TWI778418B - 評估跨顱磁刺激對憂鬱症患者是否有效的輔助判斷裝置 - Google Patents
評估跨顱磁刺激對憂鬱症患者是否有效的輔助判斷裝置 Download PDFInfo
- Publication number
- TWI778418B TWI778418B TW109131760A TW109131760A TWI778418B TW I778418 B TWI778418 B TW I778418B TW 109131760 A TW109131760 A TW 109131760A TW 109131760 A TW109131760 A TW 109131760A TW I778418 B TWI778418 B TW I778418B
- Authority
- TW
- Taiwan
- Prior art keywords
- eeg signal
- signal
- unit
- transcranial magnetic
- patient
- Prior art date
Links
Images
Abstract
揭露一種評估跨顱磁刺激對憂鬱症患者是否有效的輔助判斷裝置,其具有特徵萃取單元與電性連接特徵萃取單元的機器學習單元。於判讀模式下,特徵萃取單元用於獲取患者的腦電圖信號的至少一特徵值,機器學習單元的至少一分類器根據腦電圖信號的至少一特徵判讀跨顱磁刺激對患者是否有效,其中腦電圖信號為患者經由認知作業程式所驅動後的腦電圖信號或前後差異的腦電圖信號,以及至少一特徵值為線性或非線性的特徵值。
Description
本發明係關於一種協助醫生對憂鬱症患者之治療方式進行評估的輔助判斷裝置,尤其指一種評估跨顱磁刺激(transcranial magnetic stimulation,簡稱為TMS)對憂鬱症患者是否有效的輔助判斷裝置以及跨顱磁刺激器的參數決定方法。
憂鬱症可能是因為人體內分泌異常、心理壓力或重大事件造成心理創傷而引發。隨著現在人的生活步調快與工作壓力大,憂鬱症患者的比例也逐漸地增加。憂鬱症會使得患者對日常生活、工作、學習與睡眠等造成不便影響,甚至,重度憂鬱症(major depressive disorder,簡稱MDD)對患者而言是一種嚴重的精神障礙,除了使其對日常生活、工作、學習與睡眠等造成失能之外,約有60%的自殺者係起因於重度憂鬱症。
對於憂鬱症患者,且特別是重度憂鬱症患者,施以必要的治療才能避免憾事發生。目前治療憂鬱症的方式包括藥物、心理輔導與跨顱磁刺激,其中藥物可以是口服藥物或注射藥物,以及跨顱磁刺激可以是反覆式
跨顱磁刺激(repetitive transcranial magnetic stimulation,簡稱為r-TMS)或間歇性θ陣發磁刺激(intermittent theta burst stimulation,簡稱為i-TBS)。進行跨顱磁刺激的跨顱磁刺激器更有許多的參數可以供設定,其中將調整顱磁刺激器的部分特定參數調整至特定值後,即產生上述反覆式跨顱磁刺激或間歇性θ陣發磁刺激。
相較於藥物或心理輔導,跨顱磁刺激為費用較昂貴的治療方式,但是用於改善憂鬱症患者之徵狀(syndrome)的治療期間較藥物與心理輔導的治療期間明顯來得短。不過,遺憾的是,跨顱磁刺激的治療並非針對每一個憂鬱症患者都有效,故導致跨顱磁刺激用於憂鬱症的治療仍不普及,再者,因為費用較昂貴的關係,憂鬱症患者也多不願意嘗試跨顱磁刺激的治療方式。
基於前述目的的至少其中之一者,本發明實施例提供一種評估跨顱磁刺激對憂鬱症患者是否有效的輔助判斷裝置,其具有特徵萃取單元與電性連接特徵萃取單元的機器學習單元。於判讀模式下,特徵萃取單元用於獲取患者的腦電圖信號的至少一特徵值,機器學習單元的至少一分類器根據腦電圖信號的至少一特徵判讀跨顱磁刺激對患者是否有效,其中腦電圖信號為患者經由認知作業程式所驅動後的腦電圖信號或由認知作業程式所驅動前後差異的腦電圖信號,以及至少一特徵值為線性或非線性的特徵值。
基於前述目的的至少其中之一者,本發明實施例還提供一種跨顱磁刺激器的參數決定方法,其步驟如下。於判讀模式下:透過特徵值萃取單元獲取患者的腦電圖信號的至少一特徵值,其中腦電圖信號為患者經由認知作業程式所驅動後的腦電圖信號或由認知作業程式所驅動前後差異的腦電圖信號,以及至少一特徵值為線性或非線性的特徵值;以及,透過機器學習單元的多個分類器根據腦電圖信號的至少一特徵判讀那一種跨顱磁刺激對患者有效,其中各分類器對應於跨顱磁刺激器的其中一個參數組。
簡言之,本發明實施例提供的輔助判斷裝置及跨顱磁刺激器的參數決定方法可預先評估跨顱磁刺激是否對患者有效,以避免無效的治療,造成醫療資源與金錢的浪費。
100、200:輔助判斷裝置
101、211:腦電圖信號測量單元
102、222:信號前處理單元
103、223:頻段篩選單元
104、224:特徵萃取單元
105、225:機器學習單元
106、226:判讀結果輸出單元
210:腦電圖信號測量設備
212、221:通訊單元
220:平台伺服器
300:人腦
301:鼻子
302:電極
S401~S505:步驟
圖1是本發明第一實施例之評估跨顱磁刺激對憂鬱症患者是否有效的輔助判斷裝置的功能方塊示意圖。
圖2是本發明第二實施例之評估跨顱磁刺激對憂鬱症患者是否有效的輔助判斷裝置的功能方塊示意圖。
圖3是本發明實施例之腦電圖信號測量單元之多個電極於人腦上的分佈示意圖。
圖4是本發明實施例之跨顱磁刺激器的參數決定方法於訓練模式下的流程圖。
圖5是本發明實施例之跨顱磁刺激器的參數決定方法於判讀模式下的流程圖。
為充分瞭解本發明之目的、特徵及功效,茲藉由下述具體之實施例,並配合所附之圖式,對本發明做一詳細說明,說明如後。
本發明實施例提供一種評估跨顱磁刺激對憂鬱症患者是否有效的輔助判斷裝置以及跨顱磁刺激器的參數決定方法,其概念說明如下。跨顱磁刺激利用磁波刺激,可以改變部分憂鬱症患者之大腦內神經細胞的動作電位,藉以改變刺激位置的腦區活性,從而改善憂鬱症患者的徵狀。因此,於本發明實施例中,輔助判斷裝置與參數決定方法可以根據憂鬱症患者接受認知作業程式(例如,計算機化的前扣帶迴皮層(rostral anterior cingulate cortex,簡稱為r-ACC)開發認知任務(簡稱為RECT)或跨顱磁刺激,但不以此為限制)驅動後之腦電圖信號萃取至少一個以上的特徵值,然後透過基於機器學習訓練完畢後的至少一個分類器根據萃取的特徵值輔助判斷跨顱磁刺激是否對憂鬱症患者有效以及決定跨顱磁刺激器的參數。如此,本發明實施例的輔助判斷裝置以及跨顱磁刺激器的參數決定方法能夠讓醫生能夠預先評估是否使用跨顱磁刺激來治療憂鬱症患者以及決定跨顱磁刺激器的參數,以避免無效的治療與不必要的醫療花費。
進一步地說,腦電圖信號為複雜(complex)、非線性(non-linear)與非靜止(non-stationary)的信號,因此在特徵值的擷取上,無法單純以線性方法擷取特徵值來表達神經活動之複雜的動態變化。據此,於本發明實施例中,除了將腦電圖信號進行轉換(例如,小波轉換(wavelet transform),但不以此為限制),以表現其時域與頻域上的特性外,更使用非線性方法以及線性方法來璀取特徵值,以進一步地來表達神經活動之複雜的
動態變化,從而透過特徵值來輔助判斷跨顱磁刺激是否能夠有效地治療憂鬱症患者,以及決定跨顱磁刺激器的參數應如何調整才能夠有效地治療憂鬱症患者。
於本發明實施例中,透過非線性方法萃取的特徵值例如為最大李亞普諾夫指數(largest Lyapunov exponent,簡稱為LLE)、近似熵(approximate entropy)、關聯維數(correlation dimension)、碎形維數(fractal dimension)與消除趨勢波動(detrended fluctuation)等,但不以此為限制;以及透過線性方法翠取的特徵值例如為快速傅立葉轉換或韋爾奇週期圖(Welch periodogram)的頻帶功率(band power),但不以此為限制。簡單地說,特徵值為線性或非線性特徵值。較佳地,於本發明實施例中,兩個以上的特徵值會被萃取,且兩個以上的特徵值包括線性與非線性特徵值。
再者,為了進一步地提升輔助判斷與參數決定的準確率,於本發明實施例中,更對腦電圖信號進行諸如帶通濾波與/或獨立成分分析(independent component analysis,簡稱為ICA)等處理,以去除腦電圖信號中的雜訊。再者,為了進一步減少處理時間,於本發明實施例中,更對腦電圖信號進行下取樣(down-sampling)的重新取樣(re-sampling)。總而言之,本發明實施例提供的輔助判斷裝置與參數決定方法易於實現,且其處理時間短,故能夠即時且自動提供輔助判斷結果給醫生進行評估跨顱磁刺激是否能夠有效地治療憂鬱症患者,以及提供決定的跨顱磁刺激器的參數給醫生,以避免無效的治療與不必要的醫療花費。如此,本發明能幫助對跨顱磁刺激有良好反應的憂鬱症患者(甚至是重度憂鬱症患者)進行跨顱磁刺激的治療來快速減緩其徵狀,從而降低患者因為疾病產生的不便與憾事。
接著,請參照本案圖1,圖1是本發明第一實施例之評估跨顱磁刺激對憂鬱症患者是否有效的輔助判斷裝置的功能方塊示意圖。輔助判斷裝置100為位於醫院或診察中心的本地端設備,其包括腦電圖信號測量單元101、信號前處理單元102、頻段篩選單元103、特徵萃取單元104、機器學習單元105與判讀結果輸出單元106,其中腦電圖信號測量單元101電性連接信號前處理單元102,電信號前處理單元102電性連接頻段篩選單元103,頻段篩選單元103電性連接特徵萃取單元104,特徵萃取單元104電性連接機器學習單元105,以及機器學習單元105電性連接判讀結果輸出單元106。
腦電圖信號測量單元101可以是乾式或濕式腦電圖信號測量裝置,其電極數量可以32、64或128個,且本發明不以腦電圖信號測量裝置的類型為限制。透過腦電圖信號測量單元101,患者經由認知作業程式所驅動後的腦電圖信號可以被獲取。於本發明實施例中,可以直接根據由認知作業程式所驅動後的腦電圖信號來評估跨顱磁刺激對憂鬱症患者是否有效,或者,可以根據由認知作業程式所驅動前後差異的腦電圖信號來評估跨顱磁刺激對憂鬱症患者是否有效(此種作法,腦電圖信號測量單元101需獲取經由認知作業程式所驅動前的腦電圖信號)。
信號前處理單元102會對腦電圖信號測量單元101傳送過來的腦電圖信號(即經由認知作業程式所驅動後的腦電圖信號或經由認知作業程式所驅動前後差異的腦電圖信號)進行信號前處理。信號前處理可以包括下取樣、帶通濾波與獨立成分分析。腦波信號的信號頻率大約在60Hz之下,故腦電圖信號測量單元101獲取之腦電圖信號的信號頻率也大約在60Hz之下,因此,根據取樣定理,對腦電圖信號測量單元101獲取的信號以2倍以上
之信號頻率的取樣頻率來進行下取樣,以避免重建時的混疊(aliasing)失真,並可以有效地減少資料量與運算量。
如前面所述,腦電圖信號測量單元101獲取之腦電圖信號的信號頻率也大約在60Hz之下,因此可以透過帶通濾波,例如1-60Hz的帶通濾波,來將1-60Hz之頻帶外的雜訊濾除。另外,上述1-60的帶通濾波也可以使用60Hz以下的低通濾波來取代。獨立成分分析則是找出構成腦電圖信號測量單元101獲取之腦電圖信號的獨立成分,由於測量腦電圖信號時,患者的眼口耳鼻之輕微動作,可以會影響腦電圖信號,因此,透過獨立成分分析,可以找出構成腦電圖信號測量單元101獲取之腦電圖信號的獨立成分(包括屬於患者的眼口耳鼻之輕微動作的雜訊成分與腦波信號的構成成分),並據此濾除雜訊成分。簡單地說,帶通濾波與獨立成分分析等信號前處理的其中一個目的在於濾除雜訊。另外,信號前處理單元102可以非為輔助判斷裝置100的必要元件,而被移除。
頻段篩選單元103用於對由腦電圖信號測量單元101傳送過來的腦電圖信號(即經由認知作業程式所驅動後的腦電圖信號或經由認知作業程式所驅動前後差異的腦電圖信號)進行頻段篩選。腦波信號分為一般分為α(8-14Hz)、β(12.5-28Hz)、γ(25-60Hz)、θ(4-7Hz)與δ(0.1-3Hz)等五個頻段(此處忽略了罕見腦波信號頻段),因此,可以對由腦電圖信號測量單元101傳送過來的腦電圖信號進行頻段篩選,而獲取某特定頻段之腦電圖信號進行後續的特徵萃取與判讀。舉例來說,於本案中,可以僅透過獲取θ頻段的腦電圖信號,便能夠判讀反覆式跨顱磁刺激是否對患者有效;或者,於本案中,可以僅透過獲取β頻段之腦電圖信號,可以判讀,便能夠判讀間歇性θ陣發磁刺激是否對患者有效。
頻段篩選單元103可以使用各類將空間域或時域信號轉換至頻域信號的轉換方式,以將腦電圖信號轉換至頻域,並取得特定頻段的腦電圖信號。於本發明實施例中,較佳地,轉換方式可以使用小波轉換,以同時表現其時域與頻域上的特性,但本發明不限制轉換的方式。在此請注意,於其他實施例中,也可以針對全頻段之腦電圖信號進行判讀,故此時,頻段篩選單元103為非必要元件,而可以被移除。
特徵萃取單元104則是使用線性方法與/或非線性方法來萃取腦電圖信號的特徵值。透過非線性方法萃取的特徵值例如為最大李亞普諾夫指數、近似熵、關聯維數、碎形維數與消除趨勢波動等,但不以此為限制;以及透過線性方法翠取的特徵值例如為韋爾奇週期圖的頻帶功率,但不以此為限制。最大李亞普諾夫指數表示腦電圖信號的不穩定性或不可預測性,以及消除趨勢波動表示遠程時域上信號間的關聯度,故消除趨勢波動與最大李亞普諾夫指數等特徵值實際上代表的是腦電圖信號的趨勢,且本發明還可以萃取其他用於表示腦電圖信號趨勢的特徵值。關聯維數表示腦電圖信號的現有時點之信號值對其他時點的信號值之影響度,以及碎形維數用於量化腦電圖信號的自相關程度,故關聯維數與碎形維數等特徵值實際上代表的是腦電圖信號的維數,且本發明還可以萃取其他用於表示腦電圖信號維數的特徵值。近似熵用於表示腦電圖信號的規律性與複雜性,故近似熵之特徵值實際上代表的是腦電圖信號的複雜性,且本發明還可以萃取其他用於表示腦電圖信號複雜性的特徵值。
機器學習單元105可以包括基於支持向量機(support vector machine,簡稱為SVM)、自適應增強算法(adaptive boost,簡稱為Adaboost)與類神經網路(neural network,簡稱為NN)架構的至少一個分類器,且本發
明不以此為限制。機器學習單元105的分類器係透過學習訓練而完成,並在分類器訓練完成後,根據腦電圖信號的至少一個特徵值進行分類,以獲得判讀結果,並透過判讀結果輸出單元106將判讀結果提供給醫生。判讀結果輸出單元106可以是任何一種輸出設備,例如,顯示屏、通訊單元或印表機等,且本發明不以此為限制。
機器學習單元105具有訓練模式與判讀模式。於訓練模式下,多個用於訓練分類器的腦電圖信號依序被輸入到機器學習單元105進行學習,由於用於訓練分類器的腦電圖信號為對應於特定參數之跨顱磁刺激是否有效的腦電圖信號,因此,可以透過訓練模式,訓練出各組特定參數之跨顱磁刺激是否有效的分類器,例如,反覆式跨顱磁刺激是否有效、間歇性θ陣發磁刺激是否有效及假打(sham,即提供安慰效果的治療)是否有效等分類器。於判讀模式下,機器學習單元105的多個分類器可以根據腦電波信號的至少一個特徵值判讀跨顱磁刺激是對患者有效,以及顱磁刺激器的參數應該如何調整。例如,反覆式跨顱磁刺激是否有效的分類器判讀為有效,間歇性θ陣發磁刺激是否有效的分類器判讀無效,則判讀解果表示為有效,且應將跨顱磁刺激器的參數進行設定,使跨顱磁刺激為反覆式跨顱磁刺激。
在不失一般性的情況下,跨顱磁刺激器的參數包括模式、頻率、陣發週期(burst period)、陣發期間(burst duration)、休止期間(rest interval)、信號強度以及每一陣發的脈波數量。模式可以是反覆式跨顱磁刺激、間歇性θ陣發磁刺激、單一與配對脈波跨顱磁刺激(single and paired pulse TMS,簡稱為sp-TMS)、中介θ陣發磁刺激(intermediate theta burst stimulation,簡稱為im-TBS)、連續陣發磁刺激(continuous theta burst stimulation,簡稱為c-TBS)或用戶自訂(manual)等模式,頻率為每一個脈波之間的頻率,陣發
週期為兩相臨陣發之間的週期,陣發期間為連續發生多個陣發的持續期間,休止期間為多個連續發生多個陣發後的休止期間,信號強度為每一個脈波的信號強度,以及每一陣發的脈波數量為一個陣發中所包括脈波數量。
透過訓練出不同參數組的分類器,並將腦電波信號的至少一個特徵值輸入至各分類器,則可以知悉那些類型的跨顱磁刺激對患者來說為有效的,並藉此決定跨顱磁刺激器的參數,亦即判讀結果除了包括跨顱磁刺激對患者是否有效的資訊,更包括跨顱磁刺激器的參數。
再者,機器學習單元105透過訓練好的各分類器出判讀出有兩種以上同參數組對患者有效時,醫生可以透過此判讀結果,決定使用兩種以上參數組的跨顱磁刺激對患者進行雞尾酒式的治療或選擇其中一種參數組的跨顱磁刺激對患者進行治療。舉例來說,機器學習單元105的判讀結果表示中介θ陣發磁刺激與單一與配對脈波跨顱磁刺激對患者皆可能有效,醫生可能決定使用其中一種來對患者進行治療,或者,先使用中介θ陣發磁刺激對患者治療後,再使用單一與配對脈波跨顱磁刺激對患者治療。
接著,請參照圖2,圖2是本發明第二實施例之評估跨顱磁刺激對憂鬱症患者是否有效的輔助判斷裝置的功能方塊示意圖。於第二實施例中,輔助判斷裝置200可由位於兩個不同地點的腦電圖信號測量設備210與平台伺服器220所構成,其中腦電圖信號測量設備210位於醫院或診察中心,以及平台伺服器220可以位於遠端的伺服器中心。
腦電圖信號測量設備210包括腦電圖信號測量單元211與通訊單元212,其中腦電圖信號測量單元211電性連接通訊單元212。平台伺服器220透過其硬體與軟體程式碼組態成多個功能方塊,且其包括通訊單元221、信號前處理單元222、頻段篩選單元223、特徵萃取單元224、機器學習單元225
與判讀結果輸出單元226,其中通訊單元221通訊連結通訊單元212並信號連接信號前處理單元222,電信號前處理單元222信號連接頻段篩選單元223,頻段篩選單元223信號連接特徵萃取單元224,特徵萃取單元224信號連接機器學習單元225,以及機器學習單元225信號連接判讀結果輸出單元226。
腦電圖信號測量單元211、信號前處理單元222、頻段篩選單元223、特徵萃取單元224、機器學習單元225與判讀結果輸出單元226相同於圖1的腦電圖信號測量單元101、信號前處理單元102、頻段篩選單元103、特徵萃取單元104、機器學習單元105與判讀結果輸出單元106。通訊單元212用於將腦電圖信號測量單元211測量的腦電圖信號傳送通訊單元221,以及通訊單元221將接收的腦電圖信號傳送給信號前處理單元222。
圖3是本發明實施例之腦電圖信號測量單元之多個電極於人腦上的分佈示意圖。於此實施例中,共有32個電極302,其分別為A1、A2、Fp1、Fp2、F3、F4、F7、F8、Fz、FT7、FT8、FC3、FC4、FCz、T7、T8、C3、C4、Cz、TP7、TP8、CP3、CP4、CPz、P7、P8、P3、P4、Pz、O1、O2及Oz電極,其分布於人腦300的位置如圖3所示,且圖3中以人的鼻子301的標示來表示人腦300的前後左右相對位置。此32個電極302與目前常用的腦電圖信號測量單元的的32個電極相同,故不多做說明。於本發明中,較佳地,可以僅使用Fp1、Fp2、F3、F4、F7、F8與Fz電極之至少其中一所測量到的腦電圖信號來進行判讀跨顱磁刺激是否對患者治療。
請接著,參考圖4,如前面所述,機器學習單元105的各分類器需要先進行訓練,因此,圖4提供了本發明實施例之跨顱磁刺激器的參數決定方法於訓練模式下的流程圖。首先,於步驟S401中,獲取用於訓練的腦電圖信號,其中用於訓練的腦電圖信號為患者經由認知作業程式所驅動後的腦
電圖信號或患者由認知作業程式所驅動前後差異的腦電圖信號,且用於訓練的腦電圖信號對應於某一種參數組的跨顱磁刺激為有效或無效的資訊為已知。接著,於步驟S402中,對用於訓練的腦電圖信號進行信號前處理,其中信號前處理如前面所述,故不贅述。之後,於步驟S403中,對用於訓練的腦電圖信號進行頻段的篩選,其中頻段的篩選如前面所述,故不贅述。於步驟S404中,對用於訓練的腦電圖信號進行特徵萃取,其中特徵萃取的方式如前面所述,故不贅述。於步驟S405中,用於訓練的腦電圖信號的特徵值被輸入到各分類器進行訓練,由於用於訓練的腦電圖信號對應於某一種參數組的跨顱磁刺激為有效或無效的資訊為已知,故各分類器可以經過多次的疊代(iteration)而被訓練完成。
然後,請參考圖5,圖5是本發明實施例之跨顱磁刺激器的參數決定方法於判讀模式下的流程圖。於各分類器訓練完成後,便可以判讀腦電圖信號,以讓醫生根據判讀結果決定那種參數組的跨顱磁刺激的治療對患者而言為有效。首先,於步驟S501中,獲取欲判讀的腦電圖信號,其中欲判讀的的腦電圖信號為患者經由認知作業程式所驅動後的腦電圖信號或患者由認知作業程式所驅動前後差異的腦電圖信號,且欲判讀的腦電圖信號對應於某一種參數組的跨顱磁刺激為有效或無效的資訊非為已知。接著,於步驟S502中,對欲判讀的腦電圖信號進行信號前處理,其中信號前處理如前面所述,故不贅述。之後,於步驟S503中,對欲判讀的腦電圖信號進行頻段的篩選,其中頻段的篩選如前面所述,故不贅述。於步驟S504中,對欲判讀的腦電圖信號進行特徵萃取,其中特徵萃取的方式如前面所述,故不贅述。於步驟S505
中,欲判讀的腦電圖信號的特徵值被輸入到各分類器進行分類,以產生判讀結果給醫生決定何種參數組的跨顱磁刺激對患者的治療為有效。
綜合以上所述,相較於昔知技術,本發明實施例提供的輔助判斷裝置及跨顱磁刺激器的參數決定方法至少具有下述的有益技術效果。
(1)預先評估跨顱磁刺激是否對患者有效,以避免無效的治療,造成醫療資源與金錢的浪費;(2)跨顱磁刺激器的參數組有多種組合,透過判讀結果,醫生可以決定跨顱磁刺激的參數組,以實現精準治療的目的;以及(3)輔助判斷裝置及跨顱磁刺激器的參數決定方法所採用的演算法不複雜,故具有易於實現的優勢。
本發明在上文中已以較佳實施例揭露,然熟習本項技術者應理解的是,上述實施例僅用於描繪本發明,而不應解讀為限制本發明之範圍。應注意的是,舉凡與前述實施例等效之變化與置換,均應設為涵蓋於本發明之範疇內。因此,本發明之保護範圍當以申請專利範圍所界定者為準。
100:輔助判斷裝置
101:腦電圖信號測量單元
102:信號前處理單元
103:頻段篩選單元
104:特徵萃取單元
105:機器學習單元
106:判讀結果輸出單元
Claims (10)
- 一種評估跨顱磁刺激對憂鬱症患者是否有效的輔助判斷裝置,包括:一特徵萃取單元,於一判讀模式下,用於獲取一患者的一腦電圖信號的至少一特徵值,其中該腦電圖信號為該患者經由認知作業程式所驅動後的腦電圖信號或由認知作業程式所驅動前後差異的腦電圖信號,且該至少一特徵值為一線性或非線性的特徵值,其中該認知作業程式為計算機化的一前扣帶迴皮層(rostral anterior cingulate cortex,簡稱為r-ACC)開發認知任務;以及一機器學習單元,電性連接該特徵萃取單元,具有至少一分類器,於該判讀模式下,根據該腦電圖信號的該至少一特徵判讀跨顱磁刺激對該患者是否有效。
- 如請求項1所述之輔助判斷裝置,更包括:一信號前處理單元,電性連接該特徵萃取單元,於該判讀模式下,用於對該腦電圖信號進行一信號前處理,其中該信號前處理包括一帶通濾波、一重新取樣與一獨立成分分析的至少其中一者。
- 如請求項2所述之輔助判斷裝置,更包括:一頻段篩選單元,電性連接該特徵萃取單元與該信號前處理單元,於該判讀模式下,用於對該腦電圖信號進行一頻段篩選,以獲取一特定頻段之該腦電圖信號進行後續的特徵萃取與判讀。
- 如請求項3所述之輔助判斷裝置,其中該特定頻段為α、β、γ、θ與δ頻段。
- 如請求項2所述之輔助判斷裝置,更包括:一腦電圖信號測量單元,電性連接或通訊連結該信號前處理單元,用於測量該腦電圖信號。
- 如請求項5所述之輔助判斷裝置,其中該腦電圖信號由該腦電圖信號測量單元之Fp1、Fp2、F3、F4、F7、F8與Fz之至少其中一電極所測量獲得。
- 如請求項1所述之輔助判斷裝置,其中該至少一特徵值包括一最大李亞普諾夫指數、一近似熵、一關聯維數、一碎形維數、一消除趨勢波動、一快速傅立葉轉換的一頻帶功率、韋爾奇週期圖的一頻帶功率至少的其中一者。
- 如請求項1所述之輔助判斷裝置,其中該至少一分類器為一支持向量機、一自適應增強算法或一類神經網路架構的分類器。
- 如請求項1所述之輔助判斷裝置,其中該至少一分類器為多個分類器,且該每一個分類器對應於一跨顱磁刺激器的一參數組。
- 如請求項9所述之輔助判斷裝置,其中該跨顱磁刺激器的多個參數包括一模式、一頻率、一陣發週期、一陣發期間、一休止期間、一信號強度以及每一陣發的一脈波數量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109131760A TWI778418B (zh) | 2020-09-15 | 2020-09-15 | 評估跨顱磁刺激對憂鬱症患者是否有效的輔助判斷裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109131760A TWI778418B (zh) | 2020-09-15 | 2020-09-15 | 評估跨顱磁刺激對憂鬱症患者是否有效的輔助判斷裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202211869A TW202211869A (zh) | 2022-04-01 |
TWI778418B true TWI778418B (zh) | 2022-09-21 |
Family
ID=82197327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109131760A TWI778418B (zh) | 2020-09-15 | 2020-09-15 | 評估跨顱磁刺激對憂鬱症患者是否有效的輔助判斷裝置 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI778418B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200237247A1 (en) * | 2017-09-27 | 2020-07-30 | Mor Research Applications Ltd. | Eeg microstates analysis |
-
2020
- 2020-09-15 TW TW109131760A patent/TWI778418B/zh active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200237247A1 (en) * | 2017-09-27 | 2020-07-30 | Mor Research Applications Ltd. | Eeg microstates analysis |
Also Published As
Publication number | Publication date |
---|---|
TW202211869A (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khatun et al. | A single-channel EEG-based approach to detect mild cognitive impairment via speech-evoked brain responses | |
CA2616974C (en) | Method for assessing brain function and portable automatic brain function assessment apparatus | |
JP5642536B2 (ja) | 痛み検出の装置、方法、及び痛み定量指数の算定 | |
Kim et al. | Epileptic seizure detection and experimental treatment: A review | |
WO2004100765A2 (en) | System and method of assessment of the efficacy of treatment of neurological disorders using the electroencephalogram | |
JP2008529743A (ja) | 脳波図を用いる神経治療への反応を予測するシステムおよび方法 | |
JP2007515200A5 (zh) | ||
JP2015533547A (ja) | 脳の異なる領域の間の病的な相互作用を判定するために使用される位相分布を調べる装置および方法 | |
CN117064409B (zh) | 经颅直流电干预刺激效果实时评估方法、装置及终端 | |
Djamal et al. | Significant variables extraction of post-stroke EEG signal using wavelet and SOM kohonen | |
WO2022056652A1 (zh) | 评估跨颅磁刺激对忧郁症患者是否有效的辅助判断装置 | |
TWI778418B (zh) | 評估跨顱磁刺激對憂鬱症患者是否有效的輔助判斷裝置 | |
Sulaiman et al. | Initial investigation of human physical stress level using brainwaves | |
CN115192907A (zh) | 一种实时生物反馈经皮迷走神经电子针灸装置 | |
Nikravan et al. | Time-frequency analysis in EEG for the treatment of major depressive disorder using rTMS | |
CN114259239A (zh) | 评估跨颅磁刺激对忧郁症患者是否有效的辅助判断装置 | |
Dubey et al. | Digital analysis of EEG brain signal | |
Mukhopadhyay et al. | Therapeutic effects of functional electrical stimulation on motor cortex in children with spastic Cerebral Palsy | |
Sriram et al. | DECODING OF THE EXTRAOCULAR MUSCLES ACTIVATIONS BY COMPLEXITY-BASED ANALYSIS OF ELECTROMYOGRAM (EMG) SIGNALS | |
Saxena et al. | Artificial Neural Network analysis of EEG waves in complex partial seizure patients | |
Isa et al. | EEG Signals Identification Using Neural Network Due To Radiofrequency Exposure | |
Yamada-Bagg | Computational Efficiency Comparison of Python and Julia for EEG Analysis | |
Hulewicz et al. | Steady-State Visual Evoked Potentials SSVEP in Brain-Computer Interfaces | |
Saxena et al. | Artificial Neural Network analysis of EEG waves in focal seizures. | |
CN116603178A (zh) | 基于特征提取和闭环超声刺激的ad神经调控系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GD4A | Issue of patent certificate for granted invention patent |