RU2540534C2 - Способ оценки функционального состояния центральной нервной системы человека - Google Patents
Способ оценки функционального состояния центральной нервной системы человека Download PDFInfo
- Publication number
- RU2540534C2 RU2540534C2 RU2013120819/14A RU2013120819A RU2540534C2 RU 2540534 C2 RU2540534 C2 RU 2540534C2 RU 2013120819/14 A RU2013120819/14 A RU 2013120819/14A RU 2013120819 A RU2013120819 A RU 2013120819A RU 2540534 C2 RU2540534 C2 RU 2540534C2
- Authority
- RU
- Russia
- Prior art keywords
- analysis
- frequency
- nervous system
- central nervous
- main components
- Prior art date
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Изобретение относится к медицинской технике, исследованию параметров движений (тремора) подвижных звеньев тела человека, отражающих функциональное состояние центральной нервной системы (ЦНС), и может быть использовано в диагностических целях для раннего выявления патологий ЦНС, в научных исследованиях нейронных механизмов организации движений. Обе руки обследуемого приводят в соприкосновение с опорным элементом, отслеживают по смещению метки на экране монитора прикладываемое к опорному элементу произвольное изометрическое усилие и формируют временные ряды (ВР) непроизвольных и произвольных компонент изометрического усилия. Из ВР в диапазоне частот от 100 до 0,1 Гц методом математического анализа SSA-«Гусеница» выделяют и отображают графически главные компоненты (ГК), амплитудно-частотные параметры которых соответствуют циклической активности замыкающихся на разных уровнях ЦНС контуров системы управления движением. Затем производят частотно-амплитудный анализ параметров каждой ГК в соответствии с диапазоном ее расположения относительно оси частот и визуальный анализ структуры паттерна, полученного для изометрического усилия на основании признаков, характерных для здоровых испытуемых и пациентов с нейромоторными нарушениями. Разложение ВР на ГК производят с шагом квантования не менее 100 Гц, причем для анализа выделяют ГК, участие которых во ВР составляет не менее 5%. О патологии в функциональном состоянии ЦНС судят по нарушению симметрии ГК правой и левой рук, и/или по нарушению последовательности ГК, и/или по смещению максимумов ГК относительно оси частот, и/или по слиянию двух и более ГК. Способ обеспечивает более точную диагностику состояния функционирования ЦНС за счет выделения перечисленных конкретных диагностических параметров, позволяющих определять активность и ее нарушение для соответствующих уровней и структур ЦНС. 3 ил.
Description
Изобретение относится к медицинской технике, а именно к способам исследования непроизвольных движений (тремора) подвижных звеньев тела человека, параметры которых отражают функциональное состояние его центральной нервной системы, и может быть использовано в диагностических целях для раннего выявления патологических состояний ЦНС, а также в научных исследованиях нейронных механизмов организации движений.
Изобретение позволяет визуализировать активность центральных структур моторной системы в соответствие с их уровнями организации согласно представлениям об иерархическом строении и кольцевой регуляции, требования к которой были постулированы в середине XX века Н.А. Бернштейном.
Известен способ оценки функционального состояния ЦНС (Пат. 5293879, US, А61В 5/00, опубл. 15.03.1994), заключающийся в прикреплении маркеров или датчиков ускорения на исследуемые части тела человека для регистрации колебаний подвижных звеньев тела и последующего анализа этих колебаний, основанном на определении и сравнении частоты колебаний с эталонными патологическими частотами: по совпадению выделенной частоты с эталонной оценкой состояния центральной нервной системы.
Недостатком способа является недостаточная объективность оценки состояния управляющих структур мозга. Использование метода позволяет только анализировать движения и характеризовать их как патологические или нет. При этом затруднена дифференциация форм тремора, возникающего в результате поражения различных структур мозга, так как колебания звеньев тела определены в основном параметрами их инерционных масс.
Известен способ оценки функционального состояния центральной нервной системы человека, описанный в Пат. 2195869, RU, МПК А61В 5/16, А61В 5/11, опубл. 10.01.2002. Способ основан на определении частоты колебаний подвижных звеньев тела (в т.ч. рук) и последующем анализе этих колебаний. Согласно указанному способу руки обследуемого приводят в соприкосновение с опорным элементом, отслеживают по смещению метки на экране монитора усредненную величину прикладываемого к опорному элементу произвольного изометрического усилия, выделяют непроизвольный компонент изометрического усилия как разность между текущим произвольным усилием и его усредненной за некоторый интервал времени величиной и далее по частоте колебаний непроизвольного и произвольного компонентов изометрического усилия и их последующего анализа определяют функциональное состояние центральной нервной системы.
Недостатком способа является невозможность оценки активности отдельных структур моторной системы и соответственно недостаточная точность результатов изучения процессов возникновения и развития патологических состояний ЦНС.
Ближайшим из известных аналогов, принятым за прототип заявляемого решения, является способ, описанный в статье Романова С.П. «Циклическая активность как характеристика функциональной организации центральных структур нервной (моторной) системы» // Научные труды YI Межд. конгресса «Слабые и сверхслабые поля и излучения в биологии и медицине», 02-06 июля 2012, СПб. опубл 02.10.2012.
Способ заключается в приведении в соприкосновение с опорным элементом обеих рук обследуемого, отслеживании по сигналу обратной связи, например, по смещению метки на экране монитора прикладываемого к опорному элементу произвольного изометрического усилия, выделении, регистрации и формировании временных рядов произвольной и его непроизвольной компоненты, при этом из временных рядов по всей его длине методом математического анализа, например методом SSA-«Гусеница», выделяют главные компоненты, амплитудно-частотные параметры которых соответствуют циклической активности определенных контуров управления центральной нервной системы, после чего производят анализ параметров каждой выделенной компоненты в диапазоне частот от 100 до 0,1 гц, по результатам которого судят о функциональном состоянии центральной нервной системы, при этом разложение временного ряда на главные компоненты производят с шагом квантования не менее 100 гц, а для анализа выделяют компоненты, участие которых во временном ряде составляет не менее 5%.
Достоинством способа является его неинвазивность и по сравнению с большинством известных методов возможность более раннего выявления патологических состояний нервной системы.
Заявляемый способ позволяет получить новый по сравнению с прототипом технический результат, заключающийся в более точной диагностике патологических состояний центральной нервной (моторной) системы человека и определении отдельных структур системы, участвующих в патологическое процессе.
Для достижения указанного результата используется следующая совокупность существенных признаков: в способе оценки функционального состояния центральной нервной системы (ЦНС), включающем так же, как и прототип, приведение в соприкосновение с опорным элементом обеих рук обследуемого, отслеживание по смещению метки на экране монитора прикладываемого к опорному элементу произвольного изометрического усилия, и формирование временных рядов непроизвольных и произвольных компонент изометрического усилия, при этом из временных рядов в диапазоне частот от 100 до 0,1 Гц методом математического анализа SSA-«Гусеница» выделяют и отображают графически главные компоненты, амплитудно-частотные параметры которых соответствуют циклической активности замыкающихся на разных уровнях ЦНС контуров системы управления движением, после чего производят частотно-амплитудный анализ параметров каждой компоненты в соответствии с диапазоном ее расположения относительно оси частот, а также визуальный анализ структуры паттерна, полученного для изометрического усилия на основании признаков, характерных для здоровых испытуемых и пациентов с нейромоторными нарушениями, и затем по результатам анализа судят о функциональном состоянии ЦНС, при этом разложение временных рядов на главные компоненты производят с шагом квантования не менее 100 Гц, а для анализа выделяют компоненты, участие которых во временном ряде составляет не менее 5%, в отличие от прототипа, о патологии в функциональном состоянии ЦНС судят по нарушению симметрии главных компонент правой и левой рук, и/или по нарушению последовательности главных компонент, и/или по смещению максимумов главных компонент относительно оси частот, и/или по слиянию двух и более главных компонент.
С учетом того, что каждой главной компоненте соответствует активность определенного контура управления центральной нервной системы, по вышеприведенным результатам можно неинвазивным способом выявить в какой конкретно структуре ЦНС произошло нарушение.
Заявляемый метод базируется на представлениях об иерархической многоуровневой организации центральной (моторной) нервной системы с кольцевым управлением на основе сенсорных коррекций. На модели нейронных структур сегментарного уровня управления мышечным сокращением было выявлено, что в кольцевой структуре поддерживается циклическая активность, частота которой определена протяженностью восходящих и нисходящих трактов, скоростью проведения возбуждения в них и задержкой на переработку сигналов в каждой функциональной области мозга. Считается, что из всех видов анализируемых движений параметры произвольно управляемого человеком изометрического усилия дают наиболее полную информацию об интегральной активности центральных структур моторной системы.
Сопоставление предлагаемого способа и прототипа показало, что поставленная задача - более точная диагностика патологических состояний ЦНС человека и определение отдельных структур системы, участвующих в патологическом процессе, решается в результате новой совокупности признаков, что доказывает соответствие предлагаемого изобретения критерию патентоспособности «новизна».
В свою очередь проведенный информационный поиск в области исследования непроизвольных движений (тремора) не выявил решений, содержащих отдельные отличительные признаки заявляемого изобретения, что позволяет сделать вывод о соответствии способа критерию «изобретательский уровень».
Сущность изобретения поясняется графиками, где
на фиг.1 изображены непроизвольные колебания произвольного изометрического усилия;
на фиг.2 - два способа графического представления главных компонент временного ряда для левой и правой рук здорового испытуемого:
последовательный (а) и совмещенный (б).
на фиг.3 - главные компоненты временного ряда для левой и правой рук соответственно здорового испытуемого (а) и больного с болезнью Паркинсона (б).
Для реализации способа может быть использовано устройство, содержащее опорный и измерительный элементы, аналого-цифровой преобразователь и компьютер, оснащенный программным обеспечением.
Математически заявляемый способ может быть представлен в виде последовательности следующих операций.
С использованием алгоритма SSA-«Гусеницы» вычисляют Р значений разложения временного ряда длиной N на каждом шаге квантования k в интервале 1-М как ai=seq(from=1, to=M, by=k), при i=1, …, Р, где Р - число главных компонент, N=k·T - длина временного ряда, k - шаг квантования, Т - время квантования, М - эпоха анализа.
В результате вычислений получают матрицу А из Р столбцов и М строк, значения элементов которой соответствуют результату преобразования исходного ряда на каждом шаге квантования.
Применительно к решаемой в заявке задаче каждый столбец относится к компоненте разложения, характеризующей активность на определенном уровне организации ЦНС в соответствии с нисходящими к мышцам командами управления. Вычисленные в каждом столбце значения представляют графически относительно частоты или длительности периодов выделяемых колебаний. На фиг.1(А) представлен тридцати секундный (Т) временной ряд непроизвольной компоненты изометрического усилия, произвольно удерживаемого пальцами выпрямленной руки с силой 1,1 кг. Размах между горизонтальными линиями сетки 0,05 кг.
На фиг.2 представлены первые 11 главных компонент в соответствии с их убывающим вкладом в исходный временной ряд. Характерным для них является четкая выраженность в интервале 100-0,1 Гц и разграничение максимумов, смещающихся последовательно в область более низких частот. Каждая из главных компонент охватывает определенный диапазон частот. Выраженные максимумы на кривых представляют параметры (в терминах амплитуда-частота) превалирующей циклической активности. Наибольшая амплитуда и наибольшая частота соответствуют самому низкому уровню регуляции - сегментарному. Следующая кривая характеризует второй уровень регуляции через пирамидную систему. Кривые 3-11 в порядке убывания амплитуды максимумов в диапазоне 10-0,1 Гц характеризуют активность подкорковых структур, участвующих в регуляции движения. Остальные компоненты разложения из общего количества около 500 не имеют выраженных максимумов и вносят уменьшающийся вклад менее 5% на частотах ниже 1 Гц.
Регистрируя одновременно изометрическое усилие двух рук, вычисляют матрицы значений для непроизвольного компонента каждой руки, которые можно представить в виде последовательного или параллельного (Фиг.2) паттернов. На графиках слева от центральной оси показаны результаты анализа активности центральных структур моторной системы для левой руки, справа - для правой. Ось частот может быть расположена по горизонтали или по вертикали. В последнем случае имеется возможность в представленном паттерне сравнивать различия в межполушарной активности - асимметрию организации активности в правой и левой руках.
На диаграммах, изображенных на фиг.3, заметно сходство главных компонент разложения в левой руке на а и 6 диаграммах, хотя они получены при удержании здоровым испытуемым максимального усилия левой (6,305±0,270 кг) и правой (6,254±0,282 кг) рукой, а больной с синдромом паркинсонизма удерживал минимальное усилие 0,527±0,075 и 0,610±0,319 кг соответственно, т.е. в 10 раз меньше. По существу активация моторной системы при удержании произвольного максимального изометрического усилия здоровым испытуемым является моделью патологической активности, возникающей при болезни Паркинсона, когда гибель нейронов черной субстанции снимает торможение со структур базальных ганглиев. И если у здорового испытуемого нет существенных различий в формировании нисходящей активности к левой и правой руке, то у пациента они явно выражены и представляют диагностическую ценность.
Предлагаемый способ осуществляется следующим образом. Во время исследования пациента усаживают за стол, на котором установлены монитор и 2 датчика силы. Экран монитора расположен на расстоянии 80 см от глаз испытуемого. Высота экрана 30 см. Смещение меток от средней линии экрана вдоль вертикальной оси соответствует усилию 5 кг. Меткой для одной руки служит горизонтальная линия 2×20 пикселей. Метка для другой руки состоит из двух параллельных линий с такими же параметрами, промежуток между которыми составляет 6 пикселей, обеспечивая точность слежения. Расположение одиночной метки внутри двойной соответствует удержанию равных усилий каждой рукой. Для различения метки окрашиваются в разные цвета. Для ввода электрических сигналов от датчиков силы применяют 10-разрядный АЦП с программируемой частотой квантования. Надавливая одновременно на соответствующие датчики силы кончиками пальцев каждой руки, испытуемый наблюдает значения усилий, отражающиеся в смещении меток по вертикальной оси на экране монитора, и совмещает эти метки, управляемые отдельно каждой рукой, на заданном уровне. Задача испытуемого заключается в совмещении меток на одном уровне и удержании усилия в течение 30 с. Это позволяет получить последовательный временной ряд с достаточным количеством точек измерений для статистически достоверной оценки данных. Разработанное программное обеспечение позволяет испытуемому наблюдать в реальном времени пропорциональное усилию смещение меток вдоль вертикальной оси экрана монитора, при этом текущие значения удерживаемого усилия вводятся в долговременную память компьютера для последующей статистической обработки, анализа и графического представления результатов. Таким образом, выполняется задача слежения (биологическая обратная связь) за величиной собственного произвольно управляемого усилия по соответствующим меткам, отдельным для правой и левой руки.
Далее производят анализ параметров произвольно удерживаемого изометрического усилия (среднее и стандартное отклонение) и характеристик непроизвольных колебаний, выделяемых как осцилляции произвольного изометрического усилия относительно его усредненных текущих значений. Результаты тестирования заносятся в электронные таблицы EXCEL для стандартной статистической обработки и представления результатов в графической форме.
Для выявления амплитудно-частотных параметров изометрического усилия применяют разложение временного ряда на главные компоненты (ГК) по методу SSA-«Гусеница». Колебания усилия анализируют в диапазоне частот от 100 до 0,1 Гц и по их результатам диагностируют обследуемого.
Примеры.
Исследования проводились на здоровых добровольцах, не имеющих нарушений в регуляции моторной функции, и на пациентах с нейродегенеративными поражениями ЦНС.
На диаграммах фиг.3 (а, б) представлены результаты, полученные при обследовании здорового испытуемого (возраст 28 лет) и пациента с болезнью Паркинсона (возраст 70 лет). Исследование было одобрено Комитетом по этике Института мозга человека им. Н.П. Бехтеревой РАН. Все участники были ознакомлены с условиями исследования и дали информированное согласие на проведение тестирования.
Как видно из диаграмм (а), у здорового испытуемого паттерны для левой и правой рук практически одинаковы, симметричны, имеют четко выраженные максимумы. У больного Паркинсоном (б) наблюдается нарушение симметрии ГК 1 и 2, смещение их максимумов относительно оси частот, нарушение последовательности ГК и их слияние.
Предлагаемый способ позволяет неинвазивным методом, анализируя параметры изометрического усилия, определять функциональное состояние ЦНС. Получаемые данные важны как для дальнейшего развития фундаментальных исследований в области физиологии движений, так и для объективного изучения в клинике процессов возникновения и развития патологических состояний в ЦНС и контроля процессов восстановления активности в центральных структурах мозга при разных формах терапии.
Изложенное позволяет сделать вывод о «промышленной применимости» изобретения.
Claims (1)
- Способ оценки функционального состояния центральной нервной системы (ЦНС), включающий приведение в соприкосновение с опорным элементом обеих рук обследуемого, отслеживание по смещению метки на экране монитора прикладываемого к опорному элементу произвольного изометрического усилия, и формирование временных рядов непроизвольных и произвольных компонент изометрического усилия, при этом из временных рядов в диапазоне частот от 100 до 0,1 Гц методом математического анализа SSA-«Гусеница» выделяют и отображают графически главные компоненты, амплитудно-частотные параметры которых соответствуют циклической активности замыкающихся на разных уровнях ЦНС контуров системы управления движением, после чего производят частотно-амплитудный анализ параметров каждой главной компоненты в соответствии с диапазоном ее расположения относительно оси частот, а также визуальный анализ структуры паттерна, полученного для изометрического усилия на основании признаков, характерных для здоровых испытуемых и пациентов с нейромоторными нарушениями, и затем по результатам анализа судят о функциональном состоянии ЦНС, при этом разложение временных рядов на главные компоненты производят с шагом квантования не менее 100 Гц, а для анализа выделяют главные компоненты, участие которых во временном ряде составляет не менее 5%, отличающийся тем, что о патологии в функциональном состоянии ЦНС судят по нарушению симметрии главных компонент правой и левой рук, и/или по нарушению последовательности главных компонент, и/или по смещению максимумов главных компонент относительно оси частот, и/или по слиянию двух и более главных компонент.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2013120819/14A RU2540534C2 (ru) | 2013-04-29 | 2013-04-29 | Способ оценки функционального состояния центральной нервной системы человека |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2013120819/14A RU2540534C2 (ru) | 2013-04-29 | 2013-04-29 | Способ оценки функционального состояния центральной нервной системы человека |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2013120819A RU2013120819A (ru) | 2014-11-10 |
RU2540534C2 true RU2540534C2 (ru) | 2015-02-10 |
Family
ID=53287241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2013120819/14A RU2540534C2 (ru) | 2013-04-29 | 2013-04-29 | Способ оценки функционального состояния центральной нервной системы человека |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2540534C2 (ru) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2613446C1 (ru) * | 2015-09-28 | 2017-03-16 | Общество с ограниченной ответственностью "ЛЭТИНТЕХ" | Способ оценки функционального состояния центральной нервной системы человека и устройство для его реализации |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2195869C2 (ru) * | 2000-11-08 | 2003-01-10 | Институт аналитического приборостроения РАН | Способ оценки функционального состояния центральной нервной системы человека и устройство для его реализации |
RU2234852C2 (ru) * | 2002-10-07 | 2004-08-27 | Санкт-Петербургский научно-исследовательский психоневрологический институт им. В.М. Бехтерева | Способ прогнозирования течения и исхода заболевания у пациентов в остром периоде ишемического инсульта |
WO2008148250A1 (fr) * | 2007-06-08 | 2008-12-11 | Jianhua Luo | Procédé de débruitage par reconstruction de signaux à partir de données de spectre partiel |
-
2013
- 2013-04-29 RU RU2013120819/14A patent/RU2540534C2/ru not_active IP Right Cessation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2195869C2 (ru) * | 2000-11-08 | 2003-01-10 | Институт аналитического приборостроения РАН | Способ оценки функционального состояния центральной нервной системы человека и устройство для его реализации |
RU2234852C2 (ru) * | 2002-10-07 | 2004-08-27 | Санкт-Петербургский научно-исследовательский психоневрологический институт им. В.М. Бехтерева | Способ прогнозирования течения и исхода заболевания у пациентов в остром периоде ишемического инсульта |
WO2008148250A1 (fr) * | 2007-06-08 | 2008-12-11 | Jianhua Luo | Procédé de débruitage par reconstruction de signaux à partir de données de spectre partiel |
Non-Patent Citations (1)
Title |
---|
реферат. ГОЛЯНДИНА Н.Э. и др. Метод "Гусеница"-SSA: анализ временных рядов, учеб.пособ., СПб, 2004, 76 с. НОСОВСКИЙ А.М. и др. Применение метода сингулярного спектрального анализа временных рядов с пропусками для оценки адаптационных возможностей организма при внекорабельной деятельности космонавтов// Биомедицинская радиоэлектроника, М., 2009, N 3, с.9-13, аннотация, найдено [11.03.2014] из Интернет http://elibrary.ru * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2613446C1 (ru) * | 2015-09-28 | 2017-03-16 | Общество с ограниченной ответственностью "ЛЭТИНТЕХ" | Способ оценки функционального состояния центральной нервной системы человека и устройство для его реализации |
Also Published As
Publication number | Publication date |
---|---|
RU2013120819A (ru) | 2014-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Seizure prediction using directed transfer function and convolution neural network on intracranial EEG | |
Hirschmann et al. | Parkinsonian rest tremor can be detected accurately based on neuronal oscillations recorded from the subthalamic nucleus | |
US9721476B2 (en) | System and method for dynamic cognitive training | |
WO2013049156A1 (en) | Quantitative methods and systems for neurological assessment | |
US20150317447A1 (en) | Method for prediction of a placebo response in a individual suffering from or at risk to a pain disorder | |
US10327675B2 (en) | Motor function analysis system and operational method of system | |
US20150196232A1 (en) | System and method for testing motor and cognitive performance of a human subject with a mobile device | |
US10433757B2 (en) | Diagnostic method and apparatus for brain injury based on EMG frequency power spectra analysis | |
WO2016029293A1 (en) | Method and apparatus for prediction of epileptic seizures | |
Mykhalyk et al. | Modern hardware and software solution for identification of abnormal neurological movements of patients with essential tremor | |
RU2573340C2 (ru) | Способ оценки уровня функционального состояния центральной нервной системы человека на основе измерения времени ориентировочной зрительно-моторной реакции человека | |
Vanmechelen et al. | Assessment of movement disorders using wearable sensors during upper limb tasks: A scoping review | |
Ricci et al. | The Impact of Wearable Electronics in Assessing the Effectiveness of Levodopa Treatment in Parkinson's Disease | |
Maskeliūnas et al. | Depression behavior detection model based on participation in serious games | |
Jomaa et al. | Multivariate improved weighted multiscale permutation entropy and its application on EEG data | |
Del Percio et al. | Sleep deprivation and Modafinil affect cortical sources of resting state electroencephalographic rhythms in healthy young adults | |
de Oliveira et al. | On the use of information theory for detecting upper limb motor dysfunction: An application to Parkinson’s disease | |
RU2540534C2 (ru) | Способ оценки функционального состояния центральной нервной системы человека | |
Krasovsky et al. | Bilateral leg stepping coherence as a predictor of freezing of gait in patients with Parkinson’s disease walking with wearable sensors | |
US20210145347A1 (en) | Cortical recording and signal processing methods and devices | |
EP3600011B1 (en) | A device for determining extrapyramidal symptoms, in particular motor symptoms of parkinson's disease | |
JP3313101B2 (ja) | ウェーブレット・ニューロ波形診断方法および装置 | |
Scarciglia et al. | Physiological noise: Definition, estimation, and characterization in complex biomedical signals | |
CN108324272A (zh) | 一种基于lzc复杂度测查焦虑程度的装置 | |
Sharma et al. | Prior forecasting of epileptic seizure and localization of epileptogenic region |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20190430 |