BR102016016259A2 - Método de predição de surto epiléptico e dispositivo configurado para predição de surtos epilépticos - Google Patents

Método de predição de surto epiléptico e dispositivo configurado para predição de surtos epilépticos Download PDF

Info

Publication number
BR102016016259A2
BR102016016259A2 BR102016016259-9A BR102016016259A BR102016016259A2 BR 102016016259 A2 BR102016016259 A2 BR 102016016259A2 BR 102016016259 A BR102016016259 A BR 102016016259A BR 102016016259 A2 BR102016016259 A2 BR 102016016259A2
Authority
BR
Brazil
Prior art keywords
outbreak
epileptic
petition
window
prediction method
Prior art date
Application number
BR102016016259-9A
Other languages
English (en)
Inventor
Renata Cerdeira Gomez Paula
Alicia Gomez Hilda
Original Assignee
Gomez & Gomez Ltda
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 Gomez & Gomez Ltda filed Critical Gomez & Gomez Ltda
Priority to BR102016016259-9A priority Critical patent/BR102016016259A2/pt
Priority to PCT/BR2017/000070 priority patent/WO2018009991A1/en
Publication of BR102016016259A2 publication Critical patent/BR102016016259A2/pt

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/40Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4094Diagnosing or monitoring seizure diseases, e.g. epilepsy
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/369Electroencephalography [EEG]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis
    • A61B5/7275Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Neurology (AREA)
  • Psychiatry (AREA)
  • Neurosurgery (AREA)
  • Physiology (AREA)
  • Psychology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

método de predição de surto epiléptico e dispositivo configurado para predição de surtos epilépticos. a invenção consiste em um método de predição de surto epiléptico que utiliza como dado de input a diferença de potencial existente entre dois eletrodos 2 não-invasivos dispostos sobre a superfície externa da cabeça de um usuário 4 sendo que o referido método compreende cinco etapas sequenciais. a invenção também consiste em um dispositivo 1 configurado para predição de surtos epilépticos, que compreende dois eletrodos 2 não invasivos, um processador eletrônico, uma bateria e um componente de transmissão sem fio. o referido dispositivo 1 é capaz de calcular em tempo real a iminência de um surto epiléptico em um usuário 4. dentre as principais vantagens da invenção estão: o cálculo em tempo real da probabilidade de surto; o baixo tempo de resposta na computação dos dados; a detecção da iminência de surto com bastante tempo de antecedência; o uso de apenas dois eletrodos não invasivos; e a portabilidade do aparelho.

Description

(54) Título: MÉTODO DE PREDIÇÃO DE SURTO EPILÉPTICO E DISPOSITIVO CONFIGURADO PARA PREDIÇÃO DE SURTOS EPILÉPTICOS (51) Int. Cl.: A61B 5/04; G06F 17/00; G06F 19/00 (73) Titular(es): GOMEZ & GOMEZ LTDA (72) Inventor(es): PAULA RENATA CERDEIRA GOMEZ; HILDA ALICIA GOMEZ (74) Procurador(es): PROVEDEL SOCIEDADE DE ADVOGADOS (57) Resumo: MÉTODO DE PREDIÇÃO DE SURTO EPILÉPTICO E DISPOSITIVO CONFIGURADO PARA PREDIÇÃO DE SURTOS EPILÉPTICOS. A invenção consiste em um método de predição de surto epiléptico que utiliza como dado de input a diferença de potencial existente entre dois eletrodos 2 nãoinvasivos dispostos sobre a superfície externa da cabeça de um usuário 4 sendo que o referido método compreende cinco etapas sequenciais.
A invenção também consiste em um dispositivo 1 configurado para predição de surtos epilépticos, que compreende dois eletrodos 2 não invasivos, um processador eletrônico, uma bateria e um componente de transmissão sem fio. O referido dispositivo 1 é capaz de calcular em tempo real a iminência de um surto epiléptico em um usuário 4. Dentre as principais vantagens da invenção estão: o cálculo em tempo real da probabilidade de surto; o baixo tempo de resposta na computação dos dados; a detecção da iminência de surto com bastante tempo de antecedência; o uso de apenas dois eletrodos não invasivos; e a portabilidade do aparelho.
Figure BR102016016259A2_D0001
1/18
MÉTODO DE PREDIÇÃO DE SURTO EPILÉPTICO E DISPOSITIVO CONFIGURADO PARA PREDIÇÃO DE SURTOS EPILÉPTICOS
Campo da invenção [001] A presente invenção pertence ao campo de métodos e dispositivos para detecção antecipada de surtos epiléticos.
Antecedentes da invenção [002] A epilepsia é a segunda maior causa de disfunção neurológica existente, perdendo apenas para o acidente vascular cerebral. Aproximadamente 1% da população mundial sofre desta enfermidade. Não obstante, as drogas atualmente disponíveis no mercado não são absolutamente eficazes no combate à epilepsia - não surtem efeito algum em, pelo menos, 30% dos casos e quando mitigam os surtos trazem diversos efeitos colaterais a reboque. Essa conjuntura faz com que muitos enfermos sofram cotidianamente sem a disponibilidade de um método de prevenção e controle de surtos que seja prático, eficiente e eficaz na previsão destes surtos.
[003] Prever um surto epiléptico com certa margem de tempo pode possibilitar, por exemplo, que um trabalhador desligue ou guarde seus instrumentos de trabalho antecipadamente, que um ciclista desça de sua bicicleta ou um nadador pule para fora da piscina antes que o surto aconteça. Outra utilidade da prevenção é evitar a queda e comprometimento da integridade física de adultos e crianças acometidos com esta doença. Em posse da informação de que uma criança terá epilepsia dentro de alguns minutos, os pais do indivíduo podem deita-lo na cama, ou distanciá-lo de objetos contundentes, por exemplo. Outra utilidade é alertar ao usuário para que ele tome uma medicação contra epilepsia imediatamente após receber o alerta de um surto epiléptico iminente.
[004] Existem algumas técnicas compreendidas pelo estado da técnica, que revelam métodos de detecção premeditada de surtos epilépticos. Nenhuma delas, contudo, revela um
Petição 870160035880, de 13/07/2016, pág. 22/58
2/18 método prático, que permita a identificação de um surto epilético sem qualquer inconveniente, constrangimento ou restrição ao enfermo.
[005] A seguir são revelados uma série de documentos extraídos da literatura acadêmica, que revelam algoritmos e métodos distintos de aferição premeditada de epilepsia.
[006] Chaovalitwongse em Performance of a seizure warning algorithm based on the dynamics of intracranial EEG. Epilepsy Research, vol. 64, 2005, revela um método de predição de surto epilético empregando a estimação do expoente Lyapunov máximo de curto prazo, uma medida de caoticidade de um sistema dinâmico, para quantificar a dinâmica de cada eletrodo de um EEG intracraniano.
[007] Tetzlaff em Automated detection of a preseizure state: non-linear EEG analysis in epilepsy by Cellular Nonlinear Networks and Volterra systems. Int. J. Circ. Theor. Appl, vol. 34, 2006 revela um método de detecção de precursores de surto epilético a partir de dados de EEG baseado em modelagem determinística dos neurônios para capturar o comportamento de redes neuronais, buscando encontrar uma série temporal com as mesmas características do pré-surto, que devem ser previamente conhecidas.
[008] Carney em Seizure prediction: Methods. Epilepsy & Behavior, vol. 22, 2011 apresenta uma revisão de métodos de predição de surtos epiléticos a partir de EEG, dividindo-os em univariados e multivariados. Dentre os univariados são citados os métodos de transformada de
Fourier de curto prazo, energia acumulada, modelagem de autocorrelação e autorregressão, transformada Wavelet discreta, momentos estatísticos, dimensão de correlação, densidade de correlação, entropia de Kolmogorov, índice de similaridade dinâmica, perda de recorrência e fluxo local e expoente de Lyapunov. Dentre os multivariados são citados a medida de sincronização simples, estrutura de correlação, correlação de fase, medidas autorregressivas de sincronia, índice de máximo expoente Lyapunov T de curto prazo e sincronização de fases.
[009] Ramgopal em Seizure detection, seizure prediction, and closed-loop warning systems in epilepsy. Epilepsy & Behavior, vol. 37, 2014 também revisam os métodos de predição de surto epilético a partir de EEG, enfatizando métodos não lineares de processamento, que analisam a
Petição 870160035880, de 13/07/2016, pág. 23/58
3/18 formação espontânea de padrões espaciais, temporais e espaço-temporais das ondas cerebrais. São citados os métodos de entropia de permutação, entropia de Kolmogorov, dimensão de correlação, energy Wavelet relativa e entropia aproximada.
[010] Moghim e Corne em Predicting Epileptic Seizures in Advance, 2014 apresentam o método ASPPR (predição antecipada de surtos por re-rotulagem pré-ictal), dividido em três componentes: i) seleção de 14 características dentre 204 existentes para cada paciente segundo o critério de ReliefF a partir de dados de EEG; ii) preparação dos dados separando uma parte dos dados para treinamento do algoritmo de predição e iii) cada modelo preditivo é treinado utilizando uma máquina de vetores de suporte multi-classes.
[011] Golestani e Gras em Can we predict the unpredictable? Scientific Reports, vol. 4, issue 6834, 2014 apresentam um método de predição de surto epilético a partir de dados de EEG, utilizando valores de caoticidade usando o método P&H em janelas de tempo de tamanho fixo (20 minutos) e deslizante (a janela move a cada 20 segundos). Durante o surto, um pico de P&H é obtido e caso ultrapasse um valor determinado com base em dados prévios da amostra estudada tem-se uma detecção de surto epilético com até 17 minutos de antecipação em relação ao evento.
[012] Também existem documentos de patente que tratam do tema. Entretanto, nenhum deles revela uma técnica capaz de permitir a detecção prévia da epilepsia, sem constrangimentos, restrições ou inconvenientes ao enfermo.
[013] O documento US5857978 trata de método e aparato para predição antecipada e automática de surto epilético a partir da análise de ondas cerebrais de EEG. O método utiliza métricas lineares (desvio padrão, desvio médio absoluto, assimetria, curtose) e métricas nãolineares (passos de tempo por ciclo, entropia Kolmogorov, primeiro mínimo na função de informação mútua e dimensão de correlação) calculadas a partir de dados de 16 canais de EEG e utilizando quatro versões do conjunto de dados com diferentes transformações matemáticas.
[014] O documento US2015282755 trata de sistema e método de detecção de ocorrência de surtos a partir de sinais de EEG combinados com sinais de eletrocardiograma (ECG). O método
Petição 870160035880, de 13/07/2016, pág. 24/58
4/18 descrito não detecta o surto com antecipação. Propõe-se um modelo probabilístico que classifica um evento como de surto ou não-surto.
[015] O documento KR101375673 trata de um método e dispositivo de alerta de surto epilético que aplica dados de ondas cerebrais de epiléticos a um modelo excitatório-inibitório baseado em caos neuronal, calculando um valor ótimo para coeficiente de conexão, comparandoo com os dados populacionais de ondas cerebrais de pessoas normais.
[016] O documento KR20140119315 apresenta um algoritmo de detecção antecipada de surto epilético a partir da análise de variação de uma métrica de taxa de conteúdo de uma determinada banda de frequência de sinais de EEG do sujeito com epilepsia.
[017] O documento KR20130068972 apresenta um algoritmo de detecção antecipada de surto epilético utilizando um modelo adaptativo autoregressivo de acesso mandatório, a partir de uma dimensão fractal.
[018] O documento RU2498769 apresenta aparato para detecção e prevenção de atividade epilética por meio de sistema de microeletrodos, contendo um processador, um pré-amplificador, um filtro, uma unidade de estimulação de informações e fonte de energia. O sistema de microeletrodos é implantado cirurgicamente no local de atividade epilética e funciona como um gravador para diagnóstico ou como neuroestimulador. Possui um transmissor-receptor e micro antena para transferência e recebimento dos dados gravados. Não há detalhes sobre o processamento dos dados, o que sugere o uso de uma técnica convencional à época do depósito deste documento.
[019] O documento TW20117770 trata de método de predição de evento emergente de onda cerebral por meio da transformação de dados de EEG em um gráfico de superfície de Poincare, sobre o qual são desenhados diagrama de distribuição de densidade e curva de desvio padrão para detecção prévia de surtos epiléticos.
Petição 870160035880, de 13/07/2016, pág. 25/58
5/18 [020] O documento WO2008057365 trata de sistemas e métodos para previsão de eventos neurológicos a partir de sensor com diversos eletrodos implantados no cérebro epilético e detecção de picos em determinados períodos de tempo.
[021] O documento US2008021342 trata de método e aparato para predizer surtos epiléticos a partir de dados de EEG e framework probabilístico de multirresolução unificado que necessita de período de aprendizado sobre dados reais contendo eventos anteriores para encontrar as estratégias de predição para cada indivíduo.
[022] Os documentos US2006200038 e WO2004023983 tratam de métodos e dispositivos não-invasivos para predição não linear de surto epilético a partir de dados de EEG. São especializados para pacientes que possuem epilepsia do tipo focal, e os eletrodos devem estar posicionados estrategicamente no ponto focal para antecipação do evento.
[023] Os documentos US2004267152 e US2013231580 tratam de métodos e sistemas que conseguem prever surtos epiléticos mediante treinamento automático de algoritmos com base em dados reais de EEG de cada indivíduo e da classificação (label) dos eventos neurológicos.
[024] O documento WO2010141603 trata de sistema de predição de surtos epiléticos em tempo real, que inclui eletrodo implantável configurado para transmitir um sinal neuroeletrofisiológico analógico de um sujeito, conversor do sinal analógico para sinal digital e processador que realiza as operações do algoritmo preditivo a partir do cálculo de uma pluralidade de coeficientes de autocorrelação do sinal neuro-eletrofisiológico em um número determinado de amostras de dados.
[025] O documento CA2383218 trata de método de alerta de surtos epiléticos utilizando algoritmo baseado em expoente de Lyapunov, indicador de caoticidade obtido a partir de dados de EEG.
[026] Observam-se os seguintes problemas no estado da técnica: inadequabilidade dos dispositivos propostos tendo em vista o uso contínuo na vida cotidiana, seja pelo número de eletrodos de EEG necessários (pelo menos 16 eletrodos) ou por serem intracraniais, implantados
Petição 870160035880, de 13/07/2016, pág. 26/58
6/18 por via cirúrgica; necessidade de período de aprendizado de máquina a partir de dados prévios de EEG do usuário específico ou de uma determinada população para determinação de parâmetros do algoritmo antes de sua aplicação prática; flutuações estatísticas de tempo finito e ruído podem confundir fundamentalmente o poder preditivo do expoente de Lyapunov de séries temporais de EEG; parte dos métodos citados são aplicáveis apenas a certos tipos de epilepsia que possuem um ponto focal de ocorrência no cérebro; todas as técnicas existentes necessitam de uma grande quantidade de dados de input, o que sobrecarrega o processamento de dados, impedindo uma computação em tempo real.
Vantagens da invenção [027] O método de predição de surto epiléptico da presente invenção necessita apenas de dados de dois eletrodos de EEG não invasivos, sem a necessidade de implante ou procedimento cirúrgico para a aplicação dos referidos eletrodos.
[028] O método de predição de surto epiléptico da invenção não requer base de dados prévia de sinais EEG do usuário ou de uma população contendo eventos neurológicos para efetividade do algoritmo.
[029] O método de predição de surto epiléptico da invenção não requer período de aprendizado com dados reais do usuário para efetividade do algoritmo.
[030] O método de predição de surto epiléptico da invenção precisa do acumulo de dados por apenas um determinado período curto de tempo antes do processamento. Portanto o método da invenção funciona praticamente em tempo real.
[031] O método de predição de surto epilético da invenção não requer tratamento de imagens para detecção do surto.
[032] O método de predição de surto epiléptico da invenção apresenta sensibilidade (ou grau de acerto) de cerca de 85%.
Petição 870160035880, de 13/07/2016, pág. 27/58
7/18 [033] O método de predição de surto epiléptico da invenção revela curto tempo de resposta em relação aos métodos compreendidos pelo estado da técnica.
[034] O método de predição de surto epiléptico da invenção prediz o surto epilético com uma média de 25 minutos de antecedência.
[035] O método de predição de surto epiléptico pode enviar mensagem, alerta visual, sonoro e/ou vibratório para dispositivos móveis do usuário e/ou cuidador do usuário, avisando sobre a iminência do surto.
[036] O método da invenção pode ser utilizado em um dispositivo de uso diário, sem, contudo, provocar limitações ao bem-estar do usuário.
Breve descrição dos desenhos
Segue um breve descritivo das figuras em anexo:
Figura 1: ilustra uma vista frontal de uma primeira forma de concretização do dispositivo da presente invenção em uso, posicionado sobre a parte anterior da orelha de um usuário.
Figura 2: ilustra uma vista em perspectiva de um usuário do dispositivo da invenção em uma segunda forma de concretização da invenção, aplicado a um quarto de internação hospitalar.
Figura 3: ilustra uma vista frontal da face de um usuário fazendo uso de uma terceira modalidade de concretização do dispositivo da invenção, a modalidade dos sensores dotados de sistema wireless.
Figura 4: ilustra uma vista frontal da face de um usuário fazendo uso de uma quarta modalidade de concretização do dispositivo da invenção, a modalidade da plataforma digital de processamentos de dados disponível na web.
Figura 5: revela um fluxograma do método de predição de surto epiléptico da presente invenção. Figura 6: revela um gráfico da medição do eletroencefalograma em função do tempo, associado a três janelas de pontos, dito gráfico estando plotado em forma de linhas.
Figura 7: revela um gráfico da medição do eletroencefalograma em função do tempo, associado a três janelas de pontos, dito gráfico estando plotado em forma de pontos.
Petição 870160035880, de 13/07/2016, pág. 28/58
8/18
Figura 8: revela o mesmo gráfico da figura 7, ilustrando o que ocorre após a etapa 3, quando não é detectada uma alteração abrupta, positiva e simultânea sobre o mesmo ponto de tempo e após a etapa 5, correm as três janelas de T pontos antes de repetir os passos de cálculo do método.
Figura 9: Revela um gráfico de eletroencefalograma real no momento de um surto epiléptico e seu correspondente pré-surto, minutos antes do surto.
Figura 10 a 13: revelam gráficos formados após a aplicação da primeira equação pré-surto do método da invenção.
Figura 14: Revela um gráfico dotado de um único máximo formado após a aplicação da segunda equação pré-surto da invenção, desqualificando o ponto estudado como pré-surto.
Figura 15: Revela um gráfico com dois máximos formados após a aplicação da segunda equação pré-surto da invenção, qualificando o ponto estudado como pré-surto.
Figura 16: Revela um gráfico de eletroencefalograma real no momento de uma anomalia no eletroencefalograma e como se comportam os gráficos da primeira equação pré-surto (gráficos na linha superior da tabela) e segunda equação pré-surto (gráficos na linha inferior da tabela) em caso da anomalia não ser confirmada como pré-surto (coluna à esquerda da tabela) e no caso da anomalia ser confirmada como pré-surto (coluna à direita da tabela).
Figura 17: Revela um gráfico de eletroencefalograma real no momento de um pré-surto e os respectivos comportamentos dos gráficos da primeira equação pré-surto (gráfico maior) e segunda equação pré-surto (os dois gráficos menores)
Descrição detalhada da invenção [037] A presente invenção consiste em um método de predição de surto epiléptico e um dispositivo configurado para a predição de surtos epilépticos.
[038] O método de predição de surto epiléptico da invenção tem como input os dados de EEG (eletroencefalograma) de um usuário 4 propenso a surtos epilépticos. A grande vantagem do método de predição de surtos epilépticos da invenção é o fato de que este método é capaz de identificar com bastante precisão a ocorrência de um evento denominado pré-surto quando este método analisa uma sequência de dados de EEG (vide figura 9).
Petição 870160035880, de 13/07/2016, pág. 29/58
9/18 [039] Pré-surto 14 é o evento que antecede o surto epiléptico 15 (vide eletroencefalograma da figura 9). Grande parte dos pacientes acometidos com epilepsia exibem certas características peculiares em seu eletroencefalograma pouco tempo antes da ocorrência de um surto epiléptico. Não é nada fácil identificar estas características, pois os dados do eletroencefalograma são extremamente complexos e caóticos, apenas quando observados com o auxílio de ferramentas computacionais é possível identificar certos padrões nesses sinais.
[040] Como dito na descrição do estado da técnica da presente invenção, já existem métodos capazes de detectar surtos epilépticos, nenhum desses métodos, contudo, revela um alto grau de precisão e eficácia, sendo capaz de detectar um evento pré-surto com média de 25 minutos antes do surto, fazendo uso de sinais eletrônicos enviados por apenas dois eletrodos 2 não invasivos, revelando, pelo menos, 85% de sucesso na previsão do surto e processando dados em “tempo real”.
[041] O método de predição de surto epiléptico da invenção pode ser entendido mediante da apreciação da figura 5 do presente relatório. A figura 5 revela um fluxograma dotado de cinco etapas sequenciais, sendo elas:
etapa 1 - fazer uso de, pelo menos, três janelas de pontos sequenciais de tamanhos diferentes, cada uma delas terminando a sequência em um mesmo ponto e aplicar sobre estas janelas de pontos sequenciais uma primeira equação pré-surto;
etapa 2 - comparar os três sinais obtidos na etapa 1 entre si;
etapa 3 - identificando uma alteração abrupta e positiva simultânea sobre o mesmo ponto de tempo, pular para a etapa 4, caso contrário, correm as janelas no tempo para leitura de novos dados e retorna à etapa 1;
etapa 4 - aplica-se a segunda equação pré-surto na série de dados de uma das três janelas de pontos sequenciais;
etapa 5 - identificando dois máximos, comunicar sobre a alta probabilidade de iminência de surto, independentemente da identificação de dois máximos, após o término dessa etapa correm as janelas no tempo e o método regressa à etapa 1.
Petição 870160035880, de 13/07/2016, pág. 30/58
10/18
Cada uma destas etapas é pormenorizadamente explicada a seguir.
[042] Etapa 1 - na etapa 1 são separadas três janelas de pontos sequenciais de tamanhos diferentes e sobre cada uma delas é aplicado um mesmo algoritmo de cálculo.
[043] Para entender o que se descreve por “janela de ponto”, o leitor deve se reportar aos gráficos exibidos nas figuras 6 e 7 do presente relatório. Nestes dois gráficos é plotada a diferença de potencial entre dois eletrodos 2 de eletroencefalograma em função do tempo. O gráfico da figura 6 é do tipo contínuo, facilitando a visualização de picos e vales. No gráfico da figura 7, após um processo de amostragem, os pontos são plotados sem qualquer espécie de ligação entre eles. O sinal desses gráficos é amostrado em uma frequência F, ou seja, o intervalo entre cada um dos pontos plotados nesses gráficos é 1/F. Do gráfico 7 lê-se: uma quantidade determinada P de pontos que define uma janela de P pontos.
[044] Abaixo da coordenada tempo, são reveladas três janelas de pontos.
[045] Por janelas de pontos, entende-se: o intervalo de pontos detectados entre os instantes
X e Y.
[046] Por ponto, entende-se: uma amostra de valor de diferença de potencial indicada no gráfico. O ponto equivale a um momento no tempo, e como toda grandeza plotada em um plano cartesiano, tem duas coordenadas, no caso concreto são (“E”, “t”) sendo “E” a diferença de potencial da medida pelo eletroencefalograma e “t” o tempo em que esse sinal foi coletado.
[047] Note-se que, as três janelas de pontos terminam no mesmo ponto e as três janelas possuem tamanhos diferentes.
[048] Exemplificando, se a primeira janela compreende os pontos coletados entre o segundo 0 e o segundo 8, a segunda janela compreende os pontos entre o segundo 4 e o segundo 8 e a terceira janela compreende os pontos entre o segundo 6 e o segundo 8.
[049] De modo preferencial, o tamanho das janelas de pontos (janelas 1, 2 e 3) obedece a uma ordem de grandeza em que definem uma progressão geométrica de razão 2. Esta
Petição 870160035880, de 13/07/2016, pág. 31/58
11/18 característica facilita o processamento de dados (devido ao caráter binário da computação digital) mas não é essencial à execução do presente método.
[050] Exemplificando, se a primeira janela de pontos compreende 16.384 pontos, a segunda janela compreende 8.192 e a terceira compreende 40.96 pontos.
[051] Alternativamente, em vez de três janelas de pontos, podem ser utilizadas quatro ou mais janelas de pontos. A única característica mandatária aqui é o fato de que estas janelas de pontos sequenciais têm de revelar tamanhos distintos e cada uma delas tem de terminar sua série de pontos no mesmo ponto final (vide figuras 6 e 7).
[052] De modo preferencial a primeira janela de pontos compreende 2.048 pontos. Note-se que, este número de pontos não é obrigatório. Seria razoável utilizar qualquer valor entre 8 a 30.720 pontos na primeira janela de pontos.
[053] Para cada uma destas janelas de pontos (janelas 1, 2 e 3), é aplicado o seguinte algoritmo de cálculo.
[054] Definição das variáveis do cálculo:
x(t) Valor da diferença de potencial entre os dois eletrodos do ponto referente ao tempo t no eletroencefalograma.
t Tempo decorrido no eletroencefalograma.
f Frequência de amostragem do sinal de eletroencefalograma.
Mt Variação normalizada do incremento entre pontos do eletroencefalograma distanciados em tempo T. Esta quantidade representa a probabilidade de que o incremento Ax(t,T) aconteça ao longo do eletroencefalograma.
q Representa a ordem das potencias (momentos) de pt no cálculo da função Z(q, N).
Z(q,N) Esta função representa a soma das probabilidades de cada incremento ou de suas potências (momentos), ou seja, a soma de pt ou pt q .
N Número total dos pontos na janela sob análise.
T(q) Energia livre do sistema - É energia do sistema passível de tornar-se em energia mecânica. O i(q) é uma quantidade proporcional à dimensão do sistema.
L Comprimento total do sinal de eletroencefalograma estudado em pontos.
Petição 870160035880, de 13/07/2016, pág. 32/58
12/18
/ Quantidade de janelas nas quais dividimos o sinal total de eletroencefalograma.
Dq Dimensão multifractal. Também denominada dimensão fractal caso o sistema possua uma única dimensão.
Fractal É uma descrição matemática de um sistema que é invariante perante o aumento de sua resolução (zoom). Ex: quando trata-se de um sistema espacial de linhas, áreas e volumes, as dimensões fractais coincidem com o que chamamos de uma, duas ou três dimensões.
ζ(η) Primeira equação de pré-surto. É simplesmente uma transformação de A(n) (abaixo) para diminuir o efeito do ruído na análise.
cq Segunda equação de pré-surto, função que descreve os incrementos Ax(t,T) com uma dada dimensão fractal. A quantidade de máximos nesta função valida a ocorrência de um pré-surto previamente evidenciado pelo comportamento do resultado da primeira equação de pré-surto. A dimensão fractal seria única se esta função fosse uma função delta, (uma função na qual todos os valores estão no mesmo ponto)
A(n) Integral na variável q da função da segunda equação de pré-surto, ou área sob a curva.
à Valor médio dos pontos da curva A(n)
[055] As variáveis e fórmulas deste estudo foram desenvolvidas por analogia com sistemas termodinâmicos. Por analogia entende-se que cada variável e fórmula utilizada neste relatório não está necessariamente vinculada à mesma propriedade física (ex: energia livre ou função de partição) correspondente num sistema termodinâmico.
[056] Tem-se uma série temporal X = {x(t)}, da qual os elementos relevantes ao método são os incrementos Ax(t,T) = x(t+T) - x(t), eT e t podem adotar quaisquer valores proporcionais a 1/f. Mantendo as mesmas unidades de t, definimos uma nova variável, a medida μ(, a qual representa a probabilidade que um dado incremento Ax(t,T) aconteça ao longo do eletroencefalograma, e |Ax(t,T)| ^Σ^ΐΔχα,τ)!
[057] Definimos os momentos de ordem q, tal que pt q é a medida μίelevada à potência q. Esta função Z(q,N) na qual as medidas normalizadas aparecem elevadas a diferentes potências q, permite o estudo da distribuição das medidas nos diferentes momentos. Manipula-se estas quantidades pt q através dos métodos especificados a seguir.
Petição 870160035880, de 13/07/2016, pág. 33/58
13/18 [058] Dividindo a série x(t), de comprimento total L em / segmentos de comprimento N, definimos a função Z(q,N)
t=i onde N ~ L/ /.
[059] Esta função, como demonstrado por P. Meakin et. al., Phys. Ver. .A 34, 3325 (1986), é inversamente proporcional ao volume do sistema, seja este inteiro, fractal ou multifractal.
[060] Definimos a dimensão multifractal Dq, através da equação:
T<tf) = fa - iJOq [061] E similarmente definimos a função, C(q), como a segunda derivada da função r(q), a qual pode ser continua ou discreta:
-cq = +o - <<ϊ)+- y dq2 [062] Encontramos assim a primeira equação de pré-surto: a taxa de variação de área sob a curva C(q)
A(n) ξ(η) =
Onde A(n) é a area sob a curva C(q), e ζ(η) chamamos de primeira equação de pré-surto.
[063] O resultado da aplicação do algoritmo utilizado na etapa 1, doravante primeira equação pré-surto é plotado em três gráficos sequenciais sobrepostos, tal como exibido nas figuras 11 a 13.
[064] Etapa 2 - Os gráficos plotados como resultado da etapa 1 são comparados entre si. Note-se que, como resultado da aplicação da primeira equação pré-surto podem aparecer alterações abruptas na coordenada vertical do gráfico:
- a figura 10 revela apenas uma alteração abrupta 10 na janela 2;
Petição 870160035880, de 13/07/2016, pág. 34/58
14/18
- a figura 11 não revela qualquer alteração abrupta 10;
- a figura 12 revela três alterações abruptas 10, cada uma delas sobre um ponto diferente da coordenada horizontal do gráfico;
- a figura 13 revela três alterações abruptas 10 sobre o mesmo ponto da coordenada horizontal do gráfico.
[065] Etapa 3 - Havendo uma perfeita sincronia entre as alterações abruptas 10 reveladas no gráfico formado a partir da etapa 1 (vide Figuras 10 a 13), a execução do método progride para a etapa 4, do contrário, regride-se à etapa 1 e corre as janelas do tempo.
[066] Por correr a janela no tempo, entende-se: pular um ou mais pontos à direita do gráfico (vide janelas lb, 2b e 3b na figura 8) e reestabelecer uma nova janela de pontos com o mesmo número de pontos da janela utilizada na etapa 1.
[067] Um exemplo de perfeita sincronia entre alterações abruptas 10 é revelado na figura 13, em que as três alterações abruptas 10 identificadas nas janelas 1, 2 e 3 aparecem sobre o mesmo ponto da coordenada horizontal do gráfico.
[068] Etapa 4 - é aplicada uma segunda equação pré-surto sobre qualquer uma das janelas de pontos sequenciais (janela 1, 2 ou 3).
[069] A segunda equação pré-surto é definida pela seguinte fórmula matemática:
ά2τ(ο) ξ í¥ t(q + 1) - 2t(q) + - 1) [070] O resultado da aplicação da segunda equação pré-surto é a produção de uma curva análoga às curvas reveladas nas figuras 14 e 15 do presente relatório.
[071] É preferível que a segunda equação pré-surto seja aplicada sobre a janela 3, isto porque ela tem menos chances de conter dados com grandes flutuações de eventos anteriores ao ponto sendo analisado.
Petição 870160035880, de 13/07/2016, pág. 35/58
15/18 [072] Etapa 5 - Identificando uma curva análoga à curva da figura 14, que compreende apenas um máximo 9, o sistema correm as janelas no tempo e regride à etapa 1.
[073] Identificando uma curva análoga à da figura 15, que compreende, pelo menos, dois máximos 9, o sistema comunica ao usuário 4 ou a terceiros interessados (cuidadores ou médicos, por exemplo), sobre a alta probabilidade de iminência de um surto epiléptico e em seguida correm as janelas no tempo e regride à etapa 1.
[074] A figura 16 revela um gráfico de eletroencefalograma real durante a ocorrência de uma anomalia. A partir dos dados do eletroencefalograma, foram traçados os gráficos da primeira equação pré-surto (linha Z da tabela) e segunda equação pré-surto (linha X da tabela). Em uma determinada janela de pontos examinada foi detectado um evento pré-surto (coluna B da tabela), em outra janela de pontos extraída do mesmo gráfico, momentos antes, não foi detectado um evento pré-surto (coluna A da tabela). Note-se que, na coluna B, o gráfico da primeira equação pré-surto (célula BZ) revela três alterações abruptas 10 sobre o mesmo ponto da coordenada horizontal do gráfico; por sua vez, o gráfico da segunda equação pré-surto (célula BX) revela mais de um máximo 9.
[075] A figura 17 revela um gráfico de eletroencefalograma real no momento de um evento pré-surto. Note-se que, no gráfico da primeira equação pré-surto são detectadas três alterações abruptas 10 sobrepostas, em seguida, na segunda equação pré-surto, primeiramente não é detectado qualquer anomalia (apenas um máximo 9) e em seguida, quando correm as janelas de pontos é detectado um evento pré-surto (dois máximos 9).
[076] A primeira equação de pré-surto consiste em uma transformada do sinal do eletroencefalograma. Esta transformada possibilita a visão de detalhes não vistos no sinal original. Ela varia forte e positivamente quando o encefalograma apresenta grandes flutuações. Essas flutuações associam-se à probabilidade de ocorrência de um pré-surto, ou seja, de um alerta de surto futuro. A segunda equação de pré-surto é analisada caso a primeira equação de pré-surto apresente sinais positivos e sinalize um possível alerta. Ela é utilizada para eliminar erros de
Petição 870160035880, de 13/07/2016, pág. 36/58
16/18 julgamento que possam ter sido feitos com a primeira equação, reduzindo o risco de falsos positivos.
[077] O dispositivo 1 da presente invenção é configurado para calcular em tempo real a iminência de um surto epiléptico. Este dispositivo 1 compreende pele menos dois eletrodos 2 não invasivos, um processador eletrônico, uma bateria e um componente de transmissão sem fio. Por “eletrodo não invasivo” entende-se: um eletrodo aplicado diretamente sobre a epiderme do usuário 4, que independe de execução de método cirúrgico para viabilizar sua exploração.
[078] Comparado às técnicas anteriores, a possibilidade de compreensão de apenas dois eletrodos 2 não invasivos é uma grande vantagem tecnológica, que possibilita o uso do dispositivo 1 em caráter permanente. Em outras palavras, por compreender apenas dois eletrodos 2 não invasivos, o usuário 4 pode fazer uso do dispositivo 1 em qualquer situação de sua vida cotidiana (no trabalho, ao dirigir, ao fazer compras no supermercado ou dormindo, por exemplo).
[079] Evidente que, além de compreender apenas dois eletrodos 2 não invasivos, outra característica que permite ao usuário 4 fazer uso do dispositivo 1 em qualquer lugar que tenha interesse é o fato do dispositivo 1 ter um tamanho diminuto o que possibilita a sua portabilidade.
[080] O dispositivo 1 pode ser concretizado em diversas formas, algumas destas formas de concretização são reveladas a seguir:
[081] A opção 1 (exibida na figura 1) revela um processador eletrônico portátil embutido em um compartimento anatômico 11, que é compatível com a porção anterior da orelha 3 de um usuário 4. Dito compartimento anatômico 11 é análogo à porção traseira de um parelho auditivo.
[082] O processador eletrônico é associado a dois eletrodos 2 não invasivos e se comunica via wireless com um ou mais aparelhos smartphone 6. Por smartphone 6 entende-se: qualquer dispositivo eletrônico de comunicação ou apresentação de informação, tais como: tablet, telefone celular, smartwacht, etc.
[083] Ao identificar um evento “pré-surto” o aparelho se comunica com o smartphone 6 do usuário 4, que, por sua vez, se comunica com o dispositivo móvel de seu médico ou de seus
Petição 870160035880, de 13/07/2016, pág. 37/58
17/18 responsáveis (quando o usuário 4 for menor de idade) informando sobre a ocorrência. A comunicação pode ser realizada via mensagem de texto SMS, mensagem via aplicativo, um beep em comunicação sonora, um alerta visual na tela do aparelho ou qualquer outra espécie de comunicação transmissível por um aparelho smartphone 6. De modo preferencial, é necessário que o smartphone 6 do usuário 4 compreenda um aplicativo de celular configurado exclusivamente para comunicação com o dispositivo 1.
[084] A opção 2, revelada na figura 2, é configurada preferencialmente para uso em leitos de internação hospitalar. Para fins de aferição do escopo de proteção das reivindicações desde documento, entende-se que o vocábulo “leito de internação hospitalar abrange diversas formas de internação tais como a UTI, a internação convencional e o home care.
[085] Nesta modalidade, o dispositivo 1 compreende um invólucro 13 em formato de paralelepípedo (com perfil externo similar ao perfil de um maço de cigarros) associável a pelo menos dois eletrodos 2 não invasivos e dotado de um meio de comunicação com um monitor digital 5. Nessa modalidade, também é possível a utilização de mais eletrodos 2, visto que isso não atrapalha o dia-a-dia do usuário e a estética não costuma ser uma grande preocupação do enfermo nessas situações.
[086] A opção 3, revelada na figura 3 revela dois eletrodos especiais 2', cada qual compreendendo: uma superfície plana adesiva, uma bateria e uma antena de comunicação wireless. Os eletrodos 2' sendo configurados para se comunicar diretamente com um hardware remoto ou com um aparelho de smartphone 6.
[087] Esta modalidade de concretização da invenção é interessante pois é ainda mais discreta e fácil de utilizar que a opção 1.
[088] A opção 4, vide figura 4, consiste na provisão de uma plataforma digital de processamento de dados 8 acessível via WEB, que pode ser acessada por qualquer usuário interessado, em qualquer lugar do mundo.
Petição 870160035880, de 13/07/2016, pág. 38/58
18/18 [089] Exemplificando, se um cidadão no Japão sofre de epilepsia, mas não possui o dispositivo 1 da invenção, ele pode plugar seu aparelho de eletroencefalograma convencional 13 a um computador desktop 7 que, por sua vez, se comunica com a plataforma digital de processamento de dados 8.
[090] Quando a plataforma digital de processamento de dados 8 identificar um evento “présurto” ela envia um sinal ao desktop 7 do usuário, lhe alertando sobre a iminência de um surto epiléptico.
[091] Em uma configuração alternativa dentro desta modalidade, em vez do desktop 7, o intermediário entre a plataforma digital de processamento de dados 8 e o aparelho de eletroencefalograma convencional 13 é um smartphone 6.
[092] Tendo sido descritos alguns exemplos de concretização preferidos da invenção, vale ressaltar que, o escopo de proteção conferido pelo presente documento engloba todas as demais formas alternativas cabíveis à execução da invenção, sendo este, definido e limitado apenas pelo teor do quadro reivindicatório em anexo.
Petição 870160035880, de 13/07/2016, pág. 39/58
1/3

Claims (18)

  1. REIVINDICAÇÕES
    1. Método de predição de surto epiléptico que utiliza como dado de input a diferença de potencial existente entre pelo menos dois eletrodos (2) não-invasivos dispostos sobre a superfície externa da cabeça de um usuário (4), caracterizado por, o método se subdividir nas seguintes etapas sequenciais:
    etapa 1 - faz uso de, pelo menos, três janelas de pontos sequenciais de tamanhos diferentes, cada uma delas terminando a sequência em um mesmo ponto e aplica sobre estas janelas de pontos sequenciais uma primeira equação pré-surto;
    etapa 2 - compara os três sinais obtidos na etapa 1 entre si;
    etapa 3 - identificando uma alteração abrupta, positiva e simultânea sobre o mesmo ponto de tempo, pular para a etapa 4, caso contrário, retornar à etapa 1;
    etapa 4 - aplica-se a segunda equação pré-surto na série de dados de uma das três janelas de pontos sequenciais;
    etapa 5 - identificando dois máximos, comunicar sobre a alta probabilidade de iminência de surto.
  2. 2. Método de predição de surto epiléptico, de acordo com a reivindicação 1, caracterizado por as três janelas de pontos sequenciais terem tamanhos que obedecem uma progressão geométrica de razão 2.
  3. 3. Método de predição de surto epiléptico, de acordo com a reivindicação 1, caracterizado por utilizar entre 8 e 30720 pontos para a maior janela de pontos.
  4. 4. Método de predição de surto epiléptico, de acordo com a reivindicação 1, caracterizado por utilizar 2048 pontos para a maior janela de pontos.
  5. 5. Método de predição de surto epiléptico, de acordo com reivindicação 1, caracterizado <(n) =
    A(n) , onde: A(n) é uma integral na por, a primeira equação pré-surto ser: variável q da função da segunda equação de pré-surto; q representa a ordem das potências de pt; e pté uma variação normalizada do incremento entre pontos do eletroencefalograma distanciados em tempo T.
    Petição 870160035880, de 13/07/2016, pág. 40/58
    2/3
  6. 6. Método de predição de surto epiléptico, de acordo com a reivindicação 1, caracterizado ά2τ(ο)
    -Cç ξξ 2 « τ(ρ +1)- 2τ(ρ) + r(q - 1) por, a segunda equação pré-surto ser: ü<7 onde: q representa a ordem das potências de pt; pté a variação normalizada do incremento entre pontos do eletroencefalograma distanciados em tempo T; e T(q) é a energia livre do sistema.
  7. 7. Método de predição de surto epiléptico, de acordo com a reivindicação 1, caracterizado por, na etapa 5, a comunicação ser realizada mediante sinal sonoro ou visual enviado a um cuidador responsável pelo usuário.
  8. 8. Método de predição de surto epiléptico, de acordo com a reivindicação 1, caracterizado por, na etapa 5, a comunicação ser realizada mediante sinal sonoro ou visual enviado ao usuário.
  9. 9. Método de predição de surto epiléptico, de acordo com a reivindicação 1, caracterizado por, na etapa 5, a determinação dos dois máximos ser realizada mediante cálculo da derivada da curva.
  10. 10. Dispositivo (1) configurado para predição de surtos epilépticos, caracterizado por compreender, pelo menos, dois eletrodos (2) não invasivos, um processador eletrônico, uma bateria, um componente de transmissão sem fio, caracterizado pelo fato de que, é capaz de calcular em tempo real a iminência de um surto epiléptico.
  11. 11. Dispositivo (1) configurado para predição de surtos epilépticos de acordo com a reivindicação 10 caracterizado por ser capaz de detectar a iminência de um surto epiléptico com antecedência média compreendida entre 20 e 30 minutos.
  12. 12. Dispositivo (1) de acordo com a reivindicação 10, caracterizado por ser do tipo portátil.
  13. 13. Dispositivo (1) de acordo com a reivindicação 10, caracterizado por fazer uso de apenas dois eletrodos (2) não invasivos.
  14. 14. Dispositivo (1), de acordo com a reivindicação 10, caracterizado por compreender um processador eletrônico portátil embutido em um compartimento anatômico (11) compatível com a porção anterior da orelha (3) do usuário (4).
  15. 15. Dispositivo (1), de acordo com a reivindicação 10, caracterizado por compreender um processador eletrônico portátil embutido em um compartimento anatômico (11) compatível com a porção anterior da orelha (3) do usuário (4), dito hordwore sendo capaz de se comunicar via wireless com um aparelho smortphone (6).
    Petição 870160035880, de 13/07/2016, pág. 41/58
    3/3
  16. 16. Dispositivo, de acordo com a reivindicação 10, caracterizado por compreender dois eletrodos (2') não invasivos dotados de uma superfície adesiva, uma bateria e uma antena de comunicação wireless, os eletrodos (2') sendo configurados para se comunicarem diretamente com um hardware remoto ou com um aparelho smartphone (6).
  17. 17. Dispositivo, de acordo com a reivindicação 10, caracterizado por compreender dois eletrodos (2) não invasivos associados a um hardware (13), que por sua vez, se associa diretamente a um monitor digital (5) de uma unidade de terapia intensiva.
  18. 18. Dispositivo, de acordo com a reivindicação 10, caracterizado por compreender dois eletrodos (2) não invasivos, comunicados direta ou indiretamente com uma plataforma digital de processamentos de dados (8) disponível na web.
    Petição 870160035880, de 13/07/2016, pág. 42/58
    1/11
    Petição 870160035880, de 13/07/2016, pág. 43/58
    2/11
    Petição 870160035880, de 13/07/2016, pág. 44/58
    3/11
    Petição 870160035880, de 13/07/2016, pág. 45/58
    4/11
    Etapa 1 ◄- ◄- 1 Etapa 2 r Etapa 3 1 r Etapa 4 r Etapa 5
    Fig 5
    Petição 870160035880, de 13/07/2016, pág. 46/58
    5/11
    -i janela 3
    Petição 870160035880, de 13/07/2016, pág. 47/58
    6/11 ο
    LU
    LU
    Fig 8
    -w
    -w
    -w janela 1 janela 2 janela 3 —i janela 1b —i janela 2b —i janela 3b tempo (s)
    EEG
    Fig 9
    Petição 870160035880, de 13/07/2016, pág. 48/58
    7/11 janela 3
    Fig 10 janela 1 janela 2 janela 3
    Fig 11
    Petição 870160035880, de 13/07/2016, pág. 49/58
    8/11
    Petição 870160035880, de 13/07/2016, pág. 50/58
    9/11
    SpHeat
    -6 -4-2 0 2 4 6
    Fig 15
    Petição 870160035880, de 13/07/2016, pág. 51/58
    10/11 co
    Fig 16
    Petição 870160035880, de 13/07/2016, pág. 52/58
    11/11
    Fig 17
    Petição 870160035880, de 13/07/2016, pág. 53/58
    1/1
BR102016016259-9A 2016-07-13 2016-07-13 Método de predição de surto epiléptico e dispositivo configurado para predição de surtos epilépticos BR102016016259A2 (pt)

Priority Applications (2)

Application Number Priority Date Filing Date Title
BR102016016259-9A BR102016016259A2 (pt) 2016-07-13 2016-07-13 Método de predição de surto epiléptico e dispositivo configurado para predição de surtos epilépticos
PCT/BR2017/000070 WO2018009991A1 (en) 2016-07-13 2017-06-29 Epileptic seizure prediction method and device configured for the prediction of an epileptic seizure

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
BR102016016259-9A BR102016016259A2 (pt) 2016-07-13 2016-07-13 Método de predição de surto epiléptico e dispositivo configurado para predição de surtos epilépticos

Publications (1)

Publication Number Publication Date
BR102016016259A2 true BR102016016259A2 (pt) 2018-02-06

Family

ID=59506018

Family Applications (1)

Application Number Title Priority Date Filing Date
BR102016016259-9A BR102016016259A2 (pt) 2016-07-13 2016-07-13 Método de predição de surto epiléptico e dispositivo configurado para predição de surtos epilépticos

Country Status (2)

Country Link
BR (1) BR102016016259A2 (pt)
WO (1) WO2018009991A1 (pt)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108814592A (zh) * 2018-04-24 2018-11-16 哈尔滨工业大学 基于小波能量判定癫痫发作前脑电信号的方法及系统
CN110522446A (zh) * 2019-07-19 2019-12-03 东华大学 一种准确性高实用性强的脑电信号分析方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5857978A (en) 1996-03-20 1999-01-12 Lockheed Martin Energy Systems, Inc. Epileptic seizure prediction by non-linear methods
US6304775B1 (en) 1999-09-22 2001-10-16 Leonidas D. Iasemidis Seizure warning and prediction
US6678548B1 (en) 2000-10-20 2004-01-13 The Trustees Of The University Of Pennsylvania Unified probabilistic framework for predicting and detecting seizure onsets in the brain and multitherapeutic device
AU2003278801A1 (en) 2002-09-13 2004-04-30 The Regents Of The University Of Michigan Noninvasive nonlinear systems and methods for predicting seizure
US7269455B2 (en) 2003-02-26 2007-09-11 Pineda Jaime A Method and system for predicting and preventing seizures
WO2008057365A2 (en) 2006-11-02 2008-05-15 Caplan Abraham H Epileptic event detection systems
WO2010141603A2 (en) 2009-06-02 2010-12-09 Purdue Research Foundation Adaptive real-time seizure prediction system and method
TWI452311B (zh) 2009-08-24 2014-09-11 Hon Hai Prec Ind Co Ltd 貼裝記憶體連接器測試裝置
RU2498769C2 (ru) 2011-08-15 2013-11-20 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ" (КНИТУ-КАИ) Устройство обнаружения и предупреждения эпилептиформной активности
KR101305084B1 (ko) 2011-12-16 2013-09-26 전남대학교산학협력단 강제적 접근의 적응적 자기회귀 모델을 이용한 간질 발작 예측방법
TW201336475A (zh) 2012-03-01 2013-09-16 Univ Nat Taiwan 擁有即時學習機制之癲癇發作預測方法、模組及裝置
KR101375673B1 (ko) 2012-12-21 2014-03-27 전남대학교산학협력단 간질 발작 경보 방법 및 이를 지원하는 단말기
KR101477222B1 (ko) 2013-03-28 2014-12-30 한국과학기술원 EEG (Electroencephalography) 신호 주파수의 상대적 비율의 변화 감지에 의한 간질발작 예측방법
US20150282755A1 (en) 2014-04-02 2015-10-08 King Fahd University Of Petroleum And Minerals System and method for detecting seizure activity
WO2016029293A1 (en) * 2014-08-27 2016-03-03 University Of Windsor Method and apparatus for prediction of epileptic seizures

Also Published As

Publication number Publication date
WO2018009991A1 (en) 2018-01-18

Similar Documents

Publication Publication Date Title
JP7108267B2 (ja) 生体情報処理システム、生体情報処理方法、及びコンピュータプログラム
US20230119345A1 (en) Methods for modeling neurological development and diagnosing a neurological impairment of a patient
Narin et al. Investigating the performance improvement of HRV Indices in CHF using feature selection methods based on backward elimination and statistical significance
US9974488B2 (en) Early detection of hemodynamic decompensation using taut-string transformation
Sayeed et al. eSeiz: An edge-device for accurate seizure detection for smart healthcare
US8543196B2 (en) Lie detection based on heart rate variability
US7299088B1 (en) Apparatus and methods for brain rhythm analysis
US9801553B2 (en) System, method, and computer program product for the real-time mobile evaluation of physiological stress
Shalbaf et al. Monitoring depth of anesthesia using combination of EEG measure and hemodynamic variables
JP2021513391A (ja) 脳波測定用装置および方法
Rasekhi et al. Epileptic seizure prediction based on ratio and differential linear univariate features
BR112021011297A2 (pt) Dispositivo usável, método para operar um dispositivo usável, e, aparelho
Shahid et al. Epileptic seizure detection using the singular values of EEG signals
Bose et al. EEG signal analysis for Seizure detection using Discrete Wavelet Transform and Random Forest
Rajaguru et al. KNN classifier and K-means clustering for robust classification of epilepsy from EEG signals. A detailed analysis
Allahem et al. Automated uterine contractions pattern detection framework to monitor pregnant women with a high risk of premature labour
US20160232323A1 (en) Patient health state compound score distribution and/or representative compound score based thereon
BR102016016259A2 (pt) Método de predição de surto epiléptico e dispositivo configurado para predição de surtos epilépticos
Gautam et al. An smartphone-based algorithm to measure and model quantity of sleep
Yang et al. Online recovery of missing values in vital signs data streams using low-rank matrix completion
Nguyen‐Ky et al. Monitoring the depth of anaesthesia using Hurst exponent and Bayesian methods
Fathi et al. An efficient compression technique for Foetal phonocardiogram signals in remote healthcare monitoring systems
Wadhwani et al. IOT based biomedical wireless sensor networks and machine learning algorithms for detection of diseased conditions
Klonowski Personalized neurological diagnostics from biomedical physicist’s point of view and application of new non-linear dynamics methods in biosignal analysis
Miwakeichi et al. Impulse response function based on multivariate AR model can differentiate focal hemisphere in temporal lobe epilepsy

Legal Events

Date Code Title Description
B03A Publication of an application: publication of a patent application or of a certificate of addition of invention
B11A Dismissal acc. art.33 of ipl - examination not requested within 36 months of filing
B11Y Definitive dismissal acc. article 33 of ipl - extension of time limit for request of examination expired