脳電図解析システム
【課題】 皮質入力の変化と皮質状態の変化とを区別することができる脳電図信号を解析する方法及びシステムを提供する。
【解決手段】 脳の活動を表す脳電図信号を解析するための方法であって、ｉ）前記信号の一部分の信号表現のための係数データを生成するステップと、ｉｉ）前記信号表現及び前記係数データに基づいて生成された出力信号の平均振幅を表す第１の利得データを生成するステップと、ｉｉｉ）前記一部分の平均振幅を表す第２の利得データを生成するステップと、ｉｖ）前記第１の利得データ及び前記第２の利得データに基づいて、前記脳の皮質下活動を表す脳状態データを生成するステップとを含む方法。
【解決手段】 脳の活動を表す脳電図信号を解析するための方法であって、ｉ）前記信号の一部分の信号表現のための係数データを生成するステップと、ｉｉ）前記信号表現及び前記係数データに基づいて生成された出力信号の平均振幅を表す第１の利得データを生成するステップと、ｉｉｉ）前記一部分の平均振幅を表す第２の利得データを生成するステップと、ｉｖ）前記第１の利得データ及び前記第２の利得データに基づいて、前記脳の皮質下活動を表す脳状態データを生成するステップとを含む方法。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、脳の活動を表す表示を生成するために脳電図（ＥＥＧ）信号を解析する方法及びシステムに関する。
【背景技術】
【０００２】
脳の機能状態を定量化するための方法は、被験者からの自発的な、又は刺激に対して固定された、頭皮の記録可能な電気活動を解析することを含むことがある。これは、（たとえば、国際公開第２００１／７４２４８号パンフレットに記載されている）早期、中期、及び／又は後期の刺激によって誘発された成分の波形を解析すること、若しくは（たとえば、欧州特許出願ＥＰ０８９８２３４号に記載されている）周波数領域法又は時間領域法を使用する（特定の、又は一般的な刺激に応じたものではない）自発的に記録された活動のスペクトル解析、又は（たとえば、国際公開第２００４／０５４４４１号パンフレットに記載されている）脳の状態を決定するために、自発的なＥＥＧ活動と誘発されたＥＥＧ活動が共に解析される混成手法を含むことができる。
【発明の概要】
【発明が解決しようとする課題】
【０００３】
そのような方法は、適切に構築された統計的判別関数が使用されたとき臨床効率を有することが示されているが、そのような測定が、どのような挙動の生理学的側面及び脳機能を反映するか不明確である。たとえば、ＥＥＧ活動ではなくＥＭＧ活動の変化がこれらの手法で検出されている可能性がある。（Ａｎｅｓｔｈ Ａｎａｌｇ、２００３、９７、４８８〜４９１頁で公開されている）Ｍｅｓｓｎｅｒレポートは、完全に覚醒している人における神経筋遮断中に、どのようにバイスペクトル指数が低下するかについて述べている。しかし、律動性の、頭皮の記録可能な脳電気活動の生成に責任がある生体機構に関する（国際公開第２００４／０６４６３３号パンフレット及びその中で参照されている参照に記載されている）Ｌｉｌｅｙらによる最近の理論的、及び実験的業績は、脳機能の、より生理学的な特定の測定量の構築を可能にする、特定の理論的枠組みを提供している。
【０００４】
健康、疾患、及び／又は治療介入中に脳の状態を評価する上で、変化した脳（皮質）機能の結果として発生する脳状態の変化と、大脳皮質に対する変化した入力の結果として発生する変化とを区別することが重要である。様々な事象関連電位（ＥＲＰ）の早期成分の解析は、皮質に対する様々な入力経路の完全性に関する情報をもたらすことができるが、皮質領域すべてが、周囲から送達される感覚情報の受け手であるわけではないため、この技法は、必然的に制限される。たとえば、前頭皮質は、どのような感覚情報をも、直接的にも（皮質下核を介して）間接的にも受け取らない。この手法の別の制限は、十分な信号対雑音比を得るために、いくつかの順次与えられる刺激の、得られる結果の時間分解能を明らかに制限する誘発反応を決定しなければならないことである。しかし、（たとえば、国際公開第２００１／７４２４８号パンフレットに記載されている）いくつかの形態の予想法を使用して時間分解能を改善しようと試みる方法がある。
【０００５】
（たとえば、欧州特許出願ＥＰ０８９８２３４号に記載されている）時間領域法又は周波数領域法を使用するスペクトル解析を含む定量的ＥＥＧ（ＱＥＥＧ）法は、皮質入力の変化と脳（皮質）状態の変化とを区別することができない。なぜなら、そのような技法は、ＥＥＧスペクトルパワーの変化の生理学的発生源に関して仮定することができないからである。これは主に、現行のＱＥＥＧ法の発見的（ｈｅｕｒｉｓｔｉｃ）手法の結果である。
【０００６】
したがって、被験者からのＥＥＧ信号の変化が、（たとえば、脳の相異なる部分に対する）皮質入力の変化によって引き起こされるのか、それとも皮質がこの入力に対してどのように応答するかという点での定性的、定量的変化の結果であるのか判定することは困難である。
【０００７】
したがって、上記の１つ又は複数に対処すること、又は少なくとも有用な代替を提供することが望ましい。
【課題を解決するための手段】
【０００８】
本発明によれば、脳の活動を表す脳電図の信号を解析するための方法であって、
ｉ）前記信号の一部分の信号表現のための係数データを生成するステップと、
ｉｉ）前記信号表現及び前記係数データに基づいて生成された出力信号の平均振幅を表す第１の利得データを生成するステップと、
ｉｉｉ）前記一部分の平均振幅を表す第２の利得データを生成するステップと、
ｉｖ）前記第１の利得データ及び前記第２の利得データに基づいて、前記脳の皮質下活動を表す脳状態データを生成するステップと
を含む方法が提供される。
【０００９】
また、本発明は、脳の活動を表す脳電図の信号を解析するためのシステムであって、
ｉ）前記信号の一部分の信号表現のための係数データを生成し、
ｉｉ）前記信号表現及び前記係数データに基づいて生成された出力信号の平均振幅を表す第１の利得データを生成し、
ｉｉｉ）前記一部分の平均振幅を表す第２の利得データを生成し、
ｉｖ）前記第１の利得データ及び前記第２の利得データに基づいて、前記脳の皮質下活動を表す脳状態データを生成する
ように適合されたプロセッサモジュールを含むシステムを提供する。
【００１０】
また、本発明は、上述の方法におけるステップのいずれかを実施するための、コンピュータ可読媒体上で記憶されたコンピュータ実行可能コードを提供する。
【００１１】
また、本発明は、上述の方法を実施するためのシステムを提供する。
【発明の効果】
【００１２】
本発明に係る脳電図信号を解析する方法及びシステムによれば、皮質入力の変化と皮質状態の変化とを区別することができる。
【図面の簡単な説明】
【００１３】
【図１】ＥＥＧ処理システム内の構成要素のブロック図である。
【図２】ＥＥＧ処理システムの制御下で実施されるステップの流れ図である。
【図３】このシステムのＥＥＧ記録インターフェースの図である。
【図４】レビュー状態にあるこのシステムのＥＥＧ記録インターフェースの図である。
【図５】このシステムのセンサ診断インターフェースの図である。
【図６】このシステムのセットアップインターフェースの図である。
【図７】このシステムの日付／時刻セットアップインターフェースの図である。
【図８】このシステムのシステム構成インターフェースの図である。
【図９】このシステムの出力セットアップインターフェースの図である。
【発明を実施するための形態】
【００１４】
図１に示されている脳電図（ＥＥＧ）処理システム１００は、信号処理モジュール１０６、応答指数計算モジュール１０８、完全性試験モジュール１１０、メモリモジュール１１２、表示プロセッサモジュール１１４、データエクスポートモジュール１１６、構成モジュール１２０を含む。モジュール１０６及び１１０は、被験者の頭皮上に配置された複数の頭皮電極１０２に結合される。電極１０２は、国際１０−２０標準システムに従って被験者の頭皮上で位置決めされ、必要に応じて追加の中点電極の使用を含むことができる。たとえば、電極１０２は、被験者の額の中点に対して電極を位置決めする条片に取り付けられてもよい。電極１０２は、好ましくは両耳たぶ（ｌｉｎｋｅｄ ｅａｒｓ）を基準にし、鼻根点を接地として使用する電極キャップに取り付けられるが、他の電極構成を使用することもできる。電極１０２は、被験者の頭皮からのＥＥＧ信号を検出し、次いでこの信号は、ＥＥＧ処理システム１００によって受け取られ、処理される。
【００１５】
ＥＥＧ処理システム１００の構成要素は、ソフトウェアで実装することができ、（Ｍｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ（商標）又はＵｎｉｘなど）標準的なオペレーティングシステムを実行する（ＩＢＭ Ｃｏｒｐｏｒａｔｉｏｎ ＜ｈｔｔｐ：／／ｗｗｗ．ｉｂｍ．ｃｏｍ＞によって提供されるものなど）標準的なコンピュータ上で実行することができる。また、これらの構成要素によって実施されるプロセスは、少なくとも部分的には、専用のハードウェア回路、たとえば、特定用途向け集積回路（ＡＳＩＣ）又はフィールドプログラマブルゲートアレイ（ＦＰＧＡ）によって実行させることもできることを、当業者なら理解するであろう。システム１００の構成要素は、ハードウェア、埋込みファームウェア、及びソフトウェアの組合せとして実装されてもよい。
【００１６】
信号処理モジュール１０６は、電極１０２によって検出されたＥＥＧ信号を受け取り、且つ増幅し、低周波のムーブメントアーティファクト、筋電図（ＥＭＧ）アーティファクト、及び／又は（概して２０Ｈｚから７５Ｈｚに及ぶ）主電源妨害ノイズ（ｍａｉｎｓ ｉｎｔｅｒｆｅｒｅｎｃｅ ｎｏｉｓｅ）をそのＥＥＧ信号からフィルタで除去することによって、予備的な信号アーティファクト除去を実施する。たとえば、モジュール１０６は、５０〜６０Ｈｚノッチフィルタを使用して、検出されたＥＥＧ信号を濾波してから、その信号に、０Ｈｚから６０Ｈｚの範囲のどこかでバンドパスフィルタ（たとえば、ローパスフィルタ）を適用することができる。次いで、モジュール１０６は、標準的なアナログ−デジタル変換構成要素を使用して、ＥＥＧ信号を表すデジタルサンプルを生成する。ＥＥＧ信号は、（１秒当たり１２８サンプルから５１２サンプルの間など）固定レートで、また好ましくは１４ビット分解能以上でデジタル化することができる。
【００１７】
応答指数計算モジュール１０８は、デジタルＥＥＧ信号からの追加のアーティファクトを除去することを含めて、さらなる信号のアーティファクトの除去を実施することができる。なお、デジタルＥＥＧ信号からの追加のアーティファクトは信号処理モジュール１０６によって除去されず、後続のＡＲＭＡモデル係数の推定を損なうことがあるものである。これは、最小２乗平均適応フィルタリングなど、様々な手段又はアルゴリズムを使用して、５０〜６０Ｈｚ主電源汚染をさらに除去することを含む。
【００１８】
次いで、応答指数計算モジュール１０８は、サンプルをメモリ１１２内に格納し、ユーザによって選択された処理オプションに従ってサンプルを処理する。ユーザは、ＥＥＧ記録セッションのために生成されたサンプルを記憶し、記憶されたサンプルを取り出し、且つ処理するように応答指数計算モジュール１０８を制御する処理オプションを選択することができる。モジュール１０８によって実施される処理は、それぞれが（たとえば、ＥＥＧ信号の２秒部分を表す）所定の数の逐次サンプルを含む複数のセグメントを生成することを含む。モジュール１０８は、たとえば、各新しいセグメントが、信号処理モジュール１０６によって生成された１つの新しいサンプル若しくは複数の新しいサンプル、又はモジュール１０６によって以前に生成されたサンプルを含むように、所定の時間間隔で新しいセグメントを生成することによって、増分（又は「スライディングウィンドウ」）手法に基づいてセグメントを生成することができる。モジュール１０８は、（たとえば、式２に基づいて）セグメントごとのそれぞれのサンプルに基づいて、セグメントごとのＥＥＧ信号の、時不変性の自己回帰移動平均（ＡＲＭＡ）表現を生成する。次いで、モジュール１０８は、それぞれの時不変ＡＲＭＡ表現に基づいて、セグメントごとの脳応答データを生成する。
【００１９】
各セグメント／ＥＥＧサンプル点ごとの脳応答データは、（ｉ）自己回帰（ＡＲ）係数及び移動平均（ＭＡ）係数を表す係数データ、（ｉｉ）係数データに基づいて決定された、複素平面上の１つ又は複数の極の位置を表す極データ、（ｉｉｉ）係数データに基づいて決定された、複素平面上の１つ又は複数のゼロの位置を表すゼロデータ、及び（ｉｖ）極データから決定された極の平均位置を表す平均極データを含む。
【００２０】
ユーザは、サンプルをメモリ１１２内に格納し、再帰的手法に基づいてサンプルを処理するように応答指数計算モジュール１０８を制御する、異なる処理オプションを選択することができる。モジュール１０８によって実施される処理は、ＥＥＧ信号の各逐次サンプル点ごとの、ＥＥＧ信号の一部分の、時変性のＡＲＭＡ表現を生成することを含む。サンプル点は、モジュール１０６によって生成されたそれぞれのサンプルに対応してもよく、或いは、モジュール１０８が、所定の時間間隔で新しいサンプル点を選択する。モジュール１０８は、現在のサンプル点についての、またいくつかの以前のサンプル点についてのサンプリング済みＥＥＧ信号値に依存するＥＥＧ信号の固定次数（ｆｉｘｅｄ ｏｒｄｅｒ）時変ＡＲＭＡ表現と、前のＥＥＧサンプル点に対応する係数データとに基づいて、（たとえば、式３に基づいて）再帰的に各サンプル点ごとの係数データをそれぞれ生成する。次いで、モジュール１０８は、各サンプル点ごとの極データ、ゼロデータ、及び／又は平均極データを、そのサンプル点についての対応する係数データに基づいて生成する。
【００２１】
モジュール１０８によって実施される処理は、各セグメント／サンプル点ごとのＡＲＭＡ表現のためにＡＲ係数及びＭＡ係数を生成することを含み、ＡＲＭＡ表現のそれぞれは、８と１３の間のＡＲ次数、及び５と１１の間のＭＡ次数を有する。しかし、ＡＲＭＡ表現は、８のＡＲ次数、及び５のＭＡ次数を有することが好ましい。各セグメント／サンプル点ごとに生成されたＡＲ係数及びＭＡ係数により、対応するＡＲＭＡ表現が（ＡＲ係数及びＭＡ係数をパラメータとして使用したとき）、対応するセグメント／サンプル点についてのＥＥＧ信号を表すことが可能になる。
【００２２】
各セグメント内のサンプルは、ＥＥＧ信号の異なる部分を表し、隣り合うセグメント内のサンプルは、重なり合い、ＥＥＧ信号の共通部分を表す可能性がある。たとえば、あるセグメントは、直前の別のセグメント内に含まれるサンプルの５０％を含む可能性がある。隣り合うセグメント内のサンプルの重なり合いの度合いは、変わる可能性があり、（たとえば、サンプルの５０％超を共通に有する）より大きい度合いの重なり合いは、ＡＲ係数及びＭＡ係数の、よりよい推定を可能にする。したがって、被験者の脳機能、及び／又は皮質下入力／活動のレベルのより正確な表現を、ＡＲ係数及びＭＡ係数に基づいて提供され得る。
【００２３】
次いで、応答指数計算モジュール１０８は、対応する脳応答データに基づいて、各セグメント／サンプル点ごとの指数データ及び積データを生成し、その指数データ及び積データをメモリ１１２内に格納する。積データは、被験者の脳に対する皮質入力のレベルを表すと共に対応するセグメント／サンプル点ごとのＥＥＧサンプル、係数データ、及びＡＲＭＡ表現に基づいて生成される積値を表す。積値は、（たとえば、式１３又は式１４に基づいて、０以上１００以下の）所定の範囲内に入るようにスケーリングされ得る。積値が大きくなると、被験者の脳に対する、より大きなレベルの皮質入力を表し、積値が小さくなると、より低いレベルの皮質入力を表す。
【００２４】
指数データは、被験者の脳の機能状態（すなわち、脳が脳に対する皮質下入力に応答する仕方）を表すと共に平均極データに基づいて生成される指数を表す。指数は、（たとえば、式１３又は式１４に基づいて、０以上１００以下の）所定の範囲内に入るようにスケーリングされ得る。（たとえば、皮質応答を減少させる麻酔薬を被験者に導入することによって引き起こされる）脳機能に対する低下又は抑制により、モジュール１０８は、脳のより低い機能状態を表すように、小さい指数を生成する。たとえば、０の指数は、脳活動がないことを表す。（たとえば、皮質に影響を及ぼす介入のない、正常な、はっきり目覚めた精神状態の間に）脳機能が正常である、又は抑制されていない場合、これにより、モジュール１０８は、脳のより高い機能状態を表すように、大きい指数を生成する。たとえば、１００の指数は、完全な覚醒状態にある脳を表す。被験者の脳の機能状態の変化は、相異なるセグメント／ウィンドウについての指数の値の変化によって決定することができる。本発明の利点は、被験者の脳機能の評価が、固有の皮質状態によって引き起こされる脳活動の度合いを考慮していることである。
【００２５】
応答指数計算モジュール１０８は、表示デバイス１０４（たとえば、ＣＲＴ又はＬＣＤディスプレイ）用の１つ又は複数のユーザインターフェース表示を表す表示データを生成するための表示プロセッサモジュール１１４に、脳応答データ、指数データ、及び／又は積データ（まとめて脳状態データと称する）を渡す。表示プロセッサモジュール１１４は、表示デバイス１０４用の表示データを生成している間に、入力デバイス１１８（たとえば、マルチキーデータ入力デバイス又はマウス）からユーザ入力を受け取るものとすることができる。一実施形態では、入力デバイス１１８及び表示デバイス１０４は、１つのＩ／Ｏデバイス（たとえば、タッチスクリーンディスプレイ）に組み合わされ、その結果、表示プロセッサモジュール１１４は、同じＩ／Ｏデバイスからユーザ入力を受け取り、同じＩ／Ｏデバイスに表示データを送る。また、表示プロセッサモジュール１１４は、メモリ１１２から取り出された脳応答データ、指数データ、及び／又は積データに基づいて、１つ又は複数の表示インターフェースを生成することができる。図３及び図７は、モジュール１１４によって生成されたユーザインターフェース表示の例である。
【００２６】
図３は、スライディングウィンドウオプションを使用してＥＥＧ信号を処理するとき表示モジュール１１４によって生成されたＥＥＧ記録インターフェース３００である。インターフェース３００は、ＥＥＧ処理システム１００によって実施される様々な機能に関連付けられたユーザインターフェースにアクセスするために、モニタタブ３０８、センサチェックタブ３１２、セットアップタブ３１４を含む。インターフェース３００は、モニタタブ３０８の下で生成され、指数データに基づいて生成された脳応答指数３０２と、時間の経過につれて脳応答指数３０２の値の変化を表す脳応答グラフ３０４と、ＥＥＧサンプルに基づいて生成された検出ＥＥＧ信号を表すＥＥＧグラフ３０６とを含む。インターフェース３００は、ユーザが、ＥＥＧ処理システム１００によって実施されるＥＥＧ記録／監視セッションを開始及び停止することができる制御ボタン３１０を含む。また、インターフェース３００は、現在の日付／時刻を表示する日付／時刻フィールド３２２、及びユーザによって選択された処理オプションと、インターフェース３００上で現在表示されているレコードデータに関する作成日付／時刻とを表示するための状況フィールド３２０など、情報を表示するためのフィールドを含む。インターフェース３００は、ユーザが、インターフェース３００上で表示するためにグラフ３０４及び／又はグラフ３０６の閲覧部分を選択することができる、調整可能なスクロールバー３３４を含む。
【００２７】
インターフェース３００は、それぞれのボタンに関連付けられた事象を記録するために、１つ又は複数の事象マーカボタン３２４、３２６、３２８を含むことができる。たとえば、ボタン３２４は、被験者が麻酔下で意識を失った時刻を示すために使用することができ、ボタン３２６は、被験者が意識を取り戻した時刻を示すために使用することができる。各ボタン３２４、３２６、３２８は、異なる色に関連付けられており、ボタン３２４、３２６、３２８がユーザによって選択されたとき、そのボタンが操作された時刻に対応して、対応する色の線が脳応答グラフ３０４上で生成される。脳応答グラフ３０４上で記録された事象の時間位置は、メモリ１１２内に格納される。
【００２８】
記録インターフェース３００の脳応答グラフ３０４は、脳応答指数３０２に基づいて生成され、その結果、グラフ３０４の一部分は、応答指数３０２の値の所定の範囲に対応する色で表示するように生成され、所定の各範囲は、異なる色によって表される。たとえば、指数３０２が０以上２０以下である場合、グラフ３０４下の対応するエリアが第１の色で（たとえば青で）表示される。指数３０２が２１以上４０以下である場合、グラフ３０４下の対応するエリアが第２の色で（たとえば、図３における項目３１８として示されている濃緑色で）表示される。指数３０２が４１以上６０以下である場合、グラフ３０４下の対応するエリアが第３の色で（たとえば薄緑色で）表示される。指数３０２が６１以上８０以下である場合、グラフ３０４下の対応するエリアが第４の色で（たとえば、図３における項目３１６として示されているオレンジ色で）表示される。指数３０２が８１以上１００以下である場合、グラフ３０４下の対応するエリアが第５の色で（たとえば赤で）表示される。記録インターフェース３００は、積データに基づいて生成された同様のグラフを含むことができ、たとえば、グラフの一部分が、積値の所定の範囲に対応する色で表示するように生成され、所定の各範囲は、異なる色によって表される。
【００２９】
図４は、レビュー状態にある、すなわち、システム１００がＥＥＧ信号を処理するのを停止するようにユーザが制御ボタン３１０を操作したときのＥＥＧ記録インターフェース３００である。図４に示されているように、状況フィールド３２０は、処理が停止されたことを示すメッセージを表示する。また、インターフェース３００は、最近のＥＥＧ記録に関連するデータをメモリ１１２から削除するための削除ボタン３３２と、最近のＥＥＧ記録に関連するデータをエクスポートするための記憶ロケーション（たとえば、ファイルパス及び名前）及び／又はパラメータをユーザが指定するための（たとえば、ドロップダウンメニューとしての）記憶ロケーションフィールド３３０とを含む。
【００３０】
図５は、ユーザがセンサチェックタブ３１２を選択したとき表示モジュール１１４によって生成されたセンサ診断インターフェース５００である。診断インターフェース５００は、ユーザが、電極１０２の動作状態を確認するために診断プロセスを制御することを可能にする。システム１００は、診断プロセスの制御下で、それぞれの電極間のインピーダンスを測定し、参照値に比較する。診断インターフェース５００は、それぞれの電極に対応するフラグ５０２、５０４、５０６を含み、特定の電極用のフラグは、その電極が、正確な性能に必要な範囲外のインピーダンスを有する場合（たとえば、５〜１０ｋΩより大きい場合）、着色される。
【００３１】
図６は、ユーザがセットアップタブ３１４を選択したとき表示モジュール１１４によって生成されたセットアップインターフェースである。セットアップインターフェースは、ＥＥＧ処理システム１００の動作パラメータを構成するためのユーザインターフェースにアクセスするために、表示セットアップタブ６０２、日付／時刻セットアップタブ６０４、システム構成タブ６０６、出力セットアップタブ６０８、プリンタセットアップタブ６１０を含む。表示モジュール１１４は、ユーザが表示セットアップタブ６０２を選択したとき表示セットアップインターフェース６００を生成する。インターフェース６００は、閾値脳応答指数レベル／範囲のそれぞれ、及びそれらの対応する色と、各事象マーカボタン３２４、３２６、３２８に関連付けられた事象と、表示リフレッシュレートと、表示スムージングパラメータと、脳応答グラフ３０４及び／又はＥＥＧグラフ３０６の掃引速度及び感度（すなわち、振幅）とをユーザが選択及び／又は構成するためのフィールドを含む。
【００３２】
図７は、ユーザが日付／時刻セットアップタブ６０４を選択したとき表示モジュール１１４によって生成された日付／時刻セットアップインターフェース７００である。インターフェース７００は、ユーザがシステムクロックの日付／時刻表示フォーマットを選択及び／又は構成するためのフィールドを含む。
【００３３】
図８は、ユーザがシステム構成タブ６０６を選択したとき表示モジュール１１４によって生成されたシステム構成インターフェース８００である。インターフェース８００は、シリアル番号、ハードウェアバージョン番号、ファームウェアバージョン番号、システム１００のジャンパ設定を表示するための表示フィールドを含む。インターフェース８００は、ローパスフィルタ用のパラメータ値と、ＥＥＧ信号を検出するためのチャネルと、サンプリングレートと、（たとえば、ミリ秒単位の）ポーリング間隔と、ＥＥＧサンプルを、ＥＥＧグラフ３０４上で表示するために事前にスケーリングするためのパラメータとをユーザが選択及び／又は構成するためのフィールドを含む。
【００３４】
図９は、ユーザが出力セットアップタブ６０８を選択したとき表示モジュール１１４によって生成された出力セットアップインターフェース９００である。このインターフェースは、データエクスポートモジュール１１６によって生成された出力データのタイプ及び／又はフォーマットと、データエクスポートモジュール１１６の（たとえば、シリアルポートに関する）ポート速度とをユーザが選択及び／又は構成するためのフィールドを含む。データエクスポートモジュール１１６によって生成された出力データは、出力デバイス１０４ａ（たとえば、プリンタ、ディスクドライブ、ＵＳＢポート、シリアル／パラレルポートなど）に転送される。データエクスポートモジュール１１６によって生成された出力データは、
ｉ）患者状況レポート（たとえば、グラフ、チャート、患者の脳機能状況の概要説明、及び／又は経時的なこの状況の変化を含む）
ｉｉ）記録済みＥＥＧ信号を表す信号出力、及び／又は
ｉｉｉ）上述の特徴のいずれかを含むデータファイル
を表すことができる。
【００３５】
表示モジュール１１４は、ユーザがプリンタセットアップタブ６１０を選択したときプリンタセットアップインターフェースを生成し、プリンタセットアップインターフェースは、出力デバイス１０４ａ（たとえば、プリンタ）のために、データエクスポートモジュール１１６によって生成された出力データのタイプ及び／又はフォーマットを選択及び構成するための、ユーザが調整可能なフィールドを含む。
【００３６】
ＥＥＧ処理システム１００の構成モジュール１２０は、入力デバイス１１８からユーザ入力を受け取り、応答指数計算モジュール１０８及び表示プロセッサモジュール１１４の動作を制御するための構成データを生成する。構成データは、以下の１つ又は複数を実施するように、すなわち
ｉ）ＥＥＧサンプルを処理するための処理オプションを選択し、
ｉｉ）隣り合うセグメント／ウィンドウ間の重なり合いの度合いを規定し、
ｉｉｉ）ＥＥＧサンプル、脳応答データ、指数データ、及び／又は積データをメモリ１１２内に格納するようにモジュール１０８を構成し、
ｉｖ）（インターフェース表示のレイアウト、画面サイズ、画面リフレッシュレート、表示されるグラフの掃引速度及び感度、脳応答指数閾値範囲及び対応する色、スムージング設定などを含めて）表示モジュールによって生成されるユーザインターフェースの表示特性を規定し、
ｖ）日付及び時刻設定を規定し、
ｖｉ）（たとえば、各事象マーカボタンに関連付けられた事象の数及びタイプと、事象の各タイプに関連付けられた色とを含めて）事象マーカ設定を規定し、
ｖｉｉ）（たとえば、データエクスポートモジュール１１６によって生成しようとするデータ出力のタイプ、フォーマット、及び／又は伝送速度を含めて）日付エクスポート設定を規定し、及び／又は
ｖｉｉｉ）（センサチェックレート、及びモジュール１０６及び１０８によって実施されるフィルタリングのためのバンドパスフィルタ範囲（Ｈｚ）など）システム１００の他の動作パラメータを規定、選択、又は構成する
ようにモジュール１０８及び／又はモジュール１１４を制御する制御信号、パラメータ、及び／又は命令を含む。
【００３７】
完全性試験モジュール１１０は、電極１０２の動作状況を決定するために、電極１０２からの検出ＥＥＧ信号を、予想されるパラメータ（たとえば、２マイクロボルトから１００マイクロボルトの範囲内の生ＥＥＧのＲＭＳ振幅、及び０Ｈｚと３０Ｈｚの間のＥＥＧパワーの９０％）と突き合わせて比較することによって、その信号を連続的に評価する。
【００３８】
被験者から検出されたＥＥＧ信号は、ＥＥＧ信号がフィルタ後の不規則過程（ｆｉｌｔｅｒｅｄ ｒａｎｄｏｍ ｐｒｏｃｅｓｓ）の結果であるという理論的仮定に基づいて解析することができる。国際公開第２００４／０６４６３３号パンフレットに記載されているように、被験者から検出されたＥＥＧ信号は、数学的には、式１として述べることができる。すなわち、
【数１】
上式で、Ｈｅは、周波数領域内のＥＥＧ信号を表し、Ｐは、被験者の皮質の機能状態を評価するために使用することができる、脳の他の部分からのその皮質内への入力を表す。Ｎ及びＤは、ωにおける多項式を規定し、それらのルートにより、ＥＥＧ信号の卓越周波数が決定される。Ｐ（ω）は、ガウス白色ノイズを表すものと仮定され、したがって、周波数ωから独立である（すなわち、Ｐ（ω）＝Ｐ０は、皮質下入力に比例するものと理論的に決定される定数である）。式１では、ｑは、分子Ｎ及び分母Ｄ双方に対する、ωにおける多項式の係数を理論的に決定する生理学的パラメータのリストを表す。
【００３９】
それぞれのセグメント／サンプル点ごとのＥＥＧ信号は、それぞれのＡＲＭＡ時系列表現として、またより有利には、８の自己回帰次数、及び５の移動平均次数を有するそれぞれの固定次数ＡＲＭＡ時系列表現として表すことができる。式２は、あるＥＥＧ信号の一部分の表現を生成するための（８，５）次数ＡＲＭＡ表現を表す差分方程式である。すなわち、
【数２】
上式で、ｙ［ｎ］は、サンプリング済みＥＥＧ信号値の順序系列（ｏｒｄｉｎａｌ ｓｅｑｕｅｎｃｅ）を表し（すなわち、ｙ［ｎ］は、ｎ番目の逐次サンプル）、ｙ［ｎ−ｋ］は、ｙ［ｎ］のｋ番目前のサンプリング済み値を表し、ｕ［ｎ−ｋ］は、ガウス白色ノイズ過程を表し、ａｋ及びｂｋは、係数データに含まれ、それぞれ、あるセグメントに対応するＥＥＧ信号の一部分についてのＡＲ（自己回帰）係数及びＭＡ（移動平均）係数を表す。ＡＲ係数及びＭＡ係数の推定値は、たとえばＤｅｌｆｔ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ ＴｅｃｈｎｏｌｏｇｙのＰ．Ｍ．Ｔ．ＢｒｏｅｒｓｅｎによるＡＲＭＡＳＡ Ｍａｔｌａｂ Ｔｏｏｌｂｏｘアプリケーションを使用して、又は任意の他のＡＲＭＡモデル化ソフトウェアパッケージを使用して、いくつかのやり方で生成することができる。
【００４０】
式２に示されているＥＥＧ信号の時不変ＡＲＭＡ表現は、式３に示されているＥＥＧ信号の時変ＡＲＭＡ時系列表現として書き直すことができる。すなわち、
【数３】
【００４１】
それぞれ
【数４】
及び
【数５】
によって表される式３についてのＡＲ係数及びＭＡ係数は、（時点ｎについての）時間の関数として表される。式４及び式５、すなわち、
【数６】
を示すことにより、式３は、式６として状態空間形態で書き直すことができる。すなわち、
【数７】
上式で、
【数８】
は、回帰ベクトルを表し、θｎは、式４におけるものに対応するモデルパラメータ（又は状態）を表し、ｕｎは、式３におけるｕ［ｎ−ｋ］に対応するガウス白色ノイズ過程を表す。事前の（ａ ｐｒｉｏｒｉ）情報が何も使用可能でないときモデルパラメータθｎがランダムウォークとして発展すると仮定することにより、θｎは、式７に示されている以下の一般的なスキームに従って、θｎ及びｙｎの以前の値から再帰的に推定することができる。すなわち、
【数９】
上式で、Ｋｎ及びεｎは、それぞれ、再帰的に決定されたフィルタ利得、及びＥＥＧ信号の前のサンプル点で推定されたＡＲＭＡモデルの予測誤差を表す。時変性のＡＲ係数及びＭＡ係数θｎの推定値を再帰的に生成するために、様々な方法が使用可能である。たとえば、（たとえばＴａｒｖａｉｎｅｎらの「Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｎｏｎ−ｓｔａｔｉｏｎａｒｙ ＥＥＧ ｗｉｔｈ Ｋａｌｍａｎ ｓｍｏｏｔｈｅｒ ａｐｐｒｏａｃｈ：ａｎ ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｅｖｅｎｔ ｒｅｌａｔｅｄ ｓｙｎｃｈｒｏｎｉｚａｔｉｏｎ（ＥＲＳ）」ＩＥＥＥ Ｔｒａｎｓ Ｂｉｏｍｅｄ Ｅｎｇ、２００４年、５１、５１６〜５２４頁に記載されている）カルマン適応フィルタリング法に基づいて、又は任意の他の回帰的処理法（たとえば、Ｌｊｕｎｇ Ｌ．「Ｓｙｓｔｅｍ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ−Ｔｈｅｏｒｙ ｆｏｒ ｔｈｅ Ｕｓｅｒ」Ｐｒｅｎｔｉｃｅ Ｈａｌｌ、Ｕｐｐｅｒ Ｓａｄｄｌｅ Ｒｉｖｅｒ、ＮＪ．第２版１９９９年に記載されている回帰的処理法）に基づいて、又は（
【数１０】
で表される）θｎにおけるモデルパラメータについての（たとえば、２乗平均の意味で）最適な推定値を生成するために、ソフトウェア（たとえば、ＭＡＴＬＡＢ（登録商標）Ｓｙｓｔｅｍ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ Ｔｏｏｌｂｏｘバージョン６．０に関連付けられた関数）を使用して、係数データを生成することが可能である。
【００４２】
式２及び式３は、式８に示されているように、ｚ領域表現で書き直すことができる。すなわち、
【数１１】
上式で、Ｙ（ｚ）は、ｚ領域における、ＥＥＧ信号の一部分のＡＲＭＡ表現を表し、Ｕ（ｚ）は、ｚ領域におけるガウス白色ノイズ過程を表し、係数ａｋ及びｂｋは、それぞれ、対応するセグメント／サンプル点についてのＡＲ係数及びＭＡ係数に対応する。一般に、ＡＲＭＡ係数の推定は、ｂ０及びａ０を１単位（ｕｎｉｔｙ）として規定することを含む。
【００４３】
式８によって述べられているシステムに関連する極は、式８における分母のルートに対応する。各セグメント／サンプル点ごとの極データは、対応するセグメント／サンプル点についての係数データを使用して、式９に基づいて生成される（ただし、極はｐによって表される）。式９に対する８つの可能な解（又は極）があり、それらのすべてが必ずしも異なるわけではない。
【数１２】
【００４４】
式８によって述べられているシステムに関連するゼロは、式８における分子のルートに対応する。各セグメント／サンプル点ごとのゼロデータは、対応するセグメント／サンプル点についての係数データを使用して、式１０に基づいて生成される（ただし、ゼロはｚによって表される）。式１０に対する５つの可能な解（又はゼロ）があり、それらのすべてが必ずしも異なるわけではない。
【数１３】
【００４５】
式９及び式１０に基づいて生成されたデータによって表される極及びゼロは、複素数である。それぞれのセグメント／サンプル点ごとの極及びゼロは、ｚ平面上でプロットすることができ、その場合、１つ又は複数の極及び／又はゼロの位置の変化が、被験者の脳に対する皮質下入力のレベルの変化を表し、極の平均位置の変化が、被験者の脳の機能状態の変化を表す。しかし、１つ又は複数の極及び／又はゼロの移動に基づいて脳の機能状態を定量化するのは、技術的に非常に困難である。
【００４６】
国際公開第２００４／０６４６３３号パンフレットに記載されているように、様々な薬理学的介入により、複素平面（又はｚ平面）内でプロットされたとき式８の極の部分集合が運動することが予想される。式８に基づいて生成されたデータによって表される極すべての平均運動を表す値を生成することによって、極の部分集合の運動を定量化することが可能である。具体的には、極運動の平均実部が脳に対する薬理学的操作／介入に特に敏感であることが判明している。
【数１４】
式１１では、ｚｉ，ｐは、ｉ番目の極を表し、したがって、
【数１５】
は、複素平面上の平均極位置を表す。極ｚｉ，ｐは、複素数である場合、複素共役対内に存在するので、
【数１６】
は、常に実数である。平均極データは、式１２に基づいて生成される。すなわち、
【数１７】
【００４７】
多項式の諸特性の結果として、平均極位置は、（ａ１として表される）式２に基づいて生成される第１のＡＲ係数から、ａ１係数を８で除すことによって決定することができる。しかし、平均極位置は、適切な指数（すなわち、たとえば０から１００に及ぶ数値）を形成するようにスケーリングされることになるので、平均極位置を得るためにこの除算を行う必要はない。しかし、その代わりに、
【数１８】
の値それ自体に基づいて平均極位置の変化の効果を決定することが可能である。
【数１９】
は、常に−１以上、且つ１以下になるので、０から１００の区間にわたって延在するように適切にスケーリングすることができる。たとえば、
【数２０】
は、皮質活動又は機能を表す指数をもたらすように、式１３に基づいて線形でスケーリングすることができる。すなわち、
【数２１】
上式で、ｃ及びｍは、指数が確実に何らかの所定の範囲内にあるように選択された定数である。また、
【数２２】
は、式１４に基づいて、皮質活動又は機能を表す指数をもたらすように非線形でスケーリングされてもよい。すなわち、
【数２３】
上式で、ａ、ｂ、ｄは、指数が確実に何らかの所定の範囲内にあるように選択された定数である。それぞれのセグメント／サンプル点ごとの指数データは、指数が、対応するセグメント／サンプル点についての平均極データを使用して、式１３又は式１４に基づいて生成されることを表す。
【００４８】
それぞれのセグメント／サンプル点ごとの平均極データによって表される、スケーリングされていない平均実数極値がグラフ（たとえば、図３におけるグラフ３０４）としてプロットされ、時間の関数として、又は対応するセグメント／サンプル点数に比べて、スケーリングされていない平均実数極値の変化を示す。スケーリングされていない平均実数極は、治療介入又は疾患に応じて、増大又は減少することが予想される。或いは、平均実数極、並びに他のＡＲ係数及びＭＡ係数は、脳の機能状態を表す単一のスカラ量を生成するように、適切に規定され構築された判別関数によって処理され得る。そのような判別関数は、任意の数の、市販の統計パッケージ、たとえばＳｙｓｔａｔ（Ｓｙｓｔａｔ Ｓｏｆｔｗａｒｅ Ｉｎｃ、米国リッチモンド）を使用して、１段ずつの判別分析を介して決定することができる。
【００４９】
式１に示されている理論的に導出された伝達関数は、式１５として因数分解標準形で書き直すことができる。
【数２４】
上式で、Ｐ（ω）は、脳に対する皮質入力のレベルを表す。実際の皮質における皮質入力の、予想される時間複雑性のため、そのような入力は、ガウス不規則（白色ノイズ）過程から区別不能であり、その過程を表すものと仮定される。すなわち、Ｐ（ω）＝Ｐ０である。式１５では、（ｐ’ｋによって表される）８個の極、及び（ｚ’ｋによって表される）５個のゼロのそれぞれについての値は、（ｑによって表される）いくつかの生理学的パラメータに基づいて決定される。式１５に関するｚ’ｋの値は、式１０に基づいて生成されたゼロデータを使用して、式１６に基づいて生成される。式１５に関するｐ’ｋの値は、式９に基づいて生成された極データを使用して、式１７に基づいて生成される。
【００５０】
ｚ’ｋ＝ｆｓｌｎ｜ｚｋ｜＋ｆｓＡｒｇ（ｚｋ）／２π 式１６
ｐ’ｋ＝ｆｓｌｎ｜ｐｋ｜＋ｆｓＡｒｇ（ｐｋ）／２π 式１７
上式で、ｆｓは、ＥＥＧサンプリング（デジタル化）周波数である。式１５で、ｇ（ｑ）は、ｑによって表されるパラメータの１つ又は複数に明示的に基づく利得率（ｇａｉｎ ｆａｃｔｏｒ）を表す。理論的には、ある被験者に関するｇ（ｑ）の値は、皮質の機能状態に影響を及ぼす介入（たとえば、麻酔薬）を被験者に施す前にも、施している間にも概して変化しないままであることが予想される。したがって、ｇ（ｑ）の値は、定数であるものと仮定される。積ｇ（ｑ）Ｐ（ω）を使用し、被験者の脳に対する皮質入力のレベルを推定することができ、ｇ（ｑ）が定数であるものと仮定されるので、ｇ（ｑ）Ｐ（ω）の値のどんな変化も、Ｐ（ω）の変化によって引き起こされることが予想される。
【００５１】
ＥＥＧ処理システム１００は、Ｐ（ω）がガウス白色ノイズを表すという仮定に基づいて、式１５から積ｇ（ｑ）Ｐ（ω）を表す式１８に基づいて積データを生成する。すなわち、
【数２５】
上式で、
【数２６】
は、あるＥＥＧ信号の一部分（たとえば、ＥＥＧ信号の選択されたセグメント）の平均信号振幅を表し、＜Ｙ（ｔ）＞は、ＥＥＧ信号の対応する部分についてのＡＲＭＡ利得値を表す。
【数２７】
の値は、選択されたセグメント／サンプル点について、ＥＥＧ信号の振幅の２乗平均平方根（ＲＭＳ）として決定することができる。ＡＲＭＡ利得値＜Ｙ（ｔ）＞は、選択されたセグメント／サンプル点について、ＥＥＧ信号の信号表現の振幅のＲＭＳとして決定することができる。
【００５２】
選択されたセグメントについてのＡＲ係数及びＭＡ係数は、時不変ＡＲＭＡ表現に基づいて（すなわち、式２に基づいて）生成され、その結果、そのセグメントについてのＥＥＧ信号の信号表現は、式２に基づいて生成される。この信号表現は、式２に基づいて生成された一連の値（すなわち、式２におけるｙ［ｎ］）を表し、式２の出力は、正規化された白色ノイズ入力によって駆動されたとき、選択されたセグメントについてのＡＲ係数及びＭＡ係数に基づいて生成される（すなわち、ｕ［ｎ−ｋ］は、ゼロ平均単位分散ガウス不規則過程によって決定される不規則値を表す）。
【００５３】
選択されたサンプル点についてのＡＲ係数及びＭＡ係数は、時変ＡＲＭＡ表現に基づいて（すなわち、式３に基づいて）生成され、そのサンプル点についてのＥＥＧ信号の信号表現は、式３に基づいて生成される。この信号表現は、一連の値（すなわち、式３におけるｙ［ｎ］）を表し、式３の出力は、正規化された白色ノイズ入力によって駆動されたとき、選択されたサンプル点についてのＡＲ係数及びＭＡ係数に基づいて生成される（すなわち、ｕ［ｎ−ｋ］は、ゼロ平均単位分散ガウス不規則過程によって決定される不規則値を表す）。
【００５４】
ＡＲＭＡ利得は、たとえばＤｅｌｆｔ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ ＴｅｃｈｎｏｌｏｇｙのＰ．Ｍ．Ｔ．ＢｒｏｅｒｓｅｎによるＡＲＭＡＳＡ Ｍａｔｌａｂ Ｔｏｏｌｂｏｘアプリケーションのａｒｍａ２ｃｏｒ機能を使用して、又は任意の他のＡＲＭＡモデル化ソフトウェアパッケージを使用して、いくつかのやり方で生成することができる。
【００５５】
式２及び式３は、ＥＥＧ信号の一部分の固定次数（８，５）ＡＲＭＡ表現を表す。８の自己回帰次数、及び５の移動平均次数を有するＡＲＭＡ表現が最良の結果をもたらすと予想されるが、他のＡＲ次数及びＭＡ次数を選択することもできる。
【００５６】
理論的には、利得率ｇは、式１９に従って、パラメータｑに基づく。すなわち、
【数２８】
したがって、皮質入力Ｐ（ω）は、式２０を使用して推定することができる。
【数２９】
ただし、式１９及び式２０において、
【数３０】
は、皮質内興奮の有効性を表し（また安静時の興奮活動に関する膜内外駆動力に比例する）、γｅは、興奮に関する、対応する速度定数を表し、τｅは、有効受動的膜時定数（ｅｆｆｅｃｔｉｖｅ ｐａｓｓｉｖｅ ｍｅｍｂｒａｎｅ ｔｉｍｅ ｃｏｎｓｔａｎｔ）を表す。平均場モデル化では、介入中の
【数３１】
及びτｅについてのそれぞれの値は、それらの乱されていない値から著しく擾乱されることは予想されない。式２又は式３に基づいて生成された係数ａｋ及びｂｋから得られる極及びゼロと共に式２０を使用して決定される皮質入力Ｐ（ω）は、被験者から検出されるＥＥＧ信号のダイナミックスの、より包括的な線形特徴付けを表す。
【００５７】
したがって、特定の薬剤が、それについて広範な情報がある単神経生理学的特性にどのように影響を及ぼすかについての知識で武装して、本明細書に開示されている技法を使用し、前記薬剤によって影響を受ける、脳に対する入力の変動を決定することができる。これは、脳機能に影響を及ぼすことが知られている様々な薬剤が、中枢神経系全体にわたって分布する部位及び作用の標的を有すると考えられるとき、特に関連がある。
【００５８】
たとえば、亜酸化窒素は、睡眠薬でも鎮痛薬でもあり、皮質及び皮質下で部位に影響を及ぼすことが知られている（たとえば、Ｈｏｐｋｉｎｓ ＰＭ、Ｎｉｔｒｏｕｓ ｏｘｉｄｅ：ａ ｕｎｉｑｕｅ ｄｒｕｇ ｏｆ ｃｏｎｔｉｎｕｉｎｇ ｉｍｐｏｒｔａｎｃｅ ｆｏｒ ａｎａｅｓｔｈｅｓｉａ、Ｂｅｓｔ Ｐｒａｃｔ Ｒｅｓ Ｃｌｉｎ Ａｎａｅｓｔｈｅｓｉｏｌ．、２００５年９月、１９（３）、３８１〜９頁及びＲｕｄｏｌｐｈ Ｕ ＆ Ａｎｔｋｏｗｉａｋ Ｂ．、Ｍｏｌｅｃｕｌａｒ ａｎｄ ｎｅｕｒｏｎａｌ ｓｕｂｓｔｒａｔｅｓ ｆｏｒ ｇｅｎｅｒａｌ ａｎａｅｓｔｈｅｔｉｃｓ．、Ｎａｔ Ｒｅｖ Ｎｅｕｒｏｓｃｉ．、２００４年９月、５（９）、７０９−２０頁で論じられている）。睡眠及び痛覚脱失のレベルを共に非侵襲的に定量化することができることは、非常に臨床的に有用である。というのは、別々の測定には、後続の、また継続中の臨床管理及び臨床結果の点で重要な含意があるからである。たとえば、適切な痛覚脱失を検出することは、外科的処置中に生理学的（自立）安定を達成するために重要であり、術後臨床結果を改善する助けとなる。皮質下入力の大きさを定量化することは、末梢で導出された感覚情報が皮質に達する度合いを監視することによって痛覚脱失のレベルを評価する１つの方法をもたらすことができる。
【００５９】
図２は、ＥＥＧ処理システム１００によって実施されるＥＥＧ解析プロセス２００の流れ図である。プロセス２００は、ステップ２０２で、信号処理モジュール１０６が電極１０２を介して被験者からのＥＥＧ信号を受け取って始まる。ステップ２０４では、モジュール１０６は、ＥＥＧ信号を増幅する。ステップ２０６では、モジュール１０６は、バンドパスフィルタを使用してＥＥＧ信号を濾波し、低周波のムーブメントアーティファクト、ＥＭＧ成分、及び（概して０Ｈｚから５０〜６０Ｈｚの間で生じる）主アーティファクト、並びに外部ノイズの他の発生源を除去する。ステップ２０８では、モジュール１０６は、ＥＥＧ信号をデジタルＥＥＧサンプルに変換する。
【００６０】
ステップ２１０では、ユーザの選択に基づいて、ＥＥＧサンプルをどのように処理するか判断される。ユーザが、サンプルを実質的にリアルタイムで解析するための処理オプションを選択した場合、ステップ２１０はステップ２１２に進む。そうでない場合には、デフォルトの処理オプションが選択され、ステップ２１０はステップ２１６に進む。
【００６１】
応答指数計算モジュール１０８によって生成される各新しいサンプル点に関連して、モジュール１０８がステップ２１２及びステップ２１４を実施する。ステップ２１２では、モジュール１０８は、ＡＲ係数及びＭＡ係数の後続の推定を損なうことが知られている周期的な０Ｈｚから５０〜６０Ｈｚの妨害をサンプルからさらに除去することを含めて、追加のアーティファクト除去をＥＥＧサンプルに対して実施する。
【００６２】
ステップ２１４では、モジュール１０８は、各ウィンドウごとのＥＥＧ信号の時変ＡＲＭＡ表現のためのＡＲ係数及びＭＡ係数を表す、各サンプル点ごとの係数データを生成する。たとえば、ステップ２１４では、モジュール１０８は、カルマン適応フィルタリング法を使用して、ＥＥＧサンプルから直接、ＡＲ係数及びＭＡ係数を生成する。ステップ２１４では、係数データは、上述のようにＡＲ係数及びＭＡ係数の最適値を表す。次いで、ステップ２１４は、互いに平行して実施されるステップ２２２及びステップ２２４に進む。
【００６３】
ステップ２１６では、モジュール１０８は、それぞれが同じ持続時間の間のデジタルＥＥＧ信号の一部分を表す複数のセグメントを生成する。たとえば、各セグメントは、ＥＥＧ信号の２秒サンプルを表すことができ、隣り合うセグメントの一部分と重なり合うことができる。ステップ２１８では、モジュール１０８は、各セグメントを濾波し、ＡＲ係数及びＭＡ係数の後続の推定を損なうことが知られている周期的な０Ｈｚから５０〜６０Ｈｚの妨害を除去することを含めて、追加のアーティファクトを信号から除去する。ステップ２２０では、モジュール１０８は、セグメントごとのＥＥＧ信号のそれぞれの時不変ＡＲＭＡ表現に基づいて（たとえば、（８，５）次数ＡＲＭＡ表現に基づいて）係数データを生成する。係数データは、ＭＡＴＬＡＢ（登録商標）Ｓｙｓｔｅｍ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ Ｔｏｏｌｂｏｘバージョン６．０に関連付けられた関数など、ソフトウェアを使用して生成され得る。次いで、ステップ２２０は、ステップ２２２及びステップ２２４に進む。
【００６４】
ステップ２２２では、モジュール１０８は、各セグメント／サンプル点ごとに、対応するセグメント／サンプル点についての係数データを生成するためにステップ２１４又はステップ２２０で使用された対応するＡＲＭＡ表現に基づいて、ＡＲＭＡ利得値（すなわち、式１８における＜Ｙ（ｔ）＞）を表すＡＲＭＡ利得データを生成する。これは、推定されたＡＲ係数及びＭＡ係数を対応するＡＲＭＡ表現（すなわち、式２又は式１０）に適用すること、及び（ｕ［ｎ−ｋ］によって表される）正規化された白色ノイズ入力を用いて対応するＡＲＭＡ表現を導出することによって、（ｙ［ｎ］によって表される）信号表現を生成することを含む。
【００６５】
ステップ２２２では、モジュール１０８はまた、各セグメント／サンプル点ごとに、（ステップ２１６、２１８、２２０で）時不変ＡＲＭＡ表現が使用される場合、対応するセグメントについてのＥＥＧサンプルに基づいて、或いは（ステップ２１２及びステップ２１４で）時変ＡＲＭＡ表現が使用される場合、ある範囲のＥＥＧサンプル値について、信号利得値（すなわち、式１８における
【数３２】
）を表す信号利得データを生成する。各サンプル点ごとの
【数３３】
の値は、対応するサンプル点についての係数データが生成された時刻を中心に置かれた検出ＥＥＧ信号の適切な部分に基づいて生成され、又は、現在のサンプル点を含む、及び現在のサンプル点前のサンプリング済みＥＥＧ信号の、適切に構築された平均に基づいて生成される。代替的には、
【数３４】
の値は、ステップ２１６でモジュール１０８によって生成されたそれぞれのセグメントに基づいて生成される。
【００６６】
次いでステップ２３３では、モジュール１０８は、各セグメント／サンプル点ごとに、対応するＡＲＭＡ利得データ及び信号利得データに基づいて、式１８による積ｇ（ｑ）Ｐ（ω）の値を表す積データを生成する。ｇ（ｑ）Ｐ（ω）の値の変化は、（Ｐ（ω）によって表される）皮質下入力の大きさの変化を表す。
【００６７】
ステップ２２４では、式９及び式１０に基づいて極データ及びゼロデータを生成し、次いでモジュール１０８は、それぞれのセグメント／サンプル点ごとのスケーリングされていない平均極位置を表す平均極データを式１２に基づいて生成する。次いで、モジュール１０８は、対応するセグメント／サンプル点についての平均極位置のスケーリングされた数値表現を表す指数データを式１３又は式１４に基づいて生成する。
【００６８】
ステップ２２３及びステップ２２４はステップ２２６に進み、ステップ２２６では、表示モジュール１１４が、被験者の脳の機能状態、及び／又は被験者の脳内の皮質下活動のレベルを表すように、脳状態データに基づいて（たとえば、極データ、ゼロデータ、平均極データ、指数データ、及び／又は積データを使用して）、ユーザインターフェースを表すと共に好ましくはＥＥＧサンプルの表現を含む表示データを生成する。また、ステップ２２６では、ＥＥＧサンプル、脳状態データ、生平均極データ、及び／又はスケーリングされた平均極データを表すデータを含む出力データを生成するようにデータエクスポートモジュールが制御される。プロセス２００は、ステップ２２６の後で終了する。
【００６９】
スケーリングされた平均極データ（又はスケーリングされていない平均極データ）によって表された値の変化は、被験者の脳の機能状態の変化（すなわち、脳が皮質入力に対してどのように応答するか）を表す。皮質入力データによって表された値の変化は、積ｇ（ｑ）Ｐ（ω）の値の変化を、したがって脳皮質入力のレベルを表す。ＡＲＭＡ利得、したがって皮質下入力の測定によってもたらされる利点は、対象の脳機能の決定の生理学的特定性（したがって臨床有用性）を高めることである。
【００７０】
添付の図面を参照して本明細書で述べられている本発明の範囲から逸脱することなしに、多数の修正が当業者には明らかになるであろう。
【００７１】
本明細書におけるどんな従来技術に対する参照も、その従来技術がオーストラリアにおける共通の一般的な知識の一部を形成するという認知又は何らかの形態の暗示ではなく、またそのように解釈すべきではない。
【技術分野】
【０００１】
本発明は、脳の活動を表す表示を生成するために脳電図（ＥＥＧ）信号を解析する方法及びシステムに関する。
【背景技術】
【０００２】
脳の機能状態を定量化するための方法は、被験者からの自発的な、又は刺激に対して固定された、頭皮の記録可能な電気活動を解析することを含むことがある。これは、（たとえば、国際公開第２００１／７４２４８号パンフレットに記載されている）早期、中期、及び／又は後期の刺激によって誘発された成分の波形を解析すること、若しくは（たとえば、欧州特許出願ＥＰ０８９８２３４号に記載されている）周波数領域法又は時間領域法を使用する（特定の、又は一般的な刺激に応じたものではない）自発的に記録された活動のスペクトル解析、又は（たとえば、国際公開第２００４／０５４４４１号パンフレットに記載されている）脳の状態を決定するために、自発的なＥＥＧ活動と誘発されたＥＥＧ活動が共に解析される混成手法を含むことができる。
【発明の概要】
【発明が解決しようとする課題】
【０００３】
そのような方法は、適切に構築された統計的判別関数が使用されたとき臨床効率を有することが示されているが、そのような測定が、どのような挙動の生理学的側面及び脳機能を反映するか不明確である。たとえば、ＥＥＧ活動ではなくＥＭＧ活動の変化がこれらの手法で検出されている可能性がある。（Ａｎｅｓｔｈ Ａｎａｌｇ、２００３、９７、４８８〜４９１頁で公開されている）Ｍｅｓｓｎｅｒレポートは、完全に覚醒している人における神経筋遮断中に、どのようにバイスペクトル指数が低下するかについて述べている。しかし、律動性の、頭皮の記録可能な脳電気活動の生成に責任がある生体機構に関する（国際公開第２００４／０６４６３３号パンフレット及びその中で参照されている参照に記載されている）Ｌｉｌｅｙらによる最近の理論的、及び実験的業績は、脳機能の、より生理学的な特定の測定量の構築を可能にする、特定の理論的枠組みを提供している。
【０００４】
健康、疾患、及び／又は治療介入中に脳の状態を評価する上で、変化した脳（皮質）機能の結果として発生する脳状態の変化と、大脳皮質に対する変化した入力の結果として発生する変化とを区別することが重要である。様々な事象関連電位（ＥＲＰ）の早期成分の解析は、皮質に対する様々な入力経路の完全性に関する情報をもたらすことができるが、皮質領域すべてが、周囲から送達される感覚情報の受け手であるわけではないため、この技法は、必然的に制限される。たとえば、前頭皮質は、どのような感覚情報をも、直接的にも（皮質下核を介して）間接的にも受け取らない。この手法の別の制限は、十分な信号対雑音比を得るために、いくつかの順次与えられる刺激の、得られる結果の時間分解能を明らかに制限する誘発反応を決定しなければならないことである。しかし、（たとえば、国際公開第２００１／７４２４８号パンフレットに記載されている）いくつかの形態の予想法を使用して時間分解能を改善しようと試みる方法がある。
【０００５】
（たとえば、欧州特許出願ＥＰ０８９８２３４号に記載されている）時間領域法又は周波数領域法を使用するスペクトル解析を含む定量的ＥＥＧ（ＱＥＥＧ）法は、皮質入力の変化と脳（皮質）状態の変化とを区別することができない。なぜなら、そのような技法は、ＥＥＧスペクトルパワーの変化の生理学的発生源に関して仮定することができないからである。これは主に、現行のＱＥＥＧ法の発見的（ｈｅｕｒｉｓｔｉｃ）手法の結果である。
【０００６】
したがって、被験者からのＥＥＧ信号の変化が、（たとえば、脳の相異なる部分に対する）皮質入力の変化によって引き起こされるのか、それとも皮質がこの入力に対してどのように応答するかという点での定性的、定量的変化の結果であるのか判定することは困難である。
【０００７】
したがって、上記の１つ又は複数に対処すること、又は少なくとも有用な代替を提供することが望ましい。
【課題を解決するための手段】
【０００８】
本発明によれば、脳の活動を表す脳電図の信号を解析するための方法であって、
ｉ）前記信号の一部分の信号表現のための係数データを生成するステップと、
ｉｉ）前記信号表現及び前記係数データに基づいて生成された出力信号の平均振幅を表す第１の利得データを生成するステップと、
ｉｉｉ）前記一部分の平均振幅を表す第２の利得データを生成するステップと、
ｉｖ）前記第１の利得データ及び前記第２の利得データに基づいて、前記脳の皮質下活動を表す脳状態データを生成するステップと
を含む方法が提供される。
【０００９】
また、本発明は、脳の活動を表す脳電図の信号を解析するためのシステムであって、
ｉ）前記信号の一部分の信号表現のための係数データを生成し、
ｉｉ）前記信号表現及び前記係数データに基づいて生成された出力信号の平均振幅を表す第１の利得データを生成し、
ｉｉｉ）前記一部分の平均振幅を表す第２の利得データを生成し、
ｉｖ）前記第１の利得データ及び前記第２の利得データに基づいて、前記脳の皮質下活動を表す脳状態データを生成する
ように適合されたプロセッサモジュールを含むシステムを提供する。
【００１０】
また、本発明は、上述の方法におけるステップのいずれかを実施するための、コンピュータ可読媒体上で記憶されたコンピュータ実行可能コードを提供する。
【００１１】
また、本発明は、上述の方法を実施するためのシステムを提供する。
【発明の効果】
【００１２】
本発明に係る脳電図信号を解析する方法及びシステムによれば、皮質入力の変化と皮質状態の変化とを区別することができる。
【図面の簡単な説明】
【００１３】
【図１】ＥＥＧ処理システム内の構成要素のブロック図である。
【図２】ＥＥＧ処理システムの制御下で実施されるステップの流れ図である。
【図３】このシステムのＥＥＧ記録インターフェースの図である。
【図４】レビュー状態にあるこのシステムのＥＥＧ記録インターフェースの図である。
【図５】このシステムのセンサ診断インターフェースの図である。
【図６】このシステムのセットアップインターフェースの図である。
【図７】このシステムの日付／時刻セットアップインターフェースの図である。
【図８】このシステムのシステム構成インターフェースの図である。
【図９】このシステムの出力セットアップインターフェースの図である。
【発明を実施するための形態】
【００１４】
図１に示されている脳電図（ＥＥＧ）処理システム１００は、信号処理モジュール１０６、応答指数計算モジュール１０８、完全性試験モジュール１１０、メモリモジュール１１２、表示プロセッサモジュール１１４、データエクスポートモジュール１１６、構成モジュール１２０を含む。モジュール１０６及び１１０は、被験者の頭皮上に配置された複数の頭皮電極１０２に結合される。電極１０２は、国際１０−２０標準システムに従って被験者の頭皮上で位置決めされ、必要に応じて追加の中点電極の使用を含むことができる。たとえば、電極１０２は、被験者の額の中点に対して電極を位置決めする条片に取り付けられてもよい。電極１０２は、好ましくは両耳たぶ（ｌｉｎｋｅｄ ｅａｒｓ）を基準にし、鼻根点を接地として使用する電極キャップに取り付けられるが、他の電極構成を使用することもできる。電極１０２は、被験者の頭皮からのＥＥＧ信号を検出し、次いでこの信号は、ＥＥＧ処理システム１００によって受け取られ、処理される。
【００１５】
ＥＥＧ処理システム１００の構成要素は、ソフトウェアで実装することができ、（Ｍｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ（商標）又はＵｎｉｘなど）標準的なオペレーティングシステムを実行する（ＩＢＭ Ｃｏｒｐｏｒａｔｉｏｎ ＜ｈｔｔｐ：／／ｗｗｗ．ｉｂｍ．ｃｏｍ＞によって提供されるものなど）標準的なコンピュータ上で実行することができる。また、これらの構成要素によって実施されるプロセスは、少なくとも部分的には、専用のハードウェア回路、たとえば、特定用途向け集積回路（ＡＳＩＣ）又はフィールドプログラマブルゲートアレイ（ＦＰＧＡ）によって実行させることもできることを、当業者なら理解するであろう。システム１００の構成要素は、ハードウェア、埋込みファームウェア、及びソフトウェアの組合せとして実装されてもよい。
【００１６】
信号処理モジュール１０６は、電極１０２によって検出されたＥＥＧ信号を受け取り、且つ増幅し、低周波のムーブメントアーティファクト、筋電図（ＥＭＧ）アーティファクト、及び／又は（概して２０Ｈｚから７５Ｈｚに及ぶ）主電源妨害ノイズ（ｍａｉｎｓ ｉｎｔｅｒｆｅｒｅｎｃｅ ｎｏｉｓｅ）をそのＥＥＧ信号からフィルタで除去することによって、予備的な信号アーティファクト除去を実施する。たとえば、モジュール１０６は、５０〜６０Ｈｚノッチフィルタを使用して、検出されたＥＥＧ信号を濾波してから、その信号に、０Ｈｚから６０Ｈｚの範囲のどこかでバンドパスフィルタ（たとえば、ローパスフィルタ）を適用することができる。次いで、モジュール１０６は、標準的なアナログ−デジタル変換構成要素を使用して、ＥＥＧ信号を表すデジタルサンプルを生成する。ＥＥＧ信号は、（１秒当たり１２８サンプルから５１２サンプルの間など）固定レートで、また好ましくは１４ビット分解能以上でデジタル化することができる。
【００１７】
応答指数計算モジュール１０８は、デジタルＥＥＧ信号からの追加のアーティファクトを除去することを含めて、さらなる信号のアーティファクトの除去を実施することができる。なお、デジタルＥＥＧ信号からの追加のアーティファクトは信号処理モジュール１０６によって除去されず、後続のＡＲＭＡモデル係数の推定を損なうことがあるものである。これは、最小２乗平均適応フィルタリングなど、様々な手段又はアルゴリズムを使用して、５０〜６０Ｈｚ主電源汚染をさらに除去することを含む。
【００１８】
次いで、応答指数計算モジュール１０８は、サンプルをメモリ１１２内に格納し、ユーザによって選択された処理オプションに従ってサンプルを処理する。ユーザは、ＥＥＧ記録セッションのために生成されたサンプルを記憶し、記憶されたサンプルを取り出し、且つ処理するように応答指数計算モジュール１０８を制御する処理オプションを選択することができる。モジュール１０８によって実施される処理は、それぞれが（たとえば、ＥＥＧ信号の２秒部分を表す）所定の数の逐次サンプルを含む複数のセグメントを生成することを含む。モジュール１０８は、たとえば、各新しいセグメントが、信号処理モジュール１０６によって生成された１つの新しいサンプル若しくは複数の新しいサンプル、又はモジュール１０６によって以前に生成されたサンプルを含むように、所定の時間間隔で新しいセグメントを生成することによって、増分（又は「スライディングウィンドウ」）手法に基づいてセグメントを生成することができる。モジュール１０８は、（たとえば、式２に基づいて）セグメントごとのそれぞれのサンプルに基づいて、セグメントごとのＥＥＧ信号の、時不変性の自己回帰移動平均（ＡＲＭＡ）表現を生成する。次いで、モジュール１０８は、それぞれの時不変ＡＲＭＡ表現に基づいて、セグメントごとの脳応答データを生成する。
【００１９】
各セグメント／ＥＥＧサンプル点ごとの脳応答データは、（ｉ）自己回帰（ＡＲ）係数及び移動平均（ＭＡ）係数を表す係数データ、（ｉｉ）係数データに基づいて決定された、複素平面上の１つ又は複数の極の位置を表す極データ、（ｉｉｉ）係数データに基づいて決定された、複素平面上の１つ又は複数のゼロの位置を表すゼロデータ、及び（ｉｖ）極データから決定された極の平均位置を表す平均極データを含む。
【００２０】
ユーザは、サンプルをメモリ１１２内に格納し、再帰的手法に基づいてサンプルを処理するように応答指数計算モジュール１０８を制御する、異なる処理オプションを選択することができる。モジュール１０８によって実施される処理は、ＥＥＧ信号の各逐次サンプル点ごとの、ＥＥＧ信号の一部分の、時変性のＡＲＭＡ表現を生成することを含む。サンプル点は、モジュール１０６によって生成されたそれぞれのサンプルに対応してもよく、或いは、モジュール１０８が、所定の時間間隔で新しいサンプル点を選択する。モジュール１０８は、現在のサンプル点についての、またいくつかの以前のサンプル点についてのサンプリング済みＥＥＧ信号値に依存するＥＥＧ信号の固定次数（ｆｉｘｅｄ ｏｒｄｅｒ）時変ＡＲＭＡ表現と、前のＥＥＧサンプル点に対応する係数データとに基づいて、（たとえば、式３に基づいて）再帰的に各サンプル点ごとの係数データをそれぞれ生成する。次いで、モジュール１０８は、各サンプル点ごとの極データ、ゼロデータ、及び／又は平均極データを、そのサンプル点についての対応する係数データに基づいて生成する。
【００２１】
モジュール１０８によって実施される処理は、各セグメント／サンプル点ごとのＡＲＭＡ表現のためにＡＲ係数及びＭＡ係数を生成することを含み、ＡＲＭＡ表現のそれぞれは、８と１３の間のＡＲ次数、及び５と１１の間のＭＡ次数を有する。しかし、ＡＲＭＡ表現は、８のＡＲ次数、及び５のＭＡ次数を有することが好ましい。各セグメント／サンプル点ごとに生成されたＡＲ係数及びＭＡ係数により、対応するＡＲＭＡ表現が（ＡＲ係数及びＭＡ係数をパラメータとして使用したとき）、対応するセグメント／サンプル点についてのＥＥＧ信号を表すことが可能になる。
【００２２】
各セグメント内のサンプルは、ＥＥＧ信号の異なる部分を表し、隣り合うセグメント内のサンプルは、重なり合い、ＥＥＧ信号の共通部分を表す可能性がある。たとえば、あるセグメントは、直前の別のセグメント内に含まれるサンプルの５０％を含む可能性がある。隣り合うセグメント内のサンプルの重なり合いの度合いは、変わる可能性があり、（たとえば、サンプルの５０％超を共通に有する）より大きい度合いの重なり合いは、ＡＲ係数及びＭＡ係数の、よりよい推定を可能にする。したがって、被験者の脳機能、及び／又は皮質下入力／活動のレベルのより正確な表現を、ＡＲ係数及びＭＡ係数に基づいて提供され得る。
【００２３】
次いで、応答指数計算モジュール１０８は、対応する脳応答データに基づいて、各セグメント／サンプル点ごとの指数データ及び積データを生成し、その指数データ及び積データをメモリ１１２内に格納する。積データは、被験者の脳に対する皮質入力のレベルを表すと共に対応するセグメント／サンプル点ごとのＥＥＧサンプル、係数データ、及びＡＲＭＡ表現に基づいて生成される積値を表す。積値は、（たとえば、式１３又は式１４に基づいて、０以上１００以下の）所定の範囲内に入るようにスケーリングされ得る。積値が大きくなると、被験者の脳に対する、より大きなレベルの皮質入力を表し、積値が小さくなると、より低いレベルの皮質入力を表す。
【００２４】
指数データは、被験者の脳の機能状態（すなわち、脳が脳に対する皮質下入力に応答する仕方）を表すと共に平均極データに基づいて生成される指数を表す。指数は、（たとえば、式１３又は式１４に基づいて、０以上１００以下の）所定の範囲内に入るようにスケーリングされ得る。（たとえば、皮質応答を減少させる麻酔薬を被験者に導入することによって引き起こされる）脳機能に対する低下又は抑制により、モジュール１０８は、脳のより低い機能状態を表すように、小さい指数を生成する。たとえば、０の指数は、脳活動がないことを表す。（たとえば、皮質に影響を及ぼす介入のない、正常な、はっきり目覚めた精神状態の間に）脳機能が正常である、又は抑制されていない場合、これにより、モジュール１０８は、脳のより高い機能状態を表すように、大きい指数を生成する。たとえば、１００の指数は、完全な覚醒状態にある脳を表す。被験者の脳の機能状態の変化は、相異なるセグメント／ウィンドウについての指数の値の変化によって決定することができる。本発明の利点は、被験者の脳機能の評価が、固有の皮質状態によって引き起こされる脳活動の度合いを考慮していることである。
【００２５】
応答指数計算モジュール１０８は、表示デバイス１０４（たとえば、ＣＲＴ又はＬＣＤディスプレイ）用の１つ又は複数のユーザインターフェース表示を表す表示データを生成するための表示プロセッサモジュール１１４に、脳応答データ、指数データ、及び／又は積データ（まとめて脳状態データと称する）を渡す。表示プロセッサモジュール１１４は、表示デバイス１０４用の表示データを生成している間に、入力デバイス１１８（たとえば、マルチキーデータ入力デバイス又はマウス）からユーザ入力を受け取るものとすることができる。一実施形態では、入力デバイス１１８及び表示デバイス１０４は、１つのＩ／Ｏデバイス（たとえば、タッチスクリーンディスプレイ）に組み合わされ、その結果、表示プロセッサモジュール１１４は、同じＩ／Ｏデバイスからユーザ入力を受け取り、同じＩ／Ｏデバイスに表示データを送る。また、表示プロセッサモジュール１１４は、メモリ１１２から取り出された脳応答データ、指数データ、及び／又は積データに基づいて、１つ又は複数の表示インターフェースを生成することができる。図３及び図７は、モジュール１１４によって生成されたユーザインターフェース表示の例である。
【００２６】
図３は、スライディングウィンドウオプションを使用してＥＥＧ信号を処理するとき表示モジュール１１４によって生成されたＥＥＧ記録インターフェース３００である。インターフェース３００は、ＥＥＧ処理システム１００によって実施される様々な機能に関連付けられたユーザインターフェースにアクセスするために、モニタタブ３０８、センサチェックタブ３１２、セットアップタブ３１４を含む。インターフェース３００は、モニタタブ３０８の下で生成され、指数データに基づいて生成された脳応答指数３０２と、時間の経過につれて脳応答指数３０２の値の変化を表す脳応答グラフ３０４と、ＥＥＧサンプルに基づいて生成された検出ＥＥＧ信号を表すＥＥＧグラフ３０６とを含む。インターフェース３００は、ユーザが、ＥＥＧ処理システム１００によって実施されるＥＥＧ記録／監視セッションを開始及び停止することができる制御ボタン３１０を含む。また、インターフェース３００は、現在の日付／時刻を表示する日付／時刻フィールド３２２、及びユーザによって選択された処理オプションと、インターフェース３００上で現在表示されているレコードデータに関する作成日付／時刻とを表示するための状況フィールド３２０など、情報を表示するためのフィールドを含む。インターフェース３００は、ユーザが、インターフェース３００上で表示するためにグラフ３０４及び／又はグラフ３０６の閲覧部分を選択することができる、調整可能なスクロールバー３３４を含む。
【００２７】
インターフェース３００は、それぞれのボタンに関連付けられた事象を記録するために、１つ又は複数の事象マーカボタン３２４、３２６、３２８を含むことができる。たとえば、ボタン３２４は、被験者が麻酔下で意識を失った時刻を示すために使用することができ、ボタン３２６は、被験者が意識を取り戻した時刻を示すために使用することができる。各ボタン３２４、３２６、３２８は、異なる色に関連付けられており、ボタン３２４、３２６、３２８がユーザによって選択されたとき、そのボタンが操作された時刻に対応して、対応する色の線が脳応答グラフ３０４上で生成される。脳応答グラフ３０４上で記録された事象の時間位置は、メモリ１１２内に格納される。
【００２８】
記録インターフェース３００の脳応答グラフ３０４は、脳応答指数３０２に基づいて生成され、その結果、グラフ３０４の一部分は、応答指数３０２の値の所定の範囲に対応する色で表示するように生成され、所定の各範囲は、異なる色によって表される。たとえば、指数３０２が０以上２０以下である場合、グラフ３０４下の対応するエリアが第１の色で（たとえば青で）表示される。指数３０２が２１以上４０以下である場合、グラフ３０４下の対応するエリアが第２の色で（たとえば、図３における項目３１８として示されている濃緑色で）表示される。指数３０２が４１以上６０以下である場合、グラフ３０４下の対応するエリアが第３の色で（たとえば薄緑色で）表示される。指数３０２が６１以上８０以下である場合、グラフ３０４下の対応するエリアが第４の色で（たとえば、図３における項目３１６として示されているオレンジ色で）表示される。指数３０２が８１以上１００以下である場合、グラフ３０４下の対応するエリアが第５の色で（たとえば赤で）表示される。記録インターフェース３００は、積データに基づいて生成された同様のグラフを含むことができ、たとえば、グラフの一部分が、積値の所定の範囲に対応する色で表示するように生成され、所定の各範囲は、異なる色によって表される。
【００２９】
図４は、レビュー状態にある、すなわち、システム１００がＥＥＧ信号を処理するのを停止するようにユーザが制御ボタン３１０を操作したときのＥＥＧ記録インターフェース３００である。図４に示されているように、状況フィールド３２０は、処理が停止されたことを示すメッセージを表示する。また、インターフェース３００は、最近のＥＥＧ記録に関連するデータをメモリ１１２から削除するための削除ボタン３３２と、最近のＥＥＧ記録に関連するデータをエクスポートするための記憶ロケーション（たとえば、ファイルパス及び名前）及び／又はパラメータをユーザが指定するための（たとえば、ドロップダウンメニューとしての）記憶ロケーションフィールド３３０とを含む。
【００３０】
図５は、ユーザがセンサチェックタブ３１２を選択したとき表示モジュール１１４によって生成されたセンサ診断インターフェース５００である。診断インターフェース５００は、ユーザが、電極１０２の動作状態を確認するために診断プロセスを制御することを可能にする。システム１００は、診断プロセスの制御下で、それぞれの電極間のインピーダンスを測定し、参照値に比較する。診断インターフェース５００は、それぞれの電極に対応するフラグ５０２、５０４、５０６を含み、特定の電極用のフラグは、その電極が、正確な性能に必要な範囲外のインピーダンスを有する場合（たとえば、５〜１０ｋΩより大きい場合）、着色される。
【００３１】
図６は、ユーザがセットアップタブ３１４を選択したとき表示モジュール１１４によって生成されたセットアップインターフェースである。セットアップインターフェースは、ＥＥＧ処理システム１００の動作パラメータを構成するためのユーザインターフェースにアクセスするために、表示セットアップタブ６０２、日付／時刻セットアップタブ６０４、システム構成タブ６０６、出力セットアップタブ６０８、プリンタセットアップタブ６１０を含む。表示モジュール１１４は、ユーザが表示セットアップタブ６０２を選択したとき表示セットアップインターフェース６００を生成する。インターフェース６００は、閾値脳応答指数レベル／範囲のそれぞれ、及びそれらの対応する色と、各事象マーカボタン３２４、３２６、３２８に関連付けられた事象と、表示リフレッシュレートと、表示スムージングパラメータと、脳応答グラフ３０４及び／又はＥＥＧグラフ３０６の掃引速度及び感度（すなわち、振幅）とをユーザが選択及び／又は構成するためのフィールドを含む。
【００３２】
図７は、ユーザが日付／時刻セットアップタブ６０４を選択したとき表示モジュール１１４によって生成された日付／時刻セットアップインターフェース７００である。インターフェース７００は、ユーザがシステムクロックの日付／時刻表示フォーマットを選択及び／又は構成するためのフィールドを含む。
【００３３】
図８は、ユーザがシステム構成タブ６０６を選択したとき表示モジュール１１４によって生成されたシステム構成インターフェース８００である。インターフェース８００は、シリアル番号、ハードウェアバージョン番号、ファームウェアバージョン番号、システム１００のジャンパ設定を表示するための表示フィールドを含む。インターフェース８００は、ローパスフィルタ用のパラメータ値と、ＥＥＧ信号を検出するためのチャネルと、サンプリングレートと、（たとえば、ミリ秒単位の）ポーリング間隔と、ＥＥＧサンプルを、ＥＥＧグラフ３０４上で表示するために事前にスケーリングするためのパラメータとをユーザが選択及び／又は構成するためのフィールドを含む。
【００３４】
図９は、ユーザが出力セットアップタブ６０８を選択したとき表示モジュール１１４によって生成された出力セットアップインターフェース９００である。このインターフェースは、データエクスポートモジュール１１６によって生成された出力データのタイプ及び／又はフォーマットと、データエクスポートモジュール１１６の（たとえば、シリアルポートに関する）ポート速度とをユーザが選択及び／又は構成するためのフィールドを含む。データエクスポートモジュール１１６によって生成された出力データは、出力デバイス１０４ａ（たとえば、プリンタ、ディスクドライブ、ＵＳＢポート、シリアル／パラレルポートなど）に転送される。データエクスポートモジュール１１６によって生成された出力データは、
ｉ）患者状況レポート（たとえば、グラフ、チャート、患者の脳機能状況の概要説明、及び／又は経時的なこの状況の変化を含む）
ｉｉ）記録済みＥＥＧ信号を表す信号出力、及び／又は
ｉｉｉ）上述の特徴のいずれかを含むデータファイル
を表すことができる。
【００３５】
表示モジュール１１４は、ユーザがプリンタセットアップタブ６１０を選択したときプリンタセットアップインターフェースを生成し、プリンタセットアップインターフェースは、出力デバイス１０４ａ（たとえば、プリンタ）のために、データエクスポートモジュール１１６によって生成された出力データのタイプ及び／又はフォーマットを選択及び構成するための、ユーザが調整可能なフィールドを含む。
【００３６】
ＥＥＧ処理システム１００の構成モジュール１２０は、入力デバイス１１８からユーザ入力を受け取り、応答指数計算モジュール１０８及び表示プロセッサモジュール１１４の動作を制御するための構成データを生成する。構成データは、以下の１つ又は複数を実施するように、すなわち
ｉ）ＥＥＧサンプルを処理するための処理オプションを選択し、
ｉｉ）隣り合うセグメント／ウィンドウ間の重なり合いの度合いを規定し、
ｉｉｉ）ＥＥＧサンプル、脳応答データ、指数データ、及び／又は積データをメモリ１１２内に格納するようにモジュール１０８を構成し、
ｉｖ）（インターフェース表示のレイアウト、画面サイズ、画面リフレッシュレート、表示されるグラフの掃引速度及び感度、脳応答指数閾値範囲及び対応する色、スムージング設定などを含めて）表示モジュールによって生成されるユーザインターフェースの表示特性を規定し、
ｖ）日付及び時刻設定を規定し、
ｖｉ）（たとえば、各事象マーカボタンに関連付けられた事象の数及びタイプと、事象の各タイプに関連付けられた色とを含めて）事象マーカ設定を規定し、
ｖｉｉ）（たとえば、データエクスポートモジュール１１６によって生成しようとするデータ出力のタイプ、フォーマット、及び／又は伝送速度を含めて）日付エクスポート設定を規定し、及び／又は
ｖｉｉｉ）（センサチェックレート、及びモジュール１０６及び１０８によって実施されるフィルタリングのためのバンドパスフィルタ範囲（Ｈｚ）など）システム１００の他の動作パラメータを規定、選択、又は構成する
ようにモジュール１０８及び／又はモジュール１１４を制御する制御信号、パラメータ、及び／又は命令を含む。
【００３７】
完全性試験モジュール１１０は、電極１０２の動作状況を決定するために、電極１０２からの検出ＥＥＧ信号を、予想されるパラメータ（たとえば、２マイクロボルトから１００マイクロボルトの範囲内の生ＥＥＧのＲＭＳ振幅、及び０Ｈｚと３０Ｈｚの間のＥＥＧパワーの９０％）と突き合わせて比較することによって、その信号を連続的に評価する。
【００３８】
被験者から検出されたＥＥＧ信号は、ＥＥＧ信号がフィルタ後の不規則過程（ｆｉｌｔｅｒｅｄ ｒａｎｄｏｍ ｐｒｏｃｅｓｓ）の結果であるという理論的仮定に基づいて解析することができる。国際公開第２００４／０６４６３３号パンフレットに記載されているように、被験者から検出されたＥＥＧ信号は、数学的には、式１として述べることができる。すなわち、
【数１】
上式で、Ｈｅは、周波数領域内のＥＥＧ信号を表し、Ｐは、被験者の皮質の機能状態を評価するために使用することができる、脳の他の部分からのその皮質内への入力を表す。Ｎ及びＤは、ωにおける多項式を規定し、それらのルートにより、ＥＥＧ信号の卓越周波数が決定される。Ｐ（ω）は、ガウス白色ノイズを表すものと仮定され、したがって、周波数ωから独立である（すなわち、Ｐ（ω）＝Ｐ０は、皮質下入力に比例するものと理論的に決定される定数である）。式１では、ｑは、分子Ｎ及び分母Ｄ双方に対する、ωにおける多項式の係数を理論的に決定する生理学的パラメータのリストを表す。
【００３９】
それぞれのセグメント／サンプル点ごとのＥＥＧ信号は、それぞれのＡＲＭＡ時系列表現として、またより有利には、８の自己回帰次数、及び５の移動平均次数を有するそれぞれの固定次数ＡＲＭＡ時系列表現として表すことができる。式２は、あるＥＥＧ信号の一部分の表現を生成するための（８，５）次数ＡＲＭＡ表現を表す差分方程式である。すなわち、
【数２】
上式で、ｙ［ｎ］は、サンプリング済みＥＥＧ信号値の順序系列（ｏｒｄｉｎａｌ ｓｅｑｕｅｎｃｅ）を表し（すなわち、ｙ［ｎ］は、ｎ番目の逐次サンプル）、ｙ［ｎ−ｋ］は、ｙ［ｎ］のｋ番目前のサンプリング済み値を表し、ｕ［ｎ−ｋ］は、ガウス白色ノイズ過程を表し、ａｋ及びｂｋは、係数データに含まれ、それぞれ、あるセグメントに対応するＥＥＧ信号の一部分についてのＡＲ（自己回帰）係数及びＭＡ（移動平均）係数を表す。ＡＲ係数及びＭＡ係数の推定値は、たとえばＤｅｌｆｔ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ ＴｅｃｈｎｏｌｏｇｙのＰ．Ｍ．Ｔ．ＢｒｏｅｒｓｅｎによるＡＲＭＡＳＡ Ｍａｔｌａｂ Ｔｏｏｌｂｏｘアプリケーションを使用して、又は任意の他のＡＲＭＡモデル化ソフトウェアパッケージを使用して、いくつかのやり方で生成することができる。
【００４０】
式２に示されているＥＥＧ信号の時不変ＡＲＭＡ表現は、式３に示されているＥＥＧ信号の時変ＡＲＭＡ時系列表現として書き直すことができる。すなわち、
【数３】
【００４１】
それぞれ
【数４】
及び
【数５】
によって表される式３についてのＡＲ係数及びＭＡ係数は、（時点ｎについての）時間の関数として表される。式４及び式５、すなわち、
【数６】
を示すことにより、式３は、式６として状態空間形態で書き直すことができる。すなわち、
【数７】
上式で、
【数８】
は、回帰ベクトルを表し、θｎは、式４におけるものに対応するモデルパラメータ（又は状態）を表し、ｕｎは、式３におけるｕ［ｎ−ｋ］に対応するガウス白色ノイズ過程を表す。事前の（ａ ｐｒｉｏｒｉ）情報が何も使用可能でないときモデルパラメータθｎがランダムウォークとして発展すると仮定することにより、θｎは、式７に示されている以下の一般的なスキームに従って、θｎ及びｙｎの以前の値から再帰的に推定することができる。すなわち、
【数９】
上式で、Ｋｎ及びεｎは、それぞれ、再帰的に決定されたフィルタ利得、及びＥＥＧ信号の前のサンプル点で推定されたＡＲＭＡモデルの予測誤差を表す。時変性のＡＲ係数及びＭＡ係数θｎの推定値を再帰的に生成するために、様々な方法が使用可能である。たとえば、（たとえばＴａｒｖａｉｎｅｎらの「Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｎｏｎ−ｓｔａｔｉｏｎａｒｙ ＥＥＧ ｗｉｔｈ Ｋａｌｍａｎ ｓｍｏｏｔｈｅｒ ａｐｐｒｏａｃｈ：ａｎ ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｅｖｅｎｔ ｒｅｌａｔｅｄ ｓｙｎｃｈｒｏｎｉｚａｔｉｏｎ（ＥＲＳ）」ＩＥＥＥ Ｔｒａｎｓ Ｂｉｏｍｅｄ Ｅｎｇ、２００４年、５１、５１６〜５２４頁に記載されている）カルマン適応フィルタリング法に基づいて、又は任意の他の回帰的処理法（たとえば、Ｌｊｕｎｇ Ｌ．「Ｓｙｓｔｅｍ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ−Ｔｈｅｏｒｙ ｆｏｒ ｔｈｅ Ｕｓｅｒ」Ｐｒｅｎｔｉｃｅ Ｈａｌｌ、Ｕｐｐｅｒ Ｓａｄｄｌｅ Ｒｉｖｅｒ、ＮＪ．第２版１９９９年に記載されている回帰的処理法）に基づいて、又は（
【数１０】
で表される）θｎにおけるモデルパラメータについての（たとえば、２乗平均の意味で）最適な推定値を生成するために、ソフトウェア（たとえば、ＭＡＴＬＡＢ（登録商標）Ｓｙｓｔｅｍ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ Ｔｏｏｌｂｏｘバージョン６．０に関連付けられた関数）を使用して、係数データを生成することが可能である。
【００４２】
式２及び式３は、式８に示されているように、ｚ領域表現で書き直すことができる。すなわち、
【数１１】
上式で、Ｙ（ｚ）は、ｚ領域における、ＥＥＧ信号の一部分のＡＲＭＡ表現を表し、Ｕ（ｚ）は、ｚ領域におけるガウス白色ノイズ過程を表し、係数ａｋ及びｂｋは、それぞれ、対応するセグメント／サンプル点についてのＡＲ係数及びＭＡ係数に対応する。一般に、ＡＲＭＡ係数の推定は、ｂ０及びａ０を１単位（ｕｎｉｔｙ）として規定することを含む。
【００４３】
式８によって述べられているシステムに関連する極は、式８における分母のルートに対応する。各セグメント／サンプル点ごとの極データは、対応するセグメント／サンプル点についての係数データを使用して、式９に基づいて生成される（ただし、極はｐによって表される）。式９に対する８つの可能な解（又は極）があり、それらのすべてが必ずしも異なるわけではない。
【数１２】
【００４４】
式８によって述べられているシステムに関連するゼロは、式８における分子のルートに対応する。各セグメント／サンプル点ごとのゼロデータは、対応するセグメント／サンプル点についての係数データを使用して、式１０に基づいて生成される（ただし、ゼロはｚによって表される）。式１０に対する５つの可能な解（又はゼロ）があり、それらのすべてが必ずしも異なるわけではない。
【数１３】
【００４５】
式９及び式１０に基づいて生成されたデータによって表される極及びゼロは、複素数である。それぞれのセグメント／サンプル点ごとの極及びゼロは、ｚ平面上でプロットすることができ、その場合、１つ又は複数の極及び／又はゼロの位置の変化が、被験者の脳に対する皮質下入力のレベルの変化を表し、極の平均位置の変化が、被験者の脳の機能状態の変化を表す。しかし、１つ又は複数の極及び／又はゼロの移動に基づいて脳の機能状態を定量化するのは、技術的に非常に困難である。
【００４６】
国際公開第２００４／０６４６３３号パンフレットに記載されているように、様々な薬理学的介入により、複素平面（又はｚ平面）内でプロットされたとき式８の極の部分集合が運動することが予想される。式８に基づいて生成されたデータによって表される極すべての平均運動を表す値を生成することによって、極の部分集合の運動を定量化することが可能である。具体的には、極運動の平均実部が脳に対する薬理学的操作／介入に特に敏感であることが判明している。
【数１４】
式１１では、ｚｉ，ｐは、ｉ番目の極を表し、したがって、
【数１５】
は、複素平面上の平均極位置を表す。極ｚｉ，ｐは、複素数である場合、複素共役対内に存在するので、
【数１６】
は、常に実数である。平均極データは、式１２に基づいて生成される。すなわち、
【数１７】
【００４７】
多項式の諸特性の結果として、平均極位置は、（ａ１として表される）式２に基づいて生成される第１のＡＲ係数から、ａ１係数を８で除すことによって決定することができる。しかし、平均極位置は、適切な指数（すなわち、たとえば０から１００に及ぶ数値）を形成するようにスケーリングされることになるので、平均極位置を得るためにこの除算を行う必要はない。しかし、その代わりに、
【数１８】
の値それ自体に基づいて平均極位置の変化の効果を決定することが可能である。
【数１９】
は、常に−１以上、且つ１以下になるので、０から１００の区間にわたって延在するように適切にスケーリングすることができる。たとえば、
【数２０】
は、皮質活動又は機能を表す指数をもたらすように、式１３に基づいて線形でスケーリングすることができる。すなわち、
【数２１】
上式で、ｃ及びｍは、指数が確実に何らかの所定の範囲内にあるように選択された定数である。また、
【数２２】
は、式１４に基づいて、皮質活動又は機能を表す指数をもたらすように非線形でスケーリングされてもよい。すなわち、
【数２３】
上式で、ａ、ｂ、ｄは、指数が確実に何らかの所定の範囲内にあるように選択された定数である。それぞれのセグメント／サンプル点ごとの指数データは、指数が、対応するセグメント／サンプル点についての平均極データを使用して、式１３又は式１４に基づいて生成されることを表す。
【００４８】
それぞれのセグメント／サンプル点ごとの平均極データによって表される、スケーリングされていない平均実数極値がグラフ（たとえば、図３におけるグラフ３０４）としてプロットされ、時間の関数として、又は対応するセグメント／サンプル点数に比べて、スケーリングされていない平均実数極値の変化を示す。スケーリングされていない平均実数極は、治療介入又は疾患に応じて、増大又は減少することが予想される。或いは、平均実数極、並びに他のＡＲ係数及びＭＡ係数は、脳の機能状態を表す単一のスカラ量を生成するように、適切に規定され構築された判別関数によって処理され得る。そのような判別関数は、任意の数の、市販の統計パッケージ、たとえばＳｙｓｔａｔ（Ｓｙｓｔａｔ Ｓｏｆｔｗａｒｅ Ｉｎｃ、米国リッチモンド）を使用して、１段ずつの判別分析を介して決定することができる。
【００４９】
式１に示されている理論的に導出された伝達関数は、式１５として因数分解標準形で書き直すことができる。
【数２４】
上式で、Ｐ（ω）は、脳に対する皮質入力のレベルを表す。実際の皮質における皮質入力の、予想される時間複雑性のため、そのような入力は、ガウス不規則（白色ノイズ）過程から区別不能であり、その過程を表すものと仮定される。すなわち、Ｐ（ω）＝Ｐ０である。式１５では、（ｐ’ｋによって表される）８個の極、及び（ｚ’ｋによって表される）５個のゼロのそれぞれについての値は、（ｑによって表される）いくつかの生理学的パラメータに基づいて決定される。式１５に関するｚ’ｋの値は、式１０に基づいて生成されたゼロデータを使用して、式１６に基づいて生成される。式１５に関するｐ’ｋの値は、式９に基づいて生成された極データを使用して、式１７に基づいて生成される。
【００５０】
ｚ’ｋ＝ｆｓｌｎ｜ｚｋ｜＋ｆｓＡｒｇ（ｚｋ）／２π 式１６
ｐ’ｋ＝ｆｓｌｎ｜ｐｋ｜＋ｆｓＡｒｇ（ｐｋ）／２π 式１７
上式で、ｆｓは、ＥＥＧサンプリング（デジタル化）周波数である。式１５で、ｇ（ｑ）は、ｑによって表されるパラメータの１つ又は複数に明示的に基づく利得率（ｇａｉｎ ｆａｃｔｏｒ）を表す。理論的には、ある被験者に関するｇ（ｑ）の値は、皮質の機能状態に影響を及ぼす介入（たとえば、麻酔薬）を被験者に施す前にも、施している間にも概して変化しないままであることが予想される。したがって、ｇ（ｑ）の値は、定数であるものと仮定される。積ｇ（ｑ）Ｐ（ω）を使用し、被験者の脳に対する皮質入力のレベルを推定することができ、ｇ（ｑ）が定数であるものと仮定されるので、ｇ（ｑ）Ｐ（ω）の値のどんな変化も、Ｐ（ω）の変化によって引き起こされることが予想される。
【００５１】
ＥＥＧ処理システム１００は、Ｐ（ω）がガウス白色ノイズを表すという仮定に基づいて、式１５から積ｇ（ｑ）Ｐ（ω）を表す式１８に基づいて積データを生成する。すなわち、
【数２５】
上式で、
【数２６】
は、あるＥＥＧ信号の一部分（たとえば、ＥＥＧ信号の選択されたセグメント）の平均信号振幅を表し、＜Ｙ（ｔ）＞は、ＥＥＧ信号の対応する部分についてのＡＲＭＡ利得値を表す。
【数２７】
の値は、選択されたセグメント／サンプル点について、ＥＥＧ信号の振幅の２乗平均平方根（ＲＭＳ）として決定することができる。ＡＲＭＡ利得値＜Ｙ（ｔ）＞は、選択されたセグメント／サンプル点について、ＥＥＧ信号の信号表現の振幅のＲＭＳとして決定することができる。
【００５２】
選択されたセグメントについてのＡＲ係数及びＭＡ係数は、時不変ＡＲＭＡ表現に基づいて（すなわち、式２に基づいて）生成され、その結果、そのセグメントについてのＥＥＧ信号の信号表現は、式２に基づいて生成される。この信号表現は、式２に基づいて生成された一連の値（すなわち、式２におけるｙ［ｎ］）を表し、式２の出力は、正規化された白色ノイズ入力によって駆動されたとき、選択されたセグメントについてのＡＲ係数及びＭＡ係数に基づいて生成される（すなわち、ｕ［ｎ−ｋ］は、ゼロ平均単位分散ガウス不規則過程によって決定される不規則値を表す）。
【００５３】
選択されたサンプル点についてのＡＲ係数及びＭＡ係数は、時変ＡＲＭＡ表現に基づいて（すなわち、式３に基づいて）生成され、そのサンプル点についてのＥＥＧ信号の信号表現は、式３に基づいて生成される。この信号表現は、一連の値（すなわち、式３におけるｙ［ｎ］）を表し、式３の出力は、正規化された白色ノイズ入力によって駆動されたとき、選択されたサンプル点についてのＡＲ係数及びＭＡ係数に基づいて生成される（すなわち、ｕ［ｎ−ｋ］は、ゼロ平均単位分散ガウス不規則過程によって決定される不規則値を表す）。
【００５４】
ＡＲＭＡ利得は、たとえばＤｅｌｆｔ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ ＴｅｃｈｎｏｌｏｇｙのＰ．Ｍ．Ｔ．ＢｒｏｅｒｓｅｎによるＡＲＭＡＳＡ Ｍａｔｌａｂ Ｔｏｏｌｂｏｘアプリケーションのａｒｍａ２ｃｏｒ機能を使用して、又は任意の他のＡＲＭＡモデル化ソフトウェアパッケージを使用して、いくつかのやり方で生成することができる。
【００５５】
式２及び式３は、ＥＥＧ信号の一部分の固定次数（８，５）ＡＲＭＡ表現を表す。８の自己回帰次数、及び５の移動平均次数を有するＡＲＭＡ表現が最良の結果をもたらすと予想されるが、他のＡＲ次数及びＭＡ次数を選択することもできる。
【００５６】
理論的には、利得率ｇは、式１９に従って、パラメータｑに基づく。すなわち、
【数２８】
したがって、皮質入力Ｐ（ω）は、式２０を使用して推定することができる。
【数２９】
ただし、式１９及び式２０において、
【数３０】
は、皮質内興奮の有効性を表し（また安静時の興奮活動に関する膜内外駆動力に比例する）、γｅは、興奮に関する、対応する速度定数を表し、τｅは、有効受動的膜時定数（ｅｆｆｅｃｔｉｖｅ ｐａｓｓｉｖｅ ｍｅｍｂｒａｎｅ ｔｉｍｅ ｃｏｎｓｔａｎｔ）を表す。平均場モデル化では、介入中の
【数３１】
及びτｅについてのそれぞれの値は、それらの乱されていない値から著しく擾乱されることは予想されない。式２又は式３に基づいて生成された係数ａｋ及びｂｋから得られる極及びゼロと共に式２０を使用して決定される皮質入力Ｐ（ω）は、被験者から検出されるＥＥＧ信号のダイナミックスの、より包括的な線形特徴付けを表す。
【００５７】
したがって、特定の薬剤が、それについて広範な情報がある単神経生理学的特性にどのように影響を及ぼすかについての知識で武装して、本明細書に開示されている技法を使用し、前記薬剤によって影響を受ける、脳に対する入力の変動を決定することができる。これは、脳機能に影響を及ぼすことが知られている様々な薬剤が、中枢神経系全体にわたって分布する部位及び作用の標的を有すると考えられるとき、特に関連がある。
【００５８】
たとえば、亜酸化窒素は、睡眠薬でも鎮痛薬でもあり、皮質及び皮質下で部位に影響を及ぼすことが知られている（たとえば、Ｈｏｐｋｉｎｓ ＰＭ、Ｎｉｔｒｏｕｓ ｏｘｉｄｅ：ａ ｕｎｉｑｕｅ ｄｒｕｇ ｏｆ ｃｏｎｔｉｎｕｉｎｇ ｉｍｐｏｒｔａｎｃｅ ｆｏｒ ａｎａｅｓｔｈｅｓｉａ、Ｂｅｓｔ Ｐｒａｃｔ Ｒｅｓ Ｃｌｉｎ Ａｎａｅｓｔｈｅｓｉｏｌ．、２００５年９月、１９（３）、３８１〜９頁及びＲｕｄｏｌｐｈ Ｕ ＆ Ａｎｔｋｏｗｉａｋ Ｂ．、Ｍｏｌｅｃｕｌａｒ ａｎｄ ｎｅｕｒｏｎａｌ ｓｕｂｓｔｒａｔｅｓ ｆｏｒ ｇｅｎｅｒａｌ ａｎａｅｓｔｈｅｔｉｃｓ．、Ｎａｔ Ｒｅｖ Ｎｅｕｒｏｓｃｉ．、２００４年９月、５（９）、７０９−２０頁で論じられている）。睡眠及び痛覚脱失のレベルを共に非侵襲的に定量化することができることは、非常に臨床的に有用である。というのは、別々の測定には、後続の、また継続中の臨床管理及び臨床結果の点で重要な含意があるからである。たとえば、適切な痛覚脱失を検出することは、外科的処置中に生理学的（自立）安定を達成するために重要であり、術後臨床結果を改善する助けとなる。皮質下入力の大きさを定量化することは、末梢で導出された感覚情報が皮質に達する度合いを監視することによって痛覚脱失のレベルを評価する１つの方法をもたらすことができる。
【００５９】
図２は、ＥＥＧ処理システム１００によって実施されるＥＥＧ解析プロセス２００の流れ図である。プロセス２００は、ステップ２０２で、信号処理モジュール１０６が電極１０２を介して被験者からのＥＥＧ信号を受け取って始まる。ステップ２０４では、モジュール１０６は、ＥＥＧ信号を増幅する。ステップ２０６では、モジュール１０６は、バンドパスフィルタを使用してＥＥＧ信号を濾波し、低周波のムーブメントアーティファクト、ＥＭＧ成分、及び（概して０Ｈｚから５０〜６０Ｈｚの間で生じる）主アーティファクト、並びに外部ノイズの他の発生源を除去する。ステップ２０８では、モジュール１０６は、ＥＥＧ信号をデジタルＥＥＧサンプルに変換する。
【００６０】
ステップ２１０では、ユーザの選択に基づいて、ＥＥＧサンプルをどのように処理するか判断される。ユーザが、サンプルを実質的にリアルタイムで解析するための処理オプションを選択した場合、ステップ２１０はステップ２１２に進む。そうでない場合には、デフォルトの処理オプションが選択され、ステップ２１０はステップ２１６に進む。
【００６１】
応答指数計算モジュール１０８によって生成される各新しいサンプル点に関連して、モジュール１０８がステップ２１２及びステップ２１４を実施する。ステップ２１２では、モジュール１０８は、ＡＲ係数及びＭＡ係数の後続の推定を損なうことが知られている周期的な０Ｈｚから５０〜６０Ｈｚの妨害をサンプルからさらに除去することを含めて、追加のアーティファクト除去をＥＥＧサンプルに対して実施する。
【００６２】
ステップ２１４では、モジュール１０８は、各ウィンドウごとのＥＥＧ信号の時変ＡＲＭＡ表現のためのＡＲ係数及びＭＡ係数を表す、各サンプル点ごとの係数データを生成する。たとえば、ステップ２１４では、モジュール１０８は、カルマン適応フィルタリング法を使用して、ＥＥＧサンプルから直接、ＡＲ係数及びＭＡ係数を生成する。ステップ２１４では、係数データは、上述のようにＡＲ係数及びＭＡ係数の最適値を表す。次いで、ステップ２１４は、互いに平行して実施されるステップ２２２及びステップ２２４に進む。
【００６３】
ステップ２１６では、モジュール１０８は、それぞれが同じ持続時間の間のデジタルＥＥＧ信号の一部分を表す複数のセグメントを生成する。たとえば、各セグメントは、ＥＥＧ信号の２秒サンプルを表すことができ、隣り合うセグメントの一部分と重なり合うことができる。ステップ２１８では、モジュール１０８は、各セグメントを濾波し、ＡＲ係数及びＭＡ係数の後続の推定を損なうことが知られている周期的な０Ｈｚから５０〜６０Ｈｚの妨害を除去することを含めて、追加のアーティファクトを信号から除去する。ステップ２２０では、モジュール１０８は、セグメントごとのＥＥＧ信号のそれぞれの時不変ＡＲＭＡ表現に基づいて（たとえば、（８，５）次数ＡＲＭＡ表現に基づいて）係数データを生成する。係数データは、ＭＡＴＬＡＢ（登録商標）Ｓｙｓｔｅｍ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ Ｔｏｏｌｂｏｘバージョン６．０に関連付けられた関数など、ソフトウェアを使用して生成され得る。次いで、ステップ２２０は、ステップ２２２及びステップ２２４に進む。
【００６４】
ステップ２２２では、モジュール１０８は、各セグメント／サンプル点ごとに、対応するセグメント／サンプル点についての係数データを生成するためにステップ２１４又はステップ２２０で使用された対応するＡＲＭＡ表現に基づいて、ＡＲＭＡ利得値（すなわち、式１８における＜Ｙ（ｔ）＞）を表すＡＲＭＡ利得データを生成する。これは、推定されたＡＲ係数及びＭＡ係数を対応するＡＲＭＡ表現（すなわち、式２又は式１０）に適用すること、及び（ｕ［ｎ−ｋ］によって表される）正規化された白色ノイズ入力を用いて対応するＡＲＭＡ表現を導出することによって、（ｙ［ｎ］によって表される）信号表現を生成することを含む。
【００６５】
ステップ２２２では、モジュール１０８はまた、各セグメント／サンプル点ごとに、（ステップ２１６、２１８、２２０で）時不変ＡＲＭＡ表現が使用される場合、対応するセグメントについてのＥＥＧサンプルに基づいて、或いは（ステップ２１２及びステップ２１４で）時変ＡＲＭＡ表現が使用される場合、ある範囲のＥＥＧサンプル値について、信号利得値（すなわち、式１８における
【数３２】
）を表す信号利得データを生成する。各サンプル点ごとの
【数３３】
の値は、対応するサンプル点についての係数データが生成された時刻を中心に置かれた検出ＥＥＧ信号の適切な部分に基づいて生成され、又は、現在のサンプル点を含む、及び現在のサンプル点前のサンプリング済みＥＥＧ信号の、適切に構築された平均に基づいて生成される。代替的には、
【数３４】
の値は、ステップ２１６でモジュール１０８によって生成されたそれぞれのセグメントに基づいて生成される。
【００６６】
次いでステップ２３３では、モジュール１０８は、各セグメント／サンプル点ごとに、対応するＡＲＭＡ利得データ及び信号利得データに基づいて、式１８による積ｇ（ｑ）Ｐ（ω）の値を表す積データを生成する。ｇ（ｑ）Ｐ（ω）の値の変化は、（Ｐ（ω）によって表される）皮質下入力の大きさの変化を表す。
【００６７】
ステップ２２４では、式９及び式１０に基づいて極データ及びゼロデータを生成し、次いでモジュール１０８は、それぞれのセグメント／サンプル点ごとのスケーリングされていない平均極位置を表す平均極データを式１２に基づいて生成する。次いで、モジュール１０８は、対応するセグメント／サンプル点についての平均極位置のスケーリングされた数値表現を表す指数データを式１３又は式１４に基づいて生成する。
【００６８】
ステップ２２３及びステップ２２４はステップ２２６に進み、ステップ２２６では、表示モジュール１１４が、被験者の脳の機能状態、及び／又は被験者の脳内の皮質下活動のレベルを表すように、脳状態データに基づいて（たとえば、極データ、ゼロデータ、平均極データ、指数データ、及び／又は積データを使用して）、ユーザインターフェースを表すと共に好ましくはＥＥＧサンプルの表現を含む表示データを生成する。また、ステップ２２６では、ＥＥＧサンプル、脳状態データ、生平均極データ、及び／又はスケーリングされた平均極データを表すデータを含む出力データを生成するようにデータエクスポートモジュールが制御される。プロセス２００は、ステップ２２６の後で終了する。
【００６９】
スケーリングされた平均極データ（又はスケーリングされていない平均極データ）によって表された値の変化は、被験者の脳の機能状態の変化（すなわち、脳が皮質入力に対してどのように応答するか）を表す。皮質入力データによって表された値の変化は、積ｇ（ｑ）Ｐ（ω）の値の変化を、したがって脳皮質入力のレベルを表す。ＡＲＭＡ利得、したがって皮質下入力の測定によってもたらされる利点は、対象の脳機能の決定の生理学的特定性（したがって臨床有用性）を高めることである。
【００７０】
添付の図面を参照して本明細書で述べられている本発明の範囲から逸脱することなしに、多数の修正が当業者には明らかになるであろう。
【００７１】
本明細書におけるどんな従来技術に対する参照も、その従来技術がオーストラリアにおける共通の一般的な知識の一部を形成するという認知又は何らかの形態の暗示ではなく、またそのように解釈すべきではない。
【特許請求の範囲】
【請求項１】
脳の活動を表す脳電図の信号を解析するための方法であって、
ｉ）前記信号の一部分の信号表現のための係数データを生成するステップと、
ｉｉ）前記信号表現及び前記係数データに基づいて生成された出力信号の平均振幅を表す第１の利得データを生成するステップと、
ｉｉｉ）前記一部分の平均振幅を表す第２の利得データを生成するステップと、
ｉｖ）前記第１の利得データ及び前記第２の利得データに基づいて、前記脳の皮質下活動を表す脳状態データを生成するステップと
を含む方法。
【請求項２】
前記信号表現が、前記信号の、選択された前記一部分の時不変自己回帰移動平均表現であり、前記信号表現が、８の自己回帰次数及び５の移動平均次数を有する、請求項１に記載の方法。
【請求項３】
前記第１の利得データが、前記出力信号の振幅の２乗平均平方根を表す、請求項１又は請求項２に記載の方法。
【請求項４】
前記出力信号が、前記信号表現が白色ノイズ入力信号によって駆動されたとき、前記一部分についての前記係数データを使用して前記信号表現に基づいて生成される、請求項３に記載の方法。
【請求項５】
前記第２の利得データが、前記一部分の振幅の２乗平均平方根を表す、請求項１〜４のいずれか一項に記載の方法。
【請求項６】
前記脳状態データに基づいて、１つ又は複数の表示インターフェースを表す表示データを生成するステップを含む、請求項１〜６のいずれか一項に記載の方法。
【請求項７】
前記表示データが、グラフを表すデータを含み、前記グラフが、時間に対する前記脳の皮質下活動レベルの変化を表す、請求項６に記載の方法。
【請求項８】
前記脳状態データが、前記第２の利得データに基づく前記平均を前記第１の利得データに基づく前記平均で除すことによって生成される商に基づいて、前記皮質下活動レベルを表す、請求項７に記載の方法。
【請求項９】
前記表示データが、前記皮質下活動レベルの値の様々な所定の範囲に対応する色に基づいて前記皮質下活動レベルを表し、各前記範囲が、異なる色によって表される、請求項７に記載の方法。
【請求項１０】
前記信号表現が、前記一部分の時変自己回帰移動平均表現であり、前記信号表現が、８の自己回帰次数及び５の移動平均次数を有する、請求項１に記載の方法。
【請求項１１】
前記信号表現が、特定の時点での前記信号を表し、前記係数データが、前記一部分内で１つ又は複数の他の時点での前記信号に基づいて、また前記他の時点のうちの１時点での前記信号の信号表現のための係数データに基づいて、再帰的に生成される、請求項１０に記載の方法。
【請求項１２】
前記係数データが、カルマン適応フィルタリングを含む、前記信号の自己回帰移動平均表現に基づいて生成される、請求項１１に記載の方法。
【請求項１３】
前記出力信号が、前記信号表現が白色ノイズ入力信号によって駆動されたとき、前記時点についての前記係数データを使用して前記信号表現に基づいて生成される、請求項１１又は請求項１２に記載の方法。
【請求項１４】
請求項１〜１３のいずれか一項に記載の方法を実施するためのシステム。
【請求項１５】
脳の活動を表す脳電図の信号を解析するためのシステムであって、
ｉ）前記信号の一部分の信号表現のための係数データを生成し、
ｉｉ）前記信号表現及び前記係数データに基づいて生成された出力信号の平均振幅を表す第１の利得データを生成し、
ｉｉｉ）前記一部分の平均振幅を表す第２の利得データを生成し、
ｉｖ）前記第１の利得データ及び前記第２の利得データに基づいて、前記脳の皮質下活動を表す脳状態データを生成する
ように適合されたプロセッサモジュールを含むシステム。
【請求項１６】
請求項１〜１３のいずれか一項に記載の方法におけるステップのいずれかを実施するための、コンピュータ可読媒体上で記憶されたコンピュータ実行可能コード。
【請求項１】
脳の活動を表す脳電図の信号を解析するための方法であって、
ｉ）前記信号の一部分の信号表現のための係数データを生成するステップと、
ｉｉ）前記信号表現及び前記係数データに基づいて生成された出力信号の平均振幅を表す第１の利得データを生成するステップと、
ｉｉｉ）前記一部分の平均振幅を表す第２の利得データを生成するステップと、
ｉｖ）前記第１の利得データ及び前記第２の利得データに基づいて、前記脳の皮質下活動を表す脳状態データを生成するステップと
を含む方法。
【請求項２】
前記信号表現が、前記信号の、選択された前記一部分の時不変自己回帰移動平均表現であり、前記信号表現が、８の自己回帰次数及び５の移動平均次数を有する、請求項１に記載の方法。
【請求項３】
前記第１の利得データが、前記出力信号の振幅の２乗平均平方根を表す、請求項１又は請求項２に記載の方法。
【請求項４】
前記出力信号が、前記信号表現が白色ノイズ入力信号によって駆動されたとき、前記一部分についての前記係数データを使用して前記信号表現に基づいて生成される、請求項３に記載の方法。
【請求項５】
前記第２の利得データが、前記一部分の振幅の２乗平均平方根を表す、請求項１〜４のいずれか一項に記載の方法。
【請求項６】
前記脳状態データに基づいて、１つ又は複数の表示インターフェースを表す表示データを生成するステップを含む、請求項１〜６のいずれか一項に記載の方法。
【請求項７】
前記表示データが、グラフを表すデータを含み、前記グラフが、時間に対する前記脳の皮質下活動レベルの変化を表す、請求項６に記載の方法。
【請求項８】
前記脳状態データが、前記第２の利得データに基づく前記平均を前記第１の利得データに基づく前記平均で除すことによって生成される商に基づいて、前記皮質下活動レベルを表す、請求項７に記載の方法。
【請求項９】
前記表示データが、前記皮質下活動レベルの値の様々な所定の範囲に対応する色に基づいて前記皮質下活動レベルを表し、各前記範囲が、異なる色によって表される、請求項７に記載の方法。
【請求項１０】
前記信号表現が、前記一部分の時変自己回帰移動平均表現であり、前記信号表現が、８の自己回帰次数及び５の移動平均次数を有する、請求項１に記載の方法。
【請求項１１】
前記信号表現が、特定の時点での前記信号を表し、前記係数データが、前記一部分内で１つ又は複数の他の時点での前記信号に基づいて、また前記他の時点のうちの１時点での前記信号の信号表現のための係数データに基づいて、再帰的に生成される、請求項１０に記載の方法。
【請求項１２】
前記係数データが、カルマン適応フィルタリングを含む、前記信号の自己回帰移動平均表現に基づいて生成される、請求項１１に記載の方法。
【請求項１３】
前記出力信号が、前記信号表現が白色ノイズ入力信号によって駆動されたとき、前記時点についての前記係数データを使用して前記信号表現に基づいて生成される、請求項１１又は請求項１２に記載の方法。
【請求項１４】
請求項１〜１３のいずれか一項に記載の方法を実施するためのシステム。
【請求項１５】
脳の活動を表す脳電図の信号を解析するためのシステムであって、
ｉ）前記信号の一部分の信号表現のための係数データを生成し、
ｉｉ）前記信号表現及び前記係数データに基づいて生成された出力信号の平均振幅を表す第１の利得データを生成し、
ｉｉｉ）前記一部分の平均振幅を表す第２の利得データを生成し、
ｉｖ）前記第１の利得データ及び前記第２の利得データに基づいて、前記脳の皮質下活動を表す脳状態データを生成する
ように適合されたプロセッサモジュールを含むシステム。
【請求項１６】
請求項１〜１３のいずれか一項に記載の方法におけるステップのいずれかを実施するための、コンピュータ可読媒体上で記憶されたコンピュータ実行可能コード。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【公表番号】特表２００９−５３９４３５（Ｐ２００９−５３９４３５Ａ）
【公表日】平成２１年１１月１９日（２００９．１１．１９）
【国際特許分類】
【出願番号】特願２００９−５１３５１７（Ｐ２００９−５１３５１７）
【出願日】平成１９年６月６日（２００７．６．６）
【国際出願番号】ＰＣＴ／ＡＵ２００７／０００８０１
【国際公開番号】ＷＯ２００７／１４０５３６
【国際公開日】平成１９年１２月１３日（２００７．１２．１３）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＵＮＩＸ
【出願人】（５０５２７３３４９）コーティカル ダイナミックス ピーティーワイ リミテッド (3)
【Ｆターム（参考）】
【公表日】平成２１年１１月１９日（２００９．１１．１９）
【国際特許分類】
【出願日】平成１９年６月６日（２００７．６．６）
【国際出願番号】ＰＣＴ／ＡＵ２００７／０００８０１
【国際公開番号】ＷＯ２００７／１４０５３６
【国際公開日】平成１９年１２月１３日（２００７．１２．１３）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＵＮＩＸ
【出願人】（５０５２７３３４９）コーティカル ダイナミックス ピーティーワイ リミテッド (3)
【Ｆターム（参考）】
[ Back to top ]