用于测量、显示和准确检测电生理诱发电位的变化的系统、方法以及计算机算法与流程

相关申请的引证

本申请要求于2015年5月4日提交的题为“system,method,andcomputeralgorithmformeauring,displaying,andaccuratelydetectingchangesinelectrophysiologicalevokedpotentials”的临时申请美国申请62/156,874的优先权，其全部内容通过引用结合于此。本申请还涉及2013年5月1日提交的题为“system,method,andcomputeralgorithmandcharacterizationandclassificationofelectrophysiologicalevokedpotentials”的美国专利申请第13/874,867号(作为美国专利公开2014/0020178出版)，其全部内容通过引用结合于此。

背景技术：

本发明总体上涉及用于检测诱发电位(ep)波形的变化的计算机程序和方法，并且更具体地，涉及使用数学算法评估和显示ep波形且计算对波形变化的警报的系统、方法和计算机可读介质。

标准参与的术中监测

体感诱发电位是重复刺激周围神经后通常从头部或颈部区域和周围神经记录的累加电位。在手术期间使用体感诱发电位监测病人已表明了允许急性损伤、尤其是神经损伤的早期识别。

这种监测通常需要在医师监督下的训练有素的技术人员以及复杂的多通道放大器和显示仪器。不幸的是，这些人员和仪器的获得受到限制，需要提前预约且成本高。另外，这种监测困难重重，因为电位的尺寸小和不间断的噪声，使得识别重大变化以及这些变化的警报很困难。在用于自动生成警报的当前系统中，大量噪声和可变性会引起错误警报。

本文描述的实施方式涉及准确检测电生理诱发电位的变化的改进的系统、方法以及装置。对现有系统的改进包括减少因信号噪声导致的误警报(falsepositivealert)/漏警报(falsenegativealert)。因此，改进的系统、方法和装置生成更准确的警报。相较于已知系统，减少误警报的数量还创建更高效的系统、方法和装置。

技术实现要素：

本文描述的实施方式涉及在示出完全总体平均之间的增量变化的同时，自动实时检测和显示诱发电位(ep)波形的变化的方法、装置、系统、设备、和/或器具。本文描述的实施方式还涉及在最小化或消除漏报错误或误报错误的同时，在减小或消除可变噪声和偏差的影响的情况下产生警报。本公开通常涉及用于对ep的实时变化的表征和分类的计算机信号处理和显示算法。公开的实施方式可用于代替通常由技术人员和医师提供的专家分析。进一步，各种实施方式可结合其他仪器一起使用。例如，一旦检测到ep的变化，可移动或调节手术室台。这种运动允许病人被自动移动以改善或避免病人损伤。因此，本文的各种实施方式通过自动控制基于ep的仪器而扩展了这种仪器的益处。

当寻找准确监测或检测体感诱发电位(ssep)时，波形需要在特定频率下进行获取和/或一起求平均值以帮助消除任意的和周期的噪声。当一起平均时，即使受噪声严重影响的几个异常波形也能明显改变关注波形的外视振幅(高度)或延时(发生时间)。尽管通过精心选择刺激频率和波形滤波部分地避免这种情况，但这种方法不能完成，这是因为关注波形落入背景噪声的频率范围内，且周期背景噪声在频率上稍微变化。另外，这些方法要求产生100-300个刺激和所得波形的完全平均(总体平均或ea)，并然后基于与另一ea的比较确认任何可疑变化，其中每次花费长达三分钟来收集。

目前没有方法观察缓慢发生的增量变化或抵消受噪声影响的时段(epoch)。让专业人员完全从事解释这些波形的成本导致将服务限制于最高风险的手术。另外，解释可因人为因素有所偏差，诸如以前的负面病人疗效。

因此，本文的实施方式通常涉及用于测量、显示和准确检测电生理诱发电位变化的系统、方法、装置和计算机算法。在一些方面，实施方式可以自动检测和显示ep的实时变化，包括在示出完全总体平均之间的增量变化时。此外，在一些方面，实施方式提供不受可变噪声和偏差影响的警报，包括在最小化或消除漏报错误或误报错误时。本文描述的实施方式通常涉及用于在专门的装置和系统上实现对ep的实时变化的表征和分类的计算机信号处理和显示算法。使用该算法的系统和装置可代替通常由技术人员和医师提供的专家分析。

在本发明的示例性实施方式中，公开了用于测量、显示和准确检测电生理诱发电位变化的系统、方法和计算机算法。在本公开中，ep定义为通过对使用合适电极检测到的对特定神经系统的重复刺激的电生理响应进行总体平均，而获得的电压对时间信号。ep的实例为体感、听觉或视觉ep。这些算法应用于正在进行的临床过程期间获取的ep的时间序列。这些算法建立了ep相对于基准/正常ep、以及任何先前ep的特性的变化，以确定下面神经系统的功能运行是否显著地受到正在进行的临床过程的影响。这些算法与辅助硬件和开发算法进行通信，以获取ep的序列且提供合适的反馈，确保安全有效的临床工作流程。这些算法为临床有效应用提供了基础，从而使误报和漏报最小化。

本发明的另外的特征和优点，以及本发明各种实施方式的结构和操作将在下面参考附图进行详细描述。

附图说明

本发明的前述及其他特征和优点将在以下如附图所示的本发明的优选的实施方式的更具体描述中变得显而易见。

图1示出了获取和显示诱发电位(ep)波形的传统方法。

图2示出了根据本发明的示例性实施方式的ep获取、显示和警报的滑动窗方法。

图3示出了根据示例性实施方式的模型ep分析设备的框图。

具体实施方式

下面详细讨论本发明的包括优选实施方式的各种示例性实施方式。虽然已经讨论过具体示例性实施方式，但是应理解这只是为了说明的目的。相关领域的技术人员将认识到，在不偏离本发明的精神和范围的情况下，可以使用其他部件和配置。

图1示出了获取和显示ep的传统方法。使用该方法，施加一系列刺激并且显示所得的各个波形，波形要么显示为获取的每个，要么显示为正在进行中的平均值的演进平均，直到获取并显示最终的总体平均。临床解释基于该总体平均。如果用户对平均值满意，那么他们可以将该平均值设置为与其他所有对象进行比较的“基线”，或重复该平均值以确认关注波形的存在和形态。然后，利用下一系列的刺激重复整个过程。然后，将该系列的比较作为选为基线的前一个。

由于逃脱滤波的少至五或六个有噪声的各个波形会引起波形形态、振幅和延时大大不同，如果使用自动化警报系统，那么在电噪声环境中使用该方法可导致潜在的迫近损伤的错误警报。这通常需要专家解释各个波形，将临床情况、预期波形以及波形模式随时间的通常趋势考虑进去。

本发明的实施方式涉及显示ep波形、计算对波形变化的警报和最小化误警报和漏警报的计算机信号处理及算法。该算法可代替通常由技术人员和医师给出的专家分析。可在任何手术或病人处于危险的情况下使用在安装在ep机上的软件上运行的计算机算法，以检测、警报和改善定位效果或任何神经损伤或异常。

图2示出了根据本发明的使用来自自动计算的警报的元数据的分析和警报的滑动窗的示例性描述，其考虑了噪声的变化且自动回看波形随时间的变化趋势。

在收集到一组或多组ep后，创建总体平均(ea)且计算关注波形的基线。可通过包括例如小波分析、曲线拟合等的任何标准技术来识别基线波形。

对于下一“n”个刺激，使用同前一波形相似的波形创建新的ea，但是从平均值的开始去除多个ep且在末尾加上相似数量的ep。例如，如图2所示，ep2不包含ep1的前两个ep但是包括在末尾的两个额外ep。因此，实现ep数据的“滑动窗”选择，从而为正在进行中的刺激系列创建新的ea。在某些优选实施方式中，为每个时段创建新的ea，即“窗”向前只滑动一个ep，相对于先前ea的先前ep选择，消除第一个ep并且向末尾增加额外的一个ep。

随着每个重叠时段推移，可更新和展示总平均值，为观察者演化形态上的缓慢变化。以这种方式，类似于观看现场实况或动态图片，观察者观察到ep波形形态随着时间推移的实时增量变化。在本发明的示例性实施方式中，生成的重叠的ea允许显示增量结果对由非重叠ea之间的新收集的波形导致的基线平均值的效果。

识别每个新的ea波形，并且测量和记录显著特性(例如，振幅或延时)。将新值与特性的基线值进行比较，且确定是否生成警报投票。如果特性达到改变阈值，即用户已经设定的触发警报的改变的程度，那么生成警报投票。重复该过程。每个新的ea生成关于是否应触发警报的投票。当ea的数量达到具体数量(n)时，通常当ea的初始刺激不再与基线ea重叠时，投票被计数，并且在优选的实施方式中，只有那时才能依据需要触发警报的是与否(y/n)警报投票的比例触发警报。用户可以依据其对警报过程的特异性期望来改变需要的警报投票(y/n)的比例。在其他实施方式中，投票可连续计数，并且一旦是(y)投票达到某个预定数量或比例达到预定值，则触发警报。

在本发明的示例性实施方式中，由于投票过程可以是不对称的，所以可以使用不同的投票比例来触发(发动)和释放(抵消)给用户的病人可能遭受神经损伤或即将遭受神经损伤的最终警报。

警报过程检查各个重叠时段的元数据(警报投票)。由于数据的任何变化会持续且总是最终传递100％(或接近)y/n投票用于警报，因此现在可独立于系统的敏感性基于投票来操纵警报过程的特异性。例如，用户可将比例改变为较不特定的，相对于更特定地80％的投票，只需要30％或50％的投票。以这种方式，在没有真正改变该过程的对检测真实持续变化的敏感性的情况下，误警报的数量减少。在当前使用的系统中，大量噪声和变化会引起误警报，然而，根据本发明使用的投票比值减少了噪声信号的影响。在本发明的示例性实施方式中，可从投票过程中丢弃具有可变波形值的ea，消除逃脱频率滤波器的间歇噪声。因此，实施方式具有处理ep的噪声影响的改进方式。通过投票过程本身进一步使噪声影响无效。

重复前进该过程，使用最后“n”个ea的投票决定是否触发警报，并且将每个ea或ea的平均组显示为很容易与基线进行视觉比较的渐进变化波形。在各种实施方式中，当触发警报时，也可能发生其他动作。例如，可以导致警报触发的信息发送给其他仪器。作为另一实例，移动手术室台的一部分的命令可以发送给手术室台。一旦接收到该命令，手术室台可以移动并且因此移动病人的位置。该移动减小了病人的神经损伤风险。

在本发明的示例性实施方式中，一旦建立了该过程，重叠ea的不间断顺利生成可以识别由于该过程引起的渐进变化，诸如不是由于更为突发的损伤引起的冷却或麻醉深度。

参考图3，根据示例性实施方式，上述的ep分析是通过ep分析设备30实现的。ep分析设备30包括用于运行和控制系统的硬件和软件。根据示例性实施方式，ep分析设备30包括计算系统31、输入装置36以及显示装置37。计算系统包括具有处理器33和存储器34的处理电路32。处理器33可以实现为通用处理器、专用集成电路(asic)、一个或多个现场可编程门阵列(fpga)、一组处理部件、或其他适合的电子处理部件。存储器34(例如，存储器、存储单元、存储装置等)是用于存储数据和/或计算机代码的一个或多个装置(例如，ram、rom、闪速存储器、硬盘存储器等)，以完成或促进在本申请中描述的各种过程。存储器34可以是或包括易失性存储器或非易失性存储器。存储器34可以包括数据库部件、对象代码部件、脚本部件、或用于支持本申请描述的各种活动的任何其他类型的信息结构。根据示例性实施方式，存储器34可通信地连接到处理器33且包括用于执行本文描述的一个或多个过程的计算机代码。存储器34可包含各种模块，每个模块能够存储与特定类型的功能相关的数据和/或计算机代码。

仍参考图3，计算系统31进一步包括通信接口35。通信接口35可以是或包括经由直接连接或网络连接(例如，互联网连接、lan、wan或wlan连接等)与外部源进行数据通信的有线或无线接口(例如，插座、天线、发送器、接收器、收发器、接线端子等)。