JPS587291B2 - 脳波自動判定装置 - Google Patents
脳波自動判定装置Info
- Publication number
- JPS587291B2 JPS587291B2 JP52121109A JP12110977A JPS587291B2 JP S587291 B2 JPS587291 B2 JP S587291B2 JP 52121109 A JP52121109 A JP 52121109A JP 12110977 A JP12110977 A JP 12110977A JP S587291 B2 JPS587291 B2 JP S587291B2
- Authority
- JP
- Japan
- Prior art keywords
- electroencephalogram
- group
- vector
- determining
- brain wave
- 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.)
- Expired
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Description
【発明の詳細な説明】
本発明は脳波の自己回帰モデル解析によるスペクトルパ
ターンの自動判定を行なう脳波自動判定装置に関するも
のである。
ターンの自動判定を行なう脳波自動判定装置に関するも
のである。
従来、脳波の診断は脳波計により測定され記録紙に記録
された本規則な脳波の揺らぎそのものを、或いはフーリ
エ変換によって得られるスペクトルパターンを視察的に
判読し行なってきた。
された本規則な脳波の揺らぎそのものを、或いはフーリ
エ変換によって得られるスペクトルパターンを視察的に
判読し行なってきた。
従って、判読者の経験や考え方、知識等によって、その
判読の基準が異なることとなり、判定結果がそれそれ異
なつてしまう欠点があった。
判読の基準が異なることとなり、判定結果がそれそれ異
なつてしまう欠点があった。
そこで、人間の視察による脳波判読を機械に代行させる
試みが成されているが、複雑な人間の視察を完全に代行
させることは不可能に近く、しかも、その判読基準が客
観性に乏しいと云う欠点は解決されていない。
試みが成されているが、複雑な人間の視察を完全に代行
させることは不可能に近く、しかも、その判読基準が客
観性に乏しいと云う欠点は解決されていない。
本発明は上記事情に鑑みて成されたもので、不規則な脳
波の自己回帰モデルによる定量的解析の結果得られる自
己回帰係数をパラメータとして統計的手法により客観的
な脳波スペクトルパターンの自動判定を行なうようにし
た脳波自動判定装置を提供することを目的とする。
波の自己回帰モデルによる定量的解析の結果得られる自
己回帰係数をパラメータとして統計的手法により客観的
な脳波スペクトルパターンの自動判定を行なうようにし
た脳波自動判定装置を提供することを目的とする。
以下、本発明の一実施例について図面を参照しながら説
明する。
明する。
初めに本発明の原理について説明する。
脳の電気的活動のゆらぎ現象としての刻々の脳波は、脳
の過去の活動と何らかの関連を持つ部分と、持たない部
分とより成ると煮えられる。
の過去の活動と何らかの関連を持つ部分と、持たない部
分とより成ると煮えられる。
即ち、脳波の適当な標本間隔の離散時系列で、平均から
の変位を時点ｔでｘ１とすると、これはＭ次自己回帰過
程： Ｘ （”ａＩ Ｘ （ −１ ＋ ８２Ｘ （ −２
＋ ”゜”’＋ａＭＸｔ Ｆ，什ｎＩ・・・・・・（１
） で表わすことができる。
の変位を時点ｔでｘ１とすると、これはＭ次自己回帰過
程： Ｘ （”ａＩ Ｘ （ −１ ＋ ８２Ｘ （ −２
＋ ”゜”’＋ａＭＸｔ Ｆ，什ｎＩ・・・・・・（１
） で表わすことができる。
ここで、｛ａｉ｝ｙｌ＝Ｌ２，・・・，Ｍは依存の程度
を示す自己回帰係数、ｎ１は分散０′モで無自己相関の
偶然量である。
を示す自己回帰係数、ｎ１は分散０′モで無自己相関の
偶然量である。
ここで、次の時間遅延演算子Ｂ；
１３ｍ）（ｔ：）（ｔ−，，，ｉ７１：Ｑ ， １ ，
２ ， ・・・を前記第（１）式に代入してまとめる
と ｎ．，．ｍ Ｇ（ Ｂ ） ＝ ｘ ｔ（２）となる。
２ ， ・・・を前記第（１）式に代入してまとめる
と ｎ．，．ｍ Ｇ（ Ｂ ） ＝ ｘ ｔ（２）となる。
但しここで？（Ｂ）＝ １ ／Ａ（Ｂ） （伝
達関数） ・・・・・・（４）であるが、上記第（２つ
式はランダムな自然刺激（特に人工的な刺激を与えなく
とも体外の気温、気圧、重力その他の種々の状態、およ
び体内の体液その他の種々の状態が、種々の受容器の刺
激となり、刻々と無数の求心性インパルス群が脳波導出
電極付近の脳部位に送り込まれている）が、脳部位の活
動性（伝達関数） Ｇ（Ｂ）により脳波応答ｘに変換さ
れることを示唆する。
達関数） ・・・・・・（４）であるが、上記第（２つ
式はランダムな自然刺激（特に人工的な刺激を与えなく
とも体外の気温、気圧、重力その他の種々の状態、およ
び体内の体液その他の種々の状態が、種々の受容器の刺
激となり、刻々と無数の求心性インパルス群が脳波導出
電極付近の脳部位に送り込まれている）が、脳部位の活
動性（伝達関数） Ｇ（Ｂ）により脳波応答ｘに変換さ
れることを示唆する。
ここで、前記第（１）式の自己回帰過程を示すｘｔのパ
ワースペクトルＰ（．ｆ）は前記第（２）式の両辺のフ
ーリエ変換として与えられることが知られている。
ワースペクトルＰ（．ｆ）は前記第（２）式の両辺のフ
ーリエ変換として与えられることが知られている。
即ちとなる。
この第（５）式から容易に脳波ｘｔのパワースペクトル
あるいはパワースペクトルのフーリエ逆変換として与え
られる自己相関のパターンは自己回帰係数｛ａ詰によっ
て決まることがわかる。
あるいはパワースペクトルのフーリエ逆変換として与え
られる自己相関のパターンは自己回帰係数｛ａ詰によっ
て決まることがわかる。
第１図ａに正常成人Ｆ２−Ｐ２導出による脳波の１例を
、また第１図ｂにこの脳波をサンプリング間隔２０ｍｓ
ｅｃでデイジタル化して得られた自己回帰パワースペク
トル（実線で示す部分）及びそれらの各要素波のパワー
スペクトル（破線で示す部分）を示す。
、また第１図ｂにこの脳波をサンプリング間隔２０ｍｓ
ｅｃでデイジタル化して得られた自己回帰パワースペク
トル（実線で示す部分）及びそれらの各要素波のパワー
スペクトル（破線で示す部分）を示す。
このとき、自己回帰係数｛ａｍ｝は多数例の脳波につい
て調べてみると正規分布することが期待でき、実際に９
０例の健康成人Ｆ２−Ｐ２導出脳波について調べてみる
と第２図のようになり、これは期待どおりほゞ正規分布
していると考えで良い。
て調べてみると正規分布することが期待でき、実際に９
０例の健康成人Ｆ２−Ｐ２導出脳波について調べてみる
と第２図のようになり、これは期待どおりほゞ正規分布
していると考えで良い。
ここで、第２図はＦ −Ｐ 導出脳波の自己回帰係数
の頻度分布を正規確率紙に表わした図で、ａ１，ａ２，
・・・ａ３は標準化した１次から８次までの自己回帰係
数（前記第（１）式の自己回帰係数を各々の標準偏差で
除して標準化したもの）を示している。
の頻度分布を正規確率紙に表わした図で、ａ１，ａ２，
・・・ａ３は標準化した１次から８次までの自己回帰係
数（前記第（１）式の自己回帰係数を各々の標準偏差で
除して標準化したもの）を示している。
斜直線は理論的正規分布（平均０１標準偏差１）を示し
、・印は上記９０例の脳波から求まった標準化自己回帰
係数の値の分布で、斜直線に極めて近く分布している。
、・印は上記９０例の脳波から求まった標準化自己回帰
係数の値の分布で、斜直線に極めて近く分布している。
本発明は上述の事柄を基礎として、次に示すような多変
量解析の手法により、任意の脳波のパワースペクトルパ
ターンが、ある規準脳波群、例えば正常成人脳波群のそ
れに属しているか否かを全く客観的に判定しようとする
ものである。
量解析の手法により、任意の脳波のパワースペクトルパ
ターンが、ある規準脳波群、例えば正常成人脳波群のそ
れに属しているか否かを全く客観的に判定しようとする
ものである。
そこで、多変量解析の手法としての、判定規準の設定と
判定のしかたについて説明する。
判定のしかたについて説明する。
１）判定規準の設定
予め、Ｋ個の脳波から成る規準脳波群を設定し、それら
の各々から得られた自己回帰係数から、次のＬ次元行ベ
クトル Ａｋ＝（ａ１ｋｔ ａ２ｋ ｊ ”” ｔ ａＭｌ（
ｔ゜” ｔ ａ’ｌ．ｋ）ｔ（ｋ＝１，２，・・・，Ｋ
）・・・・・・（６）を考える。
の各々から得られた自己回帰係数から、次のＬ次元行ベ
クトル Ａｋ＝（ａ１ｋｔ ａ２ｋ ｊ ”” ｔ ａＭｌ（
ｔ゜” ｔ ａ’ｌ．ｋ）ｔ（ｋ＝１，２，・・・，Ｋ
）・・・・・・（６）を考える。
但し、ここでＭ＜ｍ≦Ｌのときａｍｋ−０とする。
すると、Ｋが大きければＡｋは正規分布すると考えて良
いので、 を計算し、分散ベクトルの逆行列ｃ−１を求める。
いので、 を計算し、分散ベクトルの逆行列ｃ−１を求める。
同時にＦ分布の表より自由度（Ｌ，Ｋ−Ｌ）で適当な二
つの有意水準α１とα２（〉α１）の値（臨界値）を求
めＦα１とＦα２としておく。
つの有意水準α１とα２（〉α１）の値（臨界値）を求
めＦα１とＦα２としておく。
ここで通常α１＝０．０１，α２＝０．０５を用いる。
２）判定
１）任意の脳波パターンの判定
任意の脳波について自己回帰係数を求め、次のＬ次元行
ベクトルＸを作る。
ベクトルＸを作る。
Ｘ＝〔ａ１ｘ，ａ２ｘ，・・・・・・，ａＬｘ〕 ・
・・・・・（９）次に規準脳波群のスペクトルパターン
の平均値ＸからのＸの隔たりを示す距離ＦＸ：ＦＸ＝（
Ｋ−Ｌ）Ｋ（Ｋ＋１）−１Ｌ−１（Ｘ二Ｘ）・ｃ−１（
ｘ−ｉ）′−・・・・・α０）を求める。
・・・・・（９）次に規準脳波群のスペクトルパターン
の平均値ＸからのＸの隔たりを示す距離ＦＸ：ＦＸ＝（
Ｋ−Ｌ）Ｋ（Ｋ＋１）−１Ｌ−１（Ｘ二Ｘ）・ｃ−１（
ｘ−ｉ）′−・・・・・α０）を求める。
すると、この脳波のパワースペクトルパターンが規準脳
波群のそれに属している場合には、Ｆｘは自由度（Ｌ，
Ｋ−Ｌ）のＦ分布を示す。
波群のそれに属している場合には、Ｆｘは自由度（Ｌ，
Ｋ−Ｌ）のＦ分布を示す。
それでＦＸ≦Ｆａ２ならばこの脳波のパワースペクトル
パターンは規準脳波群のそれに属し、ＦＸ＞Ｆα１なら
ば異なったパターンであり、ＦＣｔ２〈ＦｘｓＦａ１な
らば境界と判定する。
パターンは規準脳波群のそれに属し、ＦＸ＞Ｆα１なら
ば異なったパターンであり、ＦＣｔ２〈ＦｘｓＦａ１な
らば境界と判定する。
ｉｉ）任意の脳波群の判定
Ｊ個の脳波から成る脳波群が規準脳波群と異なるか否か
を判定する。
を判定する。
この脳波群のＪ個の脳波の各々の自己回帰係数を求め、
ｊ番目ｊ−１，２，・・・，Ｊの脳波のＬ次元行ベクト
ルＸｊをつくる Ｘｊ＝（ａｔｘｊ， ａ２，ｊ ， ”− ， ａＬ−
） ，ｊ＝１，２，・・・，Ｊ・・・・・・（６つこれ
らの平均ベクトル又と分散ベクトル Ｃｘを求める この平均ベクトルＸの規準脳波群の平均ベクトルＡから
の差Ｄ： Ｄ＝又一Ｘ を求めると、検定脳波群の規準脳波群からの距離はつぎ
のＦＤで与えられる ＦＤ＝｛（Ｍ−Ｌ−１）ＪＫ／ＭＬ｝Ｄ−Ｖ−１−Ｄ’
Ｍ＝Ｊ＋Ｋ，Ｖ＝ＪＣｘ＋ＫＣ ・・・・・・（１
０りそして、検定脳波群が、規準脳波群に属する（有意
差なし）場合には、ＦＤは自由度（Ｌ，Ｍ−Ｌ−１）の
Ｆ分布をする。
ｊ番目ｊ−１，２，・・・，Ｊの脳波のＬ次元行ベクト
ルＸｊをつくる Ｘｊ＝（ａｔｘｊ， ａ２，ｊ ， ”− ， ａＬ−
） ，ｊ＝１，２，・・・，Ｊ・・・・・・（６つこれ
らの平均ベクトル又と分散ベクトル Ｃｘを求める この平均ベクトルＸの規準脳波群の平均ベクトルＡから
の差Ｄ： Ｄ＝又一Ｘ を求めると、検定脳波群の規準脳波群からの距離はつぎ
のＦＤで与えられる ＦＤ＝｛（Ｍ−Ｌ−１）ＪＫ／ＭＬ｝Ｄ−Ｖ−１−Ｄ’
Ｍ＝Ｊ＋Ｋ，Ｖ＝ＪＣｘ＋ＫＣ ・・・・・・（１
０りそして、検定脳波群が、規準脳波群に属する（有意
差なし）場合には、ＦＤは自由度（Ｌ，Ｍ−Ｌ−１）の
Ｆ分布をする。
それで、適当な有意水準α１とα２（〉α１）の値を決
め、各各の場合のＦ分布の値を求めＦ とＦ としてお
く。
め、各各の場合のＦ分布の値を求めＦ とＦ としてお
く。
そして、ＦＤ≦Ｆａ２ならば、この脳波群のスペクトル
パターンは規準脳波群に属し、ＦＤ＞Ｆ（：ｔ１ならば
異なるパターンであり、Ｆａ２〈ＦＤ≦Ｆｃｔ１ならば
境界と判定する。
パターンは規準脳波群に属し、ＦＤ＞Ｆ（：ｔ１ならば
異なるパターンであり、Ｆａ２〈ＦＤ≦Ｆｃｔ１ならば
境界と判定する。
なお、一つだけの有意水準を決めてαとした場合には、
ｉ）では自由度（Ｌ，Ｋ−Ｌ）のＦ分布から、１１）の
場合に−は自由度（Ｌ，Ｍ−Ｌ−１）のＦ分布から、有
意水準αの時の臨界値Ｆａを求める。
ｉ）では自由度（Ｌ，Ｋ−Ｌ）のＦ分布から、１１）の
場合に−は自由度（Ｌ，Ｍ−Ｌ−１）のＦ分布から、有
意水準αの時の臨界値Ｆａを求める。
そしてＦＸ＞Ｆａならば、検定脳波は規準脳波群とは異
なるもの、ＦＸ≦Ｆａならば検定脳波は規準脳波群とは
異ならず、この群に属すると判定する。
なるもの、ＦＸ≦Ｆａならば検定脳波は規準脳波群とは
異ならず、この群に属すると判定する。
またＦＤ＞Ｆａならば検定脳波群は規準脳波群と異なり
、ＦＤ≦Ｆａならば、検定脳波群は規準脳波群との間に
有意差はないと判定する。
、ＦＤ≦Ｆａならば、検定脳波群は規準脳波群との間に
有意差はないと判定する。
第３図は本発明による脳波自動判定装置の一実施例を示
すブロック図であり、図中３１は被検者の脳波の検出を
行なう脳波計、３２はこの脳波計３１の検出した脳波信
号をデイジタル信号に変換するＡ−Ｄ変換器、３３はこ
のＡ−Ｄ変換器３２の出力するデイジタル信号をデータ
として記憶すると共に後述する演算処理装置の演算結果
及び基準となるデータ等を格納する記憶装置、３４は記
憶装置３３内に記憶されているデータ等を上述した演算
式にしたがって演算処理し、その結果を前記基準となる
データと比較して脳波計３１の検出した脳波の異常を判
定する演算処理装置、３５はこれら演算処理装置３４及
び記憶装置３３等の制御を行なうコントローラ、３６は
このコントローラ３５により制御されて読み出された記
憶装置３３の内容或いは演算処理装置３４の内容等を表
示し、記録する出力装置である。
すブロック図であり、図中３１は被検者の脳波の検出を
行なう脳波計、３２はこの脳波計３１の検出した脳波信
号をデイジタル信号に変換するＡ−Ｄ変換器、３３はこ
のＡ−Ｄ変換器３２の出力するデイジタル信号をデータ
として記憶すると共に後述する演算処理装置の演算結果
及び基準となるデータ等を格納する記憶装置、３４は記
憶装置３３内に記憶されているデータ等を上述した演算
式にしたがって演算処理し、その結果を前記基準となる
データと比較して脳波計３１の検出した脳波の異常を判
定する演算処理装置、３５はこれら演算処理装置３４及
び記憶装置３３等の制御を行なうコントローラ、３６は
このコントローラ３５により制御されて読み出された記
憶装置３３の内容或いは演算処理装置３４の内容等を表
示し、記録する出力装置である。
次に上記構成の本装置の動作について説明する。
被検者から発生する脳波は脳波計３１より検出され、そ
の検出された脳波はＡ−Ｄ変換器３２にてデイジタル化
される。
の検出された脳波はＡ−Ｄ変換器３２にてデイジタル化
される。
このデイジタル化された脳波は演算処理装置３４に送ら
れここでその自己共分散を求め、これを用いて自己回帰
過程の次数と係数を決定しその後距離Ｆｘを求め、ＦＸ
をＦａと比較する。
れここでその自己共分散を求め、これを用いて自己回帰
過程の次数と係数を決定しその後距離Ｆｘを求め、ＦＸ
をＦａと比較する。
このようにして、パターンの判定を客観的かつ自動的に
行なうのであるが、次に演算処理装置の動作を具体的に
説明する。
行なうのであるが、次に演算処理装置の動作を具体的に
説明する。
即ち、判定すべき脳波のサンプリング間隔ＤＴ毎のＮ個
のデイジタル時系列をＸｋ，（ｋ＝０，１，２，・・・
，Ｎ−１）とするとこれの自己共分散Ｃｘｘ（ｉ）はＣ
Ｘｘ（ｉ）一ＥＣＸｋ−Ｘｋ−ｉ〕−ＥＣＸｋ〕２，（
ｉ＝０，１，２，・・・，ＬＡＧ；ここでＬＡＧは最大
遅延）であるが第４図に示す手順に従えば脳波のデイジ
タル化と同時に自己共分散を実時間で求められる。
のデイジタル時系列をＸｋ，（ｋ＝０，１，２，・・・
，Ｎ−１）とするとこれの自己共分散Ｃｘｘ（ｉ）はＣ
Ｘｘ（ｉ）一ＥＣＸｋ−Ｘｋ−ｉ〕−ＥＣＸｋ〕２，（
ｉ＝０，１，２，・・・，ＬＡＧ；ここでＬＡＧは最大
遅延）であるが第４図に示す手順に従えば脳波のデイジ
タル化と同時に自己共分散を実時間で求められる。
但し、ここでＥ．（ ）は括孤内の平均を示す。即ち、
第４図に示すようにまず４１でサンプル数Ｎ１サンプリ
ング間隔ＤＴ、共分散の最大遅延ＬＡＧの各初期値の設
定を行ない、４２で演算処理装置３４内のインターバル
タイマ（図示せず）にＤＴをセットする。
第４図に示すようにまず４１でサンプル数Ｎ１サンプリ
ング間隔ＤＴ、共分散の最大遅延ＬＡＧの各初期値の設
定を行ない、４２で演算処理装置３４内のインターバル
タイマ（図示せず）にＤＴをセットする。
そして次に４３で演算処理装置３４内にある一時データ
格納用のバツファとカウンタの初期化を行なう。
格納用のバツファとカウンタの初期化を行なう。
つまり、（ＬＡＧ−１−１）個のＢｕｆ ｆ （ｉ）
ｔ ＣｘＪｉ） ｔ ｉ二０，１，２，−・・，ＬＡＧ
とＳｕｍの格納部をＯとおいてクリア（御破算）し、Ｃ
ＯＵＮＴを−Ｎとする。
ｔ ＣｘＪｉ） ｔ ｉ二０，１，２，−・・，ＬＡＧ
とＳｕｍの格納部をＯとおいてクリア（御破算）し、Ｃ
ＯＵＮＴを−Ｎとする。
次に４４でインターバルタイマをスタートさせてサンプ
リングタイミングの計測を始める。
リングタイミングの計測を始める。
そして４５でＡ−Ｄ変換器３２より送られて来るデイジ
タル化された脳波のデータを前記サンプリングタイミン
グに合わせて取り込み、バツファＢｕｆ ｆ （ｏ）に
格納する。
タル化された脳波のデータを前記サンプリングタイミン
グに合わせて取り込み、バツファＢｕｆ ｆ （ｏ）に
格納する。
次に４６でＢｕｆｆ（ｉ）とＢｕｆｆ（ｏ）からＣｘ逅
）を求め、またＮ個の脳波時系列の総和Ｓｕｍを求める
。
）を求め、またＮ個の脳波時系列の総和Ｓｕｍを求める
。
そして、これをＮ回にわたって行なった後、４７で検定
すべき脳波時系列の平均値ＡＶを求め、これより検定す
べき脳波時系列の自己共分散Ｃｘｘ（ｉ）を求める。
すべき脳波時系列の平均値ＡＶを求め、これより検定す
べき脳波時系列の自己共分散Ｃｘｘ（ｉ）を求める。
このようにして求めた自己共分散Ｃ ｘ ｘ （ ｓ
）を用いて第５図に示す手順で自己回帰次数と自己回帰
係数を決定し、自己回帰係数ベクトルＸを得る。
）を用いて第５図に示す手順で自己回帰次数と自己回帰
係数を決定し、自己回帰係数ベクトルＸを得る。
即ち、ここでは、まず５１で初期値を設定した後次数の
１次からＬＡＧ次までについて順に自己回帰係数ｂｉ，
（ｍ）を求め、同時にあてほめの誤差を示す尺度として
ＦＰＥ（Ｌ）を計算し、それが最小となるときの次数（
め及び係数ａ （ｍ）を採用する。
１次からＬＡＧ次までについて順に自己回帰係数ｂｉ，
（ｍ）を求め、同時にあてほめの誤差を示す尺度として
ＦＰＥ（Ｌ）を計算し、それが最小となるときの次数（
め及び係数ａ （ｍ）を採用する。
そして、これらよりＸを得る。
その後、前記第（１試の演算を行なって距離ＦＸを求め
る。
る。
そして、Ｆ分布の表から求められている自由度（Ｌ，Ｋ
−Ｌ．）での有意水準αの値Ｆ４とＦｘとを比較して、
ＦｘｓＦａならば検定する脳波のパワースペクトルパタ
ーンは規準脳波群に属していると判定させ、Ｆｘ＞Ｆａ
ならば異なったパターンであると判定させる。
−Ｌ．）での有意水準αの値Ｆ４とＦｘとを比較して、
ＦｘｓＦａならば検定する脳波のパワースペクトルパタ
ーンは規準脳波群に属していると判定させ、Ｆｘ＞Ｆａ
ならば異なったパターンであると判定させる。
そして、その判定内容を出力装置３６に表示させる。
記憶装置３３は演算処理装置３４による演算処理過程に
おいて演算データ等の格納、読み出しに用いられる。
おいて演算データ等の格納、読み出しに用いられる。
このように検定対象の脳波について自己回帰係数を求め
、その自己回帰係数ベクトルＸを得る。
、その自己回帰係数ベクトルＸを得る。
他方、Ｋ組の規準脳波群の自己回帰係数からＬ次元の行
ベクトルを求め、これから求めた平均ベクトル（（７）
の囚）と分散ベクトル（（８）のＣ）とにより、規準脳
波群のパワースペクトルパターンの平均値からの隔たり
を示す距離Ｆｘを求めると共に適当な有意水準α１とα
２の下で自由度（Ｌ，Ｋ−Ｌ）のＦ分布の値を求めて基
準値Ｆａ１とＦｃｔ２とし、前記平均値からの隔たりを
示す距離Ｆｘをこの基準値と比較して検定対象脳波が規
準脳波群に属しているか否かあるいは境界かを判定する
ので、脳波パターンの判定を全く客観的に且つ自動的に
行なうことができる。
ベクトルを求め、これから求めた平均ベクトル（（７）
の囚）と分散ベクトル（（８）のＣ）とにより、規準脳
波群のパワースペクトルパターンの平均値からの隔たり
を示す距離Ｆｘを求めると共に適当な有意水準α１とα
２の下で自由度（Ｌ，Ｋ−Ｌ）のＦ分布の値を求めて基
準値Ｆａ１とＦｃｔ２とし、前記平均値からの隔たりを
示す距離Ｆｘをこの基準値と比較して検定対象脳波が規
準脳波群に属しているか否かあるいは境界かを判定する
ので、脳波パターンの判定を全く客観的に且つ自動的に
行なうことができる。
次に本発明の有用性を示す実証例を示す。
規準脳波群の１例として９０例の正常成人閉眼座位安静
時のＦ２−Ｐ２導出脳波群（ＣＯＮＴ）を用い、同一被
験者で過呼吸負荷を与えた場合の脳波群（ＨＶ）９０例
及びてんかん脳波群（ＥＰ）１４例について本発明にも
とづき解析した。
時のＦ２−Ｐ２導出脳波群（ＣＯＮＴ）を用い、同一被
験者で過呼吸負荷を与えた場合の脳波群（ＨＶ）９０例
及びてんかん脳波群（ＥＰ）１４例について本発明にも
とづき解析した。
第６図は規準脳波群の平均スペクトルパターンからの距
離Ｆｘを上記各群の各々の脳波について求めたものを、
横軸に第（１０）式で与えられる距離Ｆｘ縦軸に頻度（
百分率）をとって示したものである。
離Ｆｘを上記各群の各々の脳波について求めたものを、
横軸に第（１０）式で与えられる距離Ｆｘ縦軸に頻度（
百分率）をとって示したものである。
有意水準α−５％で判定すると規準脳波群（ＣＯＮＴ）
ではＯ％、過呼吸負荷脳波群（ＨＶ）では８％、てんか
ん脳波群（ＥＰ）では１００％が正常脳波パワースペク
トルパターンと異なると判定された。
ではＯ％、過呼吸負荷脳波群（ＨＶ）では８％、てんか
ん脳波群（ＥＰ）では１００％が正常脳波パワースペク
トルパターンと異なると判定された。
また、二つの有意水準α１とα２をそれぞれ０．０１（
＝１％）と０．０５（＝５％）とすると、過呼吸負荷脳
波群（ＨＶ，中段）では、３例がＦｘ＞Ｆｏ．ｏ１で、
正常（規準）脳波パワースペクトルパターンと異なり、
４例はＦｏ．ｏ５＜Ｆｘ≦Ｆｏ．。
＝１％）と０．０５（＝５％）とすると、過呼吸負荷脳
波群（ＨＶ，中段）では、３例がＦｘ＞Ｆｏ．ｏ１で、
正常（規準）脳波パワースペクトルパターンと異なり、
４例はＦｏ．ｏ５＜Ｆｘ≦Ｆｏ．。
１で境界と判定された。そして、てんかん脳波群（，Ｅ
Ｐ，下段）では１０例がＦＸ＞Ｆｏ．ｏ１で正常（規準
脳波パワースペクトルパターンと異なり、残りの４例は
Ｆ。
Ｐ，下段）では１０例がＦＸ＞Ｆｏ．ｏ１で正常（規準
脳波パワースペクトルパターンと異なり、残りの４例は
Ｆ。
．。，くＦｘ≦Ｆｏ．ｏ１で境界と判定された。
また、第（ｉｏり式による脳波群の判定では、９０例の
過呼吸負荷脳波群はＦＤくＦ。
過呼吸負荷脳波群はＦＤくＦ。
．０５で正常（規準）脳波群とは平均パワースペクトル
パターンに有意差は認められず、１４例のてんかん脳波
群はＦＤ ′″）＞Ｆｏ．ｏ１で著しい有意差があると
判定された。
パターンに有意差は認められず、１４例のてんかん脳波
群はＦＤ ′″）＞Ｆｏ．ｏ１で著しい有意差があると
判定された。
第７図Ａ，Ｂ，Ｃ，Ｄに判定された脳波（上段）及びそ
のパワースペクトル（下段）を示す。
のパワースペクトル（下段）を示す。
Ａは規準脳波群の平均スペクトルパターンに近い、即ち
、Ｆ が小さい正常例である。
、Ｆ が小さい正常例である。
他の３例はいずれもスペクトルパターンが異なると判定
された異常脳波の例であり、Ｂは過呼吸負荷脳波群から
の１例、Ｃは徐波パターンのてんかん脳波の１例、Ｄは
速波パターンのてんかん脳波の１例である。
された異常脳波の例であり、Ｂは過呼吸負荷脳波群から
の１例、Ｃは徐波パターンのてんかん脳波の１例、Ｄは
速波パターンのてんかん脳波の１例である。
以上詳述したように、本発明は脳波データを得る手段に
より得た複数の規準脳波、データから規準脳波群の自己
回帰係数を求め、この自己回帰係数から所望次元の行ベ
クトルを求め、これより平均ベクトル及び分散ベクトル
を求めると共にＦ分布の表より所定の自由度で求めた少
なくとも１つの有意水準のＦ分布の値を設定し、また前
記脳波データを得る手段より得た１つの検定脳波のデー
タの自己回帰係数から゛所望次元の行ベクトルを求めて
、この行ベクトルと前記平均ベクトルとの間の距離を前
記分散ベクトルを用いて求め、更にこの求めた距離を前
記有意水準のＦ分布の値と比較して前記検定脳波が前記
規準脳波群に属するか否かを判定することにより脳波判
定を行なうか、または前記規準脳波群の自己回帰係数か
ら所望次元の行ベクトルを求め、これより平均ベクトル
及び分散ベクトルを求めると共にＦ分布の表より所定の
自由度で求めた少なくとも１つの有意水準のＦ分布の値
を設定し、また前記脳波データを得る手段より得た複数
の脳波よりなる検定脳波群の各々の脳波の自己回帰係数
を求め、それぞれの所望次元行ベクトルを求めると共に
これら行ベクトルよりこれらの平均ベクトル及び分散ベ
クトルを求め、これら及び前記規準脳波群の平均ベクト
ルに対する前記検定脳波群の平均ベクトルの差より前記
検定脳波群の距離を求め、この求めた距離と前記設定し
たＦ分布の値を比較して前記検定脳波群が前記規準脳波
群に属するか否かを判定することにより脳波判定を行な
うようにしたので、脳波のパワースペクトルパターンを
客観的かつ自動的に判定することができ、脳波判定の統
一化が可能となる他、てんかん等の異常脳波のスクリー
ニングや麻酔時や脳外科手術後の脳波モニタ等に応用す
ることができる等優れた特徴を有する脳波自動判定装置
が得られる。
より得た複数の規準脳波、データから規準脳波群の自己
回帰係数を求め、この自己回帰係数から所望次元の行ベ
クトルを求め、これより平均ベクトル及び分散ベクトル
を求めると共にＦ分布の表より所定の自由度で求めた少
なくとも１つの有意水準のＦ分布の値を設定し、また前
記脳波データを得る手段より得た１つの検定脳波のデー
タの自己回帰係数から゛所望次元の行ベクトルを求めて
、この行ベクトルと前記平均ベクトルとの間の距離を前
記分散ベクトルを用いて求め、更にこの求めた距離を前
記有意水準のＦ分布の値と比較して前記検定脳波が前記
規準脳波群に属するか否かを判定することにより脳波判
定を行なうか、または前記規準脳波群の自己回帰係数か
ら所望次元の行ベクトルを求め、これより平均ベクトル
及び分散ベクトルを求めると共にＦ分布の表より所定の
自由度で求めた少なくとも１つの有意水準のＦ分布の値
を設定し、また前記脳波データを得る手段より得た複数
の脳波よりなる検定脳波群の各々の脳波の自己回帰係数
を求め、それぞれの所望次元行ベクトルを求めると共に
これら行ベクトルよりこれらの平均ベクトル及び分散ベ
クトルを求め、これら及び前記規準脳波群の平均ベクト
ルに対する前記検定脳波群の平均ベクトルの差より前記
検定脳波群の距離を求め、この求めた距離と前記設定し
たＦ分布の値を比較して前記検定脳波群が前記規準脳波
群に属するか否かを判定することにより脳波判定を行な
うようにしたので、脳波のパワースペクトルパターンを
客観的かつ自動的に判定することができ、脳波判定の統
一化が可能となる他、てんかん等の異常脳波のスクリー
ニングや麻酔時や脳外科手術後の脳波モニタ等に応用す
ることができる等優れた特徴を有する脳波自動判定装置
が得られる。
尚、本発明は上記し且つ図面に示す実施例に限定するこ
となくその要旨を変更しない範囲内で適宜変形して実施
し得るものである。
となくその要旨を変更しない範囲内で適宜変形して実施
し得るものである。
第１図は正常成人のＦ −Ｐ 導出による脳波の１例
ａとその自己回帰パワースペクトル及びそれらの要素波
のパワースペクトルｂを示す図、第２図は９０例の正常
成人Ｆ２−Ｐ２導出脳波から得られた標準化自己回帰係
数の百分率累積頻度分布を正規確率紙にプロットしたも
のを理論的標準正規分布の百分率累積頻度分布とともに
示す図、第３図は本発明の一実施例を示すブロック図、
第４図は第３図を示した演算処理装置における実時間自
己共分散を求める手順を示す図、第５図は第３図に示し
た演算処理装置における自己回帰モデルのあてはめ処理
の手順を示す図、第６図は検定する脳波（ベクトル）の
規準脳波群（平均ベクトル）からの距離の頻度分布を規
準脳波群（ＣＯＮＴ）、過呼吸負荷脳波群（−ＨＶ）、
およびてんかん脳波群（ＥＰ）について示す図、第７図
は正常（Ａ）及び異常（Ｂ，Ｃ，Ｄ）を判定された脳波
（上段）とそのパワースペクトル（下段）の例を示す図
である。 ３１・・・・・・脳波計、３２・・・・・・Ａ−Ｄ変換
器、３３・・・・・・記憶装置、３４・・・・・・演算
処理装置、３５・・・・・・コントローラ、３６・・・
・・・出力装置。
ａとその自己回帰パワースペクトル及びそれらの要素波
のパワースペクトルｂを示す図、第２図は９０例の正常
成人Ｆ２−Ｐ２導出脳波から得られた標準化自己回帰係
数の百分率累積頻度分布を正規確率紙にプロットしたも
のを理論的標準正規分布の百分率累積頻度分布とともに
示す図、第３図は本発明の一実施例を示すブロック図、
第４図は第３図を示した演算処理装置における実時間自
己共分散を求める手順を示す図、第５図は第３図に示し
た演算処理装置における自己回帰モデルのあてはめ処理
の手順を示す図、第６図は検定する脳波（ベクトル）の
規準脳波群（平均ベクトル）からの距離の頻度分布を規
準脳波群（ＣＯＮＴ）、過呼吸負荷脳波群（−ＨＶ）、
およびてんかん脳波群（ＥＰ）について示す図、第７図
は正常（Ａ）及び異常（Ｂ，Ｃ，Ｄ）を判定された脳波
（上段）とそのパワースペクトル（下段）の例を示す図
である。 ３１・・・・・・脳波計、３２・・・・・・Ａ−Ｄ変換
器、３３・・・・・・記憶装置、３４・・・・・・演算
処理装置、３５・・・・・・コントローラ、３６・・・
・・・出力装置。
Claims (1)
- 【特許請求の範囲】 １ 与えられた複数の規準脳波データから規準脳波群の
自己回帰係数を求め、この自己回帰係数から所望次元の
行ベクトルを求め、これより平均ベクトル及び分散ベク
トルを求める手段と、Ｆ分布の表より所定の自由度で求
められる少なくとも１つの有意水準のＦ分布の値を設定
する手段と、与えられた１つの検定脳波のデータの自己
回帰係数から所望次元の行ベクトルを求めて、この行ベ
クトルと前記平均ベクトルとの間の距離を前記分散ベク
トルを用いで求める手段と、この求めた距離を前記有意
水準のＦ分布の値と比較して前記検定脳波が前記規準脳
波群に属するか否かを判定する手段と、この判定結果を
出力する手段とより成る脳波自動判定装置。 ２ 与えられた複数の規準脳波データから規準脳波群の
自己回帰係数を求めると共に、この自己回帰係数から所
望次元の行ベクトルを求め、これより平均ベクトル及び
分散ベクトルを求める手段と、Ｆ分布の表より所定の自
由度で求められる少なくとも１つの有意水準のＦ分布の
値を設定する手段と、与えられた複数の脳波よりなる検
定脳波群のデータより各々の脳波の自己回帰係数を求め
、これよりそれぞれの所望次元行ベクトルを求めると共
にこれら行ベクトルよりこれらの平均ベクトル及び分散
ベクトルを求める手段と、前記規準脳波群の平均ベクト
ルに対する前記検定脳波群の平均ベクトルの差及び検定
脳波群の前記平均ベクトル、分散ベクトルより前記検定
脳波群の距離を求める手段と、この求めた距離と前記設
定したＦ分布の値を比較して前記検定脳波群が前記規準
脳波群にーするか否かを判定する手段と、この判定結果
を出力する手段とより成る脳波自動判定装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP52121109A JPS587291B2 (ja) | 1977-10-08 | 1977-10-08 | 脳波自動判定装置 |
| US05/897,411 US4214591A (en) | 1977-10-08 | 1978-04-18 | Brain wave analyzing system and method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP52121109A JPS587291B2 (ja) | 1977-10-08 | 1977-10-08 | 脳波自動判定装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5454485A JPS5454485A (en) | 1979-04-28 |
| JPS587291B2 true JPS587291B2 (ja) | 1983-02-09 |
Family
ID=14803091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP52121109A Expired JPS587291B2 (ja) | 1977-10-08 | 1977-10-08 | 脳波自動判定装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US4214591A (ja) |
| JP (1) | JPS587291B2 (ja) |
Families Citing this family (63)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4279258A (en) * | 1980-03-26 | 1981-07-21 | Roy John E | Rapid automatic electroencephalographic evaluation |
| US4416288A (en) * | 1980-08-14 | 1983-11-22 | The Regents Of The University Of California | Apparatus and method for reconstructing subsurface electrophysiological patterns |
| US4498080A (en) * | 1980-12-31 | 1985-02-05 | Braintech, Inc. | Apparatus and method for topographic display of multichannel data |
| US4412547A (en) * | 1981-04-29 | 1983-11-01 | Neurologics, Inc. | Neurological monitoring device |
| US4424816A (en) | 1981-04-29 | 1984-01-10 | Neurologics, Inc. | Neurological monitoring device test circuitry |
| USRE34015E (en) * | 1981-05-15 | 1992-08-04 | The Children's Medical Center Corporation | Brain electrical activity mapping |
| US4408616A (en) * | 1981-05-15 | 1983-10-11 | The Children's Medical Center Corporation | Brain electricaL activity mapping |
| US4566464A (en) * | 1981-07-27 | 1986-01-28 | Piccone Vincent A | Implantable epilepsy monitor apparatus |
| US4583190A (en) * | 1982-04-21 | 1986-04-15 | Neuroscience, Inc. | Microcomputer based system for performing fast Fourier transforms |
| US4493327A (en) * | 1982-07-20 | 1985-01-15 | Neurometrics, Inc. | Automatic evoked potential detection |
| US4545388A (en) * | 1983-06-09 | 1985-10-08 | Roy John E | Self-normed brain state monitoring |
| US4557270A (en) * | 1983-08-23 | 1985-12-10 | New York University | Electroencephalographic system for intra-operative open-heart surgery |
| US4893630A (en) * | 1984-04-06 | 1990-01-16 | Trinity Computing Systems, Inc. | Apparatus and method for analyzing physiological conditions within an organ of a living body |
| US4794533A (en) * | 1986-11-07 | 1988-12-27 | Cns, Inc. | System activity change indicator |
| US4817627A (en) * | 1987-08-07 | 1989-04-04 | Cns, Inc. | Electroencephalographic monitoring |
| FR2657443B1 (fr) * | 1990-01-24 | 1992-05-15 | Blanchet Gerard | Procede et appareil de traitement de signal electro-encephalographique. |
| US5195530A (en) * | 1990-12-10 | 1993-03-23 | Larry Shindel | Apparatus for analyzing EEG and related waveforms |
| US5311876A (en) * | 1992-11-18 | 1994-05-17 | The Johns Hopkins University | Automatic detection of seizures using electroencephalographic signals |
| JP2766456B2 (ja) * | 1994-09-21 | 1998-06-18 | 株式会社脳機能研究所 | 生体情報自動識別装置 |
| US20030181961A1 (en) * | 1995-03-23 | 2003-09-25 | Tsutomu Kamei | Method of noninvasively enhancing immunosurveillance capacity and apparatus for applying pulsed light to at least a portion of a user's temporal region |
| GB9511964D0 (en) * | 1995-06-13 | 1995-08-09 | Rdm Consultants Limited | Monitoring an EEG |
| JP3639352B2 (ja) * | 1995-06-28 | 2005-04-20 | 富士通株式会社 | 波動解析方法及びその装置 |
| JP2814969B2 (ja) * | 1995-10-06 | 1998-10-27 | 日本電気株式会社 | 活動部位検出装置 |
| US7747325B2 (en) | 1998-08-05 | 2010-06-29 | Neurovista Corporation | Systems and methods for monitoring a patient's neurological disease state |
| US7277758B2 (en) | 1998-08-05 | 2007-10-02 | Neurovista Corporation | Methods and systems for predicting future symptomatology in a patient suffering from a neurological or psychiatric disorder |
| US9375573B2 (en) | 1998-08-05 | 2016-06-28 | Cyberonics, Inc. | Systems and methods for monitoring a patient's neurological disease state |
| US8762065B2 (en) | 1998-08-05 | 2014-06-24 | Cyberonics, Inc. | Closed-loop feedback-driven neuromodulation |
| US9415222B2 (en) | 1998-08-05 | 2016-08-16 | Cyberonics, Inc. | Monitoring an epilepsy disease state with a supervisory module |
| US7403820B2 (en) | 1998-08-05 | 2008-07-22 | Neurovista Corporation | Closed-loop feedback-driven neuromodulation |
| US9042988B2 (en) | 1998-08-05 | 2015-05-26 | Cyberonics, Inc. | Closed-loop vagus nerve stimulation |
| US7242984B2 (en) | 1998-08-05 | 2007-07-10 | Neurovista Corporation | Apparatus and method for closed-loop intracranial stimulation for optimal control of neurological disease |
| US7324851B1 (en) | 1998-08-05 | 2008-01-29 | Neurovista Corporation | Closed-loop feedback-driven neuromodulation |
| US9113801B2 (en) | 1998-08-05 | 2015-08-25 | Cyberonics, Inc. | Methods and systems for continuous EEG monitoring |
| US7231254B2 (en) | 1998-08-05 | 2007-06-12 | Bioneuronics Corporation | Closed-loop feedback-driven neuromodulation |
| US7209787B2 (en) | 1998-08-05 | 2007-04-24 | Bioneuronics Corporation | Apparatus and method for closed-loop intracranial stimulation for optimal control of neurological disease |
| US6196977B1 (en) | 1999-04-26 | 2001-03-06 | House Ear Institute | Method for detection on auditory evoked potentials using a point optimized variance ratio |
| US6200273B1 (en) | 1999-04-26 | 2001-03-13 | House Ear Institute | Power-optimized cumulative, sequential statistical method for detection of auditory evoked potentials |
| US6463321B2 (en) | 1999-08-10 | 2002-10-08 | Thuris Corporation | Method and computer program product for assessing neurological conditions and treatments using evoked response potentials |
| US6223074B1 (en) | 1999-08-10 | 2001-04-24 | Thuris Corporation | Method and computer program product for assessing neurological conditions and treatments using evoked response potentials |
| US6547746B1 (en) | 2001-08-27 | 2003-04-15 | Andrew A. Marino | Method and apparatus for determining response thresholds |
| DE10329901A1 (de) * | 2003-07-03 | 2005-01-20 | Daimlerchrysler Ag | Personenidentifizierungssystem für Fahrzeuge |
| US9042974B2 (en) * | 2005-09-12 | 2015-05-26 | New York University | Apparatus and method for monitoring and treatment of brain disorders |
| US8868172B2 (en) | 2005-12-28 | 2014-10-21 | Cyberonics, Inc. | Methods and systems for recommending an appropriate action to a patient for managing epilepsy and other neurological disorders |
| US8725243B2 (en) | 2005-12-28 | 2014-05-13 | Cyberonics, Inc. | Methods and systems for recommending an appropriate pharmacological treatment to a patient for managing epilepsy and other neurological disorders |
| EP2034885A4 (en) | 2006-06-23 | 2010-12-01 | Neurovista Corp | MINIMALLY INVASIVE MONITORING SYSTEMS AND PROCEDURES |
| US8295934B2 (en) | 2006-11-14 | 2012-10-23 | Neurovista Corporation | Systems and methods of reducing artifact in neurological stimulation systems |
| EP2126785A2 (en) | 2007-01-25 | 2009-12-02 | NeuroVista Corporation | Systems and methods for identifying a contra-ictal condition in a subject |
| WO2008092133A2 (en) * | 2007-01-25 | 2008-07-31 | Neurovista Corporation | Methods and systems for measuring a subject's susceptibility to a seizure |
| US7844324B2 (en) * | 2007-02-14 | 2010-11-30 | The General Electric Company | Measurement of EEG reactivity |
| US8036736B2 (en) | 2007-03-21 | 2011-10-11 | Neuro Vista Corporation | Implantable systems and methods for identifying a contra-ictal condition in a subject |
| US9554721B1 (en) | 2007-04-23 | 2017-01-31 | Neurowave Systems Inc. | Seizure detector, brain dysfunction monitor and method |
| US8594779B2 (en) * | 2007-04-30 | 2013-11-26 | Medtronic, Inc. | Seizure prediction |
| WO2008133625A1 (en) * | 2007-04-30 | 2008-11-06 | Medtronic, Inc. | Seizure prediction |
| US9788750B2 (en) * | 2007-04-30 | 2017-10-17 | Medtronic, Inc. | Seizure prediction |
| US9788744B2 (en) | 2007-07-27 | 2017-10-17 | Cyberonics, Inc. | Systems for monitoring brain activity and patient advisory device |
| US20090171168A1 (en) | 2007-12-28 | 2009-07-02 | Leyde Kent W | Systems and Method for Recording Clinical Manifestations of a Seizure |
| US9259591B2 (en) | 2007-12-28 | 2016-02-16 | Cyberonics, Inc. | Housing for an implantable medical device |
| US8849390B2 (en) | 2008-12-29 | 2014-09-30 | Cyberonics, Inc. | Processing for multi-channel signals |
| US8588933B2 (en) | 2009-01-09 | 2013-11-19 | Cyberonics, Inc. | Medical lead termination sleeve for implantable medical devices |
| US8786624B2 (en) | 2009-06-02 | 2014-07-22 | Cyberonics, Inc. | Processing for multi-channel signals |
| US9643019B2 (en) | 2010-02-12 | 2017-05-09 | Cyberonics, Inc. | Neurological monitoring and alerts |
| GB2483108A (en) * | 2010-08-27 | 2012-02-29 | Walid Juffali | Monitoring neurological electrical signals to detect the onset of a neurological episode |
| EP3709870A1 (en) * | 2017-12-22 | 2020-09-23 | Bioserenity | System and method for calculation of an index of brain activity |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3623477A (en) * | 1969-04-15 | 1971-11-30 | Robert L Trent | Biomedical sensing and display apparatus |
| JPS5092639U (ja) * | 1973-12-27 | 1975-08-05 |
-
1977
- 1977-10-08 JP JP52121109A patent/JPS587291B2/ja not_active Expired
-
1978
- 1978-04-18 US US05/897,411 patent/US4214591A/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPS5454485A (en) | 1979-04-28 |
| US4214591A (en) | 1980-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPS587291B2 (ja) | 脳波自動判定装置 | |
| Murata | An attempt to evaluate mental workload using wavelet transform of EEG | |
| Sadeh et al. | Activity-based sleep-wake identification: an empirical test of methodological issues | |
| US5355889A (en) | Monitoring system for producing patient status indicator | |
| Mitsis et al. | Modeling of nonlinear physiological systems with fast and slow dynamics. II. Application to cerebral autoregulation | |
| US5083571A (en) | Use of brain electrophysiological quantitative data to classify and subtype an individual into diagnostic categories by discriminant and cluster analysis | |
| DE3751813T2 (de) | Ein Verfahren zum Kennzeichnen der dynamischer Reaktion des ANS. | |
| US5003986A (en) | Hierarchial analysis for processing brain stem signals to define a prominent wave | |
| CN100333688C (zh) | 评估脑皮层中神经元损伤程度的装置 | |
| Feinberg et al. | Response of delta (0-3 Hz) EEG and eye movement density to a night with 100 minutes of sleep | |
| CN107788970A (zh) | 一种基于多生理参数方法融合的脑力负荷评估方法 | |
| CA2341431A1 (en) | Monitor for estimating placenta and fetus well being | |
| Trejo et al. | Feature extraction of event-related potentials using wavelets: an application to human performance monitoring | |
| Fenwick et al. | Mathematical simulation of the electroencephalogram using an autoregressive series | |
| Si et al. | An expert system for EEG monitoring in the pediatric intensive care unit | |
| El-Samahy et al. | A new computer control system for mental stress management using fuzzy logic | |
| CN118902400A (zh) | 一种麻醉深度监测仪的自动化检测装置及其检测方法 | |
| CN215017693U (zh) | 基于频谱分析的脑电信号质量的检测装置及系统 | |
| US5533522A (en) | Method of and arrangement for optimizing disease diagnosis | |
| Edenbrandt et al. | Classification of electrocardiographic ST-T segments—human expert vs artificial neural network | |
| US5542429A (en) | Method of and arrangement for optimizing and checking heart diagnosis | |
| Rompelman et al. | Heart rate variability in relation to psychological factors | |
| Kakizaki | Occipital midline EEG and subjective rating of task difficulty as indices of mental task strain | |
| RU2799620C2 (ru) | Способ оценки психофизического состояния специалиста | |
| Duque-Muñoz et al. | EEG rhythm analysis using stochastic relevance |