CN103874455B - 用于分析脑电图(eeg)记录的方法和系统 - Google Patents
用于分析脑电图(eeg)记录的方法和系统 Download PDFInfo
- Publication number
- CN103874455B CN103874455B CN201280045462.4A CN201280045462A CN103874455B CN 103874455 B CN103874455 B CN 103874455B CN 201280045462 A CN201280045462 A CN 201280045462A CN 103874455 B CN103874455 B CN 103874455B
- Authority
- CN
- China
- Prior art keywords
- eeg
- spike
- electrode
- record
- detected
- 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]
- A61B5/372—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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/30—Input circuits therefor
-
- 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
- A61B5/30—Input circuits therefor
- A61B5/307—Input circuits therefor specially adapted for particular uses
- A61B5/31—Input circuits therefor specially adapted for particular uses for electroencephalography [EEG]
-
- 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
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本文公开了用于分析EEG数据的方法(1000)和系统(20)。经处理的EEG记录(200)被分析以产生EEG的参数。EEG记录(200)被分析以组织通过棘波病灶的多个检测、基于通过棘波病灶的检测的计数来确定相对频率、对通过棘波病灶的多个检测求平均等等。
Description
技术领域
本发明总体上涉及EEG记录。更具体地,本发明涉及分析EEG记录。
背景技术
脑电图(EEG)是测量和记录人脑的电活动以便评估脑功能的诊断工具。多个电极被附接到人的头部并且通过导线连接到机器。机器放大信号并且记录人脑的电活动。电活动由跨多个神经元的神经活动的总和产生。这些神经元生成小的电压场。这些电压场的总合创建人的头部上的电极能够检测和记录的电读数。EEG是多个简单信号的叠加。在正常的成年人中,EEG信号的振幅通常在1微伏到100微伏的范围,并且当使用硬膜下(subdural)电极测量时,EEG信号大约为10到20毫伏。电信号的振幅和时间动态的监测提供关于人的潜在神经活动和身体状况的信息。
EEG被执行以:诊断癫痫;确认意识丧失或痴呆的问题;确认处于昏迷状态的人的脑活动;研究睡眠紊乱,监视手术期间的脑活动,以及另外的身体问题。
多个电极(通常为17-21个,然而,存在用于至少70个的标准位置)在EEG期间被附接到人的头部。电极通过与人脑的叶或区域有关的电极的位置来进行参考。参考如下:F=额的;Fp=额极的;T=颞的;C=中枢的;P=顶骨的;O=枕骨的;以及A=耳的(耳电极)。使用数字来进一步缩小位置,并且“z”点与在人的头部的中部的电极位置有关。心电图(EKG)也可能出现在EEG显示器上。
EEG使用被称为蒙太奇(montage)的电极的各种组合记录来自不同放大器的脑波。蒙太奇通常被创建以提供跨皮层的EEG的空间分布的清晰画面。蒙太奇是一种从记录电极的空间阵列获得的电子地图,并且优选地是指在特定时间点被检查的电极的特定组合。
在双极蒙太奇(bipolar montage)中,连续的电极对通过将一个通道的电极输入2连接到随后的通道的输入1而被联接,以使得相邻通道具有一个共同电极。电极的双极链可以从前往后(纵向的)或者从左往右(横向的)进行连接。在双极蒙太奇中,将两个有源电极位置之间的信号进行比较,导致记录的活动的差。另一类型的蒙太奇是参考蒙太奇(referential montage)或单极蒙太奇(monopolar montage)。在参考蒙太奇中,各种电极被连接到每个放大器的输入1,并且参考电极被连接到每个放大器的输入2。在参考蒙太奇中,在有源电极位置处采集信号,并且将其与共同的参考电极进行比较。
参考蒙太奇对于确定波形的真实振幅和形态是有益的。对于颞电极,CZ通常是很好的头皮参考。
能够定位电活动的来源(“定位”)对能够分析EEG是至关重要的。双极蒙太奇中的正常脑波或异常脑波的定位通常通过识别“反相”(链内的两个通道的偏转指向相反的方向)来完成。在参考蒙太奇中,所有通道可以在同一方向上显示偏转。如果有源电极处的电活动在与参考电极处的活动比较时是正的,则偏转将是向下的。电活动与参考电极处的电活动相同的电极将不显示任何偏转。一般来说,具有最大向上偏转的电极表示参考蒙太奇中的最大负活动。
一些模式表明朝着人的突然发作(seizure)的趋势。医生可以把这些波称为“癫痫样异常”或“癫痫波”。这些包括棘波(spike)、尖波(sharp wave)和棘慢波(spike-and-wave)放电。在脑部的特定区域(诸如左颞叶)中的棘波和尖波表明部分发作可能来自该区域。另一方面,原发性全身性癫痫(primary generalized epilepsy)由广泛分布在脑部的两个半球之上的棘慢波放电所暗示,特别是在他们同时在两个半球中开始的情况下。
存在若干类型的脑波:α波、β波、δ波、θ波和γ波。α波具有8到12赫兹(Hz)的频率。α波通常当人放松或处于清醒状态时(此时人眼是闭着的,但人在精神上是警觉的)被发现。当人眼睁开或人集中注意力时,α波停止。β波具有13Hz到30Hz的频率。β波通常当人警觉、思考、焦躁不安或者服用了大剂量的某些药物时被发现。δ波具有小于3Hz的频率。δ波通常仅当人睡着(非REM或无梦睡眠)或者其是幼儿时被发现。θ波具有4Hz到7Hz的频率。θ波通常仅当人睡着(有梦或REM睡眠)或者其是幼儿时被发现。γ波具有30Hz到100Hz的频率。γ波通常在较高心理活动和运动功能期间被发现。
本文使用以下定义。
“振幅”指的是从波谷到最大峰值(正的或负的)测得的垂直距离。它表示关于在分量生成期间神经元数量的大小及其激活同步的信息。
术语“模拟数字转换”指的是模拟信号转换成然后可以存储在计算机中以进一步处理的数字信号的时候。模拟信号是“真实世界”信号(例如,诸如脑电图、心电图或眼电图之类的生理信号)。为了让他们被计算机存储和操作,这些信号必须转换成计算机可以理解的离散数字形式。
“伪影”是通过EEG沿头皮检测到的、但源自非脑来源的电信号。存在与病人相关的伪影(例如,运动、出汗、ECG、眼部运动)和技术伪影(50/60Hz伪影、电缆移动、与电极浆料有关的)。
术语“差动放大器”指的是电生理设备的关键。它放大两个输入之间的差(每对电极一个放大器)。
“持续时间”是从电压变化的开始到其回到基线的时间间隔。它也是分量生成(component generation)中涉及的神经元的同步激活的测量结果。
“电极”是指用于建立与电路的非金属部分的电接触的导体。EEG电极是通常由覆盖有氯化银涂层的不锈钢、锡、金或银制成的小金属盘。它们以特定位置被置于头皮上。
“电极凝胶”用作电极的展性延伸,以使得电极引线的运动不太可能产生伪像。凝胶最大化皮肤接触并且允许通过皮肤的低阻记录。
术语“电极定位”(10/20系统)指的是用于经典EEG记录的头皮电极的标准化布置。该系统的本质是鼻根-枕骨隆突与固定点之间的10/20范围的百分比形式的距离。这些点被标记为额极(Fp)、中枢的(C)、顶骨的(P)、枕骨的(O)和颞的(T)。中线电极标有下标z(其代表零)。奇数用作左半球上的点的下标,而偶数用作右半球上的点的下标。
“脑电图”或“EEG”是指由脑电图仪进行的、通过从头皮记录脑部的电活动而对脑波的跟踪。
“脑电图仪”是指用于检测和记录脑波的装置(也称为脑造影仪(encephalograph))。
“癫痫样的”是指类似癫痫那样的。
“滤波”是指从信号去除不需要的频率的过程。
“滤波器”是改变信号的频率成分的设备。
“蒙太奇”意思是电极的布置。可以使用双极蒙太奇或参考蒙太奇来监测EEG。双极意思是每一个通道有两个电极,所以针对每个通道存在参考电极。参考蒙太奇意思是针对所有通道存在共同的参考电极。
“形态”是指波形的形状。波或EEG图案的形状由组合以构成波形的频率以及由它们的相位和电压关系来确定。波图案可以被描述为:“单态的”。不同的EEG活动看上去由一个占主导地位的活动组成。“多态的”。不同的EEG活动由组合以形成复合波形的多个频率组成。“正弦的”。波类似正弦波。单态活动通常是正弦的。“瞬态的”。明显不同于背景活动的单独波或图案。
“棘波”指的是具有尖峰和从20到70毫秒以下的持续时间的瞬态。
术语“尖波”指的是具有尖峰和70-200毫秒的持续时间的瞬态。
术语“神经网络算法”指的是识别具有很高的概率为癫痫样异常的尖瞬态的算法。
“噪声”是指改变所期望的信号的任何不需要的信号。它可以具有多个来源。
“周期性”是指图案或元素在时间上的分布(例如,以或多或少有规律的时间间隔出现特定的EEG活动)。活动可以是全身性的(generalized)、局灶性的(focal)或偏侧性的(lateralized)。
EEG时期是EEG信号作为时间和频率的函数的振幅。
已经开发了各种技术来向医师或技师呈现EEG数据。然而,这些技术仍然是不足的。如果原始EEG报告被呈现给医师或技师,则伪像通常使EEG报告无法区分诸如突然发作之类的脑部活动和伪像。尽管使用了伪像减少算法,但是无法准确区分真实生理节律性和伪像是当前软件系统的严重缺点并且需要专家评估。
EEG报告产生关于人脑活动的大量信息。然而,需要快速并且容易地理解该信息,以便正确地分析人的脑部活动。
发明内容
本发明的一个方面是一种用于分析EEG记录的方法。该方法包括从包括多个电极、放大器和处理器的机器生成EEG记录。该方法还包括处理EEG,以创建经处理的EEG记录以用于分析。该方法还包括分析经处理的EEG记录以产生EEG的参数。
本发明的另一个方面是一种用于分析EEG记录的方法。该方法包括从包括多个电极、放大器和处理器的机器生成EEG记录。该方法还包括处理EEG,以创建经处理的EEG记录以用于分析。该方法还包括组织通过棘波病灶(spike focus)的多个检测。
本发明的又另一个方面是一种用于分析EEG记录的方法。该方法包括从包括多个电极、放大器和处理器的机器生成EEG记录。该方法还包括处理EEG,以创建经处理的EEG记录以用于分析。该方法还包括基于通过棘波病灶的检测的计数来确定相对频率。
本发明的又另一个方面是一种用于分析EEG记录的方法。该方法包括从包括多个电极、放大器和处理器的机器生成EEG记录。该方法还包括处理EEG,以创建经处理的EEG记录以用于分析。该方法还包括创建通过棘波病灶组织的棘波检测的连续视图。
本发明的又另一个方面是一种用于分析EEG记录的方法。该方法包括从包括多个电极、放大器和处理器的机器生成EEG记录。该方法还包括处理EEG,以创建经处理的EEG记录以用于分析。该方法还包括选择棘波病灶的EEG剪辑,以针对上下文查看EEG的延伸部分。
本发明的又另一个方面是一种用于分析EEG记录的方法。该方法包括从包括多个电极、放大器和处理器的机器生成EEG记录。该方法还包括处理EEG,以创建经处理的EEG记录以用于分析。该方法还包括对通过棘波病灶的多个检测在总和上求平均。
本发明的又另一个方面是一种用于分析EEG记录的方法。该方法包括从包括多个电极、放大器和处理器的机器生成EEG记录。该方法还包括处理EEG,以创建经处理的EEG记录以用于分析。该方法还包括从通过棘波病灶的多个检测的平均移动到单独检测。
本发明的又另一个方面是一种用于分析EEG记录的方法。该方法包括从包括多个电极、放大器和处理器的机器生成EEG记录。该方法还包括处理EEG,以创建经处理的EEG记录以用于分析。该方法还包括在棘波病灶处标记多个棘波平均和多个单独检测。
本发明的又另一个方面是一种用于分析EEG记录的方法。该方法包括从包括多个电极、放大器和处理器的机器生成EEG记录。该方法还包括处理EEG,以创建经处理的EEG记录以用于分析。该方法还包括通过改变用于查看检测的EEG的灵敏度来确定多个棘波检测中的哪个棘波检测包括在分组、求平均或最终分析中。
本发明的又另一个方面是一种用于分析EEG记录的方法。该方法包括从包括多个电极、放大器和处理器的机器生成EEG记录。该方法还包括使用多个神经网络算法处理EEG记录,以创建经处理的EEG记录以用于分析。该方法还包括分析经处理的EEG记录以产生EEG的参数。
本发明的又另一个方面是一种用于分析EEG记录的系统。该系统包括多个电极、至少一个放大器、处理器和显示器。多个电极生成多个EEG信号。至少一个放大器通过多个导线被连接到多个电极中的每个电极以放大多个EEG信号中的每个EEG信号。处理器被连接到放大器以从多个EEG信号生成EEG记录。显示器被连接到处理器以用于显示EEG记录。处理器被配置为分析经处理的EEG记录以产生EEG的参数。
本发明的又另一个方面是一种用于分析EEG记录的系统。该系统包括多个电极、至少一个放大器、处理器和显示器。多个电极生成多个EEG信号。至少一个放大器通过多个导线被连接到多个电极中的每个电极以放大多个EEG信号中的每个EEG信号。处理器被连接到放大器以从多个EEG信号生成EEG记录。显示器被连接到处理器以用于显示EEG记录。处理器被配置为组织经处理的EEG记录的通过棘波病灶的多个检测。
本发明的又另一个方面是一种用于分析EEG记录的系统。该系统包括多个电极、至少一个放大器、处理器和显示器。多个电极生成多个EEG信号。至少一个放大器通过多个导线被连接到多个电极中的每个电极以放大多个EEG信号中的每个EEG信号。处理器被连接到放大器以从多个EEG信号生成EEG记录。显示器被连接到处理器以用于显示EEG记录。处理器被配置为基于通过棘波病灶的检测的计数来确定相对频率。
本发明的又另一个方面是一种用于分析EEG记录的系统。该系统包括多个电极、至少一个放大器、处理器和显示器。多个电极生成多个EEG信号。至少一个放大器通过多个导线被连接到多个电极中的每个电极以放大多个EEG信号中的每个EEG信号。处理器被连接到放大器以从多个EEG信号生成EEG记录。显示器被连接到处理器以用于显示EEG记录。处理器被配置为创建通过棘波病灶组织的棘波检测的连续视图。
本发明的又另一个方面是一种用于分析EEG记录的系统。该系统包括多个电极、至少一个放大器、处理器和显示器。多个电极生成多个EEG信号。至少一个放大器通过多个导线被连接到多个电极中的每个电极以放大多个EEG信号中的每个EEG信号。处理器被连接到放大器以从多个EEG信号生成EEG记录。显示器被连接到处理器以用于显示EEG记录。处理器被配置为选择经处理的EEG记录的棘波病灶的EEG剪辑,以针对上下文查看EEG的延伸部分。
本发明的又另一个方面是一种用于分析EEG记录的系统。该系统包括多个电极、至少一个放大器、处理器和显示器。多个电极生成多个EEG信号。至少一个放大器通过多个导线被连接到多个电极中的每个电极以放大多个EEG信号中的每个EEG信号。处理器被连接到放大器以从多个EEG信号生成EEG记录。显示器被连接到处理器以用于显示EEG记录。处理器被配置为对经处理的EEG记录的通过棘波病灶的多个检测在总和上求平均。
本发明的又另一个方面是一种用于分析EEG记录的系统。该系统包括多个电极、至少一个放大器、处理器和显示器。多个电极生成多个EEG信号。至少一个放大器通过多个导线被连接到多个电极中的每个电极以放大多个EEG信号中的每个EEG信号。处理器被连接到放大器以从多个EEG信号生成EEG记录。显示器被连接到处理器以用于显示EEG记录。处理器被配置为从经处理的EEG记录的通过棘波病灶的多个检测的平均移动到单独检测。
本发明的又另一个方面是一种用于分析EEG记录的系统。该系统包括多个电极、至少一个放大器、处理器和显示器。多个电极生成多个EEG信号。至少一个放大器通过多个导线被连接到多个电极中的每个电极以放大多个EEG信号中的每个EEG信号。处理器被连接到放大器以从多个EEG信号生成EEG记录。显示器被连接到处理器以用于显示EEG记录。处理器被配置为在棘波病灶处标记经处理的EEG记录的多个棘波平均和经处理的EEG记录的多个单独检测。
本发明的又另一个方面是一种用于分析EEG记录的系统。该系统包括多个电极、至少一个放大器、处理器和显示器。多个电极生成多个EEG信号。至少一个放大器通过多个导线被连接到多个电极中的每个电极以放大多个EEG信号中的每个EEG信号。处理器被连接到放大器以从多个EEG信号生成EEG记录。显示器被连接到处理器以用于显示EEG记录。处理器被配置为通过改变用于查看检测的EEG的灵敏度来确定经处理的EEG记录的多个检测中的哪个检测包括在最终分析中。
本发明的又另一个方面是一种用于分析EEG记录的系统。该系统包括多个电极、至少一个放大器、处理器和显示器。多个电极生成多个EEG信号。至少一个放大器通过多个导线被连接到多个电极中的每个电极以放大多个EEG信号中的每个EEG信号。处理器被连接到放大器以从多个EEG信号生成EEG记录。显示器被连接到处理器以用于显示EEG记录。处理器被配置为使用多个神经网络算法处理EEG记录,以创建经处理的EEG记录。
附图说明
图1是用于分析EEG记录的系统的框图。
图2是经分析的EEG记录的图示。
图3是经分析的EEG记录的原始检测显示的图示。
图4是经分析的EEG记录的扩展的检测视图显示的图示。
图5是经分析的EEG记录的最终报告显示的图示。
图6是用于分析EEG记录的通用方法的流程图。
图7是用于正常、清醒的患者的EEG记录的图示。
图7A是用于全身性棘波EEG的经分析的EEG记录的图示。
图7B是用于局灶性棘波EEG的经分析的EEG记录的图示。
图8是用于分析EEG记录的系统的框图。
图9是用于分析EEG记录的通用方法的流程图。
图10是用于分析EEG记录的具体方法的流程图。
图11是用于分析EEG记录的具体方法的流程图。
图12是表示用于EEG的电极布置的国际10-20电极系统的图。
图13是表示用于EEG的电极布置的中间10%的电极位置(如由AmericanElectroencephalographic Society标准化的)的详图。
具体实施方式
如图1所示,EEG系统总体上被命名为20。系统优选地包括患者组件30、EEG机器组件40和显示组件50。患者组件30包括多个电极35a、35b、35c,其被附接到患者15并且通过电缆38被导线连接到EEG机器组件40。EEG机器组件40优选地包括CPU41和放大器组件42。EEG机器组件40被连接到显示组件50以用于显示组合的EEG报告,并且用于从经处理的EEG报告切换到组合的EEG报告或者从经处理的EEG报告切换到原始EEG报告。如图8所示,EEG机器组件40优选地包括检查引擎(review engine)和神经网络算法。机器组件还优选地包括存储器、存储器控制器、微处理器、DRAM和输入/输出。相关领域技术人员将认识到,机器组件40可以包括其它组件而不背离本发明的范围和精神。然后使用神经网络算法处理EEG记录以生成经处理的EEG记录,该经处理的EEG记录被分析以用于显示。
患者具有被附接到患者的头部的多个电极,来自电极的导线被连接到放大器以用于向处理器放大信号,处理器被用来分析来自电极的信号并且创建EEG记录。脑部在患者的头部上的不同点处产生不同信号。多个电极位于患者的头部上,如图12和图13所示。例如,图12上的Fp1被表示在图8上的通道FP1-F7中。电极的数目决定用于EEG的通道的数目。更大数目的通道产生患者的脑部活动的更详细的表示。优选地,EEG机器组件40的每个放大器对应于被附接到患者的头部的两个电极。来自EEG机器组件的输出是通过两个电极检测的电活动的差。每个电极的布置对于EEG报告是至关重要的,因为电极对彼此越接近,通过EEG机器组件记录的脑波的差越小。与本发明一起使用的电极的更透彻的描述在Wilson等人的第8112141号美国专利“a Method And Device For Quick Press On EEG Electrode”中进行了详述,其特此通过引用被整体并入。EEG被优化以用于自动伪像滤波。然后使用神经网络算法处理EEG记录以生成经处理的EEG记录,该经处理的EEG记录被分析以用于显示。
用于从EEG去除伪像的算法通常使用盲源分离(BSS)算法,如CCA(典型相关分析)和ICA(独立分量分析),以将来自通道的集合的信号变换成分量波或“源”的集合。被判断为包含伪像的源被去除,并且剩下的源被重新组装成通道集合。
图2-图5图示了经分析的EEG记录。如图2所示,计算机屏幕上的经分析的EEG记录的显示被命名为200。参考标记205标出电极病灶(T3)和以该灵敏度选择的检测的数目(2969)。蒙太奇条被命名为210并且允许蒙太奇控制。参考标记215示出主电极检测病灶。检测灵敏度滑块被命名为220并且允许操作者选择用于显示的灵敏度。动态地向右拖动滑块增加了检测灵敏度,因此产生更多真阳性以及更多假阳性。较小的灵敏度显示较少的棘波。组标签被命名为221,并且该标签被用来选择在主窗口中显示的检测组。下列类型的标签是可用的:概观,其是通过电极病灶布置的检测平均,以选择的检测灵敏度示出所有检测的平均;单独电极病灶,例如T3、T5;最终报告,其是通过电极病灶分类的手选检测的棘波平均。针对选择的灵敏度,检测的数目在每个病灶处被示出。导航标签被命名为222,其允许导航到当前未处于窗口上的视图中的其它标签。每页棘波检测标签被命名为223并且允许产生大约每秒30mm的棘波检测事件的若干检测。EEG电压振幅选择器被命名为224。蒙太奇选择器标签是225,LFF标签是226,HFF标签是227,陷波(notch)标签是228,以及用户滤波器标签是229。操作员可以通过点击诸如在点230处的组而跳转到该组的组成棘波。向前翻页标签是235。
如图3所示,在计算机屏幕上示出在经分析的EEG记录的T3处的原始检测的显示被命名为300。检测的时间被命名为305。参与检测的电极通常被突出显示,并且被示出为参考标记310。标记或取消标记标签是315,其允许经标记的检测出现在最终报告中。导航标签320允许在检测病灶之间导航。如在325处所示出的,已经被查看过的检测标有星号。手工标记检测330在该检测周围放置框。集中在棘波检测上的EEG在335处被示出。标签340允许移动到检测的下一页。
如图4所示,经分析的EEG记录在计算机屏幕上的显示400示出了扩展的检测视图。如图5所示,经分析的EEG记录在计算机屏幕上的最终报告显示被命名为500。用户选择的具有T3电压最大值的棘波的平均在参考标记505处被示出。510a、510b和510c是单独组分的、用户选择的棘波。
图7中示出了用于正常、清醒的患者的EEG700。图7A中示出了具有全身性棘波的EEG725。图7B中示出了具有局灶性棘波的EEG750。
在用于分析EEG记录的用途中,技师或医师激活检查程序,并且几秒钟后检查程序打开。最初呈现了概观窗口。概观描述了来自通过棘波检测机制检测的各个棘波病灶的平均。为了创建这些概观平均,棘波检测通过检测病灶(电极)进行分类,并且然后对在特定病灶处的所有检测求数学平均。例如,第一列EEG表示2969个事件的平均,这些事件在T3电极处具有它们的最大检测点。EEG的这些列优选地通过白色的细带与其它列分开。每个EEG列表示不同的组平均。每个平均的主电极病灶以及被纳入每个平均中的检测事件的数目被示于EEG的列之上。包括检测病灶电极的通道被突出显示为红色。正如诱发电位,对多个检测求平均导致信噪比的增加并且使得更容易划定癫痫样异常的分布区域。
棘波检测器输出的灵敏度可以在检查过程期间动态地调整。这是通过使用被标记的检测灵敏度滑块来完成的。当最初打开简单棘波检查时,检测灵敏度滑块被设置到最左边的位置。在这个位置上,棘波检测器神经网络算法识别具有高的概率为癫痫样异常的尖瞬态:这些是检测器赋予其为真实癫痫样异常的高概率的事件。在该设置下的假阳性检测率是最低的。因此,真实癫痫样信号与假阳性噪声的比在该设置下是最高的。然而,一些形成不太好(less well-formed)的棘波和尖波在滑块设置在其最低灵敏度的情况下可能不是明显的。检测器的灵敏度可以通过向右拖动滑块来快速调整,以使得其是更灵敏的并且因此更可能识别形成不太好的或较低振幅的瞬态。新的分组然后可以出现在棘波平均的概观显示中。与真实棘波检测的增加相呼应,也存在假阳性检测的增加。
示出了与将检测灵敏度调整滑块从左移动到最右(见红色箭头)相关联的检测的事件的数目变化的示例。仅看T3检测,检测的事件的数目从2969增加到4528(见黄色突出显示)。
在与罕见癫痫样异常或者其中棘波检测器神经网络当设置为最低灵敏度时未很好地辨识癫痫样异常的那些癫痫样异常有关的记录中,切换到检测灵敏度滑块上的最高设置可以允许癫痫样异常的可视化。在这样的情况下,识别罕见事件通常需要评估单独的原始检测。这通过显示连续跟随概观页上的棘波平均的所有原始检测或者通过逐步选择位于EEG窗口的顶部的位置标签而通过检查在每个电极位置处的检测来实现(见下文)。
点击位于EEG窗口的顶部的任何电极位置标签,将显示从该特定电极位置出现的原始(非平均的)棘波检测。单独检测被白色的细带分开,并且检测点集中在EEG的1秒区段中并由模糊的垂直灰色线表示。在任何单独检测上双击鼠标左键将致使该特定检测的扩展的EEG视图的出现。在扩展的视图上双击左键将使用户返回到连续单独检测的显示。
当查看单独棘波检测(从EEG窗口以上的标签获得)时,示例棘波可以通过在期望的示例上点击鼠标左键而被手工标记。将出现描绘所选择棘波的轮廓的矩形。手工标记的检测将包括在出现在最终报告中的棘波平均中。这些手工标记的事件还可以紧随最终报告中它们的平均而连续显示,并且可以为了归档的目的或者为了由另一检查者进行评价而被打印。
点击位于EEG窗口的顶部的最终报告显示所有手工标记的事件的概要。最初的默认视图显示用户选择、手工标记的事件的数学平均(按电极病灶分类)。如所解释的,头部电压内存储信息位置图示(topogram)和连续、单独、用户选择的事件通过选择菜单选项或者经由右击鼠标选择来显示。电压内存储信息位置图示仅当查看参考蒙太奇中的EEG时创建。
使用具有被设置到最左端(最低灵敏度)的检测灵敏度滑块的初始概观屏幕,识别任何明确的或可能的癫痫样异常并且记录它们的位置。双击癫痫样异常,以通过查看对平均有贡献的单独示例来进一步确认它们的本质。如所期望的,标记示例性单独事件(针对最终报告)。
滑动检测灵敏度滑块到最右端(最高灵敏度)并且重新评估概观屏幕,以确定任何其它明确的或可能的癫痫样异常是否变得明显。
如果癫痫样异常经由概观显示被发现和确认,则如所指出的,进行连续原始检测的进一步检查。
如果在概观上癫痫样异常不是明显的,则通过选择不同的位置标签并且通过连续事件检测的翻页来有条理地评价所有原始检测。如果发现任何真实癫痫样异常,则点击这些异常来对它们标记以包括在最终报告中,并且然后继续检查。
一旦完成检查,则转到最终报告。在最终报告上,选择是仅显示癫痫样异常的平均还是显示平均和连续、手工选择的事件两者。如果需要,打印最终报告示例。
如图6所示,一种用于分析EEG记录的一般方法被命名为600。在块610,多个EEG信号被发送到放大器。在块615,EEG信号被放大器放大。在块620,经放大的信号被发送到处理器。在块625,通过处理器生成EEG记录。在块630,EEG记录被处理以生成经处理的EEG记录以用于分析。处理优选地包括对原始EEG记录执行伪像减少。在块635,经处理的EEG记录被分析以产生EEG的参数。
如图9所示,一种用于分析EEG记录的一般方法被命名为1000。在块1001,从包括多个电极、放大器和处理器的机器生成EEG记录。在块1002,处理EEG记录以创建经处理的EEG记录以用于分析。在块1003,分析经处理的EEG记录以产生EEG的参数。
如图10所示,一种用于分析EEG记录的具体方法被命名为2000。在块2001,从包括多个电极、放大器和处理器的机器生成EEG记录。在块2002,处理EEG记录以创建经处理的EEG记录以用于分析。在块2003,在经处理的EEG记录中识别通过棘波病灶的检测。在块2004,分类通过棘波病灶的检测,优选地通过电极。在块2005,对棘波病灶的检测求平均。在块2006,为医师或技师显示通过棘波病灶的检测的平均。
如图11所示,一种用于分析EEG记录的具体方法被命名为3000。在块3001,从包括多个电极、放大器和处理器的机器生成EEG记录。在块3002,处理EEG记录以创建经处理的EEG记录以用于分析。在块3003,在经处理的EEG记录中识别通过棘波病灶的检测。在块3004,分类通过棘波病灶的检测,优选地通过电极。在块3005,组织棘波病灶的检测。在块3006,为医师或技师显示通过棘波病灶的检测的组织。
于2011年9月19日提交的第61/536236号美国临时专利申请据此通过引用全文结合于此。
Claims (7)
1.一种用于分析EEG记录的方法,所述方法包括:
从EEG系统生成EEG记录,所述EEG系统包括:
多个电极,用于生成多个EEG信号;
至少一个放大器,通过多个导线被连接到所述多个电极中的每个电极以放大所述多个EEG信号中的每个EEG信号;
处理器,被连接到所述放大器以从所述多个EEG信号生成EEG记录,所述EEG记录包括显示与所述多个电极中的两个电极对应的脑活动的多个通道;以及
显示器,被连接到所述处理器以用于显示EEG记录;
处理所述EEG记录,以创建经处理的EEG记录以用于分析;
其特征在于:
在所述经处理的EEG记录中识别多个检测到的棘波,其中所述多个检测到的棘波中的每个棘波是明显不同于所述经处理的EEG记录的背景活动的单独波或图案,并且每个单独波或图案具有尖峰和范围从20毫秒到70毫秒的持续时间,其中所述处理器被配置为识别所述多个检测到的棘波;
根据所述系统的所述多个电极中的每个电极对在所述经处理的EEG记录中的所述多个检测到的棘波分类,以通过对在每个棘波病灶处的所有所述多个检测到的棘波求数学平均来生成通过棘波病灶的所述多个检测到的棘波的平均;以及
在所述系统的所述显示器上显示通过棘波病灶的所述多个检测到的棘波的所述平均。
2.根据权利要求1所述的方法,还包括在所述经处理的EEG记录中识别多个尖瞬态,所述多个尖瞬态中的每个尖瞬态具有很高的概率为癫痫样异常。
3.根据权利要求1所述的方法,还包括基于根据所述系统的所述多个电极中的每个电极被分类的所述多个检测到的棘波中的每个棘波的计数来确定相对频率。
4.根据权利要求1所述的方法,还包括创建通过棘波病灶组织的所述多个检测到的棘波的连续视图,其中所述棘波病灶是所述棘波被检测的电极。
5.根据权利要求1所述的方法,还包括选择棘波病灶的EEG剪辑,以针对上下文查看所述EEG记录的延伸部分,其中所述棘波病灶是所述棘波被检测的电极。
6.根据权利要求1所述的方法,其中处理所述EEG记录包括使用多个神经网络算法处理所述EEG记录。
7.一种用于分析EEG记录的系统,所述系统包括:
多个电极,用于生成多个EEG信号;
至少一个放大器,通过多个导线被连接到所述多个电极中的每个电极以放大所述多个EEG信号中的每个EEG信号;
处理器,被连接到所述放大器以从所述多个EEG信号生成EEG记录,所述EEG记录包括显示与所述多个电极中的两个电极对应的脑活动的多个通道;以及
显示器,被连接到所述处理器以用于显示EEG记录;
其中所述处理器被配置为处理所述EEG记录以创建经处理的EEG记录以用于分析;
其特征在于所述处理器被配置为在所述经处理的EEG记录中识别多个检测到的棘波,其中所述多个检测到的棘波中的每个棘波是明显不同于所述经处理的EEG记录的背景活动的单独波或图案,并且每个单独波或图案具有尖峰和范围从20毫秒到70毫秒的持续时间,其中所述处理器被配置为识别所述多个检测到的棘波;
其中所述处理器被配置为根据所述系统的所述多个电极中的每个电极对在所述经处理的EEG记录中的所述多个检测到的棘波分类,以通过对在每个棘波病灶处的所有所述多个检测到的棘波求数学平均来生成通过棘波病灶的所述多个检测到的棘波的平均;并且
其中所述处理器被配置为在所述系统的所述显示器上显示通过棘波病灶的所述多个检测到的棘波的所述平均。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161536236P | 2011-09-19 | 2011-09-19 | |
US61/536,236 | 2011-09-19 | ||
US13/620,855 US20130072809A1 (en) | 2011-09-19 | 2012-09-15 | Method And System For Analyzing An EEG Recording |
US13/620,855 | 2012-09-15 | ||
PCT/US2012/055692 WO2013043517A1 (en) | 2011-09-19 | 2012-09-17 | Method and system for analyzing an eeg recording |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103874455A CN103874455A (zh) | 2014-06-18 |
CN103874455B true CN103874455B (zh) | 2016-12-07 |
Family
ID=47881309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280045462.4A Active CN103874455B (zh) | 2011-09-19 | 2012-09-17 | 用于分析脑电图(eeg)记录的方法和系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20130072809A1 (zh) |
EP (1) | EP2757941B1 (zh) |
JP (1) | JP6231480B2 (zh) |
CN (1) | CN103874455B (zh) |
WO (1) | WO2013043517A1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103654773B (zh) * | 2013-12-20 | 2016-02-03 | 北京飞宇星电子科技有限公司 | 脑电生理实验教学装置 |
CN105030234A (zh) * | 2015-06-26 | 2015-11-11 | 迈德高武汉生物医学信息科技有限公司 | 一种脑电波监测仪及其智能监测系统和方法 |
CN105615877B (zh) * | 2016-02-22 | 2018-11-27 | 广州视源电子科技股份有限公司 | 癫痫脑电信号特征的定位系统 |
JP7009906B2 (ja) * | 2017-03-17 | 2022-01-26 | 株式会社リコー | 情報処理装置、情報処理方法、プログラムおよび生体信号計測システム |
US11457855B2 (en) * | 2018-03-12 | 2022-10-04 | Persyst Development Corporation | Method and system for utilizing empirical null hypothesis for a biological time series |
CN108549875B (zh) * | 2018-04-19 | 2022-04-15 | 北京工业大学 | 一种基于深度通道注意力感知的脑电癫痫发作检测方法 |
CN109009093A (zh) * | 2018-06-19 | 2018-12-18 | 苏州修普诺斯医疗器械有限公司 | 移动脑电信号采集的分析方法 |
KR102169529B1 (ko) * | 2019-11-29 | 2020-10-23 | 서울대학교병원 | 뇌파 분석과 관련된 관심 구간을 뇌파 신호에서 레이블링하는 방법 및 이를 수행하는 뇌파 분석 시스템 |
KR102236791B1 (ko) * | 2019-11-29 | 2021-04-06 | 서울대학교병원 | 뇌파 분석 기반 환자진단 지원 시스템 및 방법 |
KR102513398B1 (ko) * | 2021-01-29 | 2023-03-24 | 서울대학교병원 | 뇌파 신호를 정량적으로 분석한 결과를 이용한 뇌파 판독 소견 작성 장치 및 방법 |
CN115188448A (zh) * | 2022-07-12 | 2022-10-14 | 广州华见智能科技有限公司 | 一种基于脑电波的中医医生诊疗经验记录方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0013183B1 (en) * | 1978-12-29 | 1984-01-25 | Erwin Roy John | Electroencephalographic system for the quantitative description of patient brain states |
CN1744927A (zh) * | 2003-01-27 | 2006-03-08 | 电脑医师美国公司 | 用于eeg/meg和ecg/mcg的联机的源再现 |
CN101516261A (zh) * | 2006-09-25 | 2009-08-26 | 皇家飞利浦电子股份有限公司 | 用于流动监视大脑活动的设备 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4215697A (en) * | 1978-12-26 | 1980-08-05 | Regents Of The University Of California | Aperiodic analysis system, as for the electroencephalogram |
US6330466B1 (en) * | 1998-02-23 | 2001-12-11 | California Institute Of Technology | Using a multi-electrode probe in creating an electrophysiological profile during stereotactic neurosurgery |
JP3160621B2 (ja) * | 1998-05-21 | 2001-04-25 | 京都大学長 | 脳波測定装置 |
JP3228228B2 (ja) * | 1998-06-11 | 2001-11-12 | 日本電気株式会社 | 誘発電位測定装置及び誘発電位測定プログラムを記憶した記憶媒体 |
US9320900B2 (en) * | 1998-08-05 | 2016-04-26 | Cyberonics, Inc. | Methods and systems for determining subject-specific parameters for a neuromodulation therapy |
AU778361B2 (en) * | 1999-10-07 | 2004-12-02 | La Mont, Llc | Physiological signal monitoring apparatus and method |
AU2003900324A0 (en) * | 2003-01-20 | 2003-02-06 | Swinburne University Of Technology | Method of monitoring brain function |
US7493158B2 (en) * | 2003-09-05 | 2009-02-17 | Sandhill Scientific, Inc. | Esophageal function display and playback system and method for displaying esophageal function |
JP4470681B2 (ja) * | 2004-10-13 | 2010-06-02 | 株式会社島津製作所 | 光生体計測装置 |
US7957793B2 (en) * | 2004-12-22 | 2011-06-07 | Wisconsin Alumni Research Foundation | Methods for identifying neuronal spikes |
US20060293578A1 (en) * | 2005-02-03 | 2006-12-28 | Rennaker Robert L Ii | Brian machine interface device |
EP2034885A4 (en) * | 2006-06-23 | 2010-12-01 | Neurovista Corp | MINIMALLY INVASIVE MONITORING SYSTEMS AND PROCEDURES |
EP2076173B1 (en) * | 2006-09-29 | 2014-12-17 | The Regents of The University of California | Burst suppression monitor for induced coma |
WO2008057365A2 (en) * | 2006-11-02 | 2008-05-15 | Caplan Abraham H | Epileptic event detection systems |
JP4272702B2 (ja) * | 2006-11-15 | 2009-06-03 | パナソニック株式会社 | 脳波識別方法の調整装置、方法およびコンピュータプログラム |
US20110282230A9 (en) * | 2006-11-24 | 2011-11-17 | Cortical Dynamics Pty. Ltd. | Neurodiagnostic monitoring and display system |
JP5226776B2 (ja) | 2007-05-22 | 2013-07-03 | パーシスト ディベロップメント コーポレイション | Eeg電極のクイックプレス法および装置 |
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 |
JP5420644B2 (ja) * | 2008-05-28 | 2014-02-19 | サピエンス ステアリング ブレイン スティムレーション ベー ヴィ | 電気生理学的信号のスパイク検出に対する閾値を決定する方法及びシステム |
US8277385B2 (en) * | 2009-02-04 | 2012-10-02 | Advanced Brain Monitoring, Inc. | Method and apparatus for non-invasive assessment of hemodynamic and functional state of the brain |
US8155736B2 (en) * | 2009-03-16 | 2012-04-10 | Neurosky, Inc. | EEG control of devices using sensory evoked potentials |
US20110015537A1 (en) * | 2009-07-15 | 2011-01-20 | General Electric Company | Method, apparatus and computer program for monitoring specific cerebral activity |
RU2415642C1 (ru) * | 2009-09-03 | 2011-04-10 | Российская Федерация, в лице которой выступает Министерство образования и науки Российской Федерации | Способ классификации электроэнцефалографических сигналов в интерфейсе мозг - компьютер |
-
2012
- 2012-09-15 US US13/620,855 patent/US20130072809A1/en not_active Abandoned
- 2012-09-17 JP JP2014531890A patent/JP6231480B2/ja active Active
- 2012-09-17 CN CN201280045462.4A patent/CN103874455B/zh active Active
- 2012-09-17 WO PCT/US2012/055692 patent/WO2013043517A1/en unknown
- 2012-09-17 EP EP12833897.7A patent/EP2757941B1/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0013183B1 (en) * | 1978-12-29 | 1984-01-25 | Erwin Roy John | Electroencephalographic system for the quantitative description of patient brain states |
CN1744927A (zh) * | 2003-01-27 | 2006-03-08 | 电脑医师美国公司 | 用于eeg/meg和ecg/mcg的联机的源再现 |
CN101516261A (zh) * | 2006-09-25 | 2009-08-26 | 皇家飞利浦电子股份有限公司 | 用于流动监视大脑活动的设备 |
Also Published As
Publication number | Publication date |
---|---|
JP2014526367A (ja) | 2014-10-06 |
EP2757941A1 (en) | 2014-07-30 |
EP2757941A4 (en) | 2015-03-11 |
JP6231480B2 (ja) | 2017-11-15 |
EP2757941B1 (en) | 2022-05-11 |
CN103874455A (zh) | 2014-06-18 |
US20130072809A1 (en) | 2013-03-21 |
WO2013043517A1 (en) | 2013-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103874455B (zh) | 用于分析脑电图(eeg)记录的方法和系统 | |
US10517541B2 (en) | User interface for artifact removal in an EEG | |
CN104039221B (zh) | 用于检测并且去除eeg伪像的方法和系统 | |
CN104755026B (zh) | 用于显示存在于eeg记录中的伪影量的方法和系统 | |
US8666484B2 (en) | Method and system for displaying EEG data | |
JP6291024B2 (ja) | Eegデータ並びにユーザインタフェースを表示するための方法及びシステム | |
US8972001B2 (en) | Method and system for displaying data | |
JP6612733B2 (ja) | qEEGの算出方法 | |
JP2016514022A5 (zh) | ||
CN108601549A (zh) | 用于定量eeg的阻抗监测 | |
US20140012151A1 (en) | Method And System For Displaying EEG Data | |
CN105144225B (zh) | 多患者eeg监控 | |
EP2782498B1 (en) | Method and system for displaying eeg data and user interface | |
US20240156390A1 (en) | User Interface For Artifact Removal In An EEG |
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 |