用于神经生理学数据的加权分析的方法和系统技术方案

公开了一种分析神经生理学数据的方法。该方法包括：识别数据中的活动相关特征，构造具有多个节点的大脑网络活动（BNA）图案，每个节点都代表活动相关特征的特征；以及为BNA图案中的每个节点对分配连接性权重。

【技术实现步骤摘要】
【国外来华专利技术】用于神经生理学数据的加权分析的方法和系统相关申请本申请要求于2010年1月18提交的美国申请第61/295,797号和于2010年2月3日提交的美国申请第61/300,886号的优先权的权益，如本文所阐述的，其全部内容结合于此作为参考。
在一些实施方式中，本专利技术涉及神经生理学，更特别地，但并不唯一地，涉及用于分析数据的方法和系统。
技术介绍
人们知道很少关于允许大脑选择性地改善行为重要刺激的神经表现同时忽略不相关的刺激的机制。大脑是产生被称为动作电位的信号的神经细胞的复杂结构。这些动作电位从一个细胞穿过被称为突触(synapse)的间隙而到达另一细胞。这些电位在皮质中被求和并且通过大脑的覆盖物延伸到头皮，在头皮上可以使用适当的电极对其进行测量。有节奏的测量活动表示突触后皮层神经元电位，这些电位被大量皮层细胞的复杂交互所同步。行为功能基于大脑中的各功能区中的流动，从而涉及具体时空流图案(spatiotemporalflowpattern)。与特定行为功能相关的具体时空图案由功能大脑区组成，功能大脑区在至少几十毫秒及以上通常是活跃的。这些区域中的活动流通常是基于同步的。在现有技术中已知为了使行为功能与其相关的本地大脑活动相关而识别离散参与区的方法。其他技术采用从一个区向另一个区的流动的分析。美国专利第.6,792,304号公开了用于聚集通信评估(masscommunicationassessment)的方法和系统。认知任务经由互联网从中央控制站传输到多个远程测试站。在远程站响应于任务的对象的大脑反应被记录并经由互联网传回中央控制站。中央控制站然后计算每个选择站的对象的大脑活动的变化。美国公开申请第.20040059241号公开了一种用于分类并处理生理性大脑不平衡的方法。神经生理学技术用于获得来自主题的一组分析大脑信号，并从该信号确定一组数字参数。数字参数被定量映射到各种治疗反应配置文件。比较用于对象的信号和参数，以集合与无症状和有症状的参考人群相关的数据库中含有的神经生理学信息，并且使用该比较来进行治疗建议。关联治疗反应图案作为因变量，以提供到用于患病对象的临床治疗的成功结果的连接。国际公开第WO2007/138579号(其全部内容结合于此作为参考)公开了一种用于建立神经生理学流动图案的知识库的方法。获得用于特殊行为过程的多个研究组的信号，并定位参与特殊行为功能的活动的源。之后，识别大脑活动的一组图案，并且采用神经生理学分析来分析定位的源和识别的图案。分析包括可能的路径的标识和等级。然后创建一组流动图案并将其用作知识库。然后使用该知识库作为用于减少分级路径的数量的约束。国际公开第WO2009/069134号、第WO2009/069135号、第WO2009/069136号(其全部内容结合于此作为参考)描述了一种技术，其中，在对象已经执行了形成刺激的任务和/或动作前/后，收集神经生理学数据。使用该刺激来限定数据中的特征，并且根据所限定的特征来分解数据。之后，分析该特征，以确定数据中的一个或多个图案。分解可以采用用于定位数据中的一个或多个重要特征的集群，其中，集群的收集形成活动网络。可以分析数据图案用于限定神经模型，该神经模型可以用于模拟大脑上的特殊病理和/或治疗的效果。其他
技术介绍
包括美国公开申请第20050177058号，其公开了一种系统，其中，当来自相同或不同位置处的一个以上对象的EEG读数受到一组共同的刺激时，对他们进行收集、分析并比较。使用对象的EEG读数来研究对象的兼容性，并从中发现或验证隐藏的信息。
技术实现思路
根据本专利技术的一些实施方式的方面，提供了一种分析神经生理学数据的方法。该方法包括：识别数据中的活动相关特征；构造具有多个节点的大脑网络活动(BNA)图案，每个节点都代表活动相关特征的特征；以及为BNA图案中的每个节点对分配连接性权重。根据本专利技术的一些实施方式，该节点代表数据特征的向量的集群。根据本专利技术的一些实施方式，对于每个集群，数据特征的每个向量都对应于从不同对象获得的数据。根据本专利技术的一些实施方式，对于每个集群，数据特征的所有向量都对应于从同一对象获得的数据，但是响应于单独的刺激。根据本专利技术的一些实施方式，连接性权重包括基于从由以下项构成的组中选择的至少一个集群属性计算的权重指数：(i)相应集群对中的向量数；(ii)相应集群对中的向量数的变异性；(iii)与相应集群对的每个集群相关的时间窗的宽度；(iv)将相应集群对隔开的延迟差；(v)与相应集群对相关的信号的幅度；(vi)与相应集群对相关的信号的频率；以及(vii)限定集群的空间窗口的宽度。根据本专利技术的一些实施方式的方面，提供了一种用于分析对象的神经生理学数据的方法。该方法包括：识别数据中的特征以及特征的关系；将特征以及特征的关系与基准神经生理学数据的特征以及特征的关系相比较，以识别对象的数据中的活动相关特征；构造具有多个节点的大脑网络活动(BNA)图案，每个节点都代表活动相关特征的特征；以及为BNA图案中的每对节点分配连接性权重。根据本专利技术的一些实施方式，基准神经生理学数据对应于从对象的组或子组获取的数据。根据本专利技术的一些实施方式，基准神经生理学数据对应于先前从同一对象获取的历史数据。根据本专利技术的一些实施方式，提供基准数据的特征和特征的关系作为至少一个先前注释的BNA图案。根据本专利技术的一些实施方式，至少一个先前注释的BNA图案为先前注释的BNA图案的数据库中的至少一个条目，并且该方法还包括：就数据库中的每个条目来构造BNA图案。根据本专利技术的一些实施方式，还包括响应于该比较，提取关于大脑状况的预后信息(prognosticinformation)。根据本专利技术的一些实施方式，至少一个先前注释的BNA图案包括至少一个注释为正常的BNA图案以及至少一个注释为异常的BNA图案。根据本专利技术的一些实施方式，该方法还包括：在对象执行或构思执行任务之前、期间、和/或之后，从对象的大脑获取神经生理学数据。根据本专利技术的一些实施方式，该方法包括：呈现给对象关于对象的BNA图案和先前注释的BNA图案之间的相似性的反馈。根据本专利技术的一些实施方式，该方法包括：刺激大脑，以增强对象的BNA图案和注释为正常的BNA图案之间的相似性。根据本专利技术的一些实施方式，该注释为异常的至少一个BNA图案包括对应于注意缺陷多动障碍(ADHD)被注释的至少一个BNA图案。根据本专利技术的一些实施方式，该注释为异常的至少一个BNA图案包括对应于阿尔茨海默氏症(AD)被注释的至少一个BNA图案。根据本专利技术的一些实施方式，该注释为异常的至少一个BNA图案包括对应于轻度认知损害(MCI)被注释的至少一个BNA图案。根据本专利技术的一些实施方式，注释为异常的至少一个BNA图案包括对应于记忆障碍被注释的至少一个BNA图案。根据本专利技术的一些实施方式，该注释为异常的至少一个BNA图案包括对应于疼痛被注释的至少一个BNA图案。根据本专利技术的一些实施方式，至少一个先前注释的BNA图案包括注释的BNA图案的集合。根据本专利技术的一些实施方式，至少一个先前注释的BNA图案是基线注释的BNA图案，其将识别为具有相同大脑障碍的一组对象特征化。根据本专利技术的一些实施方式，至少一个先前注释的BNA图案是基线注释的BNA图本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】2010.01.18 US 61/295,797;2010.02.03 US 61/300,8861.一种分析神经生理学数据的方法，包括：识别数据中的活动相关特征，每个特征均是数据特征的向量；对所述向量进行分类以便提供多个集群；针对至少一对集群，计算从由以下项构成的组中选择的至少一个集群属性：(i)相应集群对中的向量数；(ii)所述相应集群对中的向量数的可变性；(iii)与所述相应集群对的每个集群相关联的时间窗的宽度；(iv)将所述相应集群对分开的延迟差；(v)与所述相应集群对相关联的信号的幅度；(vi)与所述相应集群对相关联的信号的频率；以及(vii)限定所述集群的空间窗口的宽度；构造具有多个节点的大脑网络活动(BNA)图案，所述多个节点分别代表所述多个集群；以及为所述大脑网络活动图案中的每个节点对分配连接性权重，其中，所述连接性权重包括基于所述至少一个集群属性计算的权重指数。2.根据权利要求1所述的方法，其中，对于每个集群，数据特征的每个向量均对应于从不同对象获得的数据。3.根据权利要求1所述的方法，其中，对于每个集群，数据特征的所有向量都对应于从同一对象但响应于不同的刺激所获得的数据。4.一种用于分析对象的神经生理学数据的方法，包括：识别数据中的特征以及特征间关系；将所述特征和所述特征间关系与基准神经生理学数据的特征和特征间关系相比较，以识别所述对象的所述数据中的活动相关特征，每个特征均是数据特征的向量；对所述向量进行分类以便提供多个集群；针对至少一对集群，计算从由以下项构成的组中选择的至少一个集群属性：(i)相应集群对中的向量数；(ii)所述相应集群对中的向量数的可变性；(iii)与所述相应集群对的每个集群相关联的时间窗的宽度；(iv)将所述相应集群对分开的延迟差；(v)与所述相应集群对相关联的信号的幅度；(vi)与所述相应集群对相关联的信号的频率；以及(vii)限定所述集群的空间窗口的宽度；构造具有多个节点的大脑网络活动(BNA)图案，所述多个节点分别代表所述数据特征的向量的所述多个集群；以及为所述大脑网络活动图案中的每个节点对分配连接性权重，所述连接性权重包括基于所述至少一个集群属性计算的权重指数。5.根据权利要求4所述的方法，其中，所述基准神经生理学数据对应于从对象的组或子组中获取的数据。6.根据权利要求4所述的方法，其中，所述基准神经生理学数据对应于先前从同一对象中获取的历史数据。7.根据权利要求4至6中任一项所述的方法，其中，提供所述基准神经生理学数据的所述特征和所述特征间关系作为至少一个先前注释的大脑网络活动图案，其中所述至少一个先前注释的大脑网络活动图案为先前注释的大脑网络活动图案的数据库中的条目。8.根据权利要求7所述的方法，其中，所述方法还包括：针对所述数据库中的每个条目来构造大脑网络活动图案。9.根据权利要求7所述的方法，还包括响应于所述比较，提取关于大脑状况的预后信息。10.根据权利要求7所述的方法，其中，所述至少一个先前注释的大脑网络活动图案包括至少一个被注释为正常的大脑网络活动图案以及至少一个被注释为异常的大脑网络活动图案。11.根据权利要求10所述的方法，还包括：在执行所述对象或概念化执行任务之前、期间和/或之后，从所述对象的大脑获取所述神经生理学数据；以及向所述对象提供关于所述对象的所述大脑网络活动图案与所述先前注释的大脑网络活动图案之间的相似性的反馈。12.根据权利要求10所述的方法，其中，所述被注释为异常的至少一个大脑网络活动图案包括对应于注意缺陷多动障碍(ADHD)被注释的至少一个大脑网络活动图案。13.根据权利要求10所述的方法，其中，所述被注释为异常的至少一个大脑网络活动图案包括对应于阿尔茨海默氏症(AD)被注释的至少一个大脑网络活动图案。14.根据权利要求10所述的方法，其中，所述被注释为异常的至少一个大脑网络活动图案包括对应于轻度认知损害(MCI)被注释的至少一个大脑网络活动图案。15.根据权利要求10所述的方法，其中，所述被注释为异常的至少一个大脑网络活动图案包括对应于记忆障碍被注释的至少一个大脑网络活动图案。16.根据权利要求10所述的方法，其中，所述被注释为异常的至少一个大脑网络活动图案包括对应于疼痛被注释的至少一个大脑网络活动图案。17.根据权利要求7所述的方法，其中，所述至少一个先前注释的大脑网络活动图案包括注释的大脑网络活动图案的集合。18.根据权利要求7所述的方法，其中，所述至少一个先前注释的大脑网络活动图案为将识别为具有相同大脑障碍的一组对象特征化的基线注释大脑网络活动图案。19.根据权利要求7所述的方法，其中，所述至少一个先前注释的大脑网络活动图案为将识别为具有正常大脑功能的一组对象特征化的基线注释大脑网络活动图案。20.根据权利要求7所述的方法，其中，所述至少一个先前注释的大脑网络活动图案包括对应于治疗的大脑相关障碍被注释的至少一个大脑网络活动图案以及对应于未治疗的大脑相关障碍被注释的至少一个基线大脑网络活动图案。21.根据权利要求7所述的方法，其中，至少一个先前注释的大脑网络活动图案的至少两个节点由棱边连接，并且所述构造的大脑网络活动图案的至少两个节点由棱边连接，并且其中，所述至少一个先前注释的大脑网络活动图案是基线注释大脑网络活动图案，该基线注释大脑网络活动图案在相应大脑网络活动图案的(i)秩和/或(ii)大小方面大于构造的大脑网络活动图案，所述秩是所述相应大脑网络活动图案中的节点的数量，并且所述大小是所述相应大脑网络活动图案中的棱边的数量。22.根据权利要求4至6中任一项所述的方法，还包括基于所述连接性权重计算大脑网络活动图案相似性。23.根据权利要求7所述的方法，还包括基于所述连接性权重计算大脑网络活动图案相似性。24.根据权利要求4至6中任一项所述的方法，其中，所述连接性权重包括统计分数，所述统计分数将所述节点对与所述基准神经生理学数据中的对应特征之间的关系特征化，所述关系属于延迟、延迟差、幅度和频率中的至少一个。25.根据权利要求4至6...

【专利技术属性】
技术研发人员：戈德·沙哈弗，阿米特·雷切斯，阿米尔·B·盖瓦，诺加·平丘克，盖依·本巴萨特，阿耶勒特·勘特尔，雷维塔尔·沙尼赫尔什科维奇，罗内恩·加多特，亚基·施特恩，
申请(专利权)人：艾欧敏达有限公司，
类型：
国别省市：