JP2004511286A - 高速な応答により患者の大脳の状態を判定するための方法及び装置 - Google Patents
高速な応答により患者の大脳の状態を判定するための方法及び装置 Download PDFInfo
- Publication number
- JP2004511286A JP2004511286A JP2002535545A JP2002535545A JP2004511286A JP 2004511286 A JP2004511286 A JP 2004511286A JP 2002535545 A JP2002535545 A JP 2002535545A JP 2002535545 A JP2002535545 A JP 2002535545A JP 2004511286 A JP2004511286 A JP 2004511286A
- Authority
- JP
- Japan
- Prior art keywords
- signal data
- patient
- eeg
- further defined
- emg
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 100
- 230000002490 cerebral effect Effects 0.000 title claims abstract description 37
- 230000004044 response Effects 0.000 title description 6
- 206010002091 Anaesthesia Diseases 0.000 claims abstract description 89
- 230000037005 anaesthesia Effects 0.000 claims abstract description 89
- 238000001228 spectrum Methods 0.000 claims abstract description 35
- 230000000694 effects Effects 0.000 claims description 56
- 230000003595 spectral effect Effects 0.000 claims description 41
- 230000000147 hypnotic effect Effects 0.000 claims description 38
- 238000004458 analytical method Methods 0.000 claims description 29
- 238000005259 measurement Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 210000003205 muscle Anatomy 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000010183 spectrum analysis Methods 0.000 claims description 8
- 229940079593 drug Drugs 0.000 claims description 7
- 239000003814 drug Substances 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 210000001061 forehead Anatomy 0.000 claims description 5
- 230000004424 eye movement Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 210000003128 head Anatomy 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims 7
- 210000004720 cerebrum Anatomy 0.000 claims 5
- 208000003443 Unconsciousness Diseases 0.000 description 21
- 210000004556 brain Anatomy 0.000 description 18
- 230000003444 anaesthetic effect Effects 0.000 description 16
- 230000007177 brain activity Effects 0.000 description 11
- 230000001629 suppression Effects 0.000 description 11
- 230000007704 transition Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 229940035674 anesthetics Drugs 0.000 description 8
- 239000003193 general anesthetic agent Substances 0.000 description 8
- 238000013459 approach Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 7
- 230000007423 decrease Effects 0.000 description 6
- 238000011084 recovery Methods 0.000 description 6
- 210000004761 scalp Anatomy 0.000 description 6
- 206010039897 Sedation Diseases 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000036280 sedation Effects 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 206010021118 Hypotonia Diseases 0.000 description 3
- 206010040030 Sensory loss Diseases 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 239000004020 conductor Substances 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 208000035475 disorder Diseases 0.000 description 3
- 210000000744 eyelid Anatomy 0.000 description 3
- 230000036640 muscle relaxation Effects 0.000 description 3
- 230000036407 pain Effects 0.000 description 3
- 208000000044 Amnesia Diseases 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 210000003403 autonomic nervous system Anatomy 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004118 muscle contraction Effects 0.000 description 2
- 210000000653 nervous system Anatomy 0.000 description 2
- 210000000715 neuromuscular junction Anatomy 0.000 description 2
- 230000000803 paradoxical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 210000000658 ulnar nerve Anatomy 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000031091 Amnestic disease Diseases 0.000 description 1
- 206010010904 Convulsion Diseases 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 230000036626 alertness Effects 0.000 description 1
- 230000006986 amnesia Effects 0.000 description 1
- 238000001949 anaesthesia Methods 0.000 description 1
- 230000036592 analgesia Effects 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000013194 cardioversion Methods 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 238000005291 chaos (dynamical) Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 210000000750 endocrine system Anatomy 0.000 description 1
- 230000001037 epileptic effect Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 231100000863 loss of memory Toxicity 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- OLBCVFGFOZPWHH-UHFFFAOYSA-N propofol Chemical compound CC(C)C1=CC=CC(C(C)C)=C1O OLBCVFGFOZPWHH-UHFFFAOYSA-N 0.000 description 1
- 229960004134 propofol Drugs 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000472 traumatic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
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]
- 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
- 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
- A61B5/316—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
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4821—Determining level or depth of anaesthesia
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Psychology (AREA)
- Psychiatry (AREA)
- Anesthesiology (AREA)
- Educational Technology (AREA)
- Developmental Disabilities (AREA)
- Social Psychology (AREA)
- Child & Adolescent Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
患者の大脳の状態を確認するための方法及びシステムに関する。本方法／装置は、患者の麻酔の深さ確認することにその用途を見出している。１実施の形態では、患者のＥＥＧ信号データのエントロピーが大脳の状態の指示として決定される。周波数領域のパワースペクトルの量は、患者のＥＭＧ信号データから取得される。パワースペクトルの量は、その高い周波数のために、ＥＥＧエントロピーよりも頻繁に更新することができる。ＥＥＧエントロピーの指示及びＥＭＧパワースペクトルの指示は、結合されて複合指示となり、患者の大脳の状態における変化に関する迅速な指示を与える。別の実施の形態では、患者からの生体電位信号のエントロピーが決定される周波数レンジは、ＥＥＧ信号データ及びＥＭＧ信号データの両者を包含するように広帯域化され、エントロピーは、患者の大脳の状態の指示として使用されるように決定される。
Description
【０００１】
［発明の分野］
本発明は、患者の大脳の状態を判定するための方法及びシステムに関する。
本発明の方法及び装置の１つの用途は、たとえば、麻酔薬の投与から起こる患者の催眠状態の程度を判定することである。この程度は、「麻酔の深さ」と言われることがある。
本発明の方法及び装置では、大脳の状態の変化を正確かつ迅速に判定することができる。
【０００２】
［発明の背景］
極端に単純化された定義では、麻酔は、感覚又は痛みを部分的又は全体的に失った人工的に誘発された状態である。殆どの医療の手順について、感覚を失うことは、患者が麻酔状態にあり、その手順に気付かないように、患者側で意識をなくすことにより伴われる。
【０００３】
「麻酔の深さ」は、麻酔薬の投与後に意識がなくなる程度を一般に記述する。麻酔をかける大きさ、すなわち麻酔の深さが増加すると、麻酔が投与された患者は、話しかけられた要求に連続的に応答することが典型的にできず、眼瞼反射を失い、他の反射を失い、生命にかかわる徴候の低下を受ける。
【０００４】
意識を失うこと（催眠状態、記憶の喪失）、及び感覚を失うこと（無痛覚）は、麻酔に関する重要な特徴である一方で、バランスされた高品質の麻酔は、筋肉のリラクセーション、自律神経システムの抑圧、神経筋接合部の閉塞も考慮されなければならない。
【０００５】
十分な筋肉のリラクセーションは、患者の組織を扱う外科医にとって最適な手術条件を保証するために必要とされる。自律神経システムが抑圧されていない場合、患者にショックの反応で外科医の動作に反応させ、この反応は、血液動力学及び内分泌システムに大きな影響を与える。
【０００６】
患者を完全に動きをなくしたままにするために、患者の体が完全に麻痺されるように、脳から筋肉への命令を転送する神経筋接合部は、ブロックされる必要がある。麻酔の全ての５つの要素からなる状態を判定する必要が広く認識されている一方で、信頼性が高い、正確かつ迅速な方法において、催眠又は麻酔の深さの状態を確認及び定量化することが広く注目の主題となってきている。
【０００７】
この確認及び定量化についての１つの理由は、その重要性にある。麻酔が十分に深くなければ、患者は手術又は他の医療手順の間に意識を維持するか又は意識を得る場合があり、これにより、患者、麻酔科医及び外科医にとって、極端に外傷性の経験となる。
【０００８】
他方で、過度の深い麻酔は、その殆どが高価である麻酔薬の不必要な消費となる。余りに深い麻酔は、手術の回復プロセスの間に、益々多くの医療の監視を必要とし、患者にとって麻酔薬の効果が完全になくなるために必要とされる期間を長引かせる。継続した研究及び患者の催眠状態を監視するために与えられる注目のための第２の理由は、その困難さから生じる。すなわち、麻酔薬は、患者の脳の活動及び状態を変え、これらの変化は検出することが常に容易ではない。
【０００９】
研究目的に使用される麻酔の深さの測定は、Ｏｂｓｅｒｖｅｒ’ｓ Ａｓｓｅｓｓｍｅｎｔ ｏｆ Ａｌｅｒｔｎｅｓｓ ａｎｄ ＳｅｄａｔｉｏｎすなわちＯＡＡＳにおいて発見される。ＯＡＡＳは、極端な刺激に対する患者の応答に基づいて、意識レベル、或いは逆に、鎮静又は麻酔の深さを判定する。麻酔の深さを６つのレベルに分類するかかるアセスメントの１つは、以下の表により要約される。意識から無意識への遷移は、ＯＡＡＳスコアがレベル３からレベル２に変化するときに生じると思われる。レベル０は、非常な痛みの刺激に対して患者が応答しない深い麻酔の状態に対応する。
【表１】
「下垂」は、上部眼瞼が下がることである。「ＴＯＦ刺激」（「４連刺激」）は、非常に短い、患者の腕における尺骨神経に印加される痛みを伴う電気的（５０ｍＡ）な刺激であり、筋収縮の強度を評価するために４回繰り返される。「強縮性刺激」では、５秒のような時間周期について、電流（５０ｍＡ）が連続的に印加される。尺骨神経は、つねられたときに、よく知られた「ひじの外側の尺骨突起部」の作用を生じる。
【００１０】
研究及び他の目的に有効である一方で、ＯＡＡＳスケールは、制限された数のスケーリングレベルのみを提供し、麻酔科医からの要求された注意及び痛みを伴う刺激の使用のために、実際の使用において制限されている。
【００１１】
脳の神経系活動は、脳の表面及び頭皮で利用可能な生体電位において反射されることが以前から知られている。したがって、催眠が誘発された麻酔の程度を定量化する試みは、これら生体電位の研究に変化している。生体電位の電気信号は、認識されたプロトコルにより指定された位置で、患者の頭皮に位置される電極のペア又は複数のペアにより通常取得され、電気信号のセット又は複数のセット又はチャネルは、電極から取得される。これらの信号は、増幅及びフィルタリングされる。記録された信号は、脳波（Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ）すなわちＥＥＧを含んでいる。
【００１２】
フィルタリングの目的は、ＥＥＧ信号から筋電図（Ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｉｃ：ＥＭＧ）信号を除去することである。ＥＭＧ信号は、患者の筋肉の活動から生じ、患者の額又は頭皮に印加された脳波電極で現れる。これらは、ＥＥＧ信号に関してアーチファクトと通常考えられる。ＥＭＧ信号は、その周波数レンジ（４０〜３００Ｈｚ）にそのエネルギーの殆どを特徴的に有しており、該周波数レンジは、ＥＥＧ信号の周波数レンジとは異なり、ＥＭＧ信号の主要部分は、ＥＥＧ信号から離れている。
【００１３】
図１には、典型的なＥＥＧ信号が示されている。ＥＥＧ信号パターンのマクロの特徴は、広く定義された低周波の周期、又は所定の周波数帯域において生じる波形の存在である。４つのかかる帯域は、デルタ（Ｄｅｌｔａ：０．５〜３．５Ｈｚ）、シータ（Ｔｈｅｔａ：３．５〜７．０Ｈｚ）、アルファ（Ａｌｐｈａ：７．０〜１３．０Ｈｚ）及びベータ（Ｂｅｔａ：１３．０〜３２．０Ｈｚ）と認識される。
【００１４】
アルファ波は、目覚めている期間の間に発見され、眠っている間には全体的に消えている。アルファ波よりも高い周波数のベータ波は、中央神経システムの強い活動の期間の間に記録される。アルファ波よりも低い周波数のシータ波及びデルタ波は、嗜眠状態又は深い睡眠状態の期間を反映している。
【００１５】
催眠の深さに対する類似性により、信号の振幅がはじめに増加すると、麻酔の深さの増加につれて、ＥＥＧの周波数は減少すると言われている。しかし、この全体の特徴は、あまりに不正確であって、かつ信頼性が低く、催眠の程度としてかかる重要な医療の態様の指示として使用することができない。
【００１６】
さらに、麻酔の間のＥＥＧ信号の変化は、患者の催眠状態におけるＥＥＧ信号の変化に十分に相関していない場合がある。たとえば、１２から１８Ｈｚの周波数バンドでは、麻酔薬が投与されるにつれて、ＥＥＧ信号の活動ははじめに増加し、その後は、麻酔が深まるにつれて活動が減少することが報告されている。
【００１７】
上記の状況により、研究及び他の技法の使用が行われ、ＥＥＧ波形を調べて、患者が受ける麻酔の深さを含めた脳の根本的な条件を確かめている。ＥＥＧ信号は、本来非常にランダムであることが、図１から即座に理解される。心電計（Ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｍ：ＥＣＧ）のような他の生体電位信号とは異なり、ＥＥＧ信号は、従来では比較及び分析することができる明らかな繰返しパターン、モルフォロジー及びタイミングを通常有していない。また、ＥＥＧ信号の波形の形状は、脳における固有の根本的なイベントに良好に相関していない。したがって、ＥＥＧの視覚的な調査から容易に明らかである、てんかん患者の急発作のような所定の現象を除き、ＥＥＧにおける脳の他の条件の指示は、非常に捉えがたい。
【００１８】
他の技法の使用の前に、ＥＥＧ信号は、アナログのＥＥＧ信号の振幅を連続的にサンプリングされ、一連のデジタルデータ値に変換されることにより、アナログ／デジタル信号変換を受ける。サンプリングは、典型的に１００Ｈｚ又はそれ以上で実行される。デジタル信号は、コンピュータの磁気媒体又は他の記憶媒体に記憶され、次いで、更なる処理を受け、脳の根本的な状態が確認される。
【００１９】
かかる処理は、共に「エポーク」と呼ばれる連続的なＥＥＧ信号のサンプルからなるセット、又は有限時間ブロックを表すデータポイントを典型的に使用する。データの分析では、所定のエポーク及び所定数のバックワードエポークを使用することに基づいた移動平均が通常実行される。
【００２０】
麻酔の深さを判定するために、ＥＥＧ信号を分析することができる幾つかの技術は、Ｉｒａ Ｊ． Ｒａｍｐｉｌによる“Ａ Ｐｒｉｍｅｒ ｆｏｒ ＥＥＧ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ ｉｎ Ａｎｅｓｔｈｅｓｉａ” Ｖｏｌ． ８９， Ａｎｅｓｔｈｅｓｉｏｌｏｇｙ Ｎｏ． ４， ｐｇｓ．９８０ ｅｔ ｓｅｑ．， Ｏｃｔｏｂｅｒ １９９８に記載されている。
【００２１】
１つのかかる技術は、幾つかの意味あるやり方で、ＥＥＧ信号の電圧が時間につれてどのように変化するかを調べることである。かかる分析は、「時間領域の分析」と呼ばれる。ＥＥＧ信号の一般的にランダムな性質のために、ＥＥＧ信号は、決定論的な信号である。これは、たとえば、ＥＣＧ信号における過去のＱＲＳ複雑さの形状が使用され、分析及び診断向けに次の値を予測することができるやり方で、ＥＥＧ信号の過去の値から次の値を正確に予測することが困難であることを意味している。しかし、ＥＥＧ信号のような、ランダム信号の所定の統計的な特徴は、分析の目的で判定及び使用することができる。
【００２２】
時間領域ベースのＥＥＧ分析方法は、臨床用途で非常に成功していることが証明されていない。これは、結果が完全に一致した振る舞いを示さないためである。しかし、かかる方法は、麻酔薬の投与を制御するために時間領域のＥＥＧ信号電圧から導出された電力パラメータの使用において報告されている。時間領域ベースの統計的パラメータの結合は、ＥＥＧデータを分析するために使用されている。ＥＥＧ信号データを分析するために、所与の期間においてＥＥＧ信号がゼロ電圧レベルを交差する回数使用するための試みがなされている。
【００２３】
しかし、時間領域ベースの分析は、ＥＥＧにおけるバースト抑圧の研究及び定量化において有効である。深い睡眠又は麻酔の間は、時間領域のＥＥＧ信号は、交互の周期すなわち通常の「バースト」、又は高周波及び振幅、電圧信号、及びその周期が「抑圧」の周期と呼ばれる低電圧又はゼロ電圧の周期により特徴付けられる活動のパターンを発展させる。この現象の範囲は、「バースト抑圧比（ＢＳＲ）」として表現することができ、ＥＥＧ電圧がサンプリング周期の一部として抑圧状態にある時間を記述する時間領域のＥＥＧパラメータである。
【００２４】
ＥＥＧ信号の波形を分析する第２のアプローチは、周波数の関数として信号の活動を調べることである。すなわち、「周波数領域の分析」である。ＥＥＧ信号のような複雑な波形を分解又は変換して、様々な周波数、振幅及び位相からなる単一の正弦波又は余弦波の複数のスペクトルにすることができる。
【００２５】
周波数領域のスペクトルは、フーリエ変換により、連続的な時間領域のＥＥＧ信号データから取得することができる。周波数領域の分析は、スペクトルの様々な周波数を有する波形において生じる特徴及び機能を判定するために、変換から取得される周波数信号のスペクトルを分析する。ＥＥＧ信号の周波数領域の分析結果は、周波数が横座標に図示され、電力が縦座標に図示される電力対周波数ヒストグラムとして、典型的にグラフにより表示される。
【００２６】
脳電図からの有効な情報を取得するための更なる試みは、バイスペクトル又はトリスペクトルを含んだ上位の分析を使用している。バイスペクトルは、２つの異なる周波数成分の間の位相の相関を測定し、基礎となるＥＥＧの正弦波成分の間の関係を定量化するものであり、かなりの注目を集めている。バイスペクトルは、２つの主要周波数ｆ１及びｆ２での正弦波と、周波数ｆ１＋ｆ２での変調成分の間の関係を定量化する。周波数ｆ１，ｆ２と周波数ｆ１＋ｆ２の間の強い位相の関係は、周波数ｆ１＋ｆ２についての大きなバイスペクトル値をつくる。しかし、数千のｆ１，ｆ２とｆ１＋ｆ２の周波数結合について、複素算術を使用して計算が実行されなければならないので、バイスペクトル情報を取得するための計算は、むしろ骨が折れる。
【００２７】
臨床の使用について、上述したＥＥＧ信号分析又は他のタイプの分析の結果を、患者を診察するときに、臨床設定において麻酔科医により使用することができる作業パラメータに簡単にすることが望まれている。理想的に、望まれるのは、十分な警戒から可逆的に催眠ではない最大の深さまでの、一貫し、連続したスケールに関して麻酔の深さを定量化する簡単な１つのパラメータ又はインデックスである。十分に有効であるために、かかるスケールは、異なる患者の異なる生理学と同様に、異なる麻酔薬の異なる薬理学作用にも拘らず、その一貫性を維持しなければならない。
【００２８】
患者の催眠状態にＥＥＧ信号データを関連付けるための様々なかかるパラメータは、文献において説明されている。幾つかは、周波数領域のパワースペクトル分析を使用している。これらのパラメータは、ピークパワー周波数（ＰＰＦ）、メディアンパワー周波数（ＭＰＦ）及びスペクトルエッジ周波数（ＳＥＦ）を含んでいる。
【００２９】
ピークパワー周波数（ＰＰＦ）パラメータは、麻酔の深さの指示としてサンプリングされたデータにおいて最高パワーが生じるスペクトルにおける周波数を使用している。メディアンパワー周波数（ＭＰＦ）パラメータは、その名が示すように、スペクトルを２分する周波数を使用する。同じように、スペクトルエッジ周波数は、ＥＥＧ信号における最高周波数を使用する。スペクトルエッジパラメータの変更は、ＳＥＦ９５パラメータであり、スペクトルにおけるパワーの９５％が存在する周波数である。
【００３０】
催眠状態又は麻酔の深さの指示に関する一貫性を改善するために、幾つかのパラメータは、結合されて使用されることがある。たとえば、スペクトルエッジ周波数（ＳＥＦ）パラメータは、時間領域のバースト抑圧比（ＢＳＲ）パラメータと結合され、麻酔の深さを指示することができる一貫性及び精度を改善する場合がある。
【００３１】
上述したタイプのパラメータは、麻酔薬により引き起こされるＥＥＧにおける変化を検出することができ、麻酔の深さを判定することにおいて有効である一方で、異なる麻酔薬により誘発された異なるＥＥＧパターンへの感度のために、挙動に関するエンドポイントに較正することができない。
【００３２】
より複雑なパラメータの結合は、Ｎａｓｓｉｂ Ｃｈａｍｏｕｎ等による米国特許第４，９０７，５９７号、第５，０１０，８９１号、第５，３２０，１０９号、及び第５，４５８，１１７号に記載されており、本特許の出願人により製造及び販売されている麻酔モニタプロダクト Ａｓｐｅｃｔ Ｍｅｄｉｃａｌ Ｓｙｓｔｅｍｓ ｏｆ Ｆｒａｍｉｎｇｈａｍ，ＭＡに使用されている。この特許は、時間領域サブパラメータ及び周波数領域サブパラメータの様々な結合を記載しており、上位のスペクトルサブパラメータを含み、幾つかの麻酔薬について麻酔のレンジにわたる鎮静及び催眠の挙動のアセスメントを相関付けるバイスペクトルインデックス（ＢＩＳ）と呼ばれる１つの変数を形成する。この能力のために、Ａｓｐｅｃｔ Ｍｅｄｉｃａｌ Ｓｙｓｔｅｍｓのプロダクトは、臨床の許容を発見している。
【００３３】
バイスペクトルインデックスＢＩＳは、以下の３つのサブコンポーネントから構成されている。「同期高速低速」、「ベータ比」及び「バースト抑圧」である。サブパラメータ「同期高速低速」の計算は、周波数領域におけるバイスペクトル分析を利用している。「同期高速低速」パラメータは、レンジ４０〜４７Ｈｚにおける総和で除算される周波数レンジ０．５〜４７Ｈｚにおける全てのバイスペクトルピークの総和の比の対数に対応する。
【００３４】
「ベータ比」サブパラメータは、周波数レンジ３０〜４７Ｈｚ及び１１〜２０Ｈｚにおけるパワー比の対数を与える。これは、軽い鎮静において最も作用することがわかっている周波数領域のパラメータである。上述されたように、麻酔が非常に深いレベルでは、ＥＥＧ信号は、ＥＥＧの活動が抑圧されるデータサンプルを含んでいる。「バースト抑圧比」は、ＥＥＧ信号の時間領域の分析から取得され、信号におけるバースト及び抑圧の相対的な内容を記述する。「バースト抑圧比」は、抑圧が生じている深い麻酔において使用可能である。
【００３５】
結果的に得られるバイスペクトルインデックスＢＩＳは、これら３つのサブパラメータの結合である。結合アルゴリズムは、最良の性能のレンジに従い、異なるサブパラメータを重み付けする。アルゴリズムの詳細は、発表されておらず、所有権が主張されており、異なるサブパラメータ又はサブパラメータの結合は、催眠又は麻酔の深さのレベルに依存して使用される。
【００３６】
たとえば、軽い鎮静は、信頼性の高い結果を得るために、「ベータ比」サブパラメータと共に、バイスペクトルの「同期高速低速」パラメータを使用することが必要である。深い麻酔について、バイスペクトルサブパラメータ「同期高速低速」を「バースト抑圧比」サブパラメータと結合して、信頼性のある結果をつくることが必要である。アルゴリズムは、麻酔の深さを正確に判定するために必要とされるサブパラメータの適切な結合を行うために、麻酔のレベルは何かをアルゴリズムは知らなければならず、これにより、適切なサブパラメータの結合を必要とする点で、回りくどく見える。
【００３７】
バイスペクトルインデックス（ＢＩＳ）のある逆説的な挙動が報告されている。Ｄｅｔｓｃｈ等による“Ｉｎｃｒｅａｓｉｎｇ Ｉｓｏｆｌｕｒａｎｅ Ｃｏｎｃｅｎｔｒａｔｉｏｎ ｍａｙ ｃａｕｓｅ Ｐａｒａｄｏｘｉｃａｌ Ｉｎｃｒｅａｓｅｓ ｉｎ ｔｈｅ ＥＥＧ ｂｉｓｐｅｃｔｒａｌ ｉｎｄｅｘ ｉｎ Ｓｕｒｇｉｃａｌ Ｐａｔｉｅｎｔｓ”Ｂｒ． Ｊ． Ａｎａｅｓｔｈ．８４ （２０００）， ｐｇｓ．３３−３７を参照されたい。インデックスは、複数のサブパラメータ及びその結合を異なる領域の催眠において使用するので、この挙動は、患者の催眠レベルが、たとえば「外科手術のレベル」と「深い催眠」の間の領域において領域の境界にあるときに生じる。
【００３８】
さらに、バイスペクトルインデックス（ＢＩＳ）パラメータの計算は、ＥＥＧデータの幾つかのエポークを平均することを必要とする。したがって、このインデックスは、臨床の状況で必要とされるような、患者の状態における変化を検出するために十分に高速ではない。Ｂａｋｅｒ等による“Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｐｈｉｃ Ｉｎｄｉｃｅｓ Ｒｅｌａｔｅｄ ｔｏ Ｈｙｐｎｏｓｉｓ ａｎｄ Ａｍｎｅｓｉａ Ｄｕｒｉｎｇ Ｐｒｏｐｏｆｏｌ Ａｎｅｓｔｈｅｓｉａ ｆｏｒ Ｃａｒｄｉｏｖｅｒｓｉｏｎ”Ａｎａｅｓｔｈｅｓｉａ ａｎｄ Ｉｎｔｅｎｓｉｖｅ Ｃａｒｅ， Ｖｏｌ．２８， Ｎｏ．４， ２０００を参照されたい。
【００３９】
したがって、ＢＩＳインデックスは、患者が彼／彼女の目を既に開いた数秒後に回復を示す。これは、ＢＩＳインデックスの使用における重要な問題である。麻酔の深さを知ることにより、麻酔科医は、患者に投与する麻酔薬の量をより正確に制御することができる。これは、投与される麻酔薬の量における低減となる。しかし、減少された量の麻酔薬により、患者が手術中に目を覚ますという危険が増加する。したがって、患者が催眠状態から意識のある状態に近づいているかを麻酔科医が即座に知ることが必要である。
【００４０】
脳波形による信号の分析に対する異なるアプローチは、麻酔の深さの指示として使用するために、非常にランダムなＥＥＧ信号の複雑さを定量化しようと試みることである。このアプローチは、ＥＥＧ信号の非線形の力学に基づいた測定値が根本的な脳の活動の状態への直接の調査を可能にするように、脳のような神経システムが様々な非線形の挙動を示す、という前提に基づいている。
【００４１】
ランダム且つ予測不可能な信号の複雑な性質に向けられる概念及び分析技術は多数存在する。かかる概念の１つは、エントロピーである。エントロピーは、物理的な概念として、物理システムの不秩序の状態を記述する。信号分析で使用されるとき、エントロピーは、信号の複雑さ、予測不可能性又はランダムな特性を説明して記述する。簡単な例では、連続的な値がある固定された振幅、次いで別の固定された振幅が交互に現れる信号は、ゼロのエントロピーを有する。すなわち、信号は、全体的に予測可能である。連続的な値がランダム番号ジェネレータにより発生される信号は、大きな複雑かつ大きなエントロピーを有する。
【００４２】
エントロピーの概念を脳に適用することは、上記前提は、患者が目覚めているとき精神は活気に満ちており、脳の状態はより非線形、複雑かつ雑音性があるということになる。ＥＥＧ信号が脳の活動の根本的な状態を反映するので、このことは、ＥＥＧ信号データにおいて、相対的に「ランダム性」又は「複雑さ」があることが反映されており、逆に、低レベルの「秩序」であることが反映されている。
【００４３】
患者が睡眠に入るとき、又は麻酔が投与されるとき、脳の機能は、少なくなり始め、より秩序的及び規則的となる。脳の活動状態が変化するとき、これは、ＥＥＧ信号データの「ランダム性」又は「複雑性」が相対的に低くなることにより、ＥＥＧ信号において反映され、逆に、信号データにおける「秩序」が増加することにより反映される。患者が目覚めているとき、ＥＥＧデータ信号は、高いエントロピーを有し、患者が睡眠状態にあるとき、ＥＥＧ信号は、低いエントロピーを有する。
【００４４】
麻酔に関して、人体の徴候の増加は、ＥＥＧ信号データがより多くの「秩序」を含んでいることを示している。すなわち、高い濃度の麻酔薬により、少ない「ランダム性」及び低いエントロピーを示し、低い濃度の麻酔薬よりも麻酔の深さは深くなる。
【００４５】
低濃度の麻酔薬では、ＥＥＧ信号は、高いエントロピーを有する。これは、仮定上、後者の状態よりも前者の状態における少ないレベル脳の活動による。２５Ｈｚの遮断周波数に対するエントロピー測定を記載している、Ｉ．Ａ． Ｒｅｚｅｋ及びＳ．Ｊ． Ｒｏｂｅｒｔｓによる“Ｓｔｏｃｈａｓｔｉｃ ｃｏｍｐｌｅｘｉｔｙ ｍｅａｓｕｒｅｓ ｆｏｒ ｐｈｙｓｉｏｌｏｇｉｃａｌ ｓｉｇｎａｌ ａｎａｌｙｓｉｓ” ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｖｏｌ．４， Ｎｏ．９， Ｓｅｐｔｅｍｂｅｒ １９９８、及び０．５〜３２Ｈｚまでの周波数レンジにおけるエントロピー測定を記載しているＢｒｕｈｎ等による“Ａｐｐｒｏｘｉｍａｔｅ Ｅｎｔｒｏｐｙ ａｓ ａｎ Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｇｒａｐｈｉｃ Ｍｅａｓｕｒｅ ｏｆ Ａｎｅｓｔｈｅｔｉｃ Ｄｒｕｇ Ｅｆｆｅｃｔ ｄｕｒｉｎｇ Ｄｅｓｆｌｕｒａｎｅ Ａｎｅｓｔｈｅｓｉａ” Ａｎｅａｔｈｅｓｉｏｌｏｇｙ， ９２ （２０００）， ｐｇｓ，７１５−７２６を参照されたい。また、Ｈ． Ｖｉｅｒｔｉｏ−Ｏｊａによる“Ｎｅｗ ｍｅｔｈｏｄ ｔｏ ｄｅｔｅｒｍｉｎｅ ｄｅｐｔｈ ｏｆ ａｎｅｓｔｈｅｓｉａ ｆｒｏｍ ＥＥＧ ｍｅａｓｕｒｅｍｅｎｔ”ｉｎ Ｊ． Ｃｌｉｍ． Ｍｏｎｉｔｏｒｉｎｇ ａｎｄ Ｃｏｍｐ． Ｖｏｌ． １６（２０００） ｐｇ．１６を参照されたい。ここでは、意識がある状態から意識のない状態への遷移は、患者に依存しないエントロピーの普遍の臨界値で生じることが報告されている。
【００４６】
脳の意識のある状態から意識のない状態に対するエントロピーの概念の適切さは、最近の理論的な研究においてサポートされており（Ｓｔｅｙｎ−Ｒｏｓｓ等によるＰｈｙｓ． Ｒｅｖ． Ｅ６０ １９９９， ｐｇｓ．７２２９−７３１１を参照されたい）、熱力学の理論を脳の研究に適用している。この研究は、麻酔が投与されている患者が意識のある状態から意識のない状態に移行するとき、脳の神経システムの熱力学のフェーズの遷移は、水が氷になるときに生じるフェーズ変化に粗く類似して行われる。凍結のプロセスの間、水及び氷が異なるエントロピーを有するように、潜在的な熱のプロセスに比例するエントロピーの量がなくなる。
【００４７】
脳の意識のある状態及び意識のない状態は、個別の、異なる値のエントロピーを有することが同様に期待される場合がある。基本的なメカニズムを反映したパワースペクトルのような導出された現象よりはむしろ、脳の基本的なメカニズムを反映する量を使用することとして、麻酔の深さの判定において、意識を失うことが熱力学のフェーズの遷移に類似するものとみなすことができるという前提は、大脳の状態の基本的な特徴としてのエントロピーの概念に対して、及びエントロピーの使用に対して、更なるサポートを与える。
【００４８】
要するに、以下のことが言える。第１に、ある形式のエントロピーは、麻酔の深さの関数と一致して挙動することがわかる。Ｂｒｕｈｎ等及びＨ． Ｅ． Ｖｉｅｒｔｉｏ−Ｏｊａ等による“Ｅｎｔｒｏｐｙ ｏｆ ＥＥＧ ｓｉｇｎａｌ ｉｓ ａ ｒｏｂｕｓｔ ｉｎｄｅｘ ｆｏｒ ｄｅｐｔｈ ｏｆ ｈｙｐｎｏｓｉｓ”Ａｎｅｓｔｈｅｓｉｏｌｏｇｙ ９３（２０００） Ａ， ｐｇ．１３６９を参照されたい。これは、催眠のレベルを特徴付けるための自然的かつロバストな選択としてエントロピーを考慮することを保証する。また、全てのレベルの麻酔で、エントロピーが麻酔の深さに相関するので、バイスペクトルインデックス（ＢＳＩ）におけるような、各種サブパラメータを結合する必要を回避する。
【００４９】
第２に、意識のある状態から意識のない状態への遷移は、患者に依存しないエントロピーの臨界レベルで行われる。Ｖｉｅｒｔｉｏ−Ｏｊａ等による“Ｉｎ Ｊ． Ｃｌｉｍ． Ｍｏｎｉｔｏｒｉｎｇ ａｎｄ Ｃｏｍｐｕｔｉｎｇ”を参照されたい。第３に、特に実用的な重要性であり、麻酔から意識のある状態に向かう患者の回復は、臨界レベルに向かってエントロピーの上昇により予測することができることがある。
【００５０】
多数の技術及び関連するアルゴリズムは、Ｒｅｚｅｋ及びＲｏｂｅｒｔｓ等によるＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎ ｏｎ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇの論文において記載されているように、エントロピーに基づくものを含み、信号の複雑さを定量化するために利用することができる。かかるアルゴリズムの１つは、エントロピーの値が周波数空間で計算されるスペクトルエントロピーを生成するものである。
【００５１】
別のアルゴリズムは、Ｋｏｌｍｏｇｏｎｏｖ−Ｓｉｎａｉエントロピー規定から導出され、Ｔａｋｅｎのエンベデッド空間で計算される近似エントロピーを提供する。Ｓｔｅｖｅｎ Ｍ． Ｐｉｎｃｕｓ， Ｉｇｏｒ Ｍ． Ｇｌａｄｓｔｏｎｅ， ａｎｄ Ｒｉｃｈａｒｄ Ａ． Ｅｈｒｅｎｋｒａｎｚによる“Ａ ｒｅｇｕｌａｒｉｔｙ ｓｔａｔｉｓｔｉｃ ｆｏｒ ｍｅｄｉｃａｌ ｄａｔａ ａｎａｌｙｓｉｓ” Ｊ． Ｃｌｉｍ． Ｍｏｎｉｔｏｒｉｎｇ ７（１９９１）， ｐｇｓ． ３３５−３４５を参照されたい。近似エントロピーを計算するためのプログラムは、Ｂｔｕｈｎ等によるＡｎｓｔｈｅｓｉｏｌｏｇｙにおける論文に記載されている。
【００５２】
ランダム性の高い信号の非線形の分析のための別の技術は、Ｌｅｍｐｅｌ−Ｚｉｖの複雑さにおいて表現され、データポイントの文字列の複雑さは、文字列を生成することが可能な最短の可能なコンピュータプログラムをつくるために必要とされるバイト数により与えられる。Ａｂｒａｈａｍ Ｌｅｍｐｅｌ及びＪａｃｏｂ Ｚｉｖによる“Ｏｎ ｔｈｅ ｃｏｍｐｌｅｘｉｔｙ ｏｆ ｆｉｎｉｔｅ ｓｅｑｕｅｎｃｅｓ”ＩＥＥＥ Ｔｒａｎｓ．， ＩＴ−２２（１９７６） ｐｇｓ． ７５−８１を参照されたい。
【００５３】
ＥＥＧ信号の分析に適用される場合がある更なるアプローチは、カオス理論に基づいたフラクタルスペクトル分析である。フラクタルスペクトル分析では、ＥＥＧ信号が高調波成分とフラクタル成分に分割される。高調波成分は、単一の周波数を含み、フラクタル成分は、時間的なスケーリングの下で不変である部分を含んでいる。周波数パワー法則１／ｆβに対応するフラクタル指数ベータは、麻酔の深さの過程で一致して増加する。
【００５４】
［発明の概要］
本発明の目的は、患者の催眠状態又は意識のある状態、並びに患者が投与されている麻酔の深さを含んで、患者の大脳の状態を正確に判定するための改善された方法及び装置を提供することにある。
本発明の別の目的は、特に患者が意識のない状態から意識のある状態に現れるときに、かかる判定を迅速に行うことができるかかる方法／装置を提供することにある。
【００５５】
本発明の要旨は、ＥＥＧ信号データから導出された患者の大脳の状態に関する効果的な測定値を結合することにあり、好ましくは、スペクトルエントロピー又は近似エントロピーのような複雑さに関する測定値と、ＥＭＧ信号から導出されたより迅速に取得することができる測定値とを結合して、大脳の指示としてこの結合を使用することである。
【００５６】
患者の催眠状態の指示又は麻酔の深さの状態の指示として使用されるとき、ＥＭＧ信号データから導出された測定値は、ＥＥＧ信号データを使用して行われた催眠状態の判定を拡張及び確認し、患者の催眠状態における変化の確認をより急速にする。これは、麻酔科医がタイムリーに、適切な行動をとることができるように、麻酔が投与された患者がまもなく意識を回復する可能性について、同席する麻酔科医に警告することにおいて特に有効である。ＥＭＧ信号データから導出された測定値は、スペクトルパワーデータを含んでいる場合がある。
【００５７】
ＥＥＧ信号データ及びＥＭＧ信号データの両者は、たとえば、患者の額に取り付けられた同じセットの電極から典型的に取得される。ＥＥＧ信号成分は、電極に存在する生体電位に含まれる低周波数（約３０Ｈｚまで）であることを特徴とし、ＥＭＧ信号成分は、高周波数（約５０Ｈｚ及びそれ以上）であることを特徴とする。
【００５８】
ＥＭＧ信号データの存在は、患者に意識があり、患者の意識‐無意識の状態の急速な指示を提供することができることを示している。重要なことに、ＥＭＧ信号データが高周波であるために、サンプリング時間は、低周波のＥＥＧ信号データについて必要とされるサンプリング時間よりも大幅に短縮することができる。これにより、全体的な診断のインジケータを即座に示すことができるように、より頻繁に計算されるＥＭＧ信号データは、患者の状態において変化する。
【００５９】
本発明の１実施の形態では、ＥＥＧ信号データ及びＥＭＧ信号データは、個別に分析され、その後に診断のインデックスすなわち指示に結合される。上述したように、患者の麻酔の状態における変化がＥＭＧ信号データから判定することができる敏速さのために、全体的なインデックスは、患者の状態における変化を麻酔科医に通知することができる。
【００６０】
本発明の別の実施の形態では、複雑さの計算、すなわちエントロピーの計算のスペクトルレンジは、ＥＭＧレンジに拡張するために広くされる。複雑さの計算が実行されてインジケータを提供するスペクトルレンジは、たとえば０．５から７Ｈｚといったある低周波数から３２Ｈｚを超える周波数に拡張される。電源ラインの干渉をフィルタリングにより除去するために、スペクトルレンジは、５０、６０Ｈｚ及び１００、１２０Ｈｚ前後の周波数の除去により帯域に分割される場合がある。
【００６１】
たとえば、スペクトルレンジが約１５０Ｈｚに拡張される実施の形態では、低周波数帯域（０．５〜４７Ｈｚ）は、殆どのＥＥＧ信号データを含んでおり、２つの上側帯域（６３〜９７Ｈｚ、及び１２３〜１４７Ｈｚ）は、主にＥＭＧのデータを含んでいる。広帯域化された周波数レンジの使用は、スペクトルを２つのセグメントに分割することを必要としないか、又は広帯域化された周波数レンジにおける全ての周波数成分が同様に扱われるために、第１の実施の形態では必要としない。
【００６２】
また、ＥＥＧ信号データ及びＥＭＧ信号データについての周波数帯域がオーバラップしているので、スペクトルレンジ内の境界は人工的である。同じ分析技術は、意識のある状態から深い麻酔の状態までの催眠の全てのレベルについて使用される。複数のサブパラメータを使用したインジケータにより発見される矛盾した挙動、及び麻酔の様々なレベルについての結合のルールが回避される。
【００６３】
さらに、本発明の第２の実施の形態において取得される複雑さに関する測定値は、複雑さの計算の広帯域化されたスペクトルレンジにおけるＥＭＧ信号の高周波数により許容されるのと同様な頻度で更新することができる。これにより、患者の麻酔の深さに関する現在の指示を麻酔科医に提供することができる。
【００６４】
広帯域化されたスペクトルレンジにわたり信号の複雑さの計算から取得されたインジケータは、周波数スペクトルのＥＥＧ部分からのみ取得された複雑さに関する測定値と共に使用することができ、インジケータのどの部分が大脳の活動から到来したか、インジケータのどの部分が筋肉の活動から到来したかに関して、麻酔科医に有効な情報を提供することができる。
本発明の様々な他の機能、目的及び効果は、以下の実施の形態及び添付図面から明らかにされるであろう。
【００６５】
［発明の実施の形態］
本発明の好適な実施の形態では、麻酔の深さに関する関連する情報は、信号における不秩序又は複雑さに関する量を特徴付けるパラメータを計算することにより、ＥＥＧ信号データから抽出される。
【００６６】
適切な数学的な技法は、たとえば、Ｒｅｚｅｋ及びＲｏｂｅｒｔｓにおいて記載されるスペクトルエントロピー、Ｐｉｎｃｕｓ等において記載される近似Ｋｏｌｍｏｇｏｒｏｖ−Ｓｉｎａｉエントロピー、及びＬｅｍｐｅｌ−Ｚｉｖにおいて記載される複雑さを含んでいる。
【００６７】
Ｒｅｚｅｋ及びＲｏｂｅｒｔｓに従う信号のスペクトルエントロピーの計算は、４つのステップを含んでいる。第１のステップは、パワースペクトル計算である。信号ｘ（ｔｉ）のフーリエ変換Ｘ（ｆｉ）は、高速フーリエ変化手法（ＦＦＴ）により計算される。パワースペクトルＰ（ｆｉ）は、フーリエ変換のそれぞれの要素Ｘ（ｆｉ）の振幅を２乗することにより計算される。
【数１】
ここで、Ｘ＊（ｆｉ）は、フーリエ変換Ｘ（ｆｉ）の複素共役である。
【００６８】
次いで、パワースペクトルが計算される。正規化されたパワースペクトルＰｎ（ｆｉ）は、正規化定数Ｃｎを設定することにより計算される。これにより、選択された周波数領域［ｆ１，ｆ２］にわたる正規化されたパワースペクトルの総和は、１に等しくなる。
【数２】
総和のステップでは、周波数レンジ［ｆ１，ｆ２］に対応する非正規化スペクトルのエントロピーが総和として計算される。
【数３】
その後、エントロピーの値が正規化される。１（最大の不秩序）と０（完全な秩序）の間のレンジにエントロピーの値を正規化するために、要素ｌｏｇ（Ｎ［ｆ１，ｆ２］）値が最終的に割り算される。ここで、Ｎ［ｆ１，ｆ２］は、レンジ［ｆ１，ｆ２］における周波数成分の全体の数に等しい。
【数４】
Ｒｅｚｅｋ及びＲｏｂｅｒｔｓによる最初の研究では、殆どのＥＥＧの活動は、約３０Ｈｚ以下の周波数帯域に限定されていると一般に思われていたので、考慮された周波数のレンジは、ｆ２＝２５Ｈｚ以下である。
【００６９】
図２は、時間の関数として、麻酔薬が投与された患者について、ＯＡＡＳスケールに比較される上記に計算されたようなエントロピーの値を示している。
【００７０】
図２ａは、患者に付き添う麻酔科医におり判定されたＯＡＡＳレベルを示している。上述したように、ＯＡＡＳレベル５では、患者は、十分に目が覚めており、ＯＡＡＳレベル０では、患者が強縮性刺激に応答しない麻酔の深い状態に対応する。水平ライン１０は、意識がある状態から意識がない状態への遷移が行われていると思われるレベル、すなわちＯＡＡＳレベル３及びＯＡＡＳレベル２を示している。
【００７１】
図２に示されている例では、付き添いの麻酔科医は、患者が約３分でＯＡＡＳレベル５からＯＡＡＳレベル４に移ったと考える。約４分で、患者はＯＡＡＳレベル３に下がったと思われる。
【００７２】
その後、約４．５分で、患者は、口頭の命令に応答及び眼瞼反射できないことによるように、意識を失っていると思われる。これは、レベル３からレベル２以下への変化及び水平ライン１０の交差において証明される。
【００７３】
図２ｂは、グラフ２０のように、５秒のデータから計算されたエントロピーの値、及びグラフ３０のように、１２回の連続な５秒のエポーク（６０秒）のデータの中間値として計算された値を示している。図２ｂからわかるように、患者の意識は、モニタの開始から減少するにつれて、両グラフ２０，３０は、同様に減少して、意識のある状態から意識のない状態への遷移を特徴付けるエントロピーレベルを識別する水平ライン４０を交差する。
【００７４】
使用されるＯＡＡＳについてのプロトコルに従い、麻酔科医は、ＴＯＦ刺激の適用を開始して、ＯＡＡＳスケールに関して麻酔の深さを判定する。図２において示されるケースでは、刺激は、患者に対して約８分で意識を回復させる。
図２から、グラフ２０、３０は、ＯＡＡＳスケールに関して与えられるような、患者の意識の状態に関して正確な指示を提供することがわかる。
【００７５】
図３ａ及び図３ｂは、外科手術レベルの麻酔でのエントロピーの値を示している。すなわち、ＯＡＡＳスケールは、図３ａに示されるようにゼロである場合である。図３における水平ライン４０は、図１における水平ライン４０と同じであり、意識がある状態と意識がない状態の間の境界線を形成しているエントロピーの値を含んでいる。
【００７６】
図４ａ及び図４ｂは、外科手術レベルの麻酔から意識のある状態への急速な回復を示している。エントロピーの値における上昇は、意識のある状態への回復が近づいていることを麻酔科医に通知する。
【００７７】
本発明は、スペクトルエントロピーを使用して記載されているが、図５ａ、図５ｂ及び図５ｃは、スペクトルエントロピーと同様に近似エントロピー及びＬｅｍｐｅｌ−Ｚｉｖの複雑さに関する測定値の安定性を示す感覚消失の誘発及び脱出の例を示しており、麻酔の深さを判定する。信号データの短いサンプル及び長いサンプルの両者を使用して行われた測定値が示されている。
【００７８】
バイスペクトル及びトリスペクトル、周波数領域のパワースペクトル分析、及びバイスペクトルインデックス（ＢＳＩ）のような分析量の結合を含んだ上位周波数領域の分析のような、ＥＥＧ信号を分析するための他の技法もまた、望むのであれば使用することができる。
【００７９】
患者の額又は頭皮の他の領域の電極における生体電位に含まれる筋電図（ＥＭＧ）の活動に関する測定は、麻酔が投与された患者の状態に関する有効な情報を提供することができる。麻酔のレベルが不適切に近づくので、痛みを伴う刺激により、前頭筋の収縮（顔をしかめる）を引き起こし、患者の額に取り付けられる電極から得られる信号のＥＭＧ振幅におけるピークとして検出することができる。ＥＭＧの活動は、筋肉が麻痺されない限り存在する。この反応は、痛みが患者に意識を遂にもたらす前に、実質的に観察することができる。ＥＭＧ信号データは、麻酔科医に早期の警告サインを提供して、手術の間に意識及び目覚めを回避するために、麻酔のレベルを増加することができる。
【００８０】
さらに、４０Ｈｚを超えるＥＭＧの活動の主要部分の高い周波数レンジにより、比較的小さな時間窓は、これら周波数成分を使用した計算のために十分であり、これにより、ＥＭＧ活動における変化は、ＥＥＧ信号における変化よりも実質的に速く検出することができる。特に、脳の活動から生じるＥＥＧ信号における殆どの成分は、３０Ｈｚ以下の周波数レンジに含まれる。いずれか数学的な手順によりこの活動の良好な推定を得るために、計算のために使用される信号の長さは、十分でなければならない。
【００８１】
実際に、最も低い周波数の帯域は、信号の長さについてサイズを設定する。たとえば、０．５Ｈｚから３２ＨｚまでのＥＥＧ信号帯域について、それぞれの成分について少なくとも３０サイクルを得るために、６０秒の信号サンプルが必要とされる。このことは、ＥＥＧ信号データからの患者の脳の活動における変化を評価するための応答時間に下限を設定する。すなわち、ＥＥＧ信号データのインジケータの全ての成分が計算及び十分に更新することができる周波数は、約６０秒毎である。
【００８２】
比較すると、６３Ｈｚ〜９７Ｈｚまでの帯域におけるＥＭＧ信号データは、３０サイクルを得るために０．５秒のデータのみを必要とする。ＥＭＧ信号データは、半周期毎に完全に更新することができる。ＥＭＧ信号データが迅速に更新することができるので、ＥＭＧ信号データは、麻酔科医に早期の警告サインを提供して、たとえば、手術中の目覚めを回避するために患者に投与される麻酔薬のレベルを増加することができる。
【００８３】
図６は、本発明の１実施の形態によるＥＥＧ信号データとより急速に指示するＥＭＧ信号データを使用した、改善された診断の指示を生成するためのステップを示すフローチャートである。ステップ１００では、患者の頭皮に配置された電極に現れる生体電位に対応する信号データが取得される。ステップ１１０では、信号データは、スペクトル分解を受ける。これは、たとえば、フーリエ解析を使用して実行される場合がある。
【００８４】
次いで、スペクトルは、たとえば、３０〜５０Ｈｚ以下の測定された信号の低周波部分を表すスペクトルと、たとえば、５０Ｈｚを超える周波数を表すスペクトルとに分割される。
【００８５】
その後、ステップ１２０で、ＥＥＧスペクトルの推定が処理され、脳の活動の状態を示すパラメータを計算する。上述したように、この計算のために、エントロピーの計算を使用することが好ましいと思われる。しかし、フラクタルスペクトル分析、Ｌｅｍｐｅｌ−Ｚｉｖの複雑さ、或いはバイススペクトルインデックス（ＢＳＩ）のようなバイスペクトル又はマルチスペクトル分析のような他の定量化をこの計算のために使用することができる。この計算の結果は、ステップ１２２での、脳の活動の状態に関する指示の準備となる。
【００８６】
上述したように、本実施の形態で記載された数学的な分析によるこの活動に関する良好な推定値を取得するために、計算のために使用される信号の長さは、十分なものでなければならない。実施には、最も低い周波数の帯域は、信号の長さについて下限を設定する。ステップ１２０で生成されるＥＥＧ指示のケースでは、信号の下限は約６０秒である。これは、ステップ１００，１１０，１２０及び１２２を繰り返すことにより、６０秒毎に指示を完全に更新することができ、患者の大脳の状態を評価するためにＥＥＧ指示の応答時間に下限を設定する。
【００８７】
ＥＭＧ信号のパワースペクトルは、ステップ１２４で取得される。これは、スペクトルの振幅を取得して、その後にスペクトルの振幅の値を平方してパワースペクトルをつくることによる。ＥＭＧパワースペクトルは、ステップ１２６において、ＥＭＧの活動の指示を提供する。
【００８８】
たとえば、３０Ｈｚを超えるＥＭＧの活動の高周波レンジのために、たとえば、０．５秒の比較的小さな時間窓は、ＥＭＧの振幅を計算するために十分である。これは、ＥＭＧの活動における変化を検出することができ、ステップ１００，１１０，１２４及び１２６を繰り返すことにより更新されるインジケータは、ステップ１２４，１２４ａ、１２４ｂ等で図的に示されているように、ＥＥＧインジケータにおける変化よりも実質的に高速であることを意味する。
【００８９】
上記で使用される例では、ＥＭＧインジケータは、０．５秒毎の繰返しレートで完全に更新することができる。データ処理における簡単さのために、ＥＥＧの指示も典型的に０．５秒毎に再計算される。しかし、ＥＥＧインジケータが６０秒のデータを必要とするので、それぞれの計算１２０，１２０ａ、１２０ｂ等は、５９．５秒の古いＥＥＧ信号データを使用し、０．５秒の新しいＥＥＧ信号データを使用する。したがって、ＥＥＧ信号データに含まれている患者の大脳の状態における変化は、ＥＭＧの指示に含まれる変化よりも、ステップ１２０及び１２２において生成された指示において更に遅く反映される。
【００９０】
ＥＥＧインジケータ及びＥＭＧインジケータは、ステップ１２８において、診断のインジケータ又はインデックスにおいて結合される。
【００９１】
ステップ１２０，１２２，１２４，１２６及び１２８は、望むのであれば、平均のような統計的な処理を受ける場合がある。
【００９２】
このように、ステップ１２８の診断インデックスにより提供された結合された指示は、ＥＥＧ信号データに直接的に見られるような催眠又は麻酔の深さのレベルのような、脳の活動状態に関する共に信頼性の高い情報を提供し、患者の大脳の状態に関するより間接的な指示である信号のＥＭＧ成分に含まれる迅速に取得可能な情報の十分な活用が行われ、麻酔からの患者の回復を麻酔科医に警告することにおいて特に有効である。
【００９３】
上述された診断のインジケータ又はインデックスの成分は、図７に示されている。麻酔薬は、時間ゼロで巨丸として投与される。図７ａにおけるＯＡＡＳレベルのライン１０の下により示されているように、患者は意識がない状態に入り、その後、刺激に応答して、又は更なる麻酔がないことに応答して、短時間の期間について回復し、その後、意識がない状態になる。
【００９４】
図７ｂは、図６のステップ１２０及び１２２から取得されたようなエントロピーの指示を示している。図７ｃは、フーリエスペクトルのＥＭＧレンジにわたる誤差平均平方の平方根の総和として、ステップ１２６及び１２８から取得されるＥＭＧ振幅を示している。５秒間のデータがぎざぎざラインとして示されている。滑らかなラインは、１分間のメディアンフィルタによりフィルタリングされた値を示している。
【００９５】
患者の催眠状態に関連するようなエントロピーのグラフは、図２及び図４のエントロピーのグラフに類似している。ＥＭＧの活動に関して、時間ゼロに続く最初の２分の間、患者が目覚めていることを示すかなりのＥＭＧ活動が存在する。その後、ＥＭＧ活動は、患者の意識がなくなるにつれて減少する。ＥＭＧ振幅により与えられた１０分の点で、患者が意識を回復したという、あいまいでない即座の指示は、図７ｃから明らかであり、ステップ１２８で提供される診断のインジケータで反映される。これは、患者が麻酔から回復していることを麻酔科医に指示する。
【００９６】
本発明の別の実施の形態では、ＥＭＧ信号データを診断のインジケータ又はインデックスに組込むことは、スペクトルエントロピーの計算の周波数レンジをＥＥＧレンジからＥＭＧレンジに拡張するレンジまで広くして、ＥＥＧ信号データ及びＥＭＧ信号データの両者を含むことにより得られる。ある小さな量のＥＭＧの活動が１Ｈｚ又は１Ｈｚ以下の周波数から開始するが、殆どのＥＭＧ活動は、（ノッチフィルタにより、５０／６０Ｈｚの倍数で電源ラインによる干渉をフィルタリングするために）４０Ｈｚから３００Ｈｚまでのレンジのような高周波レンジにおいて慣習的に定量化されている。しかし、ＥＥＧ信号データ及びＥＭＧ信号データについて、明らかな周波数の境界は存在せず、３０Ｈｚと５０Ｈｚの間の中間周波数レンジは、互いにオーバラップするＥＥＧ成分とＥＭＧ成分の両者を含んでいる。
【００９７】
ＥＥＧスペクトルとＥＭＧスペクトルの両者を含んだ周波数レンジから取得されたエントロピーに基づいたインジケータを提供することにおいて、これは、特にＥＭＧ信号データの通例の表現からの逸脱を表している。すなわち、本発明の第１実施の形態と共に上述されたように、ＥＭＧ信号の特徴は、たとえば、平均平方の平方根として、電圧の振幅として通例的に表現されており、電圧の振幅は、ＥＭＧ信号データにおける変動の結果として変化する。比較すれば、ＥＥＧエントロピーは、信号における秩序の量を記述する次元のない量である。
【００９８】
エントロピーの見地からみたとき、ＥＥＧ信号のＥＭＧ活動の影響は、結合された信号のエントロピーを増加する高周波雑音をつくることである。エントロピーが０から１まで変化するとき、値は信号の振幅に無関係である。したがって、ＥＥＧ信号データのエントロピーによる表現及びＥＭＧ信号データの振幅表現は、両信号データの特徴としてエントロピーの使用により本発明において解決される形式的な非互換性を表す。
【００９９】
さらに、本発明の実施の形態は、ＥＭＧと比較されるようなＥＥＧが支配的である周波数レンジに制限されているＥＥＧ信号データの以前のエントロピーによる処理からの逸脱を表している。これらの周波数レンジは、たとえば、２５Ｈｚ及び２５Ｈｚ以下の周波数（Ｒｅｚｅｋ等を参照）、或いは３２Ｈｚ又は３２Ｈｚ以下の周波数（Ｂｒｕｈｎ等を参照）である。本発明は、たとえば０．５Ｈｚのある低い周波数から、３２Ｈｚを超える高い周波数までのレンジにおける周波数の使用が意図されている。
【０１００】
本発明の第２実施の形態では、約０．５Ｈｚから１５０Ｈｚまでの周波数レンジを使用することが説明される。拡張された周波数レンジを３つの帯域、０．５〜４７Ｈｚ帯域、６３〜９７Ｈｚ帯域、及び１２３〜１４７Ｈｚ帯域に分割することが好ましいと思われる。レンジは、これらの周波数で３つの帯域に分割され、交流電流の電源ラインの周波数に依存した５０／１００Ｈｚ又は６０／１２０Ｈｚでの電源ラインの高調波が除去される。最も低い帯域は、殆どのＥＥＧ成分を含んでおり、２つの上側帯域は、主要なＥＭＧ活動を含んでいる。
【０１０１】
図８は、本発明の第２実施の形態によるスペクトルエントロピーの計算のための広帯域化された周波数レンジを使用した改善された診断の指示又はインデックスを生成するステップを示すフローチャートである。
【０１０２】
ステップ２００では、患者の頭皮に位置された電極に現れる生体電位信号に対応する信号データが取得される。ステップ２１０では、信号データは、フーリエ変換を使用することにより、スペクトル分解を受ける。上述したように、スペクトル分解は、たとえば、約０．５Ｈｚから約１５０Ｈｚまでの、ＥＥＧ信号データとＥＭＧ信号データの両者を包含する周波数レンジにわたり実行される。また、上述されたように、データは、電源ラインの帯域での周波数を除去するために、スペクトル帯域に分割される。
【０１０３】
ステップ２１２では、ＥＥＧ−ＥＭＧスペクトルレンジの低い周波数帯域は、高い周波数帯域と同様にスペクトルエントロピーのような、ＥＥＧ信号データとＥＭＧ信号データの複雑さ、並びに脳の活動及び前頭筋の状態を示す測定値を計算するために処理される。結合されたインジケータ又はインデックスは、ステップ２１４で提供される。
【０１０４】
図６と共に上述されたように、ＥＭＧ信号データは、ＥＥＧ信号データよりも頻繁に完全に更新するために利用可能であり、ＥＭＧ信号データのパラメータが更新することができる繰返しレートで結合されたインジケータを更新することは、麻酔科医に患者の催眠状態におけるいずれかの変化に関して急速な指示を提供する。
【０１０５】
電極コンタクト特性等における変動による信号振幅の変動は、互いに同じ特性においてＥＥＧ信号データとＥＭＧ信号データに影響を与え、したがって、結合されたＥＥＧ−ＥＭＧエントロピーのインジケータは、信号の振幅により影響されない。
【０１０６】
また、本発明の第２実施の形態で行われるアプローチは、ＥＥＧ信号データの周波数帯域とＥＭＧ信号データの周波数帯域がオーバラップしているという事実に一致する。したがって、全ての周波数成分が同様な方法、すなわち複雑さの特性の判定で扱われるので、ＥＥＧ領域とＥＭＧ領域について人工的な境界が定義される必要がない。しかし、本発明が患者の意識のある状態のレンジのための１つのアルゴリズムの使用を特徴とするのに対し、信号対雑音の考慮に基づいて、アルゴリズムに対する変更が必要とされる場合があることを理解されるであろう。
【０１０７】
低周波帯域からのＥＥＧエントロピーによるデータのみを含んだパラメータは、ステップ２１６及び２１８に示されるように、個別のインジケータとして使用される場合がある。これは、ＥＥＧ−ＥＭＧエントロピーによる指示と関連して使用することができ、麻酔科医は、ＥＥＧ−ＥＭＧエントロピーによるインジケータのどの部分が脳の活動から到来したか、及びＥＥＧ−ＥＭＧエントロピーによるインジケータのどの部分が筋肉の活動から到来したかを判定する。
【０１０８】
このように、臨床上の麻酔科医が結合されたＥＥＧ−ＥＭＧエントロピーによるインジケータが非常に有効であることを発見する一方で、研究者は、ＥＥＧ信号データのエントロピーと、広い周波数レンジにわたり取得された結合されたＥＥＧ−ＥＭＧエントロピーとの比較は、関心のあるものであることがよく理解されるであろう。
【０１０９】
同様に、高い周波数帯域からのＥＭＧエントロピーによるデータを含むパラメータは、ステップ２２０でエントロピーを計算し、ステップ２２２でインジケータを提供することにより、個別のパラメータとして使用される場合がある。様々な診断のインジケータは、図８におけるステップ２２４で集合的に示されている。
【０１１０】
本発明の両実施の形態は、フーリエ変換を利用して電極の生体電位に含まれている信号のスペクトルを分解するものとして記載されてきたが、各種のウェーブレット変換のような他の変換が使用される場合がある。純粋なＥＥＧエントロピー、ＥＥＧ−ＥＭＧエントロピー、及び／又はＥＭＧエントロピーについて、対応するインジケータを取得するために、基本関数が２つのクラスに分割され、一方のクラスがＥＥＧ活動についての基本関数を含んでおり、他方がＥＭＧ活動についての基本関数を含んでいる。
【０１１１】
この分類の後、純粋なＥＥＧエントロピー及びＥＥＧ−ＥＭＧエントロピーについてのインデックスは、上述したように計算される。ＥＥＧ成分及びＥＭＧ成分の良好な区別について、ＥＭＧスパイクの形状に匹敵するウェーブレットを含んだ基本関数のセットは、ＥＭＧ成分をより効果的に抽出する場合がある。
【０１１２】
図９は、ＯＡＡＳスケールに関して麻酔科医により評価されるような、麻酔の深さと共に、純粋なＥＥＧエントロピーパラメータと、結合されたＥＥＧ−ＥＭＧエントロピーパラメータとの挙動を時間の関数として例示している。また、平均平方の平方根のスペクトル振幅として慣習的に表現されるようなＥＭＧ信号データが示されている。
【０１１３】
ぎざぎざのラインは、５秒のデータから計算された値を示し、滑らかなラインは、１分のメディアンフィルタによりフィルタリングされた値を示している。麻酔薬は、時間ゼロで巨丸として投与される。はじめの２分の間に、患者が目を覚まし、ＥＭＧ振幅を示す図９ｄから見ることができるように、多くのＥＭＧ活動が存在している。高いＥＭＧ活動の結果として、図９ｂに示される結合されたＥＥＧ−ＥＭＧエントロピーは、患者が目覚めていることを確認して比較的高い値を示している。
【０１１４】
約２分の時点で、図９ａに示されるように、ＯＡＡＳのスコアがライン１０の下に下がるときに、患者は意識を失う。同時に、ＥＭＧの活動は、図９ｄに示されるように、その大部分が消失する。ＥＥＧ−ＥＭＧエントロピーのインジケータ及びＥＥＧエントロピーのインジケータは、図８のステップ２１８及びステップ２２６でそれぞれ生成され、催眠が深くなることを示す、意識を失うことへの遷移の境界線を引いているライン４０の下をそれぞれたどる。図９ｂ及び図９ｃを参照されたい。
【０１１５】
約６〜７分では、図９ｂ及び図９ｃのエントロピーの値は、麻酔が軽くなり始めることを示している。これは、更なる催眠が投与されていないためである。約１０分では、患者は、目を覚まし、かなりのＥＭＧ活動が再び現れる。図９ｃに示される純粋なＥＥＧエントロピーインジケータは、回復を予測及び指示するが、図９ｂに示される結合されたＥＥＧ−ＥＭＧエントロピーインジケータにおけるＥＭＧ効果は、そのライン４０の交差において、上記回復の予測及び指示をより明らかにしている。
【０１１６】
その後、１０分の時点に続いて、患者は、続けて麻酔が投与される。ＥＭＧ活動は、図９ｄに示されるように徐々に消失し、ＥＭＧ−ＥＥＧエントロピーのインジケータは、図９ｂ及び図９ｃの比較により見ることができるように、純粋なＥＥＧエントロピーのインジケータに減少する。
【０１１７】
図８のステップ２２６において取得されたＥＥＧエントロピーのパラメータ、及びステップ２１８において取得されたＥＥＧ−ＥＭＧエントロピーパラメータを、ＥＭＧ活動が完全に停止したときに正確に一致させるようにスケーリングすることは有効である。このスケーリングにより、２つの情報部分の同時のグラフィカルな表現が可能である。これは、以下のやり方で行うことができる。主要なＥＥＧ信号データを含む０．５〜３２Ｈｚの周波数レンジを周波数レンジＲ１となるように取る。除去される電源ラインによる周波数を有する３２〜１４７Ｈｚの周波数レンジを、主にＥＭＧ信号データについての周波数レンジＲ２となるように取る。
【０１１８】
周波数レンジ［Ｒ１］＝［ＥＥＧ］及び［Ｒ１］＋［Ｒ２］＝［ＥＥＧ］＋［ＥＭＧ］について、Ｒｅｚｅｋのアルゴリズムのステップ１〜３（式（１）〜（３））を実行し、以下を得る。
【数５】
及び
【数６】
レンジ［Ｒ２］内の全ての周波数ｆｉについて、Ｐｎ（ｆｉ）である瞬間を考える。このケースでは、正規化定数Ｃｎ［Ｒ１＋Ｒ２］＝Ｃｎ［Ｒ１］、及び結果的に正規化スペクトルＰｎ［Ｒ１＋Ｒ２］及びＰｎ［Ｒ１］（ステップ２）は、等しい。式（５）及び（６）により与えられる非正規化スペクトルのエントロピーは等しい。これらのエントロピーが式（４）に従い正規化された場合、もはや等しくなくなる。これは、非正規化の要素ｌｏｇ（Ｎ［Ｒ１＋Ｒ２］）がｌｏｇ（Ｎ［Ｒ１］）よりも明らかに大きいためである。この状況は、正規化エントロピーＳＮ［Ｒ１］を以下のように再定義することにより訂正することができる。
【数７】
正規化エントロピーＳＮ［Ｒ１＋Ｒ２］は、式（４）に先に示されたように定義することができる。
【数８】
これらの定義に従い、ＥＥＧ−ＥＭＧエントロピーは、０から１に変化する。純粋なＥＥＧエントロピーは、０からｌｏｇ（Ｎ［Ｒ１］）／ｌｏｇ（Ｎ［Ｒ１＋Ｒ２］）＜１に変化する。２つのエントロピーの値は、レンジ［Ｒ２］内の全てのｆｉについてＰ（ｆｉ）＝０であるようにＥＭＧの活動がないときに一致する。ＥＭＧの活動が存在するとき、ＥＥＧ−ＥＭＧエントロピーは、純粋なＥＥＧエントロピーよりも大きい。
【０１１９】
実際には、患者の生体電位から取得された信号データを処理することにおいて、デジタルフィルタが一般に使用される。かかるフィルタの特性により、完全なランダムノイズ、すなわち白色雑音からなる計算されたエントロピーは、通常１よりも僅かに小さい。この理由のために、エントロピーは、上述した正規化を維持するために、定数により乗算される場合がある。
【０１２０】
上述した内容は、２つの周波数レンジＲ１、Ｒ２を使用して記載されたが、これらの考えは、周波数レンジの数が２つ以上であるケースに対して簡単に一般化することができる。
【０１２１】
図１０は、結果的に得られた正規化ＥＥＧエントロピーＳＮ［Ｒ１］（太い曲線）を、正規化ＥＥＧ−ＥＭＧエントロピーＳＮ［Ｒ１＋Ｒ２］（細い曲線）と共に示している。このやり方で与えられたとき、ＥＥＧエントロピーは、患者の脳の活動の傾向の挙動に関する信頼できる情報を与え、ＥＥＧ−ＥＭＧエントロピーは、高速な変化に対して迅速に応答する。
【０１２２】
図９に示されるＥＥＧエントロピーのインジケータ及びＥＥＧ−ＥＭＧエントロピーのインジケータの代わりに、図８のステップ２２０，２２２に示されるようなＥＭＧの活動のみについて対応するエントロピーのインジケータを計算して、ステップ２１６，２１８において取得されたＥＥＧエントロピーのインジケータと共に該対応するエントロピーのインジケータを使用することもできる。
【０１２３】
しかし、このアプローチに関して、幾つかの注意がなされなければならない。ＥＭＧの活動が筋肉のリラクセーションにより停止したとき、いくらかの雑音がスペクトルのＥＭＧレンジに残される。雑音のエントロピーは、比較的高く、ＥＭＧの活動のレベルについて誤って高い値を与える場合がある。したがって、ＥＭＧの活動が個別であるとみなされるとき、エントロピーの概念は、計算のために使用され、雑音のレベルは、ＥＭＧ信号がゼロであるとみなされる範囲で確立されるべきである。
【０１２４】
図１１には、本発明を実行するための装置が示されている。電極３００は、所望のやり方で患者の頭に取り付けられている。好ましくは、少なくとも幾つかの電極が患者の頭に取り付けられる。少なくとも１つの電極ペア、及び通常は複数の電極ペアが利用される。電極に現れる生体電位は、コンダクタ３０２で受信され、患者のケーブル３０４に集められる。
【０１２５】
ケーブル３０４は、コンダクタ３０２を保護回路３０６に接続し、該回路は、患者が電気外科又は細動除去を受ける場合において使用可能である。電気外科は、典型的に３００〜３０００Ｈｚの間の無線周波数で交流電流を使用し、組織を切り、出血している血管を腐食させる。細動除去器は、短い電流パルスを伝達し、心筋における不整脈を止める。これらの発生のいずれかは、コンダクタ３０２における信号に大きな影響を与え、特に、信号のＥＥＧ部分は、患者の大脳の状態を判定することにおいて、更なる使用のために通常阻止される。
【０１２６】
保護回路３０６の出力は、増幅器３０８により増幅され、アナログ／デジタル変換器３１０においてアナログ／デジタル変換を受ける。その後、信号は、帯域通過フィルタに供給され、該フィルタは、信号から雑音及び電源ラインの高調波の周波数成分を除去する。帯域通過フィルタ３１２の出力は、アーチファクト検出器３１４に接続される。
【０１２７】
アーチファクト検出器３１４は、心電計による活動及び他のソースから生じたアーチファクトを検出する。アーチファクト検出器３１４の出力は、計算ユニット３１６に接続され、該ユニットは、上述した、図６及び図８に示された方法のステップを実行し、図３、図４、図５、図７、図９及び図１０に示される対応する出力をディスプレイ３１８に表示する。或いは、情報は、数値的な形式でディスプレイ３１８に表示される場合がある。ディスプレイ３１８は、他のモニタから取得された心電図のデータ、呼吸レート、脈、血圧等のような他の生理学上のデータを表示する場合もある。
【０１２８】
また、アーチファクト検出器３１４は、アーチファクトを検出するために使用されるが、アーチファクトの存在は、計算ユニット３１６で行われる信号処理において処理することもできる。たとえば、目の動きは、高周波のＥＭＧ信号データと共に低周波のＥＥＧ信号データの両者におけるスパイクを同時につくることが発見されている。これら周波数帯域の両者における存在する同時のスパイクを検出することは、目の動きから生じると思われる場合があり、かかるアーチファクトを含んだ特定のＥＥＧ信号データは、患者の大脳の状態に関する判定を行う利用から除去することができる。過度の筋肉の活動及び対応する大きなＥＭＧ信号データが存在するときにも、同じことが言える。
【０１２９】
本発明は、麻酔及び投与により誘発された大脳の状態に関して上述されてきた。しかし、本方法及び装置は、患者及び麻酔薬以外の薬品から取得されたＥＥＧ信号データ及びＥＭＧ信号データにおいて反映される他の生理学的な条件に関連して使用される場合があることを理解されるであろう。したがって、それら明白に示された実施の形態に加えて他の等価構成、代替、及び変更が可能であり、特許請求の範囲内にある。
【図面の簡単な説明】
【図１】
脳電図を示す図である。
【図２ａ】
麻酔薬が投与された患者について従来のＯＡＡＳスケールを示すグラフである。
【図２ｂ】
麻酔薬が投与された患者についてエントロピーの値を示すグラフである。
【図３ａ】
麻酔の外科手術レベルでの従来のＯＡＡＳスケールを示すグラフである。
【図３ｂ】
麻酔の外科手術レベルでの患者のエントロピーの値を示すグラフである。
【図４ａ】
麻酔から回復する患者について従来のＯＡＡＳスケールを示すグラフである。
【図４ｂ】
麻酔から回復する患者について患者のエントロピーの値を示すグラフである。
【図５ａ】
ＥＥＧ信号を分析するためのスペクトルエントロピーを示す比較のグラフである。
【図５ｂ】
ＥＥＧ信号を分析するための近似エントロピーを示す比較のグラフである。
【図５ｃ】
ＥＥＧ信号を分析するためのＬｅｍｐｅｌ−Ｚｉｖの複雑さを示す比較のグラフである。
【図６】
本発明の１実施の形態を示すフローチャートである。
【図７ａ】
ＯＡＡＳレベルを示すグラフである。
【図７ｂ】
ＥＥＧエントロピーを示すグラフである。
【図７ｃ】
ＥＭＧ信号の振幅を示すグラフである。
【図８】
本発明の別の実施の形態を示すフローチャートである。
【図９ａ】
麻酔の深さに関するＯＡＡＳレベルを示すグラフである。
【図９ｂ】
麻酔の深さに関するＥＥＧ−ＥＭＧエントロピーを示すグラフである。
【図９ｃ】
麻酔の深さに関するＥＥＧエントロピーを示すグラフである。
【図９ｄ】
麻酔の深さに関するＥＭＧスペクトルパワーを示すグラフである。
【図１０】
結合されたＥＥＧ及びＥＭＧエントロピーの値を示すグラフである。
【図１１】
本発明を実行するための装置を示す図である。
［発明の分野］
本発明は、患者の大脳の状態を判定するための方法及びシステムに関する。
本発明の方法及び装置の１つの用途は、たとえば、麻酔薬の投与から起こる患者の催眠状態の程度を判定することである。この程度は、「麻酔の深さ」と言われることがある。
本発明の方法及び装置では、大脳の状態の変化を正確かつ迅速に判定することができる。
【０００２】
［発明の背景］
極端に単純化された定義では、麻酔は、感覚又は痛みを部分的又は全体的に失った人工的に誘発された状態である。殆どの医療の手順について、感覚を失うことは、患者が麻酔状態にあり、その手順に気付かないように、患者側で意識をなくすことにより伴われる。
【０００３】
「麻酔の深さ」は、麻酔薬の投与後に意識がなくなる程度を一般に記述する。麻酔をかける大きさ、すなわち麻酔の深さが増加すると、麻酔が投与された患者は、話しかけられた要求に連続的に応答することが典型的にできず、眼瞼反射を失い、他の反射を失い、生命にかかわる徴候の低下を受ける。
【０００４】
意識を失うこと（催眠状態、記憶の喪失）、及び感覚を失うこと（無痛覚）は、麻酔に関する重要な特徴である一方で、バランスされた高品質の麻酔は、筋肉のリラクセーション、自律神経システムの抑圧、神経筋接合部の閉塞も考慮されなければならない。
【０００５】
十分な筋肉のリラクセーションは、患者の組織を扱う外科医にとって最適な手術条件を保証するために必要とされる。自律神経システムが抑圧されていない場合、患者にショックの反応で外科医の動作に反応させ、この反応は、血液動力学及び内分泌システムに大きな影響を与える。
【０００６】
患者を完全に動きをなくしたままにするために、患者の体が完全に麻痺されるように、脳から筋肉への命令を転送する神経筋接合部は、ブロックされる必要がある。麻酔の全ての５つの要素からなる状態を判定する必要が広く認識されている一方で、信頼性が高い、正確かつ迅速な方法において、催眠又は麻酔の深さの状態を確認及び定量化することが広く注目の主題となってきている。
【０００７】
この確認及び定量化についての１つの理由は、その重要性にある。麻酔が十分に深くなければ、患者は手術又は他の医療手順の間に意識を維持するか又は意識を得る場合があり、これにより、患者、麻酔科医及び外科医にとって、極端に外傷性の経験となる。
【０００８】
他方で、過度の深い麻酔は、その殆どが高価である麻酔薬の不必要な消費となる。余りに深い麻酔は、手術の回復プロセスの間に、益々多くの医療の監視を必要とし、患者にとって麻酔薬の効果が完全になくなるために必要とされる期間を長引かせる。継続した研究及び患者の催眠状態を監視するために与えられる注目のための第２の理由は、その困難さから生じる。すなわち、麻酔薬は、患者の脳の活動及び状態を変え、これらの変化は検出することが常に容易ではない。
【０００９】
研究目的に使用される麻酔の深さの測定は、Ｏｂｓｅｒｖｅｒ’ｓ Ａｓｓｅｓｓｍｅｎｔ ｏｆ Ａｌｅｒｔｎｅｓｓ ａｎｄ ＳｅｄａｔｉｏｎすなわちＯＡＡＳにおいて発見される。ＯＡＡＳは、極端な刺激に対する患者の応答に基づいて、意識レベル、或いは逆に、鎮静又は麻酔の深さを判定する。麻酔の深さを６つのレベルに分類するかかるアセスメントの１つは、以下の表により要約される。意識から無意識への遷移は、ＯＡＡＳスコアがレベル３からレベル２に変化するときに生じると思われる。レベル０は、非常な痛みの刺激に対して患者が応答しない深い麻酔の状態に対応する。
【表１】
【００１０】
研究及び他の目的に有効である一方で、ＯＡＡＳスケールは、制限された数のスケーリングレベルのみを提供し、麻酔科医からの要求された注意及び痛みを伴う刺激の使用のために、実際の使用において制限されている。
【００１１】
脳の神経系活動は、脳の表面及び頭皮で利用可能な生体電位において反射されることが以前から知られている。したがって、催眠が誘発された麻酔の程度を定量化する試みは、これら生体電位の研究に変化している。生体電位の電気信号は、認識されたプロトコルにより指定された位置で、患者の頭皮に位置される電極のペア又は複数のペアにより通常取得され、電気信号のセット又は複数のセット又はチャネルは、電極から取得される。これらの信号は、増幅及びフィルタリングされる。記録された信号は、脳波（Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ）すなわちＥＥＧを含んでいる。
【００１２】
フィルタリングの目的は、ＥＥＧ信号から筋電図（Ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｉｃ：ＥＭＧ）信号を除去することである。ＥＭＧ信号は、患者の筋肉の活動から生じ、患者の額又は頭皮に印加された脳波電極で現れる。これらは、ＥＥＧ信号に関してアーチファクトと通常考えられる。ＥＭＧ信号は、その周波数レンジ（４０〜３００Ｈｚ）にそのエネルギーの殆どを特徴的に有しており、該周波数レンジは、ＥＥＧ信号の周波数レンジとは異なり、ＥＭＧ信号の主要部分は、ＥＥＧ信号から離れている。
【００１３】
図１には、典型的なＥＥＧ信号が示されている。ＥＥＧ信号パターンのマクロの特徴は、広く定義された低周波の周期、又は所定の周波数帯域において生じる波形の存在である。４つのかかる帯域は、デルタ（Ｄｅｌｔａ：０．５〜３．５Ｈｚ）、シータ（Ｔｈｅｔａ：３．５〜７．０Ｈｚ）、アルファ（Ａｌｐｈａ：７．０〜１３．０Ｈｚ）及びベータ（Ｂｅｔａ：１３．０〜３２．０Ｈｚ）と認識される。
【００１４】
アルファ波は、目覚めている期間の間に発見され、眠っている間には全体的に消えている。アルファ波よりも高い周波数のベータ波は、中央神経システムの強い活動の期間の間に記録される。アルファ波よりも低い周波数のシータ波及びデルタ波は、嗜眠状態又は深い睡眠状態の期間を反映している。
【００１５】
催眠の深さに対する類似性により、信号の振幅がはじめに増加すると、麻酔の深さの増加につれて、ＥＥＧの周波数は減少すると言われている。しかし、この全体の特徴は、あまりに不正確であって、かつ信頼性が低く、催眠の程度としてかかる重要な医療の態様の指示として使用することができない。
【００１６】
さらに、麻酔の間のＥＥＧ信号の変化は、患者の催眠状態におけるＥＥＧ信号の変化に十分に相関していない場合がある。たとえば、１２から１８Ｈｚの周波数バンドでは、麻酔薬が投与されるにつれて、ＥＥＧ信号の活動ははじめに増加し、その後は、麻酔が深まるにつれて活動が減少することが報告されている。
【００１７】
上記の状況により、研究及び他の技法の使用が行われ、ＥＥＧ波形を調べて、患者が受ける麻酔の深さを含めた脳の根本的な条件を確かめている。ＥＥＧ信号は、本来非常にランダムであることが、図１から即座に理解される。心電計（Ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｍ：ＥＣＧ）のような他の生体電位信号とは異なり、ＥＥＧ信号は、従来では比較及び分析することができる明らかな繰返しパターン、モルフォロジー及びタイミングを通常有していない。また、ＥＥＧ信号の波形の形状は、脳における固有の根本的なイベントに良好に相関していない。したがって、ＥＥＧの視覚的な調査から容易に明らかである、てんかん患者の急発作のような所定の現象を除き、ＥＥＧにおける脳の他の条件の指示は、非常に捉えがたい。
【００１８】
他の技法の使用の前に、ＥＥＧ信号は、アナログのＥＥＧ信号の振幅を連続的にサンプリングされ、一連のデジタルデータ値に変換されることにより、アナログ／デジタル信号変換を受ける。サンプリングは、典型的に１００Ｈｚ又はそれ以上で実行される。デジタル信号は、コンピュータの磁気媒体又は他の記憶媒体に記憶され、次いで、更なる処理を受け、脳の根本的な状態が確認される。
【００１９】
かかる処理は、共に「エポーク」と呼ばれる連続的なＥＥＧ信号のサンプルからなるセット、又は有限時間ブロックを表すデータポイントを典型的に使用する。データの分析では、所定のエポーク及び所定数のバックワードエポークを使用することに基づいた移動平均が通常実行される。
【００２０】
麻酔の深さを判定するために、ＥＥＧ信号を分析することができる幾つかの技術は、Ｉｒａ Ｊ． Ｒａｍｐｉｌによる“Ａ Ｐｒｉｍｅｒ ｆｏｒ ＥＥＧ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ ｉｎ Ａｎｅｓｔｈｅｓｉａ” Ｖｏｌ． ８９， Ａｎｅｓｔｈｅｓｉｏｌｏｇｙ Ｎｏ． ４， ｐｇｓ．９８０ ｅｔ ｓｅｑ．， Ｏｃｔｏｂｅｒ １９９８に記載されている。
【００２１】
１つのかかる技術は、幾つかの意味あるやり方で、ＥＥＧ信号の電圧が時間につれてどのように変化するかを調べることである。かかる分析は、「時間領域の分析」と呼ばれる。ＥＥＧ信号の一般的にランダムな性質のために、ＥＥＧ信号は、決定論的な信号である。これは、たとえば、ＥＣＧ信号における過去のＱＲＳ複雑さの形状が使用され、分析及び診断向けに次の値を予測することができるやり方で、ＥＥＧ信号の過去の値から次の値を正確に予測することが困難であることを意味している。しかし、ＥＥＧ信号のような、ランダム信号の所定の統計的な特徴は、分析の目的で判定及び使用することができる。
【００２２】
時間領域ベースのＥＥＧ分析方法は、臨床用途で非常に成功していることが証明されていない。これは、結果が完全に一致した振る舞いを示さないためである。しかし、かかる方法は、麻酔薬の投与を制御するために時間領域のＥＥＧ信号電圧から導出された電力パラメータの使用において報告されている。時間領域ベースの統計的パラメータの結合は、ＥＥＧデータを分析するために使用されている。ＥＥＧ信号データを分析するために、所与の期間においてＥＥＧ信号がゼロ電圧レベルを交差する回数使用するための試みがなされている。
【００２３】
しかし、時間領域ベースの分析は、ＥＥＧにおけるバースト抑圧の研究及び定量化において有効である。深い睡眠又は麻酔の間は、時間領域のＥＥＧ信号は、交互の周期すなわち通常の「バースト」、又は高周波及び振幅、電圧信号、及びその周期が「抑圧」の周期と呼ばれる低電圧又はゼロ電圧の周期により特徴付けられる活動のパターンを発展させる。この現象の範囲は、「バースト抑圧比（ＢＳＲ）」として表現することができ、ＥＥＧ電圧がサンプリング周期の一部として抑圧状態にある時間を記述する時間領域のＥＥＧパラメータである。
【００２４】
ＥＥＧ信号の波形を分析する第２のアプローチは、周波数の関数として信号の活動を調べることである。すなわち、「周波数領域の分析」である。ＥＥＧ信号のような複雑な波形を分解又は変換して、様々な周波数、振幅及び位相からなる単一の正弦波又は余弦波の複数のスペクトルにすることができる。
【００２５】
周波数領域のスペクトルは、フーリエ変換により、連続的な時間領域のＥＥＧ信号データから取得することができる。周波数領域の分析は、スペクトルの様々な周波数を有する波形において生じる特徴及び機能を判定するために、変換から取得される周波数信号のスペクトルを分析する。ＥＥＧ信号の周波数領域の分析結果は、周波数が横座標に図示され、電力が縦座標に図示される電力対周波数ヒストグラムとして、典型的にグラフにより表示される。
【００２６】
脳電図からの有効な情報を取得するための更なる試みは、バイスペクトル又はトリスペクトルを含んだ上位の分析を使用している。バイスペクトルは、２つの異なる周波数成分の間の位相の相関を測定し、基礎となるＥＥＧの正弦波成分の間の関係を定量化するものであり、かなりの注目を集めている。バイスペクトルは、２つの主要周波数ｆ１及びｆ２での正弦波と、周波数ｆ１＋ｆ２での変調成分の間の関係を定量化する。周波数ｆ１，ｆ２と周波数ｆ１＋ｆ２の間の強い位相の関係は、周波数ｆ１＋ｆ２についての大きなバイスペクトル値をつくる。しかし、数千のｆ１，ｆ２とｆ１＋ｆ２の周波数結合について、複素算術を使用して計算が実行されなければならないので、バイスペクトル情報を取得するための計算は、むしろ骨が折れる。
【００２７】
臨床の使用について、上述したＥＥＧ信号分析又は他のタイプの分析の結果を、患者を診察するときに、臨床設定において麻酔科医により使用することができる作業パラメータに簡単にすることが望まれている。理想的に、望まれるのは、十分な警戒から可逆的に催眠ではない最大の深さまでの、一貫し、連続したスケールに関して麻酔の深さを定量化する簡単な１つのパラメータ又はインデックスである。十分に有効であるために、かかるスケールは、異なる患者の異なる生理学と同様に、異なる麻酔薬の異なる薬理学作用にも拘らず、その一貫性を維持しなければならない。
【００２８】
患者の催眠状態にＥＥＧ信号データを関連付けるための様々なかかるパラメータは、文献において説明されている。幾つかは、周波数領域のパワースペクトル分析を使用している。これらのパラメータは、ピークパワー周波数（ＰＰＦ）、メディアンパワー周波数（ＭＰＦ）及びスペクトルエッジ周波数（ＳＥＦ）を含んでいる。
【００２９】
ピークパワー周波数（ＰＰＦ）パラメータは、麻酔の深さの指示としてサンプリングされたデータにおいて最高パワーが生じるスペクトルにおける周波数を使用している。メディアンパワー周波数（ＭＰＦ）パラメータは、その名が示すように、スペクトルを２分する周波数を使用する。同じように、スペクトルエッジ周波数は、ＥＥＧ信号における最高周波数を使用する。スペクトルエッジパラメータの変更は、ＳＥＦ９５パラメータであり、スペクトルにおけるパワーの９５％が存在する周波数である。
【００３０】
催眠状態又は麻酔の深さの指示に関する一貫性を改善するために、幾つかのパラメータは、結合されて使用されることがある。たとえば、スペクトルエッジ周波数（ＳＥＦ）パラメータは、時間領域のバースト抑圧比（ＢＳＲ）パラメータと結合され、麻酔の深さを指示することができる一貫性及び精度を改善する場合がある。
【００３１】
上述したタイプのパラメータは、麻酔薬により引き起こされるＥＥＧにおける変化を検出することができ、麻酔の深さを判定することにおいて有効である一方で、異なる麻酔薬により誘発された異なるＥＥＧパターンへの感度のために、挙動に関するエンドポイントに較正することができない。
【００３２】
より複雑なパラメータの結合は、Ｎａｓｓｉｂ Ｃｈａｍｏｕｎ等による米国特許第４，９０７，５９７号、第５，０１０，８９１号、第５，３２０，１０９号、及び第５，４５８，１１７号に記載されており、本特許の出願人により製造及び販売されている麻酔モニタプロダクト Ａｓｐｅｃｔ Ｍｅｄｉｃａｌ Ｓｙｓｔｅｍｓ ｏｆ Ｆｒａｍｉｎｇｈａｍ，ＭＡに使用されている。この特許は、時間領域サブパラメータ及び周波数領域サブパラメータの様々な結合を記載しており、上位のスペクトルサブパラメータを含み、幾つかの麻酔薬について麻酔のレンジにわたる鎮静及び催眠の挙動のアセスメントを相関付けるバイスペクトルインデックス（ＢＩＳ）と呼ばれる１つの変数を形成する。この能力のために、Ａｓｐｅｃｔ Ｍｅｄｉｃａｌ Ｓｙｓｔｅｍｓのプロダクトは、臨床の許容を発見している。
【００３３】
バイスペクトルインデックスＢＩＳは、以下の３つのサブコンポーネントから構成されている。「同期高速低速」、「ベータ比」及び「バースト抑圧」である。サブパラメータ「同期高速低速」の計算は、周波数領域におけるバイスペクトル分析を利用している。「同期高速低速」パラメータは、レンジ４０〜４７Ｈｚにおける総和で除算される周波数レンジ０．５〜４７Ｈｚにおける全てのバイスペクトルピークの総和の比の対数に対応する。
【００３４】
「ベータ比」サブパラメータは、周波数レンジ３０〜４７Ｈｚ及び１１〜２０Ｈｚにおけるパワー比の対数を与える。これは、軽い鎮静において最も作用することがわかっている周波数領域のパラメータである。上述されたように、麻酔が非常に深いレベルでは、ＥＥＧ信号は、ＥＥＧの活動が抑圧されるデータサンプルを含んでいる。「バースト抑圧比」は、ＥＥＧ信号の時間領域の分析から取得され、信号におけるバースト及び抑圧の相対的な内容を記述する。「バースト抑圧比」は、抑圧が生じている深い麻酔において使用可能である。
【００３５】
結果的に得られるバイスペクトルインデックスＢＩＳは、これら３つのサブパラメータの結合である。結合アルゴリズムは、最良の性能のレンジに従い、異なるサブパラメータを重み付けする。アルゴリズムの詳細は、発表されておらず、所有権が主張されており、異なるサブパラメータ又はサブパラメータの結合は、催眠又は麻酔の深さのレベルに依存して使用される。
【００３６】
たとえば、軽い鎮静は、信頼性の高い結果を得るために、「ベータ比」サブパラメータと共に、バイスペクトルの「同期高速低速」パラメータを使用することが必要である。深い麻酔について、バイスペクトルサブパラメータ「同期高速低速」を「バースト抑圧比」サブパラメータと結合して、信頼性のある結果をつくることが必要である。アルゴリズムは、麻酔の深さを正確に判定するために必要とされるサブパラメータの適切な結合を行うために、麻酔のレベルは何かをアルゴリズムは知らなければならず、これにより、適切なサブパラメータの結合を必要とする点で、回りくどく見える。
【００３７】
バイスペクトルインデックス（ＢＩＳ）のある逆説的な挙動が報告されている。Ｄｅｔｓｃｈ等による“Ｉｎｃｒｅａｓｉｎｇ Ｉｓｏｆｌｕｒａｎｅ Ｃｏｎｃｅｎｔｒａｔｉｏｎ ｍａｙ ｃａｕｓｅ Ｐａｒａｄｏｘｉｃａｌ Ｉｎｃｒｅａｓｅｓ ｉｎ ｔｈｅ ＥＥＧ ｂｉｓｐｅｃｔｒａｌ ｉｎｄｅｘ ｉｎ Ｓｕｒｇｉｃａｌ Ｐａｔｉｅｎｔｓ”Ｂｒ． Ｊ． Ａｎａｅｓｔｈ．８４ （２０００）， ｐｇｓ．３３−３７を参照されたい。インデックスは、複数のサブパラメータ及びその結合を異なる領域の催眠において使用するので、この挙動は、患者の催眠レベルが、たとえば「外科手術のレベル」と「深い催眠」の間の領域において領域の境界にあるときに生じる。
【００３８】
さらに、バイスペクトルインデックス（ＢＩＳ）パラメータの計算は、ＥＥＧデータの幾つかのエポークを平均することを必要とする。したがって、このインデックスは、臨床の状況で必要とされるような、患者の状態における変化を検出するために十分に高速ではない。Ｂａｋｅｒ等による“Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｐｈｉｃ Ｉｎｄｉｃｅｓ Ｒｅｌａｔｅｄ ｔｏ Ｈｙｐｎｏｓｉｓ ａｎｄ Ａｍｎｅｓｉａ Ｄｕｒｉｎｇ Ｐｒｏｐｏｆｏｌ Ａｎｅｓｔｈｅｓｉａ ｆｏｒ Ｃａｒｄｉｏｖｅｒｓｉｏｎ”Ａｎａｅｓｔｈｅｓｉａ ａｎｄ Ｉｎｔｅｎｓｉｖｅ Ｃａｒｅ， Ｖｏｌ．２８， Ｎｏ．４， ２０００を参照されたい。
【００３９】
したがって、ＢＩＳインデックスは、患者が彼／彼女の目を既に開いた数秒後に回復を示す。これは、ＢＩＳインデックスの使用における重要な問題である。麻酔の深さを知ることにより、麻酔科医は、患者に投与する麻酔薬の量をより正確に制御することができる。これは、投与される麻酔薬の量における低減となる。しかし、減少された量の麻酔薬により、患者が手術中に目を覚ますという危険が増加する。したがって、患者が催眠状態から意識のある状態に近づいているかを麻酔科医が即座に知ることが必要である。
【００４０】
脳波形による信号の分析に対する異なるアプローチは、麻酔の深さの指示として使用するために、非常にランダムなＥＥＧ信号の複雑さを定量化しようと試みることである。このアプローチは、ＥＥＧ信号の非線形の力学に基づいた測定値が根本的な脳の活動の状態への直接の調査を可能にするように、脳のような神経システムが様々な非線形の挙動を示す、という前提に基づいている。
【００４１】
ランダム且つ予測不可能な信号の複雑な性質に向けられる概念及び分析技術は多数存在する。かかる概念の１つは、エントロピーである。エントロピーは、物理的な概念として、物理システムの不秩序の状態を記述する。信号分析で使用されるとき、エントロピーは、信号の複雑さ、予測不可能性又はランダムな特性を説明して記述する。簡単な例では、連続的な値がある固定された振幅、次いで別の固定された振幅が交互に現れる信号は、ゼロのエントロピーを有する。すなわち、信号は、全体的に予測可能である。連続的な値がランダム番号ジェネレータにより発生される信号は、大きな複雑かつ大きなエントロピーを有する。
【００４２】
エントロピーの概念を脳に適用することは、上記前提は、患者が目覚めているとき精神は活気に満ちており、脳の状態はより非線形、複雑かつ雑音性があるということになる。ＥＥＧ信号が脳の活動の根本的な状態を反映するので、このことは、ＥＥＧ信号データにおいて、相対的に「ランダム性」又は「複雑さ」があることが反映されており、逆に、低レベルの「秩序」であることが反映されている。
【００４３】
患者が睡眠に入るとき、又は麻酔が投与されるとき、脳の機能は、少なくなり始め、より秩序的及び規則的となる。脳の活動状態が変化するとき、これは、ＥＥＧ信号データの「ランダム性」又は「複雑性」が相対的に低くなることにより、ＥＥＧ信号において反映され、逆に、信号データにおける「秩序」が増加することにより反映される。患者が目覚めているとき、ＥＥＧデータ信号は、高いエントロピーを有し、患者が睡眠状態にあるとき、ＥＥＧ信号は、低いエントロピーを有する。
【００４４】
麻酔に関して、人体の徴候の増加は、ＥＥＧ信号データがより多くの「秩序」を含んでいることを示している。すなわち、高い濃度の麻酔薬により、少ない「ランダム性」及び低いエントロピーを示し、低い濃度の麻酔薬よりも麻酔の深さは深くなる。
【００４５】
低濃度の麻酔薬では、ＥＥＧ信号は、高いエントロピーを有する。これは、仮定上、後者の状態よりも前者の状態における少ないレベル脳の活動による。２５Ｈｚの遮断周波数に対するエントロピー測定を記載している、Ｉ．Ａ． Ｒｅｚｅｋ及びＳ．Ｊ． Ｒｏｂｅｒｔｓによる“Ｓｔｏｃｈａｓｔｉｃ ｃｏｍｐｌｅｘｉｔｙ ｍｅａｓｕｒｅｓ ｆｏｒ ｐｈｙｓｉｏｌｏｇｉｃａｌ ｓｉｇｎａｌ ａｎａｌｙｓｉｓ” ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｖｏｌ．４， Ｎｏ．９， Ｓｅｐｔｅｍｂｅｒ １９９８、及び０．５〜３２Ｈｚまでの周波数レンジにおけるエントロピー測定を記載しているＢｒｕｈｎ等による“Ａｐｐｒｏｘｉｍａｔｅ Ｅｎｔｒｏｐｙ ａｓ ａｎ Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｇｒａｐｈｉｃ Ｍｅａｓｕｒｅ ｏｆ Ａｎｅｓｔｈｅｔｉｃ Ｄｒｕｇ Ｅｆｆｅｃｔ ｄｕｒｉｎｇ Ｄｅｓｆｌｕｒａｎｅ Ａｎｅｓｔｈｅｓｉａ” Ａｎｅａｔｈｅｓｉｏｌｏｇｙ， ９２ （２０００）， ｐｇｓ，７１５−７２６を参照されたい。また、Ｈ． Ｖｉｅｒｔｉｏ−Ｏｊａによる“Ｎｅｗ ｍｅｔｈｏｄ ｔｏ ｄｅｔｅｒｍｉｎｅ ｄｅｐｔｈ ｏｆ ａｎｅｓｔｈｅｓｉａ ｆｒｏｍ ＥＥＧ ｍｅａｓｕｒｅｍｅｎｔ”ｉｎ Ｊ． Ｃｌｉｍ． Ｍｏｎｉｔｏｒｉｎｇ ａｎｄ Ｃｏｍｐ． Ｖｏｌ． １６（２０００） ｐｇ．１６を参照されたい。ここでは、意識がある状態から意識のない状態への遷移は、患者に依存しないエントロピーの普遍の臨界値で生じることが報告されている。
【００４６】
脳の意識のある状態から意識のない状態に対するエントロピーの概念の適切さは、最近の理論的な研究においてサポートされており（Ｓｔｅｙｎ−Ｒｏｓｓ等によるＰｈｙｓ． Ｒｅｖ． Ｅ６０ １９９９， ｐｇｓ．７２２９−７３１１を参照されたい）、熱力学の理論を脳の研究に適用している。この研究は、麻酔が投与されている患者が意識のある状態から意識のない状態に移行するとき、脳の神経システムの熱力学のフェーズの遷移は、水が氷になるときに生じるフェーズ変化に粗く類似して行われる。凍結のプロセスの間、水及び氷が異なるエントロピーを有するように、潜在的な熱のプロセスに比例するエントロピーの量がなくなる。
【００４７】
脳の意識のある状態及び意識のない状態は、個別の、異なる値のエントロピーを有することが同様に期待される場合がある。基本的なメカニズムを反映したパワースペクトルのような導出された現象よりはむしろ、脳の基本的なメカニズムを反映する量を使用することとして、麻酔の深さの判定において、意識を失うことが熱力学のフェーズの遷移に類似するものとみなすことができるという前提は、大脳の状態の基本的な特徴としてのエントロピーの概念に対して、及びエントロピーの使用に対して、更なるサポートを与える。
【００４８】
要するに、以下のことが言える。第１に、ある形式のエントロピーは、麻酔の深さの関数と一致して挙動することがわかる。Ｂｒｕｈｎ等及びＨ． Ｅ． Ｖｉｅｒｔｉｏ−Ｏｊａ等による“Ｅｎｔｒｏｐｙ ｏｆ ＥＥＧ ｓｉｇｎａｌ ｉｓ ａ ｒｏｂｕｓｔ ｉｎｄｅｘ ｆｏｒ ｄｅｐｔｈ ｏｆ ｈｙｐｎｏｓｉｓ”Ａｎｅｓｔｈｅｓｉｏｌｏｇｙ ９３（２０００） Ａ， ｐｇ．１３６９を参照されたい。これは、催眠のレベルを特徴付けるための自然的かつロバストな選択としてエントロピーを考慮することを保証する。また、全てのレベルの麻酔で、エントロピーが麻酔の深さに相関するので、バイスペクトルインデックス（ＢＳＩ）におけるような、各種サブパラメータを結合する必要を回避する。
【００４９】
第２に、意識のある状態から意識のない状態への遷移は、患者に依存しないエントロピーの臨界レベルで行われる。Ｖｉｅｒｔｉｏ−Ｏｊａ等による“Ｉｎ Ｊ． Ｃｌｉｍ． Ｍｏｎｉｔｏｒｉｎｇ ａｎｄ Ｃｏｍｐｕｔｉｎｇ”を参照されたい。第３に、特に実用的な重要性であり、麻酔から意識のある状態に向かう患者の回復は、臨界レベルに向かってエントロピーの上昇により予測することができることがある。
【００５０】
多数の技術及び関連するアルゴリズムは、Ｒｅｚｅｋ及びＲｏｂｅｒｔｓ等によるＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎ ｏｎ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇの論文において記載されているように、エントロピーに基づくものを含み、信号の複雑さを定量化するために利用することができる。かかるアルゴリズムの１つは、エントロピーの値が周波数空間で計算されるスペクトルエントロピーを生成するものである。
【００５１】
別のアルゴリズムは、Ｋｏｌｍｏｇｏｎｏｖ−Ｓｉｎａｉエントロピー規定から導出され、Ｔａｋｅｎのエンベデッド空間で計算される近似エントロピーを提供する。Ｓｔｅｖｅｎ Ｍ． Ｐｉｎｃｕｓ， Ｉｇｏｒ Ｍ． Ｇｌａｄｓｔｏｎｅ， ａｎｄ Ｒｉｃｈａｒｄ Ａ． Ｅｈｒｅｎｋｒａｎｚによる“Ａ ｒｅｇｕｌａｒｉｔｙ ｓｔａｔｉｓｔｉｃ ｆｏｒ ｍｅｄｉｃａｌ ｄａｔａ ａｎａｌｙｓｉｓ” Ｊ． Ｃｌｉｍ． Ｍｏｎｉｔｏｒｉｎｇ ７（１９９１）， ｐｇｓ． ３３５−３４５を参照されたい。近似エントロピーを計算するためのプログラムは、Ｂｔｕｈｎ等によるＡｎｓｔｈｅｓｉｏｌｏｇｙにおける論文に記載されている。
【００５２】
ランダム性の高い信号の非線形の分析のための別の技術は、Ｌｅｍｐｅｌ−Ｚｉｖの複雑さにおいて表現され、データポイントの文字列の複雑さは、文字列を生成することが可能な最短の可能なコンピュータプログラムをつくるために必要とされるバイト数により与えられる。Ａｂｒａｈａｍ Ｌｅｍｐｅｌ及びＪａｃｏｂ Ｚｉｖによる“Ｏｎ ｔｈｅ ｃｏｍｐｌｅｘｉｔｙ ｏｆ ｆｉｎｉｔｅ ｓｅｑｕｅｎｃｅｓ”ＩＥＥＥ Ｔｒａｎｓ．， ＩＴ−２２（１９７６） ｐｇｓ． ７５−８１を参照されたい。
【００５３】
ＥＥＧ信号の分析に適用される場合がある更なるアプローチは、カオス理論に基づいたフラクタルスペクトル分析である。フラクタルスペクトル分析では、ＥＥＧ信号が高調波成分とフラクタル成分に分割される。高調波成分は、単一の周波数を含み、フラクタル成分は、時間的なスケーリングの下で不変である部分を含んでいる。周波数パワー法則１／ｆβに対応するフラクタル指数ベータは、麻酔の深さの過程で一致して増加する。
【００５４】
［発明の概要］
本発明の目的は、患者の催眠状態又は意識のある状態、並びに患者が投与されている麻酔の深さを含んで、患者の大脳の状態を正確に判定するための改善された方法及び装置を提供することにある。
本発明の別の目的は、特に患者が意識のない状態から意識のある状態に現れるときに、かかる判定を迅速に行うことができるかかる方法／装置を提供することにある。
【００５５】
本発明の要旨は、ＥＥＧ信号データから導出された患者の大脳の状態に関する効果的な測定値を結合することにあり、好ましくは、スペクトルエントロピー又は近似エントロピーのような複雑さに関する測定値と、ＥＭＧ信号から導出されたより迅速に取得することができる測定値とを結合して、大脳の指示としてこの結合を使用することである。
【００５６】
患者の催眠状態の指示又は麻酔の深さの状態の指示として使用されるとき、ＥＭＧ信号データから導出された測定値は、ＥＥＧ信号データを使用して行われた催眠状態の判定を拡張及び確認し、患者の催眠状態における変化の確認をより急速にする。これは、麻酔科医がタイムリーに、適切な行動をとることができるように、麻酔が投与された患者がまもなく意識を回復する可能性について、同席する麻酔科医に警告することにおいて特に有効である。ＥＭＧ信号データから導出された測定値は、スペクトルパワーデータを含んでいる場合がある。
【００５７】
ＥＥＧ信号データ及びＥＭＧ信号データの両者は、たとえば、患者の額に取り付けられた同じセットの電極から典型的に取得される。ＥＥＧ信号成分は、電極に存在する生体電位に含まれる低周波数（約３０Ｈｚまで）であることを特徴とし、ＥＭＧ信号成分は、高周波数（約５０Ｈｚ及びそれ以上）であることを特徴とする。
【００５８】
ＥＭＧ信号データの存在は、患者に意識があり、患者の意識‐無意識の状態の急速な指示を提供することができることを示している。重要なことに、ＥＭＧ信号データが高周波であるために、サンプリング時間は、低周波のＥＥＧ信号データについて必要とされるサンプリング時間よりも大幅に短縮することができる。これにより、全体的な診断のインジケータを即座に示すことができるように、より頻繁に計算されるＥＭＧ信号データは、患者の状態において変化する。
【００５９】
本発明の１実施の形態では、ＥＥＧ信号データ及びＥＭＧ信号データは、個別に分析され、その後に診断のインデックスすなわち指示に結合される。上述したように、患者の麻酔の状態における変化がＥＭＧ信号データから判定することができる敏速さのために、全体的なインデックスは、患者の状態における変化を麻酔科医に通知することができる。
【００６０】
本発明の別の実施の形態では、複雑さの計算、すなわちエントロピーの計算のスペクトルレンジは、ＥＭＧレンジに拡張するために広くされる。複雑さの計算が実行されてインジケータを提供するスペクトルレンジは、たとえば０．５から７Ｈｚといったある低周波数から３２Ｈｚを超える周波数に拡張される。電源ラインの干渉をフィルタリングにより除去するために、スペクトルレンジは、５０、６０Ｈｚ及び１００、１２０Ｈｚ前後の周波数の除去により帯域に分割される場合がある。
【００６１】
たとえば、スペクトルレンジが約１５０Ｈｚに拡張される実施の形態では、低周波数帯域（０．５〜４７Ｈｚ）は、殆どのＥＥＧ信号データを含んでおり、２つの上側帯域（６３〜９７Ｈｚ、及び１２３〜１４７Ｈｚ）は、主にＥＭＧのデータを含んでいる。広帯域化された周波数レンジの使用は、スペクトルを２つのセグメントに分割することを必要としないか、又は広帯域化された周波数レンジにおける全ての周波数成分が同様に扱われるために、第１の実施の形態では必要としない。
【００６２】
また、ＥＥＧ信号データ及びＥＭＧ信号データについての周波数帯域がオーバラップしているので、スペクトルレンジ内の境界は人工的である。同じ分析技術は、意識のある状態から深い麻酔の状態までの催眠の全てのレベルについて使用される。複数のサブパラメータを使用したインジケータにより発見される矛盾した挙動、及び麻酔の様々なレベルについての結合のルールが回避される。
【００６３】
さらに、本発明の第２の実施の形態において取得される複雑さに関する測定値は、複雑さの計算の広帯域化されたスペクトルレンジにおけるＥＭＧ信号の高周波数により許容されるのと同様な頻度で更新することができる。これにより、患者の麻酔の深さに関する現在の指示を麻酔科医に提供することができる。
【００６４】
広帯域化されたスペクトルレンジにわたり信号の複雑さの計算から取得されたインジケータは、周波数スペクトルのＥＥＧ部分からのみ取得された複雑さに関する測定値と共に使用することができ、インジケータのどの部分が大脳の活動から到来したか、インジケータのどの部分が筋肉の活動から到来したかに関して、麻酔科医に有効な情報を提供することができる。
本発明の様々な他の機能、目的及び効果は、以下の実施の形態及び添付図面から明らかにされるであろう。
【００６５】
［発明の実施の形態］
本発明の好適な実施の形態では、麻酔の深さに関する関連する情報は、信号における不秩序又は複雑さに関する量を特徴付けるパラメータを計算することにより、ＥＥＧ信号データから抽出される。
【００６６】
適切な数学的な技法は、たとえば、Ｒｅｚｅｋ及びＲｏｂｅｒｔｓにおいて記載されるスペクトルエントロピー、Ｐｉｎｃｕｓ等において記載される近似Ｋｏｌｍｏｇｏｒｏｖ−Ｓｉｎａｉエントロピー、及びＬｅｍｐｅｌ−Ｚｉｖにおいて記載される複雑さを含んでいる。
【００６７】
Ｒｅｚｅｋ及びＲｏｂｅｒｔｓに従う信号のスペクトルエントロピーの計算は、４つのステップを含んでいる。第１のステップは、パワースペクトル計算である。信号ｘ（ｔｉ）のフーリエ変換Ｘ（ｆｉ）は、高速フーリエ変化手法（ＦＦＴ）により計算される。パワースペクトルＰ（ｆｉ）は、フーリエ変換のそれぞれの要素Ｘ（ｆｉ）の振幅を２乗することにより計算される。
【数１】
【００６８】
次いで、パワースペクトルが計算される。正規化されたパワースペクトルＰｎ（ｆｉ）は、正規化定数Ｃｎを設定することにより計算される。これにより、選択された周波数領域［ｆ１，ｆ２］にわたる正規化されたパワースペクトルの総和は、１に等しくなる。
【数２】
【数３】
【数４】
【００６９】
図２は、時間の関数として、麻酔薬が投与された患者について、ＯＡＡＳスケールに比較される上記に計算されたようなエントロピーの値を示している。
【００７０】
図２ａは、患者に付き添う麻酔科医におり判定されたＯＡＡＳレベルを示している。上述したように、ＯＡＡＳレベル５では、患者は、十分に目が覚めており、ＯＡＡＳレベル０では、患者が強縮性刺激に応答しない麻酔の深い状態に対応する。水平ライン１０は、意識がある状態から意識がない状態への遷移が行われていると思われるレベル、すなわちＯＡＡＳレベル３及びＯＡＡＳレベル２を示している。
【００７１】
図２に示されている例では、付き添いの麻酔科医は、患者が約３分でＯＡＡＳレベル５からＯＡＡＳレベル４に移ったと考える。約４分で、患者はＯＡＡＳレベル３に下がったと思われる。
【００７２】
その後、約４．５分で、患者は、口頭の命令に応答及び眼瞼反射できないことによるように、意識を失っていると思われる。これは、レベル３からレベル２以下への変化及び水平ライン１０の交差において証明される。
【００７３】
図２ｂは、グラフ２０のように、５秒のデータから計算されたエントロピーの値、及びグラフ３０のように、１２回の連続な５秒のエポーク（６０秒）のデータの中間値として計算された値を示している。図２ｂからわかるように、患者の意識は、モニタの開始から減少するにつれて、両グラフ２０，３０は、同様に減少して、意識のある状態から意識のない状態への遷移を特徴付けるエントロピーレベルを識別する水平ライン４０を交差する。
【００７４】
使用されるＯＡＡＳについてのプロトコルに従い、麻酔科医は、ＴＯＦ刺激の適用を開始して、ＯＡＡＳスケールに関して麻酔の深さを判定する。図２において示されるケースでは、刺激は、患者に対して約８分で意識を回復させる。
図２から、グラフ２０、３０は、ＯＡＡＳスケールに関して与えられるような、患者の意識の状態に関して正確な指示を提供することがわかる。
【００７５】
図３ａ及び図３ｂは、外科手術レベルの麻酔でのエントロピーの値を示している。すなわち、ＯＡＡＳスケールは、図３ａに示されるようにゼロである場合である。図３における水平ライン４０は、図１における水平ライン４０と同じであり、意識がある状態と意識がない状態の間の境界線を形成しているエントロピーの値を含んでいる。
【００７６】
図４ａ及び図４ｂは、外科手術レベルの麻酔から意識のある状態への急速な回復を示している。エントロピーの値における上昇は、意識のある状態への回復が近づいていることを麻酔科医に通知する。
【００７７】
本発明は、スペクトルエントロピーを使用して記載されているが、図５ａ、図５ｂ及び図５ｃは、スペクトルエントロピーと同様に近似エントロピー及びＬｅｍｐｅｌ−Ｚｉｖの複雑さに関する測定値の安定性を示す感覚消失の誘発及び脱出の例を示しており、麻酔の深さを判定する。信号データの短いサンプル及び長いサンプルの両者を使用して行われた測定値が示されている。
【００７８】
バイスペクトル及びトリスペクトル、周波数領域のパワースペクトル分析、及びバイスペクトルインデックス（ＢＳＩ）のような分析量の結合を含んだ上位周波数領域の分析のような、ＥＥＧ信号を分析するための他の技法もまた、望むのであれば使用することができる。
【００７９】
患者の額又は頭皮の他の領域の電極における生体電位に含まれる筋電図（ＥＭＧ）の活動に関する測定は、麻酔が投与された患者の状態に関する有効な情報を提供することができる。麻酔のレベルが不適切に近づくので、痛みを伴う刺激により、前頭筋の収縮（顔をしかめる）を引き起こし、患者の額に取り付けられる電極から得られる信号のＥＭＧ振幅におけるピークとして検出することができる。ＥＭＧの活動は、筋肉が麻痺されない限り存在する。この反応は、痛みが患者に意識を遂にもたらす前に、実質的に観察することができる。ＥＭＧ信号データは、麻酔科医に早期の警告サインを提供して、手術の間に意識及び目覚めを回避するために、麻酔のレベルを増加することができる。
【００８０】
さらに、４０Ｈｚを超えるＥＭＧの活動の主要部分の高い周波数レンジにより、比較的小さな時間窓は、これら周波数成分を使用した計算のために十分であり、これにより、ＥＭＧ活動における変化は、ＥＥＧ信号における変化よりも実質的に速く検出することができる。特に、脳の活動から生じるＥＥＧ信号における殆どの成分は、３０Ｈｚ以下の周波数レンジに含まれる。いずれか数学的な手順によりこの活動の良好な推定を得るために、計算のために使用される信号の長さは、十分でなければならない。
【００８１】
実際に、最も低い周波数の帯域は、信号の長さについてサイズを設定する。たとえば、０．５Ｈｚから３２ＨｚまでのＥＥＧ信号帯域について、それぞれの成分について少なくとも３０サイクルを得るために、６０秒の信号サンプルが必要とされる。このことは、ＥＥＧ信号データからの患者の脳の活動における変化を評価するための応答時間に下限を設定する。すなわち、ＥＥＧ信号データのインジケータの全ての成分が計算及び十分に更新することができる周波数は、約６０秒毎である。
【００８２】
比較すると、６３Ｈｚ〜９７Ｈｚまでの帯域におけるＥＭＧ信号データは、３０サイクルを得るために０．５秒のデータのみを必要とする。ＥＭＧ信号データは、半周期毎に完全に更新することができる。ＥＭＧ信号データが迅速に更新することができるので、ＥＭＧ信号データは、麻酔科医に早期の警告サインを提供して、たとえば、手術中の目覚めを回避するために患者に投与される麻酔薬のレベルを増加することができる。
【００８３】
図６は、本発明の１実施の形態によるＥＥＧ信号データとより急速に指示するＥＭＧ信号データを使用した、改善された診断の指示を生成するためのステップを示すフローチャートである。ステップ１００では、患者の頭皮に配置された電極に現れる生体電位に対応する信号データが取得される。ステップ１１０では、信号データは、スペクトル分解を受ける。これは、たとえば、フーリエ解析を使用して実行される場合がある。
【００８４】
次いで、スペクトルは、たとえば、３０〜５０Ｈｚ以下の測定された信号の低周波部分を表すスペクトルと、たとえば、５０Ｈｚを超える周波数を表すスペクトルとに分割される。
【００８５】
その後、ステップ１２０で、ＥＥＧスペクトルの推定が処理され、脳の活動の状態を示すパラメータを計算する。上述したように、この計算のために、エントロピーの計算を使用することが好ましいと思われる。しかし、フラクタルスペクトル分析、Ｌｅｍｐｅｌ−Ｚｉｖの複雑さ、或いはバイススペクトルインデックス（ＢＳＩ）のようなバイスペクトル又はマルチスペクトル分析のような他の定量化をこの計算のために使用することができる。この計算の結果は、ステップ１２２での、脳の活動の状態に関する指示の準備となる。
【００８６】
上述したように、本実施の形態で記載された数学的な分析によるこの活動に関する良好な推定値を取得するために、計算のために使用される信号の長さは、十分なものでなければならない。実施には、最も低い周波数の帯域は、信号の長さについて下限を設定する。ステップ１２０で生成されるＥＥＧ指示のケースでは、信号の下限は約６０秒である。これは、ステップ１００，１１０，１２０及び１２２を繰り返すことにより、６０秒毎に指示を完全に更新することができ、患者の大脳の状態を評価するためにＥＥＧ指示の応答時間に下限を設定する。
【００８７】
ＥＭＧ信号のパワースペクトルは、ステップ１２４で取得される。これは、スペクトルの振幅を取得して、その後にスペクトルの振幅の値を平方してパワースペクトルをつくることによる。ＥＭＧパワースペクトルは、ステップ１２６において、ＥＭＧの活動の指示を提供する。
【００８８】
たとえば、３０Ｈｚを超えるＥＭＧの活動の高周波レンジのために、たとえば、０．５秒の比較的小さな時間窓は、ＥＭＧの振幅を計算するために十分である。これは、ＥＭＧの活動における変化を検出することができ、ステップ１００，１１０，１２４及び１２６を繰り返すことにより更新されるインジケータは、ステップ１２４，１２４ａ、１２４ｂ等で図的に示されているように、ＥＥＧインジケータにおける変化よりも実質的に高速であることを意味する。
【００８９】
上記で使用される例では、ＥＭＧインジケータは、０．５秒毎の繰返しレートで完全に更新することができる。データ処理における簡単さのために、ＥＥＧの指示も典型的に０．５秒毎に再計算される。しかし、ＥＥＧインジケータが６０秒のデータを必要とするので、それぞれの計算１２０，１２０ａ、１２０ｂ等は、５９．５秒の古いＥＥＧ信号データを使用し、０．５秒の新しいＥＥＧ信号データを使用する。したがって、ＥＥＧ信号データに含まれている患者の大脳の状態における変化は、ＥＭＧの指示に含まれる変化よりも、ステップ１２０及び１２２において生成された指示において更に遅く反映される。
【００９０】
ＥＥＧインジケータ及びＥＭＧインジケータは、ステップ１２８において、診断のインジケータ又はインデックスにおいて結合される。
【００９１】
ステップ１２０，１２２，１２４，１２６及び１２８は、望むのであれば、平均のような統計的な処理を受ける場合がある。
【００９２】
このように、ステップ１２８の診断インデックスにより提供された結合された指示は、ＥＥＧ信号データに直接的に見られるような催眠又は麻酔の深さのレベルのような、脳の活動状態に関する共に信頼性の高い情報を提供し、患者の大脳の状態に関するより間接的な指示である信号のＥＭＧ成分に含まれる迅速に取得可能な情報の十分な活用が行われ、麻酔からの患者の回復を麻酔科医に警告することにおいて特に有効である。
【００９３】
上述された診断のインジケータ又はインデックスの成分は、図７に示されている。麻酔薬は、時間ゼロで巨丸として投与される。図７ａにおけるＯＡＡＳレベルのライン１０の下により示されているように、患者は意識がない状態に入り、その後、刺激に応答して、又は更なる麻酔がないことに応答して、短時間の期間について回復し、その後、意識がない状態になる。
【００９４】
図７ｂは、図６のステップ１２０及び１２２から取得されたようなエントロピーの指示を示している。図７ｃは、フーリエスペクトルのＥＭＧレンジにわたる誤差平均平方の平方根の総和として、ステップ１２６及び１２８から取得されるＥＭＧ振幅を示している。５秒間のデータがぎざぎざラインとして示されている。滑らかなラインは、１分間のメディアンフィルタによりフィルタリングされた値を示している。
【００９５】
患者の催眠状態に関連するようなエントロピーのグラフは、図２及び図４のエントロピーのグラフに類似している。ＥＭＧの活動に関して、時間ゼロに続く最初の２分の間、患者が目覚めていることを示すかなりのＥＭＧ活動が存在する。その後、ＥＭＧ活動は、患者の意識がなくなるにつれて減少する。ＥＭＧ振幅により与えられた１０分の点で、患者が意識を回復したという、あいまいでない即座の指示は、図７ｃから明らかであり、ステップ１２８で提供される診断のインジケータで反映される。これは、患者が麻酔から回復していることを麻酔科医に指示する。
【００９６】
本発明の別の実施の形態では、ＥＭＧ信号データを診断のインジケータ又はインデックスに組込むことは、スペクトルエントロピーの計算の周波数レンジをＥＥＧレンジからＥＭＧレンジに拡張するレンジまで広くして、ＥＥＧ信号データ及びＥＭＧ信号データの両者を含むことにより得られる。ある小さな量のＥＭＧの活動が１Ｈｚ又は１Ｈｚ以下の周波数から開始するが、殆どのＥＭＧ活動は、（ノッチフィルタにより、５０／６０Ｈｚの倍数で電源ラインによる干渉をフィルタリングするために）４０Ｈｚから３００Ｈｚまでのレンジのような高周波レンジにおいて慣習的に定量化されている。しかし、ＥＥＧ信号データ及びＥＭＧ信号データについて、明らかな周波数の境界は存在せず、３０Ｈｚと５０Ｈｚの間の中間周波数レンジは、互いにオーバラップするＥＥＧ成分とＥＭＧ成分の両者を含んでいる。
【００９７】
ＥＥＧスペクトルとＥＭＧスペクトルの両者を含んだ周波数レンジから取得されたエントロピーに基づいたインジケータを提供することにおいて、これは、特にＥＭＧ信号データの通例の表現からの逸脱を表している。すなわち、本発明の第１実施の形態と共に上述されたように、ＥＭＧ信号の特徴は、たとえば、平均平方の平方根として、電圧の振幅として通例的に表現されており、電圧の振幅は、ＥＭＧ信号データにおける変動の結果として変化する。比較すれば、ＥＥＧエントロピーは、信号における秩序の量を記述する次元のない量である。
【００９８】
エントロピーの見地からみたとき、ＥＥＧ信号のＥＭＧ活動の影響は、結合された信号のエントロピーを増加する高周波雑音をつくることである。エントロピーが０から１まで変化するとき、値は信号の振幅に無関係である。したがって、ＥＥＧ信号データのエントロピーによる表現及びＥＭＧ信号データの振幅表現は、両信号データの特徴としてエントロピーの使用により本発明において解決される形式的な非互換性を表す。
【００９９】
さらに、本発明の実施の形態は、ＥＭＧと比較されるようなＥＥＧが支配的である周波数レンジに制限されているＥＥＧ信号データの以前のエントロピーによる処理からの逸脱を表している。これらの周波数レンジは、たとえば、２５Ｈｚ及び２５Ｈｚ以下の周波数（Ｒｅｚｅｋ等を参照）、或いは３２Ｈｚ又は３２Ｈｚ以下の周波数（Ｂｒｕｈｎ等を参照）である。本発明は、たとえば０．５Ｈｚのある低い周波数から、３２Ｈｚを超える高い周波数までのレンジにおける周波数の使用が意図されている。
【０１００】
本発明の第２実施の形態では、約０．５Ｈｚから１５０Ｈｚまでの周波数レンジを使用することが説明される。拡張された周波数レンジを３つの帯域、０．５〜４７Ｈｚ帯域、６３〜９７Ｈｚ帯域、及び１２３〜１４７Ｈｚ帯域に分割することが好ましいと思われる。レンジは、これらの周波数で３つの帯域に分割され、交流電流の電源ラインの周波数に依存した５０／１００Ｈｚ又は６０／１２０Ｈｚでの電源ラインの高調波が除去される。最も低い帯域は、殆どのＥＥＧ成分を含んでおり、２つの上側帯域は、主要なＥＭＧ活動を含んでいる。
【０１０１】
図８は、本発明の第２実施の形態によるスペクトルエントロピーの計算のための広帯域化された周波数レンジを使用した改善された診断の指示又はインデックスを生成するステップを示すフローチャートである。
【０１０２】
ステップ２００では、患者の頭皮に位置された電極に現れる生体電位信号に対応する信号データが取得される。ステップ２１０では、信号データは、フーリエ変換を使用することにより、スペクトル分解を受ける。上述したように、スペクトル分解は、たとえば、約０．５Ｈｚから約１５０Ｈｚまでの、ＥＥＧ信号データとＥＭＧ信号データの両者を包含する周波数レンジにわたり実行される。また、上述されたように、データは、電源ラインの帯域での周波数を除去するために、スペクトル帯域に分割される。
【０１０３】
ステップ２１２では、ＥＥＧ−ＥＭＧスペクトルレンジの低い周波数帯域は、高い周波数帯域と同様にスペクトルエントロピーのような、ＥＥＧ信号データとＥＭＧ信号データの複雑さ、並びに脳の活動及び前頭筋の状態を示す測定値を計算するために処理される。結合されたインジケータ又はインデックスは、ステップ２１４で提供される。
【０１０４】
図６と共に上述されたように、ＥＭＧ信号データは、ＥＥＧ信号データよりも頻繁に完全に更新するために利用可能であり、ＥＭＧ信号データのパラメータが更新することができる繰返しレートで結合されたインジケータを更新することは、麻酔科医に患者の催眠状態におけるいずれかの変化に関して急速な指示を提供する。
【０１０５】
電極コンタクト特性等における変動による信号振幅の変動は、互いに同じ特性においてＥＥＧ信号データとＥＭＧ信号データに影響を与え、したがって、結合されたＥＥＧ−ＥＭＧエントロピーのインジケータは、信号の振幅により影響されない。
【０１０６】
また、本発明の第２実施の形態で行われるアプローチは、ＥＥＧ信号データの周波数帯域とＥＭＧ信号データの周波数帯域がオーバラップしているという事実に一致する。したがって、全ての周波数成分が同様な方法、すなわち複雑さの特性の判定で扱われるので、ＥＥＧ領域とＥＭＧ領域について人工的な境界が定義される必要がない。しかし、本発明が患者の意識のある状態のレンジのための１つのアルゴリズムの使用を特徴とするのに対し、信号対雑音の考慮に基づいて、アルゴリズムに対する変更が必要とされる場合があることを理解されるであろう。
【０１０７】
低周波帯域からのＥＥＧエントロピーによるデータのみを含んだパラメータは、ステップ２１６及び２１８に示されるように、個別のインジケータとして使用される場合がある。これは、ＥＥＧ−ＥＭＧエントロピーによる指示と関連して使用することができ、麻酔科医は、ＥＥＧ−ＥＭＧエントロピーによるインジケータのどの部分が脳の活動から到来したか、及びＥＥＧ−ＥＭＧエントロピーによるインジケータのどの部分が筋肉の活動から到来したかを判定する。
【０１０８】
このように、臨床上の麻酔科医が結合されたＥＥＧ−ＥＭＧエントロピーによるインジケータが非常に有効であることを発見する一方で、研究者は、ＥＥＧ信号データのエントロピーと、広い周波数レンジにわたり取得された結合されたＥＥＧ−ＥＭＧエントロピーとの比較は、関心のあるものであることがよく理解されるであろう。
【０１０９】
同様に、高い周波数帯域からのＥＭＧエントロピーによるデータを含むパラメータは、ステップ２２０でエントロピーを計算し、ステップ２２２でインジケータを提供することにより、個別のパラメータとして使用される場合がある。様々な診断のインジケータは、図８におけるステップ２２４で集合的に示されている。
【０１１０】
本発明の両実施の形態は、フーリエ変換を利用して電極の生体電位に含まれている信号のスペクトルを分解するものとして記載されてきたが、各種のウェーブレット変換のような他の変換が使用される場合がある。純粋なＥＥＧエントロピー、ＥＥＧ−ＥＭＧエントロピー、及び／又はＥＭＧエントロピーについて、対応するインジケータを取得するために、基本関数が２つのクラスに分割され、一方のクラスがＥＥＧ活動についての基本関数を含んでおり、他方がＥＭＧ活動についての基本関数を含んでいる。
【０１１１】
この分類の後、純粋なＥＥＧエントロピー及びＥＥＧ−ＥＭＧエントロピーについてのインデックスは、上述したように計算される。ＥＥＧ成分及びＥＭＧ成分の良好な区別について、ＥＭＧスパイクの形状に匹敵するウェーブレットを含んだ基本関数のセットは、ＥＭＧ成分をより効果的に抽出する場合がある。
【０１１２】
図９は、ＯＡＡＳスケールに関して麻酔科医により評価されるような、麻酔の深さと共に、純粋なＥＥＧエントロピーパラメータと、結合されたＥＥＧ−ＥＭＧエントロピーパラメータとの挙動を時間の関数として例示している。また、平均平方の平方根のスペクトル振幅として慣習的に表現されるようなＥＭＧ信号データが示されている。
【０１１３】
ぎざぎざのラインは、５秒のデータから計算された値を示し、滑らかなラインは、１分のメディアンフィルタによりフィルタリングされた値を示している。麻酔薬は、時間ゼロで巨丸として投与される。はじめの２分の間に、患者が目を覚まし、ＥＭＧ振幅を示す図９ｄから見ることができるように、多くのＥＭＧ活動が存在している。高いＥＭＧ活動の結果として、図９ｂに示される結合されたＥＥＧ−ＥＭＧエントロピーは、患者が目覚めていることを確認して比較的高い値を示している。
【０１１４】
約２分の時点で、図９ａに示されるように、ＯＡＡＳのスコアがライン１０の下に下がるときに、患者は意識を失う。同時に、ＥＭＧの活動は、図９ｄに示されるように、その大部分が消失する。ＥＥＧ−ＥＭＧエントロピーのインジケータ及びＥＥＧエントロピーのインジケータは、図８のステップ２１８及びステップ２２６でそれぞれ生成され、催眠が深くなることを示す、意識を失うことへの遷移の境界線を引いているライン４０の下をそれぞれたどる。図９ｂ及び図９ｃを参照されたい。
【０１１５】
約６〜７分では、図９ｂ及び図９ｃのエントロピーの値は、麻酔が軽くなり始めることを示している。これは、更なる催眠が投与されていないためである。約１０分では、患者は、目を覚まし、かなりのＥＭＧ活動が再び現れる。図９ｃに示される純粋なＥＥＧエントロピーインジケータは、回復を予測及び指示するが、図９ｂに示される結合されたＥＥＧ−ＥＭＧエントロピーインジケータにおけるＥＭＧ効果は、そのライン４０の交差において、上記回復の予測及び指示をより明らかにしている。
【０１１６】
その後、１０分の時点に続いて、患者は、続けて麻酔が投与される。ＥＭＧ活動は、図９ｄに示されるように徐々に消失し、ＥＭＧ−ＥＥＧエントロピーのインジケータは、図９ｂ及び図９ｃの比較により見ることができるように、純粋なＥＥＧエントロピーのインジケータに減少する。
【０１１７】
図８のステップ２２６において取得されたＥＥＧエントロピーのパラメータ、及びステップ２１８において取得されたＥＥＧ−ＥＭＧエントロピーパラメータを、ＥＭＧ活動が完全に停止したときに正確に一致させるようにスケーリングすることは有効である。このスケーリングにより、２つの情報部分の同時のグラフィカルな表現が可能である。これは、以下のやり方で行うことができる。主要なＥＥＧ信号データを含む０．５〜３２Ｈｚの周波数レンジを周波数レンジＲ１となるように取る。除去される電源ラインによる周波数を有する３２〜１４７Ｈｚの周波数レンジを、主にＥＭＧ信号データについての周波数レンジＲ２となるように取る。
【０１１８】
周波数レンジ［Ｒ１］＝［ＥＥＧ］及び［Ｒ１］＋［Ｒ２］＝［ＥＥＧ］＋［ＥＭＧ］について、Ｒｅｚｅｋのアルゴリズムのステップ１〜３（式（１）〜（３））を実行し、以下を得る。
【数５】
【数６】
【数７】
【数８】
【０１１９】
実際には、患者の生体電位から取得された信号データを処理することにおいて、デジタルフィルタが一般に使用される。かかるフィルタの特性により、完全なランダムノイズ、すなわち白色雑音からなる計算されたエントロピーは、通常１よりも僅かに小さい。この理由のために、エントロピーは、上述した正規化を維持するために、定数により乗算される場合がある。
【０１２０】
上述した内容は、２つの周波数レンジＲ１、Ｒ２を使用して記載されたが、これらの考えは、周波数レンジの数が２つ以上であるケースに対して簡単に一般化することができる。
【０１２１】
図１０は、結果的に得られた正規化ＥＥＧエントロピーＳＮ［Ｒ１］（太い曲線）を、正規化ＥＥＧ−ＥＭＧエントロピーＳＮ［Ｒ１＋Ｒ２］（細い曲線）と共に示している。このやり方で与えられたとき、ＥＥＧエントロピーは、患者の脳の活動の傾向の挙動に関する信頼できる情報を与え、ＥＥＧ−ＥＭＧエントロピーは、高速な変化に対して迅速に応答する。
【０１２２】
図９に示されるＥＥＧエントロピーのインジケータ及びＥＥＧ−ＥＭＧエントロピーのインジケータの代わりに、図８のステップ２２０，２２２に示されるようなＥＭＧの活動のみについて対応するエントロピーのインジケータを計算して、ステップ２１６，２１８において取得されたＥＥＧエントロピーのインジケータと共に該対応するエントロピーのインジケータを使用することもできる。
【０１２３】
しかし、このアプローチに関して、幾つかの注意がなされなければならない。ＥＭＧの活動が筋肉のリラクセーションにより停止したとき、いくらかの雑音がスペクトルのＥＭＧレンジに残される。雑音のエントロピーは、比較的高く、ＥＭＧの活動のレベルについて誤って高い値を与える場合がある。したがって、ＥＭＧの活動が個別であるとみなされるとき、エントロピーの概念は、計算のために使用され、雑音のレベルは、ＥＭＧ信号がゼロであるとみなされる範囲で確立されるべきである。
【０１２４】
図１１には、本発明を実行するための装置が示されている。電極３００は、所望のやり方で患者の頭に取り付けられている。好ましくは、少なくとも幾つかの電極が患者の頭に取り付けられる。少なくとも１つの電極ペア、及び通常は複数の電極ペアが利用される。電極に現れる生体電位は、コンダクタ３０２で受信され、患者のケーブル３０４に集められる。
【０１２５】
ケーブル３０４は、コンダクタ３０２を保護回路３０６に接続し、該回路は、患者が電気外科又は細動除去を受ける場合において使用可能である。電気外科は、典型的に３００〜３０００Ｈｚの間の無線周波数で交流電流を使用し、組織を切り、出血している血管を腐食させる。細動除去器は、短い電流パルスを伝達し、心筋における不整脈を止める。これらの発生のいずれかは、コンダクタ３０２における信号に大きな影響を与え、特に、信号のＥＥＧ部分は、患者の大脳の状態を判定することにおいて、更なる使用のために通常阻止される。
【０１２６】
保護回路３０６の出力は、増幅器３０８により増幅され、アナログ／デジタル変換器３１０においてアナログ／デジタル変換を受ける。その後、信号は、帯域通過フィルタに供給され、該フィルタは、信号から雑音及び電源ラインの高調波の周波数成分を除去する。帯域通過フィルタ３１２の出力は、アーチファクト検出器３１４に接続される。
【０１２７】
アーチファクト検出器３１４は、心電計による活動及び他のソースから生じたアーチファクトを検出する。アーチファクト検出器３１４の出力は、計算ユニット３１６に接続され、該ユニットは、上述した、図６及び図８に示された方法のステップを実行し、図３、図４、図５、図７、図９及び図１０に示される対応する出力をディスプレイ３１８に表示する。或いは、情報は、数値的な形式でディスプレイ３１８に表示される場合がある。ディスプレイ３１８は、他のモニタから取得された心電図のデータ、呼吸レート、脈、血圧等のような他の生理学上のデータを表示する場合もある。
【０１２８】
また、アーチファクト検出器３１４は、アーチファクトを検出するために使用されるが、アーチファクトの存在は、計算ユニット３１６で行われる信号処理において処理することもできる。たとえば、目の動きは、高周波のＥＭＧ信号データと共に低周波のＥＥＧ信号データの両者におけるスパイクを同時につくることが発見されている。これら周波数帯域の両者における存在する同時のスパイクを検出することは、目の動きから生じると思われる場合があり、かかるアーチファクトを含んだ特定のＥＥＧ信号データは、患者の大脳の状態に関する判定を行う利用から除去することができる。過度の筋肉の活動及び対応する大きなＥＭＧ信号データが存在するときにも、同じことが言える。
【０１２９】
本発明は、麻酔及び投与により誘発された大脳の状態に関して上述されてきた。しかし、本方法及び装置は、患者及び麻酔薬以外の薬品から取得されたＥＥＧ信号データ及びＥＭＧ信号データにおいて反映される他の生理学的な条件に関連して使用される場合があることを理解されるであろう。したがって、それら明白に示された実施の形態に加えて他の等価構成、代替、及び変更が可能であり、特許請求の範囲内にある。
【図面の簡単な説明】
【図１】
脳電図を示す図である。
【図２ａ】
麻酔薬が投与された患者について従来のＯＡＡＳスケールを示すグラフである。
【図２ｂ】
麻酔薬が投与された患者についてエントロピーの値を示すグラフである。
【図３ａ】
麻酔の外科手術レベルでの従来のＯＡＡＳスケールを示すグラフである。
【図３ｂ】
麻酔の外科手術レベルでの患者のエントロピーの値を示すグラフである。
【図４ａ】
麻酔から回復する患者について従来のＯＡＡＳスケールを示すグラフである。
【図４ｂ】
麻酔から回復する患者について患者のエントロピーの値を示すグラフである。
【図５ａ】
ＥＥＧ信号を分析するためのスペクトルエントロピーを示す比較のグラフである。
【図５ｂ】
ＥＥＧ信号を分析するための近似エントロピーを示す比較のグラフである。
【図５ｃ】
ＥＥＧ信号を分析するためのＬｅｍｐｅｌ−Ｚｉｖの複雑さを示す比較のグラフである。
【図６】
本発明の１実施の形態を示すフローチャートである。
【図７ａ】
ＯＡＡＳレベルを示すグラフである。
【図７ｂ】
ＥＥＧエントロピーを示すグラフである。
【図７ｃ】
ＥＭＧ信号の振幅を示すグラフである。
【図８】
本発明の別の実施の形態を示すフローチャートである。
【図９ａ】
麻酔の深さに関するＯＡＡＳレベルを示すグラフである。
【図９ｂ】
麻酔の深さに関するＥＥＧ−ＥＭＧエントロピーを示すグラフである。
【図９ｃ】
麻酔の深さに関するＥＥＧエントロピーを示すグラフである。
【図９ｄ】
麻酔の深さに関するＥＭＧスペクトルパワーを示すグラフである。
【図１０】
結合されたＥＥＧ及びＥＭＧエントロピーの値を示すグラフである。
【図１１】
本発明を実行するための装置を示す図である。
Claims (86)
- 薬の投与から起こる状態を含む患者の大脳の状態を確認するための方法であって、
（ａ）前記患者からＥＥＧ信号データを取得するステップと、
（ｂ）前記患者からＥＭＧ信号データを取得するステップと、
（ｃ）連続的なＥＥＧ信号データのサンプルを分析して、前記患者の前記大脳の状態を示す第１の指示を取得するステップと、
（ｄ）前記ＥＥＧ信号データのサンプルに時間的に関係する連続的なＥＭＧ信号データのサンプルを分析して、前記患者における筋電図による活動を示す第２の指示を取得するステップと、
（ｅ）前記患者の前記大脳の状態を示す前記ステップ（ｃ）及び前記ステップ（ｄ）で取得された前記第１の指示及び前記第２の指示から複合指示を生成するステップと、
を備える方法。 - 薬の投与から起こる状態を含む患者の大脳の状態を確認し、前記状態における変化を急速に示すための方法であって、
（ａ）前記患者からＥＥＧ信号データを取得するステップと、
（ｂ）基本的に低周波数からなる前記ＥＥＧ信号データよりも基本的に高い周波数であるＥＭＧ信号データを前記患者から取得するステップと、
（ｃ）所望の精度の大脳の状態の指示を提供する長さである連続的なＥＥＧ信号データのサンプルを分析して、前記患者の前記大脳の状態を示す第１の指示を取得するステップと、
（ｄ）前記ＥＥＧ信号データのサンプルに時間的に関連する、前記ＥＭＧ信号データが高い周波数であるために前記ＥＥＧ信号データのサンプルの長さよりも短い長さのサンプルを使用することができる連続的なＥＭＧ信号データのサンプルを分析して、前記患者における筋電図による活動を示す第２の指示を取得するステップと、
（ｅ）前記患者の前記大脳の状態を示す前記ステップ（ｃ）及び前記ステップ（ｄ）で取得された前記第１の指示及び前記第２の指示から複合指示を生成するステップとを備え、
前記複合指示は、前記患者の前記大脳の状態における変化を急速に示すために、前記ＥＭＧ信号データの短いサンプルの長さにより決定される繰返しレートで更新される、方法。 - 前記ステップ（ｃ）は、前記第１の指示としての前記ＥＥＧ信号データの複雑さに関する測定値を取得するステップとしてさらに定義される、
請求項１又は２記載の方法。 - 前記ステップ（ｃ）は、前記第１の指示としての前記ＥＥＧ信号データのエントロピーに関する測定値を取得するステップとしてさらに定義される、
請求項３記載の方法。 - 前記ステップ（ｃ）は、前記第１の指示としての前記ＥＥＧ信号データのスペクトルエントロピーに関する測定値を取得するステップとしてさらに定義される、
請求項４記載の方法。 - 前記ステップ（ｃ）は、前記第１の指示としての前記ＥＥＧ信号データの近似エントロピーに関する測定値を取得するステップとしてさらに定義される、
請求項４記載の方法。 - 前記ステップ（ｃ）は、前記第１の指示としての前記ＥＥＧ信号データのＬｅｍｐｅｌ−Ｚｉｖの複雑さに関する測定値を取得するステップとしてさらに定義される、
請求項３記載の方法。 - 前記ステップ（ｃ）は、フラクタルスペクトル分析から前記第１の指示を取得するステップとしてさらに定義される、
請求項３記載の方法。 - 前記ステップ（ｃ）は、バイスペクトル又はトリスペクトルを含んだ上位の周波数領域の分析から前記第１の指示を取得するステップとしてさらに定義される、
請求項１又は２記載の方法。 - 前記ステップ（ｃ）は、前記ＥＥＧ信号データの周波数領域のパワースペクトル分析から前記第１の指示を取得するステップとしてさらに定義される、
請求項１乃至３のいずれか記載の方法。 - 前記ステップ（ｃ）は、前記ＥＥＧ信号データから取得された分析量の結合から前記第１の指示を取得するステップとしてさらに定義される、
請求項１又は２記載の方法。 - 前記ステップ（ｃ）は、前記第１の指示としての前記ＥＥＧ信号データのバイスペクトルインデックス（ＢＩＳ）を使用するステップとしてさらに定義される、
請求項１１記載の方法。 - 前記ステップ（ｃ）及び前記ステップ（ｄ）におけるサンプルの分析の前に、前記ＥＥＧ信号データ及び前記ＥＭＧ信号データは、スペクトル分解を受ける、
請求項１又は２記載の方法。 - フーリエ変換によるスペクトル分解を実行するステップとしてさらに定義される、
請求項１３記載の方法。 - フーリエ関数のセット以外の基本関数からなるセットを使用することにより、前記スペクトル分解を実行するステップとしてさらに定義される、
請求項１３記載の方法。 - ウェーブレット変換に対応する基本関数からなるセットを使用することにより、前記スペクトル分解を実行するステップとしてさらに定義される、
請求項１５記載の方法。 - 前記ステップ（ｄ）は、前記ＥＭＧ信号データの周波数領域のパワースペクトルから前記第２の指示を取得するステップとしてさらに定義される、
請求項１乃至３のいずれか記載の方法。 - 前記ステップ（ｄ）は、前記第２の指示として前記ＥＭＧ信号データの複雑さに関する測定値を取得するステップとしてさらに定義される、
請求項３記載の方法。 - 前記ステップ（ｄ）において、前記ＥＭＧ信号データがゼロであるとみなされる範囲で雑音レベルが確立される、
請求項１８記載の方法。 - 前記ステップ（ｃ）、（ｄ）及び（ｅ）を繰り返して、前記複合指示を更新するステップとしてさらに定義される、
請求項１又は２記載の方法。 - 患者の催眠状態を確かめるためのステップとしてさらに定義される、
請求項１乃至５のいずれか記載の方法。 - 患者の催眠状態を確かめるためのステップとしてさらに定義される、
請求項１７記載の方法。 - 前記ステップ（ｃ）、（ｄ）及び（ｅ）を繰返し、前記複合指示を更新するステップとしてさらに定義される、
請求項２１記載の方法。 - 前記ステップ（ｃ）、（ｄ）及び（ｅ）を繰返し、前記複合指示を更新するステップとしてさらに定義される、
請求項１７記載の方法。 - 薬の投与から起こる状態を含む患者の大脳の状態を確認するための方法であって、
（ａ）ＥＥＧ信号データと、基本的に低周波数からなる前記ＥＥＧ信号データよりも基本的に高い周波数であるＥＭＧ信号データとを含む生体電位信号を患者から取得するステップと、
（ｂ）前記ＥＥＧ信号データと前記ＥＭＧ信号データの両者を含む十分広い周波数レンジにわたり連続的な信号データのサンプルを分析するステップと、
（ｃ）前記患者の前記大脳の状態の指示としての測定値を提供するステップと、
を備える方法。 - 薬の投与から起こる状態を含む患者の大脳の状態を確認し、前記状態における変化を急速に示す方法であって、
（ａ）ＥＥＧ信号データと、基本的に低周波数からなる前記ＥＥＧ信号データよりも基本的に高い周波数であるＥＭＧ信号データとを含む生体電位信号を患者から取得するステップと、
（ｂ）前記ＥＥＧ信号データと、前記ＥＭＧ信号データが高い周波数であるために前記ＥＥＧ信号データのサンプルの長さよりも短い長さのサンプルを使用することができる前記ＥＭＧ信号データとの両者を含む十分広い周波数レンジにわたり連続的な信号データのサンプルを分析するステップと、
（ｃ）前記患者の前記大脳の状態の指示としての測定値を提供するするステップとを備え、
前記指示は、前記患者の前記大脳の状態における変化を急速に示すために、前記ＥＭＧ信号データの短いサンプルの長さにより決定される繰返しレートで更新される、方法。 - 前記ステップ（ｂ）は、約０．５ヘルツの周波数から３２ヘルツを超える周波数までの周波数レンジにわたり生体電位信号を分析するステップとしてさらに定義される、
請求項２５又は２６記載の方法。 - 前記ステップ（ｂ）は、前記信号データのエントロピーに関する測定値を取得するステップとしてさらに定義される、
請求項２５又は２６記載の方法。 - 前記ステップ（ｂ）は、前記信号データのエントロピーに関する測定値を取得するステップとしてさらに定義される、
請求項２７記載の方法。 - 前記ステップ（ｂ）は、前記信号データのスペクトルエントロピーを取得するステップとしてさらに定義される、
請求項２８記載の方法。 - 前記ステップ（ｂ）は、前記信号データの近似エントロピーを取得するステップとしてさらに定義される、
請求項２８記載の方法。 - 前記ステップ（ｂ）は、前記信号データのＬｅｍｐｅｌ−Ｚｉｖの複雑さに関する測定値を取得するステップとしてさらに定義される、
請求項２５又は２６記載の方法。 - 前記ステップ（ｂ）は、フラクタルスペクトル分析からの複雑さに関する測定値を取得するステップとしてさらに定義される、
請求項２５又は２６記載の方法。 - 前記ステップ（ｂ）におけるサンプルの分析の前に、前記生体電位信号はスペクトル分解を受ける、
請求項２５又は２６記載の方法。 - フーリエ変換により前記スペクトル分解を実行するステップとしてさらに定義される、
請求項３４記載の方法。 - フーリエ関数のセット以外の基本関数からなるセットを使用することにより、前記スペクトル分解を実行するステップとしてさらに定義される、
請求項３４記載の方法。 - ウェーブレット変換に対応する基本関数からなるセットを使用することにより、前記スペクトル分解を実行するステップとしてさらに定義される、
請求項３６記載の方法。 - 前記ステップ（ｃ）、（ｄ）及び（ｅ）を繰り返して、前記指示を更新するステップとしてさらに定義される、
請求項２５又は２６記載の方法。 - 患者の催眠状態を確認するためのステップとしてさらに定義される、
請求項２５又は２６記載の方法。 - 患者の催眠状態を確認するためのステップとしてさらに定義される、
請求項２７記載の方法。 - 患者の催眠状態を確認するためのステップとしてさらに定義される、
請求項２８記載の方法。 - 患者の催眠状態を確認するためのステップとしてさらに定義される、
請求項２９記載の方法。 - 前記ステップ（ｃ）、（ｄ）及び（ｅ）を繰り返して、前記指示を更新するためのステップとしてさらに定義される、
請求項３９記載の方法。 - 前記ＥＥＧ信号データのサンプルを分析して前記ＥＥＧ信号データの複雑さに関する測定値を取得するステップと、前記患者の前記大脳の状態の更なる指示として前記ＥＥＧ信号データの複雑さに関する測定値を提供するステップとを含むことにより定義される、
請求項２５又は２６記載の方法。 - 前記ＥＥＧ信号データの分析から取得された前記更なる指示、及びＥＥＧ−ＥＭＧ信号データの指示を正規化するステップとしてさらに定義され、
前記更なる指示と前記ＥＥＧ−ＥＭＧ信号データの指示は、前記ＥＭＧ信号データが存在しないときに等しい、
請求項４４記載の方法。 - 前記正規化するステップは、前記ＥＥＧ信号データの複雑さに関する測定値に、結合されたＥＥＧ−ＥＭＧ信号データの複雑さに関する測定値のための計算に使用される周波数成分の数の対数により除算される前記ＥＥＧ信号データの複雑さに関する測定値のための計算に使用される周波数成分の数の対数を含む量で乗算することにより実行される、
請求項４５記載の方法。 - 前記正規化された指示に定数を加えることにより、前記正規化を維持するステップとしてさらに定義される、
請求項４５記載の方法。 - 前記ステップ（ａ）は、約０．５ヘルツから３２ヘルツの周波数レンジにおいて前記ＥＥＧ信号データを取得するステップとしてさらに定義される、
請求項１又は２記載の方法。 - 前記ステップ（ｂ）は、約３２ヘルツから３００ヘルツの周波数レンジにおいて前記ＥＭＧ信号データを取得するステップをとしてさらに定義される、
請求項１又は２記載の方法。 - 前記ＥＭＧ信号データをノッチフィルタによりフィルタリングして、電源ラインからの高調波成分を除去するステップとしてさらに定義される、
請求項４９記載の方法。 - ノッチフィルタによりフィルタリングして、電源ラインからの高調波成分を除去するステップとしてさらに定義される、
請求項２５又は２６記載の方法。 - 前記ＥＥＧ信号データ及び前記ＥＭＧ信号データは、共通の信号源から取得される、
請求項１、２、２５又は２６記載の方法。 - 前記ＥＥＧ信号データ及び前記ＥＭＧ信号データは、前記患者の頭部に取り付けられる生体電位の電極から取得される、
請求項５２記載の方法。 - 少なくとも前記ＥＭＧ信号データは、前記患者の額に取り付けられる電極から取得される、
請求項５３記載の方法。 - 前記ＥＥＧ信号データ及び前記ＥＭＧ信号データを処理して、アーチファクトを検出するステップとしてさらに定義される、
請求項１又は２記載の方法。 - 前記生体電位信号又は信号データを処理して、アーチファクトを検出するステップとしてさらに定義される、
請求項２５又は２６記載の方法。 - 前記信号データをフィルタリングして、アーチファクトを除去するステップとしてさらに定義される、
請求項５５記載の方法。 - 前記信号データ又は前記生体電位信号をフィルタリングして、アーチファクトを除去するステップとしてさらに定義される、
請求項５６記載の方法。 - アーチファクトによる影響を受けた信号データの使用を防止するステップとしてさらに定義される、
請求項５５記載の方法。 - アーチファクトによる影響を受けた信号データ又は生体電位信号の使用を防止するステップとして定義される、
請求項５６記載の方法。 - 前記ＥＭＧ信号データから前記患者における過度の筋肉の活動を検出するステップと、前記筋肉の活動による影響を受けたＥＥＧ信号データの使用を防止するステップとしてさらに定義される、
請求項５５記載の方法。 - 前記生体電位信号又は信号データから前記患者における過度の筋肉の活動を検出するステップと、前記筋肉の活動による影響を受けたＥＥＧ信号データの使用を防止するステップとしてさらに定義される、
請求項５６記載の方法。 - 電気外科の周波数での電気エネルギーの存在を感知するステップと、前記アーチファクトによる影響を受けた信号データの使用を阻止するステップとを含むことによりさらに定義される、
請求項５５記載の方法。 - 電気外科の周波数での電気エネルギーの存在を感知するステップと、前記アーチファクトによる影響を受けた生体電位信号又は信号データの使用を阻止するステップとを含むことによりさらに定義される、
請求項５６記載の方法。 - 前記ＥＥＧ信号データと前記ＥＭＧ信号データとの両者における同時のスパイクを目の動きのアーチファクトとして検出するステップと、前記アーチファクトによる影響を受けた信号データの使用を阻止するステップとしてさらに定義される、
請求項５５記載の方法。 - 前記ＥＥＧ信号データと前記ＥＭＧ信号データとの両者における同時のスパイクを目の動きのアーチファクトとして検出するステップと、前記アーチファクトによる影響を受けた生体電位信号又は信号データの使用を阻止するステップとしてさらに定義される、
請求項５６記載の方法。 - 患者の催眠状態における変化を急速に示す、患者の麻酔の深さを確認するための方法であって、
（ａ）ＥＥＧ信号データと、基本的に低周波数からなる前記ＥＥＧ信号データよりも基本的に高い周波数であるＥＭＧ信号データとを含む生体電位信号を患者から取得するステップと、
（ｂ）前記ＥＭＧ信号データが高い周波数であるために前記ＥＥＧ信号データのサンプルの長さよりも短い長さのＥＭＧ信号データのサンプルを使用することができ、約０．５ヘルツの周波数から３２ヘルツを超える周波数の周波数レンジで存在する連続的な信号データのサンプルを分析して、前記信号データの複雑さに関する測定値を取得するステップと、
（ｃ）前記患者の前記大脳の状態における変化を急速に示すために前記ＥＭＧ信号データの短いサンプルの長さにより決定される繰返しレートで更新される、前記患者の前記大脳の状態に関する第１の指示としての複雑さに関する測定値を提供するステップと、
（ｄ）前記ＥＥＧ信号データのサンプルを分析して、前記ＥＥＧ信号データの複雑さに関する測定値を取得するステップと、
（ｅ）前記患者の前記大脳の状態に関する第２の指示としての前記ＥＥＧ信号の複雑さに関する測定値を提供するステップと、
（ｆ）前記第１の指示と前記第２の指示とが前記ＥＭＧ信号データが存在しないときに等しいように、前記第１の指示と前記第２の指示とを正規化するステップと、
を備える方法。 - 薬の投与から起こる状態を含む患者の大脳の状態を確認するための装置であって、
（ａ）ＥＥＧ信号データとＥＭＧ信号データとを含む生体電位信号を患者から取得するための手段と、
（ｂ）前記患者の前記大脳の状態を示す第１のインジケータを取得するために、連続的なＥＥＧ信号データのサンプルを分析し、前記患者における筋電図による活動を示す第２のインジケータを取得するために、前記ＥＥＧ信号データのサンプルに時間的に関連する連続的なＥＭＧ信号データのサンプルを分析するステップと、
（ｃ）前記患者の前記大脳の状態を示す前記第１の指示と前記第２の指示とから複合インジケータを生成するための手段と、
を備える装置。 - 前記分析する手段は、前記第１のインジケータを決定するためにＥＥＧ信号データのサンプルの長さを使用し、前記第２のインジケータを決定するために前記ＥＥＧ信号データのサンプルよりも短い長さのＥＭＧ信号データのサンプルを使用する手段としてさらに定義され、
前記分析する手段は、前記第１のインジケータよりも頻繁に前記第２のインジケータを完全に更新する、
請求項６８記載の装置。 - 前記分析する手段は、前記第１のインジケータとしての前記ＥＥＧ信号データの複雑さに関する測定値を取得する手段としてさらに定義される、
請求項６８又は６９記載の装置。 - 前記分析する手段は、前記第１のインジケータとしての前記ＥＥＧ信号データのエントロピーに関する測定値を取得する手段としてさらに定義される、
請求項７０記載の装置。 - 前記分析する手段は、前記第１のインジケータとしての前記ＥＥＧ信号データのＬｅｍｐｅｌ−Ｚｉｖの複雑さに関する測定値を取得する手段としてさらに定義される、
請求項７０記載の装置。 - 前記分析する手段は、前記ＥＭＧ信号データの周波数領域のパワースペクトルから前記第２のインジケータを取得する手段としてさらに定義される、
請求項６８，６９又は７０記載の装置。 - 患者の催眠状態を確認するための手段としてさらに定義される、
請求項６８，６９，７０又は７１記載の装置。 - 薬の投与から起こる状態を含む患者の大脳の状態を確認するための装置であって、
（ａ）ＥＥＧ信号データと、基本的に低周波数からなる前記ＥＥＧ信号データよりも基本的に高い周波数であるＥＭＧ信号データとを含む生体電位信号を前記患者から取得するための手段と、
（ｂ）前記信号データの複雑さに関する測定値を取得するために、前記ＥＥＧ信号データと前記ＥＭＧ信号データの両者を含む十分に広い周波数レンジにわたり連続的な信号データのサンプルを分析するための手段と、
（ｃ）前記患者の前記大脳の状態のインジケータとして複雑さに関する測定値を提供する手段と、
を備える装置。 - 前記分析する手段は、前記ＥＥＧ信号データの長さを使用し、前記ＥＥＧ信号データのサンプルよりも短い長さであるＥＭＧ信号データのサンプルを使用する手段としてさらに定義され、
前記分析する手段は、前記患者の前記大脳の状態における変化を急速に示すために、前記ＥＭＧ信号データの短いサンプルの長さにより決定される繰返しレートで前記インジケータを更新する、
請求項７５記載の装置。 - 前記分析する手段は、約０．５ヘルツの周波数から３２ヘルツを超える周波数の周波数レンジにわたり前記信号データを分析する手段としてさらに定義される、
請求項７５又は７６記載の装置。 - 前記分析する手段は、前記信号データのエントロピーに関する測定値を取得する手段としてさらに定義される、
請求項７５又は７６記載の装置。 - 前記分析する手段は、前記信号データのエントロピーに関する測定値を取得する手段としてさらに定義される、
請求項７７記載の装置。 - 前記分析する手段は、前記信号データのＬｅｍｐｅｌ−Ｚｉｖの複雑さに関する測定値を取得する手段としてさらに定義される、
請求項７５又は７６記載の装置。 - 患者の催眠状態を確認するための手段としてさらに定義される、
請求項７５又は７６記載の装置。 - 前記分析する手段は、前記ＥＥＧ信号データの複雑さに関する測定値を取得するために前記ＥＥＧ信号データのサンプルを分析する手段としてさらに定義され、
前記提供する手段は、前記患者の前記大脳の状態に関する更なるインジケータとして前記ＥＥＧ信号データの複雑さに関する測定値を提供する手段としてさらに定義される、
請求項７５又は７６記載の装置。 - 前記ＥＥＧ信号データの分析から取得された前記更なるインジケータ及び前記ＥＥＧ−ＥＭＧ信号データの指示を正規化する手段をさらに含み、
前記更なるインジケータと前記ＥＥＧ−ＥＭＧ信号データのインジケータは、前記ＥＭＧ信号データが存在しない場合に等しい、
請求項８２記載の装置。 - 電源ラインからの高調波成分を除去するために、前記信号データをノッチフィルタリングするための手段を含むとしてさらに定義される、請求項６８又は７５記載の装置。
- アーチファクトを検出するために前記信号データを処理するための手段を含むことによりさらに定義される、
請求項６８又は７５記載の装置。 - アーチファクトを除去するために、前記信号データをフィルタリングするための手段を含むことによりさらに定義される、
請求項８５記載の装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US09/688,891 US6731975B1 (en) | 2000-10-16 | 2000-10-16 | Method and apparatus for determining the cerebral state of a patient with fast response |
| PCT/IB2001/001932 WO2002032305A1 (en) | 2000-10-16 | 2001-10-12 | Method and apparatus for determining the cerebral state of a patient with fast response |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2004511286A true JP2004511286A (ja) | 2004-04-15 |
| JP2004511286A5 JP2004511286A5 (ja) | 2005-12-22 |
| JP4030869B2 JP4030869B2 (ja) | 2008-01-09 |
Family
ID=24766195
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002535545A Expired - Lifetime JP4030869B2 (ja) | 2000-10-16 | 2001-10-12 | 高速な応答により患者の大脳の状態を判定するための方法及び装置 |
Country Status (8)
| Country | Link |
|---|---|
| US (3) | US6731975B1 (ja) |
| EP (1) | EP1328193B1 (ja) |
| JP (1) | JP4030869B2 (ja) |
| AT (1) | ATE313295T1 (ja) |
| AU (1) | AU2001294116A1 (ja) |
| CA (1) | CA2396545A1 (ja) |
| DE (1) | DE60116132T2 (ja) |
| WO (1) | WO2002032305A1 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008544772A (ja) * | 2005-05-10 | 2008-12-11 | ザ サルク インスティテュート フォー バイオロジカル スタディーズ | 睡眠および覚醒状態の自動検出 |
| JP2016513534A (ja) * | 2013-03-15 | 2016-05-16 | パーシスト ディベロップメント コーポレーション | 複数患者のｅｅｇ監視 |
| JP2020048838A (ja) * | 2018-09-26 | 2020-04-02 | 株式会社国際電気通信基礎技術研究所 | 推定装置、推定プログラムおよび推定方法 |
Families Citing this family (69)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6631291B2 (en) | 2001-05-18 | 2003-10-07 | Instrumentarium Corp. | Closed loop drug administration method and apparatus using EEG complexity for control purposes |
| KR100463938B1 (ko) * | 2002-03-06 | 2005-01-03 | 이동진 | 마인드컨트롤장치 |
| US7373198B2 (en) | 2002-07-12 | 2008-05-13 | Bionova Technologies Inc. | Method and apparatus for the estimation of anesthetic depth using wavelet analysis of the electroencephalogram |
| JP2004049789A (ja) * | 2002-07-24 | 2004-02-19 | Tanita Corp | 筋疲労測定装置 |
| EP1622510A4 (en) * | 2003-05-06 | 2009-06-03 | Everest Biomedical Instr Compa | ANESTHESIA AND SEDATION MONITORING SYSTEM AND METHOD |
| US7117108B2 (en) * | 2003-05-28 | 2006-10-03 | Paul Ernest Rapp | System and method for categorical analysis of time dependent dynamic processes |
| US6961603B2 (en) | 2003-06-17 | 2005-11-01 | Instrumentarim Corp. | Unitary multi-electrode biopotential signal sensor and method for making same |
| US7367949B2 (en) | 2003-07-07 | 2008-05-06 | Instrumentarium Corp. | Method and apparatus based on combination of physiological parameters for assessment of analgesia during anesthesia or sedation |
| US7496400B2 (en) | 2003-10-17 | 2009-02-24 | Ge Healthcare Finland Oy | Sensor arrangement |
| US7509161B2 (en) * | 2003-10-22 | 2009-03-24 | Instrumentarium Corporation | Method and apparatus for determining the cerebral state of a patient using generalized spectral entropy of the EEG signal |
| US7306564B2 (en) * | 2003-11-26 | 2007-12-11 | Denso Corporation | Breath monitor |
| CN100538713C (zh) * | 2003-12-23 | 2009-09-09 | 广州可夫医疗科技有限公司 | 一种脑电涨落信号分析设备 |
| US7215994B2 (en) | 2004-02-17 | 2007-05-08 | Instrumentarium Corporation | Monitoring the neurological state of a patient |
| US7860561B1 (en) * | 2004-06-04 | 2010-12-28 | Cleveland Medical Devices Inc. | Method of quantifying a subject's wake or sleep state and system for measuring |
| US7407485B2 (en) | 2004-06-08 | 2008-08-05 | Instrumentarium Corporation | Monitoring pain-related responses of a patient |
| EP1609415A1 (en) * | 2004-06-23 | 2005-12-28 | Instrumentarium Corporation | Method and a device for recording signals |
| US7447541B2 (en) | 2004-06-30 | 2008-11-04 | Instrumentarium Corporation | Monitoring subcortical responsiveness of a patient |
| US7231246B2 (en) * | 2004-07-07 | 2007-06-12 | Ge Healthcare Finland Oy | Detection of encephalopathy |
| JP4012900B2 (ja) * | 2004-10-21 | 2007-11-21 | 株式会社日立製作所 | 生体光計測装置 |
| US7986996B2 (en) * | 2004-10-23 | 2011-07-26 | Bell John O | Passive monitoring of bioelectical signals and active electrical anesthesia stimulation |
| GB0500680D0 (en) * | 2005-01-13 | 2005-02-23 | Isis Innovation | Physiological data classification |
| US8219187B2 (en) * | 2005-01-27 | 2012-07-10 | Instrumentarium Corporation | Method and apparatus for providing improved assessment of a physiological condition of a patient |
| US8574156B2 (en) * | 2005-07-05 | 2013-11-05 | General Electric Company | Determination of the clinical state of a subject |
| US7725173B2 (en) * | 2005-08-24 | 2010-05-25 | Ge Healthcare Finland Oy | Measurement of responsiveness of a subject with lowered level of consciousness |
| US8145297B2 (en) * | 2005-11-14 | 2012-03-27 | General Electric Company | Measurement of EEG reactivity |
| US8064993B2 (en) * | 2005-11-14 | 2011-11-22 | General Electric Company | Measurement of EEG reactivity |
| BRPI0710104A2 (pt) | 2006-03-31 | 2011-08-02 | Aspect Medical Systems Inc | sistema e método de avaliação de adequação analgésica usando variabilidade biopotencial |
| US20070276281A1 (en) * | 2006-05-09 | 2007-11-29 | Mika Sarkela | Monitoring of the state of the central nervous system of a subject |
| US7848795B2 (en) * | 2006-05-22 | 2010-12-07 | General Electric Company | Determination of sleep depth |
| US20080255469A1 (en) * | 2007-04-12 | 2008-10-16 | Yuan Ze University | Method for Monitoring the Depth of Anesthesia |
| US7920914B2 (en) * | 2007-04-12 | 2011-04-05 | Yuan Ze University | Method for monitoring the depth of anesthesia |
| US9398863B2 (en) * | 2007-06-20 | 2016-07-26 | General Electric Company | Detection of anomalies in measurement of level of hypnosis |
| US20090048530A1 (en) | 2007-08-15 | 2009-02-19 | The General Electric Company | Monitoring of epileptiform activity |
| WO2010034270A1 (de) * | 2008-09-29 | 2010-04-01 | Narcoscience Gmbh & Co. Kg | Verfahren und vorrichtung zur auswertung eines narkose- oder intensiv-eeg |
| US8401632B1 (en) * | 2008-11-26 | 2013-03-19 | Nuvasive, Inc. | Systems and methods for performing neurophysiologic assessments |
| WO2010060153A1 (en) * | 2008-11-28 | 2010-06-03 | The University Of Queensland | A method and apparatus for determining sleep states |
| US9775545B2 (en) | 2010-09-28 | 2017-10-03 | Masimo Corporation | Magnetic electrical connector for patient monitors |
| JP5710767B2 (ja) | 2010-09-28 | 2015-04-30 | マシモ コーポレイション | オキシメータを含む意識深度モニタ |
| KR101232492B1 (ko) | 2011-02-10 | 2013-02-12 | 성균관대학교산학협력단 | 근전도 신호를 이용한 마취심도 및 안면신경 모니터링 장치 및 방법 |
| JP2015504764A (ja) | 2012-01-24 | 2015-02-16 | ニューロビジル インコーポレイテッド | 脳の状態の意図的および非意図的な変化と脳信号との関連付け |
| WO2013184965A1 (en) * | 2012-06-07 | 2013-12-12 | Masimo Corporation | Depth of consciousness monitor |
| US9814426B2 (en) | 2012-06-14 | 2017-11-14 | Medibotics Llc | Mobile wearable electromagnetic brain activity monitor |
| US10130277B2 (en) | 2014-01-28 | 2018-11-20 | Medibotics Llc | Willpower glasses (TM)—a wearable food consumption monitor |
| CN102793534A (zh) * | 2012-07-11 | 2012-11-28 | 广西威利方舟科技有限公司 | 麻醉深度监控装置及方法 |
| EP2989569B1 (en) | 2013-04-24 | 2021-06-23 | Fresenius Kabi Deutschland GmbH | Method of operating a control device for controlling an infusion device |
| US9955894B2 (en) | 2014-01-28 | 2018-05-01 | Covidien Lp | Non-stationary feature relationship parameters for awareness monitoring |
| US10154815B2 (en) | 2014-10-07 | 2018-12-18 | Masimo Corporation | Modular physiological sensors |
| JP6761468B2 (ja) | 2015-07-17 | 2020-09-23 | クァンティウム メディカル エスエレ | 覚醒、鎮静及び全身麻酔中の意識、痛み及び侵害受容のレベルを評価するデバイス及び方法 |
| KR101939574B1 (ko) | 2015-12-29 | 2019-01-17 | 주식회사 인바디 | 의식 상태 모니터링 방법 및 장치 |
| RU2734329C9 (ru) * | 2016-07-27 | 2020-12-01 | Общество с ограниченной ответственностью "НейроТонус" | Устройство для контроля бодрствования человека |
| US10943100B2 (en) | 2017-01-19 | 2021-03-09 | Mindmaze Holding Sa | Systems, methods, devices and apparatuses for detecting facial expression |
| EP3571627A2 (en) | 2017-01-19 | 2019-11-27 | Mindmaze Holding S.A. | Systems, methods, apparatuses and devices for detecting facial expression and for tracking movement and location including for at least one of a virtual and augmented reality system |
| US10515474B2 (en) | 2017-01-19 | 2019-12-24 | Mindmaze Holding Sa | System, method and apparatus for detecting facial expression in a virtual reality system |
| WO2018146558A2 (en) | 2017-02-07 | 2018-08-16 | Mindmaze Holding Sa | Systems, methods and apparatuses for stereo vision and tracking |
| EP3684463A4 (en) | 2017-09-19 | 2021-06-23 | Neuroenhancement Lab, LLC | NEURO-ACTIVATION PROCESS AND APPARATUS |
| US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
| US11273283B2 (en) | 2017-12-31 | 2022-03-15 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to enhance emotional response |
| US11328533B1 (en) | 2018-01-09 | 2022-05-10 | Mindmaze Holding Sa | System, method and apparatus for detecting facial expression for motion capture |
| CN108478217A (zh) * | 2018-04-18 | 2018-09-04 | 佛山市龙生光启科技有限公司 | 一种监测个体eeg信号的方法 |
| US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
| CN108618778B (zh) * | 2018-05-07 | 2019-07-02 | 惠州善雅医疗器械有限公司 | 一种麻深指数计算方法及麻醉深度监护仪 |
| US11166648B2 (en) * | 2018-05-24 | 2021-11-09 | General Electric Company | Method and system for estimating patient recovery time utilizing neuromuscular transmission measurements |
| US11452839B2 (en) | 2018-09-14 | 2022-09-27 | Neuroenhancement Lab, LLC | System and method of improving sleep |
| CN109645989B (zh) * | 2018-12-10 | 2021-01-08 | 燕山大学 | 一种麻醉深度估计系统 |
| US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
| CN110840411B (zh) * | 2019-12-06 | 2022-03-11 | 深圳市德力凯医疗设备股份有限公司 | 一种麻醉深度的测量装置、存储介质及电子设备 |
| US11033214B1 (en) * | 2020-05-19 | 2021-06-15 | United Arab Emirates University | Wearable eye tracking system |
| US11993386B2 (en) | 2020-10-23 | 2024-05-28 | Ami Industries, Inc. | Smart systems and methods for automatic deployment of an ejection system |
| US11697020B2 (en) | 2020-11-19 | 2023-07-11 | A-Neuron Electronic Corporation | Method for generating stimulation parameters, electrical stimulation control apparatus and electrical stimulation system |
Family Cites Families (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4417590A (en) * | 1978-06-09 | 1983-11-29 | Beckman Instruments, Inc. | Electroencephalograph |
| US4417592A (en) | 1981-05-11 | 1983-11-29 | Roy John E | Digital electroencephalographic instrument and method |
| US4421122A (en) * | 1981-05-15 | 1983-12-20 | The Children's Medical Center Corporation | Brain electrical activity mapping |
| FI64281C (fi) | 1982-01-29 | 1983-11-10 | Instrumentarium Oy | Maetnings- och oevervakningssystem |
| US4753246A (en) * | 1986-03-28 | 1988-06-28 | The Regents Of The University Of California | EEG spatial filter and method |
| US4705049A (en) * | 1986-08-04 | 1987-11-10 | John Erwin R | Intraoperative monitoring or EP evaluation system utilizing an automatic adaptive self-optimizing digital comb filter |
| US4907597A (en) | 1987-10-09 | 1990-03-13 | Biometrak Corporation | Cerebral biopotential analysis system and method |
| US5010891A (en) | 1987-10-09 | 1991-04-30 | Biometrak Corporation | Cerebral biopotential analysis system and method |
| US5769793A (en) * | 1989-09-08 | 1998-06-23 | Steven M. Pincus | System to determine a relative amount of patternness |
| US5846189A (en) | 1989-09-08 | 1998-12-08 | Pincus; Steven M. | System for quantifying asynchrony between signals |
| IL93579A0 (en) | 1990-02-28 | 1990-11-29 | Srd Medical Ltd | Apparatus for rapidly preparing to obtain biosignals |
| US5109862A (en) * | 1990-03-19 | 1992-05-05 | Del Mar Avionics | Method and apparatus for spectral analysis of electrocardiographic signals |
| US5724987A (en) | 1991-09-26 | 1998-03-10 | Sam Technology, Inc. | Neurocognitive adaptive computer-aided training method and system |
| US5458117A (en) | 1991-10-25 | 1995-10-17 | Aspect Medical Systems, Inc. | Cerebral biopotential analysis system and method |
| US5320109A (en) | 1991-10-25 | 1994-06-14 | Aspect Medical Systems, Inc. | Cerebral biopotential analysis system and method |
| US5339826A (en) | 1991-12-09 | 1994-08-23 | Westinghouse Electric Corp. | Method for training material evaluation with method of EEG spectral estimation |
| US5840040A (en) | 1992-12-18 | 1998-11-24 | The Regents Of The University Of California | Encephalolexianalyzer |
| US5474082A (en) * | 1993-01-06 | 1995-12-12 | Junker; Andrew | Brain-body actuated system |
| US5566678B1 (en) * | 1993-09-10 | 1999-11-30 | Cadwell Ind Inc | Digital eeg noise synthesizer |
| US5349962A (en) * | 1993-11-30 | 1994-09-27 | University Of Washington | Method and apparatus for detecting epileptic seizures |
| US6067467A (en) | 1994-02-07 | 2000-05-23 | New York University | EEG operative and post-operative patient monitoring method |
| US5579774A (en) * | 1994-03-07 | 1996-12-03 | Camino Neurocare, Inc. | Method and apparatus for monitoring local cerebral physiology |
| GB9511964D0 (en) | 1995-06-13 | 1995-08-09 | Rdm Consultants Limited | Monitoring an EEG |
| US5857978A (en) * | 1996-03-20 | 1999-01-12 | Lockheed Martin Energy Systems, Inc. | Epileptic seizure prediction by non-linear methods |
| EP0828225A1 (de) * | 1996-09-04 | 1998-03-11 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zum Auswerten von EEG-Daten |
| US6070098A (en) | 1997-01-11 | 2000-05-30 | Circadian Technologies, Inc. | Method of and apparatus for evaluation and mitigation of microsleep events |
| US6032072A (en) * | 1998-01-30 | 2000-02-29 | Aspect Medical Systems, Inc. | Method for enhancing and separating biopotential signals |
| AU4808099A (en) | 1998-07-24 | 2000-02-14 | Med-Dev Limited | Offset arrangement of electrodes on a piezoelectric transducer |
| WO2001026232A2 (en) * | 1999-10-07 | 2001-04-12 | La Mont, Llc | Physiological signal monitoring apparatus and method |
| US6497658B2 (en) | 1999-12-19 | 2002-12-24 | Michael F. Roizen | Alarm upon detection of impending sleep state |
-
2000
- 2000-10-16 US US09/688,891 patent/US6731975B1/en not_active Expired - Lifetime
-
2001
- 2001-10-12 WO PCT/IB2001/001932 patent/WO2002032305A1/en active IP Right Grant
- 2001-10-12 EP EP01974603A patent/EP1328193B1/en not_active Expired - Lifetime
- 2001-10-12 AU AU2001294116A patent/AU2001294116A1/en not_active Abandoned
- 2001-10-12 DE DE60116132T patent/DE60116132T2/de not_active Expired - Lifetime
- 2001-10-12 AT AT01974603T patent/ATE313295T1/de not_active IP Right Cessation
- 2001-10-12 CA CA002396545A patent/CA2396545A1/en not_active Abandoned
- 2001-10-12 JP JP2002535545A patent/JP4030869B2/ja not_active Expired - Lifetime
-
2003
- 2003-04-04 US US10/407,667 patent/US7228169B2/en not_active Expired - Lifetime
- 2003-10-14 US US10/684,840 patent/US20040082876A1/en not_active Abandoned
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008544772A (ja) * | 2005-05-10 | 2008-12-11 | ザ サルク インスティテュート フォー バイオロジカル スタディーズ | 睡眠および覚醒状態の自動検出 |
| JP2014176743A (ja) * | 2005-05-10 | 2014-09-25 | Salk Institute For Biological Studies:The | 睡眠および覚醒状態の自動検出 |
| JP2016513534A (ja) * | 2013-03-15 | 2016-05-16 | パーシスト ディベロップメント コーポレーション | 複数患者のｅｅｇ監視 |
| JP2020048838A (ja) * | 2018-09-26 | 2020-04-02 | 株式会社国際電気通信基礎技術研究所 | 推定装置、推定プログラムおよび推定方法 |
| JP7083471B2 (ja) | 2018-09-26 | 2022-06-13 | 株式会社国際電気通信基礎技術研究所 | 推定装置、推定プログラムおよび推定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2002032305A1 (en) | 2002-04-25 |
| JP4030869B2 (ja) | 2008-01-09 |
| CA2396545A1 (en) | 2002-04-25 |
| US6731975B1 (en) | 2004-05-04 |
| DE60116132D1 (de) | 2006-01-26 |
| US7228169B2 (en) | 2007-06-05 |
| EP1328193A1 (en) | 2003-07-23 |
| US20040082876A1 (en) | 2004-04-29 |
| DE60116132T2 (de) | 2006-07-13 |
| US20030167019A1 (en) | 2003-09-04 |
| AU2001294116A1 (en) | 2002-04-29 |
| ATE313295T1 (de) | 2006-01-15 |
| EP1328193B1 (en) | 2005-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4030869B2 (ja) | 高速な応答により患者の大脳の状態を判定するための方法及び装置 | |
| US6801803B2 (en) | Method and apparatus for determining the cerebral state of a patient with fast response | |
| EP1495715B1 (en) | A method and apparatus based on combination of three phsysiological parameters for assessment of analgesia during anesthesia or sedation | |
| US7509161B2 (en) | Method and apparatus for determining the cerebral state of a patient using generalized spectral entropy of the EEG signal | |
| Acharya et al. | Linear and nonlinear analysis of normal and CAD-affected heart rate signals | |
| Viertio-Oja et al. | Description of the Entropytm algorithm as applied in the Datex-Ohmeda S/5 tm Entropy Module | |
| JP5108870B2 (ja) | 生体電位の変動性を用いて鎮痛の妥当性を評価するシステム | |
| US7623912B2 (en) | Method, apparatus and system for characterizing sleep | |
| Mak et al. | An automated ECG-artifact removal method for trunk muscle surface EMG recordings | |
| JP6259471B2 (ja) | 麻酔深度の測定方法及び装置 | |
| Zoughi et al. | A wavelet-based estimating depth of anesthesia | |
| KR20100027460A (ko) | 다중 윈도우를 이용한 생체신호의 특성 파라미터 추출 장치및 방법 | |
| CN104856673B (zh) | 利用心电信号估计麻醉深度的方法与装置 | |
| Bonjyotsna et al. | Correlation of drowsiness with electrocardiogram: A review | |
| Attarodi et al. | Detection of driver's drowsiness using new features extracted from HRV signal | |
| Manjunatha Siddappa | A cognitive approach towards measuring effectiveness of meditation using Enobio-8 EEG device | |
| Zhou et al. | Application of back propagation neural network and information entropy in deep detection of anesthesia | |
| Telser et al. | Temporally resolved fluctuation analysis of sleep ECG | |
| Preethi et al. | Design of H-IoT based pregnancy monitoring device in free-living environment | |
| Penzel et al. | Problems in automatic sleep scoring applied to sleep apnea | |
| Melia et al. | Signal Analysis and Response Measurement | |
| Martín-Larrauri | Physical and mathematical principles of monitoring hypnosis | |
| Kutluk et al. | Evaluation of Autonomic Nervous Activity Based on Arterial Wall Impedance and Heart Rate Variability | |
| IL167400A (en) | Method, apparatus and system for characterizing sleep |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20041008 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041008 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070109 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070409 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070529 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070821 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20070918 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20071017 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4030869 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101026 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111026 Year of fee payment: 4 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121026 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121026 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131026 Year of fee payment: 6 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |