Detección automatizada de estados de sueño y de vigilia.

Un método, que comprende:

obtener datos fuente indicativos de actividad de ondas cerebrales;



realizar una primera normalización para producir datos normalizados, comprendiendo la primera normalización ajustar los datos fuente para incrementar el intervalo dinámico para potencia dentro de al menos un intervalo de frecuencia más elevada de baja potencia del espectro de frecuencia de los datos fuente en comparación con un segundo intervalo de frecuencia más baja de potencia más elevada;

realizar una segunda normalización, aplicándose la segunda normalización a los datos normalizados, para formar datos doblemente normalizados; y

analizar dichos datos doblemente normalizados indicativos de actividad de ondas cerebrales para determinar al menos un parámetro indicativo de estado de sueño a partir de dicho análisis.

Tipo: Patente Internacional (Tratado de Cooperación de Patentes). Resumen de patente/invención. Número de Solicitud: PCT/US2006/018120.

Solicitante: THE SALK INSTITUTE FOR BIOLOGICAL STUDIES.

Nacionalidad solicitante: Estados Unidos de América.

Dirección: INTELL. PROPERTY & TECH. TRANSFER P.O. BOX 85800 SAN DIEGO, CA 92186-5800 ESTADOS UNIDOS DE AMERICA.

Inventor/es: LOW,PHILIP S.

Fecha de Publicación: .

Clasificación Internacional de Patentes:

  • A61B5/00 SECCION A — NECESIDADES CORRIENTES DE LA VIDA.A61 CIENCIAS MEDICAS O VETERINARIAS; HIGIENE.A61B DIAGNOSTICO; CIRUGIA; IDENTIFICACION (análisis de material biológico G01N, p.ej. G01N 33/48). › Medidas encaminadas a establecer un diagnóstico (diagnóstico por medio de radiaciones A61B 6/00; diagnóstico por ondas ultrasónicas, sónicas o infrasónicas A61B 8/00 ); Identificación de individuos.
  • A61B5/048 A61B […] › A61B 5/00 Medidas encaminadas a establecer un diagnóstico (diagnóstico por medio de radiaciones A61B 6/00; diagnóstico por ondas ultrasónicas, sónicas o infrasónicas A61B 8/00 ); Identificación de individuos. › Detección de la distribución de frecuencia en las señales.
  • G06K9/00 SECCION G — FISICA.G06 COMPUTO; CALCULO; CONTEO.G06K RECONOCIMIENTO DE DATOS; PRESENTACION DE DATOS; SOPORTES DE REGISTROS; MANIPULACION DE SOPORTES DE REGISTROS (impresión per se B41J, G01V). › Métodos o disposiciones para la lectura o el reconocimiento de caracteres impresos o escritos o el reconocimiento de formas, p. ej. de huellas dactilares (métodos y disposiciones para la lectura de grafos o para la conversión de patrones de parámetros mecánicos, p.e. la fuerza o la presencia, en señales eléctricas G06K 11/00; reconocimiento de la voz G10L 15/00).

PDF original: ES-2542852_T3.pdf

 


Fragmento de la descripción:

Detección automatizada de estados de sueño y de vigilia Antecedentes Los estados de sueño y otra actividad cerebral han sido analizados habitualmente mediante electroencefalografía o señales de EEG. A medida que una persona se queda dormida, la actividad cerebral es modulada, representando diferentes profundidades y fases de sueño. En una persona típica, los estados de sueño cambian con el tiempo, comenzando en un primer estado de sueño conocido como sueño de ondas lentas o SWS. El SWS presenta actividad de EEG de alta potencia y baja frecuencia. El sueño puede aligerarse a los llamados estados de sueño intermedios. Otro estado de sueño conocido como sueño de movimientos oculares rápidos se caracteriza por una actividad de EEG de potencia más baja.

Los documentos US 2.154.180, US 5.813.993, US 2004/0092809, US 2004/0181162 y US 2005/0043652 desvelan sistemas y métodos para la determinación del estado de sueño, detección de convulsiones, actividad cerebral a través del uso de datos de actividad de las ondas cerebrales.

Las señales de EEG siguen una distribución donde señales de frecuencia más elevada tienen amplitudes más bajas y, por lo tanto, potencia más baja. Esta distribución llamada 1/f significa que las amplitudes más elevadas están presentes a las frecuencias más bajas.

Las señales de EEG para la determinación de la fase del sueño son analizadas convencionalmente usando el método de Rechtschaffen-Kales. Este método puede depender de la puntuación manual de señales de EEG del sueño debido a las limitaciones de frecuencia de baja potencia de las técnicas automatizadas de análisis de señales. El método de Rechtschaffen-Kales puede ser tanto muy poco fiable como requerir tiempo debido a que los desplazamientos estadísticamente significativos a altas frecuencias habitualmente no son detectables por un puntuador humano debido a las muy bajas amplitudes. Además, el método de Rechtschaffen-Kales tiende a tener mala resolución temporal y espacial, no da a conocer todas sus variables, y habitualmente causa bajas tasas de concordancia inter-usuario entre puntuadores tanto manuales como automatizados. Desafortunadamente, métodos de determinación del estado de sueño alternativos, incluyendo clasificadores de red neuronal artificial, habitualmente dependen de múltiples canales y tienden a emular el rendimiento humano, mejorando de este modo el tiempo de determinación sin mejorar drásticamente la calidad.

Sumario La presente solicitud describe normalización de datos indicativos de actividad cerebral para incrementar el intervalo dinámico de información dentro de los datos. La invención se define en las reivindicaciones independientes 1 y 30 y las reivindicaciones dependientes.

Las realizaciones explican el uso de esta información para determinar estados de sueño automáticamente. Se describen otras aplicaciones que evalúan automáticamente la calidad del estado de sueño, afecciones patológicas y efectos de medicamentos.

Breve descripción de los dibujos La figura 1 es un diagrama de bloques de un sistema ilustrativo para determinar información de frecuencia de baja potencia a partir de datos fuente con al menos un intervalo de frecuencia de baja potencia; La figura 2 es un diagrama de flujo que muestra un método ilustrativo para ajustar datos fuente; La figura 3 es un diagrama de flujo que muestra un método ilustrativo para ajustar datos fuente para justificar diferencias de potencia en un espectro de frecuencias a lo largo del tiempo; La figura 4 es un diagrama de bloques de un sistema ilustrativo para determinar información del estado de sueño para un sujeto; La figura 5 es un diagrama de bloques de otro sistema ilustrativo para determinar información del estado de sueño para un sujeto; La figura 6 es un diagrama de flujo que muestra un método ilustrativo para determinar estados de sueño en un sujeto; La figura 7 es un diagrama de flujo que muestra un método ilustrativo para clasificar estados de sueño en un sujeto; La figura 8 es un diagrama de bloques de un sistema ilustrativo para determinar una afección patológica de un sujeto a partir de estados de sueño; La figura 9 es un diagrama de flujo que muestra un método ilustrativo implementado por ordenador para determinar una afección patológica para un sujeto basándose en estado de sueño; La figura 10 es un diagrama de bloques de un sistema ilustrativo para determinar de forma dinámica puntuaciones de sueño personalizadas para un sujeto; La figura 11 es una captura de pantalla de un espectrograma de potencia de frecuencia de datos fuente de EEG

de toda la noche a modo de ejemplo; La figura 12 es una captura de pantalla de los datos fuente de EEG de toda la noche ilustrativos mostrados en la figura 11 después de que se había aplicado una técnica de ajuste a modo de ejemplo; La figura 13 es una captura de pantalla de un marco temporal de dos horas de los datos fuente de EEG de toda la noche ajustados ilustrativos mostrados en la figura 12; La figura 14 es una captura de pantalla de una visualización ilustrativa de bandas de frecuencia de alta y baja potencia dentro del espectrograma EEG de toda la noche mostrado en la figura 12; La figura 15 es una captura de pantalla de un marco temporal de dos horas y cuarenta y cinco minutos de la visualización ilustrativa de bandas de frecuencia de alta y baja potencia dentro del espectrograma de toda la noche mostrado en la figura 14. La figura 16 es una captura de pantalla de una visualización espacial de parámetros pentadimensional ilustrativa del espectrograma EEG de toda la noche de la figura 12; La figura 17 es una captura de pantalla de un marco temporal de dos horas de la visualización espacial de parámetros pentadimensional ilustrativa de la visualización de EEG de toda la noche mostrada en la figura 16; La figura 18 es una captura de pantalla de una visualización ilustrativa de estados de sueño clasificados basándose en datos de espectrograma EEG; La figura 19 es una captura de pantalla de otra visualización ilustrativa de estados de sueño clasificados basándose en datos de espectrograma EEG; La figura 20 es una captura de pantalla de otra visualización ilustrativa más de estados de sueño clasificados basándose en datos de espectrograma EEG; La figura 21 es una captura de pantalla de otra perspectiva de la visualización ilustrativa de estados de sueño clasificados basándose en datos de espectrograma EEG de la figura 20; Las figuras 22, 23, 24 y 25 son capturas de pantalla de espectros canónicos representativos de épocas ponderadas en frecuencia, designados como distintos estados de sueño en un sujeto durante un periodo de tiempo; La figura 26 es una captura de pantalla de un espectro canónico representativo de una época ponderada en frecuencia que presenta un estado de sueño transitorio que tiene características de más de un estado de sueño; La figura 27 es una captura de pantalla de una visualización ilustrativa del grado de separación de secuenciador del sueño que distingue espectros canónicos representativos de un estado de sueño distinto; Las figuras 28, 29, 30, 31 y 32 son capturas de pantalla de visualización ilustrativa de estadísticas de estado de sueño para un sujeto de acuerdo con designaciones de estado de sueño de una o más épocas; La figura 33 es una captura de pantalla de una visualización ilustrativa de estados de anestesia clasificados de un gato anestesiado basándose en datos de espectrograma EEG; La figura 34 es una captura de pantalla de una visualización ilustrativa de estados de sueño clasificados de un sujeto humano basándose en datos de espectrograma EEG; La figura 35 es un diagrama de flujo que muestra otro método ilustrativo más para clasificar estados de sueño en un sujeto que puede implementarse con las tecnologías descritas; La figura 36 es un sistema informático ilustrativo que puede implementarse con las tecnologías descritas; La figura 37 es una captura de pantalla de una visualización ilustrativa de análisis de componentes independientes aplicado sobre un espectrograma normalizado para determinar adicionalmente ventanas de frecuencia apropiadas para extraer información; La figura 38 es una captura de pantalla de una visualización ilustrativa de componentes independientes de la figura 37 a lo largo del tiempo; La figura 39 es una captura de pantalla de un marco temporal de seis horas y media de una visualización espacial de parámetros pentadimensional ilustrativa de bandas de frecuencia de la visualización de EEG de toda la noche de un sujeto humano con Alzheimer; La figura 40 es una captura de pantalla de una visualización ilustrativa de sueño unihemisférico clasificado de un ave; La figura 41 ilustra un diagrama de flujo de funcionamiento de otra realización que usa una normalización doble; Las... [Seguir leyendo]

 


Reivindicaciones:

1. Un método, que comprende:

obtener datos fuente indicativos de actividad de ondas cerebrales; realizar una primera normalización para producir datos normalizados, comprendiendo la primera normalización ajustar los datos fuente para incrementar el intervalo dinámico para potencia dentro de al menos un intervalo de frecuencia más elevada de baja potencia del espectro de frecuencia de los datos fuente en comparación con un segundo intervalo de frecuencia más baja de potencia más elevada; realizar una segunda normalización, aplicándose la segunda normalización a los datos normalizados, para formar datos doblemente normalizados; y analizar dichos datos doblemente normalizados indicativos de actividad de ondas cerebrales para determinar al menos un parámetro indicativo de estado de sueño a partir de dicho análisis.

2. El método de acuerdo con la reivindicación 1, en el que dicho análisis comprende asignar automáticamente los datos doblemente normalizados a uno o más grupos, en el que la asignación a uno o más grupos se usa para determinar el al menos un parámetro.

3. El método de acuerdo con la reivindicación 1, en el que la primera normalización comprende calcular la puntuación Z de los datos.

4. El método de acuerdo con la reivindicación 1, en el que dicha segunda normalización comprende normalizar potencias a lo largo del tiempo.

5. El método de acuerdo con la reivindicación 1, en el que dichas primera y segunda normalizaciones usan, cada una, puntuación Z para la normalización.

6. El método de acuerdo con la reivindicación 1, que comprende además definir una función de discriminación que representa características de dichos datos doblemente normalizados para una pluralidad de estados de sueño diferentes, y usar dicha función de discriminación para determinar un estado de sueño a partir de dichos datos doblemente normalizados.

7. El método de acuerdo con la reivindicación 6, en el que dicha función de discriminación es una función que está en términos de frecuencias que están presentes en intervalos especificados y no presentes en otros intervalos especificados, para definir un estado de sueño.

8. El método de acuerdo con la reivindicación 1, que comprende además caracterizar una frecuencia preferida como una frecuencia que tiene el valor normalizado más elevado en cualquier momento especificado, y analizar la frecuencia preferida para determinar dicho al menos un parámetro.

9. El método de acuerdo con la reivindicación 8, que comprende además definir una función de discriminación en función de la frecuencia preferida, donde una función de discriminación define un estado de sueño en términos de frecuencias que están presentes, y frecuencias que no están presentes.

10. El método de acuerdo con la reivindicación 1, que comprende además analizar una fragmentación de los datos doblemente normalizados y usar la fragmentación como parte de dicho análisis.

11. El método de acuerdo con la reivindicación 1, en el que dicho al menos un parámetro indicativo de estado de sueño comprende un probable estado de sueño correspondiente a un periodo de tiempo actual.

12. El método de acuerdo con la reivindicación 1, en el que dicho al menos un parámetro indicativo de estado de sueño comprende información indicativa de probabilidad de consumo de un fármaco.

13. El método de acuerdo con la reivindicación 1, en el que dicha primera normalización se lleva a cabo usando un ordenador para cambiar los datos.

14. El método de la reivindicación 1, que comprende además eliminar artefactos de los datos fuente.

15. El método de la reivindicación 1, que comprende además: antes de dicha primera normalización, segmentar los datos fuente en una pluralidad de segmentos temporales.

16. El método de la reivindicación 15, en el que la segmentación comprende usar una de una ventana de exploración o una ventana deslizante.

17. El método de la reivindicación 15, en el que la segmentación comprende determinar al menos un incremento de series temporales seleccionado entre el grupo constituido por:

series temporales completas; series temporales solapantes; y series temporales no solapantes.

18. El método de la reivindicación 1, que comprende además; realizar una técnica de clasificación usando el al menos un parámetro para identificar el estado de sueño.

19. El método de acuerdo con la reivindicación 18, que comprende además:

presentar información que identifica el estado de sueño como correspondiente a un periodo de tiempo asociado con los datos.

20. El método de la reivindicación 2, en el que el agrupamiento comprende agrupamiento de k-medias.

21. El método de la reivindicación 18, en el que la técnica de clasificación comprende la aplicación de un análisis de componentes independientes.

22. El método de la reivindicación 18, en el que la técnica de clasificación utiliza estados de sueño determinados de forma manual. 20

23. El método de la reivindicación 18, en el que realizar la técnica de clasificación comprende:

determinar una designación de sueño de ondas lentas a partir de una designación de no sueño de ondas lentas basado al menos en información de baja frecuencia; y 25 determinar una designación de sueño de movimientos oculares rápidos a partir de una designación de no sueño de movimientos oculares rápidos basado al menos en información de alta frecuencia.

24. El método de la reivindicación 18, que comprende además asignar una designación de sueño de ondas lentas a una época de los datos fuente asociados a la que tiene potencia normalizada significativa a bajas frecuencias. 30

25. El método de la reivindicación 18, que comprende además asignar una designación de sueño de movimientos oculares rápidos a una época de los datos fuente asociados a la que tiene potencia normalizada significativa a alta frecuencia.

26. El método de la reivindicación 1, que comprende además aplicar una ventana de suavizado a al menos parte de los datos doblemente normalizados.

27. El método de la reivindicación 1, que comprende además presentar una representación de un resultado del análisis. 40

28. Un método de acuerdo con la reivindicación 10, en el que la fragmentación comprende una fragmentación espectral.

29. Un método de acuerdo con la reivindicación 10, en el que la fragmentación comprende una fragmentación 45 temporal.

30. Un aparato, que comprende un dispositivo informático adaptado para:

recibir datos fuente indicativos de actividad de ondas cerebrales, 50 realizar una primera normalización para producir datos normalizados, comprendiendo la primera normalización ajustar los datos fuente para incrementar el intervalo dinámico para potencia dentro de al menos un intervalo de frecuencia más elevada de baja potencia del espectro de frecuencia de los datos fuente en comparación con un segundo intervalo de frecuencia más baja de potencia más elevada; realizar una primera normalización para producir datos normalizados, aplicándose la primera normalización a al 55 menos parte de los datos transformados, de modo que una primera potencia en los datos fuente transformados que corresponde a un intervalo de frecuencia más elevada se incremente en comparación con una segunda potencia en los datos fuente transformados que corresponde a un intervalo de frecuencia más baja; realizar una segunda normalización, aplicándose la segunda normalización a los datos normalizados, para formar datos doblemente normalizados; y 60 usar dichos datos normalizados indicativos de actividad de ondas cerebrales para determinar al menos un parámetro indicativo de estado de sueño.

31. El aparato de acuerdo con la reivindicación 30, en el que dicho dispositivo informático está adaptado para llevar a cabo dicha primera normalización mediante el cálculo de la puntuación Z de los datos. 65

32. El aparato de acuerdo con la reivindicación 30, en el que dicha segunda normalización comprende normalizar frecuencias a lo largo del tiempo.

33. El aparato de acuerdo con la reivindicación 30, en el que dicho dispositivo informático está adaptado para

funcionar basándose en una función de discriminación que representa características de dichos datos doblemente normalizados para una pluralidad de estados de sueño diferentes, y para usar dicha función de discriminación para determinar un estado de sueño a partir de dichos datos normalizados.

34. El aparato de acuerdo con la reivindicación 33, en el que dicha función de discriminación es una función que está en términos de frecuencias que están presentes en intervalos especificados y no presentes en otros intervalos especificados, para definir un estado de sueño.

35. El aparato de acuerdo con la reivindicación 30, en el que dicho dispositivo informático está adaptado para funcionar para determinar una frecuencia preferida como una frecuencia que tiene un valor normalizado más elevado en cualquier momento especificado, y para analizar la frecuencia preferida para determinar dicho al menos un parámetro.

36. El aparato de acuerdo con la reivindicación 30, en el que dicho dispositivo informático está adaptado para determinar una fragmentación de los datos doblemente normalizados como parte de dicho análisis. 20

37. El aparato de acuerdo con la reivindicación 30, que comprende además un electrodo de ondas cerebrales, conectado para obtener dicha señal.


 

Patentes similares o relacionadas:

Imagen de 'Identificación de vehículo'Identificación de vehículo, del 31 de Octubre de 2019, de QINETIQ LIMITED: Un método para identificar un transmisor alojado en vehículo que emite una señal de interferencia sobre una banda de frecuencia predefinida, comprendiendo el método monitorizar […]

Procedimiento de procesamiento de una señal asíncrona, del 16 de Octubre de 2019, de Sorbonne Université: Procedimiento de reconocimiento de formas en una señal asíncrona producida por un sensor de luz, teniendo el sensor una matriz de píxeles dispuesta frente […]

Procedimiento y dispositivo de desbloqueo por huellas dactilares y terminal de usuario, del 16 de Octubre de 2019, de Guangdong OPPO Mobile Telecommunications Corp., Ltd: Un procedimiento de desbloqueo por huellas dactilares, que comprende: recibir una imagen de huella dactilar parcial, correspondiendo la imagen de huella […]

Procedimiento de vigilancia para la seguridad en el transporte público, del 16 de Octubre de 2019, de Siemens Mobility AG: Procedimiento de vigilancia para la seguridad en el transporte público por medio de una red de cámaras situadas a bordo y junto a la vía (C1, C2, ...; C1', C2', […]

Procedimiento y aparato de control de una interfaz periférica serie de sensor de huellas dactilares, y terminal móvil, del 16 de Octubre de 2019, de Guangdong OPPO Mobile Telecommunications Corp., Ltd: Un procedimiento de control de una interfaz periférica serie de un sensor de huellas dactilares, en donde el sensor de huellas dactilares es uno de un sensor óptico […]

Identificación distintiva de los usuarios y autenticación para el acceso de múltiples usuarios a dispositivos de visualización, del 2 de Octubre de 2019, de KONINKLIJKE PHILIPS N.V: Una interfaz de usuario (20, 20', 20", 20"') para proporcionar identificación de usuario y autenticación de usuarios, comprendiendo la interfaz de usuario: una pantalla […]

Imagen de 'Sistema y método para clasificar unidades foliculares'Sistema y método para clasificar unidades foliculares, del 25 de Septiembre de 2019, de Restoration Robotics, Inc: Método de clasificación para procedimientos de trasplante capilar de una unidad folicular (FU) individual basándose en un número de cabellos en la FU individual, que comprende: […]

Imagen de 'Método y aparato para comprobar neumáticos de rueda de vehículo'Método y aparato para comprobar neumáticos de rueda de vehículo, del 25 de Septiembre de 2019, de NEXION S.p.A: Un método para comprobar los neumáticos en las ruedas de un vehículo que comprende las etapas siguientes: - cuando el vehículo está […]

Utilizamos cookies para mejorar nuestros servicios y mostrarle publicidad relevante. Si continua navegando, consideramos que acepta su uso. Puede obtener más información aquí. .