CN104470425A - 感知失去检测 - Google Patents

Abstract

本发明涉及一种用于检测人的真实感知失去的状态的设备，所述设备包括处理装置，可操作为从关于邻近人的头皮感测到的电信号的信息检测存在于所述电信号中的振荡的活动性，作为针对人的真实感知失去的状态的标记。

Description

感知失去检测

技术领域

本发明涉及一种用于检测人的真实感知失去的状态的设备及相关方法和计算机程序产品。更具体地，本发明涉及检测针对人的真实感知失去的状态的神经生理学标记。所述神经生理学标记对于所述人是特定的，并确认缺少意识感知。

背景技术

目前存在一些不准确的、间接的方法来测量意识失去的关键水平，所述方法没有明确的科学依据并且不是鲁棒的。

目前无法对被示为根据特定于个体的感知失去来可靠地检测意识丧失或根据感知获得来检测意识恢复的生物信号进行直接测量。当前系统取决于对大脑活动性(activity)的间接测量(例如，频率之间的相干性)，并且基于人口数据。本发明填补了这一空白，而且还提供一种不仅可以由临床麻醉界而且可以由神经学界(它们想要研究这方面的意识丧失，但至今不具有用来进行时间锁定分析和相关的进一步研究的生物指示符)利用的有价值的测量方法。

感知失去仅能够被回溯性地报告，并且目前被假定为在没有对刺激的行为响应时发生，或从对缺少感知的后续主观报告可能相关的间接测量的观察推断。目前没有任何用来排除感知的已知可测量生理过程，没有任何量被示为是感知失败的标记。

发明内容

根据本发明，提供了一种用于检测人的真实感知失去的状态的设备，所述设备包括：处理装置，可操作为从关于邻近(优选地，文中所用的该术语意思是例如在...上、在上面或在下面)人头皮感测到的电信号的信息检测存在于所述电信号中的振荡的活动性(例如，属于生理活动性(尤其是神经振荡)的那些活动性)，作为对人的真实感知失去的状态的标记。备选地，所述设备可适于检测动物的真实感知失去的状态。检测真实感知失去可使得能够避免对感知失去的错误指示，具体地，这是由于实现了对作为感知失去基础的大脑功能的生理改变的检测。

优选地，所述振荡是慢波振荡和/或alpha振荡。优选地，所述处理装置还可操作为检测慢波振荡的饱和，作为对人真实感知失去的状态的标记。

为了增强的功能性，所述设备可以包括感测装置，可操作为感测人头皮上(或附近)的电信号。为了增强的功能性，所述处理装置可操作为检测慢波振荡的活动性的正梯度之后的慢波振荡饱和点，作为人进入真实感知失去的状态的标记。

为了增强的功能性，所述处理装置可操作为检测慢波振荡的活动性的正梯度的起始(onset)，作为人开始感知失去的标记。

为了增强的功能性，所述处理装置可操作为检测慢波振荡的饱和之后的慢波振荡的活动性的负梯度的起始，作为人离开真实感知失去的状态的标记。

为了可靠性，可以通过将所述信息转变为频域信息来检测慢波振荡的活动性，所述活动性可以是慢波频带内的电信号的功率占宽频带内的电信号的功率的百分比。

慢波频带可以在0Hz到5Hz之间，优选地在0Hz到2Hz之间，更优选地在0Hz到1.5Hz之间，宽频带可以包括慢波频带，并可以是在0Hz到50Hz之间，优选地在0Hz到30Hz之间。

与慢波振荡的饱和相对应的活动性可以在20％到100％之间，优选地在30％到90％之间，更优选地在40％到80％之间。饱和时的活动性还可以位于更窄的范围，例如，在45％到75％之间，或在50％到70％之间；或它可以存在于从不同范围中点延伸的范围内，例如，在50％到90％之间，或在30％到70％之间。

正梯度可以在每秒稳定水平的0％到5％之间。正梯度可以取决于(或受其影响)药物剂量方案(regime)或其它参数(包括与诱发真实感知失去的方式有关的参数，例如，生理因素(如呼吸速率和心率)和/或心理变量)。

负梯度可以通过增加药物剂量或其它实验操控定义为在每秒稳定水平的0％到5％之间。负梯度可以取决于(或受其影响)药物剂量方案或其它参数(包括与诱发真实感知失去的方式有关的参数，例如，生理因素(如呼吸速率和心率)和/或心理变量)。

为了可靠性，可以通过将信息转变为频域信息来检测慢波振荡的活动性，所述活动性可以是慢波频带内的功率。

慢波频带可以在0Hz到5Hz之间，优选地在0Hz到2Hz之间，更优选地在0Hz到1.5Hz之间。

为了准确性，对一个或更多个标记的检测可以取决于人的慢波振荡的最大活动性。

优选地，所述处理装置实时评估所检测的活动性。优选地，每秒十次地、每秒一次地或每五秒一次地评估所检测的活动性。

为了准确性，所述处理装置可以将慢波振荡的活动性拟合为模型函数，并优选地确定(或估计)最佳拟合参数。优选地，依赖于时间t的模型函数R为其中a、b、c和d是拟合参数。优选地，模型函数R具有依赖于时间t的归一化(normalized)模型函数f(t)，其中 $f\left(t\right)=\frac{1}{1+\exp (-(t-c)/d)}.$

优选地，用每个新的活动性数据点(或用每个新的活动性数据点组)来更新最佳拟合参数。

优选地，所述处理装置确定与最佳拟合参数相关的误差值。优选地，误差值是针对模型函数或归一化模型函数的置信区间或方差估计。优选地，用每个新的活动性数据点(或用每个新的活动性数据点组)来更新误差值。

优选地，所述处理装置通过评估活动性数据点(优选地，最近活动性数据点)是否在该模型函数(或归一化模型函数)的误差范围内，来确定饱和点和/或(正或负)梯度的起始。优选地，误差范围与误差值相关。

振荡可以包括慢波振荡和alpha振荡。优选地，通过将信息转换为频域信息来检测alpha振荡的活动性，所述活动性是alpha频带内的功率。优选地，alpha频带是在7Hz到15Hz之间，更优选地在8Hz到14Hz之间，更甚优选地在8Hz到10Hz之间和/或12Hz到14Hz之间。优选地，所述处理装置还可操作为将alpha振荡标记用作针对真实感知失去的状态的标记。优选地，alpha振荡标记与alpha振荡的饱和、alpha频带内的活动性和/或纺锤体(spindle)活动性相关。alpha振荡的饱和与alpha频带内的活动性为可与慢波振荡的饱和与慢波频带内的活动性类似地确定。优选地，可以将较低频率的alpha振荡和/或较高频率的alpha振荡用作用于定义饱和的进一步标记，其中较低频率的alpha振荡的峰值普遍度(prevalence)出现在慢波振荡饱和点之前，并遵循慢波振荡的形式，较高频率的alpha振荡的峰值普遍度出现在慢波振荡饱和点之前，但是不遵循慢波振荡的形式。

为了准确性，对一个或更多个标记的检测可以取决于人(尤其是人的额叶)的至少一个特性，例如，年龄、性别、人额叶的灰质的体积、外科焦虑(surgical anxiety)、特质焦虑(trait anxiety)、个人的麻醉史、最近睡眠不足、睡眠行为、睡眠紊乱、脑部的解剖连通性(例如，脑干、皮层区和/或脑叶之间)、皮层褶皱和神经递质水平(尤其是GABA和谷氨酸)。可以例如通过磁共振来确定人的特性(尤其是人脑部的特性)。优选地，人的特性涉及所述标记的个体内变化性。通过考虑这种特性，有可能对给定个体进行更好地预测标记行为并更好地检测标记。优选地，人的至少一个特性中的每个特性都与一个权重相关联。

针对可配置性，设备可以包括包含参数的数据库，所述参数更具体地限定一个或更多个标记中的至少一个标记，每个标记的参数可以取决于年龄、性别、人额叶的灰质的体积、外科焦虑、特质焦虑、个人的麻醉史、最近睡眠不足、睡眠行为、睡眠紊乱、脑部的解剖连通性(例如，脑干、皮层区和/或脑叶之间)、皮层褶皱和神经递质水平(尤其是GABA和谷氨酸)和例如可由磁共振确定的脑部其它测量值中的至少一个。优选地，所述因素中的每个因素都与一个权重相关联。优选地，所述参数与所述标记的个体内变化性相关。通过考虑这种特性，有可能对给定个体进行更好地预测标记行为并更好地检测标记。

为了增强的功能性，所述设备可以包括剂量控制单元。剂量控制单元可以用于根据对真实感知失去的状态的标记，改变剂量实施(administration)输出。剂量控制单元可以改变剂量实施输出，以便在标记指示不存在真实感知失去的状态的情况下增加剂量，且在标记指示存在真实感知失去的状态的情形减少剂量。如果标记指示存在真实感知失去的状态，则剂量控制单元可以维持剂量实施输出剂量。剂量控制单元可以根据药效学和/或药物动力学模型，改变剂量实施输出。剂量控制单元可以(迭代地)将剂量实施输出优化为处于与对进入真实感知失去的状态的标记相关的剂量或高于该剂量。剂量控制单元可以确定剂量实施输出的发出和响应于该剂量实施输出对标记的观察(例如，对进入真实感知失去的状态的标记，或延迟标记)之间的延迟。剂量实施输出可以包括指示符。剂量实施输出可以包括针对剂量驱动(actuate)设备(例如，阀门或泵)的驱动输出。

对于增强的功能性，所述处理装置可操作为检测突发抑制标记，作为对真实感知失去的状态的标记。优选地，突发抑制标记是突发抑制率。优选地，突发抑制率是振荡处于抑制状态(或备选地，脑部活动性处于抑制状态，其中多个振荡组合以形成观察到的脑部活动性)中的时间比率。优选地，在抑制状态下，振荡具有低幅度。优选地，在抑制状态下，慢波振荡和/或较低的alpha振荡具有低幅度。优选地，在抑制状态下，振荡幅度在±10微伏、±5微伏或±2微伏的范围内。优选地，受抑制状态的持续时间是至少0.2秒、0.5秒或1秒。

为了增强的功能性，所述设备可以包括感测装置，其可操作为感测人头皮上(或附近)的电信号。

为了便于使用，所述感测装置可以用于附至人头皮上。备选地，所述感测装置可以适于硬膜下附至人的头皮(例如，用于在脑外科期间进行感测)或附在人的头皮上或上方。优选地，所述感测装置是无创式的。

优选地，所述感测装置包括用于感测人额叶的至少一个电极和用于感测人顶叶的至少一个电极。优选地，所述感测装置包括在具有用于感测人额叶的具有高密度电极的设备上以非均匀分布方式布置的多个电极。所述感测装置可以是带或头带。

优选地，所述设备用于检测从人的真实感知失去的状态的脱离。

所述设备可以包括以下特性中的一个、一些或全部：

●用于确定慢波振荡的饱和(时间)点的装置

●用于估计描述慢波振荡数据的时间序列的函数的装置

●用于根据描述慢波振荡数据的时间序列的函数来估计感兴趣的(时间)点的装置

●用于向系统反馈来自对慢波振荡数据的分析的输出以便维持人的真实感知失去的状态的装置

●用于迭代(阶梯递进(stair-casing))逼近以便优化维持人的真实感知失去的状态的装置

●用于将突发抑制确定为对人的真实感知失去的状态的标记的装置

●用于维持关于发生慢波振荡的饱和、包括LFS、HFS的alpha频带内的活动性、和/或发生突发抑制的人的真实感知失去的状态的装置

根据本发明的另一方面，提供了一种用于检测人的真实感知失去的状态的方法，所述方法包括：提供关于邻近人头皮感测到的电信号的信息；以及从所述信息检测存在于电信号中的振荡的活动性，作为对人的真实感知失去的状态的标记。

优选地，振荡是慢波振荡和/或alpha振荡。优选地，所述方法包括检测慢波振荡的饱和，作为对人真实感知失去的状态的标记。提供信息可以包括感测人头皮上(或附近)的电信号。

优选地，所述方法包括检测慢波振荡的活动性的正梯度之后的慢波振荡饱和点，作为人进入真实感知失去的状态的标记。所述方法可以包括检测慢波振荡的饱和之后的慢波振荡的活动性的负梯度的起始，作为人离开真实感知失去的状态的标记。

优选地，通过将所述信息转变为频域信息来检测慢波振荡的活动性，所述活动性可以是慢波频带内的电信号的功率占宽频带内的电信号的功率的百分比。慢波频带可以在0Hz到5Hz之间，优选地在0Hz到1.5Hz之间。优选地，宽频带可以包括慢波频带，并可以是在0Hz到50Hz之间，优选地在0Hz到30Hz之间。

与慢波振荡的饱和相对应的活动性可以在20％到100％之间，优选地在30％到90％之间，更优选地在40％到80％之间。正梯度可以在每秒稳定水平的0％到5％之间。正梯度可以取决于药物剂量方案或与诱发真实感知失去的装置相关的其它参数。负梯度可以定义为在每秒稳定水平的0％到5％之间。负梯度可以取决于药物剂量方案或与诱发真实感知失去的装置相关的其它参数。

优选地，通过将信息转变为频域信息来检测慢波振荡的活动性，所述活动性可以是慢波频带内的功率。慢波频带可以在0Hz到5Hz之间，优选地0Hz到1.5Hz之间。

优选地，对一个或更多个标记的检测可以取决于人的慢波振荡的最大活动性。

振荡可以包括慢波振荡和alpha振荡二者。可以通过将所述信息转变为频域信息来检测alpha振荡的活动性，所述活动性可以是在alpha频带内的电信号的功率。

优选地，所述方法还包括将alpha振荡标记用作对真实感知失去的状态的标记。

优选地，对一个或更多个标记的检测可以取决于人(具体地，人的额叶)的至少一个特性，例如，年龄、性别、人额叶的灰质的体积、外科焦虑历史、最近睡眠不足、睡眠行为、睡眠紊乱、脑部的解剖连通性、皮层褶皱和神经递质水平。优选地，可以对人的至少一个特性中的每个特性进行加权。所述方法可以包括：提供包含参数的数据库，所述参数更具体地限定一个或更多个标记中的至少一个标记，每个标记的参数取决于年龄、性别、人额叶的灰质的体积、外科焦虑历史、最近睡眠不足、睡眠行为、睡眠紊乱、脑部的解剖连通性、皮层褶皱和神经递质水平中的至少一个。优选地，对所述因素中的每个因素进行加权。

优选地，所述方法包括：提供可操作为被附至人头皮附近并感测电信号的感测装置；提供处理装置；以及将所述感测装置附至人头皮附近；所述处理装置处理由感测装置感测到的电信号，所述处理包括检测一个或更多个标记。优选地，所述感测装置是无创式的。

根据本发明的另一方面，提供了一种用于检测人的真实感知失去的状态的计算机程序产品，所述计算机程序产品包括软件代码，当在数据处理装置上执行所述软件代码时，用于执行从关于邻近人头皮感测到的电信号的信息检测存在于电信号中的振荡的活动性以作为对人的真实感知失去的状态的标记的步骤。

优选地，振荡是慢波振荡和/或alpha振荡。所述计算机程序产品可以用于检测慢波振荡的饱和以作为对人真实感知失去的状态的标记的步骤。优选地，所述计算机程序产品用于执行检测慢波振荡的活动性的正梯度之后的慢波振荡饱和点以作为人进入真实感知失去的状态的标记的步骤。所述计算机程序产品用于执行检测慢波振荡的饱和之后的慢波振荡的活动性的负梯度的起始以作为人离开真实感知失去的状态的标记的步骤。

优选地，通过将所述信息转变为频域信息来检测慢波振荡的活动性，所述活动性可以是慢波频带内的电信号的功率占宽频带内的电信号的功率的百分比。慢波频带可以在0Hz到5Hz之间，优选地在0Hz到1.5Hz之间，其中宽频带可以包括慢波频带，并可以是在0Hz到50Hz之间，优选地在0Hz到30Hz之间。与慢波振荡的饱和相对应的活动性可以是在20％到100％之间，优选地在30％到90％之间，更优选地在40％到80％之间。正梯度可以在每秒稳定水平的0％到5％之间。优选地，正梯度可以取决于药物剂量方案或与诱发真实感知失去的装置相关的其它参数。负梯度可以在每秒稳定水平的0％到5％之间。优选的，负梯度可以取决于药物剂量方案或与诱发真实感知失去的装置相关的其它参数。

优选地，通过将信息转变为频域信息来检测慢波振荡的活动性，所述活动性可以是慢波频带内的功率。慢波频带可以在0Hz到5Hz之间，优选地0Hz到1.5Hz之间。

优选地，对一个或更多个标记的检测可以取决于人的慢波振荡的最大活动性。

振荡可以包括慢波振荡和alpha振荡二者。可以通过将所述信息转变为频域信息来检测alpha振荡的活动性，所述活动性可以是在alpha频带内的功率。所述计算机程序产品还用于执行使用alpha振荡标记作为对真实感知失去的状态的标记的步骤。

优选地，对一个或更多个标记的检测可以取决于人(具体地，人的额叶)的至少一个特性，例如，年龄、性别、人额叶的灰质的体积、外科焦虑历史、最近睡眠不足、睡眠行为、睡眠紊乱、脑部的解剖连通性、皮层褶皱和神经递质水平。优选地，所述人的至少一个特性中的每个特性都与一个权重相关联。所述计算机程序产品可以包括能够在其中存储参数的数据库，所述参数更具体地限定一个或更多个标记中的至少一个标记，每个标记的参数取决于年龄、性别、以及人额叶的灰质的体积中的至少一个。优选地，每个所述因素都与一个权重相关联。

根据本发明的另一方面，提供了一种用于检测人的真实感知失去的状态的设备，所述设备包括：感测装置，可操作为感测人头皮上(或附近)的电信号，所述感测装置包括用于感测人额叶的至少一个电极和用于感测人顶叶的至少一个电极。

优选地，所述感测装置包括在具有用于感测人额叶的高密度电极的设备上以非均匀分布方式布置的多个电极。所述感测装置可以是带或头带。

本发明扩展到本文所述和/或所示的任何创新方面或特征。

通过其它独立和从属权利要求来说明本发明的其它特征。

本发明扩展到与本文参考附图所述基本相同的方法和/或装置。

本文所述的任何装置特征还可以作为方法特征，且反之亦然。备选地，将本文使用的装置加功能特征可根据其相应结构进行表述，例如，适当编程的处理器及相关联的存储器。

可以以任何适合的组合将本发明的一个方面的任何特征应用于本发明的其它方面。具体地，可以将方法方面应用于装置方面，且反之亦然。此外，可以以任何适合的组合将公开在一个方面内的描述以及(适合的)权利要求和附图中的任何的、一部分的和/或所有的特征应用于在任何其它方面内的任何的、一部分的和/或所有的特征。

应认识到，可以单独地执行和/或提供和/或使用在本发明任何方面内描述和定义的多个特征的特定组合。

本发明还提供一种计算机程序和包括软件代码的计算及程序产品，当在数据处理装置上执行所述软件代码时，用于执行本文所述的任何方法，包括任何或全部的组成步骤。

本发明还提供一种计算机程序和包括软件代码的计算机程序产品，当在数据处理装置上执行所述软件代码时，包括本文所述的任何装置特征。

本发明还提供一种计算机程序和具有操作系统的计算及程序产品，所述操作程序支持用于实现本文所述方法的任何方法的计算机程序，和/或用于表现本文所述装置特征的任何装置特征的计算机程序。

本发明还提供了一种计算机可读介质，在其上存储有上述计算机程序。

本发明还提供了一种承载上述计算机程序的信号以及发送这种信号的方法。

此外，可以在软件中实现在硬件中实现的特征，且反之亦然。应相应地理解本文对软件和硬件特征的任何引述。

可以单独地提供或以任何适合组合形式提供在本描述以及(适合的)权利要求和附图中所公开的每个特征。

附图说明

现将参考示意性附图示例性地描述本发明，附图中：

图1示出了根据本发明的检测人的真实感知失去的状态的方法的示意图；

图2示出了电极的装配的示意图以及图1方法中使用的示例电极坐标；

图3示出了描述图1方法的步骤的流程图；

图4示出了描述图1方法的使用了调停的另一示例的步骤的流程图；

图5示出了针对根据图1方法执行的实验的范例和示例异丙酚诱发方案的示意图；

图6示出了0.5-1.5Hz频带数据内的绝对功率的图以及0.5-1.5Hz频带数据内的相对功率的图，其中所述二者均是从参与图5实验的受试者获得的；

图7针对每个受试者示出了0.5-1.5Hz频带内的振荡的相对功率与图5的实验期间的异丙酚作用部位浓度叠加的分离图；

图8示出了针对图5的实验的受试者的在图5的实验期间的多个行为阶段期间的相对慢波振荡功率的均值和标准差的图以及平均相对慢波振荡功率的脑地形图表示的平面视图；

图9示出了图5的实验的异丙酚作用部位浓度与在针对图5的实验的受试者的频谱上在图5的实验期间的脑波振荡的组平均功率的图的叠加；

图10示出了针对图5的实验的受试者的在图5的实验期间的慢波振荡的峰值功率相对于年龄的图；

图11示出了针对图5的实验的受试者的在图5的实验期间的慢波振荡的峰值功率相对于额叶灰质体积的图；

图12示出了针对参与根据图1方法的另一实验的受试者的在失去行为响应之前、在失去行为响应与慢波振荡饱和之间、在慢波振荡饱和期间的在0.5-1.5Hz频带内的慢波振荡的组平均百分比归一化功率以及组平均功能磁共振成像(fMRI)血氧水平依赖(“BOLD”)响应的图；

图13示出了指示在转变到慢波振荡饱和期间响应于激光(上部BOLD响应)和听觉刺激(下部BOLD响应)的活动性的改变的fMRIBOLD响应；

图14示出了针对图5的实验的受试者的在图5的实验期间的在行为阶段期间纺锤体在alpha频带(8-14Hz)内的普遍度；

图15示出了针对图5的实验的受试者的在图5的实验期间的在行为阶段期间纺锤体振荡在alpha频带(8-14Hz)内的地形图分布；

图16示出了在响应和无响应行为阶段期间在针对根据图1方法执行的FMRI实验期间的慢波振荡和纺锤体活动性的比较；

图17示出了具有模型拟合的慢波功率时间过程的示例；

图18示出了具有最佳拟合曲线以及用于估计慢波数据中梯度的起始的相关联的误差值的慢波数据；

图19示出了具有最佳拟合归一化曲线以及用于估计慢波数据显示饱和的点的相关联的误差值的归一化慢波数据，；

图20示出了16个受试者的定时参数估计；

图21示出了对用于估计慢波数据中梯度的起始的线上和线下数据分析的曲线拟合和估计的比较；

图22示出了对用于估计慢波数据显示饱和点的线上和线下数据分析的曲线拟合和估计的比较；

图23示出了针对线上和线下数据分析对梯度的起始及慢波数据中的饱和点的比较；

图24示出了针对具有几乎同时效果的麻醉药剂的剂量和相对慢波活动性随时间的变化；

图25示出了针对具有延迟效果的麻醉药剂的剂量和相对慢波活动性随时间的变化；

图26示出了具有剂量控制单元的SWAS系统；以及

图27示出了示出SWAS系统所遵循的示例过程的流程图。

具体实施方式

参考附图中的图1到3，一般地，通过附图标记10指定了一种检测针对人真实感知失去的状态的神经生理标记的方法。在实施异丙酚形式的麻醉剂同时，对人12执行所示示例中的方法。

使用慢波活动性最大稳定状态(SWAMP)系统(下文中称为“SWAMP”，还称为慢波活动性饱和“SWAS”)14执行所述方法，所述系统包括具有多个电极16的形式的感测装置、具有处理器18的形式的处理装置和数据库19。

多个电极16被附至人的头皮12。将由电极检测的具有电压波动形式的电信号中继到处理器18以便进行处理。

在所示示例中使用多个电极(包括兼容磁共振(下文称为“MR”)的32通道脑电图(下文称为“EEG”)帽(德国Herrsching的EasycapGmbH公司的BrainCap MR)，以用于EEG采集。图2所示的使用电极坐标的装配的示意图基于电极的国际10-20排列标准。在一些情况下，不必启用图2所示的所有电极；例如，可以仅将其子集(例如，额叶电极)用于EEG采集。

在所示示例中，内置电极16具有其后跟有5千欧姆电阻器的烧结的Ag/AgCl传感器的形式，心电图(下文称为“ECG”)电极例外，其具有15千欧姆电阻器。为了减少在放置电极之前的阻抗，用异丙醇清洁电极下的皮肤，施加导电电解凝胶以填充电极和皮肤之间的任何间隙。理想地，贯穿所有实验，将阻抗维持在5千欧姆以下。

为了采集MR数据，将来自EEG电极16的电缆捻为8个电缆分支，将其结合为单个50cm的捻线电缆树。所述电缆树被连接到两个16通道的MR兼容生物势放大器(德国慕尼黑的Brain Products GmbH公司的BrainAmp MR plus)。其它通道通过辅助设备相连，并记录心电图(ECG)、垂直眼部移动和水平眼部移动。当用于功能性磁共振成像(下文中，“fMRI”)扫描仪时，消除布线中的任何环路。

在所示示例中，使用MR安全光纤电缆来将放大器连接到通用串行总线(USB)适配器，然后将其连接到包括处理器18和数据库19的膝上型计算机(或其它记录和EEG处理介质)。膝上型计算机同时记录fMRI体积(梯度起始标记)、刺激和按钮点击的定时。对于图5中的范例，以5000Hz采集电信号的样本，并将其初始标记为通道CPz。放大硬件将0.1Hz的高通滤波器和250Hz的低通滤波器用于采集。采集软件应用0.5Hz的高通滤波器和70Hz的低通滤波器以及50Hz的陷波滤波器。从上述仪器获得的数据的低频限制为0.5Hz；然而，根据仪器不同，可以采集更低限制的数据。

数据库19包含由SWAMP系统检测的神经生理学标记的参数。每个标记具有以参数的形式来表示的具体特性。因此，例如，特性可以是慢波振荡的相对功率的梯度，对应参数可以是相对功率值的梯度范围。每个标记的参数可以取决于以下各项中的至少一个：年龄、性别、外科焦虑、特质焦虑、人额叶的灰质的体积、最近睡眠不足、睡眠行为、睡眠紊乱、脑部的解剖连通性(例如，脑干、皮层区和/或脑叶之间)、皮层褶皱和神经递质水平(具体地，GABA和谷氨酸)和其他脑部测量值。例如，可以在感应出感知失去之前，通过磁共振确定针对受试者的这种测量值。可以将这些参数用于解决慢波和/或alpha振荡的个体内变化性。通过考虑这种参数，有可能针对给定个体更好地预测标记行为并更好地检测所述标记。所述参数可以具有与其相关联的权重。

例如，如果受试者年龄的影响是主要的，则年龄权重相对其他参数的权重更高。权重还可以取决于实际参数值，例如，如果受试者年龄超过70，则它是具有较高权重的主要参数；或如果受试者年龄超过70，则与人额叶灰质的体积相关的参数的权重低于其它参数。

处理器18处理由电极16检测到的电信号的样本。

通常，处理器18监测(块18)慢波振荡的活动性。电信号的样本被转换为频域信息。将慢波振荡的活动性确定为慢波频带内的电信号的功率占宽谱频带内的电信号的功率的百分比。在所示示例中，将慢波频带假定为从0Hz延伸到1.5Hz。宽谱频带包括慢波频带，并从0Hz延伸到30Hz。饱和时的慢波振荡活动性在40％到80％之间。

处理器检测慢波振荡的饱和(块22)。检测时，将饱和的(时间)点识别(块24)为人进入真实感知失去的状态的标记。在饱和之前，慢波振荡随着增加麻醉剂量而增加。饱和时，慢波振荡不再随着增加麻醉剂剂量而增加。通过失去慢波振荡的剂量依赖性来说明饱和。

处理器继续监测(块26)慢波振荡的活动性，并检测到(块28)慢波振荡变得不饱和。检测到所述现象时，将慢波振荡变为不饱和的点被标识为(块30)人离开真实感知失去的状态的标记。

可以从数据库19获取取决于年龄、性别、外科焦虑、特质焦虑、人额叶的灰质的体积、最近睡眠不足、睡眠行为、睡眠紊乱(和其他因素)的参数，以便辅助检测所述标记。通常所述参数的值取决于人头皮上的慢波振荡的最大功率。针对在年龄、性别、外科焦虑、特质焦虑、人额叶的灰质的体积、最近睡眠不足、睡眠行为和睡眠紊乱的每个组合下的饱和度，所述参数包括一定范围的值。

更具体地，慢波振荡的饱和点是针对大脑无法处理来自外部世界的信息从而呈现出人意识丧失和感知失去的时间点的神经生理学标记。

在异丙酚麻醉(普遍使用的麻醉剂)期间，在人丧失了言语响应并接着增加异丙酚剂量之后，头皮脑电波内的慢波振荡的活动性达到最大点或饱和点。

当给予药物以抑制意识时，向脑部强加类似睡眠的状态，大脑的神经细胞示出膜波动。细胞膜两端的电压从导通(ON)状态振荡到关断(OFF)状态，通过脑部的睡眠-苏醒驱动器的平衡，来维持所述振荡。参与这种振荡的神经细胞越多，在头皮处测量到的慢波频带内(大约从0到1.5Hz)的活动性就越高。所述活动性增加，直到最大数目的神经细胞以这种方式活动性为止，以及慢波活动性在事实上达到饱和。进一步增加药物水平不会增加慢波频带内的活动性水平。

参考附图的图5到11，在使用EEG执行的实验期间，通过对异丙酚的逐渐实施，将16个受试者诱发至真实感知失去状态。此后，允许所述受试者恢复。贯穿该实验，所述受试者受到传感器刺激，以便引起神经响应。所述实验的持续时间为116分钟。

参考图5，呈现了所述实验的范例和异丙酚诱发方案的示意图。每个刺激块是十六分钟长，并伴有交织的激光刺激、计算机生成的音调和认知词语任务的序列。在诱发和恢复阶段期间，各输送三个连续的刺激块。此外，在实验开始时(RS-苏醒)和在峰值异丙酚剂量时(RS-峰值)，包括两个10分钟的休息状态(RS)时段，导致大约两小时的总数据收集时间。在RS时段期间不输送刺激。在RS-苏醒时段期间，要求受试者依然维持他们的眼部是闭合的，从而与RS-峰值时段期间所预期的行为相一致。

参考图6，尽管在峰值功率方面在受试者之间存在标记的变化(范围10.84-83.78tV2)，然而在左侧的图中，慢波震荡的绝对功率针对每个受试者示出相同图案。在右侧的图中，示出了功率占在0.5-30Hz频带内的总功率的百分比。

参考图7，对于实验的每个受试者，相对慢波振荡功率的图案是明显一致的。对于每个受试者，慢波振荡功率快速地提升，在此之后慢波振荡功率达到稳定状态，直到在恢复期间急剧回落。

参考图8，示出了实验的受试者在实验期间的多个行为阶段期间相对慢波振荡功率的均值(呈现为较深的线条)和标准差(呈现为较浅的线条)。在图8的上部，根据实验的不同阶段划分图。这些阶段是休息状态苏醒阶段、诱发期间响应阶段(包括前期响应和后期响应(具有增强的beta活动性和神经运动障碍)子阶段)、诱发期间无响应阶段(具有慢波振荡功率提升和慢波震荡饱和子阶段)、休息状态阶段(在异丙酚峰值水平4.0mcg ml^-1下)、恢复期间无响应阶段(具有慢波震荡饱和慢波震荡功率下降子阶段)以及恢复期间响应阶段(包括早起恢复和后期恢复子阶段)。由“LOBR”来表示受试者在后期响应阶段期间的最后一个响应的点，由“ROBR”来表示受试者在前期恢复阶段期间的第一个响应的点。

在失去行为响应之后，慢波振荡功率继续提升，直到达到饱和，在饱和点之后，其保持在稳定状态(在出现突发抑制的那些受试者中，存在由于突发抑制而导致的略微降低)，直到中断对异丙酚的实施为止。在返回到行为响应之前，相对慢波振荡功率急剧降低。

如果当慢波振荡功率处于稳定状态并且可能发生由于突发抑制而导致的略微降低(在那些发生突发抑制的受试者中)，可以执行算法以便区分由于突发抑制而导致的降低和由于重新获得感知而导致的降低。例如，可以参考在慢波震荡中花费的时间的百分比，或可以定义适当的容忍度，以便将降低标识为重新获得感知的起始点。

在图8的下部，示出了实验的受试者在实验期间的平均相对慢波振荡功率在脑中的地形图表示(蓝0％-红100％)。最高的慢波振荡功率是额叶处的，这与慢波震荡峰值功率与额叶中的(而不是其它皮层区域中的)灰质体积相关这一事实是一致的。

参考附图的图10，慢波震荡活动性的峰值功率与受试者年龄负相关。

参考附图的图11，峰值相对慢波振荡功率仅与受试者额叶灰质体积正相关(p＝0.02，经矫正)，其中受试者灰质体积随着年龄降低。基于体素的形态测量学(VBM)用来估计在额叶、颞叶、岛叶、顶叶和枕叶中的灰质体积，其假设是可用于参与慢波震荡的神经元的数目将影响可产生的活动性的幅度。

因此，年龄对峰值慢波振荡功率的影响是额叶灰质体积的与年龄相关的改变的函数。备选地，慢波振荡峰值功率可以同样是基于促进慢波振荡同步的突触(synaptic)连接的强度的函数，所述突触连接的强度也随着年龄改变。

参考附图的图12和图13，在第二实施例中，在收集同时的EEG和fMRI数据期间，最初的十六个受试者中的十二个完成了与fMRI扫描仪中的第一实验相同的48分钟超慢镇静计划。如在第一实验的工作台EEG会话期间所观察到的，在图12的上部，在失去行为响应(下文中，称作“LOBR”)之后并且异丙酚浓度仍在增加期间发生的慢波振荡饱和是明显的。在图12的下部，为了进行分析，组平均fMRI血氧水平依赖(下文中，“BOLD”)响应分为三个感兴趣的时间区域——LOBR之前、在LOBR和慢波振荡饱和之间以及慢波振荡饱和期间。

虽然行为转变(LOBR)与明显降低和听觉及伤害性输入(例如，刺激疼痛感觉皮层、脑岛、扣带回皮层)相关的若干皮层区域内的激活相关联，但是现在无响应受试者的丘脑和初级皮层处理区域存在明显的活动性(图12，中间图)。相反，如使用fMRI所确定的(图12，右侧图)，到慢波振荡饱和的EEG转变尤其与失去丘脑和初级皮层激活相关联。

慢波振荡的ON状态与纺锤体活动性一致。丘脑神经元在alpha频带下的反射(振荡)被称作纺锤体。alpha频带在8到14Hz之间。参考图9，在慢波振荡饱和的同时存在alpha频带内的活动性示出了如由fMRI数据所示的感知故障与通过“丘脑开关”解释的不同，这是因为丘脑对话清楚地存在。

参考图14，在LOBR之后纺锤体活动性的存在特定于alpha频带内的特定频率。低频纺锤体(LFS，8-10Hz，示出为最浅的)在后期无响应阶段期间普遍度增加。具体地，10Hz纺锤体伴随SWAMP或甚至略微地在饱和之前。高频纺锤体(HFS，12-14Hz，示出为最深的)在LOBR之前，并在无响应阶段中较早地达到峰值。

参考图15，在后期无响应阶段期间，在地形图中示出了LFS的地形差别(蓝色0％-红色100％)大多在额叶，与图8中慢波振荡的先前地形图一致。

参考图16，比较慢波振荡和LFS的时间动态特性示出了明显的相似性。LFS的峰值普遍度发生在慢波振荡饱和点之前，并且可以在无响应阶段中遵循慢波振荡的上升和稳定状态的形式；如此，可以将LFS用作用于定义饱和的进一步标记。HFS(12Hz，示出为最浅的)的峰值普遍度在慢波振荡饱和点之前，但是不遵循慢波振荡的形式，可作为LFS的附加或独立于LFS，将HFS用作用于定义饱和的标记。

参考图13，针对激光(上图)和听觉刺激(下图)，由对预先慢波振荡饱和以及在LOBR时段期间的慢波振荡饱和的混合效果平均组减法结果来提供对这种丘脑传入神经阻滞的支持。因此，慢波振荡饱和发生于发生功能传入神经阻滞和真实感知失去时。

假定脑部在丘脑皮层隔离之外既不是未激活的也不是无响应的，听觉和伤害性刺激与特定BOLD信号改变相关。这种激活不在感测丘脑皮层系统中，而是涉及楔前叶、后顶叶和额叶皮层的网络。最近对具有感知的改变状态的患者的重要功能成像研究已经报告了在该网络中的活动性最先示出在恢复的同时新陈代谢和血流增加。楔前叶与后顶叶、扣带和额叶皮层区域具有丰富的相互连接，但是不直接突出到首要躯体感测皮层、脑干核或中继或关联丘脑核。然而，在中间线和内侧丘脑核之间存在连接，所述连接在控制意识方面具有重要作用。实验结果认为在该网络内的活动性反映了当丘脑皮层网络对外部输入具有耐药性时发生觉醒的能力。

总之，实验结果示出了当慢波振荡饱和时，从外部感测输入发生丘脑皮层隔离。这种神经生理学定义的转变是麻醉状态的潜在的受欢迎的生物标记，在所述麻醉状态下，发生缺少对感测事件的感性认知。

参考图4，通过附图标记100一般地示出了检测针对人的真实感知失去状态的神经生理学标记的方法的另一示例。通过相应的附图标记来指定与示例10的方法步骤相应的方法步骤。使用脑电图仪14来执行所述方法。以与方法10相同的方式来确定方法100中慢波振荡的活动性。

一般地，处理器18监测(块118)慢波振荡的活动性。

检测到紧跟有慢波振荡饱和(块122)的慢波振荡活动性的正梯度(块120)。正梯度是每秒稳定水平的0到5％之间(在所示示例中：大约每分钟2％到6％之间)，饱和时的活动性是在40％到80％之间。正梯度可以取决于药物剂量方法或其它参数(或受其影响)，所述其它参数包括与诱发真实感知失去的装置相关的参数，例如，生理因素(如呼吸率和心率)和/或心理变化。在进行这种检测时，将饱和点标识为(块124)人进入真实感知失去的状态的标记。从数据库19获得取决于年龄、性别、外科焦虑、特性焦虑、人额叶的灰质体积、最近睡眠不足、睡眠行为和睡眠紊乱(和其他这种因素)的参数，以便帮助检测标记。

在真实感知失去状态(块126)期间，如先前所执行的(块118)，继续监测慢波振荡(SWO)活动性。

处理器18还检测人离开真实感知失去状态的标记，所述标记具有慢波振荡在慢波振荡饱和之后的活动性的负梯度的形式。在进行这种检测时，将负梯度的起始标识为(块130)人离开真实感知失去的标记。负梯度是每秒稳定水平的0％到5％之间(在所示示例中：大约每分钟2％到6％之间)。负梯度可以取决于药物剂量方法或其它参数(或受其影响)，所述其它参数包括与诱发真实感知失去的装置相关的参数，例如，生理因素(如呼吸率和心率)和/或心理变化。从数据库获得取决于年龄、性别、外科焦虑、特性焦虑、人额叶的灰质体积、最近睡眠不足、睡眠行为和睡眠紊乱的参数，以便帮助检测标记。

通常这些参数值取决于人头皮上慢波振荡的最大功率。所述参数包括分别针对正梯度、饱和度和负梯度的根据年龄、性别、外科焦虑、特性焦虑、人额叶的灰质体积、最近睡眠不足、睡眠行为和睡眠紊乱的组合的范围值。例如，可以通过MRI扫描来确定额叶中的灰质的体积(cm³)。

如图5到13所示的实验证据阐述了慢波振荡与人的意识水平明显相关。可以想到的是，当意识受到药物或病理伤害时，将慢波振荡的活动性和对慢波活动性饱和的检测用作意识失去和恢复的生物标记。监测慢波活动性提供一种患者特定的目标药物水平，以便进行更好的麻醉剂管理。

尽管从使用麻醉剂异丙酚进行麻醉的受试者获得了实验证据，然而可以想到的是，还可以使用其他麻醉剂来执行所述用于检测人真实感知失去的状态的方法。具体地，经由GABA(A)受体进行作用的其他麻醉剂在头皮脑电图中引起慢波振荡进行相似活动性，所述活动性在更多地接触麻醉剂的情况下达到最大点或饱和点(在失去言语响应之后)。这种麻醉剂包括例如七氟烷、异氟烷和地氟烷的氟烷以及例如硫喷妥钠的巴比土酸盐。可以将药剂的组合(按照顺序或实施或二者组合)用于麻醉。

对慢波活动性测量和慢波活动性饱和检测的潜在使用包括：在手术室和加护病房中滴定镇定和麻醉，研究新的镇定或麻醉药剂，以及在这一所标识的关键时间点进行自动监测睡眠和引导科学研究以便加深从神经科学角度对感知的理解。意识是无所不在的并且是重要的，使得所述潜在使用是广泛的，包括但不限于诊断和治疗意识发生改变的疾病、研究新的药物、研究改善意识的新策略、以及研究检测意识和警惕水平的改变的设备。

饱和度方面的个体内变化可能与解剖脑部因素、脑部功能连接性因素和/或生化因素相关。例如，在异丙酚作为麻醉剂的情况下，基线GABA和谷氨酸脑神经递质水平可以与生化因素相关。在其他示例中，脑干、皮层区域和/或脑叶和皮层褶皱之间的连接性可以是解剖脑部因素。这些因素可以帮助预测特定个体的饱和度。

现将详细描述用于确定慢波振荡的饱和时间点和饱和度的过程。

对于时频分析，使用多窗谱分析(使用)来计算在0.5-30Hz范围内的频率功率谱，其中窗口尺寸＝3秒且步阶尺寸＝4秒。计算EEG绝对值和相对功率在感兴趣的特定频带内(即，beta(15-30Hz)、alpha(9-14Hz)、theta(4-8Hz)和慢波(0.5-1.5Hz))的阶段性改变。慢波(SW)功率时间序列被定义为在慢波范围(0.5-1.5Hz)内的相对功率，下文中也被称作慢波活动性(SWA)。在多个通道上对活动性进行平均。使20阶的中值滤波器来执行时间平滑。

通常，在所有可用通道之间对活动性(包括SWA)进行平均(每个通道与具有特定装配坐标的电极相关联，例如，如图2所示)。在一种变形中，所述活动性与电极位置相关联。这样可以提供关于脑部特定区域中的活动性的信息。在一个示例中，对额叶电极通道进行平均，并对顶叶电极通道进行平均，以及比较所述额叶和顶叶活动性。在另一示例中，将在单个电极通道处的活动性与在所有可用通道之间进行平均的活动性进行比较。在另一示例中，将相邻电极的通道、双极测量或任意数目的电极进行比较。双极或平均参考可以分别被用来指示电活动性中的全局和局部改变(尤其是关于慢波和alpha频带改变)。单个电极之间(具体地，额叶电极和顶叶电极之间)的电压差被用来确定真实感知失去。

为了标识频率特定改变的相关地形分布，使用样条插值法，针对感兴趣的实验时间区域之间的每个频带计算每个电极坐标处的平均EEG。

为了去除眨眼假象，使用对VEOG通道进行解析的自动算法(Brain Vision Analyser Version 2.0)来识别眨眼。通过将数据域约束为眨眼附近的时间区间，使用独立分量分析(ICA)来从其余EEG通道移除眨眼假象。

作为时间的函数，SW功率时间过程采用具有三个区间的S型曲线。首先是低SW功率的基线时段，其次是SW功率的稳定提升，最终是稳定时段(慢波活动性饱和，或SWAS)。

使用以下等式来对这种时间过程进行建模：

$R\left(t\right)=a+\frac{b}{1+\exp (-(t-c)/d)}$

其中{a，b，c，d}是拟合到数据的自由参数。在上式中，t表示时间(分钟)。

前2个参数(a和b)与在基线和SWAS处的活动性水平相关。参数c和d与SWA时间过程的动态性(例如，提升时段的定时)相关。

基线和SWAS水平通过以下等式与自由参数相关：

R_baseline＝R(-∞)＝a

R_swas＝R(∞)＝a+b

使用约束优化例程(中的fmincon)来优化自由参数，其对模型和数据Y之间的误差平方和进行最小化：

E＝∑_t(Y(t)-R(t))².

将参数初始化为：a＝perc(Y，0.05)，b＝perc(Y，0.95)-perc(Y，0.05)，c＝25，d＝3.5；其中“perc”意味着百分位。

将参数约束为在以下范围内：1＜a＜100；1＜b＜100；1＜c＜100；1＜d＜10。

对以上量(E)进行最小化提供了一种针对自由参数的最大概然(ML)解，因此，给出了对SWA饱和度R_SWAS的估计。

图17示出了在60分钟时段内来自一个受试者的SW功率时间过程的示例。可以清楚地看出所述三个阶段(基线、提升、SWAS)。同样以红色线示出了模型拟合。

将贝叶斯理论和拉普拉斯近似用于估计SWA稳定状态的置信区间，将这些置信区间用于估计定时。要估计的重要时间为如图17所示的T_rise和T_SWAS。

为了估计所估计参数的不确定性，使用贝叶斯推理。令Ω表示自由参数的集合，即，Ω＝{a，b，c，d}。贝叶斯定义允许在给定数据Y的情况下计算Ω的后验分布：

Pr(Ω|Y)∝Pr(Y|Ω)Pr(Ω).

通过下式(假定高斯噪声)给出概率函数P(Y|Ω)：

$\mathrm{Pr}\left(Y\right|\mathrm{\Ω})\∝{\mathrm{\Π}}_t\exp (-\frac{0.5{(Y\left(t\right)-R\left(t\right))}^2}{{\mathrm{\σ}}^2}),$

其中σ2是噪声方差，其经验性地计算为剩余方差。先验分布Pr(Ω)是均匀分布。拉普拉斯近似被用于计算参数集Ω的后验协方差矩阵。所述近似采用以下形式：

Pr(Ω|Y)～N(Ω_ML，S).

该式是对后验分布的局部近似，其是以最大似然解(即，具有均值ΩML)为中心的高斯分布，协方差矩阵是S＝H-1*2*σ2，其中H是4x4矩阵。

$H=\left(\begin{array}{cccc}{H}_{\mathrm{aa}}& H_{\mathrm{ab}}& H_{\mathrm{ac}}& H_{\mathrm{ad}}\\ H_{\mathrm{ab}}& H_{\mathrm{bb}}& H_{\mathrm{bc}}& H_{\mathrm{bd}}\\ H_{\mathrm{ac}}& H_{\mathrm{bc}}& H_{\mathrm{cc}}& H_{\mathrm{cd}}\\ H_{\mathrm{ad}}& H_{\mathrm{bd}}& H_{\mathrm{cd}}& H_{\mathrm{dd}}\end{array}\right).$

通过下式给出以上矩阵的元素：

$H_{\mathrm{xy}}=\underset{t}{\mathrm{\Σ}}{2R}_x\left(t\right)R_y\left(t\right)-2(Y\left(t\right)-R\left(t\right))R_{\mathrm{xy}}\left(t\right).$

以上矩阵依赖于R(t)相对于参数Ω＝{a，b，c，d}的一阶和二阶导数。以下明确地给出这些导数(矩阵R_xy是对称的，仅给出了下部的对角元素)。

R_a＝1

R_b＝1/(X+1)

R_c＝-(bX/(d(X+1)²))

R_d＝(bX(c-t))/(d²(X+1)²)

R_aa＝0

R_ab＝0

R_ac＝0

R_ad＝0

R_bb＝0

R_bc＝-X/(d(X+1)²)

R_bd＝(X(c-t))/(d²(X+1)²)

R_cc＝(2bX²)/(d²(X+1)³)-(Xb)/(d²(X+1)²)

R_cd＝(Xb)/(d²(X+1)²)-(2bX²(c-t))/(d³(X+1)³)+(Xb(c-t))/(d³(X+1)²)

R_dd＝(2bX²(c-t)²)/(d⁴(X+1)³)-(bX(c-t)²)/(d⁴(X-1)²)-(2bXc-t))/(d³(X+1)²)

在上式中，X是时间的函数，由下式给出：

$X\left(t\right)=\exp \left(\frac{c-t}{d}\right).$

上式允许针对模型参数计算局部协方差矩阵S。该矩阵可以用于计算针对基线和SWAS两者的后验方差。在计算S的元素的过程中，仅使用H的对角元素。这样增加下述线上推理的鲁棒性。

由于这两个稳定状态是模型参数的线性组合(R_baseline＝a，R_SWAS＝a+b)，在拉普拉斯近似的情况下，它们的边际后验分布也是高斯分布。两个稳定状态的标准差为：

$\begin{array}{c}{\mathrm{\σ}}_{\mathrm{baseline}}=\sqrt{S\left(\mathrm{1,1}\right)}\\ {\mathrm{\σ}}_{\mathrm{swas}}=\sqrt{S\left(\mathrm{1,1}\right)+S\left(\mathrm{2,2}\right)}\end{array}.$

将标准差的以上测量值用于确定定义了SW功率开始增加的时刻的时间点T_rise。

根据拉普拉斯近似，T_rise被定义为当前建模的时间过程超过基线估计+2个标准差的时刻。图18示出了这一点。SWA数据180被用于获得最佳拟合曲线182。基线估计184关联到两个标准差的上边际186。将T_rise188定义为最佳拟合曲线182和上边际186的交叉点。

为了确定发生SWAS的重要时刻(T_SWAS)，针对下量使用实时跟踪：

$f\left(t\right)=\frac{1}{1+X\left(t\right)},$

其中X(t)＝exp((c(t)-t)/d(t))是上文中在线下模型中定义的。量f(t)在0和1之间变化，当达到稳定状态(SWAS)时接近1。

将T_SWAS被确定为是f(t)以超过约95％的置信度(2个标准差)超过0.9的时刻。图19示出了这一点。f(t)190关联到两个标准差中的下边际192。将T_SWAS 196定义为f(t)190的0.9水平194和下边际192的交叉点。

使用误差传播理论来计算f(t)的置信区间。通过以下公式给出针对f(t)的时间相关方差估计：

$\mathrm{var}\left(f\left(t\right)\right)=\sqrt{R_c^{2}S\left(\mathrm{3,3}\right)+R_d^{2}S\left(\mathrm{4,4}\right)},$

其中S是按照上文定义的针对所有四个模型参数的协方差矩阵。下式明确给出了偏导数R_c和R_d：

$R_c=-\frac{X\left(t\right)}{d\left(t\right){(1+X\left(t\right))}^2},$

$R_d=\frac{X(c-t)}{d{\left(t\right)}^2{(1+X\left(t\right))}^2}.$

图20示出了这种线下分析的鲁棒性，其中为16个受试者估计了定时参数。用垂直的线来表示通过算法获得的T_rise和T_SWAS。与相对更有噪声的SWA数据的比较示出了所述分析结果表示对T_rise和T_SWAS的合理选择。

上述算法使用预先记录的数据。可以使用相同模型对SWA数据进行实时分析，以使得当受试者接收麻醉剂时能够实时监测受试者的响应。在这种情况下，可以后续分析数据(后续学习)，其中每个新数据点被用于按照以下内容更新后验分布：

Pr(Ω|Y₁，Y₂，...，Y_n-1，Y_n)∝Pr(Ω|Y₁，Y₂，...，Y_n-1)Pr(Y_n|Ω).

基本上，当新的数据点到达时，后验分布(给定数据点{Y1，...Yn-1})变为先验分布。

由于最初若干数据点包含很少的关于数据整体形状(例如，SWAS稳定状态)的信息，所以需要关于模型参数的信息先验值(prior)。

针对所有四个参数的高斯先验值(先验独立)按照如下使用：

Pr(a，b，c，d)＝Pr(a)Pr(b)Pr(c)Pr(d)

＝N(m_a，s_a)N(m_b，s_b)N(m_c，s_c)N(m_d，s_d)，

其中{ma，mb，mc，md}＝{16，38，24，3.5}且{sa，sb，sc，sd}＝{4，10，4，1}。这些值来自使用线下模型(具有统一先验值)对16个受试者进行拟合，采用拟合参数的平均和标准差作为新的受试者的后续数据的先验值。

在这一后续学习过程中，参数估计是时间的函数(即，a＝a(t)，b＝b(t)，c＝c(t)，d＝d(t))。因此。模型预测和针对两个稳定状态的预测也是随着时间变化的。

以与线下估计相同的方式定义T_rise和T_SWA，但是此次使用对自由参数的实时估计。图21和22示出了对这些定时对线上数据分析(上图)和线下数据分析(下图，如图18和19所示)的曲线拟合和估计的比较。图23示出了线上和线下定时估计之间的比较。在所示样本数据集中，两个线上估计都早于对应的线下估计。

由于引入了信息高斯先验值，所以对角元素S的公式与线下推理是不同的：

$S_{\mathrm{xx}}={(\frac{H_{\mathrm{xx}}}{{2\mathrm{\σ}}^2}+\frac{1}{{\mathrm{\σ}}_x^2})}^{-1}.$

以下列出了用于估计线上参数和定时的算法。

-初始化Ω：Ω＝先验值均值，当前区间＝’baseline’

-对于每个新的时间点：

*添加新的数据点并更新后验分布

*更新模式预测

*使用拉普拉斯近似计算协方差矩阵S

*使用误差传播来计算基线方差和var(f(t))

-If model prediction＞baseline+2*std(baseline)

＞＞Current interval＝Rising

＞＞T_rise＝current time

-If f(t)+2*std(f(t))＞0.95

＞＞Current interval＝Saturation

＞＞T_SWAS＝current time

根据上述线上数据分析，能够检测受试者对麻醉剂的实时响应，以及调整麻醉剂剂量以便维持剂量以使得慢波活动性处于或接近所述慢波饱和稳定状态。所述方法具有以下优点：确保对患者进行最优麻醉，既不使用高于必要的剂量(可以影响术后恢复，对发病率和死亡率具有短期和长期影响)，也不使用过低剂量(可以与术中意识相关联，引起长期精神负担)。

现在更详细地描述用于维持最优麻醉剂量以确保慢波活动性处于或接近所述慢波饱和稳定状态的系统。

所述系统可以操作在两个模式中：闭合回路和非闭合回路。闭合回路系统使用所测量的SWA(以及alpha振荡)来改变药物剂量以实现SWAS目标。非闭合回路系统允许监控EEG SWA，以使得可以手动地实现对药物剂量的改变以及目标，例如，类似于脑电双频谱指数监测器。两个模式可以使得能够实现临床需要的灵活性和由于增加伤害性输入或药理变动而需要的药物剂量的自然振荡。如果需要，闭合回路系统可以具有永久性的手动控制。

图24和25在上图中示出了描绘剂量随时间改变(例如，药物实施速率、或麻醉水平、或有效部位浓度)的图。在下图中，描绘了同时检测到的相对慢波活动性随时间的改变。在图24中，示出了麻醉剂的示例，其中所述麻醉剂具有对SWA产生几近瞬时(或至少非常迅速地)药剂效果的药效学和药物动力学特性。在图25中，示出了针对麻醉剂的示例，其中所述麻醉剂具有对SWA产生延迟的药剂效果的药效学和药物动力学特性。可以在系统中考虑这种延迟，以确保正确确定SWAS。对检测到的相对慢波活动性的分析通知270剂量，所述剂量影响272SWA。

针对闭合回路麻醉检测以便发现最优药剂的步骤包括：

1.检查EEG信号的完整性，例如电极松散、超范围或电压过低。相应地设置EEG电极参考配置，例如，双极、平均、指示和拉普拉斯参考。改变所预期的电压范围，并针对具有低电压EEG信号的患者，对电学参数(包括定义和突发抑制比)进行适当调整。

2.向系统键入患者简档(例如，年龄、性别、体重、外科焦虑特性、特质焦虑属性、先前麻醉史(包括紧急术前麻醉史)等)。

3.键入要使用的麻醉药物。这样加载了适合的基于人口的药动力学/动态模型，并基于平均剂量响应提供SWAS的预期范围，给出了在具有所指定的患者简档(包括年龄和体重)的个体中针对该药物的SWAS水平。还可以使用药动力学/动态模型来根据药物实施速率确定有效部位浓度。

4.使用数据库和临床经验(尤其是处理并发症的经验)确定开始的麻醉剂剂量252，并开始快速注入250到这种水平252。开始的剂量252大大低于针对给定个体所预期的饱和度。在图24和25所示的示例中，在快速注入阶段250期间，在SWA开始增加之前，最初几乎不会观察到对SWA的效果。可包括滞后阶段253，其中将剂量维持在开始剂量水平252，例如以使得慢波活动性稳定，和/或评估药物实施和对SWA的药效之间的延迟255。滞后阶段253可以引起SWA显示稳定状态，然而，所述稳定状态不是SWAS(由于其不是最大稳定状态，并且没有实现饱和，增加剂量将导致SWA进一步增加)。

5.然后，使用较缓的剂量斜坡256来靠近SWAS，所述斜坡256是根据初始开始的药物剂量252和药动力学/药效学模型确定的。在图24和25所示示例中，在较缓的剂量斜坡阶段256期间，SWA增加254。

6.在较缓的剂量斜坡阶段256期间，使用上述贝叶斯SWAS检测算法来在监测突发抑制比(参照下文步骤7)的同时分析和监测EEG记录，以便检测增加的慢波活动性水平。实时算法指示SW频带内的相对功率何时增加，并具体地提供可以指示SWA何时示出增加的斜率的指示符。当实现SWAS水平260时，能够改变药物剂量(例如，改变药物输送的速率)以便将药剂精调为最优剂量258(发生SWAS的水平处或略高或附近的药物剂量258)。这种精调(或“递进”)阶段262可以考虑给定麻醉药物的药效学和药动力学特性，并可相应地改变步长，以便针对血-脑屏障两端的传输和药物通过身体组织的重新分布的考虑适当的速率常数。在精调阶段262中，观察到接近最优的剂量，其中剂量速率在最优剂量258附近增加和减少。降低至最优剂量258以下引起SWA降至SWAS 260以下，增加到最优剂量258处或以上将引起SWA维持在SWAS 260。因此，随着剂量在最优剂量258周围波动，SWA临时降至SWAS下方。在精调(或“递进”)阶段262中，所述药剂最初超过最优剂量258，然后一旦实现了饱和，则使所述剂量再次降至最优剂量258以下。当SWA再次降至饱和状态以下时，再次增加所述剂量以便超过最优剂量258，此时超过的剂量比上次迭代过程中更少。重复所述处理以便以更高的精度迭代式地接近最优剂量258。

7.发生对突发抑制比的同时监测。突发抑制的特征在于交替突发时段和抑制或等电位EEG时段。抑制时段可被定义为大于0.5秒持续时间的低电压EEG时段，其中幅值为±5微伏。针对突发抑制分析，可以评估总功率，或仅评估特定频带内的功率。突发抑制比BSR被定义为处于抑制状态的时间与研究的总历元(epoch)长度的比率，其中100％的突发抑制比表示EEG静寂。可以根据初始信号的质量调节相对SWA幅度，其中假定在所述相对SWA幅度以下发生抑制。用于BSR评估的测量窗口或历元还取决于环境依赖/消除药物的半衰期，从而可以根据该依据而改变。

8.由于在剂量＞SWAS时发生突发抑制，所以如果BSR高于阈值，则这指示所输送的药物剂量超过所需量。BSR的值和根据贝叶斯算法剂量对个人SWAS响应简档的了解指示已经针对特定药物的药物动力学和药效学模型调整过的步长。

9.一旦已经确定了针对该个体的SWAS水平，则将该值存储在相关联的数据库内，以便可以更快速地针对确定该个体的SWAS以用于进一步的麻醉，并还可以将所述值用于改善SWAS范围的总体估计，以便降低发病率和死亡率。

10.可以基于特定药物药动力学和药效学模型来估计受试者的脱离(Emergence)。可以考虑其它因素(包括观察到的SWA)来预测受试者的脱离。

在一种变形中，可以将药剂维持在高于与上述SWAS相关联的最优剂量258的水平，以及与特定BSR阈值相关联的水平。

在一种变形中，可以关于对SWA响应的效果来最优化药物实施的速率。例如，高的药物实施的速率可以引起SWAS和最优剂量之间的迟滞，低的药物实施的速率对于确定最优剂量来讲是更受欢迎的。还可以将受试者因素用于通知药物实施。例如，焦虑的受试者可能需要较高剂量来失去意识，可以将开始剂量252和较缓的剂量斜坡阶段256调整为预期的在SWAS时的较高剂量。

在一种变形中，将与不同可能受试者特性(例如，年龄、性别、额叶的灰质体积、外科焦虑、特性焦虑、先前的麻醉历史、最近睡眠不足、睡眠紊乱和睡眠行为)相关的大量不同先验值存储在数据库中，针对特定受试者简档确定并选择最适合的先验值。接着将所选的先验值用于贝叶斯SWAS检测算法。

在一种变形中，基于观察到在从诱发感知失去期间的SWA，预测在从感知失去脱离期间的行为。例如，考虑在诱发时SWA增加的梯度，以便估计被用于表明所述脱离的SWA降低。在另一示例中，考虑在结束诱发时的剂量-SWAS迟滞，以便估计在开始所述脱离时的迟滞。可以将受试者信息用于通知对个体SWAS响应简档的预测，可选地，通过适用于受试者信息的药物动力学和药效学模型。在这种方式下，可以使用受试者信息来预测例如诱发或脱离感知失去是否具有相似或不相似的SWA行为，预期SWA行为有多不相似。例如，焦虑的受试者可以显示相对较慢的诱发以及相对较快的脱离。使用受试者信息可以实现基于在诱发期间对SWA的观察更准确和可靠地预测脱离行为。

在一种变形中，对来自alpha频带的信息进行评估，以便增加贝叶斯SWAS检测算法中的置信度。具体地，可以评估多个因素，例如alpha频带活动性的饱和、alpha频带内的功率比和纺锤体活动性。对来自alpha频带的信息的评估可以提供除了评估SWA信息之外的针对感知失去和最优药物剂量的其他指示。可以将所述指示符组合为单个指示符，或可以将它们视为是单独的。只有在两个指示符一致，或一个指示符可被另一指示符重写时，才能认为所述指示符是可靠的。具有最佳置信的最优指示符可以取决于受试者参数。

在一种变形中，SWA与电极位置相关联。例如，所述SWA可以提供指示：尽管观察到全局的SWAS，然而在脑部的特定区域内还没有实现SWAS。例如，在这种情况下，可以将剂量增加到高于认为是最优剂量的值。在其它示例中，可以确定当观察到顶叶SWAS时，实现了最优剂量。在其它示例中，可以确定当观察到额叶alpha频带活动性饱和时，实现了最优剂量。

在一种变形中，针对受试者实施麻醉剂的组合。例如，如果贯穿该过程维持所述组合(例如，总是将特定比例的异丙酚与特定比例的氟烷组合)，则与使用单个麻醉剂的情况相似，寻找针对该组合的最优剂量。在其它示例中，第一麻醉剂(例如，异丙酚)用于诱发麻醉，将第二麻醉剂(例如，氟烷)用于在感知失去之后维持麻醉。在这种情况下，实施第一麻醉直到观察到SWAS，与使用单个麻醉剂的情况相同。此后，在增加第二麻醉的剂量的同时，降低第一麻醉的剂量。为了确保维持最优药物剂量，可以使用换算，所述换算根据来自数据库的已知数据的帮助，规定与特定剂量的第一麻醉剂相等同的适当剂量的第二麻醉剂。备选地或附加地，维持麻醉包括剂量略微超过最优剂量并接着观察到SWAS的时段，以及剂量略微低于最优剂量并接着SWA再次低于饱和的时段。由于麻醉剂成分改变，调整剂量以便维持SWA在SWAS附近波动。

在一种变形中，卡尔曼滤波被用于SWAS检测算法，代替上述贝叶斯检测算法，具体地，用于当确定了饱和度时，维持在SWAS。

针对单独受试者记录的数据受到线下分析，以便确定SWAS水平，并向中央数据库上传所述数据以及其它个体间特性(例如，根据磁共振以及伴有的手术和麻醉数据)，以使得能够更好地估计要发生的SWAS的预测剂量(针对初始阶段)。

图26示出了具有剂量控制单元300的SWAS系统14，其用于维持最优麻醉剂量以便确保慢波活动性在所述SWAS稳定状态下或在所述SWAS稳定状态附近。

图27示出了例示SWAS系统14所采用的过程的流程图。检索并输入关于个体间特性和患者参数404的线下数据，以便使用数据库中与相关参数404有关的线下已知数据预测针对给定患者的SWAS水平402。这种参数404可以包括年龄、性别、外科焦虑、特质焦虑、历史SWAS水平、并发症、已知MR数据(例如，脑部的解剖连接性、皮层褶皱、额叶VBM、神经递质水平等)、使用麻醉剂的历史、麻醉剂表型处理的遗传方面、睡眠历史(包括失调、最近的和一般的行为)等。

还通过与临床因素406相关的参数来通知对SWAS水平的预测，将所述参数加载到SWAS预测402。临床因素可以包括所需药物方案(例如，药剂)用于诱发意识丧失和维持意识丧失、预期操作持续时间、预期伤害性负载和/或驱动等。SWAS预测402使用所加载参数(患者参数404和临床参数406)的相关权重以及机器学习(比如支持矢量回归)，以便支持对参数的加权。

在得到了针对给定患者402的SWAS水平的预测的情况下，加载408相关药效学和药动力学模型数据，以便确定初始开始药物剂量410。

当将适合的仪器与患者相连时(例如，EEG、EMG等)，开始414心理和生理监测。在每个电极两端检查信号的完整性，例如，松散电极、超范围或低电压。相应地设置EEG电极配置和参考，例如，双极、平均、指示和拉普拉斯参考。可以执行心理和/或生理监测的全局信号质量，并针对具有低电压EEG信号的患者施加对电参数(包括定义和突发抑制比)的适当调整。对于这些患者，慢全局平均被用作向一部分电学参数施加了调整的指示符，因此，包括突发抑制比的定义。将心理和生理监测信息414用于根据患者、模型和突发抑制比，调整针对患者412预期的EEG电压范围。

因而，可以开始416麻醉剂输送，并继续418对患者的心理和生理监测。例如，通过使用频谱分析、相对谱频率、滤波(例如，使用带通滤波器)等来分析和处理420患者的EEG响应。例如，还可以使用对EEG、EMG和/或ECG等信息的独立分量分析(ICA)420执行去除由于生理活动性(例如，肌肉活动性(已知在delta频带内产生假象的诱因)、心脏活动性、语言动力学、眼部活动性、眨眼等)而引起的假象。

在处理期间，使用针对实时贝叶斯推理的模型、针对维持阶段的实时Kalman滤波模型、突发抑制比来分析来自患者的患者心理和/或生理信息，以便确定剂量输出和电极配置的权重，从而考虑受试者内患者参数的变化424。这种对患者心理和/或生理信息424的分析被用于得到剂量控制以便调整向患者输出的麻醉药物，从而确立SWAS水平422。继续监测患者并根据患者心理和/或生理信息分析424控制药物剂量输出，以便适应个体间的SWAS的变化428。

当SWAS水平稳定时，患者已进入维持阶段430，并继续监测患者418。当监测患者指示SWAS不稳定性时，尝试通过根据维持时段方案434调整剂量输出432，来重新确立对SWAS的稳定维持。维持时段方案434分析患者监测信息，通知对剂量的任意重调以便令患者维持在维持阶段，通过考虑大量因素(包括实时卡尔曼滤波、突发抑制比以及根据需要，如果发生了药剂切换434，则通过使用线上药效学和药动力学模型和数据库计算等同剂量值)来执行该过程。

对患者的监测继续到脱离阶段436。

将在先前步骤记录的来自对患者的监测的数据拟合到线下SWAS模型438。随后更新数据和模型拟合的全局数据库，以便包括任何记录数据440，从而产生新的线下数据以便改善SWAS模型化。

应认识到，以上仅示例性地描述了本发明，可以在本发明的范围内对细节进行多种修改。

权利要求中出现的附图标记仅是示例性地说明，不应具有限制权利要求范围的作用。

Claims (108)

1.一种用于检测人的真实感知失去的状态的设备，所述设备包括：处理装置，可操作为从邻近人的头皮感测到的电信号的信息中检测存在于所述电信号中的振荡的活动性，作为针对人的真实感知失去的状态的标记。

2.根据权利要求1所述的设备，其中所述振荡是慢波振荡和/或alpha振荡。

3.根据权利要求2所述的设备，其中所述处理装置还可操作为检测慢波振荡的饱和，作为针对人的真实感知失去的状态的标记。

4.根据权利要求2或3所述的设备，包括：感测装置，可操作为感测人的头皮上或附近的电信号。

5.根据权利要求2到4中的任一权利要求所述的设备，其中所述处理装置可操作为：检测慢波振荡的活动性的正梯度之后的慢波振荡饱和点，作为人进入真实感知失去的状态的标记。

6.根据权利要求2到5中的任一权利要求所述的设备，其中所述处理装置可操作为：检测慢波振荡的活动性的正梯度的起始，作为人开始失去感知的标记。

7.根据权利要求2到6中的任一权利要求所述的设备，其中所述处理装置可操作为：检测慢波振荡的饱和之后的慢波振荡的活动性的负梯度的起始，作为人离开真实感知失去的状态的标记。

8.根据权利要求2到7中的任一权利要求所述的设备，其中通过将所述信息转变为频域信息来检测慢波振荡的活动性，所述活动性是电信号在慢波频带内的功率占电信号在宽频带内的功率的百分比。

9.根据权利要求8所述的设备，其中所述慢波频带位于0Hz到5Hz之间，优选地位于0Hz到1.5Hz之间，以及所述宽频带包括慢波频带，且位于0Hz到50Hz之间，优选地位于0Hz到30Hz之间。

10.根据权利要求8或9所述的设备，其中与慢波振荡的饱和相对应的活动性在20％到100％之间，优选地在30％到90％之间，更优选地在40％到80％之间。

11.根据权利要求8到10中的任一权利要求所述的设备，其中所述正梯度是每秒稳定水平的0％到5％。

12.根据权利要求11所述的设备，其中所述正梯度取决于药物剂量方案或与诱发真实感知失去的方式有关的其他参数。

13.根据权利要求8到12中的任一权利要求所述的设备，其中所述负梯度是每秒稳定水平的0％到5％。

14.根据权利要求13所述的设备，其中所述负梯度取决于药物剂量方案或与诱发真实感知失去的方式有关的其他参数。

15.根据权利要求2到7中的任一权利要求所述的设备，其中通过将信息转变为频域信息来检测慢波振荡的活动性，所述活动性是慢波频带内的功率。

16.根据权利要求15所述的设备，其中所述慢波频带位于0Hz到5Hz之间，优选地位于0Hz到1.5Hz之间。

17.根据权利要求2到16中的任一权利要求所述的设备，其中对一个或更多个标记的检测取决于人的慢波振荡的最大活动性。

18.根据权利要求2到17中的任一权利要求所述的设备，其中所述处理装置实时评估所检测的活动性。

19.根据权利要求18所述的设备，其中每秒十次地、每秒一次地或每五秒一次地评估所检测的活动性。

20.根据权利要求2到19中的任一权利要求所述的设备，其中所述处理装置将慢波振荡的活动性拟合到模型函数。

21.根据权利要求20所述的设备，其中所述处理装置确定最佳拟合参数。

22.根据权利要求20所述的设备，其中依赖于时间t的模型函数R为其中a、b、c和d是拟合参数。

23.根据权利要求22所述的设备，其中所述模型函数R具有依赖于时间t的归一化模型函数f(t)，其中

24.根据权利要求21到23中的任一权利要求所述的设备，其中用每个新的活动性数据点或用每个新的活动性数据点组来更新最佳拟合参数。

25.根据权利要求21到24中的任一权利要求所述的设备，其中所述处理装置确定与最佳拟合参数相关联的误差值。

26.根据权利要求25所述的设备，其中所述误差值是针对模型函数或归一化模型函数的置信区间或方差估计。

27.根据权利要求25或26所述的设备，其中用每个新的活动性数据点或用每个新的活动性数据点组来更新所述误差值。

28.根据权利要求20到27中的任一权利要求所述的设备，其中所述处理装置通过评估活动性数据点是否在所述模型函数的误差范围内来确定饱和点和/或梯度的起始。

29.根据从属于权利要求25到27中的任一项权利要求的权利要求28所述的设备，其中所述误差范围与误差值相关联。

30.根据权利要求2到29中的任一权利要求所述的设备，其中所述振荡包括慢波振荡和alpha振荡二者。

31.根据权利要求30所述的设备，其中通过将信息转换为频域信息来检测所述alpha振荡的活动性，所述活动性是alpha频带内的功率。

32.根据权利要求30或31所述的设备，其中所述处理装置还可操作为：使用alpha振荡标记作为针对真实感知失去的状态的标记。

33.根据前述任一权利要求所述的设备，其中对一个或更多个标记的检测取决于人的尤其是人的额叶的至少一个特性，比如年龄、性别、人的额叶的灰质的体积、外科焦虑历史、最近睡眠不足、睡眠行为、睡眠紊乱、脑部的解剖连通性、皮层褶皱和神经递质水平。

34.根据权利要求33所述的设备，其中人的至少一个特性中的每个特性与权重相关联。

35.根据权利要求33或34所述的设备，包括包含参数的数据库，所述参数更具体地限定一个或更多个标记中的至少一个，所述参数按照标记取决于年龄、性别、人的额叶的灰质的体积、外科焦虑历史、最近睡眠不足、睡眠行为、睡眠紊乱、脑部的解剖连通性、皮层褶皱和神经递质水平中的至少一个。

36.根据权利要求35所述的设备，其中每个因素与权重相关联。

37.根据前述任一权利要求所述的设备，还包括剂量控制单元。

38.根据权利要求37所述的设备，其中所述剂量控制单元适于：根据针对真实感知失去的状态的标记，改变剂量实施输出。

39.根据权利要求38所述的设备，其中如果标记指示不存在真实感知失去的状态，则所述剂量控制单元改变剂量实施输出以增加剂量。

40.根据权利要求38或39所述的设备，其中如果标记指示存在真实感知失去的状态，则所述剂量控制单元改变剂量实施输出以减少剂量。

41.根据权利要求38或39所述的设备，其中如果标记指示存在真实感知失去的状态，则所述剂量控制单元维持剂量实施输出剂量。

42.根据权利要求38到41中的任一权利要求所述的设备，其中所述剂量控制单元根据药效学和/或药物动力学模型改变剂量实施输出。

43.根据权利要求38到42中的任一权利要求所述的设备，其中所述剂量控制单元将剂量实施输出优化为处于或高于与针对进入真实感知失去的状态的标记相关联的剂量。

44.根据权利要求38到43中的任一权利要求所述的设备，其中所述剂量控制单元确定剂量实施输出的发出和响应于所述剂量实施输出对标记进行观察之间的延迟。

45.根据权利要求38到44中的任一权利要求所述的设备，其中所述剂量实施输出包括指示符。

46.根据权利要求38到45中的任一权利要求所述的设备，其中所述剂量实施输出包括针对剂量驱动设备的驱动输出。

47.根据前述任一权利要求所述的设备，其中所述处理装置还可操作为：检测突发抑制标记，作为针对真实感知失去的状态的标记。

48.根据权利要求47所述的设备，其中所述突发抑制标记是突发抑制率。

49.根据权利要求48所述的设备，其中所述突发抑制率是所检测到的信号处于受抑制状态的时间比率。

50.根据权利要求49所述的设备，其中在受抑制状态中，振荡具有低幅度。

51.根据权利要求50所述的设备，其中在受抑制状态中，慢波振荡和/或alpha振荡具有低幅度。

52.根据权利要求49到51中的任一权利要求所述的设备，其中在受抑制状态中，振荡幅度处于±10微伏、±5微伏或±2微伏的范围内。

53.根据权利要求49到52中的任一权利要求所述的设备，其中在受抑制状态中，持续时间至少是0.2秒、0.5秒或1秒。

54.根据前述任一权利要求所述的设备，包括：感测装置，可操作为感测人的头皮上的或附近的电信号。

55.根据权利要求54所述的设备，其中所述感测装置适于附至人的头皮。

56.根据权利要求54所述的设备，其中所述感测装置适于硬膜下附至人的头皮或附在人的头皮上或上方。

57.根据权利要求54到56中的任一权利要求所述的设备，其中所述感测装置包括用于感测人的额叶的至少一个电极和用于感测人的顶叶的至少一个电极。

58.根据权利要求54到57中的任一权利要求所述的设备，其中所述感测装置包括在具有用于感测人的额叶的高密度的电极的设备上以非均匀分布方式布置的多个电极。

59.根据权利要求56到58中的任一权利要求所述的设备，其中所述感测装置是带或头带。

60.一种用于检测人的真实感知失去的状态的方法，所述方法包括：提供邻近人的头皮感测到的电信号的信息；以及从所述信息中检测存在于电信号中的振荡的活动性，作为针对人的真实感知失去的状态的标记。

61.根据权利要求60所述的方法，其中所述振荡是慢波振荡和/或alpha振荡。

62.根据权利要求61所述的方法，还包括：检测慢波振荡的饱和，作为针对人的真实感知失去的状态的标记。

63.根据权利要求61或62所述的方法，其中提供信息包括感测人的头皮上或附近的电信号。

64.根据权利要求61到63中的任一权利要求所述的方法，包括：检测慢波振荡的活动性的正梯度之后的慢波振荡饱和点，作为人进入真实感知失去的状态的标记。

65.根据权利要求61到64中的任一权利要求所述的方法，包括：检测慢波振荡的饱和之后的慢波振荡的活动性的负梯度的起始，作为人离开真实感知失去的状态的标记。

66.根据权利要求61到65中的任一权利要求所述的方法，其中通过将所述信息转变为频域信息来检测慢波振荡的活动性，所述活动性是电信号在慢波频带内的功率占电信号在宽频带内的功率的百分比。

67.根据权利要求66所述的方法，其中所述慢波频带位于0Hz到5Hz之间，优选地位于0Hz到1.5Hz之间，以及所述宽频带包括慢波频带，并且位于0Hz到50Hz之间，优选地位于0Hz到30Hz之间。

68.根据权利要求66或67所述的方法，其中与慢波振荡的饱和相对应的活动性在20％到100％之间，优选地在30％到90％之间，更优选地在40％到80％之间。

69.根据权利要求66到68中的任一权利要求所述的方法，其中所述正梯度是每秒稳定水平的0％到5％。

70.根据权利要求69所述的方法，其中所述正梯度取决于药物剂量方案或与诱发真实感知失去的方式相关的其它参数。

71.根据权利要求66到70中的任一权利要求所述的方法，其中所述负梯度是每秒稳定水平的0％到5％。

72.根据权利要求71所述的方法，其中所述负梯度取决于药物剂量方案或与诱发真实感知失去的方式相关的其它参数。

73.根据权利要求61到65中的任一权利要求所述的方法，其中通过将信息转变为频域信息来检测慢波振荡的活动性，所述活动性是慢波频带内的功率。

74.根据权利要求73所述的方法，其中所述慢波频带位于0Hz到5Hz之间，优选地位于0Hz到1.5Hz之间。

75.根据权利要求61到74中的任一权利要求所述的方法，其中对一个或更多个标记的检测取决于人的慢波振荡的最大活动性。

76.根据权利要求61到75中的任一权利要求所述的方法，其中所述振荡包括慢波振荡和alpha振荡二者。

77.根据权利要求76所述的方法，其中通过将所述信息转变为频域信息来检测alpha振荡的活动性，所述活动性是alpha频带内的功率。

78.根据权利要求76或77所述的方法，还包括使用alpha振荡标记作为针对真实感知失去的状态的标记。

79.根据权利要求60到78中的任一权利要求所述的方法，其中对一个或更多个标记的检测取决于人的尤其是人的额叶的至少一个特性，比如年龄、性别、人的额叶的灰质的体积、外科焦虑历史、最近睡眠不足、睡眠行为、睡眠紊乱、脑部的解剖连通性、皮层褶皱和神经递质水平。

80.根据权利要求79所述的方法，包括对人的至少一个特性中的每个特性进行加权。

81.根据权利要求79所述的方法，包括提供包含参数的数据库，所述参数更具体地限定一个或更多个标记中的至少一个，所述参数按照标记取决于年龄、性别、人的额叶的灰质的体积、外科焦虑历史、最近睡眠不足、睡眠行为、睡眠紊乱、脑部的解剖连通性、皮层褶皱和神经递质水平中的至少一个。

82.根据权利要求81所述的方法，包括对每个因素进行加权。

83.根据权利要求60到82中的任一权利要求所述的方法，包括：提供感测装置，该感测装置可操作为被附至人的头皮附近并感测电信号；提供处理装置；以及将所述感测装置附至人的头皮附近；所述处理装置处理由感测装置感测到的电信号，所述处理包括检测一个或更多个标记。

84.一种用于检测人的真实感知失去的状态的计算机程序产品，包括软件代码，所述软件代码适于当在数据处理装置上执行时执行以下步骤：从邻近人的头皮感测到的电信号的信息中检测存在于电信号中的振荡的活动性，作为针对人的真实感知失去的状态的标记。

85.根据权利要求84所述的计算机程序产品，其中所述振荡是慢波振荡和/或alpha振荡。

86.根据权利要求85所述的计算机程序产品，适于执行以下步骤：检测慢波振荡的饱和，作为针对人的真实感知失去的状态的标记。

87.根据权利要求85或86所述的计算机程序产品，适于执行以下步骤：检测慢波振荡的活动性的正梯度之后的慢波振荡的饱和点，作为人进入真实感知失去的状态的标记。

88.根据权利要求85到87中的任一权利要求所述的计算机程序产品，适于执行以下步骤：检测慢波振荡的饱和之后的慢波振荡的活动性的负梯度的起始，作为人离开真实感知失去的状态的标记。

89.根据权利要求85到88中的任一权利要求所述的计算机程序产品，其中通过将所述信息转变为频域信息来检测慢波振荡的活动性，所述活动性是电信号在慢波频带内的功率占电信号在宽频带内的功率的百分比。

90.根据权利要求89所述的计算机程序产品，其中所述慢波频带位于0Hz到5Hz之间，优选地位于0Hz到1.5Hz之间，并且所述宽频带包括慢波频带，并且位于0Hz到50Hz之间，优选地位于0Hz到30Hz之间。

91.根据权利要求89或90所述的计算机程序产品，其中与慢波振荡的饱和相对应的活动性在20％到100％之间，优选地在30％到90％之间，更优选地在40％到80％之间。

92.根据权利要求89到91中的任一权利要求所述的计算机程序产品，其中所述正梯度是每秒稳定水平的0％到5％。

93.根据权利要求92所述的计算机程序产品，其中所述正梯度取决于药物剂量方案或与诱发真实感知失去的方式相关的其它参数。

94.根据权利要求89到93中的任一权利要求所述的计算机程序产品，其中所述负梯度是每秒稳定水平的0％到5％。

95.根据权利要求94所述的计算机程序产品，其中所述负梯度取决于药物剂量方案或与诱发真实感知失去的方式相关的其它参数。

96.根据权利要求85到95中的任一权利要求所述的计算机程序产品，其中通过将信息转变为频域信息来检测慢波振荡的活动性，所述活动性是慢波频带内的功率。

97.根据权利要求96所述的计算机程序产品，其中所述慢波频带位于0Hz到5Hz之间，优选地位于0Hz到1.5Hz之间。

98.根据权利要求85到97中的任一权利要求所述的计算机程序产品，其中对一个或更多个标记的检测取决于人的慢波振荡的最大活动性。

99.根据权利要求85到98中的任一权利要求所述的计算机程序产品，其中所述振荡包括慢波振荡和alpha振荡二者。

100.根据权利要求99所述的计算机程序产品，其中通过将所述信息转变为频域信息来检测alpha振荡的活动性，所述活动性是alpha频带内的功率。

101.根据权利要求99或100所述的计算机程序产品，还适于执行以下步骤：使用alpha振荡标记作为针对真实感知失去的状态的标记。

102.根据权利要求85到101中的任一权利要求所述的计算机程序产品，其中对一个或更多个标记的检测取决于人的尤其是人的额叶的至少一个特性，比如年龄、性别、人的额叶的灰质体积、外科焦虑历史、最近睡眠不足、睡眠行为、睡眠紊乱、脑部的解剖连通性、皮层褶皱和神经递质水平。

103.根据权利要求102所述的计算机程序产品，其中人的至少一个特性中的每个特性与权重相关联。

104.根据权利要求103所述的计算机程序产品，包括能够存储参数的数据库，所述参数更具体地限定一个或更多个标记中的至少一个，所述参数按照标记取决于年龄、性别、人的额叶的灰质的体积、外科焦虑历史、最近睡眠不足、睡眠行为、睡眠紊乱、脑部的解剖连通性、皮层褶皱和神经递质水平中的至少一个。

105.根据权利要求104所述计算机程序产品，其中每个因素与权重相关联。

106.一种实质上参考附图在此描述的设备。

107.一种实质上参考附图在此描述的方法。

108.一种实质上参考附图在此描述的计算机程序产品。