CN1359656A - 评估脑皮层中神经元损伤程度的方法与装置 - Google Patents
评估脑皮层中神经元损伤程度的方法与装置 Download PDFInfo
- Publication number
- CN1359656A CN1359656A CN01143662A CN01143662A CN1359656A CN 1359656 A CN1359656 A CN 1359656A CN 01143662 A CN01143662 A CN 01143662A CN 01143662 A CN01143662 A CN 01143662A CN 1359656 A CN1359656 A CN 1359656A
- Authority
- CN
- China
- Prior art keywords
- cortex
- dipolar nature
- assessment
- damage degree
- standard deviation
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000006378 damage Effects 0.000 title claims description 32
- 206010012289 Dementia Diseases 0.000 claims abstract description 34
- 210000004761 scalp Anatomy 0.000 claims abstract description 23
- 210000003128 head Anatomy 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 10
- 238000009434 installation Methods 0.000 claims 1
- 230000000737 periodic effect Effects 0.000 claims 1
- 210000004556 brain Anatomy 0.000 abstract description 9
- 239000003814 drug Substances 0.000 abstract description 5
- 230000004770 neurodegeneration Effects 0.000 abstract description 4
- 229940079593 drug Drugs 0.000 abstract description 3
- 230000001537 neural effect Effects 0.000 abstract description 3
- 230000003925 brain function Effects 0.000 abstract 1
- 230000001054 cortical effect Effects 0.000 abstract 1
- 230000001771 impaired effect Effects 0.000 abstract 1
- 238000012544 monitoring process Methods 0.000 abstract 1
- 238000012216 screening Methods 0.000 abstract 1
- 230000002123 temporal effect Effects 0.000 abstract 1
- 238000012360 testing method Methods 0.000 description 15
- 208000024827 Alzheimer disease Diseases 0.000 description 13
- 230000000694 effects Effects 0.000 description 12
- 210000002569 neuron Anatomy 0.000 description 10
- 230000015654 memory Effects 0.000 description 7
- 230000003933 intellectual function Effects 0.000 description 6
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 206010039966 Senile dementia Diseases 0.000 description 3
- 230000001149 cognitive effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000002405 diagnostic procedure Methods 0.000 description 3
- 230000006996 mental state Effects 0.000 description 3
- 230000003961 neuronal insult Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 208000029028 brain injury Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 206010012374 Depressed mood Diseases 0.000 description 1
- 230000036982 action potential Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000003050 axon Anatomy 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000003727 cerebral blood flow Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002651 drug therapy Methods 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 238000004070 electrodeposition Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012812 general test Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000008821 health effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000000051 music therapy Methods 0.000 description 1
- 230000036403 neuro physiology Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Images
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]
-
- 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
- A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
- A61B5/245—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetoencephalographic [MEG] signals
-
- 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
-
- 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
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- 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
-
- 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
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Psychiatry (AREA)
- Neurology (AREA)
- Psychology (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Neurosurgery (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
痴呆对象脑中的神经元活动在皮层表面范围内变为不均匀而这个不均匀性通过适当分析观察到的头皮电位灵敏地加以探测。本发明涉及用于数值地探测这种神经元退化程度的计算机算法与装置。选择一个EEG的适当频率分量使得在正常对象情况下它的头皮电位变为平滑。当脑功能受损时,探测到空间中神经元活动的不均匀性以及经适当滤波的EEG(通常为α分量)观察到的头皮电位中的瞬时波动。从这个适当地选择的EEG分量的偶极性值导出的统计参数确定脑的状态,通过把得到的参数同它们的门限值比较判断对象是正常人或处于早期痴呆的痴呆人。本发明提供一种用于灵敏地筛查与监测痴呆发展并使能最佳化治疗与处理痴呆的可靠、廉价、容易运用与无侵犯性的方法。
Description
发明背景
[0001]发明领域
本发明涉及可用于早期评估老年性痴呆症的评估脑皮层中神经元损伤程度的的方法与装置。
[0002]相关技术描述
关于老年性痴呆症,统计表明约有30%的九十多岁的人处于疾呆状况下。这种老年性痴呆成为正到来的老龄化社会的一个严重问题。
因此,应最好在它导致严重状态之前尽早地发现与处理这种痴呆症。常规通过下列各种人工方法进行对痴呆症的判断:(1)Hasegawa痴呆评定量表(HDS)
HDS方法是为了从正常老年人中甄别患痴呆症的老年人而设计的。HDS由无智力失常的正常老年或老龄人能较容易地回答的问题组成。此方法通常可在5-10分钟内完成。[0003]
这些问题包括例如“记忆与记录”等11个项目,主要项目为“定向”、“计算”与“一般普通常识”。在提问项目通过比率的基础上,根据难度,对分数进行预先确定的加权。
此外还使用经修改的评估项目,以修订的Hasegawa痴呆评定量表(HDS-R)代替HDS,在此方法中可进行他/她是否单独确认自己生日的检验。(2)国家智力研究痴呆筛查试验(测验)
此国家智力研究痴呆筛查试验(测验)是一个关于从健康老人中精确甄别被怀疑痴呆的老人的标准简化试验。[0004]
即是说,这是一个使由卫生护士领导的医务人员能容易地使用、给出标记与普查人们以便在各地区内进行卫生活动以找出患有早期痴呆症的可疑人员并适当地劝告与指导他们的筛查检验。此外,此筛查试验还可供在流行病学调查时普查之用。(3)N型智力功能检验
N型智力功能检验是一个旨在通过在关于记忆、定向与计算问题的基础上加入关于概念形成、图表重复、空间识别、运动构成功能等等问题以测定广泛范围内的智力功能的老年人智力功能检验。[0005]
此试验可用于区别智力功能的老年改变是由正常老化还是由失常痴呆引起的。然而,此试验的主要目的在于对被怀疑痴呆的老年人进行检验。由于这个原因,制备此试验以便在一个包括五个分段即正常、边缘、较度痴呆、中度痴呆与严重痴呆的宽范围内评估痴呆程度(水平)。(4)智力状况调查表(MSQ)
此智力状调查表是在1958年为了大规模调查纽约市内在家老年人而制定的。由于调查的对象是在社交上、体力上与智力上彼此十分不同的许多人,因此调查的目的是简单地、客观地与容易地进行,并提供一个关于智力功能失常的可靠指数。[0006]
至于MSQ的问题项目,从包括关于定向、记忆、计算、对几百人的预备测验的一般与个人资料的问题中选择了大部分可区别的问题项目。一半问题项目由定向测验项目组成,而另一半问题项目由一般记忆测验项目组成,所以重点放在定向测验(orientation test)。(5)小型智力状态检验(MMSE)
此MMSE制定成短的与标准化的量表(scale),用于如图11中所示的住院病人的神经生理学检验。[0007]
提出了如下其它各种活动观察量表(观察方法):(6)Ezawa的“老年人智力的临床判断标准”;(7)功能评定分段测验(FAST);(8)临床痴呆评定(CDR);(9)GBS量级(量表);(10)老年人的N智力状态量级(MN量表)。[0008]
在上述现有技术的痴呆判断方法中,发现MMSE是一个保证固定的可靠性的方法,因为图1中横坐标上的MMSE得分变为越小,从尸检得到的神经元损失比率N变为越大,结果确保相互的关系。然而,由于此方法采用一个其中总是由医生在会面中检查对象(病人)的测验方式,因而有如下问题:[0009]
①由于存在询问者,回答大大地依赖于询问者与对象之间的特定人际关系。因而不总是被客观地与精确地得到,导致判断结果的偏差。
②当对象被重复检验时,他或她可能知道检验内容,以致不能得到客观的判断结果。[0010]
③有时对象拒绝回答。
由此可见,在现有技术诊断方法中,尚未提出一种用于区别早期痴呆病人与正常人的客观方法。而且,为了将它用于疾呆筛查,必须在短时间内、低成本下与容易处理的情况下实施诊断方法。然而,包括上述方法的现有技术方法尚未提出一个使能早期诊断痴呆病人的切实可行的方法。[0011]
此外,应用上述SPECT、PET以及诸如此类的方法需要极短寿命的的放射性同位素材料,需要一个回旋加速器作为此系统的一部分,从而导致极高的成本。
发明概述
因此本发明的一个目的是提供用于评估脑皮层中神经元损伤程度的使能客观地判断早期痴呆而不用人介入判断的廉价的方法与装置。[0012]
众所周知,人的思想、认识、回忆、愉快/不愉快、智力疲劳、压力以及诸如此类依赖于脑中许多神经元的电活动。[0013]
即是说,认为脑中信号的传输通过神经轴突上的有效电位脉冲的传输进行,且信号的内容被编码为脉冲的频率。当动作电位脉冲到达刺激性的突触时,电流流出连接的神经元,通过神经元外部的组织,然后返回至最初的细胞体。由于此电流流动与单个电流偶极子流动十分相同,因而可用单个等效的电流偶极子代替个别神经元的电活动。[0014]
如果受激的神径元集中在比较受限的位置上,它们的电活动可由一个或多个这样的等效电流偶极子来近似。
为了找出这样的电流偶极子,计算每次当一个或多个具有任意磁矩的电流偶极子任意地放置在头部内时在头皮上的EEG(MEG)传感器位置出现的电位(或磁场强度),并计算出计算的电位与传感器测量的电位(或磁场)之间误差的均方值。[0015]
电流偶极子运动直至得到平方误差均值变为最小时的位置、方向与数值,因此做为一个等效偶极子。
如果由于阿耳茨海默氏(Alzheimer)症的结果在皮层内的神经元活动中出现不均匀性,此不均匀性出现在头皮电位中。由于头皮电位分布是平滑的,偏离此给定的平滑电位的偏差的均方值反映皮层中不均匀的神经元活动。此平滑度由给定的时间周期内的平均偶极性(dipolarity)(测量电位的等效偶极子的近似程度)以数字给出。[0016]
本发明以日本专利公开NO.3-42897、日本专利申请公开No.3-99630、日本专利No.2540728以及诸如此类文献中指出的已知技术为基础。
在根据这些基本技术开发的本发明中,很清楚,随机处理的动差(moment)即一个关于偶极性的时间变化的统计,或关于α波的平均偶极性具有一个通过它可区别正常与痴呆的门限值(阈值)。因此,量化痴呆症尤其是阿耳茨海默症与以一定的灵敏度与特征性区别正常与痴呆成为可能。[0017]
而且,平均偶极性随时间波动。这反映神经元活动的不稳定性(标准偏差)。不稳定性通常随着痴呆发展而增大。指示这个平均偶极性波动的标准偏差同样有一个门限值,如果标准偏差变为大于门限值,可判定对象患阿耳茨海默症。[0018]
这个平均偶极性“d”与标准偏差SD之间的关系表示在图2的脑损伤图中。平均偶极性与标准偏差的门限值把图划分为四个区域①-④。第二与第四区域②、④分别指示阿尔茨海默症与正常。
图3A与3B表示头部的MRI剖面,并表示由计算机摸拟得到偶极性值,其中白色区域内神经元被受激。图3A表示一个正常例子,其中在白色区域范围内神经元活动均匀而平均偶极性指示一个大值“99.862”,尽管被激的神经元散布在这样大部分的范围内。同样,图3B模拟白色区域被不活动的神经元分隔的患阿尔茨海默症的脑子,其中平均偶极性低至“97.057”。[0019]
因此,通过得到每个等效偶极子的上述平均偶极性“d”,可图示如图1中的特性由线表示的平均偶极性“d”与神经元损失比率N。曲线N是根据阿尔茨海默病人的尸检结果与尸检前的临床数据评估的。[0020]
此外,通过上述的SPECT清楚了α分量的平均偶极性同作为颞颥与颞顶叶的皮层的规定区域内的脑血流流量高度相关,这对早期阿尔茨海默症有特殊意义。
另一方面,在通过使用脑传感器或脑磁传感器测定脑波例如α波的情况下,由于认为波源分布在两个脑半球上,可采用两个等效偶极子。然而,尽管需要两个等效偶极子以便确定活动神经元的位置,但单个等效偶极子足以判断偶极性。[0021]
因此,本发明的发明者单独分析了如作为例子的图4-7中表示的假定头部为球形的情况(参看图4与6)与头部为真实形状的情况(参看图5与7),在假定单个等效偶极子的情况(参看图4与5)与假定两个效偶极子情况(参看图6与7)的两个模型中,从中发现了各种情况中连接α分量的偶极性值的峰值的包络线彼此一致。
[0022]
即是说,在单个等效偶极子情况下,等效偶极子失量的位置在头部中线附近,这与两个等效偶极子的情况不同。然而,发现了平均偶极性“d”的峰值互相间没有大的差别。且峰值由真实形状或由球形获得不造成大的差别。[0023]
一种评估脑皮层中神经元损伤程度的方法,其特征在于通过在对象的头皮上安装许多EEG传感器以探测对象头皮电位,把头皮电位变换为数字数据以获得一个偶极性,进而得到一个关于偶极性的时间变化的统计作为对象的痴呆程度的参数,并输出这些参数。[0024]
而且,在根据本发明的评估脑皮层中神经元损伤程度的方法中,可通过一个终端装置探测头皮电位,可把头皮电位数据通过通信线路发送至运算中心,然后把可在运算中心确定的为痴呆评估所需要的参数通过通信线送回至终端装置以输出。[0025]
一种根据本发明的用于制备神经元损伤图的装置可包括许多安装在对象头皮上的EEG传感器,一个用于把EEG传感器的输出信号变换为数字数据以得到一个偶极性与用于得到关于作为对象痴呆程度参数的偶极性的时间变化的统计的计算单元,与一用于输出这些参数的输出单元。[0026]
而且,在根据本发明的用于评估脑皮层中神经元损伤程度的装置中,EEG传感器与输出单元可在终端装置内提供,计算单元可在运算中心内提供,而终端装置与运算中心可通过通信线连接。
本发明可提供一个由计算机执行的程序。为自动判断脑的活动,此程序备有以下步骤;根据通过安装在对象头皮上的许多EEG传感器或MEG传感器探测到的对象头皮电位的数字数据确定一个偶极性;判断一个作为对象痴呆程度参数的关于偶极性的时间变化的统计;并输出这些参数。[0027]
此外,本发明还提供一个其特征在于记录上述程序的计算机可读记录媒体。
上述方法,相应的装置,相应的程序,与相应的记录媒体,可应用如下各种方式:[0028]
上述偶极性可包括一个值,它是在提取数据中的一个预定的频率分量之后,以此预定频率分量为基础,每次当确定一个或多个等效偶极子时指示近似程度的值,其中假定在头部中的、在传感器位置形成的一个或多个电流偶极子的电位分布与由数据表示的传感器测量的电位之间的均方误差平均值变为最小。
在此情况下头部可应用球形头部摸型。[0029]
关于统计,可使用随机处理动差(moment)或每次当通过取样得到许多偶极性时指示一个固定数目峰值的平均值的平均偶极性。另一方法,由于标准偏差高度相关地随着平均偶极性的减小而增大,因而可使用指示波动的标准偏差代替平均偶极性以得到相同的结果。[0030]
平均偶极性或标准偏差可通过使用一个预定频率分量内而不只是在α分量内的信号来得到。
数据可通过使用MEG传感器代替EEG传感器来得到,并且用磁场代替电位。[0031]
另外,可通过把平均偶极性同一个预定的门限值比较,通过把标准偏差同一个预定的门限值比较,或通过平均偶极性与标准偏差之间的相互关系,来判断对象是正常或痴呆。
此外,可通过平均偶极性与标准偏差之间的关系判断痴呆的种类与程度。[0032]
偶极性值可根据一个较复杂的头部模型的许多等效偶极子导出,尽管计算变为较复杂。
本发明以高可靠性、高灵敏度、容易操作、无侵犯性、短的要求时间与低成本优于其它的现有诊断方法例如MMSE、SPECT等。
附图简述
图1是一个由本发明的发明者得到的表示相对于MMSE值的偶极性(平均值)“d”与神经元损失比率N的曲线图;
图2是一个本发明的发明者得到的表示用于判断正常/痴呆的平均偶极性与它的标准偏差之间的关系的神经元损伤图;
图3A与3B是表示在一个正常人与一个痴呆人的头部得到的单个等效偶极子的图;
图4是一个表示根据本发明在一个均匀导体的球形头部模型上计算的单个等效偶极子的偶极性曲线图,产生神经元损伤图,相应的装置,相应的程序与相应的记录媒体;
图5是一个表示为实现本发明的在假定头部为真实形状与使用单个等效偶极子情况下的偶极性曲线图;
图6是一个表示为实现本发明的在假定头部为球形与使用两个等效偶极子情况下的偶极性曲线图;
图7是一个表示为实现本发明的在假定头部为真实形状与使用两个等效偶极子情况下的偶极性曲线图;
图8是一个表示本发明的一个实施例的框图;
图9是一个表示本发明的一个改型的框图;
图10是一个表示本发明中的计算单元的处理程序的流程图;与
图11是一个表示现有技术小型智力状态检验(MMSE)的表。
在所有附图中,相同的参考标记表示相同的或相当的部件。[0033]
实施例描述
图8表示一个根据本发明的用于自动评估脑皮层中神经元损伤程度的实施例与相应的装置。
在此实施例中,首先在头部1上安装包括例如21个传感器的一组EEG传感器或MEG传感器2以测量头皮电位,或对象在适当布置传感器的地方带上一顶帽子。注意在此情况下即使头部假定为球形可按照国际10-20标准布置传感器。[0034]
来自传感器2的测量电位通过放大器3与多路复用器4供给模拟/数字(A/D)变换器5,以便通过输入界面(I/F)15把数字化的测量电位(EEG)数据供给计算机10。注意输入界面15对数据进行付里叶变换以执行一个预定的滤波处理,从而只取出α分量并起动后面的处理。应注意本发明不受α分量的限制。[0035]
在计算机10中,CPU11通过总线12连接ROM13、RAM14、输入界面15与输出界面16。
上述ROM13是一个贮存用于确定等效偶极子的上述程序以及诸如此类的媒体,而RAM14是一个用于贮存来自数字转换器23、键盘24与A/D变换器5的EEG数据的存贮器。[0036]
注意可使用如下的这样一种布置:如图9中表示,脑波数据从只是在此情况下充当数据传输终端装置的计算机10的界面17通过因特网或诸如此类的通信线41发送至作为计算(运算)单元的运算中心42,在此运算中心42分析的结果通过通信线41再次送回至临床点内的计算机10,然后从输出单元例如CRT31与打印机32输出此结果,以便医生应用此结果作为诊断用的材料,在此情况下,程序与记录媒体在运算中心内提供。[0037]
一个贮存图1与2中所示的曲线图的特性数据的外部存贮器25连接输入界面15。显示计算机10运算结果(MMSE值做为痴呆程度)的CRT或诸如此类的显示器31与打印显示在显示器31上数据与波形的打印机32连接至输出界面16作为输出单元。注意所有程序以及诸如此类可只贮存在ROM13内而不使用外部存贮器25。[0038]
现在将参照图10中所示的流程图描述上述布置形式的实施例的运作。
在首先如图8与9中所示在头部1上布置传感器2(在步骤S1)之后,接通电源(未表示)以起动计算机10(在步骤S2)。[0039]
然后,从外部存贮器25读出用于各种工作的程序、用于信号处理的程序以及诸如此类程序贮存在计算机10的RAM14中(在步骤S3)。这些程序可预先贮存在计算机10内的永久存贮器ROM13中。[0040]
然后,通过有21个安装在头部1上传感器的传感器2以固定的取样时间间隔进行以脑内神经元活动为基础的电位测量(在步骤S4)。
之后,通过数字滤波处理分离在规定频率带宽例如α带内有峰值的EEG分量(在步骤S5)。[0041]
计算头皮上所有取样测量电位的等效偶极子(在步骤S6)。
即,在步骤S6,如上述,计算机10的CPU11计算在头皮上电极位置的在假定偶极子放置在头部内预定位置情况下由例如单个电流偶极子产生的电位(Vc),得到相对于在步骤S4测量的电位(Vm)的均方误差的平均值,得此造成均方误差平均值的电流偶极子的位置与磁矩,并重复这些处理直至均方误差收敛至等于或小于参考值。当均方误差收敛至等于或小于参考值时,在此位置的电流偶极子作为等效偶极子以将此位置贮存在RAM14中。[0042]
注意在上述方程(1)与(2)中,M表示传感器2的数目,而Vma与Vca分别表示测量值的平均值与计算值的平均值。
于是,提取对于例如每10ms取样的头皮上的每个测量电位得到的偶极性值“d”的固定数目的峰值(参看图3-6)例如200个峰值,以得到平均值=“平均偶极性或平均α偶极性”(在步骤S8)。[0046]
把平均α偶极性同预定的门限值比较。当平均α偶极性大于门限值时,判断对象为正常。当平均α偶极性小于门限值时,判断对象为痴呆状态(在步骤S9)。另一方法,把标准偏差同门限值比较,以便判断对象为正常或痴呆(在步骤S10)。或以其边界取决于判断可靠性百分比的区域(其中门限值与可靠性百分比之间的关系由灵敏度—特征性曲线确定)取代门限值。
另一方法,在表示平均偶极性“d”与标准偏差SD之间关系的图2的脑损伤图中,在第二区域②内判定对象患阿耳茨海默症,而在第四区域④内判定对象为正常(在步骤S11)。这些判断结果输至作为输出单元的CRT31或打印机32。根据至今的临床数据,此方法的灵敏度与特征性(specificity)约为70%。[0047]
如上所述,根据本发明设置了用于评估脑皮层中神经元损伤程度的方法、相应的装置、相应的程序与相应的记录媒体,以便通过偶极性峰值的统计特性立即与客观地确定对象是正常或是痴呆。在这些处理中确定一个或多个等效偶极子,其中假定在头部内在EEG传感器位置形成的一个或多个电流偶极子的电位分布同测量的电位之间的均方误差的平均值取得最小;例如,每次当通过取样得到的许多偶极性峰值的一个固定数目峰值的平均值(平均偶极性)与指示峰值波动性的标准偏差二者中至少一个。[0048]
而且,当判定对象为疾呆时,可评估痴呆的程度。此外,由于可数值地评估剂量对痴呆与认知恢复的作用,可选择对每个病人最佳的投药法,可在短时间内确定药剂的数量与频率,从而可采用各种认知恢复的最佳方法。[0049]
药物治疗、认知恢复等等前后的偶极性值的平均值的变化使能由此测定各自的效果。
此外,通过分析α波的偶极性的时间变化可预测痴呆程度的未来发展。[0050]
不同于现有技术检验方法的判断结果,本发明使应用一个低成本的装置客观地、精确地与迅速地判断痴呆程度成为可能,所以可得到如下特殊效果:
(1)通过约3分钟的EEG测量,可检测阿尔茨海默症的发展状态。[0051]
(2)可对所有老年人简单地进行早期痴呆症的筛查。由于早期治疗对于延迟痴呆症发作是有效的,它有助于控制老年痴呆的人数。这大大地有助于经济效益与减轻护理病人家庭的负担。[0052]
(3)由于推测对控制与治疗阿耳茨海默症有效的药物的效果可立即测定,它可用于开发治阿尔茨海默症的新药物。
(4)可客观地测定各种疗法例如艺术疗法、音乐疗法与园株疗法的效果。[0053]
(5)可客观地鉴别痴呆程度。
(6)可容易地非侵犯地应用于痴呆筛查。
Claims (33)
1.一种评估脑皮层中神经元损伤程度的方法包括步骤:
通过在对象的头部上安装多个EEG传感器或MEG传感器探测对象的头皮电位,
把头皮电位或磁场变换为数据以得到一个偶极性,
获得一个作为对象痴呆程度的关于偶极性的时间变化的统计,与输出这些参数。
2.如权利要求1中所述的评估脑皮层中神经元损伤程度的方法,其中偶极性包括一个在提取数据中的一个预定频率分量之后,以此预定频率分量为基础,当确定一个或多个等效偶极子时指示近似程度的值,其中假定在头部内的一个或多个电流偶极子在传感器位置形成的电位分布与由数据表示的传感器的测量电位之间的均方误差的平均值变为最小。
3.如权利要求2中所述的评估脑皮层中神经元损伤程度的方法,其中头部包括一个球形模型。
4.如权利要求1中所述的评估脑皮层中神经元损伤程度的方法,其中统计包括一个随机处理的动差。
5.如权利要求1中所述的评估脑皮层中神经元损伤程度的方法,其中统计包括平均偶极性与标准偏差中的至少一个,平均偶极性表示当通过取样得到许多偶极性时一个固定数目峰值的平均值,标准偏差表示峰值的波动。
6.如权利要求5中所述的评估脑皮层中神经元损伤程度的方法,其中通过使用一个在α频率带宽内作为预定频率分量的信号得到平均偶极性或标准偏差。
7.如权利要求5或6中所述的评估脑皮层中神经元损伤程度的方法,其中通过把平均偶极性值或α偶极性值同一个预定的门限值比较来评估对象是正常或痴呆。
8.如权利要求5或6中所述的评估脑皮层中神经元损伤程度的方法,其中通过把标准偏差同一个预定的门限值比较来评估对象是正常或痴呆。
9.如权利要求5或6中所述的评估脑皮层中神经元损伤程度的方法,其中通过平均偶极性与标准偏差之间的相互关系评估对象是正常或痴呆。
10.如权利要求5或6中所述的评估脑皮层中神经元损伤程度的方法,其中通过平均偶极性与标准偏差之间的关系判断痴呆的种类与程度。
11.如权利要求1至10中之任一所述的评估脑皮层中神经元损伤程度的方法,其中通过一个终端装置探测头皮电位,通过一条通信线把数据发送至运算中心,然后通过通信线把必需的参数送回终端装置用于痴呆的评估。
12.一种评估脑皮层中神经元损伤程度的装置包括:
多个安装在对象头部上用于探测对象头皮电位的EEG传感器或MEG传感器,
一个用于把EEG传感器的输出信号变换为数据以得到平均偶极性与用于得到偶极性(峰)值的统计动差作为对象痴呆程度参数的计算单元,与一个用于输出这些参数的输出单元。
13.如权利要求12所述的评估脑皮层中神经元损伤程度的装置,其中计算单元提取数据中的一个预定频率分量,并以此预定频率分量为基础,当确定一个或多个等效偶极子时使用一个指示近似程度的值作为偶极性,其中假定在头部内的一个或多个电流偶极子在传感器位置形成的电位分布和用数据指示的传感器的测量电位之间的均方误差的平均值变为最小。
14.如权利要求13所述的评估脑皮层中神经元损伤程度的装置,其中头部包括一个球形模型。
15.如权利要求12所述的评估脑皮层中神经元损伤程度的装置,其中计算单元使用随机处理的动差作为统计资料。
16.如权利要求12所述的评估脑皮层中神经元损伤程度的装置,其中计算单元使用平均偶极性值或它的在记录传感器的某一周期范围内围绕平均值的标准偏差作为统计资料。
17.如权利要求16中所述的评估脑皮层中神经元损伤程度的装置,其中计算单元在作为预定频率分量的α频率带宽内得到平均偶极性值或围绕平均值的偶极性值的标准偏差。
18.如权利要求16或17中所述的评估脑皮层中神经元损伤程度的装置,其中计算单元通过把平均偶极性值同一个预定的门限值比较判断对象是正常或痴呆。
19.如权利要求16或17中所述的评估脑皮层中神经元损伤程度的装置,其中计算单元通过把标准偏差同一个预定的门限值比较判断对象是正常或痴呆。
20.如权利要求16或17中所述的评估脑皮层中神经元损伤程度的装置,其中计算单元通过平均偶极性与标准偏差之间的相互关系判断对象是正常或痴呆。
21.如权利要求16或17中所述的评估脑皮层中神经元损伤程度的装置,其中计算单元通过平均偶极性与标准偏差之间的关系判断痴呆的种类与程度。
22.如权利要求12至21中之任一所述的评估脑皮层中神经元损伤程度的装置,其中传感器与输出单元在终端装置内提供,计算单元在运算中心内提供,而终端装置与运算中心通过一条通信线互相连接。
23.一个评估脑皮层中神经元损伤程度的计算机程序,使计算机执行步骤:
根据通过安装在对象头部上的许多EEG或MEG传感器探测到的对象头皮电位数据确定一个偶极性,
确定一个关于偶极性的时间变化的统计作为对象痴呆程度参数,与输出这些参数。
24.如权利要求23中所述的计算机程序,其中在提取数据中的一个预定频率分量之后,以此预定频率分量为基础,当确定一个或多个等效偶极子时偶极性指示一个近似程度,其中假定在头部内的一个或多个电流偶极子在传感器位置形成的电位分布和用数据指示的传感器的测量电位之间的均方误差的平均值变为最小。
25.如权利要求24所述的计算机程序,其中头部包括一个球形模型。
26.如权利要求23所述的计算机程序,其中统计包括随机处理的动差。
27.如权利要求23所述的计算机程序,其中统计包括平均偶极性与标准偏差中的至少一个,平均偶极性表示当通过取样得到许多偶极性时一个固定数目峰值的平均值,标准偏差表示峰值的波动。
28.如权利要求27所述的计算机程序,其中通过使用一个预定的α频率带内的信号得到平均偶极性或标准偏差。
29.如权利要求27或28所述的计算机程序,其中通过把平均偶极性同一个预定的门限值比较判断对象是正常或痴呆。
30.如权利要求27或28所述的计算机程序,其中通过把标准偏差同一个预定的门限值比较判断对象是正常或痴呆。
31.如权利要求27或28所述的计算机程序,其中通过平均偶极性与标准偏差之间的相互关系判断对象是正常或痴呆。
32.如权利要求27或28所述的计算机程序,其中通过平均偶极性与标准偏差之间的关系判断痴呆的种类与程度。
33.一种计算机可读记录媒体,用于记录如权利要求23至32中之任一所述的程序。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP383581/2000 | 2000-12-18 | ||
JP2000383581 | 2000-12-18 | ||
JP043311/2001 | 2001-02-20 | ||
JP2001043311A JP3581319B2 (ja) | 2000-12-18 | 2001-02-20 | 脳活動自動判定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1359656A true CN1359656A (zh) | 2002-07-24 |
CN100333688C CN100333688C (zh) | 2007-08-29 |
Family
ID=26606007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB01143662XA Expired - Fee Related CN100333688C (zh) | 2000-12-18 | 2001-12-17 | 评估脑皮层中神经元损伤程度的装置 |
Country Status (8)
Country | Link |
---|---|
US (1) | US6741888B2 (zh) |
EP (1) | EP1216656B1 (zh) |
JP (1) | JP3581319B2 (zh) |
KR (1) | KR100846397B1 (zh) |
CN (1) | CN100333688C (zh) |
AT (1) | ATE418911T1 (zh) |
DE (1) | DE60137185D1 (zh) |
HK (1) | HK1047688A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109614932A (zh) * | 2018-12-12 | 2019-04-12 | 西安科技大学 | 基于脑电场变化机理的环境识别方法、矿用头盔及云平台 |
CN109864733A (zh) * | 2019-01-16 | 2019-06-11 | 漫迪医疗仪器(上海)有限公司 | 心脑异常的检测方法、系统、介质及设备 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3581361B1 (ja) * | 2003-02-17 | 2004-10-27 | 株式会社脳機能研究所 | 脳活動測定装置 |
JP4387720B2 (ja) * | 2003-07-28 | 2009-12-24 | 株式会社浜松早期認知症研究所 | 痴呆検査装置、痴呆検査サーバ、痴呆検査クライアント、および痴呆検査システム |
US20050159671A1 (en) * | 2003-12-18 | 2005-07-21 | Sneddo & Associates Inc. | Method for diagnosing, detecting, and monitoring brain function including neurological disease and disorders |
US7647098B2 (en) * | 2005-10-31 | 2010-01-12 | New York University | System and method for prediction of cognitive decline |
CA2657407A1 (en) * | 2006-07-06 | 2008-01-10 | Regents Of The University Of Minnesota | Analysis of brain patterns using temporal measures |
GB0613551D0 (en) * | 2006-07-07 | 2006-08-16 | Diagnostic Potentials Ltd | Investigating neurological function |
US20080021340A1 (en) * | 2006-07-19 | 2008-01-24 | Mika Sarkela | Detection of focal epileptiform activity |
US20080159365A1 (en) * | 2006-12-22 | 2008-07-03 | Branislav Dubocanin | Analog Conditioning of Bioelectric Signals |
JP5077823B2 (ja) * | 2008-01-23 | 2012-11-21 | 横河電機株式会社 | 脳活動解析方法 |
DE102011122025A1 (de) * | 2011-12-22 | 2013-06-27 | Universitätsklinikum Hamburg-Eppendorf | Vorrichtung und System zur Bestimmung von Gehirnaktivitäten |
US8986014B2 (en) | 2012-04-19 | 2015-03-24 | Brian Murray | Evidence-based, neuro-congnitive testing methodology, protocols and systems |
US20130338429A1 (en) * | 2012-06-13 | 2013-12-19 | LifeMusic, Inc. | Producing Audio Output for Music Therapy |
KR101317040B1 (ko) * | 2012-09-03 | 2013-10-11 | 한양대학교 산학협력단 | 정상인에서 경도인지장애, 알츠하이머 환자로의 진행에 따른 디폴트 모드 네트워크의 기능적 변화 패턴 구분 방법 및 시스템 |
JP2016517325A (ja) | 2013-03-15 | 2016-06-16 | サイモン、アダム、ジェイ. | 多面的生理的刺激を行うシステムおよびシグネチャ、および脳の健康評価 |
JP2016521998A (ja) * | 2013-03-15 | 2016-07-28 | サイモン、アダム、ジェイ. | 脳の健康のマルチモーダル薬物診断評価 |
WO2016013596A1 (ja) * | 2014-07-22 | 2016-01-28 | 株式会社 脳機能研究所 | 脳活動測定装置、プログラム、及び方法 |
US12042293B2 (en) * | 2016-09-27 | 2024-07-23 | Mor Research Applications Ltd. | EEG microstates analysis |
KR102089137B1 (ko) * | 2018-02-08 | 2020-03-13 | 인체항노화표준연구원 주식회사 | 뇌파 기반 인지기능 평가 장치 |
JP7460155B2 (ja) * | 2018-11-15 | 2024-04-02 | 公立大学法人広島市立大学 | 脳機能計測装置及び脳機能計測方法 |
KR102358741B1 (ko) * | 2019-10-24 | 2022-02-07 | (주) 지일 | 치매환자의 기억을 기반으로 하는 빅데이터 분석을 통한 치매환자 치료 장치 및 방법 |
US20210287564A1 (en) * | 2020-03-16 | 2021-09-16 | Koninklijke Philips N.V. | System and method for bed partner mediated sleep disorder treatment program |
KR102686027B1 (ko) | 2020-03-24 | 2024-07-18 | (주)메그노시스 | 두뇌 임피던스 패턴을 이용하는 치매 진단 방법 및 시스템 |
WO2023238575A1 (ja) * | 2022-06-06 | 2023-12-14 | 株式会社村田製作所 | 認知機能評価装置、認知機能評価システム |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4862359A (en) * | 1984-08-31 | 1989-08-29 | Bio-Logic Systems Corporation | Topographical mapping of brain functionality from neuropsychological test results |
JPH0342897A (ja) | 1989-07-11 | 1991-02-25 | Fuji Electric Co Ltd | 車両用誘導コイルの収納箱 |
JPH0779804B2 (ja) | 1989-09-13 | 1995-08-30 | 利光 武者 | 等価双極子測定装置 |
JPH0542116A (ja) * | 1991-08-13 | 1993-02-23 | Hitachi Ltd | 生体表面電位分布から生体内電流分布を推定する信号処理方法 |
CN1029294C (zh) * | 1993-11-24 | 1995-07-12 | 山东大学 | 脑电信息反馈脑部疾病治疗仪 |
JP2540728B2 (ja) * | 1994-03-31 | 1996-10-09 | 株式会社脳機能研究所 | 脳活動自動判定装置 |
JP3310498B2 (ja) * | 1994-09-02 | 2002-08-05 | 独立行政法人産業技術総合研究所 | 生体情報解析装置および生体情報解析方法 |
JP3156772B2 (ja) * | 1998-05-07 | 2001-04-16 | 日本電気株式会社 | 生体内部活動領域推定方法、装置及びその記録媒体 |
JP2000279387A (ja) * | 1999-03-31 | 2000-10-10 | Nec Medical Systems Kk | 脳波トポグラフィ表示方法及び脳波波形モニタ装置 |
JP2003265440A (ja) * | 2002-03-12 | 2003-09-24 | Matsushita Electric Ind Co Ltd | 光式皮下脂肪厚測定方法、光式皮下脂肪厚測定装置 |
-
2001
- 2001-02-20 JP JP2001043311A patent/JP3581319B2/ja not_active Expired - Fee Related
- 2001-11-16 EP EP01127200A patent/EP1216656B1/en not_active Expired - Lifetime
- 2001-11-16 DE DE60137185T patent/DE60137185D1/de not_active Expired - Lifetime
- 2001-11-16 AT AT01127200T patent/ATE418911T1/de not_active IP Right Cessation
- 2001-11-21 KR KR1020010072562A patent/KR100846397B1/ko not_active IP Right Cessation
- 2001-11-27 US US09/993,910 patent/US6741888B2/en not_active Expired - Fee Related
- 2001-12-17 CN CNB01143662XA patent/CN100333688C/zh not_active Expired - Fee Related
-
2002
- 2002-12-20 HK HK02109250.4A patent/HK1047688A1/zh unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109614932A (zh) * | 2018-12-12 | 2019-04-12 | 西安科技大学 | 基于脑电场变化机理的环境识别方法、矿用头盔及云平台 |
CN109864733A (zh) * | 2019-01-16 | 2019-06-11 | 漫迪医疗仪器(上海)有限公司 | 心脑异常的检测方法、系统、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
KR100846397B1 (ko) | 2008-07-16 |
JP2002248087A (ja) | 2002-09-03 |
CN100333688C (zh) | 2007-08-29 |
ATE418911T1 (de) | 2009-01-15 |
HK1047688A1 (zh) | 2003-03-07 |
EP1216656B1 (en) | 2008-12-31 |
DE60137185D1 (de) | 2009-02-12 |
US6741888B2 (en) | 2004-05-25 |
KR20020048857A (ko) | 2002-06-24 |
EP1216656A1 (en) | 2002-06-26 |
JP3581319B2 (ja) | 2004-10-27 |
US20020107455A1 (en) | 2002-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1359656A (zh) | 评估脑皮层中神经元损伤程度的方法与装置 | |
CN110876626B (zh) | 基于多导联脑电最优导联选择的抑郁检测系统 | |
JP2540728B2 (ja) | 脳活動自動判定装置 | |
Karthikeyan et al. | Descriptive analysis of skin temperature variability of sympathetic nervous system activity in stress | |
Escudero et al. | Early detection and characterization of Alzheimer's disease in clinical scenarios using Bioprofile concepts and K-means | |
JP2009542351A (ja) | 時間的尺度を使用した脳パターンの解析 | |
CN107705848B (zh) | 一种根据用户健康状况推荐调理方案的方法及系统 | |
Tarumi et al. | Cerebral white matter integrity in amnestic mild cognitive impairment: a 1-year randomized controlled trial of aerobic exercise training | |
Liu et al. | Successful reorganization of category-selective visual cortex following occipito-temporal lobectomy in childhood | |
JP2005021176A (ja) | 脳活動測定装置 | |
Nodera et al. | Deep learning for waveform identification of resting needle electromyography signals | |
Garner et al. | A machine learning model to predict seizure susceptibility from resting-state fMRI connectivity | |
Sun et al. | A novel deep learning approach for diagnosing Alzheimer's disease based on eye-tracking data | |
Baker et al. | Wearable nanocomposite sensor system for motion phenotyping chronic low back pain: a BACPAC Technology Research Site | |
Hossain et al. | MetaParkinson: A Cyber-Physical Deep Meta-Learning Framework for n-Shot Diagnosis and Monitoring of Parkinson's Patients | |
Hernandez et al. | Examining electroencephalogram signatures of people with multiple sclerosis using a nonlinear dynamics approach: a systematic review and bibliographic analysis | |
Adem et al. | Classification of Parkinson's disease using EMG signals from different upper limb movements based on multiclass support vector machine | |
Yang et al. | Analysis and discrimination of surface electromyographic features for Parkinson’s disease during elbow flexion movements | |
Morcom | Re-engaging with the past: recapitulation of encoding operations during episodic retrieval | |
CN116570300A (zh) | 基于运动想象的iTBS启动技术的启动效果确定方法 | |
Cherachapridi et al. | Prescreening MCI and Dementia Using Shank-Mounted IMU During TUG Task | |
Hadiyoso et al. | Comparison of resting electroencephalogram coherence in patients with mild cognitive impairment and normal elderly | |
Tobar et al. | Petri net transition times as training features for multiclass models to support the detection of neurodegenerative diseases | |
Tengshe et al. | Automated Algorithm for Neurodegenerative Disorder Detection Using Gait-Based Features | |
Wójcik et al. | Machine learning pathology detection with a body surface potential mapping |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1047688 Country of ref document: HK |
|
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20070829 Termination date: 20100118 |