ES2588837T3 - Procedimiento de caracterización del estado fisiológico de un paciente a partir del análisis de su actividad eléctrica cerebral, y dispositivo de supervisión que realiza dicha aplicación - Google Patents
Procedimiento de caracterización del estado fisiológico de un paciente a partir del análisis de su actividad eléctrica cerebral, y dispositivo de supervisión que realiza dicha aplicaciónInfo
- Publication number
- ES2588837T3 ES2588837T3 ES13722352.5T ES13722352T ES2588837T3 ES 2588837 T3 ES2588837 T3 ES 2588837T3 ES 13722352 T ES13722352 T ES 13722352T ES 2588837 T3 ES2588837 T3 ES 2588837T3
- Authority
- ES
- Spain
- Prior art keywords
- physiological state
- patient
- matrices
- monitoring device
- procedure
- 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.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/0036—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room including treatment, e.g., using an implantable medical device, ablating, ventilating
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- 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
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
- A61M16/0051—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes with alarm devices
-
- 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
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
- A61M16/021—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes operated by electrical means
- A61M16/022—Control means therefor
- A61M16/024—Control means therefor including calculation means, e.g. using a processor
- A61M16/026—Control means therefor including calculation means, e.g. using a processor specially adapted for predicting, e.g. for determining an information representative of a flow limitation during a ventilation cycle by using a root square technique or a regression analysis
-
- 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
- A61M2209/00—Ancillary equipment
- A61M2209/08—Supports for equipment
- A61M2209/082—Mounting brackets, arm supports for equipment
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Pulmonology (AREA)
- Hematology (AREA)
- Anesthesiology (AREA)
- Emergency Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Procedimiento de detección de un estado fisiológico de un paciente que se desvía de un estado fisiológico de referencia, en el que, después de haber determinado en cada una de Q bandas de frecuencia un polo de referencia PRα con q ε [1...Q] representativo del estado fisiológico de referencia, se repiten las etapas siguientes en bucle: - efectuar en M segmentos temporales unas mediciones de una señal electroencefalográfica del paciente según n vías y en p instantes para generar M matrices de medición Xm que contienen n×p muestras, para m ε [1...M]; - filtrar y centrar cada matriz de medición Xm en las Q bandas de frecuencia para obtener M×Q matrices de mediciones filtradas Xm,q y determinar M×Q matrices normalizadas de covarianza espacial Cm,q mediante la fórmula**Fórmula** - para cada segmento temporal m, determinar unas distancias dm,q entre cada matriz normalizada de covarianza espacial Cm,q y el polo de referencia PRq, y determinar una diferencia em con el estado fisiológico de referencia en función de las distancias dm,q, - comparar cada una de las diferencias em con el estado fisiológico de referencia con un umbral S determinado.
Description
5
15
25
35
45
55
7: para i := 1 aM
8: W :=W + log CM(C(i)) ;
9: se suman los vectores tangentes en el espacio tangente
10: fin para
11: W := W/M;
12: se vuelve sobre la variedad con el mapa exponencial y se reitera
13: CM_new := exp CM (W) : distancia entre 2 iteraciones sucesivas
14 : d = dist (CM_new, CM)
15: CM-CM_new
16: fin mientras que
17: MR = CM
18: devolver MR;
Teniendo como operadores
expCM (W) = CM½ exp (CM-½ W CM-½) CM½
logCM (C) = CM½ log (CM-½ C CM-½) CM½
Una vez determinadas las matrices de referencia o prototipos PRq,r, el dispositivo de supervisión calcula un umbral S mediante el método siguiente. Se calculan las distancias entre cada matriz de covarianza espacial de referencia Cref y el prototipo PRq,r más próximo, y se determina la distancia media DM de todas las distancias así calculadas.
m,q
El umbral S es tomado así igual a la media aritmética de los valores absolutos MVA de las diferencias de cada una de las distancias así calculadas con la distancia media DM:
1: procedimiento de cálculo del umbral C es una tabla de M matrices de covarianza. L es el número de prototipos
2: para i:=1 a M
3: d(i) := arg min j=1:L [dist (Sj, Cj)]) ;
4: fin para
5: MVA := media aritmética (valor absoluto (distancia media (dist)))
6: S := MVA + imagen7 4 log(número de vías EEG) x MVA
7: devolver S
Como variante, el umbral se puede determinar de cualquier otra manera. Por ejemplo, se puede retener como umbral la media estadística de todas las distancias así calculadas, incrementada en tres diferencias tipo.
Siendo realizada ahora la etapa previa de caracterización del estado fisiológico de referencia, el dispositivo de supervisión 6 puede implementar una supervisión del estado fisiológico del paciente en tiempo real como sigue.
Como se indica en la figura 2, el dispositivo de supervisión 6 mide unas señales electroencefalográficas del paciente en tiempo real y efectúa de ese modo unas mediciones en M segmentos temporales que se efectúan así.
Cada medición da lugar a una matriz Xm de n señales medidas en p instantes durante el segmento temporal m. Posteriormente el dispositivo de supervisión 6 filtra y centra cada matriz de medición Xm en Q bandas de frecuencia (preferentemente las cinco bandas de frecuencia habituales 1-4 Hz, 4-8 Hz, 8-12 Hz, 12-24 Hz y 24-48 Hz) para obtener M×Q matrices de medición filtradas Xm,q.
A partir de las matrices de medición filtradas, se determinan M×Q matrices normalizadas de covarianza espacial de referencia Cm,q mediante la fórmula:
T
Cm,q = X X imagen8 trazaX XT .
m,qm,q m,qm,q
Para cada segmento temporal m, el dispositivo de supervisión calcula una diferencia con el estado fisiológico de referencia em mediante:
Q em = arg min distCm,q ,PRq,r .
r1...R
q1
Si una de las diferencias así determinadas es mayor que el umbral S, esta es entonces la señal de que el estado fisiológico del paciente se aleja del estado fisiológico de referencia.
8
En este caso, el dispositivo de supervisión 6 modifica la consigna enviada al dispositivo de asistencia respiratoria 4 para modificar el funcionamiento en un sentido que tienda a hacer volver al paciente hacia el estado fisiológico de referencia.
5 Las etapas de la figura 2 se repiten en bucle para permitir una supervisión permanente del paciente.
Las p muestras temporales de las n señales que constituyen las matrices de medición Xm o Xmref pueden obtenerse utilizando n vías electroencefalográficas distintas, lo que permite tener en cuenta la extensión espacial de la actividad electroencefalográfica. Sin embargo, es posible reconstruir n señales utilizables a partir de un número r 10 más restringido de vías electroencefalográficas mediante la técnica de la encaje temporal (véase Lachaux et ál., 1997). Para ello, es suficiente determinar para cada vía electroencefalográfica un detalle temporal ∆T que se toma preferentemente igual al retardo temporal tomado por el retorno al valor 1/e de la función de autocorrelación de la vía electroencefalográfica afectada. A partir de una vía electroencefalográfica dada V, se pueden así reconstruir q vías virtuales, dando otras tantas señales utilizables: 15 V(t1), V(t1+∆T)…, V(t1+k∆T)
V(t2), V(t2+∆T)…, V(t2+k∆T)
V(tq), V(tq+∆T)…, V(tq+k∆T)
El parámetro k se denomina encaje temporal. En el extremo, es posible no utilizar más que una única vía
25 electroencefalográfica para reconstruir n vías virtuales que dan las señales utilizables en el marco de la invención. Se pueden mezclar igualmente los dos métodos para obtener un encaje espaciotemporal, utilizando r vías electroencefalográficas de cada una de las que se reconstruyen q vías virtuales de manera que r×q=n.
La gráfica de la figura 4 muestra un ensayo de identificación, según el procedimiento de la invención, del estado 30 fisiológico de un paciente inducido mediante unas modificaciones encefalográficas a continuación de una limitación respiratoria.
La parte de la curva referenciada VS corresponde a la situación de ventilación espontánea utilizada como referencia, mientras que la parte de la curva titulada carga corresponde a una desarmonía provocada. El gráfico de arriba son 35 las diferencias del estado de referencia con el estado fisiológico actual del paciente, trazada en función del tiempo.
El gráfico inferior es el resultado de la detección del estado de desarmonía, para diferentes períodos de integración sobre unas ventanas móviles de 4, 8, 12 segundos, respectivamente. Se constata que se detectan algunas falsas alarmas en situación de ventilación espontánea sobre 500 ventanas analizadas (0,6 %) según la integración
40 realizada sobre una duración total de 2000 segundos. Se constata que la situación de desarmonía se detecta de pronto en la implementación del procedimiento de la invención.
La invención no está limitada a lo que se acaba de describir, sino que engloba por el contrario cualquier variante que entre en el marco definido por las reivindicaciones.
45 En particular, aunque el dispositivo de supervisión es, en este caso, exterior al dispositivo de asistencia, puede por supuesto integrarse en este último.
Referencias
50 DAMASIO, A.R. (1990). “Synchronous activation in multiple cortical regions: a mechanism for recall”. Semin. Neurosci., 2: 287-297.
DIDAY E. (1971)-“Une nouvelle méthode en classification automatique et reconnaissance des formes : la 55 méthode des nuées dynamiques”, Revue de Statistique Appliquée, XIX (2), pp.19-33.
FREEMAN, W.J. (1975). “Mass Action in the nervous system”. Academic Press, Nueva York.
Fletcher T., Conglin Lu, Stephen M. Pizer, y Sarang C. Joshi. (2004). “Principal geodesy analysis for the study of 60 nonlinear statistics of shape” IEEE Transactions on Medical Imaging, 23(8):995, 2004.
GRAY, C.M., y W. SINGER. (1989). “Stimulus-specific neuronal oscillations in orientation columns of cat Visual cortex”. Proc. Natl. Acad. Sci. USA, 86 (5): 1698-1702.
65 Lachaux J.-P., Pezard L. Garnero L. Pelte C. Renault B. Varela F. J., Martinerie J. “Spatial Extension of Brain
9
Claims (1)
-
imagen1 imagen2
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1254089 | 2012-05-03 | ||
FR1254089A FR2990124B1 (fr) | 2012-05-03 | 2012-05-03 | Procede de caracterisation de l'etat physiologique d'un patient a partir de l'analyse de son activite electrique cerebrale, et dispositif de surveillance faisant application |
PCT/EP2013/059279 WO2013164462A1 (fr) | 2012-05-03 | 2013-05-03 | Procede de caracterisation de l'etat physiologique d'un patient a partir de l'analyse de son activite electrique cerebrale, et dispositif de surveillance faisant application |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2588837T3 true ES2588837T3 (es) | 2016-11-07 |
Family
ID=48430712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES13722352.5T Active ES2588837T3 (es) | 2012-05-03 | 2013-05-03 | Procedimiento de caracterización del estado fisiológico de un paciente a partir del análisis de su actividad eléctrica cerebral, y dispositivo de supervisión que realiza dicha aplicación |
Country Status (7)
Country | Link |
---|---|
US (1) | US10939838B2 (es) |
EP (1) | EP2844139B1 (es) |
JP (1) | JP5952490B2 (es) |
CA (1) | CA2872061C (es) |
ES (1) | ES2588837T3 (es) |
FR (1) | FR2990124B1 (es) |
WO (1) | WO2013164462A1 (es) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11116437B2 (en) * | 2014-11-13 | 2021-09-14 | Cyrebro Technologies | Scoring method based on improved signals analysis |
WO2016190428A1 (ja) * | 2015-05-28 | 2016-12-01 | 国立研究開発法人理化学研究所 | 判定装置、判定方法、プログラム、ならびに、情報記録媒体 |
EP3241489A1 (en) * | 2016-05-04 | 2017-11-08 | Mensia Technologies | Predictive neuromarkers of alzheimer's disease |
EP3335630A1 (en) * | 2016-12-15 | 2018-06-20 | Mensia Technologies | Improved signal quality index of multichannel bio-signal using riemannian geometry |
WO2019060298A1 (en) | 2017-09-19 | 2019-03-28 | Neuroenhancement Lab, LLC | METHOD AND APPARATUS FOR NEURO-ACTIVATION |
US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
US11478603B2 (en) | 2017-12-31 | 2022-10-25 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to enhance emotional response |
JP7091747B2 (ja) * | 2018-03-19 | 2022-06-28 | 株式会社リコー | 生体情報処理装置及び生体情報処理システム |
US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
WO2020056418A1 (en) | 2018-09-14 | 2020-03-19 | Neuroenhancement Lab, LLC | System and method of improving sleep |
US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
WO2023057691A1 (fr) | 2021-10-08 | 2023-04-13 | Institut National de la Santé et de la Recherche Médicale | Procede multimodal de detection d'un changement d'etat physiologique d'un patient et dispositif de surveillance d'un patient pour la mise en œuvre d'un tel procede |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AUPN627395A0 (en) * | 1995-10-31 | 1995-11-23 | Compumedics Sleep Pty Ltd | Integrated diagnostic and therapeutic device for gas delivery to patient |
JP2002017687A (ja) * | 2000-07-07 | 2002-01-22 | Canon Inc | 生体信号解析方法 |
JP2004248714A (ja) * | 2003-02-18 | 2004-09-09 | Kazuo Tanaka | 生体信号を用いた認証方法および認証装置 |
US7190995B2 (en) * | 2003-06-13 | 2007-03-13 | The Regents Of The University Of Michigan | System and method for analysis of respiratory cycle-related EEG changes in sleep-disordered breathing |
US20070208269A1 (en) * | 2004-05-18 | 2007-09-06 | Mumford John R | Mask assembly, system and method for determining the occurrence of respiratory events using frontal electrode array |
US20070173733A1 (en) * | 2005-09-12 | 2007-07-26 | Emotiv Systems Pty Ltd | Detection of and Interaction Using Mental States |
FR2903314B1 (fr) * | 2006-07-10 | 2018-01-12 | Universite Pierre Et Marie Curie | Dispositif de detection d'un reglage inapproprie d'une machine d'assistance ventilatoire utilisee sur un mammifere. |
WO2010060153A1 (en) * | 2008-11-28 | 2010-06-03 | The University Of Queensland | A method and apparatus for determining sleep states |
FR2962322B1 (fr) * | 2010-07-07 | 2012-08-10 | Univ Paris Curie | Systeme de detection electroencephalographique d'une inadequation entre l'etat d'un patient place sous assistance ventilatoire et le reglage de la machine utilisee pour cette assistance, et utilisation de cette detection pour l'adaptation du reglage |
-
2012
- 2012-05-03 FR FR1254089A patent/FR2990124B1/fr active Active
-
2013
- 2013-05-03 ES ES13722352.5T patent/ES2588837T3/es active Active
- 2013-05-03 US US14/398,217 patent/US10939838B2/en active Active
- 2013-05-03 WO PCT/EP2013/059279 patent/WO2013164462A1/fr active Application Filing
- 2013-05-03 JP JP2015509453A patent/JP5952490B2/ja active Active
- 2013-05-03 EP EP13722352.5A patent/EP2844139B1/fr active Active
- 2013-05-03 CA CA2872061A patent/CA2872061C/fr active Active
Also Published As
Publication number | Publication date |
---|---|
US20150119745A1 (en) | 2015-04-30 |
WO2013164462A1 (fr) | 2013-11-07 |
CA2872061A1 (fr) | 2013-11-07 |
FR2990124B1 (fr) | 2014-04-25 |
US10939838B2 (en) | 2021-03-09 |
JP5952490B2 (ja) | 2016-07-13 |
EP2844139A1 (fr) | 2015-03-11 |
JP2015520627A (ja) | 2015-07-23 |
EP2844139B1 (fr) | 2016-06-29 |
CA2872061C (fr) | 2017-01-10 |
FR2990124A1 (fr) | 2013-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2588837T3 (es) | Procedimiento de caracterización del estado fisiológico de un paciente a partir del análisis de su actividad eléctrica cerebral, y dispositivo de supervisión que realiza dicha aplicación | |
Lay-Ekuakille et al. | Entropy index in quantitative EEG measurement for diagnosis accuracy | |
ES2438174T3 (es) | Un sistema de monitorización o predicción y un método de monitorización o predicción | |
US20170367607A1 (en) | Novel system and method to diagnose and predict different systemic disorders and mental states | |
JP2015501472A5 (es) | ||
JP2015527111A5 (es) | ||
DK177536B1 (en) | Method for detecting seizures | |
Shahid et al. | Epileptic seizure detection using the singular values of EEG signals | |
Wei et al. | Epileptic seizure detection in clinical EEGs using an XGBoost-based method | |
Rajan et al. | Feasibility analysis of portable electroencephalography based abnormal fatigue detection and tele-surveillance system | |
Duncan et al. | Identifying preseizure state in intracranial EEG data using diffusion kernels | |
Korats et al. | A space-time-frequency dictionary for sparse cortical source localization | |
US10750959B2 (en) | Heart rate estimation from face videos using quality based fusion | |
Leisman et al. | Measurement of axonal fiber connectivity in consciousness evaluation | |
KR101514790B1 (ko) | 주파수 영역 분석과 퍼지 이론을 이용한 보행 동결 판별 장치 및 이를 이용한 보행 동결 판별 방법 | |
Labate et al. | Effects of artifacts rejection on EEG complexity in Alzheimer’s disease | |
Chiang et al. | Sparse multivariate autoregressive (MAR)-based partial directed coherence (PDC) for electroencephalogram (EEG) analysis | |
KR20220086445A (ko) | 심음도 및 심전도 병합 측정을 수행하고 이를 기초로 심장질환을 모니터링하는 웨어러블 디바이스 및 이의 동작 방법 | |
Ireland et al. | Towards quantifying the impact of Parkinson's disease using GPS and lifespace assessment | |
BR102016016259A2 (pt) | Método de predição de surto epiléptico e dispositivo configurado para predição de surtos epilépticos | |
CN106923790B (zh) | 脑磁图检测中的高精度快速定位系统及方法 | |
WO2021092012A8 (en) | Methods and systems for comprehensive symptom analysis | |
CN106725364B (zh) | 基于概率统计方法的管制员疲劳检测方法及系统 | |
Chwyl et al. | Remote heart rate measurement through broadband video via stochastic bayesian estimation | |
ATE523793T1 (de) | Erfassung von mri-bildern |