JPH10501163A

JPH10501163A - 脳のバイオポテンシャル分析システム及び方法

Info

Publication number: JPH10501163A
Application number: JP8501313A
Authority: JP
Inventors: ナシブジー．シャモン; ジェフリーシー．シーグル; チャールズピー．スミス
Original assignee: アスペクトメディカルシステムズインク．
Priority date: 1994-06-09
Filing date: 1995-06-08
Publication date: 1998-02-03
Also published as: DE69530768D1; ATE240077T1; EP0764001A1; WO1995033404A1; DE69530768T2; ES2199994T3; EP0764001A4; US5458117A; CA2191594A1; EP0764001B1; CA2191594C

Abstract

(57)【要約】マイクロプロセッサー（１８）、ユーザー入力装置（２４）、グラフィック表示器（２０）、及びハードコピー出力装置（２２）を含み、取得操作によって単極ＥＥＧ信号を取得する（１９）、対象者（１５）の左右脳両方の対象領域からの選択された脳の現象を示す診断用インデックスを得る方法、及び分析システム（１２）を含んだシステムが開示されている。このシステムは、信号の低エネルギー波成分に対するダイナミック範囲を最大とすべく高ゲインで低ノイズであるアンプリファイヤを使用する。バンドパスフィルター処理が実行され、ノイズを減少させてアリアス現象を回避する。このシステムは、信号をデジタル化し、低パスフィルター処理（１００Ｈｚ）し、デシメート処理するため、通常に使用されるデジタル信号処理（ＤＳＰ）技術を適用する。パワースペクトル、バイスペクトル、及び高オーダースペクトル処理がその後に施される。

Description

【発明の詳細な説明】脳のバイオポテンシャル分析システム及び方法関連出願本発明は１９９１年１０月２５日出願のアメリカ合衆国特許願第７８２，６３６号の一部継続出願である。発明の背景本発明はリアルタイムの高解析脳バイオポテンシャル分析システムと、その分析方法とに関し、さらに特定すれば、脳の電気的活動特性（properties of cere bral electrical activity）を分析することで確認できる脳の現象（cerebral p henomena）を、非観血的（noninvasive manner）かつ定量的（quantitatively）に決定するためのコンピュータを利用したバイオポテンシャル診断システム（bi opotential diagnostic system）及びその診断方法に関するものである。相当な時間と労力を費やしたにも拘らず、脳波記録装置（ＥＥＧ：electroenc ephalograph）で表示することによって脳の電気的活動を定量的且つ非観血的に評価しようとする現行の取り組みは必ずしも成功しておらず、このような複雑な脳波に存在する全ての情報を引き出してはいない。正確、高感度で、信頼性が高く、しかも実用的な神経学的診断技術（neurological prifiling technology）に対する必要性は、極めて高い。特に、現行の術中（intraoperative）ＥＥＧモニター技術は、それ特有な先天的限定があるため、広く一般に採用されるには至っていない。集中治療ユニットにおいて、集中治療士（intensivist）にとって極めて利用価値の高い、脳状態の評価法を利用する単純且つ簡便な方法にも、同様な限定が介在する。従来技術として公知である多数の装置で、脳の活動を定性的に分析することができる。しかし、慣用型のアナログ式ＥＥＧを使用する従来の技術は、単位時間領域（time domain）内に分析することには限界があり、また、適格な解釈をするためには相当なる訓練を要した。さらに、標準型のＥＥＧのトレース速度における人の目の解析度には限界があるため、ＥＥＧの微細な構造の多くは、人の目で解析できなかった。したがって、ＥＥＧの視覚的評価は、科学というよりも技能として性格つけされる。１９６０年代のＥＥＧ周波数（パワースペクトル(power spectrum)）分析の活用は、視覚的検査に先立ち、信号を基礎的に処理する概念を紹介するものであり、多様な脳モニターの問題に対するＥＥＧの周波数分析の適用へと導いた。過去２５年間の医学文献には、様々な術中条件下における麻酔深度、及び脳のイスケミア（虚血）の評価を目的としてパワースペクトル分析の活用することを記載した論文が、１００以上掲載されている。ジョンに付与されたアメリカ合衆国特許第４，５５７，２７０号もまた、開胸手術中での脳の血流（cerebral perfusion ）を評価すべくパワースペクトル分析法を使用することを、開示している。しかし、最近のいくつかの研究は、脳の血流をモニターするため、及び術後の神経学的結果（outcome）を決定するために、パワースペクトル分析を活用するには、多くの欠陥があることを、示している。加えて、パワースペクトル分析も、いかなる他のモニター技術も信頼性に欠けることが示された。このことは、恐らくは生のＥＥＧデータを解析する複雑さと、パワースペクトルあるいは単位時間領域での分析技術を使用する現行自動システムは、信頼性に劣るため、ハーバード大学医学部麻酔モニター基準には、いかなるタイプの術中神経学的モニターも含まれていないという事実から、証明される。脳内の生物電気的に活発な何千もの細胞は、層として有機化され中枢として作用するものであり、これら細胞の活動電位（discharge）は、ハーモニック性（h armonics）と、非常に複雑なダイナミックス性（dynamics）を有する幅広い周波数スペクトルをもつ電気信号を形成することに対して寄与している。この信号には、複雑なニューロン発射様式によりもたらされる周波数内容、非直線性（nonl inearities）、及び位相関係（phase relationships）に関する情報が含まれている。この発射様式は常に変化しており、ＥＥＧ信号が極めて不安定であるという統計特性を創り出している。ＥＥＧ信号が複雑であるため、通常の分析時間及び周波数モードでは、この挙動を余すところなく記録することはできなかった。このことが、叙上の取り組みが、限られた成功しか提供できなかった理由の１つであろう。セカンドオーダーオートコリレーション関数（second order autocorrelation function：パワースペクトル）のフーリエ変換において、処理は統計的に非相関的正弦波成分（statistically-uncorrelated sine-shaped wave components）の一次総和（linear summation）として表される。パワースペクトル手段を利用したＥＥＧのモニターに関する現行の取り組みは、非直線部と周波数間の位相関係に関する情報を抑圧しており、ＥＥＧの動的構造（dynamic structure）の表示は限られた利用しかなされていない。ＥＥＧは非常にダイナミックであり且つ非直線的であるため、ＥＥＧ内の位相関係は、脳機能に関する診断情報を有する最も可能性の高い要素である。サードオーダーオートコリレーション関数（third order autocorrelation function）のフーリエ変換、若しくは、オートバイスペクトル（autobispectrum）は、正常状態からの分散を定量化する、すなわち、１信号内での２次的非直線性（quadra tic nonlinearlities）と周波数間の位相関係とを分析する過程である。サードオーダークロスコリレーション関数（cross-correlation function）のフーリエ変換、若しくはクロスバイスペクトル（cross bispectrum）は、２つの信号に対する同様な情報を分析する過程である。ｎ次オーダー（ｎth-order）の相関関数のフーリエ変換、若しくは（ｎ−１）次オーダーのオート／クロススペクトルを、１信号内の正常状態からの分散、並びに（ｎ−１）番オーダー非直線性、及び周波数間の位相関係に関する情報を含む分析的過程として定義することで、これらの技術の一般化は可能である。バイスペクトルを越えるオート／クロススペクトルは高オーダー（higher-order）スペクトルと定義する。オートバイスペクトル分析技術は、通常のＥＥＧの基礎的なバイスペクトル特性を証明するため、ＥＥＧ信号に適用された。このような研究は、目覚めている状態と眠っている状態との相違を検索するためにも実施されてきた。オートバイスペクトル分析とパワースペクトル分析は、一卵性双生児のＥＥＧが構造的に互いに類似していることを示すためにも利用されている。シャモウンに付与されたアメリカ合衆国特許第４，９０７，５９７号と第５，０１０，８９１号は、麻酔深度と適正度、外科的手術に伴う痛覚度、脳の虚血、意識、中毒の程度、進行する認識のプロセス、及び左右半脳間での動相関係（dynamic phese relation）の定量のごとき脳現象を評価すべく、ＥＥＧのオート／クロスバイスペクトルの分析の使用を、開示した。今日まで、叙上の神経学的な診断又は脳現象のモニターに対して、オート高オーダースペクトルあるいはクロス高オーダースペクトル分析を活用した者は、誰もいない。上述した如何なるスペクトル技術により得られるデータ解析に対して共通の課題は、ＥＥＧの周波数分布が、比較的に安定した生理学的条件下でも大きく変化する可能性があるという事実である。このような変化は、それぞれ対応する周波数において、パワースペクトル、バイスペクトル、及び高オーダースペクトルの変化を導くものである。例えば低濃度から中間濃度の催眠型麻酔剤が投与された時には、１２Ｈｚから１８Ｈｚの周波数帯のＥＥＧ活性がかなり増加する。同麻酔剤の多量投与によって、１２Ｈｚから１８Ｈｚ周波数帯の急激な活性低下と、０．５Ｈｚから３．５Ｈｚ周波数帯の活性増加とが惹起され、極めて高濃度では、劇的な抑制が起きるであろう。催眠剤の投与中に患者の麻酔深度をモニターできる１２〜１８Ｈｚの周波数帯を活用した、周波数依存分析は、高周波数から低周波数に向けた活性の変化が起きた時、患者の麻酔深度の評価誤認を招く懸念があるであろう。このような遷移は、麻酔剤の混合物を使用した場合には、さらに複雑化する。従って、本発明の主要な目的は、脳の電気的な活動特性に反映される物理的現象を認知し、モニターできる、非観血的で高い解析度をもつ脳波計（脳電気信号計：electroencephalograph）システム、及びその方法を提供することである。本発明の他の目的は、麻酔の深度と適正度、脳の虚血、脳の低酸素、意識の程度、中毒の程度、誘起ポテンシャル反応の変化（altered evoked potential res ponses）、及び、アルツハイマー病若しくはＨＩＶ関連痴呆症の患者の特定を含む正常（ノーマル）あるいは異常（アブノーマル）な認識プロセスを検査し、モニターすることができる、非観血的脳波計システム及び方法を提供することであるが、これらに限定はされない。発明の概要したがって、本発明のシステム及び方法は、適当な電極システムとアンプシステムとを使用し、対象者の左脳及び右脳の両方の対象領域から１９の単極ＥＥＧ信号を得るためのものである。本システムは高ゲインの低ノイズアンプを使用し、信号の低エネルギー波成分のダイナミックレンジ（dynamic range）を最大化するものである。バンドパス（band-pass）フィルター手段は、ノイズを減じてアリアシング（aliasing）を回避するために使用される。本システムは信号をデジタル化し、低パスフィルター（１００Ｈｚ）し、デシメート処理（decimate）するために、通常に使用されるデジタル信号処理（ＤＳＰ）技術を適用する。その後にパワースペクトル、バイスペクトル及び高オーダースペクトル処理が行われる。１好適実施例においては、本システムは各リード（lead）からの最新の６３秒のデジタル化されたＥＥＧデータを６０の４秒間隔に分割する。その各々は先行する間隔と３秒間オーバーラップする。選択されたセットのリードに対して、本システムはオートパワースペクトル、オートバイスペクトル、及びオート高オーダースペクトル変数を、ファースト（fast）フーリエ変換（ＦＦＴ）に基づく手法か、あるいはパラメータを利用した手法を利用することで創出する。クロスパワースペクトル、クロスバイスペクトル及びクロス高オーダースペクトル変数を計算するには、いかなるペアのリードでも組み合せが可能である。オートパワースペクトル処理により、１本のリードからのＥＥＧ波形内での各周波数におけるパワーを表す１次元アレイ（one-dimensional array）が得られる。同様に、クロスパワースペクトル処理では、２波形での各々の周波数におけるエネルギーのプロダクト（product）を表す１次元アレイが得られる。オートバイスペクトルとオート高オーダースペクトル処理では、１波形内で可能な全ての組み合せの周波数相互間でのダイナミックパワーとフェーズカップリングを表す１セトのアレイが得られる。クロスバイスペクトルとクロス高オーダースペクトル処理では、２波形から可能な全ての組み合せの周波数相互間でのダイナミックパワーとフェーズカップリングを表す１セットのアレイが得られる。オート／クロスバイスペクトル分析においては、４種のアレイを得ることができる。即ち、オート／クロスバイコヒーレンス（bicoherence）、オート／クロスバイスペクトル密度（density）、オート／クロスリアルトリプルプロダクト（real trip le product）及びオート／クロスバイフェーズ（biphase）である。同一タイプのアレイをオート／クロス高オーダースペクトル処理において発生させることは可能である。オート／クロスパワースペクトル、オート／クロスバイスペクトル、及びオート／クロス高オーダースペクトルアレイの値は、異なる介在要素（intervention s）あるいは病状で変化する。よって、これらの値は診断基準の創出に使用される。パワースペクトル、バイスペクトル、及び高オーダースペクトルアレイは臨床的に有用なシングル値診断インデックス（single-valued diagnostic index）の創出に使用される。このインデックスは問題となっている特定の診断を正確に下すものと期待されている。本システムは、麻酔の深さと適正度、手術中の痛みに対する反応、脳の虚血、脳の低酸素状態、意識の程度、中毒の程度、誘起ポテンシャル反応の変化、及びアルツハイマー病とＨＩＶ関連痴呆症とを含むノーマルあるいはアブノーマル認識プロセスを評価するための有効な診断基準（diagno stic figure of merit）として、これらのインデックスを利用することができるが、これらに限定されない。この方法にしたがえば、いかなるオペレーターでも本診断装置の結果を充分に解析することができる。本実施例においては、麻酔の深さ及び適正さの評価／測定は、無痛覚状態（痛みを伴う術中刺激に対する反応）、及び眠っている状態／目覚めている状態の評価／測定を含むが、これらには限定されない。連続的にモニターが必要な状況の場合は、ビデオ画面にインデックスを連続的に表示可能であり、よって、オペレーターは対象領域を、インターアクティブ（ interactively）に評価することができる。記録保存の目的では、インデックス値及び他の関係変数は、ハードコピー出力装置に送られるか、若しくは保存装置にて保存される。本発明のこれら及び他の特徴は、以下に続く詳細な説明と添付図面とによってさらに詳細に解説されている。図面の簡単な説明図１は本発明のシステムの略図であり、非観血的な手段によって脳の現象を検出する方法が示されている。図２は、図１のシステムで利用された１９チャンネルＥＥＧのデータの入手及び分析システムの概略図である。図３は、図１のシステムのＥＥＧパワースペクトルと、バイスペクトル高オーダースペクトルの表示に使用されるマイクロコンピュータとの概略図である。図４は、図１のシステムによって行われる処理操作の概略図である。図５は、図４のモニターモジュール操作の概略を説明する為のフローチャートである。図６（ａ）から図６（ｃ）は、図１のシステムによって発生される診断用インデックスのサンプル表示である。図７は、図４のシステムのデーター入手操作と、ＥＥＧ未処理データの管理モジュール操作の概略を説明する為のフローチャートである。図８は、図１のシステムで使用されるオートバイスペクトル、クロスバイスペクトル、オートパワースペクトル、あるいはクロスパワースペクトルを創出するための周波数領域を利用した（frequency-domain-based）方法の概略を説明する為のフローチャートである。図９は、図１のシステムのオートバイスペクトル、クロスバイスペクトル、オートパワースペクトルあるいはクロスパワースペクトルを創出するためのパラメータを利用した方法の概略を説明する為のフローチャートである。図１０（ａ）は、図１のシステムにより発生されるバイスペクトル密度アレイを示すグラフである。図１０（ｂ）は、図１のシステムにより発生されるバイフェーズアレイを示すグラフである。図１０（ｃ）は、図１のシステムにより発生されるバイコヒーレンスアレイを示すグラフである。図１０（ｄ）は、図１のシステムにより発生されるリアルトリプルプロダクトの平方根アレイを示すグラフである。図１１は、図４の診断用インデックス取得モジュール（derivation module）の操作の概略を説明する為のフローチャートである。好適実施例の詳細な説明図１において、本発明の装置は、マイクロコンピュータ１８に接続された１９チャンネルＥＥＧデータの取得及び分析システム１２を含んでいる。ＥＥＧリードは、１セットの表面電極１３によって患者の頭部１４に接続されている。国際仕様の１０／２０電極システムが好適である。ＥＥＧ信号はこれら電極によって検出され、患者ケーブル１６を介してＥＥＧデータの取得及び分析システム１２へと伝送される。前記データの取得及び分析システム１２は、ＥＥＧ波形をフィルター処理して増幅する。通常に使用されるデジタル信号処理（ＤＳＰ）技術が、信号をデジタル化し、ローパスフィルター（１００Ｈｚ）処理し、デシメート処理するために適用される。その後、パワースペクトル、バイスペクトル、及び高オーダースペクトル処理が実行可能となる。システム１２は、パワースペクトル、バイスペクトル、及び高オーダースペクトルアレイを全て発生させる。その後、これらのアレイは診断用インデックスを創出するために、臨床的に先行決定された係数アレイ（coefficient arrays）と共に使用される。これらのインデックスはホストコンピュータ１８に送付され、グラフィック表示器２０に表示される。診断用インデックスのプリントアウトされたデータは、マイクロコンピュータ１８に接続されたハードコピー出力装置２２でも入手が可能である。オペレターは、グラフィック表示器２０のフィードバックを備えたユーザー入力装置２４の手段にて、本システムの取得及び分析コンポーネントを利用する。１９チャンネルデータ取得及び分析システム１２は、図２においてさらに詳細に示されている。患者の頭部１４に取り付けられた表面電極１３によって検出されたＥＥＧ表面ポテンシャルは、電気外科的（electrosurgery）保護回路３０、細動除去（defibrillator）保護回路３２、及びアンプ／フィルター回路３６を介して、マルチチャンネルアナログ・デジタルコンバータ３８（multi-channel analog to digital converter）へと送られる。電気外科的保護回路３０は、ラジオ周波数（radio frequency：ｒｆ）フィルターを含んでおり、患者リード１６を通過するｒｆ電流を１００マイクロアンペア以下に制限し、患者１５をｒｆバーン（burn）から保護し、製造元が指定する絶対最大入力電圧を越えると発生するダメージからアンプ３６を保護する。この回路は、一般的なキャパシタと直列接続されている一般的なインダクターで成るＬＣ回路でもよい。このキャパシタはアースされる。細動除去器保護回路３２は、細動除去器が患者１５に適用されて放電されたときにアンプ３６への電圧を安全レベルに制限するものである。この回路は、信号パス（signal path）と直列状態で、ネオンライトバルブ（neon light bulb）あるいは他のサージ電圧抑制装置（surge supression device）に接続された一般的な抵抗器で構成させることも可能である。この抑制装置はアースされる。アンプ／フィルター回路３６は、オペレターによって調整可能としてもよいゲイン（gain）及びフィルターレベルを得るため、マイクロコンピュータ１８によって制御されている。好適なゲイン及びフィルターセッティングは、以下に解説されている。この回路セクションは３段階で構成されている。第１段階はプレアンプステージ（pre-amplifier stage）であり、カルフォルニア州サニーベールのナショナルセミコンダクター社によって販売されているもののごとき多様な高インピーダンスプレアンプを使用して準備できる。第２段階はプログラム可能なフィルターでなるステージであり、調整可能なバンドパスカットオフ（band pas s cutoff）を０．１Ｈｚから４ＫＨｚの範囲から選択させるものである。このフィルターはマサチューセッツ州ヘーバーヒルのフリケンシーデバイシズ社のコンポーネントを使用して設計が可能である。第３段階はプログラム可能なアンプでなり、マルチ式デジタル・アナログ（Ｄ／Ａ）コンバータとともに使用される操作式アンプで準備できる。両コンポーネントはナショナルセミコンダクター社から入手可能である。このマルチ式Ｄ／Ａはマイクロコンピュータ１８によって要求される適正なレベルにゲインをセットするのに使用される。各チャンネルの高インピーダンスプレアンプは、プレアンプの入力が終了されなければ、正あるいは負の供給電圧のいずれかに飽和されるであろう。これによってアンプ／フィルターセクション３６の出力部にて大きな正の値あるいは大きな負の値となるであろう。このような値はリードの故障を特定するのに使用されるであろう。アンプ／フィルター３６の全１９のチャンネルの出力はマルチチャンネルＡ／Ｄコンバータ３８に入力される。このコンバータはサンプルレートのセッティングのために入力プロセッサー４４によって制御されている。アナログ信号は入力プロセッサー４４への入力に適正なデジタルデータフォーマットに変換される。マサチュセッツ州ノーウッドのアナログデバイシズ社によって販売されているＡ／Ｄコンバータが本目的で使用可能である。マルチチャンネルＡ／Ｄコンバータ３８は、オプチカルアイソレータ（optica l isolator）４０によって入力プロセッサー４４と光学的にカップリングされている。Ａ／Ｄコンバータ３８への全制御ラインもまたオプチカルアイソレータ４２によって光学的に絶縁されている。いかなるオプチカルアイソレータでもこの目的に使用が可能である。アンプ３６とＡ／Ｄコンバータ３８に接続されている全ＤＣパワーラインもまた、患者を接地状態から完全に絶縁するためにＤＣ／ＤＣコンバータ４３でＡＣパワーラインから絶縁されている。バーブラウン社のＤＣ／ＤＣコンバータが本目的に使用可能である。入力プロセッサー４４の制御操作のための基本的な指示はリードオンリーメモリ（ＲＯＭ）４６に保存されている。ランダムアクセスメモリ（ＲＡＭ）４８はデータ用のバッファーメモリとして使用され、ＲＡＭ４８の一部も、制御プログラムがマイクロコンピュータ１８からダウンロードされているときにプログラムメモリとして使用が可能である。入力プロセッサー４４は、ＲＡＭ４８とＲＯＭ４６とコミュニケートするためのバス（bus）５０と、マイクロコンピュータ１８とコミュニケートするための別のバス５５とを有している。計算プロセッサーのメモリ構造は、入力プロセッサーのものと類似している。計算プロセッサー５２の制御操作用の基本的指示は、リードオンリーメモリ（ＲＯＭ）５４に保存されている。ランダムアクセスメモリ（ＲＡＭ）５６はデータ用のバッファーメモリとして使用され、ＲＡＭ５６の一部も制御プログラムがマイクロコンピュータ１８からダウンロードされているときにプログラムメモリとして使用可能である。計算プロセッサー５２は、ＲＡＭ５６とＲＯＭ５４とコミュニケートするバス５８を有しており、マイクロクロコンピュータ１８とコミュニケートするバス５５を使用する。Ａ／Ｄコンバータ３８は高速でデータを入手し、フィルター処理は入力プロセッサー４４によって実施され、対象領域外の周波数が排除される。同時に、入力プロセッサーは、入力データのサンプルレートを低サンプルレートにデシメート処理する。入力プロセッサー４４は、そのフィルター処理されてデシメート処理されたデータストリームをマイクロコンピュータ１８に伝送し、マイクロコンピュータデタバス４０へのデータバス５５とバッファー６０を介して未処理の入力信号を表示する。入力プロセッサー４４はまた、そのデータを計算プロセッサー５２に伝送し、シリーズコミュニケーションインターフェース（serial communi cation interface）５１を介してパワースペクトルと入力信号の高オーダースペクトル特性を計算する。計算プロセッサー５２は、入力データのパワースペクトルと高オーダースペクトル特性を計算し、計算されたパワースペクトルと高オーダースペクトルデータから診断用インデックスを創出する。この入力プロセッサーは、マサチューセッツ州ノーウッドのアナログデバイシズ社によって販売されているＡＤＳＰ−２１０１のようないかなる一般用のＤＳＰプロセッサーであってもよい。この計算プロセッサーは、この好適実施例においてはテキサス州ダラスのテキサスインスツルメンツ社によって販売されているＴＭＳ３２０Ｃ３０のごときフローティングポイント（floating-point）ＤＳＰプロセッサーである。図１のホストコンピュータ即ちマイクロコンピュータ１８は、図３においてさらに詳細に図示されている。全マイクロコンピュータシステムはマイクロプロセッサー６２の制御のもと、ＲＯＭ６４にて保存されているプログラムメモリにて使用される。ＲＡＭ６６は中間データの保存用として使用される。保存装置８４はウインチェスターディスクあるいは大ブロックのＲＡＭ、あるいは他のいかなる保存媒体であっても構わない。これは臨床情報の保存に使用され、患者データの記録保管に使用が可能である。１好適実施例において、マイクロコンピュータ１８はマスコプロセッサー（ma th coprocessor）７０を含んでおり、これはマイクロプロセッサー６２に直接的に接続されている。マスコプロセッサー７０は計数（scalar）計算及びグラフィック計算に使用される。マイクロプロセッサー６２のプログラム制御下で作動しているグラフィックコントローラ７２は、グラフィック表示器２０を駆動する。インターフェースポート７４はマイクロコンピュータバス４０からユーザインターフェース装置２４への接続を提供する。ユーザーインターフェース装置２４はキーボードでも、ポインティング装置でも、あるいはキーパッドでも、あるいはこれらのいかなる組み合せでも、または、これらに類似した装置のいかなる組み合せであっても構わない。インターフェースポート７４はまた、マイクロコンピュータと外部的誘起ポテンシャル刺激装置（external evoked potential stimil ating device）との接続をも提供することが可能である。この接続によって、マイクロコンピュータに刺激を誘発させることも、独立して誘発された刺激の開始（onset）を容易に特定することもできるであろう。取得、分析及び表示処理の全ての操作貞による制御は、グラフィック表示器２０のフィードバックを備えたユーザーインターフェース装置２４によって制御される。データバス４０は、制御データを１９チャンネルデータ取得システム１２（例：フィルター処理、ゲイン、サンプルレート、スタート／ストップ取得、自己診断の実施）に送り、このシステムからＥＥＧデータを受領するのに使用が可能であり、さらに、このシステムにプログラムデータをダウンロードするのにも使用が可能である。直列あるいは並列ポート７８は、望む診断用インデックスをプリントするためにハードコピー出力装置２２の駆動に提供される。図４において、本発明のシステム操作及び方法のブロック図が示されている。前述のように、本発明のシステムと方法は、先行して選択された数のリードからのＥＥＧ信号のダイナミックフェーズと密度関係とを計算する。シングル値診断用インデックスは、その後、臨床的に先行決定されている係数アレイを使用してデータアレイから発生される。その結果、例えば、麻酔の深度と適正度、術中の痛みに対する反応、脳の虚血、脳の低酸素、意識の程度、脳の中毒症状、誘起ポテンシャル反応の変化、並びにアルツハイマー症及びＨＩＶ関連痴呆症を含むノーマルあるいはアブノーマル認識プロセスの評価に関連する、脳の電気的活性の分析に有用な定量的インデックスが得られるが、これらに限定されない。この実施例においては、麻酔の深さと適正度の評価／測定は、無痛覚状態（痛みを伴う術中刺激に対する反応）、及び眠っている状態／目覚めている状態の評価／測定を含むが、これらには限定されない。モニターモジュール４０２は、本システムの全体的な操作を、ユーザーのインターフェースモジュール４０４、入手及び未処理ＥＥＧデータの管理モジュール４０６、パワースペクトル、バイスペクトル、及び高オーダースペクトル処理モジュール４０８、並びに診断用インデックス入手モジュール４１０からのデータ及び処理情報の集積を介して取り扱う。モジュール４０２の詳細な解説図は図５である。オペレーターは、ユーザーインターフェースと表示管理モジュール４０４を通じての処理中に、本システムを制御して相互作用させる。この相互作用は、患者に関する情報と、実施されている診断処理の情報の入力と、リード及び取得セッティングと、取得状況、リードインテグリティ、及び各電極によって精査されている領域に対応する診断用インデックスの連続的表示と、に関する情報の利用を含むものであるが、これらに限定はされず、保存装置に対してデータのプリントアウトと保存とをリクエストするものである。モジュール４０４はモニターモジュール４０２と直接的に相互作用する。モジュール４０４によって取扱う操作は、マイクロソフト社のウインドウズのような商業的に入手可能な環境下にて達成が可能である。取得及び未処理ＥＥＧデータの管理モジュール４０６は、パワースペクトル、バイスペクトル、及び高オーダースペクトル分析に先行して全未処理ＥＥＧデータのチェックと処理とを取り扱う。これにはＥＥＧデータの連続的入手と、そのインテグリティの確認と、オート／クロスパワースペクトル、バイスペクトル、及び高オーダースペクトル処理のための全単極ＥＥＧデータの作成が含まれるが、これらに限定されない。モジュール４０６はモニターモジュール４０２と直接的に相互作用する。モジュール４０６のさらに詳細な説明は、図７を使用した以下の解説にて行う。パワースペクトル、バイスペクトル、及び高オーダースペクトル処理モジュール４０８は、パワー供与、ダイナミックフェーズ関係、及びＥＥＧ内のパワーカップリングのための全データアレイの発生を制御する。この情報はＦＦＴ利用手法あるいはパラメータ利用手法のいずれかを用いてオート／クロスパワースペクトル、バイスペクトル、及び高オーダースペクトルを計算することで入手が可能である。このモジュールにて達成される仕事は、フーリエ変換及びパワースペクトルの発生、オート／クロスバイスペクトル密度と高オーダー密度の発生、オート／クロスバイコヒーレンスと高オーダーコヒーレンスの発生、オート／クロスバイスペクトルリアルプロダクト（real product）と高オーダーリアルプロダクトの発生、及びオート／クロスバイフェーズと高オーダーフェーズの発生を含むが、これらに限定されない。モジュール４０８はモニターモジュール４０２と直接的に相互作用する。モジュール４０８のさらに詳細な説明は図８と図９を利用した以下の解説にて提供されている。診断用インデックスの入手モジュール４１０は診断処理において使用されるデータ値を発生する。この仕事は、必要とされる各パワースペクトル、バイスペクトル、あるいは高オーダースペクトルアレイのための対象周波数帯での値を選別（sort）し、選別された各アレイを選別されたデータ（即ち、上位の０−５％、上位の５−１０％及び下位の５％等）の分布ヒストグラムの部分を表すビン（bi n）（１または複数の値を含む）に分割し、各ビン内の値を合計してシングル数変数（single number variable）を創出し、オート／クロスパワースペクトル、バイスペクトル、及び高オーダースペクトルアレイからの選別された値に臨床的に先行して決定された係数を掛けることで診断用インデックスを創出し、係数が掛けられた全変数を総計して、最終的な診断用インデックスを創出することを含むが、これらに限定されない。対象の周波数帯の値も、平均及び標準偏差、あるいは最大値または最少値のごとき他の所定のシングル値を計算する等の一般的な記述的統計法（descriptive statistics methods）を使用して、または、ビン内の値からのシングル値を組み合わせるか発生させるどのような他の処理を使用してもシングル数に減少が可能である。各ビンに対する１または複数のそのような値は、臨床的に決定されている係数が掛けられ、係数が掛けられている他の変数を加えて最終的な診断用インデックスを創出することが可能である。モジュール４１０はモニターモジュール４０２と直接的に相互作用する。モジュール４１０のさらに詳細な解説は図１１に関する以下の記述にて提供されている。モニターモジュール４０２の操作の略図は図５において提供されている。初期設定ステップ５０２において、データアレイは最新の６３秒の未処理デジタルＥＥＧ信号で満たされており、各リードのパワースペクトル、バイスペクトル、及び高オーダースペクトルデータはゼロに初期設定される。保存用に必要なデータファイルと、診断用インデックスの計算に必要なデータベースを含んだファイルも初期設定ステップ５０２で開かれる。ステップ５０４において、本システムはユーザーインターフェースモジュール４０４を介してユーザーに取得及び診断処理をスタートさせるのに必要な情報をリクエストする。このリクエストされた情報は、患者の記述的統計データ（性、年齢、病状、等）、実施されるべき診断処理のタイプ、オートパワースペクトル、バイスペクトル、及び高オーダースペクトル分析のために使用されるリード、クロスパワースペクトル、バイスペクトル、及び高オーダースペクトル分析に使用されるリードを含むものである。操作のデフォルトモード（default mode）においては、本システムは麻酔の深さと適正度、及び手術中の痛みに対する反応をデフォルトオートバイスペクトルデータベースを使用して連続的にモニターする。デフォルトバンドパスフィルター処理は０．５Ｈｚから１００Ｈｚの範囲を通過して実施され、デフォルトサンプルレートは秒速２５６サンプルにセットされ、デフォルトゲインは各リードに対して５０００にセットされる。本好適実施例の以下の説明は、麻酔情報の深さを最良に提供する特定電極サイトからのＥＥＧに対して実施されるオートバイスペクトル処理を重点的に解説するものとなろう。操作の他のモードは一般的に解説されるであろう。国際基準の１０／２０電極システムに従い、本システムを使用して取得される１９のＥＥＧ信号は、Ｆｐ１、Ｆｐ２、Ｆ７、Ｆ３、Ｆｚ、Ｆ４、Ｆ８、Ｔ３、Ｃ３、Ｃｚ、Ｃ４、Ｔ４、Ｔ５、Ｐ３、Ｐｚ、Ｐ４、Ｔ６、０１、及び０２（参考としてＡ１あるいはＡ２）である。オートパワースペクトル、バイスペクトル、及び高オーダースペクトル分析を実施するために１信号が必要である。この信号は前記のいかなる電極からも直接的に測定が可能である。又は、２本あるいはそれ以上のＥＥＧリードからの信号を１次結合して合成が可能である。例えば、２つのアナログ信号は第３の信号を提供するためにディファレンシャルアンプ（differential apmlifier）を使用して相互から差し引くことが可能である。同一の操作は数値引算（numerical subt raction）を使用して２つのデジタル化された信号に対して実施が可能である。オートパワースペクトルデータは信号内のパワー分布に関する情報を提供し、オートバイスペクトルデータは信号内の正常値からの偏差、２次的非直線性（quad ratic nonlinearlities）及びインター周波数フェーズ関係（inter-frequency p hase relationships）に関する情報を提供し、オート高オーダースペクトルデータは信号内の正常値からの偏差、高オーダー非直線性、及びインター周波数フェーズ関係に関する情報を提供する。このような処理は、信号が独立波成分で構成されているか、あるいは一定の周波数が非直線的に相互作用するファンダメンタル（fundamentals）の単純なハーモニクス（harmonics）であるかどうかを決定するであろう。電極にてプローブ（probe）された位置での信号の非直線性周波数構造を変更する脳現象は、オートバイスペクトル及び高オーダースペクトルタイプのアプローチによって最良に定量化される。クロスパワースペクトル、バイスペクトル、及び高オーダースペクトル分析を実施するためには２つの信号が必要である。これら２つの信号は前記のいかなる２つの電極からも直接的に計測が可能である。あるいは２つの信号のどちらでも２つあるいはそれ以上のＥＥＧリードを前述のごとくに一次結合して合成が可能である。クロスパワースペクトルデータはこれら２つの信号間のパワーコリレーションに関する情報を提供するであろう。クロスバイスペクトルデータは正常値からの偏差、２次的非直線性、及び２つの信号間のインター周波数フェーズ関係に関する情報を提供するであろう。クロス高オーダースペクトルデータは正常値からの偏差、高オーダー非直線性、及び２つの信号間のインター周波数フェーズ関係に関する情報を提供するであろう。このような処理は、信号”Ｘ”の周波数が独立的であるかどうか、あるいはそれらが信号”Ｙ”にて存在するファンダメンタルのハーモニクスであるかどうかを決定するであろう。これによって、コルテックス（cortex）の別々の領域から発生する２つの信号間の関係のより良い特徴付けが提供される。コルテックスの種々な領域間の非直線的周波数関係を変更する脳現象は、クロスバイスペクトルとクロス高オーダースペクトル手法によって最良に定量化される。麻酔の効果はＥＥＧのさらに全体的な変化に反映されるものであり、よって、本好適実施例は麻酔の深さのモニターのためにオートバイスペクトル分析を使用したシステムの操作を説明するのに６つの信号を使用する。この６つの信号は以下の電極配置から得られる。左右の頭部前方（ＦＬ／ＦＲ）信号はそれぞれ（Ｆｐ１−Ｃｚ）と（Ｆｐ２−Ｃｚ）から得られ、左右の頭骨頭頂部（ＰＬ／ＰＲ）信号はそれぞれ（Ｐ３−Ｃｚ）と（Ｐ４−Ｃｚ）から得られ、左右の前方頭骨頭頂部（ＦＰＬ／ＦＰＲ）信号はそれぞれ（Ｆｐ１−Ｐ３）と（Ｆｐ２−Ｐ４）から得られる。ステップ５０６において、未処理ＥＥＧデータの新しい１秒バッファーが取得される。本システムはこの新１秒バッファーで人工物（artifact）検出を行い、全データアレイを適正に更新する。オペレーターがその問題を矯正できるように人工物データ（artifactual data）のいかなる伝達もオペレーターに対して表示される。ステップ５０８において、本システムは信号ＦＬ、ＦＲ、ＰＬ、ＰＲ、ＦＰＬ、ＦＰＲのオートパワースペクトル及びオートバイスペクトルアレイを計算する。もちろん他の信号はオート／クロスパワースペクトル、バイスペクトル、及び高オーダースペクトル処理のために使用が可能であろう。パワースペクトル、バイスペクトル、及び高オーダースペクトル計算の２つの異なるアプローチを図８と図９を利用して以下において説明する。ステップ５１０において、発生される全てのオート／クロスパワースペクトル、バイスペクトル、及び高オーダースペクトルアレイからのシングル値診断用インデックスが計算される。オート／クロスパワースペクトル、バイスペクトル、及び高オーダースペクトルアレイ用の臨床的に先行決定された係数アレイは診断用インデックス計算に使用される。係数アレイの発生に関しては後述する。本システムはステップ５１２において分析されている全信号に対して全ての計算診断用インデックスを瞬時に表示する。ステップ５１４において、本システムはエクシットリクエスト（exit request）を点検し、そのようなリクエストがなければ、本システムはステップ５０８からステップ５１４までを繰り返す。ステップ５１６において、リクエストされたプリントアウトが提供され、その結果は記録保存用として保存装置に保存され、全ファイルは閉じられる。ステップ５１８においてこの処理は終了する。本システムによって発生されたサンプルコンデンス表示は図６（ａ）から図６（ｃ）において示されている。患者の頭部の表示は図６（ａ）と図６（ｂ）のグラフィック表示で示されている。最初の表示である図６（ａ）は１９のセクションに分割されており、各セクションは１電極にプローブされた領域を表している。第２の表示である図６（ｂ）は３つの水平セクションに分割されており、その領域で電極群によってプローブされた、組み合わせの左右脳半球の活動を表している。スクリーンに表示された頭部の略図は必要に応じて特定の診断用あるいはモニター用に区分けすることも可能である。例えば、もし麻酔の深さのような全体的な影響を探る場合には、そのトレンドに沿って単一化されたインデックスが全表示面を占めるかも知れない。頭部を表す図６（ａ）において、各セクションはその領域の電極から得られるＥＥＧデータを使用したインデックス６０２の瞬間値を含む。頭部を表す図６（ｂ）において、各セクションはその領域の複数の電極から得られたＥＥＧデータを使用して計算されたインデックス６０４の瞬時値を含む。各インデックス値に隣接して、カラーコードされた矢印がインデックスの方向の瞬時の変化を示すのに使用される。この矢印はオペレーターによって予めセットされた制限内にインデックスが存在すれば緑色であろう。矢印はインデックスが危険領域に入れば黄色くなるであろう。もし、インデックスが患者に対して容認できる制限範囲を外れれば赤線が矢印に代わって点滅する。オペレーターのリクエストにより、どのセクションに対してもインデックスの瞬時値とトレンドが図６（ｃ）において図示されるよう、精査用の拡大図６０６としての表示が可能である。これにより離れた場所での患者の状態の検査が可能となる。その領域の診断用インデックスを発生させるのに必要なデータに関わるどのリードに対しても、リードに問題が発生したり、人工物（artifact）が検出されたときに各セクションには大きな”Ｘ”が表示される。図７を使用して取得及び未処理ＥＥＧデータ管理モジュール４０６を詳細に解説する。ステップ７０２において、本システムは新データが初めて取得されているかどうかをチェックする。もし取得されているならば、ステップ７０４の取得システム１２にはリクエストされたフィルター処理、ゲイン、サンプルレート、及びリードセレクションに関する情報が供給される。そのデフォルトセッティングはフィルター処理に対してはバンドパス０．５−１００Ｈｚ、ゲインに対しては５０００、サンプルレートに対しては２５６サンプル／秒であり、リードの組み合せＦＬ、ＦＲ、ＰＬ、ＰＲ、ＦＰＬ、及びＦＰＲからの信号が取得される。上記のセッティングは本システムが連続的ＥＥＧ信号ではなくて発生するＥＥＧ反応を分析しているときには大きく異なるものとなる。多様なＥＥＧ誘起ポテンシャル用の信号を取得するための共通のゲインとフィルターセッティングとを以下で解説する。ＥＥＧ誘起ポテンシャルとは、脳と中枢神経系統の知覚部位が、知覚刺激に対するＥＥＧ内の反応を検出することで評価されることを可能とする手段である。これには３種の通常手段が存在する。パターンシフト視覚誘起ポテンシャル（ＰＳＶＥＰ：pattern-shift visual evoked potentials）は患者に対して示され、変化する視覚パターンに関与する。例えば、ストロボライトを点滅させたり、あるいは白黒チェッカーボードを反転（白に対して黒、又はその逆）することも可能である。脳幹聴覚誘起ポテンシャル（ＢＡＥＰ：brainstem auditorye voked potentials）は、信号発生器によって創出されるクリック音のごとき制御された聴覚刺激を使用する。最後に、体性感覚誘起ポテンシャル（ＳＥＰ：somatosens ory evoked potentials）は、生理学的（接触、あるいは筋肉伸張）、あるいは電気的刺激のどちらかを使用する。全ての誘起ポテンシャル手法において、電極は脳の適正箇所近辺に配置され（即ち、視覚誘起ポテンシャルの場合には、視覚コルテックスの上）、ＥＥＧは刺激開始から所定の時間だけ記録される。刺激は何度も繰り返され、得られた記録は平均化され（伝統的には時間領域）、刺激によるもの以外のＥＥＧ信号の全部分を排除する。本発明においては、誘起された反応に対するＥＥＧから創出された一連のパワースペクトル、バイスペクトル、あるいは高オーダースペクトルアレイが平均化される。各誘起ポテンシャル手法には異なるフィルターとゲインセッティングが使用される。例えば、パターンシフト視覚誘起ポテンシャルの普通のゲインセッティングの範囲は２０，０００から１００，０００である。ＰＳＶＥＰの普通のフィルターセッティングの範囲はバンドパスの低端部に対しては１Ｈｚから３Ｈｚであり、高端部に対しては１００Ｈｚから３００Ｈｚである。誘起ポテンシャルの手法及び使用は、１９８３年のチアッパによる「臨床医学の誘起ポテンシャル」においてさらに詳しく記載されており、本明細書にその内容を援用する。ステップ７０６において、本取得システム１２はリクエストされた全リードから１秒間の新データを取得する。あるいは、本システムが誘起ポテンシャルを分析しているならば、その信号は１の完全誘起ポテンシャル反応から取得される。本システムはステップ７０８にて非常に大きな正値あるいは負値をチェックすることで取得サイクル中のリード機能不順を検出する。また、ステップ７０８において、一般に利用可能なアルゴリズムが各リードの機能不順を検出するのに利用される。ステップ７１０において、機能不順に陥ったリードや人工的データを創出しているリードはモニターモジュール４０２にてマークが付される。ステップ７１２において、各信号に対する最新の４秒間の記録はＸi(ｔ)に振り分けられる。Ｘi(ｔ)はオートパワースペクトル、オートバイスペクトル、及びオート高オーダースペクトル処理用に提供される個々の時間シリーズ記録である（time series records）（時間シリーズＸi(ｔ)（全ｔ及び１特定ｉに対して）は記録と呼称する）。クロスパワースペクトル、バイスペクトル、及び高オーダースペクトル処理が必要な場合は、第２信号からの最新の４秒間記録がＹi(ｔ )に提供される。本好適実施例においては、Ｙi(ｔ)は全ての場合にＸi(ｔ)に等しくセットされる。なぜなら、オートパワースペクトル、オートバイスペクトル、及びオート高オーダースペクトル計算のみが実施されるからである。インデックス（ｉ）は１から６０までの記録数を表す。もし誘起ポテンシャルが分析されているなら、各信号からの最新の完全誘起ポテンシャル反応は前記のごとくに適当なＸi(ｔ)とＹi(ｔ)とに振り分けられる。誘起ポテンシャル反応を個々の記録として使用すると、パワースペクトル、バイスペクトル、及び高オーダースペクトル領域での多数を平均化することが可能となる。ステップ７１４において、円形バッファー機構(circular buffer mechanism) が各リードに対する未処理ＥＥＧの保存に使用され、さらに、各リードに対する６０の最新４秒間Ｘi(ｔ)とＹi(ｔ)記録用のオート／クロスパワースペクトル、バイスペクトル、及び高オーダースペクトルアレイを保存するために使用される。このバッファーは最も古いデータの位置に最新に取得されて処理されたデータを保存することで更新される。本システムの操作はステップ７１６のモニターモジュール４０２に戻る。図８を利用して、オートパワースペクトル、オートバイスペクトル、クロスパワースペクトルあるいはクロスバイスペクトルを創出する周波数領域利用処理を説明する。ステップ８０２において、本システムは実行される計算が１つの信号か、あるいは２つの信号を必要とするかをチェックする。典型的には１つの時間シリーズはオートスペクトル分析に必要であり、２つの時間シリーズはクロススペクトル分析を実行するのに必要である。ステップ８０４において、本システムは単極リードのオートパワースペクトルあるいはオートバイスペクトル計算を実行するのに以下の方法にて時間記録をセットする。これらの計算には１つの信号のみが必要であり、第２セットの記録（Ｙi(ｔ)）は第１セットの記録（Ｘi(ｔ)）と等しくセットされる。その結果、Ｘ i(ｔ)とＹi(ｔ)の対応するフーリエ変換、即ちそれぞれＸi(ｆ)とＹi(ｆ)も等しくなる。Ｘi(ｔ)＝Ｙi(ｔ) −−−＞Ｘi(ｆ)＝Ｙi(ｆ) ここで、ｉは記録数であり、本実施例では１から６０の範囲である。ステップ８０６において、時間記録は、２つの別々の時間シリーズ信号を使用してクロスパワースペクトルとクロスバイスペクトル分析のためにセットされる。その結果、対応するフーリエ変換は等しくはならない。Ｘi(ｔ)≠Ｙi(ｔ) −−−＞Ｘi(ｆ)≠Ｙi(ｆ) ここで、Ｘi(ｔ)とＹi(ｔ)は２以上の電極によってプローブされた２つの別々の領域からの別々に誘起された時間シリーズ記録を表す。その信号の各６０秒間の記録のファーストフーリエ変換（ＦＦＴ）Ｘi(ｆ)とＹi(ｆ)は、ステップ８０８で標準ＩＥＥＥライブラリルーティーン（library r outine）（あるいはいかなる他の一般的なルーティーン）を使用して計算される。もし、リクエストされたなら、変換記録Ｘi(ｆ)とＹi(ｆ)のシリーズは、それぞれ定数ＣxiとＣyiによって各周波数での値を割ることで各々に正常化を施すことが可能である。これらの定数は各記録と各シリーズ（ＸあるいはＹ）に対して別々に得られる。この定数は全パワーか、対象スペクトルの最大値か、あるいはＸi(ｆ)、Ｘi(ｔ)、Ｙi(ｆ)、及びＹi(ｔ)の他のデリバティブ（derivative）である。ステップ８１０において、本システムは実行される計算がパワースペクトルか、あるいはバイスペクトル計算かをチェックする。本システムはステップ８１２において以下の式を利用してオート／クロスパワースペクトル密度値（ＰＤ(ｆ)）を計算する。式中、ＰＣ(ｆ)は１信号あるいは信号ペアの平均コンプレックスプロダクト（complex product）である。 mplex conjugate）であり、Ｍは記録数である（本好適実施例では６０）。本システムはその後にリクエストされたオート／クロスパワースペクトル密度アレイをモニターモジュール４０２にリターンする。本システムがステップ８１４においてバイスペクトル計算を実行しているなら、本システムは実行される計算がオートバイスペクトルかクロスバイスペクトル計算かをチェックする。オートバイスペクトル分析はクロスバイスペクトル分析の特別な場合であって、シンメトリ（symmetry）の異なる法則が適用される。ステップ８１６において、本システムはオートバイスペクトル計算中にどの範囲のｆ1とｆ2を使用するのかを決定するために以下の等式を使用する。式中、ｆｓはサンプルレート（すなわち秒あたりのサンプル数）と等しい。（１好適実施例では２５６サンプル／秒）０ ≦ ｆ2 ≦ ｆ1 式中、ｆ1とｆ2（Ｆ1及びＦ2、すなわち周波数１及び周波数２とも呼称）は、バイスペクトル計算が実行されるであろう周波数ペアを表す。ステップ８１８において、クロスバイスペクトル分析のためのｆ1とｆ2の範囲を決定するのに以下の式が利用される。式中、クロスバイスペクトル分析Ｘi(ｆ)とＹi(ｆ)が、２つの別々の領域からの個々に得られた時間シリーズ記録のフーリエ変換を表す以外は、全変数はオートスペクトル分析の場合と同一値を表す。ステップ８２０において、その信号の６０の選択された記録の各々のパワースペクトルＰxi(ｆ)とＰyi(ｆ)は、フーリエ変換Ｘi(ｆ)とＹi(ｆ)の各要素（elem ent）の値をそれぞれ平方することで計算される。本システムはステップ８２２において、以下の式を使用して平均コンプレックストリプルプロダクトを計算する。式中、ｂｃi(ｆ1,ｆ2)は１つの４秒間の記録からの個々のコンプレックストリプルプロダクトであり、ＢＣ(ｆ1,ｆ2)は全６０の記録に対する平均コンプレックストリプルプロダクトである。式中、Ｍは記録数（本好適実施例では６０）である。平均リアルトリプルプロダクトはステップ８２４にて以下の等式を利用して計算される。式中、ｂｒi(ｆ1,ｆ2)は１つの４秒間記録からの個々のリアルトリプルプロダクトであり、ＢＲ(ｆ1,ｆ2)は全６０の記録に対する平均リアルトリプルプロダクトである。ｂｒi(ｆ1,ｆ2)＝Ｐxi(ｆ1) ・Ｐxi(ｆ2) ・Ｐyi(ｆ1+ｆ2) 式中、Ｍは記録数（本好適実施例では６０）である。ステップ８２６にて、オート／クロスバイスペクトル密度値(ＢＤ(ｆ1,ｆ2)) のアレイは以下の等式を利用して計算される。ＢＤ(ｆ1,ｆ2)＝｜ＢＣ(ｆ1,ｆ2)｜ステップ８２８において、平均リアルトリプルプロダクト(ＳＢＲ(ｆ1,ｆ2)) の平方根アレイは以下の等式を利用して計算される。ＳＢＲ(ｆ1,ｆ2)＝［ＢＲ(ｆ1,ｆ2)］^1/2 ステップ８３０において、本システムは以下の等式を用いてオート／クロスバイフェーズ値（ψ(ｆ1,ｆ2)）のアレイを計算する。 ψ(ｆ1,ｆ2)＝ｔａｎ^-1 ［Ｉｍ（ＢＣ(ｆ1,ｆ2)）／Ｒｅ（ＢＣ(ｆ1,ｆ2)）］０＜ ψ ＜２π （ラジアン）ステップ８３２において、本システムは以下の等式を用いてオート／クロスバイコヒーレンス値（Ｒ(ｆ1,ｆ2)）のアレイを計算する。Ｒ(ｆ1,ｆ2)＝ＢＤ(ｆ1,ｆ2)／ＳＢＲ(ｆ1,ｆ2) ０＜Ｒ＜１ステップ８３４において、本システムはリクエストされたオート／クロスパワースペクトル密度アレイあるいはオート／クロスバイスペクトル密度、平方根された平均リアルトリプルプロダクト、バイコヒーレンス、バイフェーズアレイをモニターモジュール４０２にリターンする。オート／クロスバイスペクトルアレイを計算するのに使用される前記の周波数領域利用（frequency-domain-based）の等式は、オート／クロス高オーダースペクトルアレイを計算するために一般化することが可能である。これによって、トリスペクトル（trispectrum）、クアドスペクトル（quadspectrum）等の計算が可能になる。Ｋ番オーダー（Ｋth-order）スペクトルに対するアレイを計算するとすれば、以下の等式が使用可能である。平均コンプレックスＫ番オーダープロダクト：式中、Ｍは記録数（本実施例では６０）である。平均リアルＫ番オーダープロダクト：・Ｐxi(ｆ_k-1)・Ｐyi(ｆ1+ｆ2+...+ｆ_k-1) オート／クロスＫ番オーダースペクトル密度：ＫＤ(ｆ1,ｆ2,...,ｆ_k-1)＝｜ＫＣ(ｆ1,ｆ2,...,ｆ_k-1)｜オート／クロスＫ番オーダーコヒーレンス：Ｒ(ｆ1,ｆ2,...,ｆk_-1) ＝ＫＤ(ｆ1,ｆ2,...,ｆ_k-1)／［ＫＲ(ｆ1,ｆ2,...,ｆ_k-1)］^1/2 ０＜Ｒ＜１オート／クロスＫ番オーダーフェーズ： ψ(ｆ1,ｆ2,...,ｆ_k-1)＝ｔａｎ^-1［Ｉｍ（ＫＣ(ｆ1,ｆ2,...,ｆ_k-1)）／Ｒｅ（ＫＣ(ｆ1,ｆ2,...,ｆ_k-1)）］０＜ ψ ＜２π （ラジアン）図９はオートパワースペクトル、オートバイスペクトル、クロスパワースペクトル、あるいはクロスバイスペクトルのパラメータ利用手法を説明している。ステップ９０２、９０４及び９０６において、本システムはステップ８０２、８０４及び８０６でそれぞれ説明したものと同一の手法にて時間シリーズ記録をセットする。Ｘi(ｔ)とＹi(ｔ)であるオート／クロスパワースペクトルはステップ９０８、９１０及び９１２にて予想される。この予想法は２つのステージであるオートレグレッシブ（ＡＲ：autoregressive）モデルオーダーセレクションと、Ｘ i(ｔ)とＹi(ｔ)に対するオート／クロスパワースペクトル計算を含むものである。ステップ９０８において、本システムは以下の等式を用いてオートコリレーションの２つのセクエンス（sequences）｛Ｒ2_X(ｍ)｝と｛Ｒ2_Y(ｍ)｝を計算する。 Z＝ＸあるいはＹ、及びｍ＝０，１，．．．，Ｌ式中、Ｍは各信号の記録数（本実施例では６０）であり、Ｎは記録あたりのサンプル数（本実施例では１０２４）であり、Ｌは最大可能なＡＲフィルターオーダー（本実施例では５０）よりも大きな値である。最終予想誤差（Final Prediction Errors）ＦＰＥX(m)とＦＰＥY(m)は、ＡＲフィルターのオーダーを発見するためにステップ９１０にて各オートコリレーションセクエンスにレビンソン帰納関数（Levinson recursion function）を適用することで計算される。ＡＲフィルターのオーダーは最終予想誤差ＦＰＥX(m)とＦＰＥY(m)それぞれの最小値の位置を発見することで決定が可能である。即ち、ＦＰＥ_X(Ｑ_X)＝ｍｉｎ｛ＦＰＥ_X(ｍ)｝とＦＰＥ_Y(Ｑ_Y)＝ｍｉｎ｛ＦＰＥ_Y(ｍ)｝ここで、ＱXとＱYはＦＰＥX(ｍ)とＦＰＥY(ｍ)（それぞれ）の最小値の位置であり、従って、パワースペクトルＸi(ｔ)とＹi(ｔ)（それぞれ）のＡＲフィルターのオーダーである。オートパワースペクトル用のＡＲフィルターのオーダーが知られたら、オートコリレーションセクエンス｛Ｒ2X(ｍ)｝と｛Ｒ2Y(ｍ)｝は、Ｌの代用としてそれぞれオーダーＱXとＱYでレビンソン帰納が施される。このレビンソン帰納によって得られた係数｛ｃiX，i＝０，１，．．．，ＱX｝と｛ｃiY，i＝０，１，．．．，ＱY｝はそれぞれＸi(ｔ)とＹi(ｔ)のオートパワースペクトルに対するＡＲフィルターの係数である。従って、ステップ９１２において、Ｘi(ｔ)とＹi(ｔ) のオートパワースペクトルに対するＡＲフィルターの変換関数（transfer funct ion）は、その係数のフーリエ変換値で割られた予想誤差（σz）の平方根として計算される。即ち、オート／クロスパワースペクトル密度値（ＰＤ(ｆ)）は、ＨPX(ｆ)のコンプレックスプロダクトとＨPY(ｆ)の共役コンプレックスの値である。即ち、ＰＤ(ｆ)＝｜ＰＣ(ｆ)｜もしリクエストされれば、ステップ８０８で使用されたものと同一の正常化が（Ｈ_pz(ｆ)に対して）可能である。ステップ９１４において、本システムは実行される計算がバイスペクトル計算かどうかをチェックし、もしそうでなければ、本システムはリクエストされたオート／クロスパワースペクトル密度アレイをモニターモジュール４０２にリターンする。ステップ９１６、９１８及び９２０において、本システムはそのシンメロリをステップ８１４、８１６及び８１８にて前述したもののと同一手法にてセットする。本システムはステップ９２２、９２４及び９２６においてオート／クロスバイスペクトルを予想する。この予想処理は２つの主要なステージであるオーダーセレクションとバイスペクトル計算を含むものである。ステップ９２２において、サードオーダーモーメント（third-order moments）の２つのセクエンス｛Ｒ3_X( τ)｝と｛Ｒ3_Y(τ)｝は以下の等式を用いて計算される。 Z＝Ｘ，Ｙ τ＝−Ｌ，．．．，Ｌ式中、S1＝ｍａｘ(１,１−τ)、 S2＝ｍｉｎ(Ｎ，Ｎ−τ)、Ｌは最大可能ＡＲフィルターオーダー（例えば５０）より大である。ステップ９２４において、２つのマトリックスＴXとＴYは以下のように準備される。バイスペクトルのＡＲフィルターに関して行った予想から、Ｘi(ｔ)とＹi(ｔ) のバイスペクトルのＡＲフィルターのオーダーＯXとＯYはスーパーマトリックス（super matrices）ＴXとＴYの横列となる。よって、ＯXとＯYはシングル値デコンポジション（decomposition）を使用して選択される。オーダーを見つけたら、以下の等式の一次系（linear system）を解くことでバイスペクトルのＡＲフィルターの係数が得られる。ｚ＝ＸあるいはＹ式中、スキューネス（skewness）（βz）と係数（ｂ1z，・・・，b0zZ）、Z＝ＸあるいはＹは、等式の一次系を解くことで得られる。Ｘi(ｔ)とＹi(ｔ)のオート／クロスバイスペクトルはステップ９２６にて、ＡＲフィルター係数（Ｈ_z(ｆ)）のフーリエ変換値のトリプルプロダクトによって割られたスキューネス（βXβYβY）^1/3のトリプルプロダクトの３乗根として計算される。即ち、ＢＲ(ｆ1,ｆ2)は同一信号用のリアルトリプルプロダクトである：ＢＲ(ｆ1,ｆ2)＝Ｐx(ｆ1)・ＰX(ｆ2)・ＰY(ｆ1+ｆ2) 式中、Ｘi(ｔ)とＹi(ｔ)のオートスペクトルＰX(ｆ)とＰY(ｆ)はＸi(ｔ)とＹi (ｔ)のそれぞれのオートパワースペクトルのＡＲフィルターの変換関数の値（Ｈ PX(ｆ)と（ＨPY(ｆ)）の平方によって計算される。もしリクエストされたら、ステップ８０８に使用されたものと同一の正常化が可能である。同様に、（βZ）¹ ^/3 ／ＨZ(ｆ)は、所定の周波数帯に対する値、その最大値あるいは同様に得られた正常化定数の平方の合計の平方根によって割られる。パワースペクトルとオート／クロスバイスペクトルを得た後に、本システムはステップ９２８にて、ステップ８２６、８２８、８３０及び８３２と同様にバイスペクトル密度アレイ、バイフェーズ、バイコヒーレンス、及び平方根処理された平均リアルトリプルプロダクト（ＲＴＰ）アレイを計算する。ステップ９３０において、本システムはリクエストされたオート／クロスパワースペクトル密度アレイ、バイスペクトル密度、平方根処理されたリアルトリプルプロダクト、バイフェーズ、及びバイコヒーレンスアレイをモニターモジュール４０２にリターンする。オート／クロスバイスペクトルアレイの計算に使用される前記のパラメータ等式は、オート／クロス高オーダースペクトルアレイの計算のために一般化が可能である。これによってトリスペクトル、クワドスペクトル等の計算が可能になる。Ｋ番オーダースペクトルのアレイを計算するとすれば、以下の等式が利用可能である。オート／クロスＫ番オーダースペクトル：ＫＣ(ｆ1,ｆ2,...,ｆk_-1) ＝リアルＫ番オーダープロダクト：ＫＲ(ｆ1,ｆ2,...,ｆk_-1)＝ＰX(ｆ1)・ＰX(ｆ2)・．．．・ＰX(ｆ_k-1)・ＰＹ(ｆ1＋ｆ2＋...＋ｆ_k-1) オート／クロスＫ番オーダースペクトルを得た後、本システムは周波数領域利用法と同一の手法にてオート／クロスＫ番オーダースペクトル密度アレイ、オート／クロスＫ番オーダーフェーズ、及びオート／クロスＫ番オーダーコヒーレンスを計算する。説明を目的とした図１０（ａ）から図１０（ｃ）はサンプルのオートバイスペクトルアレイのグラフであり、周波数ペアの０＜ｆ1＜３０Ｈｚと０＜ｆ2＜１５Ｈｚを表している。バイスペクトル密度アレイは図１０（ａ）にて示されており、Ｚ軸は全部の適当な周波数ペアｆ1とｆ2との間にカップリングされた相互作用のデシベル（ｄｂ）での値を表す。ここで、周波数ペア（ｆ1，ｆ2）は以下の等式に従わなければならない。式中、この場合Ｆs＝６０Ｈzである。バイコヒーレンスアレイは図１０（ｃ）に示されており、Ｚ軸は全部の適当な周波数ペアｆ1とｆ2との間にカップリングされた相互作用の百分率（％）での正常化された値を表す。バイフェーズアレイは図１０（ｂ）に示されており、Ｚ軸は全部の適当な周波数ペアｆ1とｆ2との間にカップリングされた相互作用のラジアンでのフェーズを表している。リアルトリプルプロダクトの平方根アレイは図１０（ｄ）に示されており、Ｚ軸は全部の周波数ペアｆ1とｆ2との間にカップリングされた相互作用のデシベル（ｄｂ）での値を表す。図１１を使用して、診断用インデックス発生モジュール４１０のさらに詳細な説明をする。ステップ１１０２において、本システムは進行中の診断的評価のタイプを特定する。１好適実施例においては、５つの可能なオプションは以下の通りである。１．麻酔の深度、覚醒／睡眠、痛みに対する反応、及び手術ストレス。２．脳の虚血及び低酸素状態。３．脳の中毒症（アルコール、麻薬）。４．誘起ポテンシャルの評価。５．認識プロセスの評価。ステップ１１０４において、本システムは以下に解説する選別手法を用いてリクエストされた診断用インデックスの計算に必要なオート／クロスパワースペクトル、バイスペクトル、及び／又は高オーダースペクトルアレイを得る。診断用インデックスの発生において使用可能な種々なアレイとは、オート／クロスパワースペクトル、オート／クロスバイスペクトル密度、オート／クロスバイコヒーレンス、オート／クロスバイスペクトルリアルプロダクト、オート／クロスバイフェーズ、オート／クロスＫ番オーダースペクトル密度、オート／クロスＫ番オーダーコヒーレンス、オート／クロスＫ番オーダースペクトルリアルプロダクト、及びオート／クロスＫ番オーダーフェーズである。オート／クロスパワースペクトル、バイスペクトル及び高オーダースペクトルアレイの選別は本発明の重要な特徴であり、これらの（及び他のいかなる）スペクトルにおけるエネルギー分布の変化にも対応するメカニズムを提供するものである。以下はこの特徴がどのように１好適実施例において適用されるかを一般的に解説するものである。好適実施例にて解説したように４秒間の記録から得られたＦＦＴに基づき、周波数帯０Ｈｚ−３０Ｈｚ（４秒間記録と毎秒２５６サンプルのサンプルレートで、ＦＦＴの解析度は０．２５Ｈｚであり、使用範囲は３０Ｈｚ幅であり、よって１２０＝３０Ｈｚ／０．２５Ｈｚのデータポイントが存在）をカバーするパワースペクトルアレイのための１２０データポイントが計算可能である。１２０データポイントが逆（decending）オーダーで選別されているとき、選別されたアレイの最初の要素（element）は最大パワースペクトル値に対応し、最後の要素は最少パワースペクトル値に対応する。よって、パワーの分布ヒストグラムは選別されたアレイを使用して発生が可能である。このヒストグラムのＸ軸はｄＢでのパワーを表し、Ｙ軸は特定のＸ軸パワー値に対応する選別されたアレイのポイント数を表すであろう。選別されたアレイの全ポイントが加算されたら、合計は０Ｈｚ−３０Ｈｚスペクトルの全パワーを表すであろう。もし、選別されたアレイの隣接ポイントの数が加算されたら、全パワーの百分率を表すヒストグラムの１部分が得られる。例えば、ある特定のＥＥＧ信号において、選別されたアレイの最上の２ポイントはパワー分布ヒストグラムの全パワーの最上１０％を表す。同様に、選別されたアレイの最下の７０ポイントの加算（同一信号に対して）は、ヒストグラムの全パワーの最下１０％を与えるであろう。アレイでポイントを合計する代わりに、アレイのポイントの平均または標準偏差のごとき統計値、あるいは、アレイのポイントのメジアン、最少、または最大のごときシングル値が計算され、診断用インデックスの創出に使用が可能である。また、選別されたアレイの最上ポイントはピークあるいは最大パワーの計算と同じになり、中央の要素はメジアンパワーと同じになり、最後の要素は最少パワーとなるであろう。１実施例においては、このピーク値が使用される。別実施例においては、最少値が使用される。さらに別な実施例においては、ピーク値と最少値が両方とも使用可能である。この手法に従えば、パワー分布ヒストグラムのいかなる部分でも、選別されたアレイの１あるいは複数の隣接要素を加算することで得られるであろう（全パワーの最上２５％、全パワーの中央５０％、等）（特定ポイントから全パワーの百分率までの変換関数を経験的に決定したものとする）。選別によって、特定の狭い周波数帯を分析することなく、０Ｈｚ−３０Ｈｚのパワースペクトルでの高活性と低活性（山と谷）の領域を求めることができる。これはパワースペクトルをそのパワー配分ファンクション（function）にマッピングし、その配分ファンクション内の固定帯（fixed bands）に対して操作を行うことと同等である。この変換は、催眠系麻酔剤が投与されたときに観測されるＥＥＧパワーの振舞におけるいくらかの矛盾にアドレス（address）する。さらに一般的には、前述の選別法は、いかなるディメンションといかなる周波数帯のいかなるオート／クロスパワースペクトル、バイスペクトル、及び高オーダースペクトルアレイをも、それが含む値の１次元配分ファンクション（one-dimensional distribution function ）に変換するであろう。この１次元的配分は、組み合わされて診断用インデックスを創出することが可能な固定帯に分割される。固定帯あるいはビンのセクエンスは１または複数のポイントで構成が可能であり、分析されているデータの特定のピーク、谷、及び他の特性の変動の評価を可能にする。ここで使用する「選別」とは、いかなるディメンション及び周波数帯のいかなるオート／クロスパワースペクトル、バイスペクトル、及び高オーダースペクトルアレイのいかなるランクのオーダーと、ランクオーダー情報の使用をも網羅するものであり、この実施例に従った手法にて脳現象の評価のための１または複数の診断用インデックスを発生させるために使用される１または複数のポイントを引き出す。ステップ１１０６において、基準オート／クロスパワースペクトル、バイスペクトル、及び高オーダースペクトルアレイが選別される。対応する依存（depend ent）アレイは基準（reference）アレイの選別されたセクエンスに従って再オーダーされる。基準アレイとは、その値が同数の変数を有し、基準アレイと同一サイズである１群の対応するアレイのための主要選別キー（primary sort key）として使用されるアレイのことである。例えば、もしこの基準アレイが４つの要素を有し、選別処理以前にインデックス１、２、３、４が与えられ、先別処理後のインデックスの新オーダーは２、１、４、３であるとすると、同一サイズのいかなる他のアレイをも再オーダーするために同一の再アレンジを使用することが可能である（この場合には、第２要素を最初に置き、最初の要素を２番目に置く、等）。このように、依存アレイを再アレンジするには基準アレイの選別処理が使用可能である。本好適実施例においては、この基準アレイはオートバイスペクトル密度であり、依存アレイはオートバイコヒーレンスと平方根処理された平均リアルトリプルプロダクトである。オートバイスペクトル密度は基準アレイとして選択された。なぜなら、それはランダムフェーズキャンセル処理後の各周波数ペアでの残余パワー（residual power）に関する情報を提供するからである。このように、オートバイスペクトル密度アレイの選別処理は、それらのアレイ自体の選別処理の場合より、オートバイスペクトルとリアルトリプルプロダクト値を選択するさらに安定的な手段を提供する。他の要求を満たすためには異なるアレイの選択が可能である。実施例によっては、対象であるオート／クロスパワースペクトル、バイスペクトル、及び高オーダースペクトルアレイの合計、平均、及び標準偏差が計算される（これらの記述的統計はランクオーダーに独立（independent）であるあるため、前後の選別は同じ結果を提供するであろう）。これらの変数は診断用インデックスの発生においても使用が可能である。追加的変数は、いかなる２の選別または記述的変数の単純な比またはプロダクトをとることで、選別または非選別のアレイから直接的に得ることができる。例えば、平均に対する標準偏差の比は、変数の係数を提供するであろう。この目的は、選別または非選別のアレイを可能な限り多くの記述体（descriptors）に分割することである。ステップ１１０８において、選別されたオート／クロスパワースペクトル、バイスペクトル、及び高オーダースペクトルアレイは前述したように各々がビンに分割される。各アレイの各ビンのポイントの合計が計算され、一時的変数（temp orary variables）内に保存される。ステップ１１０８において発生される記述的統計変数も、一時的位置に保存可能である。ステップ１１１０において、望む診断用インデックスの臨床的に予め決定された係数アレイは残余メモリ（あるいは保存装置）から回収される。予め決定された係数アレイの各係数はステップ１１０８で発生される一時的変数の１つに対応する。ステップ１１１２において、診断用インデックスは予め決定された係数アレイ内の対応する係数が掛けられた全変数の合計から創出される。前述のように、診断用インデックスの創出に使用される変数は各ビンのポイントの合計でも構わず、各ビンのポイント値から発生されるいかなる記述的統計値（平均、メジアン、標準偏差、最大値、最小値、等）または、選別あるいは非選別アレイから、あるいは選別または非選別アレイのビンからのいかなる所定値であってもよい。ステップ１１１４において、本プログラムはモニターモジュール４０２に戻る。前記の予め決定された臨床係数アレイは、臨床的に実用的な診断効果を達成するための装置の能力に不可欠なものである。これらの臨床基準アレイを発生させるのに採用される処理プロセスを解説する。本システムの全診断形態を提供するために、多数の利用可能な基準アレイを発生させなければならず、ここでは１つに絞って詳細に説明する。他の全基準アレイは同様に発生されるものである。説明の目的で、得られる信号ＦＬとＦＲ（本好適実施例）を使用した麻酔の深さのストレスを伴う刺激コンポーネントに対する反応の計測に必要な係数を発生させる手法を以下において解説する。どの変数を診断用インデックスに採用すべきか決定するため、並びに、それら変数の各々と関連する臨床的係数値を決定するため、未処理データ及び臨床診断が要求される。以下に記述する特定の場合には、麻酔の深さを示すインデックスを得るには、ＥＥＧ信号（末処理データ）と、臨床刺激に対する患者の反応の評価（臨床診断）が収集された。以下の１例では、この評価は患者の動脈血圧の変化に基づいている。他方の場合には、この評価は患者がモータ対応反応（motor- reflective response）を有しているかどうかの外科医の判断である。データが取得されれば、多様なスペクトルは計算され、これらのスペクトルから変数は計算されるであろう。統計的レグレッションモデル（regression model）においてこれらの変数のいかなる特定のサブセットでも組み合わせることで、特定の診断用インデックスが決定可能である。実際の臨床的診断を予想するようにこの特定の診断を最良化する臨床的係数は、このレグレッション処理から計算される。これら変数をマルチサブセットの変数に組み合せ、これらサブセットの各々に対して統計的レグレッションを実施することで、一連の可能な診断用インデックスが創出され、各インデックスの予想能力が決定されるであろう。これら診断用インデックスの各々の予想診断を実際の臨床的診断と比較することで、最も正確に実際の結果を予想する診断用インデックスを導く変数のサブセットが測定されるであろう。２つの別々の研究において、ＥＥＧポテンシャルは任意的な手術を施されている患者のグループから連続的に記録された。記録期間は投与開始約５分前に開始され、手術の終了まで継続した。得られた信号ＦＬ、ＦＲ、ＰＬ、ＰＲ、ＦＰＬ、及びＦＰＲは前述の手法にて取得された。最初の研究の目的は、オートバイスペクトル変数が切開時の麻酔の深さに関する情報を提供するかどうかを測定するためのものであった。４０名の成人の患者が対象となった。チオペンタール（５．０ｍｇ／ｋｇ以下）で麻酔し、サクシニルコリンを投与した後、挿管治療（intubation）が施された。ランダムに指定した患者に対して、１００％の酸素中にイソフルラン０．７５ＭＡＣ（Mean Alveo lar Concentration）、１．００ＭＡＣ、あるいは１．２５ＭＡＣを投与した。エンドタイダル濃度（end-tidal agent concentration）がモニターされ、安定状態期間に達した後、皮膚切開に反応する意識的な動作が評価された。各患者は、切開に対する患者の反応に基づいて、「動作者」あるいは「非動作者」として分類された。第２の研究の目的は、オートバイスペクトル変数が、サフェンタニールあるいはアルフェンタニールの投与中に喉頭検査（laryngoscopy）に対する血液力学的反応（hemodynamic res@ponses）の予想に関する情報を提供するかどうかを測定することであった。４０名の患者が研究対象となった。患者は前もって経口ジアゼパム（０．０５−０．１５ｍｇ／ｋｇ）が投与され、酸素中にてチオペンタール（４．０−６．０ｍｇ／ｋｇ）と６０％の亜酸化窒素が投与され、その後、ベクロニウム（vecuronium）（０．１ｍｇ／ｋｇ）が投与された。各患者はランダムに選択されて、以下の５種の養生（regimens）のうちの１種を受けた。それらは、生理食塩水、アルフェンタニール１５ｍｃｇ／ｋｇ若しくは３０ｍｃｇ／ｋｇ、サフェンタニール０．５ｍｃｇ／ｋｇ若しくは１．５ｍｃｇ／ｋｇであった。喉頭検査が、薬剤投与後の３分間に実施された。上腕血圧がカフ装置を使用して１分毎に測定された。挿管治療に対して２０％以上の平均動脈圧の変化を示した患者は「反応者」と分類され、挿管治療でそのような変化を示さなかった患者は「非反応者」と分類された。各患者に対して、刺激に先立つ２分間を利用して、得られた信号ＦＬとＦＲのためにオートバイスペクトル密度、オートバイコヒーレンス、及びオート平方根処理された平均リアルトリプルプロダクトアレイが発生された。バイスペクトルアレイが計算された周波数帯は０．２５Ｈｚから３０Ｈｚであった。各バイスペクトルアレイは３６００データポイントを含んでいた。得られたオートバイスペクトル密度、バイコヒーレンス、及びオート平方根処理平均リアルトリプルプロダクトアレイは選別基準アレイとしてオートバイスペクトル密度アレイを使用して選別された。この選別処理は前述のアルゴリズムを使用して行われた。１１の変数が以下のように選別されたアレイの各々から創出された。変数１＝選別されたアレイの最大１５ポイントの合計変数２＝選別されたアレイの１６から３０番目にランクされたポイントの合計変数３＝選別されたアレイの３１から５０番目にランクされたポイントの合計変数４＝選別されたアレイの５１から１００番目にランクされたポイントの合計変数５＝選別されたアレイの１０１から１５０番目にランクされたポイントの合計変数６＝選別されたアレイの１５１から３００番目にランクされたポイントの合計変数７＝選別されたアレイの３０１から５００番目にランクされたポイントの合計変数８＝選別されたアレイの５０１から９００番目にランクされたポイントの合計変数９＝選別されたアレイの９０１から１５００番目にランクされたポイントの合計変数１０＝選別されたアレイの１５０１から２４００番目にランクされたポイントの合計変数１１＝選別されたアレイの２４０１から３６００番目にランクされたポイントの合計各アレイの１１の変数の値が計算された。その結果、信号あたり各患者に対して３３の一時的変数が存在した。その後に８０名の患者は２群に分類された。最初のグループには切開で動作した最初の研究からの全患者と、挿管治療で２０％以上の血圧変化を示した第２の研究の全患者が含まれた。第２のグループには切開で動作がなかった最初の研究からの全患者と、挿管治療で２０％以下の血圧変化を示した第２の研究の全患者が含まれた。最も効果的な診断用インデックスを提供する係数のセットを創出するために、判別的分析（discriminant analysis）が行われた。係数のセット（C0，C1,..., C33）に対する診断用インデックス（Ｉ(C0,C1,...,C33)）は以下のように求められる。Ｉ（C0,C1,...,C33）＝C0＋（ＢＩＳA C1＋...＋ＢＩＳK C11）＋（ＢＩＣA C12＋...＋ＢＩＣK C22）＋（ＰＳA C23＋...＋ＰSK C33）式中、ＢＩＳAからＢＩＳKはバイスペクトルアレイからの１１の選別された一時的変数であり、ＢＩＣAからＢＩＣKはバイコヒーレンスアレイからの変数であり、ＰＳAからＰＳKは選別された平方根処理平均リアルトリプルプロダクトアレイからの変数である。前記の一時的変数の値の場合、各患者の反応者／非反応者分類後、この判別的分析は、関数Ｉによって最良の反応者と非反応者の分類を提供する係数のセットを創出する。判別的分析アルゴリズムは一般的に入手可能であり、この場合、使用されるものはＩＭＳＬ（テキサス州ヒューストン）から入手できる統計ライブラリからのものである。以下に１７０名の患者のデータベースを使用して発生された係数のサンプルリストを掲載する。得られた信号ＦＬ、ＦＲ用Ｃ0 −４．２８Ｃ1 −０．６５Ｃ2 ＋０．５７Ｃ3 ＋１．２１Ｃ4 −１．２３Ｃ5 ＋２．６３Ｃ6 −３．３４Ｃ7 ＋２．１１Ｃ8 ＋２．７４Ｃ9 −３．０８Ｃ10 ０．０Ｃ11 −０．６６Ｃ12 ＋０．０４Ｃ13 −１．８６Ｃ14 ＋０．５０Ｃ15 ＋０．１４Ｃ16 −０．３０Ｃ17 ＋０．１５Ｃ18 −０．０８Ｃ19 −０．１１Ｃ20 ＋０．０５Ｃ21 ＋０．０５Ｃ22 −０．０２Ｃ23 ＋０．６７Ｃ24 −１．０２Ｃ25 ０．０Ｃ26 −０．１９Ｃ27 −１．２７Ｃ28 ＋１．２０Ｃ29 ＋１．２５Ｃ30 −２．１５Ｃ31 −２．４３Ｃ32 ＋３．１６Ｃ33 ＋０．６４前述の２つの研究に対して、診断用インデックスが各患者の刺激に対する反応予想に使用された。以下は達成された結果の要約である。感度；切開時の動作予想＝９６％特異性；切開時の非動作予想＝６３％全体的精度；切開時の動作／非動作予想＝８３％感度；挿管治療時の＞２０％ＢＰ変化予想＝１００％特異性；挿管治療時の＜２０％ＢＰ変化予想＝５０％全体的精度；挿管時のＢＰ変化予想＝８５％前記の例は回顧的（retrospective）手法にての診断的適用のための係数セット取得の１手法を示す。診断用インデックスを使用して、研究対象の臨床患者の分類に他にもいくつかの手法が使用可能である。いくらかの手法は直線的レグレッション（linear regression）、段階直線的レグレッション（stepwise linear regression）、論理的レグレッション（logistic regression）、及び段階論理的レグレッションを含むものである。もちろん、係数を回顧的に計算するのにどの手法を使用しようとも、最終的なインデックスの実効性は患者に適用する以前に予想試験において確認されなければならない。前述の分析的手法は、脳の虚血、脳の低酸素状態、覚醒／睡眠、中毒の程度、誘起ポテンシャル反応の変化、及びノーマルあるいはアブノーマルな認識プロセス用の基準データベースを発生させるのに使用され、アルツハイマー病とＨＩＶ関連痴呆症の患者の特定をも含んでいるが、これらに限定されない。麻酔の深度や適正度の定量化に加え、本発明のシステムと方法は、バイスペクトル及び高オーダースペクトル手法によって定量化されたＥＥＧの非直線的周波数構造を変更する無数の脳現象の評価にも使用が可能である。このような脳現象は、脳の虚血、脳の低酸素状態、覚醒／睡眠の程度、脳の中毒程度、誘起ポテンシャル反応の変化、及びアルツハイマー病あるいはＨＩＶ関連痴呆症のような神経症によって引き起こされるノーマルあるいはアブノーマルな認識プロセスが含まれるが、これらに限定されない。前述のように、診断目的でＥＥＧ信号にパワースペクトルとバイスペクトル分析技術が適用されてきたが、高オーダースペクトル手法は未活用であった。さらに、パワースペクトル、バイスペクトル、高オーダースペクトル技術は前述の選別手法に関して使用されたことが皆無であった。特に、本発明のシステム及び方法は、多様なオート／クロスパワースペクトル、バイスペクトル、及び高オーダースペクトルアレイを選別し、選別されたアレイをビンに分割し、各ビンの変数を合計し、変数を計算し、または、選別、非選別アレイから、あるいは選別、非選別アレイ内のビンから得られた統計値として変数を計算し、あるいは、変数を計算するために、選別、非選別アレイから、または選別、非選別アレイ内のビンから所定の値を選択する。計算された変数は臨床的に得られた係数を掛けられ、合計されて診断用インデックスが発生される。使用可能な異なるアレイとは、オート／クロスパワースペクトル、オート／クロスバイスペクトル密度、オート／クロスバイコヒーレンス、オート／クロスバイフェーズ、オート／クロス平均リアルトリプルプロダクト、オート／クロスＫ番オーダースペクトル密度、オート／クロスＫ番オーダーコヒーレンス、オート／クロスフェーズ、及びオート／クロスリアルプロダクトである。前述の発明はいくつかの好適実施例を基にして解説されているが、当業者にはそれらの多様な変更及び改良は可能であろう。しかしながら、そのような変更及び改良は全て本請求の範囲に属するものでる。

───────────────────────────────────────────────────── フロントページの続き (72)発明者シーグルジェフリーシー. アメリカ合衆国マサチューセッツ州 01721 アシュランドトレイルサイドウエー 316番地 (72)発明者スミスチャールズピー. アメリカ合衆国マサチューセッツ州 01701 フラミンガムセカンドストリート 96Ｂ

Claims

【特許請求の範囲】１．バイオポテンシャル現象の存在／不存在を定量化するための診断用インデックスを発生させる方法であって、生体から、バイオポテンシャル現象を表す電気信号を取得するステップと、該取得された電気信号からスペクトル値を発生させるステップと、該スペクトル値を、少なくとも１の所定のビンの範囲のスペクトル値に選別するステップと、該少なくとも１のビンの各々に存在するスペクトル値を表す少なくとも１の変数を選択するステップと、該選択された少なくとも１の変数に所定の係数を掛けてビンプロダクトを取得するステップと、該ビンプロダクトを合計し、前記現象の存在／不存在の程度を表す診断用インデックスを取得するステップと、を含んでいることを特徴とする方法。２．前記スペクトル値はパワースペクトル値であることを特徴とする請求項１記載の診断用インデックス発生方法。３．前記スペクトル値はバイペクトル値であることを特徴とする請求項１記載の診断用インデックス発生方法。４．前記スペクトル値はｋ番オーダーペクトル値（ｋは２より大）であることを特徴とする請求項１記載の診断用インデックス発生方法。５．前記少なくとも１の変数は前記ビンのスペクトル値の平均値であることを特徴とする請求項１記載の診断用インデックス発生方法。６．前記少なくとも１の変数は前記ビンのスペクトル値のメジアン値であることを特徴とする請求項１記載の診断用インデックス発生方法。７．前記少なくとも１の変数は前記ビンのスペクトル値の標準偏差値であることを特徴とする請求項１記載の診断用インデックス発生方法。８．前記少なくとも１の変数は前記ビンのスペクトル値の最大値であることを特徴とする請求項１記載の診断用インデックス発生方法。９．前記少なくとも１の変数は前記ビンのスペクトル値の最小値であることを特徴とする請求項１記載の診断用インデックス発生方法。１０．前記少なくとも１の変数は前記ビンから予め選択されたポジション値であることを特徴とする請求項１記載の診断用インデックス発生方法。１１．前記少なくとも１の変数は特定ランクオーダー変数であることを特徴とする請求項１記載の診断用インデックス発生方法。１２．バイオポテンシャル現象の存在／不存在を定量化するための診断用インデックスを発生させるシステムであって、生体から、バイオポテンシャル現象を表す電気信号を取得する手段と、該取得された電気信号からスペクトル値を発生させる手段と、該スペクトル値を、少なくとも１の所定のビンの範囲のスペクトル値に選別する手段と、該少なくとも１のビンの各々に存在するスペクトル値を表す少なくとも１の変数を選択する手段と、該選択された少なくとも１の変数に所定の係数を掛けてビンプロダクトを取得する手段と、該ビンプロダクトを合計し、前記現象の存在／不存在の程度を表す診断用インデックスを取得する手段と、を含んでいることを特徴とするシステム。１３．前記スペクトル値はパワースペクトル値であることを特徴とする請求項１２記載の診断用インデックス発生システム。１４．前記スペクトル値はバイペクトル値であることを特徴とする請求項１２記載の診断用インデックス発生システム。１５．前記スペクトル値はｋ番オーダーペクトル値（ｋは２より大）であることを特徴とする請求項１２記載の診断用インデックス発生システム。１６．前記少なくとも１の変数は前記ビンのスペクトル値の平均値であることを特徴とする請求項１２記載の診断用インデックス発生システム。１７．前記少なくとも１の変数は前記ビンのスペクトル値のメジアン値であることを特徴とする請求項１２記載の診断用インデックス発生システム。１８．前記少なくとも１の変数は前記ビンのスペクトル値の標準偏差値であることを特徴とする請求項１２記載の診断用インデックス発生システム。１９．前記少なくとも１の変数は前記ビンのスペクトル値の最大値であることを特徴とする請求項１２記載の診断用インデックス発生システム。２０．前記少なくとも１の変数は前記ビンのスペクトル値の最小値であることを特徴とする請求項１２記載の診断用インデックス発生システム。２１．前記少なくとも１の変数は前記ビンから予め選択されたポジション値であることを特徴とする請求項１２記載の診断用インデックス発生システム。２２．前記少なくとも１の変数は特定ランクオーダー変数であることを特徴とする請求項１２記載の診断用インデックス発生システム。