CN104023626B - 用于显示eeg数据和用户界面的方法和系统 - Google Patents

Abstract

这里公开了一种用于EEG中的伪像去除的用户界面的方法(1000)和系统(25)。本发明允许操作人员使用用户界面选择要从EEG记录中自动去除的多个伪像。操作人员按动用户界面上的按钮来应用多个滤波器以从EEG去除多个伪像并且生成干净EEG供观看。系统(25)包括电极(35)、放大器(42)、连接至放大器(42)以从EEG信号生成EEG记录(510)的处理器(41)以及用于显示EEG记录的显示器(50)。

Description

用于显示EEG数据和用户界面的方法和系统

技术领域

本发明总体上涉及一种用于显示EEG数据的方法和系统。更具体地，本发明涉及对EEG记录进行分析。

背景技术

脑电图(EEG)是测量并且记录人脑的电活动以便对大脑功能进行评估的诊断工具。多个电极被连接至人的头部并且通过连线连接至机器。该机器对信号进行放大并且记录人脑的电活动。该电活动由跨多个神经元的神经活动的总和产生。这些神经元生成小幅电压场。这些电压场的汇总创建了人的头部上的电极能够检测并且记录的电读数。EEG是多个较简单信号的叠加。在正常成年人中，EEG信号的振幅通常为从1微伏到100微伏的范围，并且当利用硬膜下电极进行测量时，EEG信号大约为10至20毫伏。对电信号的振幅和时间动态进行监视提供了关于人的潜在神经活动和身体状况的信息。

执行EEG以：诊断癫痫；验证伴有意识丧失或痴呆的问题；验证处于昏迷的人的脑活动；研究睡眠障碍，监视外科手术期间的脑活动，以及另外的身体问题。

多个电极(通常为17-21个，然而存在至少70个电极的标准位置)在EEG期间被附接至人的头部。电极通过电极关于人脑的叶片或区域的位置而进行参照。该参照如下：F＝额部；Fp＝额极；T＝颞骨；C＝中枢；P＝顶骨；O＝枕骨；以及A＝耳部(耳朵电极)。编号被用来进一步收窄位置并且“z”点涉及人的头部中线中的电极位置。心电图(EKG)也可以出现在EEG显示器上。

EEG使用被称作蒙太奇(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EEG跨皮质的空间分布的清晰画面。蒙太奇是从记录电极的空间阵列获得的电子图，并且优选地指的是在特定时间点被检查的特定电极组合。

在双极蒙太奇中，通过将一个通道的电极输入2连接至后续通道的输入1而将连续电极对联接起来，而使得相邻通道具有一个共用电极。双极电极链可以从前向后(纵向)或者从左向右(横向)连接。在双极蒙太奇中，两个活动电极位置之间的信号进行比较，导致所记录的活动的差异。另一种类型的蒙太奇是参考蒙太奇或单极蒙太奇。在参考蒙太奇中，各个电极被连接到每个放大器的输入1，而参考电极则连接至每个放大器的输入2。在参考蒙太奇中，在活动电极位置处采集信号并且将其与共用的参考电极进行比较。

参考蒙太奇对于确定波形的实际振幅和形态而言是很好的。对于颞骨电极而言，CZ通常是良好的头皮参考。

能够确定电活动的原点的位置(定位)对于能够分析EEG而言是非常关键的。双极蒙太奇中对正常或异常脑波的定位通常通过识别“相位反转”(链内指向相反方向的两个通道的偏转)来实现。在参考蒙太奇中，所有通道可以在相同方向上显示出偏转。如果活动电极处的电活动在与参考电极处的活动相比时是正的，则偏转将是向下的。电活动与参考电极处的相同的电极将不会显示出任何偏转。通常，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。

一些模式指示了人体中疾病发作的趋势。医师可以将这些波称为“癫痫样异常”或“癫痫波”。这些包括尖峰(spike)、锐波以及尖峰和波形放电(spike-and-wavedischarge)。特定脑部区域(诸如左侧颞叶)中的尖峰和锐波指示部分疾病发作可能来自于该区域。另一方面，大多数一般性癫痫由尖峰和波形放电所暗示，该尖峰和波形放电在脑部的两个半球上广泛分布，尤其在它们同时在两个半球中开始的情况下。

存在若干种类型的脑波：alpha波、beta波、delta波、theta波和gamma波。alpha波具有8至12赫兹(Hz)的频率。alpha波通常在人放松或者处于当人的眼睛闭上但是人在精神上警觉时的清醒状态时出现。alpha波在人的眼睛睁开或者人集中注意力时停止。beta波具有13Hz至30Hz的频率。beta波通常在人警觉、思考、激动或者摄入高剂量的某种药物时出现。delta波具有小于3Hz的频率。delta波通常仅在人睡着时(非REM或无梦睡眠)或者当其为幼儿时出现。theta波具有4Hz至7Hz的频率。Theta波通常仅在人睡着时(有梦或REM睡眠)或者当其为幼儿时出现。gamma波具有30Hz至100Hz的频率。gamma波通常在较高的智力活动和运动机能期间出现。

这里使用以下定义。

“振幅”是指从波谷到最大峰值(负的或正的)测量的垂直距离。其表示在分量生成期间关于神经元数量大小及其激活同步的信息。

术语“模数转换”是指模拟信号被转换为数字信号，该数字信号能够随后被存储在计算机中以进一步处理。模拟信号是“真实”信号(例如，诸如脑电图、心电图或眼电图之类的生理信号)。为了便于它们由计算机存储和操控，这些信号必须被转换为计算机能够理解的离散数字形式。

“伪像(artifact)”是由EEG沿头皮检测的、但是源自非大脑原点的电信号。存在与患者相关的伪像(例如，移动、出汗、ECG、眼部移动)以及技术伪像(50/60Hz伪像、线缆移动、与电极糊相关的)。

术语“差分放大器”是指电生理学设备的关键。其对两个输入之间的差异进行放大(每个电极对一个放大器)。

“持续时间”是从电压变化的开始到其回到基线的时间间隔。它也是分量生成中所涉及的神经元的同步激活的度量。

“电极”是指用来与电路的非金属部分一起建立电接触的导体。EEG电极是通常由涂覆有氯化银涂层的不锈钢、锡、金或银制成的小型金属圆片。它们在特定位置处被置于头皮上。

“电极凝胶(gel)”用作电极的可塑性延伸，使得电极引线的移动不太可能产生伪像。凝胶使得皮肤接触最大化并且允许通过皮肤进行低电阻记录。

术语“电极定位”(10/20系统)是指用于经典EEG记录的头皮电极的标准化布置。该系统的实质是10/20范围在鼻根-枕外隆凸尖(Nasion-Inion)和固定点之间的百分比距离。这些点被标记为额极(Fp)、中枢(C)、顶骨(P)、枕骨(O)和颞骨(T)。中线电极利用下标z进行标记，其代表零。奇数被用作左侧半球上的点的下标，而偶数则被用作右侧半球上的点的下标。

“脑电图”或“EEG”是指由脑电图描记器通过从头皮记录脑的电活动而对脑波进行的跟踪。

“脑电图描记器”是指用于检测并且记录脑波的装置(也被称作脑电图仪)。

“癫痫样”是指类似癫痫的症状。

“滤波”是指从信号中去除不需要的频率的过程。

“滤波器”是改变信号的频率组成的设备。

“蒙太奇”意指电极的布置。EEG可以利用双极蒙太奇或者参考蒙太奇来监视。双极意味着每一个通道有两个电极，所以每个通道有一个参考电极。参考蒙太奇则意味着所有通道有共用的参考电极。

“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。波的图案能够被描述为：“单态的”，表现为由一个主导活动组成的不同EEG活动；“多态的”，由进行组合以形成复杂波形的多个频率组成的不同EEG活动；“正弦的”，类似正弦波的波，单态活动通常是正弦的；“瞬态的”，与背景活动明显不同的单独的波或图案。

“尖峰”是指具有所指示的峰值以及从20到70毫秒以下的持续时间的瞬态。

术语“锐波”是指具有所指示的峰值以及70-200毫秒的持续时间的瞬态。

术语“神经网络算法”是指识别出具有成为癫痫样异常的高概率的锐波瞬态的算法。

“噪声”是指改变所期望的信号的任何不需要的信号。其可以具有多个源。

“周期性”是指模式或要素在时间上的分布(例如，特定EEG活动以或多或少的固定时间间隔出现)。该活动可以是全身性的(generalized)、病灶的(focal)或者偏侧性的(lateralized)。

EEG初相(epoch)是作为时间和频率的函数的EEG信号的振幅。

已经研发了各种技术以向医师或技术人员呈现EEG数据。然而，这些技术仍然存在缺陷。了解伪像为何物以及如何知晓潜在信号中有什么是EEG解读中最困难的问题之一。已经研发了多种技术以在算法上去除伪像来产生较干净的EEG，但是为了便于这些技术在商业上被采用，有必要开发一种用户界面，其允许用户知晓原始信号如何演进为干净信号。

发明内容

本发明通过提供一种用于在EEG中进行伪像去除的用户界面而提供针对该问题的解决方案。其出于两个主要原因而是重要的。首先，其为用户提供了较干净的EEG正确地表示在没有伪像的情况下将存在的内容的信心。其次，用户可能想要查看原始信号或者仅部分清理之后的信号，以便确定是否存在有用的信息。

在本发明中，产生“干净”EEG的过程涉及一系列步骤。例如，与电气问题相关的伪像可能是一个步骤。另一个步骤将去除眨眼。另一个步骤可能去除表面肌肉。又另一个步骤可能去除舌头移动的影响。每个步骤是一种算法滤波器，虽然这与去除某个频率范围内的所有东西的经典滤波器非常不同。当前，EEG通常被显示为通过通道进行组织的一系列轨迹。通道通常表示两个头皮电极之间的电压差异，但是它们也可以表示电极与一组电极的平均值或其它总和之间的差异。该轨迹具有电压垂直轴和时间水平轴。通道集合被显示在页面上，并且通道集合被称作蒙太奇。

在蒙太奇中显示的信息通常可以通过去除某些频率范围而被滤波。经常也有其它选择，诸如对限制轨迹振幅的“笔偏转(pen deflection)”进行限制，以及绘制水平线直至振幅低于极限。

随着伪像滤波器的引入，用户将需要选择哪个伪像滤波器被应用并且在显示器上对此进行确认的能力。此外，他们将需要同时显示每个通道的一组轨迹的能力，其表示了伪像滤波器的影响。一种选择将是显示原始信号以及应用整个所选择的滤波器集合之后的信号两者。他们可能还想看到具有原始信号和经滤波的信号之间的差异的轨迹。他们可能还想看到示出在伪像滤波的过程中的不同点处的信号的轨迹。例如，他们可能想看到仅去除肌肉伪像但是保留眨眼的轨迹。为了去除如眨眼之类的一些伪像，软件可能使用检测该模式的具体识别算法。在这种情况下，用户可能仅想看到存在眨眼或其它模式的指示，同时仍然从轨迹中去除该模式的影响。(读取EEG的人使用眨眼作为用于告知患者清醒的一种方式，但是眨眼产生大的伪像，该伪像使得其影响的通道上的其它信息模糊)。

本发明的另一个特征是选择用于各个轨迹的颜色以及暗度/强调的量的能力。一些用户可能想要原始信号是主要的，而经伪像滤波的轨迹作为参考出现在背景中。其它用户则可能想要经滤波的轨迹之一是主要的。出于该原因而且还因为相当一部分人对于某些颜色是色盲的，所以颜色的选择非常重要。

伪像滤波处理的另一个方面是其将把信号分成一组基础信号。这即使在查看来自大脑的真实信号的各个分量时去除了伪像之后也会是有用的。例如，可能存在独立于单独的癫痫样模式的慢波。用户可能想要选择在通道上单独查看这些分量以使得更容易地查看真实信号的各个部分。这样做在去除最为明显的伪像之前将不太可能是有用的。

本发明的另一个方面是单个“按钮”，其在用来查看EEG的标准程序中应用一组预先选择的伪像滤波器。该按钮允许技术人员切换开启和关闭以允许供技术人员查看经滤波和未经滤波的轨迹。

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。该方法还包括对该EEG进行处理以创建经处理的EEG记录以供分析。该方法还包括识别该经处理的EEG记录中的模式。

本发明的另一个方面是一种用于分析EEG记录的系统。该系统包括用于生成多个EEG信号的电极，通过多个导线连接至多个电极中的每个电极以对该多个EEG信号中的每个EEG信号进行放大的至少一个放大器，连接至该放大器以从多个EEG信号生成EEG记录的处理器，连接至该处理器以显示EEG记录的显示器。该处理器被配置为识别经处理的EEG记录中的模式。

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。该方法还包括对该EEG进行处理以创建经处理的EEG记录以供分析。该方法还包括检测该经处理的EEG记录中的多个事件。该方法还包括将该多个事件呈现为事件密度图。

本发明的另一个方面提供了一种将经处理的EEG报告叠加在原始EEG报告上以允许医师或技术人员清楚地看到所报告的活动的EEG系统和方法。

该实施例提供了选择简短重叠初相的能力，其中从每个初相去除伪像的结果与来自下一个初相和之前的初相的结果缝合(stitch)在一起。该缝合可以通过许多方式来完成，但是在优选的方法中，来自两个初相的信号使用加权平均来组合，其中权重与距初相中心的距离的比值成比例。

例如，使用一秒的增量(初相步长)来选择两秒的初相长度。对秒数1和2的通道集合执行使用BSS和其它技术的伪像去除，产生两秒长的“干净”结果。随后，对秒数2和3执行伪像去除，产生重叠的干净结果。结果重叠于记录的第二秒之中。针对每个通道，两个重叠结果的加权平均产生没有非连续性的最终结果。在秒数的更接近第一初相中心的部分中，来自第一初相的数值的权重更高，并且对于更接近第二初相中心的部分同样如此。相关领域的技术人员将会认识到，在通过记录进行移动的同时可以选择不同的或可变的初相长度或步长。也可能使用不同的缝合技术。

本发明的一个方面是一种用于从EEG信号对伪像进行滤波的方法。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信号。该方法还包括将来自一组通道的EEG信号变换为多个初相。该多个初相中的每个初相具有小于或等于两秒的初相持续时间长度以及小于或等于一秒的增量。该方法还包括使用盲源分离(blind source separation)算法对来自多个初相中的每个初相的伪像进行滤波以生成多个干净初相。该方法还包括将该多个干净初相组合以生成经处理的EEG记录。

本发明的又另一个方面是一种用于使用盲源分离算法从EEG信号对伪像进行滤波的方法。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信号。该方法还包括将来自一组通道的EEG信号变换为多个初相。该方法还包括使用盲源分离算法对来自多个初相中的每个初相的伪像进行滤波以生成多个干净初相。该方法还包括将该多个干净初相组合以生成经处理的EEG记录。

本发明的又另一个方面是一种用于从EEG信号对伪像进行滤波的系统。该系统包括电极、放大器、处理器和显示器。该电极生成EEG信号。该放大器通过导线连接至每个电极并且对EEG信号进行放大。该处理器连接至放大器以从EEG信号生成EEG记录。该显示器连接至处理器以显示EEG记录。该处理器被配置为将来自一组通道的多个EEG信号中的每个EEG信号变换为多个初相，使用盲源分离算法从该多个初相中的每个初相去除伪像以生成多个干净初相，并且将该多个干净初相组合以生成经处理的EEG记录供显示。

本发明的又另一个方面是一种用于使用伪像去除算法从EEG信号对伪像进行滤波的方法。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信号。该方法还包括将来自一组通道的EEG信号变换为多个初相。该方法还包括使用伪像去除算法从多个初相中的每个初相对伪像进行滤波以生成多个干净初相。该方法还包括将该多个干净初相组合以生成经处理的EEG记录。

本发明的又另一个方面是一种用于通过选择初相时间和增量而从EEG信号对伪像进行滤波的方法。该方法包括从包括附接至患者的多个电极、放大器和处理器的机器针对该患者生成EEG信号。该方法还包括选择初相时间长度和初相时间增量。该方法还包括使用伪像去除算法针对多个初相中的每个初相对伪像进行滤波以生成多个干净初相。该方法还包括向该多个干净初相中的每个干净初相指定加权平均。该方法还包括组合该多个干净初相以进行重叠而生成没有非连续性的经处理的EEG记录。

本发明的又另一个方面是一种用于从EEG信号对伪像进行滤波的系统。该系统包括电极、处理器和显示器。该电极生成EEG信号。该处理器连接至该电极以从EEG信号生成EEG记录。该显示器连接至该处理器并且显示EEG记录。该处理器被配置为：选择初相时间长度和初相时间增量，使用伪像去除算法针对多个初相中的每个初相对伪像进行滤波以生成多个干净初相，向该多个干净初相中的每个干净初相指定加权平均，并且组合该多个干净初相以进行重叠而生成没有非连续性的经处理的EEG记录。

本发明的再另一个方面是一种用于显示EEG数据的方法。该方法包括从EEG信号生成原始EEG报告。该原始EEG报告从包括多个电极和处理器的EEG机器生成。该原始EEG报告包括第一多个通道。该方法还包括对原始EEG信号执行伪像缩减以生成经处理的EEG报告。该经处理的EEG报告包括第二多个通道。该方法还包括将该经处理的EEG报告叠加在原始EEG报告上以生成组合的EEG报告。该经处理的EEG报告的x轴与原始EEG报告的x轴对齐。该经处理的EEG报告的y轴与原始EEG报告的y轴对齐。该原始EEG报告的第一多个通道等于该经处理的EEG报告的第二多个通道。该方法还包括显示组合的EEG报告，其中该经处理的EEG报告在视觉上不同于原始EEG报告。该原始EEG报告的第一多个通道中的一个通道上的、具体时间处的活动在经处理的EEG报告的第二多个通道中的相应通道上、在该具体时间处是可识别的。该活动优选地为尖峰、锐波、尖峰和波放电、伪像等。

本发明的再另一个方面是一种用于显示组合的EEG报告的方法。该方法包括从EEG信号生成原始EEG报告。该原始EEG报告从包括多个电极和处理器的EEG机器生成。该原始EEG报告包括第一多个通道。该方法还包括对原始EEG信号执行伪像缩减以生成经处理的连续EEG报告。该经处理的EEG报告包括第二多个通道。该方法还包括将该经处理的连续EEG报告叠加在原始EEG报告上以生成组合的EEG报告。该经处理的连续EEG报告的x轴与原始EEG报告的x轴对齐。该经处理的连续EEG报告的y轴与原始EEG报告的y轴对齐。该原始EEG报告的第一多个通道等于该经处理的连续EEG报告的第二多个通道。该方法还包括显示组合的EEG报告，其中该经处理的EEG报告在视觉上不同于原始EEG报告。该原始EEG报告的第一多个通道中的一个通道上的、具体时间处的活动在经处理的连续EEG报告的第二多个通道的相应通道上、在该具体时间处是可识别的。

本发明的再另一个方面是一种用于显示EEG数据的系统。该系统包括患者组件、机器组件和显示屏。该患者组件包括用于生成EEG信号的多个电极。该EEG机器组件包括放大器和处理器。该处理器被配置为从EEG信号生成原始EEG报告。该原始EEG报告包括第一多个通道。该处理器还被配置为对原始EEG信号执行伪像缩减以生成经处理的EEG报告。该经处理的EEG报告包括第二多个通道。该处理器还被配置为将该经处理的EEG报告叠加在原始EEG报告上以生成组合的EEG报告。该经处理的EEG报告的x轴与原始EEG报告的x轴对齐。该经处理的EEG报告的y轴与原始EEG报告的y轴对齐。该原始EEG报告的第一多个通道等于该经处理的EEG报告的第二多个通道。该显示屏显示该组合的EEG报告，其中该经处理的EEG报告在视觉上不同于原始EEG报告，并且其中该原始EEG报告的第一多个通道中的一个通道上的、具体时间处的活动在经处理的EEG报告的第二多个通道的相应通道上、在该具体时间处是可识别的。

附图说明

图1是具有19个通道的原始EEG报告的一部分的图示。

图1A是图1的圆圈1A的放大。

图2是具有19个通道的经处理的EEG报告的一部分的图示，其中初相并不重叠。

图2A是图2的圆圈2A的放大。

图3是经处理的连续EEG报告的一部分的图示，其中该EEG报告的初相的各部分被缝合而发生重叠。

图3A是图3的圆圈3A的放大。

图4是将经处理的EEG报告叠加在原始EEG报告上的组合EEG报告的一部分的图示。

图4A是图4的圆圈A的放大。

图4B是图4的圆圈B的放大。

图4C是图4的圆圈C的放大。

图5是经处理的连续EEG报告的一部分的图示，其中该EEG报告的初相的各部分被缝合而发生重叠。

图6是用于显示EEG数据的方法的流程图。

图7是用于伪像缩减的方法的流程图。

图8是用于患者的EEG系统的图示。

图9是用于EEG的电极布置图。

图10是用于EEG的电极布置详图。

图9是表示用于EEG的电极布置的国际10-20电极系统的图。

图10是表示如由美国脑电图协会所标准化的用于EEG的电极布置的中间10％的电极位置的详图。

图11是EEG系统的EEG机器组件的框图。

图12是被隔离的相邻初相的图示。

图13是被隔离的相邻初相的图示。

图14是缝合在一起的、具有重叠部分的初相的图示。

图15是现有技术的对初相进行组合的示例，其导致不连续的或者丢失的来自经处理的和缝合的EEG记录的信息。

图16是用于显示EEG数据的方法的流程图。

图17是用于伪像缩减的方法的流程图。

图18是用于分析EEG记录的系统的框图。

图19是经分析的EEG记录的图示。

图20是经分析的EEG记录的图示。

图21是经分析的EEG记录的图示。

图22是经分析的EEG记录的图示。

图23是经分析的EEG记录的图示。

图24是一般方法的流程图。

图25是具体方法的流程图。

图26是CZ参考蒙太奇的图示。

图27是包含疾病发作、肌肉伪像和眼睛移动伪像的EEG记录的图示。

图28是去除了肌肉伪像的图15的EEG记录的图示。

图29是去除了眼睛移动伪像的图16的EEG记录的图示。

图30是指示疾病发作的尖峰检测的图示。

图31是在使用记录的蒙太奇去除肌肉伪像之后的EEG记录的第一时间周期内针对患者的麻痹EEG记录的图示。

图32是在使用CZ参考蒙太奇去除肌肉伪像之后的EEG记录的第一时间周期内针对患者的麻痹EEG记录的图示。

图33是在使用记录的蒙太奇去除肌肉伪像之后的EEG记录的第二时间周期内针对患者的麻痹EEG记录的图示。

图34是在使用CZ参考蒙太奇去除肌肉伪像之后的EEG记录的第二时间周期内针对患者的麻痹EEG记录的图示。

图35是在使用记录的蒙太奇去除肌肉伪像之后的EEG记录的第三时间周期内(患者已经麻痹，所以没有肌肉活动)针对患者的麻痹EEG记录的图示。

图36是在使用CZ参考蒙太奇去除肌肉伪像之后的EEG记录的第三时间周期内(患者已经麻痹，所以没有肌肉活动)针对患者的麻痹EEG记录的图示。

图37是用于从EEG信号对伪像进行滤波的一般方法的流程图。

图38是用于从EEG信号对伪像进行滤波的具体方法的流程图。

具体实施方式

图1中示出了未经处理的或者原始的EEG报告100。原始EEG报告100具有在该报告的Y轴105所示出的FP1-Ref至O2-Ref的多个通道。该报告的X轴为时间。原始EEG报告100未经历伪像缩减。该原始EEG报告包含来自诸如肌肉移动、眼睛移动、出汗、电极线缆等各个来源的伪像。然而，EEG还可能具有医师或技术人员正在从EEG报告中寻找以便准确分析患者的大脑活动的某一活动。例如，图1A中在时间655.000示出的活动可以表示对于医师或技术人员而言很重要的患者的大脑活动的某个阶段。然而，正常情况下，医师或技术人员由于伪像的存在将不查看未经处理的EEG报告100。

图2是图1的原始EEG报告100已经经过伪像缩减和初相缝合以便重建EEG报告的经处理的EEG报告110的图示。该经处理的EEG报告110具有在该报告的Y轴115所示的FP1-Ref至O2-Ref的多个通道。该报告的X轴是时间。如图2A所示，经处理的EEG报告110在时间655.000处与原始EEG报告100在时间655.000处在外观上相比十分不同。这主要是由于初相缝合以重建EEG报告，然而，如果医师或技术人员仅观看经处理的EEG报告110，则该医师或技术人员将不会意识到在时间655.000处的真实活动。

图3是图1的原始EEG报告100的已经经过伪像缩减和重叠初相的缝合以便重建EEG报告的经处理的连续EEG报告120的图示。经处理的EEG报告120具有在该报告的Y轴125所示的FP1-Ref至O2-Ref的多个通道。该报告的X轴是时间。如图3A所示，与图2的经处理的EEG报告110相比，经处理的EEG报告120在时间655.000处与原始EEG报告100在时间655.000处在外观上更相似。然而，在通过从原始EEG报告100到经处理的EEG报告110或经处理的连续EEG报告120来回切换来分析患者的大脑活动时仍然存在困难。

图4是包括原始EEG报告100和经处理的EEG报告110的组合EEG报告130的图示。组合EEG报告130的图示仅具有五个通道以便清楚地图示出本发明，然而，相关领域技术人员将会认识到的是，组合EEG报告130可以具有16个、20个、27个或者任意数量的通道而并不背离本发明的范围和精神。

如图4、图4A、图4B和图4C所示，原始EEG报告100具有第一线条风格并且经处理的EEG报告110具有不同于第一线条风格的第二线条风格，以便允许医师和技术人员容易地并且在视觉上在原始EEG报告100和经处理的EEG报告110之间进行区分。在可替换实施例中，原始EEG报告100具有第一颜色(例如，蓝色)并且经处理的EEG报告200具有不同于第一颜色的第二颜色(例如，红色)，以便允许医师和技术人员容易地并且在视觉上在原始EEG报告100和经处理的EEG报告110之间进行区分。

如图4并且特别是图4C所示，原始EEG报告100的通道与经处理的EEG报告110的通道对齐以便令y轴135对齐。

如图4并且特别是图4A所示，原始EEG报告100的x轴与经处理的EEG报告110的x轴对齐，以便令组合EEG报告130中的两个EEG报告的时间对齐。

另外，原始EEG报告100和经处理的EEG报告110两者的振幅包含在每个通道之内以便防止信号的重叠。

如图4B所示，原始EEG报告100与经处理的EEG报告110十分不同，并且与经处理的EEG报告110相比，医师或技术人员可能对原始EEG报告100中所示的活动感兴趣。

相关领域技术人员将会认识到，经处理的连续EEG报告120可以被图4中的经处理的EEG报告110取代，以便展示原始EEG报告100和经处理的连续EEG报告120之间的比较。

图5是基于图3的EEG报告120的EEG报告140的图示，其中已经为了更清楚的通道图示而去除了通道。组合EEG报告140的图示仅具有五个通道以便清楚地图示出本发明，然而，相关领域技术人员将会认识到，组合EEG报告140可以具有16个、20个、27个或者任意数量的通道而并不背离本发明的范围和精神。

图6中示出了用于显示EEG数据的方法700的流程图。在块701，从EEG信号生成原始EEG报告。该原始EEG报告从EEG机器生成，EEG机器包括多个电极、放大器和处理器。原始EEG报告包括第一多个通道。在块702，将来自一组通道的原始EEG信号划分为初相，初相中的每个初相具有预定持续时间长度和重叠增量。在块703，对初相执行伪像缩减以生成经伪像缩减的初相。在块704，将经伪像缩减的初相与连续EEG记录的重叠的相邻初相进行组合以生成经处理的连续EEG报告。经缝合的重叠的初相以及连续的经处理的EEG报告被显示在显示屏(优选地为监视器)上。经缝合的重叠的初相和连续的经处理的EEG报告并不由于缝合而丢失时帧或者在由医师或技术人员读取的EEG报告中创建非连续性。所有大脑活动由于初相重叠而得以保留。大脑活动优选地为尖峰、锐波、尖峰和波放电、伪像等。

图7是用于显示EEG数据的优选方法800的流程图。在块801，从机器针对患者而从EEG信号生成原始EEG报告，该机器优选地包括附接至患者的电极、放大器和处理器。在块802，将来自一组通道的原始EEG信号划分为多个初相。该多个初相中的每个初相具有初相持续时间长度和重叠增量。在块803，对多个初相执行第一伪像缩减以去除电极伪像。在块804，对多个初相执行第二伪像缩减以去除肌肉伪像。在块805，对多个初相执行第三伪像缩减以去除眼睛移动伪像。在块806，组合多个初相以进行重叠，其中该多个初相中的每个初相与相邻初相重叠以形成经处理的连续EEG报告。在块807，从组合的初相生成经处理的连续EEG记录。

多个初相中的每个初相优选地具有两秒的初相持续时间长度以及一秒的增量。可替换地，多个初相中的每个初相具有四秒的初相持续时间长度以及两秒的增量。伪像去除算法优选地是盲源分离算法。该盲源分离算法优选地是CCA算法或ICA算法。优选地使用加权平均对干净初相进行组合，并且加权平均的权重优选地与到初相中心的距离的比值成比例。

如图8所示，EEG系统总体上被指示为20。该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包括附接至患者15并且通过线缆38导线连接至EEG机器组件40的多个电极35a、35b、35c。EEG机器组件40包括CPU41和放大器组件42。EEG机器组件40连接至显示组件50以显示组合EEG报告，并且用于从经处理的EEG报告切换到组合EEG报告，或者从经处理的EEG报告切换到原始EEG报告。如图11所示，EEG机器组件40优选地包括缝合引擎65、伪像缩减引擎66、重叠引擎67、存储器61、存储器控制器62、微处理器63、DRAM64和输入/输出68。相关领域技术人员将会认识到，机器组件40可以包括其它组件而并不背离本发明的精神和范围。

患者具有附接至患者头部的多个电极，来自电极的导线连接至用于放大信号到处理器的放大器，该处理器被用来对来自电极的信号进行分析并且创建EEG记录。大脑在患者头部上的不同点产生不同信号。多个电极如图9和图10所示被定位于患者头部之上。例如，图9上的Fp1在图5上的通道FP1-Ref中表示。电极的数量决定了用于EEG的通道的数量。较大数量的通道产生患者大脑活动的更详细的表示。优选地，EEG机器组件40的每个放大器42对应于附接至患者15的头部的两个电极35。来自EEG机器组件40的输出是由两个电极检测到的电活动的差异。每个电极的布置对于EEG报告而言是关键的，原因在于电极对越接近彼此，由EEG机器组件40记录的脑波差异就越小。该EEG针对自动伪像滤波进行了优化。随后使用神经网络算法对该EEG记录进行处理以生成经处理的EEG记录，其被分析以供显示。

用于从EEG去除伪像的算法通常使用如CCA(典型相关分析)和ICA(独立分量分析)之类的盲源分离(BSS)算法，以将来自一组通道的信号变换为一组分量波或“源”。被判断为包含伪像的源被去除并且其余源被重组为通道集合。

图12是相邻的未经处理的初相1和初相2的隔离视图。初相1具有重叠部分3并且初相2具有重叠部分4。在该示例中，重叠部分3和重叠部分4在长度上大约为两秒。因此，重叠部分3和重叠部分4表示原始EEG记录的相同时帧(两秒)。

图13是相邻的经处理的初相5和初相6的图示。已经对这些初相5和初相6执行了伪像缩减。经处理的初相5和初相6表示与未经处理的初相1和初相2相同的时帧。因此，初相5是未经处理的初相1的伪像缩减的结果，并且初相6是未经处理的初相2的伪像缩减的结果。经处理的初相5具有重叠部分7，并且经处理的初相6具有重叠部分8。因此，重叠部分7和重叠部分8表示经处理的EEG记录的相同时帧(两秒)。另外，重叠部分7是与重叠部分3相同的时帧，并且重叠部分8是与重叠部分4相同的时帧。另外，重叠部分3、重叠部分4、重叠部分7和重叠部分8全部表示相同时帧。

图14是将相邻的经处理的初相5和初相6缝合为连续的经处理的EEG记录9的一段的图示。部分10是来自相邻的经处理的初相5和初相6的重叠部分7和重叠部分8。如所示出的，没有信息丢失，并且经处理的EEG记录是连续的，没有初相已经被缝合在一起的突然终止点。

图15是在没有重叠部分的情况下对初相进行缝合的现有技术方法的图示。经处理的EEG记录的分段12具有缝合部分11，其与经处理的初相5和初相6的相同时帧相比已经发生了变化。缝合部分11不同于图14的分段10。

图16中示出了用于显示EEG数据的方法900的流程图。在块901，从EEG信号生成原始EEG报告。原始EEG报告从包括多个电极和处理器的EEG机器生成。原始EEG报告包括第一多个通道。在块902，对原始EEG信号执行伪像缩减以生成经处理的EEG报告。该经处理的EEG报告包括第二多个通道。在块903，经处理的EEG报告与原始EEG报告进行叠加以生成组合EEG报告。经处理的EEG报告的x轴与原始EEG报告的x轴对齐。经处理的EEG报告的y轴与原始EEG报告的y轴对齐。原始EEG报告的第一多个通道等于经处理的EEG报告的第二多个通道。在块904，组合EEG报告被显示在显示屏(优选地为监视器)上。经处理的EEG报告在视觉上不同于原始EEG报告。原始EEG报告的第一多个通道中的一个通道上的、在具体时间处的活动在经处理的EEG报告的第二多个通道中的相应通道上、在该具体时间处是可识别的。该活动优选地是尖峰、锐波、尖峰和波放电、伪像等。

图17是用于对原始EEG数据进行伪像缩减的优选方法902的流程图。在块902a，将来自一组通道的原始EEG信号划分为多个初相。该多个初相中的每个初相具有初相持续时间长度和重叠增量。在块902b，对多个初相执行第一伪像缩减以去除电极伪像。在块902c，对多个初相执行第二伪像缩减以去除肌肉伪像。在块902d，对多个初相执行第三伪像缩减以去除眼睛移动伪像。在块902e，组合多个初相以进行重叠，其中该多个初相中的每个初相与相邻初相重叠而形成经处理的连续EEG报告。

多个初相中的每个初相具有两秒的初相持续时间长度以及一秒的增量。可替换地，多个初相中的每个初相具有四秒的初相持续时间长度以及两秒的增量。伪像去除算法优选地是盲源分离算法。该盲源分离算法优选地是CCA算法或ICA算法。优选地使用加权平均对干净初相进行组合，并且该加权平均的权重优选地与到初相中心的距离的比值成比例。

图18图示了用于针对EEG进行自动伪像滤波的用户界面的系统25。患者15戴着由多个电极35a-35c所组成的电极帽31，这些电极附接至患者的头部，来自电极35的导线38连接至EEG机器组件40，EEG机器组件40由用于放大信号至具有处理器的计算机41的放大器42构成，上述处理器被用来对来自电极35的信号进行分析并且创建能够在显示器50上观看的EEG记录51。计算机41上的按钮通过键盘或者显示器50上的触摸屏按钮允许应用多个滤波器来从EEG去除多个伪像并且生成干净的EEG。随本发明采用的电极的更为全面的描述详见Wilson等人的、题为“Method And Device For Quick Press On EEG Electrode”的第8112141号美国专利，其因此通过引用全文结合于此。该EEG针对自动伪像滤波进行了优化。随后使用神经网络算法对该EEG记录进行处理以生成经处理的EEG记录，该经处理的EEG记录被分析以供显示。

图19-图23图示了经分析的EEG记录。当打开Easy SpikeReview程序时，如图19所示，最初呈现Overview(概览)窗口200。该概览描绘了来自由尖峰检测机制检测到的各个尖峰焦点的平均。为了创建这些概览平均，由检测焦点(电极)对尖峰检测进行分类并且随后对特定焦点处的所有检测进行数学平均。例如，第一列EEG表示在T3电极具有其最大检测点的2969个事件的平均。EEG的列优选地通过细白条与其它列分开。每个EEG列表示不同的组平均。每个平均的主要电极焦点以及结合到每个平均中的检测事件的数量205在该EEG列的上方示出。包括检测焦点电极的通道被高亮显示为红色215。正如诱发电位一样，对多次检测进行平均导致了信噪比的增加并且使得更易于界定癫痫样异常的分布区域。

Easy SpikeReview窗口的各种功能包括选择每个页面的尖峰检测223、EEG电压振幅选择器224、蒙太奇选择器225、LFF(TC)226、HFF227、陷波228和自定义滤波器229的能力。也可能利用前进和后退标签222来导航至不处于当前视图中的其它标签。如果存在多于一个页面的概览平均，则点击底栏230将向前翻页。右击蒙太奇栏210将显示蒙太奇控制。

能够在查看过程中对SpikeDetector输出的灵敏度进行动态调节，这是通过使用带标记的检测灵敏度滑动器220来完成的。当Easy SpikeReview初次打开时，检测灵敏度滑动器220被设置在最左侧的位置。在该位置，SpikeDetector神经网络算法识别出具有是癫痫样异常的高概率的尖锐瞬态：这些是检测器指定了是实际癫痫样异常的高概率的事件。该设置处的错误阳性检测率最低。因此，真实癫痫样信号与错误阳性噪声之比在该设置处最高。然而，一些形成较为不良的尖峰和锐波可能在滑动器设置在其最低灵敏度的情况下并不明显。检测器的灵敏度可以通过将滑动器220朝右拖动来快速调节，使得其更灵敏并且因此更可能识别出形成较为不良或者较低振幅的瞬态。新的组随后可以出现在尖峰平均的概览显示中。与真实尖峰检测的增加相对应地，错误阳性检测也有所增加。

在具有罕见癫痫样异常的记录中或者在其中SpikeDetector神经网络当被设置为最低灵敏度时不能很好地辨识出癫痫样异常的记录中，切换至检测灵敏度滑动器220上的最高设置可以允许真实癫痫样异常的视觉化。在这样的情况下，识别出罕见事件经常要求对个体的原始检测进行评估。这是通过在概览页面上紧随尖峰平均背靠背地显示所有原始检测来实现的，或者是通过在EEG窗口顶端渐进地选择位置标签221而查看诸如图20中的每个电极位置的检测来实现的。使用跟随于时间之后的星号325对已经被查看过的检测进行标记。

点击在EEG窗口顶端的任意电极位置标签221将显示出自于该特定电极位置的原始(非平均的)尖峰检测300。个体检测通过细白条被分开，并且监测点处于EEG的一秒分段的中心并且由具有指示检测时间305的标题的模糊的垂直灰色线条所指示。包含该检测中所涉及的电极的通道被高亮显示为红色310。使用鼠标左键双击任意个体检测335将使得该特定检测335的展开的EEG视图400(如图21所示)得以显现。左键双击展开的视图400将使得用户返回背靠背的个体检测300的显示。

当观看(从EEG窗口上方的标签221访问的)个体尖峰检测时，示例尖峰能够通过使用鼠标左键点击所期望的示例而被手工标记。作为所选择的尖峰330的轮廓的矩形将会显现。对所有检测进行标记或者取消标记能够使用工具栏上的Mark All(全部标记)或UnMarkAll(取消全部标记)按钮315来完成。手工标记的检测将包括在FinalReport(最终报告)中出现的尖峰平均中。这些手工标记的事件还可以如图22所示紧随其平均在FinalReport500中背靠背地显示，并且能够出于归档的目的或者供另一个观看者评估而被打印523。

点击在EEG窗口顶端的FinalReport标签528显示在所选择的焦点505处的所有手工标记的示例尖峰或锐波510的概要。该初始默认视图示出了由电极焦点505分类的、用户选择的、手工标记的事件的数学平均。如所解释的，通过选择菜单选项或者经由鼠标右键点击的选择而显示头部电压的内存储信息位置图示以及背靠背的、单独的、用户选择的事件。电压的内存储信息位置图示仅在观看参考蒙太奇中的EEG时创建。图23是示出了18个经用户选择的尖峰605以及组成尖峰610a-610c的组平均的最终报告的打印预览视图600。当退出522该程序时，所有改变被自动保存，包括用户标记的尖峰和观看的事件。

图24是用于从EEG记录去除伪像的一般方法1000的流程图。在块1001，使用用户界面选择多个伪像以从EEG记录自动去除。在块1002，生成EEG。在块1003，应用多个滤波器以从EEG去除多个伪像。在块1004，生成干净的EEG。

图25是用于从EEG记录去除伪像的另一种方法1100的流程图。在块1101，从包括多个电极、放大器和处理器的机器生成EEG。在块1102，顺序应用多个滤波器以从EEG去除伪像。在块1103，生成干净的EEG。在块1104，显示该干净的EEG。

图26是CZ参考蒙太奇1400的图示。

在一个示例中，被称作BSS-CCA的算法被用来从EEG中去除肌肉活动的影响。对所记录的蒙太奇使用该算法经常将不会产生最优结果。在这种情况下，通常优选地使用参考电极是诸如国际10-20标准中的CZ之类的头顶电极之一的蒙太奇。在该算法中，在去除伪像之前首先将所记录的蒙太奇变换为CZ参考蒙太奇。在CZ处的信号指示这并非最佳选择的情况下，则该算法将会把可能的参考电极的列表继续进行下去以便找出适合的一个参考电极。

可能直接在用户选择的蒙太奇上执行BSS-CCA。然而，这存在两个问题。首先，这要求对由用户选择用于观看的每个蒙太奇进行高成本的伪像去除处理。其次，伪像去除将因蒙太奇而异，并且仅在用户使用最优参考选择了参考蒙太奇时才会是最优的。由于查看EEG所需的蒙太奇经常不与对于去除伪像而言最优的蒙太奇相同，所以这并非好的解决方案。

伪像去除算法优选地是盲源分离算法。该盲源分离算法优选地是CCA算法或ICA算法。

图27-图29图示了从EEG信号去除伪像如何允许更清楚地为读者图示大脑的真实活动。图27是包含疾病发作、肌肉伪像和眼睛移动伪像的EEG记录的图示1500。图28是去除了肌肉伪像的图27的EEG记录的图示1600。图29是去除了眼睛移动伪像的图28的EEG记录的图示1700。

图30是指示疾病发作的尖峰检测的图示1800。疾病发作概率1810；节律性谱图，左侧半脑，1-25Hz1820；节律性谱图，右侧半脑，1-25 Hz 1830；相对非对称性谱图，大脑半球，0-18 Hz 1840；峰值包络，大脑半球，2-20 Hz 1850；尖峰检测(每5秒初相计数)1860；咀嚼伪像概率1870。

图31、图33和图35是使用记录的蒙太奇去除肌肉伪像之后的EEG记录的三个时间周期内(在第三时间周期患者已经麻痹，所以没有肌肉活动2300)的患者的麻痹EEG记录的图示。图32、图34和图36是使用CZ参考蒙太奇去除肌肉伪像之后的EEG记录的三个时间周期内(在第三时间周期患者已经麻痹，所以没有肌肉活动2400)的患者的麻痹EEG记录的图示。红色是原始信号1905并且黑色是重构1910。使用所记录的蒙太奇，所有大脑活动被去除并且黑色的重构表现为几乎平坦的1900、2100、2300。然而，使用CZ参考蒙太奇，大脑活动被保留并且在前两个时间周期2000、2200中表现为与当患者麻痹时的第三时间周期2400相似。

图37是用于从EEG信号对伪像进行滤波的一般方法1200的流程图。在块1201，从包括多个电极、放大器和处理器的机器生成EEG信号。在块1202，将来自一组通道的EEG信号变换为多个初相。在块1203，使用伪像去除算法对来自多个初相中的每个初相的伪像进行滤波以生成多个干净初相。在块1204，对干净初相进行组合以生成经处理的EEG记录。

多个初相中的每个初相具有两秒的初相持续时间长度以及一秒的增量。可替换地，多个初相中的每个初相具有四秒的初相持续时间长度以及两秒的增量。

伪像去除算法优选地是盲源分离算法。该盲源分离算法优选地是CCA算法或ICA算法。

优选地使用加权平均对干净初相进行组合，并且该加权平均的权重优选地与到初相中心的距离的比值成比例。

图38是用于从EEG信号对伪像进行滤波的具体方法1300的流程图。在块1301，从机器生成EEG信号。在块1302，针对EEG信号选择初相时间长度和初相时间增量。在块1303，使用伪像去除算法对来自多个初相中的每个初相的伪像进行滤波。在块1304，从去除了伪像的初相生成多个干净初相。在块1305，向多个干净初相中的每个干净初相指定加权平均。在块1306，对干净初相进行组合以生成经处理的EEG记录。

多个初相中的每个初相具有两秒的初相持续时间长度以及一秒的增量。可替换地，多个初相中的每个初相具有四秒的初相持续时间长度以及两秒的增量。

伪像去除算法优选地是盲源分离算法。该盲源分离算法优选地是CCA算法或ICA算法。

优选地使用加权平均对干净初相进行组合，并且该加权平均的权重优选地与到初相中心的距离的比值成比例。

Claims (19)

1.一种用于去除EEG记录中的伪像的方法，所述方法包括：

使用用户界面选择要从EEG记录自动去除的多个伪像；

选择用于呈现EEG的多个显示模式，其中所述多个显示模式包括以下各项中的至少两项：疾病发作概率、节奏性光谱图左半球1-25Hz、节奏性光谱图右半球1-25Hz、相对非对称光谱图、半球0-18Hz、峰值包络半球2-20Hz、尖波检测、以及咀嚼伪像概率；

从EEG系统生成EEG记录；

对所述EEG记录应用滤波器以自动去除所述多个伪像；

生成干净EEG供观看。

2.一种用于去除EEG记录中的伪像的方法，所述方法包括：

使用用户界面选择要从EEG记录自动去除的多个伪像；

选择用于呈现EEG的多个显示模式，其中所述多个显示模式包括以下各项中的至少两项：疾病发作概率、节奏性光谱图左半球1-25Hz、节奏性光谱图右半球1-25Hz、相对非对称光谱图、半球0-18Hz、峰值包络半球2-20Hz、尖波检测、以及咀嚼伪像概率；

从EEG系统生成EEG记录；

在显示器上显示所述EEG记录，所述EEG记录包括多个伪像，其中所述多个伪像包括以下各项中的至少两项：肌肉伪像、眼睛移动伪像、电伪像、心跳伪像、舌头移动伪像和咀嚼伪像；

按压按钮以应用多个滤波器以从所述EEG去除所述多个伪像；以及

生成干净EEG供观看。

3.根据权利要求1或2所述的方法，进一步包括选择轨迹的颜色以及暗度的量。

4.根据权利要求1或2所述的方法，其中所述多个伪像中的每个伪像包括以下各项中的至少两项：肌肉伪像、眼睛移动伪像、电伪像、心跳伪像、舌头移动伪像和咀嚼伪像。

5.根据权利要求1或2所述的方法，其中所述EEG系统包括：

用于生成多个EEG信号的多个电极；通过多个导线连接至所述多个电极中的每个电极以对所述多个EEG信号中的每个EEG信号进行放大的至少一个放大器；连接至所述放大器以从所述多个EEG信号生成EEG记录的处理器；以及连接至所述处理器用于显示EEG记录的显示器。

6.一种用于生成EEG记录的方法，所述方法包括：

使用用户界面选择要从EEG记录自动去除的多个伪像；

从包括多个电极、放大器和处理器的机器生成原始EEG信号；

将来自一组通道的所述原始EEG信号划分为多个初相，所述多个初相中的每个初相具有初相持续时间长度和重叠增量；

对所述多个初相执行伪像缩减以生成多个经伪像缩减的初相；以及

将所述多个经伪像缩减的初相进行组合以生成经处理的EEG记录，其中所述多个经伪像缩减的初相中的每个经伪像缩减的初相与相邻初相重叠以产生连续EEG记录，其中使用加权平均值对所述多个经伪像缩减的初相进行组合，其中所述初相的权重与到初相中心的距离比成比例。

7.一种用于从多个经伪像缩减的初相生成连续EEG记录的方法，所述方法包括：

使用用户界面选择要从EEG记录自动去除的多个伪像；

从包括附接至患者的多个电极、放大器和处理器的机器针对所述患者生成原始EEG信号；

将来自一组通道的所述原始EEG信号划分为多个初相，所述多个初相中的每个初相具有初相持续时间长度和重叠增量；

对所述多个初相执行第一伪像缩减以去除电极伪像；

对所述多个初相执行第二伪像缩减以去除肌肉伪像；

对所述多个初相执行第三伪像缩减以去除眼睛移动伪像；

组合所述多个初相以进行重叠，其中所述多个初相中的每个初相与相邻初相重叠，其中使用加权平均值对所述多个经伪像缩减的初相进行组合，其中所述初相的权重与到初相中心的距离比成比例；以及

从组合的所述多个初相生成不具有非连续性的经处理的EEG记录。

8.根据权利要求6所述的方法，其中所述原始EEG被进行盲源分离算法。

9.根据权利要求6所述的方法，其中所述伪像缩减针对以下各项中的至少一项：肌肉伪像、眼睛移动伪像、电伪像、心跳伪像、舌头移动伪像和咀嚼伪像。

10.根据权利要求6或7所述的方法，其中使用加权平均对所述多个经伪像缩减的初相进行组合。

11.根据权利要求6或7所述的方法，进一步包括在与所述处理器进行通信的显示器上图示所述经处理的EEG记录，其中操作人员从图示所述经处理的EEG记录切换到图示未经处理的EEG记录。

12.根据权利要求6或7所述的方法，其中所述多个初相中的每个初相具有四秒的初相持续时间长度以及两秒的增量。

13.一种用于从EEG信号对伪像进行滤波的系统，所述系统包括：

用于生成多个EEG信号的多个电极；

通过多个导线连接至所述多个电极中的每个电极以对所述多个EEG信号中的每个EEG信号进行放大的至少一个放大器；

连接至所述放大器以从所述多个EEG信号生成EEG记录的处理器；以及

连接至所述处理器用于显示原始EEG记录和经处理的EEG记录的显示器；

其中所述处理器被配置为：使用用户界面选择要从EEG记录自动去除的多个伪像，将来自一组通道的所述原始实时EEG信号划分为多个初相，所述多个初相中的每个初相具有初相持续时间长度和重叠增量；对所述多个初相执行伪像缩减以生成多个经伪像缩减的初相；以及将所述多个经伪像缩减的初相进行组合以生成经处理的实时EEG记录，其中所述多个经伪像缩减的初相中的每个经伪像缩减的初相与相邻初相重叠以产生连续EEG记录，其中使用加权平均值对所述多个经伪像缩减的初相进行组合，其中所述初相的权重与到初相中心的距离比成比例。

14.根据权利要求13所述的系统，其中所述多个初相中的每个初相具有四秒的初相持续时间长度以及两秒的增量。

15.根据权利要求13所述的系统，其中所述伪像缩减针对以下各项中的至少一项：肌肉伪像、眼睛移动伪像、电伪像、心跳伪像、舌头移动伪像和咀嚼伪像。

16.一种用于显示EEG数据的方法，所述方法包括：

使用用户界面选择要从EEG记录自动去除的多个伪像；

从包括多个电极、放大器和处理器的机器生成原始EEG信号；

对所述原始EEG信号执行伪像缩减以生成经处理的连续EEG记录；

在显示器上图示所述经处理的连续EEG记录；

从显示器上的所述经处理的连续EEG记录切换到所述显示器上的所述原始EEG信号；以及

将经处理的EEG报告叠加在原始EEG报告上以生成组合的EEG报告，其中所述经处理的EEG报告的x轴与所述原始EEG报告的x轴对齐，其中所述经处理的EEG报告的y轴的第二多个通道与所述原始EEG报告的y轴的第一多个通道对齐，其中所述原始EEG报告的所述第一多个通道等于所述经处理的EEG报告的所述第二多个通道，其中所述经处理的EEG报告的x轴和所述原始EEG报告的x轴分别是时间，并且其中所述经处理的EEG报告和所述原始EEG报告在x轴上与时间匹配；以及

将所述组合的EEG报告显示在监视器的显示屏上，所述监视器与所述处理器进行通信，其中所述经处理的EEG报告在视觉上不同于所述原始EEG报告，其中所述原始EEG报告的所述第一多个通道中的一个通道上的、具体时间处的活动在所述经处理的EEG报告的所述第二多个通道中的相应通道上、在所述具体时间处是可识别的，其中所述原始EEG报告的信号的振幅包含在多个第一通道中的每个通道内以便防止信号的重叠，并且所述经处理的EEG报告的信号的振幅包含在所述多个第二通道中的每个通道内以防止信号的重叠。

17.根据权利要求16所述的方法，其中所述伪像缩减针对以下各项中的至少一项：肌肉伪像、眼睛移动伪像、电伪像、心跳伪像、舌头移动伪像和咀嚼伪像。

18.根据权利要求16所述的方法，其中在对齐时所述经处理的连续EEG记录具有第一颜色并且所述原始EEG信号具有第二颜色。

19.根据权利要求16所述的方法，其中执行伪像缩减包括：

将来自一组通道的所述原始EEG信号划分为多个初相，所述多个初相中的每个初相具有初相持续时间长度和重叠增量；

对所述多个初相执行第一伪像缩减以去除电极伪像；

对所述多个初相执行第二伪像缩减以去除肌肉伪像；

对所述多个初相执行第三伪像缩减以去除眼睛移动伪像；以及

组合所述多个初相以进行重叠，其中所述多个初相中的每个初相与相邻初相重叠。