ES2774407A1 - MULTIVARIANT ANALYSIS METHOD IN ELECTROENCEPHALOGRAPHY (EEG) (Machine-translation by Google Translate, not legally binding) - Google Patents
MULTIVARIANT ANALYSIS METHOD IN ELECTROENCEPHALOGRAPHY (EEG) (Machine-translation by Google Translate, not legally binding) Download PDFInfo
- Publication number
- ES2774407A1 ES2774407A1 ES201930036A ES201930036A ES2774407A1 ES 2774407 A1 ES2774407 A1 ES 2774407A1 ES 201930036 A ES201930036 A ES 201930036A ES 201930036 A ES201930036 A ES 201930036A ES 2774407 A1 ES2774407 A1 ES 2774407A1
- Authority
- ES
- Spain
- Prior art keywords
- channels
- bands
- eeg
- analysis
- synchronization
- 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- Withdrawn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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Psychiatry (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
Description
DESCRIPCIÓNDESCRIPTION
MÉTODO DE ANÁLISIS MULTIVARIANTE EN ELECTROENCEFALOGRAFÍA (EEG)MULTIVARIANT ANALYSIS METHOD IN ELECTROENCEPHALOGRAPHY (EEG)
Campo técnicoTechnical field
La presente invención está referida a un método de análisis global multivariante en electroencefalografía, en el que se utiliza un electroencefalograma (EEG), y es un método configurado para determinar una pluralidad de parámetros dinámicos y estáticos de registros EEG, de tal forma que, para cada patología o grupo de patologías afines, que están descritas por un grupo mínimo de variables relativamente específicas, puedan ser seleccionadas en función del tipo de paciente estudiado.The present invention refers to a multivariate global analysis method in electroencephalography, in which an electroencephalogram (EEG) is used, and is a method configured to determine a plurality of dynamic and static parameters of EEG records, in such a way that, for Each pathology or group of related pathologies, which are described by a minimum group of relatively specific variables, can be selected based on the type of patient studied.
La presente invención puede ser utilizada en cualquier aplicación clínica en que se utilice o emplee el EEG como, por ejemplo, epilepsia, estudios en UCI, alteraciones del nivel de consciencia, demencias o patologías psiquiátricas, es decir, es un método que permite identificar diferentes tipos de estados fisiológicos o patológicos cerebrales.The present invention can be used in any clinical application in which the EEG is used or employed, such as, for example, epilepsy, ICU studies, alterations in the level of consciousness, dementias or psychiatric pathologies, that is, it is a method that allows to identify different types of physiological or pathological brain states.
Estado de la técnica anteriorPrior state of the art
En la actualidad, por norma general, los análisis de EEG utilizados actualmente en la práctica clínica son altamente subjetivos. Esto le resta utilidad, tanto clínica como científica, por su falta de acuerdo entre observadores. Por esta razón, el desarrollo de variables objetivas es necesario para una mejor definición de las patologías, una más clara categorización de los pacientes, una mayor eficacia diagnóstica y, por lo tanto, terapéutica y de pronóstico.Currently, as a general rule, EEG analyzes currently used in clinical practice are highly subjective. This reduces its usefulness, both clinical and scientific, due to its lack of agreement between observers. For this reason, the development of objective variables is necessary for a better definition of the pathologies, a clearer categorization of patients, a greater diagnostic and, therefore, therapeutic and prognostic efficacy.
En la actualidad existen numerosos artículos científicos que describen diversos métodos analíticos para el registro EEG, algunos de ellos simples, pero muchos de ellos de una complejidad matemática considerable.There are now numerous scientific articles that describe various analytical methods for EEG recording, some of them simple, but many of them of considerable mathematical complexity.
Se conoce lo divulgado en el documento “A software package for sutdies on the prediction of epileptic seizures” de Teixeira C.A. et al. publicado en el Journal of Neurosciencie Methods 20110701 Elsevier Science Publisher B.V. [01/07/2011, Vol.200, pags.257-271] donde se describe una metodología que tiene como objetivo exclusivo la predicción de crisis epilépticas. Para ello, este documento describe la utilización de un conjunto complejo de herramientas matemáticas en el que la energía de las bandas se calcula mediante una transformada de ondícula del tipo wavelets. Esto implica que los resultados obtenidos no son directamente extrapolables en términos fisiológicos, sino que obligatoriamente se requiere de algoritmos matemáticos adicionales para extraer información del EEG/ECG y después clasificarla mediante métodos que no tienen una interpretación directa en términos de fisiología cerebral. Frente a esta metodología, la presente invención desarrolla un método de análisis global del EEG que incluye no solo crisis epilépticas, sino cualquier otro estado fisiológico o patológico cerebral, como encefalopatías, cefaleas o demencias. Esto implica que el objetivo de la presente invención no es intentar predecir crisis, sino identificarlas.The information disclosed in the document “A software package for sutdies on the prediction of epileptic seizures” by Teixeira CA et al. published in the Journal of Neuroscience Methods 20110701 Elsevier Science Publisher BV [07/01/2011, Vol.200, pages 257-271] where a methodology is described that has the exclusive objective of predicting epileptic seizures. To do this, this document describes the use of a complex set of mathematical tools in which the energy of the bands is calculated using a wavelet-type wavelet transform . This implies that the results obtained are not directly extrapolated in physiological terms, but that additional mathematical algorithms are necessarily required to extract information from the EEG / ECG and then classify it using methods that do not have a direct interpretation in terms of brain physiology. Faced with this methodology, the present invention develops a method of global EEG analysis that includes not only epileptic seizures, but any other physiological or pathological brain state, such as encephalopathies, headaches or dementias. This implies that the aim of the present invention is not to try to predict crises, but to identify them.
En la línea del antecedente previamente señalado, también se conoce lo divulgado en el documento “Functional brain connectivity from EEG in epilepsy: Seizure prediction and epileptic focus localization" de Van Mierlo Pieter et al. publicado en el Progress in Neurobiology, 20140708 Elsevier Amsterdam, [08/07/2014, Vol.121, pags.19-35] donde al igual que en el documento anterior, se describe una metodología que tiene como objetivo exclusivo la predicción de crisis epiléptica. En concreto, en este trabajo no se obtienen datos primarios, sino que es una revisión de diferentes métodos de conectividad con el que se pretende analizar diferentes métodos utilizados para este fin, y con el que solo se puede analizar crisis epilépticas.Along the lines of the previously mentioned antecedent, it is also known what is disclosed in the document "Functional brain connectivity from EEG in epilepsy: Seizure prediction and epileptic focus localization" by Van Mierlo Pieter et al. Published in Progress in Neurobiology, 20140708 Elsevier Amsterdam, [07/08/2014, Vol.121, pages 19-35] where, as in the previous document, a methodology is described that has the exclusive objective of predicting epileptic seizures. Specifically, in this study, no primary data, but it is a review of different connectivity methods with which it is intended to analyze different methods used for this purpose, and with which only epileptic seizures can be analyzed.
Finalmente se destaca lo divulgado en el documento “Cortical connectivity in fronto-temporal focal epilepsy from EEG analisis: a study via graph theory’ de Vecchio Fabrizio et al, publicado en el Clinical Neurophysiology, 201471002 Elsevier Science Publisher B.V. , [02/10/2014, Vol.126, pags.1108-1116] donde se describe una metodología que tiene como objetivo el analizar el estado interictal desde el punto de vista de la conectividad, por tanto, también está orientado en exclusiva hacia la epilepsia. Para ello, este documento utiliza un método que pretende resolver el problema inverso, es decir, identificar las fuentes de corriente intracraneales mediante registros extracraneales, y donde se utiliza una aproximación lineal. Sobre las fuentes identificadas con este método, se emplean herramientas de conectividad diferenciadas respecto de las utilizadas en la presente invención.Finally, what is disclosed in the document “Cortical connectivity in frontal-temporal focal epilepsy from EEG analysis: a study via graph theory” by Vecchio Fabrizio et al, published in the Clinical Neurophysiology, 201471002 Elsevier Science Publisher BV, [02/10 / 2014, Vol.126, pags.1108-1116] where a methodology that aims to analyze the interictal state from the point of view of connectivity is described, therefore, it is also exclusively oriented towards epilepsy. For this, this document uses a method that aims to solve the inverse problem, that is, to identify the sources of intracranial current through extracranial registers, and where a linear approximation is used. On the sources identified with this method, different connectivity tools are used compared to those used in the present invention.
Habida cuenta de la problemática existente, y de los métodos conocidos, se puede observar que, debido precisamente a la complejidad matemática de estos métodos conocidos, su uso clínico es prácticamente nulo o muy limitado; además de que los métodos conocidos están orientados a otros objetivos/usos. Por tanto, son necesarios métodos analíticos relativamente simples, de utilidad clínica inmediata y que puedan ser empleados en la práctica asistencial diaria.Taking into account the existing problems, and the known methods, it can be observed that, precisely due to the mathematical complexity of these known methods, their clinical use is practically null or very limited; besides that the known methods are oriented to other objectives / uses. Therefore, analytical methods are necessary relatively simple, of immediate clinical utility and that can be used in daily care practice.
Cara a resolver esta problemática, y frente a las tecnologías conocidas, la presente invención permite identificar diferentes tipos de estados, no solo crisis epilépticas, sino cualquier otro estado fisiológico o patológico cerebral, como encefalopatías, cefaleas o demencias, y para ello aporta un método que facilita de manera intuitiva la interpretación de cualquier EEG en la práctica clínica diaria, no restringiéndose a aspectos altamente específicos como la predicción de crisis epilépticas, y por tanto, esta metodología es de uso general pudiendo aplicarse tanto a estudios de pacientes ambulantes que sufren epilepsia, cefalea, demencia o alteraciones psiquiátricas; como a pacientes en UCI con encefalopatías, accidentes cerebro-vasculares o traumatismos cráneo-encefálicos; o a estudios del sueño o monitorización para epilepsia.In order to solve this problem, and compared to known technologies, the present invention makes it possible to identify different types of states, not only epileptic seizures, but any other physiological or pathological brain state, such as encephalopathies, headaches or dementias, and for this it provides a method that intuitively facilitates the interpretation of any EEG in daily clinical practice, not being restricted to highly specific aspects such as the prediction of epileptic seizures, and therefore, this methodology is of general use and can be applied both to studies of ambulatory patients suffering from epilepsy , headache, dementia or psychiatric disorders; as in ICU patients with encephalopathies, cerebrovascular accidents, or head trauma; or to sleep studies or monitoring for epilepsy.
Explicación de la invenciónExplanation of the invention
La presente invención tiene por objeto un método de análisis multivariante aplicado en la objetivación del análisis e interpretación de electroencefalogramas EEG, y con el que se permite identificar todo tipo de crisis fisiológica-patológica cerebral. Este objeto se alcanza con el método de la reivindicación 1. Otras realizaciones particulares se describen en las realizaciones dependientes.The object of the present invention is a multivariate analysis method applied in the objectification of the analysis and interpretation of EEG electroencephalograms, and with which it is possible to identify all types of cerebral physiological-pathological crisis. This object is achieved with the method of claim 1. Other particular embodiments are described in the dependent embodiments.
El método de la presente invención mejora los métodos actualmente empleados en dos factores fundamentales. En primer lugar, se trata de un método simple, que utiliza herramientas básicas, como la transformada rápida de Fourier (FFT), la correlación de Pearson o una versión simple de la teoría de grafos y redes, dirigidas a variables neurofisiológicas primarias, como la sincronización local por lóbulos o la evolución de la composición espectral, lo que permite conocer la variación a lo largo del tiempo de la corteza cerebral. En segundo lugar, se trata de utilizar una aproximación multidimensional empleando variables de frecuencia, variables temporales -de sincronización- y una combinación de las mismas para la categorización de los pacientes y las patologías. Con estos dos factores, y tal como se ha desarrollado en el apartado previo, la presente invención permite identificar todo tipo de crisis, no solo crisis epilépticas.The method of the present invention improves on the methods currently used in two fundamental factors. First, it is a simple method, using basic tools, such as the fast Fourier transform (FFT), Pearson's correlation or a simple version of graph and network theory, targeting primary neurophysiological variables, such as local synchronization by lobes or the evolution of the spectral composition, which allows to know the variation over time of the cerebral cortex. Secondly, it is about using a multidimensional approach using frequency variables, temporal variables - synchronization - and a combination of them for the categorization of patients and pathologies. With these two factors, and as developed in the previous section, the present invention makes it possible to identify all types of seizures, not just epileptic seizures.
El método puede aplicarse mediante descargas de software o aplicaciones (App) para cualquier encefalógrafo digital, independientemente de que se utilice para el diagnóstico convencional (epilepsia, patología neurológica o psiquiátrica) o estudios altamente específicos como la monitorización de larga duración en UCI, en unidades de videoelectroencefalografía (EEG) o incluso en estudios de polisomnografía (PSG).The method can be applied through software or application downloads ( App) for any digital encephalograph, regardless of whether it is used for diagnosis conventional (epilepsy, neurological or psychiatric pathology) or highly specific studies such as long-term monitoring in the ICU, in video-electroencephalography (EEG) units or even in polysomnography (PSG) studies.
Dado que se trata de un sistema altamente versátil que puede ser utilizado incluso para la monitorización a distancia de diferentes pacientes, ya que pueden seleccionarse fácilmente aquellas variables más relevantes para cada categoría. Por lo tanto, es posible emplear el método de la presente invención para monitorizar a distancia a un paciente mediante aplicaciones descargadas en ordenadores, tabletas o teléfonos móviles.Since it is a highly versatile system that can be used even for remote monitoring of different patients, since the most relevant variables for each category can be easily selected. Therefore, it is possible to employ the method of the present invention to remotely monitor a patient by applications downloaded to computers, tablets or mobile phones.
A lo largo de la descripción y de las reivindicaciones, la palabra «comprende» y sus variantes no pretenden excluir otras características técnicas, aditivos, componentes o pasos. Para los expertos en la materia, otros objetos, ventajas y características de la invención se desprenderán en parte de la invención y en parte de la práctica de la invención. Los siguientes ejemplos y dibujos se proporcionan a modo de ilustración y no se pretende que restrinjan la presente invención. Además, la invención cubre todas las posibles combinaciones de realizaciones particulares y preferidas aquí indicadas.Throughout the description and claims, the word "comprises" and its variants are not intended to exclude other technical characteristics, additives, components or steps. For those skilled in the art, other objects, advantages and characteristics of the invention will be derived in part from the invention and in part from the practice of the invention. The following examples and drawings are provided by way of illustration and are not intended to restrict the present invention. Furthermore, the invention covers all possible combinations of particular and preferred embodiments indicated herein.
Breve descripción de los dibujosBrief description of the drawings
A continuación, se pasa a describir de manera muy breve una serie de dibujos que ayudan a comprender mejor la invención y que se relacionan expresamente con una realización de dicha invención, que se ilustra como un ejemplo no limitativo de ésta.A series of drawings that help to better understand the invention and that expressly relate to an embodiment of said invention, which is illustrated as a non-limiting example thereof, will now be described very briefly.
La FIG.1 muestra el diagrama de flujo del método implementado por la presente invención.FIG.1 shows the flow chart of the method implemented by the present invention.
La FIG.2 muestra los registros en condiciones basales (izquierda) y durante la crisis parcial simple (derecha) en un primer ejemplo de uso.FIG. 2 shows the records in basal conditions (left) and during simple partial seizure (right) in a first example of use.
La FIG.3 muestra la modificación del conectograma promedio por efecto de la crisis en un primer ejemplo de uso.FIG. 3 shows the modification of the average connectogram due to the effect of the crisis in a first example of use.
La FIG.4 muestra la modificación de los gráficos de dispersión para los vectores de las bandas del EEG por efecto de la crisis comicial en el primer ejemplo de uso. FIG. 4 shows the modification of the scatter plots for the EEG band vectors due to the effect of seizure in the first example of use.
La FIG.5 muestra el registro de EEG en un segundo ejemplo de uso.FIG. 5 shows the EEG recording in a second usage example.
La FIG. 6 muestra una pluralidad de gráficas en un segundo ejemplo de uso.FIG. 6 shows a plurality of graphs in a second usage example.
La FIG.7 muestra el registro EEG en un tercer ejemplo de uso.FIG. 7 shows the EEG recording in a third usage example.
La FIG.8 muestra la dinámica de las bandas EEG por lóbulos durante un periodo de tiempo de 45 min en un tercer ejemplo de uso.FIG. 8 shows the dynamics of the EEG bands per lobe over a 45 min time period in a third usage example.
Explicación de un modo detallado de realización de la invención y ejemplosExplanation of a detailed embodiment of the invention and examples
El objeto de la presente invención es un método de análisis multivariante aplicado en electroencefalogramas (EEG) que comprende, a su vez: i) un proceso de análisis de la composición espectral por bandas de la señal para cada uno de los electrodos de registro; y ii) un proceso de análisis del grado de sincronización entre diferentes regiones del registro de la señal EEG.The object of the present invention is a multivariate analysis method applied to electroencephalograms (EEG) that comprises, in turn: i) a process for analyzing the spectral composition by bands of the signal for each of the recording electrodes; and ii) a process of analyzing the degree of synchronization between different regions of the EEG signal recording.
Proceso de análisis de la composición espectral por bandas de registro.Process of analysis of the spectral composition by recording bands.
Los registros de las señales captadas por cada uno de los electrodos son analizados a partir de un formato ASCII (100) aunque no hay limitación en el formato usable, pudiéndose analizar también a partir de otros formatos, como el EDF.The records of the signals captured by each one of the electrodes are analyzed using an ASCII (100) format, although there is no limitation on the usable format, and it can also be analyzed using other formats, such as EDF.
En una etapa inicial, se reduce la frecuencia de muestreo (101) con que se ha adquirido la señal (256, 512 o 1024 Hz) a 128 Hz. Posteriormente, se combinan los canales en un montaje diferencial (102) que es el montaje en el que se van a analizar los resultados de potencia espectral y se establece un registro para cada hemisferio (103). En esta etapa se analizan los canales del sistema internacional (SI) 10-20, así como canales accesorios, como los del sistema Maudsley, que utiliza canales adicionales en la región basal de los lóbulos temporales, tal y como se describe en [Fernández Torre JL, Alarcón G, Binnie CD, Polkey CE. (1999) Comparison of sphenoidal, foramen ovale and anterior temporal placements for detecting interictal epileptiform discharges in presurgical assessment for temporal lobe epilepsy. Clin Neurophysiol110:895-904] y también en [Kissani N, Alarcón G, Dad M, Binnie CD, Polkey CE. (2001) Sensitivity of recordings at sphenoidal electrode site for detecting seizure onset: evidence from scalp, superficial and deep foramen ovale recordings. Clin Neurophysiol 112:232-240]. In an initial stage, the sampling frequency (101) with which the signal has been acquired (256, 512 or 1024 Hz) is reduced to 128 Hz. Later, the channels are combined in a differential assembly (102) which is the assembly in which the spectral power results will be analyzed and a record is established for each hemisphere (103). In this stage, the channels of the international system (SI) 10-20 are analyzed, as well as accessory channels, such as those of the Maudsley system , which uses additional channels in the basal region of the temporal lobes, as described in [Fernández Torre JL, Alarcón G, Binnie CD, Polkey CE. ( 1999) Comparison of sphenoidal, foramen ovale and anterior temporal placements for detecting interictal epileptiform discharges in presurgical assessment for temporal lobe epilepsy. Clin Neurophysiol110: 895-904] and also in [Kissani N, Alarcón G, Dad M, Binnie CD, Polkey CE. ( 2001) Sensitivity of recordings at sphenoidal electrode site for detecting seizure onset: evidence from scalp, superficial and deep foramen ovale recordings. Clin Neurophysiol 112: 232-240].
Los canales se filtran mediante filtros digitales de tipo Butterworth de cuarto orden, con ancho de banda 0,5 - 30 Hz para los canales EEG y 1,5-25 para los canales ECG. Se aplica, además, un filtro notch de entre 47-53 Hz. La frecuencia cardiaca instantánea (FC, en latidos por minuto) también se analiza a partir del inverso del intervalo entre dos ondas R consecutivas, mediante la siguiente expresión:The channels are filtered by fourth-order Butterworth type digital filters, with bandwidth 0.5-30 Hz for EEG channels and 1.5-25 for ECG channels. In addition, a notch filter between 47-53 Hz is applied. The instantaneous heart rate (HR, in beats per minute) is also analyzed from the inverse of the interval between two consecutive R waves, using the following expression:
Posteriormente se definen ventanas (v) temporales (106) que pueden ser variables y que pueden tener entre 128 y 1024 puntos (N). El número de puntos condiciona la precisión del análisis en el dominio de la frecuencia. Estas ventanas pueden: (a) no estar superpuestas (104); o (b) si estar superpuestas (105) en un porcentaje de su longitud. Con ello se pretende disminuir los efectos de bordes en el análisis espectral. Para cada canal (m) y cada ventana (n) y para cada frecuencia (k) se determina el espectro de potencia, mediante la transformada rápida de Fourier (S™fc, en |iV2/Hz) - FFT por ventana (v) (107) que se almacenan en una base de datos de FFT(v) (107a) -, de acuerdo con la siguiente expresión:Later, temporary windows (v) are defined (106) that can be variable and that can have between 128 and 1024 points (N). The number of points determines the precision of the analysis in the frequency domain. These windows can: (a) not be overlapping (104); or (b) whether to overlap (105) by a percentage of its length. This is to reduce edge effects in spectral analysis. For each channel (m) and each window (n) and for each frequency (k) the power spectrum is determined, by means of the fast Fourier transform (S ™ fc, in | iV2 / Hz) - FFT per window (v) (107) that are stored in a FFT database (v) (107a) -, according to the following expression:
Donde Vm(n) es la serie temporal del potencial digitalizado correspondiente al canal m. Para cada ventana, se calcula también la entropía espectral de Shannon (Se) -entropía para cada ventana [S(v)] (108) que se almacena en una base de datos de entropías (108a)- para un rango de frecuencia entre 0 y F, de acuerdo con esta expresión:Where Vm (n) is the time series of the digitized potential corresponding to channel m. For each window, the Shannon spectral entropy (Se) -entropy is also calculated for each window [S (v)] (108) which is stored in an entropy database (108a) - for a frequency range between 0 and F, according to this expression:
Donde pk es la densidad de probabilidad del espectro, obtenida mediante esta expresión:Where pk is the probability density of the spectrum, obtained through this expression:
A partir de cada uno de estos espectros se calcula el área (109) para las bandas características del EEG, que son: delta (0-4 Hz), theta (4-8 Hz), alfa (8-13 Hz) y beta (13-30 Hz). Las áreas se determinan mediante la siguiente expresión, para todas las frecuencias (k):From each of these spectra the area (109) is calculated for the characteristic bands of the EEG, which are: delta (0-4 Hz), theta (4-8 Hz), alpha (8-13 Hz) and beta (13-30 Hz). The areas are determined by the following expression, for all frequencies (k):
su pHis p
A j (k) = ^ S ™ (k)Ak;j = S, 9, a,fí; m = Fpl,F3, ...;n = 1, 2,... A j ( k) = ^ S ™ ( k) Ak, j = S, 9, a, fi; m = Fpl, F3, ...; n = 1, 2, ...
k = í n fk = í n f
Estas áreas se representan a lo largo del tiempo, o mejor, de su equivalente, que son las ventanas sobre las que se han calculado. Inicialmente se hace para cada canal y se almacenan en una base de datos de áreas (109a).These areas are represented over time, or better, their equivalent, which are the windows on which they have been calculated. Initially it is done for each channel and they are stored in a database of areas (109a).
Para cada uno de los canales simétricos se evalúa la diferencia mediante un análisis estadístico con las siguientes hipótesis:For each of the symmetric channels, the difference is evaluated through a statistical analysis with the following hypotheses:
^ 0 '■ H- ízq = H- d e r > ^ 1 '■ H- ízq ^ H- d e r ^ 0 '■ H- ízq = H- der > ^ 1 ' ■ H- ízq ^ H- der
Para elegir el test adecuado, se evalúa la normalidad de ambas distribuciones mediante el test de Kolmogorov-Smirnov. Si ambas distribuciones se ajustan a la normalidad, el contraste de hipótesis se hace mediante el test t de Student. Si algunas de las distribuciones no son normales, se utiliza el test de Mann-Withney. Dado que, en general, el número de elementos es grande (n>>30), se considera significativa la diferencia sólo cuando p<10-5. Esta diferencia se muestra para cada par de canales. Estas mismas hipótesis estadísticas se van a utilizar cada vez que se comparen pares de variables.To choose the appropriate test, the normality of both distributions is evaluated using the Kolmogorov-Smirnov test. If both distributions conform to normality, the hypothesis test is done using the Student's t test. If some of the distributions are not normal, the Mann-Withney test is used. Since, in general, the number of elements is large (n >> 30), the difference is considered significant only when p <10-5. This difference is shown for each pair of channels. These same statistical hypotheses will be used each time pairs of variables are compared.
Posteriormente, los canales se agrupan (110) de tres maneras diferentes: i) considerando todos los canales de scalp (excepto los de la línea media Fz-Cz y Cz-Pz), ii) por hemisferios o bien iii) por lóbulos. Los lóbulos considerados, son los siguientes (como ejemplo el hemisferio izquierdo): frontal (F) = {Fp1-F3, F3-C3}, parieto-occipital (PO) ={C3-P3, P3-O1} y temporal (T) = {F7-T3, T3-T5, T5-O1}. En el caso del montaje de Maudsley, el lóbulo temporal incluye los canales {F7-T3, T3-T5, T5-O1, T1-T9, T9-P7, P7-O1}. Estas agrupaciones pretenden mostrar características de la colectividad que son difíciles de evaluar en la dinámica de pares de canales individuales (y tienen múltiples representaciones, 110a). Para mostrar estas dinámicas, se halla la media y los valores de dispersión.Subsequently, the channels are grouped (110) in three different ways: i) considering all the scalp channels (except those of the midline Fz-Cz and Cz-Pz), ii) by hemispheres or iii) by lobes. The lobes considered are the following (as an example the left hemisphere): frontal (F) = {Fp1-F3, F3-C3}, parieto-occipital (PO) = {C3-P3, P3-O1} and temporal (T ) = {F7-T3, T3-T5, T5-O1}. In the case of the Maudsley montage, the temporal lobe includes the channels {F7-T3, T3-T5, T5-O1, T1-T9, T9-P7, P7-O1}. These clusters are intended to show characteristics of the collectivity that are difficult to assess in the dynamics of individual channel pairs (and have multiple representations, 110a). To show these dynamics, the mean and dispersion values are found.
Los datos de la dinámica de las bandas (110) permiten también su tratamiento mediante diferentes combinaciones, que aportan nueva información no observada directamente a partir de su topografía. De este modo, se determina para cada lóbulo la evolución de los cocientes (111) de las bandas alfa o beta entre las bandas delta o theta. Al igual que se hizo ara la comparación de las dinámicas por canales, hemisferios o lóbulos, se aplican las mismas hipótesis y test estadísticos para comparar los cocientes entre lóbulos similares de ambos hemisferios. Los cocientes, además, pueden ser mostrados (111 a).The data on the dynamics of the bands (110) also allow their treatment through different combinations, which provide new information not directly observed to starting from its topography. In this way, the evolution of the ratios (111) of the alpha or beta bands between the delta or theta bands is determined for each lobe. As was done for the comparison of the dynamics by channels, hemispheres or lobes, the same hypotheses and statistical tests are applied to compare the ratios between similar lobes of both hemispheres. The quotients can also be shown (111 a).
El análisis de la dinámica de las bandas EEG finaliza con un análisis estadístico (112a) para el caso de ausencia de puntos múltiples, y con un análisis estadístico para cada periodo (112b) cuando si hay puntos múltiples. Este análisis consiste en el análisis de la dinámica de las bandas EEG finaliza con el análisis de la dispersión de las diferentes bandas, por hemisferio. Para ello, se establece, para cada ventana, un vector e M3, para cada banda y que contiene la potencia en los lóbulos F, PO y T, según esta expresiónThe analysis of the dynamics of the EEG bands ends with a statistical analysis (112a) for the case of absence of multiple points, and with a statistical analysis for each period (112b) when there are multiple points. This analysis consists of the analysis of the dynamics of the EEG bands, ending with the analysis of the dispersion of the different bands, by hemisphere. To do this, an M3 vector is established for each window, for each band and containing the power in the F, PO and T lobes, according to this expression
Vijk = (Fijk, POijk, Tijk); i = 1,2, ...;j = 8,6,a,/3;k = izqdo; drcho Vijk = ( Fijk, POijk, Tijk); i = 1,2, ...; j = 8,6, a, / 3; k = left; right
Para cada banda, podemos hallar un vector promedio y la desviación estándar del mismo, que define una hiperesfera de confianza. Este vector promedio, será:For each band, we can find an average vector and its standard deviation, which defines a hypersphere of confidence. This average vector will be:
Para cada par de vectores izquierdo y derecho, podemos determinar la distancia (dj) entre los mismos, de esta manera:For each pair of left and right vectors, we can determine the distance ( dj) between them, in this way:
dj H^ j.izq j^,drch|| dj H ^ j. left j ^, right ||
Estas distancias pueden después representarse como un histograma de frecuencia.These distances can then be represented as a frequency histogram.
Proceso de análisis del grado de sincronización entre regionesProcess of analyzing the degree of synchronization between regions
En este proceso se utilizan tres tipos de herramientas para analizar el grado de relación entre dos regiones cualesquiera, que son: i) el coeficiente de correlación de Pearson (200), ii) la coherencia por bandas (202), y iii) la teoría de redes y análisis de grafos (201). In this process, three types of tools are used to analyze the degree of relationship between any two regions, which are: i) Pearson's correlation coefficient (200), ii) coherence by bands (202), and iii) theory network and graph analysis (201).
El coeficiente de correlación de Pearson (200) para cada par de canales, i, j y para cada ventana k utiliza la siguiente expresión:The Pearson correlation coefficient (200) for each pair of channels, i, j and for each window k uses the following expression:
La información obtenida a partir de este coeficiente se almacena en una matriz que contiene las correlaciones de todos los pares de canales a lo largo de todas las ventanas. Estos datos se analizan de tres formas:The information obtained from this coefficient is stored in a matrix that contains the correlations of all the pairs of channels throughout all the windows. This data is analyzed in three ways:
a) Dinámica de la sincronización por hemisferio. Se calcula el valor promedio de sincronización, considerando todos los canales de cada hemisferio. Se determina la evolución por ventanas (n) de la variable:a) Dynamics of synchronization by hemisphere. The average value of synchronization is calculated, considering all the channels of each hemisphere. The evolution by windows (n) of the variable is determined:
1 N canales 1 N channels
P j (n) = Ti-------- / P j (n) ; i = izqdo, drcho. P j ( n) = Ti -------- / P j ( n); i = left, right.
'' " c a n a le s j r = — i * " cana le s j r = - i *
b) Dinámica de sincronización por lóbulos. Utiliza la misma expresión anterior, pero se seleccionan los canales según los lóbulos Se muestran y analizan cada lóbulo no sólo contra el lóbulo contralateral, sino contra la sincronización promedio del resto de los canales de scalp, salvo el lóbulo implicado.b) Lobe synchronization dynamics. It uses the same expression as above, but the channels are selected according to the lobes. Each lobe is shown and analyzed not only against the contralateral lobe, but against the average synchronization of the rest of the scalp channels, except the involved lobe.
c) Conectograma promedio. Muestra el valor promedio de las correlaciones entre pares de canales en un código de colores. Para simplificar la información visual, se muestran únicamente las correlaciones superiores a 0.5. Se muestran en un mismo gráfico los canales monopolares (con referencia a Fz+^ z+Cz), mediante líneas continuas, y diferenciales, mediante líneas discontinuas.c) Average conectogram. Displays the average value of the correlations between pairs of channels in a color code. To simplify visual information, only correlations greater than 0.5 are shown. Monopolar channels (with reference to Fz + ^ z + Cz) are shown in the same graph, by solid lines, and differential channels, by dashed lines.
El análisis de la coherencia por bandas (202) para cada par de canales (i, j) se determina la coherencia por bandas (w) de acuerdo con la siguiente expresión [Van Drongelen. LTI systems, convolution, correlation and coherence. En: Signal processing for neuroscientist. Amsterdam: Elsevier; 2007]: The analysis of the coherence by bands (202) for each pair of channels ( i, j) , the coherence by bands (w) is determined according to the following expression [Van Drongelen. LTI systems, convolution, correlation and coherence. In: Signal processing for neuroscientist. Amsterdam: Elsevier; 2007]:
Donde Sij representa el cros-espectro para ese par de canales y Su o Sjj representa el espectro de potencia, respectivamente. Se puede mostrar mediante un gráfico que muestra la coherencia promedio para cada frecuencia para todos los canales de scalp (análisis global) o bien (análisis topográfico) como la coherencia promedio para cada canal, obtenida como el promedio de todos los canales que lo rodean según esta expresión:Where Sij represents the cros-spectrum for that pair of channels and Su or Sjj represents the power spectrum, respectively. It can be displayed by means of a graph that shows the average coherence for each frequency for all scalp channels (global analysis) or (topographic analysis) as the average coherence for each channel, obtained as the average of all the surrounding channels according to this expression:
Finalmente, en la etapa de aplicación de teoría de redes y análisis de grafos (201) tenemos que un grafo se define como una representación de una red del mundo real [Bastos AM, Schoffelen JM. A tutorial review of functional connectivity analysis methods and their interpretational pitfalls. Frontiers in System Neuroscience. 2016: 9 (175): 1-23][ Wilke C, Worrell G, He B. Graph analysis of epileptogenic networks in human partial epilepsy. Epilepsia. 2011: 52: 84-93][Ortega GJ, Sola RG, Pastor J. Complex network analysis of human ECoG data. Neuroscience Letters. 2008; 447(2-3):129-33][ Caldarelli G, Vespignani A. Large scale structures and complex networks. From Information technology to finance and nature sciences. Londres: World Scientific; 2007] Finally, in the network theory application stage and graph analysis (201) we have that a graph is defined as a representation of a real world network [Bastos AM, Schoffelen JM. A tutorial review of functional connectivity analysis methods and their interpretational pitfalls. Frontiers in System Neuroscience. 2016: 9 ( 175): 1-23] [Wilke C, Worrell G, He B. Graph analysis of epileptogenic networks in human partial epilepsy. Epilepsy. 2011: 52: 84-93] [Ortega GJ, Sola RG, Pastor J. Complex network analysis of human ECoG data. Neuroscience Letters. 2008; 447 ( 2-3): 129-33] [Caldarelli G, Vespignani A. Large scale structures and complex networks. From Information technology to finance and nature sciences. London: World Scientific; 2007]
Se trata de un sistema de elementos interconectados y está formado por dos tipos de elementos: i) nodos, que representan a los elementos fundamentales del sistema y ii) los bordes, que representan las conexiones entre pares de nodos. Conectividad de un nodo. Es el número de enlaces en los que participa un nodo. El análisis de la conectividad en la red suele hacerse mediante la cuantificación de diferentes variables, desarrolladas a partir de la moderna teoría general de redes. De acuerdo con ello suelen definirse medidas de centralidad que destacan diversas características acerca de la transmisión de información a través de la red. Entre estas medidas de centralidad, las utilizadas serán:It is a system of interconnected elements and is made up of two types of elements: i) nodes, which represent the fundamental elements of the system and ii) edges, which represent the connections between pairs of nodes. Connectivity of a node. It is the number of links in which a node participates. The analysis of connectivity in the network is usually done by quantifying different variables, developed from the modern general theory of networks. In accordance with this, centrality measures are usually defined that highlight various characteristics about the transmission of information through the network. Among these centrality measures, those used will be:
Sincronización local. Representa el grado de sincronización entre un nodo y los más próximos. Local synchronization. Represents the degree of synchronization between a node and the closest ones.
Coeficiente de agrupamiento (clustering coefficient) o transitividad. Se define, como el cociente entre el número de conexiones reales y el número total de conexiones posibles entre un nodo y sus nodos colindantes. Clustering coefficient or transitivity. It is defined as the quotient between the number of real connections and the total number of possible connections between a node and its neighboring nodes.
Longitud del camino promedio (average path length o APL), que mide el camino promedio que existe entre dos nodos cualesquiera de la red, definido como el promedio de la longitud del camino más corto para todos los pares de nodos de la red. Average path length (APL), which measures the average path that exists between any two nodes in the network, defined as the average of the shortest path length for all pairs of nodes in the network.
Siendo dj la distancia que separa dos nodos cualesquiera i y j. Being dj the distance that separates any two nodes i and j.
En la actualidad, para la realización de EEG, las señales de la actividad eléctrica de la corteza cerebral se recogen mediante una pluralidad de electrodos, de superficie o de aguja. La señal que se obtiene es tan pequeña que se hace necesario utilizar varios sistemas de amplificación. La colocación de electrodos sobre el cuero cabelludo está sujeta a un sistema internacional o sistema 10-20 denominado así porque los electrodos están espaciados entre el 10% y el 20% de la distancia total entre puntos reconocibles del cráneo.At present, for the performance of EEG, the signals of the electrical activity of the cerebral cortex are collected by a plurality of electrodes, surface or needle. The signal obtained is so small that it is necessary to use several amplification systems. The placement of electrodes on the scalp is subject to an international system or 10-20 system so named because the electrodes are spaced between 10% and 20% of the total distance between recognizable points on the skull.
A continuación, se describen tres ejemplos de cómo la utilización del método de análisis numérico permite realizar diagnósticos neurofisiológicos que, de otra forma, no hubieran sido realizados, dado que el registro analizado de visu (incluso por neurofisiólogos con gran experiencia) no aportaba información suficiente.Next, three examples are described of how the use of the numerical analysis method allows neurophysiological diagnoses that, otherwise, would not have been carried out, since the visual record analyzed (even by highly experienced neurophysiologists) did not provide sufficient information. .
Ejemplo 1Example 1
El primer ejemplo muestra las alteraciones numéricas sobre la sincronización generada por una crisis epiléptica focal cuya única sintomatología era sensorial (parestesias en el brazo izquierdo). El registro EEG realizado durante la crisis era marcadamente similar al realizado sin crisis (control). Sin embargo, el análisis numérico muestra la existencia de cambios inducidos por la crisis que son altamente sugerentes de la presencia de un patrón ictal focal en región fronto-parietal derecha.The first example shows the numerical alterations on the synchronization generated by a focal epileptic seizure whose only symptomatology was sensory (left arm paresthesias). The EEG recording performed during the seizure was remarkably similar to that performed without seizures (control). However, the numerical analysis shows the existence of crisis-induced changes that are highly suggestive of the presence of a focal ictal pattern in the right fronto-parietal region.
En la figura 2 se muestran los registros en condiciones basales (fig.2a) y durante la crisis parcial simple (fig.2b). Obsérvese que los registros con perfectamente similares y no se observa la presencia de ningún patrón comicial.Figure 2 shows the records in baseline conditions (Fig. 2a) and during the simple partial seizure (Fig. 2b). Note that the records are perfectly similar and are not note the presence of no seizure pattern.
En la figura 3 se muestra la modificación del conectograma promedio por efecto de la crisis. FIG.3a es el control y la FIG.3b es durante la crisis. So observa la pérdida de sincronización en la región fronto-parieto-temporal derecha.Figure 3 shows the modification of the average connectogram due to the effect of the crisis. FIG.3a is the control and FIG.3b is during the crisis. So note the loss of synchronization in the right fronto-parieto-temporal region.
En la figura 4 se muestra la modificación de los gráficos de dispersión para los vectores de las bandas del EEG por efecto de la crisis comicial. Izquierda: registro control. Derecha: crisis. Obsérvese el cambio en la orientación de la banda theta y en la separación de la banda alfa.Figure 4 shows the modification of the scatter graphs for the vectors of the EEG bands due to the effect of the seizure. Left: control register. Right: crisis. Note the change in orientation of the theta band and in the separation of the alpha band.
Ejemplo 2Example 2
El segundo ejemplo corresponde a un paciente que llega a Urgencias por bajo nivel de conciencia. El registro EEG muestra una lentificación generalizada y discreto predominio de la actividad irritativa en región temporal izquierda. En la figura 5 se muestra el registro de EEG. En la figura 6 se muestra una pluralidad de gráficas donde en la izquierda se muestra la dinámica de las bandas EEG por lóbulos que muestra una importante pérdida de actividad bioeléctrica en región temporo-parietal derecha (alfa entre 1 y 3 pV2), con presencia de actividad irritativa y lesiva en región temporal izquierda, que se observa por el exceso de bandas todas las bandas en región temporal. En la derecha se muestra la comparación de los espectros promedio por canal que muestra el marcado exceso de potencial theta/alfa en región temporal media izquierda (flecha).The second example corresponds to a patient who comes to the emergency room due to a low level of consciousness. The EEG recording shows a generalized slowing and a slight predominance of irritative activity in the left temporal region. The EEG recording is shown in Figure 5. Figure 6 shows a plurality of graphs where the dynamics of the EEG bands by lobes are shown on the left, showing an important loss of bioelectric activity in the right temporo-parietal region (alpha between 1 and 3 pV2), with the presence of Irritative and injurious activity in the left temporal region, which is observed by the excess of bands all the bands in the temporal region. On the right, the comparison of the average spectra per channel is shown, showing the marked excess of theta / alpha potential in the left middle temporal region (arrow).
Ejemplo 3Example 3
El tercer ejemplo es una paciente ingresada en UCI por hemorragia intraparenquimatosa y con sedación. El registro (figura 7) muestra un patrón compatible con brotes-supresión. El análisis de registros de larga duración, sin embargo, muestra múltiples episodios de crisis comiciales que pasan completamente desapercibidas en el análisis de visu y que no cursan con manifestaciones clínicas (algo muy frecuente en este tipo de pacientes), pero que, de no controlarse, empeoran extraordinariamente el pronóstico funcional e incluso vital de los pacientes. En la figura 8 se muestra la dinámica de las bandas EEG por lóbulos durante un periodo de tiempo de 45 min. Se observan múltiples elevaciones de las bandas, especialmente en regiones fronto-temporales y para las bandas alfa/beta, que se asocian con cambios en la entropía y que muestran la existencia de crisis comiciales no convulsivas que se agrupan hasta dar lugar a un estatus no convulsivo. Esta observación llevó a una modificación del régimen anestésico y de fármacos anticomiciales de la paciente para yugular el estatus. The third example is a patient admitted to the ICU for intraparenchymal hemorrhage and with sedation. The record (Figure 7) shows a pattern consistent with sprouts-suppression. The analysis of long-term records, however, shows multiple episodes of seizures that go completely unnoticed in the visual analysis and that do not present with clinical manifestations (something very frequent in this type of patients), but which, if not controlled , extraordinarily worsen the functional and even vital prognosis of patients. Figure 8 shows the dynamics of the EEG bands by lobes during a period of 45 min. Multiple elevations of the bands are observed, especially in fronto-temporal regions and for alpha / beta bands, which are associated with changes in entropy and show the existence of non-convulsive seizures. that clump together into a non-convulsive status. This observation led to a modification of the patient's anesthetic and anti-seizure drug regimen to jugulate the status.
Claims (10)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ES201930036A ES2774407A1 (en) | 2019-01-21 | 2019-01-21 | MULTIVARIANT ANALYSIS METHOD IN ELECTROENCEPHALOGRAPHY (EEG) (Machine-translation by Google Translate, not legally binding) |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ES201930036A ES2774407A1 (en) | 2019-01-21 | 2019-01-21 | MULTIVARIANT ANALYSIS METHOD IN ELECTROENCEPHALOGRAPHY (EEG) (Machine-translation by Google Translate, not legally binding) |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2774407A1 true ES2774407A1 (en) | 2020-07-21 |
Family
ID=71608296
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES201930036A Withdrawn ES2774407A1 (en) | 2019-01-21 | 2019-01-21 | MULTIVARIANT ANALYSIS METHOD IN ELECTROENCEPHALOGRAPHY (EEG) (Machine-translation by Google Translate, not legally binding) |
Country Status (1)
| Country | Link |
|---|---|
| ES (1) | ES2774407A1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113349797A (en) * | 2021-07-05 | 2021-09-07 | 重庆邮电大学 | Method for predicting epileptic seizure based on electroencephalogram critical nuclear parameters |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160051162A1 (en) * | 2014-07-29 | 2016-02-25 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Method for locating a brain activity associated with a task |
| US20170196501A1 (en) * | 2016-01-12 | 2017-07-13 | Covidien Lp | System and method for monitoring cerebral activity |
| WO2018027151A1 (en) * | 2016-08-04 | 2018-02-08 | The General Hospital Corporatin | System and mehod for detecting acute brain function impairment |
| KR20180021025A (en) * | 2018-02-10 | 2018-02-28 | 인체항노화표준연구원 주식회사 | EEG, PPG based Depression assessment device |
| WO2018156992A1 (en) * | 2017-02-23 | 2018-08-30 | Miller Charles Robert Iii | Device and system for user context-cortical sensing and determination |
| CN109656366A (en) * | 2018-12-19 | 2019-04-19 | 电子科技大学中山学院 | Emotional state identification method and device, computer equipment and storage medium |
-
2019
- 2019-01-21 ES ES201930036A patent/ES2774407A1/en not_active Withdrawn
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160051162A1 (en) * | 2014-07-29 | 2016-02-25 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Method for locating a brain activity associated with a task |
| US20170196501A1 (en) * | 2016-01-12 | 2017-07-13 | Covidien Lp | System and method for monitoring cerebral activity |
| WO2018027151A1 (en) * | 2016-08-04 | 2018-02-08 | The General Hospital Corporatin | System and mehod for detecting acute brain function impairment |
| WO2018156992A1 (en) * | 2017-02-23 | 2018-08-30 | Miller Charles Robert Iii | Device and system for user context-cortical sensing and determination |
| KR20180021025A (en) * | 2018-02-10 | 2018-02-28 | 인체항노화표준연구원 주식회사 | EEG, PPG based Depression assessment device |
| CN109656366A (en) * | 2018-12-19 | 2019-04-19 | 电子科技大学中山学院 | Emotional state identification method and device, computer equipment and storage medium |
Non-Patent Citations (1)
| Title |
|---|
| SANZ-GARCÍA, A. ET AL. Identifying causal relationships between EEG activity and intracranial pressure changes in neurocritical care patients. Journal of Neuralengineering, 23/10/2018, Vol. 15, Páginas 66029 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113349797A (en) * | 2021-07-05 | 2021-09-07 | 重庆邮电大学 | Method for predicting epileptic seizure based on electroencephalogram critical nuclear parameters |
| CN113349797B (en) * | 2021-07-05 | 2022-07-15 | 重庆邮电大学 | System for predicting epileptic seizure based on electroencephalogram critical nuclear parameters |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Caricato et al. | Continuous electroencephalography monitoring in adults in the intensive care unit | |
| Bosma et al. | Disturbed functional brain networks and neurocognitive function in low-grade glioma patients: a graph theoretical analysis of resting-state MEG | |
| US7986991B2 (en) | System and method for prediction of cognitive decline | |
| US4844086A (en) | Cross correlation analysis in brain electrical activity mapping | |
| Elahian et al. | Identifying seizure onset zone from electrocorticographic recordings: a machine learning approach based on phase locking value | |
| US20140107521A1 (en) | Functional brain connectivity and background noise as biomarkers for cognitive impairment and epilepsy | |
| Kuhnke et al. | High frequency oscillations in the ripple band (80–250 Hz) in scalp EEG: higher density of electrodes allows for better localization of the seizure onset zone | |
| Fujiwara et al. | Ictal MEG onset source localization compared to intracranial EEG and outcome: improved epilepsy presurgical evaluation in pediatrics | |
| Pizzo et al. | Detectability of fast ripples (> 250 Hz) on the scalp EEG: a proof-of-principle study with subdermal electrodes | |
| US20140276187A1 (en) | System and method for identifying a focal area of abnormal network interactions in the brain | |
| Zorick et al. | EEG multifractal analysis correlates with cognitive testing scores and clinical staging in mild cognitive impairment | |
| Moser et al. | Electroencephalograms in epilepsy: analysis and seizure prediction within the framework of Lyapunov theory | |
| US11980473B2 (en) | Seizure onset zone localization | |
| WO2015054145A1 (en) | Methods and systems to identify phase-locked high-frequency oscillations in the brain | |
| US20080021340A1 (en) | Detection of focal epileptiform activity | |
| Kaltiainen et al. | Theta-band oscillations as an indicator of mild traumatic brain injury | |
| Krishnan et al. | Epileptic focus localization based on resting state interictal MEG recordings is feasible irrespective of the presence or absence of spikes | |
| van den Brink et al. | Task-free spectral EEG dynamics track and predict patient recovery from severe acquired brain injury | |
| Gavaret et al. | High-resolution eeg (hr-eeg) and magnetoencephalography (meg) | |
| Jin et al. | Advances of intracranial electroencephalography in localizing the epileptogenic zone | |
| Carvalho et al. | Interictal spike quantification in continuous spike–wave of sleep (CSWS): Clinical usefulness of a wearable EEG device | |
| Mammone et al. | Visualization and modelling of STLmax topographic brain activity maps | |
| Anderson et al. | Magnetoencephalography in the preoperative evaluation for epilepsy surgery | |
| Takahashi et al. | State-dependent precursors of seizures in correlation-based functional networks of electrocorticograms of patients with temporal lobe epilepsy | |
| Yu et al. | Investigation of phase synchronization of interictal EEG in right temporal lobe epilepsy |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| BA2A | Patent application published |
Ref document number: 2774407 Country of ref document: ES Kind code of ref document: A1 Effective date: 20200721 |
|
| FA2A | Application withdrawn |
Effective date: 20201125 |