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
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 Download PDFInfo
- Publication number
- JP2021502835A JP2021502835A JP2020512840A JP2020512840A JP2021502835A JP 2021502835 A JP2021502835 A JP 2021502835A JP 2020512840 A JP2020512840 A JP 2020512840A JP 2020512840 A JP2020512840 A JP 2020512840A JP 2021502835 A JP2021502835 A JP 2021502835A
- Authority
- JP
- Japan
- Prior art keywords
- eeg
- seizure
- value
- user
- waveforms
- 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.)
- Abandoned
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
-
- 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
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4094—Diagnosing or monitoring seizure diseases, e.g. epilepsy
-
- 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
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/7435—Displaying user selection data, e.g. icons in a graphical user interface
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
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、hi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imax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、imax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Sj<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。
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。
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)
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2017903481A AU2017903481A0 (en) | 2017-08-29 | A system, method, computer program and computer interface for analysing electroencephalographic information | |
AU2017903481 | 2017-08-29 | ||
PCT/AU2018/050918 WO2019040981A1 (en) | 2017-08-29 | 2018-08-28 | SYSTEM, METHOD, COMPUTER PROGRAM, AND COMPUTER INTERFACE FOR ANALYZING ELECTROENCEPHALOGRAPHIC INFORMATION |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021502835A true JP2021502835A (ja) | 2021-02-04 |
Family
ID=65524587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020512840A Abandoned JP2021502835A (ja) | 2017-08-29 | 2018-08-28 | 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 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20200275852A1 (ja) |
EP (1) | EP3675724A4 (ja) |
JP (1) | JP2021502835A (ja) |
CN (1) | CN111246796A (ja) |
AU (1) | AU2018326291A1 (ja) |
WO (1) | WO2019040981A1 (ja) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7299088B1 (en) * | 2002-06-02 | 2007-11-20 | Nitish V Thakor | Apparatus and methods for brain rhythm analysis |
WO2008058343A1 (en) * | 2006-11-15 | 2008-05-22 | The University Of Queensland | A method for detecting eeg seizures in a newborn or a young child |
US9554721B1 (en) * | 2007-04-23 | 2017-01-31 | Neurowave Systems Inc. | Seizure detector, brain dysfunction monitor and method |
CA2871803A1 (en) * | 2012-04-27 | 2013-10-31 | Board Of Governors For Higher Education, State Of Rhode Island And Providence Plantations | Non-invasive automated electrical control systems and methods for monitoring animal conditions |
WO2015120400A1 (en) * | 2014-02-10 | 2015-08-13 | Picofemto LLC | Multi-factor brain analysis via medical imaging decision support systems and methods |
US9629853B2 (en) * | 2014-05-21 | 2017-04-25 | Wisconsin Alumni Research Foundation | Uses of ganaxolone |
US10406363B2 (en) * | 2015-04-21 | 2019-09-10 | Livanova Usa, Inc. | Evaluation of efficacy of epilepsy therapy |
-
2018
- 2018-08-28 EP EP18850800.6A patent/EP3675724A4/en not_active Withdrawn
- 2018-08-28 JP JP2020512840A patent/JP2021502835A/ja not_active Abandoned
- 2018-08-28 CN CN201880067335.1A patent/CN111246796A/zh active Pending
- 2018-08-28 AU AU2018326291A patent/AU2018326291A1/en not_active Abandoned
- 2018-08-28 US US16/643,751 patent/US20200275852A1/en not_active Abandoned
- 2018-08-28 WO PCT/AU2018/050918 patent/WO2019040981A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
US20200275852A1 (en) | 2020-09-03 |
CN111246796A (zh) | 2020-06-05 |
EP3675724A4 (en) | 2021-04-14 |
WO2019040981A1 (en) | 2019-03-07 |
EP3675724A1 (en) | 2020-07-08 |
AU2018326291A1 (en) | 2020-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Altunay et al. | Epileptic EEG detection using the linear prediction error energy | |
US20170065229A1 (en) | Neural oscillation monitoring system | |
US10228994B2 (en) | Information processing system, information processing method, and program | |
JP2022536552A (ja) | 脳波(eeg)の非線形性の変化に基づく発作検出システム及び方法 | |
EP3389478B1 (en) | Systems and methods for linear-time clustering for bounded, repeatable, rare events in physiological signals | |
JP2009008823A (ja) | 音響認識装置、音響認識方法、及び、音響認識プログラム | |
Khasawneh et al. | Detection of K-complexes in EEG signals using deep transfer learning and YOLOv3 | |
JP2023099043A (ja) | 脳波(eeg)の非線形性の変化に基づく発作検出システム及び方法 | |
WO2008058343A1 (en) | A method for detecting eeg seizures in a newborn or a young child | |
US11147487B2 (en) | Estimation method, estimation program, estimation device, and estimation system | |
Koch et al. | Automatic sleep classification using adaptive segmentation reveals an increased number of rapid eye movement sleep transitions | |
CN110111815A (zh) | 动物异常声音监控方法及装置、存储介质、电子设备 | |
Zandi et al. | Detection of epileptic seizures in scalp electroencephalogram: an automated real-time wavelet-based approach | |
US8838445B1 (en) | Method of removing contamination in acoustic noise measurements | |
US10799139B2 (en) | Method and system for EEG signal processing | |
US10716514B1 (en) | System and method for optimized independent component selection for automated signal artifact removal to generate a clean signal | |
JP2021502835A (ja) | 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 | |
JP6743924B2 (ja) | 脳造影信号の時間‐周波数解析の知的なパラメータ指定のためのシステム、方法および媒体 | |
US20200185110A1 (en) | Computer-implemented method and an apparatus for use in detecting malingering by a first subject in one or more physical and/or mental function tests | |
Xia et al. | A wavelet-based despiking algorithm for large data of structural health monitoring | |
Casson et al. | Utilising noise to improve an interictal spike detector | |
CN114469138A (zh) | 基于时频域的脑电爆发抑制模式的检测方法、系统及介质 | |
Bagheri et al. | Classifier cascade to aid in detection of epileptiform transients in interictal EEG | |
Ghosh et al. | Removal of eye-blink artifact from EEG Using LDA and pre-trained RBF neural network | |
RU2753267C1 (ru) | Способ детектирования фокальных эпилептиформных разрядов в длительной записи ээг |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200323 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210823 |
|
A762 | Written abandonment of application |
Free format text: JAPANESE INTERMEDIATE CODE: A762 Effective date: 20220204 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20220204 |