DK2642914T3 - Analyse af EEG-signaler til detektering af hypoglykæmi - Google Patents

Claims (13)

1. Computerbaseret fremgangsmåde til detektering af hypoglykæmi eller forestående hypoglykæmi ved analyse af et EEG omfattende indlæsning af et EEG-signal i en computer, i computeren opnåelse fra signalet af en flerhed af komponenter deraf, hvor hver komponent omfatter et andet frekvensbånd, og opnåelse af en måling af den varierende intensitet for hver komponent, opnåelse af et langtidsestimat for middelværdien af hver intensitetsmåling, opnåelse af et langtidsestimat for variabiliteten for hver intensitetsmåling, normalisering af hver intensitetsmåling ved hjælp af en proces, der aritmetisk svarer til subtraktion fra intensitetsmålingen af langtidsestimatet for middelværdien og division af resultatet med langtidsestimatet for variabiliteten for således fra hvert bånd at generere en normaliseret karakteristik, anvendelse af maskinanalyse af de normaliserede karakteristika for at opnå en varierende omkostningsfunktion, klassificering af værdier af omkostningsfunktionen ifølge sandsynligheden for, at omkostningsfunktionen indikerer hypoglykæmi, integrering af de sandsynligheder, der er opnået under et valgt tidsrum, og bestemmelse i computeren om, at EEG-signaleme indikerer, at hypoglykæmi er til stede eller forestående baseret på integrationen.

2. Fremgangsmåde ifølge krav 1, hvor omkostningsfunktionen opnås som en sum af en lineær eller ikke-lineær funktion af de normaliserede karakteristika ved anvendelse af et forhåndsbestemt sæt af afvejningskoefficienter.

3. Fremgangsmåde ifølge krav 1 eller krav 2, hvor hver kostfunktion er klassificeret som en hændelse, der indikerer hypoglykæmi eller som ikke værende en hændelse, der indikerer hypoglykæmi, og hvor integrationen af sandsynligheder udføres ved at integrere antallet af hændelser, der er detekteret i løbet af det valgte tidsrum.

4. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvilken fremgangsmåde endvidere omfatter estimering af en langtidsmiddelværdi af omkostningsfunktionen, estimering aflangtidsvariabiliteten for omkostningsfunktionen og normalisering af omkostningsfunktionen ved hjælp af en proces, der aritmetisk svarer til subtraktion fra omkostningsfunktionen af langtidsestimatet for middelværdien og division af resultatet med langtidsestimatet for variabiliteten for således at generere den normaliserede omkostningsfunktion, og hvor den er den normaliserede omkostningsfunktion, der er klassificeret i klassificeringstrinnet.

5. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvilken fremgangsmåde endvidere omfatter detektering af tidssegmenter af EEG’et, der indeholder signalkontaminerende artefakter, der kan forveksles med hypoglykæmimønstre og udelukkelse af tidssegmenteme fra generering afhændelser, der skal inkluderes i integrationen.

6. Fremgangsmåde ifølge krav 5, hvor tidssegmenteme af det EEG, der indeholder signalkontaminerende artefakter, identificeres ved opnåelse af en sum af en lineær og ikke-lineær funktion af de normaliserede karakteristika ved anvendelse af et forhåndsbestemt sæt af afvejningskoefficienter for at opnå en varierende artefaktdetekteringsomkostningsfunktion og klassificering af hver artefaktdetekteringsomkostningsfunktion ifølge sandsynligheden for, at artefaktdetekteringsomkostningsfunktionen indikerer et artefakt.

7. Fremgangsmåde ifølge krav 6, hvilken fremgangsmåde endvidere omfatter estimering af en langtidsmiddelværdi for artefaktdetekteringsomkostningsfunktionen, estimering af langtidsvariabiliteten for artefaktdetekteringsomkostningsfunktionen og normalisering af artefaktdetekteringsomkostningsfunktionen ved hjælp af en proces, der aritmetisk svarer til subtraktion fra artefaktdetekteringsomkostningsfunktionen langtidsestimatet for middelværdien og division af resultatet med langtidsestimatet for variabiliteten deraf for således at generere den normaliserede artefaktdetekteringsomkostningsfunktion, og hvor det er den normaliserede artefaktdetekteringsomkostningsfunktion, der er klassificeret i klassificeringstrinnet.

8. Fremgangsmåde ifølge et hvilket som helst af de foregående krav, hvor EEG-signalet er opdelt i en sekvens af tidssegmenter og målingen af komponenternes intensiteter opnås for hvert tidssegment.

9. Fremgangsmåde ifølge krav 8, hvor værdierne af omkostningsfunktionen, der er klassificeret, er værdier deraf for hvert af tidssegmenteme.

10. Fremgangsmåde ifølge krav 9, hvor integrationen udføres over et valgt antal af forudgående tidssegmenter, der sammen udgør det valgte tidsrum.

11. Computer programmeret til at acceptere et EEG-signal som et input og til at udføre derpå trinnene med opnåelse fra signalet en flerhed af komponenter deraf, der hver omfatter et andet frekvensbånd, opnåelse af en måling af den varierende intensitet for hver komponent, opnåelse af et langtidsestimat for middelværdien af hver intensitetsmåling, opnåelse af et langtidsestimat for variabiliteten for hver intensitetsmåling, normalisering af hver intensitetsmåling ved hjælp af en proces, der aritmetisk svarer til subtraktion fra intensitetsmålingen af langtidsestimatet for middelværdien, og division af resultatet med langtidsestimatet for variabiliteten for således fra hvert bånd at generere en normaliseret karakteristik, anvendelse af maskinanalyse af de normaliserede karakteristika for at opnå en varierende omkostningsfunktion for hvert tidssegment, klassificering af værdier af omkostningsfunktionen ifølge sandsynligheden for, at omkostningsfunktionen indikerer hypoglykæmi, integrering af de sandsynligheder, der er opnået under et valgt tidsrum, og bestemmelse i computeren om, at EEG-signaleme indikerer, at hypoglykæmi er til stede eller forestående baseret på integrationen.

12. Maskininstruktionssæt indeholdende instruktioner til at bevirke, at en kompatibel computer udfører trinnet med modtagelse, som et input, af et EEG-signal og til at udføre derpå trinnene med opnåelse fra signalet af en flerhed af komponenter deraf, der hver omfatter et andet frekvensbånd, opnåelse af en måling af den varierende intensitet for hver komponent, opnåelse af et langtidsestimat for middelværdien af hver intensitetsmåling, opnåelse af et langtidsestimat for variabiliteten for hver intensitetsmåling, normalisering af hver intensitetsmåling ved hjælp af en proces, der aritmetisk svarer til subtraktion fra intensitetsmålingen af langtidsestimatet for middelværdien og division af resultatet med langtidsestimatet for variabiliteten for således fra hvert bånd at generere en normaliseret karakteristik, anvendelse af maskinanalyse af de normaliserede karakteristika for at opnå en varierende omkostningsfunktion, klassificering af værdier af omkostningsfunktionen ifølge sandsynligheden for, at omkostningsfunktionen indikerer hypoglykæmi, integrering af de sandsynligheder, der er opnået under et valgt tidsrum, og bestemmelse i computeren om, at EEG-signaleme indikerer, at hypoglykæmi er til stede eller forestående baseret på integrationen.

13. Apparat til detektering af hypoglykæmi eller forestående hypoglykæmi ved analyse af et EEG, hvilket apparat omfatter ét eller flere EEG-målende elektroder til indsamling af et EEG-signal, en computer til modtagelse af EEG-signaleme, hvilken computer er programmeret til at udføre trinnene med opnåelse fra signalet af en flerhed af komponenter deraf, hvor hver komponent omfatter et andet frekvensbånd, opnåelse af en måling af den varierende intensitet for hver komponent, opnåelse af et langtidsestimat for middelværdien af hver intensitetsmåling, opnåelse af et langtidsestimat for variabiliteten for hver intensitetsmåling, normalisering af hver intensitetsmåling ved hjælp af en proces, der aritmetisk svarer til subtraktion fra intensitetsmålingen af langtidsestimatet for middelværdien og division af resultatet med langtidsestimatet for variabiliteten for således fra hvert bånd at generere en normaliseret karakteristik, anvendelse af maskinanalyse af de normaliserede karakteristika for at opnå en varierende omkostningsfunktion, klassificering af værdier af omkostningsfunktionen ifølge sandsynligheden for, at omkostningsfunktionen indikerer hypoglykæmi, integrering af de sandsynligheder, der er opnået under et valgt tidsrum, og bestemmelse i computeren om, at EEG-signaleme indikerer, at hypoglykæmi er til stede eller forestående baseret på integrationen.