用于檢測并且去除eeg偽像的方法和系統(tǒng)的制作方法
【專利摘要】這里公開了一種用于檢測并且去除EEG偽像的方法(1000)和系統(tǒng)(20)。針對選擇的偽像類型對EEG信號的多個來源中的每個來源進行分離。將多個來源中的每個來源重構(gòu)為記錄的蒙太奇以及最優(yōu)參考蒙太奇，以辨識出每個來源的所選擇的偽像類型。去除具有偽像的來源并且將剩余來源重構(gòu)為EEG信號的經(jīng)濾波的蒙太奇。系統(tǒng)(20)包括電極(35)、處理器(41)和顯示器(50)。
【專利說明】用于檢測并且去除EEG偽像的方法和系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明總體上涉及EEG記錄。更具體地，本發(fā)明涉及從EEG記錄檢測并且過濾偽像。
【背景技術(shù)】
[0002]腦電圖(EEG)是測量并且記錄人腦的電活動以便對大腦功能進行評估的診斷工具。多個電極被連接至人的頭部并且通過連線連接至機器。該機器對信號進行放大并且記錄人腦的電活動。該電活動由跨多個神經(jīng)元的神經(jīng)活動的總和產(chǎn)生。這些神經(jīng)元生成小幅電壓場。這些電壓場的匯總創(chuàng)建了人的頭部上的電極能夠檢測并且記錄的電讀數(shù)。EEG是多個較簡單信號的疊加。在正常成年人中，EEG信號的振幅通常為從I微伏到100微伏的范圍，并且當(dāng)利用硬膜下電極進行測量時，EEG信號大約為10至20毫伏。對電信號的振幅和時間動態(tài)進行監(jiān)視提供了關(guān)于人的潛在神經(jīng)活動和身體狀況的信息。
[0003]執(zhí)行EEG以:診斷癲癇；驗證伴有意識喪失或癡呆的問題；驗證處于昏迷的人的腦活動；研究睡眠障礙，監(jiān)視外科手術(shù)期間的腦活動，以及另外的身體問題。
[0004]多個電極(通常為17-21個，然而存在至少70個電極的標(biāo)準(zhǔn)位置)在EEG期間被附接至人的頭部。電極通過電極關(guān)于人腦的葉片或區(qū)域的位置而進行參照。該參照如下:F =額部；Fp =額極；T =顳骨；C =中樞；P =頂骨；0 =枕骨；以及A =耳部(耳朵電極)。編號被用來進一步收窄位置并且“z”點涉及人的頭部中線中的電極位置。心電圖(EKG)也可以出現(xiàn)在EEG顯示器上。
[0005]EEG使用被稱作蒙太奇(montage)的電極的各種組合記錄來自不同放大器的腦波。蒙太奇通常被創(chuàng)建以提供EEG跨皮質(zhì)的空間分布的清晰畫面。蒙太奇是從記錄電極的空間陣列獲得的電子圖，并且優(yōu)選地指的是在特定時間點被檢查的特定電極組合。
[0006]在雙極蒙太奇中，通過將一個通道的電極輸入2連接至后續(xù)通道的輸入I而將連續(xù)電極對聯(lián)接起來，而使得相鄰?fù)ǖ谰哂幸粋€共用電極。雙極電極鏈可以從前向后(縱向)或者從左向右(橫向)連接。在雙極蒙太奇中，兩個活動電極位置之間的信號進行比較，導(dǎo)致所記錄的活動的差異。另一種類型的蒙太奇是參考蒙太奇或單極蒙太奇。在參考蒙太奇中，各個電極被連接到每個放大器的輸入1，而參考電極則連接至每個放大器的輸入2。在參考蒙太奇中，在活動電極位置處采集信號并且將其與共用的參考電極進行比較。
[0007]參考蒙太奇對于確定波形的實際振幅和形態(tài)而言是很好的。對于顳骨電極而言，CZ通常是良好的頭皮參考。
[0008]能夠確定電活動的原點的位置(定位)對于能夠分析EEG而言是非常關(guān)鍵的。雙極蒙太奇中對正?；虍惓ＤX波的定位通常通過識別“相位反轉(zhuǎn)”(鏈內(nèi)指向相反方向的兩個通道的偏轉(zhuǎn))來實現(xiàn)。在參考蒙太奇中，所有通道可以在相同方向上顯示出偏轉(zhuǎn)。如果活動電極處的電活動在與參考電極處的活動相比時是正的，則偏轉(zhuǎn)將是向下的。電活動與參考電極處的相同的電極將不會顯示出任何偏轉(zhuǎn)。通常，具有最大向上偏轉(zhuǎn)的電極表示參考蒙太奇中的最大負活動。[0009]一些模式指示了人體中疾病發(fā)作的趨勢。醫(yī)師可以將這些波稱為“癲癇樣異?！被颉鞍d癇波”。這些包括尖峰(spike)、銳波以及尖峰和波形放電(spike-and-wavedischarge)。特定腦部區(qū)域(諸如左側(cè)顳葉)中的尖峰和銳波指示部分疾病發(fā)作可能來自于該區(qū)域。另一方面，大多數(shù)一般性癲癇由尖峰和波形放電所暗示，該尖峰和波形放電在腦部的兩個半球上廣泛分布，尤其在它們同時在兩個半球中開始的情況下。
[0010]存在若干種類型的腦波:alpha波、beta波、delta波、theta波和gamma波。alpha波具有8至12赫茲(Hz)的頻率。alpha波通常在人放松或者處于當(dāng)人的眼睛閉上但是人在精神上警覺時的清醒狀態(tài)時出現(xiàn)。alpha波在人的眼睛睜開或者人集中注意力時停止。beta波具有13Hz至30Hz的頻率。beta波通常在人警覺、思考、激動或者攝入高劑量的某種藥物時出現(xiàn)。delta波具有小于3Hz的頻率。delta波通常僅在人睡著時(非REM或無夢睡眠)或者當(dāng)其為幼兒時出現(xiàn)。theta波具有4Hz至7Hz的頻率。Theta波通常僅在人睡著時(有夢或REM睡眠)或者當(dāng)其為幼兒時出現(xiàn)。gamma波具有30Hz至10Hz的頻率。gamma波通常在較高的智力活動和運動機能期間出現(xiàn)。
[0011]這里使用以下定義。
[0012]“振幅”是指從波谷到最大峰值(負的或正的)測量的垂直距離。其表示在分量生成期間關(guān)于神經(jīng)元數(shù)量大小及其激活同步的信息。
[0013]術(shù)語“模數(shù)轉(zhuǎn)換”是指模擬信號被轉(zhuǎn)換為數(shù)字信號，該數(shù)字信號能夠隨后被存儲在計算機中以進一步處理。模擬信號是“真實”信號(例如，諸如腦電圖、心電圖或眼電圖之類的生理信號)。為了便于它們由計算機存儲和操控，這些信號必須被轉(zhuǎn)換為計算機能夠理解的離散數(shù)字形式。
[0014]“偽像(artif act)”是由EEG沿頭皮檢測的、但是源自非大腦原點的電信號。存在與患者相關(guān)的偽像(例如，移動、出汗、ECG、眼部移動)以及技術(shù)偽像(50/60HZ偽像、線纜移動、與電極糊相關(guān)的)。
[0015]術(shù)語“差分放大器”是指電生理學(xué)設(shè)備的關(guān)鍵。其對兩個輸入之間的差異進行放大(每個電極對一個放大器)。
[0016]“持續(xù)時間”是從電壓變化的開始到其回到基線的時間間隔。它也是分量生成中所涉及的神經(jīng)元的同步激活的度量。
[0017]“電極”是指用來與電路的非金屬部分一起建立電接觸的導(dǎo)體。EEG電極是通常由涂覆有氯化銀涂層的不銹鋼、錫、金或銀制成的小型金屬圓片。它們在特定位置處被置于頭皮上。
[0018]“電極凝膠(gel) ”用作電極的可塑性延伸，使得電極引線的移動不太可能產(chǎn)生偽像。凝膠使得皮膚接觸最大化并且允許通過皮膚進行低電阻記錄。
[0019]術(shù)語“電極定位”(10/20系統(tǒng))是指用于經(jīng)典EEG記錄的頭皮電極的標(biāo)準(zhǔn)化布置。該系統(tǒng)的實質(zhì)是10/20范圍在鼻根-枕外隆凸尖(Nas1n-1n1n)和固定點之間的百分比距離。這些點被標(biāo)記為額極(Fp)、中樞(C)、頂骨⑵、枕骨(O)和顳骨(T)。中線電極利用下標(biāo)z進行標(biāo)記，其代表零。奇數(shù)被用作左側(cè)半球上的點的下標(biāo)，而偶數(shù)則被用作右側(cè)半球上的點的下標(biāo)。
[0020]“腦電圖”或“EEG”是指由腦電圖描記器通過從頭皮記錄腦的電活動而對腦波進行的跟蹤。[0021]“腦電圖描記器”是指用于檢測并且記錄腦波的裝置(也被稱作腦電圖儀)。
[0022]“癲癇樣”是指類似癲癇的癥狀。
[0023]“濾波”是指從信號中去除不需要的頻率的過程。
[0024]“濾波器”是改變信號的頻率組成的設(shè)備。
[0025]“蒙太奇”意指電極的布置。EEG可以利用雙極蒙太奇或者參考蒙太奇來監(jiān)視。雙極意味著每一個通道有兩個電極，所以每個通道有一個參考電極。參考蒙太奇則意味著所有通道有共用的參考電極。
[0026]“形態(tài)”是指波形的形狀。波或EEG圖案的形狀由組合以構(gòu)成波形的頻率以及由它們的相位和電壓關(guān)系來確定。波的圖案能夠被描述為:“單態(tài)的”，表現(xiàn)為由一個主導(dǎo)活動組成的不同EEG活動；“多態(tài)的”，由進行組合以形成復(fù)雜波形的多個頻率組成的不同EEG活動；“正弦的”，類似正弦波的波，單態(tài)活動通常是正弦的；“瞬態(tài)的”，與背景活動明顯不同的單獨的波或圖案。
[0027]“尖峰”是指具有所指示的峰值以及從20到70毫秒以下的持續(xù)時間的瞬態(tài)。
[0028]術(shù)語“銳波”是指具有所指示的峰值以及70-200毫秒的持續(xù)時間的瞬態(tài)。
[0029]術(shù)語“神經(jīng)網(wǎng)絡(luò)算法”是指識別出具有成為癲癇樣異常的高概率的銳波瞬態(tài)的算法。
[0030]“噪聲”是指改變所期望的信號的任何不需要的信號。其可以具有多個源。
[0031]“周期性”是指圖案或要素在時間上的分布(例如，特定EEG活動以或多或少的固定時間間隔出現(xiàn))。該活動可以是全身性的(generalized)、病灶的(focal)或者偏側(cè)性的(Iateralized)。
[0032]EEG初相(epoch)是作為時間和頻率的函數(shù)的EEG信號的振幅。
[0033]為了對從EEG自動去除偽像進行優(yōu)化，重要的是要選擇最優(yōu)蒙太奇作為輸入并且隨后使用所產(chǎn)生的經(jīng)處理的蒙太奇來產(chǎn)生用戶或者另外的信號處理算法所需的蒙太奇。所公開的算法并未對該過程進行描述，并且使用所記錄的蒙太奇作為輸入或者對用戶已經(jīng)選擇進行觀看的單一蒙太奇直接執(zhí)行偽像去除。
[0034]所有數(shù)字EEG記錄作為各電極與參考或接地電極之間的差異而被記錄。這被稱作所記錄的蒙太奇。隨后能夠使用數(shù)學(xué)變換來產(chǎn)生所需的任意其它蒙太奇。當(dāng)執(zhí)行信號檢測時，所記錄的蒙太奇可能由于接地電極的位置而并非是最優(yōu)起始點。相反，最優(yōu)起始點經(jīng)常使用頭頂電極作為諸如國際標(biāo)準(zhǔn)中所稱的CZ之類的參考。然而，CZ電極可能被折中或者以其它方式并非是最優(yōu)的，在這種情況下，有必要搜索不同的參考電極。
[0035]一種用于檢測并且去除某種類型的EEG偽像的慣用方法是使用如CCA和ICA之類的技術(shù)將原始信號分離成個體來源。隨后，對個體來源進行檢查以查看該個體來源是否可能由已經(jīng)作為目標(biāo)的偽像類型所產(chǎn)生。如果偽像目標(biāo)的類型是每個個體來源的偽像的類型，則去除該偽像并且使用剩余來源對信號進行重構(gòu)。

【發(fā)明內(nèi)容】

[0036]本發(fā)明提供了針對該問題的解決方案。
[0037]在本發(fā)明中，每個個體的單獨來源通過其自身被重構(gòu)回最優(yōu)蒙太奇并且對該蒙太奇進行檢驗以查看其是否與所檢測的偽像相符。針對每個來源重復(fù)該過程，并且去除被確定為表示偽像的任何來源，并且隨后從剩余來源重構(gòu)信號。
[0038]本發(fā)明避免了在嘗試辨識出偽像是源空間時所發(fā)現(xiàn)的缺陷。首先，源信號的符號和物理振幅(例如，uV)是未知的。其次，源信號的空間表示是高度可變的并且取決于所使用的蒙太奇和參考，這使得偽像的辨識明顯更為困難。
[0039]在針對眨眼消除的一個示例中，首先使用BSS (盲源分離)將初相分離成多個來源。隨后將每個來源重構(gòu)為所記錄的蒙太奇并且隨后被重構(gòu)為CZ參考蒙太奇，后者被認(rèn)為對于識別眨眼類型的偽像而言是最優(yōu)的。通過神經(jīng)網(wǎng)絡(luò)對CZ參考蒙太奇的通道進行檢查以確定其是否可能為任何眨眼。如果是，則該特定來源被去除并且該算法繼續(xù)進行至下一個來源。然而，如果CZ電極存在問題，則將針對該來源選擇不同的參考電極。
[0040]本發(fā)明的一個方面是一種用于檢測并且去除EEG偽像的方法。該方法包括生成EEG信號。該方法還包括將該EEG信號分離成多個來源。該多個來源中的每個來源針對選擇的偽像類型而被分離。該方法還包括將該多個來源中的每個來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇，以辨識出該多個來源中的每個來源的所選擇的偽像類型。該方法還包括針對該多個來源中的每個來源對最優(yōu)參考蒙太奇的多個通道進行檢查，以確定所選擇的偽像類型是否為該多個來源中的每個來源的實際偽像。該方法還包括確定所選擇的偽像類型是該多個來源中的每個來源的實際偽像。該方法還包括去除該多個來源中針對所選擇的偽像類型的每個來源以生成多個剩余來源。該方法還包括將該多個剩余來源重構(gòu)為該EEG信號的經(jīng)濾波的蒙太奇。 [0041]本發(fā)明的另一個方面是一種用于檢測并且去除EEG偽像的方法。該方法包括利用盲源分離算法將EEG記錄的初相分離成多個來源。該多個來源中的每個來源針對選擇的偽像類型而被分離。該方法還包括將該多個來源中的每個來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇，以辨識出該多個來源中的每個來源的所選擇的偽像類型。該方法還包括針對該多個來源中的每個來源對最優(yōu)參考蒙太奇的多個通道進行檢查，以確定所選擇的偽像類型是否為該多個來源中的每個來源的實際偽像。該方法還包括確定所選擇的偽像類型是該多個來源中的每個來源的實際偽像。該方法還包括去除該多個來源中針對所選擇的偽像類型的每個來源以生成多個剩余來源。該方法還包括將該多個剩余來源重構(gòu)為該EEG信號的經(jīng)濾波的蒙太奇。
[0042]本發(fā)明的又另一個方面是一種用于檢測并且去除EEG偽像的方法。該方法包括將EEG記錄分離成多個來源，該多個來源中的每個來源針對選擇的偽像類型而被分離。該方法還包括將該多個來源中的每個來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇，以辨識出該多個來源中的每個來源的所選擇的偽像類型。該方法還包括針對該多個來源中的每個來源對最優(yōu)參考蒙太奇的多個通道進行檢查，以確定所選擇的偽像類型是否為該多個來源中的每個來源的實際偽像。該方法還包括去除該多個來源中針對所選擇的偽像類型的每個來源以生成多個剩余來源。該方法還包括將該多個剩余來源重構(gòu)為該EEG信號的經(jīng)濾波的蒙太奇。
[0043]本發(fā)明的又另一個方面是一種用于從EEG信號檢測并且去除至少兩個偽像的方法。該方法包括將EEG記錄分離成多個來源。該多個來源中的每個來源針對所選擇的偽像類型而被分離。該方法還包括將該多個來源中的第一來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇以辨識出第一偽像類型。該方法還包括針對該多個來源中的第一來源對該最優(yōu)參考蒙太奇的多個通道進行檢查，以確定該第一偽像類型是否為該多個來源中的第一來源的實際偽像。該方法還包括去除該多個來源中針對該第一偽像類型的第一來源。該方法還包括將該多個來源中的第二來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇以辨識出第二偽像類型。該方法還包括針對該多個來源中的第二來源對該最優(yōu)參考蒙太奇的多個通道進行檢查，以確定該第二偽像類型是否為該多個來源中的第二來源的實際偽像。該方法還包括去除該多個來源中針對該第二偽像類型的第二來源。該方法還包括將多個剩余來源重構(gòu)為該EEG信號的經(jīng)濾波的蒙太奇。
[0044]本發(fā)明的又另一個方面是一種用于檢測并且去除EEG偽像的系統(tǒng)。該系統(tǒng)包括電極、處理器和顯示器。該電極生成EEG信號。該處理器連接至該電極以從該EEG信號生成EEG記錄。該顯示器連接至該處理器并且顯示EEG記錄。該處理器被配置為將EEG信號分離成多個來源，該多個來源中的每個來源針對選擇的偽像類型而被分離。該處理器被配置為將該多個來源中的每個來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇以辨識出該多個來源中的每個來源的所選擇的偽像類型。該處理器被配置為針對該多個來源中的每個來源對最優(yōu)參考蒙太奇的多個通道進行檢查以確定所選擇的偽像類型是否為該多個來源中的每個來源的實際偽像。該處理器被配置為確定所選擇的偽像類型是該多個來源中的每個來源的實際偽像。該處理器被配置為去除該多個來源中針對所選擇的偽像類型的每個來源以生成多個剩余來源。該處理器被配置為將該多個剩余來源重構(gòu)為該EEG信號的經(jīng)濾波的蒙太奇。
[0045]本發(fā)明的又另一個方面是一種用于利用盲源分離算法檢測并且去除EEG偽像的系統(tǒng)。該系統(tǒng)包括電極、處理器和顯示器。該電極生成EEG信號。該處理器連接至該電極以從該EEG信號生成EEG記錄。該顯示器連接至該處理器并且顯示EEG記錄。該處理器被配置為利用盲源分離算法 將EEG記錄的初相分離成多個來源。該多個來源中的每個來源針對選擇的偽像類型而被分離。該處理器被配置為將該多個來源中的每個來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇以辨識出該多個來源中的每個來源的所選擇的偽像類型。該處理器被配置為針對該多個來源中的每個來源對最優(yōu)參考蒙太奇的多個通道進行檢查以確定所選擇的偽像類型是否為該多個來源中的每個來源的實際偽像。該處理器被配置為確定所選擇的偽像類型是該多個來源中的每個來源的實際偽像。該處理器被配置為去除該多個來源中針對所選擇的偽像類型的每個來源以生成多個剩余來源。該處理器被配置為將該多個剩余來源重構(gòu)為該EEG信號的經(jīng)濾波的蒙太奇。
[0046]本發(fā)明的又另一個方面是一種用于從EEG信號檢測并且去除至少兩個偽像的系統(tǒng)。該系統(tǒng)包括電極、處理器和顯示器。該電極生成EEG信號。該處理器連接至該電極以從該EEG信號生成EEG記錄。該顯示器連接至該處理器并且顯示EEG記錄。該處理器被配置為將EEG記錄分離成多個來源。該多個來源中的每個來源針對選擇的偽像類型而被分離。該處理器被配置為將該多個來源中的第一來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇以辨識出第一偽像類型。該處理器被配置為針對該多個來源中的第一來源對該最優(yōu)參考蒙太奇的多個通道進行檢查以確定該第一偽像類型是否為該多個來源中的第一來源的實際偽像。該處理器被配置為去除該多個來源中針對該第一偽像類型的第一來源。該處理器被配置為將該多個來源中的第二來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇以辨識出第二偽像類型。該處理器被配置為針對該多個來源中的第二來源對該最優(yōu)參考蒙太奇的多個通道進行檢查以確定該第二偽像類型是否為該多個來源中的第二來源的實際偽像。該處理器被配置為去除該多個來源中針對該第二偽像類型的第二來源。該處理器被配置為將多個剩余來源重構(gòu)為該EEG信號的經(jīng)濾波的蒙太奇。
【專利附圖】

【附圖說明】
[0047]圖1是用于分析EEG記錄的系統(tǒng)的框圖。
[0048]圖2是經(jīng)分析的EEG記錄的圖示。
[0049]圖3是經(jīng)分析的EEG記錄的圖示。
[0050]圖4是經(jīng)分析的EEG記錄的圖示。
[0051]圖5是經(jīng)分析的EEG記錄的圖示。
[0052]圖6是經(jīng)分析的EEG記錄的圖示。
[0053]圖7是針對EEG的電極布置圖。
[0054]圖8是針對EEG的電極布置詳圖。
[0055]圖9是用于針對所基于的EEG優(yōu)化自動偽像過濾的一般方法的流程圖。
[0056]圖10是用于針 對所基于的EEG優(yōu)化自動偽像過濾的具體方法的流程圖。
[0057]圖11是CZ參考蒙太奇的圖示。
[0058]圖12是包含疾病發(fā)作、肌肉偽像和眼睛移動偽像的EEG記錄的圖示。
[0059]圖13是去除了肌肉偽像的圖12的EEG記錄的圖示。
[0060]圖14是去除了眼睛移動偽像的圖13的EEG記錄的圖示。
【具體實施方式】
[0061]如圖1所示,EEG系統(tǒng)總體上被表示為20。該系統(tǒng)優(yōu)選地包括患者組件30、EEG機器組件40和顯示組件50?；颊呓M件30包括附接至患者15并且通過線纜38導(dǎo)線連接至EEG機器組件40的多個電極35a、35b、35c。EEG機器組件40包括CPU41和放大器組件42。EEG機器組件40連接至顯示組件50以用于顯示組合的EEG報告，并且用于從經(jīng)處理的EEG報告切換至組合的EEG報告,或者從經(jīng)處理的EEG報告切換至原始EEG報告。
[0062]患者具有附接至患者頭部的多個電極，來自電極的導(dǎo)線連接至放大器以用于將信號放大至處理器，該處理器用來對來自電極的信號進行分析并且創(chuàng)建EEG記錄。大腦在患者頭部上的不同點產(chǎn)生不同信號。多個電極如圖7和圖8所示被定位在患者頭部上。CZ點處于中心。例如，圖7上的Fpl在圖2上的通道FP1-F3中來表示。電極的數(shù)量決定了用于EEG的通道的數(shù)量。較大數(shù)量的通道產(chǎn)生患者大腦活動的較詳細的表示。優(yōu)選地，EEG機器組件40的每個放大器42對應(yīng)于附接至患者15的頭部的兩個電極35。來自EEG機器組件40的輸出是由兩個電極檢測到的電活動的差異。每個電極的放置對于EEG報告而言是關(guān)鍵的，原因在于電極對互相越接近，由EEG機器組件40記錄的腦波差異就越小。隨本發(fā)明采用的電極的更為全面的描述詳見Wilson等人的、題為“Method And Device For Quick PressOn EEG Electrode”的第8112141號美國專利，其因此通過引用全文結(jié)合于此。該EEG針對自動偽像過濾進行了優(yōu)化。隨后使用神經(jīng)網(wǎng)絡(luò)算法對該EEG記錄進行處理以生成經(jīng)處理的EEG記錄，該經(jīng)處理的EEG記錄被分析以進行顯示。
[0063]用于從EEG去除偽像的算法通常使用如CCA (典型相關(guān)分析)和ICA (獨立分量分析)之類的盲源分離(BSS)算法以將來自一組通道的信號變換為一組分量波或“源”。
[0064]圖2-圖6圖示了經(jīng)分析的EEG記錄。分析EEG記錄的另外描述在Wilson等人于2012 年 9 月 15 日提交的、題為“Method And System For Analyzing An EEG Recording”的第13/620855號美國專利申請中給出，其因此通過引用全文結(jié)合于此。
[0065]當(dāng)打開Easy SpikeReview程序時，如圖2所示，最初呈現(xiàn)Overview(概覽)窗口200。該概覽描繪了來自由尖峰檢測機制檢測到的各個尖峰焦點的平均值。為了創(chuàng)建這些概覽平均值，由檢測焦點(電極)對尖峰檢測進行分類并且隨后對特定焦點處的所有檢測進行數(shù)學(xué)平均。例如，第一列EEG表示在T3電極具有其最大檢測點的2969個事件的平均值。EEG的列優(yōu)選地通過細白條與其它列分開。每個EEG列表示不同的組平均值。每個平均值的主要電極焦點以及結(jié)合到每個平均值中的檢測事件的數(shù)量205在該EEG列的上方示出。包括檢測焦點電極的通道被高亮顯示為紅色215。正如誘發(fā)電位一樣，對多次檢測進行平均導(dǎo)致了信噪比的增加并且使得更易于界定癲癇樣異常的分布區(qū)域。
[0066]Easy SpikeReview窗口的各種功能包括選擇每個頁面的尖峰檢測223、EEG電壓振幅選擇器224、蒙太奇選擇器225、LFF(TC)226、HFF227、陷波228和自定義濾波器229的能力。也可能利用前進和后退標(biāo)簽222來導(dǎo)航至不處于當(dāng)前視圖中的其它標(biāo)簽。如果存在多于一個頁面的概覽平均值，則點擊底欄230將向前翻頁。右擊蒙太奇欄210將顯示蒙太奇控制。
[0067]能夠在查看過程中對SpikeDetector輸出的靈敏度進行動態(tài)調(diào)節(jié),這是通過帶標(biāo)記的檢測靈敏度滑動器220來完成的。當(dāng)Easy SpikeReview初次打開時，檢測靈敏度滑動器220被設(shè)置在最左側(cè)的位置。在該位置，SpikeDetector神經(jīng)網(wǎng)絡(luò)算法識別出具有是癲癇樣異常的高概率的尖銳瞬態(tài):這些是檢測器指定了是實際癲癇樣異常的高概率的事件。該設(shè)置處的錯誤陽性檢測率最低。因此，真實癲癇樣信號與錯誤陽性噪聲之比在該設(shè)置處最高。然而，一些形成較為不良的尖峰和銳波可能在滑動器設(shè)置在其最低靈敏度的情況下并不明顯。檢測器的靈敏度可以通過將滑動器220朝右拖動來快速調(diào)節(jié)，使得其更靈敏并且因此更可能識別出形成較為不良或者較低振幅的瞬態(tài)。新的組隨后可以出現(xiàn)在尖峰平均值的概覽顯示中。與真實尖峰檢測的增加相對應(yīng)地，錯誤陽性檢測也有所增加。
[0068]在具有罕見癲癇樣異常的記錄中或者在其中SpikeDetector神經(jīng)網(wǎng)絡(luò)當(dāng)被設(shè)置為最低靈敏度時不能很好地辨識出癲癇樣異常的記錄中，切換至檢測靈敏度滑動器220上的最高設(shè)置可以允許真實癲癇樣異常的視覺化。在這樣的情況下，識別出罕見事件經(jīng)常要求對個體的原始檢測進行評估。這是通過在概覽頁面上緊隨尖峰平均值背靠背地顯示所有原始檢測來實現(xiàn)的，或者是通過在EEG窗口頂端漸進地選擇位置標(biāo)簽221而查看諸如圖3中的每個電極位置的檢測來實現(xiàn)的。使用跟隨于時間之后的星號325對已經(jīng)被查看過的檢測進行標(biāo)記。
[0069]點擊在EEG窗口頂端的任意電極位置標(biāo)簽221將顯示出自于該特定電極位置的原始(非平均的)尖峰檢測300。個體檢測通過細白條被分開，并且監(jiān)測點處于EEG的一秒分段的中心并且由具有指示檢測時間305的標(biāo)題的模糊的垂直灰色線條所指示。包含該檢測中所涉及的電極的通道被高亮顯示為紅色310。使用鼠標(biāo)左鍵雙擊任意個體檢測335將使得該特定檢測335的展開的EEG視圖400(如圖4所示)得以顯現(xiàn)。左鍵雙擊展開的視圖400將使得用戶返回背靠背的個體檢測300的顯示。[0070]當(dāng)觀看(從EEG窗口上方的標(biāo)簽221訪問的)個體尖峰檢測時，示例尖峰能夠通過使用鼠標(biāo)左鍵點擊所期望的示例而被手工標(biāo)記。作為所選擇的尖峰330的輪廓的矩形將會顯現(xiàn)。對所有檢測進行標(biāo)記或者取消標(biāo)記能夠使用工具欄上的Mark All (全部標(biāo)記)或UnMark All (取消全部標(biāo)記)按鈕315來完成。手工標(biāo)記的檢測將包括在FinalIteport (最終報告)中出現(xiàn)的尖峰平均值中。
[0071]圖5是FinalIteport的打印預(yù)覽視圖500，其示出了用戶所選擇的18個尖峰505以及組成尖峰510a-510c的組平均。
[0072]這些手工標(biāo)記的事件還可以如圖6所示緊隨其平均在FinalR印ort600中背靠背地顯示，并且能夠出于歸檔的目的或者供另一個觀看者評估而被打印623。
[0073]點擊在EEG窗口頂端的FinalIteport標(biāo)簽628顯示在所選擇的焦點605處的所有手工標(biāo)記的示例尖峰或銳波610的概要。該初始默認(rèn)視圖示出了由電極焦點605分類的、用戶選擇的、手工標(biāo)記的事件的數(shù)學(xué)平均值。如所解釋的，通過選擇菜單選項或者經(jīng)由鼠標(biāo)右鍵點擊的選擇而顯示頭部電壓的內(nèi)存儲信息位置圖示以及背靠背的、單獨的、用戶選擇的事件。電壓的內(nèi)存儲信息位置圖示僅在觀看參考蒙太奇中的EEG時創(chuàng)建。圖6中還示出了用戶選擇的尖峰和波630，以及觀看/跳至尖峰635。
[0074]當(dāng)退出622該程序時，所有改變被自動保存，包括用戶標(biāo)記的尖峰和觀看的事件。
[0075]圖11是具有CZ參考蒙太奇3005的EEG記錄3000的圖示。
[0076]在一個示例中，被稱作BSS-CCA的算法被用來從EEG中去除肌肉活動的影響。對所記錄的蒙太奇上使用 該算法經(jīng)常將不會產(chǎn)生最優(yōu)結(jié)果。在這種情況下，通常優(yōu)選地使用參考電極是諸如國際10-20標(biāo)準(zhǔn)中的CZ之類的頭頂電極之一的蒙太奇。在該算法中，在去除偽像之前首先將所記錄的蒙太奇變換為CZ參考蒙太奇。在CZ處的信號指示這并非最佳選擇的情況下，則該算法將會把可能的參考電極的列表繼續(xù)進行下去以便找出適合的一個參考電極。
[0077]可能直接在用戶選擇的蒙太奇上執(zhí)行BSS-CCA。然而，這存在兩個問題。首先，這要求對由用戶選擇用于觀看的每個蒙太奇進行高成本的偽像去除處理。其次，偽像去除將因蒙太奇而異，并且僅在用戶使用最優(yōu)參考選擇了參考蒙太奇時才會是最優(yōu)的。由于查看EEG所需的蒙太奇經(jīng)常不與對于去除偽像而言最優(yōu)的蒙太奇相同，所以這并非好的解決方案。
[0078]圖9是用于檢測并且去除EEG偽像的一般方法1000的流程圖。在塊1001，生成EEG信號。在塊1002，將該EEG信號分離成多個來源。該多個來源中的每個來源針對選擇的偽像類型而被分離。在塊1003，該多個來源中的每個來源被重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇，以辨識出該多個來源中的每個來源的所選擇的偽像類型。在塊1004，針對該多個來源中的每個來源對最優(yōu)參考蒙太奇的通道進行檢查，以確定所選擇的偽像類型是否為該多個來源中的每個來源的實際偽像。在塊1005，確定所選擇的偽像類型是該多個來源中的每個來源的實際偽像。在塊1006，去除該多個來源中針對所選擇的偽像類型的每個來源以生成多個剩余來源。在塊1007，將該剩余來源重構(gòu)為該EEG信號的經(jīng)濾波的蒙太奇。
[0079]偽像去除算法優(yōu)選地是盲源分離算法。該盲源分離算法優(yōu)選地是CCA算法或ICA算法。
[0080]圖10是用于檢測并且去除EEG偽像的一般方法2000的流程圖。在塊2001，將EEG信號分離成多個來源。該多個來源中的每個來源針對選擇的偽像類型而被分離。在塊2002，將該多個來源中的每個來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇，以辨識出該多個來源中的每個來源的所選擇的偽像類型。在塊2003，針對該多個來源中的每個來源對最優(yōu)參考蒙太奇的通道進行檢查，以確定所選擇的偽像類型是否為該多個來源中的每個來源的實際偽像。在塊2004，去除該多個來源中針對所選擇的偽像類型的每個來源以生成多個剩余來源。在塊2005，將剩余來源重構(gòu)為該EEG信號的經(jīng)濾波的蒙太奇。
[0081]圖12-圖14圖示了從EEG信號去除偽像如何允許更清楚地為讀者圖示大腦的真實活動。圖12是包含疾病發(fā)作、肌肉偽像和眼睛移動偽像的EEG記錄4000的圖示。圖13是去除了肌肉偽像的圖12的EEG記錄5000的圖示。圖14是去除了眼睛移動偽像的圖13的EEG記錄6000的圖示 。
【權(quán)利要求】
1.一種用于檢測并且去除EEG偽像的方法，所述方法包括: 生成EEG信號； 將所述EEG信號分離成多個來源，所述多個來源中的每個來源針對選擇的偽像類型而被分離； 將所述多個來源中的每個來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇，以辨識出所述多個來源中的每個來源的所述選擇的偽像類型； 針對所述多個來源中的每個來源對所述最優(yōu)參考蒙太奇的多個通道進行檢查，以確定所述選擇的偽像類型是否為所述多個來源中的每個來源的真實偽像； 確定所述選擇的偽像類型是所述多個來源中的每個來源的所述真實偽像； 去除所述多個來源中針對所述選擇的偽像類型的每個來源以生成多個剩余來源；以及 將所述多個剩余來源重構(gòu)為所述EEG信號的經(jīng)濾波的蒙太奇。
2.根據(jù)權(quán)利要求1所述的方法，其中重構(gòu)最優(yōu)參考蒙太奇包括:基于所述記錄的特征針對所述偽像類型選擇最優(yōu)蒙太奇；并且基于所選擇的參考電極將所述記錄的蒙太奇變換為最優(yōu)蒙太奇。
3.根據(jù)權(quán)利要求1所述的方法，進一步包括利用所述經(jīng)濾波的蒙太奇以進行信號處理。
4.根據(jù)權(quán)利要求1所述的方法，其中重構(gòu)最優(yōu)參考蒙太奇包括:對參考電極處的信號進行分析以確定所述參考電極是否為最優(yōu)參考電極，并且基于所選擇的參考電極將所述記錄的蒙太奇變換為最優(yōu)蒙太奇。
5.根據(jù)權(quán)利要求1所述的方法，其中重構(gòu)最優(yōu)參考蒙太奇包括:對多個參考電極中的每個參考電極處的信號進行分析以確定最優(yōu)參考電極，并且基于所選擇的參考電極將所述記錄的蒙太奇變換為最優(yōu)蒙太奇。
6.一種用于檢測并且去除EEG偽像的方法，所述方法包括: 利用盲源分離算法將EEG記錄的初相分離成多個來源，所述多個來源中的每個來源針對選擇的偽像類型而被分離； 將所述多個來源中的每個來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇，以辨識出所述多個來源中的每個來源的所述選擇的偽像類型； 針對所述多個來源中的每個來源對所述最優(yōu)參考蒙太奇的多個通道進行檢查，以確定所述選擇的偽像類型是否為所述多個來源中的每個來源的真實偽像； 確定所述選擇的偽像類型是所述多個來源中的每個來源的所述真實偽像； 去除所述多個來源中針對所述選擇的偽像類型的每個來源以生成多個剩余來源；以及 將所述多個剩余來源重構(gòu)為所述EEG信號的經(jīng)濾波的蒙太奇。
7.一種用于檢測并且去除EEG偽像的方法，所述方法包括: 將EEG記錄分離成多個來源，所述多個來源中的每個來源針對選擇的偽像類型而被分離； 將所述多個來源中的每個來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇，以辨識出所述多個來源中的每個來源的所述選擇的偽像類型； 針對所述多個來源中的每個來源對所述最優(yōu)參考蒙太奇的多個通道進行檢查，以確定所述選擇的偽像類型是否為所述多個來源中的每個來源的真實偽像；去除所述多個來源中針對所述選擇的偽像類型的每個來源以生成多個剩余來源；以及 將所述多個剩余來源重構(gòu)為所述EEG信號的經(jīng)濾波的蒙太奇。
8.根據(jù)權(quán)利要求7所述的方法，其中重構(gòu)最優(yōu)參考蒙太奇包括基于CZ參考電極將所述記錄的蒙太奇自動變換為最優(yōu)蒙太奇。
9.根據(jù)權(quán)利要求8所述的方法，其中重構(gòu)最優(yōu)參考蒙太奇包括基于非CZ參考電極將所述記錄的蒙太奇自動變換為最優(yōu)蒙太奇。
10.根據(jù)權(quán)利要求9所述的方法，其中所述非CZ參考電極是頭頂電極。
11.一種用于檢測并且去除EEG偽像的方法，所述方法包括: 將EEG記錄分離成多個來源，所述多個來源中的每個來源針對選擇的偽像類型而被分離； 將所述多個來源中的第一來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇，以辨識出第一偽像類型； 針對所述多個來源中的所述第一來源對所述最優(yōu)參考蒙太奇的多個通道進行檢查，以確定所述第一偽像類型是否為所述多個來源中的第一來源的真實偽像； 去除所述多個來源中針對所述第一偽像類型的所述第一來源； 將所述多個來源中的第二來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇，以辨識出第二偽像類型； 針對所述多個來源中的所述第二來源對所述最優(yōu)參考蒙太奇的多個通道進行檢查，以確定所述第二偽像類型是否為所述多個來源中的第二來源的真實偽像； 去除所述多個來源中針對所述第二偽像類型的所述第二來源；以及 將多個剩余來源重構(gòu)為所述EEG信號的經(jīng)濾波的蒙太奇。
12.根據(jù)權(quán)利要求11所述的方法，其中所述第一偽像類型是眨眼偽像并且所述第二偽像類型是肌肉偽像。
13.根據(jù)權(quán)利要求11所述的方法，其中所述第一偽像類型和所述第二偽像類型從包括眨眼偽像、肌肉偽像、舌部移動偽像、咀嚼偽像和心跳偽像的組中進行選擇。
14.一種用于檢測并且去除EEG偽像的系統(tǒng)，所述系統(tǒng)包括: 用于生成多個EEG信號的多個電極； 連接至所述多個電極以從所述多個EEG信號生成EEG記錄的處理器；以及 連接至所述處理器以顯示EEG記錄的顯示器； 其中所述處理器被配置為將EEG信號分離成多個來源，所述多個來源中的每個來源針對選擇的偽像類型而被分離； 其中所述處理器被配置為將所述多個來源中的每個來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇，以辨識出所述多個來源中的每個來源的所述選擇的偽像類型； 其中所述處理器被配置為針對所述多個來源中的每個來源對所述最優(yōu)參考蒙太奇的多個通道進行檢查，以確定所述選擇的偽像類型是否為所述多個來源中的每個來源的真實偽像； 其中所述處理器被配置為確定所述選擇的偽像類型是所述多個來源中的每個來源的所述真實偽像； 其中所述處理器被配置為去除所述多個來源中針對所述選擇的偽像類型的每個來源以生成多個剩余來源；以及 其中所述處理器被配置為將所述多個剩余來源重構(gòu)為所述EEG信號的經(jīng)濾波的蒙太奇。
15.一種用于檢測并且去除EEG偽像的系統(tǒng)，所述系統(tǒng)包括: 用于生成多個EEG信號的多個電極； 連接至所述多個電極以從所述多個EEG信號生成EEG記錄的處理器；以及 連接至所述處理器以顯示EEG記錄的顯示器； 其中所述處理器被配置為利用盲源分離算法將EEG記錄的初相分離成多個來源，所述多個來源中的每個來源針對選擇的偽像類型而被分離； 其中所述處理器被配置為將所述多個來源中的每個來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇，以辨識出所述多個來源中的每個來源的所述選擇的偽像類型； 其中所述處理器被配置為針對所述多個來源中的每個來源對所述最優(yōu)參考蒙太奇的多個通道進行檢查，以確定所述選擇的偽像類型是否為所述多個來源中的每個來源的真實偽像； 其中所述處理器被配置為確定所述選擇的偽像類型是所述多個來源中的每個來源的所述真實偽像； 其中所述處理器被配置為去除所述多個來源中針對所述選擇的偽像類型的每個來源以生成多個剩余來源；以及 其中所述處理器被配置為將所述多個剩余來源重構(gòu)為所述EEG信號的經(jīng)濾波的蒙太奇。
16.一種用于檢測并且去除EEG偽像的系統(tǒng)，所述系統(tǒng)包括: 用于生成多個EEG信號的多個電極； 連接至所述多個電極以從所述多個EEG信號生成EEG記錄的處理器；以及 連接至所述處理器以顯示EEG記錄的顯示器； 其中所述處理器被配置為將EEG記錄分離成多個來源，所述多個來源中的每個來源針對選擇的偽像類型而被分離； 其中所述處理器被配置為將所述多個來源中的每個來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇，以辨識出所述多個來源中的每個來源的所述選擇的偽像類型； 其中所述處理器被配置為針對所述多個來源中的每個來源對所述最優(yōu)參考蒙太奇的多個通道進行檢查，以確定所述選擇的偽像類型是否為所述多個來源中的每個來源的真實偽像； 其中所述處理器被配置為去除所述多個來源中針對所述選擇的偽像類型的每個來源以生成多個剩余來源；以及 其中所述處理器被配置為將所述多個剩余來源重構(gòu)為所述EEG信號的經(jīng)濾波的蒙太奇。
17.一種用于檢測并且去除EEG偽像的系統(tǒng)，所述系統(tǒng)包括: 用于生成多個EEG信號的多個電極； 連接至所述多個電極以從所述多個EEG信號生成EEG記錄的處理器；以及 連接至所述處理器以顯示EEG記錄的顯示器；其中所述處理器被配置為將EEG記錄分離成多個來源，所述多個來源中的每個來源針對選擇的偽像類型而被分離； 其中所述處理器被配置為將所述多個來源中的第一來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇，以辨識出第一偽像類型； 其中所述處理器被配置為針對所述多個來源中的所述第一來源對所述最優(yōu)參考蒙太奇的多個通道進行檢查，以確定所述第一偽像類型是否為所述多個來源中的第一來源的真實偽像； 其中所述處理器被配置為去除所述多個來源中針對所述第一偽像類型的所述第一來源； 其中所述處理器被配置為將所述多個來源中的第二來源重構(gòu)為記錄的蒙太奇和最優(yōu)參考蒙太奇，以辨識出第二偽像類型； 其中所述處理器被配置為針對所述多個來源中的所述第二來源對所述最優(yōu)參考蒙太奇的多個通道進行檢查，以確定所述第二偽像類型是否為所述多個來源中的第二來源的真實偽像； 其中所述處理器被配置為去除所述多個來源中針對所述第二偽像類型的所述第二來源；以及 其中所述處理器被配置為將多個剩余來源重構(gòu)為所述EEG信號的經(jīng)濾波的蒙太奇。
【文檔編號】A61B5/0476GK104039221SQ201280065995
【公開日】2014年9月10日 申請日期:2012年11月25日 優(yōu)先權(quán)日:2011年11月26日
【發(fā)明者】N·尼爾恩伯格, S·B·威爾森, M·朔爾 申請人:珀西斯特發(fā)展公司