JP2024514233A - 神経学的活動データ分析のためのシステム、方法および装置 - Google Patents

Abstract

様々なメトリック、たとえば最大振幅投影、ノード訪問頻度、ノード遷移頻度、および／またはノード遷移極性を計算するために、脳波検査（ＥＥＧ）データが分析されてよい。幾つかの例では、計算されたメトリックが図解で提供されてよい。幾つかの例では、メトリックが、未加工ＥＥＧトレースなどの他のデータと組み合わせて図解で提供されてよい。

Description

関連出願の相互参照
本出願は、２０２１年３月３日に出願された米国仮出願第６３／１５６，０４０号の優先権を主張するものであり、この仮出願は、任意の目的のためにその全体が参照により本明細書に組み込まれる。

技術分野
本明細書に記述される例は、概して、神経学的活動データの処理、分析および提供に関する。

背景
神経学的活動に関するデータは、様々な方法によって被験者から収集され得る。たとえば、複数のプローブ（たとえば、電極）を被験者の頭皮に適用することによって、脳波検査（ＥＥＧ）データを取得することができる。幾つかの用途においては、電極（たとえば、チャネル）の数は１９であってよい。しかし、他の用途では他の数のプローブが使用されてよい。被験者の脳内の電気信号が、プローブによって測定されてよい。電気信号は、神経学的活動を示すことができる。幾つかの用途において、電気信号は、経時的に測定されてよい。

ＥＥＧデータは、２次元（２Ｄ）でプロットされてよい。たとえば、各プローブによって測定された電気信号が経時的にプロットされてよい。各プロットは、トレースと称され得る。２ＤのＥＥＧトレースの例が、図１の画像Ａに示されている。発作を認識し、発作の特徴を決定するために、２ＤのＥＥＧトレース（たとえば、経時的な電気信号の大きさのプロット）を読むこと、たとえば発作の基礎となる神経活動を推定することは、数年の訓練を要する。専門家であっても、典型的には、ＥＥＧデータのみから神経活動（たとえば、発作）の正確な場所を特定することはできない。これによって、ＥＥＧトレースの診断および検査値が制限される。

概要
本明細書で開示される例によれば、最大振幅投影、ノード訪問頻度、ノード遷移頻度および／またはノード遷移極性などの様々なメトリック（パラメータとも称される）を計算するために、脳波検査データが分析されてよい。これらのメトリックを表示、格納ならびに／または患者の診断、治療計画の決定もしくは調整および／もしくは他の行動を取るために利用することができる。

本開示の例によれば、システムは、少なくとも１つのプロセッサと、少なくとも１つのプロセッサにアクセス可能なメモリとを含むことができ、メモリはコンピュータ可読命令で符号化され、コンピュータ可読命令は、実行されると、システムに、最大振幅投影、ノード訪問頻度、ノード遷移頻度、ノード遷移極性またはそれらの組み合わせを備えている少なくとも１つのメトリックを神経学的活動データから計算させる。幾つかの例では、神経学的活動データは、脳波検査データを備える。

幾つかの例では、システムは、少なくとも１つのプロセッサに通信可能に結合されたディスプレイをさらに含んでいてよく、コンピュータ可読命令は、実行されると、さらに、システムに、ディスプレイ上に少なくとも１つのメトリックのグラフィック表現を提供させる。幾つかの例では、少なくとも１つのメトリックのグラフィック表現は、脳の画像にオーバーレイされる３次元ソースローカリゼーションのノードを備える。

幾つかの例では、システムは、少なくとも１つのプロセッサに通信可能に結合されたディスプレイをさらに含んでいてよく、コンピュータ可読命令は、実行されると、さらに、システムに、ディスプレイ上にレポートを提供させる。ここで、このレポートは、少なくとも１つのメトリックの１つまたは複数のグラフィック表現を備えている複数のコンテンツを備え、神経学的活動データのタイムライン、１つもしくは複数の統計値、１つもしくは複数の付加的なパラメータまたはそれらの組み合わせをさらに備える。幾つかの例では、システムは、ユーザ入力を受け取るように構成されている入力装置をさらに含んでいてよく、ユーザ入力は、複数のコンテンツのうちのどのコンテンツがレポートに含まれているかを示す。

幾つかの例では、方法は、神経学的活動データを受け取ること、および神経学的活動データから、最大振幅投影、ノード訪問頻度、ノード遷移頻度、ノード遷移極性またはそれらの組み合わせを備えている少なくとも１つのメトリックを計算することを含んでいてよい。幾つかの例では、神経学的活動データは、複数のノードを備えている３次元（３Ｄ）ソースローカリゼーションを備えており、複数のノードのうちの個々のノードは、脳の一部に対応する。

幾つかの例では、複数のノードのうちの１つのノードの最大振幅投影を計算することは、複数のノードのうちのこのノードが分析時間窓内で局所的な極大としてラベル付けされた回数を見出すこと、および複数のノードのうちのこのノードが局所的な極大としてラベル付けされた回数から局所的な極大の極大値を決定することを含んでいてよい。

幾つかの例では、複数のノードのうちの１つのノードに対するノード訪問頻度を計算することは、複数のノードのうちのこのノードが分析時間窓内で局所的な極大としてラベル付けされた回数を計数すること、およびこの回数を分析時間窓の持続時間によって除算することを含む。

幾つかの例では、ノード遷移頻度を計算することは、分析時間窓内の複数のノードの第１の局所的な極大ノードと第２の局所的な極大ノードとの間の遷移の数を計数し、この回数を分析時間窓の持続時間で除算することを含む。

幾つかの例では、複数のノードの１つのノードに対するノード遷移極性を計算することは、複数のノードのうちの１つまたは複数のノードから、複数のノードのうちのこのノードに遷移した局所的な極大の第１の回数を計数すること、複数のノードのうちのこのノードから、複数のノードのうちの１つまたは複数のノードに遷移した局所的な極大の第２の回数を計数すること、および第１の回数と第２の回数との差を取ることを含む。幾つかの例では、複数のノードうちのこのノードは、第１の回数が第２の回数よりも多いときに内向き極性を有し、複数のノードのうちのこのノードは、第２の回数が第１の回数よりも多いときに外向き極性を有する。

幾つかの例では、この方法は、神経学的活動データの値を閾値と比較することによって、神経学的活動データの値のうちの１つまたは複数を比較、破棄または無視することに基づいて、かつ神経学的活動データの残りの値から少なくとも１つの局所的な極大を計算することによって、神経学的データを前処理することをさらに含んでいてよい。

幾つかの例では、この方法は、ディスプレイ上に少なくとも１つのメトリックのグラフィック表現を提供することをさらに含んでいてよい。幾つかの例では、少なくとも１つのメトリックのグラフィック表現は、脳の画像にオーバーレイされる３次元（３Ｄ）ソースローカリゼーションのノードを備える。幾つかの例では、ノードのサイズは、最大振幅投影の値またはノードに対するノード訪問頻度の値に比例する。幾つかの例では、ノードの陰影、色またはそれらの組み合わせは、ノードの最大振幅投影、ノード訪問頻度またはノード遷移極性の値を示す。幾つかの例では、グラフィック表現は、３Ｄソースローカリゼーションの第２のノードと、上述のノードと第２のノードとの間の矢印とをさらに備え、矢印の方向は、上述のノードと第２のノードとの間の局所的な極大の遷移を示す。幾つかの例では、矢印の陰影、色またはそれらの組み合わせは、分析時間窓にわたる遷移の頻度を示す。

幾つかの例では、この方法は、ディスプレイ上にレポートを提供することをさらに含んでいてよく、このレポートは、少なくとも１つのメトリックの１つまたは複数のグラフィック表現を備えている複数のコンテンツを備えており、神経学的活動データのタイムライン、１つもしくは複数の統計値、１つもしくは複数の付加的なパラメータ、またはそれらの組み合わせをさらに備えている。

本開示の例によるＥＥＧデータの視覚化の例を示す図である。 本開示の例によるＥＥＧデータの視覚化の例を示す図である。 本開示の例によるＥＥＧデータの視覚化の例を示す図である。 本開示の例による、種々の時点における同じ被験者からの２つの例示的な３Ｄソースローカリゼーションを示す図である。 本開示の例による、閾値が設定された３Ｄソースローカリゼーションの例を示す図である。 本開示の例による、３Ｄソースローカリゼーションにおいて識別された局所的な極大の例を示す図である。 本開示の例による、ノードの最大振幅投影の例示的な計算を図解で示す図である。 本開示の例による、発作の最大振幅投影の結果の例を示す図である。 本開示の例による、ノードのノード訪問頻度の例示的な計算を図解で示す図である。 開示の例による、発作の例示的なノード訪問頻度の結果を示す図である。 本開示の例による、３つのノードについてのノード遷移頻度の例示的な計算を図解で示す図である。 開示の例による、発作の例示的なノード遷移頻度の結果を示す図である。 本開示の例による、ノードについてのノード遷移極性の例示的な計算を図解で示す図である。 本開示の例による、ノードについてのノード遷移極性の例示的な計算を図解で示す図である。 開示の例による発作の例示的なノード遷移極性の結果を示す図である。 本開示の例による、ＥＥＧデータと共に示されたソースローカリゼーションデータを表示する例示的なユーザインタフェースを示す図である。 本開示の例による、ＥＥＧデータと共に示された最大振幅投影を表示する例示的なユーザインタフェースを示す図である。 本開示の例による、ＥＥＧデータと共に示されたノード訪問頻度を表示する例示的なユーザインタフェースを示す図である。 本開示の例による、ＥＥＧデータと共に示されたノード遷移頻度を表示する例示的なユーザインタフェースを示す図である。 本開示の例による、レポートにおける発作分析概要を表示する例示的なユーザインタフェースを示す図である。 本開示の例に従って配置されたシステムを概略的に示す図である。 本開示の例にしたがった方法のフローチャートを示す図である。

詳細な説明
記述された実施形態の十分な理解を提供するために、特定の詳細を以降に記載する。ただし、それらの特定の詳細がなくても実施形態を実行することができることは当業者に自明であろう。幾つかの事例では、記述された実施形態が不必要に目立たなくなることを回避するために、よく知られているＥＥＧ技術およびシステム、回路、コントロール信号、タイミングプロトコルならびに／またはソフトウェアオペレーションは、詳細には示されていない。

上述のように、複数のプローブ（たとえば、電極）を被験者の頭皮に適用することによって、脳波検査（ＥＥＧ）データを取得することができる。幾つかの用途では、被験者の脳および／または他のプローブに対する、これらのプローブの場所が既知であり得る。これらのプローブによってＥＥＧデータとして記録された電気信号は、神経学的活動（たとえば、脳における電気的活動または電気化学的活動）を示し得る。次いで、収集されたＥＥＧデータが、様々な技術によって視覚化され得る。

図１は、本開示の例による、ＥＥＧデータの視覚化の例を示す。最初に、上述のように複数のプローブからＥＥＧデータを取得する。ＥＥＧデータは、各プローブによって経時的に取得された電気信号を含む。各プローブによって検出および記録された電気信号の２Ｄプロット１００の例が、図１の画像Ａに示されている。しかし、上述のように、基礎となる神経学的活動を理解するためのプロット１００のＥＥＧトレースの読み取りは困難であり、時間を要する。

各プローブによって記録された電気信号は、様々な領域における電気信号の強度を示す頭皮の輪郭マップを生成するために使用されてよい。例示的な輪郭マップ１０４が、図１の画像Ｂに示されている。輪郭マップ１０４は、鉛直線１０２によって示された時点で、プロット１００におけるＥＥＧデータから生成されたものである。点１０６は、被験者の頭皮上のプローブの場所を示す。輪郭線１０８は、高さの変化の勾配を示すトポグラフィカルマップの上の輪郭と同様に、電気信号の強度の変化の勾配を示す。幾つかの輪郭マップ、たとえば輪郭マップ１０４では、記録された電気信号の強度および／または極性を示すために、種々の色調および／または色における陰影が使用されてよい。輪郭マップ１０４は、被験者の頭部の表面に外挿される、プロット１００におけるデータの直感的なビューを提供するが、電気的活動に関与する脳の部分の一般的な理解しか得られないだろう。

電気信号（たとえば、プロット１００に示された電気信号）および場所に少なくとも部分的に基づいて、電気信号が、脳内の１つまたは複数の場所に局在化されてよい（たとえば、脳信号の起源の場所が決定されてよい、かつ／または推定されてよい）。これらの場所を、ソースローカリゼーションノードまたは単にノードと称することができる。たとえば、ノードは脳の一部に関するものであってよい。任意のサイズ部分を使用してノードを構成することができる。これらのノードは、被験者の脳内の場所に対応する３次元（３Ｄ）グリッドを形成し得る。幾つかの例では、３Ｄグリッドは、場所が３つの軸線（たとえば、ｘ軸線、ｙ軸線、ｚ軸線）を参照して記述されるデカルトグリッドであってよい。しかし、他の例では、他のグリッド／座標系が使用可能である。３Ｄグリッドにおけるノードのサイズ、ノードの数および／またはノード間の距離は、１つまたは複数の要因に基づいていてよい。例示的な要因として、ＥＥＧプローブの感度および／または特異性、ＥＥＧプローブの数、ならびにＥＥＧデータの信号対雑音比が挙げられるが、これらに限定されない。３Ｄグリッドの各ノードは、３Ｄ（ボリューム）ＥＥＧデータセットを形成するために、このノードに帰属する電気信号（たとえば、大きさ、極性）に関連付けられた１つまたは複数の値を有し得る。

３Ｄデータセットは、視覚化のための画像としてレンダリングされてよい。３Ｄデータセットおよび／または結果として生じる画像は、３Ｄソースローカリゼーションと称され得る。幾つかの例では、３Ｄソースローカリゼーションは、脳の画像上のオーバーレイとしてレンダリングされてよい。これによって、どのノードが脳のどの領域に対応するかについての視覚的なガイドを提供することができる。幾つかの例では、３Ｄソースローカリゼーションの視覚化を可能にするために、脳が半透明にレンダリングされてよい。幾つかの例では、脳の画像は、モデルから、または被験者から取得した画像（たとえば、コンピュータ断層撮影、ＭＲＩ）からレンダリングされてよい。ソースローカリゼーション１１０の例が、図１の画像Ｃに示されている。ソースローカリゼーション１１０は、鉛直線１０２によって示された時点で、プロット１００におけるＥＥＧデータから生成されたものである。ノード１１２は、個々の立方体によって示されている。しかし、他の例では、他の形状を使用して、ノード１１２が視覚化されてよい（たとえば、球体、不規則な形状の体積体）。幾つかの例では、記録された電気信号の強度および／または極性を示すために、ノード１１２に種々の色調および／または色が使用されてよい。図１に示されているソースローカリゼーション１１０は上から見た図であるが、ソースローカリゼーション１１０は、複数の角度および／または場所から見ることができる３Ｄデータセットであってよい（たとえば、３Ｄデータセットのより近くまたはより遠くに生成されたビュー、３Ｄデータセット内から生成されたビュー、３Ｄデータセットの体積体の「切片」のビューなど）。

４次元（４Ｄ）のＥＥＧデータは、３ＤのＥＥＧデータの経時的な観察に関するものである。たとえば、３Ｄ画像は、１つの時点に対する各ノードにおける電気信号を示していてよく、４ＤのＥＥＧデータは一連の３Ｄ画像であってよく、各３Ｄ画像は、種々の時点における電気的活動を表す。幾つかの例では、各時点は、各ノードに対する電気信号が合計される、平均されるまたはその他の方法で組み合わされる期間（たとえば、マイクロ秒、ミリ秒、秒）であってよい。４ＤのＥＥＧデータによって、ソースローカリゼーション（たとえば、４Ｄソースローカリゼーション）、たとえば発作源ローカリゼーションを視覚化することができ、これは、発作が始まり、脳内を移動する場所を記述する。図２は、本開示の例による、種々の時点における同じ被験者からの２つの例示的な３Ｄソースローカリゼーションを示す。時点０および時点１における２つの３Ｄソースローカリゼーション２００，２０２は、それぞれ、４Ｄ発作源ローカリゼーションまたは４Ｄ発作源ローカリゼーションの一部を表すことができる。図２に示されている例では、種々の陰影が、個々のノードに属する電気信号を示すために使用されている。複数のノードの陰影は時点０から時点１まで変化し、これは、脳内の種々の場所における電気的活動が経時的にどのように変化するかを示す。

４Ｄ発作源ローカリゼーションは、２ＤのＥＥＧトレースと比べて、より直感的で理解しやすい場合がある。しかし、理解可能な４Ｄ視覚化を生成するためには、時間範囲、画角、視距離および表示閾値に対する適切な値が必要となる。幾つかの用途では、ユーザが適切な値を経験的に見出すことが必要となる場合がある。これによって、４Ｄ発作源ローカリゼーションデータの準備および読み出しに時間かかることがある。

本開示の実施形態によれば、４Ｄ発作源ローカリゼーションを要約する１つまたは複数のメトリックが計算されてよい。幾つかの用途では、これによって、４Ｄ発作源ローカリゼーションを生成する、かつ／または解釈するのに要する時間を短縮することができる。本明細書に開示される例によれば、最大振幅投影、ノード訪問頻度、ノード遷移頻度および／またはノード遷移極性などの１つまたは複数のメトリックを計算するために、被験者から取得されたＥＥＧデータ（たとえば、経時的に１つまたは複数の電極によって記録された電気信号のトレース）が分析されてよい。次いで、これらのメトリックが、テキスト、チャート、生成された画像、またはそれらの組み合わせなどによって様々なフォーマットで提供されてよい。メトリックは、診断のため、治療を決定および／もしくは調整するため、ならびに／または他の措置を講じるために使用されてよい。

本明細書に開示されている例はＥＥＧデータに関するものであるが、これは単に例示のためのものであり、実施形態はＥＥＧデータに限定されない。本明細書に開示されている技術の一部または全部を、脳内の場所に関連付け可能な他の神経学的活動データ、たとえば、機能的磁気共鳴画像法（ｆＭＲＩ）データ、皮質脳波検査データ、脳磁図データ、近赤外分光法データ、および事象関連光信号データに適用することができる。さらに、本明細書に開示されている例は、発作のローカリゼーションに関するものであるが、本明細書に開示されている技術の一部または全部は、他の神経活動（たとえば、刺激に対する応答、治療に対する応答）のローカリゼーションに適用され得る。

幾つかの例では、４Ｄ発作源ローカリゼーションのデータ、すなわち、各時点に対する３Ｄデータセットが前処理されてよい。前処理は、幾つかの例では、複数の時点での個々のソースローカリゼーションに対する局所的な極大の計算を含んでいてよく、幾つかの例では、個々の時点での個々のソースローカリゼーションに対して、複数の局所的な極大が存在していてよい。幾つかの例では、局所的な極大は、ノードにおける電気信号の振幅、大きさ、極性、頻度またはそれらの組み合わせに基づいていてよい。幾つかの例では、ユーザが、局所的な極大の極小値に対する閾値を設定してよい。換言すれば、神経学的データは、神経学的データの値を閾値と比較することによって前処理されてよい。この比較に基づいて、神経学的データの一部が破棄または無視されてよい。残りの（廃棄または無視されていない）データから、神経学的データの局所的な極大が計算され得る。

図３は、本開示の例による、閾値が設定された３Ｄソースローカリゼーションの例を示す。閾値が設定された３Ｄソースローカリゼーション３００，３０２は、それぞれ、局所的な極大の極小値に基づいて、図２に示されている３Ｄソースローカリゼーション２００，２０２から生成される。図３に示されている例では、３Ｄソースローカリゼーション３００は、局所的な極大の極小値を満たすかまたはそれを上回る領域３０４を含んでおり、３Ｄソースローカリゼーション３０２は、陰影が付けられた部分によって示されている局所的な極大の極小値を満たすかまたはそれを上回る領域３０６および３０８を含んでいる。幾つかの例では、局所的な極大の極小値を満たしていないまたはそれを上回っていない局所的な極大に関連するデータが、さらなる計算において廃棄または無視されてよい。

図４は、本開示の例による、３Ｄソースローカリゼーションにおいて識別された局所的な極大の例を示す。３Ｄソースローカリゼーション４００，４０２は、それぞれ、図３に示されている、閾値が設定されている３Ｄソースローカリゼーション３００，３０２から生成される。強調表示されたノード４０４は領域３０４の局所的な極大を示し、強調表示されたノード４０６および４０８はそれぞれ領域３０６および３０８の局所的な極大を示す。

幾つかの例では、図３および図４を参照して記述された前処理などの前処理の後、様々なメトリックが計算されてよい。メトリックの計算の結果のグラフィック表現は、１つまたは複数の画像として表示されてよい。たとえば、４Ｄソースローカリゼーションのノードに対応する１つまたは複数のノードを、球体、立方体または画像における他のグラフィック表現として提供することができる。ノードは、ソースローカリゼーションの３Ｄグリッド全体と共に表示される場合には、ノードの場所に対応する場所で、画像内に位置していてよい。幾つかの例では、ノードは、脳の画像上にオーバーレイされてよい。脳の画像は、被験者の脳または脳モデルのレンダリングであってよい。

幾つかの例では、４Ｄソースローカリゼーションのために最大振幅投影が計算されてよい。最大振幅投影は、たとえば発作中の様々な時点にわたり、大きな振幅の電気信号を有する脳の領域を示すことができる。最大振幅投影は、時間にわたる３Ｄソースローカリゼーションの個々のソースローカリゼーションノードを分析することによって計算されてよい。３Ｄソースローカリゼーションを分析する期間（たとえば、分析時間窓）は、４Ｄソースローカリゼーションによってカバーされる期間の全体（たとえば、ＥＥＧトレースが取得された期間の全体）またはこの期間のサブセットに及んでいてよい。分析時間窓の例には、１ミリ秒、５ミリ秒、１０ミリ秒、２０ミリ秒、５０ミリ秒、１００ミリ秒、１秒および３０秒が含まれる。他の例では、他の分析時間窓が使用されてよい。

ノードが、分析時間窓内で少なくとも１回、局所的な極大点としてラベル付けされた場合（たとえば、ノード４０４，４０６，４０８）、最大振幅投影は、分析窓内のこのノードの最大ソースローカリゼーション振幅を出力するだろう。ノードが分析時間窓内で局所的な極大として一回もラベル付けされなかった場合、このノードには出力は提供されないだろう。幾つかの実施形態では、最大振幅投影の出力は、３Ｄソースローカリゼーションに使用される単位と同じ単位を有していてよい（たとえば、標準化された低解像度脳電磁トモグラフィ（ｓＬＯＲＥＴＡ）ソースローカリゼーションに対する任意単位、ミニマルノルム推定（ＭＮＥ）ソースローカリゼーションに対するピコアンペア－メータ（ｐＡ－ｍ））。

図５は、本開示の例による、ノードの最大振幅投影の例示的な計算を図解で示す。ノード５００は、分析時間窓内の時点０ミリ秒、１０ミリ秒、１５ミリ秒および２０ミリ秒で、局所的な極大としてラベル付けされている。局所的な極大の場合のノード５００の値は、それぞれ０．５、１．５、０．９および１．２である。分析時間窓内のノード５００の極大値は、時点１０ミリ秒で生じる１．５である。したがって、ノード５００に対する最大振幅投影の出力は、１．５である。図５の例示的な計算は１つのノードに対するものであるが、示された手順が、分析時間窓内で少なくとも１回、全てのノード、または局所的な極大としてラベル付けされた全てのノードに対して実行されることが理解される。

図６は、本開示の例による、発作の最大振幅投影の結果の例である。結果６００は、同じ脳の左面、右面、後面、前面、下面および上面のビューに示されている（Ｌ：脳の左側、Ｒ：脳の右側）。図６に示されている例では、ノード６０２のサイズは、その値（たとえば、最大振幅）に二次的に比例しており、ノード６０２の陰影は、凡例６０４によって示されたその値に対応している。しかし、他の例においては、最大振幅投影の値を伝えるための他の視覚化技術が使用されてよい（たとえば、色、形状、数値を示すテキスト）。

最大振幅が記述されているが、（たとえば、ユーザが選択した閾値に基づいて）他の振幅投影を同様に計算することができる。最大振幅投影は、特定の神経事象（たとえば、発作）の間の、強さおよび／または最も反応性の高い脳領域に関する情報を提供することができる。

幾つかの例では、４Ｄソースローカリゼーションのために、ノード訪問頻度を計算することができる。ノード訪問頻度は、ある期間中に頻繁にアクティブである脳領域を示すことができる。ノード訪問頻度は、神経学的事象中に脳のどの領域が最も頻繁に活動しているかについて洞察を提供することができる。ノード訪問頻度は、局所的な極大に関連付けられているソースローカリゼーションノードなどのソースローカリゼーションノードに対して、与えられた分析時間窓全体にわたって、計算されてよい。個々のソースローカリゼーションノードに対して、このノードが局所的な極大としてラベル付けされている回数を計数することができる。幾つかの例では、出力は、計数（たとえば、訪問）の数であってよい。幾つかの例では、この数は、次に、分析時間窓の持続時間によって除算されてよい。これらの例では、出力は、単位時間（たとえば、ミリ秒、秒）あたりの計数の単位を有していてよい。

図７は、本開示の例による、ノードのノード訪問頻度の例示的な計算を図解で示す。ノード７００は、２０ミリ秒の持続時間を有する分析時間窓内で、時点０ミリ秒、１０ミリ秒、１５ミリ秒および２０ミリ秒で、局所的な極大として４回ラベル付けされている。回数（４）は、２００計数／秒のノード訪問頻度に対して、分析時間窓の持続時間（０．０２秒）で除算される。

図８は、開示の例による、発作の例示的なノード訪問頻度の結果を示す。例示的な結果８００を生成するために使用される発作は、例示的な結果６００を生成するために使用される発作と同じである。結果８００は、同じ脳の左面、右面、後面、前面、下面および上面のビューに示されている。ノード８０２のサイズは、その値（たとえば、計数／秒）に二次的に比例しており、ノード８０２の陰影は、凡例８０４によって示されたその値に対応している。しかし、他の例においては、ノード訪問頻度の値を伝えるための他の視覚化技術が使用されてよい。たとえば、値を示すテキストが、ノードの中にまたはノードの隣に提供されてよい。

幾つかの例では、ノード遷移頻度を、４Ｄソースローカリゼーションに対して計算することができる。ノード遷移頻度は、ノード、特に頻繁にアクティブになるノードがアクティブになる順序を示し得る。ノードがアクティブになるシーケンスは、種々の脳領域がどのように相互作用し、かつ／または接続されているかに関する情報を提供することができる。たとえば、発作および／もしくは他の望ましくない神経学的事象の強さの抑制または低減のための２つの領域間のコミュニケーションの中断など、潜在的な治療目標に関する洞察を提供することもできる。ノード遷移頻度は、分析時間窓にわたって、ソースローカリゼーションノード、たとえば局所的な極大に対して計算されてよい。

特性が複数の時点の間にあるノードから別のノードへと変化する場合はノード遷移である。たとえば、ある時点での局所的な極大ノードが、異なる時点での局所的な極大ノードと異なる場合、この局所的な極大に関連付けられている活動は、あるノードから別のノードへの「遷移」と言われる。ノード遷移接続は、第１の時点のあるノード（たとえば、ある局所的な極大ノード）から第２の時点の別のノード（たとえば、別の局所的な極大ノード）への遷移である。この接続は、矢印によって示され、この矢印は第１の時点のノードで始まり、第２の時点のノードで終わる。１つまたは複数の時点で複数のノード（たとえば、複数の局所的な極大）が存在する場合、最短のユークリッド距離を有する２つのノードが接続されるだろう。たとえば、ノードＡおよびノードＢは、時点０における局所的な極大であり、ノードＣおよびノードＤは、時点１における局所的な極大である。ノードＡが（ユークリッド距離に基づいて）ノードＤよりもノードＣに近く、かつノードＡがノードＢよりもノードＣに近い場合、ノードＡとノードＣとの間に矢印が引かれるだろう。同じノードが両方の時点で存在する場合（たとえば、両方の時点での複数の局所的な極大である場合）、このノードと別のノードとの間に矢印は引かれないだろう。

遷移を示す矢印を提供する他に、ノード遷移頻度の数値結果が提供されてよい。分析時間窓の全ての時点を分析した後、分析時間窓内であるノードから別のノードへの遷移が発生した回数が計数される。結果は、計数（たとえば、遷移）の数であってよい。幾つかの例では、この回数が、分析時間窓の持続時間によって除算されてよく、この結果は、時間によって除算された計数の数であってよい（計数／秒）。

図９は、本開示の例による、３つのノードについてのノード遷移頻度の例示的な計算を図解で示す。図９に示されている例は、３つのノードを含んでいるが、他の例では、他の数のノードが使用されてよい（たとえば、２つ、４つ、５つなど）。第１のノード９００は、時点０ミリ秒および１０ミリ秒において局所的な極大としてラベル付けされている。ノード９００とは異なる脳領域に対応する第２のノード９０２は、時点１５ミリ秒で局所的な極大としてラベル付けされている。ノード９００および９０２とは異なる脳領域に対応する第３のノード９０４は、時点２０ミリ秒で局所的な極大としてラベル付けされている。図解による結果と数値的結果との両方が、ノード遷移頻度に対して提供され得る。画像９１０に示されているように、矢印９０６は、時点１０ミリ秒～１５ミリ秒の間のノード９００からノード９０２への局所的な極大の遷移を示しており、矢印９０８は、時点１５ミリ秒～２０ミリ秒の間のノード９０２から９０４への局所的な極大の遷移を示している。矢印の方向は、遷移の時間的順序を示す。たとえば、初期の局所的な極大はノード９００であり、その後、局所的な極大はノード９０２であった。したがって、矢印の起点はノード９００にあり、矢印の先端はノード９０２にある。

付加的に、ノード９００とノード９０２との間の遷移の数が計数され（１）、分析時間窓（０．０２秒）で除算されて、ノード遷移頻度の数値（１００計数／秒）が提供される。この数値は、ノード９０２とノード９０４との間のノード遷移頻度に対しても提供され、これは、この例では、偶然にも、ノード９００とノード９０２とのノード遷移頻度と同じである（１００計数／秒）。しかし、別の例では、異なるノード間でのノード遷移頻度は異なっていてよい。

図１０は、開示の例による、発作の例示的なノード遷移頻度の結果を示す。例示的な結果１０００を生成するために使用される発作は、例示的な結果６００を生成するために使用される発作と同じである。結果１０００は、同じ脳の左面、右面、後面、前面、下面および上面のビューに示されている。矢印１００２は、１つまたは複数の遷移に関与するノードを示しており、矢印の方向は、ノード遷移の時間的順序を示している。図１０に示されている例では、矢印の陰影は、凡例１００４によって示されたノード遷移頻度の数値を示す。しかし、他の例においては、ノード遷移頻度の値を伝えるための他の視覚化技術が使用されてよい。たとえば、頻度が、矢印の上にテキストとして提供されてよい。

幾つかの例では、ノード遷移極性が、４Ｄソースローカリゼーションに対して計算されてよい。ノード遷移極性は、少なくとも部分的にノード遷移頻度に基づいていてよい。ノード遷移極性は、活動遷移中の脳領域の平均内向き極性／外向き極性に関する情報を提供し得る。すなわち、ノード遷移極性は、脳領域が他の脳領域からの入力の「受け取り側」であることがより多いのか、または他の脳領域への出力の「送り側」であることがより多いのかを示すことができる。幾つかの事例では、この脳領域が送り側である場合、他の脳領域において活動がトリガされてよく、この脳領域が受け取り側である場合、他の脳領域からの入力に応答して活動が示されてよい。また、たとえば、脳領域が発作および／もしくは他の望ましくない神経学的事象の強さの抑制または低減のための信号を送信および／または受信することを防止する、潜在的な治療目標に関する洞察が提供されてよい。

図９および図１０を参照して記述されたような、ノード遷移頻度計算の計算中に矢印によって別のノードに接続された各ノードについて、このノードへの矢印（たとえば、別のノードからこのノードへ遷移した活動）の回数が計数されてよく、かつこのノードからの矢印（たとえば、このノードから別のノードへ遷移した活動）の回数が計数されてよい。正または負の値を矢印の方向に割り当てることができる。たとえば、このノードへの矢印は正であってよく、このノードからの矢印は負であってよい。矢印（たとえば、接続）の総数を合計することができる。このノードの全ての接続の合計が正である（たとえば、このノードへの矢印がより多い）場合、このノードの極性は内向きであってよい。このノードの全ての接続の合計が負である（たとえば、このノードからの矢印がより多い）場合、このノードの極性は外向きであってよい。

図１１は、本開示の例による、２つのノードについてのノード遷移極性の例示的な計算を図解で示す。ノード１１００が、ノード遷移頻度の以前の計算の間に、あるノード（図示せず）に１２回遷移し、ノード遷移頻度の以前の計算の間に、３つのノード（図示せず）から１回、５回および１０回遷移したことが見出された。したがって、ノード１１００は、合計１２個の出発接続および１６個の到来接続を有していた。１２から１６を減算すると－４になる。したがって、ノード１１００は、大きさ４の内向き極性を有する。

ノード１１０２が、ノード遷移頻度の以前の計算の間に、あるノード（図示せず）に１２回遷移し、別のノード（図示せず）に３回遷移し、ノード遷移頻度の以前の計算の間に、２つのノード（図示せず）から１回および４回遷移したことが見出された。したがって、ノード１１０２は、合計で１５個の出発接続および５個の到来接続を有していた。１５から５を減算すると１０になる。したがって、ノード１１０２は、１０の大きさの外向き極性を有する。

図１２は、本開示の例による発作の例示的なノード遷移極性の結果を示す。例示的な結果１２００を生成するために使用される発作は、例示的な結果６００を生成するために使用される発作と同じである。結果１２００は、同じ脳の左面、右面、後面、前面、下面および上面のビューに示されている。図１２に示されている例では、ノードの陰影は、凡例１２０４に従った、その極性および大きさを示す。しかし、他の例においては、ノード遷移極性の値を伝えるための他の視覚化技術が使用されてよい。たとえば、異なる極性および／または大きさのために、異なる色が使用されてよい。別の例では、異なる極性に対して異なる形状が使用されてよい（たとえば、内向き極性については「×」、外向き極性については「〇」）。

最大振幅投影、ノード訪問頻度、ノード遷移頻度および／またはノード遷移極性などの様々なメトリックを、４Ｄソースローカリゼーションから計算することができ、その結果を、数値的に、かつ／または図５～図１２を参照して記述したように、画像として提供することができる。メトリックおよびその視覚化からのデータが、ユーザインタフェースを介して提供され得る。幾つかの例では、メトリックのデータおよび視覚化が、２ＤのＥＥＧプロット（たとえば、プロット１００）、輪郭マップ（たとえば、輪郭マップ１０４）、３Ｄソースローカリゼーション（たとえば、３Ｄソースローカリゼーション１１０）、４Ｄソースローカリゼーション（たとえば、ソースローカリゼーション２００，２０２）またはこれらの組み合わせなどの他のデータと同時に、ユーザインタフェース上に表示されてよい。ユーザインタフェースは、コンピューティング装置と共に含まれていてよい、かつ／またはコンピューティング装置と通信してよい。たとえば、ユーザインタフェースは、コンピューティング装置のスクリーンまたはタッチスクリーン上に提供されてよい。

図１３は、本開示の例による、ＥＥＧデータと共に示されたソースローカリゼーションデータを表示する例示的なユーザインタフェースである。ユーザインタフェース１３００は、経時的なＥＥＧトレースのプロット１３０２ならびに被験者の頭皮のグラフィック描画１３０４を提供し、このグラフィック描画１３０４には、頭皮での、種々の期間（たとえば、１秒ごと）にわたる電気信号の最大偏差および／または標準偏差を示す色勾配がオーバーレイされている。このグラフィック描画１３０４は、図１の輪郭マップ１０４と類似している。ボックス１３０６において、モデル脳の３Ｄレンダリングが、３Ｄソースローカリゼーションがオーバーレイされて示されており、これは、様々なユーザコントロールに加えて、脳の表面上の脳の電気的活動のソースローカリゼーション推定を示すために色勾配を有している。これは、図１の３Ｄソースローカリゼーション１１０、図２のソースローカリゼーション２００および２０２と類似している。色勾配は、脳内の電気的活動が変化するのに応じて、種々の時点で変化し得る。したがって、３Ｄレンダリングは、幾つかの事例では、静的な画像ではなく、４Ｄソースローカリゼーションを提供するために、経時的な一連の画像（たとえば、シーケンス、動画）であってよい。ユーザコントロールによって、ユーザは様々な表示機能、たとえば動画の速度、表示されるソース値の閾値、脳の透明度、表示ボクセルサイズなどをコントロールすることができる。ボックス１３０６の下方には、最大振幅投影１３０８の視覚化が提供されている。最大振幅投影１３０８は、ノードを表す円がオーバーレイされて示されたモデル脳の付加的な３Ｄレンダリングを含んでおり、ここでこれらのノードは、様々なノードに対する最大振幅投影のために計算された値を定性的に示すために色分けされている。ソースローカリゼーション推定と同様に、ノードおよび／またはそれらの色分けは、種々の持続時間（たとえば、１秒ごと、発作全体またはユーザが選択した関心時間範囲中）の間に変化する可能性があり、動画として提供されてもよい。最大振幅投影１３０８は、幾つかの例では、図５および図６を参照して記述したように生成されてよい。

ユーザは、ユーザインタフェースを介して入力を提供することによって、提供されたデータの一部または全部を選択することができる。

図１４は、本開示の例による、ＥＥＧデータと共に示された最大振幅投影を表示する例示的なユーザインタフェースである。図１３と同様に、ユーザインタフェース１４００は、経時的なＥＥＧトレースのプロット１４０２ならびに被験者の頭皮のグラフィック描画１４０４を提供し、このグラフィック描画１４０４には、頭皮での、種々の期間にわたる電気信号の最大偏差および／または標準偏差を示す色勾配がオーバーレイされている。ボックス１４０８によって示されているように、モデル脳の３Ｄレンダリングが、ノードを表す円によってオーバーレイされて示されており、ここでこれらのノードは、様々なノードに対する最大振幅投影のために計算された値を定性的に示すために色分けされている。ノードおよび／またはそれらの色分けは、種々の時点に対して変化する可能性があり、したがって３Ｄレンダリングは、フレームごとに、かつ／または動画として観察される、経時的な一連の画像であってよい。ユーザコントロールによって、ユーザは様々な表示機能、たとえば動画の速度、表示される最大振幅値の閾値、脳の透明度、ボクセルサイズなどをコントロールすることができる。

図１５は、本開示の例による、ＥＥＧデータと共に示されたノード訪問頻度を表示する例示的なユーザインタフェースを示す。ユーザインタフェース１５００は、図１３および図１４と同様に、経時的なＥＥＧトレースのプロット１５０２ならびに被験者の頭皮のグラフィック描画１５０４を提供し、このグラフィック描画１５０４には、頭皮での、種々の期間にわたる電気信号の最大偏差および／または標準偏差を示す色勾配がオーバーレイされている。ボックス１５０８によって示されているように、モデル脳の３Ｄレンダリングが、ノードを表す円によってオーバーレイされて示されており、ここでこれらのノードは、様々なノードに対するノード訪問頻度のために計算された値を定性的に示すために色分けされている。ノードおよび／またはそれらの色分けは、種々の時点に対して変化する可能性があり、したがって３Ｄレンダリングは、フレームごと、かつ／または動画としての観察のために提供され得る、経時的な一連の画像であってよい。幾つかの例では、図７および図８を参照して記述したようにノード訪問頻度が計算されていてよい。ユーザコントロールによって、ユーザは様々な表示機能、たとえば動画の速度、表示されるノード訪問頻度（計数／秒）の閾値、脳の透明度、ボクセルサイズなどをコントロールすることができる。

図１６は、本開示の例による、ＥＥＧデータと共に示されたノード遷移頻度を表示する例示的なユーザインタフェースである。ユーザインタフェース１６００は、図１３～図１５と同様に、経時的なＥＥＧトレースのプロット１６０２ならびに被験者の頭皮のグラフィック描画１６０４を提供し、このグラフィック描画１６０４には、頭皮での、種々の期間にわたる平均／最大電気信号を示す色勾配がオーバーレイされている。ボックス１６０８によって示されているように、モデル脳の３Ｄレンダリングが、ベクトルによってオーバーレイされて示されており、ここでこれらのベクトルは、様々なノード（たとえば、ノードの対）に対するノード遷移頻度のために計算された値を定性的に示すために色分けされている。ベクトルおよび／またはそれらの色分けは、種々の時点に対して変化する可能性があり、したがって３Ｄレンダリングは、フレームごと、かつ／または動画としての観察のために提供され得る、経時的な一連の画像であってよい。幾つかの例では、図９および図１０を参照して記述したようにノード遷移頻度が計算されていてよい。ユーザコントロールによって、ユーザは様々な表示機能、たとえば動画の速度、ノード訪問極性の閾値（計数／秒）、脳の透明度、ボクセルサイズなどをコントロールすることができる。

図１３～図１６は、計算されたパラメータ（たとえば、メトリック）の１つのグラフィック表現のみを示しているが、他の例では、ユーザインタフェースは、ユーザが複数のパラメータを同時に視覚化することを可能にしてよい（たとえば、最大振幅投影とノード訪問頻度との両方のグラフィック表現がユーザインタフェース上に提供されてよい）。さらに、幾つかの例では、ユーザインタフェースは、計算されたパラメータを要約するレポートを提供してよい。

図１７は、本開示の例による、レポートにおける発作分析概要を表示する例示的なユーザインタフェースを示す。ユーザインタフェース１７００は、ＥＥＧトレースから計算された１つまたは複数のパラメータの概要をレポート１７０２として提供する。レポート１７０２は、てんかん様活動のタイムライン１７０４、様々な数値統計１７０６（たとえば、発作の数、平均持続時間、スパイクの数など）、脳の画像にオーバーレイされた、メトリック（たとえば、最大振幅投影、ノード訪問頻度、スパイクグループ）の１つもしくは複数のグラフィック表現１７０８、他のパラメータ（たとえば、スパイク分布）の１つもしくは複数のチャート１７１０および／またはそれらの組み合わせを含んでいてよい。幾つかの例では、ユーザは、レポート１７０２の内容を選択可能であり得る。たとえば、ユーザは、どのコンテンツをレポート１７０２に含めるかを示すために、１つまたは複数の入力装置を介して入力を提供することができる。

幾つかの例では、ＥＥＧデータは、コンピューティングシステムによって受け取られ、分析され得る。コンピューティングシステムは、様々なメトリックを計算することができ、計算されたメトリックなどの様々な出力を、コンピューティングシステムに通信可能に結合されたディスプレイに提供することができる。

図１８は、本開示の例に従って配置されたシステムを概略的に示す図である。システム１８００は、コンピューティングシステム１８０６と、プロセッサ１８０８と、メトリック／パラメータを計算し、ディスプレイ情報を生成するための実行可能な命令１８１０と、メモリ１８１２と、ディスプレイ１８１４と、ネットワークインタフェース１８１６とを含む。システム１８００は、ＥＥＧデータ１８０２（たとえば、プロット１００に示されているようなＥＥＧ）を受け取ることができる。他の例では、システム１８００に、付加的なコンポーネント、より少ない数のコンポーネントおよび／または他のコンポーネントが含まれていてよい。たとえば、幾つかの例では、システム１８００は、ＥＥＧデータ１８０２を取得するためのＥＥＧシステムを含んでいてよい。他の実施形態では、ＥＥＧデータ１８０２は、さらにまたは代替的に、ｆＭＲＩデータなどの１つまたは複数の他のタイプの神経学的活動データを含んでいてよい。

コンピューティングシステム１８０６は、図３～図１７を参照して記述したように、１つまたは複数のメトリックを計算するために、かつ／またはたとえば、ディスプレイ１８１４にメトリックを提供するための表示情報を生成するために、ＥＥＧデータ１８０２を分析してよい。幾つかの例では、メモリ１８１２は、メトリックを計算し、かつ／またはメトリックの表示情報を生成するための実行可能な命令１８１０によって符号化されてよい。幾つかの例では、メモリ１８１２は、テキスト、グラフィックおよび／または他の視覚的情報をディスプレイ１８１４上に提供することができるグラフィカルユーザインタフェース（ＧＵＩ）を提供するための実行可能な命令１８１０によってさらに符号化されてよい。

コンピューティングシステム１８０６は、１つまたは複数のプロセッサ１８０８を含んでいてよい。プロセッサ１８０８をたとえば、１つまたは複数の中央処理ユニット（ＣＰＵ）、グラフィック処理ユニット（ＧＰＵ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）または他のプロセッサ回路を用いて実装することができる。幾つかの例では、プロセッサ１８０８は、実行可能な命令１８１０の一部または全部を実行することができる。プロセッサ１８０８は、メモリ１８１２と通信することができる。メモリ１８１２は、一般的に、任意の非一時的なコンピュータ可読媒体（たとえば、読み取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、フラッシュ、ソリッドステートドライブなど）によって実装されてよい。１つのメモリ１８１２が示されているが、任意の数を使用することができ、これらは、プロセッサ１８０８と共に、１つのコンピューティングシステム１８０６に統合されてよい、かつ／または別のコンピューティングシステム内に、プロセッサ１８０８と通信するように配置されてよい。たとえば、ＥＥＧデータ１８０２は、メモリ１８１２の１つのコンピュータ可読媒体に含まれていてよく、実行可能な命令１８１０は、メモリ１８１２の別のコンピュータ可読媒体に含まれてよい。メモリ１８１２に含まれる媒体の一部または全部は、プロセッサ１８０８にアクセス可能であってよい。

幾つかの例では、システム１８００は、（たとえば、有線接続および／または無線接続を使用して）コンピューティングシステム１８０６と通信することができるディスプレイ１８１４を含んでいてよい、またはディスプレイ１８１４はコンピューティングシステム１８０６と共に統合されてよい。ディスプレイ１８１４は、コンピューティングシステムによって計算された１つもしくは複数のメトリック／パラメータ、メトリック／パラメータに基づく１つもしくは複数のグラフィック、ＥＥＧデータ１８０２、および／または１つもしくは複数のＧＵＩ要素を表示することができる。たとえば、図１～図４、図６、図８、図１０および／もしくは図１２～図１７に示したような画像、データおよび／または表示が、ディスプレイ１８１４に提供されてよい。１つもしくは複数のＬＥＤ、ＬＣＤ、プラズマまたは他のディスプレイ装置を含む任意の数のディスプレイまたは様々なディスプレイが存在していてよい。

幾つかの例では、システム１８００は、ネットワークインタフェース１８１６を含んでいてよい。ネットワークインタフェース１８１６は、任意のネットワーク（たとえば、ＬＡＮ、ＷＡＮ、インターネット）への通信インタフェースを提供することができる。ネットワークインタフェース１８１６は、有線および／または無線インタフェース（たとえば、Ｗｉ－Ｆｉ、ＢｌｕｅＴｏｏｔｈ、ＨＤＭＩ、ＵＳＢなど）を使用して実装されてよい。ネットワークインタフェース１８１６は、ＥＥＧデータ１８０２および／またはコンピューティングシステム１８０６によって計算されたメトリックを含み得るデータを通信することができる。

幾つかの例では、システム１８００は、ユーザからの入力を受信するように構成可能な様々な入力装置１８１８を含んでいてよい。入力装置の例には、マウス、キーボード、トラックボール、ジョイスティック、タッチパッドおよびタッチスクリーンが含まれるが、これらに限定されない。幾つかの例では、ディスプレイ１８１４は、（たとえば、ディスプレイ１８１４がタッチスクリーンである場合）入力装置であり得る。幾つかの例では、入力装置１８１８および／またはディスプレイ１８１４は、ユーザインタフェース１８２０に含まれていてよく、ユーザインタフェース１８２０は、少なくとも部分的にグラフィカルユーザインタフェースであってよい。幾つかの例では、ユーザは、入力装置１８１８のうちの１つまたは複数を介して、コンピューティングシステム１８０６によって実行されるアクションに入力を提供することが可能であり得る。たとえば、ユーザは、どのメトリックが計算され、かつ／またはディスプレイ１８１４上にどのようなメトリックが提供されるかを決定するための入力を提供することができる。

図１９は、本開示の例にしたがった方法のフローチャートである。幾つかの例では、フローチャート１９００に示されている方法を、コンピューティングシステム１８００などのようなコンピューティングシステムによって、全体的または部分的に実施することができる。

ブロック１９０２では、「神経学的活動データを受け取ること」が実行され得る。幾つかの例では、神経学的活動データは、ＥＥＧ装置から受け取ったＥＥＧデータであってよい。他の実施形態では、神経学的活動データは、ＭＲＩシステムから受け取ったｆＭＲＩデータであってよい。他の例では、他のデータタイプを他の装置から受け取ってよい。幾つかの実施形態では、神経学的活動データは、複数のノードを含む３次元（３Ｄ）ソースローカリゼーションを含んでいてよく、複数のノードのうちの個々のノードは、脳の一部に対応する。

ブロック１９０４では、「神経学的活動データから少なくとも１つのメトリックを計算すること」が実行され得る。幾つかの例では、少なくとも１つのメトリックは、最大振幅投影、ノード訪問頻度、ノード遷移頻度、ノード遷移極性またはそれらの組み合わせを含むことができる。

ブロック１９０６および１９０８によって示されているように、複数のノードのうちの１つのノードの最大振幅投影を計算することは、「複数のノードのうちのこのノードが分析時間窓内で局所的な極大としてラベル付けされた回数を見出すこと」および「複数のノードのうちのこのノードが局所的な極大としてラベル付けされた回数から局所的な極大の極大値を決定すること」を含むことができる。

ブロック１９１０および１９１２によって示されているように、複数のノードのうちの１つのノードに関するノード訪問頻度を計算することは、「複数のノードのうちのこのノードが分析時間窓内で局所的な極大としてラベル付けされた回数を計数すること」および「この回数を分析時間窓の持続時間によって除算すること」を含むことができる。

ブロック１９１４および１９１６によって示されているように、ノード遷移頻度を計算することは、「分析時間窓内の複数のノードのうちの第１のノードと第２のノードとの間の局所的な極大遷移の回数を計数すること」および「この回数を分析時間窓の持続時間によって除算すること」を含むことができる。

ブロック１９１８，１９２０および１９２２によって示されているように、複数のノードのうちの１つのノードに対するノード遷移極性を計算することは、「複数のノードのうちの１つまたは複数のノードから複数のノードのうちのこのノードに遷移した局所的な極大の第１の回数を計数すること」、「複数のノードのうちのこのノードから複数のノードうちの１つまたは複数のノードに遷移した局所的な極大の第２の回数を計数すること」および「第１の回数と第２の回数との差を取ること」を含んでいてよい。幾つかの例では、複数のノードうちのこのノードは、第１の回数が第２の回数よりも多いときに内向き極性を有し、複数のノードのうちのこのノードは、第２の回数が第１の回数よりも多いときに外向き極性を有する。

ブロック１９２４では、「ディスプレイに少なくとも１つのメトリックのグラフィック表現を提供すること」が実行され得る。たとえば、グラフィック表現は、図６、図８、図１０および／または図１２～図１７に示したようなメトリックのグラフィック表現を含んでいてよい。

幾つかの例では、フローチャート１９００に示された方法は、神経学的活動を前処理することをさらに含んでいてよく、この前処理は、神経学的活動データの値を閾値と比較すること、この比較に基づいて、神経学的活動データの値のうちの１つもしくは複数を破棄または無視すること、および神経学的活動データの残りの値から少なくとも１つの局所的な極大を計算することを含んでいてよい。

４Ｄソースローカリゼーション、たとえば４Ｄ発作源ローカリゼーションを要約するために、１つまたは複数のメトリックを、本明細書に開示されるように計算することができる。幾つかの用途では、これによって、４Ｄソースローカリゼーションの生成および／または解釈に必要とされる時間を短縮することができる。最大振幅投影、ノード訪問頻度、ノード遷移頻度および／またはノード遷移極性などのメトリックを、本明細書で開示されているように計算することができる。次いで、これらのメトリックが、テキスト、チャート、生成された画像またはそれらの組み合わせなどによって様々なフォーマットで提供されてよい。メトリックは、診断のため、治療を決定および／もしくは調整するため、ならびに／または他の措置を講じるために使用されてよい。

以上の説明から、特定の実施形態が説明の目的で本明細書に記載されているが、特許請求の範囲に記載された技術の範囲内で様々な修正を行うことができることが理解されるであろう。

Claims (21)

1. システムであって、前記システムは、
   少なくとも１つのプロセッサと、
   前記少なくとも１つのプロセッサにアクセス可能なメモリとを備えており、前記メモリはコンピュータ可読命令で符号化され、前記コンピュータ可読命令は、実行されると、前記システムに、最大振幅投影、ノード訪問頻度、ノード遷移頻度、ノード遷移極性またはそれらの組み合わせを備えている少なくとも１つのメトリックを神経学的活動データから計算させる、
   システム。
2. 前記神経学的活動データは、脳波検査データを備える、請求項１記載のシステム。
3. 前記システムは、前記少なくとも１つのプロセッサに通信可能に結合されたディスプレイをさらに備えており、前記コンピュータ可読命令は、実行されると、さらに、前記システムに、前記ディスプレイ上に前記少なくとも１つのメトリックのグラフィック表現を提供させる、請求項１記載のシステム。
4. 前記少なくとも１つのメトリックの前記グラフィック表現は、脳の画像にオーバーレイされる３次元ソースローカリゼーションのノードを備える、請求項３記載のシステム。
5. 前記システムは、前記少なくとも１つのプロセッサに通信可能に結合されたディスプレイをさらに備えており、前記コンピュータ可読命令は、実行されると、さらに、前記システムに、前記ディスプレイ上にレポートを提供させ、前記レポートは、前記少なくとも１つのメトリックの１つまたは複数のグラフィック表現を備えている複数のコンテンツを備え、前記神経学的活動データのタイムライン、１つもしくは複数の統計値、１つもしくは複数の付加的なパラメータ、またはそれらの組み合わせをさらに備える、請求項１記載のシステム。
6. 前記システムは、ユーザ入力を受け取るように構成されている入力装置をさらに備えており、前記ユーザ入力は、前記複数のコンテンツのうちのどのコンテンツが前記レポートに含まれているかを示す、請求項５記載のシステム。
7. 神経学的活動データを受け取ることと、
   前記神経学的活動データから、最大振幅投影、ノード訪問頻度、ノード遷移頻度、ノード遷移極性、またはそれらの組み合わせを備えている少なくとも１つのメトリックを計算することと、
   を備える、方法。
8. 前記神経学的活動データは、複数のノードを備えている３次元（３Ｄ）ソースローカリゼーションを備えており、前記複数のノードのうちの個々のノードは、脳の一部に対応する、請求項７記載の方法。
9. 前記複数のノードのうちの１つのノードの前記最大振幅投影を計算することは、
   前記複数のノードのうちの前記ノードが分析時間窓内で局所的な極大としてラベル付けされた回数を見出すことと、
   前記複数のノードのうちの前記ノードが局所的な極大としてラベル付けされた前記回数から前記局所的な極大の極大値を決定することと、
   を備える、請求項８記載の方法。
10. 前記複数のノードのうちの１つのノードに対する前記ノード訪問頻度を計算することは、
    前記複数のノードのうちの前記ノードが分析時間窓内で局所的な極大としてラベル付けされた回数を計数することと、
    前記回数を前記分析時間窓の持続時間によって除算することと、
    を備える、請求項８記載の方法。
11. 前記ノード遷移頻度を計算することは、
    分析時間窓内の前記複数のノードの第１のノードと第２のノードとの間の局所的な極大遷移の回数を計数することと、
    前記回数を前記分析時間窓の持続時間で除算することと、
    を備える、請求項８記載の方法。
12. 複数のノードの１つのノードに対する前記ノード遷移極性を計算することは、
    前記複数のノードのうちの１つまたは複数のノードから、前記複数のノードのうちの前記ノードに遷移した局所的な極大の第１の回数を計数することと、
    前記複数のノードのうちの前記ノードから、前記複数のノードのうちの１つまたは複数のノードに遷移した前記局所的な極大の第２の回数を計数することと、
    前記第１の回数と前記第２の回数との差を取ることと、
    を備える、請求項８記載の方法。
13. 前記複数のノードうちの前記ノードは、前記第１の回数が前記第２の回数よりも多いときに内向き極性を有し、前記複数のノードのうちの前記ノードは、前記第２の回数が前記第１の回数よりも多いときに外向き極性を有する、請求項１２記載の方法。
14. 前記方法は、
    前記神経学的活動データの値を閾値と比較することによって、
    前記神経学的活動データの前記値のうちの１つまたは複数を前記比較、破棄または無視することに基づいて、
    かつ前記神経学的活動データの残りの値から少なくとも１つの局所的な極大を計算することによって、
    前記神経学的データを前処理することをさらに備える、請求項７記載の方法。
15. ディスプレイ上に前記少なくとも１つのメトリックのグラフィック表現を提供することをさらに備える、請求項７記載の方法。
16. 前記少なくとも１つのメトリックの前記グラフィック表現は、脳の画像にオーバーレイされる３次元（３Ｄ）ソースローカリゼーションのノードを備える、請求項１５記載の方法。
17. 前記ノードのサイズは、前記最大振幅投影の値または前記ノードに対する前記ノード訪問頻度の値に比例する、請求項１６記載の方法。
18. 前記ノードの陰影、色またはそれらの組み合わせは、前記ノードの前記最大振幅投影、前記ノード訪問頻度、または前記ノード遷移極性の値を示す、請求項１６記載の方法。
19. 前記グラフィック表現は、前記３Ｄソースローカリゼーションの第２のノードと、前記ノードと前記第２のノードとの間の矢印とをさらに備え、前記矢印の方向は、前記ノードと前記第２のノードとの間の局所的な極大の遷移を示す、請求項１６記載の方法。
20. 前記矢印の陰影、色またはそれらの組み合わせは、分析時間窓にわたる前記遷移の頻度を示す、請求項１９記載の方法。
21. 前記方法は、ディスプレイ上にレポートを提供することをさらに備えており、前記レポートは、前記少なくとも１つのメトリックの１つまたは複数のグラフィック表現を備えている複数のコンテンツを備えており、前記神経学的活動データのタイムライン、１つもしくは複数の統計値、１つもしくは複数の付加的なパラメータ、またはそれらの組み合わせをさらに備えている、請求項７記載の方法。

Images