專利名稱：用于疼痛檢測(cè)和疼痛量化指數(shù)計(jì)算的系統(tǒng)和方法
用于疼痛檢測(cè)和疼痛量化指數(shù)計(jì)算的系統(tǒng)和方法
發(fā)明人歐文'羅伊'約翰，萊斯莉.S'普利凱普和埃米爾'希斯艾格
背景
通常，疼痛測(cè)量基本上是主觀的。也就是說，盡管i會(huì)斷方法(例如， MRI， x-射線，超聲等)提供了精確地確定生理狀態(tài)的數(shù)據(jù)，但疼痛的 測(cè)量幾乎一直是通過要求來自患者的反饋來進(jìn)行。例如，在給予阿片 樣物質(zhì)和/或其他鎮(zhèn)痛藥的情況下，特別是患者自控鎮(zhèn)痛(Patient Controlled Analgesia, PCA)的情況下，客觀測(cè)量患者體驗(yàn)的疼痛是理 想的，以監(jiān)測(cè)，和可能超控(over-ride)不當(dāng)?shù)暮瓦^度的鎮(zhèn)痛管理。因?yàn)?醫(yī)師沒有評(píng)估患者疼痛報(bào)告的客觀方法，急性疼痛以及特別是慢性疼 痛的處理不足是普遍的，會(huì)經(jīng)常發(fā)生，特別是對(duì)外周神經(jīng)系統(tǒng)進(jìn)行常 規(guī)的基于解剖學(xué)的放射研究或常規(guī)的診斷電生理學(xué)研究不能確認(rèn)疼痛 源的情形下。即便在急診部，當(dāng)評(píng)估或治療腿骨折或肩脫臼的患者時(shí)， 醫(yī)務(wù)人員假定所有患者對(duì)類似劑量的反應(yīng)類似，僅基于以往經(jīng)驗(yàn)選擇 鎮(zhèn)痛水平，就可能處理不足或過度。 '
這種客觀評(píng)估的缺乏也不利于患者自控鎮(zhèn)痛(PCA)-經(jīng)由泵靜脈內(nèi) 遞送麻醉藥以控制每小時(shí)輸注劑量的基礎(chǔ)速率以及患者自己每小時(shí)施 予的額外的麻醉藥的劑量和頻率-的調(diào)控。如果基礎(chǔ)和額外的麻醉藥推 注給藥后，患者仍感疼痛，必須上調(diào)泵參數(shù)。這一過程需要經(jīng)過訓(xùn)練 的護(hù)理人員的關(guān)注以及醫(yī)師的指示，可能會(huì)導(dǎo)致不合宜的延遲和PCA 被調(diào)整合適前不必要的疼痛，此外，主要依賴患者對(duì)疼痛報(bào)告這一點(diǎn) 使患者有機(jī)會(huì)操縱醫(yī)師以獲得超出需要的疼痛藥物治療。
因?yàn)閯?dòng)物不能提供主觀的疼痛程度的評(píng)估，它們不舒服的程度只 能通過注意它們的行為變化(例如，跛行)來推測(cè)，所以對(duì)它們來i兌， 疼痛的客觀測(cè)量特別有價(jià)值。
除醫(yī)學(xué)應(yīng)用外，量化的參考數(shù)據(jù)在需要客觀評(píng)估疼痛程度的任何 情況下(例如，訴訟、保險(xiǎn)和殘疾索賠)都是重要的。
8t者如正電子發(fā)射斷層成^象(Positron Emission Tomography, PET)、 單光子發(fā)射計(jì)算才幾斷層成l象(Single Photon Emission Computed Tomography" SPECT)、功能磁共振成像(Functional Magnetic Resonance Imaging, fMRI)的腦成像方法有時(shí)用于輔助理解在患急性的、用實(shí)驗(yàn)方 法產(chǎn)生的以及較不常見的、慢性疼痛的個(gè)體中的疼痛處理機(jī)制。諸如 LORETA (Pascual-Marqui et al 1999)的低分辨率qEEG腦成^象方法可以 用于提供關(guān)于參與處理各種類型的急性和/或慢性疼痛的腦區(qū)域的生 理信息，以及治療對(duì)這些區(qū)域生理活動(dòng)的影響，但沒有提供疼痛的客 7見測(cè)量。
發(fā)明概述
本發(fā)明涉及檢測(cè)疼痛的系統(tǒng)和方法。該方法包括下述步驟生成 基于實(shí)驗(yàn)對(duì)象的腦波活動(dòng)的腦波數(shù)據(jù)，將所述腦波數(shù)據(jù)與參考數(shù)據(jù)進(jìn) 行比較以生成結(jié)果數(shù)據(jù)，以及確定作為結(jié)果數(shù)據(jù)的函數(shù)的該實(shí)驗(yàn)對(duì)象 體驗(yàn)的疼痛的存在。所述參考數(shù)據(jù)對(duì)應(yīng)下述的至少一種(i)群體常模 性數(shù)據(jù)(populationnormative data),表示第一群個(gè)體無疼痛時(shí)的腦波活 動(dòng)，(ii)群體參考數(shù)據(jù)(population reference data),表示第二群個(gè)體在應(yīng) 答施予他們的疼痛事件時(shí)產(chǎn)生的腦波活動(dòng)，(iii)自身常模性數(shù)據(jù)(self normative data),表示所述實(shí)-險(xiǎn)對(duì)象無疼痛時(shí)的腦波活動(dòng)，以及(iv)主 觀性群體參考數(shù)據(jù)(subjective population reference data),表示第三群個(gè) 體在凈艮告疼痛感覺時(shí)的腦波活動(dòng)。正如本領(lǐng)域」技術(shù)人員所理解的，從 其獲取數(shù)據(jù)的多群個(gè)體可以彼此完全分離或者部分或完全重疊。此外， 本領(lǐng)域的技術(shù)人員會(huì)理解，基于個(gè)體或患者疼痛報(bào)告的任何數(shù)據(jù)可以 是對(duì)這一信息提示的反應(yīng)或者是自發(fā)地提供的。
附圖筒要說明


圖1顯示了本發(fā)明所述的用于檢測(cè)疼痛的系統(tǒng)的示例性實(shí)施方案。
圖2顯示了本發(fā)明所述的疼痛評(píng)估算法的示例性實(shí)施方案的流程圖。圖3顯示了聚類分析程序的示例性實(shí)施方案的流程圖，該程序用
于建立疼痛評(píng)估算法中使用的聚類分析模塊(module)。
圖4顯示了判別分析(discriminant analysis)程序的示例性實(shí)施方案 的流程圖，該程序用于建立疼痛評(píng)估算法的 一個(gè)實(shí)施方案中使用的判 別分析模塊。以及
詳細(xì)描述
結(jié)合下面的說明和附圖可以進(jìn)一步理解本發(fā)明，其中為類似的元 素提供相同的參照數(shù)碼(reference numerals)。本發(fā)明描述了通過分析從 腦電圖(EEG)采集的腦波數(shù)據(jù)4企測(cè)疼痛的系統(tǒng)和方法。本領(lǐng)域的技術(shù) 人員會(huì)理解，可以以與本文描述的相似的方式處理與腦活動(dòng)相關(guān)的其 他類型的數(shù)據(jù)以得到相似的結(jié)果。因此，EEG的描述和EEG特征的 具體描述是用于說明本發(fā)明的示例性實(shí)施方案，不應(yīng)理解為限制本發(fā) 明的范圍。例如，可以測(cè)量和量化對(duì)疼痛敏感的任一片幾體系統(tǒng)的活動(dòng) (例如，自主神經(jīng)系統(tǒng)，發(fā)汗或皮膚電反應(yīng)(GSR)，眼睛流淚，前額上 的肌肉-額肌、輪匝肌、眼睛周圍皮膚的收縮等)以確定個(gè)體是否正體 驗(yàn)疼痛。此外，可以利用對(duì)任一腦區(qū)域的神經(jīng)元和/或代謝活動(dòng)的量敏 感的其他分析形式，例如，肌電圖(electromyogram， EMG)、腦磁圖 (magnetoencephalogram， MEG)、功能石茲共振成虧象(fMRI)、近紅夕卜光i普 (NIRS)或其他光學(xué)斷層成像方法(例如，SPECT)等。
盡管結(jié)合人類實(shí)驗(yàn)對(duì)象詳述了本發(fā)明，本領(lǐng)域的技術(shù)人員會(huì)理解， 可以利用基本類似的方法從動(dòng)物獲得同樣的結(jié)果。具體地，根據(jù)解剖 差異進(jìn)行調(diào)整后，可以對(duì)諸如馬、貓、狗等哺乳動(dòng)物進(jìn)行與所述對(duì)人 的分析類似的分析。最初，這種動(dòng)物分析可能更普遍是通過比較疼痛 開始前后(例如，外科手術(shù)前后)的個(gè)體腦活動(dòng)，應(yīng)用自身標(biāo)準(zhǔn)，而不 是將實(shí)驗(yàn)對(duì)象的腦活動(dòng)與群體數(shù)據(jù)相比。然而，本領(lǐng)域的技術(shù)人員可
同的方式進(jìn)行匯編。
正如本領(lǐng)域技術(shù)人員所理解的，腦電圖(EEG)通過測(cè)量腦產(chǎn)生的電信號(hào)的強(qiáng)度和模式來檢測(cè)神經(jīng)生理活動(dòng)。電信號(hào)的自發(fā)振蕩通常稱
為腦波或EEG。 EEG記錄自發(fā)振蕩的電信號(hào)和其他的電活動(dòng)(例如，"噪 聲(noise)"或非腦來源的電活動(dòng)，由感官刺激引發(fā)的瞬時(shí)電位，例如， 事件相關(guān)電位(ERPs)等)。EEG通常用于輔助i貪斷兒童和成人的癲癇 癥、占位性病變、神經(jīng)和精神病癥以及腦功能的其他異常。
在示例性實(shí)施方案中，對(duì)應(yīng)腦活動(dòng)的數(shù)據(jù)(例如，EEG)用于^r測(cè) 和量化實(shí)驗(yàn)對(duì)象體驗(yàn)的疼痛。通過比較實(shí)驗(yàn)對(duì)象的EEG數(shù)據(jù)和一個(gè)或 多個(gè)數(shù)據(jù)庫中的數(shù)據(jù)，對(duì)疼痛存在和缺乏時(shí)產(chǎn)生的腦波差異以及指示 不同疼痛程度的差異進(jìn)行統(tǒng)計(jì)學(xué)評(píng)估。例如，可以將實(shí)驗(yàn)對(duì)象的EEG 數(shù)據(jù)與表示對(duì)照群體的正常腦波活動(dòng)的常模性數(shù)據(jù)比較，所述對(duì)照群 體由與該實(shí)驗(yàn)對(duì)象基本類似的個(gè)體(例如，年齡、性別等)組成。例如， 在通過增加的量化刺激引'入的不同程度的疼痛存在下，進(jìn)一步將實(shí)驗(yàn) 對(duì)象的EEG數(shù)據(jù)與表示對(duì)照群體的腦波活動(dòng)的比例(caled)或"校準(zhǔn)的" 參考數(shù)據(jù)比較。數(shù)據(jù)庫還可以包括表示疼痛存在或缺乏時(shí)實(shí)驗(yàn)對(duì)象腦 波活動(dòng)的自身常模性數(shù)據(jù)，和/或從對(duì)照群體收集的自我報(bào)告參考數(shù) 據(jù)，這些數(shù)據(jù)表示該群體內(nèi)的個(gè)體主觀報(bào)告疼痛存在(例如，急性、慢 性疼痛)時(shí)的腦波活動(dòng)。數(shù)據(jù)庫還可以包括群體中的個(gè)體和/或所述實(shí) 驗(yàn)對(duì)象的病史和身體的和/或神經(jīng)學(xué)檢查結(jié)果。本領(lǐng)域的技術(shù)人員會(huì)理 解，術(shù)語數(shù)據(jù)庫不是用于指代某一特定數(shù)據(jù)結(jié)構(gòu)。而應(yīng)該被廣義地理 解為包括存在于任何類型存儲(chǔ)器的任何可檢索的數(shù)據(jù)記錄的集合。
本發(fā)明涉及用于4企測(cè)、量化和成像疼痛的系統(tǒng)和方法，即疼痛量 化指數(shù)/圖像(Pain Quantification Index/Image)。該方法包括下述步驟 從由定位于實(shí)—驗(yàn)對(duì)象的頭皮和前額上標(biāo)準(zhǔn)位置的不同數(shù)目的電才及記錄 的腦電活動(dòng)中提取定量腦電圖(quantitative electroencephalograph, qEEG)特征，將腦波數(shù)據(jù)與年齡適當(dāng)?shù)某ＤＰ詳?shù)據(jù)比較以生成標(biāo)準(zhǔn)的 或Z-得分的結(jié)果數(shù)據(jù)，以及確定作為結(jié)果數(shù)據(jù)的函數(shù)的實(shí)驗(yàn)對(duì)象體驗(yàn) 的疼痛的存在和/或持續(xù)性和/或強(qiáng)度。數(shù)據(jù)庫對(duì)應(yīng)下述的至少一種(i) 群體常模性數(shù)據(jù)，表示第一群個(gè)體無疼痛時(shí)的腦波活動(dòng)，(ii)群體參考 數(shù)據(jù)，表示第二群正常個(gè)體在應(yīng)答施予所述個(gè)體的 一 系列校準(zhǔn)的疼痛 時(shí)產(chǎn)生的腦波活動(dòng)，(iii)主觀性群體參考數(shù)據(jù)(慢性和急性的)，表示第
ii活動(dòng)；以 及(iv)參考數(shù)據(jù)群(population of reference data)(慢性和急性例)，反映第 四群個(gè)體在干預(yù)后的腦波活動(dòng)，所述干預(yù)已經(jīng)改變了他們對(duì)疼痛主觀
報(bào)告的陳述。
結(jié)果數(shù)據(jù)可以用于腦內(nèi)異常qEEG活動(dòng)最可能的神經(jīng)解剖產(chǎn)生部 位的來源定位，所述異常qEEG活動(dòng)通過PDI在頭皮上檢測(cè)。低分辨 率電磁斷層成像分析(Low Resolution Electromagnetic Tomographic Analysis, Pascual-Marqui et al 1999)、可變分辨率電；茲斷層成l象分對(duì)斤 (Variable Resolution Electromagnetic Tomographic Analysis, Bosch-Bayard et al 2001)或類似的方法是用于顯現(xiàn)這些來源的逆向求 解#支術(shù)(inverse solution techniques)的示例?；诤涂寺蔒RI圖i普 (Probabilistic MRI Atlas， Evans et al 1993)的4黃斷層、矢狀層或冠狀層圖 示計(jì)算的來源，使用調(diào)色板顏色編碼各腦區(qū)域的每一體素(voxel)以表 現(xiàn);險(xiǎn)測(cè)的來源的統(tǒng)計(jì)學(xué)意義。這些LORETA圖^象可以通過4義器來計(jì) 算，所述儀器使用按照國際10/20電極放置系統(tǒng)(International 10/20 Electrode Placement System, Jasper 1958);故置在頭皮上的合適電才及排 列并執(zhí)行來自由個(gè)人臺(tái)式電腦或筆記本控制和分析的一組數(shù)字放大器 的所有計(jì)算。
圖1顯示了本發(fā)明用于檢測(cè)疼痛的系統(tǒng)1的示例性實(shí)施方案。該 系統(tǒng)1包括疼痛檢測(cè)儀器(PDI) 16，其提供對(duì)實(shí)驗(yàn)對(duì)象20在給定時(shí)間 體驗(yàn)的疼痛的客觀的證實(shí)，以及任選的量化。在示例性實(shí)施方案中， 應(yīng)用的PDI 16為用于臨床和非臨床情形下的輕便手提式設(shè)備。在后一 情形的實(shí)例中，EMT或本領(lǐng)域其他醫(yī)療人員可以利用PDI 16沖全測(cè)和/ 或量化實(shí)驗(yàn)對(duì)象體驗(yàn)的疼痛以便，例如，確定合適的疼痛管理策略， 或結(jié)合觸it等輔助作出初診。可以將通過例如比較實(shí)驗(yàn)對(duì)象的EEG凄史 據(jù)與疼痛量化指數(shù)量化的疼痛記錄在患者檔案、工作相關(guān)創(chuàng)傷的雇主
檔案等中以便將來參考。本領(lǐng)域的技術(shù)人員會(huì)理解，可以在其他多種 情形下使用PDI 16，這些情形包括，但不限于急性和/或慢性疼痛的管 理、康復(fù)治療、治療處方、治療功效的評(píng)估、監(jiān)測(cè)或調(diào)控包括患者自 控鎮(zhèn)痛(PCA)遞送在內(nèi)的對(duì)患者鎮(zhèn)痛藥的遞送、區(qū)分疼痛的水平、通過合適的神經(jīng)反饋模式減弱疼痛等。
PDI 16與電極8連接以接收對(duì)應(yīng)于實(shí)驗(yàn)對(duì)象20的腦活動(dòng)的電數(shù)據(jù)。相似的電極;改置可以用于記錄SEP或EEG。以il"如國際10/20電極放置系統(tǒng)(Jasper 1958)的標(biāo)準(zhǔn)排列，或者以選擇的頭、前額或頰上的有利位置放置電極。定量分析電數(shù)據(jù)以生成數(shù)字定量EEG (qEEG)數(shù)據(jù)和/或定量體感誘發(fā)電位(qSEP)數(shù)據(jù)，然后將其與數(shù)據(jù)庫6中的參考數(shù)據(jù)比較。正如本領(lǐng)域技術(shù)人員理解的，數(shù)據(jù)庫6可以儲(chǔ)存在PDI16內(nèi)的存儲(chǔ)器內(nèi)或者可以經(jīng)由無線或有線連接從例如遠(yuǎn)程存儲(chǔ)器獲取。可選擇地，數(shù)據(jù)庫6的部分可以本地-賭存而其〗也部分/人一個(gè)或多個(gè)遠(yuǎn)程區(qū)獲取。如下文更詳細(xì)的描述，數(shù)據(jù)庫6中的參考數(shù)據(jù)對(duì)應(yīng)從下述個(gè)體檢測(cè)到的腦波數(shù)據(jù)(i)正體驗(yàn)從無疼痛到極度疼痛的不同程度疼痛(沖交準(zhǔn)的疼痛標(biāo)準(zhǔn))的個(gè)體，疼痛由實(shí)驗(yàn)確定并在下文作了進(jìn)一 步說明；(ii)在無疼痛時(shí)觀察到的具有急性或慢性疼痛的個(gè)體(實(shí)驗(yàn)對(duì)象20)(自身參考標(biāo)準(zhǔn))；和/或(iii)自我報(bào)告疼痛(急性的或慢性的)的個(gè)體。實(shí)驗(yàn)
4可疼痛的量化。EEG凄t據(jù)和/或SEP數(shù)據(jù)的變化可以與數(shù)據(jù)庫6中的條件(condition)相關(guān)。例如，在疼痛治療方案/程序中，將治療前后的實(shí)驗(yàn)對(duì)象的腦波數(shù)據(jù)與參考數(shù)據(jù)比較可以用于量化所述治療或程序的神經(jīng)生物學(xué)功效，和/或指導(dǎo)另外的治療。
在構(gòu)建數(shù)據(jù)庫6的過程中，可以針對(duì)群體中的每一個(gè)體生成EEG和/或SEP,且分析EEG和SEP以生成參考數(shù)據(jù)。例如，可以分析靜息EEG和/或SEP以提取與個(gè)體的主觀性疼痛(及相應(yīng)的強(qiáng)度和/或持續(xù)性)報(bào)告相關(guān)的特征。如本領(lǐng)域技術(shù)人員理解的，EEG功率譜中的峰反映電極8抽樣的腦區(qū)域內(nèi)不同神經(jīng)元集合的自發(fā)活化。SEP的波形中的連續(xù)峰對(duì)應(yīng)于對(duì)施予實(shí)驗(yàn)對(duì)象20的刺激相關(guān)的信號(hào)經(jīng)過神經(jīng)系統(tǒng)連續(xù)的解剖區(qū)域，例如，內(nèi)側(cè)丘系通路結(jié)構(gòu)時(shí)的處理。EEG功率i普的形狀和/或SEP中的峰的時(shí)限(timing)(例如，潛伏期)提供了關(guān)于神經(jīng)系統(tǒng)功能和通過神經(jīng)元傳遞通路的信號(hào)處理的信息。
具體地，當(dāng)從頭皮特定部位記錄時(shí)，功率的明顯變化可能發(fā)生在EEG功率譜的特定頻率，在優(yōu)選的示例性實(shí)施方案中所述頭皮特定部位為前額葉背外側(cè)導(dǎo)聯(lián)、前額葉框周(periorbital prefrontal)導(dǎo)聯(lián)、扣帶 回前部(anterior cingulate gyrus)上方的內(nèi)俯J額葉(mesial frontal)導(dǎo)耳關(guān)，7于
活動(dòng)來自到達(dá)對(duì)應(yīng)疼痛感覺的皮層區(qū)的急性或慢性疼痛感覺輸入。這 種對(duì)疼痛的明顯反應(yīng)/人凄t據(jù)庫6提取，并用于定義構(gòu)成"qEEG疼痛判 別函數(shù)(discriminant function), Pl"的關(guān)鍵特征集的"qEEG疼痛標(biāo)簽 (pain signature)"。
可以以才莫擬或數(shù)字形式記錄EEG數(shù)據(jù)。正如本領(lǐng)域技術(shù)人員理解 的，如果以模擬形式記錄所述數(shù)據(jù)，則該數(shù)據(jù)是數(shù)字化的，并且隨后 可以進(jìn)行人為操作或任何其他確保質(zhì)量的程序。隨后，從質(zhì)量合格的 數(shù)字?jǐn)?shù)據(jù)中提取選擇的特征集。簡(jiǎn)而言之，從獲得的全部數(shù)據(jù)集中提 取與體驗(yàn)的疼痛的評(píng)估特別相關(guān)的來自qEEG數(shù)據(jù)的選定特征集，并 與包括下述至少一個(gè)在內(nèi)的參考數(shù)據(jù)比較(i)群體常模性數(shù)據(jù)，表示 個(gè)體無疼痛時(shí)的腦波活動(dòng)，(ii)群體參考數(shù)據(jù)，表示個(gè)體在應(yīng)答施予他 們的疼痛事件時(shí)產(chǎn)生的腦波活動(dòng)，(iii)主觀性群體參考數(shù)據(jù)(subjective population reference data),表示個(gè)體在才艮告疼痛感覺時(shí)的腦波活動(dòng)， 以及(iv)參考數(shù)據(jù)群，表示個(gè)體在改變主觀疼痛報(bào)告的干預(yù)后的腦波活 動(dòng)。之后，分別在步驟130和135中，針對(duì)提取的特征計(jì)算單變量或 多變量(例如，馬氏距離(Mahalanobis distance))數(shù)據(jù)特征，并且在適當(dāng) 的情形下轉(zhuǎn)化這些特征以獲得正態(tài)高斯分布。正如本領(lǐng)域技術(shù)人員可 以理解的，變化的真實(shí)值或差異分?jǐn)?shù)可以交替作為標(biāo)準(zhǔn)，不需這些轉(zhuǎn) 化或獲得標(biāo)準(zhǔn)分?jǐn)?shù)。
例如，在提取選定特征集程序的第一步中，使用ANOVAS和其 他統(tǒng)計(jì)學(xué)方法以在外部qEEG數(shù)據(jù)庫內(nèi)檢出特征"A"(或其他標(biāo)準(zhǔn)值)， 所述特征在感興趣的兩組或更多組(諸如體檢疼痛的個(gè)體與無疼痛的 個(gè)體比較)之間有顯著的差異。然后，來自第一步的結(jié)果，即特征"A" 的集合被輸入到諸如多重逐步判別函數(shù)的分類器函數(shù)(classifier function)，其結(jié)果(a)本身作為分類器函數(shù)被隨后考慮為疼痛評(píng)估策略 的部分和/或(b)用于簡(jiǎn)化特征數(shù)目得到更敏感的特征"B"集合以進(jìn)入可 能包括，例如，聚類分析的下一步驟。輸入特征"B"集合進(jìn)行聚類分析，
14其結(jié)果(a)本身作為分類器函數(shù)被隨后考慮為疼痛評(píng)估策略的部分和/ 或(b)用于簡(jiǎn)化特征數(shù)目得到更敏感的特征"C"集合,其可以單獨(dú)使用或 與特征"A"或"B"集合組合作為邏輯回歸(logistic regression)的輸入。類 似地，可以使用神經(jīng)網(wǎng)絡(luò)，其接收從qEEG數(shù)據(jù)提取的大的未經(jīng)選擇 的特征集作為輸入并輸出簡(jiǎn)化的特征"D"集合，所述簡(jiǎn)化的特征"D"集 合本身作為分類器函數(shù)可以隨后被考慮為疼痛評(píng)估策略的部分和/或
用于簡(jiǎn)化特征數(shù)目以得到更敏感的特征集，其與特征"A"的集合和/或 特征"B"的集合和/或特征"C"的集合組合輸入邏輯回歸?？蛇x擇地，正 如本領(lǐng)域技術(shù)人員所理解的，單一的分類器函數(shù)可以用于評(píng)估感覺到 疼痛的可能性，且可以將來自單一分類器函數(shù)的結(jié)果與來自數(shù)據(jù)庫的 數(shù)據(jù)比較以確定疼痛存在與否以及其強(qiáng)度和/或類型。
此后，如下文將更詳細(xì)地描述的，將數(shù)據(jù)輸入一個(gè)或多個(gè)分類器
的個(gè)體亞組在統(tǒng)計(jì)學(xué)上關(guān)聯(lián)起來。本領(lǐng)域的技術(shù)人員會(huì)理解，可以利 用代表相似數(shù)據(jù)或其他預(yù)先確定的標(biāo)準(zhǔn)的查找表或其他結(jié)構(gòu)來取代所 述數(shù)據(jù)庫。通過將諸如回歸的決策分類器函數(shù)應(yīng)用到個(gè)體數(shù)據(jù)，可以 確定個(gè)體^皮恰當(dāng)?shù)胤值骄哂写_定程度和/或類型的疼痛的組內(nèi)的統(tǒng)計(jì) 學(xué)可能性?；貧w模塊(優(yōu)選實(shí)施方案是邏輯回歸)符合普通的斜率累積 模型，其是基于應(yīng)答類別(response categories)的累積概率而不是個(gè)體概 率的平行線回歸模型?？紤]進(jìn)n個(gè)個(gè)體的k個(gè)預(yù)測(cè)變量，所述模型為 Log [p,/l陽； J = a +似7++…。
這一等式應(yīng)用到個(gè)體，并作出疼痛評(píng)估，所述等式事先已經(jīng)基于 包括耐受不同量/類型的疼痛的個(gè)體和實(shí)驗(yàn)對(duì)象的數(shù)據(jù)庫驗(yàn)證過。本領(lǐng) 域的技術(shù)人員會(huì)理解，在其它實(shí)施方案中，出于評(píng)估疼痛的目的，可 以將任一或組合的判別函數(shù)、聚類算法、神經(jīng)網(wǎng)絡(luò)和/或其他分類器函 數(shù)應(yīng)用于該數(shù)據(jù)。
本領(lǐng)域的技術(shù)人員會(huì)理解，盡管下文描述的疼痛評(píng)估算法180的 示例性實(shí)施方案明確地公開了利用聚類分析模塊400、判別分析模塊 500和邏輯回歸模塊這樣的順序的步驟，本發(fā)明的疼痛評(píng)估算法可以 包括處于任何特定順序的這些4莫塊的某些或全部。此外，通過各種其他分類器模塊，諸如通過使用神經(jīng)網(wǎng)絡(luò)獲得的規(guī)則也可以并入疼痛評(píng) 估算法180以生成對(duì)患者預(yù)期認(rèn)知下降的預(yù)測(cè)。此外，正如本領(lǐng)域技 術(shù)人員理解的，對(duì)數(shù)據(jù)庫進(jìn)行任一或全部改變和分類器算法的改良、
完善或?qū)淼?，疼痛評(píng)估算法180利用的所有模塊可以重新導(dǎo)出
和/或改進(jìn)。然而，在優(yōu)選的實(shí)施方案中，邏輯回歸是這一程序的最后
步驟。例如，如圖2所示，在步驟1 (200)中，將選擇的特征輸入到諸 如例如判別函數(shù)的分類程序中，以確定兩種或多種程度的疼痛的相對(duì) 概率。也可以將該分析中確定的特征集輸入到諸如聚類分析和/或邏輯 回歸的其他分類器函數(shù)。
例如，在步驟2(210)中，將選擇的特征輸入到諸如例如聚類分析 的分類程序中，以確定實(shí)-瞼對(duì)象體驗(yàn)疼痛的相對(duì)概率，其對(duì)應(yīng)于反映 不同程度和/或類型的疼痛的兩個(gè)或更多個(gè)聚類的概率。這一分析中確 定的特征集可以用作諸如判別分析的其他分類器函數(shù)和/或邏輯回歸 的選擇的輸入。
然后，在步驟N(220)中，將選擇的特征輸入到例如，諸如回歸和 /或邏輯回歸的分類程序中以確定兩種或更多種狀態(tài)的疼痛的相對(duì)概 率。這一分析中確認(rèn)的特征集也可以用作諸如聚類分析和/或判別函數(shù) 的其他分類器函數(shù)的選擇的輸入。
此后，如本領(lǐng)域技術(shù)人員理解的，在步驟230中，使用接受者操 作特性(Receiver Operating Characteristic (ROC))曲線將由步驟N的分 類器函數(shù)計(jì)算的概率分?jǐn)?shù)換算為可信度。使用靈敏度對(duì)特異性的圖， 可以確定對(duì)應(yīng)于不同P水平的積克率(諸如0.10, 0.05， 0.01等)。如本領(lǐng)i或 技術(shù)人員可以理解的，當(dāng)利用多個(gè)分類器函數(shù)的計(jì)算結(jié)果做出疼痛評(píng) 估時(shí)，可以在步驟240中使用"投票策略(votingstrategy)"將它們結(jié)合。 此外，疼痛評(píng)估算法可以利用另外的數(shù)據(jù)(例如，關(guān)于先前存在的狀態(tài)、 臨床史/臨床癥狀，神經(jīng)生物學(xué)或遺傳信息的數(shù)據(jù))以進(jìn)一步改進(jìn)疼痛 評(píng)估。
"QSEP疼痛標(biāo)簽(pain signature)"以類似的方式從介導(dǎo)疼痛感覺的 腦區(qū)域的記錄中導(dǎo)出，所述疼痛標(biāo)簽反映為患者SEP的振幅、峰潛伏 期或峰之間的間隔、選擇的潛伏點(diǎn)之間的SEP下的面積、選擇的形態(tài)描述符或神經(jīng)解剖分布的變化，所述患者SEP由不同的校準(zhǔn)強(qiáng)度的恒 定電流或紅外激光脈沖經(jīng)校準(zhǔn)的刺激誘發(fā)的。這些刺激被遞送到身體 表面的特定位置(例如，手腕的正中神經(jīng))或可以直接遞送到與被報(bào)告
疼痛最嚴(yán)重的區(qū)域最接近的皮區(qū)或身體表面區(qū)域。在這種應(yīng)用中，SEP
波形可以與校準(zhǔn)的常模性數(shù)據(jù)庫定量比較，或者，如果疼痛是單側(cè)的
或以另外的方式局部化的，通過與罹患部位的刺激誘發(fā)的SEPs相對(duì) 于相應(yīng)的或同倫的非罹患的對(duì)應(yīng)側(cè)或?qū)φ諈^(qū)域比較?？梢允褂枚喾N數(shù) 學(xué)技術(shù)，諸如獨(dú)立的組分分析(ICA)、主要的組分分析(PCA)或區(qū)域或 刺激條件或強(qiáng)度之間的t-沖企驗(yàn)進(jìn)行定量的SEP分析(qSEP)以將SEP分 解為定量描述符和將實(shí)驗(yàn)對(duì)象的SEP描述符值與常模性描述符值比 較，所述常模性描述符值獲自與上述針對(duì)qF,EG描述的那些類似的常 模性或疼痛參考數(shù)據(jù)庫。疼痛標(biāo)簽的要素用作"qSEP疼痛判別函數(shù). P2"的變量。
qEEG和/或qSEP用于4僉測(cè)實(shí)^r對(duì)象腦波中的疼痛相關(guān)的活動(dòng)， 以一個(gè)或多個(gè)參數(shù)表示。在qEEG中，參數(shù)可以包括，但不限于特定 寬帶頻域(例如，S, ^a,/3,7)的功率，或者使用在腦預(yù)先選擇的部分中 的極窄帶(VNB)譜分析量化的某特定頻率中的功率，在腦預(yù)先選定部 分之間的任一寬頻帶或VNB頻帶中的功率的一致性和/或不對(duì)稱性。 在qSEP中，參數(shù)可以包括腦預(yù)先選定部分中的潛伏期、振幅和/或任 一峰下面積，總SEP的一致性和/或不對(duì)稱性和/或來自腦的4壬4可成對(duì) 的相應(yīng)部分(腦兩半3求之間)的個(gè)別峰，同一半J求(半球內(nèi))上的任何成對(duì) 電極之間的功率比或不同步性。在分析qEEG和/或qEEG時(shí)，可以生 成腦內(nèi)電流源的三維圖像，且參數(shù)可以包括在選擇的腦內(nèi)體素的任一 頻率處的功率和/或電流和/或Z-分?jǐn)?shù)，或者與SEP波形的分析歷元 (analysis epoch)中的特定峰潛伏期或潛伏間隔期相關(guān)。
如圖l所示，PDI 16與應(yīng)用到實(shí)—瞼對(duì)象20的頭皮的一個(gè)或多個(gè) EEG電極8偶聯(lián)，所述實(shí)驗(yàn)對(duì)象正在任一選擇的配置(例如，10/20系 統(tǒng))中被分析疼痛的存在。當(dāng)構(gòu)建數(shù)據(jù)庫6時(shí)，電極8與群體中的個(gè)體 的頭皮連接。本領(lǐng)域的技術(shù)人員會(huì)理解，任何常規(guī)的EEG生物傳感器 電極可以與本發(fā)明聯(lián)用，且電極8可以是可重復(fù)使用的或一次性的。例如，電才及8可以是預(yù)l交化的、自粘式 一 次性電才及。可選4奪地，電^f及 8可以有多個(gè)小倒鉤、針電極或臨時(shí)附著到頭皮的導(dǎo)電圓盤。電極8 也可以利用導(dǎo)電膠體提供對(duì)頭皮的迅速和安全的附著，同時(shí)限制由電
極8返回的電信號(hào)中的干擾噪聲。在其他示例性實(shí)施方案中(例如，手 提系統(tǒng))，電極8可以與放置于實(shí)驗(yàn)對(duì)象20的頭上的帽狀物連接，所 述帽狀物適應(yīng)將電極8置于相對(duì)于頭皮的任何選擇的配置 (configuration)。所述帽狀物可以使電極8在非臨床環(huán)境下方便地放置， 并減少了與電極8附著到頭皮相關(guān)的問題。在另 一示例性實(shí)施方案中， 電極8可以包含在陣列中自粘式材料條中。因此，PDI16可以被配置 為接收來自任何數(shù)目和/或類型生物傳感器電極的數(shù)據(jù)，以及被配置為 分離電極8組的數(shù)據(jù)，/人而允許，例如，在醫(yī)院病床上、神經(jīng)創(chuàng)傷ICU、 多醫(yī)院創(chuàng)傷網(wǎng)絡(luò)等中例如多個(gè)患者的同時(shí)使用。在這一實(shí)施方案中， 凄史據(jù)庫6可以由幾個(gè)實(shí)體同時(shí)組成。電極8可以通過有線或無線連4妻 與PDI 16連結(jié)。使用有線電極，導(dǎo)聯(lián)可以將信號(hào)從電才及8傳遞到PDI 16，而用無線電極，無線電頻率信號(hào)利用無線電頻率發(fā)射器可以將信 號(hào)傳遞到PDI 16。 PDI 16包括接收裝置(例如，電纜連接器、無線電頻 率接收器)來接收來自電極8的信號(hào)。因?yàn)镻DI 16可以被配置為接收 來自多個(gè)實(shí)驗(yàn)對(duì)象上的電極的信號(hào)，系統(tǒng)l可以在多張病床、神經(jīng)創(chuàng) 傷ICU、多醫(yī)院創(chuàng)傷網(wǎng)絡(luò)等應(yīng)用。刺激器13可以(通過連接器)與PDI 16 連結(jié)或整合，例如，當(dāng)監(jiān)測(cè)SEP和/或構(gòu)建數(shù)據(jù)庫6時(shí)。刺激器13可 以將一個(gè)或多個(gè)疼痛事件以某一選擇的反復(fù)率施予實(shí)驗(yàn)對(duì)象20和/或 群體中的個(gè)體，通常為l秒5-ll個(gè)脈沖，或以任意的間隔。刺激器13 可以包括或受軟件控制，所述軟件用于改變疼痛事件的類型、強(qiáng)度和/ 或持續(xù)時(shí)間以生成SEP和腦活動(dòng)刺激的多種類型的疼痛，例如，神經(jīng) 性、肌肉骨骼性或內(nèi)臟性的、單側(cè)或雙側(cè)的、局部的或全身的、急性 的或慢性的、情緒的或精神的疼痛等。
為了比較區(qū)域敏感性以及避免習(xí)慣化(habituation),可以通過PDI 16控制刺激部位和/或強(qiáng)度。疼痛事件在類型和/或持續(xù)時(shí)間上可以變 化，從模擬瞬時(shí)疼痛到慢性疼痛。刺激器13可以利用電、機(jī)械、化學(xué)、 光學(xué)和/或熱枳4成裝置和/或作用于聽覺的聲音或作用于3見覺的場(chǎng)景來模擬疼痛事件。例如，刺激器13可以將電擊，激光刺激、壓縮力和/ 或溫度變化施加于個(gè)體以引發(fā)"精神疼痛"。在一個(gè)示例性實(shí)施方案中， 刺激器13將可變的電流或激光能量施加于感覺神經(jīng)(例如，腕關(guān)節(jié)的 正中神經(jīng)、踝關(guān)節(jié)的脛后神經(jīng)、皮膚表面等)以使施予的疼痛的量可以
精確控制，同時(shí)PDI 16測(cè)量個(gè)體與疼痛發(fā)作關(guān)聯(lián)的腦活動(dòng)以捕獲SEP 數(shù)據(jù)，以及對(duì)應(yīng)于個(gè)體體驗(yàn)的疼痛的其他數(shù)據(jù)，例如qEEG、聽覺誘 發(fā)電位、 一見覺誘發(fā)電位、EKG等。
可以設(shè)計(jì)多式刺激以區(qū)別精神疼痛(例如，情緒的或心理的)和身 體疼痛，且可以包括圖解視覺圖像或聲音的反復(fù)出現(xiàn)，特別是在評(píng)估 患有創(chuàng)傷后壓力失調(diào)(PT S D)的患者時(shí)。
電極8可以放置在選擇的部位上方，或在傳統(tǒng)的10/20系統(tǒng)中， 以收集腦波并從中生成EEG和SEP數(shù)據(jù)。利用信號(hào)源定位算法，例 如，低分辨率電磁層析成像分析(LORETA)、可變分辨率的電磁層析成 像分析(VARETA)等，也可以利用這些腦波來構(gòu)建三維腦圖像。利用 這些方法，可以評(píng)估反映意識(shí)、疼痛的性質(zhì)和強(qiáng)度的腦區(qū)，其包括， ^旦不限于前額皮質(zhì)的背外側(cè)、內(nèi)側(cè)、中間和眶周區(qū)，島葉，扣帶回的 前、中和后區(qū)，中央和頂葉皮質(zhì)的體覺區(qū)，杏仁核，豆?fàn)詈撕颓鹉X。 電極8可以放置于選擇的區(qū)域上方，或放置在傳統(tǒng)的10/20系統(tǒng)中以 收集腦波并從中生成EEG和SEP數(shù)據(jù)。
由電極8監(jiān)測(cè)的電信號(hào)傳遞到PDI 16中的高增益、低噪聲放大器 17,然后通過濾波裝置19過濾以檢測(cè)和除去信號(hào)的人為污染。在電信 號(hào)中檢測(cè)人為假像(artifact)可以通過下述方法實(shí)現(xiàn)，例如，(l)檢測(cè)相 對(duì)于統(tǒng)計(jì)學(xué)參數(shù)的非平穩(wěn)性，所述參數(shù)來自EEG多個(gè)連續(xù)的2.5秒長 區(qū)|爻的滑動(dòng)窗口 (sliding window) ， (2)應(yīng)用定義諸如EMG(身體)，EKG (心率)和/或眼電圖(眼運(yùn)動(dòng))的常見人為假像(artifact)的特征的 一組規(guī) 則，(3)4吏用獨(dú)立的組分分析(ICA)通過多變量統(tǒng)計(jì)學(xué)程序和/或分形維 數(shù)分析以鑒定人為假象。如本領(lǐng)域技術(shù)人員可以理解的，濾波裝置19 最小化了噪聲和/或其他來自例如，實(shí)驗(yàn)對(duì)象的運(yùn)動(dòng)、電極放置松動(dòng)、 干擾等其他人為假象的影響以生成代表和局限于實(shí)驗(yàn)對(duì)象20的腦活 動(dòng)的數(shù)據(jù)。可以借助從動(dòng)屏障來保護(hù)電極以減少人為假像。去除人為現(xiàn)象后，使用諸如快速傅里葉變換(FFT)、微浪分析或分 形維數(shù)分析的在大約2.5秒長的EEG的樣本上進(jìn)行的信號(hào)處理技術(shù)， 可以對(duì)EEG進(jìn)行光譜分析。EEG功率譜可以分為寬帶(例如，低S (0.5-1.5Hz)，高S (1.5隱3.5Hz), 0 (3.5-7.5Hz),低a (7.15-10Hz),高a (10.0-12,5Hz)， /3 (12.5-25Hz)1;低/y (25-35Hz),高7 (35-50Hz)和特高 (50-200Hz))?？梢杂?jì)算所有導(dǎo)聯(lián)的所有頻率相對(duì)所有導(dǎo)聯(lián)的所有頻率 的方差-協(xié)方差矩陣以評(píng)價(jià)頻譜和雙頻譜。也就是說，所有導(dǎo)聯(lián)內(nèi)和所 有導(dǎo)聯(lián)間的不同頻率之間的相位關(guān)系和相位相干性會(huì)被檢測(cè)。
可選擇地，頻語可以分為寬度大約為0.39-0.50Hz的極窄帶(VNB)。 絕對(duì)功率和相對(duì)功率、單極和雙極偏差(derivation),雙側(cè)對(duì)稱、對(duì)應(yīng) 導(dǎo)聯(lián)之間的相干性和雙相干性、所有成對(duì)導(dǎo)聯(lián)之間的相干性和雙相干 性和功率梯度以及上面所列特征的多種組合的多變量壓縮(例如，馬氏 距離)可以計(jì)算出并表達(dá)為相對(duì)于常模分布的分?jǐn)?shù)(例如，Z-分?jǐn)?shù))。類 似地，分形維數(shù)可以在一個(gè)和兩個(gè)之間變化，可以構(gòu)建分形數(shù)據(jù)庫， 可以計(jì)算針對(duì)疼痛存在或不存在時(shí)來自不同電極的EEG的分形Z-分 數(shù)。
;故大器17放大由電極8監(jiān)測(cè)的電信號(hào)，使用例如，約100,000dB 的放大增益，高輸入阻抗(約1兆歐姆)，約0.5Hz-1500kHz的寬帶和/ 或低于約1/xV的噪聲水平。放大器17可以包括輸入絕緣電路以免電 流泄漏，諸如光電二極管光發(fā)射二極管絕緣聯(lián)結(jié)器，且可以通過本領(lǐng) 域已知的射頻濾波器和/或60-循環(huán)陷波濾波器保護(hù)其免受電干擾。通 過放大器17輸出來自每一電極8的放大的電信號(hào)，且通過模擬變數(shù)字 轉(zhuǎn)換器(analog-to-digital converter, ADC) 18將其轉(zhuǎn)換為數(shù)字信號(hào)，在 示例性實(shí)施方案中，所述轉(zhuǎn)換器以每秒約8,000樣本的最小轉(zhuǎn)化率及 24位的分辨率運(yùn)4亍。注意的是，這可以通過使用針對(duì)每一電極的24 位數(shù)字放大器實(shí)現(xiàn)。
將數(shù)字信號(hào)傳送到數(shù)字信號(hào)處理器(DSP)21，其可能包括在中央處 理器(CPU)25內(nèi)或與中央處理器(CPU)25電學(xué)聯(lián)結(jié)。如本領(lǐng)域已知， DSP21利用數(shù)字信號(hào)處理技術(shù)以過濾數(shù)字信號(hào)，且CPU 25比較DSP 21輸出的信號(hào)和儲(chǔ)存于數(shù)據(jù)庫6的參考數(shù)據(jù)，所述參考數(shù)據(jù)本地儲(chǔ)存于PDI 16中的存儲(chǔ)器內(nèi)(例如，非易失性存儲(chǔ)器)或通過網(wǎng)絡(luò)遠(yuǎn)程獲取
(例如，因特網(wǎng)、內(nèi)部網(wǎng))。本領(lǐng)域的4支術(shù)人員會(huì)理解，PDI 16可以通 過有線和/或無線連接與網(wǎng)絡(luò)聯(lián)結(jié)。作為比較的結(jié)果，CPU 25輸出表 示是否4企測(cè)到疼痛的數(shù)據(jù)，如果檢測(cè)到疼痛，疼痛的量級(jí)(即，對(duì)應(yīng)疼 痛指數(shù))。下文將進(jìn)一步描述數(shù)字信號(hào)的分析。
PDI 16可以包括或與一個(gè)或多個(gè)輸入/輸出(I/0)裝置24聯(lián)結(jié)。在 示例性實(shí)施方案中，PDI 16與顯示實(shí)-險(xiǎn)對(duì)象20的腦波數(shù)據(jù)(即，EEG)、 參考數(shù)據(jù)和/或疼痛指數(shù)等的顯示器聯(lián)結(jié)。PDI 16可以包括用于配置 PDI 16的組件/設(shè)置和處理EEG的4建盤、打印EEG和/或包括疼痛指數(shù) 在內(nèi)的其他實(shí)驗(yàn)對(duì)象相關(guān)數(shù)據(jù)的打印機(jī)，和/或任何其他與PDI 16整 合或可與PDI 16聯(lián)結(jié)的其他外周組件。為了與這些或任何其他外周組 件通訊，PDI 16優(yōu)選包括與所述組件通訊的合適的硬件端口和軟件驅(qū) 動(dòng)程序。
qEEG分析可以揭示超出數(shù)據(jù)庫6中確認(rèn)的常模性閥值的定量變 量值，表示存在疼痛?？蛇x擇地，從qEEG和/或SEP測(cè)量中選擇的樣 本可以輸入一個(gè)或多個(gè)分類器函數(shù)，例如，諸如判別函數(shù)和/或回歸方 程以確定疼痛的存在/強(qiáng)度。第一判別函數(shù)A評(píng)估正體驗(yàn)疼痛的概率 (A二存在疼痛)，第二判別函數(shù)B評(píng)估沒有在體驗(yàn)疼痛的概率(B-沒有 疼痛)。注意，A可以是qEEG疼痛判別函數(shù)fi， qSEP疼痛判別函數(shù)
或者其和PJ+P2,多模式qEEG加qSEP疼痛判別函數(shù)。那么， eA+eB=l,且eA/(l - eB)等于疼痛存在的概率P (從0.00至1.00)。使用 這種方法或其他4壬何合適的方法可以校準(zhǔn)疼痛量化指數(shù)(PQI)以對(duì)應(yīng) 疼痛的臨床等級(jí)，所述等級(jí)從無疼痛、不舒服感、輕度疼痛、中度疼 痛、嚴(yán)重疼痛到無法忍受的疼痛。本領(lǐng)域的技術(shù)人員會(huì)理解，可以通 過訓(xùn)練神經(jīng)網(wǎng)絡(luò)獲得類似結(jié)果以達(dá)到相同的結(jié)論?？梢詫⑺鱿到y(tǒng)設(shè) 定為只要PQI至少是閾值水平t-即，只要eA/(1 -eB)>t，則確定實(shí) 驗(yàn)對(duì)象正體驗(yàn)疼痛。取決于假陽性的結(jié)果，這一閾值水平可以變化。 例如，系統(tǒng)可以確定實(shí)驗(yàn)對(duì)象正在感覺疼痛，只要t值》0.95。對(duì)于々支 陽性結(jié)果更為嚴(yán)重的情況，所述系統(tǒng)可以確定所述實(shí)驗(yàn)對(duì)象正感覺到 疼痛，只要值t》0.99。此外，本領(lǐng)域的技術(shù)人員會(huì)理解，真實(shí)的數(shù)據(jù)可以給出eA+eB的結(jié)果，其盡管接近l但不等于l。
當(dāng)構(gòu)建數(shù)據(jù)庫6時(shí)，CPU 25指示刺激器13給予個(gè)體疼痛事件。 例如，當(dāng)在個(gè)體中進(jìn)行疼痛敏感度的SEP評(píng)估時(shí)，CPU25指示刺激 器13以某一重復(fù)率(例如，約9.7Hz)給予位于腕關(guān)節(jié)正中神經(jīng)上方的 一對(duì)電極恒定電流脈沖波列。以約5mA至約25mA (或至個(gè)體認(rèn)為太 疼痛以至幾乎不能忍受的最大強(qiáng)度)的強(qiáng)度逐步給予約250個(gè)脈沖，每 一個(gè)具有約200ps的方波持續(xù)時(shí)間。每一強(qiáng)度下，將給予脈沖期間生 成的EEG數(shù)據(jù)在脈沖至脈沖的間隔期內(nèi)進(jìn)行頻譜分析(例如，快速傅 里葉變換)以監(jiān)測(cè)跨經(jīng)放大器17的帶寬區(qū)間(例如，約0.5Hz)的每一極 窄帶(VNB)頻率的振幅和相位?？蛇x擇地，EEG的連續(xù)采樣可以用每 一脈沖波列(例如，SEP潛伏期歷元(SEP latency epoch))中每一刺激發(fā) 作開始至恰在下一刺激發(fā)作前的采樣點(diǎn)的每次采樣來平均。因此，構(gòu) 建-〖皮鎖時(shí)(time-locked)到脈沖遞送時(shí)間的時(shí)間連續(xù)電壓以呈現(xiàn)由每一 刺激引發(fā)的單一體覺誘發(fā)電位的波形。因此，腦活動(dòng)數(shù)據(jù)可以用于構(gòu) 建功率譜或被平均以提供為可更新的平均SEP(ASEP)，其是在每一強(qiáng) 度分別采集的N個(gè)采樣的和(例如，鎖時(shí)到刺激發(fā)作的250個(gè)SEP潛 伏期歷元，除以采樣數(shù))。當(dāng)計(jì)算時(shí)，功率譜和/或ASEP值可以儲(chǔ)存在， 例如，PDI16的存儲(chǔ)器內(nèi)、可移動(dòng)的存儲(chǔ)介質(zhì)和/或傳送到遠(yuǎn)程存儲(chǔ)設(shè) 備。
如本領(lǐng)域技術(shù)人員所理解的，腦電活動(dòng)記錄數(shù)據(jù)可能被與身體活 動(dòng)(例如，眼睛活動(dòng))、異常的生理事件或周圍環(huán)境電噪聲等有關(guān)的電 壓污染。這些電壓通常高于腦活動(dòng)產(chǎn)生的電壓，本發(fā)明利用算法使這 類污染事件的影響最小化。例如，當(dāng)通過EEG放大器檢測(cè)腦活動(dòng)時(shí)， 通過計(jì)算20秒滑動(dòng)窗口的均方才艮(rms)-電壓且將該rms-電壓乘以選定 常凄t，可以連續(xù)計(jì)算EEG通道的可更新的電壓閾值(或者在多于一個(gè) EEG通道的情形下分別計(jì)算每一通道的閾值)，以使rms-電壓約為電 信號(hào)幅值的0.2標(biāo)準(zhǔn)偏差。過濾EEG以棄去包含大于閾值的電壓的電 信號(hào)區(qū)段。在示例性實(shí)施方案中，所述閾值是rms-電壓的倍數(shù)，約等 于幅值標(biāo)準(zhǔn)偏差的6倍。在其他示例性實(shí)施方案中，閾值是預(yù)期由腦 活動(dòng)生成的靜態(tài)值(即，高于該值的所有電壓都被認(rèn)為產(chǎn)生自人工假象)。通過這些或相似的消除干護(hù)C方法/人記錄中去除非腦來源的電活動(dòng) 后，可以假定剩余的電信號(hào)基本上是無人為假象的，且將其匯編形成
連續(xù)的、無人為假象的腦電活動(dòng)采樣以用于進(jìn)一步的qEEG或qSEP 處理。通過濾波裝置19使SEP消除噪聲，從而可以除去EEG相關(guān)的 正在進(jìn)行的腦電活動(dòng)以及剩余的非腦來源的電噪聲，這一點(diǎn)在題目為 "胎兒腦監(jiān)控器"的美國第6,566,861號(hào)專利中有描述，該專利的全部內(nèi) 容通過引用特別并入本文。
重要的是，提供的裝置使PDI適應(yīng)性監(jiān)測(cè)獲得的數(shù)據(jù)的質(zhì)量以確 保可接受的測(cè)試-再測(cè)試可信度且確保獲得足夠的信息，同時(shí)避免過多 的和/或多余的數(shù)據(jù)。這一點(diǎn)特別重要，因?yàn)閿?shù)據(jù)收集過程可能涉及患 者或?qū)嶒?yàn)對(duì)象的不適。盡管維持使操作者收集預(yù)先確定量的數(shù)據(jù)的選 項(xiàng)是理想的，有許多方法，通過這些方法自適應(yīng)性質(zhì)量控制可能更有 效地實(shí)現(xiàn)。實(shí)現(xiàn)此類可信度自我評(píng)價(jià)的一個(gè)示例性手段是在獲得數(shù)據(jù) 時(shí)逐步計(jì)算感興趣的所有變量的"變異系數(shù)[除以平均值的標(biāo)準(zhǔn)偏差]，，， 或者CV，所述所有變量是例如，諸如每一頻率的VNB頻譜功率或每 一導(dǎo)聯(lián)的SEP幅值。當(dāng)CV集中于預(yù)先選擇的限定可接受度的閾值內(nèi)， 數(shù)據(jù)一皮認(rèn)為是可接受地可信的，即"可再現(xiàn)的"?？蛇x擇地，可以通過 交替地將區(qū)間分配給兩個(gè)相互連鎖但獨(dú)立的采樣來構(gòu)建奇偶分半(odd and even split halves),每一個(gè)包含，例如，來自約25個(gè)刺激的10次 光平均值(light average)以包含250個(gè)"奇數(shù)"和250個(gè)"偶數(shù)"采樣的總 數(shù)。可以在每一光平均值的每一采樣點(diǎn)計(jì)算分半(splithalves)中的每一 個(gè)內(nèi)的標(biāo)準(zhǔn)偏差
<formula>formula see original document page 23</formula>其中v =每一時(shí)間點(diǎn)的電壓
V2/N=電壓的平方均值，以及 (V/N"二電壓均值的平方。
當(dāng)PDI表明個(gè)體正體驗(yàn)疼痛時(shí)，表明這一點(diǎn)的測(cè)量應(yīng)該優(yōu)選可信地可以再現(xiàn)。使用如下的每一 時(shí)間點(diǎn)t的t-檢驗(yàn)可以檢驗(yàn)可再現(xiàn)性
在可選擇的實(shí)施方案中，可以利用在具有最小相關(guān)性的閾值的整 個(gè)波內(nèi)的交叉相關(guān)性，可以接受所述最小相關(guān)性以表示可信度。 一旦 在每一時(shí)間點(diǎn)的均值和電壓的常模性數(shù)據(jù)可以利用，本發(fā)明的方法可
以用于檢測(cè)以及量化實(shí)驗(yàn)對(duì)象20體驗(yàn)的疼痛。例如，如果檢測(cè)的疼痛 顯著性P〉0.05，重復(fù)可得到p2<0.0025。來自兩個(gè)分半的結(jié)果可以合并 (即平均化)顯示，突出顯示重復(fù)的顯著性結(jié)果。
在另 一 示例性實(shí)施方案中，數(shù)字梳狀濾波器用于降低電信號(hào)中的 噪聲的副作用。例如，系統(tǒng)1可以使用數(shù)字梳狀濾波器，其在題目為 "Interoperative Monitoring or EP Evaluation System Utilizing an Automatic Adaptive Self-optimizing Digital Comb Filter，，的美國專利號(hào) 4,705,049中描述過，該專利的全部內(nèi)容通過引用的方式特別地并入本 文。如上文提及的，PDI 16可以利用^t字才危狀濾波器來改善由電極8 采集的電信號(hào)的信噪比(signal-to-noise ratio, SNR)。在數(shù)字梳狀濾波 器中，使用時(shí)控相位變異參數(shù)(phase variance parameter)來選擇帶通頻 率以形成梳齒來對(duì)應(yīng)于疼痛事件的存在和不存在。如本領(lǐng)域的技術(shù)人 員所理解的，最佳數(shù)字過濾可以是用于改善SNR的信號(hào)平均化的一個(gè) 選擇。例如，如果刺激器13產(chǎn)生約250個(gè)體覺事件(每秒9.7事件)用 于信號(hào)平均化，SEP與疼痛事件同步，而噪聲是隨機(jī)的。當(dāng)計(jì)算SEP 時(shí)，將噪聲降低到與刺激例如疼痛事件的數(shù)目的平方根成比例。然而， 信號(hào)平均化與數(shù)字疏過濾相比較慢。因?yàn)镋EG和周圍的噪聲可以為約 100-250]LiV,簡(jiǎn)單的信號(hào)平均化后，剩余的非SEP"噪聲"仍可以高達(dá) 15jLtV。峰間的SEP幅值大約為2.5jLiV數(shù)量級(jí)。因此，信噪比可以低至 1:6。通過使用最佳數(shù)字過濾可以進(jìn)一步消除噪聲。
使用諸如"神經(jīng)度量"(腦電活動(dòng)的計(jì)算機(jī)化的量化分析)的預(yù)期的 信號(hào)常態(tài)(例如，無疼痛)來評(píng)價(jià)ASEP數(shù)據(jù)和/或qEEG數(shù)據(jù)。在神經(jīng) 度量分析(Neurometric analysis)中，,人qEEG和SEPs中提取特征，并 將其轉(zhuǎn)換以獲得高斯性(Gaussianity)，與預(yù)期的常模值(如上述的群體/自身標(biāo)準(zhǔn))比較，且以來自正常群體的標(biāo)準(zhǔn)偏差單位(即，疼痛指數(shù))表
達(dá)。計(jì)算結(jié)果可以顯示為腦功能的顏色編碼的地形(topographic )概 率圖，或者時(shí)域曲線(電壓相對(duì)于潛伏期)的顏色編碼區(qū)段。利用這些 方法極大提高了此類數(shù)據(jù)的靈敏度、特異性和臨床實(shí)用性。疼痛存在 時(shí)可以精確地描述qEEG和SEP譜，并將其與無疼痛時(shí)的常模語相比。
為了評(píng)-階過濾的SEP,將SEP運(yùn)用算法來自動(dòng)^^測(cè)曲線中幾個(gè)峰 中的每一個(gè)，所述曲線鎖時(shí)到刺激以鑒定每一峰的潛伏期。例如，將 過濾的均值三點(diǎn)平滑(3-point smoothing)后，產(chǎn)生的SEP通過捕獲第二 偏差的零-值并輸出對(duì)應(yīng)于峰的系列時(shí)間點(diǎn)的程序接受自動(dòng)峰檢測(cè)。在 最優(yōu)化的過濾的qSEP上標(biāo)記計(jì)算的峰并將其疊加于常規(guī)模板上，且 如上所述，將潛伏期與常模性數(shù)據(jù)比較，所述常模性數(shù)據(jù)從對(duì)照群體 和/或沒有體驗(yàn)疼痛的實(shí)驗(yàn)對(duì)象20的疼痛實(shí)驗(yàn)中采集。
才艮據(jù)本發(fā)明用于#全測(cè)實(shí)-驗(yàn)對(duì)象20疼痛的方法1200的示例性實(shí)施 方案顯示在圖5中。在步驟1202中，初始化系統(tǒng)l并進(jìn)行校準(zhǔn)。PDI 16和I/0裝置24可以裝有動(dòng)力并設(shè)定為根據(jù)本文描述的方法學(xué)用于疼 痛檢測(cè)?？梢曰趯?shí)驗(yàn)對(duì)象數(shù)據(jù)，例如，高度、重量、年齡、病史等 設(shè)定系統(tǒng)1。當(dāng)確定疼痛的存在和程度時(shí)，可以利用實(shí)驗(yàn)對(duì)象數(shù)據(jù)。 例如，可以基于實(shí)驗(yàn)對(duì)象數(shù)據(jù)和實(shí)驗(yàn)對(duì)象腦波數(shù)據(jù)查詢數(shù)據(jù)庫6。
在步驟1204中，PDI 16^妄收對(duì)應(yīng)于實(shí)驗(yàn)對(duì)象20的腦活動(dòng)(例如， 來自附著于實(shí)驗(yàn)對(duì)象20的頭皮的電極8的電信號(hào))的信號(hào)。在步驟1206 中，信號(hào)以上文描述的方式經(jīng)PDI 16處理。也就是說，實(shí)驗(yàn)對(duì)象20 的qEEG和/或qSEP數(shù)據(jù)用于生成對(duì)應(yīng)于腦活動(dòng)的數(shù)據(jù)，所述腦活動(dòng) 對(duì)應(yīng)于實(shí)驗(yàn)對(duì)象20體驗(yàn)的疼痛。如上文所述，過濾并平滑信號(hào)以降^氐 周圍噪聲和人為假象的影響。
在步驟1208中，將腦活動(dòng)數(shù)據(jù)與參考數(shù)據(jù)比較以確定疼痛是否存 在。將腦波數(shù)據(jù)與數(shù)據(jù)庫6中的參考數(shù)據(jù)比較，返回對(duì)應(yīng)于疼痛指數(shù) 的值(即，對(duì)應(yīng)于實(shí)驗(yàn)對(duì)象20體驗(yàn)的疼痛程度)并經(jīng)1/0裝置24輸出。 當(dāng)腦波數(shù)據(jù)表明存在疼痛時(shí)，將這一方法進(jìn)行到可選的步驟1210，在 此將疼痛量化為PQI。
本發(fā)明使實(shí)-驗(yàn)對(duì)象的疼痛得以客觀驗(yàn)證。在臨床和非臨床環(huán)境中，確定疼痛的存在是有利的。例如，在訴訟中，經(jīng)?；谠馐艿奶弁匆?及疼痛是否是可治療的或〗曼性的來判定賠償金。疼痛的客觀驗(yàn)證〗吏賠 償金的計(jì)算更為精確。
對(duì)本領(lǐng)域的技術(shù)人員顯而易見的是，在不偏離本發(fā)明的精神或范 疇下，可以對(duì)本發(fā)明的結(jié)構(gòu)和方法學(xué)作出各種改進(jìn)和變化。因此，本 發(fā)明意在包括該發(fā)明的改進(jìn)和變化，只要它們?cè)陔S附的權(quán)利要求和其 等同物的范圍內(nèi)。
權(quán)利要求
1.檢測(cè)實(shí)驗(yàn)對(duì)象的疼痛的方法，包括下述步驟生成基于所述實(shí)驗(yàn)對(duì)象的腦波活動(dòng)的腦波數(shù)據(jù)；將所述腦波數(shù)據(jù)與參考數(shù)據(jù)比較以生成結(jié)果數(shù)據(jù)，所述參考數(shù)據(jù)對(duì)應(yīng)于下述中的至少一種(i)群體常模性數(shù)據(jù)，表示第一群個(gè)體無疼痛時(shí)的腦波活動(dòng)；(ii)群體參考數(shù)據(jù)，表示第二群個(gè)體在應(yīng)答施予所述第二群個(gè)體的疼痛事件時(shí)產(chǎn)生的腦波活動(dòng)；(iii)主觀性群體參考數(shù)據(jù)，表示第三群個(gè)體報(bào)告疼痛感覺的腦波活動(dòng)；以及(iv)參考數(shù)據(jù)群，表示第四群個(gè)體在干預(yù)后的腦波活動(dòng)，所述干預(yù)改變了疼痛的主觀性報(bào)告；以及確定所述實(shí)驗(yàn)對(duì)象體驗(yàn)的疼痛的存在，其為所述結(jié)果數(shù)據(jù)的函數(shù)。
2. 如權(quán)利要求l所述的方法，其中所述參考數(shù)據(jù)是疼痛量化指數(shù)， 其包括對(duì)應(yīng)于多種疼痛程度和多種疼痛類型中的一種的值。
3. 如權(quán)利要求2所述的方法，其中所述疼痛類型包括慢性的和急 性的。
4. 如4又利要求2所述的方法，其還包括將所述腦波數(shù)據(jù)輸入第一分類器函數(shù)A，所述函數(shù)A表示正感覺 到疼痛的積克率；以及將所述概率與所述疼痛量化指數(shù)中的值比較。
5. 如權(quán)利要求2所述的方法，其還包括將所述腦波數(shù)據(jù)輸入第 一分類器函數(shù)A和第二分類器函數(shù)B，所 述函數(shù)A表示正感覺到疼痛的概率，所述函數(shù)B表示沒有感覺到疼痛 的概率；計(jì)算所述實(shí)驗(yàn)對(duì)象正體驗(yàn)疼痛的概率P，其中P等于eA/(l - eB);以及將所述概率P與所述疼痛量化指數(shù)中的值比較。
6. 如權(quán)利要求5所述的方法，其中分別為A和B的所述第一和 第二分類器函數(shù)是判別函數(shù)。
7. 如權(quán)利要求2所述的方法，其還包括將所述腦波數(shù)據(jù)輸入分類器函數(shù)A和第二分類器函數(shù)B，所述函 數(shù)A表示正感覺到疼痛的概率，所述函數(shù)B表示沒有感覺到疼痛的概 率；通過將基于eA的值與基于1 - eB的值比較來計(jì)算所述實(shí)驗(yàn)對(duì)象正 體—瞼疼痛的概率p;以及基于判別分?jǐn)?shù)的概率大于0.5當(dāng)所述概率P至少為閾值水平時(shí)，使用邏輯回歸計(jì)算所述疼痛的 預(yù)期強(qiáng)度和預(yù)期類型中的一種。
8. 如權(quán)利要求7所述的方法，其中所述閾值水平為至少0.95。
9. 如權(quán)利要求7所述的方法，其中所述閾值水平為至少0.99。
10. 如權(quán)壽>*^2所述的方法，其中利用神經(jīng)網(wǎng)絡(luò)分析所述腦波 數(shù)據(jù)以計(jì)算正感覺到疼痛的概率以及感覺到的疼痛的預(yù)期強(qiáng)度和感覺 到的疼痛的預(yù)期類型中的一種。
11. 如權(quán)利要求1所述的方法，其中所述腦波數(shù)據(jù)和所述結(jié)果數(shù) 據(jù)中的 一種作為用于神經(jīng)生物反饋的"靶"刺激呈遞給所述實(shí)驗(yàn)對(duì)象， 使所述實(shí)驗(yàn)對(duì)象通過精神重置感知闊值來降低疼痛的感覺和強(qiáng)度中的 一種。
12. 如權(quán)利要求1所述的方法，其中所述腦波數(shù)據(jù)來自定量腦電 圖(EEG)、體覺誘發(fā)電位(SEP)、腦磁圖(MEG)、功能MRI(fMRI)、正電子發(fā)射斷層(PET)成像、單光子發(fā)射計(jì)算機(jī)斷層(SPECT)成像和近紅 外光譜(NIRS)中的一種。
13. 如權(quán)利要求1所述的方法，其中所述參考數(shù)據(jù)來自下述的至 少一種腦電圖、腦磁圖、近紅外光譜、功能MRI(fMRI)研究、正電 子發(fā)射斷層(PET)研究、來自選擇的肌肉組的肌電圖(EMG)、神經(jīng)狀況 研究、單光子發(fā)射計(jì)算機(jī)斷層(SPECT)成像、皮膚電反應(yīng)、心率和血 壓。
14. 如權(quán)利要求13所述的方法，其中所述腦電圖包括來自誘發(fā)和 事件相關(guān)電位中的一種的數(shù)據(jù)。
15. 如權(quán)利要求13所述的方法，其中所述選擇的肌肉組包括額肌、 輪匝肌和眼睛周圍皮膚中的至少一種。
16. 如權(quán)利要求l所述的方法，其中所述疼痛事件包括聽覺、電、 激光、熱、機(jī)械和化學(xué)刺激中的至少一種。
17. 如權(quán)利要求1所述的方法，其中所迷主觀性群體參考數(shù)據(jù)還 包括病史、身體檢查結(jié)果和神經(jīng)學(xué)檢查結(jié)果中的至少一種。
18. 如權(quán)利要求1所述的方法，還包括定量由所述實(shí)驗(yàn)對(duì)象體驗(yàn) 的疼痛程度，其為所述結(jié)果數(shù)據(jù)的函數(shù)。
19. 如權(quán)利要求13所述的方法，還包括調(diào)節(jié)通過患者控制的麻醉 器械給予所述實(shí)驗(yàn)對(duì)象的鎮(zhèn)痛劑的量，其為所述結(jié)果數(shù)據(jù)和所述疼痛 程度的函數(shù)。
20. 如權(quán)利要求1所述的方法，還包括將至少一個(gè)生物傳感器電 極可移動(dòng)地連接到所述實(shí)驗(yàn)對(duì)象的頭皮和前額至少之一。
21. 如權(quán)利要求20所述的方法，還包括通過所述至少一個(gè)生物傳感器電極檢測(cè)系列電壓振蕩以生成所述腦波數(shù)據(jù)。
22. 如權(quán)利要求1所述的方法，其中所述實(shí)驗(yàn)對(duì)象是人。
23. 如權(quán)利要求l所述的方法，其中所述實(shí)驗(yàn)對(duì)象是貓、狗、馬、 和非人靈長類動(dòng)物中的一種。
24. 才企測(cè)實(shí)驗(yàn)對(duì)象的疼痛的方法，包括下述步驟 才全測(cè)對(duì)應(yīng)于所述實(shí)驗(yàn)對(duì)象體驗(yàn)的疼痛感覺的預(yù)定生理活動(dòng)以生成主題數(shù)據(jù)；將所述主題數(shù)據(jù)與參考數(shù)據(jù)比較以生成結(jié)果數(shù)據(jù)，所述參考數(shù)據(jù)系列生J里活動(dòng)；以及確定所述實(shí)驗(yàn)對(duì)象體驗(yàn)的疼痛的存在，其為所述結(jié)果數(shù)據(jù)的函數(shù)。
25. 如權(quán)利要求24所述的方法，其中所述預(yù)定的生理活動(dòng)是(i)腦 波活動(dòng)，(ii)自主神經(jīng)系統(tǒng)活動(dòng)，(iii)發(fā)汗，(iv)皮膚電反應(yīng)(GSR)和(v) 眼睛流淚中的至少一種。
26. 如權(quán)利要求24所述的方法，其中所述參考數(shù)據(jù)對(duì)應(yīng)于下述的 至少一種(i)群體常模性數(shù)據(jù)，表示第一群個(gè)體無疼痛時(shí)的腦波活動(dòng)， (ii)群體參考數(shù)據(jù)，表示第二群個(gè)體在應(yīng)答施予所述個(gè)體的疼痛事件時(shí) 產(chǎn)生的腦波活動(dòng)，(iii)自身常模性數(shù)據(jù)，表示所述實(shí)驗(yàn)對(duì)象無疼痛時(shí)的 腦波活動(dòng)，以及(iv)主觀性群體參考數(shù)據(jù)，表示第三群個(gè)體報(bào)告疼痛感 覺的腦波活動(dòng)。
27. 如權(quán)利要求24所述的方法，其中所述群體參考數(shù)據(jù)來自下述 的至少一種(i)腦電圖，(ii)磁電圖，(iii)近紅外光譜，(iv)來自選擇的肌肉組的肌電圖(EMG)， (v)體覺誘發(fā)電位(SEP)， (vi)皮膚電反應(yīng)和(vii)血壓。
28. 如權(quán)利要求27所述的方法，其中所述選擇的肌肉組包括額肌、 輪匝肌和眼睛周圍皮膚的至少一種。
29. 如權(quán)利要求24所述的方法，其中所述疼痛事件包括聽覺、電、 激光、熱、機(jī)械和化學(xué)刺激中的至少一種。
30. 如權(quán)利要求24所述的方法，其中所述參考數(shù)據(jù)是疼痛量化指 數(shù)，其包括對(duì)應(yīng)于多種疼痛程度和多種疼痛類型中的一種的值。
31. 如權(quán)利要求24所述的方法，其中所述疼痛類型包括慢性和急 性疼痛。
32. 如權(quán)利要求30所述的方法，還包括生成作為所述結(jié)果數(shù)據(jù)的函數(shù)的值，該值表示所述實(shí)驗(yàn)對(duì)象體驗(yàn) 的疼痛；以及將所述值與所述疼痛量化指數(shù)中的值比較，以確定所述實(shí)驗(yàn)對(duì)象 體驗(yàn)的疼痛程度。
33. 4全測(cè)疼痛感覺的i殳備，其包括接收來自多個(gè)腦電圖(EEG)電極的電信號(hào)的接收裝置； 生成腦波數(shù)據(jù)的處理器，所述數(shù)據(jù)基于由EEG電極檢測(cè)的實(shí)驗(yàn)對(duì) 象的腦波活動(dòng)；存儲(chǔ)器，用于儲(chǔ)存對(duì)應(yīng)于下述至少一種的參考數(shù)據(jù)(i)群體常模性 數(shù)據(jù)，表示第一群個(gè)體無疼痛時(shí)的腦波活動(dòng)，(ii)群體參考數(shù)據(jù)，表示 第二群個(gè)體在應(yīng)答施予所述個(gè)體的疼痛事件時(shí)產(chǎn)生的腦波活動(dòng)，(iii)自身常模性數(shù)據(jù)，表示所述實(shí)驗(yàn)對(duì)象無疼痛時(shí)的腦波活動(dòng)，以及(iv) 主觀性群體參考數(shù)據(jù)，表示第三群個(gè)體報(bào)告疼痛感覺的腦波活動(dòng)，其中所述處理器將所述腦波數(shù)據(jù)與所述參考數(shù)據(jù)比較以生成結(jié)果數(shù)據(jù)，所述處理器確定作為所述結(jié)果數(shù)據(jù)函數(shù)的所述實(shí)驗(yàn)對(duì)象的疼痛的存在。
34. 如權(quán)利要求33所述的設(shè)備，其中所述接收裝置是電纜連接器 和無線信號(hào)接收器中的一種。
35. 如權(quán)利要求33所述的設(shè)備，其還包括顯示所述腦波數(shù)據(jù)和所 述結(jié)果數(shù)據(jù)中的至少一種的顯示器。
36. 如權(quán)利要求33所述的設(shè)備，其還包括與刺激器連接的刺激器 連接器，所述處理器控制所過;刺激器給予所述疼痛事件。
37. 如權(quán)利要求36所述的設(shè)備，其中所述疼痛事件包括電、激光、 熱、機(jī)械和化學(xué)刺激中的至少一種。
38. 檢測(cè)實(shí)驗(yàn)對(duì)象疼痛的方法，其包括下述步驟 生成基于所述實(shí)驗(yàn)對(duì)象的腦波活動(dòng)的腦波數(shù)據(jù)；將所述腦波數(shù)據(jù)輸入表明正感受到疼痛的概率的第 一判別函數(shù) A;以及將所述概率與疼痛量化指數(shù)中的值比較以確定疼痛的存在。
39. 如權(quán)利要求38所述的方法，其還包括 將所述腦波數(shù)據(jù)輸入表明無疼痛的概率的第二判別函數(shù)B;以及 計(jì)算所述實(shí)— 驗(yàn)對(duì)象正體驗(yàn)疼痛的概率P,所述概率P等于(1-eB);以及將所述概率P與疼痛量化指數(shù)中的值比較以確定疼痛的存在。
全文摘要
檢測(cè)個(gè)體疼痛的方法包括生成基于實(shí)驗(yàn)對(duì)象腦波活動(dòng)的腦波數(shù)據(jù)并將所述腦波數(shù)據(jù)與參考數(shù)據(jù)比較以生成結(jié)果數(shù)據(jù)，以及確定作為結(jié)果數(shù)據(jù)的函數(shù)的該實(shí)驗(yàn)對(duì)象體驗(yàn)的疼痛的存在。所述參考數(shù)據(jù)對(duì)應(yīng)(i)群體常模性數(shù)據(jù)，表示無疼痛的第一群個(gè)體的腦波活動(dòng)，(ii)群體參考數(shù)據(jù)，表示第二群個(gè)體在應(yīng)答施予他們的疼痛事件時(shí)產(chǎn)生的腦波活動(dòng)，(iii)主觀性群體參考數(shù)據(jù)，表示第三群個(gè)體報(bào)告疼痛感覺時(shí)的腦波活動(dòng)，和/或(iv)參考數(shù)據(jù)群，表示第四群個(gè)體在改變主觀疼痛報(bào)告的干預(yù)后的腦波活動(dòng)。
文檔編號(hào)A61B5/04GK101677775SQ200880017241
公開日2010年3月24日 申請(qǐng)日期2008年4月4日 優(yōu)先權(quán)日2007年4月5日
發(fā)明者埃米爾·希斯格爾, 歐文·羅伊·約翰, 萊斯莉·S·普利凱普 申請(qǐng)人:紐約大學(xué)