CN101529429A - 预测心理和神经障碍治疗期间的不利事件的系统和方法 - Google Patents
预测心理和神经障碍治疗期间的不利事件的系统和方法 Download PDFInfo
- Publication number
- CN101529429A CN101529429A CNA2006800020780A CN200680002078A CN101529429A CN 101529429 A CN101529429 A CN 101529429A CN A2006800020780 A CNA2006800020780 A CN A2006800020780A CN 200680002078 A CN200680002078 A CN 200680002078A CN 101529429 A CN101529429 A CN 101529429A
- Authority
- CN
- China
- Prior art keywords
- biopotential
- adverse events
- feature
- index
- parameter
- 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
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
Abstract
本发明涉及一种预测心理和神经障碍治疗期间的不利事件的系统和方法,特别是导出和计算预测诸如自杀意愿和/或动作的心理和神经不利事件的可能性的特性和指标的一种系统和方法。本发明方法还预测在心理疾病治疗之前或治疗期间自杀意愿和/或动作的可能性。为了获得这样的特性和指标,功率谱和时域值根据从测试患者获得的生物电位信号导出。该系统和方法识别有可能经历诸如自杀意愿或动作的心理和神经不利事件的症状变化(尤其是恶化) 因此处于危险之中(例如自杀)的人。
Description
相关申请的交叉引用
本申请声明对2005年1月12日提交的序列号为60/643,350的美国临时申请的优先权。
背景技术
抑郁症是一种心境障碍,每年影响一千七百万美国人、并造成九百七十万次诊治。它以各种各样的方式影响患者,导致心境抑郁、易怒、睡眠障碍、感觉焦躁、内疚和没有价值、缺乏活力和动力、不能集中注意力、并且自杀发生率增大。现在有许多的抗抑郁药剂,并且一旦确定了适当的治疗方案,它们的疗效相当高。
严重的抑郁性障碍(MDD)是最常与已遂自杀相关联的精神病诊断。美国自杀学协会在他们的网页上指出在未治疗MDD患者中自杀的终生危险将近有20%。自杀已遂人群中约有2/3在死亡时处于抑郁状态。在芬兰对自杀已遂并患有严重的抑郁性障碍的71个个体进行的研究中,只有45%在死亡时正在接受治疗,且只有1/3正在服用抗抑郁药物。
证据显示:一些抑郁症患者的药物治疗会增加青少年自杀意愿和行为的危险。开发识别这些发展不利事件(尤其是自杀)危险加大的患者的方法将向患者和医务人员提供显著益处。
Cook等人证明前额脑电图(EEG)cordance-量化EEG(QEEG)参数-可预测对氟西汀抗抑郁疗法的成功反应。Greenwald等人在序列号为10/337,088的美国专利申请中描述EEG指标的使用,即使用双频谱特性来评估抑郁症的严重性并预测对抗抑郁症药物治疗的反应。已有报告:表征为每次诊治的平均副作用量的副作用负荷与正在接受抗抑郁治疗的患者中安慰剂导入期间的EEG指标(前额cordance)变化相关联,但在安慰剂对照组中无关联。
也已观察到:异常的脑电图(EEG)活动与包括抑郁、自杀和攻击的各种精神障碍和行为相关联,并且已有报告:EEGα频带功率的内半球分布(尤其是头皮的后部区域)的差异(α不对称)在年轻女性自杀尝试者和匹配的对照之间不同。具体地,与自杀尝试者相比,对照在右半球展现出更大的EEGα频带功率。注意,该研究不是自杀行为的危险预测,而是自杀尝试之后进行的EEG模式的观察研究。数个研究者已报告:突发性EEG异常增加了患者自杀的危险。
发明内容
本发明是导出和计算预测诸如自杀意愿和/或动作的心理和神经不利事件的可能性的特性和指标的一种系统和方法。本发明方法还预测在心理疾病治疗之前或治疗期间自杀意愿和/或动作的可能性。为了获得这样的特性和指标,功率谱和时域值根据从测试患者获得的生物电位信号导出。该系统和方法识别有可能经历诸如自杀意愿或动作的心理和神经不利事件的症状变化(尤其是恶化)、因此处于危险之中(例如自杀)的人。
附图说明
图1是本发明的用于在心理和神经障碍治疗期间预测不利事件的系统的框图。
图2是本发明方法的步骤的流程图。
图3是示出根据抗抑郁治疗分层的对恶化自杀意念(SI)组和未恶化SI组的指标Pred2的值的误差条形图。
图4是示出在治疗的最初四周期间Pred2值与就Ham-D项3观察到的离开基线的最大变化的误差条形图。
图5是示出根据抗抑郁治疗分层的对恶化自杀意念(SI)组和未恶化SI组的左边减去右边相对θ+α不对称特性的基线值(BDRTAS12)的误差条形图。
图6是在基线和第1周时测量的左边减去右边的相对θ+α不对称(分别为BDRTAS12和DRTAS12)的散布图。
具体实施方式
参看图1和2,本发明图1所示的较佳实施例结合有数据采集单元(DAU)20,该数据采集单元20用来在步骤22从患者10处获得EEG信号以便进一步处理。DAU 20通常由一计算机系统构成,该计算机系统具有一集成模数(A-D)转换器25和代表性地示为被设置在患者10头皮之上的一组电极。尽管仅示出了单个电极15,但在本发明中可使用多个电极的任何组合体来获得EEG信号。A-D转换器25被用来在步骤24将从电极15处获得的模拟EEG信号转换成一个信号值样本集,然后由数据计算单元(DCU)30的处理器35进行分析。DCU 30结合有处理器35和从DAU 20接收采样值的通信设备。在该较佳实施例中,DAU 20和DCU 30的处理器是同一个处理器。然而,在一替换实施例中,DAU 10可获得EEG信号,并在通信链路上向远程DCU 30发送EEG样本信号。这样的通信链路可以是串行或并行数据线、局域或广域网、电话线、因特网、或无线连接。进行评估的医务人员可使用键盘40和显示设备50来与DCU 30通信。在使用远离DAU 20的DCU 30的替换实施例中,附加键盘和显示设备可附连于DAU 20以便医务人员使用。
在DCU 30接收来自DAU 20的采样值之后,DCU 30首先在步骤26对EEG采样信号检查因患者移动、眨眼睛、电噪声等引起的伪像。或者从该信号去除检测到的伪像,或者将具有伪像的信号部分排除在进一步处理之外。也可过滤EEG信号以分别减少或去除来自高频和/或低频噪声源的伪像,例如肌电图和射频干扰以及移动伪像。也可在采样之前采用低通滤波以降低感兴趣信号频带上方频率处的功率,从而防止功率因不足采样频率(混叠)作为伪像出现在较低频率上。
DCU 30接着在步骤28根据无伪像EEG数据计算一组参数。这些参数可根据功率谱阵列、高阶频谱(双频谱、三频谱等)阵列、cordance(诸如美国专利No.5,269,315和美国专利No.5,309,923中所述)、z变换变量、熵度量、以及时域度量导出,包括但不限于从应用于各个数据系列的诸如模板匹配、峰值检测、阈值交叉、零交叉和Hjorth描述符的各种技术导出的参数。这些参数量化数据的某些方面,被称为特性。特性也可因参数的组合而形成。指标是结合有一个或多个特性作为变量的函数。指标函数可以是线性或非线性的,或者可具有诸如神经网络的替换形式。在步骤32,DCU 30根据所有参数计算一系列特性和指标,这些特性和指标可预测患者经历诸如自杀意念或自杀动作的不利事件的可能性。在步骤34这些特性和指标可在显示设备50上向用户显示。在DCU 30远离DAU 20的实施例中,结果可被传送回DAU 20上的显示设备、或经由电子邮件传送给患者的医生、或经由安全的因特网网页可用。
在较佳实施例中,EEG数据使用由美国罗德岛Warwick的Grass-Telefactor出售的指定型号F-E5SHC的Ag-AgCl电极采集。最好使用双极4信道电极组合体,且各个EEG信道被采集为四对电极F7-Fpz、F87-Fpz、A1-Fpz和A2-Fpz(Jasper,国际电极放置10-20系统)各自之间的电压差,其中A1为左耳垂而A2为右耳垂。当电极都置于发际线之下时,电极最好是由美国麻省Newton的Aspect MedicalSystems,Inc.制造的型的,或者是诸如由Grass-Telefactor Inc.制造的其它Ag-AgCl电极。当电极置于头发内时,可使用金杯型电极,通过由各个制造商提供的火棉胶或诸如电极帽放置设备的物理限制固定到位。可使用各种各样不同的电极放置或组合体。
在较佳实施例中,EEG信号由A-D转换器25以128个样本每秒的速率采样,较佳地在患者眼睛闭上时采样以尽可能减少眨眼睛产生的伪像。来自每个电极对的采样EEG信号被独立地处理;初始处理将对单个通道进行描述,但应当理解它对每个通道都是相同的。所采样的EEG信号被分成不重叠的两秒出现时间(epoch)。在较佳实施例中,处理了包括120个不重叠的连续的两秒出现时间构成的4分钟EEG数据。对于每个两秒出现时间,通过首先平均去趋势(mean de-trending)来去除信号的DC(偏移)分量、然后通过将出现时间乘以汉明(Hamming)窗口来最小化谱泄漏(拖尾效应),使用快速傅立叶变换(FFT)计算功率谱(0.5Hz分辨率)。通过计算与120个出现时间的每一个相关联的功率谱的相应频率值的中值得到120个出现时间的中值功率谱。对于一组预定义频带,由中值功率谱计算绝对和相对功率;这些频带是θ(4-7.5Hz)、α(8-11.5Hz)、θ+α(4-11.5Hz)以及全功率(2-20Hz)频带。绝对功率被计算为中值功率谱中各特定频带内功率之和,而相对功率被计算为特定频带的绝对功率与总功率频带的绝对功率之比。EEG通道之内和之间的各个绝对和相对功率、以及绝对与相对功率的组合、乘积和比率联合形成了候选特征池。
对本领域技术人员显而易见的是,该候选特征池可被扩展到功率谱特征之外以包括从表示EEG信息的其它方法获得的特征,这些方法包括但不限于:双频谱分析、时频分析、熵度量、分数度量、关联维度、以及包括相干性、交叉频谱、交叉双频谱特征和交互信息度量的交叉通道分析。
在较佳实施例中,一组EEG特征联合形成其值可用于预测患者对抗抑郁治疗作出反应的概率的指标。使用统计学建模技术开发了该指标的数学结构、所使用的变量和系数及其组合方法。
根据机构审查委员会的批准和书面知情同意,符合严重抑郁性障碍(MDD)DSM-IV(精神障碍诊断与统计手册-版本4)标准的36位门诊患者参与开放标记、灵活剂量的选择性5-羟色胺重吸收抑制剂(SSRI)抗抑郁药为期8周的预期治疗试验。在未给药基线和治疗期间的第1、4和8周采用17项汉密顿抑郁量表(Ham-D)来评估抑郁症状的变化。治疗反应被定义为Ham-D评分在第8周从基线至少下降50%。在每个研究诊疗(基线、1、4、和8周)系列,4-通道EEG以128个样本每秒的速率采样,并使用由麻省Newton的Aspect Medical Systems出售的AspectA1000EEG监视器被记录到计算机内。如上所述,从每个记录中提取候选EEG特征池。
将二进制治疗反应用作相关变量,逻辑回归被用来标识基线和第1周时测量的那些候选EEG特征,这些EEG特征在模型中组合预测治疗反应。所得数学逻辑模型预测对治疗作出反应的概率(“Pred2”,范围为1~100%):
其中:
MRT12是对通道A1-Fpz和A2-Fpz计算的相对θ功率的均值,
MRT12一周是在一周时测量的MRT12的值,
MRT78是对通道F7-Fpz和F8-Fpz计算的相对θ功率的均值,
MRT78一周是在一周时测量的MRT78的值,
DRTAS12是通道A1-Fpz的组合相对θ+α功率减去通道A2-Fpz的组合相对θ+α功率的值(因此DRTAS12是左边减去右边不对称的度量),
DRTAS12一周是在一周时测量的DRTAS 12的值,以及
BDRTAS12是在基线时测量的DRTAS 12的值。
在较佳实施例中,指标Pred2及其分量的结构被进一步精练以形成其值可用于预测患者遭受不利事件的概率的指标。在较佳实施例中,不利事件是自杀意念(例如自杀想法或动作的发生率,如根据神经感知评价量表所量化的那样)。
为了评价Pred2指标预测自杀意念的能力,在模型开发之后将其他患者加入到数据库中达总共42位患者。对每位患者检查汉密顿抑郁量表的项3,以识别产生新的(或恶化)自杀意念症状的那些个体。估算Pred2及其分量以确定它们是否可预测哪些患者将具有新的或恶化的自杀意念症状。这些变量还被估算用于确定它们是否与自杀意念症状离开基线严重程度的变化相关联。
对每个患者计算二进制值变量(SuicideGroup),以表示在第1和4周诊疗时患者产生了新的或恶化的自杀意念症状(WorseSI)或没有产生(NotWorseSI)。对照患者后来接受的抗抑郁药物治疗(即依他普仑、氟西汀或文拉法辛)的Pred2变量分析证明:当计入治疗组之间的差异时Pred2的值在WorseSI和NotWorseSI组之间显著不同(图3中框内水平线是每个亚组中数据点的中值,而框的上下边缘分别是75%和25%,因而框的长度为四分位范围。框上下“胡须”末端的水平线表示每个亚组中数据点的极限值。)Pred2也与图4所示的最初四周治疗内自杀意念(SI)的最大恶化相关联(Spearman秩相关(R)=-0.307,p=0.047)。此外,基线左边减去右边的相对θ+α不对称特性(BDRTAS12)是WorseSI和NotWorseSI组之间显著性差异的边界(p=0.053)。产生新的自杀意念(SI)症状的患者通常具有正的(即左边占优势的)不对称。不管患者后来接受了哪种抗抑郁药物,特性BDRTA12看起来都类似地执行(图5)。
将基线相对θ+α不对称(BDRTAS12)用作将来产生SI症状的预测值在该数据集中实现了以下性能:67%的灵敏度、78%的独特性和76%的准确度、且正预测准确度(PPA)为33%而负预测准确度(NPA)为93%。在第1周时测得的相对θ+α不对称(DRTAS12一周)提供了改善对产生(和不产生)SI症状的患者的分辨的信息(图6)。产生新SI症状的患者中的EEG不对称开始时在基线上>0,并且在一周的治疗后未显著降低。使用将BDRTAS12>0和DRTAS12一周>-0.02的患者分类为有可能产生SI症状、将其它患者分类为不可能产生SI症状的检测规则在该数据集中实现了以下性能:67%的灵敏度、89%的独特性和86%的准确度、且PPA为50%而NPA为94%。
图5示出离DRTAS12一周对BDRTAS12关系的原点的距离是特定个体自杀意念概率的预测值。所有体验自杀意念的那些患者都密集在DRTAS12一周对BDRTAS12散布图的中心处。在与远离原点的数据点相对应的那些患者中,没有自杀意念的实例。因此,本发明的一替换实施例根据DRTAS12一周与BDRTAS12的绝对值之和导出。
指标自杀意念=|DRTAS12一周|+|BDRTAS12|
自杀意念的极低风险与指标自杀意念>0.06的值相关联。在一替换实施例中,自杀意念风险的数学直观测量可被构建为数据点离图5中散布图的原点的距离,它被计算为:
指标自杀意念2=(|DRTAS12一周|2+|BDRTAS12|2)1/2
离原点的距离越大,指标自杀意念2的值增加越多,预测自杀意念的概率越低。
EEG Pred2指标与EEG不对称特性DRTAS12一周和BDRTAS12是对治疗的反应、以及不利事件尤其是自杀意念概率的有用预测值。这些度量响应初始治疗的变化可提供可能改善预测性能的附加信息。尽管这些度量的产生是用来预测与药物治疗相关的反应的,但可预期它们可预测对其它形式治疗的反应,这些治疗包括但不限于:精神疗法、电休克疗法(ECT)、转磁力刺激以及包括深部脑刺激和外周神经刺激(例如迷走神经刺激)的各种形式的神经刺激。
尽管开发了较佳实施例的指标(度量)来预测与抑郁治疗相关的反应和事件,但可预期这些度量可预测治疗其它类型的心理和神经障碍时的反应和/或不利事件,这些其它类型的心理和神经障碍包括但不限于:焦躁、两极抑郁、躁狂症、精神分裂症、强制性障碍和痴呆。
以上研究证明:EEG Pred2指标、EEG不对称特性DRTAS12一周和BDRTAS12、以及指标自杀意念和指标自杀意念2可用来预测包括自杀意念和自杀动作的不利症状的发作。下文中称为EEG指标的这些指标以及其它基于EEG的指标也可在治疗之前用于预测因治疗引起的症状的可能发作。
EEG指标可计算并用来预测在整个疗程中不利症状的发作。
EEG指标可用来预测其它不利症状,诸如躯体症状、性副作用、恶心、呕吐以及不被视为是心理和/或神经状况改善表现的其它症状。
尽管前面已参照较佳实施例描述了本发明,但对本领域技术人员而言可进行各种改变和更改。所有这些改变和更改旨在落于所附权利要求的范围内。
Claims (20)
1.一种根据生物电位信号预测心理和神经不利事件的方法,包括以下步骤:
从所评估患者处获取生物电位信号,
根据所述生物电位信号计算至少一个参数,
从所述至少一个参数导出至少一个生物电位特征,以及
通过使用所述至少一个生物电位特征预测不利事件。
2.如权利要求1所述的方法,其特征在于,所述不利事件是自杀想法。
3.如权利要求1所述的方法,其特征在于,所述不利事件是自杀动作。
4.如权利要求1所述的方法,其特征在于,所述至少一个特征是相对θ频带功率。
5.如权利要求1所述的方法,其特征在于,所述至少一个特征是相对θ+α频带不对称。
6.一种根据生物电位信号预测心理和神经不利事件的方法,包括以下步骤:
从所评估患者处获取生物电位信号,
根据所述生物电位信号计算至少一个参数,
从所述参数导出第一生物电位特征和第二生物电位特征,以及
创建用于预测不利事件的指标,所述指标从所述至少两个生物电位特征的组合导出。
7.一种根据生物电位信号预测心理和神经不利事件的方法,包括以下步骤:
从所评估患者处获取生物电位信号,
根据所述生物电位信号计算至少一个参数,
从所述参数导出第一时间点处的第一生物电位特征和第二时间点处的第二生物电位特征,以及
创建用于预测不利事件的指标,所述指标从所述至少两个生物电位特征的组合导出。
8.一种根据生物电位信号预测心理和神经不利事件的方法,包括以下步骤:
从所评估患者处获取生物电位信号,
根据所述生物电位信号计算至少一个参数,
在治疗前状况下测量第一生物电位特征,
在开始治疗患者之后根据所述参数测量第二生物电位特征,
通过组合所述第一生物电位特征和所述第二生物电位特征创建一指标,以及
通过使用所述指标来预测不利事件。
9.如权利要求8所述的方法,其特征在于,组合所述第一和第二特征的所述指标是由所述两个特征表示的点离开原点的距离。
10.如权利要求1所述的根据生物电位信号预测心理和神经不利事件的方法,其特征在于,所述至少一个参数使用相对EEGθ功率和相对组合θ+α不对称的组合来计算。
11.一种根据生物电位信号预测心理和神经不利事件的系统,包括:
数据采集单元,用于从所评估患者处获取生物电位信号,
处理器,用于根据所述生物电位信号计算至少一个参数,并从所述至少一个参数导出至少一个生物电位特征,以及
分析设备,用于通过使用所述至少一个生物电位特征预测不利事件。
12.如权利要求11所述的根据生物电位信号预测心理和神经不利事件的系统,其特征在于,所述不利事件是自杀想法。
13.如权利要求11所述的根据生物电位信号预测心理和神经不利事件的系统,其特征在于,所述不利事件是自杀动作。
14.如权利要求11所述的根据生物电位信号预测心理和神经不利事件的系统,其特征在于,所述至少一个特征是相对θ频带功率。
15.如权利要求1所述的根据生物电位信号预测心理和神经不利事件的系统,其特征在于,所述至少一个特征是相对θ+α频带不对称。
16.一种根据生物电位信号预测心理和神经不利事件的系统,包括:
数据采集单元,用于从所评估患者处获取生物电位信号,
处理器,用于根据所述生物电位信号计算至少一个参数,从所述参数导出第一生物电位特征和第二生物电位特征,以及创建用于预测不利事件的指标。
17.一种根据生物电位信号预测心理和神经不利事件的系统,包括:
数据采集单元,用于从所评估患者处获取生物电位信号,
处理器,用于根据所述生物电位信号计算至少一个参数,从所述参数导出第一时间点处的第一生物电位特征和第二时间点处的第二生物电位特征,以及创建用于预测不利事件的指标,所述指标从所述至少两个生物电位特征的组合导出,以及创建用于预测不利事件的指标,所述指标从所述第一和第二生物电位特征的组合导出。
18.一种根据生物电位信号预测心理和神经不利事件的系统,包括:
数据采集单元,用于从所评估患者处获取生物电位信号,
处理器,用于根据所述生物电位信号计算至少一个参数,在治疗前状况下测量第一生物电位特征,在开始治疗患者之后根据所述参数测量第二生物电位特征,以及经由组合所述第一生物电位特征和所述第二生物电位特征创建一指标,通过使用所述指标来预测不利事件。
19.如权利要求18所述的根据生物电位信号预测心理和神经不利事件的系统,其特征在于,组合所述第一和第二特征的所述指标是由所述两个特征表示的点离开原点的距离。
20.如权利要求11所述的根据生物电位信号预测心理和神经不利事件的系统,其特征在于,所述至少一个参数使用相对EEGθ功率和相对组合θ+α不对称的组合来计算。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US64335005P | 2005-01-12 | 2005-01-12 | |
US60/643,350 | 2005-01-12 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101529429A true CN101529429A (zh) | 2009-09-09 |
Family
ID=36406578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2006800020780A Pending CN101529429A (zh) | 2005-01-12 | 2006-01-12 | 预测心理和神经障碍治疗期间的不利事件的系统和方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US8005534B2 (zh) |
EP (1) | EP1856643A1 (zh) |
JP (1) | JP2008526388A (zh) |
CN (1) | CN101529429A (zh) |
AU (1) | AU2006204963B2 (zh) |
BR (1) | BRPI0606306A2 (zh) |
CA (1) | CA2594456C (zh) |
MX (1) | MX2007008439A (zh) |
WO (1) | WO2006076478A2 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102715903A (zh) * | 2012-07-09 | 2012-10-10 | 天津市人民医院 | 基于定量脑电图的脑电特征提取方法 |
CN104902806A (zh) * | 2012-11-10 | 2015-09-09 | 加利福尼亚大学董事会 | 神经病理的评估系统及方法 |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060257943A1 (en) * | 2005-01-25 | 2006-11-16 | Cis Biotech, Inc. | Ischemic biomarkers and their use to predict adverse neurological events from surgery |
US8521270B2 (en) * | 2006-06-05 | 2013-08-27 | The Regents Of The University Of California | Quantitative EEG method to identify individuals at risk for adverse antidepressant effects |
AU2008267762B2 (en) * | 2007-06-22 | 2014-01-16 | Wenco International Mining Systems Limited | Scalp potential measuring method and apparatus |
WO2010051382A1 (en) * | 2008-10-31 | 2010-05-06 | Medtronic, Inc. | Mood circuit monitoring to control therapy delivery |
US20100292545A1 (en) * | 2009-05-14 | 2010-11-18 | Advanced Brain Monitoring, Inc. | Interactive psychophysiological profiler method and system |
JP5710767B2 (ja) | 2010-09-28 | 2015-04-30 | マシモ コーポレイション | オキシメータを含む意識深度モニタ |
US20140258306A1 (en) * | 2011-10-12 | 2014-09-11 | The Johns Hopkins University | Novel Simulation and Permutation Methods for the Determination of Temporal Association between Two Events |
US9526437B2 (en) | 2012-11-21 | 2016-12-27 | i4c Innovations Inc. | Animal health and wellness monitoring using UWB radar |
US20140267299A1 (en) * | 2013-03-15 | 2014-09-18 | Intersections, Inc. | Veterinarian User Interface for Monitoring Health and Wellness of an Animal |
US10149617B2 (en) | 2013-03-15 | 2018-12-11 | i4c Innovations Inc. | Multiple sensors for monitoring health and wellness of an animal |
US20160029946A1 (en) * | 2013-03-15 | 2016-02-04 | Adam J. Simon | Wavelet analysis in neuro diagnostics |
CN103405224B (zh) * | 2013-08-22 | 2015-01-07 | 乔金花 | 一种用于评估心理神经活动的生理指标检测系统 |
US10426365B1 (en) * | 2013-08-30 | 2019-10-01 | Keshab K Parhi | Method and apparatus for prediction and detection of seizure activity |
WO2016057553A1 (en) | 2014-10-07 | 2016-04-14 | Masimo Corporation | Modular physiological sensors |
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 |
WO2019133997A1 (en) | 2017-12-31 | 2019-07-04 | Neuroenhancement Lab, LLC | System and method for neuroenhancement to enhance emotional response |
US11406316B2 (en) * | 2018-02-14 | 2022-08-09 | Cerenion Oy | Apparatus and method for electroencephalographic measurement |
US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
EP3849410A4 (en) | 2018-09-14 | 2022-11-02 | Neuroenhancement Lab, LLC | SLEEP ENHANCEMENT SYSTEM AND METHOD |
KR102233341B1 (ko) * | 2018-09-17 | 2021-03-29 | 인제대학교 산학협력단 | 전두 알파 비대칭 및 전두엽 활성도 비대칭에 기반한 주요 우울 장애에서 자살 행위 예측 방법 |
US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
Family Cites Families (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4533346A (en) * | 1979-06-26 | 1985-08-06 | Pharmacontrol Corporation | System for automatic feedback-controlled administration of drugs |
US4407299A (en) * | 1981-05-15 | 1983-10-04 | The Children's Medical Center Corporation | Brain electrical activity mapping |
US4862359A (en) * | 1984-08-31 | 1989-08-29 | Bio-Logic Systems Corporation | Topographical mapping of brain functionality from neuropsychological test results |
US4736751A (en) | 1986-12-16 | 1988-04-12 | Eeg Systems Laboratory | Brain wave source network location scanning method and system |
US5010891A (en) * | 1987-10-09 | 1991-04-30 | Biometrak Corporation | Cerebral biopotential analysis system and method |
US4907597A (en) * | 1987-10-09 | 1990-03-13 | Biometrak Corporation | Cerebral biopotential analysis system and method |
US5083571A (en) * | 1988-04-18 | 1992-01-28 | New York University | Use of brain electrophysiological quantitative data to classify and subtype an individual into diagnostic categories by discriminant and cluster analysis |
US5568816A (en) * | 1990-09-07 | 1996-10-29 | Sam Technology, Inc. | EEG deblurring method and system for improved spatial detail |
US5331970A (en) * | 1990-09-07 | 1994-07-26 | Sam Technology, Inc. | EEG spatial enhancement method and system |
US5119816A (en) * | 1990-09-07 | 1992-06-09 | Sam Technology, Inc. | EEG spatial placement and enhancement method |
US5299569A (en) * | 1991-05-03 | 1994-04-05 | Cyberonics, Inc. | Treatment of neuropsychiatric disorders by nerve stimulation |
US5269315A (en) * | 1991-08-16 | 1993-12-14 | The Regents Of The University Of California | Determining the nature of brain lesions by electroencephalography |
US5320109A (en) * | 1991-10-25 | 1994-06-14 | Aspect Medical Systems, Inc. | Cerebral biopotential analysis system and method |
US5458117A (en) * | 1991-10-25 | 1995-10-17 | Aspect Medical Systems, Inc. | Cerebral biopotential analysis system and method |
US5230346A (en) * | 1992-02-04 | 1993-07-27 | The Regents Of The University Of California | Diagnosing brain conditions by quantitative electroencephalography |
US5311876A (en) * | 1992-11-18 | 1994-05-17 | The Johns Hopkins University | Automatic detection of seizures using electroencephalographic signals |
US5617872A (en) * | 1994-07-25 | 1997-04-08 | Beth Israel Hospitcal Assoc. Inc. | Hypersensitive constriction velocity method for diagnosing Alzheimer's disease in a living human |
US6425852B1 (en) * | 1994-11-28 | 2002-07-30 | Emory University | Apparatus and method for transcranial magnetic brain stimulation, including the treatment of depression and the localization and characterization of speech arrest |
US6066163A (en) * | 1996-02-02 | 2000-05-23 | John; Michael Sasha | Adaptive brain stimulation method and system |
US6463328B1 (en) * | 1996-02-02 | 2002-10-08 | Michael Sasha John | Adaptive brain stimulation method and system |
US5996022A (en) * | 1996-06-03 | 1999-11-30 | Webtv Networks, Inc. | Transcoding data in a proxy computer prior to transmitting the audio data to a client |
EP0828225A1 (de) * | 1996-09-04 | 1998-03-11 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zum Auswerten von EEG-Daten |
US5871517A (en) * | 1997-01-15 | 1999-02-16 | Somatics, Inc. | Convulsive therapy apparatus to stimulate and monitor the extent of therapeutic value of the treatment |
US6128537A (en) * | 1997-05-01 | 2000-10-03 | Medtronic, Inc | Techniques for treating anxiety by brain stimulation and drug infusion |
DE19725214C1 (de) * | 1997-06-15 | 1998-11-19 | Mario Dr Siebler | Vorrichtung zum Messen und Analysieren elektrischer Hirnströme |
US6622036B1 (en) * | 2000-02-09 | 2003-09-16 | Cns Response | Method for classifying and treating physiologic brain imbalances using quantitative EEG |
US6459936B2 (en) * | 1997-10-27 | 2002-10-01 | Neuropace, Inc. | Methods for responsively treating neurological disorders |
US6205359B1 (en) * | 1998-10-26 | 2001-03-20 | Birinder Bob Boveja | Apparatus and method for adjunct (add-on) therapy of partial complex epilepsy, generalized epilepsy and involuntary movement disorders utilizing an external stimulator |
US6539263B1 (en) * | 1999-06-11 | 2003-03-25 | Cornell Research Foundation, Inc. | Feedback mechanism for deep brain stimulation |
US6304775B1 (en) * | 1999-09-22 | 2001-10-16 | Leonidas D. Iasemidis | Seizure warning and prediction |
JP4136273B2 (ja) | 2000-05-24 | 2008-08-20 | パイオニア株式会社 | 収差補正ユニット、光ピックアップ装置及び記録再生装置 |
AU2001268473A1 (en) * | 2000-06-20 | 2002-01-02 | Advanced Bionics Corporation | Apparatus for treatment of mood and/or anxiety disorders by electrical brain stimulation and/or drug infusion |
EP1414343B1 (en) * | 2001-07-11 | 2009-06-03 | CNS Response, Inc. | Method for predicting outcome of treatments |
US6622047B2 (en) * | 2001-07-28 | 2003-09-16 | Cyberonics, Inc. | Treatment of neuropsychiatric disorders by near-diaphragmatic nerve stimulation |
CA2472156C (en) * | 2002-01-04 | 2012-10-09 | Aspect Medical Systems, Inc. | System and method of assessment of neurological conditions using eeg bispectrum |
US7283861B2 (en) * | 2002-04-30 | 2007-10-16 | Alexander Bystritsky | Methods for modifying electrical currents in neuronal circuits |
BRPI0410296A (pt) * | 2003-05-06 | 2006-05-16 | Aspect Medical Systems Inc | sistema e método para a determinação da eficácia de tratamento de distúrbios neurológicos utilizando o eletroencefalograma |
US7706871B2 (en) * | 2003-05-06 | 2010-04-27 | Nellcor Puritan Bennett Llc | System and method of prediction of response to neurological treatment using the electroencephalogram |
US7206632B2 (en) * | 2003-10-02 | 2007-04-17 | Medtronic, Inc. | Patient sensory response evaluation for neuromodulation efficacy rating |
-
2006
- 2006-01-12 MX MX2007008439A patent/MX2007008439A/es active IP Right Grant
- 2006-01-12 EP EP06718167A patent/EP1856643A1/en not_active Ceased
- 2006-01-12 JP JP2007550586A patent/JP2008526388A/ja active Pending
- 2006-01-12 WO PCT/US2006/001059 patent/WO2006076478A2/en active Application Filing
- 2006-01-12 US US11/330,593 patent/US8005534B2/en active Active
- 2006-01-12 CN CNA2006800020780A patent/CN101529429A/zh active Pending
- 2006-01-12 AU AU2006204963A patent/AU2006204963B2/en not_active Ceased
- 2006-01-12 CA CA2594456A patent/CA2594456C/en not_active Expired - Fee Related
- 2006-01-12 BR BRPI0606306-3A patent/BRPI0606306A2/pt not_active Application Discontinuation
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102715903A (zh) * | 2012-07-09 | 2012-10-10 | 天津市人民医院 | 基于定量脑电图的脑电特征提取方法 |
CN104902806A (zh) * | 2012-11-10 | 2015-09-09 | 加利福尼亚大学董事会 | 神经病理的评估系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2008526388A (ja) | 2008-07-24 |
US8005534B2 (en) | 2011-08-23 |
AU2006204963A1 (en) | 2006-07-20 |
CA2594456A1 (en) | 2006-07-20 |
CA2594456C (en) | 2014-04-29 |
WO2006076478A2 (en) | 2006-07-20 |
EP1856643A1 (en) | 2007-11-21 |
MX2007008439A (es) | 2007-09-21 |
AU2006204963B2 (en) | 2011-12-01 |
BRPI0606306A2 (pt) | 2009-06-16 |
US20060167370A1 (en) | 2006-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101529429A (zh) | 预测心理和神经障碍治疗期间的不利事件的系统和方法 | |
Sharma et al. | EEG and cognitive biomarkers based mild cognitive impairment diagnosis | |
Tzallas et al. | Automatic seizure detection based on time-frequency analysis and artificial neural networks | |
US7231245B2 (en) | System and method of assessment of neurological conditions using EEG | |
EP2498676B1 (en) | Brain activity as a marker of disease | |
Merletti et al. | Myoelectric manifestations of muscle fatigue | |
Hopfengärtner et al. | Automatic seizure detection in long-term scalp EEG using an adaptive thresholding technique: a validation study for clinical routine | |
Mäkinen et al. | Auditory event-related responses are generated independently of ongoing brain activity | |
Jin et al. | Linear and nonlinear information flow based on time-delayed mutual information method and its application to corticomuscular interaction | |
Ginter Jr et al. | Phase and amplitude analysis in time–frequency space—application to voluntary finger movement | |
JP2005514096A5 (zh) | ||
Ansari-Asl et al. | Time-frequency characterization of interdependencies in nonstationary signals: application to epileptic EEG | |
Hao et al. | Linear and nonlinear analyses of heart rate variability signals under mental load | |
Mozaffarilegha et al. | Visibility graph analysis of speech evoked auditory brainstem response in persistent developmental stuttering | |
Dang et al. | Multilayer brain network combined with deep convolutional neural network for detecting major depressive disorder | |
Almeida et al. | Investigation of age-related changes in physiological kinetic tremor | |
Maheshwari et al. | Persistent aberrant cortical phase–amplitude coupling following seizure treatment in absence epilepsy models | |
Jomaa et al. | Multivariate improved weighted multiscale permutation entropy and its application on EEG data | |
Xu et al. | Fatigue EEG feature extraction based on tasks with different physiological states for ubiquitous edge computing | |
Alqahtani et al. | Classifying electroencephalogram signals using an innovative and effective machine learning method based on chaotic elephant herding optimum | |
CN108618778A (zh) | 一种麻深指数计算方法及麻醉深度监护仪 | |
Povalej Bržan et al. | New perspectives for computer-aided discrimination of parkinson’s disease and essential tremor | |
Szuflitowska et al. | Statistical and physiologically analysis of using a Duffing-van der Pol oscillator to modeled ictal signals | |
Ab Rahman et al. | Classification of EEG signal for body earthing application | |
Aurlien et al. | Characteristics of generalised epileptiform activity |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090909 |