EP1493097A1 - Method and device for the electromagnetic modification of cerebral activity - Google Patents
Method and device for the electromagnetic modification of cerebral activityInfo
- Publication number
- EP1493097A1 EP1493097A1 EP03717275A EP03717275A EP1493097A1 EP 1493097 A1 EP1493097 A1 EP 1493097A1 EP 03717275 A EP03717275 A EP 03717275A EP 03717275 A EP03717275 A EP 03717275A EP 1493097 A1 EP1493097 A1 EP 1493097A1
- Authority
- EP
- European Patent Office
- Prior art keywords
- brain activity
- model
- change
- calibration
- transmitter
- 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- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 149
- 230000004048 modification Effects 0.000 title claims abstract description 29
- 238000012986 modification Methods 0.000 title claims abstract description 29
- 230000002490 cerebral effect Effects 0.000 title abstract 11
- 230000005291 magnetic effect Effects 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 230000001105 regulatory effect Effects 0.000 claims abstract description 17
- 230000007177 brain activity Effects 0.000 claims description 165
- 230000008859 change Effects 0.000 claims description 73
- 238000012360 testing method Methods 0.000 claims description 63
- 230000006399 behavior Effects 0.000 claims description 57
- 230000000694 effects Effects 0.000 claims description 48
- 230000003542 behavioural effect Effects 0.000 claims description 37
- 210000004556 brain Anatomy 0.000 claims description 37
- 238000005259 measurement Methods 0.000 claims description 35
- 210000002569 neuron Anatomy 0.000 claims description 35
- 238000000354 decomposition reaction Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 12
- 230000008451 emotion Effects 0.000 claims description 11
- 230000033228 biological regulation Effects 0.000 claims description 9
- 230000015654 memory Effects 0.000 claims description 8
- 230000008450 motivation Effects 0.000 claims description 7
- 230000001953 sensory effect Effects 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 3
- 230000000739 chaotic effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 230000002996 emotional effect Effects 0.000 claims description 3
- 230000013016 learning Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000008447 perception Effects 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims description 3
- 206010063659 Aversion Diseases 0.000 claims description 2
- 239000013543 active substance Substances 0.000 claims description 2
- 230000004594 appetite change Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 230000031864 metaphase Effects 0.000 claims description 2
- 230000036632 reaction speed Effects 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims 2
- 230000005684 electric field Effects 0.000 claims 1
- 238000012872 hydroxylapatite chromatography Methods 0.000 description 147
- 238000000537 electroencephalography Methods 0.000 description 38
- 238000013519 translation Methods 0.000 description 24
- 239000011159 matrix material Substances 0.000 description 20
- 230000001537 neural effect Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 238000001228 spectrum Methods 0.000 description 15
- 238000001727 in vivo Methods 0.000 description 13
- 238000005457 optimization Methods 0.000 description 11
- 230000002401 inhibitory effect Effects 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 230000005672 electromagnetic field Effects 0.000 description 9
- 230000010355 oscillation Effects 0.000 description 9
- 238000013459 approach Methods 0.000 description 7
- 210000004027 cell Anatomy 0.000 description 7
- 206010010904 Convulsion Diseases 0.000 description 6
- 230000036541 health Effects 0.000 description 6
- 238000002156 mixing Methods 0.000 description 6
- 230000010363 phase shift Effects 0.000 description 6
- 230000002829 reductive effect Effects 0.000 description 6
- 238000011491 transcranial magnetic stimulation Methods 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 5
- 239000004148 curcumin Substances 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000007917 intracranial administration Methods 0.000 description 5
- 238000011002 quantification Methods 0.000 description 5
- 230000000638 stimulation Effects 0.000 description 5
- 230000003313 weakening effect Effects 0.000 description 5
- 241000282412 Homo Species 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 239000004106 carminic acid Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 239000012528 membrane Substances 0.000 description 4
- 238000004393 prognosis Methods 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000002964 excitative effect Effects 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 230000003340 mental effect Effects 0.000 description 3
- 210000005036 nerve Anatomy 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000036962 time dependent Effects 0.000 description 3
- 239000005711 Benzoic acid Substances 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 239000000783 alginic acid Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 239000010432 diamond Substances 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 210000005153 frontal cortex Anatomy 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 230000003924 mental process Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005312 nonlinear dynamic Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000003892 spreading Methods 0.000 description 2
- 230000002739 subcortical effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000238366 Cephalopoda Species 0.000 description 1
- 208000019022 Mood disease Diseases 0.000 description 1
- 206010028347 Muscle twitching Diseases 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 101100022454 Schizosaccharomyces pombe (strain 972 / ATCC 24843) mbo1 gene Proteins 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 230000036982 action potential Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000011668 ascorbic acid Substances 0.000 description 1
- 230000003935 attention Effects 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000003931 cognitive performance Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005520 electrodynamics Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 238000005290 field theory Methods 0.000 description 1
- 238000011990 functional testing Methods 0.000 description 1
- 238000005288 gauge theory Methods 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 210000004326 gyrus cinguli Anatomy 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000004672 jump response Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007721 medicinal effect Effects 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000003534 oscillatory effect Effects 0.000 description 1
- 230000000661 pacemaking effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 210000002442 prefrontal cortex Anatomy 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000013548 repetitive transcranial magnetic stimulation Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000004173 sunset yellow FCF Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 230000000542 thalamic effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/36014—External stimulators, e.g. with patch electrodes
- A61N1/36025—External stimulators, e.g. with patch electrodes for treating a mental or cerebral condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
- A61B5/245—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetoencephalographic [MEG] signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- 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
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0055—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus with electric or electro-magnetic fields
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/08—Other bio-electrical signals
- A61M2230/10—Electroencephalographic signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/02—Details
- A61N1/04—Electrodes
- A61N1/0404—Electrodes for external use
- A61N1/0472—Structure-related aspects
- A61N1/0476—Array electrodes (including any electrode arrangement with more than one electrode for at least one of the polarities)
Definitions
- the invention relates to a method and a device for the electromagnetic modification of brain activity, in particular for the controlled or regulated electromagnetic modification of brain activity in vivo and the behavior modification resulting therefrom.
- Model-based controlled or regulated modification means targeted change or non-change of brain activity on the basis of a behavior goal, a behavior model and a brain activity model.
- Regulated means that observation, calculation and modification steps are linked together in feedback loops.
- the behavioral goal to be specified by the user includes the type and form of a certain behavior and its durability.
- Behavior refers to any spatiotemporal combination of any potentially validable factual or possible condition of a person.
- Behavior includes, but is not limited to, perception
- Behavior is based on brain activity.
- the relationship between the two is quantified using a behavior model, i.e. an empirically established link between certain behavior and a certain dynamic of certain brain activity characteristics.
- Brain activity characteristics are parameters of brain activity that can be determined from measured values. Examples of brain activity characteristics are potential differences between an EEG electrode and a reference electrode, or the band range of the most pronounced frequencies across all EEG electrodes ("alpha band” or the like [12]), or the similarity index ("similarity index”, see [5 ]) the measured values of MEG sensors.
- a brain activity model refers to a physiologically based model which shows brain activity by means of the dynamics of brain components and / or describes their interactions (this includes, for example, in [24], [1], [23], [25] or [18]).
- a non-observable is a parameter or a variable of a generic model that can only be measured in vivo with considerable effort - or not at all - with the necessary spatial and temporal resolution.
- Non-observables determine the brain dynamics, and fluctuate between individuals and within an individual up to a factor of one hundred.
- Generic brain activity models make no statements about direct external influences on the dynamics of brain components, at best about indirect external influences through receptor stimulation, deprivation or lesions.
- brain activity models used below which are generally specific, quantify, among other things, external influences via electrical and / or magnetic fields and are based on non-observables that are relevant for a user in a time interval and determined with the aid of suitable methods.
- These brain activity models usually include nonlinear differential equations for example of the shape for each brain component
- x (t) f (x, t okale parameters, endogenous input, exogenous input)
- X is a characteristic of activity in the home, x its time derivative, t time, f a function, among other things, of the type of component ("local parameters"), the type and extent of the effects of other components spreading via physiological connections (“endogenous input”), and the direct external influence on the brain component (“exogenous input”).
- the endogenous input includes other (“translocal”) parameters, such as coupling strengths or delay times between components. Missing or inadequate specification of the brain activity model for the respective user leads to a wide spread in this case largely unknown effects of exogenous electromagnetic inputs and thus to the inapplicability of corresponding procedures outside of a range of neurological, psychiatric or psychological damage in which random effects are weighed against possible treatment success.
- Electromagnetic means electrical and / or magnetic quantities and relates both to the type of incoming observation data (essentially electromagnetic correlates of the brain activity of the user) and to the essential mode of modification (e.g. by extracranial generated variable magnetic field, which effortlessly penetrates the user's cranium and induces intracranial induction voltages, which gives the possibility of influencing the brain activity of the user).
- In vivo relates to the use of the method in living users, in contrast to cell preparations, parts of the brain, computer simulations or the like, and thus places special requirements both in terms of the complexity of the brain processes taking place and in terms of the speed of observation, calculation and modification as well as security of the process.
- model-based controlled or regulated electromagnetic modification of brain activity in vivo is not possible (the human brain consists of approximately 10 11 neurons and approximately 10 15 connections between them), and has not been considered or attempted to date. The same applies to the associated behavior modification.
- NA nonlinear dynamic / neural network / artificial intelligence approach
- CON control theory approach
- MED medical approach
- NA A possible basic building block of NA is the neuroie oscillator, that is, an entity that can switch between oscillatory behavior and silence, and which can be composed of an ensemble of smaller entities (but which will not be considered further).
- NA deals with neural networks, i.e. small (order of magnitude ⁇ 10 4 ) connected ensembles of neural oscillators, and the phenomena that occur in these networks (eg memory or pattern recognition).
- neural networks i.e. small (order of magnitude ⁇ 10 4 ) connected ensembles of neural oscillators, and the phenomena that occur in these networks (eg memory or pattern recognition).
- Control procedures can be divided into model-based and data-based procedures.
- the quality of a model-based process is linked to the suitability of the model for the problem in question.
- no brain activity or behavior models have been used in humans or animals.
- the quality of a data-based method depends on the simplicity of the system to be checked (since the first step in a data-based method is usually the reconstruction of the phase space, in which search procedures are carried out and iterations are calculated - which is the concrete calculation for higher-dimensional phase spaces Makes real time impossible, with the exception of time-delayed feedback, in which there are waiting times until a target state to be stabilized is reached).
- Current control methods cannot be used for controlled or regulated electromagnetic modification of brain activity in vivo, since several of the following effects come together: high to unachievable high demands on storage space and computer speed, potentially arbitrarily long waiting times until a target orbit is reached, - intermittent outbreaks the target orbit in systems with stochastic elements,
- MED is implicitly based on a microscopic physiological model with individual neurons as constituents of brain activity - which are to be called "individual neurons" in the following. Accordingly, in vivo non-invasively unobservable variables such as ion concentrations on both sides of the cell membrane, number of dentrites etc. play an essential role in the calculation of the number of nerve impulses per unit of time (fire rate). For an automatic, individualized, controlled or regulated electromagnetic modification of brain activity in vivo, the single-ural paradigm (with its 10 11 individual neurons and approx. 10 15 connections between them) is unsuitable.
- the MED approach based on this is affected by the apparent inexplicability or randomness of its clinical results (for transcranial magnetic stimulation -TMS - reference is made to the overview [3]).
- Other activity-modifying MED procedures are intra- and extracranial electroshocks. All MED procedures aim to depolarize neuron membranes and thus to generate more action potential (so-called "stimulation").
- stimulation the electromagnetic depolarization of individual neurons using the MED method can be described as "enslavement” (whereby sensory enslavement through rhythmic light flashes, acoustic signals, etc. should not be considered).
- Enslavement is the result of applying high-intensity artificial signals to a system that then takes on the externally specified signal pattern instead of its natural behavior during this application.
- NA it is known that with weak coupling, communication in neural networks depends on the commensurability of the frequencies with which the participating neurons oscillate.
- local enslavement with a frequency that is not commensurable or only weakly commensurate causes the enslaved neurons to be switched off from their normal communication, and thus generates a virtual lesion.
- Current MED procedures consider virtual lesions to be an essential effect of TMS - which is inexplicable in the one-natural paradigm.
- MED methods consider "stimulation" to be improved if a less high intensity is required to move individual neurons to fire, or if the spatial area covered by the enslavement can be more narrowly limited. Repeated enslavement on the same medically sensible locus can cause physiological changes that persist during the application period, which are positive in some cases (eg statistically significant improvement of certain types of clinical depression under repeated TMS, see eg [3]).
- current methods are individualized only in two ways: firstly, when a suitable locus of the individual neurons to be depolarized is found, secondly, when a reference value is found for the strength of the electromagnetic field leading to enslavement (given as a percentage of a "motor threshold").
- TMS is used diagnostically to determine the individual existence or nonexistence of physiological neural connections between different brain areas, as well as, with restrictions, transmission speeds between different brain areas.
- Current MED methods are preferably used for medical purposes, in which the disadvantages of enslavement (up to the unlikely case of seizures) are at least compensated for by their medical effects.
- Current MED procedures only include passive safety measures such as avoiding high-frequency enslavement, excluding patients with a tendency to epileptic seizures, switching off the electromagnetic field if a seizure should occur.
- the object of the present invention is to create a method and a device for the controlled or regulated electromagnetic modification of brain activity in vivo and the resulting behavioral modification.
- a brain activity model which describes the influence of exogenous electrical and / or magnetic fields on brain activity
- a behavior model is used which describes the relationship between brain activity and behavior. This makes it possible for the first time to specifically influence a person's behavior using exogenous inputs.
- the invention relates to the use of a brain activity model, as well as determination of the individual, possibly intra-individual and / or time-dependent non-observables, as well as determination of the individual, possibly intra-individual and / or time-dependent
- Translation operators between the extracranial signal and the control force allow secure intervention within the framework of a control or regulating circuit, which in turn brings about a reliable achievement of a brain activity goal.
- the use of a behavior model ensures that the achievement of a brain activity goal results in the achievement of the individual behavior goal of the user.
- the invention is based on the knowledge that the relationship between behavior and the dynamics of brain activity characteristics is quantified using behavior models, and the dynamics of brain activity characteristics are quantified using suitable individualized brain activity models, stating suitable control parameters, so that a reliable intervention to achieve an individual behavior goal is possible is.
- FIG. 1 shows a transmitter in a sectional view
- FIG. 2 shows the transmitter from FIG. 1 in a view from below
- Fig. 3 is a planar projection of openings for sensors
- FIG. 4 schematically shows a helmet and carrier axis together with a chin rest of a head unit
- FIG. 5 shows a further planar projection of openings for sensors
- FIG. 7 HAC model modes with variation of ⁇ (extracts)
- FIG. 8 HAC model modes with variation of a (extracts)
- FIG. 18 HAC model modes for II under exogenous elementary loops of medium strength (examples),
- FIG. 21 flow chart of the S 2000 method (calibration)
- FIG. 23 flow diagram of the method S 2100 (local calibration, 2.
- FIG. 24 flow chart of the method S 2300 (translocal calibration).
- 26 is a diagram showing the data of an EEG channel
- FIG. 27 is a diagram showing a section of the data from FIG. 26 in the
- FIG. 29 is a diagram illustrating neuronal activity modeled in the phase space with the Wilson-Cowan model with the same input at 25 different mixing angles.
- the device 1 comprises 30 one or more head units 2 connected to an intermediate unit 3, one or more of which are connected to a base unit 4 (FIG. 6).
- a head unit 2 comprises a measuring system with devices for electromagnetic measurement data acquisition (“sensors”), measurement data preprocessing, and measurement data transfer to the intermediate unit, as well as a control system with devices 5 for generating electromagnetic fields (“transmitters”) and for implementing the the intermediate unit outgoing
- An intermediate unit comprises a computer with software, with which implement the methods for controlling brain activity when calibration is not necessary, as well as connections to and from the base unit.
- the base unit 4 comprises a computer which firstly contains a database with the model and user data, and secondly the other methods described in more detail below are implemented. The intermediate and the base unit are located on the same or on different computers.
- An embodiment of the device has a head unit, an intermediate unit, and a base unit.
- the head unit includes, for example, a measuring system with an EEG cap with its extracranial sensors, connections to the amplifier, amplifier, connections to the A / D converter, A / D converter, connections to the intermediate unit, and an actuating system with extracranially attached current-carrying coils as transmitters , controllable power supply for these transmitters, together with connections, D / A converter, connection from the intermediate unit.
- the intermediate unit comprises, for example, a PC with a screen and input keyboard, as well as software, and connections to and from the base unit.
- the base unit includes, for example, a powerful computing unit.
- Suitable sensors are, for example, EEG or MEG sensors.
- the MEG sensors are formed, for example, from a SQUID sensor element with a suitable evaluation device for detecting a magnetic field and a cooling device.
- the EEG sensors have e.g. B. two electrodes for measuring an electrical potential difference.
- An advantageous embodiment of a sensor comprises its partial or complete electrical and / or magnetic shielding from its surroundings, insofar as this does not hinder its function.
- An advantageous embodiment of the parts of the measuring system close to the head comprises a multiplicity of sensors which are distributed intracranially and / or extracranially; this multiplicity of sensors is referred to as a sensor grid.
- An advantageous embodiment of an extra-cranial sensor grid includes fixing it to the crane of the respective user, so that when the sensor grid is put on and taken off several times, the sensors return to their respective relative positions, for example by fitting the sensor grid into a helmet, the inside of which has the cranial shape of the respective user replicates.
- Another advantageous embodiment of the sensor grid comprises implanted electrodes.
- An advantageous embodiment of an extracranial transmitter 5 comprises a current-carrying coil 6 with a para-, dia- or ferromagnetic core 7, as shown schematically in a sectional view in FIG. 1, the arrow directions symbolizing the directions of the current flow.
- the transmitter 5 essentially has a cylindrical shape, the outer surface and an end face of the cylinder forming the rear side being clad with a shield 8.
- the coil 6 and the core 7 directly adjoin the side of the transmitter which is free of the shielding, and with this side the transmitter 5 is aligned with the cranium during operation to emit exogenous magnetic fields.
- a holding element 9 is arranged, with which the transmitter 5 can be fixed in a helmet.
- the extracranial transmitter 5 must be protected against deformation, for example by pouring the live parts in suitable resin, or embedding the live parts in stable insulating material.
- the transmitter 5 can be provided with a cooling device.
- Another advantageous embodiment of an intracranial transmitter comprises implanted electrodes.
- An advantageous embodiment of the parts of the actuating system close to the head comprises a plurality of transmitters which are distributed intra- and / or extracranially; this arrangement of transmitters is referred to as a transmitter grid.
- An advantageous embodiment of an extracranial transmitter grating comprises fixing it with respect to the crane of the respective user, so that the transmitter grids take up their respective relative positions again when the transmitter grille is put on and taken off multiple times, for example by fitting the transmitter grille into a helmet, the inside of which is the cranial shape of the respective user replicates.
- the sensor and / or transmitter grating can also be fixed with the aid of a camera, the position of the user's head in the room, as well as the sensors and / or transmitters with respect to the head, being recorded using a plurality of cameras and converted in real time into 3D data .
- intracranially implanted electrodes are used as sensors and / or transmitters, via which EEG measurements can be carried out and currents can be conducted into the brain. Lines leading to these electrodes and / or their interfaces to the computer unit and / or further lines and / or further measuring devices and / or the associated computer unit and / or the energy supplier of electrodes and / or computer unit can also be implanted, thereby permitting outpatient operation.
- FIG. 3 shows a planar projection of the superimposition of the transmitter with the sensor grid (openings 13, sensors as circles and openings 14 for transmitter 5 are shown as quadrilaterals).
- the user sits on an armchair with a neck support below the helmet 10.
- the sensor grid is intracranial and the helmet contains the extracranial transmitter grid.
- the transmitter grid is intracranial and the helmet contains the extracranial sensor grid.
- both sensor and transmitter gratings are intracranial.
- the sensor density or sensor configuration of an extracranial sensor grid can be set. In a further advantageous embodiment, this change is automated, controlled or regulated via the intermediate unit.
- the transmitter density or transmitter configuration of an extracranial transmitter grid can be set and / or the angle of inclination of each individual transmitter to the user's cranium can be changed.
- a planar projection of a mechanical holder of this embodiment is shown in FIG. 5.
- openings for sensors 13 are shown as circles and openings 14 for transmitters.
- all conventional coil configurations can be represented with their arrangement, orientation and field direction.
- the device is provided with conventional protection against power failures and / or voltage fluctuations.
- the intermediate unit can run real-time and automatic procedures for density and positioning optimization of sensors and transmitters, as well as for the elimination of artifacts, i.e. non-random measurement value distortions caused by artificially generated magnetic fields, eye movements, muscle twitches, etc. arise.
- the process according to the invention comprises in detail the process steps specified below, explained in more detail below and marked with "S”. Input and output data are marked with "D”. The individual steps are explained below:
- the behavior model represents the connection between
- HAC stands for both singular and plural for "home activity characteristic”.
- the HAC are calculated from measurement signals according to certain regulations (D 2200). Examples of HAC are potential differences measured by a sensor (electrode plus reference electrode), or a power spectrum of the signal received by the sensor within a time window, or the quotient of beta (13-30 Hz) - EEG activity to alpha (8-12 Hz) -EEG activity for this sensor
- Examples of a behavioral model are the reduced Davidson model (see e.g. [11]), according to which positive emotions with a higher quotient from beta (13-30 Hz) - EEG activity to alpha
- the behavioral model (D 3000) allows the behavioral goal (D 2000), which basically includes the durability of the desired behavior, to be converted into a target course of the HAC (D
- HACs The type and number of HACs result in minimum equipment requirements (D 4000). For example, one uses to calculate the quotient of beta (13-30 Hz) - EEG activity
- Alpha (8-12 Hz) - EEG activity in the left-frontal cortex at least one EEG electrode plus one reference electrode.
- Alpha (8-12 Hz) - EEG activity in the left-frontal cortex at least one EEG electrode plus one reference electrode.
- For the controlled achievement of the target course of the above HAC uses at least one transmitter.
- the HAC used are to be calculated from the variables of the generic brain activity model used (D 1000).
- Wilson-Cowan model (see e.g. [1]) can be calculated.
- the HAC results in minimum calibration requirements (D 1100) with regard to the generic model used. The less robust the calculation of the HAC, the stronger
- translocal calibration is usually required.
- S2000 calibration comprises the determination of individual, possibly time-specific values for the parameters, endogenous input, estimated in the generic brain activity model from population mean values, as well as the quantification of the likewise individual, possibly time-specific, exogenous influence of electromagnetic fields on brain activity.
- Electromagnetic stands for “electrical and / or magnetic” and is used in the following
- the calibration results in a specific brain model (D 1200), which quantifies exogenous input as a control variable within the model (D 1300). Calibration is detailed in FIG. 21.
- the first goal of the local calibration is to limit the brain activity in the detection range of each sensor for a specific user in a specific time interval
- the second aim of the local calibration is to find out for each brain activity in the measuring range of each sensor how this can be influenced by exogenous EM fields generated by at least one transmitter (process shown in FIG. 23).
- FIG. 21 shows a section of the method in which the decision according to decision step E 100 described above is made with the data D 1100, D1110 and D 1120 already explained above a calibration should be carried out or not. If no calibration is to be carried out, the method goes to step S 3000, as already explained above. If, on the other hand, a calibration is to be carried out, the method proceeds to step S 2100, in which a local calibration is carried out, which is discussed in more detail below with reference to FIGS. 22 to 23.
- step S 2300 Since brain activities are locally calibrated during local calibration, the same brain activity may be recorded and calibrated several times by different sensors or sensor units. It is therefore expedient to identify identical brain activities as such in step S 2300, multiple-calibrated brain activities being taken into account only once or multiple calibrations of one brain activity being evaluated in combination. The corresponding data are then integrated into the data records D 1200 and D 1300.
- step E 120 If a translocal calibration to D 1110 should be necessary, this is checked in step E 120 and, if necessary, a translocal calibration S 2400 is carried out, which is explained in more detail below with reference to FIG. 24.
- the corresponding data is then inserted into data records D 1200 and 1300.
- brain activity is measured with each sensor EM (S 2110).
- the resulting time series (D 2205) is converted into an actual course of HAC (S 2120), which results in actual courses of HAC (D 2210).
- a brain activity model (D 1000) is usually described using differential equations, into which exogenous input is integrated under certain assumptions (D 1049).
- a model mode is a solution of the differential equations of the brain activity model expanded in this way for a set of non-observables, ie of parameters, endogenous and exogenous inputs. They are calculated in step S 2115 and stored in a database (D 1051). This database contains the assignment of sets of non-observable model modes. The HAC curves of the model modes are calculated using the data stored in the database D 1051 and / or data calculated directly in step S 2115 (S 2120). This results in theoretically possible HAC courses (D 1030).
- HAC model modes result in similar (i.e. indistinguishable within error bounds) HAC model modes. It is also possible that several sets of non-observables result in the same model mode.
- This connection between HAC model modes, model modes, and sets of non-observables also occurs analogously in gauge theories, such as electrodynamics (corresponding to a HAC here, for example, "energy density in a space sector", corresponding to the model modes different electrical and magnetic fields that this energy density generate different potentials, which in turn can be the basis of the electric / magnetic fields.
- electrodynamics corresponding to a HAC here, for example, "energy density in a space sector”
- stochastic modes for example, their p-moments are stored over time.
- Model modes and possibly HAC modes are stored in a database and There are only a finite number of sets of non-observables stored (grids), the same for fashion modes and HAC model modes. If necessary, there is the option to refine and / or expand the grid (e.g. with new parameter sets and / or new species and / or new coefficients endogenous and / or exo inputs).
- the "carrier” of a mode is defined as the neuron ensemble whose activity the relevant mode generates.
- the image of the mode arriving at the respective sensor is referred to as the image mode, analogously for associated HAC modes.
- HAC model modes that may have changed according to a priori assumptions (D 1040, FIG. 22) are identified in the above-mentioned actual course of HAC (S 2130).
- the image of a HAC model mode is proportional to the HAC model mode itself and (except in cases of negligible amplitude) can be identified with the quotient of the HAC model mode and the reciprocal of an attenuation factor.
- This simplest case is used in the following.
- a (HAC) model mode is local and thus describes localized brain activity. Decomposition according to S 2130 (see FIG.
- HAC model mode D 1030
- endogenous inputs are assumed to be constant for the purposes of local calibration, in the second simplest case as sinusoidal, in the third simplest case as oscillating.
- the limitation to the examination of relevant HAC model modes is helpful for the practicability of the method.
- a HAC model mode found in the actual curves is said to be "relevant" if it can be determined in the actual HAC curve above predefined threshold values for noise, measurement errors, or the like.
- the result of the decomposition is a list of relevant HAC model modes (D 2300) in the measuring range of the respective sensor, a list of possible model modes for each element of D 2300 (D 2350) and a list of possible parameter sets, as well as possible endogenous inputs for each model mode in D 2350 (D 2400).
- test signal results from the possible endogenous and exogenous inputs (comprising: constant, oscillating, with elementary loops, i.e. time-delayed use of a measurement signal as a transmitter signal, and many others).
- test signal is integrated into the generic brain model as follows: replace "input” in the model equations with "endogenous plus exogenous input”.
- the translation operator Ü represents the relationship between the exogenous, physically measurable signal and control variables in the equations of the specific, i.e. H. calibrated, brain model.
- the specific, i.e. H. calibrated, brain model i.e. H. calibrated, brain model.
- different values of the control variable change the relevant mode, which in turn is physically measurable.
- test signal has the task of separating between different sets of parameters, endogenous inputs, and possibly translation operators for the HAC mode under consideration.
- a test signal (like every transmitter signal) is characterized by an external reference variable, as well as an usually time-dependent shape at the location of the transmitter, and a - possibly one-element - sequence of amplitude multipliers.
- the extracranial magnetic field can be generated with 0.01 Tesla with the aid of a coil through which a current of strength lo flows.
- shape of the shape normalized to amplitude 1 with respect to a selected voltage unit is the voltage induced by the temporal changes in the magnetic field sin (2 * Pi * t * 5/1000) (the voltage is assumed as a variable of the brain activity model, t is the time in Milliseconds)
- the duration of the partial signals depends on the desired effect (e.g. transient versus limit cycle), as well as the possible pauses between two partial signals.
- the transition from the transmitter signal to the signal on the carrier of the respective mode is subject to influencing invariants and assumptions (D 1050).
- the possible amplitude sequences are subject to technical and / or health conditions (D 4100, D 4200).
- test signal This numerical calculation usually results in a lot of possible shapes for test signals, each with a sequence of possible amplitude multipliers.
- An optimal test signal is then selected from this set using predefined criteria (for example, minimal disturbance of all brain activities that occur with the exception of the mode to be examined by the test signal).
- One begins with the transmission of the signal (S 2170) with the first amplitude of the sequence, measures at least with the considered sensor S ⁇ and at most with all sensors of the sensor grid (see eg FIG. 5) the electromagnetic brain activity (S 2110), time series are obtained therefrom (D 2520), from which curves of HAC are calculated (S 2120).
- the actual HAC curve is then decomposed according to HAC model modes with exogenous input (S 2135). Only parameter sets and endogenous inputs from D 2400 (see FIG. 22) are permitted for this, where instead of the "exogenous input equal to zero" there is now a possibly other exogenous input, the shape of which results from the invariants and assumptions of influence, and its Strength usually results from the (usually non-linear) changes at different amplitudes of an amplitude sequence.
- step S 2300 following local calibration in step S 2300, it is possible to identify identical carriers of model modes.
- a mn (t) as a mode assigned to the sensor S m , characterized by parameters P mn , endogenous input l mn (t) and translation operators Ü mn ⁇ ( ⁇ ) ( ⁇
- Modes do not have the same carrier if there is a transmitter T, so that Ü kl ⁇ (X) is not equal to Ü kn ⁇ ( ⁇ ) and / or Ü mt ⁇ ( ⁇ ) is not equal to Ü mn ⁇ ( ⁇ ).
- Method step S 2300 is not essential, but causes a possible downsizing of the functional matrix (D 2410, see FIG. 24) in the translocal calibration described below.
- the translocal calibration determines the type and extent of the influence of other modes and / or sensory inputs on a mode (indirect external influence, i.e. presentation of visual, acoustic, tactile, and other stimuli takes place via the sensory system, conditional delays, and is modeled as part of the endogenous input).
- the tool for this is the "functional matrix" (D2410): if a total of n different model modes have been found in the measuring range of at least one of the sensors, then this functional matrix is an n * n matrix, in the (ij) th cell of which an entry can be found if the mode i has a demonstrable influence on the mode j.
- the entry quantifies this influence, so that in the equations of the brain model for the mode j "endogenous input" is replaced by "possibly delayed function of the i-th mode plus other endogenous input”.
- the method for filling required parts of the functional matrix is shown in FIG. 24.
- Knowledge of the functional matrix or parts of the functional matrix allows the calculation of several constituents of the phenomena comprising brain activity model (e.g. synchronization, phase locking, and much more) using conventional numerical methods, neuro networks, nonlinear dynamics, and the like.
- the translation operators (D 1300) obtained from the local calibration as well as other non-observables allow a HAC forecast (S 2410) for all modes, which takes translocal influences into account only in summary. If a mode is actively changed (S 2420), a possible difference between the actual HAC and the forecast HAC can be determined. This is recorded in step S 2430. This
- step S 2440 those functional matrices are calculated whose inclusion in the equations of the brain activity model are suitable for explaining the detected difference.
- test signal is modified in step S 2221 to further narrow the amount of possible functional matrices. This iteration is terminated as soon as at least the desired elements of the functional matrix have been clearly identified.
- the aim of the EM control or regulation (S 3000) of brain activity via feedback based on brain activity model is to achieve and maintain target courses of HAC. This is shown in detail in FIG. 25.
- transmitter signals are calculated that are theoretically suitable for converting the actual course of the HAC (D 1010) into the target course (S 3100).
- These transmitter signals are preferably composed of simple signals with an effect that can be calculated in the context of the specific brain model and possibly already tested in the course of the calibration, with both multiple effects (effects of signals from one transmitter on several brain activities) and spatial composition (signals from several transmitters). , as well as temporal composition (sequence of signals).
- the best transmitter signal is selected and sent using a utility function (e.g. minimum field strength per transmitter) (S 3400).
- the Davidson model is based on the power spectrum of EEG signals.
- a suitable HAC is therefore a sequence of squared absolute amounts of Fourier coefficients, which is calculated via Fast Fourier Transformation, for example at the frequencies from 1 to 50 Hertz. Derived HAC is
- HAC (100) is the performance spectrum with regard to the measured values 1 to 100, HAC (101) the performance spectrum with respect to the measurement values 2 to 101, etc.
- Pos (100) is derived from HAC (100), Pos (101) from HAC (101) etc. This derived HAC should be increased, for example: from a point in time or the corresponding measuring point, the following should apply: Pos (t, with influence)> 2 * Pos (t, without influence). This requirement determines all target courses of the HAC.
- D 4000 minimum equipment requirements:
- a neural oscillator does not oscillate or oscillate, depending on its input, as well as non-observable physiological parameters.
- (transmitter signal) denotes the exogenous input into the neural oscillator under consideration on the basis of the signal emitted by the i-th transmitter, and "endo" stands for "endogenous”.
- Ü is a translation operator that depends, among other things, on the distance of the neural oscillator under consideration from the transmitter in question, on the alignment of the individual neurons with respect to the transmitter axis, and on other physiological parameters, and on the type of signal sent. Translation operators are not observable.
- S 800 (specification of the minimum calibration requirements): ⁇ , a, b, c, d, p x , p y , translation operators for a sensor-transmitter pair.
- D 4100 Equipment restrictions: Depends on the equipment used, e.g. conventional EEG adhesive electrodes on the input side, digitization with a sampling rate of 200 / sec., On the output side, for example, a coil with a maximum magnetic field of 0.5 Tesla.
- the limitation to one transmitter means that different modes cannot be influenced independently of one another.
- D 1200 (specific brain activity model):
- D 1200 (specific brain activity model):
- the infinite number of possible parameter combinations in the generic brain model are reduced a priori to a computationally manageable number: firstly by calculating the limits of the parameter range in which endogenous inputs exist that lead to a non-constant EM output, secondly by discretizing an n-fold this range (defining of a parameter grid, n natural number). Every parameter set is contained in this grid. All endogenous inputs are considered here (the simplest case) to be constant.
- the starting values for the calculation of the activity variables x and y in the simplified Wilson-Cowan equations are randomly distributed in the interval [0,1].
- Figure 8 shows the HAC of modes varying the
- Figure 10 shows the HAC of modes varying the
- FIG. 11 shows the HAC of modes with variation of the self-locking parameter d:
- HAC HAC measuring invariants and assumptions: In order to be able to recognize model modes in empirical modes, HAC are selected in the simplest case, which are wholly or partly invariant to the selected measurement method, or for which this invariance can be assumed. In the present example (range of services), this assumption is: the attenuation between the wearer of a model mode and the sensor is frequency-independent. This means that the ratio of the coefficients of a model mode is retained on the way to the sensor. As a further assumption, the signal is considered piecewise stationary (with stationarity on average significantly longer than the length of the Fourier window).
- the EM variables that are described in the brain activity model are preset as model-related HAC.
- the power spectrum is used instead.
- the a priori change in the default setting depending on the brain activity model used is left to the person skilled in the art.
- a standard e.g. L-i
- the actual power spectrum modulo noise stationary has maxima at 10 Hertz with a magnitude of 10, at 20 Hertz with a magnitude of 5, and smaller maxima with further multiples of 10 Hz
- the actual power spectrum is approximately equally good, the first (E- ⁇ , - ⁇ ) with a weakening of approx. 10 / 2.2, the second (E ⁇ , 2 ) with a weakening of approx. 10 / 6.8.
- Removing, for example, the first HAC model mode * 0.22 provides approximately the zero spectrum.
- D 2350 (list of possible model modes for each element of D 2300):
- This list contains, among others, the model modes Mi.ii (for E- ⁇ , ⁇ ) and M ⁇ , 2 , ⁇ (for E- ⁇ , 2 ), the generation of which is dealt with below.
- D 2400 (list of possible parameter sets with endogenous input for each model mode in D 2350):
- the control variables in the equations of the generic brain model result from the application of the (as yet unknown) translation operator Ü belonging to a model mode and to the transmitter Ti used on a transmitter signal.
- ⁇ x -x + S (ax -by + p x endo + Ü x (transmitter signal))
- S 2160, D 2500 Any signal that can be implemented within the limits of the equipment (D 4100) and health limits (D 4200) can be used as a test signal.
- test signal is firstly to eliminate from D 2400 candidates for generating parameters and endogenous inputs of the model modes of the observed HAC model modes until their assignment to the respective observed HAC model mode is clear, and secondly to determine the translation of the test signal into exogenous input .
- Test signals that meet these conditions can be determined numerically from the set of all possible test signals (for example, selection of ordered function bases plus brute force calculation).
- a permissible simplification is to require a test signal to relate both to the measured brain activity and the brain activity model used, and also in a self-consistent manner to a signal to be used in the modification in S 3000.
- a distinction is made between frequencies incommensurable with the oscillation frequency and commensurable frequencies.
- an analogous procedure is used for the fundamental frequency of the oscillation (smallest frequency contained in the power spectrum that can be distinguished from the frequencies of a random signal): According to FIG. 12, the fundamental frequency of the two similar HAC model modes is 10 Hz. Sinusoidal signals of the frequencies thus come as incommensurate test signals 3 Hz, 7 Hz, 9 Hz, 11 Hz etc. in question.
- test signals sinusoidal signals of the frequencies 2 Hz, 4 Hz, 5 Hz, 6 Hz, 8 Hz, 10 Hz etc. can be used.
- phase shifts are irrelevant for the performance spectrum of a mode on a carrier.
- exo (t) x (t-10) -y (t-10).
- Test signal (0-05 Tesla, sin (2 * Pi * t * 3/1000), (1, 2,3,4)), t time in milliseconds.
- S 2170 (transmission of the test signal): takes place in the order specified in D 2500, with pauses between two transmission processes in the order of multiples of the membrane time constant, to avoid temporal summation effects.
- Multiplying the signal intensity allows the influence calibration. If, for example in the case of Mode II, doubling the signal intensity to l 2 causes the ratio of the first peak to the second peak to drop from 6 to 2.5, then the comparison with the HAC model mode database reveals, for example, that h corresponds to a multiplier of 2 (FIG. 14 (i) and l 2 a multiplier of 4 (Fig. 14 (ii)).
- the previous example avoided the complication that frequently occurs in reality that measurement and transmission cannot take place simultaneously. If the measurement interruptions are small compared to the oscillation period, the uninterrupted measurement signal is usually reconstructed using standard signal theory methods. In the following, such an uninterrupted measurement signal is always considered as given. Transmission interruptions are exemplified in the case of elementary loops from exogenous input.
- the switchover time is selected, for example, as the delay time. In this example, you switch back and forth between measuring and sending every 10 milliseconds. Then in the above equations:
- xi (t): if (t mod20> 10, x (t-10) -y (t-10), 0) in generic code
- test signal separates between modes I and II, for example via frequency shift (FIG. 15 (ii) compared to FIG. 16 (ii)) and / or
- Tuning calibration additionally sequences are out of phase
- D 4300 Cannot be realized with just one transmitter. Will be explained in example 3.
- transmitter signals are used that have already been used as test signals.
- the transmitter signals are checked for feasibility (D 4200, D 4100, D 4300) and arranged according to predefined utility functions (for example, the lowest possible frequency, the smallest possible field strength, etc.). The best possible transmitter signal is then automatically selected.
- HAC prognosis The model modes with exogenous inputs determine the corresponding brain activity over time and provide a time series, from the parts of which lie in the future, a theoretical HAC time series is calculated as before, the latter being the HAC prognosis. Only one model mode is relevant in the present example, the HAC prognosis is therefore obtained by dividing the HAC shown in FIG. 13 (i) by the attenuation factor 10 / 2.2.
- the following applies: subtraction of the actual HAC curve from S 2120 and the forecast HAC curve (D 4040), amount formation for each frequency between 1 and 50 Hertz (deviation maximum of these amounts), and secondly, the achievement of the behavioral goal (of the target HAC curve) is determined analogously by comparing the actual and target HAC curves.
- the brain activity goal is reliably achieved by calibration and subsequent controlled modification, and thus also the behavior goal when the reduced Davidson model applies.
- D 4000 surface EEG with one electrode Si left front with reference electrode on the left ear, one electrode S 2 right front with reference electrode on the right ear (see [16]), two extracranial coils (transmitters Ti and T 2 ), where, for example, Ti is located on a connection line running on the head surface between Si and a central electrode Cz (see [16]) in the immediate vicinity of S, and T 2 analogously between S 2 and Cz, the distance between Si and Ti being the same is the distance between S 2 and T 2 . Everything else is as in example 1.
- Simplified Wilson-Cowan model as in Example 1.
- S 800 (specification of the minimum calibration requirements): ⁇ , a, b, c, d, p x , p y , translation operators for the four sensor transmitters
- D 1200 (specific brain activity model):
- D 1100 (minimum calibration requirements): As before.
- D 1110 (calibration type):
- D 1120 (scope of calibration): sensors Si, S 2 , transmitter Ti, T 2 .
- D 1200 (specific brain activity model):
- the combined signal of T- ⁇ , xi ⁇ (t) with 0.4 Tesla and T 2 , xi 2 (t) with 0.4 Tesla in Mode I leads to an increase in Pos to over 200% of the original value (see Example 1), in Mode II to a reduction of Neg to below 50% of the original value (compare Figure 12 (ii) with Figure 18 (iv)).
- the brain activity goal is thus achieved, as is the behavior goal if the Davidson model applies.
- Example 3 should not be explained in the same detail as the previous examples (e.g. all modes, local calibration of all sensor-transmitter pairs, etc.), but mainly with regard to significant deviations from the previous examples:
- Fm ⁇ (Frontal midline theta), ie 6-7 HZ activity in the area of the Fz electrode (see [16]) goes hand in hand with the maintenance of focused attention in mental processes.
- This is referred to below as the Ishihara-Yoshii model.
- Near-surface neurons in the measurement area of the Fz sensor are directly connected to some other areas, in particular subcortical driving was found. Range of services and its calculation as before, instead of pos
- D 4000 minimum equipment requirements: To determine any preparation phenomena, it makes sense to supplement the Fz electrode with at least one adjacent electrode with a measuring range that is physiologically directly connected to the measuring area of the Fz electrode (for example, the Cz electrode), i.e. surface EEG with two electrodes and two reference electrodes ( as shown in [21]). Two coils as transmitters are located extracranially in the immediate vicinity of the relevant electrode: Ti anterior with respect to Fz, T 2 posterior with respect to Cz. Everything else as in example 1.
- Att ⁇ (with influence) Att ⁇ (without influence, with full driving)
- Att 2 (with influence) ⁇ Att 2 (without influence).
- “1” stands for “Fz and reference electrode”
- “2” for Cz and reference electrode “,” “stands for” the right side does not deviate more than 20% from the left side ".
- ⁇ tt: ⁇ f * / ⁇ f > .
- h represents the strength of the influence of the lth on the jth neural oscillator
- ⁇ in question represents the delay in the effect of this influence
- D 1110 (calibration type): translocal (includes local).
- Local calibration here expediently includes phase shift of test signals.
- the HAC minimum of the driven mode supplies the phase shift 3 required to switch off the mode.
- an interrupted sinusoidal signal as shown above, which is emitted by the transmitter Ti with a delay of 3 and with 0.5 Tesla, will largely switch off Mode III. (Result of this see Figure 19 i).
- the only S 2 mode is, for example, the Sr mode from Example 1. Neither of the above Tr signals should have any influence on the S 2 mode, nor should 0.1 Tesla sine signals from T 2 on the theta mode.
- these translation operators are, for example, zero for the two signals, as shown in FIG. 22.
- the result includes a functional matrix, which has the following form, for example:
- the Fm ⁇ is, for example, when driving has dropped to zero (see FIG. 19 i) using the interrupted sinusoidal signal by Ti close to its natural power spectra (“full driving”, see FIG. 19, (ii) and (iii)) stabilized without interfering with the brain activity detected by S 2.
- the result (measured from Si) is shown in Figure 19 (iv).
- the brain activity goal of restoring Att-i without interfering with Att 2 has been achieved with the applicability of the Ishihara-Yoshii model thus also the behavioral goal.
- Exogenous input refers to the values of input variables in the equations of the brain activity model (artificially generated by extracranially generated electromagnetic fields) (in contrast to "endogenous input", which usually comes about through normal sensory or nerve channels, for example through photic stimulation, through thalamic Pacemaking, by listening to a symphony, and much more).
- Exogenous input Ü (transmitter signal), Ü
- the function f depends on the brain activity model used, and determines the derivative of x using x, t, as well as non-observable endogenous and non-observable exogenous input for a non-observable parameter set.
- Brain activity and behavioral models can also be represented in an integrated form.
- test signal suitable variation of a transmitter signal with a field strength that is as small as possible
- the dynamic calibration presented here differs both from existing mathematical methods for parameter estimation (which usually assume distribution assumptions of the parameters considered as random variables, and by observing the course of trajectories assuming an increasing approximation of the parameters calculated from the observations and the true parameters infer the values of the latter, see, for example, [7]), as well as adaptive controls / parameter estimates known from engineering (these are essentially only useful for linear time-invariant systems, in general, as a component of the control, keying is performed with very simple functions as manipulated variables a minimization of "ideal control variable minus actual control variable", see for example [8]).
- dynamic calibration is based on "active measurement” (transmission of signals into the relevant system and measurement of the system in interaction with the signal).
- active measurement transmission of signals into the relevant system and measurement of the system in interaction with the signal.
- the result of active measurement is often significantly different in non-linear deterministic and / or non-linear stochastic systems (such as the human brain) from the impulse or jump responses or the like (eg stochastic resonance) that are common in the measurement of linear systems.
- dynamic calibration is first of all a control separating and this preceding process, secondly, in dynamic calibration, the main focus is on the test functions used, the variety, and thus separability, between different sets of non-observables is appropriate to the complexity of the system to be examined (in contrast to simple test functions such as Heaviside functions or the like , whose system response often has to be observed over long periods of time, which is also not reasonable in the in-vivo case), thirdly, the type of approximation to a parameter set that explains the measured values is fundamentally different (successive reduction of subsets of a discretized parameter diversity, in contrast to the usual target -Is- comparison of controller sizes).
- dynamic calibration provides the unknown translation operators of parameters external to the system (e.g. field strength and / or frequency pattern of extracranial magnetic fields), which are crucial in the case of heterogeneous and / or complex systems, in exogenous input of the system equations.
- a upstream B means "change from A changes B", equivalent to: B downstream A.)
- the preferred embodiment of the method with local modification comprises the following elements (assuming that a cluster of neighboring Wilson-Cowan oscillators can be modeled by a pair of Wilson-Cowan equations): a) data analysis with Fourier analysis, alternatively also in combination with Wavelet analysis (suitable linear combinations of solutions x (t) and y (t) of the Wilson-Cowan equations as a basis) (basics see [13]), phase space embedding, as well as statistical methods to determine the probability of agreement of the above analysis methods Determine components of the measured signal with an equivalence class of solutions of the Wilson-Cowan equations.
- Test signals preferably linearly combined from time-delayed feedback of measurement signals and / or solutions of the Wilson-Cowan equations, ie for example ⁇ • (x (t - ⁇ ) - y (t - ⁇ )).
- b) Local calibration ie for example ⁇ • (x (t - ⁇ ) - y (t - ⁇ )).
- c) Modification as described d) Continuous seizure warning along with automatic counter-control / regulation as for example in [9].
- phase space embedding is illustrated for a measuring channel:
- FIG. 26 shows the EEG data of a channel, the x-axis representing time units (1/128 of a second), the y-axis voltage differences (between the measuring and the reference electrode at the respective time).
- the orbit (s) are determined, for example, according to [29].
- the x axis for a window with a length of t 32 is ⁇ -x (t-86) + ß-y (t-86), and the y-axis ⁇ -x (t) + ß-y ( t).
- alpha is set to 1 and beta to -1. Since multiple assignments of the same point are not shown, the number of points in FIG. 27 is less than 32.
- FIG. 28 shows the same axis designations as FIG.
- different time constants T are used for x and y in the Wilson-Cowan equations and / or different multipliers. They are calibrated as already described for the other parameters.
- the shape of the sigmoid function of the neurons of a cluster is calibrated with the aid of noisy test functions, since the cluster amplifies or suppresses signal or noise differently depending on the sigmoid function (see for simple networks, for example. [28] ).
- test functions are used one after the other with reversed polarity, that is to say first using a transmitter signal xi (t), then using -xi (t).
- the calibration is terminated after n> 0 test signals (“quick calibration”), a set of parameters that is compatible with the measured values and endogenous and exogenous inputs are provisionally determined as the calibration result. Additional measured values that result from the modification (S3000) become ongoing used to adapt the above sentence.
- influence assumptions and invariants are validated.
- the EM method is combined with sensory input (acoustic, optical, etc.).
- the effect of the method is stabilized beyond the duration of the individual application with the aid of suitable repetition rates to be determined for the individual user via external validation.
- suitable repetition rates is known, for example, for applications of TMS (transcranial magnetic stimulation with magnetic fields of 1-2 Tesla) (see, for example, [3]).
- sensor optimization is operated together with the calibration: switching on previously inactive sensors and / or changing the position of sensors and / or changing the orientation of sensors in such a way that these identified and / or unidentified brain activities are detected particularly well by the relevant, possibly reoriented sensor .
- Conventional optimization methods are suitable for sensor optimization.
- sensor optimization is carried out by interconnecting existing sensors to form virtual sensors, in such a way that brain activities are recorded particularly well by the relevant virtual sensor.
- Example: Si, S 2 , S 3 , S, via a function f (S ⁇ , S 2 , S 3 , S 4 ) 0.3 * S ⁇ + 0.5 * S 2 +0.02 * (S 3 ) 2 +0.5 * sin ( S 1 + S 4 ) to S V i rt uei ⁇ connected together.
- a suitable f is determined for each subset of sensors using conventional optimization methods.
- transmitter optimization is operated together with the calibration: switching on previously inactive transmitters and / or changing the position of transmitters and / or
- transmitter optimization is operated by interconnecting existing transmitters to form virtual transmitters, such that brain activities are particularly well influenced by the virtual transmitter in question.
- the optimum results from the translation operators using conventional optimization methods
- the decomposition for n sensors (n integer between 1 and the maximum number of sensors used) is carried out simultaneously, i.e. the time series to be broken down is an n-tuple of one-sensor time series.
- the decomposition for an n-tuple of one-sensor time series is carried out using the pursuit method (e.g. matching pursuit, see [13]).
- the spatiotemporal decomposition of the n-tuple of one-sensor time series is carried out, for example, using the Karhunen-Loeve method (see, for example, [17], [18]) and / or independent component analysis (“ICA”) , see for example [22]).
- Karhunen-Loeve method see, for example, [17], [18]
- ICA independent component analysis
- the decomposition takes place after embedding in a metaphase space, as a result of which stationary and non-stationary parts are separated (see, for example, [15]).
- the decomposition is carried out in parallel according to several methods, only the modes (with an a priori defined weighting) identified by a plurality of these methods for further processing (including relevance checking) being accepted.
- the change or non-change of perception and / or ability to perceive and / or willingness to perceive is set as a behavioral goal. An example of this is the change in the ability to discriminate for certain stimuli or classes of stimuli.
- the change or non-change of actions and / or ability to act and / or willingness to act is set as a behavioral goal.
- An example of this is the improvement of reaction speed.
- the change or non-change of activation and / or activation ability is set as a behavioral goal.
- the change or non-change in motivation and / or motivation ability and / or motivation readiness is set as a behavioral goal.
- the change or non-change in attention and / or attention ability is set as a behavioral goal.
- the change or non-change of memory and / or memory content and / or memory access is set as a behavioral goal.
- the change or non-change of learning and / or ability to learn and / or willingness to learn is set as a behavioral goal.
- the change or non-change of consciousness is set as a behavioral goal.
- the change or non-change of emotions and / or emotional ability and / or emotional readiness is set as a behavioral goal.
- the change or non-change of appetites and / or aversions is set as a behavioral goal.
- the change or non-change of thinking and / or ability to think and / or willingness to think is set as a behavioral goal.
- the change or non-change of behavioral processes is set as the behavioral goal.
- the change or non-change of behavior correlations is set as the behavior goal.
- D 2000 several behavior goals that are not necessarily compatible are combined hierarchically, i.e. a priority list of the behavioral goals is drawn up and, in the case of procedural steps which may conflict with one another, the procedural steps belonging to the lower-priority behavioral goal are carried out later or not at all.
- D 2000 that of freedom from seizures with top priority is added to other behavioral goals, which includes an application of [9] to non-medically stressed users.
- the required behavior model is taken from the extremely extensive literature (e.g. for the presented examples from [11], [20], [21] dozens of publications with the same / similar subject).
- D 3000 several behavior models are used in parallel, only those control or regulation steps (S 3000) being carried out which are compatible (with a weighting defined a priori) with a plurality of these models
- external validation of the change / maintenance of behavior for the individual user during and / or after the EM application is generally carried out with the aid of psychological tests. In this way, it is checked to what extent the used, generally statistically validated behavior model applies to the user concerned.
- D 1000 several generic brain activity models are used in parallel, only those control or regulation steps (S 3000) that are compatible (with an a priori defined weighting) being compatible with a plurality of these models.
- individual sensors and / or individual transmitters are replaced by sets of sensors or sets of transmitters in the respective steps. This is used for the determination and controlled modification of nonlocal spatiotemporal modes, such as those that occur with Jirsa hook models (see, for example, [18]).
- D 4000 the minimum equipment requirements are exceeded in order to be able to obtain additional information that can be useful in later applications with possibly changed behavioral goals (e.g. basic application of the 10/20 surface EEG, see e.g. [16]).
- the advantage of this configuration lies in the possible standardization of parts of the apparatus and the possible use of commercially available hardware.
- the minimum equipment requirements are exceeded in order to have additional control or regulation options (for example: for each non-reference electrode of the 10/20 surface EEG, a coil located directly in front of this electrode).
- additional control or regulation options for example: for each non-reference electrode of the 10/20 surface EEG, a coil located directly in front of this electrode.
- the exogenous EM fields used as the control variable are supplemented by sensory inputs and / or biochemically active substances, with nothing fundamentally changing in the process steps shown.
- signals with stochastic components are used as test and transmitter signals (in particular in the case of brain activity models used with explicit stochastic components, such as, for example, [25], an extension of [18], with the aim of utilizing stochastic resonance and Coherence Resonance, see for example [26] for the FitzHugh-Nagumo model).
- signals with chaotic components are used as test and transmitter signals (in particular with used brain activity models with explicit chaotic components, such as extensions of [1] with locally strongly coupled oscillators).
- inactive modes are activated directly by transmitter signals, i.e. through the direct effect of the signals on fashion.
- modes are indirectly influenced by transmitter signals, i.e. via direct influence on modes, which in turn (see functional matrix) has effects on the modes to be influenced indirectly.
- bifurcation points are checked, i.e. qualitative changes are made to EM brain activity (as in example 3, where the neuro oscillator that was inactive without driving was switched on).
- inactive modes are activated.
- the amplification of amplitudes takes place by activating inactive modes and / or synchronizing modes, analogously monitoring by switching off active modes and / or desynchronizing modes.
- age-correlated flattening for EEG, see for example [12] counteracting amplitude amplification.
- the decomposition of non-stationary signals is initially carried out into a stationary and a non-stationary part (see, for example, [15]), the test and transmitter signals used then being modulated with the non-stationary part.
- users are identified on the basis of time-stable calibration data.
- EEG data have time-stable components for an individual (proven for up to five years, for example [10]).
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Psychology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Psychiatry (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Hematology (AREA)
- Anesthesiology (AREA)
- Neurology (AREA)
- Acoustics & Sound (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Educational Technology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
The invention relates to a method for the electromagnetic modification of cerebral activity in order to reach a pre-determined behaviour target, using a behaviour model which describes the correlation between behaviour and the course of cerebral activity characteristics, and a cerebral activity model which quantitatively describes cerebral activity. The cerebral activity characteristics and the courses thereof can be derived from the quantitative description of the cerebral activity. According to the inventive method, the nominal course of given cerebral activity characteristics which corresponds to the achievement of the behaviour target is determined by means of the behaviour model, exogenous electrical and/or magnetic fields are produced, and electromagnetic cerebral activity is measured and cerebral activity characteristics are calculated in order to achieve the nominal course in a control or regulating circuit containing calculations with the cerebral model.
Description
VERFAHREN UND VORRICHTUNG ZUR ELEKTROMAGNETISCHEN MODIFIKATION VON HIRNAKTIVITÄTMETHOD AND DEVICE FOR ELECTROMAGNETICALLY MODIFYING BRAIN ACTIVITY
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur elektromagnetischen Modifikation von Hirnaktivität, insbesondere für die gesteuerte oder geregelte elektromagnetische Modifikation von Hirnaktivität in vivo und die daraus resultierende Verhaltensmodifikation.The invention relates to a method and a device for the electromagnetic modification of brain activity, in particular for the controlled or regulated electromagnetic modification of brain activity in vivo and the behavior modification resulting therefrom.
Definitionen:definitions:
Modellbasierte gesteuerte oder geregelte Modifikation bedeutet gezielte Veränderung oder NichtVeränderung von Hirnaktivität auf der Basis eines Verhaltenszieles, eines Verhaltensmodells und eines Hirnaktivitätsmodells.Model-based controlled or regulated modification means targeted change or non-change of brain activity on the basis of a behavior goal, a behavior model and a brain activity model.
Geregelt bedeutet, dass Beobachtungs-, Berechnungs- und Modifikationsschritte in Rückkopplungsschleifen miteinander verbunden sind.Regulated means that observation, calculation and modification steps are linked together in feedback loops.
Das vom Anwender zu benennende Verhaltensziel umfasst Art und Ausprägung eines bestimmten Verhaltens sowie dessen Dauerhaftigkeit.The behavioral goal to be specified by the user includes the type and form of a certain behavior and its durability.
Verhalten bezieht sich auf jegliche spatiotemporale Kombination jeglicher potentiell validierbarer faktischer oder möglicher Zustände einer Person.Behavior refers to any spatiotemporal combination of any potentially validable factual or possible condition of a person.
Verhalten beinhaltet unter anderem, aber nicht ausschließlich, Wahrnehmung,Behavior includes, but is not limited to, perception,
Handlungen, Motivation, Aufmerksamkeit, Gedächtnis, Lernen, Bewusstsein, Emotionen, Denken, Kognition, mentale Zustände, Fähigkeiten,Actions, motivation, attention, memory, learning, awareness, emotions, thinking, cognition, mental states, skills,
Persönlichkeitseigenschaften.Personality traits.
Verhalten basiert auf Hirnaktivität. Der Zusammenhang zwischen beiden wird im Rahmen eines Verhaltensmodells quantifiziert, d.h. einer empirisch festgestellten Verknüpfung von bestimmtem Verhalten mit einer bestimmten Dynamik bestimmter Hirnaktivitätscharakteristika.Behavior is based on brain activity. The relationship between the two is quantified using a behavior model, i.e. an empirically established link between certain behavior and a certain dynamic of certain brain activity characteristics.
Hirnaktivitätscharakteristika sind aus Messwerten ermittelbare Kenngrößen von Hirnaktivität. Beispiele für Hirnaktivitätscharakteristika sind Potentialdifferenzen zwischen einer EEG-Elektrode und einer Referenzelektrode, oder der Bandbereich der über alle EEG-Elektroden ausgeprägtesten Frequenzen („Alpha- Band" oder ähnliches [12]), oder der Ähnlichkeitsindex („similarity index", siehe [5]) der Messwerte von MEG-Sensoren.Brain activity characteristics are parameters of brain activity that can be determined from measured values. Examples of brain activity characteristics are potential differences between an EEG electrode and a reference electrode, or the band range of the most pronounced frequencies across all EEG electrodes ("alpha band" or the like [12]), or the similarity index ("similarity index", see [5 ]) the measured values of MEG sensors.
Ein Hirnaktivitätsmodell bezieht sich auf ein physiologisch basiertes Modell, welches Hirnaktivität vermittels der Dynamik von Hirnbestandteilen und/oder
deren Wechselwirkungen beschreibt (das umfasst z.B. in [24], [1], [23], [25] oder [18]).A brain activity model refers to a physiologically based model which shows brain activity by means of the dynamics of brain components and / or describes their interactions (this includes, for example, in [24], [1], [23], [25] or [18]).
Konventionelle Modelle sind nicht spezifisch, sondern generisch, da Nichtobservable über Populationsmittelwerte geschätzt werden.Conventional models are not specific, but generic, because non-observables are estimated using population means.
Eine Nichtobservable ist ein Parameter oder eine Variable eines generischen Modells, der/die in vivo nur mit erheblichem Aufwand - oder gar nicht - mit der nötigen räumlichen und zeitlichen Auflösung gemessen werden kann. Nichtobservable bestimmen entscheidend die Hirndynamik, und schwanken zwischen Individuen und innerhalb eines Individuums bis zu einem Faktor von Einhundert. Generische Hirnaktivitätsmodelle machen keine Aussagen über direkte Fremdeinwirkung auf die Dynamik von Hirnbestandteilen, bestenfalls über indirekte Fremdeinwirkung durch Rezeptorstimulation, Deprivation oder Läsionen.A non-observable is a parameter or a variable of a generic model that can only be measured in vivo with considerable effort - or not at all - with the necessary spatial and temporal resolution. Non-observables determine the brain dynamics, and fluctuate between individuals and within an individual up to a factor of one hundred. Generic brain activity models make no statements about direct external influences on the dynamics of brain components, at best about indirect external influences through receptor stimulation, deprivation or lesions.
Die im folgenden verwendeten, im Regelfall spezifischen Hirnaktivitätsmodelle quantifizieren unter anderem Fremdeinwirkung über elektrische und/oder magnetische Felder und basieren auf für einen Anwender in einem Zeitintervall relevanten, mit Hilfe geeigneter Verfahren ermittelten Nichtobservablen. Diese Hirnaktivitätsmodelle umfassen für jeden Hirnbestandteil in der Regel nichtlineare Differentialgleichungen beispielsweise der GestaltThe brain activity models used below, which are generally specific, quantify, among other things, external influences via electrical and / or magnetic fields and are based on non-observables that are relevant for a user in a time interval and determined with the aid of suitable methods. These brain activity models usually include nonlinear differential equations for example of the shape for each brain component
x(t) = f(x,t okaleParameter,endogenerInput,exogenerInput)x (t) = f (x, t okale parameters, endogenous input, exogenous input)
Hierbei ist x ein Himaktivitätscharakteristikum, x dessen Zeitableitung, t die Zeit, f eine Funktion unter anderem der Art des Bestandteils („lokale Parameter"), der Art und Umfang der sich über physiologische Verbindungen ausbreitenden Einwirkung anderer Bestandteile („endogener Input"), und der direkten Fremdeinwirkung auf den Hirnbestandteil („exogener Input"). Der endogene Input umfasst abhängig vom verwendeten Modell weitere („translokale") Parameter, wie bspw. Kopplungsstärken oder Verzögerungszeiten zwischen Bestandteilen. Fehlende oder unzureichende Spezifikation des Hirnaktivitätsmodells auf den jeweiligen Anwender führt zu einer breiten Streuung in diesem Fall weitgehend unbekannter Auswirkungen exogenen elektromagnetischen Inputs und somit zur Nichtanwendbarkeit entsprechender Verfahren außerhalb eines Bereichs neurologischer, psychiatrischer, oder psychologischer Schädigungen, in dem Zufallsauswirkungen gegen möglichen Behandlungserfolg abgewogen werden. Elektromagnetisch bedeutet elektrische und/oder magnetische Größen und bezieht sich sowohl auf die Art der eingehenden Beobachtungsdaten (im wesentlichen elektromagnetische Korrelate der Hirnaktivität des Anwenders), als auch auf den wesentlichen Modus der Modifikation (beispielsweise per
extrakranial erzeugtem veränderlichen Magnetfeld, welches mühelos das Kranium des Anwenders durchdringt und intrakranial Induktionsspannungen hervorruft, wodurch eine Einflussmöglichkeit auf die Hirnaktivität des Anwenders gegeben ist).X is a characteristic of activity in the home, x its time derivative, t time, f a function, among other things, of the type of component ("local parameters"), the type and extent of the effects of other components spreading via physiological connections ("endogenous input"), and the direct external influence on the brain component ("exogenous input"). Depending on the model used, the endogenous input includes other ("translocal") parameters, such as coupling strengths or delay times between components. Missing or inadequate specification of the brain activity model for the respective user leads to a wide spread in this case largely unknown effects of exogenous electromagnetic inputs and thus to the inapplicability of corresponding procedures outside of a range of neurological, psychiatric or psychological damage in which random effects are weighed against possible treatment success. Electromagnetic means electrical and / or magnetic quantities and relates both to the type of incoming observation data (essentially electromagnetic correlates of the brain activity of the user) and to the essential mode of modification (e.g. by extracranial generated variable magnetic field, which effortlessly penetrates the user's cranium and induces intracranial induction voltages, which gives the possibility of influencing the brain activity of the user).
In vivo bezieht sich auf die Verwendung des Verfahrens bei lebenden Anwendern, im Gegensatz zu Zellpräparaten, Himteilen, Computersimulationen oder ähnlichem, und stellt somit besondere Anforderungen sowohl im Hinblick auf die Komplexität der stattfindenden Hirnprozesse, als auch an die Beobachtungs-, Berechnungs- und Modifikationsgeschwindigkeit sowie Sicherheit des Verfahrens.In vivo relates to the use of the method in living users, in contrast to cell preparations, parts of the brain, computer simulations or the like, and thus places special requirements both in terms of the complexity of the brain processes taking place and in terms of the speed of observation, calculation and modification as well as security of the process.
Relevante Technologien:Relevant technologies:
Mit dem gegenwärtigen Stand der Technik ist modellbasierte gesteuerte oder geregelte elektromagnetische Modifikation von Hirnaktivität in vivo nicht möglich (das menschliche Gehirn besteht aus circa 1011 Neuronen und circa 1015 Verbindungen zwischen diesen), und wurde bis dato weder in Betracht gezogen, noch versucht. Das gleiche gilt für die damit zusammenhängende Verhaltensmodifikation.With the current state of the art, model-based controlled or regulated electromagnetic modification of brain activity in vivo is not possible (the human brain consists of approximately 10 11 neurons and approximately 10 15 connections between them), and has not been considered or attempted to date. The same applies to the associated behavior modification.
Es gibt drei, wenige Überschneidungen aufweisende wissenschaftlich / technische Entwicklungsrichtungen mit Bezug zu Hirnaktivität bzw. deren Veränderung:There are three scientific / technical development directions with few overlaps related to brain activity or its change:
einen nichtlineare Dynamik / neuraie Netze / künstliche Intelligenz - Ansatz (im folgenden als "NA" bezeichnet), bei dem bestimmte Eigenschaften des lebenden menschlichen Gehirns in vereinfachter Weise nachgebildet werden sollen, um Maschinen mit ähnlichen Eigenschaften zu bauen (sog. „Neurocomputer"), einen kontrolltheoretischen Ansatz (im folgenden als "CON" bezeichnet), in dem Prinzipien der mathematischen Kontrolltheorie auf engumschriebene Teile einer Gehirn-Körper-Einheit angewendet werden, - einen medizinischen Ansatz (im folgenden als "MED" bezeichnet), der sich mit praktisch-klinischen Verwendungszwecken von elektromagnetischen Feldern (im wesentlichen) hoher Feldstärken bei Menschen oder Tieren befasst.a nonlinear dynamic / neural network / artificial intelligence approach (hereinafter referred to as "NA"), in which certain properties of the living human brain are to be simulated in a simplified manner in order to build machines with similar properties (so-called "neurocomputers") , a control theory approach (hereinafter referred to as "CON"), in which principles of mathematical control theory are applied to narrowly defined parts of a brain-body unit, - a medical approach (hereinafter referred to as "MED") that deals with practical -clinical uses of electromagnetic fields (essentially) high field strengths in humans or animals.
Ein möglicher Grundbaustein von NA ist der neuraie Oszillator, das heißt eine Entität, die zwischen oszillatorischem Verhalten und Ruhe wechseln kann, und
die sich durchaus aus einem Ensemble kleinerer Entitäten zusammensetzen kann (die aber nicht weiter betrachtet werden). NA befasst sich mit neuralen Netzen, das heißt kleinen (Größenordnung < 104) verbundenen Ensembles neuraler Oszillatoren, und den Phänomenen, die in diesen Netzen auftreten (z.B. Gedächtnis oder Mustererkennung). Nachdem ursprünglich Funktionsprinzipien aus Nervensystemen von Lebewesen extrahiert wurden, bewegt sich NA zunehmend in Richtung künstlicher Systeme auf der Basis der extrahierten Prinzipien. Exemplarisch für diese Entwicklung ist [2].A possible basic building block of NA is the neuroie oscillator, that is, an entity that can switch between oscillatory behavior and silence, and which can be composed of an ensemble of smaller entities (but which will not be considered further). NA deals with neural networks, i.e. small (order of magnitude <10 4 ) connected ensembles of neural oscillators, and the phenomena that occur in these networks (eg memory or pattern recognition). After functional principles were originally extracted from living organ nerve systems, NA is increasingly moving towards artificial systems based on the extracted principles. An example of this development is [2].
CON bewegt sich in umgekehrter Richtung, nachdem dieser Ansatz mit der Anwendung linearer Kontrolle auf hinreichend einfache mechanische Systeme seinen Anfang nahm. Lineare Kontrolle auf nichtlineare respektive stochastische Systeme (wie z.B. ein menschliches Gehirn) anzuwenden, ist nicht nur ungeeignet, sondern auch potentiell gefährlich, da bei linearer Kontrolle die Kontrollkraft proportional zur angestrebten Veränderung ist und somit sehr groß werden kann.CON moves in the opposite direction after this approach began with the application of linear control to sufficiently simple mechanical systems. Applying linear control to non-linear or stochastic systems (such as a human brain) is not only unsuitable, but also potentially dangerous, since with linear control the control force is proportional to the desired change and can therefore become very large.
Kontrollverfahren lassen sich in modellbasierte und datenbasierte Verfahren einteilen. Die Qualität eines modellbasierten Verfahrens ist verknüpft mit der Eignung des Modells für das in Frage stehende Problem. Bis dato werden im Humanbereich oder bei Tieren keinerlei Hirnaktivitäts- oder Verhaltensmodelle eingesetzt.Control procedures can be divided into model-based and data-based procedures. The quality of a model-based process is linked to the suitability of the model for the problem in question. To date, no brain activity or behavior models have been used in humans or animals.
Die Qualität eines datenbasierten Verfahrens ist von der Einfachheit des zu kontrollierenden Systems abhängig (da der erste Schritt in einem datenbasierten Verfahren in der Regel die Rekonstruktion des Phasenraumes ist, in dem anschließend Suchverfahren erfolgen und Iterationen gerechnet werden - was bei höherdimensionalen Phasenräumen die konkrete Berechnung in Realzeit unmöglich macht. Ausnahme: zeitverzögerte Rückkopplung, bei der jedoch Wartezeiten bis zum Erreichen eines zu stabilisierenden Zielzustandes auftreten). Für eine gesteuerte oder geregelte elektromagnetische Modifikation von Hirnaktivität in vivo sind gegenwärtige Kontrollverfahren nicht anwendbar, da jeweils mehrere der folgenden Effekte zusammen kommen: hohe bis unerfüllbar hohe Anforderungen an Speicherplatz und Rechnergeschwindigkeit, potentiell beliebig lange Wartezeiten bis zum Erreichen eines Zielorbits, - intermittierende Ausbrüche aus dem Zielorbit in Systemen mit stochastischen Elementen,The quality of a data-based method depends on the simplicity of the system to be checked (since the first step in a data-based method is usually the reconstruction of the phase space, in which search procedures are carried out and iterations are calculated - which is the concrete calculation for higher-dimensional phase spaces Makes real time impossible, with the exception of time-delayed feedback, in which there are waiting times until a target state to be stabilized is reached). Current control methods cannot be used for controlled or regulated electromagnetic modification of brain activity in vivo, since several of the following effects come together: high to unachievable high demands on storage space and computer speed, potentially arbitrarily long waiting times until a target orbit is reached, - intermittent outbreaks the target orbit in systems with stochastic elements,
Einschränkungen des Kontrollbereichs in Systemen, in denen nur aggregiertes Verhalten messbar ist,Control area limitations in systems where only aggregate behavior is measurable
Einschränkungen des Kontrollbereichs in Systemen, in denen die Kontrollkraft verschmiert wird,
der Betrag der Kontrollkraft im Inneren heterogener Systeme ist unbekannt.Control area limitations in systems where control force is smeared the amount of control power inside heterogeneous systems is unknown.
MED beruht implizit auf einem mikroskopischen physiologischen Modell mit einzelnen Neuronen als Konstituenten der Hirnaktivität- die im folgenden "Einzelneuronen" genannt werden sollen. Demgemäß spielen in vivo nichtinvasiv nicht beobachtbare Größen wie lonenkonzentrationen auf beiden Seiten der Zellmembran, Anzahl der Dentriten etc. eine wesentliche Rolle für die Berechnung der Anzahl der Nervenimpulse pro Zeiteinheit (fire rate). Für eine automatische, individualisierte, gesteuerte oder geregelte elektromagnetische Modifikation von Hirnaktivitat in vivo ist das einzelneurale Paradigma (mit seinen 1011 Einzelneuronen und ca. 1015 Verbindungen zwischen diesen) ungeeignet. Infolgedessen wird der darauf basierte MED Ansatz durch die scheinbare Unerklärlichkeit beziehungsweise Zufälligkeit seiner klinischen Ergebnisse beeinträchtigt (für transkraniale Magnetstimulation -TMS - wird auf den Überblick [3] verwiesen). Weitere himaktivitätsverändernde MED Verfahren sind intra- and extrakraniale Elektroschocks. Alle MED Verfahren zielen darauf ab, Neuronmembranen zu depolarisieren, und solcherart vermehrt Aktionspotentiale zu erzeugen (sogenannte "Stimulation"). In CON-Terminologie lässt sich die elektromagnetische Depolarisation von Einzelneuronen durch MED-Verfahren als "Versklavung" bezeichnen (wobei sensorische Versklavung durch rhythmische Lichtblitze, akustische Signale, o.a. nicht betrachtet werden soll). Versklavung ist das Ergebnis der Anwendung künstlicher Signale hoher Intensität auf ein System, das dann während dieser Anwendung das von außen vorgegebene Signalmuster anstelle seines natürlichen Verhaltens übernimmt. In NA ist bekannt, dass unter schwacher Kopplung die Kommunikation in neuralen Netzen von der Kommensurabilität der Frequenzen abhängt, mit denen die beteiligten Neuronen oszillieren. Demzufolge bedingt lokales Versklaven mit einer nicht oder nur schwach kommensurablen Frequenz die Ausschaltung der versklavten Neuronen aus ihrer normalen Kommunikation, und erzeugt solcherart eine virtuelle Läsion. Gegenwärtige MED Verfahren betrachten virtuelle Läsionen als wesentlichen Effekt von TMS - der im einzeineuralen Paradigma unerklärlich ist. MED Verfahren betrachten die "Stimulation" als verbessert, wenn eine weniger hohe Intensität benötigt wird, um Einzelneuronen zum Feuern zu bewegen, beziehungsweise der von der Versklavung erfasste Raumbereich stärker eingegrenzt werden kann. Wiederholte Versklavung am gleichen medizinisch sinnvollen Lokus kann den Anwendungszeitraum überdauernde physiologische Veränderungen bedingen, die in einigen Fällen positiv sind (z.B. statistisch signifikante Verbesserung gewisser Typen klinischer Depressionen unter wiederholter TMS, siehe z.B. [3]).
ln der Anwendung bei Menschen sind gegenwärtige Verfahren nur in zweierlei Hinsicht individualisiert: erstens beim Auffinden eines geeigneten Lokus der zu depolarisierenden Einzelneuronen, zweitens beim Auffinden eines Bezugswertes für die Stärke des zur Versklavung führenden elektromagnetischen Feldes ( angegeben in Prozent einer "motor threshold"). Bei einem neueren MED Verfahren [4] wird TMS diagnostisch eingesetzt, um die individuelle Existenz oder Nichtexistenz physiologischer neuraler Verbindungen zwischen verschiedenen Hirngebieten, sowie, mit Einschränkungen, Übertragungsgeschwindigkeiten zwischen verschiedenen Hirngebieten festzustellen. Gegenwärtige MED Verfahren dienen vorzugsweise medizinischen Verwendungszwecken, in denen die Nachteile einer Versklavung (bis hin zum unwahrscheinlichen Fall von Krampfanfällen) durch deren medizinische Effekte zumindest kompensiert werden. Gegenwärtige MED Verfahren umfassen lediglich passive Sicherheitsmaßnahmen wie Vermeidung hochfrequenter Versklavung, Ausschluss von Patienten mit Neigung zu epileptischen Anfällen, Abschalten des elektromagnetischen Feldes, falls ein Krampfanfall auftreten sollte.MED is implicitly based on a microscopic physiological model with individual neurons as constituents of brain activity - which are to be called "individual neurons" in the following. Accordingly, in vivo non-invasively unobservable variables such as ion concentrations on both sides of the cell membrane, number of dentrites etc. play an essential role in the calculation of the number of nerve impulses per unit of time (fire rate). For an automatic, individualized, controlled or regulated electromagnetic modification of brain activity in vivo, the single-ural paradigm (with its 10 11 individual neurons and approx. 10 15 connections between them) is unsuitable. As a result, the MED approach based on this is affected by the apparent inexplicability or randomness of its clinical results (for transcranial magnetic stimulation -TMS - reference is made to the overview [3]). Other activity-modifying MED procedures are intra- and extracranial electroshocks. All MED procedures aim to depolarize neuron membranes and thus to generate more action potential (so-called "stimulation"). In CON terminology, the electromagnetic depolarization of individual neurons using the MED method can be described as "enslavement" (whereby sensory enslavement through rhythmic light flashes, acoustic signals, etc. should not be considered). Enslavement is the result of applying high-intensity artificial signals to a system that then takes on the externally specified signal pattern instead of its natural behavior during this application. In NA it is known that with weak coupling, communication in neural networks depends on the commensurability of the frequencies with which the participating neurons oscillate. As a result, local enslavement with a frequency that is not commensurable or only weakly commensurate causes the enslaved neurons to be switched off from their normal communication, and thus generates a virtual lesion. Current MED procedures consider virtual lesions to be an essential effect of TMS - which is inexplicable in the one-natural paradigm. MED methods consider "stimulation" to be improved if a less high intensity is required to move individual neurons to fire, or if the spatial area covered by the enslavement can be more narrowly limited. Repeated enslavement on the same medically sensible locus can cause physiological changes that persist during the application period, which are positive in some cases (eg statistically significant improvement of certain types of clinical depression under repeated TMS, see eg [3]). When used in humans, current methods are individualized only in two ways: firstly, when a suitable locus of the individual neurons to be depolarized is found, secondly, when a reference value is found for the strength of the electromagnetic field leading to enslavement (given as a percentage of a "motor threshold"). In a newer MED method [4], TMS is used diagnostically to determine the individual existence or nonexistence of physiological neural connections between different brain areas, as well as, with restrictions, transmission speeds between different brain areas. Current MED methods are preferably used for medical purposes, in which the disadvantages of enslavement (up to the unlikely case of seizures) are at least compensated for by their medical effects. Current MED procedures only include passive safety measures such as avoiding high-frequency enslavement, excluding patients with a tendency to epileptic seizures, switching off the electromagnetic field if a seizure should occur.
Zusammenfassend: Mit gegenwärtigen Techniken und Verfahren kann eine modellbasierte, gesteuerte oder geregelte elektromagnetische Modifikation von Hirnaktivität in vivo weder erreicht werden, noch bewegen sich diese Techniken und Verfahren auf diese Erreichbarkeit hin: MED ist im einzelneuralen Paradigma verhaftet, NA bewegt sich auf den Bau künstlicher Systeme hin, und CON leidet an in-vivo Nichtanwendbarkeit bei komplexen heterogenen Systemen.In summary: With current techniques and methods, a model-based, controlled or regulated electromagnetic modification of brain activity in vivo can neither be achieved, nor do these techniques and methods move towards this attainability: MED is stuck in the single-cultural paradigm, NA is more artificial in building Systems, and CON suffers from in vivo inapplicability to complex heterogeneous systems.
Aufgabe der vorliegenden Erfindung ist es, ein Verfahren und eine Vorrichtung für die gesteuerte oder geregelte elektromagnetische Modifikation von Hirnaktivität in vivo und die daraus resultierende Verhaltensmodifikation zu schaffen.The object of the present invention is to create a method and a device for the controlled or regulated electromagnetic modification of brain activity in vivo and the resulting behavioral modification.
Die Aufgabe wird durch Verfahren mit den Merkmalen im Anspruch 1 und durch eine Vorrichtung mit den Merkmalen im Anspruch 44 gelöst. Vorteilhafte Ausgestaltungen der Erfindung sind in den Unteransprüchen angegeben.The object is achieved by a method with the features in claim 1 and by a device with the features in claim 44. Advantageous embodiments of the invention are specified in the subclaims.
Beim erfindungsgemäßen Verfahren zur elektromagnetischen Modifikation von Hirnaktivität wird eine Hirnaktivitätsmodell verwendet, das den Einfluss exogener elektrischer und/oder magnetischer Felder auf eine Hirnaktivität beschreibt, und ein Verhaltensmodell verwendet, das den Zusammenhang zwischen Hirnaktivität und Verhalten beschreibt. Hierdurch wird es erstmals möglich, gezielt mittels exogenen Inputs das Verhalten einer Person zu beeinflussen. Insbesondere betrifft die Erfindung die Verwendung eines Hirnaktivitätsmodells, sowie Ermittlung der individuellen, gegebenenfalls intraindividuellen und/oder
zeitabhängigen Nichtobservablen, sowie Ermittlung der individuellen, gegebenenfalls intraindividuellen und/oder zeitabhängigenIn the method according to the invention for the electromagnetic modification of brain activity, a brain activity model is used which describes the influence of exogenous electrical and / or magnetic fields on brain activity, and a behavior model is used which describes the relationship between brain activity and behavior. This makes it possible for the first time to specifically influence a person's behavior using exogenous inputs. In particular, the invention relates to the use of a brain activity model, as well as determination of the individual, possibly intra-individual and / or time-dependent non-observables, as well as determination of the individual, possibly intra-individual and / or time-dependent
Übersetzungsoperatoren zwischen extrakranialem Signal und Kontrollkraft gestatten eine abgesicherte Intervention im Rahmen eines Steuer- oder Regelkreises, die wiederum ein zuverlässiges Erreichen eines Hirnaktivitätszieles bewirkt. Die Verwendung eines Verhaltensmodells gewährleistet, dass das Erreichen eines Hirnaktivitätszieles das Erreichen des individuellen Verhaltensziels des Anwenders bewirkt. Der Erfindung liegt die Erkenntnis zugrunde, dass mit Verhaltensmodellen der Zusammenhang zwischen Verhalten und der Dynamik von Hirnaktivitätscharakteristika quantifiziert wird, und mit geeignet individualisierten Hirnaktivitätsmodellen wiederum die Dynamik von Hirnaktivitätscharakteristika unter Angabe geeigneter Kontrollparameter quantifiziert wird, so dass eine zuverlässige Intervention zur Erreichung eines individuellen Verhaltenszieles möglich ist.Translation operators between the extracranial signal and the control force allow secure intervention within the framework of a control or regulating circuit, which in turn brings about a reliable achievement of a brain activity goal. The use of a behavior model ensures that the achievement of a brain activity goal results in the achievement of the individual behavior goal of the user. The invention is based on the knowledge that the relationship between behavior and the dynamics of brain activity characteristics is quantified using behavior models, and the dynamics of brain activity characteristics are quantified using suitable individualized brain activity models, stating suitable control parameters, so that a reliable intervention to achieve an individual behavior goal is possible is.
Die Erfindung wird nachfolgend beispielhaft anhand der Zeichnungen erläutert. In den Zeichnungen zeigen:The invention is explained below by way of example with reference to the drawings. The drawings show:
Fig. 1 einen Transmitter in einer Schnittansicht, Fig. 2 den Transmitter aus Figur 1 in einer Ansicht von unten,1 shows a transmitter in a sectional view, FIG. 2 shows the transmitter from FIG. 1 in a view from below,
Fig. 3 eine planare Projektion von Öffnungen für Sensoren undFig. 3 is a planar projection of openings for sensors and
Transmitter entsprechend ihrer Anordnung an einem Helm, Fig. 4 schematisch einen Helm und Trägerachse nebst einer Kinnstütze einer Kopfeinheit, und Fig. 5 eine weitere planare Projektion von Öffnungen für Sensoren undTransmitter according to its arrangement on a helmet, FIG. 4 schematically shows a helmet and carrier axis together with a chin rest of a head unit, and FIG. 5 shows a further planar projection of openings for sensors and
Transmitter entsprechend ihrer Anordnung an einem Helm, Fig. 6 prinzipielles Zusammenwirken von Kopfeinheit, Zwischeneinheit,Transmitter according to its arrangement on a helmet, Fig. 6 basic interaction of head unit, intermediate unit,
Basiseinheit, Fig. 7 HAC-Modellmoden unter Variation von τ (Auszüge), Fig. 8 HAC-Modellmoden unter Variation von a (Auszüge),Base unit, FIG. 7 HAC model modes with variation of τ (extracts), FIG. 8 HAC model modes with variation of a (extracts),
Fig. 9 HAC-Modellmoden unter Variation von b (Auszüge),9 HAC model modes with variation of b (extracts),
Fig. 10 HAC-Modellmoden unter Variation von c (Auszüge),10 HAC model modes with variation of c (extracts),
Fig. 11 HAC-Modellmoden unter Variation von d (Auszüge),11 HAC model modes with variation of d (extracts),
Fig. 12 ähnliche HAC-Modellmoden zu zwei verschiedenen Modellmoden I und II (Beispiel),12 similar HAC model modes for two different model modes I and II (example),
Fig. 13 HAC-Modellmoden zu I unter sinusförmigen exogenen Inputs verschiedener Stärke (Beispiele), Fig. 14 HAC-Modellmoden zu II unter sinusförmigen exogenen Inputs verschiedener Stärke (Beispiele), Fig. 15 HAC-Modellmoden zu I unter exogenen Elementarloops niedriger13 HAC model modes for I under sinusoidal exogenous inputs of different strengths (examples), FIG. 14 HAC model modes for II under sinusoidal exogenous inputs of different strengths (examples), FIG. 15 HAC model modes for I under exogenous elementary loops
Stärke (Beispiele),
Fig. 16 HAC-Modellmoden zu II unter exogenen Elementarloops niedriger Stärke (Beispiele),Starch (examples), 16 HAC model modes for II under exogenous elementary loops of low strength (examples),
Fig. 17 HAC-Modellmoden zu I unter exogenen Elementarloops mittlerer Stärke (Beispiele),17 HAC model modes for I under exogenous elementary loops of medium strength (examples),
5 Fig. 18 HAC-Modellmoden zu II unter exogenen Elementarloops mittlerer Stärke (Beispiele),5 FIG. 18 HAC model modes for II under exogenous elementary loops of medium strength (examples),
Fig. 19 eine Theta-HAC-Modellmode unter verschiedenen endogenen Inputs und einem exogenem Input (Beispiele),19 shows a theta-HAC model mode with various endogenous inputs and one exogenous input (examples),
Fig. 20 Flussdiagramm des gesamten Verfahrens,20 flow diagram of the entire method,
10 Fig. 21 Flussdiagramm des Verfahrens S 2000 (Kalibrieren),10 FIG. 21 flow chart of the S 2000 method (calibration),
Fig. 22 Flussdiagramm des Verfahrens S 2100 (Lokales Kalibrieren, 1. Teil), Fig. 23 Flussdiagramm des Verfahrens S 2100 (Lokales Kalibrieren, 2.22 flow diagram of the method S 2100 (local calibration, part 1), FIG. 23 flow diagram of the method S 2100 (local calibration, 2.
Teil),Part),
15 Fig. 24 Flussdiagramm des Verfahrens S 2300 (Translokales Kalibrieren),15 FIG. 24 flow chart of the method S 2300 (translocal calibration),
Fig. 25 Flussdiagramm des Verfahrens S 3000 (Steuern und/oder Regeln von Hirnaktivität),25 flowchart of the method S 3000 (controlling and / or regulating brain activity),
Fig. 26 ein Diagramm, das die Daten eines EEG-Kanals zeigt,26 is a diagram showing the data of an EEG channel;
Fig. 27 ein Diagramm, das einen Ausschnitt der Daten aus Fig. 26 imFIG. 27 is a diagram showing a section of the data from FIG. 26 in the
Δ\0) Phasenraum zeigt,Δ \ 0) shows phase space,
Fig. 28 ein Diagramm, das im Phasenraum mit dem Wilson-CowanModell modellierte Neuronenaktivität unter verschiedenen Inputs darstellt,28 is a diagram showing neuronal activity modeled in phase space with the Wilson-Cowan model under different inputs,
Fig. 29 ein Diagramm, das im Phasenraum mit dem Wilson-Cowan-Modell modellierte Neuronenaktivität bei gleichem Input unter 25 verschiedenen Mischungswinkeln darstellt.FIG. 29 is a diagram illustrating neuronal activity modeled in the phase space with the Wilson-Cowan model with the same input at 25 different mixing angles.
Vorrichtung:Contraption:
Die erfindungsgemäße Vorrichtung 1 umfasst 30 - eine oder mehrere Kopfeinheiten 2, verbunden mit einer Zwischeneinheit 3, von denen eine oder mehrere verbunden sind mit einer Basiseinheit 4 (Figur 6).The device 1 according to the invention comprises 30 one or more head units 2 connected to an intermediate unit 3, one or more of which are connected to a base unit 4 (FIG. 6).
35 Eine Kopfeinheit 2 umfasst ein Meßsystem mit Vorrichtungen zur elektromagnetischen Messdatengewinnung („Sensoren"), Messdaten- vorverarbeitung, und Messdatenweitergabe an die Zwischeneinheit, sowie ein Stellsystem mit Vorrichtungen 5 zur Erzeugung von elektromagnetischen Feldern („Transmitter"), sowie zur Umsetzung der von der Zwischeneinheit ausgehenden35 A head unit 2 comprises a measuring system with devices for electromagnetic measurement data acquisition (“sensors”), measurement data preprocessing, and measurement data transfer to the intermediate unit, as well as a control system with devices 5 for generating electromagnetic fields (“transmitters”) and for implementing the the intermediate unit outgoing
40 digitalen Steuerungs- bzw. Regelungsvorgaben in Transmittersignale (z. B. D/A- Umsetzereinheit). Eine Zwischeneinheit umfasst einen Rechner mit Software, mit
der die unten näher erläuterten Verfahren zur Steuerung von Hirnaktivität bei nicht notwendiger Kalibrierung implementiert werden, sowie Verbindungen zu und von der Basiseinheit. Die Basiseinheit 4 umfasst einen Rechner, der erstens eine Datenbank mit den Modell- und Anwenderdaten enthält, und auf dem zweitens die übrigen unten näher dargestellten Verfahren implementiert sind. Die Zwischen- und die Basiseinheit sind auf dem gleichen oder auf verschiedenen Rechnern lokalisiert.40 digital control or regulation specifications in transmitter signals (e.g. D / A converter unit). An intermediate unit comprises a computer with software, with which implement the methods for controlling brain activity when calibration is not necessary, as well as connections to and from the base unit. The base unit 4 comprises a computer which firstly contains a database with the model and user data, and secondly the other methods described in more detail below are implemented. The intermediate and the base unit are located on the same or on different computers.
Eine Ausgestaltung der Vorrichtung weist eine Kopfeinheit, eine Zwischeneinheit, und eine Basiseinheit auf. Die Kopfeinheit umfasst bspw. ein Meßsystem mit EEG-Kappe mit ihren extrakranialen Sensoren, Verbindungen zum Verstärker, Verstärker, Verbindungen zum A/D-Umsetzer, A/D-Umsetzer, Verbindungen zur Zwischeneinheit, sowie ein Stellsystem mit extrakranial befestigten stromführenden Spulen als Transmittern, steuerbarer Stromversorgung für diese Transmitter, nebst Verbindungen, D/A-Umsetzer, Verbindung von der Zwischeneinheit. Die Zwischeneinheit umfasst bspw. einen PC mit Bildschirm und Eingabetastatur, sowie Software, sowie Verbindungen zu und von der Basiseinheit. Die Basiseinheit umfasst bspw. eine leistungsfähige Rechnereinheit.An embodiment of the device has a head unit, an intermediate unit, and a base unit. The head unit includes, for example, a measuring system with an EEG cap with its extracranial sensors, connections to the amplifier, amplifier, connections to the A / D converter, A / D converter, connections to the intermediate unit, and an actuating system with extracranially attached current-carrying coils as transmitters , controllable power supply for these transmitters, together with connections, D / A converter, connection from the intermediate unit. The intermediate unit comprises, for example, a PC with a screen and input keyboard, as well as software, and connections to and from the base unit. The base unit includes, for example, a powerful computing unit.
Geeignete Sensoren sind beispielsweise EEG- oder MEG-Sensoren. Die MEG- Sensoren sind beispw. aus einem SQUID-Sensorelement mit geeigneter Auswertungseinrichtung zum Detektieren eines Magnetfeldes und Kühleinrichtung ausgebildet. Die EEG-Sensoren weisen z. B. zwei Elektroden zum Messen einer elektrischen Potenzialdifferenz auf.Suitable sensors are, for example, EEG or MEG sensors. The MEG sensors are formed, for example, from a SQUID sensor element with a suitable evaluation device for detecting a magnetic field and a cooling device. The EEG sensors have e.g. B. two electrodes for measuring an electrical potential difference.
Eine vorteilhafte Ausgestaltung eines Sensors umfasst dessen teilweise oder vollständige elektrische und/oder magnetische Abschirmung gegenüber seiner Umgebung, soweit dadurch dessen Funktion nicht behindert wird.An advantageous embodiment of a sensor comprises its partial or complete electrical and / or magnetic shielding from its surroundings, insofar as this does not hinder its function.
Eine vorteilhafte Ausgestaltung der kopfnahen Teile des Meßsystems umfasst eine Vielzahl von Sensoren, die intra- und/oder extrakranial verteilt sind, diese Vielzahl von Sensoren wird als Sensorgitter bezeichnet.An advantageous embodiment of the parts of the measuring system close to the head comprises a multiplicity of sensors which are distributed intracranially and / or extracranially; this multiplicity of sensors is referred to as a sensor grid.
Eine vorteilhafte Ausgestaltung eines extrakranialen Sensorgitters umfasst dessen Fixierung bezüglich des Kraniums des jeweiligen Anwenders, sodass bei mehrfachem Auf- und Absetzen des Sensorgitters die Sensoren ihre jeweilige relative Position wieder einnehmen, beispielsweise durch Einpassen des Sensorgitters in einen Helm, dessen Innenseite die Kranialform des jeweiligen Anwenders nachbildet.
Eine andere vorteilhafte Ausgestaltung des Sensorgitters umfasst implantierte Elektroden.An advantageous embodiment of an extra-cranial sensor grid includes fixing it to the crane of the respective user, so that when the sensor grid is put on and taken off several times, the sensors return to their respective relative positions, for example by fitting the sensor grid into a helmet, the inside of which has the cranial shape of the respective user replicates. Another advantageous embodiment of the sensor grid comprises implanted electrodes.
Eine vorteilhafte Ausgestaltung eines extrakranialen Transmitters 5 umfasst eine stromführende Spule 6 mit para-, dia-, oder ferromagnetischem Kern 7, wie in Figur 1 schematisch in Schnittansicht dargestellt, wobei die Pfeilrichtungen die Richtungen des Stromflusses symbolisieren. Der Transmitter 5 weist im Wesentlichen eine zylinderförmige Form auf, wobei die Mantelfläche und eine die Rückseite bildende Stirnfläche des Zylinders mit einer Abschirmung 8 eingekleidet sind. An der von der Abschirmung freien Seite des Transmitters grenzen unmittelbar die Spule 6 und der Kern 7 an, und mit dieser Seite wird der Transmitter 5 im Betrieb auf das Kranium zur Abgabe exogener Magnetfelder ausgerichtet. An der Rückseite des Transmitters 5 ist ein Halteelement 9 angeordnet, mit welchem der Transmitter 5 in einem Helm fixierbar ist. Der extrakraniale Transmitter 5 gegen Verformung geschützt sein, beispielsweise durch Eingießen der stromführenden Teile in geeignetes Harz, oder Einbetten der stromführenden Teile in stabiles Isoliermaterial.An advantageous embodiment of an extracranial transmitter 5 comprises a current-carrying coil 6 with a para-, dia- or ferromagnetic core 7, as shown schematically in a sectional view in FIG. 1, the arrow directions symbolizing the directions of the current flow. The transmitter 5 essentially has a cylindrical shape, the outer surface and an end face of the cylinder forming the rear side being clad with a shield 8. The coil 6 and the core 7 directly adjoin the side of the transmitter which is free of the shielding, and with this side the transmitter 5 is aligned with the cranium during operation to emit exogenous magnetic fields. On the back of the transmitter 5, a holding element 9 is arranged, with which the transmitter 5 can be fixed in a helmet. The extracranial transmitter 5 must be protected against deformation, for example by pouring the live parts in suitable resin, or embedding the live parts in stable insulating material.
Der Transmitter 5 kann mit einer Kühlvorrichtung versehen sein.The transmitter 5 can be provided with a cooling device.
Eine andere vorteilhafte Ausgestaltung eines intrakranialen Transmitters umfasst implantierte Elektroden.Another advantageous embodiment of an intracranial transmitter comprises implanted electrodes.
Eine vorteilhafte Ausgestaltung der kopfnahen Teile des Stellsystems umfasst eine Vielzahl von Transmittern, die intra- und/oder extrakranial verteilt sind, diese Anordnung von Transmittern wird als Transmittergitter bezeichnet.An advantageous embodiment of the parts of the actuating system close to the head comprises a plurality of transmitters which are distributed intra- and / or extracranially; this arrangement of transmitters is referred to as a transmitter grid.
Eine vorteilhafte Ausgestaltung eines extrakranialen Transmittergitters umfasst dessen Fixierung bezüglich des Kraniums des jeweiligen Anwenders, sodass bei mehrfachem Auf- und Absetzen des Transmittergitters die Transmitter ihre jeweilige relative Position wieder einnehmen, beispielsweise durch Einpassen des Transmittergitters in einen Helm, dessen Innenseite die Kranialform des jeweiligen Anwenders nachbildet.An advantageous embodiment of an extracranial transmitter grating comprises fixing it with respect to the crane of the respective user, so that the transmitter grids take up their respective relative positions again when the transmitter grille is put on and taken off multiple times, for example by fitting the transmitter grille into a helmet, the inside of which is the cranial shape of the respective user replicates.
In einer alternativen Ausgestaltung kann Fixierung von Sensor und/oder Transmittergitter auch kameraunterstützt erfolgen, wobei die Position des Kopfes des Anwenders im Raum, sowie der Sensoren und/oder Transmitter bezüglich des Kopfes über mehrere Kameras erfasst und real-time in 3D-Daten umgerechnet wird.
In einer weiteren Ausgestaltung werden als Sensoren und / oder Transmitter intrakranial implantierte Elektroden verwendet, über die sowohl EEG Messungen durchgeführt werden können, als auch Ströme in das Hirn geleitet werden können. Zu diesen Elektroden führende Leitungen und/oder deren Interfaces zur Rechnereinheit und/oder weitere Leitungen und/oder weitere Messgeräte und/oder die zugehörige Rechnereinheit und/oder der Energieversorger von Elektroden und/oder Rechnereinheit sind ebenfalls implantierbar, wodurch ein ambulanter Betrieb gestattet wird. Eine in Fig. 4 schematisch dargestellte vorteilhafte Ausgestaltung der kopfnahen Teile eines extrakranialen Mess- und Stellsystem umfasst einen auf seiner Innenseite die Kranialform des jeweiligen Anwenders nachbildenden Helm 10 mit durch eine Trägerachse 11 verlaufenden Verbindungskabeln und einer Kinnstütze 12. Sensor- und Transmittergitter im Inneren des Helms sind solcherart fixiert, dass sich beide Gitter überlappen - i.e. sich in der Nachbarschaft jedes Sensors hinreichend viele Transmitter befinden und umgekehrt. Eine planare Projektion der Überlagerung des Transmitters mit dem Sensorgitter zeigt Figur 3 (hierbei sind Öffnungen 13, Sensoren als Kreise und Öffnungen 14 für Transmitter 5 als Vierecke dargestellt). In der beschriebenen Ausgestaltung sitzt der Anwender auf einem Sessel mit Nackenstütze unterhalb des Helms 10.In an alternative embodiment, the sensor and / or transmitter grating can also be fixed with the aid of a camera, the position of the user's head in the room, as well as the sensors and / or transmitters with respect to the head, being recorded using a plurality of cameras and converted in real time into 3D data , In a further embodiment, intracranially implanted electrodes are used as sensors and / or transmitters, via which EEG measurements can be carried out and currents can be conducted into the brain. Lines leading to these electrodes and / or their interfaces to the computer unit and / or further lines and / or further measuring devices and / or the associated computer unit and / or the energy supplier of electrodes and / or computer unit can also be implanted, thereby permitting outpatient operation. An advantageous embodiment of the parts of an extracranial measuring and actuating system close to the head, shown schematically in FIG. 4, comprises a helmet 10 on its inside that imitates the cranial shape of the respective user with connecting cables running through a support axis 11 and a chin rest 12. Sensor and transmitter grille inside the Helmets are fixed in such a way that both grids overlap - ie there are sufficient transmitters in the vicinity of each sensor and vice versa. FIG. 3 shows a planar projection of the superimposition of the transmitter with the sensor grid (openings 13, sensors as circles and openings 14 for transmitter 5 are shown as quadrilaterals). In the embodiment described, the user sits on an armchair with a neck support below the helmet 10.
In einer alternativen Ausgestaltung ist das Sensorgitter intrakranial, und der Helm enthält das extrakraniale Transmittergitter.In an alternative embodiment, the sensor grid is intracranial and the helmet contains the extracranial transmitter grid.
In einer alternativen Ausgestaltung ist das Transmittergitter intrakranial, und der Helm enthält das extrakraniale Sensorgitter.In an alternative embodiment, the transmitter grid is intracranial and the helmet contains the extracranial sensor grid.
In einer alternativen Ausgestaltung sind sowohl Sensor-, als auch Transmittergitter intrakranial.In an alternative embodiment, both sensor and transmitter gratings are intracranial.
In einer vorteilhaften Ausgestaltung lässt sich die Sensordichte bzw. Sensorkonfiguration eines extrakranialen Sensorgitters einstellen. In einer weiteren vorteilhaften Ausgestaltung geschieht diese Veränderung automatisiert, gesteuert bzw. geregelt über die Zwischeneinheit.In an advantageous embodiment, the sensor density or sensor configuration of an extracranial sensor grid can be set. In a further advantageous embodiment, this change is automated, controlled or regulated via the intermediate unit.
In einer vorteilhaften Ausgestaltung lassen sich die Transmitterdichte bzw. Transmitterkonfiguration eines extrakranialen Transmittergitters einstellen und/oder die Neigungswinkel jedes einzelnen Transmitters zum Kranium des Anwenders verändern. Eine planare Projektion einer mechanischen Halterung dieser Ausgestaltung zeigt Figur 5. Hierbei sind Öffnungen für Sensoren 13 als Kreise und Öffnungen 14 für Transmitter eckig dargestellt. Hier ist es möglich,
Transmitter 5 in den Öffnungen 14 der Halterung zu verankern, und/oder Transmitter 5 gegenüber der Halterung zu kippen. Unter anderem können in dieser Ausgestaltung sämtliche konventionellen Spulenkonfigurationen mit ihrer Anordnung, Ausrichtung und Feldrichtung dargestellt werden.In an advantageous embodiment, the transmitter density or transmitter configuration of an extracranial transmitter grid can be set and / or the angle of inclination of each individual transmitter to the user's cranium can be changed. A planar projection of a mechanical holder of this embodiment is shown in FIG. 5. Here, openings for sensors 13 are shown as circles and openings 14 for transmitters. Here it is possible To anchor the transmitter 5 in the openings 14 of the holder and / or to tilt the transmitter 5 relative to the holder. In this embodiment, among other things, all conventional coil configurations can be represented with their arrangement, orientation and field direction.
Einrichtung, Funktionstests und Wartung der extrakranialen Vorrichtung erfolgen durch Techniker, die keine medizinische Ausbildung besitzen müssen.Setup, functional tests and maintenance of the extracranial device are carried out by technicians who do not have to have any medical training.
In einer vorteilhaften Ausgestaltung ist die Vorrichtung mit konventionellem Schutz vor Stromausfällen und/oder Spannungsschwankungen versehen.In an advantageous embodiment, the device is provided with conventional protection against power failures and / or voltage fluctuations.
Auf der Zwischeneinheit können real-time und automatisch Verfahren zur Dichte- und Positionierungsoptimierung von Sensoren und Transmittern, sowie zur Beseitigung von Artefakten ablaufen, das heißt, nichtzufälligen Messwertverzerrungen, die durch künstlich erzeugte Magnetfelder, Augenbewegungen, Muskelzuckungen u.a. entstehen.The intermediate unit can run real-time and automatic procedures for density and positioning optimization of sensors and transmitters, as well as for the elimination of artifacts, i.e. non-random measurement value distortions caused by artificially generated magnetic fields, eye movements, muscle twitches, etc. arise.
Verfahren:Method:
Das erfindungsgemäße Verfahren umfasst im einzelnen die nachstehend angegebenen, im folgenden näher erläuterten und mit „S" gekennzeichneten Verfahrensschritte. Ein- und Ausgangsdaten sind mit „D" gekennzeichnet. Die einzelnen Schritte werden im folgenden erläutert:The process according to the invention comprises in detail the process steps specified below, explained in more detail below and marked with "S". Input and output data are marked with "D". The individual steps are explained below:
Die Grundzüge des erfindungsgemäßen Verfahrens sind in einem Flussdiagramm 20 dargestellt, wobei Rechtecke Verfahrensschritte darstellen, Rauten Entscheidungsschritte, und Parallelogramme Input- oder Outputdaten von Verfahrensschritten.The basic features of the method according to the invention are shown in a flow chart 20, rectangles representing method steps, rhombus decision steps, and parallelograms input or output data of method steps.
S 500 In diesem Schritt werden die für ein zuverlässiges Erreichen des genannten Verhaltenszieles (D 2000) notwendigen Größen sowie deren Dynamik mit Hilfe eines Verhaltensmodells (D 3000) spezifiziert.S 500 In this step, the quantities necessary for the reliable achievement of the named behavior goal (D 2000) and their dynamics are specified with the help of a behavior model (D 3000).
Das Verhaltensmodell stellt den Zusammenhang zwischenThe behavior model represents the connection between
Verhalten und dem Verlauf bestimmter HAC dar. „HAC" steht im folgenden sowohl für Singular als auch für Plural von „Himaktivitätscharakteristikum". Die HAC werden aus Messsignalen nach bestimmten Vorschriften berechnet (D 2200).
Beispiele für HAC sind von einem Sensor (Elektrode plus Referenzelektrode) gemessene Potentialdifferenzen, oder ein Leistungsspektrum des vom Sensor innerhalb eines Zeitfensters empfangenen Signals, oder der Quotient von Beta (13-30 Hz) - EEG-Aktivität zu Alpha (8-12 Hz) -EEG-Aktivität für diesen SensorBehavior and the course of certain HAC. In the following, "HAC" stands for both singular and plural for "home activity characteristic". The HAC are calculated from measurement signals according to certain regulations (D 2200). Examples of HAC are potential differences measured by a sensor (electrode plus reference electrode), or a power spectrum of the signal received by the sensor within a time window, or the quotient of beta (13-30 Hz) - EEG activity to alpha (8-12 Hz) -EEG activity for this sensor
(s.a. [11]).(see also [11]).
Beispiel für ein Verhaltensmodellsind das reduzierte Davidson- Modell (siehe z.B. [11]), wonach positive Emotionen mit einem höheren Quotienten von Beta (13-30 Hz) - EEG-Aktivität zu AlphaExamples of a behavioral model are the reduced Davidson model (see e.g. [11]), according to which positive emotions with a higher quotient from beta (13-30 Hz) - EEG activity to alpha
(8-12 Hz) - EEG-Aktivität im linksfrontalen Kortex einhergehen.(8-12 Hz) - EEG activity is associated in the left frontal cortex.
Das Verhaltensmodell (D 3000) gestattet es, das Verhaltensziel (D 2000), welches grundsätzlich die Dauerhaftigkeit des gewünschten Verhaltens umfasst, in einen Soll-Verlauf des oder der HAC (DThe behavioral model (D 3000) allows the behavioral goal (D 2000), which basically includes the durability of the desired behavior, to be converted into a target course of the HAC (D
2100) umzuwandeln, und somit zu quantifizieren.2100) to convert, and thus to quantify.
Aus Art und Anzahl der HAC ergeben sich Mindestanforderungen an die Apparatur (D 4000). Beispielsweise verwendet man zum Errechnen des Quotienten von Beta (13-30 Hz) - EEG-Aktivität zuThe type and number of HACs result in minimum equipment requirements (D 4000). For example, one uses to calculate the quotient of beta (13-30 Hz) - EEG activity
Alpha (8-12 Hz) - EEG-Aktivität im linksfrontalen Kortex zumindest eine EEG-Elektrode plus eine Referenzelektrode. Zum kontrollierten Erreichen des Soll-Verlaufs des o.g. HAC verwendet man zumindest einen Transmitter.Alpha (8-12 Hz) - EEG activity in the left-frontal cortex at least one EEG electrode plus one reference electrode. For the controlled achievement of the target course of the above HAC uses at least one transmitter.
Die verwendeten HAC sind aus den Variablen des verwendeten generischen Hirnaktivitätsmodells (D 1000) zu berechnen.The HAC used are to be calculated from the variables of the generic brain activity model used (D 1000).
Beispiel: Auf Fourier-Zerlegung basierende HAC für ein umgrenztes Hirngebiet sind aus der Dynamik der neuralen Oszillatoren desExample: HACs based on Fourier decomposition for a limited brain area are derived from the dynamics of the neural oscillators
Wilson-Cowan-Modells (siehe z.B. [1]) berechenbar.Wilson-Cowan model (see e.g. [1]) can be calculated.
Aus den HAC ergeben sich Mindest-Kalibrierungsanforderungen (D 1100) bezüglich des verwendeten generischen Modells. Je weniger robust sich die Berechnung der HAC gestaltet, desto stärkereThe HAC results in minimum calibration requirements (D 1100) with regard to the generic model used. The less robust the calculation of the HAC, the stronger
Anforderungen sind an die Kalibrierung zu stellen. Falls die HAC auf gekoppelten, nicht-robusten Größen verschiedener örtlicher Herkunft basieren, ist die lokale Kalibrierung durch translokale zu ergänzen. In jedem Fall sind Art (bspw. „keine, lokal, translokal", D 1110 in Fig. 21) und Umfang (bspw. Liste der Sensoren sowieCalibration requirements must be met. If the HAC are based on coupled, non-robust variables from different local origins, the local calibration must be supplemented by translocal ones. In any case, the type (for example “none, local, translocal”, D 1110 in FIG. 21) and scope (for example list of sensors and
Transmitter, D 1120) zu benennen (E 100).
Beispieie: Für den robusten, nichtlinearen Ähnlichkeitsindex (siehe bspw. [5]) ist eine Kalibrierung nicht unbedingt erforderlich. Für den o.g. Beta/Alpha-Quotienten ist eine lokale Kalibrierung des Wilson- Cowan-Modells erforderlich. Bei komplexen kognitiven LeistungenTransmitter, D 1120) (E 100). Example: A calibration is not absolutely necessary for the robust, non-linear similarity index (see, for example, [5]). A local calibration of the Wilson-Cowan model is required for the above beta / alpha quotient. For complex cognitive performance
(bspw. musischer Kreativität, s. [19]) ist in der Regel translokale Kalibrierung erforderlich.(e.g. artistic creativity, see [19]), translocal calibration is usually required.
S2000 Kalibrieren umfasst das Ermitteln individueller, gegebenenfalls zeitspezifischer Werte für die im generischen Hirnaktivitätsmodell aus Populationsmittelwerten geschätzten Parameter, endogenen Input, sowie die Quantifizierung des ebenfalls individuellen, gegebenenfalls zeitspezifischen, exogenen Einflusses elektromagnetischer Felder auf Hirnaktivität. („Elektromagnetisch" steht für „elektrisch und/oder magnetisch" und wird im folgenden mitS2000 calibration comprises the determination of individual, possibly time-specific values for the parameters, endogenous input, estimated in the generic brain activity model from population mean values, as well as the quantification of the likewise individual, possibly time-specific, exogenous influence of electromagnetic fields on brain activity. ("Electromagnetic" stands for "electrical and / or magnetic" and is used in the following
„EM" abgekürzt.) Umfang und Qualität der Kalibrierung beeinflussen die Zuverlässigkeit der Modifikation ein oder mehrerer Hirnaktivitäten."EM" abbreviated.) The scope and quality of the calibration influence the reliability of the modification of one or more brain activities.
Aus dem Kalibrieren resultiert ein spezifisches Hirnmodell (D 1200), das exogenen Input als Kontrollvariable innerhalb des Modells quantitativ erfasst (D 1300). Kalibrieren ist näher ausgeführt in Figur 21.The calibration results in a specific brain model (D 1200), which quantifies exogenous input as a control variable within the model (D 1300). Calibration is detailed in FIG. 21.
Man unterscheidet im einfachsten Fall lokales (siehe Figuren 22-23) und translokales (siehe Figur 24) Kalibrieren.In the simplest case, a distinction is made between local (see FIGS. 22-23) and translocal (see FIG. 24) calibration.
Erstes Ziel der lokalen Kalibrierung ist es, für jeden Sensor bei einem bestimmten Anwender in einem bestimmten Zeitintervall einzugrenzen, welche Hirnaktivitäten im Erfassungsbereich desThe first goal of the local calibration is to limit the brain activity in the detection range of each sensor for a specific user in a specific time interval
Sensors stattfinden (Ablauf dargestellt in Figur 22).Sensor take place (process shown in Figure 22).
Zweites Ziel der lokalen Kalibrierung ist es, für jede Hirnaktivität im Messbereich jedes Sensors herauszufinden, wie diese durch von zumindest einem Transmitter erzeugte exogene EM Felder beeinflusst werden kann (Ablauf dargestellt in Figur 23).The second aim of the local calibration is to find out for each brain activity in the measuring range of each sensor how this can be influenced by exogenous EM fields generated by at least one transmitter (process shown in FIG. 23).
Ziel translokaler Kalibrierung (S 2400) ist es, Art und Umfang des Einflusses der Aktivität anderer Hirnbestandteile auf die Aktivität des betrachteten Hirnbestandteils festzustellen.
Das Kalibrieren wird nachfolgend anhand der Fig. 21 bis 24 erläutert: Fig. 21 zeigt einen Ausschnitt des Verfahrens, bei dem mit den bereits oben erläuterten Daten D 1100, D1110 und D 1120 die Entscheidung gemäß dem oben beschriebenen Entscheidungsschrittes E 100 getroffen wird, ob eine Kalibrierung durchgeführt werden soll oder nicht. Soll keine Kalibrierung durchgeführt werden, geht das Verfahren auf den Schritt S 3000 über, wie es oben bereits ausgeführt ist. Soll hingegen eine Kalibrierung durchgeführt werden, geht das Verfahren auf den Schritt S 2100 über, bei welchem ein lokales Kalibrieren ausgeführt wird, das unten näher anhand der Fig. 22 bis 23 erörtert wird.The goal of translocal calibration (S 2400) is to determine the type and extent of the influence of the activity of other brain components on the activity of the brain component under consideration. The calibration is explained below with reference to FIGS. 21 to 24: FIG. 21 shows a section of the method in which the decision according to decision step E 100 described above is made with the data D 1100, D1110 and D 1120 already explained above a calibration should be carried out or not. If no calibration is to be carried out, the method goes to step S 3000, as already explained above. If, on the other hand, a calibration is to be carried out, the method proceeds to step S 2100, in which a local calibration is carried out, which is discussed in more detail below with reference to FIGS. 22 to 23.
Da beim lokalen Kalibrieren Hirnaktivitäten lokal kalibriert werden, kann es sein, dass ein und dieselbe Hirnaktivität mehrfach von unterschiedlichen Sensoren bzw. Sensoreinheiten erfasst und kalibriert werden. Deshalb ist es zweckmäßig, im Schritt S 2300 identische Hirnaktivitäten als solche zu identifizieren, wobei mehrfach kalibrierte Hirnaktivitäten nur einmal berücksichtigt werden oder mehrere Kalibrierungen einer Hirnaktivität kombiniert ausgewertet werden. Die entsprechenden Daten werden dann in die Datensätze D 1200 und D 1300 integriert.Since brain activities are locally calibrated during local calibration, the same brain activity may be recorded and calibrated several times by different sensors or sensor units. It is therefore expedient to identify identical brain activities as such in step S 2300, multiple-calibrated brain activities being taken into account only once or multiple calibrations of one brain activity being evaluated in combination. The corresponding data are then integrated into the data records D 1200 and D 1300.
Falls eine translokale Kalibrierung auf D 1110 erforderlich sein sollte, wird dies im Schritt E 120 geprüft und gegebenenfalls eine translokale Kalibrierung S 2400 ausgeführt, die unten näher anhand von Fig.24 erläutert wird. Die entsprechenden Daten werden dann in die Datensätze D 1200 und 1300 eingefügt.If a translocal calibration to D 1110 should be necessary, this is checked in step E 120 and, if necessary, a translocal calibration S 2400 is carried out, which is explained in more detail below with reference to FIG. 24. The corresponding data is then inserted into data records D 1200 and 1300.
Die lokale Kalibrierung wird nachfolgend anhand von Fig. 22 und 23 erläutert.The local calibration is explained below with reference to FIGS. 22 and 23.
Hierzu wird mit jedem Sensor EM Hirnaktivität gemessen (S 2110). Die entstehende Zeitreihe (D 2205) wird in einen Ist-Verlauf von HAC umgerechnet (S 2120), wodurch sich Ist-Verläufe von HAC ergeben (D 2210).For this purpose, brain activity is measured with each sensor EM (S 2110). The resulting time series (D 2205) is converted into an actual course of HAC (S 2120), which results in actual courses of HAC (D 2210).
Ein Hirnaktivitätsmodell (D 1000) wird in der Regel mittels Differentialgleichungen beschrieben, in die exogener Input unter bestimmten Einflussannahmen (D 1049) integriert wird.A brain activity model (D 1000) is usually described using differential equations, into which exogenous input is integrated under certain assumptions (D 1049).
Eine Modellmode ist eine Lösung der Differentialgleichungen des solcherart erweiterten Hirnaktivitätsmodells für einen Satz von Nichtobservablen, d.h. von Parametern, endogenen und exogenen Inputs.
Sie werden im Schritt S 2115 berechnet und in einer Datenbank (D 1051) abgespeichert. Diese Datenbank enthält die Zuordnung von Sätzen von nichtobservablen Modellmoden. Mit Hilfe der in der Datenbank D 1051 gespeicherten Daten und/oder unmittelbar im Schritt S 2115 unmittelbar berechneten Daten werden die HAC-Verläufe der Modellmoden berechnet (S 2120). Hieraus ergeben sich theoretisch mögliche HAC-Verläufe (D 1030).A model mode is a solution of the differential equations of the brain activity model expanded in this way for a set of non-observables, ie of parameters, endogenous and exogenous inputs. They are calculated in step S 2115 and stored in a database (D 1051). This database contains the assignment of sets of non-observable model modes. The HAC curves of the model modes are calculated using the data stored in the database D 1051 and / or data calculated directly in step S 2115 (S 2120). This results in theoretically possible HAC courses (D 1030).
Da HAC i.d.R. vereinfachend wirken, ist es möglich, dass mehrere Modellmoden in ähnlichen (d.h. innerhalb von Fehlerschranken nicht unterscheidbaren) HAC- Modellmoden resultieren. Ebenso ist es möglich, dass mehrere Sätze von Nichtobservablen in der gleichen Modellmode resultieren. Dieser Zusammenhang zwischen HAC-Modellmoden, Modellmoden, und Sätzen von Nichtobservablen tritt analog auch in Eichtheorien auf, wie bspw. Elektrodynamik (entsprechend einem HAC hier bspw. „Energiedichte in einem Raumsektor", entsprechend der Modellmoden verschiedene elektrische und magnetische Felder, die diese Energiedichte generieren, und entsprechend den Sätzen von Nichtobservablen verschiedene Potentiale, die wiederum den elektrischen/magnetischen Feldern zu Grunde liegen können). Für stochastische Moden sind beispielsweise deren p- te Momente im Zeitverlauf gespeichert. Modellmoden und ggf. HAC-Moden sind in einer Datenbankgespeichert und/oder schnell berechenbar. Es sind nur endlich viele Sätze von Nichtobservablen gespeichert (Gitter), desgleichen für Modeilmoden und HAC-Modellmoden. Bei Bedarf besteht die Möglichkeit, das Gitter zu verfeinern und/oder zu erweitern (bspw. durch neue Parametersätze und/oder neue Arten und/oder neue Koeffizienten endogenen und/oder exogenen Inputs).Since HAC usually Simplifying, it is possible that several model modes result in similar (i.e. indistinguishable within error bounds) HAC model modes. It is also possible that several sets of non-observables result in the same model mode. This connection between HAC model modes, model modes, and sets of non-observables also occurs analogously in gauge theories, such as electrodynamics (corresponding to a HAC here, for example, "energy density in a space sector", corresponding to the model modes different electrical and magnetic fields that this energy density generate different potentials, which in turn can be the basis of the electric / magnetic fields. For stochastic modes, for example, their p-moments are stored over time. Model modes and possibly HAC modes are stored in a database and There are only a finite number of sets of non-observables stored (grids), the same for fashion modes and HAC model modes. If necessary, there is the option to refine and / or expand the grid (e.g. with new parameter sets and / or new species and / or new coefficients endogenous and / or exo inputs).
Es ist möglich, dass eine Mode auf dem Weg von ihrem Träger zum jeweiligen Sensor Abschwächungen und/oder Verzerrungen und/oderIt is possible for a fashion on the way from its wearer to the respective sensor to weaken and / or distort and / or
Phasenverschiebungen unterliegt. (Als „Träger" einer Mode wird dasjenige Neuronenensemble definiert, dessen Aktivität die betreffende Mode erzeugt). Das am jeweiligen Sensor ankommende Bild der Mode wird als Bildmode bezeichnet, analog für zugehörige HAC-Moden.Is subject to phase shifts. (The "carrier" of a mode is defined as the neuron ensemble whose activity the relevant mode generates.) The image of the mode arriving at the respective sensor is referred to as the image mode, analogously for associated HAC modes.
In dem o.g. Ist-Verlauf von HAC werden die gemäß a-priori Annahmen (D 1040, Figur 22) gegebenenfalls veränderten Bilder von HAC-Modellmoden identifiziert (S 2130). Im einfachsten Fall ist das Bild einer HAC-Modellmode proportional zur HAC-Modellmode selbst und kann (außer in Fällen vernachlässigbarer Amplitude) mit dem Quotienten aus HAC-Modellmode und dem Reziproken eines Abschwächungsfaktors identifiziert werden. Dieser einfachste Fall wird im folgenden zugrundegelegt. Eine (HAC-) Modellmode ist im einfachsten Fall lokal und beschreibt damit eine lokalisierte Hirnaktivität.
Dekomposition gemäß S 2130 (s. Figur 22) beinhaltet das Auffinden von HAC- Modellmoden (D 1030) im empirischen HAC- Verlauf, das Identifizieren von diesen HAC-Modellmoden möglicherweise zugrundeliegenden Modellmoden und das Identifizieren von diesen Modellmoden möglicherweise zugrundeliegenden Sätzen von Nichtobservablen, wobei hier nur Sätze von Nichtobservablen mit exogenem Input gleich Null zugelassen sind. Endogene Inputs werden im einfachsten Fall für die Zwecke des lokalen Kalibrierens als konstant angenommen, im zweiteinfachsten Fall als sinusförmig, im dritteinfachsten Fall als oszillierend. Hilfreich für die Praktikabilität des Verfahrens ist die Beschränkung auf die Untersuchung relevanter HAC-Modellmoden. Eine in den Ist-Verläufen aufgefundene HAC-Modellmode soll „relevant" heißen, wenn sie im Ist-HAC- Verlauf oberhalb vordefinierter Schwellenwerte für Rauschen, Messfehler, o.a. festgestellt werden kann.The images of HAC model modes that may have changed according to a priori assumptions (D 1040, FIG. 22) are identified in the above-mentioned actual course of HAC (S 2130). In the simplest case, the image of a HAC model mode is proportional to the HAC model mode itself and (except in cases of negligible amplitude) can be identified with the quotient of the HAC model mode and the reciprocal of an attenuation factor. This simplest case is used in the following. In the simplest case, a (HAC) model mode is local and thus describes localized brain activity. Decomposition according to S 2130 (see FIG. 22) involves finding HAC model modes (D 1030) in the empirical HAC course, identifying model modes possibly underlying these HAC model modes and identifying sets of non-observables possibly underlying these model modes, whereby only sets of non-observables with exogenous input equal to zero are permitted here. In the simplest case, endogenous inputs are assumed to be constant for the purposes of local calibration, in the second simplest case as sinusoidal, in the third simplest case as oscillating. The limitation to the examination of relevant HAC model modes is helpful for the practicability of the method. A HAC model mode found in the actual curves is said to be "relevant" if it can be determined in the actual HAC curve above predefined threshold values for noise, measurement errors, or the like.
Ergebnis der Dekomposition sind eine Liste relevanter HAC-Modellmoden (D 2300) im Messbereich des jeweiligen Sensors, eine Liste möglicher Modellmoden zu jedem Element von D 2300 (D 2350) und eine Liste möglicher Parametersätze, sowie mögliche endogene Inputs zu jeder Modellmode in D 2350 (D 2400).The result of the decomposition is a list of relevant HAC model modes (D 2300) in the measuring range of the respective sensor, a list of possible model modes for each element of D 2300 (D 2350) and a list of possible parameter sets, as well as possible endogenous inputs for each model mode in D 2350 (D 2400).
Wie in Fig. 23 dargestellt, werden für jeden Sensor Sj und für jeden Transmitter T die folgenden Verfahrensschritte ausgeführt:As shown in FIG. 23, the following method steps are carried out for each sensor Sj and for each transmitter T:
Aus den Parametersätzen mit endogenem Input (D 2400) werden nun durch Testen (S 2170, Senden von Testsignalen mit Hilfe von Transmittern) diejenigen Sätze (D 2410) von Nichtobservablen herausgefunden, die die jeweilige HAC- Modelimode mit Testsignal erklären. Dieses umfasst es, mit Hilfe des Testsignals zu ermitteln, wie sich das Transmittersignal in exogenen Input übersetzt, das heißt, in einen Bestandteil der Modellgleichungen. Sobald dieses geklärt ist, wird der Einfluss des exogenen Signals auf die entsprechende Modellmode respektive HAC-Modellmode berechenbar und zur tatsächlichen Modifikation von Hirnaktivität (S 3000) verwendet.From the parameter sets with endogenous input (D 2400), those sets (D 2410) of non-observables which explain the respective HAC model mode with test signal are now found out by testing (S 2170, sending test signals with the aid of transmitters). This includes using the test signal to determine how the transmitter signal translates into exogenous input, that is, into a component of the model equations. As soon as this has been clarified, the influence of the exogenous signal on the corresponding model mode or HAC model mode can be calculated and used for the actual modification of brain activity (S 3000).
Ein Testsignal (D 2500) ergibt sich im einfachsten Fall aus den möglichen endogenen und exogenen , Inputs (umfassend: konstant, oszillierend, mit Elementarloops, dh. zeitverzögerter Verwendung eines Messsignals als Transmittersignal, und viele andere).In the simplest case, a test signal (D 2500) results from the possible endogenous and exogenous inputs (comprising: constant, oscillating, with elementary loops, i.e. time-delayed use of a measurement signal as a transmitter signal, and many others).
Das Testsignal wird in das generische Hirnmodell wie folgt integriert: man ersetze „Input" in den Modellgleichungen durch „endogenen plus exogenen Input".
Exogener Input := Übersetzungsoperator(Transmittersignal)The test signal is integrated into the generic brain model as follows: replace "input" in the model equations with "endogenous plus exogenous input". Exogenous input: = translation operator (transmitter signal)
Der Übersetzungsoperator Ü stellt den Zusammenhang zwischen exogenem, physikalisch messbarem Signal und Kontrollvariablen in den Gleichungen des spezifischen, d. h. kalibrierten, Hirnmodells dar. Je nach Parametersatz und endogenem Input, die der einzelnen Mode unterliegen, sowie Gestalt und Amplitude des Transmittersignals, verändern verschiedene Werte der Kontrollvariable die betreffende Mode, was wiederum physikalisch messbar ist.The translation operator Ü represents the relationship between the exogenous, physically measurable signal and control variables in the equations of the specific, i.e. H. calibrated, brain model. Depending on the parameter set and endogenous input, which are subject to the individual mode, as well as the shape and amplitude of the transmitter signal, different values of the control variable change the relevant mode, which in turn is physically measurable.
Ein Testsignal hat die Aufgabe, zwischen verschiedenen Sätzen von Parametern, endogenen Inputs, und ggf. Übersetzungsoperatoren für die betrachtete HAC- Mode zu trennen. Ein Testsignal ist (wie jedes Transmittersignal) gekennzeichnet durch eine externe Referenzgröße, sowie eine i.d.R. zeitabhängige Gestalt am Ort des Transmitters, und eine - möglicherweise einelementige - Folge von Amplitudenmultiplikatoren.A test signal has the task of separating between different sets of parameters, endogenous inputs, and possibly translation operators for the HAC mode under consideration. A test signal (like every transmitter signal) is characterized by an external reference variable, as well as an usually time-dependent shape at the location of the transmitter, and a - possibly one-element - sequence of amplitude multipliers.
Jedes Transmittersignal und damit auch jedes Testsignal wird hier i.d.R. in Hybridnotation angegeben, d.h. ausgedrückt in den Variablen des Hirnaktivitätsmodells, mit einer Folge von Amplitudenmultiplikatoren, sowie unter Angabe einer externen, die Signalerzeugung spezifizierenden Kenngröße.Every transmitter signal and therefore also every test signal is usually shown here. stated in hybrid notation, i.e. expressed in the variables of the brain activity model, with a sequence of amplitude multipliers, and by specifying an external parameter that specifies the signal generation.
Beispielsweise kann das extrakraniale Magnetfeld mit 0.01 Tesla mit Hilfe einer von einem Strom der Stärke lo durchflossenen Spule erzeugt werden. Wenn die Gestalt der bezüglich einer gewählten Spannungseinheit auf Amplitude 1 normierten Gestalt der durch die zeitlichen Änderungen des Magnetfelds induzierten Spannung sin(2*Pi*t*5/1000) ist (die Spannung ist als Variable des Hirnaktivitätsmodells angenommen, t ist die Zeit in Millisekunden), so ergibt sich bei sonst gleichen Bedingungen bei Strömen der Stärke lo, 2*lo, 4*lo, 8*lo folgende Signalnotation:For example, the extracranial magnetic field can be generated with 0.01 Tesla with the aid of a coil through which a current of strength lo flows. If the shape of the shape normalized to amplitude 1 with respect to a selected voltage unit is the voltage induced by the temporal changes in the magnetic field sin (2 * Pi * t * 5/1000) (the voltage is assumed as a variable of the brain activity model, t is the time in Milliseconds), the following signal notation results for currents of the strength lo, 2 * lo, 4 * lo, 8 * lo under otherwise identical conditions:
(0.01 T, sin(2*Pi*t*5/1000), (1 ,2,4,8)).(0.01 T, sin (2 * Pi * t * 5/1000), (1, 2,4,8)).
Weiterhin kann mit z(t) als auf Spannungsamplitude 1 normiertem Systemverhalten sich ein um 10 Millisekunden rückgekoppeltes Signal mit Stromstärken analog zu vorher ergeben als:(0.01T, z(t-10), (1 ,2,4,8)).Furthermore, with z (t) as the system behavior normalized to voltage amplitude 1, a signal which is fed back by 10 milliseconds with current strengths analogous to before can result as: (0.01T, z (t-10), (1, 2,4,8)).
Die Zeitdauer der Teilsignale (bei lo, bei zwei mal lo, etc.) richtet sich nach dem gewünschten Effekt (bspw. transient versus Grenzzyklus), ebenso die möglichen Pausen zwischen je zwei Teilsignalen.
Der Übergang vom Transmittersignal zum Signal am Träger der jeweiligen Mode ist Gegenstand von Einflussinvarianten und -annahmen (D 1050).The duration of the partial signals (for lo, two times lo, etc.) depends on the desired effect (e.g. transient versus limit cycle), as well as the possible pauses between two partial signals. The transition from the transmitter signal to the signal on the carrier of the respective mode is subject to influencing invariants and assumptions (D 1050).
Die möglichen Amplitudensequenzen unterliegen technischen und/oder gesundheitlichen Rahmenbedingungen (D 4100, D 4200).The possible amplitude sequences are subject to technical and / or health conditions (D 4100, D 4200).
Im einfachsten Fall gibt es beispielsweise zwei verschiedene Sätze von Parametern und endogenen Inputs, die zu verschiedenen Modellmoden führen, aber zu ähnlichen HAC-Modellmoden. Das heißt, durch bloße Betrachtung von HAC kann nicht entschieden werden, welcher Satz von Nichtobservablen der betreffenden Hirnaktivität unterliegt. Also wird zu einer Gestalt des Testsignals eine Folge von Amplitudenmultiplikatoren mit Hilfe des generischen Hirnmodells durch Einsetzen der beiden Sätze numerisch solcherart berechnet (S 2160), dass unter a priori Annahmen für den Übersetzungsoperator (bspw. Kombination von Phasenverschiebung und Abschwachung des Signals) mit Hilfe des Testsignals Modellmoden erzeugt werden, deren resultierende HAC-Modellmoden für beide Sätze verschieden sind.In the simplest case, for example, there are two different sets of parameters and endogenous inputs that lead to different model modes, but to similar HAC model modes. That is, by simply considering HAC, it cannot be decided which set of non-observables is subject to the brain activity in question. So for a shape of the test signal, a sequence of amplitude multipliers is calculated numerically using the generic brain model by inserting the two sentences (S 2160) in such a way that assumptions for the translation operator (e.g. combination of phase shift and signal attenuation) are made using a priori of the test signal, model modes are generated whose resulting HAC model modes are different for both sets.
Aus dieser numerischen Berechnung ergibt sich i.d.R. eine Menge möglicher Gestalten für Testsignale, mit jeweils einer Folge möglicher Amplitudenmultiplikatoren. Aus dieser Menge wird dann mit Hilfe vordefinierter Kriterien (bspw. minimale Störung aller auftretenden Hirnaktivitäten mit Ausnahme der jeweils zu untersuchenden Mode durch das Testsignal) ein optimales Testsignal ausgewählt.This numerical calculation usually results in a lot of possible shapes for test signals, each with a sequence of possible amplitude multipliers. An optimal test signal is then selected from this set using predefined criteria (for example, minimal disturbance of all brain activities that occur with the exception of the mode to be examined by the test signal).
Man beginnt mit dem Senden des Signals (S 2170) mit der ersten Amplitude der Sequenz, misst mindestens mit dem betrachteten Sensor Sι und höchstens mit allen Sensoren des Sensorgitters (s. z. B. Figur 5) die elektromagnetische Hirnaktivität (S 2110), erhält daraus Zeitreihen (D 2520), aus denen man Verläufe von HAC errechnet (S 2120).One begins with the transmission of the signal (S 2170) with the first amplitude of the sequence, measures at least with the considered sensor Sι and at most with all sensors of the sensor grid (see eg FIG. 5) the electromagnetic brain activity (S 2110), time series are obtained therefrom (D 2520), from which curves of HAC are calculated (S 2120).
Anschließend erfolgt die Dekomposition des Ist-HAC-Verlaufs nach HAC- Modellmoden mit exogenem Input (S 2135). Hierfür sind nur Parametersätze und endogene Inputs aus D 2400 (s. Figur 22) zugelassen, wobei nun an Stelle des dortigen „exogener Input gleich Null" ein möglicherweise anderer exogener Input tritt, dessen Gestalt sich aus den Einflussinvarianten und -annahmen ergibt, und dessen Stärke sich i.d.R. aus den (i.d.R. nichtlinearen) Veränderungen bei verschiedenen Amplituden einer Amplitudensequenz ergibt.The actual HAC curve is then decomposed according to HAC model modes with exogenous input (S 2135). Only parameter sets and endogenous inputs from D 2400 (see FIG. 22) are permitted for this, where instead of the "exogenous input equal to zero" there is now a possibly other exogenous input, the shape of which results from the invariants and assumptions of influence, and its Strength usually results from the (usually non-linear) changes at different amplitudes of an amplitude sequence.
Falls diese Dekomposition mehrere bestapproximierende Sätze von Nichtobservablen liefert (E 210), so ist ein weiteres Testsignal zu errechnen, und
die auf S 2160 folgende Schleife erneut zu durchlaufen, wobei dann bei S 2135 nicht mehr die Sätze von Parametern und endogenen Inputs aus D 2400 berücksichtigt werden, sondern D 2410 (s. Figur 23). Liefert mehrfaches Durchlaufen der Schleife keine Ergebnisse, so ist die Ausrichtung des Transmitters zu verändern oder ein anderer Transmitter zu wählen.If this decomposition yields several best approximating sets of non-observables (E 210), then another test signal has to be calculated, and to run through the loop following S 2160 again, with S 2135 no longer taking into account the sets of parameters and endogenous inputs from D 2400, but D 2410 (see FIG. 23). If multiple passes through the loop yield no results, the orientation of the transmitter must be changed or another transmitter selected.
Insgesamt ist nach Abschluss der lokalen Kalibrierung bekannt,Overall, after the local calibration is complete, it is known
- welche Modellmoden im Messbereich eines Sensors liegen,- which model modes are in the measuring range of a sensor,
- welcher Parametersatz und welcher endogene Input die jeweilige Modellmode erzeugen,- which parameter set and which endogenous input generate the respective model mode,
- wie die jeweilige Modellmode zu beeinflussen ist.- how to influence the respective model fashion.
Zusätzlich ist es im Anschluss an lokales Kalibrieren im Schritt S 2300 möglich, identische Träger von Modellmoden zu identifizieren.In addition, following local calibration in step S 2300, it is possible to identify identical carriers of model modes.
Für Aki als eine dem Sensor Sk zugeordnete Mode, gekennzeichnet durch Parameter Pki, endogenen Input lki(t) und Übersetzungsoperatoren ÜU χ (i), undFor A k i as a mode assigned to the sensor S k , characterized by parameters P k i, endogenous input l k i (t) and translation operators Ü U χ (i), and
Amn(t) als eine dem Sensor Sm zugeordnete Mode, gekennzeichnet durch Parameter Pmn, endogenen Input lmn(t) und Übersetzungsoperatoren Ümn χ (\) (χA mn (t) as a mode assigned to the sensor S m , characterized by parameters P mn , endogenous input l mn (t) and translation operators Ü mn χ (\) (χ
Nummerierung der Transmitter) gilt: wenn alle Pki gleich den entsprechenden Pmn sind, und Iki (t) gleich lmn(t) ,dann sind beide Moden identisch. Diese identischenNumbering of the transmitters) applies: if all P k i are equal to the corresponding P mn and I k i (t) are equal to l mn (t), then both modes are identical. These identical
Moden haben nicht denselben Träger, wenn es einen Transmitter T gibt, so dass Ükl χ (X) ungleich Ükn χ (\) und/oder Ümt χ (\) ungleich Ümn χ (\) ist.Modes do not have the same carrier if there is a transmitter T, so that Ü kl χ (X) is not equal to Ü kn χ (\) and / or Ü mt χ (\) is not equal to Ü mn χ (\).
Verfahrensschritt S 2300 ist nicht essentiell, bewirkt aber eine mögliche Verkleinerung der Funktionalmatrix (D 2410, s. Figur 24) beim im folgenden dargestellten translokalen Kalibrieren.Method step S 2300 is not essential, but causes a possible downsizing of the functional matrix (D 2410, see FIG. 24) in the translocal calibration described below.
Mit der translokalen Kalibrierung (S 2400) werden Art und Umfang des Einflusses anderer Moden und/oder sensorischen Inputs auf eine Mode festgestellt (Indirekte Fremdeinwirkung, i.e. Darbietung visueller, akustischer, taktiler, und anderer Reize erfolgt über das sensorische System, bedingt Verzögerungen, und wird als Teil des endogenen Inputs modelliert). Werkzeug hierfür ist die „Funktionalmatrix" (D2410): wenn insgesamt n verschiedene Modellmoden im Messbereich mindestens eines der Sensoren aufgefunden wurden, so ist diese Funktionalmatrix eine n*n Matrix , in deren (ij)-ter Zelle ein Eintrag zu finden ist, wenn die Mode i auf die Mode j einen nachweisbaren Einfluss hat. Der Eintrag quantifiziert diesen Einfluss, sodass in den Gleichungen des Hirnmodells für die Mode j „endogener Input" ersetzt wird durch „gegebenenfalls zeitverzögerte Funktion der i-ten Mode plus sonstiger endogener Input".The translocal calibration (S 2400) determines the type and extent of the influence of other modes and / or sensory inputs on a mode (indirect external influence, i.e. presentation of visual, acoustic, tactile, and other stimuli takes place via the sensory system, conditional delays, and is modeled as part of the endogenous input). The tool for this is the "functional matrix" (D2410): if a total of n different model modes have been found in the measuring range of at least one of the sensors, then this functional matrix is an n * n matrix, in the (ij) th cell of which an entry can be found if the mode i has a demonstrable influence on the mode j. The entry quantifies this influence, so that in the equations of the brain model for the mode j "endogenous input" is replaced by "possibly delayed function of the i-th mode plus other endogenous input".
Das Verfahren zum Füllen benötigter Teile der Funktionalmatrix ist in Figur 24 dargestellt. Kenntnis der Funktionalmatrix oder von Teilen der Funktionalmatrix
gestattet die Berechnung von mehre Konstituenten des betreffenden Hirnaktivitätsmodell umfassenden Phänomenen (bspw. Synchronisierung, Phase- Locking, und vieles mehr), wobei konventionelle numerische Verfahren, neuraie Netze, nichtlineare Dynamik, und ähnliches verwendet werden.The method for filling required parts of the functional matrix is shown in FIG. 24. Knowledge of the functional matrix or parts of the functional matrix allows the calculation of several constituents of the phenomena comprising brain activity model (e.g. synchronization, phase locking, and much more) using conventional numerical methods, neuro networks, nonlinear dynamics, and the like.
Die aus dem lokalen Kalibrieren erhaltenen Übersetzungsoperatoren (D 1300) sowie weitere Nichtobservable gestatten für alle Moden eine HAC-Prognose (S 2410), die translokale Einflüsse nur summarisch berücksichtigt. Bei aktivem Ändern einer Mode (S 2420) wird ein möglicher Unterschied zwischen Ist-HAC und Prognose-HAC feststellbar. Diese wird im Schritt S 2430 erfasst. DieseThe translation operators (D 1300) obtained from the local calibration as well as other non-observables allow a HAC forecast (S 2410) for all modes, which takes translocal influences into account only in summary. If a mode is actively changed (S 2420), a possible difference between the actual HAC and the forecast HAC can be determined. This is recorded in step S 2430. This
Unterschiede beruhen im Wesentlichen auf translokalen Einflüssen. Im Schritt S 2440 werden diejenigen Funktionalmatrizen berechnet, deren Einbeziehung in die Gleichungen des Hirnaktivitätsmodells geeignet sind, den erfassten Unterschied zu erklären.Differences are mainly due to translocal influences. In step S 2440, those functional matrices are calculated whose inclusion in the equations of the brain activity model are suitable for explaining the detected difference.
In E 400 wird geprüft, ob diese Zuordnung von Unterschied auf Funktionalmatrix eindeutig ist. Ist dieses nicht der Fall, so erfolgt in Schritt S 2221 eine Modifizierung des Testsignals zur weiteren Einengung der Menge möglicher Funktionalmatrizen. Diese Iteration wird abgebrochen, sobald zumindest die gewünschten Elemente der Funktionalmatrix eindeutig feststehen.In E 400 it is checked whether this assignment of difference to functional matrix is clear. If this is not the case, the test signal is modified in step S 2221 to further narrow the amount of possible functional matrices. This iteration is terminated as soon as at least the desired elements of the functional matrix have been clearly identified.
Im Anschluss an die Kalibrierung hat das vorzugsweise EM Steuern oder Regeln (S 3000) von Hirnaktivität über hirnaktivitätsmodellbasierte Rückkopplung hat das Erreichen sowie Beibehalten von Soll-Verläufen von HAC zum Ziel. Dies ist in Fig. 25 im Detail dargestellt.Following the calibration, the aim of the EM control or regulation (S 3000) of brain activity via feedback based on brain activity model is to achieve and maintain target courses of HAC. This is shown in detail in FIG. 25.
Hierbei werden zunächst Transmittersignale berechnet, die theoretisch geeignet sind, den Ist- Verlauf der HAC (D 1010) in den Soll-Verlauf zu überführen (S 3100). Diese Transmittersignale setzen sich vorzugsweise aus einfachen Signalen mit im Rahmen des spezifischen Hirnmodells berechenbarer und ggf. im Rahmen der Kalibrierung bereits getesteter Wirkung zusammen, wobei sowohl Mehrfachwirkungen (Auswirkungen von Signalen eines Transmitters auf mehrere Hirnaktivitäten), als auch räumliche Zusammensetzung (Signale mehrerer Transmitter), als auch zeitliche Zusammensetzung (Sequenz von Signalen) in Frage kommen. Nach Machbarkeitsprüfung der errechneten Signale (bezüglich Gesundheitsgrenzwerten (D 4200), Apparaturbeschränkungen (D 4100), ggf. Ausbreitungseinschränkungen (D 4300) wird mit Hilfe einer Nutzenfunktion (z.B.: kleinstmögliche Feldstärke pro Transmitter) das beste Transmittersignal ausgewählt und gesendet (S 3400). Die theoretische Wirkung des Signals ist in einem spezifischen Hirnaktivitätsmodell mit Einflusskalibrierung bekannt und gestattet HAC-Verlaufsprognosen (D 4040). Falls im Rahmen der laufenden EM Messung und Ist-HAC-Berechnung bei einem Vergleich von Ist- und Soll-HAC-
Verläufen (S 3500) deutliche Abweichungen auftreten (E 300), so wird S 3000 vorläufig unterbrochen, um die Kalibrierung mit einem weiteren Kalibrierungsvorgang (S 2000) zu verbessern. Anschließend geht das Verfahren wieder auf den Schritt S 3100 über, bei dem die Transmittersignale neu berechnet werden.First, transmitter signals are calculated that are theoretically suitable for converting the actual course of the HAC (D 1010) into the target course (S 3100). These transmitter signals are preferably composed of simple signals with an effect that can be calculated in the context of the specific brain model and possibly already tested in the course of the calibration, with both multiple effects (effects of signals from one transmitter on several brain activities) and spatial composition (signals from several transmitters). , as well as temporal composition (sequence of signals). After the feasibility check of the calculated signals (with regard to health limit values (D 4200), equipment restrictions (D 4100), and possibly restrictions on propagation (D 4300), the best transmitter signal is selected and sent using a utility function (e.g. minimum field strength per transmitter) (S 3400). The theoretical effect of the signal is known in a specific brain activity model with influence calibration and permits HAC prognosis (D 4040) .If the current EM measurement and actual HAC calculation are carried out when comparing actual and target HAC If clear deviations occur (S 3500) (S 300), S 3000 is temporarily interrupted in order to improve the calibration with a further calibration process (S 2000). The method then goes back to step S 3100, in which the transmitter signals are recalculated.
Die wesentlichen Verfahrensschritte werden nun anhand einiger Beispiele näher ausgeführt. Die Beispiele werden anhand von Abläufen durch die Flussdiagramme (Figur 20 - 25) erläutert.The essential process steps are now explained in more detail using a few examples. The examples are explained on the basis of processes through the flow diagrams (FIGS. 20-25).
Beispiel 1:Example 1:
Figur 20:Figure 20:
D 2000 (Verhaltensziel):D 2000 (behavioral goal):
Verstärken positiver Emotionen für die Dauer der Anwendung.Reinforce positive emotions for the duration of the application.
D 3000 (Verhaltensmodell):D 3000 (behavior model):
Als reduziertes Davidson-Modell (siehe z.B. [11]), wird folgender Zusammenhang bezeichnet: positive Emotionen gehen mit einem höheren Quotienten von Beta (13-30 Hz) - EEG-Aktivität zu Alpha (8-12 Hz) - EEG-Aktivität im linksfrontalen Kortex einher.The following relationship is referred to as a reduced Davidson model (see, for example, [11]): positive emotions go with a higher quotient from beta (13-30 Hz) - EEG activity to alpha (8-12 Hz) - EEG activity in left frontal cortex.
S 500 (Spezifizieren HAC und deren Berechnung. Spezifizieren Soll- Verläufe von HAC):S 500 (Specify HAC and its calculation. Specify target courses of HAC):
Das Davidson-Modell basiert auf dem Leistungsspektrum von EEG-Signalen. Ein geeignetes HAC ist somit eine Folge quadrierter Absolutbeträge von Fourierkoeffizienten, die über Fast Fourier Transformation berechnet wird, beispielsweise zu den Frequenzen von 1 bis 50 Hertz. Abgeleitetes HAC istThe Davidson model is based on the power spectrum of EEG signals. A suitable HAC is therefore a sequence of squared absolute amounts of Fourier coefficients, which is calculated via Fast Fourier Transformation, for example at the frequencies from 1 to 50 Hertz. Derived HAC is
30 12 pos -^ f1 f∑f-1 . (Annahme: nur ganzzahlige Frequenzen, Fourierfenster 3 0 12 pos - ^ f 1 f∑f- 1 . (Assumption: only integer frequencies, Fourier window
1=13 !=8 beispielsweise 500 Millisekunden, fj Absolutbetrag des Fourierkoeffizienten der i- Hertz-Mode. Um die Frequenzen von 1 bis 50 Hz zu überdecken, sind nach Nyquist mindestens 100 Messwerte erforderlich). HAC(100) ist das Leistungsspektrum bezüglich der Messwerte 1 bis 100, HAC(101 ) das Leistungsspektrum bezüglich der Messwerte 2 bis 101 , etc. Pos(100) ist aus HAC(100) abgeleitet, Pos(101 ) aus HAC(101) etc. Dieses abgeleitete HAC soll erhöht werden, also beispielsweise: ab einem Zeitpunkt bzw. dem entsprechenden Messpunkt soll gelten: Pos(t, mit Einfluss) > 2*Pos(t, ohne Einfluss) . Diese Anforderung bestimmt alle Soll-Verläufe des HAC.
D 4000 (Minimale Apparaturvoraussetzungen):1 = 13! = 8 for example 500 milliseconds, fj absolute amount of the Fourier coefficient of the i-Hertz mode. To cover the frequencies from 1 to 50 Hz, at least 100 measured values are required according to Nyquist). HAC (100) is the performance spectrum with regard to the measured values 1 to 100, HAC (101) the performance spectrum with respect to the measurement values 2 to 101, etc. Pos (100) is derived from HAC (100), Pos (101) from HAC (101) etc. This derived HAC should be increased, for example: from a point in time or the corresponding measuring point, the following should apply: Pos (t, with influence)> 2 * Pos (t, without influence). This requirement determines all target courses of the HAC. D 4000 (minimum equipment requirements):
Oberflächen-EEG mit einer Elektrode linksfrontal, einer Referenzelektrode z.B. am Ohr (s. [16]), einer extrakranialen Spule (als Transmitter) linksfrontal. Mit 100 Messwerten pro halber Sekunde (s. S 500) ergibt sich eine minimale Sampling- Rate von 200/sek.Surface EEG with an electrode on the left front, a reference electrode e.g. on the ear (see [16]), an extracranial coil (as a transmitter) on the left front. With 100 measured values per half second (see S 500), the minimum sampling rate is 200 / sec.
D 2100 (Soll-Verlauf von HAC):D 2100 (target curve of HAC):
Pos(t, mit Einfluss) > 2*Pos(t, ohne Einfluss)Pos (t, with influence)> 2 * Pos (t, without influence)
D 2200 (HAC-Berechnungsvorschriften):D 2200 (HAC calculation rules):
Mit Hilfe der Fast Fourier Transformation werden die quadrierten Absolutbeträge fι2 der Fourierkoeffizienten der i-ten Mode (i zwischen 1 und 50 Hertz) berechnet.With the help of the Fast Fourier Transformation, the squared absolute amounts f 2 of the Fourier coefficients of the i-th mode (i between 1 and 50 Hertz) are calculated.
30 1230 12
Pos = ∑f* /∑f> . ι=13Pos = ∑f * / ∑f > . ι = 13
D 1000 (Generisches Hirnaktivitätsmodell):D 1000 (generic brain activity model):
Vereinfachtes Wilson-Cowan-Modell (abgeleitet aus [1], wobei Refraktärzeiten auf Null gesetzt wurden, ebenso Leitungsverzögerungen, u.v.m.), wobei Hirnaktivität auf der Aktivität neuraler Oszillatoren basiert. Ein neuraler Oszillator oszilliert oder oszilliert nicht, abhängig von seinem Input, sowie ebenfalls nicht observablen physiologischen Parametern. Ein neuraler Oszillator ist ein Ensemble aus miteinander verbundenen erregenden und hemmenden Einzelneuronen (in [1] von der Größenordnung 105 Einzelneuronen, wobei hier auch Vielfache davon zugelassen sind, sofern das jeweilige Neuronenensemble durch die folgenden Gleichungen beschreibbar ist), modelliert durch ein System zweier nichtlinearer Differentialgleichungen: τx = -x + S(ax - by + px ) τy = -y + S(cx-dy + py) .Simplified Wilson-Cowan model (derived from [1], with refractory times set to zero, also line delays, etc.), where brain activity is based on the activity of neural oscillators. A neural oscillator does not oscillate or oscillate, depending on its input, as well as non-observable physiological parameters. A neural oscillator is an ensemble of interconnected excitatory and inhibitory single neurons (in [1] of the order of 10 5 individual neurons, whereby multiples thereof are also permitted here, provided the respective neuron ensemble can be described by the following equations), modeled by a system of two nonlinear differential equations: τx = -x + S (ax - by + p x ) τy = -y + S (cx-dy + p y ).
Hierbei ist *- ) *= l (l + exp(5 — ξ)) eine sigmoide Funktion, „x", „y" sind elektromagnetische Größen, die in der Form αx + ßy observabel sind, wobei α, ß Mischungswinkel heißen und aus dem Intervall [-1 ,1] stammen, „x" für die Gesamtheit der erregenden Einzelneuronen, „y" für die der hemmenden (Gesamtheit = Gesamtheit innerhalb des neuralen Oszillators), „a", „b", „c", „d", sind langsame Nichtobservable. „a" stellt den Einfluss der Gesamtheit der erregenden Einzelneuronen auf sich selbst dar, analog „d" für die Gesamtheit der hemmenden Einzelneuronen. „b" stellt den Einfluss der Gesamtheit der hemmenden Einzelneuronen auf die Gesamtheit der erregenden Einzelneuronen dar, „c" stellt den Einfluss der Gesamtheit der erregenden Einzelneuronen auf die Gesamtheit der hemmenden Einzelneuronen dar. „px" stellt den endogenen Input von außerhalb des neuralen Oszillators in die Gesamtheit der erregenden
Einzelneuronen dar. „py " stellt den endogenen Input von außerhalb des neuralen Oszillators in die Gesamtheit der hemmenden Einzelneuronen dar. Inputvariable werden als innerhalb des Modells nicht notwendigerweise als langsam angenommen, auf diesen Aspekt wird bei der Erläuterung translokaler Kalibrierung genau eingegangen. Alle Zeiten werden in Millisekunden ausgedrückt, alle anderen Größen sind reine Zahlen. Das τ auf der linken Seite der vereinfachten Wilson-Cowan-Gleichungen gibt die Membranzeitkonstante in Millisekunden an, eine weitere Nichtobservable. Um Fremdeinwirkung zu umfassen, wird das vereinfachte Wilson-Cowan-Modell erweitert: Direkte elektromagnetische Fremdeinwirkung wird als Teil des Inputs verstanden: px = px,endo +pXιBeo urvi Py =
, wobei pexo = ül.(Transmittersignal) den exogenen Input in den betrachteten neuralen Oszillator auf Grund des vom i-ten Transmitter ausgestrahlten Signals bezeichnet, und „endo" für „endogen" steht. Ü ist ein Übersetzungsoperator, der unter anderem von der Entfernung des betrachteten neuralen Oszillators vom betreffenden Transmitter abhängt, von der Ausrichtung der Einzelneuronen gegenüber der Transmitterachse, und von weiteren physiologischen Parametern, sowie von der Art des gesendeten Signals. Übersetzungsoperatoren sind Nichtobservable. Es ist bekannt, dass die genannten Nichtobservablen zwischen verschiedenen Personen um Faktoren von bis zu 100 verschieden sind, und selbst innerhalb verschiedener Gebiete eines Gehirns in vivo sehr verschieden sein können, und überdies (im Vergleich zu EM Oszillationen langsam) schwanken können. Die resultierende Vielfalt theoretisch und praktisch möglicher Moden ist daher nahezu beliebig. Kontrollierte lokale Modifikation ohne lokale Kalibrierung ist daher im Normalfall nicht möglich, andererseits ist unter der Annahme relativ konstanten endogenen Inputs translokale Kalibrierung entbehrlich.Here * -) * = l (l + exp (5 - ξ)) is a sigmoid function, "x", "y" are electromagnetic quantities which are observable in the form αx + ßy, where α, ß are called mixing angles and come from the interval [-1, 1], "x" for the entirety of the exciting individual neurons, "y" for those of the inhibitory ones (entirety = entirety within the neural oscillator), "a", "b", "c", "D" are slow non-observable. "A" represents the influence of the entirety of the exciting individual neurons on itself, analogous to "d" for the entirety of the inhibitory individual neurons. "B" represents the influence of the entirety of the inhibiting individual neurons on the entirety of the exciting single neurons, "c" represents the influence of the entirety of the exciting individual neurons on the entirety of the inhibitory single neurons. "P x " represents the endogenous input from outside the neural Oscillator in the entirety of exciting "P y " represents the endogenous input from outside the neural oscillator into the entirety of the inhibiting single neurons. Input variables are not necessarily assumed to be slow within the model, this aspect is discussed in detail in the explanation of translocal calibration. All times are expressed in milliseconds, all other quantities are pure numbers. The τ on the left side of the simplified Wilson-Cowan equations indicates the membrane time constant in milliseconds, another non-observable. The simplified Wilson-Cowan model is expanded to include external influences : Direct electromagnetic interference is understood as part of the input: p x = p x , endo + p XιBeo urvi P y = , where p exo = ü l . (transmitter signal) denotes the exogenous input into the neural oscillator under consideration on the basis of the signal emitted by the i-th transmitter, and "endo" stands for "endogenous". Ü is a translation operator that depends, among other things, on the distance of the neural oscillator under consideration from the transmitter in question, on the alignment of the individual neurons with respect to the transmitter axis, and on other physiological parameters, and on the type of signal sent. Translation operators are not observable. It is known that the nonobservables mentioned are different by factors of up to 100 between different people, and can be very different even within different areas of a brain in vivo, and moreover can fluctuate (slowly compared to EM oscillations). The resulting variety of theoretically and practically possible modes is therefore almost unlimited. Controlled local modification without local calibration is therefore normally not possible. On the other hand, assuming relatively constant endogenous inputs, translocal calibration is not necessary.
S 800 (Spezifizieren der Mindest-Kalibrierungsvoraussetzungen): τ , a, b, c, d, px , py , Übersetzungsoperatoren für ein Sensor-Transmitter-Paar.S 800 (specification of the minimum calibration requirements): τ, a, b, c, d, p x , p y , translation operators for a sensor-transmitter pair.
Es ist lediglich lokales Kalibrieren erforderlich.Only local calibration is required.
D 1100 (Mindest-Kalibrierungsvoraussetzungen):D 1100 (minimum calibration requirements):
Lokales Kalibrieren von r , a, b, c, d, px , py , Übersetzungsoperatoren für ein Sensor-Transmitter-Paar.Local calibration of r, a, b, c, d, p x , p y , translation operators for a sensor-transmitter pair.
E 100 (Kalibrierung erforderlich?):E 100 (calibration required?):
Lokales Kalibrieren ist erforderlich.Local calibration is required.
D 4100 (Apparaturbeschränkungen):
Hängt von der verwendeten Apparatur ab, beispielsweise auf der Eingangsseite gewöhnliche EEG-Klebeelektroden, Digitalisierung mit einer Sampling-Rate von 200/sek., auf der Ausgangsseite beispielsweise eine Spule mit maximalem Magnetfeld von 0.5 Tesla. Die Beschränkung auf einen Transmitter bringt es mit sich, dass verschiedene Moden nicht unabhängig voneinander beeinflusst werden können.D 4100 (equipment restrictions): Depends on the equipment used, e.g. conventional EEG adhesive electrodes on the input side, digitization with a sampling rate of 200 / sec., On the output side, for example, a coil with a maximum magnetic field of 0.5 Tesla. The limitation to one transmitter means that different modes cannot be influenced independently of one another.
D 4200 (Gesundheitliche Grenzwerte für exogene elektromagnetische Felder): Beinhaltet beispielsweise die Empfehlungen von [14].D 4200 (Health limits for exogenous electromagnetic fields): Contains, for example, the recommendations of [14].
S 2000 (Kalibrieren):S 2000 (calibration):
Wird beim Durchlauf durch die Flussdiagramme (Figuren 21-24) näher ausgeführt.This is explained in more detail when running through the flow diagrams (FIGS. 21-24).
D 1200 (Spezifisches Hirnaktivitätsmodell):D 1200 (specific brain activity model):
D 1000 mit empirisch für jede relevanten Hirnaktivität des jeweiligen Anwenders im betreffenden Zeitrahmen ermittelten τ , a, b, c, d, px end0 , pytend0 , sowie D 1300.D 1000 with τ, a, b, c, d, p x end0 , p ytend0 as well as D 1300 determined empirically for each relevant brain activity of the respective user.
D 1300 (Quantifizierung des Einflusses exogener EM Felder auf Hirnaktivität):D 1300 (quantification of the influence of exogenous EM fields on brain activity):
Empirisch für jede relevante Hirnaktivität des jeweiligen Anwenders im betreffenden Zeitrahmen ermittelter Einfluss exogener EM Felder auf die betreffende Hirnaktivität, dargestellt durch Kontrollvariable px exo und py exo , in den vereinfachten Wilson-Cowan-Gleichungen zu dieser Hirnaktivität.The influence of exogenous EM fields on the relevant brain activity determined empirically for each relevant brain activity of the respective user in the relevant time frame, represented by control variables p x exo and p y exo , in the simplified Wilson-Cowan equations for this brain activity.
S 3000 (Steuern oder Regeln von Hirnaktivität mit Hilfe gezielter Veränderung von Kontrollvariablen sowie Messung/ Berechnung von HAC):S 3000 (controlling or regulating brain activity with the help of targeted changes in control variables and measurement / calculation of HAC):
Wird beim Durchlauf durch das betreffende Flussdiagramm (Figur 25) genau angegeben.Is exactly specified when passing through the relevant flow diagram (FIG. 25).
Figur 21 :Figure 21:
D 1100 (Mindest-Kalibrierungsanforderungen): Wie vorher.D 1100 (minimum calibration requirements): As before.
D 1110 (Kalibrierungsart):D 1110 (calibration type):
Lokal.Local.
D 1120 (Kalibrierungsumfang):D 1120 (scope of calibration):
Sensor Si, Transmitter Ti.
E 100 (Kalibrierung?):Sensor Si, transmitter Ti. E 100 (calibration?):
Ja.Yes.
S 2100 (Lokales Kalibrieren):S 2100 (local calibration):
Wird beim Durchlauf durch die Flussdiagramme (Figuren 22-23) näher ausgeführt. Im vorliegenden Beispiel gibt es nur ein einziges Sensor-Transmitter- Paar, für das kalibriert werden muss.This is explained in more detail when running through the flow diagrams (FIGS. 22-23). In the present example, there is only one pair of sensors and transmitters for which calibration is required.
S 2300 (Identifizieren identischer Hirnaktivitäten):S 2300 (identifying identical brain activities):
Entfällt, da verschiedene Sensoren und Transmitter in diesem Beispiel nicht zur Verfügung stehen.Not applicable because various sensors and transmitters are not available in this example.
E 120 (Translokale Kalibrierung?): Nein.E 120 (translocal calibration?): No.
D 1200 (Spezifisches Hirnaktivitätsmodell):D 1200 (specific brain activity model):
Wie vorher.As previously.
D 1300 (Quantifizierung des Einflusses exogener EM Felder auf Hirnaktivität):D 1300 (quantification of the influence of exogenous EM fields on brain activity):
Wie vorher.As previously.
S 3000: Siehe Figur 25. Figur 22:S 3000: See Figure 25. Figure 22:
S 2110 (Messen EM Hirnaktivität mit Si):S 2110 (measuring EM brain activity with Si):
Mit Hilfe der linksfrontalen Elektrode sowie der Referenzelektrode werden Potentialdifferenzen erfasst, und mit 100 Werten pro Sekunde digitalisiert. Die entstehende Zeitreihe (D 2205) wird gespeichert.With the help of the left-frontal electrode and the reference electrode, potential differences are recorded and digitized at 100 values per second. The resulting time series (D 2205) is saved.
D 2205 (Empirische Zeitreihe für S^:D 2205 (empirical time series for S ^:
Die aus S 2110 entstehende Zeitreihe von Potentialdifferenzen.The time series of potential differences arising from S 2110.
S 2120 (Berechnen von Ist-Verläufen von HAC aus der Zeitreihe von Si):S 2120 (calculating actual courses of HAC from the time series of Si):
Mit einer Sampling-Rate von 100/sek. erhält man Frequenzen zwischen 1 und 50 Hz. Per FFT (Fast Fourier Transformation) erhält man für ein Fenster festgelegter Länge (100 Messpunkte) das Leistungsspektrum. Hieraus erfolgt das Berechnen von Pos gemäß Formel in S 500. (Bereits bei HAC(100) beginnt hier S 2130.)
D 2210 (Ist -Verläufe von HAC für S ):With a sampling rate of 100 / sec. frequencies between 1 and 50 Hz are obtained. FFT (Fast Fourier Transformation) provides the performance spectrum for a window of a fixed length (100 measuring points). From this, Pos is calculated according to the formula in S 500. (S 2130 starts here with HAC (100).) D 2210 (actual HAC curves for S):
Ist-Verlauf des Leistungsspektrums, also HAC(100), HAC(101), HAC(102), etc. Zusätzlich Ist-Verlauf von Pos, d.h. Pos(100), Pos(101), Pos(102), etc.Actual profile of the range of services, i.e. HAC (100), HAC (101), HAC (102), etc. In addition, the actual profile of Pos, i.e. Pos (100), Pos (101), Pos (102), etc.
D 1000 (Generisches Hirnmodell): Siehe vorher.D 1000 (Generic Brain Model): See before.
D 1049 (Einflussannahmen): Genauer erläutert bei D 1050, Figur 23.D 1049 (assumption of influence): More precisely explained in D 1050, Figure 23.
D 1051 (Datenbank):D 1051 (database):
Die unendlich vielen im generischen Hirnmodell möglichen Parameterkombinationen werden a priori auf rechnerisch bewältigbar viele reduziert: erstens durch Ausrechnen der Grenzen des Parameterbereichs, in dem endogene Inputs existieren, die zu einem nichtkonstanten EM Output führen, zweitens durch Diskretisieren eines n-fachen dieses Bereichs (Definieren eines Parametergitters, n natürliche Zahl). Jeder Parametersatz ist in diesem Gitter enthalten. Alle endogenen Inputs sind hier (einfachster Fall) als konstant betrachtet. Als Startwerte für die Berechnung der Aktivitätsvariablen x und y in den vereinfachten Wilson-Cowan-Gleichungen werden im Intervall [0,1] gleichverteilte Zufallsvariable gewählt.The infinite number of possible parameter combinations in the generic brain model are reduced a priori to a computationally manageable number: firstly by calculating the limits of the parameter range in which endogenous inputs exist that lead to a non-constant EM output, secondly by discretizing an n-fold this range (defining of a parameter grid, n natural number). Every parameter set is contained in this grid. All endogenous inputs are considered here (the simplest case) to be constant. The starting values for the calculation of the activity variables x and y in the simplified Wilson-Cowan equations are randomly distributed in the interval [0,1].
Es wird nun exemplarisch, ohne Anspruch auf numerische Präzision (bei vorerst auf Null gesetztem exogenen Input) vorgestellt, welchen Auswirkungen unterschiedliche Ausprägungen der Parameter bei gleichem (konstantem) endogenem Input auf das Leistungsspektrum der resultierenden Mode haben (Für die Figuren 7 bis 19 gilt: jeweilige x-Achse: Frequenz in Hertz, jeweilige y- Achse: quadrierter Absolutbetrag des zugehörigen Fourierkoeffizienten): Figur 7 zeigt das HAC von Moden unter Variation der Membrankonstanten τ : (i) wird erzeugt durch τ = 5 , a=22, b=20, c=14, d=3, bei px = 1.5 und py = 0.It is now exemplarily presented, without any claim to numerical precision (with exogenous input initially set to zero), which effects different characteristics of the parameters have with the same (constant) endogenous input on the performance spectrum of the resulting fashion (applies to Figures 7 to 19: respective x-axis: frequency in Hertz, respective y-axis: squared absolute value of the associated Fourier coefficient): FIG. 7 shows the HAC of modes with variation of the membrane constant τ: (i) is generated by τ = 5, a = 22, b = 20, c = 14, d = 3, at p x = 1.5 and p y = 0.
(ii) wird erzeugt durch r = 10 , a=22, b=20, c=14, d=3, bei px =1.5 und py = 0. (iii) wird erzeugt durch r = 15 , a=22, b=20, c=14, d=3, bei px =1.5 und py = . (iv) wird erzeugt durch r = 20 , a=22, b=20, c=14, d=3, bei px =1.5 und ρy = 0.(ii) is generated by r = 10, a = 22, b = 20, c = 14, d = 3, at p x = 1.5 and p y = 0. (iii) is generated by r = 15, a = 22 , b = 20, c = 14, d = 3, at p x = 1.5 and p y =. (iv) is generated by r = 20, a = 22, b = 20, c = 14, d = 3, at p x = 1.5 and ρ y = 0.
Diese Moden sind unter konstantem Input stationär, sodass das gezeigte HAC, aufgetragen über die Zeit, auch der HAC-Verlauf ist. Wenige Millisekunden dauernde Transiente, die von den Startwerten in die Oszillation führten, wurden grundsätzlich weggelassen.These modes are stationary with constant input, so that the HAC shown, plotted over time, is also the HAC curve. Transients lasting a few milliseconds, which led from the start values to the oscillation, were basically omitted.
Figur 8 zeigt das HAC von Moden unter Variation desFigure 8 shows the HAC of modes varying the
Selbsterregungsparameters a: (i) wird erzeugt durch τ = 10 , a=14, b=20, c=14, d=3, bei px = 1.5 und py = 0.Self-excitation parameter a: (i) is generated by τ = 10, a = 14, b = 20, c = 14, d = 3, at p x = 1.5 and p y = 0.
(ii) wird erzeugt durch τ=10, a=18, b=20, c=14, d=3, bei px =1.5 und py = 0.
(iii) wird erzeugt durch r = 10, a=22, b=20, c=14, d=3, bei px =1.5 und py =0. (iv) wird erzeugt durch r = 10, a=26, b=20, c=14, d=3, bei px=\.5 und py= .(ii) is generated by τ = 10, a = 18, b = 20, c = 14, d = 3, at p x = 1.5 and p y = 0. (iii) is generated by r = 10, a = 22, b = 20, c = 14, d = 3, at p x = 1.5 and p y = 0. (iv) is generated by r = 10, a = 26, b = 20, c = 14, d = 3, at p x = \. 5 and p y =.
Deutlich zu erkennen ist fehlende Oszillation bei den beiden kleineren Selbsterregungswerten. Figur 9 zeigt das HAC von Moden unter Variation des Fremdhemmungsparameters b: (i) wird erzeugt durch τ = 10, a=22, b=15, c=14, d=3, bei px=l.5 und py =0.There is clearly a lack of oscillation in the two smaller self-excitation values. FIG. 9 shows the HAC of modes with variation of the external inhibition parameter b: (i) is generated by τ = 10, a = 22, b = 15, c = 14, d = 3, at p x = l.5 and p y = 0th
(ii) wird erzeugt durch r = 10, a=22, b=20, c=14, d=3, bei px =1.5 und py=0.(ii) is generated by r = 10, a = 22, b = 20, c = 14, d = 3, at p x = 1.5 and p y = 0.
(iii) wird erzeugt durch r = 10, a=22, b=25, c=14, d=3, bei px=1.5 und py=0. (iv) wird erzeugt durch τ = 10, a=22, b=30, c=14, d=3, bei px =1.5 und ρy=0.(iii) is generated by r = 10, a = 22, b = 25, c = 14, d = 3, at p x = 1.5 and p y = 0. (iv) is generated by τ = 10, a = 22, b = 30, c = 14, d = 3, at p x = 1.5 and ρ y = 0.
Figur 10 zeigt das HAC von Moden unter Variation desFigure 10 shows the HAC of modes varying the
Fremderregungsparameters c:External excitation parameter c:
(i) wird erzeugt durch r = 10, a=22, b=20, c=10, d=3, bei px =1.5 und py =0.(i) is generated by r = 10, a = 22, b = 20, c = 10, d = 3, at p x = 1.5 and p y = 0.
(ii)wird erzeugt durch r = 10, a=22, b=20, c=14, d=3, bei px=l.5 und py= . (iii) wird erzeugt durch 7 = 10, a=22, b=20, c=18, d=3, bei px=1.5 und py= . (iv) wird erzeugt durch r = 10, a=22, b=20, c=22, d=3, bei px =1.5 und py =0.(ii) is generated by r = 10, a = 22, b = 20, c = 14, d = 3, at p x = l.5 and p y =. (iii) is generated by 7 = 10, a = 22, b = 20, c = 18, d = 3, at p x = 1.5 and p y =. (iv) is generated by r = 10, a = 22, b = 20, c = 22, d = 3, at p x = 1.5 and p y = 0.
Deutlich zu erkennen ist fehlende Oszillation bei starker Fremderregung der inhibitorischen Neuronen innerhalb des Ensembles (Fall iv). Figur 11 zeigt das HAC von Moden unter Variation des Selbsthemmungsparameters d:The lack of oscillation with strong external excitation of the inhibitory neurons within the ensemble can be clearly seen (case iv). FIG. 11 shows the HAC of modes with variation of the self-locking parameter d:
(i) wird erzeugt durch τ = 10, a=22, b=20, c=14, d=0, bei px =1.5 und ρy =0.(i) is generated by τ = 10, a = 22, b = 20, c = 14, d = 0, at p x = 1.5 and ρ y = 0.
(ii) wird erzeugt durch r = 10, a=22, b=20, c=14, d=3, bei px =1.5 und py =0. (iii) wird erzeugt durch r = 10, a=22, b=20, c=14, d=6, bei ?x=1.5 und py=0. (iv) wird erzeugt durch τ = 10, a=22, b=20, c=14, d=9, bei px=1.5 und py=0. Deutlich zu erkennen ist fehlende Oszillation bei starker Selbsthemmung (Fall iv).(ii) is generated by r = 10, a = 22, b = 20, c = 14, d = 3, at p x = 1.5 and p y = 0. (iii) is generated by r = 10, a = 22, b = 20, c = 14, d = 6, at? x = 1.5 and p y = 0. (iv) is generated by τ = 10, a = 22, b = 20, c = 14, d = 9, at p x = 1.5 and p y = 0. The lack of oscillation with strong self-locking can be clearly seen (case iv).
S 2115 (Für jeden Satz von Nichtobservablen: Berechnen der zugehörigen Modellmode und/oder Auffinden in der Datenbank):S 2115 (for each set of non-observables: calculate the associated model mode and / or find it in the database):
Einsetzen in die vereinfachten Wilson-Cowan-Gleichungen und numerisches Lösen derselben.Insert into the simplified Wilson-Cowan equations and solve them numerically.
S 2120 (Berechnen von HAC-Verläufen aus den Modellmoden und/oder Auffinden in der Datenbank):S 2120 (calculating HAC curves from the model modes and / or finding them in the database):
HAC-Berechnung auf die Ergebnisse von S 2115 anwenden.Apply HAC calculation to the results of S 2115.
D 1030 (HAC-Modellmoden):D 1030 (HAC model modes):
Ergebnisse von S 2120, auszugsweise dargestellt unter D 1051.Results from S 2120, excerpted under D 1051.
D 1040 (HAC-Messinvarianten und -annahmen):
Um in empirischen Moden Modellmoden wiedererkennen zu können, werden im einfachsten Fall HAC gewählt, die ganz oder teilweise gegenüber der gewählten Messmethode invariant sind, oder für die diese Invarianz angenommen werden kann. Im vorliegenden Beispiel (Leistungsspektrum) ist diese Annahme: die Abschwachung zwischen dem Träger einer Modellmode und dem Sensor ist frequenzunabhängig. Das heißt, das Verhältnis der Koeffizienten einer Modellmode bleibt auf dem Weg zum Sensor erhalten. Als weitere Annahme wird das Signal als stückweise stationär angesehen (mit Stationarität im Mittel deutlich länger als der Länge des Fourier-Fensters). Weitere Annahme es (s. [1]), dass die Potentialdifferenzen der an der betreffenden Hirnaktivität beteiligten erregenden und die der hemmenden Neuronen zu gleichen Teilen in das EEG- Signal eingehen, und zwar als x - y (d.h. die Mischungswinkel sind α = 1 , ß =-1).D 1040 (HAC measuring invariants and assumptions): In order to be able to recognize model modes in empirical modes, HAC are selected in the simplest case, which are wholly or partly invariant to the selected measurement method, or for which this invariance can be assumed. In the present example (range of services), this assumption is: the attenuation between the wearer of a model mode and the sensor is frequency-independent. This means that the ratio of the coefficients of a model mode is retained on the way to the sensor. As a further assumption, the signal is considered piecewise stationary (with stationarity on average significantly longer than the length of the Fourier window). Further assumption (see [1]) that the potential differences of the excitatory neurons involved in the brain activity concerned and that of the inhibitory neurons go into the EEG signal in equal parts, namely as x - y (ie the mixing angles are α = 1 , ß = -1).
S 2130 (Für Si: Dekomposition von Ist-Verläufen von modellnahen HAC in HAC-Modellmoden, mit Relevanzprüfung):S 2130 (for Si: decomposition of actual curves of model-related HAC in HAC model modes, with relevance check):
Grundsätzlich sind als modellnahe HAC die EM Größen voreingestellt, die im Hirnaktivitätsmodell beschrieben werden (bspw. Potentialdifferenzen). Im vorliegenden Beispiel (quasistationäre Neuraloszillatoren) wird stattdessen das Leistungsspektrum verwendet. Die a-priori-Änderung der Voreinstellung je nach verwendetem Hirnaktivitätsmodell ist dem Fachmann überlassen. Hier: Auffinden von Modellmoden, deren HAC-Modellmode, im einfachsten Fall dividiert durch einen Abschwächungsfaktor, bezüglich einer Norm (beispielsweise L-i) bestmöglich das Leistungsspektrum erklärt. Entfernen der HAC- Modelimode/Abschwächungsfaktor aus dem Leistungsspektrum. Auffinden weiterer Modellmoden, deren HAC-Modellmode bezüglich der Norm bestmöglich das neue Leistungsspektrum erklärt, etc., bis ein vordefinierter Schwellenwert unterschritten wird.Basically, the EM variables that are described in the brain activity model (e.g. potential differences) are preset as model-related HAC. In the present example (quasi-stationary neural oscillators) the power spectrum is used instead. The a priori change in the default setting depending on the brain activity model used is left to the person skilled in the art. Here: Finding model modes whose HAC model mode, in the simplest case divided by a weakening factor, best explains the range of services with reference to a standard (e.g. L-i). Remove the HAC fashion mode / attenuation factor from the range of services. Finding further model modes whose HAC model mode best explains the new range of services with regard to the standard, etc., until a predefined threshold value is undershot.
Wenn zum Beispiel das Ist-Leistungsspektrum modulo Rauschen stationär Maxima bei 10 Hertz mit Betrag 10, bei 20 Hertz mit Betrag 5, sowie kleinere Maxima bei weiteren Vielfachen von 10 Hz aufweist, so erklären in erster Näherung (Maxima der Peaks statt Fläche unter den Peaks) beide in Figur 12 dargestellten HAC-Modellmoden das Ist-Leistungsspektrum annähernd gleich gut, das erste (E-ι,-ι) mit einer Abschwachung von ca. 10 / 2.2, das zweite (Eι,2) mit einer Abschwachung von ca. 10 / 6.8. Entfernen bspw. der ersten HAC- Modellmode*0.22 liefert annähernd das Nullspektrum. Analog für die zweite HAC- Modellmode*0.68. Das heißt, im dargestellten Beispiel sind lediglich die HAC- Modellmoden Eι,ι und E1ι2 feststellbar. Zwischen diesen Moden kann man bei gleichbleibenden endogenen Input nicht unterscheiden. Daher erfolgt in diesem Falle die Unterscheidung mit Hilfe von Testsignalen.
D 2300 (Liste relevanter HAC-Modellmoden im Messbereich jedes SensorsIf, for example, the actual power spectrum modulo noise stationary has maxima at 10 Hertz with a magnitude of 10, at 20 Hertz with a magnitude of 5, and smaller maxima with further multiples of 10 Hz, then explain in a first approximation (maxima of the peaks instead of the area under the peaks ) both HAC model modes shown in FIG. 12, the actual power spectrum is approximately equally good, the first (E-ι, -ι) with a weakening of approx. 10 / 2.2, the second (Eι, 2 ) with a weakening of approx. 10 / 6.8. Removing, for example, the first HAC model mode * 0.22 provides approximately the zero spectrum. Analogously for the second HAC model mode * 0.68. That is, in the example shown, only the HAC model modes E1, E1 and E12 can be determined. One cannot differentiate between these modes with the same endogenous input. In this case, the distinction is therefore made using test signals. D 2300 (List of relevant HAC model modes in the measuring range of each sensor
Si):Si):
Besteht hier nur aus E1t1 und Eι,2, beide für den Sensor S-|.Here consists only of E 1t1 and Eι, 2 , both for the sensor S- |.
D 2350 (Liste möglicher Modellmoden zu jedem Element von D 2300):D 2350 (list of possible model modes for each element of D 2300):
Diese Liste enthält, neben anderen, die Modellmoden Mi.i.i (für E-ι,ι) und Mι,2,ι (für E-ι,2), deren Erzeugung im folgenden behandelt wird.This list contains, among others, the model modes Mi.ii (for E-ι, ι) and Mι, 2 , ι (for E-ι, 2 ), the generation of which is dealt with below.
D 2400 (Liste möglicher Parametersätze mit endogenem Input zu jeder Modellmode in D 2350):D 2400 (list of possible parameter sets with endogenous input for each model mode in D 2350):
Diese Liste enthält, neben anderen, zu jeder Modellmode aus D 2350 Modellmoden Parametersätze und endogene Inputs, die diese Modellmode gemäß der vereinfachten Wilson-Cowan-Gleichungen erzeugen. D 2400 umfasst hier bspw. für Mι,ι,ι den Parametersatz τ = 10, a=22, b=20, c=14, d=3, bei endogenem \npιApx =1.5 und py = 0 , sowie für Mιι2,ι den Parametersatz r = 10 , a=26, b=20, c=18, d=3 bei endogenem Input />*=1.36 und /v=~0.14.This list contains, among others, parameter sets and endogenous inputs for each model mode from D 2350 model modes, which generate this model mode according to the simplified Wilson-Cowan equations. D 2400 here includes, for example, the parameter set τ = 10, a = 22, b = 20, c = 14, d = 3 for Mι, ι, ι, with endogenous \ npιAp x = 1.5 and p y = 0, and for Mι ι2 , ι the parameter set r = 10, a = 26, b = 20, c = 18, d = 3 with endogenous input />*=1.36 and /v=~0.14.
Figur 23:Figure 23:
D 2300, D 2350, D 2400, D 1000, D 1051, D 4100, D 4200:D 2300, D 2350, D 2400, D 1000, D 1051, D 4100, D 4200:
Wie vorher.As previously.
D 1050 (Einflussinvarianten und Annahmen):D 1050 (influence invariants and assumptions):
Die Kontrollvariablen in den Gleichungen des generischen Hirnmodells entstehen durch Anwendung des zu einer Modellmode und zum verwendeten Transmitter T-i gehörigen (noch unbekannten) Übersetzungsoperators Ü auf ein Transmittersignal. Im vorliegenden Beispiel: τx = -x + S(ax -by + px endo + Üx (Transmittersignal)) τy = -y + S(cx - dy + py>end0 + Ü (Transmittersignal)) Bezüglich der Gestalt des Übersetzungsoperators werden (überprüfbare) Annahmen gemacht, z.B. für einen Spezialfall akustischer Stimulation Üx = Üy (s. [18]). Die gleiche Annahme wird hier getroffen, zusätzlich die Annahme, dass im Mittel, innerhalb eines Geltungsbereichs, zwei sich lediglich bezüglich ihrer Amplitude unterscheidende Transmittersignale (bspw. Amplitudenverhältnis 1 :r, r reelle Zahl >0) sich in der Amplitude ihrer zugehörigen exogenen Inputs ebenfalls wie 1 :r verhalten. Weitere Annahmen sind: pXfmd0 , py≠nd0 während der lokalenThe control variables in the equations of the generic brain model result from the application of the (as yet unknown) translation operator Ü belonging to a model mode and to the transmitter Ti used on a transmitter signal. In the present example: τx = -x + S (ax -by + p x endo + Ü x (transmitter signal)) τy = -y + S (cx - dy + p y> end0 + Ü (transmitter signal )) with regard to the shape of the Translation operators make (verifiable) assumptions, eg for a special case of acoustic stimulation Ü x = Ü y (see [18]). The same assumption is made here, in addition the assumption that, on average, within a scope, two transmitter signals that differ only in terms of their amplitude (e.g. amplitude ratio 1: r, r real number> 0) also change in the amplitude of their associated exogenous inputs behave like 1: r. Other assumptions are: p Xfmd0 , p y ≠ nd0 during the local
Eichung stationär.Calibration stationary.
S 2160, D 2500:
Als Testsignal kommt zunächst jedes beliebige, im Rahmen der Apparaturbeschränkungen (D 4100) und Gesundheitsgrenzwerte (D 4200) realisierbare Signal in Frage.S 2160, D 2500: Any signal that can be implemented within the limits of the equipment (D 4100) and health limits (D 4200) can be used as a test signal.
Aufgabe des Testsignals ist es erstens, aus D 2400 Kandidaten für erzeugende Parameter und endogene Inputs der Modellmoden der beobachteten HAC- Modellmoden solange zu eliminieren, bis deren Zuordnung zur jeweiligen beobachteten HAC-Modellmode eindeutig ist, und zweitens die Übersetzung des Testsignals in exogenen Input festzustellen. Aus der Menge aller möglichen Testsignale können Testsignale, die diese Bedingungen erfüllen, numerisch ermittelt werden (bspw. Wahl von geordneten Funktionenbasen plus brüte force - Berechnung).The task of the test signal is firstly to eliminate from D 2400 candidates for generating parameters and endogenous inputs of the model modes of the observed HAC model modes until their assignment to the respective observed HAC model mode is clear, and secondly to determine the translation of the test signal into exogenous input , Test signals that meet these conditions can be determined numerically from the set of all possible test signals (for example, selection of ordered function bases plus brute force calculation).
Eine zulässige Vereinfachung ist es, von einem Testsignal sowohl einen Bezug zu den gemessenen Hirnaktivitäten zu verlangen, als auch zum verwendeten Hirnaktivitätsmodell, als auch in selbstkonsistenter Weise zu einem bei der Modifikation in S 3000 einzusetzenden Signal. Bei linearen Oszillationen wird zwischen zur Oszillationsfrequenz inkommensurablen sowie kommensurablen Frequenzen unterschieden. Im vorliegenden Beispiel wird analog für die Grundfrequenz der Oszillation (kleinste im Leistungsspektrum enthaltene, von den Frequenzen eines Zufallssignals unterscheidbare Frequenz) vorgegangen: Nach Figur 12 ist die Grundfrequenz der beiden ähnlichen HAC-Modellmoden 10 Hz. Als inkommensurable Testsignale kommen somit sinusförmige Signale der Frequenzen 3 Hz, 7 Hz, 9 Hz, 11 Hz etc. in Frage. Als kommensurable Testsignale kommen sinusförmige Signale der Frequenzen 2 Hz, 4 Hz, 5 Hz, 6 Hz, 8 Hz, 10 Hz etc. in Frage. (Phasenverschiebungen sind im vorliegenden Beispiel für das Leistungsspektrum einer Mode auf einem Träger irrelevant.) Des weiteren sind grundsätzlich Elementarloops für Testsignale verwendbar, d.h. zeitverzögerte Rückkopplungen eines Messsignals, beispielsweise der Gestalt exo(t)=x(t-10)-y(t-10). Neben die dargestellten Möglichkeiten der Gestalt des Testsignals treten verschiedene Amplitudenmultiplikatoren, beginnend mit einer geringen Amplitude. Beispiel: Testsignal =(0-05 Tesla, sin(2*Pi*t*3/1000), (1 ,2,3,4)) , t Zeit in Millisekunden.A permissible simplification is to require a test signal to relate both to the measured brain activity and the brain activity model used, and also in a self-consistent manner to a signal to be used in the modification in S 3000. In the case of linear oscillations, a distinction is made between frequencies incommensurable with the oscillation frequency and commensurable frequencies. In the present example, an analogous procedure is used for the fundamental frequency of the oscillation (smallest frequency contained in the power spectrum that can be distinguished from the frequencies of a random signal): According to FIG. 12, the fundamental frequency of the two similar HAC model modes is 10 Hz. Sinusoidal signals of the frequencies thus come as incommensurate test signals 3 Hz, 7 Hz, 9 Hz, 11 Hz etc. in question. As commensurable test signals, sinusoidal signals of the frequencies 2 Hz, 4 Hz, 5 Hz, 6 Hz, 8 Hz, 10 Hz etc. can be used. (In the present example, phase shifts are irrelevant for the performance spectrum of a mode on a carrier.) Furthermore, elementary loops can basically be used for test signals, i.e. time-delayed feedback of a measurement signal, for example in the form exo (t) = x (t-10) -y (t-10). In addition to the possibilities of the shape of the test signal shown, there are various amplitude multipliers, starting with a low amplitude. Example: Test signal = (0-05 Tesla, sin (2 * Pi * t * 3/1000), (1, 2,3,4)), t time in milliseconds.
S 2170 (Senden des Testsignals): Erfolgt in der in D 2500 festgelegten Reihenfolge, mit Pausen zwischen je zwei Sendevorgängen in der Größenordnung von Vielfachen der Membranzeitkonstante, zur Vermeidung temporaler Summationseffekte.S 2170 (transmission of the test signal): takes place in the order specified in D 2500, with pauses between two transmission processes in the order of multiples of the membrane time constant, to avoid temporal summation effects.
S 2110, D 2520: Wie vorher. Falls Messung und Senden des Testsignals gleichzeitig erfolgen, und beispielsweise fehlende oder unzureichende Sensorabschirmung zu Artefakten
führt, so sind diese aus dem Signal herauszurechnen. Die Berechnung der Stärke des von einem Transmitter in einem Sensor erzeugten Artefakts erfolgt üblicherweise über die Entfernung zwischen beiden, sowie Materialgleichungen der zwischen beiden befindlichen Substanzen. Zusätzlich besteht die Möglichkeit, diese Artefakte vor Beginn einer Kalibrierung direkt zu messen, indem von natürlichen Aktivitäten gut abgrenzbare Signale sehr geringer Amplitude gesendet werden (so gering, dass ein Einfluss auf neuronale Aktivitäten als unwahrscheinlich angenommen werden darf). Ohne Transmittersignal möglicher Artefakte (bspw. durch Muskelbewegungen während der Messung) werden konventionell beseitigt.S 2110, D 2520: As before. If measurement and transmission of the test signal take place at the same time, and for example missing or inadequate sensor shielding to artifacts leads, these are to be calculated out of the signal. The calculation of the strength of the artifact generated by a transmitter in a sensor usually takes place via the distance between the two, and material equations of the substances located between the two. In addition, it is possible to measure these artifacts directly before starting a calibration by sending signals of very low amplitude that are easily distinguishable from natural activities (so small that an influence on neuronal activities can be assumed to be unlikely). Any artifacts without a transmitter signal (e.g. due to muscle movements during the measurement) are removed conventionally.
S 2120:S 2120:
Wie vorher.As previously.
S 2135 (Dekomposition nach relevanten HAC-Modellmoden mit Testsignal):S 2135 (decomposition according to relevant HAC model modes with test signal):
Im Gegensatz zu S 2130 wird hier nicht nach beliebigen HAC-Modellmoden zerlegt, sondern nach HAC-Modellmoden mit Testsignal.In contrast to S 2130, it is not broken down into any HAC model modes, but into HAC model modes with a test signal.
Hierbei sind lediglich Parametersätze und endogener Input aus D 2400 zugelassen, die jetzt durch exogenen Input zu ggf. anderen Lösungen (Modellmoden mit Testsignai), und damit zu ggf. anderen HAC-Modellmoden mitOnly parameter sets and endogenous input from D 2400 are permitted here, which are now available through exogenous input to possibly other solutions (model modes with test signals), and thus to other HAC model modes
Testsignal führen.Lead test signal.
Die Abschwächungen von S 2130 bleiben erhalten, wenn angenommen wird, dass sich an der Lokalisierung des Trägers der jeweiligen Mode durch exogenenThe weakening of S 2130 is retained if it is assumed that the location of the wearer of the respective fashion is caused by exogenous ones
Input nichts ändert. Die zu berücksichtigenden HAC-Modellmoden haben beispielsweise unter sinusförmigem exogenem Input der Frequenz 7 Hertz für Multiplikatoren 2,4,6,8 die für Mode I (siehe Figur 12 (i)) in Figur 13 dargestellte Gestalt:Input nothing changes. The HAC model modes to be taken into account, for example with sinusoidal exogenous input of the frequency 7 Hertz for multipliers 2, 4, 6, 8, have the form shown for Mode I (see FIG. 12 (i)) in FIG. 13:
(i) für pm = 2*sin(2^rt* 7/1000)(i) for p m = 2 * sin (2 ^ rt * 7/1000)
(Ü)für pexo = 4*sin(2 t*7/1000) (iii) für pm = 6*sin(2 t*7/1000) (iv) für pm = 8 *sin(2;zτt*7/1000)(Ü) for p exo = 4 * sin (2 t * 7/1000) (iii) for p m = 6 * sin (2 t * 7/1000) (iv) for p m = 8 * sin (2; zτt * 7/1000)
Hieraus ergeben sich bereits zur Veranschaulichung der Quantifizierung des Einflusses des Signals einige Beobachtungen: Das bezüglich der 7 Hertz und der 14 Hertz Komponente invertierte Leistungsspektrum normalisiert sich beim Verdoppeln des Multiplikators von 2 auf 4. Der quadrierte Absolutbetrag des 7 Hertz - Anteils weist bei der Erhöhung des Multiplikators von 2 auf 4 folgendes (ungefähre) Verhältnis auf: 1/4, von 4 auf 6: 3/2, von 6 auf 8: 4/3.From this, some observations already result to illustrate the quantification of the influence of the signal: The power spectrum inverted with respect to the 7 Hertz and the 14 Hertz components normalizes from 2 to 4 when the multiplier is doubled. The squared absolute value of the 7 Hertz component points to the increase the multiplier from 2 to 4 the following (approximate) ratio to: 1/4, from 4 to 6: 3/2, from 6 to 8: 4/3.
Der selbe exogene Input erzeugt im Falle der anderen HAC-Modellmode (Mode II, siehe (ii) aus Figur 12) die in Figur 14 für Multiplikatoren 2,4,6,8 dargestellten Leistungsspektren:
(i) für pm = 2*sin(2;rt*7/1000) (ii)für pexo = 4*sin(2;rt*7/1000) (iii) für pexo = 6*sin(2;rt*7/1000) (iv) für pexo = 8*sin(2;rt*7/1000) Bereits bei kleinen Multiplikatoren trennt das Testsignal deutlich zwischen Mode I und Mode II, wie aus dem Vergleich von Fig. 13 (i) und Fig. 14 (i) ersichtlich ist.In the case of the other HAC model mode (Mode II, see (ii) from FIG. 12), the same exogenous input generates the power spectra shown in FIG. 14 for multipliers 2, 4, 6, 8: (i) for p m = 2 * sin (2; rt * 7/1000) (ii) for p exo = 4 * sin (2; rt * 7/1000) (iii) for p exo = 6 * sin (2 ; rt * 7/1000) (iv) for p exo = 8 * sin (2; rt * 7/1000) Even with small multipliers, the test signal clearly separates between Mode I and Mode II, as can be seen from the comparison of Fig. 13 ( i) and Fig. 14 (i).
Das Vervielfachen der Signalintensität gestattet die Einflusskalibrierung. Wenn beispielsweise im Fall von Mode II das Verdoppeln der Signalintensität auf l2 das Verhältnis von erstem Peak zu zweitem Peak von 6 auf 2.5 absinken lässt, so ergibt der Abgleich mit der HAC-Modellmodendatenbank beispielsweise, dass h einem Multiplikator von 2 entspricht (Fig. 14 (i) und l2 einem Multiplikator von 4 (Fig. 14 (ii)).Multiplying the signal intensity allows the influence calibration. If, for example in the case of Mode II, doubling the signal intensity to l 2 causes the ratio of the first peak to the second peak to drop from 6 to 2.5, then the comparison with the HAC model mode database reveals, for example, that h corresponds to a multiplier of 2 (FIG. 14 (i) and l 2 a multiplier of 4 (Fig. 14 (ii)).
Das vorangegangene Beispiel vermied aus Gründen der Darstellungseinfachheit die in der Realität häufig auftretende Komplikation, dass Messen und Senden nicht gleichzeitig erfolgen können. Bei im Vergleich zur Oszillationsperiode kleinen Messunterbrechungen wird im Normalfall das ununterbrochene Messsignal mit üblichen signaltheorethischen Methoden rekonstruiert. Im folgenden wird stets en solches ununterbrochenes Messsignal als gegeben betrachtet. Transmissionsunterbrechungen werden beispielhaft für den Fall von Elementarloops aus exogenem Input dargestellt.For reasons of simplicity of presentation, the previous example avoided the complication that frequently occurs in reality that measurement and transmission cannot take place simultaneously. If the measurement interruptions are small compared to the oscillation period, the uninterrupted measurement signal is usually reconstructed using standard signal theory methods. In the following, such an uninterrupted measurement signal is always considered as given. Transmission interruptions are exemplified in the case of elementary loops from exogenous input.
Als Beispiel für ein Elementarloop wird das Messsignal x(t)-y(t) zeitverzögert mit einer Verzögerung T rückgekoppelt, das heißt, es ergeben sich beispielsweise für eine Verzögerung von 10 Millisekunden die Gleichungen τx = -x + S(ax -by + px endo + px^0 ) und τ y = - y + S(cx -dy + py endo + py exo ) jWθbei As an example of an elementary loop, the measurement signal x (t) -y (t) is fed back with a time delay T, that is, for example, for a delay of 10 milliseconds, the equations τx = -x + S (ax -by + p x endo + p x ^ 0 ) and τ y = - y + S (cx -dy + p y endo + p y exo ) jWθbei
Px,exo = Py,exo ~ P (x(t — lO) — y(t — )) (Wenn man davon ausgeht, dass der Übersetzungsoperator das Signal nicht verzerrt und/oder ebenfalls verzögert). M ist hierbei ein gegebenenfalls über sukzessivePx, Py = exo, exo ~ P (x (t - LO) - y (t -)) (W hen one assumes that the translation operator does not distort the signal, and / or also delayed). M is a successive, if necessary
Amplitudenverdopplung des Transmittersignals zu ermittelnder Multiplikator, alle anderen Symbole wurden bereits erläutert.Amplitude doubling of the transmitter signal to be determined multiplier, all other symbols have already been explained.
Um den Fall nicht gleichzeitig aktiver Sensoren und Transmitter (relevant beispielsweise bei Blockierung des Sensors während des Sendens) zu behandeln, wählt man als Umschaltzeit beispielsweise die Verzögerungszeit. Im vorliegenden Beispiel schaltet man also alle 10 Millisekunden zwischen Messen und Senden hin -und her. In den obigen Gleichungen ist dann:In order to deal with the case of sensors and transmitters that are not active at the same time (relevant, for example, when the sensor is blocked during transmission), the switchover time is selected, for example, as the delay time. In this example, you switch back and forth between measuring and sending every 10 milliseconds. Then in the above equations:
px,exo = Py.exo = μ • Xi(t) mit
— ^r —p x , exo = Py.exo = μ • Xi (t) with - ^ r -
xi(t):=if(t mod20 > 10, x(t-10)-y(t-10), 0) in generischem Codexi (t): = if (t mod20> 10, x (t-10) -y (t-10), 0) in generic code
Figur 15 zeigt Mode I mit diesem exogenen Input für μ = 4 (i) und μ = 8 (ii). Figur 16 zeigt Mode II mit diesem exogenen Input für μ = 4 (i) und = 8 (ii). Figur 17 zeigt Mode I mit diesem exogenen Input für μ = 12 (iii) und μ = 16 (iv). Figur 18 zeigt Mode II mit diesem exogenen Input für μ = 12 (iii) und // = 16 (iv).FIG. 15 shows Mode I with this exogenous input for μ = 4 (i) and μ = 8 (ii). Figure 16 shows Mode II with this exogenous input for μ = 4 (i) and = 8 (ii). FIG. 17 shows mode I with this exogenous input for μ = 12 (iii) and μ = 16 (iv). Figure 18 shows Mode II with this exogenous input for μ = 12 (iii) and // = 16 (iv).
Auch hier trennt das Testsignal zwischen den Moden I und II, beispielsweise über Frequenzverschiebung (Figur 15 (ii) gegenüber Figur 16 (ii)) und/oder demHere too, the test signal separates between modes I and II, for example via frequency shift (FIG. 15 (ii) compared to FIG. 16 (ii)) and / or
Verhältnis der Maxima aufeinanderfolgender Peaks (Figur 17 (iii) gegenüberRatio of the maxima of successive peaks (Figure 17 (iii) versus
Figur 18 (iii)). Das Verhältnis der Maxima aufeinanderfolgender Peaks bei verschiedenen exogenen Inputs in eine Mode gestattet auch hier, analog zum dargestellten Sinus-Input, die Einflusskalibrierung. Phasenbetrachtungen unterbleiben in diesem einfachen Beispiel. Bei einer Fine-Figure 18 (iii)). The ratio of the maxima of successive peaks with different exogenous inputs into a mode also allows the influence calibration, analogous to the sine input shown. Phase considerations are omitted in this simple example. With a fine
Tuning-Kalibrierung werden zusätzlich Sequenzen phasenverschobenerTuning calibration additionally sequences are out of phase
Testsignale verwendet.Test signals used.
Für die weitere Darstellung von Beispiel 1 wird davon ausgegangen, dass mit Hilfe zeitverzögert rückgekoppelter Testsignale festgestellt wurde, dass der beobachteten Hirnaktivität die Mode I unterliegt, mit ihren Nichtobservablen r = 10 , a=22, b=20, c=14, d=3, bei px<eml0 = 1.5 und py>mdo = , in die das dargestellte zeitverzögert rückgekoppelte Hertz Signal des Transmitters Ti mit -40*[Transmitterfeldstärke in Tesla]*xi(t) eingeht, und die auf dem Weg von ihrem Träger zum Sensor Si einer Abschwachung von 10/2.2 unterliegt.For the further illustration of example 1 it is assumed that with the aid of time-delayed feedback test signals it was found that the observed brain activity is subject to mode I, with its non-observables r = 10, a = 22, b = 20, c = 14, d = 3, at p x <eml0 = 1.5 and p y> mdo =, into which the time-delayed feedback Hertz signal of the transmitter Ti with -40 * [transmitter field strength in Tesla] * xi (t) enters, and which is on the way from it Carrier to the sensor Si is subject to a decay of 10 / 2.2.
Anmerkung 1 :' Im allgemeinen ist nicht unbedingt davon auszugehen, dass geeignete Moden durch Parameter und Inputs des gewählten Gitters erzeugt werden, d.h. es sind lokale Verfeinerungen des Gitters und/oder Interpolationen durchzuführen.Note 1: 'In general, it cannot be assumed that suitable modes are generated by parameters and inputs of the selected grid, i.e. local refinements of the grating and / or interpolations are to be carried out.
Anmerkung 2: Inkonsistente Ergebnisse innerhalb einer Signalsequenz weisen darauf hin, dass während des Sendens ein oder mehrere Sprünge des quasistationären endogenen Inputs stattgefunden haben. In diesem Fall müssen Moden mit zeitveränderlichen Input für die Kalibrierung berücksichtigt werden.Note 2: Inconsistent results within a signal sequence indicate that one or more jumps of the quasi-stationary endogenous input have occurred during the transmission. In this case, modes with time-varying input must be taken into account for the calibration.
E 210 (Mehrere bestapproximierende Sätze von Parametern): In diesem Beispiel nicht. Eindeutigkeit ist bis auf Äquivalenz definiert. Zwei Sätze A und B von Parametern heißen äquivalent, wenn unter allen Inputs die jeweilige A-HAC-Mode von der B-HAC-Mode innerhalb einer vordefinierten Fehlerschranke ununterscheidbar ist.
Figur 24:E 210 (Several best approximating sets of parameters): Not in this example. Uniqueness is defined to equivalence. Two sets A and B of parameters are called equivalent if, under all inputs, the respective A-HAC mode is indistinguishable from the B-HAC mode within a predefined error limit. Figure 24:
Entfällt, da in diesem Beispiel nur lokale Kalibrierung benötigt wird.Not applicable since only local calibration is required in this example.
Figur 25:Figure 25:
D 2100, D 1200, D 1300, D 1050, D 1051:D 2100, D 1200, D 1300, D 1050, D 1051:
Wie vorher.As previously.
D 1010 (HAC-Ist-Verläufe): Aus den laufenden Messungen von Hirnaktivitat wird Pos laufend berechnetD 1010 (actual HAC profiles): Pos is continuously calculated from the ongoing measurements of brain activity
30 12 3 0 12
(„Laufend" := „ in geeigneten Zeitabständen"), pos :=∑f{ 2 /∑f-2 gemäß S 500. i=13("Running": = "at suitable time intervals"), pos: = ∑f { 2 / ∑f- 2 according to S 500. i = 13
S 2110, S 2120:S 2110, S 2120:
Wie vorher.As previously.
D 4100, D 4200:D 4100, D 4200:
Wie vorherAs previously
D 4300: Kann mit nur einem Transmitter nicht realisiert werden. Wird in Beispiel 3 erläutert.D 4300: Cannot be realized with just one transmitter. Will be explained in example 3.
S 3100 (Berechnen eines oder mehrer Transmittersignale):S 3100 (calculating one or more transmitter signals):
Die in der Regel unendliche Vielzahl möglicher Transmittersignale wird analog zur Berechnung der Testsignale reduziert. Im einfachsten Fall werden Transmittersignale verwendet, die bereits als Testsignale verwendet wurden. Die Transmittersignale werden auf Machbarkeit (D 4200, D 4100, D 4300) geprüft und bezüglich vordefinierter Nutzenfunktionen geordnet (beispw. möglichst niederfrequent, möglichst kleine Feldstärke, etc.). Das bestmögliche Transmittersignal wird dann automatisch selektiert.The usually infinite number of possible transmitter signals is reduced analogously to the calculation of the test signals. In the simplest case, transmitter signals are used that have already been used as test signals. The transmitter signals are checked for feasibility (D 4200, D 4100, D 4300) and arranged according to predefined utility functions (for example, the lowest possible frequency, the smallest possible field strength, etc.). The best possible transmitter signal is then automatically selected.
Beispiel: 0.4 Tesla oben genanntes zeitverzögert rückgekoppeltes Signal des Transmitters Ti führt zum Erreichen des Verhaltenziels, da Pos mehr als verdoppelt wird (vgl. Fig. 12 (i) mit Fig. 17 (iv)).Example: 0.4 Tesla of the above-mentioned time-delayed feedback signal from the transmitter Ti leads to the behavioral goal being reached, since Pos is more than doubled (cf. FIG. 12 (i) with FIG. 17 (iv)).
S 3400 (Senden):S 3400 (send):
Senden des/der gemäß S 3100 ausgewählten Transmittersignale (hier: mit dem Transmitter Ti).Send the transmitter signal (s) selected in accordance with S 3100 (here: with the transmitter Ti).
D 4040 (HAC-Verlaufsprognose):
Die Modellmoden mit exogenen Inputs bestimmen die entsprechende Hirnaktivität im Zeitverlauf, und liefern eine Zeitreihe, aus deren in der Zukunft liegenden Teilen wie vorher eine theoretische HAC-Zeitreihe berechnet wird, letztere ist die HAC-Verlaufsprognose. Im vorliegenden Beispiel ist nur eine Modellmode relevant, die HAC-Verlaufsprognose ergibt sich daher durch Teilen des in Figur 13 (i) dargestellten HAC durch den Abschwächungsfaktor 10/2.2.D 4040 (HAC prognosis): The model modes with exogenous inputs determine the corresponding brain activity over time and provide a time series, from the parts of which lie in the future, a theoretical HAC time series is calculated as before, the latter being the HAC prognosis. Only one model mode is relevant in the present example, the HAC prognosis is therefore obtained by dividing the HAC shown in FIG. 13 (i) by the attenuation factor 10 / 2.2.
S 3500 (Vergleichen):S 3500 (compare):
Zum einen gilt hier: Subtraktion des Ist-HAC- Verlaufs aus S 2120 und des prognostizierten HAC- Verlaufs (D 4040), Betragsbildung für jede Frequenz zwischen 1 und 50 Hertz (Abweichung = Maximum dieser Beträge), zum anderen wird das Erreichen des Verhaltensziels (des Soll-HAC-Verlaufs) analog durch Vergleichen von Ist- und Soll-HAC-Verlauf ermittelt.On the one hand, the following applies: subtraction of the actual HAC curve from S 2120 and the forecast HAC curve (D 4040), amount formation for each frequency between 1 and 50 Hertz (deviation = maximum of these amounts), and secondly, the achievement of the behavioral goal (of the target HAC curve) is determined analogously by comparing the actual and target HAC curves.
E 300 (Abweichung akzeptabel?):E 300 (deviation acceptable?):
Treffen die Annahmen und die Ergebnisse der Kalibrierung zu, so ist davon auszugehen, dass sich Prognose- und Ist-HAC nur unwesentlich unterscheiden, (Abweichung < vordefinierter Schwellenwert) man kann demzufolge mit dem Senden fortfahren (S 3400). Ist dieses nicht der Fall, so gilt es per numerischer Lösung der Gleichungen des Hirnmodells mit anderen endogenen Inputs (S 3600) zu prüfen, inwieweit Sprünge des stückweise stationären endogenen Inputs die Abweichung erklären.If the assumptions and the results of the calibration are correct, it can be assumed that the forecast and actual HAC differ only insignificantly (deviation <predefined threshold value). You can therefore continue to send (S 3400). If this is not the case, it must be checked by numerical solution of the equations of the brain model with other endogenous inputs (S 3600) to what extent jumps in the piecewise stationary endogenous input explain the deviation.
Im Falle des Nichterreichens des Verhaltensziels innerhalb der berechneten Zeitspanne erfolgt der Übergang zu S 3800, anderenfalls die Meldung „Verhaltensziel erreicht".If the behavior goal is not reached within the calculated time period, the transition to S 3800 takes place, otherwise the message "behavior goal reached".
S 2000 (Kalibrieren)S 2000 (calibration)
Wie bereits erläutert.As already explained.
Abschließend ist zu diesem Beispiel zu bemerken, dass das Hirnaktivitätsziel durch Kalibrieren und anschließende kontrollierte Modifikation zuverlässig erreicht wird, und somit bei Zutreffen des reduzierten Davidson-Modells auch das Verhaltensziel.In conclusion, it should be noted in this example that the brain activity goal is reliably achieved by calibration and subsequent controlled modification, and thus also the behavior goal when the reduced Davidson model applies.
Beispiel 2 (Schritte werden nur auszugsweise erläutert):Example 2 (steps are only explained in part):
Figur 20:Figure 20:
D 2000 (Verhaltensziel):
Verstärken positiver Emotionen und Abschwächen negativer Emotionen für die Dauer der AnwendungD 2000 (behavioral goal): Reinforcing positive emotions and weakening negative emotions for the duration of the application
D 3000 (Verhaltensmodell):D 3000 (behavior model):
Davidson-Modell (siehe z.B. [11]), wonach positive Emotionen mit einem höheren Quotienten von Beta (13-30 Hz) - EEG-Aktivität zu Alpha (8-12 Hz) - EEG- Aktivität im linksfrontalen Kortex einhergehen, und negative Emotionen mit einem höheren Quotienten von Beta (13-30 Hz) - EEG-Aktivität zu Alpha (8-12 Hz) - EEG-Aktivität im rechtsfrontalen Kortex.Davidson model (see, for example, [11]), according to which positive emotions are associated with a higher quotient from beta (13-30 Hz) - EEG activity to alpha (8-12 Hz) - EEG activity in the left-frontal cortex, and negative emotions with a higher ratio of beta (13-30 Hz) - EEG activity to alpha (8-12 Hz) - EEG activity in the right-frontal cortex.
S 500 (Spezifizieren HAC. Spezifizieren Soll-Verläufe von HAC):S 500 (Specify HAC. Specify target courses of HAC):
30 12 3 0 12
Analog zu Beispiel 1. Abgeleitete HAC sind o -^ f^ / f^ für einen ι=13 i=SAnalogous to example 1. Derived HAC are o - ^ f ^ / f ^ for a ι = 13 i = S
30 12 linksfrontalen Sensor Si und Neg := f 2 / f 2 für einen rechtsfrontalen Sensor30 12 left-front sensor Si and Neg: = f 2 / f 2 for a right-front sensor
1=13 /=81 = 13 / = 8
S2. (fy Koeffizient der i-Hertz-Mode des Sensors j). Pos soll erhöht werden, also beispielsweise Pos(mit Einfluss) > 2 *Pos(ohne Einfluss), Neg soll verringert werden, also beispielsweise Neg(mit Einfluss) < 0.5*Neg(ohne Einfluss). Diese Anforderung definieren die Soll-HAC Verläufe. Berechnung wie in Beispiel 1.S 2 . (fy coefficient of i-Hertz mode of sensor j). Pos should be increased, e.g. Pos (with influence)> 2 * Pos (without influence), Neg should be reduced, e.g. Neg (with influence) <0.5 * Neg (without influence). This requirement defines the target HAC courses. Calculation as in example 1.
D 4000 (Minimale Apparaturvoraussetzungen): Oberflächen-EEG mit einer Elektrode Si linksfrontal mit Referenzelektrode am linken Ohr, einer Elektrode S2 rechtsfrontal mit Referenzelektrode am rechten Ohr (s. [16]), zwei extrakranialen Spulen (Transmitter Ti und T2), wobei Ti beispielsweise auf einer an der Kopfoberfläche verlaufenden Verbindungslinie zwischen Si und einer zentralen Elektrode Cz (s. [16]) in unmittelbarer Nähe von S lokalisiert ist, und T2 analog zwischen S2 und Cz, wobei die Entfernung zwischen Si und Ti gleich der Entfernung zwischen S2 und T2 ist. Alles andere ist wie in Beispiel 1.D 4000 (minimum equipment requirements): surface EEG with one electrode Si left front with reference electrode on the left ear, one electrode S 2 right front with reference electrode on the right ear (see [16]), two extracranial coils (transmitters Ti and T 2 ), where, for example, Ti is located on a connection line running on the head surface between Si and a central electrode Cz (see [16]) in the immediate vicinity of S, and T 2 analogously between S 2 and Cz, the distance between Si and Ti being the same is the distance between S 2 and T 2 . Everything else is as in example 1.
D 2100 (Soll-Verläufe von HAC): Pos (mit Einfluss) > 2*Pos (ohne Einfluss) und Neg (mit Einfluss) < 0.5*Neg (ohne Einfluss)D 2100 (target curves of HAC): Pos (with influence)> 2 * Pos (without influence) and Neg (with influence) <0.5 * Neg (without influence)
D 2200 (HAC-Berechnungsvorschriften):D 2200 (HAC calculation rules):
Wie in Beispiel 1 , zusätzlich für den zweiten, rechtsfrontalen SensorAs in example 1, additionally for the second, right-frontal sensor
30 12 Neg = ∑fi2 /∑fr i=13 3 0 12 Neg = ∑fi 2 / ∑f r i = 13
D 1000 (Generisches Hirnaktivitätsmodell):D 1000 (generic brain activity model):
Vereinfachtes Wilson-Cowan-Modell, wie in Beispiel 1.
S 800 (Spezifizieren der Mindest-Kalibrierungsvoraussetzungen): τ , a, b, c, d, px , py , Übersetzungsoperatoren für die vier Sensor-Transmitter-Simplified Wilson-Cowan model as in Example 1. S 800 (specification of the minimum calibration requirements): τ, a, b, c, d, p x , p y , translation operators for the four sensor transmitters
Paare S-I-T-I, S-ι-T2, S2-T1, S2-T2. Wieder genügt lokales Kalibrieren, da beide frontalen Hirnbereiche vereinfacht als unabhängig angenommen werden, sowie der jeweilige endogene Input als konstant..Pairs SITI, S-ι-T 2 , S 2 -T 1 , S 2 -T 2 . Again, local calibration is sufficient, since both frontal brain areas are assumed to be independent and the respective endogenous input is constant.
D 1100 (Mindest-Kalibrierungsvoraussetzungen):D 1100 (minimum calibration requirements):
Lokales Kalibrieren von τ , a, b, c, d, px , py , die Übersetzungsoperatoren für die vier Sensor-Transmitter-Paare S-I-T-I , Sι-T2, S2-T-ι, S2-T2.Local calibration of τ, a, b, c, d, p x , p y , the translation operators for the four sensor-transmitter pairs SITI, Sι-T 2 , S 2 -T-ι, S 2 -T 2 .
E 100 (Kalibrierung erforderlich?):E 100 (calibration required?):
Lokales Kalibrieren ist erforderlich.Local calibration is required.
D 4100 (Apparaturbeschränkungen):D 4100 (equipment restrictions):
Analog zu Beispiel 1 , auf der Ausgangsseite beispielsweise zwei Spulen mit jeweils maximalem Magnetfeld von 0.5 Tesla.Analogous to example 1, on the output side, for example, two coils, each with a maximum magnetic field of 0.5 Tesla.
D 4200 (Gesundheitliche Grenzwerte für exogene EM Felder): Wie in Beispiel 1.D 4200 (Health limits for exogenous EM fields): As in Example 1.
S 2000 (Kalibrieren):S 2000 (calibration):
Siehe später.See later.
D 1200 (Spezifisches Hirnaktivitätsmodell):D 1200 (specific brain activity model):
Wie in Beispiel 1.As in example 1.
D 1300 (Quantifizierung des Einflusses exogener EM Felder auf Hirnaktivität): Wie in Beispiel 1.D 1300 (quantification of the influence of exogenous EM fields on brain activity): As in Example 1.
S 3000 (Steuern oder Regeln von Hirnaktivität mit Hilfe gezielter Veränderung von Kontrollvariablen sowie Messung/ Berechnung von HAC):S 3000 (controlling or regulating brain activity with the help of targeted changes in control variables and measurement / calculation of HAC):
Wird beim Durchlauf durch das betreffende Flussdiagramm (Figur 25) genau angegeben.Is exactly specified when passing through the relevant flow diagram (FIG. 25).
Figur 21 :Figure 21:
D 1100 (Mindest-Kalibrierungsanforderungen): Wie vorher.
D 1110 (Kalibrierungsart):D 1100 (minimum calibration requirements): As before. D 1110 (calibration type):
Lokal.Local.
D 1120 (Kalibrierungsumfang): Sensoren Si , S2, Transmitter Ti , T2.D 1120 (scope of calibration): sensors Si, S 2 , transmitter Ti, T 2 .
E 110 (Keine Kalibrierung?):E 110 (no calibration?):
Ja.Yes.
S 2100 (Lokales Kalibrieren):S 2100 (local calibration):
Analog zu Beispiel 1 , für die vier Sensor-Transmitter-Paare SrT-i, SrT2, S2-T2, S2-Tι. Wesentliche Vereinfachung beim vierfachen Durchlaufen der lokalen Kalibrierung ist es, dass Parameter und endogene Inputs von durch Si feststellbaren Moden bereits beim Durchlaufen der lokalen Kalibrierung für das Paar S-1-T1 festgestellt werden, und somit bei der lokalen Kalibrierung für S1-T2 als gegeben angenommen werden (u.a. bei der Dekomposition). Analog für Moden im Messbereich von S2. Es wird empfohlen, die lokale Kalibrierung eines Sensors mit demjenigen Transmitter zu beginnen, der gegenüber diesem Sensor eine minimale räumliche Distanz aufweist. Als Ergebnis der lokalen Kalibrierung ergibt sich beispielsweise: Für Sensor Si:Analogous to Example 1, for the four sensor-transmitter pairs SrT-i, SrT 2 , S 2 -T 2 , S 2 -Tι. A significant simplification when running the local calibration four times is that parameters and endogenous inputs of modes that can be determined by Si are already determined when the local calibration is carried out for the pair S- 1 -T 1 , and thus during the local calibration for S 1 -T 2 can be taken as given (among other things in the decomposition). Analog for modes in the measuring range from S 2 . It is recommended to start the local calibration of a sensor with the transmitter that has a minimal spatial distance compared to this sensor. The result of the local calibration is, for example: For sensor Si:
Mode I aus Beispiel 1 mit Einfluss von Ti als 40*[Transmitterfeldstärke von Ti in Tesla]*xiι kalibriert und Einfluss vn T2 = 0. (xiι(t) ist die zeitverzögerte Rückkopplung des von Si gemessenen Signals, in rekonstruierter Form). Für Sensor S2:Mode I from example 1 with the influence of Ti as 40 * [transmitter field strength of Ti in Tesla] * xiι calibrated and influence vn T 2 = 0. (xiι (t) is the time-delayed feedback of the signal measured by Si, in reconstructed form). For sensor S 2 :
Mode II aus Beispiel 1 mit Einfluss von T2 als 40*[Transmitterfeldstärke von T2 in Tesla]*xi2(t) kalibriert und Einfluss von Ti = 0. (xi2(t) ist die zeitverzögerte Rückkopplung des von S2 gemessenen Signals, in rekonstruierter Form).Mode II from Example 1 with the influence of T 2 calibrated as 40 * [transmitter field strength of T 2 in Tesla] * xi 2 (t) and the influence of Ti = 0. (xi 2 (t) is the time-delayed feedback of that measured by S 2 Signals, in reconstructed form).
S 2300 (Identische Hirnaktivitäten identifizieren):S 2300 (Identifying identical brain activities):
Obige Moden sind nicht identisch.The above fashions are not identical.
E 120 (Translokales Kalibrieren?):E 120 (translocal calibration?):
Nein.No.
D 1200 (Spezifisches Hirnaktivitätsmodell):D 1200 (specific brain activity model):
Wie vorher.As previously.
D 1300 (Quantifizieren des Einflusses exogener elektromagnetischer Felder auf Hirnaktivität):D 1300 (quantifying the influence of exogenous electromagnetic fields on brain activity):
Wie vorher.
Figuren 22 -23:As previously. Figures 22-23:
Wie vorher, bzw. wie gerade unter S 2100 dargestellt.As before, or as shown under S 2100.
Figur 24:Figure 24:
Enfällt, da nur lokale Kalibrierung benötigt wird.Not applicable since only local calibration is required.
Figur 25:Figure 25:
Analog zu Beispiel 1 , bis auf S 3100, was im folgenden näher erläutert werden soll:Analogous to Example 1, except for S 3100, which will be explained in more detail below:
Beispielsweise führt das kombinierte Signal von T-ι, xiι(t) mit 0.4 Tesla und T2, xi2(t) mit 0.4 Tesla bei Mode I zu einer Vergrößerung von Pos auf über 200% des ursprünglichen Wertes (siehe Beispiel 1), bei Mode II zu einer Verringerung von Neg auf unter 50% des ursprünglichen Wertes (vergleiche Figur 12 (ii) mit Figur 18 (iv)). Das Hirnaktivitätsziel wird somit erreicht, und ebenso bei Zutreffen des Davidson-Modells auch das Verhaltensziel.For example, the combined signal of T-ι, xiι (t) with 0.4 Tesla and T 2 , xi 2 (t) with 0.4 Tesla in Mode I leads to an increase in Pos to over 200% of the original value (see Example 1), in Mode II to a reduction of Neg to below 50% of the original value (compare Figure 12 (ii) with Figure 18 (iv)). The brain activity goal is thus achieved, as is the behavior goal if the Davidson model applies.
Beispiel 3:Example 3:
Beispiel 3 soll nicht in der gleichen Ausführlichkeit wie die vorangegangenen Beispiele (z.B. sämtliche Moden, lokale Kalibrierung aller Sensor-Transmitter- Paare, etc) erläutert werden, sondern hauptsächlich bezüglich wesentlicher Abweichungen von den vorangegangenen Beispielen:Example 3 should not be explained in the same detail as the previous examples (e.g. all modes, local calibration of all sensor-transmitter pairs, etc.), but mainly with regard to significant deviations from the previous examples:
Figur 20:Figure 20:
D 2000 (Verhaltensziel):D 2000 (behavioral goal):
Verlängern mentaler Aufmerksamkeit für die Dauer der Anwendung.Prolong mental attention for the duration of the application.
D 3000 (Verhaltensmodell):D 3000 (behavior model):
Basierend bspw. auf [20] und [21], geht Fmθ (Frontal midline theta), also 6-7 HZ Aktivität im Bereich der Fz-Elektrode (s. [16]) mit der Aufrechterhaltung konzentrierter Aufmerksamkeit bei mentaler Prozessen einher. Diese Feststellung wird im folgenden als Ishihara-Yoshii-Modell bezeichnet. Oberflächennahe Neuronen im Messbereich des Fz-Sensors sind mit einigen anderen Bereichen direkt verbunden, insbesondere wurde subkortikales Driving festgestellt. Leistungsspektrum und dessen Berechnung wie vorher, statt PosBased on, for example, [20] and [21], Fmθ (Frontal midline theta), ie 6-7 HZ activity in the area of the Fz electrode (see [16]) goes hand in hand with the maintenance of focused attention in mental processes. This is referred to below as the Ishihara-Yoshii model. Near-surface neurons in the measurement area of the Fz sensor are directly connected to some other areas, in particular subcortical driving was found. Range of services and its calculation as before, instead of pos
7 max oder Neg diesmal für jeden Sensor Att := f^ I f? . (max=50)7 max or neg this time for each sensor Att: = f ^ I f? , (Max = 50)
1=6 ι=l1 = 6 ι = l
D 4000 (Minimale Apparaturvoraussetzungen):
Zur Feststellung etwaiger Ausbereitungsphänomene ist es sinnvoll, die Fz- Elektrode durch zumindest eine benachbarte Elektrode mit physiologisch direkt mit dem Messbereich der Fz-Elektrode verbundenem Messbereich zu ergänzen (beispielsweise der Cz-Elektrode), d.h. Oberflächen-EEG mit zwei Elektroden und zwei Referenzelektroden (wie in [21] dargestellt). Zwei Spulen als Transmitter sind jeweils in unmittelbarer Nähe der betreffenden Elektrode extrakranial lokalisiert: Ti anterior bezüglich Fz, T2 posterior bezüglich Cz. Alles andere wie in Beispiel 1.D 4000 (minimum equipment requirements): To determine any preparation phenomena, it makes sense to supplement the Fz electrode with at least one adjacent electrode with a measuring range that is physiologically directly connected to the measuring area of the Fz electrode (for example, the Cz electrode), i.e. surface EEG with two electrodes and two reference electrodes ( as shown in [21]). Two coils as transmitters are located extracranially in the immediate vicinity of the relevant electrode: Ti anterior with respect to Fz, T 2 posterior with respect to Cz. Everything else as in example 1.
D 2100 (Soll-Verläufe von HAC):D 2100 (target curves of HAC):
Beispielsweise: Attι(mit Einfluss)= Attι(ohne Einfluss, bei vollem Driving), Att2(mit Einfluss)<= Att2(ohne Einfluss). Hierbei steht „1" für „Fz und Referenzelektrode", „2" für Cz und Referenzelektrode", „=" steht für „die rechte Seite weicht nicht mehr als 20% von der linken Seite ab".For example: Attι (with influence) = Attι (without influence, with full driving), Att 2 (with influence) <= Att 2 (without influence). Here, "1" stands for "Fz and reference electrode", "2" for Cz and reference electrode "," = "stands for" the right side does not deviate more than 20% from the left side ".
D 2200 (HAC-Berechnungsvorschriften):D 2200 (HAC calculation rules):
Leistungsspektrum wie in Beispiel 1 , zusätzlich für jeden der zwei SensorenRange of services as in example 1, additionally for each of the two sensors
7 max7 max
Λtt := ∑f* /∑f> .Λtt: = ∑f * / ∑f > .
1=6 ι'=l1 = 6 ι ' = l
D 1000 (Generisches Hirnaktivitätsmodell):D 1000 (generic brain activity model):
Vereinfachtes Wilson-Cowan-Modell, wie in Beispiel 1 , wobei jetzt die Rolle translokaler Effekte genauer betrachtet wird und die Konstanzannahme für den endogenen Input aufgegeben wird. Der endogene Input in die Gesamtheit der erregenden Einzelneuronen des j-ten Oszillators lässt sich im einfachsten Fall der (t = h *x (t — A ) translokalen Kalibrierung aufspalten in ^xj>endo J L-J ß ' J .Simplified Wilson-Cowan model, as in example 1, whereby the role of translocal effects is now considered more closely and the assumption of constancy for the endogenous input is abandoned. In the simplest case of (t = h * x (t - A) translocal calibration, the endogenous input into the entirety of the exciting individual neurons of the jth oscillator can be split up into ^ x j> endo J LJ ß ' J.
Hierbei stellt „h die Stärke des Einflusses des l-ten auf den j-ten neuralen Oszillator dar, und das betreffende Δ die Verzögerung des Wirksamwerdens dieses Einflusses.Here, h represents the strength of the influence of the lth on the jth neural oscillator, and the Δ in question represents the delay in the effect of this influence.
S 800 (Spezifizieren der Mindest-Kalibrierungsvoraussetzungen):S 800 (specifying the minimum calibration requirements):
Wie in Beispiel 2, plus Funktionalmatrix. Lokales und translokales Kalibrieren erforderlich.As in example 2, plus functional matrix. Local and translocal calibration required.
D 1100 (Mindest-Kalibrierungsvoraussetzungen): Wie in Beispiel 2, plus Funktionalmatrix.D 1100 (minimum calibration requirements): As in example 2, plus functional matrix.
E 100 (Kalibrierung erforderlich?):E 100 (calibration required?):
Ja.
D 4100 (Apparaturbeschränkungen):Yes. D 4100 (equipment restrictions):
Analog Beispiel 2.Analogous to example 2.
D 4200 (Gesundheitliche Grenzwerte für exogene elektromagnetische Felder):D 4200 (Health limits for exogenous electromagnetic fields):
Wie in Beispiel 2.As in example 2.
S 2000 (Kalibrieren):S 2000 (calibration):
Wird beim Durchlauf durch die Flussdiagramme (Figuren 21-24) näher ausgeführt. Es wird davon ausgegangen, dass die Stationaritat des endogenen Inputs zwar über die Kalibrierungsdauer, nicht aber über die Anwendungsdauer gegeben ist.This is explained in more detail when running through the flow diagrams (FIGS. 21-24). It is assumed that the stationarity of the endogenous input is given over the calibration period, but not over the application period.
D 1200 (Spezifisches Hirnaktivitätsmodell): Wie in Beispiel 1.D 1200 (Specific Brain Activity Model): As in Example 1.
D 1300 (Quantifizieren des Einflusses exogener EM Felder auf Hirnaktivität):D 1300 (quantifying the influence of exogenous EM fields on brain activity):
Wie in Beispiel 1.As in example 1.
S 3000 (Steuern oder Regeln von Hirnaktivität mit Hilfe gezielter Veränderung von Kontrollvariablen sowie Messung/ Berechnung von HAC):S 3000 (controlling or regulating brain activity with the help of targeted changes in control variables and measurement / calculation of HAC):
Wird beim Durchlauf durch das Flussdiagramm (Figur 25) genau angegeben.Is exactly specified when running through the flow diagram (FIG. 25).
Figur 21 :Figure 21:
D 1100 (Mindest-Kalibrierungsanforderungen):D 1100 (minimum calibration requirements):
Wie vorher.As previously.
D 1110 (Kalibrierungsart): Translokal (beinhaltet lokal).D 1110 (calibration type): translocal (includes local).
D 1120 (Kalibrierungsumfang):D 1120 (scope of calibration):
Wie in Beispiel 2.As in example 2.
S 2100 (Lokales Kalibrieren):S 2100 (local calibration):
Wird beim Durchlauf durch die Flussdiagramme (Figuren 22-23) näher ausgeführt.This is explained in more detail when running through the flow diagrams (FIGS. 22-23).
S 2300 (Identische Hirnaktivitäten identifizieren): Analog zu Beispiel 2.
E 120 (Translokale Kalibrierung?):S 2300 (Identify identical brain activities): Analogous to example 2. E 120 (translocal calibration?):
JaYes
S 2400 (Translokales Kalibrieren): Wird bei Figur 24 genau dargestellt.S 2400 (translocal calibration): Is shown exactly in Figure 24.
D 1200, D 1300:D 1200, D 1300:
Wie in Beispiel 2, plus Funktionalmatrix.As in example 2, plus functional matrix.
Figur 22:Figure 22:
Analog zu Beispiel 2. Von Interesse ist jetzt bspw. im Messbereich von Sensor Si eine HAC-Modellmode mit unterliegenden Parametern r = 10, a=16, b=20, c=8, d=3, bei endogenem lnput/?x =1.5+m*sin(2*;r*t*7/1000) und py = 1.5 + m*sin(2*;r*t*7/1000) , dargestellt für rn=0 in Figur 19 (i), für rn=2 inAnalogous to example 2. In the measuring range of sensor Si, an HAC model mode with underlying parameters r = 10, a = 16, b = 20, c = 8, d = 3, with endogenous input /? Is of interest. x = 1.5 + m * sin (2 *; r * t * 7/1000) and p y = 1.5 + m * sin (2 *; r * t * 7/1000), shown for rn = 0 in Figure 19 ( i), for rn = 2 in
Figur 19 (ii), und für rn=4 in Figur 19 (iii). (In diesem Beispiel ist angenommen, dass sich das subcortikale Driving mit 7 Hertz auf den erregenden und den hemmenden Teil des beschriebenen Neuronenensembles gleichermaßen auswirkt.) Diese Mode soll als Mode III bezeichnet werden. Testsignale, die so nahe wie möglich am 7 Hz sinusoidalen Driving sind, erscheinen als geeignet, beispielsweise ein 7 Hz Sinussignal, das alle 10 Millisekunden für 5 Millisekunden abgeschaltet wird, um die Messung zu gestatten. Ein solches Testsignal, mit 0.5 Tesla vom Transmitter Ti abgestrahlt, soll beispw. mit dem Multiplikator 16 wirksam werden, analog vom Transmitter T2 abgestrahlt ohne Wirkung auf Mode III bleiben.Figure 19 (ii), and for rn = 4 in Figure 19 (iii). (In this example it is assumed that subcortical driving with 7 Hertz affects the exciting and the inhibiting part of the described neuron ensemble equally.) This mode is to be referred to as Mode III. Test signals that are as close as possible to the 7 Hz sinusoidal driving appear suitable, for example a 7 Hz sinusoidal signal that is switched off every 10 milliseconds for 5 milliseconds to allow the measurement. Such a test signal, emitted by the transmitter Ti at 0.5 Tesla, is intended to be effective, for example, with the multiplier 16, and is emitted analogously by the transmitter T 2 and has no effect on Mode III.
Lokale Kalibrierung umfasst hier sinnvollerweise Phasenverschiebung von Testsignalen. Das HAC-Minimum der getriebenen Mode liefert die zum Ausschalten der Mode benötigte Phasenverschiebung 3. Beispielsweise wird ein wie oben dargestellt unterbrochenes Sinussignal, das um 3 verzögert mit 0.5 Tesla vom Transmitter Ti abgestrahlt wird, die Mode III weitgehend ausschalten. (Ergebnis hiervon siehe Figur 19 i).Local calibration here expediently includes phase shift of test signals. The HAC minimum of the driven mode supplies the phase shift 3 required to switch off the mode. For example, an interrupted sinusoidal signal, as shown above, which is emitted by the transmitter Ti with a delay of 3 and with 0.5 Tesla, will largely switch off Mode III. (Result of this see Figure 19 i).
Einzige S2-Mode ist beispielsweise die SrMode aus Beispiel 1. Beide o.g. Tr Signale sollen auf die S2-Mode keinen Einfluss haben, ebenso wenig wie 0.1 Tesla Sinussignale von T2 auf die Theta-Mode.The only S 2 mode is, for example, the Sr mode from Example 1. Neither of the above Tr signals should have any influence on the S 2 mode, nor should 0.1 Tesla sine signals from T 2 on the theta mode.
Figur 23:Figure 23:
Analog zu Beispiel 2. Figur 24:
D 1300 (Übersetzungsoperatoren):Analogous to example 2. Figure 24: D 1300 (translation operators):
Falls i und k verschieden sind, sind diese Übersetzungsoperatoren bspw. für die beiden Signale, wie gerade zu Figur 22 dargestellt, gleich Null.If i and k are different, these translation operators are, for example, zero for the two signals, as shown in FIG. 22.
S 2410 (HAC-Prognose):S 2410 (HAC forecast):
Wie vorher.As previously.
Für die S Mode: S 2420 (Ändern):For the S Mode: S 2420 (change):
Beispiel: Senden eines Ti 0.5 Tesla 7 Hertz um 3 verschobenen Sinussignal schaltet die SrMode aus.Example: Sending a Ti 0.5 Tesla 7 Hertz by 3 shifted sine signal switches the SrMode off.
Für die S Mode: S 2430 (Ermitteln der S2-Lücke):For the S mode: S 2430 (determining the S 2 gap):
Das Prognose-HAC für S2 ergibt sich, da die T-i-Signale keine direkte Wirkung auf die S2-Mode haben, aus deren unveränderter Fortsetzung, dieses soll mit dem S2-Ist-HAC übereinstimmen.The forecast HAC for S 2 results, since the Ti signals have no direct effect on the S 2 mode, from their unchanged continuation, which should match the S 2 actual HAC.
Für die S2-Mode: S 2420 (Ändern):For the S 2 mode: S 2420 (change):
Beispiel: Frequenzverschieben der S2-Mode auf eine mit 7 Hertz inkommensurable Grundfrequenz, beispielsweise durch zeitverzögerte Rückkopplung des umgepolten Messsignal von S2 durch T2.Example: Frequency shifting of the S 2 mode to a base frequency that is incommensurable with 7 Hertz, for example by time-delayed feedback of the reversed measurement signal from S 2 through T 2 .
Für die S2-Mode: S 2430 (Ermitteln der S Lücke):For the S 2 mode: S 2430 (determining the S gap):
Das Prognose-HAC für Si ergibt sich, da die T2-Signale keine direkte Wirkung auf die SrMode haben, aus deren unveränderter Fortsetzung, dieses soll mit dem Si-Ist-HAC übereinstimmen. Hier ergibt sich beispielsweise eine Veränderung der in Figur 19 (iii) dargestellten Signalkomponente in Richtung Figur 19 (ii).The forecast HAC for Si results from the unchanged continuation, since the T 2 signals have no direct effect on the Sr mode, which should match the actual Si HAC. Here, for example, there is a change in the signal component shown in FIG. 19 (iii) in the direction of FIG. 19 (ii).
S 2440 (Rückrechnen auf lückenerklärende Funktionalmatrizen):S 2440 (back calculation on functional matrices explaining gaps):
Keine Lücke bei S-i-Veränderung, daher ist die Zelle (1 ,2) gleich Null. (Mode 1 := die dargestellte S Mode, Mode 2:= die dargestellte S2-Mode). Mehrdeutige Lücke bei Zelle (2,1).No gap in Si change, therefore the cell (1, 2) is zero. (Mode 1: = the S mode shown, Mode 2: = the S 2 mode shown). Ambiguous gap in cell (2,1).
E 400 (Eindeutig?):E 400 (unique?):
Prüfen, ob mehr als eine Funktionalmatrix sich als Ergebnis von S 2440 ergibt. Wenn man sich in der jeweiligen Anwendung nicht für beliebige Zusammenhänge zwischen Hirnaktivitäten interessiert, sondern nur für bestimmte Zusammenhänge, beispielsweise nur zwischen den Hirnaktivitäten i und j, so genügt es, die (ij)-te und die GJ)-Zelle der Funktionalmatrix eindeutig zu füllen. Im vorliegenden Beispiel interessiert lediglich, ob HAC-erhaltende Veränderungen der Mode 1 sich ausbreiten, d.h. Mode 2 verändern, hierfür genügt die Betrachtung der Zelle (1 ,2), und diese hat den Wert Null.
S 2221 (Signal ändern):Check whether more than one functional matrix results from S 2440. If one is not interested in any connection between brain activities in the respective application, but only in certain connections, for example only between brain activities i and j, it is sufficient to clearly assign the (ij) th and the GJ) cells to the functional matrix to fill. In the present example, it is only of interest whether HAC-receiving changes in mode 1 are spreading, ie changing mode 2, for this it is sufficient to consider the cell (1, 2), and this has the value zero. S 2221 (change signal):
Beispielsweise Erzeugen von Frequenzverschiebungen, Phasenverschiebungen, Amplitudenänderungen, Stationaritat ändern, Rauschen hinzufügen, Ljapunov- Exponenten verändern, u.v.m., was im vorliegenden Beispiel nicht weiter benötigt wird.For example, generating frequency shifts, phase shifts, changes in amplitude, changing stationarity, adding noise, changing Ljapunov exponents, and much more, which is no longer required in the present example.
D 2410 (Funktionalmatrix):D 2410 (functional matrix):
Das Ergebnis umfasst jeweils eine Funktionalmatrix, die hier bspw. folgende Gestalt hat:
The result includes a functional matrix, which has the following form, for example:
Figur 25:Figure 25:
Analog zu Beispiel 2. Zusätzlich kann dank der translokalen Kalibrierung festgestellt werden, dass beispielsweise eine Ausbreitungseinschränkung (D4300) der Gestalt: "Durch Ti hervorgerufene Änderungen sollen sich nicht auf andere als von Si erfasste Hirnaktivitäten auswirken" erfüllt wird. Im vorliegenden Beispiel wird das Fmθ bei beispielsweise auf Null gesunkenem Driving (s. Figur 19 i) mit Hilfe des o.g. unterbrochenen Sinussignals durch Ti nahe seiner natürlichen Leistungsspektren („volles Driving", s. Figur 19, (ii) und (iii)) stabilisiert, ohne die von S2 erfasste Hirnaktivität zu stören. Das Ergebnis (gemessen von Si) ist in Figur 19 (iv) dargestellt. Das Hirnaktivitätsziel der Wiederherstellung von Att-i, ohne Att2 zu stören, ist damit erreicht, bei Anwendbarkeit des Ishihara-Yoshii-Modell somit auch das Verhaltensziel.Analogous to Example 2. In addition, thanks to the translocal calibration, it can be determined that, for example, a spread restriction (D4300) of the shape: "Changes caused by Ti should not affect brain activities other than those detected by Si". In the present example, the Fmθ is, for example, when driving has dropped to zero (see FIG. 19 i) using the interrupted sinusoidal signal by Ti close to its natural power spectra (“full driving”, see FIG. 19, (ii) and (iii)) stabilized without interfering with the brain activity detected by S 2. The result (measured from Si) is shown in Figure 19 (iv). The brain activity goal of restoring Att-i without interfering with Att 2 has been achieved with the applicability of the Ishihara-Yoshii model thus also the behavioral goal.
Erläuterungen und Anmerkungen:Explanations and notes:
Zu D 1000:For D 1000:
Ein Hirnaktivitätsmodell ist im einfachsten Fall eine Menge von Differenzen- und/oder Differentialgleichungen bspw. der Gestalt x(t) = f(x,t,lokaleParameter,endogenerInput,exogenerInpui) für eine Hirnaktivität, x Himaktivitätscharakteristikum, t Zeit. „Exogener Input" bezieht sich auf künstlich vermöge extrakranial generierter elektromagnetischer Felder hervorgerufene Werte von Inputvariablen in den Gleichungen des Hirnaktivitätsmodells ( im Gegensatz zu „endogenem Input", der im Regelfall über normale Sinnes- oder Nervenkanäle zustande kommt, beispielsweise durch photische Stimulation, durch thalamisches Pacemaking, durch Hören einer Symphonie, u.v.m). Exogener Input = Ü(Transmittersignal), ÜIn the simplest case, a brain activity model is a set of difference and / or differential equations, e.g. of the form x (t) = f (x, t, local parameters, endogenous input, exogenous Inui) for a brain activity, x home activity characteristic, t time. "Exogenous input" refers to the values of input variables in the equations of the brain activity model (artificially generated by extracranially generated electromagnetic fields) (in contrast to "endogenous input", which usually comes about through normal sensory or nerve channels, for example through photic stimulation, through thalamic Pacemaking, by listening to a symphony, and much more). Exogenous input = Ü (transmitter signal), Ü
Übersetzungsoperator. Die Funktion f richtet sich nach dem verwendeten Hirnaktivitätsmodell, und bestimmt die Ableitung von x unter Verwendung von x, t,
sowie nichtbeobachtbarem endogenem und nichtbeobachtbarem exogenem Input für einen nichtbeobachtbaren Parametersatz.Translation operator. The function f depends on the brain activity model used, and determines the derivative of x using x, t, as well as non-observable endogenous and non-observable exogenous input for a non-observable parameter set.
Allgemeine Hirnaktivitätsmodelle verwenden statt punktweisem x Pfade und/oder stochastische Differentialgleichungen unter Einbeziehung von Rauschen.General brain activity models use x paths and / or stochastic differential equations instead of point-wise including noise.
Verschiedene Hirnaktivitätsmodelle führen zu verschiedenenDifferent models of brain activity lead to different ones
Kalibrierungsergebnissen, mit eventuell verschiedenen resultierenden Modifikationen. Für geeignete Hirnaktivitätsmodelle wird das Hirnaktivitätsziel zuverlässig erreicht und bei geeignetem Verhaltensmodell das Verhaltensziel. Hirnaktivitäts- und Verhaltensmodeile sind auch in integrierter Form darstellbar.Calibration results, with possibly different resulting modifications. The brain activity goal is reliably achieved for suitable brain activity models and the behavior goal with a suitable behavior model. Brain activity and behavioral models can also be represented in an integrated form.
Zu S 2000:For S 2000:
Die Nichtlinearität des Systems gestattet es, durch geeignete Variation eines Transmittersignals möglichst kleiner Feldstärke („Testsignal") die nichtbeobachtbaren Größen inklusive des Übersetzungsoperators Ü zu bestimmen.The non-linearity of the system makes it possible to determine the non-observable variables including the translation operator Ü by suitable variation of a transmitter signal with a field strength that is as small as possible (“test signal”).
Die hier vorgestellte Dynamische Kalibrierung unterscheidet sich sowohl von vorhandenen mathematischen Methoden zur Parameterschätzung (die in der Regel Verteilungsannahmen der als Zufallsvariable betrachteten Parameter voraussetzen, und durch Beobachten des Verlaufs von Trajektorien über die Annahme einer zunehmenden Annäherung von aus den Beobachtungen errechneten und den wahren Parametern auf die Werte letzterer rückschließen, siehe z.B. [7]), als auch von aus den Ingenieurwissenschaften bekannten adaptiven Regelungen / Parameterschätzungen (diese sind im wesentlichen nur für lineare zeitinvariante Systeme brauchbar, allgemein tastet man sich als Bestandteil der Regelung mit sehr einfachen Funktionen als Stellgrößen über eine Minimierung von „ideale Regelgröße minus tatsächliche Regelgröße" voran, siehe z.B. [8]).The dynamic calibration presented here differs both from existing mathematical methods for parameter estimation (which usually assume distribution assumptions of the parameters considered as random variables, and by observing the course of trajectories assuming an increasing approximation of the parameters calculated from the observations and the true parameters infer the values of the latter, see, for example, [7]), as well as adaptive controls / parameter estimates known from engineering (these are essentially only useful for linear time-invariant systems, in general, as a component of the control, keying is performed with very simple functions as manipulated variables a minimization of "ideal control variable minus actual control variable", see for example [8]).
Dynamische Kalibrierung basiert im Unterschied zur „passiven Messung" (konventionellen nichtinvasiven in-vivo Beobachtung) der dargestellten mathematischen Verfahren auf „aktiver Messung" (Übertragung von Signalen in das betreffende System, sowie Messung des Systems in Interaktion mit dem Signal). Das Ergebnis aktiver Messung ist vielfach in nichtlinearen deterministischen und/oder nichtlinearen stochastischen Systemen (wie dem menschlichen Gehirn) deutlich verschieden von den in der Messung linearer Systeme üblichen Impuls- oder Sprungantworten, oder ähnlichem (z.B. Stochastische Resonanz). Im Unterschied zu bekannten adaptiven Regelungen / Parameterschätzungen ist die Dynamische Kalibrierung erstens ein im Normalfall von einer Regelung zu
separierender und dieser vorangehender Prozess, zweitens liegt bei der Dynamischen Kalibrierung das Hauptaugenmerk auf den verwendeten Testfunktionen, deren Vielfalt, und damit Trennfähigkeit zwischen verschiedenen Sätzen von Nichtobservablen der Komplexität des zu untersuchenden Systems angemessen ist (im Gegensatz zu einfachen Testfunktionen, wie Heaviside- Funktionen o.a., deren Systemantwort vielfach über lange Zeiträume beobachtet werden muss, was im in-vivo Fall ebenfalls nicht zumutbar ist), drittens ist die Art der Approximation an einen die Messwerte erklärenden Parametersatz grundverschieden (sukzessive Verkleinerung von Teilmengen einer diskretisierten Parametermannigfaltigkeit, im Gegensatz zum üblichen Soll-Ist- Vergleich von Reglergrößen).In contrast to the "passive measurement" (conventional non-invasive in-vivo observation) of the mathematical methods shown, dynamic calibration is based on "active measurement" (transmission of signals into the relevant system and measurement of the system in interaction with the signal). The result of active measurement is often significantly different in non-linear deterministic and / or non-linear stochastic systems (such as the human brain) from the impulse or jump responses or the like (eg stochastic resonance) that are common in the measurement of linear systems. In contrast to known adaptive controls / parameter estimates, dynamic calibration is first of all a control separating and this preceding process, secondly, in dynamic calibration, the main focus is on the test functions used, the variety, and thus separability, between different sets of non-observables is appropriate to the complexity of the system to be examined (in contrast to simple test functions such as Heaviside functions or the like , whose system response often has to be observed over long periods of time, which is also not reasonable in the in-vivo case), thirdly, the type of approximation to a parameter set that explains the measured values is fundamentally different (successive reduction of subsets of a discretized parameter diversity, in contrast to the usual target -Is- comparison of controller sizes).
Des weiteren liefert Dynamische Kalibrierung zusätzlich zur Feststellung der Nichtobservablen die im Falle heterogener und/oder komplexer Systeme entscheidenden unbekannten Übersetzungsoperatoren von Kenngrößen systemextern erzeugter Felder (z.B. Feldstärke und/oder Frequenzmuster extrakranialer Magnetfelder) in exogenen Input der Systemgleichungen.Furthermore, in addition to determining the non-observables, dynamic calibration provides the unknown translation operators of parameters external to the system (e.g. field strength and / or frequency pattern of extracranial magnetic fields), which are crucial in the case of heterogeneous and / or complex systems, in exogenous input of the system equations.
Zu D 2410:For D 2410:
Eine Funktionalmatrix ergibt sich als mxm Matrix aller m beobachteten verschiedenen Hirnaktivitäten, wobei die Matrixzelle my = 0 ist, falls keine funktionale Verbindung von der j-ten Aktivität zur i-ten Aktivität zu ermitteln ist.A functional matrix results as the mxm matrix of all m observed different brain activities, the matrix cell being my = 0 if no functional connection from the jth activity to the ith activity can be determined.
Funktionale Verbindungen zwischen Hirnaktivitäten setzen physiologischeFunctional connections between brain activities set physiological
Verbindungen der unterliegenden Hirnbestandteile voraus, letztere Verbindungen gestatten aber keine Aussage über die Kopplung von Hirnaktivitäten. Mögliche Funktionalmatrizen sind solche, die nach Parameterdiskretisierung mit denConnections of the underlying brain components ahead, but the latter connections do not allow any information about the coupling of brain activities. Possible functional matrices are those that, after parameter discretization with the
Beobachtungen kompatible Lösungen für die Gesamtheit der beobachtetenObservations compatible solutions for all of the observed
Hirnaktivitäten liefern, wobei in den Gleichungen für eine Hirnaktivität Zj deren endogener Input ersetzt wird durch bspw. Residualinput + Summe aller vorgelagerten Aktivitäten Zj * jeweilige Einflussstärke* Zj(t-Verzögerung). („A vorgelagert B" heißt „Veränderung von A verändert B", äquivalent hierzu: B nachgelagert A.)Provide brain activities, whereby in the equations for a brain activity Zj its endogenous input is replaced by, for example, residual input + sum of all upstream activities Z j * respective degree of influence * Z j (t-delay). ("A upstream B" means "change from A changes B", equivalent to: B downstream A.)
Die bevorzugte Ausführungsform des Verfahren bei lokaler Modifikation umfasst folgende Elemente (unter der Annahme, dass ein Cluster von benachbarten Wilson-Cowan Oszillatoren durch ein Paar von Wilson-Cowan-Gleichungen modelliert werden kann): a) Datenanalyse mit Fourieranalyse, alternativ auch in Kombination mit Waveletanalyse (geeignete Linearkombinationen von Lösungen x(t) und y(t) der Wilson-Cowan-Gleichungen als Basis) (Grundlagen siehe [13]), Phasenraumeinbettung, sowie statistischen Verfahren, um bezüglich der o.g. Analysemethoden die Wahrscheinlichkeit der Übereinstimmung von
Komponenten des gemessenen Signals mit einer Äquivalenzklasse von Lösungen der Wilson-Cowan-Gleichungen festzustellen.The preferred embodiment of the method with local modification comprises the following elements (assuming that a cluster of neighboring Wilson-Cowan oscillators can be modeled by a pair of Wilson-Cowan equations): a) data analysis with Fourier analysis, alternatively also in combination with Wavelet analysis (suitable linear combinations of solutions x (t) and y (t) of the Wilson-Cowan equations as a basis) (basics see [13]), phase space embedding, as well as statistical methods to determine the probability of agreement of the above analysis methods Determine components of the measured signal with an equivalence class of solutions of the Wilson-Cowan equations.
Testsignale vorzugsweise linear kombiniert aus zeitverzögerter Rückkopplung von Messsignalen und/oder Lösungen der Wilson-Cowan-Gleichungen, d.h. beispw. μ • (x(t -τ) - y(t - τ)) . b) Lokale Kalibrierung, c) Modifikation wie beschrieben, d) laufende Anfallswarnung nebst automatischer Gegensteuerung/-regelung wie beispw. in [9].Test signals preferably linearly combined from time-delayed feedback of measurement signals and / or solutions of the Wilson-Cowan equations, ie for example μ • (x (t -τ) - y (t - τ)). b) Local calibration, c) Modification as described, d) Continuous seizure warning along with automatic counter-control / regulation as for example in [9].
Analog ergibt sich die bevorzugte Ausführungsform für translokale Phänomene, wie oben dargestellt, plus translokale Kalibrierung.The preferred embodiment for translocal phenomena, as shown above, plus translocal calibration results analogously.
Falls keine Kalibrierung benötigt wird und die Limit-Cycle-Oszillatoren nur schwach gekoppelt sind und die Annahme gilt, dass sich Cluster von schwach gekoppelten Limit-Cycle-Oszillatoren durch Cluster von Phasenoszillatoren auch für kurze Zeiträume ersetzen lassen, können statt Limit-Cycle-Oszillatoren (Lösungen der Wilson-Cowan-Gleichungen) gekoppelte Phasenoszillatoren (siehe beispielsweise [23]) verwendet werden. Interventionen basieren auf Phasenreset und anschließender externer Versklavung nebst laufender Messung eines Signals, sodass der Cluster sich zielgemäß entwickelt. Diese Ausführungsform ist vorzugsweise bei eng umschriebenen Hirnarealen anzuwenden, damit der Reset keine unerwünschten Störungen hervorruft.If no calibration is required and the limit cycle oscillators are only weakly coupled and the assumption applies that clusters of weakly coupled limit cycle oscillators can be replaced by clusters of phase oscillators for short periods of time instead of limit cycle oscillators (Solutions of the Wilson-Cowan equations) coupled phase oscillators (see for example [23]) can be used. Interventions are based on a phase reset and subsequent external enslavement along with ongoing measurement of a signal so that the cluster develops in a targeted manner. This embodiment is preferably to be used in narrowly circumscribed areas of the brain, so that the reset does not cause any undesirable disturbances.
Für einen Messkanal wird die Phasenraumeinbettung illustriert:The phase space embedding is illustrated for a measuring channel:
Fig. 26 zeigt die EEG-Daten eines Kanals, wobei die x-Achse Zeiteinheiten (1/128 eines Sekunde) darstellt, die y-Achse Spannungsdifferenzen (zwischen der Mess- und der Referenzelektrode zum jeweiligen Zeitpunkt). Im einfachsten Fall erfolgt Feststellung des oder der Orbits beispielsweise gemäß [29]. Allgemein erfolgt die Einbettung über Delay-Koordinaten (siehe [27]), die Delay-Time ist, wie dort dargestellt, beispielsweise als erster Nulldurchgang der Autokorrelationsfunktion zu ermitteln. Einbettung eines Datenfensters für t = 130 und T = 86 (s. Figur 27). Hierbei gibt die x-Achse für ein mit t endendes Fenster der Länge 32 α-x(t-86)+ß-y(t-86) wieder, und die y-Achse α-x(t)+ß-y(t). In Fig. 27 ist alpha auf 1 und beta auf -1 gesetzt. Da Mehrfachbelegungen desselben Punktes nicht dargestellt werden, ist die Anzahl der Punkte in Figur 27 kleiner als 32. Mit gängigen Verfahren (Bayes, Minimax, u.v.a) wird nun nach Reskalierung die Übereinstimmung der empirischen Phasenraumbelegung mit jeder (auf dem endlichen Parametergitter) der Wilson-Cowan-Lösungen für jeden (auf den diskretisierten Einheitintervallen) Mischungswinkel ermittelt. Figur 28 stellt mit gleichen Achsenbezeichnungen wie Figur 27 und gleichen
Mischungswinkeln wie oben die Lösungen für tau=10, a=22, b=20, c=14, d=3, rhox=1.5 bei verschiedenem rhoy dar: Rauten für rhoy=-1.5, Quadrate für y=0. Figur 29 zeigt die Bedeutung der Mischungswinkel: hier sind bei gleichen Achsenbezeichnungen wie vorher die Lösungen für tau=10, a=22, b=20, c=14, d=3, rhox=1.5 , rhoy=0 mit alpha=1 und beta=-1 (Raute) sowie beta=-0.7 (Quadrate), und beta=-0.3 (Kreuze) gegenübergestellt.FIG. 26 shows the EEG data of a channel, the x-axis representing time units (1/128 of a second), the y-axis voltage differences (between the measuring and the reference electrode at the respective time). In the simplest case, the orbit (s) are determined, for example, according to [29]. In general, embedding takes place via delay coordinates (see [27]); the delay time, as shown there, can be determined, for example, as the first zero crossing of the autocorrelation function. Embedding a data window for t = 130 and T = 86 (see Figure 27). Here, the x axis for a window with a length of t 32 is α-x (t-86) + ß-y (t-86), and the y-axis α-x (t) + ß-y ( t). In Fig. 27, alpha is set to 1 and beta to -1. Since multiple assignments of the same point are not shown, the number of points in FIG. 27 is less than 32. With conventional methods (Bayes, Minimax, and many more), the correlation of the empirical phase space assignment with each (on the finite parameter grid) of the Wilson- Cowan solutions are determined for each (on the discretized unit intervals) mixing angle. FIG. 28 shows the same axis designations as FIG. 27 and the same Mixing angles as above represent the solutions for tau = 10, a = 22, b = 20, c = 14, d = 3, rho x = 1.5 with different rho y : diamonds for rho y = -1.5, squares for y = 0. Figure 29 shows the meaning of the mixing angle: here, with the same axis designations as before, the solutions for tau = 10, a = 22, b = 20, c = 14, d = 3, rho x = 1.5, rho y = 0 with alpha = 1 and beta = -1 (diamond) as well as beta = -0.7 (squares), and beta = -0.3 (crosses).
In einer vorteilhaften Ausgestaltung des Verfahrens werden statt der Wilson- Cowan-Gleichungen stochastische Wilson-Cowan-Gleichungen verwendet, das heißt, Px = Px,dct + Rauschen t py = py + Rauschen ιdef steht für den deterministischen Inputanteil, Rauschen für den stochastischen Input. das gleiche Verfahren wie vorher wird angewandt. Zusätzlich erfolgt die Feststellung der Rauschlevels. Sinnvoll ist hier ebenfalls die Verwendung von verrauschten Testsignalen und Messung von Signal-To-Noise Ratios.In an advantageous embodiment of the method, stochastic Wilson-Cowan equations are used instead of the Wilson-Cowan equations, that is, Px = P x , dct + noise t p y = p y + noise ιdef stands for the deterministic input component, noise for the stochastic input. the same procedure as before is used. In addition, the noise levels are determined. It also makes sense to use noisy test signals and measure signal-to-noise ratios.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens werden in den Wilson-Cowan-Gleichungen für x und y unterschiedliche Zeitkonstanten T verwendet und / oder unterschiedliche Multiplikatoren . Deren Kalibrierung erfolgt wie bereits für die anderen Parameter beschrieben.In a further advantageous embodiment of the method, different time constants T are used for x and y in the Wilson-Cowan equations and / or different multipliers. They are calibrated as already described for the other parameters.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens werden in den Wilson-Cowan-Gleichungen jedes Wilson-Cowan-Neurons eines Clusters die anderen Neuronen des Clusters über Mean-Field-Coupling eingekoppelt, das heißt für alle i = 1..N τxt = -x, + S(ax{ - byt + pχ . + ε yj) sowje
In a further advantageous embodiment of the method, the other neurons of the cluster are coupled into the Wilson-Cowan equations of each Wilson-Cowan neuron of a cluster via mean field coupling, that is to say for all i = 1..N τx t = - x, + S (ax { - by t + p χ . + ε yj ) sowje
τyι yj) mit
ε^ δ^η^v neuen, zu ermittelnden Nichtobservablen. Analog ist dies für Cluster von stochastischen Wilson-Cowan-Neuronen, analog mit oder ohne zeitverzögerten Input ausführbar.τyι y j ) with ε ^ δ ^ η ^ v new nonobservables to be determined. This can be done analogously for clusters of stochastic Wilson-Cowan neurons, analogously with or without time-delayed input.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens wird die Gestalt der sigmoiden Funktion der Neuronen eines Clusters mit Hilfe von verrauschten Testfunktionen kalibriert, da der Cluster je nach sigmoider Funktion Signal bzw. Rauschen verschieden verstärkt bzw. unterdrückt (siehe für einfache Netzwerke beispw. [28]).
ln einer weiteren vorteilhaften Ausgestaltung des Verfahrens werden Testfunktionen nacheinander jeweils umgekehrter Polung verwendet, das heißt zunächst Verwendung von eines Transmittersignals xi(t), danach von -xi(t).In a further advantageous embodiment of the method, the shape of the sigmoid function of the neurons of a cluster is calibrated with the aid of noisy test functions, since the cluster amplifies or suppresses signal or noise differently depending on the sigmoid function (see for simple networks, for example. [28] ). In a further advantageous embodiment of the method, test functions are used one after the other with reversed polarity, that is to say first using a transmitter signal xi (t), then using -xi (t).
In einer vorteilhaften Ausgestaltung wird die Kalibrierung nach n > 0 Testsignalen abgebrochen („Schnellkalibrierung"), ein mit den Messwerten kompatibler Satz von Parametern sowie endogenen und exogenen Inputs als Kalibrierungsergebnis vorläufig festgelegt. Sich im Rahmen der Modifikation (S3000) ergebende zusätzliche Messwerte werden laufend zur Anpassung des oben genannten Satzes verwendet.In an advantageous embodiment, the calibration is terminated after n> 0 test signals (“quick calibration”), a set of parameters that is compatible with the measured values and endogenous and exogenous inputs are provisionally determined as the calibration result. Additional measured values that result from the modification (S3000) become ongoing used to adapt the above sentence.
In einer vorteilhaften Ausgestaltung werden Einflussannahmen und -invarianten (D1049, D1050) validiert.In an advantageous embodiment, influence assumptions and invariants (D1049, D1050) are validated.
In einer vorteilhaften Ausgestaltung wird das EM Verfahren mit sensorischem Input (akustisch, optisch, u.a.) kombiniert. Beispiel: Instruktion an den Anwender in Beispiel 3, mit Beginn der Kalibrierung eine mentale Aufgabe (s. beispw. [20]) durchzuführen, wodurch das Auffinden geeigneter Fmθ -Moden erleichtert wird. Anderes Beispiel: Akustisches Pacernaking zur translokalen Kalibrierung auditorischer Hirnprozesse.In an advantageous embodiment, the EM method is combined with sensory input (acoustic, optical, etc.). Example: Instruction to the user in example 3 to carry out a mental task (see example [20]) at the beginning of the calibration, which makes it easier to find suitable Fmθ modes. Another example: Acoustic pacernaking for translocal calibration of auditory brain processes.
In einer vorteilhaften Ausgestaltung wird der Effekt des Verfahrens mit Hilfe geeigneter, für den einzelnen Anwender zu per externer Validierung zu ermittelnder Wiederholungsraten über die Dauer der einzelnen Anwendung hinaus stabilisiert. Diese Auswirkung geeigneter Wiederholungsraten ist bspw. für Anwendungen von TMS (transkranialer Magnetstimulation mit Magnetfeldern von 1 -2 Tesla) bekannt (s. beispw. [3]).In an advantageous embodiment, the effect of the method is stabilized beyond the duration of the individual application with the aid of suitable repetition rates to be determined for the individual user via external validation. This effect of suitable repetition rates is known, for example, for applications of TMS (transcranial magnetic stimulation with magnetic fields of 1-2 Tesla) (see, for example, [3]).
In einer vorteilhaften Ausgestaltung wird zusammen mit der Kalibrierung Sensoroptimierung betrieben: Zuschalten vorher inaktiver Sensoren und/oder Positionsveränderung von Sensoren und/oder Ausrichtungsveränderung von Sensoren solcherart, dass diese identifizierte und/oder nichtidentifizierte Hirnaktivitäten vom betreffenden, ggf. neu ausgerichteten Sensor besonders gut erfasst werden. Zur Sensoroptimierung sind herkömmliche Optimierungsverfahren geeignet.In an advantageous embodiment, sensor optimization is operated together with the calibration: switching on previously inactive sensors and / or changing the position of sensors and / or changing the orientation of sensors in such a way that these identified and / or unidentified brain activities are detected particularly well by the relevant, possibly reoriented sensor , Conventional optimization methods are suitable for sensor optimization.
In einer vorteilhaften Ausgestaltung wird zusammen mit der Kalibrierung Sensoroptimierung durch Zusammenschalten existierender Sensoren zu virtuellen Sensoren betrieben, solcherart dass Hirnaktivitäten vom betreffenden virtuellen Sensor besonders gut erfasst werden. Beispiel: S-i, S2, S3, S , über eine Funktion f(Sι, S2, S3, S4)=0.3*Sι+0.5*S2+0.02*(S3)2+0.5*sin(S1+S4) zu SVirtueiι
zusammengeschaltet. Ein geeignetes f wird für jede Teilmenge von Sensoren mit Hilfe herkömmliche Optimierungsverfahren ermittelt.In an advantageous embodiment, together with the calibration, sensor optimization is carried out by interconnecting existing sensors to form virtual sensors, in such a way that brain activities are recorded particularly well by the relevant virtual sensor. Example: Si, S 2 , S 3 , S, via a function f (Sι, S 2 , S 3 , S 4 ) = 0.3 * Sι + 0.5 * S 2 +0.02 * (S 3 ) 2 +0.5 * sin ( S 1 + S 4 ) to S V i rt ueiι connected together. A suitable f is determined for each subset of sensors using conventional optimization methods.
In einer vorteilhaften Ausgestaltung wird zusammen mit der Kalibrierung Transmitteroptimierung betrieben: Zuschalten vorher inaktiver Transmitter und/oder Positionsveränderung von Transmittern und/oderIn an advantageous embodiment, transmitter optimization is operated together with the calibration: switching on previously inactive transmitters and / or changing the position of transmitters and / or
Ausrichtungsveränderung von Transmittern solcherart, dass diese Hirnaktivitäten vom betreffenden, ggf. neu ausgerichteten Transmitter besonders gut beeinflusst werden. Zur Transmitteroptimierung sind herkömmliche Optimierungsverfahren geeignet.Change of orientation of transmitters in such a way that these brain activities are particularly well influenced by the relevant, possibly realigned transmitter. Conventional optimization methods are suitable for transmitter optimization.
In einer vorteilhaften Ausgestaltung wird zusammen mit der Kalibrierung Transmitteroptimierung durch Zusammenschalten existierender Transmitter zu virtuellen Transmittern betrieben, solcherart dass Hirnaktivitäten vom betreffenden virtuellen Transmitter besonders gut beeinflusst werden. Das Optimum (der virtuelle Transmitter) ergibt sich aus den Übersetzungsoperatoren mit Hilfe herkömmlicher OptimierungsverfahrenIn an advantageous embodiment, together with the calibration, transmitter optimization is operated by interconnecting existing transmitters to form virtual transmitters, such that brain activities are particularly well influenced by the virtual transmitter in question. The optimum (the virtual transmitter) results from the translation operators using conventional optimization methods
In einer vorteilhaften Ausgestaltung von S 2130 wird die Dekomposition für n Sensoren (n ganze Zahl zwischen 1 und der Maximalzahl der verwendeten Sensoren) gleichzeitig durchgeführt, d.h. die zu zerlegende Zeitreihe ist ein n- Tupel von Ein-Sensor-Zeitreihen.In an advantageous embodiment of S 2130, the decomposition for n sensors (n integer between 1 and the maximum number of sensors used) is carried out simultaneously, i.e. the time series to be broken down is an n-tuple of one-sensor time series.
In einer vorteilhaften Ausgestaltung von S 2130 wird die Dekomposition für ein n- Tupel von Ein-Sensor-Zeitreihen mit Pursuit-Verfahren durchgeführt (z.B. Matching Pursuit, s.[13]).In an advantageous embodiment of S 2130, the decomposition for an n-tuple of one-sensor time series is carried out using the pursuit method (e.g. matching pursuit, see [13]).
In einer weiteren vorteilhaften Ausgestaltung von S 2130 erfolgt die spatiotemporale Dekomposition des n-Tupels von Ein-Sensor-Zeitreihen beispielsweise mit dem Karhunen-Loeve-Verfahren (s. z.B. [17], [18]) und/oder Independent Component Analysis („ICA", s. bspw. [22]).In a further advantageous embodiment of S 2130, the spatiotemporal decomposition of the n-tuple of one-sensor time series is carried out, for example, using the Karhunen-Loeve method (see, for example, [17], [18]) and / or independent component analysis (“ICA”) , see for example [22]).
In einer weiteren vorteilhaften Ausgestaltung von S 2130 erfolgt die Dekomposition nach Einbettung in einen Metaphasenraum, wodurch stationäre und nichtstationäre Anteile getrennt werden (s. beispw. [15]).In a further advantageous embodiment of S 2130, the decomposition takes place after embedding in a metaphase space, as a result of which stationary and non-stationary parts are separated (see, for example, [15]).
In einer vorteilhaften Ausgestaltung von S 2130 erfolgt die Dekomposition parallel nach mehreren Verfahren, wobei nur die (mit einer a priori definierten Gewichtung) von einer Mehrzahl dieser Verfahren identifizierten Moden zur Weiterverarbeitung (u.a. Relevanzprüfung) akzeptiert werden.
ln einer vorteilhaften Ausgestaltung von D 2000 wird die Veränderung oder NichtVeränderung von Wahrnehmung und/oder Wahrnehmungsfähigkeit und/oder Wahrnehmungsbereitschaft als Verhaltensziel gesetzt. Beispiel hierfür ist u.a. die Veränderung der Diskriminationsfähigkeit für bestimmte Reize oder Klassen von Reizen.In an advantageous embodiment of S 2130, the decomposition is carried out in parallel according to several methods, only the modes (with an a priori defined weighting) identified by a plurality of these methods for further processing (including relevance checking) being accepted. In an advantageous embodiment of D 2000, the change or non-change of perception and / or ability to perceive and / or willingness to perceive is set as a behavioral goal. An example of this is the change in the ability to discriminate for certain stimuli or classes of stimuli.
In einer vorteilhaften Ausgestaltung von D 2000 wird die Veränderung oder NichtVeränderung von Handlungen und/oder Handlungsfähigkeit und/oder Handlungsbereitschaft als Verhaltensziel gesetzt. Beispiel hierfür ist u.a. die Verbesserung von Reaktionsgeschwindigkeit.In an advantageous embodiment of D 2000, the change or non-change of actions and / or ability to act and / or willingness to act is set as a behavioral goal. An example of this is the improvement of reaction speed.
In einer vorteilhaften Ausgestaltung von D 2000 wird die Veränderung oder NichtVeränderung von Aktivierung und/oder Aktivierungsfähigkeit als Verhaltensziel gesetzt.In an advantageous embodiment of D 2000, the change or non-change of activation and / or activation ability is set as a behavioral goal.
In einer vorteilhaften Ausgestaltung von D 2000 wird die Veränderung oder NichtVeränderung von Motivation und/oder Motivierungsfähigkeit und/oder Motivierungsbereitschaft als Verhaltensziel gesetzt.In an advantageous embodiment of D 2000, the change or non-change in motivation and / or motivation ability and / or motivation readiness is set as a behavioral goal.
In einer vorteilhaften Ausgestaltung von D 2000 wird die Veränderung oder NichtVeränderung von Aufmerksamkeit und/oder Aufmerksamkeitsfähigkeit als Verhaltensziel gesetzt.In an advantageous embodiment of D 2000, the change or non-change in attention and / or attention ability is set as a behavioral goal.
In einer vorteilhaften Ausgestaltung von D 2000 wird die Veränderung oder NichtVeränderung von Gedächtnis und/oder Gedächtnisinhalten und/oder Gedächtniszugriff als Verhaltensziel gesetzt.In an advantageous embodiment of D 2000, the change or non-change of memory and / or memory content and / or memory access is set as a behavioral goal.
In einer vorteilhaften Ausgestaltung von D 2000 wird die Veränderung oder NichtVeränderung von Lernen und/oder Lernfähigkeit und/oder Lernbereitschaft als Verhaltensziel gesetzt.In an advantageous embodiment of D 2000, the change or non-change of learning and / or ability to learn and / or willingness to learn is set as a behavioral goal.
In einer vorteilhaften Ausgestaltung von D 2000 wird die Veränderung oder NichtVeränderung von Bewusstsein als Verhaltensziel gesetzt.In an advantageous embodiment of D 2000, the change or non-change of consciousness is set as a behavioral goal.
In einer vorteilhaften Ausgestaltung von D 2000 wird die Veränderung oder NichtVeränderung von Emotionen und/oder Emotionsfähigkeit und/oder Emotionsbereitschaft als Verhaltensziel gesetzt.In an advantageous embodiment of D 2000, the change or non-change of emotions and / or emotional ability and / or emotional readiness is set as a behavioral goal.
In einer vorteilhaften Ausgestaltung von D 2000 wird die Veränderung oder NichtVeränderung von Appetenzen und/oder Aversionen als Verhaltensziel gesetzt.
ln einer vorteilhaften Ausgestaltung von D 2000 wird die Veränderung oder NichtVeränderung von Denken und/oder Denkfähigkeit und/oder Denkbereitschaft als Verhaltensziel gesetzt. („Denken" wird hier als „Durchführung mentaler Prozesse" definiert.).In an advantageous embodiment of D 2000, the change or non-change of appetites and / or aversions is set as a behavioral goal. In an advantageous embodiment of D 2000, the change or non-change of thinking and / or ability to think and / or willingness to think is set as a behavioral goal. ("Thinking" is defined here as "carrying out mental processes".)
In einer vorteilhaften Ausgestaltung von D 2000 wird die Veränderung oder NichtVeränderung von Verhaltensabläufen als Verhaltensziel gesetzt.In an advantageous embodiment of D 2000, the change or non-change of behavioral processes is set as the behavioral goal.
In einer vorteilhaften Ausgestaltung von D 2000 wird die Veränderung oder NichtVeränderung von Verhaltenskorrelationen als Verhaltensziel gesetzt.In an advantageous embodiment of D 2000, the change or non-change of behavior correlations is set as the behavior goal.
In einer vorteilhaften Ausgestaltung von D 2000 werden mehrere kompatible Verhaltensziele kombiniert.In an advantageous embodiment of D 2000, several compatible behavioral goals are combined.
In einer vorteilhaften Ausgestaltung von D 2000 werden mehrere nicht notwendigerweise kompatible Verhaltensziele hierarchisch kombiniert, d.h. es wird eine Prioritätsliste der Verhaltensziele aufgestellt und bei gegebenenfalls einander widersprechenden Verfahrenschritten die zum niedriger priorisierten Verhaltensziel gehörigen Verfahrensschritte später oder gar nicht ausgeführt.In an advantageous embodiment of D 2000, several behavior goals that are not necessarily compatible are combined hierarchically, i.e. a priority list of the behavioral goals is drawn up and, in the case of procedural steps which may conflict with one another, the procedural steps belonging to the lower-priority behavioral goal are carried out later or not at all.
In einer vorteilhaften Ausgestaltung von D 2000 wird zu anderen Verhaltenszielen dasjenige der Anfallsfreiheit mit oberster Priorität hinzugefügt, was eine Anwendung von [9] auf nicht medizinisch vorbelastete Anwender beinhaltet.In an advantageous embodiment of D 2000, that of freedom from seizures with top priority is added to other behavioral goals, which includes an application of [9] to non-medically stressed users.
In einer vorteilhaften Ausgestaltung von D 3000 wird das benötigte Verhaltensmodell der äußerst umfangreichen Literatur entnommen (z.B. für die vorgestellten Beispiele aus [11], [20], [21] jeweils Dutzende von Veröffentlichungen mit gleichem/ähnlichem Gegenstand).In an advantageous embodiment of D 3000, the required behavior model is taken from the extremely extensive literature (e.g. for the presented examples from [11], [20], [21] dozens of publications with the same / similar subject).
In einer vorteilhaften Ausgestaltung von D 3000 werden mehrere Verhaltensmodelle parallel verwendet, wobei nur diejenigen Steuerungs- oder Regelungsschritte (S 3000) durchgeführt werden, die (mit einer a priori definierten Gewichtung) mit einer Mehrzahl dieser Modelle kompatibel sindIn an advantageous embodiment of D 3000, several behavior models are used in parallel, only those control or regulation steps (S 3000) being carried out which are compatible (with a weighting defined a priori) with a plurality of these models
In einer vorteilhaften Ausgestaltung erfolgt mit Hilfe von i.d.R. psychologischen Tests externe Validierung der Verhaltensänderung/-aufrechterhaltung für den einzelnen Anwender während und/oder nach der EM Anwendung. Hierdurch wird geprüft, in welchem Umfang das verwendete, i.d.R. statistisch validierte Verhaltensmodell auf den betreffenden Anwender zutrifft.
In einer vorteilhaften Ausgestaltung von D 1000 werden mehrere generische Hirnaktivitätsmodelle parallel verwendet, wobei nur diejenigen Steuerungs- oder Regelungsschritte (S 3000) durchgeführt werden, die (mit einer a priori definierten Gewichtung) mit einer Mehrzahl dieser Modelle kompatibel sind.In an advantageous embodiment, external validation of the change / maintenance of behavior for the individual user during and / or after the EM application is generally carried out with the aid of psychological tests. In this way, it is checked to what extent the used, generally statistically validated behavior model applies to the user concerned. In an advantageous embodiment of D 1000, several generic brain activity models are used in parallel, only those control or regulation steps (S 3000) that are compatible (with an a priori defined weighting) being compatible with a plurality of these models.
In einer vorteilhaften Ausgestaltung des Verfahrens werden in den jeweiligen Schritten einzelne Sensoren und/oder einzelne Transmitter durch Mengen von Sensoren bzw. Mengen von Transmittern ersetzt. Dieses dient zur Feststellung und kontrollierten Modifikation nichtlokaler spatiotemporaler Moden, wie sie bspw. bei Jirsa-Haken-Modellen auftreten (s. bspw. [18]).In an advantageous embodiment of the method, individual sensors and / or individual transmitters are replaced by sets of sensors or sets of transmitters in the respective steps. This is used for the determination and controlled modification of nonlocal spatiotemporal modes, such as those that occur with Jirsa hook models (see, for example, [18]).
In einer vorteilhaften Ausgestaltung von D 4000 werden die minimalen Apparaturvoraussetzungen überschritten, um Zusatzinformationen erhalten zu können, die bei späteren Anwendungen mit möglicherweise geänderten Verhaltenszielen von Nutzen sein können (z.B.: grundsätzliche Anwendung des 10/20 Oberflächen EEGs, s. z.B. [16]). Der Vorteil dieser Ausgestaltung liegt in möglicher Standardisierung von Teilen des Apparates sowie teilweise möglicher Verwendung handelsüblicher Hardware.In an advantageous embodiment of D 4000, the minimum equipment requirements are exceeded in order to be able to obtain additional information that can be useful in later applications with possibly changed behavioral goals (e.g. basic application of the 10/20 surface EEG, see e.g. [16]). The advantage of this configuration lies in the possible standardization of parts of the apparatus and the possible use of commercially available hardware.
In einer weiteren vorteilhaften Ausgestaltung von D 4000 werden die minimalen Apparaturvoraussetzungen überschritten, um zusätzliche Steuerungs- oder Regelungsmöglichkeiten zu haben ( z.B.: zu jeder Nicht-Referenzelektrode des 10/20 Oberflächen EEGs eine unmittelbar frontal vor dieser Elektrode befindliche Spule). Der Vorteil dieser Ausgestaltung liegt in möglicher Standardisierung von Teilen des Apparates.In a further advantageous embodiment of D 4000, the minimum equipment requirements are exceeded in order to have additional control or regulation options (for example: for each non-reference electrode of the 10/20 surface EEG, a coil located directly in front of this electrode). The advantage of this configuration lies in the possible standardization of parts of the apparatus.
In einer vorteilhaften Ausgestaltung von S 3000 werden als die Kontrollvariable eingesetzten exogenen EM Felder durch sensorische Inputs und/oder biochemisch wirksame Substanzen ergänzt, wobei sich an den dargestellten Verfahrensschritten grundsätzlich nichts ändert.In an advantageous embodiment of S 3000, the exogenous EM fields used as the control variable are supplemented by sensory inputs and / or biochemically active substances, with nothing fundamentally changing in the process steps shown.
In weiteren vorteilhaften Ausgestaltungen des Verfahrens werden als Test- und Transmittersignale Signale mit stochastischen Anteilen verwendet (insbesondere bei verwendeten Hirnaktivitätsmodellen mit expliziten stochastischen Komponenten, wie bspw. [25], einer Erweiterung von [18], mit dem Ziel der Nutzbarmachung von stochastischer Resonanz und Coherence Resonance, siehe bspw. [26] für das FitzHugh-Nagumo-Modell).In further advantageous refinements of the method, signals with stochastic components are used as test and transmitter signals (in particular in the case of brain activity models used with explicit stochastic components, such as, for example, [25], an extension of [18], with the aim of utilizing stochastic resonance and Coherence Resonance, see for example [26] for the FitzHugh-Nagumo model).
In weiteren vorteilhaften Ausgestaltungen des Verfahrens werden als Test- und Transmittersignale Signale mit chaotischen Anteilen verwendet (insbesondere bei
verwendeten Hirnaktivitätsmodellen mit expliziten chaotischen Komponenten, wie bspw. Erweiterungen von [1] mit lokal stark gekoppelten Oszillatoren).In further advantageous refinements of the method, signals with chaotic components are used as test and transmitter signals (in particular with used brain activity models with explicit chaotic components, such as extensions of [1] with locally strongly coupled oscillators).
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens werden inaktive Moden durch Transmittersignale direkt aktiviert, d.h. durch den unmittelbaren Effekt der Signale auf die Mode.In a further advantageous embodiment of the method, inactive modes are activated directly by transmitter signals, i.e. through the direct effect of the signals on fashion.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens werden Moden durch Transmittersignale indirekt beeinflusst, d.h. über direkten Einfluss auf Moden, was wiederum (s. Funktionalmatrix) Auswirkungen auf die indirekt zu beeinflussenden Moden hat.In a further advantageous embodiment of the method, modes are indirectly influenced by transmitter signals, i.e. via direct influence on modes, which in turn (see functional matrix) has effects on the modes to be influenced indirectly.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens werden Bifurkationspunkte kontrolliert, d.h. es werden qualitative Veränderungen EM Hirnaktivität vorgenommen (wie etwa in Beispiel 3, wo der ohne Driving inaktive neuraie Oszillator eingeschaltet wurde).In a further advantageous embodiment of the method, bifurcation points are checked, i.e. qualitative changes are made to EM brain activity (as in example 3, where the neuro oscillator that was inactive without driving was switched on).
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens werden inaktive Moden aktiviert.In a further advantageous embodiment of the method, inactive modes are activated.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens erfolgt Amplitudenverstärkung durch Aktivierung inaktiver Moden und/oder Synchronisierung von Moden, analog Abschwachung durch Ausschaltung aktiver Moden und/oder Desynchronisierung von Moden.In a further advantageous embodiment of the method, the amplification of amplitudes takes place by activating inactive modes and / or synchronizing modes, analogously monitoring by switching off active modes and / or desynchronizing modes.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens erfolgt alterskorrelierter Verflachung (für EEG s. beispielsweise [12]) entgegenwirkende Amplitudenverstärkung.In a further advantageous embodiment of the method, age-correlated flattening (for EEG, see for example [12]) counteracting amplitude amplification.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens erfolgt die Dekomposition nichtstationärer Signale zunächst in einen stationären und einen nichtstationären Teil (s. bspw. [15]), wobei die verwendeten Test- und Transmittersignale dann mit dem nichtstationären Anteil zu modulieren sind.In a further advantageous embodiment of the method, the decomposition of non-stationary signals is initially carried out into a stationary and a non-stationary part (see, for example, [15]), the test and transmitter signals used then being modulated with the non-stationary part.
In einer weiteren vorteilhaften Ausgestaltung des Verfahrens erfolgt die Identifikation von Anwendern auf der Grundlage zeitstabiler Kalibrierungsdaten. Bereits herkömmlich spektralzerlegter EEG-Daten haben für ein Individuum zeitstabile Komponenten (nachgewiesen bis zu fünf Jahren Dauer bspw. [10]).
Relevante Veröffentlichungen:In a further advantageous embodiment of the method, users are identified on the basis of time-stable calibration data. Already conventionally spectrally decomposed EEG data have time-stable components for an individual (proven for up to five years, for example [10]). Relevant publications:
[1] "Excitatory and inhibitory interactions in localized populations of model neurons", Wilson HR & Cowan JD, Biophysical Journal 1972; 12: 1-22[1] "Excitatory and inhibitory interactions in localized populations of model neurons", Wilson HR & Cowan JD, Biophysical Journal 1972; 12: 1-22
[2] WO 00/29970 A1[2] WO 00/29970 A1
[3] "Therapeutic application of repetitive transcranial magnetic Stimulation: a review", Wassermann EM & Lisanby SH, Clin Neurophysiol 2001 ; 112: 1367-1377[3] "Therapeutic application of repetitive transcranial magnetic stimulation: a review", Wassermann EM & Lisanby SH, Clin Neurophysiol 2001; 112: 1367-1377
[4] WO 98/18384 A1[4] WO 98/18384 A1
[5] "Anticipation of epileptic seizures from Standard EEG recordings", Le Van Quyen M & Martinerie J & Navarro V & Boon P & D'Have M & Adam C & Renault B & Varela F & Baulac M, The Lancet 2001 Jan 20; 357: 183-8[5] "Anticipation of epileptic seizures from Standard EEG recordings", Le Van Quyen M & Martinerie J & Navarro V & Boon P & D'Have M & Adam C & Renault B & Varela F & Baulac M, The Lancet 2001 Jan 20 ; 357: 183-8
[6] WO 01/21067 A1[6] WO 01/21067 A1
[7] „Numerical Solution of Stochastic Differential Equations", Kloeden PE & Platen E, Springer Verlag, Berlin 1992, Kapitel 6.4 [8] „Regelungstechnik", Föllinger O, Hüthig Buch Verlag, 8., Überarb. Aufl., Heidelberg 1994 Kapitel 1.6[7] "Numerical Solution of Stochastic Differential Equations", Kloeden PE & Platen E, Springer Verlag, Berlin 1992, Chapter 6.4 [8] "Regelstechnik", Föllinger O, Hüthig Buch Verlag, 8th, revision. Ed., Heidelberg 1994 Chapter 1.6
[9] DE 102 15 115.6[9] DE 102 15 115.6
[10] „Intraindividual Specificity and Stability of Human EEG: Comparing a Linear vs a Nonlinear Approach", Dünki RM & Schmid GB & Stassen HH, Method Inform Med 2000; 39: 78-82[10] "Intraindividual Specificity and Stability of Human EEG: Comparing a Linear vs a Nonlinear Approach", Dünki RM & Schmid GB & Stassen HH, Method Inform Med 2000; 39: 78-82
[11] "An EEG Biofeedback Protocol for Affective Disorders", Rosenfeld JP, Clin Electroencephalography 2000; 31(1): 7-12[11] "An EEG Biofeedback Protocol for Affective Disorders", Rosenfeld JP, Clin Electroencephalography 2000; 31 (1): 7-12
[12] „Leitfaden für die EEG-Praxis", Ebe M & Homma I, Gustav Fischer Verlag, Stuttgart 1992, Kapitel 6.2.2[12] "Guide to EEG Practice", Ebe M & Homma I, Gustav Fischer Verlag, Stuttgart 1992, Chapter 6.2.2
[13] „A Wavelet Tour of Signal Processing", Mallat S, Academic Press, San Diego 1999,[13] "A Wavelet Tour of Signal Processing", Mallat S, Academic Press, San Diego 1999,
[14] „Applied Bioelectricity", Reilly JP, Springer Verlag, New York 1998, Kapitel 11[14] "Applied Bioelectricity", Reilly JP, Springer Verlag, New York 1998, Chapter 11
[15] „Stationarity and nonstationarity in time series analysis", Manuca R & Savit R, Physica D 1996; 99: 134-161[15] "Stationarity and nonstationarity in time series analysis", Manuca R & Savit R, Physica D 1996; 99: 134-161
[16] „Leitfaden für die EEG-Praxis", Ebe M & Homma I, Gustav Fischer Verlag, Stuttgart 1992, Kapitel 3.6.1 , und 3.6.2[16] "Guide to EEG Practice", Ebe M & Homma I, Gustav Fischer Verlag, Stuttgart 1992, chapters 3.6.1 and 3.6.2
[17] „Nonlinear Spatio-Temporal Dynamics and Chaos in Semiconductors", Scholl E, Cambridge University Press, Cambridge 2001 , Kapitel 7.3.4.[17] "Nonlinear Spatio-Temporal Dynamics and Chaos in Semiconductors", Scholl E, Cambridge University Press, Cambridge 2001, Chapter 7.3.4.
[18] "A derivation of a macroscopic field theory of the brain from the quasi-microscopic neural dynamics", Jirsa VK & Haken H, Physica D 1997; 99: 503-526
[19] "Approaches to verbal, Visual and musical creativity by EEG coherence analysis", Petsche H, Int J Psychophysiol 1996; 24: 145-159 [20] "Frontal midline theta rhythm and mental activity", Inanaga K,[18] "A derivation of a macroscopic field theory of the brain from the quasi-microscopic neural dynamics", Jirsa VK & Haken H, Physica D 1997; 99: 503-526 [19] "Approaches to verbal, visual and musical creativity by EEG coherence analysis", Petsche H, Int J Psychophysiol 1996; 24: 145-159 [20] "Frontal midline theta rhythm and mental activity", Inanaga K,
Psychiatry and Clin Neurosciences 1998; 52: 555-566 [21] "Frontal midline theta rhythms reflect alternative activation of prefrontal cortex and anterior cingulate cortex in humans", Asada H &Psychiatry and Clin Neurosciences 1998; 52: 555-566 [21] "Frontal midline theta rhythms reflect alternative activation of prefrontal cortex and anterior cingulate cortex in humans", Asada H &
Fukuda Y & Tsunoda S & Yamaguchi M & Tonoike M, NeuroscienceFukuda Y & Tsunoda S & Yamaguchi M & Tonoike M, Neuroscience
Letters 1999; 274: 29-32 [22] "Imaging Brain Dynamics Using Independent Component Analysis", Jung TP & Makeig S & McKeown & Bell AJ & Lee TW & Sejnowski TJ,Letters 1999; 274: 29-32 [22] "Imaging Brain Dynamics Using Independent Component Analysis", Jung TP & Makeig S & McKeown & Bell AJ & Lee TW & Sejnowski TJ,
Proceedings of the IEEE July 2001 ; 89(7): 1107-1122 [23] „Desynchronizing double-pulse phase resetting and application to deep brain Stimulation", Tass PA, Biol Cybern 85, 2001 : 343-354 [24] „Mathematical aspects of Hodgkin-Huxley neural theory", Cronin J, Cambridge University Press, Cambridge 1987, Kapitel 2 und 3Proceedings of the IEEE July 2001; 89 (7): 1107-1122 [23] "Desynchronizing double-pulse phase resetting and application to deep brain stimulation", Tass PA, Biol Cybern 85, 2001: 343-354 [24] "Mathematical aspects of Hodgkin-Huxley neural theory ", Cronin J, Cambridge University Press, Cambridge 1987, Chapters 2 and 3
[25] „Impacts of noise on a field theoretical model of the human brain",[25] "Impacts of noise on a field theoretical model of the human brain",
Frank TD & Daffertshofer A & Beek PJ & Haken H, Physica D 1999; 127:Frank TD & Daffertshofer A & Beek PJ & Haken H, Physica D 1999; 127:
233-249 [26] „Coherence and stochastic resonance in a two-state System", Lindner B & Schimansky-Geier L, Physical Review E June 2000; 61 (6): 6103-6110233-249 [26] "Coherence and stochastic resonance in a two-state system", Lindner B & Schimansky-Geier L, Physical Review E June 2000; 61 (6): 6103-6110
[27] „Analysis of Observed Chaotic Data", Abarbanel HDI, Springer, New[27] "Analysis of Observed Chaotic Data", Abarbanel HDI, Springer, New
York 1996, Kapitel 3.3 [28] „Introduction to Neural Dynamics and Signal Transmission Delay",York 1996, chapter 3.3 [28] "Introduction to Neural Dynamics and Signal Transmission Delay",
Wu J, DeGruyter, Berlin 2001 , Kapitel 3.4 [29] „Periodic Orbits: A New Language for Neuronal Dynamics", So P &Wu J, DeGruyter, Berlin 2001, Chapter 3.4 [29] "Periodic Orbits: A New Language for Neuronal Dynamics", So P &
Francis JT & Netoff TI & Gluckman BJ & Schiff SJ , Biophysical JournalFrancis JT & Netoff TI & Gluckman BJ & Schiff SJ, Biophysical Journal
74, June 1998: 2776-2785
74, June 1998: 2776-2785
Claims
1. Verfahren zur elektromagnetischen Modifikation von Hirnaktivität zum Erreichen eines vorgegebenen Verhaltenszieles, unter Verwendung eines den Zusammenhang zwischen Verhalten und den Verlauf von1. Method for electromagnetic modification of brain activity to achieve a given behavioral goal, using a the relationship between behavior and the course of
Hirnaktivitätscharakteristika beschreibenden Verhaltensmodells, sowie eines Hirnaktivitätsmodells, welches Hirnaktivität quantitativ beschreibt, wobei Hirnaktivitätscharakteristika und deren Verläufe aus der quantitativen Beschreibung der Hirnaktivität ableitbar sind, umfassend - Ermitteln mittels des Verhaltensmodells, welcher Soll-Verlauf bestimmter Hirnaktivitätscharakteristika dem Erreichen des Verhaltenszieles entspricht,Behavior model describing brain activity characteristics, as well as a brain activity model that describes brain activity quantitatively, wherein brain activity characteristics and their courses can be derived from the quantitative description of brain activity, comprising - determining by means of the behavior model which target course of certain brain activity characteristics corresponds to the achievement of the behavioral goal,
Erzeugung exogener elektrischer und/oder magnetischer Felder, und Messung elektromagnetischer Hirnaktivität nebst Berechnung von Hirnaktivitätscharakteristika zum Erreichen des Soll-Verlaufs in einem Steueroder Regelkreis, der Berechnungen mit dem Hirnmodell beinhaltet.Generation of exogenous electrical and / or magnetic fields, and measurement of electromagnetic brain activity together with calculation of brain activity characteristics to achieve the desired course in a control or regulating circuit, which includes calculations with the brain model.
2. Verfahren nach Anspruch 1 , wobei ein generisches Hirnaktivitätsmodell verwendet wird, das durch Ermitteln von Nichtobservablen des generischen Hirnaktivitätsmodells für einen bestimmten Anwender zu einem spezifischen Hirnaktivitätsmodell kalibriert wird, und der Einfluss exogener elektrischer und/oder magnetischer Felder auf Hirnaktivität für diesen Anwender ermittelt wird.2. The method of claim 1, wherein a generic brain activity model is used, which is calibrated by determining non-observables of the generic brain activity model for a specific user to a specific brain activity model, and the influence of exogenous electrical and / or magnetic fields on brain activity is determined for this user ,
3. Verfahren nach Anspruch 1 oder 2, wobei als Hirnaktivitätscharakteristika die Hirnaktivität beschreibende elektromagnetische Größen oder aus elektromagnetischen Größen abgeleitete Hilfsgrößen verwendet werden.3. The method according to claim 1 or 2, wherein the brain activity-describing the brain activity-describing electromagnetic variables or auxiliary variables derived from electromagnetic variables are used.
4. Verfahren nach Anspruch 3, wobei die elektromagnetischen Größen extra- und/oder intrakranial gemessene Potenziale und/oder Ströme und/oder Magnetfelder umfassen.4. The method according to claim 3, wherein the electromagnetic variables comprise extra- and / or intracranially measured potentials and / or currents and / or magnetic fields.
5. Verfahren nach Anspruch 3 oder 4, wobei die Hirnaktivitätscharakteristika Frequenzen elektromagnetischer Größen und/oder Koeffizienten bzgl. einer Fourier- oder Wavelet-Basisentwicklung oder Karhunen-Loeve-Koeffizienten von Zeitreihen der elektromagnetischen Größen und/oder stochastische Kenngrößen, wie z.B. Stationaritat, Momente, Korrelationen, und/oder nichtlineare Kenngrößen, wie z.B. Stabilität Ljapunov- Exponenten, Grenzzyklen, minimale Phsenraumdimension, umfassen. 5. The method according to claim 3 or 4, wherein the brain activity characteristics frequencies of electromagnetic variables and / or coefficients with respect to a Fourier or wavelet basis development or Karhunen-Loeve coefficients of time series of the electromagnetic variables and / or stochastic parameters, such as stationarity, moments , Correlations, and / or nonlinear parameters, such as stability of Ljapunov exponents, limit cycles, minimal phase space dimension.
6. Verfahren nach einem der Ansprüche 1 bis 5, wobei zum Berechnen des Soll-Verlaufs aus dem Verhaltensziel ein Verhaltensmodell verwendet wird, wie z.B. Varianten des Davidson-Modells, das Ishihara-Yoshie-Modell oder das Chaos-Anfallsmodell gemäß [9].6. The method according to any one of claims 1 to 5, wherein a behavior model is used to calculate the desired course from the behavior goal, such as Variants of the Davidson model, the Ishihara-Yoshie model or the chaos attack model according to [9].
7. Verfahren nach einem der Ansprüche 2 bis 6, wobei die Nichtobservablen für einen bestimmten Anwender kalibriert werden.7. The method according to any one of claims 2 to 6, wherein the non-observables are calibrated for a particular user.
8. Verfahren nach einem der Ansprüche 1 bis 7, wobei der Einfluss eines exogenen elektrischen und/oder magnetischen Feldes auf die Hirnaktivität eines bestimmten Anwenders ermittelt wird.8. The method according to any one of claims 1 to 7, wherein the influence of an exogenous electrical and / or magnetic field on the brain activity of a particular user is determined.
9. Verfahren nach einem der Ansprüche 2 bis 8, wobei das Berechnen des Einflusses des exogenen elektrischen und/oder magnetischen Feldes und das Ermitteln der Nichtobservablen gekoppelt ausgeführt werden.9. The method according to any one of claims 2 to 8, wherein the calculation of the influence of the exogenous electrical and / or magnetic field and the determination of the non-observables are carried out coupled.
10. Verfahren nach einem der Ansprüche 2 bis 9, wobei beim Kalibrieren zunächst eine Dekomposition (S 2130) von Ist- Verläufen von Hirnaktivitätscharakteristika in HAC-Moden derart vorgenommen wird, dass diesen HAC-Moden aus dem Hirnaktivitätsmodell errechnete Verläufe von Hirnaktivitätscharakteristika entsprechen.10. The method according to any one of claims 2 to 9, wherein during calibration a decomposition (S 2130) of actual courses of brain activity characteristics in HAC modes is carried out in such a way that these HAC modes correspond to courses of brain activity characteristics calculated from the brain activity model.
11. Verfahren nach Anspruch 10, wobei anhand dieser Moden Sätze von Parametern und endogenen Inputs und/oder exogenen Inputs ermittelt werden, die gemäß dem Hirnaktivitätsmodell der jeweiligen Mode zugrunde liegen können.11. The method according to claim 10, wherein sets of parameters and endogenous inputs and / or exogenous inputs are ascertained on the basis of these modes, which can be based on the respective mode according to the brain activity model.
12. Verfahren nach einem der Ansprüche 1 bis 11 , wobei ein Testsignal berechnet wird (S 2160), wobei das Testsignal ein exogenes elektrisches und/oder magnetisches Feld ist, das an den Anwender angelegt wird, wobei dessen Hirnaktivität gemessen wird und die nach oder bei Anlegen des Testsignals gemessene Hirnaktivität zusammen mit vorheriger Hirnaktivität ausgewertet wird und anhand des Auswertungsergebnisses mit den Messwerten kompatible Parametersätze nebst endogenen Inputs nebst Einflüssen des Testsignals auf die betrachtete Mode ermittelt werden.12. The method according to any one of claims 1 to 11, wherein a test signal is calculated (S 2160), wherein the test signal is an exogenous electrical and / or magnetic field that is applied to the user, wherein his brain activity is measured and the after or when the test signal is applied, brain activity measured is evaluated together with previous brain activity and, on the basis of the evaluation result, parameter sets compatible with the measured values, in addition to endogenous inputs and influences of the test signal on the mode under consideration, are determined.
13. Verfahren nach Anspruch 12, wobei das Testsignal solange verändert und erneut angelegt wird, bis sowohl Parametersatz, endogener Input als auch Einfluss des Testsignals auf die betrachtete Mode eindeutig feststehen, wodurch die Mode kalibriert ist. 13. The method according to claim 12, wherein the test signal is changed and reapplied until both the parameter set, endogenous input and the influence of the test signal on the mode under consideration are clearly established, whereby the mode is calibrated.
14. Verfahren nach einem der Ansprüche 12 und 13, wobei die Kalibrierung von Hirnaktivität durch Kalibrierung von Moden sowie Wechselwirkungen zwischen Moden erfolgt, ersteres und oder beides unter Berücksichtigung exogenen Inputs.14. The method according to any one of claims 12 and 13, wherein the calibration of brain activity by calibration of modes and interactions between modes takes place, the former and or both taking into account exogenous inputs.
15. Verfahren nach einem der Ansprüche 1 bis 14, wobei eine Schnellkalibrierung bereits nach Senden eines oder weniger Testsignale einen Satz von mit den Messwerten kompatiblen Parametern, endogenen Inputs, exogenen Inputs auswählt.15. The method according to any one of claims 1 to 14, wherein a quick calibration selects a set of parameters compatible with the measured values, endogenous inputs, exogenous inputs already after sending one or fewer test signals.
16. Verfahren nach Anspruch 15, wobei anhand des kalibrierten Hirnaktivitätsmodells berechnet wird, welcher Verlauf einer Kontrollvariable geeignet ist, den Ist- Verlauf der Hirnaktivitätscharakteristika in den Soll-Verlauf zu überführen, wobei die16. The method according to claim 15, wherein the calibrated brain activity model is used to calculate which profile of a control variable is suitable for converting the actual profile of the brain activity characteristics into the target profile, the
Kontrollvariable den dem exogenen magnetischen und/oder elektrischen Feld entsprechenden exogenen Input im Hirnaktivitätsmodell repräsentiert.Control variable represents the exogenous input corresponding to the exogenous magnetic and / or electrical field in the brain activity model.
17. Verfahren nach Anspruch 16, wobei der zu berechnende Verlauf der Kontrollvariablen durch Anwendung von Signalen bekannter Wirkung vereinfacht wird.17. The method according to claim 16, wherein the course of the control variables to be calculated is simplified by using signals of known effect.
18. Verfahren nach einem der Ansprüche 2 bis 17, wobei für mehrere Messbereiche lokale Moden kalibriert werden, deren Wechselwirkungen durch sukzessives Verändern einzelner lokaler Moden ermittelt werden (S 2420, S 2430, S 2440, S 2221 ).18. The method according to any one of claims 2 to 17, wherein local modes are calibrated for several measuring ranges, the interactions of which are determined by successively changing individual local modes (S 2420, S 2430, S 2440, S 2221).
19. Verfahren nach einem der Ansprüche 1 bis 18, wobei ergänzend zu den elektrischen und/oder magnetischen Feldern sensorische Inputs und/oder biochemisch wirksame Substanzen eingesetzt werden.19. The method according to any one of claims 1 to 18, wherein in addition to the electrical and / or magnetic fields, sensory inputs and / or biochemically active substances are used.
20. Verfahren nach einem der Ansprüche 1 bis 19, wobei Hirnaktivität mit Hilfe einer geeigneten Wiederholungsrate über die Dauer der Anwendung hinaus verändert und oder stabilisiert wird.20. The method according to any one of claims 1 to 19, wherein brain activity is changed and or stabilized with the aid of a suitable repetition rate beyond the duration of the application.
21. Verfahren nach einem der Ansprüche 1 bis 20, wobei zur Messung der elektromagnetischen Hirnaktivität mehrere Sensoren zusammengeschaltet werden. 21. The method according to any one of claims 1 to 20, wherein a plurality of sensors are connected together to measure the electromagnetic brain activity.
22. Verfahren nach einem der Ansprüche 1 bis 21 , wobei zum Erzeugen der Felder ein Transmitter verwendet wird, der bzgl. seiner22. The method according to any one of claims 1 to 21, wherein a transmitter is used to generate the fields, with respect to
Position und Ausrichtung veränderbar ist.Position and orientation is changeable.
23. Verfahren nach einem der Ansprüche 1 bis 22, wobei zum Erzeugen der Felder Transmitter verwendet werden, wobei mehrere Transmitter zusammen geschaltet werden.23. The method according to any one of claims 1 to 22, wherein transmitters are used to generate the fields, wherein a plurality of transmitters are connected together.
24. Verfahren nach einem der Ansprüche 10 bis 23, wobei Dekomposition einer n-elementigen Zeitreihe in spatiotemporale Moden vorgenommen wird.24. The method according to any one of claims 10 to 23, wherein decomposition of an n-element time series is carried out in spatiotemporal modes.
25. Verfahren nach einem der Ansprüche 10 bis 24, wobei die Dekomposition mit Pursuit-Verfahren durchgeführt wird.25. The method according to any one of claims 10 to 24, wherein the decomposition is carried out using the pursuit method.
26. Verfahren nach einem der Ansprüche 10 bis 25, wobei die Dekomposition nach transformierten Outputfunktionen des Hirnmodells erfolgt, wobei die jeweilige Transformation eine Signalveränderung zwischen den an der Hirnaktivität beteiligten Neuronen und dem betreffenden Sensor darstellt.26. The method according to any one of claims 10 to 25, wherein the decomposition takes place according to transformed output functions of the brain model, the respective transformation representing a signal change between the neurons involved in brain activity and the relevant sensor.
27. Verfahren nach einem der Ansprüche 10 bis 26, wobei die Dekomposition nach Einbettung in einen Metaphasenraum erfolgt, wodurch stationäre und nichtstationäre Anteile trennbar werden.27. The method according to any one of claims 10 to 26, wherein the decomposition takes place after embedding in a metaphase space, whereby stationary and non-stationary parts can be separated.
28. Verfahren nach einem der Ansprüche 10 bis 27, wobei die Dekomposition mehrfach mit unterschiedlichen Verfahren ausgeführt wird, wobei die mehreren Sätze von Moden in Abhängigkeit von den Verfahren gewichtet werden und nur die Moden für das weitere Verfahren verwendet werden, deren gesamte Gewichtung über einem bestimmten Schwellenwert liegt.28. The method according to any one of claims 10 to 27, wherein the decomposition is carried out several times with different methods, wherein the plurality of sets of modes are weighted depending on the method and only the modes are used for the further method, their total weighting over one certain threshold.
29. Verfahren nach einem der Ansprüche 1 bis 28, wobei das Verhaltensziel eines oder mehrere der nachfolgend angegebenen29. The method according to any one of claims 1 to 28, wherein the behavioral goal of one or more of the following
Verhaltensziele umfasst:Behavior goals include:
Veränderung oder NichtVeränderung von Wahrnehmung und/oder Wahrnehmungsfähigkeit und/oder Wahrnehmungsbereitschaft, Veränderung oderChange or non-change of perception and / or ability to perceive and / or willingness to perceive, change or
NichtVeränderung der Diskriminationsfähigkeit für bestimmte Reize oder Klassen von Reizen,No change in the ability to discriminate for certain stimuli or classes of stimuli,
Veränderung oder NichtVeränderung von Handlungen und/oderChange or non-change of actions and / or
Handlungsfähigkeit und/oder Handlungsbereitschaft, Veränderung oder NichtVeränderung von Reaktionsgeschwindigkeit,Ability to act and / or willingness to act, change or no change in reaction speed,
Veränderung oder NichtVeränderung von Aktivierung und/oder Aktivierungsfähigkeit,Change or non-change of activation and / or Activation ability
Veränderung oder NichtVeränderung von Motivation und/oderChange or no change in motivation and / or
Motivierungsfähigkeit und/oder Motivierungsbereitschaft,Motivation ability and / or motivation readiness,
Veränderung oder NichtVeränderung von Aufmerksamkeit und/oder Aufmerksamkeitsfähigkeit,Change or non-change of attention and / or attention ability,
Veränderung oder NichtVeränderung von Gedächtnis und/oderChange or no change in memory and / or
Gedächtnisinhalten und/oder Gedächtniszugriff,Memory content and / or memory access,
Veränderung oder NichtVeränderung von Lernen und/oder Lernfähigkeit und/oderChange or non-change of learning and / or ability to learn and / or
Lernbereitschaft, Veränderung oder NichtVeränderung von Bewusstsein,Willingness to learn, change or non-change of consciousness,
Veränderung oder NichtVeränderung von Emotionen und/oder Emotionsfähigkeit und/oder Emotionsbereitschaft,Change or non-change of emotions and / or emotional ability and / or willingness to emotion,
Veränderung oder NichtVeränderung von Appetenzen und/oder Aversionen,Change or non-change of appetites and / or aversions,
Veränderung oder NichtVeränderung von Denken und/oder Denkfähigkeit und/oder Denkbereitschaft,Change or non-change of thinking and / or ability to think and / or willingness to think,
Veränderung oder NichtVeränderung von Verhaltensabläufen,Change or non-change of behavioral processes,
Veränderung oder NichtVeränderung von Verhaltenskorrelationen.Change or no change in behavioral correlations.
30. Verfahren nach Anspruch 30, wobei mehrere nicht notwendigerweise kompatible Verhaltensziele hierarchisch kombiniert werden.30. The method according to claim 30, wherein a plurality of behavior goals that are not necessarily compatible are combined hierarchically.
31. Verfahren nach Anspruch 30, wobei dem Verhaltensziel der Anfallsfreiheit in der Hierarchie eine höchste Priorität zugeordnet wird.31. The method according to claim 30, wherein the behavior goal of seizure freedom is assigned a highest priority in the hierarchy.
32. Verfahren nach einem der Ansprüche 1 bis 31 , wobei mehrere gewichtete Verhaltensmodelle parallel verwendet werden, wobei nur diejenigen Steuerungs- oder Regelungsschritte (S 3000) durchgeführt werden, die mit einer Mehrzahl dieser Modelle kompatibel sind.32. The method according to any one of claims 1 to 31, wherein a plurality of weighted behavior models are used in parallel, wherein only those control or regulation steps (S 3000) are carried out which are compatible with a plurality of these models.
33. Verfahren nach einem der Ansprüche 1 bis 32, wobei eine externe Validierung der Verhaltensänderung/-aufrechterhaltung für den einzelnen Anwender durchgeführt wird.33. The method according to any one of claims 1 to 32, wherein an external validation of the behavior change / maintenance is carried out for the individual user.
34. Verfahren nach einem der Ansprüche 1 bis 32, wobei mehrere gewichtete Hirnaktivitätsmodelle parallel verwendet werden, wobei nur diejenigen Steuerungs- oder Regelungsschritte (S 3000) durchgeführt werden, die mit einer Mehrzahl dieser Modelle kompatibel sind. 34. The method according to any one of claims 1 to 32, wherein several weighted brain activity models are used in parallel, wherein only those control or regulation steps (S 3000) are carried out that are compatible with a plurality of these models.
35. Verfahren nach einem der Ansprüche 2 bis 34, wobei Kalibrierungsanforderungen für Einzelsensoren durch Kalibrierungsanforderungen für Mengen von Sensoren ersetzt werden.35. The method according to any one of claims 2 to 34, wherein calibration requirements for individual sensors are replaced by calibration requirements for quantities of sensors.
36. Verfahren nach einem der Ansprüche 1 bis 35, wobei das Erzeugen der Felder und das Messen alternierend durchgeführt werden.36. The method according to any one of claims 1 to 35, wherein the generation of the fields and the measurement are carried out alternately.
37. Verfahren nach einem der Ansprüche 1 bis 35, wobei das Erzeugen der Felder und das Messen gleichzeitig durchgeführt werden.37. The method according to any one of claims 1 to 35, wherein the generation of the fields and the measurement are carried out simultaneously.
38. Verfahren nach einem der Ansprüche 14 bis 37, wobei das zu verwendende Testsignal lineare oder nichtlineare und/oder chaotische und/oder stochastische und/oder nichtstationäre Anteile aufweist.38. The method according to any one of claims 14 to 37, wherein the test signal to be used has linear or non-linear and / or chaotic and / or stochastic and / or non-stationary components.
39. Verfahren nach einem der Ansprüche 17 bis 38, wobei die Identifikation von Anwendern auf der Grundlage zeitstabiler Kalibrierungsdaten erfolgt.39. The method according to any one of claims 17 to 38, wherein users are identified on the basis of time-stable calibration data.
40. Verfahren nach einem der Ansprüche 17 bis 39, wobei Kalibrierungs- und Modifikationsschritte für Gruppen von Sensoren und Transmittern sequentiell oder parallel durchgeführt werden.40. The method according to any one of claims 17 to 39, wherein calibration and modification steps for groups of sensors and transmitters are carried out sequentially or in parallel.
41. Verfahren nach einem der Ansprüche 17 bis 40, wobei Bifurkationspunkte kontrolliert werden, und somit unter anderem inaktive Moden aktiviert werden.41. The method according to any one of claims 17 to 40, wherein bifurcation points are checked, and thus among other things inactive modes are activated.
42. Verfahren nach einem der Ansprüche 18 bis 41, wobei Amplitudenverstärkung alterskorrelierter Aktivitätsverflachung erfolgt.42. The method according to any one of claims 18 to 41, wherein amplitude amplification of age-correlated activity flattening takes place.
43. Verfahren nach einem der Ansprüche 1 bis 42, wobei es automatisch ausgeführt wird.43. The method according to any one of claims 1 to 42, wherein it is carried out automatically.
44. Vorrichtung zum Erreichen eines vorgegebenen Verhaltenszieles, unter44. Device for achieving a predetermined behavioral goal, under
Verwendung eines den Zusammenhang zwischen Verhalten und den Verlauf von Hirnaktivitätscharakteristika beschreibenden Verhaltensmodells, sowie eines Hirnaktivitätsmodells, welches Hirnaktivität quantitativ beschreibt, wobei Hirnaktivitätscharakteristika und deren Verläufe aus der quantitativen Beschreibung der Hirnaktivität ableitbar sind, insbesondere zum Ausführen eines Verfahrens nach einem der Ansprüche 1 bis 43, umfassend: eine Einrichtung zum Ermitteln mittels des Verhaltensmodells, welcher Soll-Verlauf bestimmter Hirnaktivitätscharakteristika dem Erreichen des Verhaltenszieles entspricht, eine Einrichtung zur Erzeugung exogener elektrischer und/oder magnetischer Felder und Anlegen an einen Anwender mit zumindest einem Transmitter, eine Messeinrichtung zur Messung elektromagnetischer Hirnaktivität mit mindestens einem Sensor, eine Einrichtung zur Berechnung von Hirnaktivitätscharakteristika zum Erreichen des Soll-Verlaufs in einem Steuer- oder Regelkreis..Use of a behavior model describing the relationship between behavior and the course of brain activity characteristics, as well as a brain activity model which describes brain activity quantitatively, wherein brain activity characteristics and their courses can be derived from the quantitative description of brain activity, in particular for carrying out a method according to one of claims 1 to 43, full: a device for determining by means of the behavior model which target course of certain brain activity characteristics corresponds to the achievement of the behavioral goal, a device for generating exogenous electrical and / or magnetic fields and application to a user with at least one transmitter, a measuring device for measuring electromagnetic brain activity with at least one Sensor, a device for calculating brain activity characteristics to achieve the desired course in a control or regulating circuit ..
45. Vorrichtung gemäß Anspruch 44, dadurch gekennzeichnet, dass die Messeinrichtung mehrere Sensoren aufweist, die ein Sensorgitter bilden.45. Device according to claim 44, characterized in that the measuring device has a plurality of sensors which form a sensor grid.
46. Vorrichtung nach Anspruch 44 oder 45, dadurch gekennzeichnet, dass die Einrichtung zur Erzeugung exogener elektrischer und/oder magnetischer Felder mehrere Transmitter aufweist, die ein Transmittergitter bilden.46. Device according to claim 44 or 45, characterized in that the device for generating exogenous electrical and / or magnetic fields has a plurality of transmitters which form a transmitter grating.
47. Vorrichtung nach einem der Ansprüche 44 bis 46, dadurch gekennzeichnet, dass mindestens eine Rechnereinheit vorgesehen ist, in der Softwareeinheiten zur Implementierung des Verfahrens nach einem der Ansprüche 1 bis 43 gespeichert sind.47. Device according to one of claims 44 to 46, characterized in that at least one computer unit is provided in which software units for implementing the method according to one of claims 1 to 43 are stored.
48. Vorrichtung nach einem der Ansprüche 44 bis 47, dadurch gekennzeichnet, dass für einen jeden Sensor und einen jeden Transmitter eine elektrische und/oder magnetische Abschirmung vorgesehen ist.48. Device according to one of claims 44 to 47, characterized in that an electrical and / or magnetic shield is provided for each sensor and each transmitter.
49. Vorrichtung nach einem der Ansprüche 44 bis 48, dadurch gekennzeichnet, dass die Messeinrichtung mechanisch von der übrigen Vorrichtung entkoppelbar ausgebildet ist, sodass die Messeinrichtung von einem Anwender mitgeführt werden kann.49. Device according to one of claims 44 to 48, characterized in that the measuring device is designed to be mechanically decoupled from the rest of the device, so that the measuring device can be carried by a user.
50. Vorrichtung nach einem der Ansprüche 44 bis 49, dadurch gekennzeichnet, dass die Sensoren und Transmitter extrakranial angeordnet sind. 50. Device according to one of claims 44 to 49, characterized in that the sensors and transmitters are arranged extracranially.
51. Vorrichtung nach Anspruch 50, dadurch gekennzeichnet, dass die Sensoren und Transmitter auf einer Innenseite eines die Kranialform des jeweiligen Anwenders nachbildenden Helmes angeordnet sind.51. Device according to claim 50, characterized in that the sensors and transmitters are arranged on the inside of a helmet which imitates the cranial shape of the respective user.
52. Vorrichtung nach einem der Ansprüche 46 bis 51 , dadurch gekennzeichnet, dass das Transmittergitter und das Sensorgitter derart verschränkt sind, dass jedem Transmitter Sensoren und jedem Sensor Transmitter benachbart sind.52. Device according to one of claims 46 to 51, characterized in that the transmitter grating and the sensor grating are interlaced such that each transmitter and sensor are adjacent to the transmitter.
53. Vorrichtung nach einem der Ansprüche 46 bis 52, dadurch gekennzeichnet, dass im Transmittergitter Halterungen zum Aufnehmen zusätzlicher Transmitter vorgesehen sind, sodass die Transmitterdichte eines Transmittergitters lokal veränderbar ist und/oder sodass die Neigungswinkel einzelner Transmitter zum Kranium des Anwenders veränderbar sind.53. Device according to one of claims 46 to 52, characterized in that holders are provided in the transmitter grid for receiving additional transmitters, so that the transmitter density of a transmitter grid can be changed locally and / or so that the angle of inclination of individual transmitters to the user's cranium can be changed.
54. Vorrichtung nach einem der Ansprüche 44 bis 53, dadurch gekennzeichnet, dass die Vorrichtung in eine Sensoren und Transmitter aufweisende Kopfeinheit, eine Zwischeneinheit und eine Basiseinheit unterteilt ist, wobei die Zwischeneinheit einen Rechner und Softwareeinheiten zum Ausführen der nicht kalibrierungsabhängigen Verfahrensschritte und die Basiseinheit einen Rechner und Softwareeinheiten zum Ausführen der kalibrierungsabhängigen Verfahrensschritte umfasst. 54. Device according to one of claims 44 to 53, characterized in that the device is subdivided into a head unit having sensors and transmitters, an intermediate unit and a base unit, the intermediate unit being a computer and software units for executing the non-calibration-dependent method steps and the base unit Computer and software units for executing the calibration-dependent method steps.
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10215115 | 2002-04-05 | ||
DE10215115A DE10215115A1 (en) | 2002-04-05 | 2002-04-05 | Method and device for the prevention of epileptic seizures |
DE10234676A DE10234676A1 (en) | 2002-07-30 | 2002-07-30 | Procedure for electromagnetic modification of brain activity to cause predetermined mode of behavior using behavior model |
DE10234676 | 2002-07-30 | ||
PCT/EP2003/003545 WO2003085546A1 (en) | 2002-04-05 | 2003-04-04 | Method and device for the electromagnetic modification of cerebral activity |
Publications (1)
Publication Number | Publication Date |
---|---|
EP1493097A1 true EP1493097A1 (en) | 2005-01-05 |
Family
ID=28792818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
EP03717275A Withdrawn EP1493097A1 (en) | 2002-04-05 | 2003-04-04 | Method and device for the electromagnetic modification of cerebral activity |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP1493097A1 (en) |
JP (1) | JP2005528937A (en) |
AU (1) | AU2003221553A1 (en) |
WO (1) | WO2003085546A1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2759315A1 (en) * | 2013-01-25 | 2014-07-30 | Universita'del Salento | Brain Synchronisation using Magnetic Stimulation |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8118722B2 (en) | 2003-03-07 | 2012-02-21 | Neuronetics, Inc. | Reducing discomfort caused by electrical stimulation |
US7153256B2 (en) | 2003-03-07 | 2006-12-26 | Neuronetics, Inc. | Reducing discomfort caused by electrical stimulation |
US7601115B2 (en) | 2004-05-24 | 2009-10-13 | Neuronetics, Inc. | Seizure therapy method and apparatus |
US7857746B2 (en) | 2004-10-29 | 2010-12-28 | Nueronetics, Inc. | System and method to reduce discomfort using nerve stimulation |
US8600521B2 (en) * | 2005-01-27 | 2013-12-03 | Cyberonics, Inc. | Implantable medical device having multiple electrode/sensor capability and stimulation based on sensed intrinsic activity |
US8260426B2 (en) | 2008-01-25 | 2012-09-04 | Cyberonics, Inc. | Method, apparatus and system for bipolar charge utilization during stimulation by an implantable medical device |
US9314633B2 (en) | 2008-01-25 | 2016-04-19 | Cyberonics, Inc. | Contingent cardio-protection for epilepsy patients |
US7396326B2 (en) | 2005-05-17 | 2008-07-08 | Neuronetics, Inc. | Ferrofluidic cooling and acoustical noise reduction in magnetic stimulators |
US7711419B2 (en) | 2005-07-13 | 2010-05-04 | Cyberonics, Inc. | Neurostimulator with reduced size |
US7824324B2 (en) | 2005-07-27 | 2010-11-02 | Neuronetics, Inc. | Magnetic core for medical procedures |
US7532935B2 (en) | 2005-07-29 | 2009-05-12 | Cyberonics, Inc. | Selective neurostimulation for treating mood disorders |
US7996079B2 (en) | 2006-01-24 | 2011-08-09 | Cyberonics, Inc. | Input response override for an implantable medical device |
US7801601B2 (en) | 2006-01-27 | 2010-09-21 | Cyberonics, Inc. | Controlling neuromodulation using stimulus modalities |
ES2573323T3 (en) | 2006-03-29 | 2016-06-07 | Dignity Health | Electrical stimulation of cranial nerve microburst for the treatment of medical conditions |
US7962220B2 (en) | 2006-04-28 | 2011-06-14 | Cyberonics, Inc. | Compensation reduction in tissue stimulation therapy |
DE102007003565B4 (en) | 2007-01-24 | 2012-05-24 | Forschungszentrum Jülich GmbH | Device for reducing the synchronization of neuronal brain activity and suitable coil |
US7974701B2 (en) | 2007-04-27 | 2011-07-05 | Cyberonics, Inc. | Dosing limitation for an implantable medical device |
US8204603B2 (en) | 2008-04-25 | 2012-06-19 | Cyberonics, Inc. | Blocking exogenous action potentials by an implantable medical device |
JP5467453B2 (en) * | 2008-07-11 | 2014-04-09 | 学校法人東京理科大学 | Method and apparatus for discriminating human behavior in investment behavior |
ES2334316B1 (en) | 2008-08-13 | 2011-06-13 | Starlab Barcelona, S.L. | METHOD AND SYSTEM OF MULTISITIAN CRANIAL STIMULATION. |
US8457747B2 (en) | 2008-10-20 | 2013-06-04 | Cyberonics, Inc. | Neurostimulation with signal duration determined by a cardiac cycle |
US20100191304A1 (en) | 2009-01-23 | 2010-07-29 | Scott Timothy L | Implantable Medical Device for Providing Chronic Condition Therapy and Acute Condition Therapy Using Vagus Nerve Stimulation |
JP6793299B2 (en) * | 2015-08-26 | 2020-12-02 | パナソニックIpマネジメント株式会社 | Signal detection device and signal detection method |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6230049B1 (en) * | 1999-08-13 | 2001-05-08 | Neuro Pace, Inc. | Integrated system for EEG monitoring and electrical stimulation with a multiplicity of electrodes |
US6144872A (en) * | 1999-04-30 | 2000-11-07 | Biomagnetic Technologies, Inc. | Analyzing events in the thalamus by noninvasive measurements of the cortex of the brain |
WO2001074240A2 (en) * | 2000-03-30 | 2001-10-11 | The General Hospital Corporation | Method and apparatus for objectively measuring pain, pain treatment and other related techniques |
LU90582B1 (en) * | 2000-05-16 | 2001-11-19 | Europ Economic Community | System for identifying brain activity |
-
2003
- 2003-04-04 AU AU2003221553A patent/AU2003221553A1/en not_active Abandoned
- 2003-04-04 WO PCT/EP2003/003545 patent/WO2003085546A1/en not_active Application Discontinuation
- 2003-04-04 EP EP03717275A patent/EP1493097A1/en not_active Withdrawn
- 2003-04-04 JP JP2003582663A patent/JP2005528937A/en active Pending
Non-Patent Citations (1)
Title |
---|
See references of WO03085546A1 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2759315A1 (en) * | 2013-01-25 | 2014-07-30 | Universita'del Salento | Brain Synchronisation using Magnetic Stimulation |
Also Published As
Publication number | Publication date |
---|---|
JP2005528937A (en) | 2005-09-29 |
AU2003221553A1 (en) | 2003-10-20 |
WO2003085546A1 (en) | 2003-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1493097A1 (en) | Method and device for the electromagnetic modification of cerebral activity | |
EP2887861B1 (en) | Apparatus for examining a phase distribution to identify a pathological interaction between different areas of the brain | |
Edwards et al. | Comparison of time–frequency responses and the event-related potential to auditory speech stimuli in human cortex | |
EP2797667B1 (en) | Apparatus for calibrating non-invasive desynchronizing neurostimulation | |
DE69736592T2 (en) | SYSTEMS FOR PREDICTING, FAST RECORDING, WARNING, AVOIDING OR CHECKING STATE CHANGE IN YOUR BRAIN | |
EP3041574B1 (en) | System for non-invasive neuronal stimulation | |
EP1492593A1 (en) | Method and device for the prevention of epileptic attacks | |
EP3060112B1 (en) | Method for quantifying the perceptive faculty of a person | |
EP0582885A2 (en) | Procedure to classify field patterns | |
Harper et al. | Stimulus sequence context differentially modulates inhibition‐related theta and delta band activity in a go/no‐go task | |
Kropotov et al. | Differentiation of neuronal operations in latent components of event‐related potentials in delayed match‐to‐sample tasks | |
DE10211766B4 (en) | Device for treating patients by means of brain stimulation and the use of the device in medicine | |
DE602004005438T2 (en) | METHOD FOR MONITORING THE NERVOUS SYSTEM | |
Morrison et al. | Dissociation of category-learning systems via brain potentials | |
Zazio et al. | Perceptual and physiological consequences of dark adaptation: a TMS-EEG study | |
Wang et al. | Exploiting ongoing EEG with multilinear partial least squares during free-listening to music | |
Albarracín et al. | Electrophysiology for biomedical engineering students: a practical and theoretical course in animal electrocorticography | |
DE10234676A1 (en) | Procedure for electromagnetic modification of brain activity to cause predetermined mode of behavior using behavior model | |
Gourévitch et al. | A new and fast characterization of multiple encoding properties of auditory neurons | |
Rappelsberger et al. | Coherence and phase relations between EEG traces recorded from different locations | |
WO2016090396A1 (en) | Method for quantifying the perceptive faculty of a person | |
Wang | Closed-loop brain-computer interfaces for memory restoration using deep brain stimulation | |
Pomper | Functional significance of EEG beta-band oscillations in multisensory perception and selective attention | |
Da Costa et al. | Blind framework with low complexity model order selection and unsupervised identification of visually evoked potential components | |
DE102020131503A1 (en) | System for acquiring EEG signals from a living being and system for electrically stimulating tissue of a living being |
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: 20041029 |
|
AK | Designated contracting states |
Kind code of ref document: A1 Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IT LI LU MC NL PT RO SE SI SK TR |
|
AX | Request for extension of the european patent |
Extension state: AL LT LV MK |
|
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: 20061101 |