EP0957759A1 - Anordnung und verfahren zur ermittlung von schlafprofilen - Google Patents

Anordnung und verfahren zur ermittlung von schlafprofilen

Info

Publication number
EP0957759A1
EP0957759A1 EP97948737A EP97948737A EP0957759A1 EP 0957759 A1 EP0957759 A1 EP 0957759A1 EP 97948737 A EP97948737 A EP 97948737A EP 97948737 A EP97948737 A EP 97948737A EP 0957759 A1 EP0957759 A1 EP 0957759A1
Authority
EP
European Patent Office
Prior art keywords
power density
sleep
characteristic
determining sleep
range
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.)
Withdrawn
Application number
EP97948737A
Other languages
English (en)
French (fr)
Inventor
Rudolf Baumgart-Schmitt
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Axon Schmalkalden GmbH
Original Assignee
Axon Schmalkalden GmbH
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Axon Schmalkalden GmbH filed Critical Axon Schmalkalden GmbH
Publication of EP0957759A1 publication Critical patent/EP0957759A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • 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
    • A61B5/316—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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7232—Signal processing specially adapted for physiological signals or for diagnostic purposes involving compression of the physiological signal, e.g. to extend the signal recording period
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Definitions

  • the invention relates to an arrangement and a method for determining sleep profiles.
  • the resident doctor has no outpatient device available for the objective assessment of the quality of sleep, and he is therefore dependent on the subjective information of his patients.
  • the current status of pre-diagnosis consists in answering the questions in a questionnaire on the subjective information about the previous history (sleep history), in particular on the type of sleep disorders.
  • the pre-diagnosis is carried out with an outpatient actometer. This registers the movements of the arm and thus provides information about phases of activity and rest during sleep.
  • these methods cannot provide an objective assessment of Sleep-good people provide exact diagnoses and therapies derived from them, e.g. through medication, require an objective assessment.Today, too often, patients resort to sleep-inducing drugs without an objective correlate to their subjective perceived complaints objective image of the sleeping torment and give clear indications of pathological processes
  • MSLT Multiple Sleep Latency Test
  • the invention is therefore based on the object of developing an arrangement and a method for determining sleep profiles which automatically carry out a sleep stage classification with a good of about 85% (measured via the cross-correlation function between automatically and manually created sleep profiles) with negligible impairment of the sleepers Additional technical aids are generated in the familiar environment and thus enable outpatient diagnostics, the new one to be developed
  • the arrangement is characterized by a minimal manufacturing effort and a practical device technology with high operational safety and reliability, which can be easily handled by every patient, and which should also be able to make a 24-hour continuum simple and inexpensive, objectively and physiologically registrable.
  • this object is achieved by an arrangement for determining sleep profiles, which operates on the basis of a single frontal EEG channel and consists of an electrode strip with a preamplifier (active electrode) placed on the stin, which is connected to an autonomously working microprocessor-controlled measurement value recording and analysis unit connected.
  • This unit which is supplied with energy via an accumulator, consists of analog filters, power amplifiers, analog / digital converters, microcontrollers with internal system software, memory, display and control keyboard and is used for further data analysis via a serial interface using fiber optic cables (potential separation) with a standard PC special software for adaptive classification using populations of neural networks, for visualizing the brain electrical potentials as well as the sleep and wake profiles.
  • the device operates in two modes: the so-called off-line and the on-line mode: the terms relate to the potential coupling option of the unit with a computer, preferably a laptop.
  • Off-line mode means that the unit works autonomously, recording the brain electrical potentials, extracting and storing characteristics relevant to classification, and, if necessary, classifying sleep stages in real time (provided 30 seconds) and storing them as a function of time.
  • the aforementioned real-time generation of the sleep profiles achieves the highest level of content-related data compression.
  • the off-line Mode is the primary work mode.
  • the end of a night is used to create and graphically display the
  • This separate unit can be a commercially available computer or a microcontroller-controlled storage and transmission unit.
  • Neural networks carried out, whose topological parameters by evolutionary and genetic algorithms on a parallel computer with the
  • Electrodes are attached to a flexible electrode band, which contains the preamplifier of the EEG signal.
  • this electrode strip with integrated preamplifier can be attached to the forehead easily and without outside help.
  • One of the main ideas of this invention consists essentially in restricting itself to the evaluation of the potentials as they can be tapped at the forehead position and only one information channel from the
  • the forehead position according to the invention also allows the greatest possible freedom of movement during sleep.
  • Electrode arrangement is used, which reduces the interference from electrical systems and equipment to a minimum.
  • the decisive feature of the invention is therefore to consciously dispense with a separate recording of the muscle potentials and eye movements, as actually required by the prior art, and to use only the information that is in the forehead area of the
  • Electrodes can be extracted.
  • the EEG signal as an analog signal near its point of derivation already has an amplification and that the
  • Signal source is mainly subjected to an impedance conversion.
  • Differential amplifier with three electrodes used. While one, preferably the middle electrode establishes the reference point, the
  • the frontal positions on the forehead were selected according to the invention for the placement of the ground and reference electrodes, as well as the preamplifier part and the electrodes for bipolar derivation.
  • the forehead position above the nose as close as possible to the hairline serves as an orientation for attaching the ground and reference electrodes Bipolar lead electrodes on a horizontal line in a fixed
  • Handheld device - the measured value recording, storage and analysis device - is fed in, in which it is first filtered, then amplified, then digitized for further processing and then either compressed and saved according to characteristics or transferred online to the PC.
  • the signal content of the EEG relevant for sleep analysis lies between
  • the equilibrium voltage component (0 Hz component) is not used for evaluating sleep and for generating a sleep profile.
  • the DC component can be compared to those of interest
  • the maximum signal voltage of the EEG U ss (without DC component) is in the microvolt range and at the frontal discharge positions at around 1 mV.
  • Characteristic time profiles the amplitudes of which may be 1 ⁇ V, are of particular importance for the further evaluation according to the invention.
  • the analog part comprises the voltage supply, an undervoltage cut-off essentially a filter bank (low-pass filter, 50 Hz filter and high-pass filter) and one
  • the filter bank consists of a 50 Hz filter, a
  • the 50 Hz filter is designed as a gyrator circuit and minimizes that
  • Network interference of the derived signal With an attenuation of over 30 dB and a bandwidth of 10 Hz, a usable signal is still delivered even at higher hum voltages.
  • a second order low-pass filter is used to achieve the effects according to the invention. Its cutoff frequency was set at 64 Hz.
  • a second-order high-pass filter was provided according to the same circuit pattern as the low-pass filter. Its limit frequency of 0.3 Hz is on the relevant one
  • the filter is followed by the power amplifier, which amplifies the signal by a factor of 50 according to the invention.
  • the signal level according to the invention lies in an offset adjustment for the A / D
  • This amplified signal is now digitized and preprocessed for further processing and efficient storage.
  • the signals were sampled equidistantly at 128 values per second.
  • the signal is subjected to semantic compression according to the invention.
  • the signal is subjected to a feature extraction.
  • classification-relevant features have emerged which are used in the feature extraction.
  • the basis for the calculation of the characteristic values of each epoch is the sum of the spectra over the 30 individual seconds of each epoch, the power component of low-frequency areas being reduced by a high-pass filter in the time domain (formation of the first differences).
  • the spectra are then determined with a resolution of 1 Hz in the range from 1 to 63 Hz via a fast Fourier transformation.
  • the sleep profile spans approximately 1000 30-second epochs. According to the invention, only the classification-relevant EEG characteristic values are stored for each of the epochs.
  • an 80517A microcontroller was used in the arrangement according to the invention. This is fully downward compatible with the 8051 family and is at the top of the product range in terms of performance.
  • the controller clocked at 12 MHz, has an internal 10-bit A / D converter. Two of the available 12 multiplexed analog channels of the microcontroller are required. One channel converts the EEG signal, the second channel is used to monitor the operating voltage. If the operating voltage falls below 4.5 V, the controller goes into a waiting state and gives a signal for the "idle state" of the entire circuit. Only the display remains ready for operation and signals that the operating voltage has fallen below ("battery discharged").
  • the directly addressable memory areas of 64 kByte for the data and for the commands are sufficient for the application according to the invention. Due to the variable clock frequency of the controller (maximum 18 MHz possible), if one does not use higher clock frequencies, a reduced power consumption can even be set for the existing requirements.This so-called sleep mode is used to extend the operating time due to the limited battery capacity.
  • the control of the LCD display which should provide information about the current operating state, is unproblematic.
  • the sleep data is stored in two sRAMs of 32 kByte each, the content of which is retained even when the device according to the invention is switched off by a battery backup.
  • the timer 2 of the controller was programmed according to the invention in such a way that an interrupt is triggered every 7.812 ms, the operating program of which carries out the A / D conversion and stores the measured value. If the device according to the invention is in the on-line mode, the measured value is immediately output to the serial interface by the interrupt operating program. It is also essential to the invention that these data, obtained in accordance with the invention in this way, in order to ensure complete potential isolation from the network, are transmitted serially from the interface to a PC via a glass fiber cable. The transmission itself is unidirectional at 9600 baud. On the PC side, an adapter (consisting of a phototransistor and amplifier) is required to adapt the signal again.
  • the data received from the PC are visualized in the PC and saved on the hard disk.
  • the method for determining sleep profiles is characterized in particular by the fact that the electroencephalographic analog signal recorded in the forehead region symmetrically to the root of the nose by means of three sensors on a patient, which is filtered, amplified, digitized for further processing by means of the arrangement according to the invention, and then either compressed and stored according to characteristics or after This preprocessing is transmitted directly online to a computer, the classification being carried out according to the sleep stages in the computer using populations of neural networks which have been topologically optimized by means of genetic and evolutionary algorithms, as well as a visualization of the body signals and profiles and at the same time an interactive processing is possible.
  • the laptop takes over the feature extraction in the on-line mode.
  • identical algorithms are used, as are also carried out by the controller of the unit according to the invention.
  • the calculated feature values are standardized in their entirety.
  • the standardization is to be seen in close connection with the parameters of the neural networks used for classification.
  • overriding or at least unfavorable modulation of the units is to be expected. This can significantly worsen the classification by the taught neural networks. Due to the inter-individual variances of the EEG characteristic values are extreme Deviations of the individual characteristics, especially the relative power densities possible.
  • EBP Error-Back-Propagation
  • the networks have to solve 7-class problems, since between 4 stages of sleep (stages 1 to 4), the stage REM, the
  • the networks are taught on a parallel computer with the data of one or more manually classified nights.
  • the networks manage their
  • the generalization service can only can be estimated using a test data set or test data set that is not used for weight adjustment.
  • those weights of the networks are used in which, based on the number of learning steps carried out, a
  • various methods were compared in order to determine the most suitable interaction of the networks in a population and of the populations with one another in the sense of a decision for the
  • the classification is first carried out separately for each network population, the network populations differing in that they were taught on the basis of 12 (features m1 to m12), 13 (features m1 to m13) and 14 features.
  • the networks of population 1 thus have 12, the networks of population 2 have 13 and the networks of population 3 have 14
  • Input units The number of output units remains fixed at 7 for all networks according to the number of classes.
  • the number of hidden units in the two hidden intermediate layers of the hierarchical feedforward networks varies according to the best found
  • the median about all network-specific decisions provides the class in which the respective epoch should be classified.
  • the median formation requires a mapping of sleep stages to 7 natural numbers.
  • the sleep profiles generated on the basis of this classifier according to the invention have additional transitions between the sleep stages compared to the expert profiles, which can be justified from the separate perspective of individual epochs.
  • sleep experts In addition to their knowledge of the individual EEG patterns, sleep experts also use knowledge that relates to time horizons in the minute and hour range. The assignment of sleep stages to individual epochs is also influenced by the context in which the epochs are embedded. Neural networks cannot achieve this contextuality if the individual epochs are offered to the network for instruction in a random order. At this point, context rules according to the invention must take effect and help to improve the sleep profiles via smoothing algorithms.
  • the torn sleep stage REM epochs of the profiles are converted into a monolithic block. , If the epochs embedded in the REM sleep stage are shorter or equal to 40 seconds, they are added to the REM sleep stage.
  • Sleep stage 1 assignments are converted to sleep stage 2 assignments if the duration of the sleep stage 1 interval does not exceed one minute and the interval is embedded in sleep stages 2, 3 or 4.
  • sleep 1 epochs do not last longer than two minutes and are embedded between sleep 2 and REM, they are added to sleep 2.
  • Figure 1 arrangement of the active electrode (electrode tape with preamplifier) in the forehead area of the subject;
  • FIG. 1 Block diagram of the arrangement according to the invention
  • Figure 3 Process flow chart of the essential program blocks for generating a sleep profile
  • Figure 6 Sleep profile of the subject K 11510 created with the help of the solution according to the invention
  • Figure 7 Sleep profile of the subject K 40322 created by a
  • Figure 8 Sleep profile of the subject K 40322 created using the solution according to the invention.
  • the active electrode is arranged in the forehead region of the test person in the form of an electrode strip 1. Due to its design according to the invention, this electrode strip 1 can be attached to the skull easily and without outside help. It allows the greatest possible freedom of movement during sleep and is not perceived as a nuisance due to the design and arrangement according to the invention.
  • the principle of the differential amplifier was used as shown in FIG. This requires three electrodes. While one, the middle electrode as the ground and reference electrode 2 establishes the reference point, the difference between the other two electrodes 3 is amplified by the circuit by a factor of 100.
  • the forehead position above the nose as close as possible to the hairline serves as an orientation for attaching the ground and reference electrode 2 and the preamplifier part connected to it, the electrodes 3 for bipolar derivation on a horizontal line at a fixed distance of about 3.5 cm to the right and left of the Ground and reference electrode 2 are attached.
  • Self-adhesive ECG electrodes have proven to be particularly suitable for long-term recordings during sleep. The gel does not dry out even after 10 hours and the electrodes adhere to the forehead during the entire time.
  • EEG signals are fed, for example, via a cable into the battery-operated hand-held device 4, the measured value recording, storage and analysis device.
  • FIG. 2 shows the block diagram of the arrangement according to the invention.
  • the EEG signal passes from the active electrode, which is located in the electrode band 1 on the forehead of the test person, into the battery-operated hand-held device 4 equipped with a keyboard and a display, with filter 5, amplifier 6, analog-digital converter 7, microcontroller 8 and memory 9.
  • the handheld device 4 can be connected via an interface to a computer, for example a personal computer 10, preferably via a glass fiber cable.
  • FIG. 3 shows the process flow diagram of the essential program blocks for generating a sleep profile.
  • the features that have already been extracted or the raw EEG data are transmitted as EEG derivation 11 from the handheld device to the PC.
  • the feature extraction 12 In the transmission of raw data, the feature extraction 12 must take place on the PC side.
  • a classification 13 of each individual epoch of the night of sleep is then carried out by means of the learned neural networks.
  • the resulting sleep profile is subjected to a context analysis and a corresponding correction in the form of a smoothing of the stage assignments 14 using a rule-oriented algorithm.
  • the last step is the conversion of the calculated sleep pattern into a graphic reserved for the actual sleep profile 15.
  • the unfiltered and the filtered power spectra of a standard device are compared with those of the solution according to the invention for the waking stage.
  • the standard device is a "Nihon Koden Neurofax 21".
  • the device according to the invention is referred to as "QUISI”. Show the spectra recorded with both devices clearly the alpha peak typical of the relaxed waking state at 8-10 Hz.
  • FIGS. 5 to 8 show sleep profiles to be compared. These were generated on the one hand by an expert and on the other hand using the QUISI solution according to the invention on two selected nights.
  • FIGS. 5 and 7 show the profiles as they were created by an expert.
  • the profiles which were generated automatically by the solution according to the invention (“QUISI”) can be seen in FIGS. 6 and 8.
  • the profiles compared in each case indicate a very good agreement both in terms of the course and in terms of the percentage distribution.
  • the solution according to the invention has for the first time succeeded in developing an arrangement and a method for determining sleep profiles that automatically classify the sleep stage with a quality of about 85% (interracorrelation) with negligible impairment of the sleeper by additional technical aids in the familiar environment generated and thus enables very good outpatient diagnostics, whereby this newly developed arrangement is also characterized by a minimal manufacturing effort and a practical device technology that is easy to handle by every patient, with high operational safety and reliability, which is also capable of being used 24 hours a day To make the continuum simple and inexpensive to be objectively physiologically registrable

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Psychology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

Bei der Erfindung handelt es sich um eine Anordnung und ein Verfahren zur Ermittlung von Schlafprofilen. Aufgabe der Erfindung ist es eine Anordnung und ein Verfahren zur Ermittlung von Schlafprofilen zu entwickeln, welches automatisch eine Schlafstadienklassifikation mit einer Güte von ca. 85 % (gemessen über die Kreuzkorrelationsfunktion zwischen automatisch und manuell erstellten Schlafprofilen) mit zu vernachlässigender Beeinträchtigung des Schläfers durch zusätzliche technische Hilfsmittel in der gewohnten Umgebung generiert. Die erfindungsgemäße Anordnung zeichnet sich dadurch aus, daß ein auf der Basis eines einzigen frontalen EEG-Kanals arbeitendes Elektrodenband mit Vorverstärker (aktive Elektrode) im Stirnbereich symmetrisch zur Nasenwurzel plaziert wird und mit einer autonom arbeitenden mikroprozessorgesteuerten Messwertaufnahme- und Analyseeinheit verbunden ist, wobei das Verfahren sich dadurch auszeichnet, daß das EEG-Signal merkmalsbezogen komprimiert, gespeichert und nach dieser Vorverarbeitung zu einem Rechner übertragen wird, wobei im Rechner durch eine Population Neuronaler Netze die Klassifikation gemäß der Schlafstadien durchgeführt wird.

Description

Beschreibung
Anordnung und Verfahren zur Ermittlung von Schlafprofilen
Die Erfindung betrifft eine Anordnung und ein Verfahren zur Ermittlung von Schlafprofilen.
Beim gegenwärtigen Stand der Forschung und Therapie werden zur Sicherung der Diagnose chronischer und schwerer Schlafstörungen mittels EEG Verstärker nachts polygraphische Ableitungen in hierfür besonders eingerichteten Laboren durchgeführt. Zur Betreuung dieser Labore ist geschultes und erfahrenes Personal erforderlich. Dies sind vor allem Polygraphieassistenten und Schlafstadienscorer. Letztere führen eine visuelle Schlafstadienklassifikation entsprechend der Regeln von Rechtschaffen und Kales aufgrund wenigstens einer zentralen EEG-Ableitung, einer EMG- und EOG- Ableitung durch.
In der US 5 154 180 wird nun ein Schlafanalysator auf der Basis eines einzigen EEG - Kanals mit klassischer zentraler Ableitposition vorgestellt. Bei diesem Verfahren muß vom Anwender selbst experimentell eine Schwelle vorgegeben werden, die die Anzahl der entstehenden Klassen und damit die Anzahl der entstehenden Schlafstadien wesentlich beeinflußt.
Ein weiterer wesentlicher Nachteil dieser Lösung besteht darin, daß das in der US 5 154 180 vorgestellte Verfahren einem Clusterverfahren entspricht, welches naturgemäß nicht in der Lage ist, nichtlineare Zuordnungen von EEG- Epochen zu Schlafstadien zu realisieren, da allein aus Ähnlichkeitsmerkmalen kein für diagnostische Zwecke nutzbares Schlafprofil generiert werden kann. Daher ist es auf der Grundlage dieser in der US 5 154 180 vorgestellten Lösung nicht möglich, ein Schlafprofil zu erarbeiten, welches mit einem von Schlafexperten erstellten Schlafprofil vergleichbar ist.
In der US 5 299 118 wird nun ein anderes Verfahren zur automatischen Klassifikation von Schlafstadien vorgestellt, welches die vorgenannten Nachteile nicht aufweist. Dabei ist man bemüht, alle potentiell verfügbaren Informationen anzubieten und ein System zu schaffen, welches höchsten Ansprüchen genügt. Bezüglich der Merkmalsextraktion ist alles enthalten, was dem internationalen Stand der Systemanalyse des Jahres 1991 entspricht. Das Verfahren selbst basiert auf 64 analogen Kanälen und arbeitet mit einem sehr hohen Aufwand an Speicher- und Rechenkapazität. Demzufolge ist die Realisierung dieser Lösung mit relativ hohen Kosten verbunden und daher vorzugsweise dem stationären Einsatz in Schlaflaboren vorbehalten. Darüberhinaus bedarf es beim Einsatz dieses Gerätes auch seitens des Patienten einer Eingewöhnungsphase sowohl an die veränderten Umgebungsbedingungen des Schlaflabors wie auch der großen Anzahl von Elektroden auf dem Schädel und im Gesicht.
Da aber die Anzahl der Schlaflabore sehr gering ist und die Untersuchungen in einem Schlaflabor zudem sehr kostenintensiv sind, ist es erforderlich, daß für Patienten, bevor sie in ein aufwendiges Schlaflabor überwiesen werden, eine Vordiagnostik angefertigt wird.
Beim heutigen Stand der Technik steht dem niedergelassenen Arzt kein ambulantes Gerät zur objektiven Beurteilung der Schlafgüte zur Verfügung und er ist daher auf die subjektiven Angaben seiner Patienten angewiesen. So besteht beispielsweise der gegenwärtige Stand der Vordiagnostik in dem Beantworten der Fragen eines Fragebogens zu den subjektiven Angaben über die Vorgeschichte (Schlafanamnese) insbesondere zu der Art der Schlafstörungen. In anderen Fällen wird die Vordiagnostik mit einem ambulanten Aktometer vorgenommen. Dieser registriert die Bewegungen des Armes und gibt so Auskunft über Aktivitäts- und Ruhephasen während des Schlafes. Doch diese Methoden können keine objektive Beurteilung der Schlafgute liefern Exakte Diagnosen und davon abgeleitete Therapien z B durch Medikamente setzen eine objektive Beurteilung voraus Gegenwartig greifen Patienten viel zu oft zu Schlaf induzierenden Mitteln ohne über ein objektives Korrelat zu ihren subjektiv empfundenen Beschwerden zu verfugen Schlafprofile vermitteln als Zeitreihen von Schlafstadien - geeignet interpretiert - diese objektive Abbild der Schlafqualltat und geben deutliche Hinweise zu pathologischen Prozessen
Weltweit besteht derzeit daher der Bedarf, automatisch Schlafprofile mit zu vernachlässigender Beeinträchtigung des Schlafers in der gewohnten Umgebung mit möglichst geringer Beeinträchtigung durch technische Hilfsmittel zu generieren, um so objektive Gutemaße für die Schlafqualltat bereitzustellen und eine ambulante Diagnostik zu ermöglichen Außerdem sollen die Kosten für die ambulante Diagnostik möglichst gering gehalten werden Dies gelingt vor allem dann, wenn keine medizintechnisch ausgebildeten Fachkräfte für die Elektrodenapphkation und die Bedienung der Gerate zur Datenerfassung und Auswertung benotigt werden
Im Stand der Technik ist darüberhinaus festzustellen, daß der Nachtschlaf ausschließlich mit physiologischen Methoden, der Wachzustand hingegen ausschließlich mit psychologischen Parametern des Verhaltens und der Befindlichkeit erfaßt wird Lediglich mit dem sehr aufwendigen Multiple Sleep Latency Test (MSLT) wurden Einschlafverhalten am Tage und die Leistung beurteilbar
Der Erfindung liegt daher die Aufgabe zugrunde, eine Anordnung und ein Verfahren zur Ermittlung von Schlafprofilen zu entwickeln, welches automatisch eine Schlafstadienklassifikation mit einer Gute von ca 85% (gemessen über die Kreuzkorrelationsfunktion zwischen automatisch und manuell erstellten Schlafprofilen) mit zu vernachlässigender Beeinträchtigung des Schlafers durch zusatzliche technische Hilfsmittel in der gewohnten Umgebung generiert und so eine ambulante Diagnostik ermöglicht, wobei die neu zu entwickelnde Anordnung sich darüberhinaus durch einen minimalen Fertigungsaufwand sowie eine praktische, von jedem Patienten selbst einfach handhabbare Gerätetechnik mit hoher Betriebssicherheit und Zuverlässigkeit auszeichnet, die darüberhinaus in der Lage sein soll, selbst ein 24-Stunden-Kontinuum einfach und kostengünstig objektiv physiologisch registrierbar zu gestalten.
Erfindungsgemäß wird diese Aufgabe durch eine Anordnung zur Ermittlung von Schlafprofilen gelöst, welche auf der Basis eines einzigen frontalen EEG - Kanals arbeitet und aus einem auf der Stin plazierten Elektrodenband mit Vorverstärker (aktive Elektrode) besteht, welches an eine autonom arbeitende mikroprozessorgesteuerte Messwertaufnahme- und Analyseeinheit angeschlossen ist. Diese über einen Akkumulator mit Energie versorgte Einheit besteht aus analogen Filtern, Endverstärker, Analog- / Digitalwandler, Mikrocontroller mit interner Systemsoftware, Speicher, Display und Bedientastatur und wird für die weitere Datenanalyse über eine serielle Schnittstelle mittels Lichtleiterkabel (Potentialtrennung) mit einem handelsüblichen PC mit spezieller Software zur adaptiven Klassifikation mittels Populationen von Neuronalen Netzen, zur Visualisierung der hirnelektrischen Potentiale sowie der Schlaf- und Wachprofile verbunden. Diese hirnelektrischen Potentiale werden durch das mikroprozessorgesteuerte, Messwertaufnahme-, Speicher- und Analysegerät in Echtzeit verarbeitet. Erfindungsgemäß arbeitet das Gerät in zwei Modi: den sogenannten Off-Iine und den On-Iine-Modus: Die Begriffe beziehen sich auf die potentielle Kopplungsmöglichkeit der Einheit mit einem Rechner, vorzugsweise einem Laptop. Off-Iine Modus heißt, daß die Einheit autonom arbeitet, dabei die hirnelektrischen Potentiale erfaßt, klassifikationsrelevante Merkmale extrahiert und speichert, sowie bei Bedarf in Echtzeit (30 Sekunden vorausgesetzt) Schlafstadien klassifiziert und diese in Abhängikeit der Zeit abspeichert. Durch diese vorgenannte Echtzeit-Generierung der Schlafprofile wird die höchste Stufe der einhaltsbezogenen Datenverdichtung erreicht. Der Off-Iine- Modus ist der primäre Arbeitsmodus. Die zeitweilige Rechnerkopplung am
Ende einer Nacht dient dem Erstellen und der grafischen Anzeige der
Schlafprofile. Im On-Iine-Modus ist eine ständige Kopplung mit einer separaten Einheit zum Abspeichern der orginalen hirnelektrischen Potentiale erforderlich. Diese separate Einheit kann ein handelsüblicher Rechner sein oder eine mikrocontrollergesteuerte Speicher- und Sendeeinheit. Bei beiden
Arbeitsmodi wird die Klassifikation der Schlafstadien durch Populationen von
Neuronalen Netzen durchgeführt, deren topologische Parameter durch evolutionäre und genetische Algorithmen auf einem Parallelrechner mit dem
System SASCIA (Sleep Analysis System to Challenge Inovative Artificial neural networks) optimiert wurden.
Kennzeichnend für die Komponente zum Abgreifen der hirnelektrischen
Potentiale ist, daß die Elektroden an einem flexiblen Elektrodenband befestigt sind, welches den Vorverstärker des EEG-Signals beinhaltet.
Auf Grund seiner erfindungsgemäßen Gestaltung kann dieses Elektrodenband mit integrierten Vorverstärker leicht und ohne fremde Hilfe auf der Stirn befestigt werden.
Eine der tragenden Ideen dieser Erfindung besteht im wesentlichen darin, sich auf die Auswertung der Potentiale zu beschränken, wie sie an der Stirnposition abgegriffen werden können und dabei nur einen Informationskanal aus der
Differenzbildung beider Stirnpotentiale zu verwenden, wie sie an zur Nase symmetrisch liegenden Elektroden erfaßt werden können.
Dieser Kerngedanke der Erfindung widerspricht grundsätzlich der heute üblichen Lehrmeinung zur Elektrodenplazierung im Hinblick auf die
Generierung von Schlafprofilen.
Der Widerspruch ist offenkundig vor allem darin begründet, daß an dieser
Ableitposition mit den stärksten elektrischen Einflüssen durch
Augenbewegungen gerechnet werden muß.
Doch gerade wegen dieser häufig als Augenbewegungs-Artefakte bezeichneten Einflüsse ist es mittels der erfindungsgemäßen Lösung mit dem auf der Stirn platzierten Elektrodenband mit Vorverstärker (aktive Elektrode) möglich die erforderliche Schlafstadienlklassifikation als Voraussetzung zur
Schlafprofilgenerierung durchzuführen.
Darüberhinaus ermöglicht jedoch die erfindungsgemäße Stirnposition zudem noch eine weitestgehende Bewegungsfreiheit während des Schlafs.
Somit kann auf Grund der erfindungsgemäßen Lösung dem Arzt ein Gerät zur
Verfügung gestellt werden, welches gegenüber den im Stand der Technik verwendeten Geräte vom Patienten als nicht als störend empfunden wird.
Wesentlich ist auch, daß zur Datenerfassung nur eine solche aktive
Elektrodenanordnung eingesetzt wird, welche die Störeinflusse von elektrischen Anlagen und Geräten auf ein Minimum reduziert.
Das entscheidende Merkmal der Erfindung besteht also darin, auf eine gesonderte Erfassung der Muskelpotentiale und der Augenbewegungen, wie sie der Stand der Technik eigentlich fordert, bewußt zu verzichten und ausschließlich nur die Information zu nutzen, welche im Stirnbereich des
Patienten aus der Potentialdifferenz zur Nase symmetrisch angeordneter
Elektroden extrahiert werden kann.
Darüberhinaus ist kennzeichnend, daß das EEG-Signal als analoges Signal nahe seinem Ableitungsort bereits einer Verstärkung und daß so die
Signalquelle vor allem einer Impedanzwandlung unterworfen wird.
Um die Störeinstreuungen so gering wie möglich zu halten, wurde ein
Differenzverstärker mit drei Elektroden eingesetzt. Während eine, vorzugsweise die mittlere Elektrode den Bezugspunkt herstellt, wird die
Differenz der beiden anderen Elektroden durch die Schaltung mit dem Faktor
100 verstärkt. Deren jeweils vorgeschalteter Hochpass (fg = 0,03 Hz) eliminiert den Gleichspannungsanteil der beiden Signale, welcher für die Auswertungen nicht von Bedeutung ist.
Für die Plazierung der Masse- und Referenzelektrode, sowie des Vorverstärkerteils und der Elektroden zur bipolaren Ableitung wurde wie bereits erwähnt, erfindungsgemäß die frontale Positionen auf der Stirn ausgewählt. Als Orientierung zum Anbringen der Masse- und Referenzelektrode dient die Stirnposition oberhalb der Nase möglichst nahe am Haaransatz, wobei die Elektroden zur bipolaren Ableitung auf einer horizontalen Linie in einem festen
Abstand zueinander rechts und links der Referenzelektrode angebracht werden.
Diese vorgenannten EEG - Signale werden nun in ein batteriebetriebenes
Handgerät - das Messwertaufnahme-, Speicher- und Analysegerät - eingespeist, in welchem sie zunächst gefiltert, anschließend verstärkt, danach zur Weiterverarbeitung digitalisiert und anschließend entweder merkmalsbezogen komprimiert und gespeichert oder On - line zum PC übertragen werden.
Der für die Schlafanalyse relevante Signalgehalt des EEG liegt etwa zwischen
0,5 und 60 Hz. Der Gieichspannungsanteil (0 Hz Komponente) wird erfindungsgemäß nicht für die Bewertung des Schlafs und für das Generieren eines Schlafprofils herangezogen.
Die Gleichspannungskomponente kann verglichen zu den interessierenden
Frequenzanteilen beträchtliche Werte annehmen und wird daher bereits vor der Verstärkung unterdrückt.
Die maximale Signalspannung des EEG Uss (ohne Gleichspannungsanteil) liegt im Mikrovoltbereich und an den frontalen Ableitpositionen bei etwa 1 mV.
Wesentliche Bedeutung für die weitere erfindungsgemäße Auswertung haben insbesondere charakteristische Zeitverläufe, deren Amplituden bei 1 μV liegen können.
Da der Schlafanalysator in häuslicher Umgebung eingesetzt werden soll, muß zwangsläufig mit erheblichen Netzeinstreuungen gerechnet werden. Diese technisch bedingten Artefakte werden daher eliminiert.
Auf Grund der charakteristischen Eigenschaften der EEG-Signale, sowie der
Störungen werden folgende erfindungsgemäße Maßnahmen im Analogteil umgesetzt. Ausblendung der 0 Hz Komponente durch Hochpaßfilterung,
Filterung der 50Hz Netzeinstreuungen, Tiefpaßfilterung des Signals mit einer oberen Grenzfrequenz von 64 Hz um Aliasingeffekte aufgrund der nachfolgenden A/D-Wandlung und äqudistanten Abtastung von 128 Hz weitestgehend zu minimieren und eine möglichst rauscharme Verstärkung zu realisieren. Dabei umfaßt der Analogteil neben der bereits beschriebenen aktiven Elektrode die Spannungsversorgung, eine Unterspannungsabschaltung im wesentlichen eine Filterbank (Tiefpaß, 50 Hz Filter und Hochpaß) und einen
Endverstärker.
Erfindungsgemäß besteht die Filterbank aus einem 50 Hz Filter, einem
Tiefpaßfilter und einem Hochpaßfilter, deren Zusammenschaltung einen
Bandpaß mit fu= 0,5 Hz und f0 = 64 Hz ergibt.
Das 50-Hz-Filter, ist als Gyratorschaltung ausgeführt, und minimiert die
Netzeinstreuungen des abgeleiteten Signals. Mit einer Dämpfung von über 30 dB und einer Bandbreite von 10 Hz wird selbst bei höheren Brummspannungen noch ein brauchbares Signal geliefert.
Entsprechend der sich anschließend erforderlichen Digitalisierung des Signals mit erfindunggemäß 128 Werten pro Sekunde wird zur Vermeidung von
Aliasingeffekten, der Frequenzbereich oberhalb der maximal nach dem
Shannonschen Abtasttheorem darstellbaren Frequenz (64 Hz) nahezu vollständig zu unterdrückt.
Da die Leistungen des EEG-Signals oberhalb von 30Hz deutlich abfallen, wird zur Erzielung der erfindungsgemäßen Wirkungen ein Tiefpassfilter 2. Ordnung eingesetzt. Seine Grenzfrequenz wurde mit 64 Hz festgelegt.
Um die nachfolgende Verstärkung zu ermöglichen, muß der dem Signal noch anhaftende Gleichspannungsanteil beseitigt werden. Dafür wurde nach dem gleichen Schaltungsmuster wie der Tiefpass ein Hochpassfilter 2. Ordnung vorgesehen. Seine Grenzfrequnz von 0,3 Hz ist auf den relevanten
Frequenzbereich des EEG-Signales zugeschnitten.
Dem Filter schließt sich der Endverstärker an, welcher das Signal erfindungsgemäß um den Faktor 50 verstärkt. Mit dem sich anschließenden
Offsetabgleich liegt der erfindungsgemäße Signalpegel in einem für den A/D-
Wandler verwertbaren Bereich.
Zur rechentechnisch weiteren Verarbeitung und effizienten Speicherung wird dieses verstärkte Signal nun digitalisiert und vorverarbeitet. Erfindungsgemäß wurden die Signale mit 128 Werte pro Sekunde äquidistant abgetastet. Die Amplitude wird erfindungsgemäß mit 10 Bit (maximale Amplitude 1 mV, minimale Auflösung 1 μV → 1000 Digits = 10 Bit Auflösung) kodiert und eine Diskretisierung in 1024 Stufen als ausreichend angesehen. Da bei der Speicherung des Zeitsignals einer kompletten Nacht unkomprimiert ca. 7 MByte (2 Byte/Wert * 128 Werte/s * 60 s/min * 60 min/h * 8 h) Daten anfallen würden, führte ein Speicherausbau des Gerätes in dieser Größe zu einem zu hohen Endpreis.
Auf Grund der darüberhinaus im Standalone- Betrieb angestrebten On-Iine- Generierung der Schlafprofilen durch die erfindungsgemäße Anordnung in Verbindung mit der auch demzufolge zwingend erforderlichen Speicherplatzminimierung wird das Signal erfindungsgemäß einer semantischen Komprimierung unterzogen.
Dabei wird das Signal einer Merkmalsextraktion unterworfen. Im Rahmen der im Vorfeld der Erfindung durchgeführten Untersuchungen haben sich dabei klassifikationsreievante Merkmale ergeben, die bei der Merkmalsextraktion angewendet werden. Die Basis für die Berechnung der Merkmalswerte jeder Epoche bildet die Summe der Spektren über die 30 einzelnen Sekunden jeder Epoche, wobei der Leistungsanteil niederfrequenter Bereiche durch ein Hochpaßfilter im Zeitbereich (Bilden der ersten Differenzen) herabgesetzt wird. Die Spektren werden dann mit einer Auflösung von 1 Hz im Bereich von 1 bis 63 Hz über eine schnelle Fouriertransformation ermittelt. Das Schlafprofil umfaßt ca. 1000 30-Sekunden-Epochen. Erfindungsgemäß werden für jede der Epochen nur die klassifikationsrelevanten EEG-Merkmalsausprägungen gespeichert. Im Rahmen der im Vorfeld der Erfindung durchgeführten umfangreichen Untersuchungen haben sich dabei 15 bis 20 relevante Merkmalsausprägungen ergeben. Dies führt zu einem Speicherbedarf von etwa nur 50 kByte. Um diesen Speicher zu verwalten und die notwendige Vorverarbeitung zu leisten, ist bereits ein 8-Bit Mikrocontroller ausreichend. Diese Controller haben ein sehr gutes Preis-Leistungs-Verhältnis und sind darüberhinaus sehr flexibel einsetzbar.
In der erfindungsgemäßen Anordnung wurde beispielsweise ein MikroController 80517A eingesetzt. Dieser ist voll abwärtskompatibel zur 8051- Familie und steht leistungsmäßig am oberen Ende der Produktpalette. Der mit 12 MHz getaktete Controller verfügt über einen internen 10-Bit A/D-Wandler. Von den zur Verfügung stehenden 12 gemultiplexten analogen Kanälen des Mikrocontrollers werden zwei benötigt. Ein Kanal wandelt das EEG-Signal, der zweite Kanal dient der Betriebsspannungsüberwachung. Wird nun die zulässige Betriebsspannung von 4,5 V unterschritten, geht der Controller in einen Wartezustand und gibt ein Signal für den "Ruhezustand" der gesamten Schaltung. Nur das Display bleibt betriebsbereit und signalisiert die Unterschreitung der Betriebsspannung („Batterie entladen"). Die direkt adressierbaren Speicherbereiche von 64 kByte sowohl für die Datenais auch für die Befehle sind für die erfindungsgemäße Anwendung ausreichend. Durch die variable Taktfrequenz des Controllers (maximal sind 18 MHz möglich) läßt sich, wenn man auf höhere Taktfrequenzen verzichtet, für die bestehenden Anforderungen sogar ein reduzierter Stromverbrauch einstellen. Dieser sogenannte Schiafmodus wird genutzt, um die Betriebsdauer aufgrund der begrenzten Akkukapazität zu verlängern.
Die Ansteuerung des LCD-Displays, welches über den aktuellen Betriebszustand informieren soll, ist unproblematisch. Die Speicherung der Schlafdaten erfolgt in zwei sRAM's zu je 32 kByte, deren Inhalt auch beim Ausschalten des erfindungsgemäßen Gerätes durch eine Akku-Pufferung erhalten bleibt.
Für die Meßwertaufnahme wurde der Timer 2 des Controllers erfindungsgemäß so programmiert, daß alle 7,812 ms ein Interrupt ausgelöst wird, dessen Bedienprogramm die A/D-Wandlung vornimmt und den Meßwert einspeichert. Durch das Interruptbedienprogramm wird, sofern sich das erfindungsgemäße Gerät im On-Iine-Modus befindet, der gemessene Wert sofort an die serielle Schnittstelle ausgegeben. Erfindungswesentlich ist auch, daß diese so erfindungsgemäß gewonnen Daten, um eine vollständige Potentialtrennung vom Netz zu gewährleisten, von der Schnittstelle über ein Glasfaserkabel seriell zu einem PC übertragen werden. Die Übertragung selbst erfolgt unidirektional mit 9600 Baud. Auf PC- Seite ist dafür ein Adapter (bestehend aus Fototransistor und Verstärker) erforderlich, der das Signal wieder anpaßt.
Die vom PC empfangen Daten werden im PC visualisiert und auf Festplatte abgespeichert.
Das Verfahren zur Ermittlung von Schlafprofilen ist insbesondere dadurch gekennzeichnet, daß das im Stirnbereich symmetrisch zur Nasenwurzel mittels dreier Sensoren an einem Patienten abgegriffene elektroenzephalografisch erfaßte analoge Signal welches mittels der erfindungsgemäßen Anordnung gefiltert, verstärkt, zur Weiterverarbeitung digitalisiert und anschließend entweder merkmalsbezogen komprimiert und gespeichert oder nach dieser Vorverarbeitung direkt on - line zu einem Rechner übertragen wird, wobei im Rechner durch Populationen Neuronaler Netze welche mittels genetischer und evolutionärer Algorithmen topologisch optimiert wurden, die Klassifikation gemäß der Schlafstadien durchgeführt wird, sowie eine Visualisierung der Körpersignale und Profile erfolgt und gleichzeitig eine interaktive Bearbeitung möglich ist.
Erfindungsgemäß werden nach Digitalisierung und Fouriertransformation des analog verstärkten und gefilterten EEG-Signals folgende 14 Merkmale gewonnen und einem Klassifikator zugeführt:
- akkumulierte Leistungsdichte im Bereich von 1 bis 4 Hz bezogen auf die Gesamtleistungsdichte (Merkmal m1 ),
- akkumulierte Leistungsdichte im Bereich von 5 bis 7 Hz bezogen auf die Gesamtleistungsdichte (Merkmal m2),
- akkumulierte Leistungsdichte im Bereich von 8 bis 11 Hz bezogen auf die Gesamtleistungsdichte (Merkmal m3),
- akkumulierte Leistungsdichte im Bereich von 12 bis 14 Hz bezogen auf die Gesamtleistungsdichte (Merkmal m4), - akkumulierte Leistungsdichte im Bereich von 15 bis 30 Hz bezogen auf die Gesamtleistungsdichte (Merkmal m5),
- akkumulierte Leistungsdichte im Bereich von 31 bis 63 Hz bezogen auf die Gesamtleistungsdichte (Merkmal m6),
- Frequenz bei 25% der Gesamtleistungsdichte (Merkmal m7),
- Frequenz bei 50% der Gesamtleistungsdichte (Merkmal m8),
- Frequenz bei 75% der Gesamtleistungsdichte (Merkmal m9),
- Frequenz des maximalen Leistungsdichtewertes im Bereich 1 bis 4 Hz (Merkmal m10),
- Frequenz des maximalen Leistungsdichtewertes im Bereich 8 bis 14 Hz, (Merkmal m11 )
- Frequenz des maximalen Leistungsdichtewertes im Bereich 21 bis 30 Hz , (Merkmal m12)
- akkumulierte Leistungsdichte im Bereich von 50 bis 60 Hz bezogen auf die Gesamtleistungsdichte (Merkmal m13) und
- Nummer der Epoche bezogen auf die Gesamtanzahl von Epochen (Merkmal m14).
Während im Off-Iine-Modus die Merkmalsextraktion durch die erfindungsgemäße Einheit erfolgt, übernimmt Im On-Iine-Modus der Laptop die Merkmalsextraktion. Dabei wird auf identische Algorithmen zurückgegriffen, so wie sie auch durch den Controller der erfindungsgemäßen Einheit ausgeführt werden.
Um eine geeignete Basis für die Weiterverarbeitung zu schaffen, werden die berechneten Merkmalswerte in ihrer Gesamtheit normiert. Die Normierung ist im engen Zusammenhang mit den Parametern der zur Klassifikation eingesetzten Neuronalen Netzen zu sehen. Bei ungenügend abgestimmter Normierung ist mit einer Übersteuerung oder wenigstens einer ungünstigen Aussteuerung der Units zu rechnen. Dies kann die Klassifikation durch die belehrten Neuronalen Netze erheblich verschlechtern. Durch die interindividuellen Varianzen der EEG-Merkmalsausprägungen sind extreme Abweichungen der einzelnen Merkmale, speziell der relativen Leistungsdichten möglich.
Die erfindungsgemäße Normierung soll hier bewirken, die
Generalisierungsfähigkeiten der Netze zu verbessern. Entsprechend wird jede
Merkmalsausprägung über alle Epochen auf einen Wertebereich zwischen -2,0 und +2,0 abgebildet und dem Netz als Eingangsdaten angeboten. Dabei mußte auf eine Abbildungvorschrift zurückgegriffen werden, die auf Ausreißer unempfindlich reagiert.
Um anhand dieser Merkmalsausprägungen jeder Epoche ein Schlafstadium zuweisen zu können, benötigt man einen lernfähigen und zugleich robusten
Klassifikator, der in der Lage ist, das nichtlineare Klassifikationsproblem in der
Schlafstadienanalyse trotz beträchtlicher interindividueller Abweichungen zu lösen. Erfindungsgemäß werden für diesen Zweck Populationen Neuronaler
Netze verwendet, die mit dem Error-Back-Propagation (EBP) Algorithmus belehrt wurden und deren topologische Parameter mittels genetischer und evolutionärer Algorithmen optimiert wurden..
Erfindungswesentlich ist, daß die Netze 7-Klassen-Probleme lösen müssen, da zwischen 4 Schiafstadien (Schiafstadien 1 bis 4), dem Stadium REM, dem
Stadium Wach und dem Stadium Movement unterschieden wird.
Das Anlernen der Netze geschieht auf einem Parallelrechner mit den Daten einer oder mehrerer manuell klassifizierter Nächte. Die Gewichte der einzelnen
Units werden beim EBP-Verfahren durch Anlegen der Merkmale
(Eingabemuster) an die Eingänge und Vergleich der erzeugten Ausgabewerte mit den jeweils gewünschten Ausgabewerten (Lehrvorgaben) mit dem Ziel verbessert, daß die Abweichungen der aktuellen Ausgabewerte zu den gewünschten Ausgaben für die Eingabemuster im Mittel über alle Muster einem
Minimum zustreben.
Mit diesem erfindungsgemäßen Verfahren gelingt es den Netzen, ihre
Gewichte an die Lerndatensätze anzugleichen. Die Anpassung der Netze an einen Lerndatensatz bleibt allerdings nur das Mittel, um eine möglichst gute
Generalisierungsleistung zu erreichen. Die Generalisierungsleistung kann nur über einen Testdatensatz oder Prüfdatensatz abgeschätzt werden, der nicht für die Gewichtsanpassung genutzt wird.
Das heißt, es werden erfindungsgemäß jene Gewichte der Netze verwendet, bei denen, auf die Anzahl der durchgeführten Lernschritte bezogen, ein
Minimum des Generalisierungsfehlers erreicht wurde. Darüberhinaus ist es erfindungswesentlich, daß eine große Anzahl von Populationen von Netzen in die Belehrung einbezogen wurden.
Die Topologie der Netze und die Lernparameter wurden im Hinblick auf den durch genetische Algorithmen ausgewählten Merkmalsvektor durch simulierte
Evolution optimiert. Dabei wurde das System SASCIA (Sleep Analysis System to Challenge Artificial neural networks) genutzt.
Erfindungswesentlich ist weiterhin, daß angelernte Netze die
Stadienzuweisungen zu jeder Epoche leisten.
Erfindungswesentlich ist dabei der simultane Einsatz dreier Populationen von je n=8 Netzen, wobei jeweils ein Netz mit den Daten einer Nacht belehrt worden ist. Im Vorfeld der Erfindung wurden verschiedene Verfahren verglichen, um das geeignetste Zusammenwirken der Netze in einer Population und der Populationen untereinander im Sinne einer Entscheidung für die
Klassenzuweisung zu finden.
Erfindungsgemäß wird nach folgenden Verfahren klassifiziert :
Die Klassifikation wird zunächst mit jeder Netzpopulation separat durchgeführt, wobei sich die Netzpopulationen dadurch unterscheiden, daß sie auf der Basis von 12 (Merkmale m1 bis m12), 13 (Merkmale m1 bis m13) und 14 Merkmalen belehrt wurden. Damit verfügen die Netze der Population 1 über 12, die Netze der Population 2 über 13 und die Netze der Population 3 über 14
Eingangsunits. Die Anzahl der Ausgangsunits bleibt für alle Netze entsprechend der Anzahl der Klassen auf 7 fixiert. Die Anzahl der hidden Units in den beiden verdeckten Zwischenschichten der hierarchischen vorwärtsgekoppelten Netze variiert gemäß der gefundenen besten
Reklassifikationsleistungen. Populationsspezifisch werden zwei Schritte ausgeführt: 1 Für jede Epoche wird die Ausgangsunit mit der maximalen Erregung für jedes Netz ermittelt. Damit erhält man n=8 netzspezifische Entscheidungen.
2 Der Mediän über alle netzspezifischen Entscheidungen liefert die Klasse, in die die jeweilige Epoche eingeordnet werden soll. Die Medianbildung setzt eine Abbildung von Schlafstadien auf 7 natürliche Zahlen voraus.
Sind für jede Population die Entscheidungen gefallen, werden diese im Sinne der Medianbildung zusammengeführt. Durch die Synergieeffekte dreier Populationen von Neuronalen Netzen und insgesamt von 24 Netzen entsteht ein robuster Klassifikator, der die hohe interindividuelle Variation der hirnelektrischen Potentiale unter Einschluß auch kranker Probanden gut verkraftet.
Die auf der Basis dieses erfindungsgemäßen Klassifikators generierten Schlafprofile weisen gegenüber den Expertenprofilen zusätzliche Übergänge zwischen der Schlafstadien auf, die aus der separaten Sicht einzelner Epochen durchaus zu begründen sind.
Schlafexperten setzen neben ihrem Wissen bezüglich der einzelnen EEG-Muster auch Wissen ein, welches sich auf Zeithorizonte im Minuten- und Stundenbereich bezieht. Damit wird die Zuweisung von Schlafstadien zu einzelnen Epochen auch vom Kontext beeinflußt, in denen die Epochen eingebettet sind. Diese Kontextbezogenheit können Neuronale Netze nicht leisten, wenn die einzelnen Epochen in zufälliger Reihenfolge dem Netz zum Belehren angeboten werden. An dieser Stelle müssen erfindungsgemäße Kontextregeln greifen und über Glättungsaigorithmen die Schlafprofile verbessern helfen.
Ausgehend von den zu minimierenden Unterschieden zwischen einem Schlafprofil, welches automatisch durch das erfindungsgemäße Neuronale Netz erstellt wurde und den Expertenprofilen, werden daher beim erfindungsgemäßen Verfahren folgende erfindungsgemäße Regeln angewandt: • Die zerrissenen Schlafstadium REM-Epochen der Profile werden in einen monolithischen Block umgewandelt. . Wenn die Dauer der in Schlafstadium REM eingebetteten Epochen kürzer oder gleich 40 Sekunden ist, werden diese dem Schlafstadium REM zugeschlagen.
• Während der Einschlafphase auftretendes Schlafstadium REM wird dem Schlafstadium 1 zugeordnet.
• Wenn der Klassifikator über ein Zeitintervall von maximal 80 Sekunden Schlafstadium REM vorschlägt, wird dieses Intervall ebenfalls Schlafstadium 1 zugeordnet.
• Schlafstadium 1 Zuweisungen werden in Schlafstadium 2 Zuweisungen umgewandelt, wenn die Dauer des Schlafstadium 1 Intervalls eine Minute nicht überschreitet und das Intervall in die Schlafstadien 2, 3 oder 4 eingebettet ist.
• Wenn Schlafstadium 1 Epochen nicht länger als zwei Minuten andauern und zwischen Schlafstadien 2 und REM eingebettet sind, werden sie dem Schlafstadium 2 zugeschlagen.
Erfindungswesentlich sind somit :
Regel 1 : Die zerrissenen REM-Epochen der Profile werden ausgesucht und in einen monolithischen Block nach folgender Vorschrift rem,[rem],.... <= rem,[stage1],... umgewandelt, mit <= als „führt zu" Operator und [ ]...
Wiederholungsoperator. Der Abruch der Wiederholung erfolgt durch Netzbefundung mit einer der Stadien aus der Menge:
{wach,stage2,stage3,stage4,MT}. Regel 2 : Für folgende Sequenzen gelten zeitbezogene
Wandlungsvorschriften, d.h. gewandelt wird gemäß rem,rem,rem <= rem,wach,rem, rem.rem,rem <= rem,stage1 ,rem, rem,rem,rem <= rem,stage2,rem, rem,rem,rem <= rem,uniden,rem, wenn für die Dauer der in rem eingebettete Epoche <= 30 Sek. gilt. Regel 3 : Wenn das Netz nur über ein Zeitintervall von maximal 90 Sekunden Stadium rem vorschlägt, wird nach Regel stagel <= rem transformiert.
Regel 4: Stage 1 Zuweisungen werden in stage2 Zuweisungen umgewandelt, wenn die Bedingungen folgender Regeln gelten stage2,stage2,stage2 <= stage2, stagel , stage2, Stage3,stage2,stage3 <= Stage3,stage1 ,stage3, stage4,stage2,stage4 <= stage4,stage1 ,stage4, und die stagel Epochen nicht länger als eine Minute andauern.
Regel 5 : Wenn stagel Epochen nicht über länger als zwei Minuten andauern, kommen folgende Regeln stage2,stage2,rem <= stage2, stagel , rem rem,stage2,stage2 <= rem, stagel , stage2 zum Einsatz.
Diese erfindungsgemäßen Regeln werden in der aufgelisteten Sequenz abgearbeitet.
Nachfolgend soll die erfindungsgemäße Lösung an Hand eines Ausführungsbeispieles in Verbindung mit 8 Figuren näher erläutert werden.
Dabei zeigen
Figur 1 : Anordnung der aktiven Elektrode ( Elektrodenband mit Vorverstärker ) im Stirnbereich des Probanden;
Figur 2 : Blockschaltbild der erfindungsgemäßen Anordnung;
Figur 3 : Verfahrensablaufplan der wesentlichen Programmblöcke zur Erzeugung eines Schlafprofils;
Figur 4 : Vergleich der ungefilterten und der gefilterten
Leistungsspektren eines Standardgerätes mit den der erfindungsgemäßen Lösung. Figur 5 : Schlafprofil des Probanten K 11510 erstellt durch einen
Experten oder Schlafstadienscorer; Figur 6 : Schlafprofil des Probanten K 11510 erstellt mit Hilfe der erfindungsgemäßen Lösung; Figur 7 : Schlafprofil des Probanten K 40322 erstellt durch einen
Experten oder Schlafstadienscorer; Figur 8 : Schlafprofil des Probanten K 40322 erstellt mit Hilfe des erfindungsgemäßen Lösung.
Wie in der Figur 1 dargestellt, wird die aktiven Elektrode im Stirnbereich des Probanten in Form eines Elektrodenbandes 1 angeordet. Auf Grund seiner erfindungsgemäßen Gestaltung kann dieses Elektrodenband 1 leicht und ohne fremde Hilfe am Schädel befestigt werden. Es ermöglicht während des Schlafs eine weitestgehende Bewegungsfreiheit und wird aufgrund der erfindungsgemäßen Gestaltung und Anordnung nicht als störend empfunden.
Um die Störeinstreuungen so gering wie möglich zu halten, wurde wie in der Figur 1 dargestellt, auf das Prinzip des Differenzverstärkers zurückgegriffen. Dafür sind drei Elektroden notwendig. Während eine, die mittlere Elektrode als Masse - und Referenzelektrode 2 den Bezugspunkt herstellt, wird die Differenz der beiden anderen Elektroden 3 durch die Schaltung mit dem Faktor 100 verstärkt. Deren jeweils vorgeschalteter Hochpass (fg = 0,03 Hz) eliminiert den Gleichspannungsanteil der beiden Signale, welcher für die Auswertungen nicht von Bedeutung ist.
Als Orientierung zum Anbringen der Masse- und Referenzelektrode 2 sowie des mit dieser verbundenen Vorverstärkerteils dient die Stirnposition oberhalb der Nase möglichst nahe am Haaransatz, wobei die Elektroden 3 zur bipolaren Ableitung auf einer horizontalen Linie im festen Abstand von ca. 3.5 cm rechts und links der Masse- und Referenzelektrode 2 angebracht werden. Für die Langzeitableitungen während des Schlafs haben sich selbstklebende EKG-Elektroden als besonders geeignet erwiesen. Das Gel trocknet auch nach 10 Stunden nicht aus und die Elektroden haften auf der Stirn während der gesamten Zeit ausgezeichnet.
Diese vorgenannten EEG - Signale werden beispielsweise über ein Kabel in das batteriebetriebene Handgerät 4, das Messwertaufnahme-, Speicher- und Analysegerät eingespeist.
In der Figur 2 ist das Blockschaltbild der erfindungsgemäßen Anordnung dargestellt. Das EEG-Signal gelangt von der aktiven Elektrode, die sich im Elektrodenband 1 an der Stirn des Probanden befindet, in das mit einer Tastatur und einem Display ausgestattete batteriebetriebene Handgerät 4 mit Filter 5, Verstärker 6, Analog - Digitalwandler 7, Microcontroller 8 und Speicher 9. Über eine Schnittstelle kann das Handgerät 4 an einen Rechner, beispielsweise einen Personalcomputer 10 vorzugsweise über ein Glasfaserkabel angeschlossen werden.
In der Figur 3 ist nun der Verfahrensablaufplan der wesentlichen Programmblöcke zur Erzeugung eines Schlafprofils dargestellt. Die bereits extrahierten Merkmale bzw. die EEG-Rohdaten werden als EEG - Ableitung 11 vom Handgerät an den PC übertragen. Bei der Übertragung von Rohdaten muß auf PC-Seite die Merkmalsextraktion 12 erfolgen. Anschließend findet mittels der angelernten Neuronalen Netze eine Klassifikation 13 jeder einzelne Epoche der Schlafnacht statt. Das sich ergebende Schlafprofil wird durch einen regelorientierten Algorithmus einer Kontextanalyse und demgemäßer Korrektur in Form einer Glättung der Stadienzuweisungen 14 unterworfen. Der letzte Schritt ist der Umsetzung des errechneten Schlafverlaufs in einer Graphik dem eigentlichen Schlafprofil 15 vorbehalten.
In der Figur 4 werden nun die ungefilterten und die gefilterten Leistungsspektren eines Standardgerätes mit den der erfindungsgemäßen Lösung für das Stadium Wach verglichen. Beim Standardgerät handelt es sich um ein „Nihon Koden Neurofax 21 ". Das erfindungsgemäße Gerät wird mit „QUISI" bezeichnet. Die mit beiden Geräten aufgezeichneten Spektren zeigen deutlich den für den entspannten Wachzustand typischen Alphapeak bei 8- 10Hz.
In den Figuren 5 bis 8 sind zu vergleichende Schlafprofile dargestellt. Diese wurden einerseits von einem Experten und andererseits mittels der erfindungsgemäßen Lösung QUISI in zwei ausgewählten Nächten generiert. In den Figuren 5 und 7 sind die Profile ausgewiesen, wie sie durch einen Experten erstellt wurden. Die Profile, welche automatisch durch die erfindungsgemäße Lösung ( „QUISI" ) generiert wurden, sind den Abbildungen 6 und 8 zu entnehmen. Die jeweils gegenübergestellten Profile weisen sowohl im Verlauf, als auch in der prozentualen Verteilung auf eine sehr gute Übereinstimmung hin.
Diese sehr gute Übereinstimmung konnte in den vergangenen Wochen beim Vergleich der mit der erfindungsgemäßen Lösung erstellten Profile mit den von Experten ermittelten Profilen im Rahmen von vergleichenden Untersuchungen an über 60 Kranken erneut nachgewiesen werden.
Somit ist es mittels der erfindungsgemäßen Lösung erstmals gelungen, eine Anordnung und ein Verfahren zur Ermittlung von Schlafprofilen zu entwickeln, welches automatisch eine Schlafstadienklassifikation mit einer Güte von etwa 85% (Interrakorrelation) mit zu vernachlässigender Beeinträchtigung des Schläfers durch zusätzliche technische Hilfsmittel in der gewohnten Umgebung generiert und so eine sehr gute ambulante Diagnostik ermöglicht, wobei diese neu entwickelte Anordnung sich darüberhinaus durch einen minimalen Fertigungsaufwand sowie eine praktische, von jedem Patienten selbst einfach handhabbare Gerätetechnik mit hoher Betriebssicherheit und Zuverlässigkeit auszeichnet, die darüberhinaus in der Lage ist, selbst ein 24 Stunden Kontinuum einfach und kostengünstig objektiv physiologisch registrierbar zu gestalten.

Claims

Erfindungsansprüche
1. Anordnung zur Ermittlung von Schlafprofilen, dadurch gekennzeichnet, daß ein Elektrodenband mit Vorverstärker (aktive Elektrode) ), welches auf der Basis eines einzigen frontalen EEG - Kanals arbeitet, auf der Stirn plaziert und mit einer über einen Akkumulator mit Energie versorgten autonom arbeitenden mikroprozessorgesteuerten Messwertaufnahme- und Analyseeinheit mit Filterbank, Endverstärker, Analog- / Digitalwandler, Mikrocontroller mit interner Systemsoftware, Speicher, Bedientastatur und Display, verbunden ist, wobei an der Messwertaufnahme- und Analyseeinheit eine potentialfreie serielle PC- Schnittstelle angeordnet ist, so daß die Messwertaufnahme- und Analyseeinheit mittels eines Lichtleiterkabels mit einem handelsüblichen PC mit spezieller Software zur adaptiven Klassifikation mittels Populationen von Neuronalen Netzen, zur Visualisierung der hirnelektrischen Potentiale sowie der Schlaf- und Wachprofile verbunden werden kann.
2. Anordnung zur Ermittlung von Schlafprofilen nach Anspruch 1 , dadurch gekennzeichnet, daß das Elektrodenband mit Vorverstärker im Stirnbereich symmetrisch zur Nasenwurzel angeordnet wird, und daß lediglich die in dieser Elektrodenposition im Stirnbereich des Patienten als Potentialdifferenz abgegriffene Information genutzt wird.
3. Anordnung zur Ermittlung von Schlafprofilen nach den Ansprüchen 1 und 2, dadurch gekennzeichnet, daß im On-Iine-Modus zum Abspeichern der orginalen hirnelektrischen Potentiale eine separaten Einheit eingesetzt wird, die beispielsweise ein handelsüblicher Rechner oder eine mikrocontrollergesteuerte Speicher- und Sendeeinheit sein kann.
4. Anordnung zur Ermittlung von Schlafprofilen nach einem oder mehreren der Ansprüche 1 bis 3, dadurch gekennzeichnet, an der mittleren Elektrode des des Elektrodenbandes ein Vorverstärker angeordnet ist, so daß das EEG- Signal als analoges Signal nahe seinem Ableitungsort bereits einer Verstärkung und so die Signalquelle vor allem einer Impedanzwandlung unterworfen wird.
5. Anordnung zur Ermittlung von Schlafprofilen nach einem oder mehreren der Ansprüche 1 bis 4, dadurch gekennzeichnet, daß die Filterbank aus einem 50 Hz Filter, einem Tiefpaßfilter und einem Hochpaßfilter besteht, deren Zusammenschaltung einen Bandpaß mit fu= 0,5 Hz und f0 = 64 Hz ergibt.
6. Anordnung zur Ermittlung von Schlafprofilen nach einem oder mehreren der Ansprüche 1 bis 5, dadurch gekennzeichnet, daß zur Weiterverarbeitung des Signals vorzugsweise mindestens 10-Bit A/D-Wandler in Verbindung mit einem 8-Bit Mikrocontroller eingesetzt wird.
7. Verfahren zur Ermittlung von Schlafprofilen, dadurch gekennzeichnet, daß das im Stirnbereich symmetrisch zur Nasenwurzel mittels dreier Sensoren an einem Patienten abgegriffene elektroenzephalografisch erfaßte analoge Signal welches mittels der erfindungsgemäßen Anordnung gefiltert, verstärkt, zur Weiterverarbeitung digitalisiert und anschließend merkmalsbezogen komprimiert, gespeichert und nach dieser Vorverarbeitung zu einem Rechner übertragen wird, wobei im Rechner durch Populationen Neuronaler Netze, welche mittels genetischer und evolutionärer Algorithmen topologisch optimiert wurden, die Klassifikation gemäß der Schlafstadien durchgeführt wird, sowie eine Visualisierung der Körpersignale und Profile erfolgt und gleichzeitig eine interaktive Bearbeitung möglich ist.
8. Verfahren zur Ermittlung von Schlafprofilen nach Anspruch 7, dadurch gekennzeichnet, daß zur Digitalisierung 128 Werte pro Sekunde bei einem Auflösungminimum von 10 Bit festgelegt werden.
9. Verfahren zur Ermittlung von Schlafprofilen nach einem oder beiden der Ansprüche 7 und 8, dadurch gekennzeichnet, daß nach Digitalisierung und Fouriertransformation des erfindungsgemäß analog verstärkten und gefilterten EEG-Signals folgende 14 Merkmale gewonnen und einem Klassifikator zugeführt werden:
- akkumulierte Leistungsdichte im Bereich von 1 bis 4 Hz bezogen auf die Gesamtleistungsdichte (Merkmal m1 ),
- akkumulierte Leistungsdichte im Bereich von 5 bis 7 Hz bezogen auf die Gesamtleistungsdichte (Merkmal m2),
- akkumulierte Leistungsdichte im Bereich von 8 bis 11 Hz bezogen auf die Gesamtleistungsdichte (Merkmal m3),
- akkumulierte Leistungsdichte im Bereich von 12 bis 14 Hz bezogen auf die Gesamtleistungsdichte (Merkmal m4),
- akkumulierte Leistungsdichte im Bereich von 15 bis 30 Hz bezogen auf die Gesamtleistungsdichte (Merkmal m5),
- akkumulierte Leistungsdichte im Bereich von 31 bis 63 Hz bezogen auf die Gesamtleistungsdichte (Merkmal m6),
- Frequenz bei 25% der Gesamtleistungsdichte (Merkmal m7),
- Frequenz bei 50% der Gesamtleistungsdichte (Merkmal m8),
- Frequenz bei 75% der Gesamtleistungsdichte (Merkmal m9),
- Frequenz des maximalen Leistungsdichtewertes im Bereich 1 bis 4 Hz (Merkmal m10),
- Frequenz des maximalen Leistungsdichtewertes im Bereich 8 bis 14 Hz (Merkmal m11 ),
- Frequenz des maximalen Leistungsdichtewertes im Bereich 21 bis 30 Hz (Merkmal m12), - akkumulierte Leistungsdichte im Bereich von 50 bis 60 Hz bezogen auf die Gesamtleistungsdichte (Merkmal m13) und
- Nummer der Epoche bezogen auf die Gesamtanzahl von Epochen (Merkmal m14), welcher aus Populationen von 8 bis 30 belehrten Neuronalen Netzen und Regeln besteht, die den Kontext der Epochen in die Klassifikation einbeziehen.
10. Verfahren zur Ermittlung von Schlafprofilen nach einem oder mehreren der Ansprüche 7 bis 9, dadurch gekennzeichnet, daß zur Verbesserung der Generalisierungsfähigkeiten der Netze eine Normierung durchgeführt, dabei jede Merkmalsausprägung über alle Epochen auf einen Wertebereich zwischen -2,0 und +2,0 abgebildet und dem Netz als Eingangsdaten angeboten wird.
11. Verfahren zur Ermittlung von Schlafprofilen nach einem oder mehreren der Ansprüche 7 bis 10, dadurch gekennzeichnet, daß angelernte Netze die Stadienzuweisungen zu jeder Epoche leisten.
12. Verfahren zur Ermittlung von Schlafprofilen nach einem oder mehreren der Ansprüche 7 bis 11 , dadurch gekennzeichnet, daß simultan drei Populationen von je n=8 Netzen eingesetzt werden, wobei jeweils ein Netz mit den Daten einer Nacht belehrt worden ist.
13. Verfahren zur Ermittlung von Schlafprofilen nach einem oder mehreren der Ansprüche 7 bis 12, dadurch gekennzeichnet, daß die Klassifikation zunächst mit jeder Netzpopulation separat durchgeführt wird, wobei sich die Netzpopulationen dadurch unterscheiden, daß sie auf der Basis von 12 (Merkmale m1 bis m12), 13 (Merkmale m1 bis m13) und 14 Merkmaien belehrt wurden, so daß die Netze der Population 1 über 12, die Netze der Population 2 über 13 und die Netze der Population 3 über 14 Eingangsunits verfügt, wobei die Anzahl der Ausgangsunits für alle Netze entsprechend der Anzahl der Klassen auf 7 fixiert bleibt.
14. Verfahren zur Ermittlung von Schlafprofilen nach einem oder mehreren der Ansprüche 7 bis 14, dadurch gekennzeichnet, daß für jedes Netz die Ausgangsunit mit der maximalen Erregung ermittelt wird.
15. Verfahren zur Ermittlung von Schlafprofilen nach einem oder mehreren der Ansprüche 7 bis 14, dadurch gekennzeichnet, daß die Abbildung der Schlafstadien auf 7 natürliche Zahlen erfolgt, und der Mediän über alle netzspezifischen Entscheidungen die Klassen liefert, in die die jeweilige Epoche eingeordnet wird.
16. Verfahren zur Ermittlung von Schlafprofilen nach einem oder mehreren der Ansprüche 7 bis 15, dadurch gekennzeichnet, daß durch die Synergieeffekte dreier Populationen von Neuronalen Netzen ein robuster Klassifikator dadurch entsteht, daß der Mediän der drei Populationsentscheidungen gebildet wird.
17. Verfahren zur Ermittlung von Schlafprofilen nach einem oder mehreren der Ansprüche 7 bis 16, dadurch gekennzeichnet, daß Kontexregeln Anwendung finden, die über Glättungsalgorithmen die Schlafprofile verbessern.
EP97948737A 1996-11-21 1997-11-17 Anordnung und verfahren zur ermittlung von schlafprofilen Withdrawn EP0957759A1 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE19649991A DE19649991A1 (de) 1996-11-21 1996-11-21 Verfahren zur Ermittlung von Schlaf- und Wachprofilen
DE19649991 1996-11-21
PCT/DE1997/002685 WO1998022019A1 (de) 1996-11-21 1997-11-17 Anordnung und verfahren zur ermittlung von schlafprofilen

Publications (1)

Publication Number Publication Date
EP0957759A1 true EP0957759A1 (de) 1999-11-24

Family

ID=7813428

Family Applications (1)

Application Number Title Priority Date Filing Date
EP97948737A Withdrawn EP0957759A1 (de) 1996-11-21 1997-11-17 Anordnung und verfahren zur ermittlung von schlafprofilen

Country Status (5)

Country Link
US (1) US6272378B1 (de)
EP (1) EP0957759A1 (de)
JP (1) JP2001503667A (de)
DE (2) DE19649991A1 (de)
WO (1) WO1998022019A1 (de)

Families Citing this family (92)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1175240B1 (de) * 1999-05-04 2004-09-01 MAP Medizin-Technologie GmbH Vorrichtung zur erfassung elektrischer potentiale im stirnbereich eines patienten
US6540664B1 (en) * 1999-11-26 2003-04-01 Bruce Blair Apparatus for facilitating analysis of dream activity
US6575895B1 (en) * 1999-11-26 2003-06-10 Bruce Blair Apparatus for facilitating analysis of dream activity
US6757558B2 (en) * 2000-07-06 2004-06-29 Algodyne, Ltd. Objective pain measurement system and method
GB2381586A (en) * 2001-11-01 2003-05-07 Oxford Biosignals Ltd Electro-Oculographic Sleep Monitoring
DE10156556A1 (de) 2001-11-20 2003-07-17 Ags Medicare Gmbh Einrichtung zur Ermittlung von Schlafprofilen
NZ570486A (en) * 2001-12-31 2010-01-29 Cns Inc Nasal devices including dilation and user comminication and methods if using same
DE10243937A1 (de) * 2002-09-20 2004-04-01 MCC Gesellschaft für Diagnosesysteme in Medizin und Technik mbH & Co. KG Verfahren und Vorrichtung zur Ermittlung eines Schlafprofiles
US7024234B2 (en) * 2002-09-20 2006-04-04 Lyle Aaron Margulies Method and apparatus for monitoring the autonomic nervous system
US8512221B2 (en) * 2003-02-28 2013-08-20 Consolidated Research Of Richmond, Inc. Automated treatment system for sleep
WO2004078132A2 (en) * 2003-02-28 2004-09-16 Consolidated Research Of Richmond, Inc. Automated insomnia treatment system
US7130673B2 (en) * 2003-04-08 2006-10-31 Instrumentarium Corp. Method of positioning electrodes for central nervous system monitoring and sensing pain reactions of a patient
JP2004335172A (ja) * 2003-05-01 2004-11-25 Hosiden Corp カードコネクタ
US20040230398A1 (en) * 2003-05-15 2004-11-18 Sanyo Electric Co., Ltd. Sleep analyzer and program product for giving sleep analysis function to computer
US6993380B1 (en) * 2003-06-04 2006-01-31 Cleveland Medical Devices, Inc. Quantitative sleep analysis method and system
US20040254902A1 (en) * 2003-06-11 2004-12-16 Von Klleeck David Lawrence Second Opinion Selection System
US7170994B2 (en) * 2003-10-15 2007-01-30 Motorola, Inc. Method and apparatus for selecting an alert mode based on user biometrics
SE0302746D0 (sv) * 2003-10-17 2003-10-17 Uppsala Laekarkonsult Ab Multielectrode
US7206625B2 (en) * 2003-10-23 2007-04-17 Vivosonic Inc. Method and apparatus for the collection of physiological electrical potentials
US8170637B2 (en) * 2008-05-06 2012-05-01 Neurosky, Inc. Dry electrode device and method of assembly
KR20050072965A (ko) * 2004-01-08 2005-07-13 림스테크널러지주식회사 생체신호 검출용 건식 능동 센서모듈
US20080177197A1 (en) * 2007-01-22 2008-07-24 Lee Koohyoung Method and apparatus for quantitatively evaluating mental states based on brain wave signal processing system
US8301218B2 (en) * 2004-01-08 2012-10-30 Neurosky, Inc. Contoured electrode
WO2005084538A1 (en) * 2004-02-27 2005-09-15 Axon Sleep Research Laboratories, Inc. Device for and method of predicting a user’s sleep state
US20070249952A1 (en) * 2004-02-27 2007-10-25 Benjamin Rubin Systems and methods for sleep monitoring
TW200534827A (en) * 2004-03-24 2005-11-01 Noninvasive Medical Technologies Llc Thoracic impedance monitor and electrode array and method of use
US20070208269A1 (en) * 2004-05-18 2007-09-06 Mumford John R Mask assembly, system and method for determining the occurrence of respiratory events using frontal electrode array
US7575005B2 (en) * 2004-05-18 2009-08-18 Excel-Tech Ltd. Mask assembly with integrated sensors
US20060258930A1 (en) * 2004-05-18 2006-11-16 Jianping Wu Device for use in sleep stage determination using frontal electrodes
US8244340B2 (en) * 2006-12-22 2012-08-14 Natus Medical Incorporated Method, system and device for sleep stage determination using frontal electrodes
AU2005250035B2 (en) * 2004-06-03 2010-06-10 Compumedics Limited Adaptable breathing mask
US7860561B1 (en) 2004-06-04 2010-12-28 Cleveland Medical Devices Inc. Method of quantifying a subject's wake or sleep state and system for measuring
US20060019224A1 (en) * 2004-07-23 2006-01-26 Pics, Inc. Insomnia assessment and treatment device and method
US9351658B2 (en) * 2005-09-02 2016-05-31 The Nielsen Company (Us), Llc Device and method for sensing electrical activity in tissue
KR100719068B1 (ko) * 2005-09-14 2007-05-17 재단법인 한국정신과학연구소 전전두엽에서 측정한 뇌파 데이터의 고속푸리에변환을 통한누적데이터의 패턴분석을 이용한 건강진단 장치 및 그방법
US20090105577A1 (en) * 2006-05-18 2009-04-23 Jianping Wu Device For Detecting Electrical Potentials Using Frontal Electrodes
WO2007134437A1 (en) * 2006-05-18 2007-11-29 Excel-Tech Ltd. Device for detecting electrical potentials using frontal electrodes
US7848795B2 (en) 2006-05-22 2010-12-07 General Electric Company Determination of sleep depth
US20080077020A1 (en) 2006-09-22 2008-03-27 Bam Labs, Inc. Method and apparatus for monitoring vital signs remotely
WO2008070148A1 (en) * 2006-12-05 2008-06-12 Axon Sleep Research Laboratories, Inc. Pressure support device with dry electrode sleep staging device
US20090024044A1 (en) * 2007-07-17 2009-01-22 The General Electric Company Data recording for patient status analysis
US8380314B2 (en) 2007-09-26 2013-02-19 Medtronic, Inc. Patient directed therapy control
US20090264789A1 (en) * 2007-09-26 2009-10-22 Medtronic, Inc. Therapy program selection
WO2009042170A1 (en) 2007-09-26 2009-04-02 Medtronic, Inc. Therapy program selection
EP2211986B1 (de) 2007-10-16 2013-11-20 Medtronic, Inc. Therapiesteuerung basierend auf patientenbewegungszustand
WO2009064475A1 (en) * 2007-11-13 2009-05-22 Wavesynch Technologies, Inc. Method for real time attitude assessment
US20100069775A1 (en) * 2007-11-13 2010-03-18 Michael Milgramm EEG-Related Methods
EP2249908B1 (de) 2008-01-25 2014-01-01 Medtronic, Inc. Nachweis des schlafstadiums
US9149599B2 (en) 2008-04-09 2015-10-06 Lotus Magnus, Llc Brain stimulation systems and methods
US20100234697A1 (en) * 2008-04-29 2010-09-16 Lotus Magnus, Llc Systems, devices, and methods for monitoring a subject
US20100099954A1 (en) * 2008-10-22 2010-04-22 Zeo, Inc. Data-driven sleep coaching system
US9186083B2 (en) * 2009-02-24 2015-11-17 Natus Medical Incorporated Method and system for sleep stage determination
US8355769B2 (en) * 2009-03-17 2013-01-15 Advanced Brain Monitoring, Inc. System for the assessment of sleep quality in adults and children
EP2236078A1 (de) * 2009-04-02 2010-10-06 Koninklijke Philips Electronics N.V. Verarbeitung eines biologisch/physiologischen Signals
US9770204B2 (en) 2009-11-11 2017-09-26 Medtronic, Inc. Deep brain stimulation for sleep and movement disorders
US8280501B2 (en) 2010-04-16 2012-10-02 Dyna Dx Corporation Systems and methods for quantitatively characterizing slow wave activities and states in sleep
US9211411B2 (en) 2010-08-26 2015-12-15 Medtronic, Inc. Therapy for rapid eye movement behavior disorder (RBD)
US9775545B2 (en) 2010-09-28 2017-10-03 Masimo Corporation Magnetic electrical connector for patient monitors
JP5710767B2 (ja) 2010-09-28 2015-04-30 マシモ コーポレイション オキシメータを含む意識深度モニタ
CN103635134A (zh) * 2011-05-11 2014-03-12 皇家飞利浦有限公司 睡眠阶段注释设备
US9814426B2 (en) 2012-06-14 2017-11-14 Medibotics Llc Mobile wearable electromagnetic brain activity monitor
CN104902814B (zh) * 2012-10-12 2018-03-02 加利福尼亚大学董事会 检测生理信号的额部电极传感器的配置和空间放置
WO2014118693A1 (en) * 2013-01-29 2014-08-07 Koninklijke Philips N.V. Sensory stimuli to increase accuracy of sleep staging
US8984687B2 (en) 2013-03-14 2015-03-24 Select Comfort Corporation Partner snore feature for adjustable bed foundation
AU2014236920B2 (en) 2013-03-14 2017-03-09 Sleep Number Corporation Inflatable air mattress alert and monitoring system
WO2014159716A1 (en) 2013-03-14 2014-10-02 Nunn Rob Inflatable air mattress snoring detection and response
JP6126300B2 (ja) 2013-03-14 2017-05-10 セレクト コンフォート コーポレーションＳｅｌｅｃｔ Ｃｏｍｆｏｒｔ Ｃｏｒｐｏｒａｔｉｏｎ 照明及び音声制御装置を備えた膨張式エアマットレス
US10201234B2 (en) 2013-03-14 2019-02-12 Sleep Number Corporation Inflatable air mattress system architecture
CA2905987C (en) 2013-03-14 2018-02-13 Select Comfort Corporation Inflatable air mattress autofill and off bed pressure adjustment
AU2014228312B2 (en) 2013-03-14 2016-10-27 Sleep Number Corporation Inflatable air mattress system with detection techniques
US9504416B2 (en) 2013-07-03 2016-11-29 Sleepiq Labs Inc. Smart seat monitoring system
US9445751B2 (en) 2013-07-18 2016-09-20 Sleepiq Labs, Inc. Device and method of monitoring a position and predicting an exit of a subject on or from a substrate
NZ720056A (en) * 2013-10-14 2021-07-30 Neurovigil Inc Localized collection of biological signals, cursor control in speech-assistance interface based on biological electrical signals and arousal detection based on biological electrical signals
US11626198B2 (en) * 2013-11-01 2023-04-11 Koninklijke Philips N.V. Patient feedback for uses of therapeutic device
US10674832B2 (en) 2013-12-30 2020-06-09 Sleep Number Corporation Inflatable air mattress with integrated control
US9770114B2 (en) 2013-12-30 2017-09-26 Select Comfort Corporation Inflatable air mattress with integrated control
US10179064B2 (en) 2014-05-09 2019-01-15 Sleepnea Llc WhipFlash [TM]: wearable environmental control system for predicting and cooling hot flashes
US10154815B2 (en) 2014-10-07 2018-12-18 Masimo Corporation Modular physiological sensors
US10448749B2 (en) 2014-10-10 2019-10-22 Sleep Number Corporation Bed having logic controller
US11039784B2 (en) * 2014-12-05 2021-06-22 Agency For Science, Technology And Research Sleep profiling system with feature generation and auto-mapping
US10092242B2 (en) 2015-01-05 2018-10-09 Sleep Number Corporation Bed with user occupancy tracking
US10149549B2 (en) 2015-08-06 2018-12-11 Sleep Number Corporation Diagnostics of bed and bedroom environment
CN105126187A (zh) * 2015-08-31 2015-12-09 杭州回车电子科技有限公司 一种通过脑电波辅助睡眠的方法和系统
WO2017108766A1 (en) 2015-12-22 2017-06-29 Koninklijke Philips N.V. System and method for determining sleep stages based on cardiac activity information and brain activity information in eeg signals
CN105942974A (zh) * 2016-04-14 2016-09-21 禅客科技（上海）有限公司 一种基于低频脑电的睡眠分析方法及系统
US10953192B2 (en) 2017-05-18 2021-03-23 Advanced Brain Monitoring, Inc. Systems and methods for detecting and managing physiological patterns
US11737938B2 (en) 2017-12-28 2023-08-29 Sleep Number Corporation Snore sensing bed
CN108542386B (zh) * 2018-04-23 2020-07-31 长沙学院 一种基于单通道eeg信号的睡眠状态检测方法和系统
WO2020193382A1 (en) * 2019-03-28 2020-10-01 Koninklijke Philips N.V. Enhancing deep sleep based on information from frontal brain activity monitoring sensors
JP7321511B2 (ja) * 2019-08-08 2023-08-07 国立大学法人 筑波大学 判定装置、光照射装置、及びプログラム
RU2751137C1 (ru) * 2020-05-15 2021-07-08 ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ "СберМедИИ" Способ определения фазы сна в длительной записи ээг
CN118592904A (zh) * 2024-08-08 2024-09-06 良渚实验室 基于深度学习的睡眠自动分期方法和系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5047930A (en) * 1987-06-26 1991-09-10 Nicolet Instrument Corporation Method and system for analysis of long term physiological polygraphic recordings
US4776345A (en) * 1987-09-04 1988-10-11 Cns, Inc. Interactive determination of sleep stages
FR2657443B1 (fr) * 1990-01-24 1992-05-15 Blanchet Gerard Procede et appareil de traitement de signal electro-encephalographique.
JPH06285031A (ja) * 1993-03-31 1994-10-11 Nec San-Ei Instr Co Ltd 睡眠解析装置
US5520176A (en) * 1993-06-23 1996-05-28 Aequitron Medical, Inc. Iterative sleep evaluation
DE4329946C2 (de) * 1993-09-04 1997-08-28 Csm Computer Systeme Mestechni Anordnung und Verfahren zum Erfassen und Verarbeiten von Biosignalen
GB9522872D0 (en) * 1995-11-08 1996-01-10 Oxford Medical Ltd Improvements relating to physiological monitoring

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO9822019A1 *

Also Published As

Publication number Publication date
WO1998022019A1 (de) 1998-05-28
DE19649991A1 (de) 1998-06-04
US6272378B1 (en) 2001-08-07
DE19781294D2 (de) 1999-11-11
JP2001503667A (ja) 2001-03-21

Similar Documents

Publication Publication Date Title
EP0957759A1 (de) Anordnung und verfahren zur ermittlung von schlafprofilen
DE4091020C2 (de) Verfahren und Vorrichtung zum Überwachen, Anzeigen und/oder Aufzeichnen von bioelektrischen Spannungssignalen eines menschlichen oder tierischen Körpers
DE3854806T2 (de) Gerät zur Bestimmung der verschiedenen Phasen des Schlafens in Wechselwirkung mit Bedienungspersonen
EP0828225A1 (de) Verfahren und Vorrichtung zum Auswerten von EEG-Daten
DE69737950T2 (de) Verfahren zum Berechnen eines die Narkosetiefe indizierenden Indexes
DE69736592T2 (de) Systeme zur vorhersagung, schnellerfassung,warnung, vermeidung oder kontrolle von zustandsveränderungen im gehirn
DE69525388T2 (de) Verfahren und Gerät zur Messung des Elektrogastrogrammes und des intestinalen Elektrogrammes
EP3019080B1 (de) Verfahren zur automatischen auswertung eines absens-eeg, computerprogramm und auswertegerät dafür
DE69226345T2 (de) Erfassung der Bewegung zwischen einer Elektrode und einem Patienten und schnelle Wiederherstellung der Grenzen
DE19831109A1 (de) Verfahren zur Auswertung von mit Störungen der Atemregulation bei Früh- und Neugeborenen im Zusammenhang stehenden Meßdaten
EP1059875B1 (de) Auswertesystem zur gewinnung diagnostischer informationen aus signalen und daten medizinischer sensorsysteme
EP1098593A1 (de) Vorrichtung zur bestimmung der schlaftiefe
DE102011016804A1 (de) Vorrichtung und Verfahren zur Datenverarbeitung physiologischer Signale
WO2007096269A1 (de) Vorrichtung und verfahren zur echtzeit-ansteuerung eineas effektors
DE4039648A1 (de) Messwertverarbeitungssystem fuer ein biologisches objekt
DE3024824A1 (de) Von einem patienten zu tragende datenerfassungs- und datenspeicheranordnung
WO1993019665A1 (de) Einrichtung zur diagnostizierung von kreislaufunregelmässigkeiten
DE3209850A1 (de) Ueberwachungsgeraet fuer physiologische variable
DE2232875A1 (de) Einrichtung zur ermittlung von messdaten durch automatische fernregistrierung
DE102004054319A1 (de) Verarbeitungssystem für einen medizinischen Parameter
EP1127537A2 (de) Tragbarer Recorder zur Aufnahme und Übertragung eines mehrkanaligen EKG
DE102007045943A1 (de) Vorkonditioniertes EKG-System und -Verfahren
EP0813840B1 (de) Verfahren und Messanordnung zum Messen von reizevozierten Potentialen des Gehirns
DE19713947C2 (de) Elektromyographie-Biofeedbackgerät für Entspannungstraining
WO2009079977A2 (de) Verfahren und vorrichtung zur schlafmedizinischen vorabdiagnose und therapie-begleitung

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 19990510

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE CH DE DK ES FI FR GB IE IT LI NL SE

RBV Designated contracting states (corrected)

Designated state(s): AT BE CH DE DK ES FI FR GB IE IT LI NL SE

17Q First examination report despatched

Effective date: 20030514

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20060601