CN102753090B - 体感诱发电位波形的分类器 - Google Patents
体感诱发电位波形的分类器 Download PDFInfo
- Publication number
- CN102753090B CN102753090B CN201080049651.XA CN201080049651A CN102753090B CN 102753090 B CN102753090 B CN 102753090B CN 201080049651 A CN201080049651 A CN 201080049651A CN 102753090 B CN102753090 B CN 102753090B
- Authority
- CN
- China
- Prior art keywords
- evoked potential
- record
- somatosensory evoked
- sep
- intermediate frequency
- 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.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—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]
- A61B5/377—Electroencephalography [EEG] using evoked responses
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4029—Detecting, measuring or recording for evaluating the nervous system for evaluating the peripheral nervous systems
- A61B5/4041—Evaluating nerves condition
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Abstract
本发明涉及医用电子检测设备中的体感诱发电位波形分类器,该分类器的输入信号为单次记录的体感诱发电位,按照中频值或信号过零次数将体感诱发电位按其受噪声污染的程度分为可叠加的有效信号和不可叠加的无效噪声信号,或者分类为可测量的有效信号和不可测量的无效噪声信号。本发明可以更快速、准确和有效地检测体感诱发电位。
Description
相关申请的交叉引用
本申请要求2009年10月30日提交的标题为“体感诱发电位波形的分类”,序号61/256,795的临时专利申请的优先权,其通过引用将其完整地结合与此,并且转让给当前要求保护的主题的受让人。
背景技术
这里所公开的主题涉及体感诱发电位波形的分类。
其末梢神经、脊髓、脑干或初级体感皮质受到损伤的个人可通过检查来检测损伤的严重性或者监测其体感通路中的神经结构。检查体感神经通路的完整性和功能状态的一种方式是通过监测诱发电位。在上下文中,术语“诱发电位”意在表示由个人的神经系统响应感觉刺激所生成的电响应。体感诱发电位(SEPs)可由可沿体感通路反射神经结构的依次激活的一系列波来组成。
胸索-蹄索系统可包括中枢神经系统中的SEP的解剖基质。例如,上下文中的手术中SEP监测表示用于降低脊柱外科手术或神经外科手术期间对脊髓的医源性损伤的风险的技术。SEP波形可被记录和评估。但是,SEP记录可能伴随可降低SEP记录的质量的噪声信号,从而使识别SEP记录的一个或更多的峰值信号值变得更有挑战性。例如,这类噪声信号可能影响例如处理SEP记录的等待时间/幅度测量的精度或者例如破坏处理SEP记录的方法。在上下文中又称作伪影的这类噪声信号可包括来自生理或非生理源的相对瞬变现象。
发明内容
按照本发明的一个方面提供了一种方法,包括:至少部分基于至少一个诱发电位记录的中频和测量到的所述至少一个诱发电位记录的过零率来分类所述至少一个诱发电位记录;以及至少部分基于大致处于特定范围之内的所述中频和所述过零率来剔除所述至少一个诱发电位记录。
按照本发明的一个方面提供了一种设备,包括:计算平台;所述计算平台至少部分基于至少一个诱发电位记录的中频和测量到的所述至少一个诱发电位记录的过零率来分类所述至少一个诱发电位记录;以及至少部分基于大致处于特定范围之内的所述中频和所述过零率来剔除所述至少一个诱发电位记录。
按照本发明的一个方面的一种体感诱发电位波形的分类设备,包括:计算装置;所述计算装置至少部分涉及以中频值和过零率来分类筛选诱发电位;以及大致在10Hz与150Hz之间的范围之内的所述中频和大致在1至100的范围之内的所述过零率来剔除诱发电位记录中的噪声信号。其中,所述计算装置能够对两个以上筛选出的有效诱发电位记录叠加以产生平均诱发电位记录。其中,所述诱发电位记录包括体感诱发电位记录。其中,所述计算装置能够计算所述中频为
其中,P(fk)包括所述至少一个诱发电位记录的功率谱的第k个样本,fc包括取样频率,以及fmedian包括所述中频。以及其中,所述计算装置能够计算所述过零率为
其中s包括具有长度T的所述至少一个诱发电位记录,并且如果变元A为真则指示符函数Π{A}为1,否则为0。
按照本发明的一个方面提供了一种制品,包括:存储介质,其上存储了由处理器可执行的指令以:至少部分基于至少一个诱发电位记录的中频和测量到的所述至少一个诱发电位记录的过零率来分类所述至少一个诱发电位记录;以及至少部分基于大致处于特定范围之内的所述中频和所述过零率来剔除所述至少一个诱发电位记录。
按照本发明一方面的一种基于信号时频特征信息设计的体感诱发电位分类器,单路或多路体感诱发电位经过放大后,结合传统的阈值噪声分类使用中频值分类和过零率分类,或单独使用中频值分类和过零率分类,从而提高所记录体感诱发电位的信噪比,得到高质量的体感诱发电位信号。其中,阈值中频大致在10Hz与150Hz之间的范围之内。其中,所述阈值中频是用户可选择的。其中,如果所述中频基本上等于或高于所述阈值中频,则所记录诱发电位记录被分类为噪声而被剔除。其中,阈值过零率大致在1至100的范围之内。其中,所述阈值过零率是用户可选择的。以及其中,如果测量到的过零率基本上等于或高于所述阈值过零率,则至少一个诱发电位记录被分类为被剔除。
附图说明
参照以下附图来描述非限制性并且非详尽的方面,其中除非另加说明,相似参考标号在各个附图中表示相似部分。
图1A-C示出从SEP记录所提取的噪声信号的示例。
图2A-C示出从SEP记录所提取的SEP波形的示例。
图3是按照一种实施的伪影处理的系统的示意图。
图4A示出按照一种实施的包含噪声信号的SEP记录的示例。
图4B示出按照一种实施的SEP记录的频谱的图。
图4C示出按照一种实施的包含噪声信号的SEP记录的另一个示例。
图4D示出按照一种实施的SEP记录的频谱的另一个图。
图5A和图5B示出按照一种实施的SEP记录中的过零点的示例计算。
图6示出按照一种实施的SEP分类器。
具体实施方式
就特定设备或者专用计算装置或平台的存储器中存储的二进制数字信号上的操作的算法或符号表示提供了细节描述的一些部分。在这个具体说明书的上下文中,术语特定设备等包括通用计算机或其它计算装置,一旦其被编程为按照来自程序软件的指令来执行特定功能。算法描述或符号表示是由信号处理或相关领域的技术人员用于向本领域的其它技术人员传达其工作内容的技术的示例。算法在这里以及一般地是被认为是指向预期结果的有条理的操作序列或类似的信号处理。在上下文中,操作或处理涉及物理量的物理操纵。虽然并非必须,但这类量通常采取能够被存储、传递、组合、比较或者操纵的电或磁信号的形式。
将这类信号称作位、数据、值、元素、符号、字符、项、号码、数字等,已经被证明有时是便利的,主要是由于通常使用的原因。但是应当理解,所有这些或类似的术语要与适当的物理量关联,并且只是便捷的标签。除非另加具体说明,正如从以下论述中显而易见的那样,应当理解,在本说明书通篇中,利用诸如“处理”、“计算”、“推算”、“确定”之类术语的讨论表示诸如专用计算机或类似专用电子计算装置之类的特定设备的动作或过程。因此,在本说明书的上下文中,专用计算机或者类似专用电子计算装置能够操纵或变换信号,其典型地在专用计算机或类似专用电子计算装置的存储器、寄存器或者其它信息存储装置、传输装置或者显示装置中表示为物理电子或磁量。例如,特定计算设备可包括以执行一个或更多的特定功能的指令编程的一个或更多的处理器。
提供一种用于分类SEP波形的体感诱发电位(SEP)记录的方法或系统。这里所使用的“SEP波形”可表示可指示沿体感通路的神经结构的依次激活的一系列电波。这类体感通路可位于例如人体脊髓中。通常,SEP记录可表示包含一个或更多的SEP信号波形和一个或更多的噪声信号波形的组合的一个或更多的所记录的信号。因此,例如,SEP记录以数字格式存储在,例如,存储器装置中。在至少一些实施例中,如前面所示,可在也可带来一个或更多的噪声信号波形连同一个或更多的SEP信号波形的环境中创建记录。如前面所述,SEP记录可从个人的体感通路来得到。
在按照要求保护的主题的实施例中,如下面更详细描述的那样,SEP记录可至少部分基于某些特性来分类。这类特性的示例非限制性地可包括基于时间(时间的)或者基于频率的特性。例如,这类特性可被用于作出与例如要被用于评估个人的体感通路的充分质量的SEP记录有关的确定。
在一些情况下,SEP记录可充分地受到对于丢弃特定记录更有效的环境噪声信号的影响。例如,在一些实施例中,SEP合成记录可通过对充分适当的SEP记录进行平均或者滤波或处理来得到。但是,充分受到噪声影响以保证丢弃的SEP记录可甚至例如降级SEP合成记录。因此,例如通过忽略这类SEP记录,SEP合成记录可通过例如对于比如果包括这类SEP记录更少数量的适当SEP记录求平均来得到。
这里所使用的“伪影”可表示可影响SEP记录的一个或更多的噪声信号波形。例如,伪影可包括来自生理或非生理源的瞬变现象。
例如,包含充分的伪影以影响个人的体感通路的评估的SEP记录可被检测并且可能被忽略,如果需要的话。例如,具有这种能力可准许在这种SEP记录没有被SEP记录中的噪声信号的存在过度影响或改变的时期上来获得SEP记录。
例如,一些情况中的SEP记录可包括在一等级上的信号幅度或者足够的伪影,使得SEP记录的降级可能难以通过信号处理来补偿或调整。例如,通常采用信号平均或信号滤波的形式的信号处理表示用于区别SEP信号波形和噪声信号波形的技术。例如,噪声信号波形可至少部分通过由记录电极所拾取的寄生或背景电信号来产生。例如,如果发生这种情况,这类噪声信号通常与SEP信号波形相结合作为产生SEP记录的记录过程的一部分。在上下文中的伪影剔除表示检测和忽略如果SEP合成记录将包括那些SEP记录则难以通过对于SEP合成记录的降级的信号处理来补偿或调整的具有充分等级的噪声信号的那些SEP记录。因此,伪影检测和忽略可包括用于为SEP合成记录选择SEP记录的有效工具。
SEP记录可受到一个或更多的噪声信号波形的存在的影响。在一个具体实施例中,SEP合成记录可通过对若干单独SEP记录求平均来生成。但是,在上下文中,术语求平均包括加权平均或者其它类型的信号滤波方式,例如高通滤波、低通滤波、FIR滤波或者IIR滤波,这里仅提供几个示例。通过对若干SEP记录求平均,可降低特定噪声信号波形存在的影响。例如,可评估可产生的SEP合成记录,以至少部分确定沿个人的体感通路的神经结构的可手术性或健康状态。
图1A-C示出从SEP记录所提取的噪声信号的示例。图1A-C的图100、105和110示出在一时间间隔上的电压信号的测量结果的示例。在这些示例中,以毫伏的增量来示出电压信号电平,并且以毫秒来示出时间。如图所示,图100、105和110示出在较短时间增量上可以波动的电压信号电平测量结果,例如大约0.05–0.20mV,从而导致看来与“平滑”相反的“起伏”的图。
图2A-C示出从SEP记录所提取的SEP波形的示例。图2A-C的图200、205和210示出在一时间间隔上的电压信号的测量结果的示例。在这些示例中,以毫伏的增量来示出电压信号电平,并且以毫秒来示出时间。如图所示,例如,图200、205和210示出在短时间增量上一般没有如图1A-C所示的噪声信号快地改变幅度的电压信号电平测量结果。在这里,这类时间增量可以大约在0.1-0.2ms的量级上。因此,图200、205和210示出看来与如图1A-C的图100、105和110中所示的具有起伏的噪声信号的图相反的比较平滑的图。
例如,在特定时间,可存在伪影,如噪声瞬变,其具有足够的幅度,使得SEP记录的信噪比(SNR)可被降低,在一些情况下降低很多。求平均可用于解决诸如此类的问题。例如,在一些实施例中,排除包含大于特定阈值的信号值级别的任何记录信息也许是有可能的。另一种技术可涉及评估SEP记录中的频率。例如,可执行SEP记录的快速傅立叶变换(FFT),以确定SEP记录的频率。可至少部分基于对于SEP记录的FFT结果来应用频率或幅度标准。例如,如果在例如SEP记录的大约30至大约70Hz的频带中测量到的电压信号电平超过大约100uV,则如前面所述可剔除或忽略SEP记录。
用大约100uV阈值可忽略一些SEP记录,带来有益效果;但是,这只是一个示例,并且要求保护的主题并不旨在局限于这个方面。然而,适当电压信号电平阈值的选择可能是具有挑战性的。例如,适当电压信号电平阈值可随不同的人改变。较高阈值可收集可使用的SEP记录,但是信号质量可能被降级。相反,较低阈值可剔除更有噪的SEP记录,并且因此可呈现具有较高质量的SEP记录。但是,较低阈值的使用可能延长记录时间,从而花费较长时间为神经生理学家或临床医生提供SEP合成记录以评估个人的体感通路。
但是,至少部分基于电压信号电平阈值的伪影剔除或忽略的方法在检测相对来说具有低幅度的,与具有低幅度的SEP波形相结合的噪声信号可能不是特别有效的。另一种方法可应用幅度辨别,由此,评估所产生的电压信号电平是否在预定义时期,如信号出现期间的峰值电压信号电平值小于所选电压信号电平,如下面针对图3所述。在这类方式中,至少部分基于SEP记录中的幅度范围或者两个连续信号样本值之间的差的参数可用作伪影剔除或忽略的阈值。但是,存在与选择适当阈值信号电平值相关的挑战。
如前面所述的方式还可产生通过求平均所得到的SEP合成记录中的小偏移。例如,在给定时间点的噪声信号可以是独立的,并且特征在于具有接近零的最高概率密度的对称连续分布函数。但是,如果分布函数在较高幅度噪声信号值级别具有窄峰,并且所采用的阈值比较接近噪声幅度信号值级别,则偏移可能发生。例如,如果噪声信号在时间点中的给定点不是独立地分布,则也可能发生偏移。
对于至少部分基于应用FFT的技术,在一个具体实施例中,可剔除或忽略具有超过频谱的给定范围中的给定阈值的幅度的SEP记录。但是,假定手术室环境中的噪声信号源包括与SEP谱重叠的电力线。如果这样的话,这种方法不会示出与至少部分基于幅度信号值级别的方法的显著差异。
但是,在一个实施例中,伪影剔除或忽略的方法可利用SEP波形和噪声信号分量的频率和时间性质作为分类标准来检测和剔除SEP记录。至少部分基于频率和时间性质的方法可利用相当稳定的参数–例如,中频或过零率,下面会更详细地描述。
这里所使用的“中频”可表示SEP记录的功率谱的中点频率。这里所使用的“过零率”可表示沿给定时期的SEP记录的曲线的符号变化率(例如在正与负电压信号值级别之间)。例如,一个实施例可能具有的有益效果在于,例如前面所述的从采用较高幅度对较低幅度可能发生的在较大降级或者较长记录周期的方面的牺牲可以得到降低。
例如,下面所述的方法的实施例可提供用于伪影剔除的SEP记录分类器,但是要求保护的主题在范围上并不局限于这个具体实施例。然而,通过使用SEP波形和噪声分量的频率和时间性质作为剔除SEP记录的分类标准,这种方法可提高信号质量,并且为了令人满意的结果减少SEP记录的数量。当然,要求保护的主题在范围上并不局限于在硬件、软件或固件中的实现。许多组合是可能的。然而,要求保护的主题并不旨在针对软件本身。
例如,如按照一个实施例所述的方法或系统可能能够检测包含例如可以是比较频繁或者可具有较大幅度的伪影的SEP记录。如上所述,例如,SEP记录的信号平均可用于从噪声信号,例如由记录电极所拾取的电信号来提取SEP波形。但是,伪影剔除可用于选择适当的SEP记录。相应地,这种方法或系统可包括用于在具有噪声信号源存在的环境中,例如在医院或医疗中心的手术室中选择具有充分质量的SEP记录的有效工具。
图3是按照一个实现的用于伪影剔除的系统300的一实施例的示意图。用于伪影剔除的这种系统300可利用若干标准,包括电压信号电平阈值标准。例如,如果SEP记录的峰值信号值级别小于特定信号值级别,则可接收信号供评估。例如,这种方法或系统可在SEP检测器或监视器中提供伪影剔除。例如,在一个具体实施例中,可对未处理的信号应用这种方法,以便至少部分基于时间和频率参数,包括过零率和中频来剔除SEP记录。
最初可至少部分基于这类SEP记录中包含的阈值电压来剔除某些SEP记录。还可执行SEP记录的附加分类。在信号分类之后,SEP记录,如果确定为不是需要的,则可被剔除。这种方法可提高用于平均到SEP合成记录中的信号质量,并且还可使用更少的SEP记录。
参照图3,个人305可经受重复电刺激,这可从电刺激器310通过表面或针电极传递。这种刺激可传递到末梢神经以引出体感诱发电位,其可部分通过使用放大器,例如放大器315而被记录。滤波器320也可应用于对来自SEP记录的噪声信号进行滤波。例如,可从SEP记录过滤可能是已知的包含与SEP波形不相关的信号的某些频率。在滤波之后,可将经滤波的SEP记录提供给阈值剔除元件325。阈值剔除元件325可以例如剔除具有大于上阈值信号值的一个或更多的峰值电压信号值的SEP记录。标准调整元件330可提供由阈值剔除元件325所使用的这类阈值信号值级别。标准调整元件330可以例如至少部分基于体感诱发电位的评估来动态调整给定个人的这类阈值信号值。
如果SEP记录具有大致低于阈值剔除元件的阈值信号值的峰值信号值级别,则SEP记录可由SEP分类器335来分类。在这个具体实施例中,例如,SEP分类器335可包括中频(M.F.)剔除元件340和过零率(ZCR)剔除元件345。
M.F.剔除元件340可剔除具有不是大致在所选范围内的中频的SEP记录,如下面针对图4所述。中频可计算为
其中,P(fk)包括所述至少一个诱发电位记录的功率谱的kth样本,fc包括取样频率,以及fmedian包括所述中频。
ZCR剔除元件345可剔除具有不是大致在所选范围内的过零率的SEP记录,如下面针对图5A和B所述。
相对于仅仅单个的阈值剔除元件325,阈值剔除元件325、M.F.剔除元件340和ZCR剔除元件345的组合的使用可同样地提供有利实施例。显示装置355可以可视地显示SEP记录的测量到的过零率或中频。因此,系统300可包括用于选择SEP记录的有效工具。这种技术可应用于未处理的信号,以至少部分基于时间和频率参数,包括过零率和中频来选择SEP记录。
图4A示出按照一个实现的示例SEP记录。图4A的图400示出比较平滑的并且没有受到一个或更多的噪声信号的存在的不利影响到示出剔除或忽略的程度的SEP记录。
图4B示出按照一个实现的SEP记录的频谱的图405。在一个实施例中,可通过例如执行FFT以确定哪些频率存在于SEP记录中来计算SEP记录的频谱。在上下文中的中频包括SEP记录的频谱的中点,并且将SEP记录的功率谱分为两个近似相等部分,使得一半的功率谱低于中频而一半的功率谱高于中频。SEP波形的频率特性可不同于噪声信号波形的频率特性。如果中频等于或低于所选标准,例如图4A和4B所示的示例中的20Hz,则SEP记录可被分类为其中噪声信号尚未降级SEP波形为足以引起剔除或忽略的波形。图405示出SEP记录的大约12Hz的中频。在阈值中频包括20Hz的情况下,可进一步处理这种SEP记录。另一方面,如果图405所示的SEP记录的中频大于阈值20Hz,这种SEP记录则是可分类为其中噪声信号已经降级SEP波形到足以引起剔除或忽略的波形。
图4C示出按照一个实现的另一个示例SEP记录。图4C的图410示出比较起伏的并且其中噪声信号已经降级SEP波形到足以引起剔除或忽略的SEP记录。
图4D示出按照一个实现的SEP记录的频谱的图415。如图所示,图415示出图410所示的SEP记录的频谱具有若干频率峰值。例如,图415示出大约在8Hz、22Hz、40Hz和54Hz处的频率峰值。图415还示出这个示例中的SEP记录的中频大约为22Hz。如果阈值中频包括20Hz,则具有这个频谱的SEP记录可被分类为其中噪声信号已经降级SEP波形到足以引起剔除或忽略的波形。
图5A和图5B示出按照一个实现的在一时期上的SEP记录的电压信号测量结果。图5A和图5B的图500和505分别示出SEP记录的电压信号值级别可在给定时期在正电压值(在这个示例中以uV测量)与负电压值之间波动。在这个示例中,观测时期为100毫秒。当然,要求保护的主题在范围上并不局限于这些方面。这只是为了便于说明而提供的示例。
图5A和图5B对于一个具体实施例示出SEP记录中的过零点的计算。在上下文中的过零率表示沿SEP记录的符号变化率。对于一个具体实施例,例如,它可估计或计算为
其中,s是具有长度T的SEP记录,并且如果其变元A为真则指示符函数Π{A}为“1”,否则为“0”;但是,再次说明,要求保护的主题在范围上并不局限于这个方面。计算过零的其它方式是可能的,并且旨在被包含于在要求保护的主题的范围之内。
在一个实施例中,例如,过零率可用作原始斜度检测方式。例如,如果过零率小于阈值,则SEP记录可被分类为其中噪声信号尚未降级SEP波形到足以引起剔除或忽略的波形。在一个示例中,阈值过零率值对于给定时期可大致在1-100个过零的范围之内。
过零率标准可用于分类与影响记录的噪声信号的电平有关的SEP记录。图5A的图500示出在100毫秒时期内仅具有六个过零的SEP记录。如果例如ZCR阈值包括15个过零,则图500所描绘的SEP记录可被分类为没有被噪声信号显著影响或降级。
另一方面,图5B的图505示出在100毫秒时期内具有多于40个过零的SEP记录。如果例如过零率阈值包括15个过零,则图505所描绘的SEP记录可被分类为受到噪声信号影响,并且在一些实施例中可从例如进一步的处理中去除。
对于SEP记录计算中频和过零率。如果这类值超过所选阈值,则可忽略这种SEP记录。另一方面,如果这类值没有超过所选阈值,则可进一步处理该SEP记录。在一个具体实施例中,大样本可用于确定中频和过零率的阈值。备选地,在一个备选实施例中,这类阈值可由用户来设置或选择。
频率性质可被认为是SEP记录的相当稳定的指示符。例如,SEP波形的谱范围可稳定地与噪声信号的不同。同样,中频可以是适当的SEP波形的指示符。虽然中频可包括可靠特性,但是在一些实施例中,过零率也可与中频结合用作时间指示符以实现进一步改善。
至少部分基于中频和过零率的伪影剔除的SEP分类器的应用可在一些情况下提高SEP记录和脊髓监测的可靠性。通过使用SEP波形和噪声分量的频率和时间性质二者作为分类标准以剔除SEP记录,这种实施例可提高信号质量,并且使用更少的SEP记录用于合成。
图6示出了按照一个实现的SEP分类器600。如图所示,SEP分类器600可包括处理器605和存储器610。例如,存储器610可存储由处理器605可执行的指令,使得处理器605能够至少部分基于中频或过零率来分类SEP记录。
这里所述的方法可按照特定特征或示例至少部分根据应用通过各种方式来实现。例如,这种方法可通过硬件、固件、软件或者它们的任何组合来实现。但是,不是旨在让要求保护的主题涵盖软件本身。在硬件实现中,例如,处理单元可在一个或更多的专用集成电路(ASICs)、数字信号处理器(DSPs)、数字信号处理装置(DSPDs)、可编程逻辑器件(PLDs)、现场可编程门阵列(FPGAs)、处理器、控制器、微控制器、微处理器、电子装置或者设计成执行诸如这里所述的功能的其它装置单元或者它们的任何组合中实现。
同样,在一些实施例中,方法可采用执行这里所述功能或者它们的任何组合的模块(例如过程、功能等)来实现。例如,有形地具体化指令的任何机器可读介质可在实现这类方法中使用。在一实施例中,例如,软件或代码可存储在存储器中并且由处理单元来运行。存储器可在处理单元中和/或处理单元外部来实现。这里所使用的术语“存储器”表示任何类型的长期、短期、易失性、非易失性或者其它存储器,并且并不局限于存储器的任何特定类型或者存储器的数量或者其上存有存储的介质的类型。
同样,存储介质可采取产品的制品的形式。存储介质可包括可由计算机、计算平台、计算装置等等来访问的任何可用介质。作为举例而不是限制,计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或者其它磁存储装置,或者可用于携带或存储采取指令或数据结构形式的期望的程序代码并且可由计算机、计算平台或计算装置来访问的其它任何介质。
在一些情况下,例如存储器装置的操作,例如从二进制一到二进制零或者反过来的状态的变化可包括诸如物理变换之类的变换。对于特定类型的存储器装置,这种物理变换可包括制品到不同状态或事物的物理变换。并非作为限制,例如,对于一些类型的存储器装置,状态的变化可涉及电荷的积聚和存储或者所存储的电荷的释放。同样,在其它存储器装置中,状态的变化可包括磁性取向中的物理变化或变换或者分子结构中的物理变化或变换,例如从结晶到非结晶或者反过来。前述并非旨在作为存储器装置中的二进制一到二进制零或者反过来的状态的变化可包括诸如物理变换之类的变换的所有示例的详尽列表。相反,前所意在作为说明性示例。
存储介质典型地可以是非暂时的或者包括非暂时装置。在上下文中,非暂时存储介质可包括有形的装置,表示该装置具有具体物理形式,但是装置可改变其物理状态。因此,例如,非暂时表示的是不管状态的这种变化,装置保持为有形。
虽然已经示出或描述了当前被认为是示例特征的内容,但是本领域的技术人员将会理解在不背离要求保护的主题的情况下可进行其它各种修改,或者等效体可用于替代。另外,可进行许多修改以便使特定情况适合要求保护的主题的教导而没有背离这里所述的概念。因此,要求保护的主题并不旨在局限于所公开的特定示例,相反,这种要求保护的主题还可包括落入所附权利要求或者其等效体的范围之内的所有方面。
Claims (25)
1.一种基于信号时频特征信息设计的体感诱发电位分类器,单路或多路体感诱发电位经过放大后,结合用阈值剔除元件剔除具有大于上阈值信号值的一个或更多的峰值电压信号值的体感诱发电位信号而使用中频值分类和过零率分类,或单独使用中频值分类和过零率分类,从而提高所记录的体感诱发电位的信噪比。
2.根据权利要求1所述的体感诱发电位分类器,由中频值分类模块和过零率分类模块以及阈值调整模块构成,其中诱发电位通过频值阈值筛选、过零率阈值筛选或者两者串联使用,产生部分或全部诱发电位进入有效记录。
3.根据权利要求1所述的体感诱发电位分类器,使用于人或动物体得到体感诱发电位记录。
4.根据权利要求1所述的体感诱发电位分类器,还对至少两个以上有效的体感诱发电位记录进行叠加以得到平均体感诱发电位记录。
5.根据权利要求1所述的体感诱发电位分类器,其中,所述中频被计算为
其中,P(fk)包括至少一个体感诱发电位记录的功率谱的第k个样本,fc包括取样频率,以及fmedian包括所述中频。
6.根据权利要求5所述的体感诱发电位分类器,其中,阈值中频在10Hz与150Hz之间的范围之内。
7.根据权利要求6所述的体感诱发电位分类器,其中,所述阈值中频是用户可选择的。
8.根据权利要求6所述的体感诱发电位分类器,其中,如果所述中频等于或高于所述阈值中频,则所记录的体感诱发电位记录被分类为噪声而被剔除。
9.根据权利要求1所述的体感诱发电位分类器,还包括在信号显示装置上呈现所述中频。
10.根据权利要求1所述的体感诱发电位分类器,其中,所述过零率被计算为
其中s包括具有长度T的至少一个体感诱发电位记录,并且如果变元A为真则指示符函数Π{A}为1,否则为0。
11.根据权利要求10所述的体感诱发电位分类器,其中,阈值过零率在1至100的范围之内。
12.根据权利要求11所述的体感诱发电位分类器,其中,所述阈值过零率是用户可选择的。
13.根据权利要求11所述的体感诱发电位分类器,其中,如果测量到的过零率等于或高于所述阈值过零率,则至少一个体感诱发电位记录被分类为被剔除。
14.根据权利要求1所述的体感诱发电位分类器,还包括在显示装置上呈现所述测量到的过零率。
15.根据权利要求1所述的体感诱发电位分类器,其中,所记录的体感诱发电位记录包括下列至少一个:脑电图、神经传导记录、视觉诱发电位、音频诱发电位或者它们的任何组合。
16.根据权利要求1所述的体感诱发电位分类器,还包括其它大脑电生理响应信号的记录。
17.一种体感诱发电位波形的分类设备,包括:
计算装置;
所述计算装置至少部分涉及以中频值和过零率来分类筛选诱发电位;以及
使用在10Hz与150Hz之间的范围之内的阈值中频和在1至100的范围之内的阈值过零率来剔除体感诱发电位记录中的噪声信号。
18.根据权利要求17所述的设备,其中,所述计算装置能够对两个以上筛选出的有效体感诱发电位记录叠加以产生平均体感诱发电位记录。
19.根据权利要求17所述的设备,其中,所述计算装置能够计算所述中频为
其中,P(fk)包括至少一个体感诱发电位记录的功率谱的第k个样本,fc包括取样频率,以及fmedian包括所述中频。
20.根据权利要求17所述的设备,其中,所述计算装置能够计算所述过零率为
其中s包括具有长度T的至少一个体感诱发电位记录,并且如果变元A为真则指示符函数Π{A}为1,否则为0。
21.一种体感诱发电位波形的分类装置,包括:
依据所计算的中频值分类和过零率分类来筛选有效的体感诱发电位记录的部件;以及
以中频值分类和过零率分类来剔除所记录的噪声信号的部件。
22.根据权利要求21所述的分类装置,还包括用于对至少两个可接受的体感诱发电位记录求平均,从而生成合成体感诱发电位记录的部件。
23.根据权利要求21所述的分类装置,还包括能够对两个以上筛选出的有效体感诱发电位记录叠加以产生平均体感诱发电位记录的部件。
24.根据权利要求21所述的分类装置,还包括按下式计算所述中频的部件:
其中,P(fk)包括至少一个体感诱发电位记录的功率谱的第k个样本,fc包括取样频率,以及fmedian包括所述中频。
25.根据权利要求21所述的分类装置,还包括按下式计算所述过零率的部件:
其中s包括具有长度T的至少一个体感诱发电位记录,并且如果变元A为真则指示符函数Π{A}为1,否则为0。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US25679509P | 2009-10-30 | 2009-10-30 | |
US61/256,795 | 2009-10-30 | ||
PCT/CN2010/001719 WO2011050582A1 (en) | 2009-10-30 | 2010-10-29 | Classification of sematosensory evoked potential waveforms |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102753090A CN102753090A (zh) | 2012-10-24 |
CN102753090B true CN102753090B (zh) | 2014-12-17 |
Family
ID=43921279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080049651.XA Active CN102753090B (zh) | 2009-10-30 | 2010-10-29 | 体感诱发电位波形的分类器 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8498697B2 (zh) |
CN (1) | CN102753090B (zh) |
WO (1) | WO2011050582A1 (zh) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11679261B2 (en) | 2007-03-09 | 2023-06-20 | Mainstay Medical Limited | Systems and methods for enhancing function of spine stabilization muscles associated with a spine surgery intervention |
US10925637B2 (en) | 2010-03-11 | 2021-02-23 | Mainstay Medical Limited | Methods of implanting electrode leads for use with implantable neuromuscular electrical stimulator |
US9072897B2 (en) | 2007-03-09 | 2015-07-07 | Mainstay Medical Limited | Systems and methods for restoring muscle function to the lumbar spine |
US11679262B2 (en) | 2007-03-09 | 2023-06-20 | Mainstay Medical Limited | Systems and methods for restoring muscle function to the lumbar spine |
EP2125100B1 (en) | 2007-03-09 | 2021-08-25 | Mainstay Medical Limited | Muscle stimulator |
US11331488B2 (en) | 2007-03-09 | 2022-05-17 | Mainstay Medical Limited | Systems and methods for enhancing function of spine stabilization muscles associated with a spine surgery intervention |
US11786725B2 (en) | 2012-06-13 | 2023-10-17 | Mainstay Medical Limited | Systems and methods for restoring muscle function to the lumbar spine and kits for implanting the same |
EP2544759B1 (en) | 2010-03-11 | 2017-05-31 | Mainstay Medical Limited | Modular stimulator for treatment of back pain, implantable rf ablation system |
US11684774B2 (en) | 2010-03-11 | 2023-06-27 | Mainstay Medical Limited | Electrical stimulator for treatment of back pain and methods of use |
US9999763B2 (en) | 2012-06-13 | 2018-06-19 | Mainstay Medical Limited | Apparatus and methods for anchoring electrode leads adjacent to nervous tissue |
US9950159B2 (en) | 2013-10-23 | 2018-04-24 | Mainstay Medical Limited | Systems and methods for restoring muscle function to the lumbar spine and kits for implanting the same |
CN102761354B (zh) * | 2011-04-28 | 2015-02-18 | 上海贝尔股份有限公司 | 在网络设备中生成码本和相关数据的方法及装置 |
US8666484B2 (en) * | 2011-11-25 | 2014-03-04 | Persyst Development Corporation | Method and system for displaying EEG data |
CA3122358C (en) * | 2012-05-02 | 2023-10-03 | Safeop Surgical Inc. | System, method, and computer algorithm for characterization and classification of electrophysiological evoked potentials |
US9186501B2 (en) | 2012-06-13 | 2015-11-17 | Mainstay Medical Limited | Systems and methods for implanting electrode leads for use with implantable neuromuscular electrical stimulator |
US10195419B2 (en) | 2012-06-13 | 2019-02-05 | Mainstay Medical Limited | Electrode leads for use with implantable neuromuscular electrical stimulator |
US10420480B1 (en) * | 2014-09-16 | 2019-09-24 | Nuvasive, Inc. | Systems and methods for performing neurophysiologic monitoring |
US10471268B2 (en) | 2014-10-16 | 2019-11-12 | Mainstay Medical Limited | Systems and methods for monitoring muscle rehabilitation |
US10327810B2 (en) | 2016-07-05 | 2019-06-25 | Mainstay Medical Limited | Systems and methods for enhanced implantation of electrode leads between tissue layers |
EP3600024A4 (en) | 2017-03-22 | 2021-01-06 | SafeOp Surgical, Inc. | MEDICAL SYSTEMS AND METHODS FOR DETECTION OF CHANGES IN ELECTROPHYSIOLOGICALLY AVOID POTENTIALS |
CN107280665A (zh) * | 2017-06-09 | 2017-10-24 | 上海海神医疗电子仪器有限公司 | 脑诱发电位信号采集方法 |
CN109426833B (zh) * | 2017-08-30 | 2022-03-29 | 香港大学深圳医院 | 基于支持向量机的体感诱发电位成分的识别方法及装置 |
WO2019060298A1 (en) | 2017-09-19 | 2019-03-28 | Neuroenhancement Lab, LLC | METHOD AND APPARATUS FOR NEURO-ACTIVATION |
US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
US11273283B2 (en) | 2017-12-31 | 2022-03-15 | 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 |
CN113382683A (zh) | 2018-09-14 | 2021-09-10 | 纽罗因恒思蒙特实验有限责任公司 | 改善睡眠的系统和方法 |
US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
US20220266022A1 (en) * | 2021-02-12 | 2022-08-25 | Boston Scientific Neuromodulation Corporation | Neural Feedback Assisted DBS |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4244376A (en) * | 1980-02-08 | 1981-01-13 | Fisher Charles B | Measurement of evoked nervous system potentials |
US4279258A (en) * | 1980-03-26 | 1981-07-21 | Roy John E | Rapid automatic electroencephalographic evaluation |
US4603703A (en) * | 1984-04-13 | 1986-08-05 | The Board Of Trustees Of The Leland Stanford Junior University | Method for real-time detection and identification of neuroelectric signals |
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 |
US4913160A (en) | 1987-09-30 | 1990-04-03 | New York University | Electroencephalographic system and method using factor structure of the evoked potentials |
JP2596372B2 (ja) * | 1994-04-21 | 1997-04-02 | 日本電気株式会社 | 誘発電位測定装置 |
EP0828225A1 (de) * | 1996-09-04 | 1998-03-11 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zum Auswerten von EEG-Daten |
US7089927B2 (en) * | 2002-10-23 | 2006-08-15 | New York University | System and method for guidance of anesthesia, analgesia and amnesia |
WO2006013585A1 (en) | 2004-08-05 | 2006-02-09 | Universita' Degli Studi Di Milano | Method and equipment for monitoring the functionality of the spinal cord |
US20080269835A1 (en) * | 2006-04-21 | 2008-10-30 | Medtronic, Inc. | Method and apparatus for detection of nervous system disorders |
US20080243022A1 (en) * | 2007-03-30 | 2008-10-02 | Donnett James G | Seizure prediction using brain signal telemetry |
US20090264786A1 (en) * | 2008-04-21 | 2009-10-22 | Brainscope Company, Inc. | System and Method For Signal Denoising Using Independent Component Analysis and Fractal Dimension Estimation |
-
2010
- 2010-10-29 CN CN201080049651.XA patent/CN102753090B/zh active Active
- 2010-10-29 WO PCT/CN2010/001719 patent/WO2011050582A1/en active Application Filing
- 2010-10-29 US US12/916,472 patent/US8498697B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CN102753090A (zh) | 2012-10-24 |
WO2011050582A8 (en) | 2012-03-15 |
US20110105939A1 (en) | 2011-05-05 |
WO2011050582A1 (en) | 2011-05-05 |
US8498697B2 (en) | 2013-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102753090B (zh) | 体感诱发电位波形的分类器 | |
Myers et al. | Seizure prediction and detection via phase and amplitude lock values | |
Jones et al. | S-transform time-frequency analysis of P300 reveals deficits in individuals diagnosed with alcoholism | |
Pooresmaeili et al. | Separable codes for attention and luminance contrast in the primary visual cortex | |
US20070270912A1 (en) | Method and apparatus for discriminating cardiac signals in a medical device based on wavelet decomposition analysis | |
Dutta et al. | Multifractal parameters as an indication of different physiological and pathological states of the human brain | |
CN101835420A (zh) | 用于减少基于eeg的癫痫发作检测器中的通道数目的方法和装置 | |
Easwaramoorthy et al. | Analysis of biomedical EEG signals using wavelet transforms and multifractal analysis | |
Waldman et al. | A method for the topographical identification and quantification of high frequency oscillations in intracranial electroencephalography recordings | |
CN102429657A (zh) | 一种癫痫脑电信号分类检测装置及方法 | |
Eide et al. | A dynamic nonlinear relationship between the static and pulsatile components of intracranial pressure in patients with subarachnoid hemorrhage | |
Cichon et al. | Unsupervised classification of neocortical activity patterns in neonatal and pre-juvenile rodents | |
Parks et al. | Bootstrap signal-to-noise confidence intervals: an objective method for subject exclusion and quality control in ERP studies | |
Nascimento et al. | One EEG, one read-A manifesto towards reducing interrater variability among experts | |
Wijayanto et al. | Comparison of empirical mode decomposition and coarse-grained procedure for detecting pre-ictal and ictal condition in electroencephalography signal | |
Yochum et al. | A wavelet based method for electrical stimulation artifacts removal in electromyogram | |
Casson et al. | Performance metrics for the accurate characterisation of interictal spike detection algorithms | |
Ciecierski et al. | Computer aided subthalamic nucleus (STN) localization during deep brain stimulation (DBS) surgery in Parkinson's patients | |
Hadiyoso et al. | Epileptic electroencephalogram classification using relative wavelet sub-band energy and wavelet entropy | |
Pearson et al. | Local fields in human subthalamic nucleus track the lead-up to impulsive choices | |
Brenner et al. | Automatic recognition of epileptiform EEG abnormalities | |
Herrmann et al. | Sensitivity of rat inferior colliculus neurons to frequency distributions | |
Allahverdy et al. | Non-auditory effect of noise pollution and its risk on human brain activity in different audio frequency using electroencephalogram complexity | |
Rajaguru et al. | Softmax discriminant classifier for detection of risk levels in alcoholic EEG signals | |
David et al. | Decoupling action potential bias from cortical local field potentials |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
ASS | Succession or assignment of patent right |
Owner name: GANGDA KEQIAO CO., LTD. Free format text: FORMER OWNER: THE UNIVERSITY OF HONG KONG, CHINA Effective date: 20150527 |
|
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20150527 Address after: China Hongkong Cyberport Patentee after: VERSITECH Ltd. Address before: Chinese Pokfulam Road Hongkong Patentee before: University of Hong Kong |