JP2021502835A - 脳波情報を分析するシステム、方法、コンピュータ・プログラム、及びコンピュータ・インタフェース - Google Patents

Abstract

てんかん発作を示す波形の存在を検出するために脳波（ＥＥＧ）波形を分析する、コンピュータで使用可能な方法である。本方法は、ＥＥＧ波形の時間周波数分析を実行し、移動ウィンドウを利用してセグメントの分析を実行するステップと、波形の分析されたセグメントのパワー・スペクトル値を計算してインデックス値を導出するステップとを含む。計算されたインデックス値は、発作の存在を判断するために利用される。特定の実施例では、本発明は、ラット、マウス、及び他の齧歯動物の、てんかん発作の検出に関する。

Description

本発明は、脳波情報を分析するシステム、方法、コンピュータ・プログラム、及びコンピュータ・インタフェースに関する。一実施例において、本発明は、哺乳動物、好ましくは実験動物のてんかん発作、棘徐波放電、振動（高周波振動を含む）、及び他のてんかんを誘発する活動を検出するための脳波情報の使用に関する。特定の実施例では、本発明は、ラット、マウス、及び他の齧歯動物の、てんかん発作の検出に関する。

ラットのモデルは、てんかんの原因に関する理論の開発、さらには新しい実験的治療の評価、並びに自動で発作を検出及び／又は予測する新しい方法の開発に役立つ。言い換えれば、ラットのモデルは、一般的に、てんかんのさらなる研究を行うために使用される。

しかし、発作の監視は、面倒で困難な作業である。ラット及びマウスは、数日又は数週間若しくは数か月も続く場合がある、長期間にわたって監視され、研究者は、記録された脳波（ＥＥＧ：Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ）信号を検討し、且つ／又は記録されたラット又はマウスのビデオ映像を視聴し、長期間にわたってラット又はマウスが経験した発作の数のログをとるか又はその他の方法で記録するのに、数時間を費やすことが一般的である。かかる作業は、面倒である。これは具体的には、長時間のＥＥＧ及び／又はビデオ録画の場合、間違いを起こしがちな非常に時間のかかる退屈なプロセスである、複数の動物を同時に監視する状況に当てはまる。

多くの研究者は、現在まで利用可能である「自動化された」検出手法が、許容できないレベルの間違いを起こしがちであるので、ビデオ映像を検討し、記録されたＥＥＧ信号を目視検査することにより、発作を識別することを優先し続けている。

Ｃｏｌｉｎ Ｄ． Ｂｉｎｎｉｅ及びＨｅｒｍａｎｎ Ｓｔｅｆａｎ、「Ｍｏｄｅｒｎ ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｐｈｙ：ｉｔｓ ｒｏｌｅ ｉｎ ｅｐｉｌｅｐｓｙ ｍａｎａｇｅｍｅｎｔ」、Ｃｌｉｎｉｃａｌ Ｎｅｕｒｏｐｈｙｓｉｏｌｏｇｙ １１０ （１９９９年）、１６７１〜１６９７頁 Ｄｍｉｔｒｉｙ Ｍｅｌｋｏｎｉａｎ、「Ｓｉｍｉｌａｒ ｂａｓｉｓ ｆｕｎｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｎｕｍｅｒｉｃａｌ ｅｓｔｉｍａｔｉｏｎ ｏｆ Ｆｏｕｒｉｅｒ ｉｎｔｅｇｒａｌｓ」、Ｎｕｍｅｒｉｃａｌ Ａｌｇｏｒｉｔｈｍｓ （２０１０年） ５４、７３〜１００頁

こうした問題を念頭に置いて、本発明は開発された。

第１の態様では、てんかん発作を示す波形の存在を検出するために脳波（ＥＥＧ）波形を分析するコンピュータで使用可能な方法が提供され、本方法は、ＥＥＧ波形の時間周波数分析を実行するステップと、移動ウィンドウを利用して波形のセグメントの分析を実行するステップと、波形の分析されたセグメントのパワー・スペクトル値を計算してインデックス値を導出するステップとを含み、インデックス値は発作の存在を判断するために利用される。

一実施例は、本発明の第１の態様のプロセスのステップを反復して相異なる時間ウィンドウに複数のインデックス値を与えるさらなるステップを含み、複数のインデックス値のそれぞれは発作を検出するために利用される。

一実施例は、複数のインデックス値をヒストグラムにソートするステップを含み、得られたヒストグラムを分析して活動の背景レベルを定義し、活動の背景レベルにより背景の活動を除去するために利用する閾値が定義される。

一実施例では、本方法は、ユーザがヒストグラムを検討し、閾値を選択的に再設定できるようにするインタフェースを提供するステップを含む。

本方法は、ユーザによる閾値の選択的再設定を自律的に検討するステップと、選択的再設定に基づいて所定の閾値を変更するステップとを含んでもよい。

本方法は、定義された周波数帯域内でのみＥＥＧ波形を分析するさらなるステップを含んでもよい。

ラット用に定義された周波数帯域は、１７から２５Ｈｚにわたることが好ましい。変異マウス・モデルの棘徐波検出用に定義された周波数帯域はわずかにより広く、１４〜２７Ｈｚにわたることが好ましい。

本方法は、ラット、マウス及び他の齧歯動物の、てんかん発作の検出に向けて最適化され得る。

第２の態様では、てんかん発作を示す活動パターンの存在を検出するために脳波（ＥＥＧ）波形を分析するシステムが提供され、本システムは、プロセッサを利用してＥＥＧ波形の時間周波数分析を実行し、移動ウィンドウを利用してセグメントの分析を実行するよう配置されたモジュールを備え、本モジュールは、波形の分析されたセグメントのパワー・スペクトル値を計算してインデックス値を導出し、インデックス値を利用して波形の発作パターンの存在を判断し、発作パターンの存在は、インタフェースを介してユーザに伝えられる。

第３の態様では、少なくとも１つの命令を組み込み、コンピューティング・システム上で実行されると、本発明の第１の態様の方法のステップを実行するよう配置されたコンピュータ・プログラムが提供される。

本発明のさらなる特徴を、そのいくつかの非限定的な実施例の以下の説明において、より完全に説明する。この説明は、本発明を例示することだけを目的として含まれている。この説明は、上記で示した本発明の広範な概要、開示、又は説明に対する制限として理解されるべきではない。説明は、以下の添付図面を参照して行うことにする。

本発明の実施例による、方法及び／又はコンピュータ・プログラムを動作させることができる例示的なコンピューティング・システムの図である。 本発明の実施例による、コンピュータで使用可能な方法を示す流れ図である。 本発明の実施例に従って計算された、ＥＥＧ信号及びウィンドウ・パワー・スペクトルを示すグラフである。 本発明の実施例による、スペクトル帯域インデックス（ＳＢＩ：Ｓｐｅｃｔｒａｌ Ｂａｎｄ Ｉｎｄｅｘ）の曲線を示すグラフである。 本発明の実施例に従ってインタフェース上に表示された、自動計算された閾値を有するＳＢＩ曲線の図である。 本発明の実施例に従ってインタフェース上に表示された、同じ閾値を有するＳＢＩのヒストグラムの図である。 本発明の実施例による、コンピュータ・プログラムのインタフェースの、入力信号ウィンドウを示すスクリーンショットの図である。 本発明の実施例による、コンピュータ・プログラムのインタフェースの、結果ウィンドウを示すスクリーンショットの図である。

本発明は、概ね、脳波情報を分析するシステム、方法、コンピュータ・プログラム、及びコンピュータ・インタフェースに関する。一実施例では、本発明は、哺乳動物のてんかん発作を検出するための、脳波情報の使用に関する。本明細書で以下により詳細に説明する一実施例では、本発明は、ラット、マウス、及び他の齧歯動物の、てんかん発作の検出に関する。

より詳細には、本明細書で説明する実施例の一態様は、オンライン手法（すなわち、データが収集されているときに、リアルタイムで実行される分析）又はオフライン手法（すなわち、事前に記録／保存されたデータに基づいて実行される分析）のいずれかで、脳波情報を分析する方法を提供する。オンライン分析の場合、本方法は、進行中のＥＥＧ信号の時間周波数分析を実行するステップ、信号の分析されたセグメントのパワー・スペクトル値を計算してインデックス値を導出するステップを含み、インデックス値は、発作の存在を判断するために利用される。オフライン分析の場合、１点の違い、すなわち、ＥＥＧ信号データが進行中の信号として受信されるのではなくファイルから読み取られることを除いて、同じ方法のステップが実行される。

かかるシステムは、膨大なデータ量を処理する必要があり、「偽陽性」を最小限に抑えながら自律的に大量のデータを処理する必要がある状況で、特に有用である。偽陽性は、真のイベントではなく、電気的干渉などの信号収集プロセスのアーティファクトのイベントである。

本方法の一実施例は、図１に示すコンピューティング・システムなどのコンピューティング・システムに分類される。

図１では、この実施例において、本発明の実施例と共に使用するのに好適なコンピューティング・システム１００である、コンピューティング・システムの概略図を示す。コンピューティング・システム１００を使用して、本発明の実施例によるコンピュータ・プログラム及びインタフェースなどの、アプリケーション及び／又はシステム・サービスを実行することができる。

図１を参照すると、コンピューティング・システム１００は、適切なコンピュータ命令を受信し、格納し、実行するのに必要な好適なコンポーネントを備えることができる。コンポーネントには、プロセッサ１０２、読み取り専用メモリ（ＲＯＭ：ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）１０４、ランダム・アクセス・メモリ（ＲＡＭ：ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）１０６、ディスク・ドライブ１０８などの入出力デバイス、遠隔の又は接続された入力デバイス１１０（ＥＥＧ信号モニタなど）、及び１つ又は複数の通信リンク１１４が含まれ得る。

コンピューティング・システム１００は、ＲＯＭ１０４、ＲＡＭ１０６、又はディスク・ドライブ１０８にインストールすることができ、プロセッサ１０２によって実行することができる命令を有する。ＥＥＧ信号モニタなどの１つ又は複数の入力デバイス１１０に様々に接続することができる、複数の通信リンク１１４を設けることができる。複数の通信リンク１１４のうちの少なくとも１つは、電気通信ネットワークを介して外部コンピューティング・ネットワークに接続することができる。

特定の一実施例では、本デバイスは、記憶デバイス１１２上に存在し得るデータベース１１６を備えることができる。データベースは、ソリッド・ステート・ドライブ、ハード・ディスク・ドライブ、光学ドライブ、又は磁気テープ・ドライブを含み得る、任意の好適な記憶デバイス上に存在できることが理解されよう。データベース１１６は、単一の物理的記憶デバイス上に存在してもよく、又は構内若しくは遠隔で複数の記憶デバイスに分散してもよい。

コンピューティング・システム１００は、記憶デバイス上に又はサーバ１００のＲＯＭに存在することもできる、好適なオペレーティング・システム１１８を有する。オペレーティング・システムは、データベース及び１つ又は複数のコンピュータ・プログラムと相互作用して、本明細書で説明する本発明の実施例によるステップ、機能、及び／又は手順をサーバに実行させるよう配置される。

概して、本発明は、通信ネットワークを介して１つ又は複数の遠隔デバイスからデータを受信するよう配置されたコンピューティング方法及びシステムに関する。遠隔デバイスは、コンピューティング・デバイス上に記憶されたデータの形態をとる場合があるが、レコーダから直接受信する信号データの形態をとる場合もある。信号データの段階では、データは、以下でより詳細に説明するように、アナログ波、すなわち「生の」脳波（ＥＥＧ）信号の形態をとる。遠隔デバイスは、これも以下でより詳細に説明するように、画像又はビデオのデータを取り込む、カメラの形態をとる場合もある。

続く説明では、特定の適用例、すなわち実験動物、具体的には齧歯動物のてんかん発作の検出を参照して、より広範な発明について説明することにする。本明細書で説明するすべてのデータは、ラット及びマウスを使って実施した実験に関する。

図２を参照して、本発明の実施例による、自動で発作を検出するアルゴリズム２００を説明する。

てんかん発作は、哺乳動物の脳が生成する（電気活動を表す）ＥＥＧ信号に、規則的且つ区別可能なパターンを生成することが判明している。たとえば、Ｃｏｌｉｎ Ｄ． Ｂｉｎｎｉｅ及びＨｅｒｍａｎｎ Ｓｔｅｆａｎによる、名称「Ｍｏｄｅｒｎ ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｐｈｙ：ｉｔｓ ｒｏｌｅ ｉｎ ｅｐｉｌｅｐｓｙ ｍａｎａｇｅｍｅｎｔ」、Ｃｌｉｎｉｃａｌ Ｎｅｕｒｏｐｈｙｓｉｏｌｏｇｙ １１０ （１９９９年）、１６７１〜１６９７頁で公開された記事では、ＥＥＧ信号の概要、測定技法及び測定手法、並びに将来てんかんを起こしそうな人に関係するようなＥＥＧ信号のパターンの重要性又はその他に関する調査結果が提示されている。上記論文の全内容は、参照により本明細書に組み入れられる。本明細書で説明する実施例は、信号処理アルゴリズムを利用して、収集されたＥＥＧデータ内のかかる信号の存在を検出する。

ステップ２０２で、入力信号を分析し、フィルタを適用して、本明細書で説明する実施例の意図する目的（すなわち、てんかん発作の検出）のために、てんかん発作についての直接関連する情報を含まない、どんな低周波数のベースラインとなる趨勢信号をも除去する。本明細書で説明する実施例において、適用例がラット及びマウスの発作の検出に関する一実例として、発作を検出する上で臨床的に対象とならない低周波成分は、自動的に除去され、対象となる周波数範囲の成分がより認識可能になる。

ステップ２０４で、類似基底関数（ＳＢＦ：Ｓｉｍｉｌａｒ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ）アルゴリズムを利用して時間周波数分析を実行する。ＳＢＦアルゴリズムを使用して、ウィンドウごとに、ウィンドウ信号のパワー・スペクトルが計算される。ＳＢＦアルゴリズムのより詳細な説明は、Ｄｍｉｔｒｉｙ Ｍｅｌｋｏｎｉａｎによる、名称「Ｓｉｍｉｌａｒ ｂａｓｉｓ ｆｕｎｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｎｕｍｅｒｉｃａｌ ｅｓｔｉｍａｔｉｏｎ ｏｆ Ｆｏｕｒｉｅｒ ｉｎｔｅｇｒａｌｓ」、Ｎｕｍｅｒｉｃａｌ Ａｌｇｏｒｉｔｈｍｓ （２０１０年） ５４、７３〜１００頁で公開された論文に提示されている。上記論文の全内容は、参照により本明細書に組み入れられる。パワー・スペクトルは、対象となる周波数帯域内（実施例では１７〜２５Ｈｚ）でのみ計算され、それにより計算回数が大幅に削減される。利用する周波数分解能は、任意であり、事前設定されるか、又はユーザによって定義される。ＳＢＦアルゴリズムの適用及びその結果得られる出力データにより、特定のピークをもつ「スペクトル帯域インデックス曲線」（ＳＢＩ曲線）が生成される。

より詳細には、アルゴリズムには、ユーザが定義するステップ・サイズを使用して、ＥＥＧ信号に沿って（ユーザが定義した）固定サイズの時間ウィンドウが適用される。本明細書で提示される実例で使用されるステップ・サイズは、ウィンドウ・サイズの半分に等しい。

パワー・スペクトルが計算されると、（単一の実数の形式の）測定値が推測される。本測定値は、周波数帯域内のスペクトル強度を示している。この測定値は、「スペクトル帯域インデックス」値（ＳＢＩ値）と呼ばれる。

ＳＢＩ値は、絶対的な測定値ではなく相対的な測定値であるので、ＳＢＩ値が計算される手法はいろいろであり得る。たとえば、周波数帯域内の最大値を利用するか、又は周波数帯域内のパワー・スペクトルの下で計算された区域を利用することもできる。発明者らによるテストでは、両方の測定値（最大値及び区域）を利用できる。ただし、図３に示すように、対象となる周波数帯域内にパワー・スペクトルの狭いピークがある場合は、最大値の使用が好ましいと判断された。３００で全体的に図示するＳＢＩ値データは、ウィンドウ３０２を利用して、最大測定値３０４又は区域測定値３０６のいずれかを使って決定される。

図４に示すように、測定値をウィンドウの時間値の中心に対してプロットし、ＳＢＩ曲線（測定値の時間への依存性）を形成する。場合によっては、ＳＢＩ曲線に平滑化アルゴリズムを適用して、閾値を超える鋭いピークの付近（同じイベントによって引き起こされる）を１つの値に結合し、それによって選択されるイベントの数を減らすことができる。ＳＢＩ値は、発作を、４０２で識別されたイベントなど他のイベントと区別するための、非常に安全なマージンを提供する。

再び図２のステップ２０６を参照すると、発作間の（又は背景の、又は正常な）ＥＥＧ活動に対応する閾値を下回るＳＢＩ値を減じるために、閾値がＳＢＩ曲線に自動的に適用され、ここで「発作性のイベント」とは発作イベントであり、「発作間の」は発作イベント間の時間を指す用語である。ＳＢＩ曲線の残りの閾値を超えるピークは、発作イベントとして識別される。

より詳細には、背景又は他の発作に関係しない活動が閾値未満になるように、ＳＢＩ曲線の閾値が定義される。この閾値を定義するために、ＳＢＩ値の分布ヒストグラムを計算する。発作性イベントの合計期間が記録した全期間のごく一部でしかないと仮定すると、最も高い分布密度を有するヒストグラムの領域は、発作間のＳＢＩ値の範囲を示すことになる。この範囲を超えるどこか（右端又は右端より大きいところ）で閾値を設定することにより、ＳＢＩの「普通の」（すなわち、関連性がない）値が除去され、ヒストグラムには顕著な値しか残らない。

より詳細には（且つ、オフライン・モードで動作しているときのコンピュータ・プログラムを参照して）、ＳＢＩ値の分布ヒストグラムは、最初に全記録時間にわたって構築される。

ヒストグラムのビンの数がＮであり、ｈ_ｉがｉ番目のビンの値である場合、プロセスは、ヒストグラムの最大値及び対応するビンｉ_ｍａｘを見つけることから開始する。

最大のビンから始めて、アルゴリズムは、ヒストグラムの最大のビンの右側へ続くビンを走査し、ビンの値がほぼゼロであるビンを見つける。このために、ｉ_ｍａｘから始めてＫ個の連続するビンの合計は、以下で計算される。

上式で、ｊ＝０，１，２，．．．であり、ｊごとに条件Ｓ_ｊ＜Ａを判断し、ここでＡは、以下でより詳細に説明するパラメータである。この条件が満たされるとすぐに、対応するビンのｘ値が閾値として取得される（ヒストグラムのｘ値は、ＳＢＩの振幅である）。

有効性の調査で使用したパラメータの値は、Ｋ＝Ｎ／２０及びＡ＝Ｋ／２であった。ここで、Ｋは連続するビンの数である。

言い換えれば、ビンの合計は、ビンの総数の半分以下でなければならない。別の言い方をすれば、少なくとも半分のビンが空でなければならない。実際には、発明者らは、この要件が厳格であり、発作がほとんどない、長期間アーティファクトのない記録に関してしか満たされないことを発見した。

したがって、パラメータＫ及びＡは、アルゴリズムの学習又は適合中に修正され得る。なお、ソフトウェアには「学習」能力があり、ユーザによる調整が保存され、ユーザ入力に基づいてパラメータＫ及びＡを変更するためにアルゴリズムが適用される。

オンライン・モードでは、同じ基礎的な手法で閾値が計算され、唯一の違いは、新しいデータ・ウィンドウが取得され、対応するＳＢＩ値が計算される各段階で、リアルタイムにヒストグラムが再計算されることである。したがって、新しいＳＢＩ値ごとに閾値が動的に再定義されるということになる。

ステップ２０８で、ユーザは、ピークが実際にはアーティファクトではなく真のイベントであることを確認するために、生のＥＥＧ信号及び／又はビデオ映像を場合によっては検討することができ、閾値及び／又は減じるイベントを調整できる。

より詳細には、本明細書で説明する実施例に関して、発明者らは、アーティファクトのない記録での発作間のＥＥＧにおいて、少なくとも４匹の相異なるてんかんをもつラットのモデルの発作が、出現しない（又は発作と比較して非常に弱い）特定の周波数成分を有することを発見した。この成分は、１７〜２５Ｈｚの範囲にピーク周波数を有する。

これらの４匹のモデルが呈する特異性を使用し、本明細書で説明する実施例（及び本明細書で示す結果データ）では、「微調整」アルゴリズムを利用して、４匹のラットのモデルについての狭帯域の周波数（すなわち１７〜２５Ｈｚ）でのスペクトル帯域インデックス（ＳＢＩ）を処理し、ＳＢＩ値が高いＥＥＧの部分を選択する（上記の閾値は、最初に自動的に決定され、次いでユーザが調整できる）。

プログラムは、完全に自律モードで動作することができ、上記で説明した手法で閾値を選択する。しかし、しばしば（閾値の自律設定では捕捉できない）異常なアーティファクトが発生する状況があるので、本明細書で説明する実施例は、ユーザの介入を可能にするインタフェースを提供する。

アーティファクトの実例は、所望の周波数帯域と他のすべての帯域との両方に強い成分を有する信号であり、てんかん発作を示す信号ではなく、電気的干渉などの「ノイズ」信号であることを意味する。

上記の実例は、ＥＥＧデータの既存の１つのデータ・ファイル（又は複数のファイル）を処理するコンピュータ・プログラムを参照して説明してきたことが理解されよう。ただし、コンピュータ・プログラムは、データが受信されると、リアルタイムにヒストグラムを計算して追加できる。

データがリアルタイムに受信されている場合、本手法は、図２のステップ２０２から２０８に関して上記で説明した手法と同一であり、唯一の違いは、それぞれの新しい離散データ・セットがプログラムによって受信されると、ステップ２０４が繰り返されることである。かかる変形は、当業者ができる範囲内にあることが理解されよう。

図５ａ及び図５ｂを参照して、ＳＢＩ曲線及びＳＢＩヒストグラムの視覚表示を提供するユーザ・インタフェースの対応するウィンドウが示される。ユーザはデータを検査し、マウス又は他のポインティング・デバイスを使用して閾値を変更できる。

自動的に決定された閾値は、次いで、何らかの知識及び経験に従って、ユーザが再調整することができる（たとえば、より弱い又はより短いイベントを取り込むために閾値を下げてもよい）。この再調整は、非常に簡単である。ユーザは、マウス又は他のポインティング・デバイス（たとえば、タッチスクリーンの場合は指）を利用して、閾値の線をヒストグラム・プロット上で左右に、又はＳＢＩプロット上で上下に向けて、「ドラッグ」する。

閾値が定義された後、ＳＢＩが閾値を上回るＥＥＧのすべての症状の発現が、イベントの開始時間及び終了時間を含む、イベントのリストの中から選択される。開始時間及び終了時間は、ＳＢＩ曲線が閾値を超えるポイントとして大まかに決定される。このようにして開始及び終了を定義する精度は、時間ウィンドウのサイズに等しい。これらの値は、次いで、より小さな時間ウィンドウを使用することにより、自動的により正確に再定義することができる。

次いで、ユーザは、選択されたイベントに「ざっと目を通して」（ＥＥＧの対応する部分を見て）、発作としてイベントを確認するか又は取り除くことができる。確認されたイベントは、イベントの新しいリストを形成する。検査終了後、ユーザはイベントの最終リストを保存できる。かかる変更は、それぞれ図６ａ並びに図６ｂのインタフェース６００及び６０２を通じて行うことができる。

さらに、前述の説明では、信号を「イベント」及び「非イベント」に分割する手段を提供する実施例に従ってコンピュータ・プログラムを説明してきたが、プログラムは、ユーザが、イベントのより詳細な分類を作成するために、いくつのイベント種類（又は区分）でも追加できる機能性も有する。

すなわち、コンピュータ・プログラムは、デフォルトで２つのイベント区分（言い換えると、２つのリスト、すなわち「発作」という名称の第１のリスト、及び「アーティファクト」という名称の第２のリスト）を提供するが、ユーザはさらなる区分を追加できる。

ユーザは、当該の２つのリストを削除することはできないが、リストの名前を変更し、説明を追加できる。さらに、ユーザは、いくつの追加リスト又はイベント区分でも追加できる。追加された区分は、削除することができる。自動的に選択されたイベントを検査するとき、ユーザは、こうしたイベント区分（リスト）のいずれか１つにイベントを追加できる。図６ｂに示す実例は、３つの区分、すなわち２つのデフォルトの区分（「発作」及び「アーティファクト」）、並びに１つの追加された区分（「後で興味深くなるかもしれない」という名称の）を示す。

この特徴は、ユーザが、発作又はアーティファクトとして分類できないが破棄したくないイベントを識別する場合に有用である。ユーザは、追加の「わからない」区分を作成して、かかるイベントを類別できる。又は、ユーザが、何らかの基準（たとえば、期間又は臨床的な／亜臨床的な）に従って発作を区別したい場合、対応する区分を作成し、必要に応じてイベントをその区分内に置くことができる。

利点
本明細書で説明する実施例及びより広範な発明は、多くの利点をもたらす。

第１に、最適化されたアルゴリズムを使用することにより、より正確な周波数特性（スペクトル漏れのない）並びに任意の周波数範囲及び分解能が可能になる。たとえば、対象となる範囲に５０Ｈｚ又は６０Ｈｚが含まれない場合、５０Ｈｚ又は６０Ｈｚの電源ノイズのフィルタ処理は不要である。

第２に、対象となる周波数範囲の特性だけが計算され、必要な計算の数が減り、それにより、高速フーリエ変換に匹敵する速度で、計算速度が向上する。

加えて、アルゴリズムは、サイン係数及びコサイン係数を計算するのに必要な重い処理が一度しか実行されず、後続のウィンドウごとに係数が再使用されるように、ウィンドウ単位の計算用に最適化され（実行中のウィンドウを使用してスペクトル帯域インデックスを計算する）、これもやはり計算速度を大幅に向上させる。

システム、方法、及びコンピュータ・プログラムは、結果を、より効率的且つより正確に処理するよう配置される。コンピュータ・プログラムの効率及び精度を実証するために、出願人は、発作を識別する従来の先行技術の方法と、実施例のコンピュータ・プログラムとの簡単な比較研究を行った。

１７９匹のラット及び２６匹のマウスからのＥＥＧ信号を、本発明の実施例と、ＥＥＧ信号及びビデオ記録を、人手をかけて検討する先行技術の方法との両方を利用して処理した。（以下の）表１に示すように、ラットの記録には合計で１０，６００の発作が含まれ、マウスの記録には合計で８，５６６の発作が含まれていた。

コンピュータ・プログラムでは、すべての記録及びすべてのモデルで、すべての発作が１００％検出された。いくつかの場合、プログラムでは、専門家が最初に進めた時に識別されなかった発作が発見された。こうしたイベントは、その後専門家によって検証され、発作であることが確認された。したがって、コンピュータ・プログラムで利用されるアルゴリズムは、発作の検出において、人が人手をかけて映像を視聴するか又はＥＥＧ信号を検討するよりも正確である。

さらに、実質的な時間効率性は、実施例のコンピュータ・プログラムを利用してＥＥＧ信号データを検討することで実現する。（以下の）表２を参照すると、コンピュータ・プログラムを利用して１匹のＰｏｓｔ−ＳＥ又はＰＴＥ動物に関する１日分のデータを処理したときに、ユーザが費やした最長時間は約５分であり、一方、コンピュータ・プログラムを利用して１匹の動物に関するデータを処理するときに、ユーザが費やした最短時間は約６秒であった。同様に、ユーザがコンピュータ・プログラムのインタフェースと対話して、識別されたイベントを検討する（閾値の調整又は変更、及び／或いはアーティファクトの除去に必要なユーザ入力があった場合）ために必要な時間を含め、ユーザがコンピュータ・プログラムを利用して、１匹の動物に関する１日分のデータを処理するのに費やした平均時間は約１分であった。

経験豊富な研究者は、本発明の実施例によるコンピュータ・プログラムを使用しない場合、１匹の動物に関する１日分のＥＥＧデータ全体にわたってスクロールして、動物が経験したすべての発作を識別するのに、約１時間を費やすことが分かった。

したがって、本発明の実施例によるコンピュータ・プログラムを使用して、研究者は、平均して分析に必要な時間を６０分の１に短縮し、それにより約９８％の時間を節約する。

注意書き
文脈上別段の要求がない限り、この明細書全体を通して、用語「ｃｏｍｐｒｉｓｅ」、又は「ｃｏｍｐｒｉｓｅｓ」若しくは「ｃｏｍｐｒｉｓｉｎｇ」などの変形は、記載された特徴又は特徴群を含むが、他のどんな特徴又は特徴群も明示的に除外しないことを示唆していることが理解されよう。

当業者は、本明細書で説明した実施例が、具体的に説明したもの以外の自明な変形及び修正を受けやすく、最も広い特許請求の範囲が、かかる変形及び修正をすべて包含することを意図していることを理解されよう。当業者はまた、最も広い特許請求の範囲を支える発明の概念には、個別に又は集合的に、本明細書で言及した又は示したいくつのステップ、特徴、及び概念でも含まれ得ること、並びにステップ又は特徴の任意の２つ以上のありとあらゆる組合せも、発明を構成し得ることも理解されよう。

本明細書で使用する選択された用語の定義が、本発明の詳細な説明内に見られる場合、かかる定義は、特許請求の範囲に記載された発明に適用されることを意図する。ただし、明示的に定義されない限り、本明細書で使用されるすべての科学用語及び技術用語は、本発明が属する当分野の技術者に一般的に理解されるのと同じ意味を有する。

必須ではないが、方法、コンピュータ・プログラム、コンピュータ・インタフェース、及びシステムの態様に関して説明した実施例は、開発者が使用して、端末若しくはパーソナル・コンピュータのオペレーティング・システム、又はポータブル・コンピューティング・デバイス、スマートフォン、若しくはタブレット・コンピューティング・システムのオペレーティング・システムなど、任意の１つ若しくは複数のコンピュータティング・プラットフォーム又はデバイス上で、或いは「データ・ファーム」などの大規模なサーバ構造内又は大規模なコンピューティング・トランザクション処理システム内で使用できる、ソフトウェア・アプリケーションを作成するために、アプリケーション・プログラミング・インタフェース（ＡＰＩ：ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｇｒａｍｍｉｎｇ ｉｎｔｅｒｆａｃｅ）、アプリケーション開発キット（ＡＤＫ：ａｐｐｌｉｃａｔｉｏｎ ｄｅｖｅｌｏｐｍｅｎｔ ｋｉｔ）を介して、又は一連のプログラム・ライブラリとして、実現することができる。

一般に、プログラム・モジュールは、特定の機能の性能を発揮する、又は補助するルーチン、プログラム、オブジェクト、コンポーネント、及びデータ・ファイルを含むので、本明細書で定義する方法、コンピュータ・プログラム、及びコンピュータ・インタフェースの機能性は、複数のルーチン、プログラム、オブジェクト、又はコンポーネントにわたって分散され、本明細書で、特許請求される実施例及びより広範な発明と同じ機能性を達成できることが理解されよう。かかる変形及び修正は、発明者が企図するものであり、当業者ができる範囲内にある。

本発明及び／又は実施例の方法及びシステムが、コンピューティング・システムによって実現されるか、又はコンピューティング・システムによって部分的に実現される場合、本発明の概念から逸脱することなく、任意の適切なコンピューティング・システム・アーキテクチャが利用できることも理解されよう。これには、独立型コンピュータ、ネットワーク化されたコンピュータ、及び口語表現で理解されるソフトウェアを利用しない専用コンピューティング・デバイス（現場でプログラム可能なゲートアレイなど）が含まれる。

用語「コンピュータ」、「コンピューティング・システム」及び「コンピューティング・デバイス」が本明細書の中で使用される場合、こうした用語は、本明細書で説明する発明の概念及び／又は実施例を実現するためのコンピュータ・ハードウェアのどんな適切な配置も包含することを意図している。

本発明の実施例を参照するときに、用語「ソフトウェア・アプリケーション」、「アプリケーション」、「コンピュータ・プログラム」、及び「プログラム」が本明細書で使用される場合、こうした用語は、本明細書で広く説明しているように、機能を実行し且つ／又は結果を達成することができる、どんな適切なソフトウェアも包含することを意図している。

通信規格、通信方法、及び／又は通信システムに言及する場合、実施例及び／又は発明を構成する、或いは実施例及び／又は発明と相互作用するデバイス、コンピューティング・システム、サーバなどは、第２、第３、及び第４世代（２Ｇ、３Ｇ、及び４Ｇ）電気通信プロトコル（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｏｂｉｌｅ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ−２０００（ＩＭＴ−２０００）仕様に準拠した）、Ｗｉ−Ｆｉ（ＩＥＥＥ８０２．１１規格に準拠した）、Ｂｌｕｅｔｏｏｔｈ（ＩＥＥＥ８０２．１５．１規格及び／又はＢｌｕｅｔｏｏｔｈ Ｓｐｅｃｉａｌ Ｉｎｔｅｒｅｓｔ Ｇｒｏｕｐが定めた規格に準拠した）、或いは随時利用可能になる可能性がある他のどんな無線周波数、光学、音響、磁気、又は他の任意の通信形式若しくは通信方法なども含むがそれらに限定されない、有線及び無線の通信プロトコルを含む、どんな好適なハードウェアの仕組み及びソフトウェア・プロトコルも介して、データを送受信することができることが理解されよう。

Claims (10)

1. てんかん発作を示す波形の存在を検出するために脳波（ＥＥＧ）波形を分析するコンピュータで使用可能な方法であって、前記ＥＥＧ波形の時間周波数分析を実行し、移動ウィンドウを利用してセグメントの前記分析を実行するステップと、前記波形の前記分析されたセグメントのパワー・スペクトル値を計算してインデックス値を導出するステップとを含み、前記インデックス値は発作の存在を判断するために利用される、方法。
2. 請求項１の前記プロセスのステップを反復して、相異なる時間ウィンドウに複数のインデックス値を与えるステップをさらに含み、前記複数のインデックス値のそれぞれは、発作を検出するために利用される、請求項１に記載の方法。
3. 前記複数のインデックス値をヒストグラムにソートするステップを含み、前記得られたヒストグラムを分析して活動の背景レベルを定義し、前記活動の背景レベルにより、背景の活動を除去するために利用する閾値が定義される、請求項２に記載の方法。
4. ユーザが前記ヒストグラムを検討し、前記閾値を選択的に再設定できるようにするインタフェースを提供するステップをさらに含む、請求項３に記載の方法。
5. ユーザによる前記閾値の前記選択的再設定を自律的に検討するステップと、前記選択的再設定に基づいて前記所定の閾値を変更するステップとをさらに含む、請求項４に記載の方法。
6. 定義された周波数帯域内でのみ前記ＥＥＧ波形を分析するステップをさらに含む、請求項１から５までのいずれか一項に記載の方法。
7. ラット用の前記定義された周波数帯域は１７から２５Ｈｚにわたり、マウス用の前記定義された周波数帯域は１４から２７Ｈｚにわたる、請求項１から６までのいずれか一項に記載の方法。
8. 前記方法は、ラット及びマウスのてんかん発作の前記検出に向けて最適化され得る、請求項１から７までのいずれか一項に記載の方法。
9. てんかん発作を示す活動パターンの存在を検出するために脳波（ＥＥＧ）波形を分析するシステムであって、前記システムは、プロセッサを利用して前記ＥＥＧ波形の時間周波数分析を実行し、移動ウィンドウを利用してセグメントの前記分析を実行するよう配置されたモジュールを備え、前記モジュールは、前記波形の前記分析されたセグメントのパワー・スペクトル値を計算してインデックス値を導出し、前記インデックス値を利用して前記波形の発作パターンの存在を判断し、発作パターンの存在は、インタフェースを介してユーザに伝えられるシステム。
10. 少なくとも１つの命令を組み込み、コンピューティング・システム上で実行されると、本発明の第１の態様の前記方法のステップを実行するよう配置されたコンピュータ・プログラム。