JPS63153045A - システム活動の変化検出方法および装置 - Google Patents

システム活動の変化検出方法および装置

Info

Publication number
JPS63153045A
JPS63153045A JP62281950A JP28195087A JPS63153045A JP S63153045 A JPS63153045 A JP S63153045A JP 62281950 A JP62281950 A JP 62281950A JP 28195087 A JP28195087 A JP 28195087A JP S63153045 A JPS63153045 A JP S63153045A
Authority
JP
Japan
Prior art keywords
digitized
register
column
sample
signal
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.)
Pending
Application number
JP62281950A
Other languages
English (en)
Inventor
ダニエル イー・コーヘン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
C N S Inc
Original Assignee
C N S Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by C N S Inc filed Critical C N S Inc
Publication of JPS63153045A publication Critical patent/JPS63153045A/ja
Pending legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/369Electroencephalography [EEG]
    • A61B5/377Electroencephalography [EEG] using evoked responses

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 (産業上の利用分野) 本発明は、与えられた刺激に応じて生体システム内にて
起る活動変化の決定、またはこれに関連して企てられる
課題に関するもので、特に、脳に与えられた刺激に応答
する電気的な脳波信号波形にて表示される脳活動の変化
を検出する方法およびその装置に関するものである。
(従来の技術) 脳波(記録)検査法では、脳で発生する微小の電気信号
がモニタされ、解析され、かつ、しばしば記録される。
このような信号の解釈は、神経学的研究および神経(疾
患)についての臨床診断の基礎となっている。
脳波計により、被検者の頭皮表面における電位が測定さ
れるが、この場合、電極が頭皮表面に一箇所以上接着さ
れる。この接着は、“10/20システム”と呼ばれる
もので、脳波検査国際連合(Internationa
l Federation ofElcctrocnc
cpharography )によって採用された標準
位置において行なわれる。
典型的には、診断のために用いられる場合、このように
配置接着された各電極は、20個にもなるときがあり、
各電極は脳波装置に接続されて、電位が測定指示される
。これ等の電位は、典型的には1〜100μVの範囲で
あり、自発性であるが、しばしば脳波検査装置によって
制御される成る種の脳刺激の発生、例えば、被検者の眼
によって知覚されるべき遷移性光パターンの発生と関連
して測定される。
これ等、脳波(E E G)信号、即ち測定された電位
は、脳を初めとする生体システムにおける活動に応じて
異なる周波数コンテント(成分)を有している。この周
波数コンテントは、つぎのような4つの基本的な周波数
帯、即ち(1)0−4Hzの“デルタ(δ)”帯域、(
2)4−8Hzの“シータ(θ)”帯域、(3)8−1
3Hzの“アルファ(α)“帯域および(4)13Hz
以上の“ベータ(β)”帯域に分類される。
特定期間中の脳波信号から得られるのが望ましい、代表
的な種類の情報は、同期間中での特定信号に含まれる主
要(優勢)な周波数であるが、これを決定するのには、
かなりのトレーニングを要し、かつ、神経学者の熟達度
に大きく依存する。
その理由は、脳波信号には、通常多くの周波数成分が含
まれるからである。
この解析は、このような脳波信号において得られるデー
タのパラメータおよび特性を得るための、信号処理装置
を使用することによって、一層便利になされ得るととも
に、改筈も行なわれる。
例えば、1つ以上の脳波信号を、適正にプログラムされ
たコンピュータに1共給すれば、このような信号(1個
または複数個)に含まれる周波数スベクトルの解析が行
なわれ得る。
以上のような脳波測定装置においては、もちろんアナロ
グ信号である脳波信号について、選定された時間間隔に
わたり、振11に関する標本化(サンプリング)が行な
われ、得られた各標本、は、ディジタル値に変換されて
、少なくとも一時的にコンピュータに記憶される。
ディジタル化された連続標本は、時間的に、それ等が元
の信号から標本化された順序に連続的に、時間ドメイン
から周波数ドメインへ、成る迅速フーリエ変換(F F
 T’)アルゴリズムによって、転換される。
この転換の結果、測定された信号標本中に、周波数コン
テントを示す周波数スペクトルが表示される。このよう
なスペクトルは、周波数を軸として表す場合、信号内に
含まれる周波数成分の振幅をもつグラフとして表示され
得る。
FFTアルゴリズムを用い得る、このようなディジタル
化標本用として、不連続フーリエ変換が定義されるが、
その理由は、上述の(脳波測定)装置の場合、必要な演
算量を低減することによって、対応する周波数スペクト
ルが、比較的迅速に得られるからである。
周波数スペクトルを得るためにこれ等の標本が集められ
、普通の諸フーリエ法が用いられることもできるであろ
うが、この場合は、装置が複雑となり、かつ所要時間が
長くなる。それにもかかわらず、後者の装置には、信号
が測定されて標本化されるための時間間隔が、結果に影
響しないという利点がある。
しかしながら、周波数ドメインへの転換をスピード化す
るのに、前者の装置を用いる場合、データを得なければ
ならない最低時間に対する制限が導入される。その理由
は、その間隔の長さによって、上記の諸フーリエ法の使
用の結果もたらされる周波数スペクトルにおける最低周
波数の周期が決定されるからである。
脳波信号には、神経学者にとって大変興味のある非常に
低い周波数が含まれているので、データを得るための間
隔は、このような周波数が得られるためには、十分に長
時間でなければならない。
データを得るために、より短い時間間隔を用いた場合、
スペクトルに含まれ得る最低周波数は、より大きい周波
数値になり、したがって関心の持たれる情報が失われる
ことになるであろう。
例えば、1秒の時間間隔ならば、約IHzのような低い
周波数でも提示され得るが、20ミリ秒のデータ収集で
は、約50Hzの最低周波数が提示されることになる。
刺激に応じた生体システムにおける活動変化は、1秒よ
りかなり短い持続時間で起こるが、しかし、この活動変
化を表示する信号内の周波数コンテントには、IHzの
範囲内に関心の周波数か含まれることになるので、上述
の周波数ドメインの表示が重要な問題となる。
かくして、装置としては、刺激後から数分の1秒と云う
合理的時間内に発生するシステム活動の変化を示すもの
が望ましいが、この場合、重要な点としては、活動変化
が起こるのに必要とされる持続時間より長い周期の周波
数成分を合する、これ等変化に関する情報を表示する信
号内に含まれるような変化である。
(発明の概要) 本発明の目的は、自発性であれ、刺激に応じたものであ
れ、システムにおける活動を表示する信号の標本を取り
出す手段、およびこれ等の標本を受け取り、かつ各標本
とその付近にある標本との間の相対的なマグニチュード
(大きさの)関係を、システム活動信号の変化の発生を
表示するための基礎として、捕えるための信号処理f9
段とを提供することである。
データ取得期間の連続区分部(フラクション部)にわた
って起こる、これ等変化の数は、データ取得間隔にわた
る各時点で起こる変化量の指示を与える。もし、同様な
事態に対して有用である、繰り返されるシステム信号が
存在するならば、各時点におけるこれ等の活動変化は、
平均化され、各時点における活動の一層信頼されるべき
指示として利用し得る。
かくして得られる毬々の結果は、上記目的に便利である
ことが認められているいかなるディスプレイ装置におい
ても、ユーザにとって役立ち得るものである。
(発明の実施例) 第1図は、被検者の頭10を上方から見た図で、頭皮表
面に配置する、脳波検査のための各電極の標準配置を示
すものである。各電極位置は、普通に用いられている符
号、即ちFpl、Fp2゜FQ、F3.F4.F7.F
B、、T3.T4゜T5.T6.CO,C3,C4,P
O,P3゜P4.01および02によって区別表示され
ている。両参照電極を取り付けるための位置A1および
A2も示されているが、これ等は普通、被検者の耳の片
方または両方に取り付けられる。
第1図において、頭10の右側に、脳波信号解析システ
ム11が配置されている。解析システム11は脳波計電
極アレイモジュール12を有し、同モジュールからは接
続ケーブル群13が延びているが、これは適当に短く簡
略化して図示しである。
典型的には、16個の信号導入用電極が、それぞれの接
続ケーブル13の遠い側の端部に位置している。さらに
1個の参照電極がケーブル13の1つの端部にあり、通
常は耳に接着されるが、他の部分に接続される可能性も
あり、しばしば用いられる。
これ等の電極は、脳波検査には通常用いられる市販の標
準仕様のものであるので、図示することを略した。図示
されない各電極が、それぞれ頭10に図示された位置の
1つに接着されるべきである。検査の内容によっては、
その検査のために収集されるデータの必要上から、電極
の数は少ないことも、多いこともある。
電極アレイ12によって得られる信号は、増幅システム
14に伝送されるが、これには各ケーブル13のそれぞ
れについて1個の増幅器が備えられる。各増幅器は、典
型的には差動増幅器であり、対応する接続ケーブル13
を介して伝送される信号が、頭10の位置A1およびA
2の片方または両方に接着された電極を参照レベルとし
て測定される。
これ等の増幅器によって、70000代の利得が与えら
れ、数十Hz以下の周波数を含む信号が増幅される。こ
の場合、増幅器の何等かの応答限界に起因する信号の劣
化は生じない。これ等増幅器は、脳波検査に使用される
周知のものであるので、その説明は省略するこきにする
脳波の増幅されたアナログ信号は、増幅モジュール14
からアナログ多重化装置(マルチプレクサ)へ、次いで
、変換モジュール15内に含まれるアナログ・ディジタ
ル変換器へ送られる。ここでは、各電極によって捕捉さ
れた信号の振幅についての、選定された時間間隔にわた
っての連続した標本が得られ、それらに対応するディジ
タル値が、周知の方法で、変換モジュール15において
得られる。
もしも、アナログ標本が、14個の絶対値ビットと1個
の符号ビットからなるパターンのディジタル表示に変換
される場合には、変換モジュール15は、現在の技術水
準から見て妥当な分解能を与えることが認められている
周知のように、標本の採取は一定の時間間隔すなわち周
波数で繰り返し行なわれるが、その率、即ち、標本化率
(周波数)は、これ等標本によって表示されるべきであ
る脳波信号における最高周波数の2倍を越えなければな
らない。
それ故、上方周波数コンテントが不明確である場合、標
本化率は、信号について最高率の2倍を越えて何等の情
報も無い点にまで増大されるべきである。この観点から
すると、モジュール15についての典型的標本化率は2
56Hz/秒であって、これは現在の技術水準から見て
妥当である。
ここで述べた性能を有する変換器としては、周知の普通
に市販されているもので十分であるから、これ以上の詳
細な説明は、ここでは省略する。
変換モジュール15において1すられるディジタル化標
本は、信号処理手段16へ送られる。頭皮10の各位置
から得られる信号のそれぞれをディジタル化した標本は
、そこで解析され、この信号処理手段16の制御下に、
刺激源17から頭10に加えられた刺激に応じてそこに
発生する脳活動の変化が決定される。
ケーブル13の内のデータ収集ケーブルを通って伝送さ
れた代表的な脳波波形の一部を第2図に示した。この図
において、時間軸に沿った原点は、刺激の印加時点を表
示する。信号についての測定電位が、縦軸に電圧“V“
としてプロットされている。波形に交わる、細い垂線を
時間軸に下し、その延長上にその波形位置に対応する標
本番号を記した。
時間軸および垂直軸は、それぞれの原点近くで中断され
ているが、これは、図解のために選んだ波形例の特別な
一部分のみを示したことを意味するものである。すなわ
ち、選んだ標本No、105〜121は典型的例として
選んだだけで、それ以上の意味は無い。
全波形は、普通、10分の数秒から2秒間にわたるもの
である。標本No、105〜121に対する実測ディジ
タル値は、説明の目的には不必要なことから、第2図に
は記載していない。
脳活動の変化は、脳波信号波形によって表示されるが、
この波形は、これに沿って発生する多くの、より高い周
波数コンテント重複波と共に、低周波コンテントかつ広
帯域波の特性をもつ傾向があり、かくして脳活動の変化
は、基本的には、波形間隔にわたっての異なる時間セグ
メント毎における重複波ピーク数の増減によって表示さ
れる。
すなわち、時間軸に沿った短い時間ウィンドウにおける
局部的な極小および極大の数の増減によって、問題の活
動変化、すなわち、自発的な、或いは刺激を与えること
によって発生する脳の生体システムにおける活動変化が
表示される。このような活動変化は、情報についての(
大脳)皮質、の働き(cortical proces
sing )に関係すると考えられる。
それ故、時間軸に沿った各時点に関する短時間セグメン
トにおいて発生する、極大および極小の数を測定するこ
とは非常に重要なことである。
局部的な極大の数および極小の数の変化は、重複波ピー
クそれ等自体の周波数コンテントより有意に低い周波数
にて起る。しかし、先にも述べたように、軸に沿った類
ウィンドウ内の信号において発生した変化数の指示とし
て、非常に短い期間に対する周波数ドメイン表示を用い
ることは不可能である。その理由は、FFTアルゴリズ
ムの使用によって表示されるべき周波数の低限界が、重
複波形ピークの数の変化率の周波数コンテントを上回る
ことになるからである。
かくして、例えば、時間軸に沿った20ミリ秒ウィンド
ウにおける活動コンテントのチェックを行っても、この
ウィンドウにおいて測定されるものが何であれ、FFT
アルゴリズム処理されて、その結果が表示される場合に
は、意味のある情報は何ら得られないことになる。
第2図はそれに代る非常に秀れた方法を図解したもので
、これは、各標本点についての波形成分の傾斜特性を精
密に見出すと共に、さらにデータ採取間隔の間に得られ
る標本のいずれかの側において傾斜を異にする変曲点を
計数することに基づくものである。
このことは、信号処理モジュール16でのディジタル化
標本を基礎にして、変換モジュール15から得られた連
続ディジタル化振幅標本列において、各ディジタル化標
本を、そのいずれかの側において直接隣接して位置する
ディジタル化標本に関して考慮することによって遂行さ
れ得る。
各標本は、できれば上記標本列中の最初のものと最後の
ものを除くか、或は、その代りに、それに対する任意の
結果を代用するかして、そのいずれかの側、すなわちそ
の前または後において発生するディジタル化標本とその
振幅値を比較されることになる。このようなディジタル
化された各標本は、上記の前後に隣接して位置する2つ
のディジタル化標本と相対的な大小関係、即ち、隣接す
るディジタル化標本の値より大きいか、小さいか、或い
は等しいかと云う関係を有することになる。
この三つのディジタル化標本の内の中央の標本の大きさ
が前位置の標本よりも大きければ、それ等の間の波形は
、正の傾斜をもつと解されるので、第2図では、標本番
号列の下側に傾斜の指示として“十“符号を記載した。
また、中央ディジタル化標本が前位の標本よりも小さい
値をもつ場合は、その傾斜は負であり、同じ値であれば
、傾斜は零である。
同様にして、中央のディジタル化標本の大きさが後位の
隣接ディジタル化標本よりも大きければ、それ等の間に
ある波形は負の傾斜をもつとされ、小さければその傾斜
は正とされる。もちろん、それらの大きさが同じであれ
ば、その波形は傾斜が零と云うことになる。
正の傾斜は、“十”符号で、負の傾斜は“−゛符号で、
また傾斜していない場合は“O″で表示することにより
、脳波信号が測定された採取間隔にわたって得られたデ
ィジタル化標本列におけるディジタル化標本の各連続ペ
アに対する結果が確認され得る。この符号列は、波形例
を示した第2図の“傾斜指示”行に示されている。
局部的な極小または極大、即ち、屈曲点は、第2図にお
いて、傾斜指示行のどこであろうと、その行に沿って進
みながら、傾斜符号の変化するところで生じたと考えら
れる。すなわち、中央のディジタル化標本とその直ぐ前
後の両標本との間の相対的な大小関係において、このよ
うな変化を生じたところがそうであって、変曲点である
ことの指示である。
さらに、判定数字として1、この傾斜指示行に沿って生
ずる後位符号の各変化に対しては数字“1“が付与され
、一方、この行の符号列において変化が生じない時は“
θ″が付与される。かくして得られる相対的な大きさく
大小)判定数字からなる数列が、第2図において、判定
数字列に示されている。
この判定数字列の作成によって、局部的な極小および極
大の変化回数の計数(measure)が、第2図にお
ける時間軸に沿った各点について行われ得る。この計数
は、その点に関する時間ウィンドウを定義すると共に、
そのウィンドウ内で起る極小および極大の数を決定する
ことに基づいている。
次いで、このウィンドウは次の標本点に関して同じ関係
で移され、そのウィンドウにおいて、それに続く標本点
において起る活動の指示として、極小および極大が計数
される。
これは、活動指示が与えられるべきであるデータ点にお
ける、判定数字をその中に含む判定数字列から副列(s
ubscqucncc )を選定することにより、判定
数字列に基づいてもなし得る。この副列は、しばしば、
活動指示かすえられるべきであるデータ点における関連
判定数字の近くに集中されるよう選ばれるであろうが、
それは、必ずしもそうである必要はない。
第2図において、第1のウィンドウ副列は、活動変化の
指示が与えられるべきディジタル化標本に対応する判定
数字の左側には副列エントリが3個、そして右側に4個
が在るように選ばれている。その理由は、8個の判定数
字からなるウィンドウが、活動度化の指示がなされるべ
きウィンドウ・サイズとして選ばれたからである。
選ばれた時間ウィンドウのスパンは、 I)過度に大きく、従って、時間軸に沿った各点におけ
る活動の変化、差を平均化するか、或いは実際上、十分
な分解能を与えないこと、11)J度に小さいために、
このシステムにおいて発生する他の制御不可能な事象に
起因して、結果において過度に多くの不定な変化がある
こと、との間の妥協である。脳波記録法における典型的
ウィンドウ・サイズは、20〜50ミリ秒となるが、こ
れは、概略、第2図に示すものである。
なお、実際値としては、256Hz/秒の標本化率の場
合に31ミリ秒であった。
第1ウインドウ副列は、第2図において、判定数字列か
ら抽出されて、別の行として、くり返し記載されている
。この第1ウインドウ副列は、標本点109に関して提
示されるべき活動尺度(activity measu
re)を得るためのものである。
このウィンドウ副列は、それ等の対応する判定数字列部
分との関係を示すために、それ等の間を垂直線で結んで
ある。
標本点110に対する活動尺度を与えるための第2ウイ
ンドウ副列は、第2図において第2ウインドウ副列行と
して示しである。そして、この第2ウインドウ副列の各
構成数字と、それ等を表示する上記判定数値列中の対応
する判定数字とを関係づけるため、細い角曲げ線で結ん
である。
この第2ウインドウ副列は、判定数字列において、第1
ウインドウ副列と較べて、1つ遅れた判定数字から始っ
て、1つ遅れた番号の数字で終っている。
同様にして、標本列における各標本点に対するそれぞれ
のウィンドウ列が、順次に、対応する判定数字列から形
成されるが、第2図では、第1および第2のウィンドウ
の副列のみを例示した。
時間軸に沿って選定された副列としてのウィンドウ内に
おいては、システム活動変化の尺度がそのウィンドウと
関連した標本点の近傍で起るシステム活動変化を決定す
る上に考慮されるべきであり、このウィンドウは、その
中に含まれる判定数字から形成されるシステム活動変化
の尺度を与える。
この副列は、その中の判定数字を取り出して、活動変化
の尺度を与えるための算術的組合せとして形成されたも
のである。簡単には、これは副列に存在する判定数字の
合計であることができ、これによって、対応する判定数
字および標本番号とに関するスパン内において発生する
局部的極大と極小との計数が、それ等の判定数字に基づ
いて得られる。
この活動変化の尺度を用いると、第1ウインドウ副列か
らは、第2図において最下段に指標数列の第1エントリ
として記載された値“4”が与えられる。この指標数は
、その対応する判定数字および標本番号“109”の真
下に記載されている。
第2ウインドウ副列からは、上述のような尺度を用いる
と、指標数“3゛が得られ、これは第2図の指標数列の
行において、その対応する判定数字および標本番号“1
10“の真下に記載しである。この指標数列の行におい
ては、引続いて多くのエントリが記載・されているが、
これ等は、第1および第2の各ウィンドウ副列に続くべ
きウィンドウ副列に対するもので、判定数列の連続する
数値群から同様な計数によって得られたものである。
次いで、この指標数列により、指標数が対応する標本に
ついてのウィンドウ内で起るシステム活動変化の尺度が
与えられる。このようにして、指標数列/時間のディス
プレイによって、被検者の脳に刺激が与えられた後の、
データ標本が採取された時間中に起ったシステム活動変
化の尺度が与えられる。このディスプレイは、ビデオモ
ニタまたは簡便なレコーダ上に写し出し得るもので、こ
れによって、この解析装置システムの使用者は、生体シ
ステムに印加された刺激に応じたシステム活動変化の明
瞭な尺度(指示)を得ることができるが、この場合、使
用者は、このような情報を得るのに、多大の解釈(1n
terpretat 1on)をなす必要が無い。
この指標数列は、使用者が必要とする場合、別の方法で
も得ることができる。それは、副列における判定数字の
異なる算術的組合せの方が、刺激に応じてのシステム活
動変化を定量するテストの要求に対しては、より一層適
切であると云う判断に基づいている。例えば、判定数字
列の成る数字には、他のものとは異った重み(強調)を
付与するという、重み付は法(veigl+ting 
function)の適用が可能であった。
かくして1、均一なものではなくて、むしろ、その副列
中の若干のものに対しては他のものとは異なる、即ち、
成る2次的ウィンドウ処理法に従がい、それ等の位置に
応じて相異なる重みを与えられたウィンドウが副列ウィ
ンドウ内に形成されることができる。
その典型的なものの1つは、コサインの4乗法則(a 
cosine to the rourth powe
r law)にしたがうブラックマン(Blackωa
n )ウィンドウ関数であろう。この関数は、活動尺度
(IIIIJ定)が発生されつつある標本点に対応する
判定数字に近い、副列中の判定数字には完全重み(fu
ll weight )を付与するが、同副列の両端に
在る判定数字に対しては、比較的僅かの重みしか付与し
ない。
ヒトの脳が複雑なために、刺激に応じた活動変化には多
くの他の同時発生的な寄与原因があり、これ等は、その
刺激と必ずしも関係づけられていない。それ故に、極め
て普通には、被検者についての刺激に対する応答テスト
は何回も、恐らくは25回〜100回も繰返えされるこ
とになる。
このようなテストでは、同じ参照時点で、同一刺激に関
して取られた同一間隔にわたる、同一の標本率での、新
たな指標数値列が毎回発生され得る。その結果として、
各テストの結果における対応する指標数値の各々は、さ
らに他の算術的組合せによって平均化され得る。
これによって、システム活動変化の最終的な(結果とし
ての)尺度(指示)が与えられる。これは平均化過程を
通して相殺された他の要因に起因する大きい変動性を有
するが、この場合、その刺激によって本来引き起された
活動変化も、同じ平均化過程によって増強されている。
この結果は、次いで、先に述べたように、単一のテスト
指標数列のためにディスプレイ表示される。
診療所において、上述のような検査の行われる典型的な
目的は、傷害またはアルツハイマー病のような病気のた
めに起った刺激に対する脳の反応に変化が見られるかど
うかを決定することである。
したがって、刺激としては、脳の二つの部分に影響を与
えることの知られたものが選ばれる。対照群(cont
rol group )のそれぞれに対して行なわれる
測定は、刺激に対しての一方の部分における活動変化と
、他方の部分における活動変化との間の経過時間が一定
であることを示した。他方、脳機能の劣化している疑い
のある被検者についての測定では、同じ刺激によって、
上述の脳の二つの部において起る活動変化の間に、経過
時間について差のあることか認められた。
このように、健康な対照群の場合と異なって、被検者の
脳の上記二つの部における活動変化の間に有意な経過時
間差のあることで、脳の劣化を確定できることになると
考えられる。
信号処理手段(モジュール)16には、研究室で用いら
れている汎用のコンピュータでも良く、或は小規模診断
所における解析装置ユニットに装備されたマイクロプロ
セッサであっても良い。しかし、診療所によっては、上
述してきた諸機能を果すと推A11Jされるディジタル
方式のものが望ましいと思われる。
信号処理手段16の構成、特に、単一信号から得られる
ディジタル化標本を処理するための、特別のシステムの
構成例を第3図に示す。
第3図のディジタルシステムは一モジュール12から複
数の信号が送られてくる場合、各信号源に対して繰り返
され得るか、或は、それ等信号のすべてに対して、多重
化スキーム(scheme)によって処理するように用
いられ得よう。図解を簡明にするために、当業者には自
明のことと思われるタイミングおよび制御回路は省略し
た。
変換モジュール15から、ディジタル化標本か第2レジ
スタ21へ送られ、そこで、各標本は1標本化周期の間
記憶される。次の標本化周期では、先の標本化周期にお
いてレジスタ20に記憶されたディジタル化標本が、別
の記憶(第2)レジスタ21へ送られてそこに記憶され
ると共に、新しいディジタル化標本がレジスタ20に記
憶される。
同様にして、第2レジスタ21に記憶されたディジタル
化標本は、さらに別の記憶(第3)レジスタ22に送ら
れて記憶される。第3レジスタ22の内容は、棄てられ
るか、或いは第3図に示すように、所望ならば、さらに
他のメモリーへ送られる。各標本化周期において、両レ
ジスタ20および21に記憶されたそれぞれのディジタ
ル化標本は、ディジタル(第1)比較器23に送られる
。両レジスタ21および22に記憶されたそれぞれのデ
ィジタル化標本は第2比較器24に送られる。
比較器23.24では、レジスタ21に記憶されていた
ディジタル化標本と、レジスタ20および21に記憶さ
れていたディジタル化標本との間の、以前に説明した相
対的な大小関係が決定される。
これ等比較の結果、即ち、レジスタ21のディジタル化
標本がその一方の側のレジスタのディジタル化標本と比
較して、大きいか、小さいか、或いは等しいかの結果は
、判定論理モジュール25へ送られる。そこで前記判定
論理モジュール25は、上記の大小関係が変化したか、
或いは変化しないかを指示する“1”か、“0“かを決
定し、この結果は、第2図に示される判定数字列の次の
エントリとして出力される。
かくして両比較器23.24は連続した隣接ディジタル
化標本ペアの間に正、負またはゼロの、どの傾斜表示が
なされるべきかを、実際に決定するのに必要な、相対的
大小判定を論理モジュール25にり6える。論理モジュ
ール25は、これ等の相対的大小判定に基づいて動作し
、判定数字列を決定する。
レジスタ25の出力は、実際に時間軸に沿ってウィンド
ウを形成する副列にとって、必要とするだけの多数のシ
フト位置を有するシフトレジスタ26へ送られる。した
がって、第2図について述べた条件の場合、シフトレジ
スタ26には8個のシフト位置が備えられることになる
新しい標本化周期毎に、新たな値が論理モジュール25
から得られ、そして、シフトレジスタ25の左側端へ転
送され、一方、右側端での最終の値はシフトアウトされ
る。この最終の値は、必要が無ければ棄てられるか、或
は第3図に示すように、判定数字列が保留されるべき場
合は、他の適当なメモリへ送られる。
それ故に、シフトレジスタ26は、常にその中に第2図
に示される第1ウインドウ副列のような、1つのウィン
ドウのための副列を有している。次の標本化周期におい
ては、第2ウインドウ副列がシフトレジスタ中に出現す
ることになる。同様にして、さらに後続する標本化周期
においては、次々iこ新たなウィンドウ副列が、シフト
レジスタ26内に形成されることになる。
シフトレジスタ26は、また、マルチプレクサ27への
パラレル出力を備える。マルチプレクサ27は、シフト
レジスタ26からの各記憶部位出力が、次々に継続して
、乗算器28へ送られるように選択する。マルチプレク
サ27は、カウンタおよび論理手段29(これは各標本
化周期の開始時にリセットされる)によって駆動される
乗算器28は、副列中の各判定数字を受取って、それに
、重みメモリ30に格納された、重み値に表示される第
2ウィンドウ重み付番九関数を乗する。
これ等、重み値は、前に述べたようなブラックマン・ウ
ィンドウを与えるべく計算されたものであっても良い。
もちろん、二次ウィンドウが用いられない場合は、重み
メモリ30および乗算器28が省略され得る。
重み付けされた副列の数字は、次いで逐次加算器31へ
送られる。逐次加算器31は副列数字のすべてを受取り
、各標本化周期毎に一回それらを合計して、その標本化
周期に相当する、換言すれば、その標本化周期内に採取
した標本に対応する指標数列を形成する。
実験が繰り返し行なわれる場合には、逐次加算器31に
て発生した指標数列を転送するための、さらに別の装置
部、即ち、加算器32および指標数列記憶メモリ33か
らなる加算/記憶ユニットが装備される。さらに、第3
図において、逐次加算器31の出力から右方へ指向する
矢印によって示唆されるように、どの1つの実験から得
られる指標数列も、別々に記憶され得る。
加算器32は、逐次加算器31からの各指標数を受け取
り、かつメモリ33から、そこに記憶された以前の実験
で求めた対応指標数のすべての合計を呼び出して、それ
等を組み合わせ、その結果をメモリ33に送り返す。カ
ウンタ/論理手段34(これは各標本化周期毎にリセッ
トされる)によって、メモリ33に適正なアドレスが供
給される。
別のカウンタ35は実験回数を数え続け、その計数値は
除算器36へ送られる。除算器36は、一連の実験を実
施するための、刺灘の繰り返し使用に基づいた、実験の
終了時において、メモリ33に保持された各指標数列位
置に対する合計を実験回数で除算する。
次いで、これ等の結果は、モジュール16の出力として
、除算器36から、その右方へ指向する矢印によって示
されるように送り出される。モジュール16からのこの
出力は、ジスプレイ・モジュール18(第1図参照)、
例えばビデオ端子へ伝送される。
同じ目的を達成するために、第3図に示したものの代わ
りに多くの他の装置を用いることができる。また、前述
したように、第3のディジタル・システムによって実施
すべき演算を実施するように、ディジタル・コンピュー
タをプログラムすることができる。このようなコンピュ
ータに、判定数字列、指標数列および指標数列の平均を
発生するのに必要な諸段階を実施させるのに必要なプロ
グラムは、熟達したコンピュータ・プログラマ−によっ
て簡CFに遂行される。
なお、本発明を好ましい実施の態様について説明したけ
れども、当業者によって認識されるであろうように、本
発明の精神および範囲から逸脱しない限り、形状や詳細
について改変をなすことが可能である。
【図面の簡単な説明】
第1図は、電極の典型的配置を示した被検者の頭の上面
図、および本発明による脳波信号解析装置の信号経路を
示すブロック結線図;第2図は脳波信号の典型的波形の
一成分を図解し、その下に標本化および信号処理した結
果を付添した図;そして第3図は第1図のブロック図を
さらに詳細にしたブロック図である。 11・・・脳波(a号システム、12・・・電極アレイ
モジュール、14・・・増幅システム、15・・・変換
モジュール、16・・・信号処理手段、17・・・刺激
源、18・・・ディスプレイモジュール、20・・・第
2レジスタ、21・・・第2レジスタ、22・・・第3
レジスタ、23・・・第1比較器、24・・・第2比較
器、25・・・判定論理モジュール、26・・・シフト
レジスタ、27・・・マルチプレクサ、28・・・乗算
器1.29・・・カウンタ/論理手段、30・・・重み
メモリ、31・・・逐次 加算器、32・・・加算器、
33・・・指標数列記憶メモリ、34・・・カウンタ/
論理手段、35・・・カウンタ、36・・・除算器代理
人弁理士 平木通人 外1名 ■

Claims (20)

    【特許請求の範囲】
  1. (1)システムの活動変化が、このようなシステム活動
    を代表する少なくとも1個の信号によって表示されるよ
    うな、システムにおいて起る活動変化を決定するための
    、システム活動の変化検出方法において、 システム活動信号の中の上記活動変化に関係する部分を
    表示するのに十分な率で標本化された、上記システム活
    動信号の振幅値の第1の連続標本列を採取し、その際、
    上記第1列の各標本が、選定された時点に関して設定さ
    れる選定持続時間にわたって採取されることと、 上記第1列中の第1標本と最終標本とを除いて、上記第
    1列における各標本と、その直ぐ前後のいずれかに隣接
    して位置する各標本との間で、第1、第2および第3の
    相対的大小関係の中のどれが起るかを判定することと、 判定数字からなる第2列を形成し、その際に、これ等判
    定数字の各々は、該第1列の最初と最後の両標本を除く
    、上記第1列の各標本と1対1の対応を有すると共に、
    上記各判定数字は、上記第1列中の上記対応標本が、そ
    の直ぐ前後に位置する標本の各々との間で、同一の相対
    的大小関係を有する場合には、選定された数値組の第1
    の値を有するが、他方、上記第1列中の上記対応標本が
    、その直ぐ前後に位置する標本の各々との間で、異なる
    相対的大小関係を有する場合には、選定された数値組の
    第2の値を有すること、並びに 上記判定数字に基づいて、上記活動変化の指示を発生す
    ることからなることを特徴とするシステム活動の変化検
    出方法。
  2. (2)上記システム活動信号が脳波信号であることを特
    徴とする特許請求の範囲第1項に記載の方法。
  3. (3)第2列の形成に続いて、指標数値からなる第3列
    を形成し、その際、この各指標数値は、上記第2列中の
    前記判定数字の1つに対応すると共に、該指標数値が、
    対応する前記判定数字を含む選定された判定数字の副列
    を構成する判定数字の、選定された第1の算術組合せに
    等しい値を有し、さらに、上記指標数値に基づいて上記
    活動変化の指示を発生することを特徴とする特許請求の
    範囲第1項に記載の方法。
  4. (4)判定数字からなる上記の選定された副列が、上記
    指標数値と対応する上記判定数字の前側と後側において
    、ほぼ等しい数の判定数字を有する連続判定数字群から
    なることを特徴とする特許請求の範囲第3項に記載の方
    法。
  5. (5)上記の選定された副列中のそれら判定数値の内の
    選ばれた複数個が、上記の第2列の形成において確定さ
    れた数値を有し、上記判定数値からなる上記の第1選定
    組合せを形成する前に変化させて順序数(order 
    number)が形成されたことを特徴とする特許請求
    の範囲第3項に記載の方法。
  6. (6)第1標本列を採取する段階、相対的な大小関係を
    決定する段階、第2の列を形成する段階、および第3の
    列を形成する段階は初期段階を構成し、かつ選定された
    時点において上記システムに関して繰返されて第1組の
    繰返し段階を形成し、これに続いて、上記第1組の繰返
    し段階における対応指標数値で、上記初期段階における
    上記の各指標数値の、選定された第2の算術組合せが形
    成され、さらに、 選定された該第2の算術組合せに基づいて上記活動変化
    の指示を発生することを特徴とする特許請求の範囲第3
    項に記載の方法。
  7. (7)上記システム活動信号が脳波信号であることを特
    徴とする特許請求の範囲第3項に記載の方法。
  8. (8)上記の選定された副列中のそれら判定数値の内の
    選ばれた複数個が、上記の第2列の形成において確定さ
    れた数値を有し、上記判定数値からなる上記の第1選定
    組合せを形成する前に減じさせて順序数が形成され、上
    記指標数値に対応する上記判定数値からさらに遠く位置
    する上記判定数値の内の選ばれた複数個が一層減じられ
    たことを特徴とする特許請求の範囲第4項に記載の方法
  9. (9)第1標本列を採取する段階、相対的な大小関係を
    決定する段階、第2の列を形成する段階、および第3の
    列を形成する段階は初期段階を構成し、かつ選定された
    時点において上記システムに関して繰返されて第1組の
    繰返し段階を形成し、これに続いて、上記第1組の繰返
    し段階における対応指標数値で、上記初期段階における
    上記の各指標数値の、選定された第2の算術組合せが形
    成され、さらに、 選定された該第2の算術組合せに基づいて上記活動変化
    の指示を発生することを特徴とする特許請求の範囲第8
    項に記載の方法。
  10. (10)被検者システムの活動変化が、このような被検
    者システムの活動を代表する少なくとも1つの信号によ
    って表示されるような、被検者システムにおいて起る活
    動変化を決定するための検出装置において、 上記システムの活動信号を採取するための信号採取手段
    と、 上記システム活動信号の振幅値の、連続したディジタル
    化標本からなる第1列を与えるためのアナログ−ディジ
    タル変換手段と、 判定数字からなる第2の列を形成することができ、その
    際に、これ等判定数字の各々が、上記第1列中の最初と
    最後の両標本を除く、該列中の上記標本と1対1の対応
    を有し、かつ上記各判定数値は、その上記第1列中の上
    記対応標本が、その直ぐ前後に隣接位置する標本の各々
    と同一の相対的大小関係を有する場合には、選定された
    数値組の第1の値を有するが、他方、上記第1列中の上
    記対応標本がその直ぐ前後に隣接位置する標本の各々と
    異なる相対的大小関係を有する場合には、選定された数
    値組の第2値を有するようにする第2列形成用信号処理
    手段と、 上記判定数字に基づいて上記活動変化の表示を発生する
    ディスプレイ手段とからなることを特徴とする活動変化
    検出装置。
  11. (11)上記システム活動信号が脳波信号であることを
    特徴とする特許請求の範囲第10項に記載の装置。
  12. (12)上記信号処理手段は、さらに、上記第2列中の
    判定数字に対応する各指標数値からなる第3の列を形成
    することができ、前記の各指標数値は、それぞれが対応
    する判定数字を含む、選定された判定数字副列を構成す
    る判定数字の選定された算術組合せに等しい値を有し、 また上記ディスプレイ手段は、上記指標数値に基づいて
    上記活動変化の表示を発生することを特徴とする特許請
    求の範囲第10項に記載の装置。
  13. (13)上記信号処理手段はコンピュータ手段を具備す
    ることを特徴とする特許請求の範囲第10項に記載の装
    置。
  14. (14)上記信号処理手段が、上記アナログ−ディジタ
    ル変換器手段によって与えられる上記ディジタル化標本
    を、少なくとも一時的に記憶することの可能な記憶手段
    と、 該記憶手段に記憶された上記ディジタル化標本の内の選
    定されたものの値を比較し、かつこのように比較された
    選定ディジタル化標本について、上記メモリ手段に記憶
    された上記ディジタル化標本の内の比較の対象となる選
    定された他のものの値と比較して大きいか、小さいか、
    或は等しいかのいずれかの値を有するかの表示を発生す
    ることが可能である比較器手段と、 該比較器手段によって発生される、選定された上記表示
    が、上記比較手段によって与えられる他の選定された上
    記表示と同一であるか、或は相違するかの、いずれかの
    表示を発生するための論理手段と、 該論理手段の選定された上記表示を、少なくとも一時的
    に記憶するための記憶手段とを具備することを特徴とす
    る特許請求の範囲第10項に記載の装置。
  15. (15)上記信号処理手段は、それぞれが上記ディジタ
    ル化標本を記憶することのできる第1、第2および第3
    の各レジスタを備え、 上記第1レジスタは、上記アナログ−ディジタル変換手
    段によって送られる上記各ディジタル化標本を、連続的
    に受取って一時的にそこに記憶した後、現在そこに受け
    取られている各上記ディジタル化標本の直前に位置する
    ディジタル化標本を一時的に記憶するための上記第2レ
    ジスタに転送し、 上記第2レジスタは、上記第1レジスタから転送される
    上記ディジタル化標本を連続的に受け取って一時的にそ
    こに記憶した後、現在受け取られている上記各ディジタ
    ル化標本の直前に位置するディジタル化標本を、そこに
    一時的に記憶するために上記第3レジスタに転送し、 上記第3レジスタは、上記第2レジスタから転送される
    上記ディジタル化標本を連続的に受取って一時的にそこ
    に記憶し、 上記装置はさらに、それぞれが送られてきた上記ディジ
    タル化標本の値を比較して、それ等のディジタル化標本
    の一つが、比較器に送られてきた他のものの値と比較し
    て大きいか、小さいか、或は等しいかの何れの値を有す
    るかを指示する信号を、その出力に発生することが可能
    である第1および第2の比較器手段を備え、 上記第1比較器手段は上記の第1および第2の各レジス
    タに接続されて、現に比較のために各レジスタに記憶さ
    れている上記ディジタル化標本の表示を受取るようにな
    っており、 上記第2比較器手段は上記の第2および第3の各レジス
    タに接続されて、現に比較のために各レジスタに記憶さ
    れている上記ディジタル化標本の表示を受取るようにな
    っており、 上記信号処理手段は、さらに、そこに送られてくる信号
    が同符号であるか、或いは異符号であるかを判定して、
    どの状態が現在発生しているかを指示する信号をその出
    力に発生し得る論理手段を備え、 該論理手段は、上記第1および第2の各比較器の上記出
    力に電気的に接続され、 さらに上記信号処理手段は、一時的記憶のために、その
    入力に現在の信号成分を受取り、各連続的な現在の信号
    成分が上記入力に受取られるにつれて、その記憶部位に
    沿って、この各信号成分をシフトさせ得る第1シフトレ
    ジスタ手段を備え、上記第1シフトレジスタ手段の入力
    は、上記論理手段の出力に電気的に接続され、上記記憶
    部位の各々が他の手段に接続された記憶部位出力を有し
    ていることを特徴とする特許請求の範囲第10項に記載
    の装置。
  16. (16)上記信号処理手段は、それぞれが上記ディジタ
    ル化標本を記憶することのできる第1、第2および第3
    の各レジスタを備え、 上記第1レジスタは、上記アナログ−ディジタル変換手
    段によって送られる上記各ディジタル化標本を、連続的
    に受取って一時的にそこに記憶した後、現在そこに受け
    取られている上記各ディジタル化標本の直前に位置する
    ディジタル化標本を一時的に記憶するための上記第2レ
    ジスタに転送し、 上記第2レジスタは、上記第1レジスタから転送される
    上記ディジタル化標本を連続的に受け取って一時的にそ
    こに記憶した後、現在受け取られている上記各ディジタ
    ル化標本の直前に位置するディジタル化標本を、そこに
    一時的に記憶するために上記第3レジスタに転送し、 上記第3レジスタは、上記第2レジスタから転送される
    上記ディジタル化標本を連続的に受取って一時的にそこ
    に記憶し、 上記装置はさらに、それぞれが送られてきた上記ディジ
    タル化標本の値を比較して、それ等のディジタル化標本
    の一つが、比較器に送られてきた他のものの値と比較し
    て大きいか、小さいか、或は等しいかの何れの値を有す
    るかを指示する信号を、その出力に発生することが可能
    である第1および第2の比較器手段を備え、 上記第1比較器手段は上記の第1および第2の各レジス
    タに接続されて、現に比較のために各レジスタに記憶さ
    れている上記ディジタル化標本の表示を受取るようにな
    っており、 上記第2比較器手段は上記の第2および第3の各レジス
    タに接続されて、現に比較のために各レジスタに記憶さ
    れている上記ディジタル化標本の表示を受取るようにな
    っており、 上記信号処理手段は、さらに、そこに送られてくる信号
    が同符号であるか、或いは異符号であるかを判定して、
    どの状態が現在発生しているかを指示する信号をその出
    力に発生し得る論理手段を備え、 該論理手段は、上記第1および第2の各比較器の上記出
    力に電気的に接続され、 さらに上記信号処理手段は、一時的記憶のために、その
    入力に現在の信号成分を受取り、各連続的な現在の信号
    成分が上記入力に受取られるにつれて、その記憶部位に
    沿って、この各信号成分をシフトさせ得る第1シフトレ
    ジスタ手段を備え、上記第1シフトレジスタ手段の入力
    は、上記論理手段の出力に電気的に接続され、上記記憶
    部位の各々が他の手段に接続された記憶部位出力を有し
    ていることを特徴とする特許請求の範囲第12項に記載
    の装置。
  17. (17)上記信号処理手段が、上記アナログ−ディジタ
    ル変換器手段によって与えられる上記ディジタル化標本
    を、少なくとも一時的に記憶することの可能な記憶手段
    と、 該記憶手段に記憶された上記ディジタル化標本の内の選
    定されたものの値を比較し、かつこのように比較された
    選定ディジタル化標本について、選定された他のものの
    値と比較して大きいか、小さいか、或は等しいかのいず
    れかの値を有するかの表示を発生することが可能である
    比較器手段と、該比較器手段によって発生される、選定
    された上記表示が、上記比較手段によって与えられる他
    の選定された上記表示と同一であるか、或は相違するか
    の、いずれかの表示を発生するための論理手段と、 該論理手段の選定された上記表示を、少なくとも一時的
    に記憶するための記憶手段とを具備することを特徴とす
    る特許請求の範囲第13項に記載の装置。
  18. (18)上記信号処理手段は、それぞれが上記ディジタ
    ル化標本を記憶することのできる第1、第2および第3
    の各レジスタを備え、 上記第1レジスタは、上記アナログ−ディジタル変換手
    段によって送られる上記各ディジタル化標本を、連続的
    に受取って一時的にそこに記憶した後、現在そこに受け
    取られている上記各ディジタル化標本の直前に位置する
    ディジタル化標本を一時的に記憶するための上記第2レ
    ジスタに転送し、 上記第2レジスタは、上記第1レジスタから転送される
    上記ディジタル化標本を連続的に受け取って一時的にそ
    こに記憶した後、現在受け取られている上記各ディジタ
    ル化標本の直前に位置するディジタル化標本を、そこに
    一時的に記憶するために上記第3レジスタに転送し、 上記第3レジスタは上記第2レジスタから転送される上
    記ディジタル化標本を連続的に受取って一時的にそこに
    記憶し、 上記装置はさらに、それぞれが送られてきた上記ディジ
    タル化標本の値を比較して、それ等のディジタル化標本
    の一つが、比較器に送られてきた他のものの値と比較し
    て大きいか、小さいか、或は等しいかの何れの値を有す
    るかを指示する信号を、その出力に発生することが可能
    である第1および第2の比較器手段を備え、 上記第1比較器手段は上記の第1および第2の各レジス
    タに接続されて、現に比較のために各レジスタに記憶さ
    れている上記ディジタル化標本の表示を受取るようにな
    っており、 上記第2比較器手段は上記の第2および第3の各レジス
    タに接続されて、現に比較のために各レジスタに記憶さ
    れている上記ディジタル化標本の表示を受取るようにな
    っており、 上記信号処理手段は、さらに、そこに送られてくる信号
    が同符号であるか、或いは異符号であるかを判定して、
    どの状態が現在発生しているかを指示する信号をその出
    力に発生し得る論理手段を備え、 該論理手段は、上記第1および第2の各比較器の上記出
    力に電気的に接続され、 さらに上記信号処理手段は、一時的記憶のために、その
    入力に現在の信号成分を受取り、そして、各連続的な現
    在の信号成分が上記入力に受取られるにつれて、その記
    憶部位に沿って、この各信号成分をシフトさせ得る第1
    シフトレジスタ手段を備え、上記第1シフトレジスタ手
    段の上記入力が上記論理手段の出力に電気的に接続され
    、上記記憶部位の各々が他の手段に接続された記憶部位
    出力を有していることを特徴とする特許請求の範囲第1
    4項に記載の装置。
  19. (19)上記装置は、上記記憶部位出力の各々に接続さ
    れて、上記信号成分を受取って一時的に記憶すると共に
    、少なくともその1出力からそれらを出力することが可
    能である副列選択器手段、並びに少なくともその1入力
    に送られてくる信号成分について算術演算を実行可能な
    算術的組合せ手段をさらに備え、 該算術的組合せ手段の入力が上記副列選択器手段の出力
    に電気的に接続されたことを特徴とする特許請求の範囲
    第15項に記載の装置。
  20. (20)上記装置は、上記記憶部位出力の各々に接続さ
    れて、上記信号成分を受取って一時的に記憶すると共に
    、少なくともその1出力からそれらを出力することが可
    能である副列選択器手段、並びに少なくともその1入力
    に送られてくる信号成分について算術演算を実行可能な
    算術的組合せ手段をさらに備え、 該算術的組合せ手段の入力が上記副列選択器手段の出力
    に電気的に接続されたことを特徴とする特許請求の範囲
    第16項に記載の装置。
JP62281950A 1986-11-07 1987-11-07 システム活動の変化検出方法および装置 Pending JPS63153045A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US06/928,522 US4794533A (en) 1986-11-07 1986-11-07 System activity change indicator
US928,522 1986-11-07

Publications (1)

Publication Number Publication Date
JPS63153045A true JPS63153045A (ja) 1988-06-25

Family

ID=25456355

Family Applications (1)

Application Number Title Priority Date Filing Date
JP62281950A Pending JPS63153045A (ja) 1986-11-07 1987-11-07 システム活動の変化検出方法および装置

Country Status (5)

Country Link
US (1) US4794533A (ja)
EP (1) EP0267710B1 (ja)
JP (1) JPS63153045A (ja)
CA (1) CA1315348C (ja)
DE (1) DE3751195T2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011172942A (ja) * 2000-02-09 2011-09-08 Cns Response Inc 定量的eegを使用して脳の生理学的不均衡を分類および処置する方法

Families Citing this family (86)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5331969A (en) * 1985-07-30 1994-07-26 Swinburne Limited Equipment for testing or measuring brain activity
ATE86842T1 (de) * 1985-07-30 1993-04-15 Swinburne Ltd Elektroenzephalograph zum nachweis der aufmerksamkeit.
US5047930A (en) * 1987-06-26 1991-09-10 Nicolet Instrument Corporation Method and system for analysis of long term physiological polygraphic recordings
US5243517A (en) * 1988-08-03 1993-09-07 Westinghouse Electric Corp. Method and apparatus for physiological evaluation of short films and entertainment materials
US4984578A (en) * 1988-11-14 1991-01-15 William Keppel Method and apparatus for identifying and alleviating semantic memory deficiencies
US4987903A (en) * 1988-11-14 1991-01-29 William Keppel Method and apparatus for identifying and alleviating semantic memory deficiencies
US5293867A (en) * 1992-09-24 1994-03-15 Oommen Kalarickal J Method and apparatus for marking electrode locations for electroencephalographic procedure
US5474082A (en) * 1993-01-06 1995-12-12 Junker; Andrew Brain-body actuated system
US5692517A (en) * 1993-01-06 1997-12-02 Junker; Andrew Brain-body actuated system
US6292688B1 (en) 1996-02-28 2001-09-18 Advanced Neurotechnologies, Inc. Method and apparatus for analyzing neurological response to emotion-inducing stimuli
AUPP354798A0 (en) 1998-05-15 1998-06-11 Swinburne Limited Decentralised patient management system
AUPP354898A0 (en) 1998-05-15 1998-06-11 Swinburne Limited Mass communication assessment system
US6422999B1 (en) 1999-05-13 2002-07-23 Daniel A. Hill Method of measuring consumer reaction
US6453194B1 (en) 2000-03-29 2002-09-17 Daniel A. Hill Method of measuring consumer reaction while participating in a consumer activity
US7113916B1 (en) 2001-09-07 2006-09-26 Hill Daniel A Method of facial coding monitoring for the purpose of gauging the impact and appeal of commercially-related stimuli
US8235725B1 (en) 2005-02-20 2012-08-07 Sensory Logic, Inc. Computerized method of assessing consumer reaction to a business stimulus employing facial coding
KR100719068B1 (ko) * 2005-09-14 2007-05-17 재단법인 한국정신과학연구소 전전두엽에서 측정한 뇌파 데이터의 고속푸리에변환을 통한누적데이터의 패턴분석을 이용한 건강진단 장치 및 그방법
US7930199B1 (en) 2006-07-21 2011-04-19 Sensory Logic, Inc. Method and report assessing consumer reaction to a stimulus by matching eye position with facial coding
SG182145A1 (en) * 2007-05-31 2012-07-30 Univ Monash A neural response system
US8487772B1 (en) 2008-12-14 2013-07-16 Brian William Higgins System and method for communicating information
US8600100B2 (en) * 2009-04-16 2013-12-03 Sensory Logic, Inc. Method of assessing people's self-presentation and actions to evaluate personality type, behavioral tendencies, credibility, motivations and other insights through facial muscle activity and expressions
US8326002B2 (en) * 2009-08-13 2012-12-04 Sensory Logic, Inc. Methods of facial coding scoring for optimally identifying consumers' responses to arrive at effective, incisive, actionable conclusions
US11700420B2 (en) 2010-06-07 2023-07-11 Affectiva, Inc. Media manipulation using cognitive state metric analysis
US10204625B2 (en) 2010-06-07 2019-02-12 Affectiva, Inc. Audio analysis learning using video data
US11232290B2 (en) 2010-06-07 2022-01-25 Affectiva, Inc. Image analysis using sub-sectional component evaluation to augment classifier usage
US9934425B2 (en) 2010-06-07 2018-04-03 Affectiva, Inc. Collection of affect data from multiple mobile devices
US11430561B2 (en) 2010-06-07 2022-08-30 Affectiva, Inc. Remote computing analysis for cognitive state data metrics
US10779761B2 (en) 2010-06-07 2020-09-22 Affectiva, Inc. Sporadic collection of affect data within a vehicle
US11823055B2 (en) 2019-03-31 2023-11-21 Affectiva, Inc. Vehicular in-cabin sensing using machine learning
US10628985B2 (en) 2017-12-01 2020-04-21 Affectiva, Inc. Avatar image animation using translation vectors
US11017250B2 (en) 2010-06-07 2021-05-25 Affectiva, Inc. Vehicle manipulation using convolutional image processing
US10614289B2 (en) 2010-06-07 2020-04-07 Affectiva, Inc. Facial tracking with classifiers
US10869626B2 (en) 2010-06-07 2020-12-22 Affectiva, Inc. Image analysis for emotional metric evaluation
US10289898B2 (en) 2010-06-07 2019-05-14 Affectiva, Inc. Video recommendation via affect
US11465640B2 (en) 2010-06-07 2022-10-11 Affectiva, Inc. Directed control transfer for autonomous vehicles
US11073899B2 (en) 2010-06-07 2021-07-27 Affectiva, Inc. Multidevice multimodal emotion services monitoring
US10911829B2 (en) 2010-06-07 2021-02-02 Affectiva, Inc. Vehicle video recommendation via affect
US11151610B2 (en) 2010-06-07 2021-10-19 Affectiva, Inc. Autonomous vehicle control using heart rate collection based on video imagery
US10401860B2 (en) 2010-06-07 2019-09-03 Affectiva, Inc. Image analysis for two-sided data hub
US10843078B2 (en) 2010-06-07 2020-11-24 Affectiva, Inc. Affect usage within a gaming context
US11410438B2 (en) 2010-06-07 2022-08-09 Affectiva, Inc. Image analysis using a semiconductor processor for facial evaluation in vehicles
US10897650B2 (en) 2010-06-07 2021-01-19 Affectiva, Inc. Vehicle content recommendation using cognitive states
US11430260B2 (en) 2010-06-07 2022-08-30 Affectiva, Inc. Electronic display viewing verification
US10111611B2 (en) 2010-06-07 2018-10-30 Affectiva, Inc. Personal emotional profile generation
US9959549B2 (en) 2010-06-07 2018-05-01 Affectiva, Inc. Mental state analysis for norm generation
US11292477B2 (en) 2010-06-07 2022-04-05 Affectiva, Inc. Vehicle manipulation using cognitive state engineering
US11511757B2 (en) 2010-06-07 2022-11-29 Affectiva, Inc. Vehicle manipulation with crowdsourcing
US10592757B2 (en) 2010-06-07 2020-03-17 Affectiva, Inc. Vehicular cognitive data collection using multiple devices
US9247903B2 (en) 2010-06-07 2016-02-02 Affectiva, Inc. Using affect within a gaming context
US11067405B2 (en) 2010-06-07 2021-07-20 Affectiva, Inc. Cognitive state vehicle navigation based on image processing
US11657288B2 (en) 2010-06-07 2023-05-23 Affectiva, Inc. Convolutional computing using multilayered analysis engine
US11056225B2 (en) 2010-06-07 2021-07-06 Affectiva, Inc. Analytics for livestreaming based on image analysis within a shared digital environment
US11704574B2 (en) 2010-06-07 2023-07-18 Affectiva, Inc. Multimodal machine learning for vehicle manipulation
US11484685B2 (en) 2010-06-07 2022-11-01 Affectiva, Inc. Robotic control using profiles
US11935281B2 (en) 2010-06-07 2024-03-19 Affectiva, Inc. Vehicular in-cabin facial tracking using machine learning
US10517521B2 (en) 2010-06-07 2019-12-31 Affectiva, Inc. Mental state mood analysis using heart rate collection based on video imagery
US9204836B2 (en) 2010-06-07 2015-12-08 Affectiva, Inc. Sporadic collection of mobile affect data
US10628741B2 (en) 2010-06-07 2020-04-21 Affectiva, Inc. Multimodal machine learning for emotion metrics
US10922567B2 (en) 2010-06-07 2021-02-16 Affectiva, Inc. Cognitive state based vehicle manipulation using near-infrared image processing
US11587357B2 (en) 2010-06-07 2023-02-21 Affectiva, Inc. Vehicular cognitive data collection with multiple devices
US11318949B2 (en) 2010-06-07 2022-05-03 Affectiva, Inc. In-vehicle drowsiness analysis using blink rate
US10108852B2 (en) 2010-06-07 2018-10-23 Affectiva, Inc. Facial analysis to detect asymmetric expressions
US10074024B2 (en) 2010-06-07 2018-09-11 Affectiva, Inc. Mental state analysis using blink rate for vehicles
US10143414B2 (en) 2010-06-07 2018-12-04 Affectiva, Inc. Sporadic collection with mobile affect data
US9503786B2 (en) 2010-06-07 2016-11-22 Affectiva, Inc. Video recommendation using affect
US11887352B2 (en) 2010-06-07 2024-01-30 Affectiva, Inc. Live streaming analytics within a shared digital environment
US11393133B2 (en) 2010-06-07 2022-07-19 Affectiva, Inc. Emoji manipulation using machine learning
US10482333B1 (en) 2017-01-04 2019-11-19 Affectiva, Inc. Mental state analysis using blink rate within vehicles
US10627817B2 (en) 2010-06-07 2020-04-21 Affectiva, Inc. Vehicle manipulation using occupant image analysis
US10796176B2 (en) 2010-06-07 2020-10-06 Affectiva, Inc. Personal emotional profile generation for vehicle manipulation
US10799168B2 (en) 2010-06-07 2020-10-13 Affectiva, Inc. Individual data sharing across a social network
US9723992B2 (en) 2010-06-07 2017-08-08 Affectiva, Inc. Mental state analysis using blink rate
US9646046B2 (en) 2010-06-07 2017-05-09 Affectiva, Inc. Mental state data tagging for data collected from multiple sources
US9642536B2 (en) 2010-06-07 2017-05-09 Affectiva, Inc. Mental state analysis using heart rate collection based on video imagery
US10474875B2 (en) 2010-06-07 2019-11-12 Affectiva, Inc. Image analysis using a semiconductor processor for facial evaluation
KR20140004740A (ko) 2011-02-27 2014-01-13 어펙티바,아이엔씨. 감정 기반 영상 추천
US10922566B2 (en) 2017-05-09 2021-02-16 Affectiva, Inc. Cognitive state evaluation for vehicle navigation
WO2019060298A1 (en) 2017-09-19 2019-03-28 Neuroenhancement Lab, LLC METHOD AND APPARATUS FOR NEURO-ACTIVATION
US11717686B2 (en) 2017-12-04 2023-08-08 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to facilitate learning and performance
US11273283B2 (en) 2017-12-31 2022-03-15 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to enhance emotional response
US11364361B2 (en) 2018-04-20 2022-06-21 Neuroenhancement Lab, LLC System and method for inducing sleep by transplanting mental states
CN113382683A (zh) 2018-09-14 2021-09-10 纽罗因恒思蒙特实验有限责任公司 改善睡眠的系统和方法
US20200202736A1 (en) * 2018-12-21 2020-06-25 Aktsionernoye obshchestvo «Neyrotrend» Memorability Measurement Method for Multimedia Messages
US11887383B2 (en) 2019-03-31 2024-01-30 Affectiva, Inc. Vehicle interior object management
US11786694B2 (en) 2019-05-24 2023-10-17 NeuroLight, Inc. Device, method, and app for facilitating sleep
US11769056B2 (en) 2019-12-30 2023-09-26 Affectiva, Inc. Synthetic data for neural network training using vectors

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BE788620A (fr) * 1971-09-29 1973-01-02 Humetrics Corp Procede et appareil pour l'analyse automatique de signaux d'ondes cerebrales
JPS587291B2 (ja) * 1977-10-08 1983-02-09 財団法人交通医学研究財団 脳波自動判定装置
JPS6054054B2 (ja) * 1978-03-15 1985-11-28 旭メデイカル株式会社 人工腎臓透析状態検出装置
US4323079A (en) * 1978-12-26 1982-04-06 The Regents Of The University Of California Aperiodic analysis system, as for the electroencephalogram
US4279258A (en) * 1980-03-26 1981-07-21 Roy John E Rapid automatic electroencephalographic evaluation
US4412547A (en) * 1981-04-29 1983-11-01 Neurologics, Inc. Neurological monitoring device
US4417592A (en) * 1981-05-11 1983-11-29 Roy John E Digital electroencephalographic instrument and method
US4610259A (en) * 1983-08-31 1986-09-09 Cns, Inc. EEG signal analysis system
US4579125A (en) * 1984-01-23 1986-04-01 Cns, Inc. Real-time EEG spectral analyzer
US4670711A (en) * 1985-02-04 1987-06-02 The Boeing Company High-speed transient pulse height counter

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011172942A (ja) * 2000-02-09 2011-09-08 Cns Response Inc 定量的eegを使用して脳の生理学的不均衡を分類および処置する方法

Also Published As

Publication number Publication date
EP0267710A2 (en) 1988-05-18
US4794533A (en) 1988-12-27
EP0267710B1 (en) 1995-03-29
DE3751195T2 (de) 1995-11-09
CA1315348C (en) 1993-03-30
EP0267710A3 (en) 1989-10-25
DE3751195D1 (de) 1995-05-04

Similar Documents

Publication Publication Date Title
JPS63153045A (ja) システム活動の変化検出方法および装置
US5349962A (en) Method and apparatus for detecting epileptic seizures
US4987903A (en) Method and apparatus for identifying and alleviating semantic memory deficiencies
US4579125A (en) Real-time EEG spectral analyzer
Lundberg et al. Psychophysiological stress and EMG activity of the trapezius muscle
US5003986A (en) Hierarchial analysis for processing brain stem signals to define a prominent wave
US5762611A (en) Evaluation of a subject's interest in education, training and other materials using brain activity patterns
EP0137705B1 (en) Eeg signal analysis system
US4411273A (en) System and method for electrode pair derivations in electroencephalography
EP0306346A2 (en) Interactive determination of sleep stages
US3696808A (en) Method and system for brain wave analysis
US5117833A (en) Bi-spectral filtering of electrocardiogram signals to determine selected QRS potentials
EP1216656B1 (en) Method and apparatus for estimating degree of neuronal impairment in brain cortex
US3841309A (en) Method of analyzing cerebral electrical activity
US4984578A (en) Method and apparatus for identifying and alleviating semantic memory deficiencies
EP0020736A1 (en) Aperiodic analysis system, as for the electroencephalogram
Affanni et al. Dual channel Electrodermal activity sensor for motion artifact removal in car drivers’ stress detection
CN104367306A (zh) 生理心理职业测评系统及实现方法
CA2397086C (en) Method and system for measuring heart rate variability
US6223073B1 (en) Noninvasive method for identifying coronary disfunction utilizing electrocardiography derived data
Carrie et al. A small computer system for EEG wavelength-amplitude profile analysis
EP2874534A1 (en) Signal data extraction method and apparatus
Avbelj et al. Multichannel ECG measurement system
Aunon Evoked potentials research
US5885223A (en) Process and device for assessing electroencephalograms