-09-30 ダンミーター・アクティーゼルスカブ 聴覚誘発電位のモニタリング
NZ521952A (en) * 2000-04-17 2004-03-26 Stuart Graham Method and apparatus for electrophysiological assessment of visual function using a head-mounted stereo display
US6801803B2 (en) 2000-10-16 2004-10-05 Instrumentarium Corp. Method and apparatus for determining the cerebral state of a patient with fast response
US6731975B1 (en) 2000-10-16 2004-05-04 Instrumentarium Corp. Method and apparatus for determining the cerebral state of a patient with fast response
US6718199B2 (en) * 2000-10-27 2004-04-06 Massachusetts Eye & Ear Infirmary Measurement of electrophysiologic response
DE10058230A1 (de) * 2000-11-20 2002-05-29 Gerald Ulrich Verfahren zur Aufnahme und Bewertung von Elektroenzephalographie (EEG)-Ableitungen und Vorrichtung zur Ausführung dieses Verfahrens
US7011410B2 (en) * 2000-11-22 2006-03-14 Eyetect, L.L.C. Method and apparatus for monitoring eye tremor
US6631291B2 (en) 2001-05-18 2003-10-07 Instrumentarium Corp. Closed loop drug administration method and apparatus using EEG complexity for control purposes
JP2004528935A (ja) * 2001-06-13 2004-09-24 シーケーエム　ダイアグノスティックス，インコーポレーテッド 組織の非侵襲的検出方法及び検出装置
RU2330607C2 (ru) * 2001-06-13 2008-08-10 Компьюмедикс Лимитед Способ и устройство для мониторинга сознания
US7840250B2 (en) * 2001-11-13 2010-11-23 Electrical Geodesics, Inc. Method for neural current imaging
ATE417547T1 (de) * 2002-01-04 2009-01-15 Aspect Medical Systems Inc Anordnung und methode zur einstufung seelischer störungen unter verwendung von eeg
US6795724B2 (en) * 2002-02-19 2004-09-21 Mark Bradford Hogan Color-based neurofeedback
US7738935B1 (en) * 2002-07-09 2010-06-15 Pacesetter, Inc. Methods and devices for reduction of motion-induced noise in pulse oximetry
US7373198B2 (en) * 2002-07-12 2008-05-13 Bionova Technologies Inc. Method and apparatus for the estimation of anesthetic depth using wavelet analysis of the electroencephalogram
US7089927B2 (en) * 2002-10-23 2006-08-15 New York University System and method for guidance of anesthesia, analgesia and amnesia
US7706871B2 (en) * 2003-05-06 2010-04-27 Nellcor Puritan Bennett Llc System and method of prediction of response to neurological treatment using the electroencephalogram
JP2007515200A (ja) * 2003-05-06 2007-06-14 アスペクト メディカル システムズ，インク． 脳波を使用した神経障害の治療有効性の評価システムおよび評価方法
EP1622510A4 (de) * 2003-05-06 2009-06-03 Everest Biomedical Instr Compa Anästhesie- und sedierungsüberwachungssystem und verfahren
US7509161B2 (en) * 2003-10-22 2009-03-24 Instrumentarium Corporation Method and apparatus for determining the cerebral state of a patient using generalized spectral entropy of the EEG signal
US7731360B2 (en) * 2003-11-07 2010-06-08 Neuro Kinetics Portable video oculography system
CN100538713C (zh) * 2003-12-23 2009-09-09 广州可夫医疗科技有限公司 一种脑电涨落信号分析设备
US7433732B1 (en) * 2004-02-25 2008-10-07 University Of Florida Research Foundation, Inc. Real-time brain monitoring system
JP2005261488A (ja) * 2004-03-16 2005-09-29 Omron Healthcare Co Ltd 体組成計
US20070270678A1 (en) * 2004-06-18 2007-11-22 Fadem Kalford C Wireless Electrode for Biopotential Measurement
US20060058700A1 (en) * 2004-08-26 2006-03-16 Marro Dominic P Patient sedation monitor
US9259164B2 (en) 2004-08-30 2016-02-16 Neuronetrix, Inc. Controller for neuromuscular testing
EP1789907B1 (de) * 2004-08-30 2010-04-14 Southern Illinois University Carbondale Biopotential-signalform-datenfusionsanalyse- und klassifikationsverfahren
US20060085048A1 (en) * 2004-10-20 2006-04-20 Nervonix, Inc. Algorithms for an active electrode, bioimpedance-based tissue discrimination system
WO2006044868A1 (en) * 2004-10-20 2006-04-27 Nervonix, Inc. An active electrode, bio-impedance based, tissue discrimination system and methods and use
US7986996B2 (en) * 2004-10-23 2011-07-26 Bell John O Passive monitoring of bioelectical signals and active electrical anesthesia stimulation
CN101529429A (zh) * 2005-01-12 2009-09-09 艾斯柏克特医疗系统股份有限公司 预测心理和神经障碍治疗期间的不利事件的系统和方法
US8574156B2 (en) * 2005-07-05 2013-11-05 General Electric Company Determination of the clinical state of a subject
US8190249B1 (en) * 2005-08-01 2012-05-29 Infinite Biomedical Technologies, Llc Multi-parametric quantitative analysis of bioelectrical signals
KR20080082665A (ko) * 2005-12-01 2008-09-11 렉시코어 메디컬 테크놀리지 인코포레이티드 뇌파 수치를 이용한 우울증 및 기타 기분 장애 분석 및평가 시스템 및 방법
US8868172B2 (en) 2005-12-28 2014-10-21 Cyberonics, Inc. Methods and systems for recommending an appropriate action to a patient for managing epilepsy and other neurological disorders
US8725243B2 (en) 2005-12-28 2014-05-13 Cyberonics, Inc. Methods and systems for recommending an appropriate pharmacological treatment to a patient for managing epilepsy and other neurological disorders
US20070276609A1 (en) * 2006-03-31 2007-11-29 Aspect Medical Systems, Inc. System and method of assessing analgesic adequacy using biopotential variability
US20080027347A1 (en) 2006-06-23 2008-01-31 Neuro Vista Corporation, A Delaware Corporation Minimally Invasive Monitoring Methods
US8295934B2 (en) 2006-11-14 2012-10-23 Neurovista Corporation Systems and methods of reducing artifact in neurological stimulation systems
US20080183097A1 (en) 2007-01-25 2008-07-31 Leyde Kent W Methods and Systems for Measuring a Subject's Susceptibility to a Seizure
EP2126785A2 (de) 2007-01-25 2009-12-02 NeuroVista Corporation Systeme und verfahren zur identifikation des kontra-iktalen zustands eines patienten
US7391257B1 (en) * 2007-01-31 2008-06-24 Medtronic, Inc. Chopper-stabilized instrumentation amplifier for impedance measurement
US8265769B2 (en) * 2007-01-31 2012-09-11 Medtronic, Inc. Chopper-stabilized instrumentation amplifier for wireless telemetry
US7385443B1 (en) * 2007-01-31 2008-06-10 Medtronic, Inc. Chopper-stabilized instrumentation amplifier
US9615744B2 (en) * 2007-01-31 2017-04-11 Medtronic, Inc. Chopper-stabilized instrumentation amplifier for impedance measurement
US8036736B2 (en) 2007-03-21 2011-10-11 Neuro Vista Corporation Implantable systems and methods for identifying a contra-ictal condition in a subject
WO2008130837A1 (en) * 2007-04-19 2008-10-30 Northstar Neuroscience, Inc. Methods and systems for establishing neural stimulation parameters and providing neural stimulation
US8781595B2 (en) 2007-04-30 2014-07-15 Medtronic, Inc. Chopper mixer telemetry circuit
US9788744B2 (en) 2007-07-27 2017-10-17 Cyberonics, Inc. Systems for monitoring brain activity and patient advisory device
JP5219440B2 (ja) * 2007-09-12 2013-06-26 キヤノン株式会社 測定装置
WO2009042172A2 (en) * 2007-09-26 2009-04-02 Medtronic, Inc. Frequency selective monitoring of physiological signals
WO2009042170A1 (en) * 2007-09-26 2009-04-02 Medtronic, Inc. Therapy program selection
US8380314B2 (en) 2007-09-26 2013-02-19 Medtronic, Inc. Patient directed therapy control
US8121694B2 (en) 2007-10-16 2012-02-21 Medtronic, Inc. Therapy control based on a patient movement state
JP4145344B1 (ja) 2007-10-18 2008-09-03 株式会社脳機能研究所 脳活動測定装置
US9259591B2 (en) 2007-12-28 2016-02-16 Cyberonics, Inc. Housing for an implantable medical device
US20090171168A1 (en) 2007-12-28 2009-07-02 Leyde Kent W Systems and Method for Recording Clinical Manifestations of a Seizure
CN101925377A (zh) 2008-01-25 2010-12-22 麦德托尼克公司 睡眠阶段的检测
US9655515B2 (en) * 2008-04-08 2017-05-23 Neuro Kinetics Method of precision eye-tracking through use of iris edge based landmarks in eye geometry
US8626264B1 (en) * 2008-04-09 2014-01-07 James T. Beran Obtaining information about brain activity
US8585609B2 (en) * 2008-10-09 2013-11-19 Neuro Kinetics, Inc. Quantitative, non-invasive, clinical diagnosis of traumatic brain injury using simulated distance visual stimulus device for neurologic testing
US9039631B2 (en) 2008-10-09 2015-05-26 Neuro Kinetics Quantitative, non-invasive, clinical diagnosis of traumatic brain injury using VOG device for neurologic testing
US10398309B2 (en) 2008-10-09 2019-09-03 Neuro Kinetics, Inc. Noninvasive rapid screening of mild traumatic brain injury using combination of subject's objective oculomotor, vestibular and reaction time analytic variables
US8478402B2 (en) * 2008-10-31 2013-07-02 Medtronic, Inc. Determining intercardiac impedance
US8849390B2 (en) 2008-12-29 2014-09-30 Cyberonics, Inc. Processing for multi-channel signals
US8588933B2 (en) 2009-01-09 2013-11-19 Cyberonics, Inc. Medical lead termination sleeve for implantable medical devices
US8786624B2 (en) 2009-06-02 2014-07-22 Cyberonics, Inc. Processing for multi-channel signals
AU2010286595A1 (en) * 2009-08-28 2012-02-23 NEBA Health, LLC. Systems and methods to identify a subgroup of ADHD at higher risk for complicating conditions
US9770204B2 (en) 2009-11-11 2017-09-26 Medtronic, Inc. Deep brain stimulation for sleep and movement disorders
US9643019B2 (en) 2010-02-12 2017-05-09 Cyberonics, Inc. Neurological monitoring and alerts
US20120053433A1 (en) 2010-08-24 2012-03-01 Nellcor Puritan Bennett Llc SYSTEM AND METHOD TO DETERMINE SpO2 VARIABILITY AND ADDITIONAL PHYSIOLOGICAL PARAMETERS TO DETECT PATIENT STATUS
US9211411B2 (en) 2010-08-26 2015-12-15 Medtronic, Inc. Therapy for rapid eye movement behavior disorder (RBD)
CN102397068A (zh) * 2010-09-15 2012-04-04 梅磊 搜索人脑神经递质信息和人脑复杂网络信息的测量装置
US9775545B2 (en) 2010-09-28 2017-10-03 Masimo Corporation Magnetic electrical connector for patient monitors
US8821397B2 (en) 2010-09-28 2014-09-02 Masimo Corporation Depth of consciousness monitor including oximeter
PT105402A (pt) 2010-11-24 2012-05-24 Univ Tras Os Montes E Alto Douro Método e dispositivo para a avaliação do estado anestésico durante a anestesia ou sedação baseada no electroencefalograma
EP2535000A1 (de) * 2011-06-17 2012-12-19 Technische Universität München Verfahren und System zur Quantifizierung der Anästhesie oder eines Wachsamkeitszustands
KR102073221B1 (ko) 2011-07-25 2020-02-04 치타 메디컬, 인코퍼레이티드 혈류역학 감시 방법 및 시스템
CN102793534A (zh) * 2012-07-11 2012-11-28 广西威利方舟科技有限公司 麻醉深度监控装置及方法
US8808179B1 (en) 2012-08-06 2014-08-19 James Z. Cinberg Method and associated apparatus for detecting minor traumatic brain injury
KR101732297B1 (ko) * 2013-02-27 2017-05-02 티앤더블유 엔지니어링 에이/에스 이식형 파트를 갖는 eeg 모니터에서의 전극 및 누설 전류 테스팅
US9439150B2 (en) 2013-03-15 2016-09-06 Medtronic, Inc. Control of spectral agressors in a physiological signal montoring device
US9521979B2 (en) 2013-03-15 2016-12-20 Medtronic, Inc. Control of spectral agressors in a physiological signal monitoring device
JP6446030B2 (ja) 2013-04-24 2018-12-26 フレゼニウス カービ ドイチュラント ゲーエムベーハー 薬剤注入装置を制御する制御装置を操作する方法
US9955894B2 (en) * 2014-01-28 2018-05-01 Covidien Lp Non-stationary feature relationship parameters for awareness monitoring
US9924904B2 (en) 2014-09-02 2018-03-27 Medtronic, Inc. Power-efficient chopper amplifier
US10111617B2 (en) 2014-09-22 2018-10-30 Covidien Lp Systems and methods for EEG monitoring
WO2016057553A1 (en) 2014-10-07 2016-04-14 Masimo Corporation Modular physiological sensors
CN104605839A (zh) * 2015-02-05 2015-05-13 广州市润杰医疗器械有限公司 一种昏迷患者苏醒预测方法
US10835174B2 (en) 2016-01-12 2020-11-17 Covidien Lp System and method for monitoring cerebral activity
US10909177B1 (en) * 2017-01-17 2021-02-02 Workday, Inc. Percentile determination system
IT201700039369A1 (it) * 2017-04-10 2018-10-10 Giuliano Ravasio Dispositivo per il calcolo dell'indice bispettrale
EP3634211A4 (de) 2017-06-07 2021-03-17 Covidien LP System und verfahren zur erkennung von schlaganfällen
EP3684463A4 (de) 2017-09-19 2021-06-23 Neuroenhancement Lab, LLC Verfahren und vorrichtung für neuro-enhancement
US11717686B2 (en) 2017-12-04 2023-08-08 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to facilitate learning and performance
US11318277B2 (en) 2017-12-31 2022-05-03 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to enhance emotional response
US11364361B2 (en) 2018-04-20 2022-06-21 Neuroenhancement Lab, LLC System and method for inducing sleep by transplanting mental states
CN108618778B (zh) * 2018-05-07 2019-07-02 惠州善雅医疗器械有限公司 一种麻深指数计算方法及麻醉深度监护仪
CA3112564A1 (en) 2018-09-14 2020-03-19 Neuroenhancement Lab, LLC System and method of improving sleep
JP7083471B2 (ja) * 2018-09-26 2022-06-13 株式会社国際電気通信基礎技術研究所 推定装置、推定プログラムおよび推定方法
CN109498004A (zh) * 2019-01-04 2019-03-22 深圳市舟洁信息咨询服务有限公司 一种麻醉数据监控系统和方法
US11786694B2 (en) 2019-05-24 2023-10-17 NeuroLight, Inc. Device, method, and app for facilitating sleep
EP4003148A1 (de) 2019-07-26 2022-06-01 Oridion Medical 1987 Ltd. Adaptive tiefe eines anästhesiemonitors
WO2021257548A1 (en) * 2020-06-18 2021-12-23 Diagnostyx, Inc. Treatment of neurological abnormalities using dynamic electroencephalography

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3863625A (en) * 1973-11-02 1975-02-04 Us Health Epileptic seizure warning system
US4407299A (en) * 1981-05-15 1983-10-04 The Children's Medical Center Corporation Brain electrical activity mapping
US4846190A (en) * 1983-08-23 1989-07-11 John Erwin R Electroencephalographic system data display
US4557270A (en) * 1983-08-23 1985-12-10 New York University Electroencephalographic system for intra-operative open-heart surgery
US4697598A (en) * 1985-04-25 1987-10-06 Westinghouse Electric Corp. Evoked potential autorefractometry system
US4753246A (en) * 1986-03-28 1988-06-28 The Regents Of The University Of California EEG spatial filter and method
US4705049A (en) * 1986-08-04 1987-11-10 John Erwin R Intraoperative monitoring or EP evaluation system utilizing an automatic adaptive self-optimizing digital comb filter
US4905285A (en) * 1987-04-03 1990-02-27 American Telephone And Telegraph Company, At&T Bell Laboratories Analysis arrangement based on a model of human neural responses
US4907597A (en) * 1987-10-09 1990-03-13 Biometrak Corporation Cerebral biopotential analysis system and method
US5010891A (en) * 1987-10-09 1991-04-30 Biometrak Corporation Cerebral biopotential analysis system and method
DE58908764D1 (de) * 1988-08-16 1995-01-26 Siemens Ag Anordnung zum Messen lokaler bioelektrischer Ströme in biologischen Gewebekomplexen.
US5320109A (en) * 1991-10-25 1994-06-14 Aspect Medical Systems, Inc. Cerebral biopotential analysis system and method

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006017716A1 (de) * 2006-04-15 2007-10-18 Forschungszentrum Jülich GmbH Vorrichtung zur Messung biomedizinischer Daten eines Probanden und Verfahren zur Stimulation des Probanden mit in Echtzeit verarbeiteten Daten
US8301222B2 (en) 2006-04-15 2012-10-30 Forschungszentrum Juelich Gmbh Device for measuring biomedical data of a test subject and method for stimulating the test subject using data processed in real time
DE102013015427A1 (de) * 2013-09-18 2015-03-19 Universitätsklinikum Erlangen Verfahren und Vorrichtung zur Messung der zerebralen Perfusion

Also Published As

Publication number Publication date
CA2191594C (en) 2005-09-20
EP0764001B1 (de) 2003-05-14
ATE240077T1 (de) 2003-05-15
JPH10501163A (ja) 1998-02-03
ES2199994T3 (es) 2004-03-01
CA2191594A1 (en) 1995-12-14
DE69530768D1 (de) 2003-06-18
WO1995033404A1 (en) 1995-12-14
US5458117A (en) 1995-10-17
EP0764001A1 (de) 1997-03-26
EP0764001A4 (de) 1998-06-10

Similar Documents

Publication Publication Date Title
DE69530768T2 (de) System und verfahren zum analysieren des zerebralen biopotentials
EP0610365B1 (de) Vorrichtung und verfahren zur untersuchung von zerebralen bio-potentialen
JP3136408B2 (ja) 脳のバイオポテンシャル分析システム及び方法
DE60035733T2 (de) Einrichtung und Verfahren zur quantitativen Bestimmung der Aenderung in einem Elektrokardiogrammsignal
DE102007057885B4 (de) Verfahren zur Analyse von physiologischen Daten und Qualitätsprüfung der Messung unter Verwendung der Analyse der Hauptkomponenten
DE69637337T2 (de) Verbesserungen in Bezug auf physiologische Überwachung
DE69834196T2 (de) Instrument und verfahren zur rettung der hirnfunktionen
EP2887861B1 (de) Vorrichtung zur untersuchung einer phasenverteilung zur ermittlung einer krankhaften interaktion zwischen verschiedenen hirnarealen
DE60221980T2 (de) Sichtbildanzeige für patientenzustand
EP1059875B1 (de) Auswertesystem zur gewinnung diagnostischer informationen aus signalen und daten medizinischer sensorsysteme
EP2704629B1 (de) Verfahren zur bewusstseins- sowie schmerzüberwachung, modul zur analyse von eeg-signalen und eeg-narkosemonitor
EP0828225A1 (de) Verfahren und Vorrichtung zum Auswerten von EEG-Daten
DE102008003000A1 (de) Überwachen epileptiformer Aktivität
EP2799110A1 (de) Verfahren zum Betrieb eines Bioresonanzgeräts
WO2012022680A1 (de) Ermittlung von veränderungen eines bei einem lebewesen periodisch auftretenden, zumindest dreidimensional identifizierbaren signals

Legal Events

Date Code Title Description
8364 No opposition during term of opposition