JPH07500983A - 脳のバイオポテンシャル分析システム及び装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるため要約のデータは記録されません。

Description

【発明の詳細な説明】 脳のバイオポテンシャル分析システム及び方法発明の背景 本発明はリアルタイムの高解析脳バイオポテンシャル分析システムとその分析方 法に関し、さらに特定すれば、非侵襲方法（ｎｏｎｉｎｖａｓｉｖｅ　ｍａｎｎ ｅｒ）にて、脳の電気的活動特性を分析することでｆｌ認が可能な脳現象を定量 的に決定するためのコンピュータを利用したバイオポテンシャル診断システムと その方法に関するものである。

相当な時間と労力を費やしたにも拘らず、脳波記録装置（ＥＥＧ）で表示される ような脳の電気的活動の定量的で非侵襲的な評価への現行の取り組みは必ずしも 成功しておらず、このような複雑な脳波に存在する全ての情報を引き出してはい ない。正確で、感度が良く、信頼性が高く、実用的な神経学的診断技術は未だ完 成には程遠い。特に、現行のイントラオベラテイプ（ｉｎｔｒａｏｐｅｒａｔｉ ｖｅ）ＥＥＧモニター技術は、それに特有な制限に影響されて広く一般に採用さ れるには至っていない。実際に、多数の医療ミス裁判は麻酔後の病状及び死亡率 に開学しているものと信じられる。もし、そのようなＥＥＧモニター技術の信頼 性が高ければ、それらは縫いもなく採用されていたことであろう。

従来技術でも脳の活動を定性的に分析することが出来る周知装置が多数存在した 。従来の通常型アナログタイプＥＥＧの使用に関する技術は時間領域（ｔｊｓｅ ｄｏｍａｉｎ）での分析に限定されたものであり、適正な解釈には相当なる訓練 を要した。さらに、標準型ＥＥＧのトレース速度での人の目の解析度は限定され ており、よってＥＥＧの微細構造の多くは人の目では解析が不能であった。従っ て、視覚的ＥＥＧ診断は科学というよりも芸術とでも表現するほうが妥当であっ た。

１９６０年代のＥＥＧの周波数（パワースペクトル（ｐｏｗｅｒ　ｓｐｅｃｔｒ ｕｍ））の使用は視覚的検査に先立ってその信号の基礎的な処理の概念を紹介す るものであり、多様な脳モニターの問題に対するＥＥＧの周波数分析の適用へと 尋いた。この２５年間で医学文献には１００を越える論文が掲載され、多様なイ ントラオベラティブ条件下における麻酔の程度や脳イスケミア（局所貧血）の診 断のごときの目的でのパワースペクトル分析の適用を解説している。ジョンに付 与されたアメリカ合衆国特許第４．５５７，２７０号もまた開胸手術中の脳潅流 （ｃｅｒｅｂｒａｌ　ｐｅｒｆｕｓｉｏｎ）を診断するパワースペクトル分析の 使用を解説している。しかし、最近のいくつかの研究は脳潅流をモニターして手 術後の神経学的結果を決定するにはパワースペクトル分析には多くの欠陥が存在 することを指摘している。さらに、恐らくは未処理のＥＥＧデータを解析する複 雑さとパワースペクトルあるいは時間領域分析技術を利用する現存する自動シス テムの社信頼性等により、バーバード大学医学部麻酔モニター基準（Ｈａｒｖａ ｒｄ　Ｍｅｄｉｃａｌ　５ｃｈｏｏｌ　Ａｎｅｓｔｈｅｓｉａ　Ｍｏｎ１ｔ。

ｒｉｎｇ　５ｔａｎｄａｒｄ）にはいかなるタイプの体内神経学的モニターをも 含まれていないという事実によっても証明されるごとく、パワースペクトル分析 も、いかなる他のモニター技術も信頼性に欠けることが示された。

より大きな相互作用的神経中枢内に組織された信子もの脳内の生物電気的に活発 な細胞の放電は、調和度（ｈａｒｍｏｎｉｃｓ）が高く、ノド常に複雑なダイナ ミックス（ｄｙｎａｍｉｃｓ）を有した広範囲の周波数スペクトルを持った電気 信号の形成に貢献する。この信号には発生する複雑なノイロン発射様式から生じ る周波数内容、非直線性、及びフェーズ関係に関する情報が含まれている。この ような発射様式は常に変化しており、Ｐ：ＥＣ（ｆｉ号の統計特性を非常に不安 定化している。ＥＥＧ信号の複雑さのために、分析の通常型時間及び周波数モー ドはこの変化を充分には分析出来ながった。このことは前述の取り組みが限定的 な成功しか提供してこなかった理由の１つであろう。

セカンドオーダーオートコリレーション関数（ｓｅｃｏｎｄ　ｏｒｄｅｒ　ａｕ ｔｏｃｏｒｒｅｌａｔｉｏｎ　ｆｕｎｃｔｉｏｎ：パワースペクトル）のフーリ エ変換において、処理は統計的に非相関的（ｓｔａｔｉｓｔｉｃａｌｌｙ−ｕｎ ｃｏｒｒｅｌａｔｅｄ）な正弦形状の波成分の一次総和（ｌｉｎｅａｒ　ｓｕｍ ｍａｔ、１ｏｎ）として表される。パワースペクトル手段を利用したＥＥＧのモ ニターに関する現行のアプローチは非直線部と周波数間のフェーズ関係（ｉｎｔ ｅｒ−ｆｒｅｑｕｅｎｃｙ　ｐｈａｓｅ　ｒｅｌａｔｉｏｎｓｈｉｐｓ）に関す る情報を抑圧してきており、ＥＥＧのダイナミック構造を表現するのに限定的な 利用法を提供するものである。

ＥＥＧは非常にダイナミックであり、非直線的であるため、ＥＥＧ内のフェーズ 関係は脳の機能に関する６断用情報を運搬する最も可能性の高い要素である。

サードオーダーオートコリレーション関数、即ちオートパイスペクトル（ａｕｔ ｏｂｉｓｐｅｃｔｒｕｍ）のフーリエ変換は、１信号内のノーマル状態からの離 脱度と、２次的非直線性（ｑｕａｄｒａｔｉｃ　ｎｏｎｌｉｎｅａｒｉｔｉｅｓ ）と、周波数間のフェーズ関係とを定量化する分析的プロセスである。サードオ ーダーのクロスコリレーション関数、即ちクロスパイスペクトル（ｃｒｏｓｓ　 ｂｉ　ｓｐｅｃｔｒｕｍ）のフーリエ変換は２信号に対する同様な情報を提供す る分析的プロセスである。１番オーダー（ｎｔｈ−ｏｒｄｅｒ）のオート／クロ スコリレージ目ン関数あるいはｎ−１番オーダーのオート／クロススペクトルの フーリエ変換を、■信号内のノーマル状態からの逸脱度並びにｎ−１番オーダー 非直線性及び周波数間フェーズ関係に関する情報を含む分析的プロセスとして定 義することで、これらの技術を一般化をすることは可能である。パイスペクトル を越えるオート／クロススペクトルは高オーダー（ｈｉｇｈｅｒ−ｏｒｄｅｒ） スペクトルと定義することにする。

オートパイスペクトル分析技術はＥＥＧ信号に適用され、通常のＥＥＧの基礎的 なパイスペクトル特性を具現してきた。このような研究は覚醒時と就寝時との相 違に関する研究にも為されてきた。オートパイスペクトル分析とパワースペクト ル分析はさらに一卵性双生児のＥＥＧが構造的に互いに類似していることを示す ためにも利用されている。シャモンに付グされたアメリカ合衆国特許第４，９０ ７．５９７号と第５，０１０，８９１号は、麻酔の深さと適正度、手術に伴う苦 痛の度合、脳イスケミアの程度、意識度、中毒症、進行する認識カプロセス及び 左右牛脳間のダイナミックフェーズ関係の定量化のごとき脳現象の評価を行うＥ ＥＧのオート／クロスパイスペクトル分析の使用を解説している。

今日まで、前述の脳現象の押杆学的診断あるいはモニターにオート高オーダース ペクトルあるいはクロス高オーダースペクトル分析を活用した例は皆無であった 。

前述のどのようなスペクトル技術によっても発生されるデータの分析における共 通の開門は、ＥＥＧの周波数分布が比較的に安定した生理学的条件下で大きく変 化する可能性があるという事実である。このような変化はそれぞれ対応する周波 数においてパワースペクトル、パイスペクトル、及び高オーダースペクトルの変 化に導くものである。例えば、催眠型麻酔剤が低い濃度か、あるいは中間の濃度 にて投与されたときには、１２Ｈｚから１８Ｈｚの周波数帯にてＥＥＧ活性が相 当に増加する。同麻酔剤の多量投与は１２Ｈｚから１８Ｈｚ周波数帯での急激な 活性低下と、０．５Ｈｚから３．５Ｈｚ帯での活性増加をもたらし、非常に高濃 度にて劇的な抑制をもたらす。催眠剤の投与中に患者の麻酔の深さをモニターす るための周波数１２Ｈｚから１８Ｈｚ周波数帯を使用した周波数を利用した分析 は、高から低へと活性の変動が生じた場合には患者の麻酔の深さの評価において ミスを誘発する。このような変動は混合麻酔剤が使用される際にはさらに複雑化 する。

従って、本発明の主要な目的は、脳の電気的活動特性に反映される物理的現象を 認識してモニターすることが可能な、非侵襲的であって、高解析度の脳波（脳電 気信号：　ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｐｈｉｃ　）計システム及 びその方法を提供することである。

本発明の他の目的は、麻酔の深さと適正さ、手術中の痛みに対する反応、脳イス ケミア、脳低酸素症、意識度、中毒程度、変換誘起ポテンシャル反応、並びにア ルツハイマー病及びＨＩＶ関達痴呆症の患者特定を含むノーマルあるいはアブノ ーマル認識プロセスを決定してモニターすることが可能な、非侵襲的脳波計シス テム及び方法を提供することである。

発明の概要 従って、本発明のシステム及び方法は、適当な電極システムとアンプシステムを 使用し、１９の単極ＥＥＧ信号を対象者の左脳及び右脳の両方の対象領域から得 るものである。本システムは高利得の低ノイズアンプを使用し、信号の低エネル ギー波成分のダイナミックレンジを最大化するものである。バンドパス（ｂａｎ ｄ−ｐａｓｓ）フィルタリングはノイズを減じてアリアシング（ａｌｉａｓｉｎ ｇ）を避けるために使用されろ。本システムは信号をデジタル化し、低パスフィ ルター（５０Ｈ２）Ｌ、デシメート処理（ｄｅｃｉｍａｔｅ）するために、通常 に使用されるデジタル信号処理（ＤＳＰ）技術を適用する。従って、パワースペ クトル、パイスペクトル及び高オーダースペクトル処理が行われる。ｌ好適実施 例においては、本システムは各リードからの最も新しい６３秒のデジタル化され たＥＥＧデータを６０の４秒間隔に分割し、その各々は先行する間隔と３秒間オ ーバーラツプする。選択されたセットの引き出されたリードに対して、本システ ムはオートパワースペクトル、オートパイスペクトル、及びオート高オーダース ペクトル変数をファースト（ｆａｓＬ）フーリエ変換（ＦＦＴ）に基づくアプロ ーチか、あるいはパラメトリックキュービックフィッティング（ｐａｒａｍｅｔ ｒｉｃ　ｃｕｂｉｃ　ｆｉＬｔｉｎｇ）アプローチを使用することで創出する。

クロスパワースペクトル、クロスパイスペクトル及びクロス高オーダースペクト ル変数を計算するのにいかなるペアのリードでも組合せることが可能である。

オートパワースペクトルプロセスの結果として、１本のリードからのＥＥＧ波形 内での各周波数におけるパワーを表す１次元アレイ（□ｙ１ｅ−ｄｉｍｅｎｓｉ ｏｎａｌ　ａｒｒａｙ）となる。同様に、クロスパワースペクトルプロセスは２ 波形での各々の周波数におけるエネルギーの産物を表す１次元アレイを創出する 。

オートパイスペクトルとオート高オーダースペクトルプロセスの結果として、■ 波形内で可能な全ての周波数の組合せ相互間でのダイナミックパワーとフェーズ カプリングを表すｌセトのアレイとなる。クロスパイスペクトルとクロス高オー ダースペクトルプロセスは２波形で可能な全ての周波数の組合せ相互間でのダイ ナミックパワーとフェーズカプリングを表す１セツトのアレイを創出する。オー ト／クロスパイスペクトル分析には、４種のアレイが発生可能である。即ち、オ ート／クロスパイコヒーレンス（ｂｉｃｏｈｅｒｅｎｃｅ）−オート／クロスパ イスペクトル密度（ｄｅｎｓｉ　ｔｙ）、オート／クロスリアルトリプルプロダ クト（ｒｅａｌ　ｔｒｉｐｌｅ　ｐｒｏｄｕｃｔ）及びオート／クロスパイフェ ーズである。同一タイプのアレイをオート／クロス高オーダースペクトルプロセ スのために発生させることが可能である。

オート／クロスパワースペクトル、オート／クロスパイスペクトル、及びオート ／クロス高オーダースペクトルアレイの値は、異なるインターペンション（ｉｎ ｔｅｒｖｅｎｔｉｏｎ）あるいは病状で変化する。よって、これらの値は診断基 準を創出するのに使用される。パワースペクトル、パイスペクトル、及び高オー ダースペクトルアレイは臨床的に有用なシングル値インデックスを創出するのに 使用される。このインデックスは間Ｕとなっている特定の診断を正確に下すもの と期待されている。本システムは麻酔の深さと適正さ、手術中の痛みに対する反 応、脳イスケミア、脳低酸素症、意識の程度、中毒程度、変換誘起ポテンシャル 反応、及びアルツハイマー病とＨＩＶ関連痴呆症とを含むノーマルあるいはアブ ノーマル認識プロセスを評価するための利点診断表としてこれらのインデックス を使用する。この方法に従えば、いかなる操作員でも本診断装置の結果を充分に 理解することが可能となる。

連続的モニターが必要な状況では、インデックスをビデオ画面に連続的に表示す ること力呵能であり、よって、操作員は対象領域をインターアクティブ（ｉｎｔ ｅｒａｃｔｉｖｅｌＭ）に評価出来る。記録保存の目的では、インデックス値及 び他の関係変数はハードコピー出力装置に送られるか、あるいは保存装置にて保 存される。

本発明のこれら及び他の特徴は以下に続く詳細な説明と添付図面によってさらに 詳細に解説されている。

図面の簡単な説明 ＵＡｌは本発明システムの略図であり、非侵襲的な手段による脳現象の検出法の 概略を示している。

図２は図１のシステムで利用された１９チヤンネルＥＥＧデータ取得及び分析シ ステムの略図である。

図３は図１のシステムのＥＥＧパワースペクトルとパイスペクトル高オーダース ペクトルの表示に使用されるマイクロコンピュータの略図である。

図４は図１のシステムによって行われる処理操作の略図である。

図５は図４のモニターモジュール操作のフローチャートである。

図６（ａ）から図６（Ｃ）は図１のシステムによって発生された診断用インデッ クスのサンプル表示である。

図７は図４のシステムの取得及びＥ　Ｅ　Ｇ未処理データ管理モジュール操作の フローチャートである。

図８は図１のシステムで使用されるオートパイスペクトル、クロスパイスペクト ル、オートパワースペクトルあるいはクロスパワースペクトル創出用の周波数領 域を利用した創出方法のフローチャートである。

図９は図１のシステムのオートパイスペクトル、クロスパイスペクトル、オート パワースペクトルあるいはクロスパワースペクトル創出用のパラメータを利用し た創出方法のフローチャートである。

図１０（ａ）は図１のシステムにより発生されたパイスペクトル密度アレイを示 すグラフである。

図１ｏ（ｂ）は図１のシステムにより発生されたパイフェーズを示すグラフであ る。

１１１０（Ｃ）は図１のシステムにより発生されたパイコヒーレンスアレイを示 すグラフである。

図１０（ｄ）は図１のシステムにより発生されたリアルトリプルプロダクトの平 方根アレイを示すグラフである。

図１１は図４の診断用インデックス誘導モジュールの操作のフローチャートであ る。

好適実施例の詳細な説明 図１において、本発明の装置はマイクロコンピュータ１８に接続された１９チヤ ンネルＥＥＧデータ取得及び分析システム１２を含んでいる。

ＥＥＧリードは１セツトの表面電極１３によって患者の頭部１４に接続されてい る。国際仕様の１０／２０電極システムが好都合である。ＥＥＧ信号はこれら電 極によって検出され、思考ケーブル１６を介してＥＥＧデータ取得及び分析シス テム１２に伝送される。

データ取得及び分析システム１２はＥＥＧ波形をフィルターして増幅する。通常 に使用されるデジタル信号処理（ＤＳＰ）技術は信号をデジタル化し、ローパス フィルター（５０Ｈｚ）Ｌ、デシメートするために適用される。その儂にパワー スペクトル、パイスペクトル、及び高オーダースペクトルプロセスが実行可能と なる。

システム１２は全パワースペクトル、パイスペクトル、及び高オーダースペクト ルアレイを発生する。その後、これらのアレイは６断用インデツクスを創出する ために臨床的に先行して決定された係数アレイと共に使用される。これらのイン デックスはホストコンピュータ１８に送付され、グラフィックディスプレー２０ に表示される。診断用インデックスでプリントアウトされたデータはマイクロコ ンピュータ１８に接続されたハードコピー出力装置２２でも入手可能である。

操作具はグラフィックディスプレー２０の背部でのフィードバックを使用して、 ユーザー人力装置！２４の手段にて本システムの取得及び分析コンポーネントと インターアクトする。

１９チヤンネルデータ取得及び分析システム１２は、図２においてさらに詳細に 示されている。患者の頭部１４に搭載された表面電極１３によって検出されたＥ ＥＧｉ面ポテンシャルは電気外科（ｅｌｅｃｔｒｏｓｕｒｇｅｒｙ）保護回路３ ０、細動除去（ｄｅｆｉｂｒｉｌｌａｔｏｒ）保護回路３２、及びアンプ／フィ ルター回路３６を通過し、マルチチャンネルアナログ・デジタルコンバータ３８ へと送られる。

電気外科保護回路３０はラジオ周波数（ｒａｄｉｏ　ｆｒｅｑｕｅｎｃｙ：ｒｆ ）フィルターを含んでおり、患者リード１６を通るｒｆ環電流１００マイクロア ンペア以下に制限し、患者１５をｒｆバーン（ｂｕｒｎ）から保護し、アンプ３ ６を製造元が指定する絶対最大入力電圧を越えると発生する損傷から保護する。

この回路は一般的なキャパシターとシリーズで接続されている一般的なインダク ターで成るＬＣ回路でもよく、このキャパシターはアースされる。

細動除去保護回路３２は、細動除去器が患者１５に適用されて放電されたときに アンプ３６への電圧を安全レベルに制限する。この回路は信号バスとシリーズで ネオンライトパルプあるいは他のサージ電圧抑制装置に接続された一般的な抵抗 器で構成可能であり、この抑制装置はアースされる。

アンプ／フィルター回路３６は操作員によって調整可能な利得及びフィルターレ ベル用のマイクロコンピュータ１８によって制御されている。好適な利得及びフ ィルターセツティングは以下に解説されている。この回路セクションは３段階で 構成されている。第１８１階はプレアンプステージであり、カルフォルニア州す ニーベールのナショナルセミコンダクター社によって販売されているもののごと くな多様な高インピーダンスプレアンプを使用して作成可能である。第２段階は プログラム可能なフィルターで成るステージであり、調整可能なバンドパスカッ トオフをＯ，ＩＨｚから４ＫＨｚの範囲のどこにおいても選択させるものである 。

このフィルターはマサチューセッツ州ヘーバーヒルのフリケンシーデバイシズ社 のコンポーネントを使用して設計可能である。第３段階はプログラム可能なアン プで成り、マルチ型デジタル・アナログ（Ｄ／Ａ）コンバータと共に使用される 操作式アンプで作成可能である。両コンポーネントはナショナルセミコンダクタ ー社から入手可能である。マルチ型Ｄ／Ａはマイクロコンピュータ１８によって 要求される適正なレベルに利得をセットするのに使用される。

各チャンネルの高インピーダンスプレアンプは、もしプレアンプの入力が中止さ れなければ、正あるいは負の供給電圧のいずれかを飽和させるであろう、これに よってアンプ／フィルターセクション３６の出力部にて大きな正の値あるいは大 きな負の値となるであろう。このような値はリードの故障を特定するのに使用さ れるであろう。

アンプ／フィルター３６の全１９のチャンネルの出力はマルチチャンネルＡ／Ｄ コンバータ３８に入力される。このコンバータはサンプルレートのセツティング のために入力プロセッサー４４によって制御されている。アナログ信号は入力プ ロセッサー４４に入力するための適正なデジタルデータフォーマットに変換され る。マサチュセッッ州ノーウッドのアナログデバイシズ社によって販売されてい るＡ／Ｄコンバータがこの目的で使用可能である。

マルチチャンネルＡ／Ｄコンバータ３８をオプチカルアイソレータ４ｏによって 入力プロセッサー４４と光学的にカプリングさせる。Ａ／Ｄコンバータ３８への 全制御ラインもまたオプチカルアイソレータ４２によって光学的に絶縁される。

いかなるオプチカルアイソレータでもこの目的で使用可能である。

アンプ３６とＡ／Ｄコンバータ３８に接続されている全ＤＣパワーラインもまた 、患者を接地から完全に開放するためにＤＣ／ＤＣコンバータ４３でＡＣパワー ラインから絶縁されている。バーブラウン社のＤＣ／ＤＣコンバータがこの目的 で使用可能である。

入力プロセッサー４４の制御操作のための基本的なインストラクションはリード オンリーメモリ（ＲＯＭ）４６に保存される。ランダムアクセスメモリ（ＲＡＭ ）４８はデータ用のバッファーメモリとして使用され、ＲＡＭ４８の一部も制御 プログラムがマイクロコンピュータ１８からダウンロードされるときにプログラ ムメモリとして使用可能である。人力プロセッサー４４はＲＡＭ４８と１（０Ｍ ４６とコミュニケートするためのバス５ｏと、マイクロコンピュータ１８とコミ ュニケートするセパレートバス５５とを有している。

計算プロセッサーのメモリ構造は入力プロセッサーのものと類似している。計算 プロセッサー５２の制御ａ操作用の基本的インストラクションはリードオンリー メモリ（ＲＯＭ）５４に保存される。ランダムアクセスメモリ（ＲＡＭ）５６は データ用のバッファーメモリとして使用され、ＲＡＭ５６の一部も制御プログラ ムがマイクロコンピュータ１８がらダウンロードされるときにプログラムメモリ として使用可能である。計算プロセッサー５２はＲＡＭ５６とＲＯＭ５４とコミ ュニケートするバス５８を有しており、マイクロクロコンピユータ１８とコミュ ニケートするバス５５を使用する。

Ａ／Ｄコンバータ３８は高速でデータを取得し、フィルタリングは入力プロセッ サー４４によって為され、対象領域外の周波数を排除する。人力プロセッサーは 同時に入力データのサンプルレートを低サンプルレートにデシメートする。入力 プロセッサー４４はさらにデータバス５５とバッファー６ｏを介した未処理の入 力信号の表示のためにマイクロコンピュータ１８へのフィルターされてデシメー トされたデータストリームをマイクロコンピュータデータバス４ｏにトランスフ ァーする。入力プロセッサー４４はまたそのデータを入力計算プロセッサー５２ にトランスファーし、シリーズコミュニケーションインターフェース５１を介し て、パワースペクトルと入力信号の高オーダースペクトル特性を計算する。計算 プロセッサー５２は人力データのパワースペクトルと高オーダースペクトル特性 を計算し、計算されたパワースペクトルと高オーダースペクトルデータがら診断 用インデックスを創出する。この人力プロセッサーはマサチューセッツ州ノーウ ッドのアナログデバイシズ社によって販売されているＡＤＳＰ−２１０１のよう ないかなる一般用のＤＳＰプロセッサーであってもよい。この計算プロセッサー は好適実施例においてはテキサス州ダラスのテキサスインスッルメント社によっ て販売されているＴＭＳ３２０Ｃ３０のごときフローティングポイントＤＳＰプ ロセッサーである。

図１のホストコンピュータ即ちマイクロコンピュータ１８は図３においてさらに 詳細に図示されている。全マイクロコンピュータシステムはマイクロプロセッサ −６２の制御のもと、ＲＯＭ６４にて保存されたプログラムメモリで使用される 。ＲＡＭ６６は中間データの保存用として使用される。保存装置！８４はウィン チェスタ−ディスクあるいはＲＡＭの大ブロックあるいは他のいかなる保存媒体 であっても構わない。これは臨床情報の保存に使用され、思考データの記録保管 に使用可能である。

１好適実施例において、マイクロコンピュータ１８はマスコプロセッサ−（ｍａ ｔｈ　ｃｏｐｒｏｃｅｓｓｏｒ）７０を含んでおり、これはマイクロプロセッサ −６２に直接接続されている。マスコプロセッサ−７０は計数（ｓｃａｌａｒ） 計算及びグラフィック計算に使用される。マイクロプロセッサ−６２のプログラ ム制御にて作動しているグラフィックコントローラ７２はグラフィックディスプ レー２０を駆動する。インターフェースポート７４はマイクロコンピュータバス ４０からユーザインターフェース装置１２４への接続を提供する。ユーザーイン ターフェース装置２４はキーボードでも、ボインティング装置でも、あるいはキ ーバッドでも、あるいはこれらのいがなる組合せ体でもこれらに類似した装置の いかなる組合せ体であっても横わない。インターフェースポート７４はまたマイ クロコンピュータと外部的誘起（ｅｖｏｋｅｄ）ポテンシャル刺激装置との接続 をも提供することが可能である。この接続によってマイクロコンピュータは刺激 を誘発し、独立して誘発された刺激の開始を容易に特定するであろう。

全取得、分析及びディスプレー処理の操作員制御は、グラフィックディスプレー ２０のフィードバックを使用してユーザーインターフェース装置Ｉｆ２４によっ て制御される。データバス４０は制御データを１９チヤンネルデータ取得システ ム１２（例：フィルタリング、利得、サンプルレート、スタート／ストップ取得 、自己６断の実施）に送り、このシステムがらＥＥＧデータを受領するのに使用 可能であり、このシステムにプログラムデータをダウンロードするのにも仕様可 能である。シリーズあるいはパラレルポート７８は望む診断用インデックスをプ リントするためのハードコピー出力装置１’！２２を駆動するために提供される 。

図４において、本発明のシステム操作及び方法のブロック図が解説されている。

前述のように、本発明のシステムと方法は先行して選択されたリードからのＥＥ Ｇ信号のダイナミックフェーズと密度関係を計算する。シングル値診断用インデ ックスはその後に臨床的に先？ｊ決定されている係数（ｃｏｅｆｆｉｃ４ｅｎｔ ）　アレイを使用してデータアレイから発生される。その結果は、例えば、麻酔 の深さと適正さ、手術中の痛みに対する反応、脳イスケミア、脳低酸素症、意識 の程度、脳中前症状、変換誘起ポテンシャル反応、並びにアルツハイマー症及び ＨＩＶ関連痴呆症を含むノーマルあるいはアブノーマル認識プロセスの評価に関 連する理由で、脳の電気的活性を分析するのに有用な定量的インデックスが得ら れる。

モニターモジュール４０２は本システムの全体的な操作を、ユーザーのインター フェースモジュール４０４からのデータ及び処理情報の集積、取得並びに未処理 ＥＥＧデータ管理モジュール４０６、パワースペクトル、パイスペクトル、及び 高オーダースペクトル処理モジュール４０８、並びに診断用インデックスの引出 しモジュール４］０を介して取り扱う。モジュール４０２の詳細な解説図は図５ である。

操作員はユーザーインターフェースとディスプレー管理モジュール４０４を通じ ての処理中に本システムを制御してインターアクトする。このインターアクショ ンは患者に関する情報と実施されている診断処理の情報の人力と、リード及び取 得セツティングと、取（り状況とリードインテグリテイと各電極によってプロー ブされている領域に対応する診断用インデックスの連続的ディスプレーとに関す る情報の利用を含むものであり、保存データのプリントアウトと保存装置への結 果の保存とリクエストするものである。モジュール４０４はモニターモジュール ４０２と直接的にインターアクトする。モジュール４０４によって為される操作 はマイクロソフト社のウィンドウズのような商業的に入手可能な環境下にて達成 可能である。

取得及び未処理ＥＥＧデータ管理モジュール４０６はパワースペクトル、パイス ペクトル、及び高オーダースペクトル分析に先行して全未処理ＥＥＧデータのチ ェツキングと処理を取り扱う。これにはＥＥＧデータの連続的取得と、そのイン テグリテイの確認と、オート／クロスパワースペクトル、パイスペクトル、及び 高オーダースペクトル処理のための全単極ＥＥＧデータの作成が含まれる。モジ ュール４０６はモニターモジュール４０２と直接的にインターアクトする。モジ ュール４０６のさらに詳細な説明は図７を使用した以下の解説にて行う。

パワースペクトル、パイスペクトル、及び高オーダースペクトル処理モジュール ４０８はパワー提供、ダイナミックフェーズ関係、及びＥＥＧ内のパワーカプリ ングのための全データアレイの発生を制御する。この情報はＦＦＴ利用アプロー チあるいはパラメータ利用アプローチのいずれかを用いてオート／クロスパワー スペクトル、パイスペクトル、及び高オーダースペクトルを計算することで入手 可能である。このモジュールにて達成される仕事は、フーリエ変換及びパワース ペクトルの発生、オート／クロスパイスペクトル密度と高オーダー密度の発生、 オート／クロスパイコヒーレンスと高オーダーコヒーレンスの発生、オート／ク ロスパイスペクトルリアルプロダクトと高オーダーリアルプロダクトの発生、及 びオート／クロスパイフェーズと高オーダーフェーズの発生を含む。モジュール ４０８はモニターモジュール４０２と直接的にインターアクトする。モジュール ４０８のさらに詳細な説明は図８と図９を使用した以下の解説にて提供されてい る。

詑断用インデックス派生モジュール４１０は詑断プロセスにおいて使用するデー タ値を発生する。この仕事は各必要なパワースペクトル、パイスペクトル、ある いは高オーダースペクトルアレイのための対象周波数帯での値をソートし、各ソ ートされたアレイをソートされたデータ（即ち、トップの０−５％、トップの５ −１０％及びボトムの５％等）の分布ヒストグラムの部分を表すビン（ｂｉｎ） に分割し、各ビン内の値を合計してシングル数変数を創出し、オート／クロスパ ワースペクトル、パイスペクトル、及び高オーダースペクトルアレイから得られ たソートされた値に臨床的に先行して決定された係数を掛けることで診断用イン デックスを創出し、係数が掛けられた全変数を総計して、最終的な一度量の診断 用インデックスを創出することを含む。モジュール４１０はモニターモジュール ４０２と直接的にインターアクトする。モジュール４１０のさらに詳細な解説は 図１１に関する以下の記述にて提供されている。

モニターモジュール４０２の操作の略図は図５において提供されている。初期設 定ステップ５０２において、データアレイは最も新しい６３秒間の未処理デジタ ルＥＥＧ信号で満たされており、各リードのパワースペクトル、パイスペクトル 、及び高オーダースペクトルデータはゼロに初期設定される。保存用に必要なデ ータファイルと診断用インデックスの計算に必要なデータベースを含んだファイ ルも初期設定ステップ５０２で開かれる。

ステップ５０４において、本システムはユーザーインターフェースモジュール４ ０４を介してユーザーからの取得及び６断プロセスをスタートさせるのに必要な 情報をリクエストする。このリクエストされた情報は患者の記述的統計データ（ 性、年齢、病状、等）、実施されるべき診断プロセスのタイプ、オートパワース ペクトル、パイスペクトル、及び高オーダースペクトル分析のために使用される リードと、クロスパワースペクトル、パイスペクトル、及び高オーダースペクト ル分析に使用されるリードを含むものである。

操作のデフォルトモードにおいては、本システムは麻酔の深さと適正さ、及び手 術中の痛みに対する反応をデフォルトオートパイスペクトルデータベースを使用 して連続的にモニターする。デフォルトバンドパスフィルタリングは０．５Ｈ２ から５０Ｈｚの範囲を通過して実施され、デフォルトサンプルレートは秒速１２ ８サンプルにセットされ、デフォルト利得は各リードに対して５０００にセット される。本好適実施例の以下の説明は麻酔情報の深さを最良に提供する特定電極 サイトからのＥＥＧに対して実施されるオートパイスペクトルプロセスを重点的 に解説するものとなろう。操作の他のモードは一般的に解説されるであろう。

国際基準の１０／２０電極システムに従い、本システムを使用して取得される１ ９のＥＥＧ信号は、Ｆｐｌ、Ｆｐ２、Ｆ７、Ｆ３、Ｆｚ、Ｆ４、Ｆ８、Ｔ３、Ｃ ３、Ｃｚ、Ｃ４、Ｔ４、Ｔ５、Ｐ３、Ｐｚ、　Ｐ４、Ｔ６．０１、及び０２（参 考としてＡ１あるいはＡ２）である。

オートパワースペクトル、パイスペクトル、及び高オーダースペクトル分析を実 施するために１信号が必要である。この信号は前記のいがなる１！極からも直接 的に測定が可能である。又は２本あるいはそれ以上のＥＥＧリードからの信号を １次結合して合成が可能である。例えば、２つのアナログ信号は第３の信号を提 供するためにディファレンシャルアンプを使用して相互から差し引くことが可能 である。同一の操作は数値引算を使用して２つのデジタル化された信号に対して 実施可能である。オートパワースペクトルデータは信号内のパワー分布に関する 情報を提供し、オートパイスペクトルデータは信号内の正常値、２次的非直線性 及びインター周波数フェーズ関係に関する情報を提供し、オート高オーダースペ クトルデータは信号内の正常値、高オーダー非直線性、及びインター周波数フェ ーズ関係に関する情報を提供する。このようなプロセスは、信号が独立波成分で 構成されているか、あるいは一定の周波数が非直締約にインターアクトするファ ンダメンタルの単純なハーモニーであるがどうかを決定する。電極にてプローブ された位置での信号の非直線性周波数構造を変更する脳現象はオートパイスペク トル及び高オーダースペクトルタイプのアプローチによって最良に定量化される 。

クロスパワースペクトル、パイスペクトル、及び高オーダースペクトル分析を実 施するために、２つの信号が必要である。２つの信号は前記のいかなる２つの電 極からも直接的に計測可能である。あるいは２つの信号のどちらでも２つあるい はそれ以上のＥＥＧリードを前述のごとくに一次結合して合成可能である。クロ スパワースペクトルデータはこれら２つの信号の間のパワーコリレーションに関 する情報を提供する。クロスパイスペクトルデータは正常値からの偏差、２次的 非直線性、及び２つの信号間のインター周波数フェーズ関係に関する情報を提供 する。クロス高オーダースペクトルデータは正常値からの偏差、高オーダー非直 線性、及び２つの信号間のインター周波数フェーズ関係に関する情報を提供する 。このようなプロセスは信号″Ｘ″の周波数が独立的であるかどうが、あるいは それらが信号”Ｙ”にて存在するファンダメンタルのハーモニーであるかどうか を決定する。これによって、コルテックス（ｃｏｒｔｅｘ）の別々の領域から発 生する２つの信号間の関係のより良い特徴付けが提供される。コルテックスの種 々な領域間の非直線的周波数関係を変更する脳現象はクロスパイスペクトルとク ロス高オーダースペクトルアプローチによって最良に定量化される。

麻酔の効果はＥＥＧのさらに全体的な変化に反映されるものであり、よって、本 好適実施例は麻酔の深さのモニター用のオートパイスペクトル分析を使用したシ ステムの操作を説明するのに６つの信号を使用する。この６つの信号は以下の電 極配置から引き出される。左右の頭部前方（ＦＬ／ＦＲ）信号はそれぞれ（Ｆｐ ｉ−Ｃｚ）と（Ｆｐ２−Ｃｚ）から引き出され、左右の頭骨頭頂部（ＰＬ／Ｐ１ （）　４８号はそれぞれ（Ｐ３−Ｃｚ）と（Ｐ４−Ｃｚ）から引き出され、左右 の前方頭骨頭頂部（ＦＰＬ／ＦＰＲ）信号はそれぞれ（Ｆｐｌ−Ｐ３）と（Ｆｐ ２−Ｐ４Ｊから引き出される。

ステップ５０６において、新しい１秒バッファーの未処理ＥＥＧデータが取得さ れる。本システムはこの新１秒バッファーで人工物（ａｒｔｉｆａｃｔ）検出を 行い、全データアレイを適正にアップデートする。操作員がその問題を矯正出来 るように人工物データ（ａｒｔｉｆａｃＬｕａｌ　ｄａｔａ　）のいかなる伝達 も操作員に対して表示される。

ステップ５０８において、本システムは信号ＦＬ、ＦＲ，ＰＬ、ＰＲ，ＦＰＬ。

ＦＰＨのオートパワースペクトル及びオートパイスペクトルアレイを計算する。

もちろん他の信号はオート／クロスパワースペクトル、パイスペクトル、及び高 オーダースペクトル処理のために使用可能である。パワースペクトル、パイスペ クトル、及び高オーダースペクトル計算の為の２つの異なるアプローチを図８と １２１９を利用して以下において説明する。

ステップ５１０において、全部の発生オート／クロスパワースペクトル、パイス ペクトル、及び高オーダースペクトルアレイからのシングル値診断用インデック スが計算される。オート／クロスパワースペクトル、パイスペクトル、及び高オ ーダースペタトルアレイ用の臨床的に先行決定された係数アレイは診断用インデ ックス計算に使用される。係数７レイの発生に関しては後述する。本システムは ステップ５１２において分析されている全信号の診断用インデックスを瞬時に表 示する。ステップ５１４において、本システムはエクシットリクエストを点検し 、そのようなリクエストがなければ、本システムはステップ５０８からステップ ５１４までを繰り返す。ステップ５１６において、リクエストされたプリントア ウトが提供され、その結果は記録保存用として保存装置に保存され、全ファイル は閉じられる。ステップ５１８において、このプロセスは終了する。

本システムによって発生した縮小表示例は図６（ａ）から図６（ｃ）において示 されている。患者の頭部の例は図６（ａ）と図６（ｂ）の図形で示されている。

最初の図形である図６（ａ）は１９のセクションに分割されており、各セクショ ンは１１１１極にプローブされた領域を表している。第２の図形である図６（ｂ ）は３つの水平セクションに分割されており、その領域で電極群によってプロー ブされ、組み合わされた左右脳半球の活動を表している。スクリーンに表示され た頭部の略図は必要に応じて特定の診断用あるいはモニター用に区分けすること も可能である。例えば、もし麻酔の深さのような全体的な効果を探る場合には、 そのトレンドに沿った方向で単一化されたインデックスが全表示面を占めてもよ い。

頭部を表す図６（ａ）において、各セクションはその領域の電極から得られたＥ ＥＧデータを使用したインデックス６０２の瞬時の値を含む。頭部を表す図６（ ｂ）において、各セクションはその領域の複数の電極から得られたＥＥＧデータ を使用して計算されたインデックス６０４の瞬時の値を含む。各インデックス値 に隣接して、カラーコードされた矢印がインデックスの方向の瞬時の変化を示す のに使用される。この矢印は操作員によって予めセットされた制限内にインデッ クスが存在すれば緑色であろう。矢印はインデックスが危険領域に入れば黄色く なるであろう。もし、インデックスが患者に対して容認できる制限範囲を外れれ ば赤線が矢印に代わって点滅する。

操作員のリクエストにより、どのセクションに対してもインデックスの瞬時の値 とトレンドは図６（ｃ）において図示されているように精査のために拡大図６０ ６として表示可能である。これにより離れた場所での患者の状態検査力呵能とな る。その領域の診断用インデックスを発生させるのに必要なデータに関わるどの リードに対しても、リードに間転が発生したり、人工物が検出されたときに各セ クションには大きなｌＸ印”が表示される。

図７を使用して取得及び未処理ＥＥＧデータ管理モジュール４０６を詳細に解説 する。ステップ７０２において、本システムは新データが初めて取得されている かどうかをチェックする。もし取（りされているならば、ステップ７０４の取得 システム１２にはリクエストされたフィルタリング、利得、サンプルレート、及 びリードセレクションに関する情報が供給される。そのデフォルトセツティング はフィルタリングに対してバンドパス０．５−５０Ｈｚ、利得に対して５０００ 、サンプルレートに対して１２８サンプル／秒であり、リードの組合せＦＬ、Ｆ ＲｌＰＬ、ＰＲ，ＦＰＬ、及びＦＰＲからの信号が取得される。上記のセツティ ングは本システムが連続的ＥＥＧ信号ではなくて誘起されたＥＥＧ反応を分析し ているときには大きく異なるものとなる。多様なＥＥＧ誘起ポテンシャル用の信 号を取得するための共通の利得とフィルターセツティングを以下で解説する。

ＥＥＧＭ起ポテンシャルとは、脳と中枢神経系統の知覚部位を知覚刺激に対する ＥＥＧ内の反応を検出することで評価することを可能とする手段である。これに は３種の通常手段が存在する。バタンシフト視覚誘起ポテンシャル（ＰＳＶＥＰ ）は患者に対して示され、変化する視覚パタンに関与する。例えば、ストロボラ イトを点滅させたり、あるいは白黒チェッカーボードを反転（白に対して黒、又 はその逆）することも可能である。脳幹聴覚誘起ポテンシャル（ＢＡＥＰ）は信 号発生器によって出されるクリック音のような制御された聴覚刺激を使用する。

最後に、体性感覚誘起ポテンシャル（ＳＥＰ）は生理学的（接触、あるいは筋肉 伸張）、あるいは電気的刺激のどちらかを使用する。全誘起ポテンシャル手法に おいて、電極は脳の適正箇所付近に配置され（即ち、視覚誘起ポテンシャルの場 合には、視覚皮層の上〕、ＥＥＧは刺激開始から始めて所定時間記録される。刺 激は何度も繰り返され、得られた記録は平均化され（伝統的には時間領域で）、 刺激によるもの以外のＥＥＧ信号の全部分を排除する。本発明においては、誘起 された反応に対するＥＥＧがら創出された一連のパワースペクトル、パイスペク トル、あるいは高オーダースペクトルアレイが平均化される。

各誘起ポテンシャル手法において、異なるフィルターと利得セツティングが使用 される。例えば、バタンシフト視覚誘起ポテンシャルの普通の利得セツティング の範囲は２０，０００から１００，０００の範囲である。ＰＳＶＥＰの普通のフ ィルターセツティングの範囲はバンドパスの低エンドに対してはｌＨｚから３Ｈ ｚであり、高エンドに対しては１００Ｈｚから３００Ｈｚである。誘起ポテンシ ャルの手法及び使用は１９８３年のチアツバにょる「臨床医学の誘起ポテンシャ ル」においてさらに詳しく記載されており、本明細書にその内容を借用する。

ステップ７０６において、本取得システム１２はリクエストされた全リードの１ 秒間の新データを取得する。あるいは、本システムが誘起ポテンシャルを分析し ているならば１完全誘起ポテンシャル反応からの信号が取得される。本システム はステップ７０８にて非常に大きな正価あるいは負値をチェックすることで取得 サイクル中のリード機能不順を検出する。また、ステップ７０８において、一般 に利用可能なアルゴリズムが各リードの機能不順を検出するのに利用される。

ステップ７１０において、機能不順に陥ったリードや人工的データを創出してい るリードはモニターモジュール４０２のためにマークが付される。

ステップ７１２において、各信号に対する最新の４秒間の記録はＸｌ（ｔ）に振 り分けられる。Ｘ　ｊ（ｔ　）はオートパワースペクトル、オートパイスペクト ル、及びオート高オーダースペクトル処理用に提供される個々の時間シリーズ記 録である（時間シリーズＸ１（ｔＨ全を及び１特定ｉに対して）は記録と呼称す る）。クロスパワースペクトル、パイスペクトル、及び高オーダースペクトル処 理が必要な場合は、第２信号からの最新の４秒間記録がＹｉ（ｔ）に振り分けら れる。本好適実施例においては、Ｙ　ｉ（ｔ　）は全ての場合にＸｌ（ｔ）に等 しくセットされる。オートパワースペクトル、オートバイスベクトル、及びオー ト高オーダースペクトル計算のみが実施されるからである。インデックスｉは１ から６０までの記録数を表す。

もし誘起ポテンシャルが分析されているなら、各信号からの最新の完全誘起ポテ ンシャル反応は前記のごとくの適当なＸｌ（ｔ）とＹｉ（ｔ）に振り分けられる 。誘起ポテンシャル反応を個々の記録として使用すると、パワースペクトル、パ イスペクトル、及び高オーダースペクトル領域での多数のそれらを平均化するこ とが可能となる。

ステップ７１４において、円形バッファーメカニズムが各リードの未処理ＥＥＧ を保存するために使用され、さらに、各リードの６０の最新４秒間Ｘ　ｉ（ｔ　 ）とＹｉ（ｔ）記録用のオート／クロスパワースペクトル、パイスペクトル、及 び高オーダースペクトルアレイを保存するために使用される。このバッファーは 最も古いデータの位置に最も新しく取得されて処理されたデータを保存すること でアップデートされる。本システムの操作はステップ７１６のモニターモジュー ル４０２に戻る。

図８を利用して、オートパワースペクトル、オートバイスベクトル、クロスパワ ースペクトルあるいはクロスバイスベクトルを創出する周波数領域利用処理を説 明する。

ステップ８０２において、本システムは実行される計算が１つの信号か２つの信 号を必要とするかどうかをチェックする。典型的には１つの時間シリーズはオー トスペクトル分析に必要であり、２つの時間シリーズはクロススペクトル分析を 実行するのに必要である。

ステップ８０４において、本システムは単極リードのオートパワースペクトルあ るいはオートパイスペクトル計算を実行するのに以下の方法にて時間記録をセッ トする。これらの計算には１つの信号のみが必要であり、第２セツトの記録（Ｙ ｊ（ｔ））は第１セツトの記録（）Ｎ（ｔ））と等しくセットされる。その結果 、Ｘｊ（ｔ）とＹｉ（ｔ）の対応するフーリエ変換、即ちそれぞれＸｌ（ｆ）と Ｙｉ（ｆ）も等しくなる。

Ｘｌ（ｔ）＝Ｙｉ（ｔ）−−−＞　Ｘｌ（ｆ）＝Ｙｉ（ｆ）ここで、ｉは記録数 であり、本実施例では１から６０の範囲である。

ステップ８０６において、時間記録は２つの別々の時間シリーズ信号を使用して クロスパワースペクトルとクロスパイスペクトル分析のためにセットされる。

その結果、対応するフーリエ変換は等しくはならない。

Ｘｌ（ｔ）≠Ｙｉ（ｔ）−−−＞　Ｘｌ（ｆ）≠Ｙｉ（ｆ）ここで、Ｘｌ（ｔ） とＹｉ（ｔ）は２以上の電極によってプローブされた２つの別々の領域からの別 々に誘起された時間シリーズ記録を表す。

その信号の各６０秒間の記録のファーストフーリエ変換（ＦＦＴ）Ｘｉ（ｆ）と Ｙｉ（ｆ）はステップ８０８の標準ＩＥＥＥライブラリルーティーン（ｌｉｂｒ ａｒｙｒｏｕｔｉｎｅ）（あるいはいかなる他の一般的なルーティーン）を使用 して計算される。もし、リクエストされたなら、変換記録のシリーズＸ１（ｆ） とＹＲｆ）は、それぞれ定数ＣｘｉとＣｙｌによって各周波数での値を割ること で各々ノーマル化を施すことが可能である。これらの定数は各記録と各シリーズ （ＸあるいはＹ）に対して別々に得られる。この定数は全パワーか、対象スペク トルの最大値か、あるいはＸｌ（ｆ）、Ｘｌ（ｔ）、Ｙｉ（ｆ）、及びＹｉ（ｔ ）の他の導関数（ｄｅｒｉｖａｔｉｖｅ）である。

ステップ８１０において、本システムは実行される計算がパワースペクトルか、 あるいはパイスペクトル計算かをチェックする。

本システムはステップ８１２において以下の式を利用してオート／クロスパワー スペクトル密度値（ＰＤ（ｆ））を計算する。式中、Ｐ　Ｃ（ｆ　）は１信号あ るいは信号ペアの平均コンプレックスプロダクト（ｃｏｍｐｌｅｘ　ｐｒｏｄｕ ｃｔ）である。

ＰＤ（ｆ）＝　ＩＰｃ（ｆ）１ 式中、Ｙ’１（ｆ）は、Ｙｉ（ｆ）　（０＜ｆ＜Ｎ／２）の共役コンプレックス （ｃ。

ｍｐｌｅｘ　ｃｏｎｊｕｇａｔｅ）であり、Ｍは記録数である（本好適実施例で は６０）。本システムはその後にリクエストされたオート／クロスパワースペク トル密度アレイをモニターモジュール４０２にリターンする。

本システムがステップ８１４においてパイスペクトル計算を実行しているなら、 本システムは実行される計算がオートパイスペクトルかクロスパイスペクトル計 算かをチェックする。

オートバイスベクトル分析はクロスパイスペクトル分析の特別な場合であって、 対称（ｓｙｍｍｅＬｒｙ）の異なる法則が適用される。ステップ８１６において 、本システムはオートパイスペクトル計算中にどの範囲のｆｌとＦ２を使用する のがを決定するために以下の等式を使用する。

式中、Ｎは記録あたりのサンプル数と等しい（１好適実施例では、５１２＝４ｓ ｅｃｓ／記録”１２８サンプル／５ｅｃ）。

０≦　ｆ２≦ｆ１ 式中、ｆｌとＦ２（Ｆｌ及びＦ２あるいは周波数１及び周波数２とも呼称）はパ イスペクトル計算が実行されるであろう周波数ペアを表す。

ステップ８１８において、クロスパイスペクトル分析のためのｆｌとＦ２の範囲 を決定するのに以下の式が利用される。

式中、クロスパイスペクトル分析Ｘ１（ｆ）とＹｉ（ｆ）が２つの別々の領域か らの個々に得られた時間シリーズ記録のフーリエ変換を表す以外は、全変数はオ ートスペクトル分析の場合と同一値を表す。

ステップ８２０において、その信号の各６０の選択された記録のバッファースペ クトルＰｘｉ（ｆ）とＰｙｉ（ｆ）はフーリエ変換Ｘ１（ｆ）とＹｉ（ｆ）の各 要素の値をそれぞれ平方することで計算される。

本システムはステップ８２２において以下の式を使用して平均コンプレックスト リプルプロダクトを計算する。式中、ｂｃｉ（ｆｌ、Ｆ２）は１つの４秒間の記 録からの個々のコンプレックストリプルプロダクトであり、ＢＣ（ｆｌ、ｆ’２ ）は全６０の記録に対する平均コンプレックストリプルプロダクトである。

ｂｃｉ（ｆｌ　Ｆ２）＝Ｘｉ（ｆｌ）★Ｘ１（ｆ　２）　＊Ｙｉ（ｆ　Ｉ＋ｆ　 ２）式中、Ｍは記録数（本好適実施例では６０）である。

平均リアルトリプルプロダクトはステップ８２４にて以下の等式を利用して計算 される。式中、ｂ　ｒｉ（ｆ　１．ｆ　２）は１つの４秒間記録からの個々のリ アルトリプルプロダクトであり、ＢＲ（ｆｌ、Ｆ２）は全６０の記録に対する平 均リアルトリプルプロダクトである。

ｂｒｉ（’ｆｌ、ｆ２）＝Ｐｘｉ（ｆｌ）　＊　Ｐｘｉ（Ｆ２）　”　Ｐｙｊ（ ｆｌ＋ｆ２）式中、Ｍは記録数（本好適実施例では６０）である。

ステップ８２６にて、オート／クロスバイスベクトル密度値（ＢＤ（ｆｌ、Ｆ２ ））のアレイは以下の等式を利用して計算される。

Ｂｌ）（ｆｌ、Ｆ２）＝　１１３Ｃ（ｆｌ、Ｆ２）１ステツプ８２８において、 平均リアルトリプルプロダクト（ＳＢＲ（ｆｌ、Ｆ２））の平方根アレイは以下 の等式を利用して計算される。

５ＢＲ（ｆｌ、Ｆ２）＝　［ＢＲ（ｆｌ、Ｆ２）］”ステップ８３０において、 本システムは以下の等式を用いてオート／クロスパイフェーズ値（ψ（ｆｌ、Ｆ ２））のアレイを計算する。

ψ（ｆ　１．ｆ　２）＝　ｔａｎ−’　［Ｉ　ｍ　（ＢＣ（ｆ　Ｉ、Ｆ２）　） 　／Ｒｅ　（ＢＣ（ｆＩ、Ｆ２））　］Ｆ０ψ〈２π　（ラジアン） ステップ８３２において、本システムは以下の等式を用いてオート／クロスパイ コヒーレンス値（Ｒ（ｆｌ、Ｆ２））のアレイを計算する。

Ｒ（ｆｌ、Ｆ２）＝ＢＤ（ｆｌ、Ｆ２）／５ＢＲ（ｆｌ、Ｆ２）ステップ８３４ において、本システムはリクエストされたオート／クロスパワースペクトル密度 アレイあるいはオート／クロスパイスペクトル密度、平方根された平均リアルト リプルプロダクト、パイコヒーレンス、パイフェーズアレイをモニターモジュー ル４０２にリターンする。

オート／クロスパイスペクトルアレイを計算するのに使用される前記の周波数領 域利用の等式は、オート／クロス高オーダースペクトルアレイを計算するために 一般化することが可能である。これによって、トリスベクトル（ｔｒｉｓｐｅｃ ｔｒｕｍ）、クアドスペクトル（ｑｕａｄｓｐｅｃｔｒｕｍ）等の計算が可能に なる。Ｋ番オーダー（Ｋｔｈ−ｏｒｄｅｒ）スペクトルのアレイを計算するとす れば、以下の等式が使用可能である。

平均コンプレックスに番オーダープロダクト：式中、Ｍは記録数である（本実施 例では６０）。

平均リアルに番オーダープロダクト： ＊　Ｐｘｉ（ｆｉｔ−＋）★Ｐｙｉ（ｆ　Ｉ＋ｆ　２＋、、、＋ｆ４−７　）オ ート／クロスに番オーダースペクトル密度：ＫＤ（ｆｌ、ｆ２．、、、、ｆ、− 、）＝　ＩＫｃ（ｆｌ、ｆ２．、、、、ｆｖ−、）１オート／クロスに番オーダ ーコヒーレンス；Ｒ（ｆｌ、ｆ２．、、、、ｆ、、） ＝　ＫＩ）（ｆ　ｌ、　ｆ　２．、、、、　ｆｌ−＋　）／　［ＫＲ（ｆ　１． ｆ　２．、、、、ｆｌ−＋　）］　”Ｏ０Ｒ＜１ オート／クロスに番オーダーフェーズ：（ｐ（ｆ　Ｉ、ｆ　２．、、、、ｆ、、 ）＝　ｔａｎ−’　［Ｉｍ　（ＫＣ（ｆｌ、ｆ２．、、、、ｆｋ−＋　））／　 Ｒｅ　（ＫＣ（ｆ　Ｉ、ｆ　２．、、、、　ｆｉ−＋　））　］Ｏ０ψ〈２π　 （ラジアン） 図９はオートパワースペクトル、オートパイスペクトル、クロスパイスペクトル 、あるいはクロスパイスペクトルのパラメータ利用方法を説明してしする。ステ ップ９０２．９０４及び９０６において、本システムはステップ８０２．８０４ 及び８０６でそれぞれ説明したものと同一の手法にて時間シリーズ記録をセ・ソ トする。Ｘｌ（ｔ）とＹｉ（ｔ）のオート／クロスパワースペクトルはステ・ツ ブ９０８．９１０及び９１２にて予想される。この予想法は２つのステージであ るオートレグレツシブ（ａｕｔｏｒｅｇｒｅｓｓｉｖｅ　（ＡＲ））モデルオー ダーセレクションとＸｉ（シ）とＹｉ（ｔ）のオート／クロスバワースベクトル 計算を含むものである。ステップ９０８において、本システムは以下の等式を用 いてオートコ１ル−ジョンの２つのシーケンス［Ｒ２ｘ（ｍ）ｌとｔＲ２ｙ（ｍ ）ｌを計算する。

Ｚ＝ＸあるイハＹ、及び　ｍ＝ｏ、ｌ、、、、、Ｌ式中、Ｍは各信号の記録数（ 本実施例では６０）であり、Ｎは記録あたりのサンプル数（本実施例では５Ｉ２ ）であり、Ｌは鼓大可能なＡＲフィルターオーダー（本実施例では５０）よりも 大きな値である。

ファイナル予想エラーＦ　Ｐ　Ｅ　Ｘ（＊）とＦ　Ｐ　ＥＹ（−）は、ＡＲフィ ルターのオーダーを見つけるために全オーダーｍ＝１．２．、、、、Ｌに対して 、ステップ９１０の各オートコリレーションシーケンスにレビンソン帰納関数（ Ｌｅｖｉｎｓｏｎｒｅｃｕｒｓｉｏｎ　ｆｕｎｃｔｉｏｎ）を実行することで計 算される。ＡＲフィルターのオーダーはファイナル予想エラーＦＰＥｘ（■）と Ｆ　Ｉ）　Ｅｙ（ｓ）それぞれの最小イ＾の位置を兄つけることで決定可能であ る。即ち、ＦＰＥ、（Ｑｒ）＝ｍｉ　ｎ　（ＦＰＥｘ（ｍ）１と　Ｆ　Ｐ　ＥＹ （ＱＹ）＝　ｍ　ｉ　ｎ　（Ｆ　Ｐ　Ｅｙ（ｍｌここで、ＱｘとＱＹはＦＰＥＸ （ｍ）とＦＰＥｙ（ｍ）（それぞれ）の最小値の位置であり、従って、パワース ペクトルＸ１（ｔ）とＹｉ（ｔ）（それぞれ）のＡＲフィルターのオーダーとな る。

オートパワースペクトル用ＡＲフィルターのオーダーが知られたら、オートコリ レーションシーケンス（Ｒ２ｘ（ｍ）ｌと（Ｒ２マ（ｍ））はＬの代わりにそれ ぞれオーダーＱＸとＱＹでレビンソン帰納が施される。このレビンソン帰納によ って得られた係数（ＣＩＸ＋　１：Ｏ＋　１　＋　０１．＋　Ｑｘｌと（ｃｉＹ 、ｊ＝０．１．、１．、ＱＹ＋はそれぞれＸｌ（ｔ）とＹｉ（ｔ、）のオートパ ワースペクトルである。従って、ステップ９１２において、Ｘｌ（ｔ）とＹｉ（ ｔ）のオートパワースペクトルはその係数のフーリエ変換値で割られた予想エラ ー（σ工）の平方根として計算される。即ち、オート／クロスパワースペクトル 密度値（ＰＤ（ｒ））はＨＰＸ（ｒ　）のコンプレックスプロダクトとＨＰＹ（ ｆ）の共役コンプレックスのイ＾である。即ち、ｐｃ（ｆ）＝Ｈ，（ｆ）慮Ｈル 、（ｆ）ＰＤ（ｆ）＝　ＩＰｃ（ｆ）１ もしリクエストされれば、ステップ８０８で使用されたものと同一のノーマル化 が（ＨＰＺ（ｆ）に対して）使用可能である。

ステップ９１４において、本システムは実行される計算がパイスペクトル計算か どうかをチェックし、もしそうでなければ、本システムはリクエストされたオー ト／クロスパワースペクトル密度アレイをモニターモジュール４０２にリターン する。

ステップ９１６．９１８及び９２０において、本システムはその対称（ｓｙｍｍ ｅｔｒｙ）をステップ８１４．８１６及び８１８にて前述したもののと同一手法 にてセットする。

本システムはステップ９２２．９２４及び９２６においてオート／クロスパイス ペクトルを予想する。この予想プロセスは２つの主要なステージであるオーダー セレクションとパイスペクトル計算を含むものである。ステップ９２２において 、サードオーダーモーメント（ｔｈｉｒｄ−ｏｒｄｅｒ　ｍｏｍｅｎｔ）の２つ のシーケンス＋Ｒ３ｘ（τ））と（Ｒ３ｙ（τ））は以下の等式を用いて計算さ れる。

式中、Ｓｌ＝ｍａｘ（１，１−ｒ）、　Ｓ２＝ｍｉ　ｎ（Ｎ、　Ｎ−ｒ）、　Ｌ は最大可能ＡＲフィルターオーダー（例えば５０）より大である。

ステップ９２４において、２つのマトリックスＴｘとＴＹは以下のように準備さ れる。

パイスペクトルのＡＲフィルターに関して行った予想から、Ｘｌ（ｔ）とＹｉ（ ｔ）のパイスペクトルのＡＲフィルターのオーダーＯｘとＯＹはスーパーマトリ ックスＴＸとＴＹの横列となる。よって、ＯｘとＯ７はシングル値デコンポジシ ョン（ｄｅｃｏｍｐｏｓｉｔｉｏｎ）を使用して選択される。オーダーを見つけ たら、以下の一次システム（ｌｉｎｅａｒ　ｓｙｓｔｅｍ）等式を解くことでパ イスペクトルのＡＲフィルターの係数を得る。

式中、歪対称（ｓｋｅｗｎｅｓｓ）（β２）と係数（ｂｌｘ、−・−、ｂｏｚＺ ）、ｌ＝ｘあるいはＹはその一次システム等式を解くことで得られる。

Ｘｌ（ｔ）とＹｉ（ｔ）のオート／クロスパイスペクトルはステップ９２６にて ＡＲフィルター係数（Ｈｘ（ｆ））のフーリエ変換値のトリプルプロダクトによ って割られた歪対称（βＸβｙ／３ｙ）”のトリプルプロダクトの３乗根として 計算される。即ち、 ５ｃ（Ｈ，ｆｚ）＝　（β消βＹ）＋ｈ／Ｈ，（ｆｌ）Ｈｘ（Ｔ２）Ｈｙ（ｆｌ ＋ｆ２）８１（（ｆｌ、Ｔ２）は同一（５号用のリアルトリプルプロダクトであ る：ＢＲ（ｆｌ、Ｔ２）＝Ｐｘ（ｆｌ）★Ｐｘ（Ｔ２）”Ｐｙ（ｆｌ＋ｆ２）式 中、Ｘｌ（ｔ）とＹｉ（ｔ）のオートスペクトルＰｘ（ｆ）とＰｙ（ｆ）は）Ｈ （ｔ）とＹｉ（１）のそれぞれのオートパワースペクトル（Ｈｐｘ（ｆ）とＨｐ ｖ（ｆ））のＡＲフィルターの変換関数（ｔｒａｎｓｆｅｒ　ｆｕｎｃｔｉｏｎ ）の値の平方によって計算される。もしリクエストされたら、ステップ８０Ｂに 使用されたものと同一のノーマル化が利用可能である。同様に、（ｆｚ）′Ｊ／ Ｈ１（ｆ）は、所定の周波数バンドに対する値、その最大値あるいは同様に得ら れたノーマル化定数の平方の合計の平方根によって割られる。

パワースペクトルとオート／クロスパイスペクトルを得た徨に、本システムはス テップ９２８にてステップ８２６．８２８．８３０及び８３２と同様にノ（イス ベクトル密度アレイ、パイフェーズ、パイコヒーレンス、及び平方根処理された 平均リアルトリプルプロダクト（ＲＴ１１　）アレイを計算する。ステップ９３ ０において、本システムはリクエストされたオート／クロスパワースペクトル密 度アレイ、パイスペクトル密度、平方根処理されたリアルトリプルプロダクト、 バイフェーズ、及びパイコヒーレンスアレイをモニターモジュール４０２にリタ ーンする。

オート／クロスバイスベクトルアレイの計算に使用される前記のパラメータ等式 はオート／クロス高オーダースペクトルアレイの計算のために一般化が可能であ る。これによってトリスベクトル、クワトスベクトル等の計算が可能になる。

Ｋ番オーダースペクトルのアレイを計算するとすれば、以下の等式が利用可能で ある。

ＫＣ（ｆｌ、Ｔ２．、、、、アレイ）＝（（β、、に−１βＹ　）′／に／ＨＸ （ｆ　１）Ｈｙ（ｆ　２）−、、Ｈｙ（ｆ　ｋ−＋　）Ｈル（ｆｌ＋ｆ２＋、、 、＋ｆ＊−＋　）ＫＲ（ｆｌ、Ｔ２．、、、、ｆｋ−、）＝Ｐ、（ｆｌ）倉Ｐ、 （Ｔ２）？、　、　、寅Ｐバｆｋ−１）禽ＰＹ（ｆ１＋ｆ２＋、、、＋ｆ、、） オート／クロスに番オーダースペクトルを得た後、本システムは周波数領域利用 方法と同一の手法にてオート／クロスに番オーダースペクトル密度アレイ、オー ト／クロスに番オーダーフェーズ、及びオート／クロスに番オーダーコヒーレン スを計算する。

説明を目的とした図１０（ａ）から図１０（ｃ）はサンプルオートパイスペクト ルアレイのグラフであり、周波数ペアＯ＜ｆｌ＜３０ＨｚとＯ＜Ｔ２＜１５Ｈｚ を表している。パイスペクトル密度アレイは／１０（ａ）にて示されており、Ｚ 軸は全部の適当な周波数ペアｆｌとＴ２との間のカプリングされたインターアク ションのデシベル（ｄｂ）での値を表す。念のため、周波数ペア（「ｌ、　Ｔ２ ）は以下の等式に従わなければならない。

式中、この場合Ｎ＝２５６Ｈｚである。パイコヒーレンスアレイは図１０（ｃ） に示されており、Ｚ軸は全部の適当な周波数ペアｆ１とＴ２との間のカプリング されたインターアクションの６分率（％）でのノーマル化された値を表す。パイ フェーズアレイは図１０（ｂ）に示されており、Ｚ軸は全部の適当な周波数ペア ｆ１とＴ２との間のカプリングされたインターアクションのラジアンでのフェー ズを表している。リアルトリプルプロダクトの平方根アレイは図１０（ｄ）に示 されており、Ｚ軸は全部の周波数ペアｆ１とＴ２との間のカプリングされたイン ターアクシロンのデシベル（ｄ　ｂ）での値を表す。

図【ｌを使用して、診断用インデックス発生モジュール４１０のさらに詳細な説 明をする。ステップ１１０２において、本システムは進行中の診断的評価のタイ プを特定する。■好適実施例において、５つの可能なオプションは以下の通りで ある。

１、麻酔の深差さ、意識度、痛み及び手術のストレス。

２、脳イスケミア及び低酸素症。

３、脳中前（アルコール、麻薬）。

４、誘起ポテンシャル評価。

５、認識プロセス評価。

ステップ１１０４において、本システムは以下に解説するソーティング手法を用 いてリクエストされた診断用インデックスの計算に必要なオート／クロスパワー スペクトル、パイスペクトル、及び／又は高オーダースペクトルアレイを得る。

診断用インデックスの発生において使用可能な種々なアレイとは、オート／クロ スパワースペクトル、オート／クロスパイスペクトル密度、オート／クロスパイ コヒーレンス、オート／クロスバイスベクトルリアルプロダクト、オート／クロ スパイフェーズ、オート／クロスに番オーダースペクトル密度、オート／クロス に番オーダーコヒーレンス、オート／クロスに番オーダースペクトルリアルプロ ダクト、及びオート／クロスに番オーダーフェーズである。

オート／クロスパワースペクトル、パイスペクトル及び高オーダースペクトルア レイのソーティングは本発明の重要な特徴であり、これらの（及び他のいかなる ）スペクトルにおけるエネルギー分布の変化に応じた対応機構を提供するもので ある。以下はこの特徴がどのように１好適実施例において適用されるかを一般的 に解説するものである。

本好適実施例にて解説したように４秒間の記録から引き出されたＦＦＴに基づき 、周波数バンド０Ｈｚ−３０Ｈｚ　（４秒間記録と毎秒１２Ｂサンプルのサンプ ル速度で、ＦＦＴの解析度は０．２５Ｈｚであり、使用範囲は３０Ｈｚ幅であり 、よって１２０＝３０Ｈｚ１０．２５１１ｚデータポイントが存在）をカバーす るパワースペクトルアレイのための１２０データポイントが計算可能である。１ ２０データポイントが逆（ｄｅｓｃｅｎｄｉｎｇ）オーダーでソーティングされ ているとき、ソートされたアレイの最初の要１１！（ｅｌｅｍｅｎｔ）は最大バ ワースベクトル偵に対応し、Ｍ後の要素は最少パワースペクトル値に対応する。

よって、パワーの分布ヒストグラムはソートされたアレイを使用して発生可能で ある。このヒストグラムのＸ軸はｄＢでのパワーを表し、Ｙ軸は特定のＸ軸パワ ー値に対応するソートされたアレイのポイント数を表すであろう。ソートされた アレイの全ポイントが加算されたら、合計は０Ｈｚ−３０Ｈｚスペクトルの全パ ワーを表すであろう。もし、ソートされたアレイの隣接ポイントの数が加算され たら、全パワーの百分率を表すヒストグラムの１部分が得られる。例えば、ある 特定のＥＥＧ信号において、ソートされたアレイのトップの２ポイントはパワー 分布ヒストグラムの全パワーのトップ１０％を表す。同様に、ソートされたアレ イのボトム７０ポイントの加算（同一信号に対して）は、ヒストグラムの全パワ ーのボトム１０％を与えるであろう。このアプローチに従えば、パワー分布ヒス トグラムのいかなる部分でもソートされたアレイの隣接要素を加算することで得 られるであろう（全パワーのトップ２５％、全パワーの中５０％、等）（特定ポ イントから全パワーの百分率までの変換関数を軽験的に決定したものとする）。

ソーティングによって、特定の狭い周波数バンドを分析することなく、０Ｈｚ− ３０Ｈｚパワースペクトルでの高活性と低活性（山と谷）の領域をめることが出 来る。これはパワースペクトルをそのパワー分配ファンクションに適用し、その 分配ファンクション内の固定バンドに対して操作を行うことと同等である。

この変換は、催眠系麻酔剤が投与されたときに観測されるＥＥＧパワーの振舞に おいていくらかの矛盾をアドレスする。さらに一般的には、前述のソーティング 法はいかなるディメンションのいかなるオート／クロスパワースペクトル、パイ スペクトル、及び高オーダースペクトルアレイをもそれが含む値の１次元分配フ ァンクションに変換するであろう。この１次元的分配は、組み合わされて１度量 の診断用インデックスを創出することが可能な固定バンドに分割される。

ステップ１１０６において、レファレンスオート／クロスパワースペクトル、パ イスペクトル、及び高オーダースペクトルアレイがソートされる。対応するデペ ンデント（ｄｅｐｅｎｄｅｎｔ）アレイはレファレンスアレイのソートされたシ ーケンスに従って巧オーダーされる。レファレンスアレイとは、その値が同数の 変数を有し、レファレンスアレイと同一サイズである１群の対応するアレイのた めのプライマリソートキー（ｐｒｉｍａｒｙ　５ｏｒｔ　ｋｅｙ）として使用さ れるアレイのことである。例えば、もしこのレファレンスアレイが４つの要素を 有し、ソーティング以前にインデックス１．２．３．４が与えられ、ソーティン グ後のインデックスの新オーダーは２．１．４．３であるとすると、同一サイズ のいかなる他のアレイをも再オーダーするための同−再アレンジを使用すること が可能である（この場合には、第２要素を最初に置き、最初の要素を２番目に置 く、等）。このように、デペンデントアレイを再アレンジするにはレファレンス アレイのソーティングが使用可能である。本好適実施例においては、このレファ レンスアレイはオートパイスペクトル密度であり、デペンデントアレイはオート パイコヒーレンスと平方根処理された平均リアルトリプルプロダクトである。

オートパイスペクトル密度はレファレンスアレイとして選択された。なぜなら、 それはランダムフェーズキャンセル処理借の各周波数ペアでの残余パワーに関す る情報を提供するからである。このように、オートパイスペクトル密度アレイの ソーティングは、それらのアレイ自体のソーティングの場合より、オートパイス ペクトルとリアルトリプルプロダクト値を選択するさらに安定的な手段を提供す るものである。異なるアレイは他の要求を満たすために選択可能である。

ステップ１１０８において、ソートされたオート／クロスパワースペクトル、パ イスペクトル、及び高オーダースペクトルアレイは各々前述したようにビンに分 割される。各７レイの各ビンのポイントの合計が計算され、臨時変数内に保存さ れる。ステップ１１１０において、望む診断用インデックスの臨床的に予め決定 された係数アレイは残余メモリ（あるいは保存装置）から回収される。予め決定 された係数アレイの各係数はステップ１１０８で発生した臨時変数の１つに対応 する。ステップ１１１２において、１度量の診断用インデックスは予め決定され た係数アレイ内の対応する係数が掛けられた全変数の合計から創出される。ステ ップ１１１４において、本プログラムはモニターモジュール４０２に戻る。

前記の予め決定された臨床係数アレイは臨床に実用的診断効果を達成するための 装置の能力に不可欠なものである。これらの臨床レファレンスアレイを発生させ るのに採用されたプロセスを解説する。本システムの全餘断形態を提供するため に、多数の利用可能なレファレンスアレイを発生させなければならないので、こ こでは１つに絞って詳細に説明する。その他の全レファレンスアレイは同様に発 生されるものである。説明の目的で、得られた信号ＦＬとＦＲ（本好適実施例） を使用した麻酔の深さの計測に必要な係数を発生させる手法を以下において解説 する。

特定の診断用インデックスのための臨床係数を決定するために、未処理データと 臨床６断が必要である。以下の特定の場合には、麻酔の深さを示すインデックス を得るには、ＥＥＧ信号と臨床刺激に対する患者の反応の評価が収集される。

以下の場合には、この評価は患者の動脈血圧の変化に基づいている。他の場合に は、この評価は患者がモータ反動反応（ｍｏｔｏｒ−ｒｅｆｌｅｘｉｖｅ　ｒｅ ｓｐｏｎｓｅ）を有しているかどうかの外ネ４医の判断である。データが取得さ れた徨、前記のごときな多様なスペクトルと変数は発生されるであろう。臨床診 断に関して処理データの統計的回帰（ｓｔａＬｉｓｔｉｃａｌ　ｒｅｇｒｅｓｓ ｉｏｎ）を実行すると、最良の予想詑断能力を備えたインデックスを創出する係 数が決定可能となる。

２つの別々の研究において、ＥＥＧポテンシャルは任意的な手術を施されている 患者のグループから連続的に記録された。記録期間は麻酔開始約５公的に開始さ れ、手術の終了まで継続した。取り出された信号ＦＬ、Ｆ″Ｒ，ＰＬ、ＰＲ，Ｆ ＰＬ、及びＦＰＲは前述の手法にて取得された。

最初の研究の目的はオートパイスペクトル変数が切開時の麻酔の深さに関する情 報を提供するかどうかを決定するためのものであフた。、４０名の大人の患者が 対象となった。麻酔はチオベンタール（５，０ｍｇ／ｋｇまで）で施され、サク シニルコリンの投与後に挿管治療が施された。患者は１００％の酸素中にイソフ ルラン０．７５ＭＡＣ（Ｍｅａｎ　Ａｌｖｅｏｌａｒ　Ｃｏｎｃｅｎｔｒａｔｉ ｏｎ）、１．ＯＯＭＡＣｌあるいは１．２５ＭＡＣを投与されるようにランダム に指定された。エンドタイダル剤濃縮（ｅｎｄ−ｔｉｄａｌ　ａｇｅｎｔ　ｃ。

ｎｃｅｎｔｒａｔｉｏｎ）がモニターされ、安定状態期間が達成された後に、皮 膚切開に反応する意図的動作が評価された。各患者は切開に対する患者の反応に 基づいて「動作者」あるいは「非動作者」として分類された。

第２の研究の目的はオートパイスペクトル変数がサフエンタニールあるいはアル フェンタニールの投与中に喉頭検査に対する血液力学的反応予想に関する情報を 提供するかどうかを決定することであった。４０名の患者が研究対象となった。

患者は前もって経ログイアゼバム（０，０５−０，１５ｍｇ／ｋｇ）が投与され 、酸素中にてチオベンタール（４，０−６，ｏｍｇ／ｋｇ）と６０％の亜酸化窒 素が投与され、その俺にベクロニウム（０，１ｍｇ／ｋｇ）が投与された。各患 者はランダムに選択されて、以下の５種の養生（ｒｅｇｉｍｅｎ）のうちの１種 を受けた。それらは、ノーマル含塩剤、アルフエンタニール１５ｍｃｇ／ｋｇあ るいは３０ｍｅｇ／ｋｇ、サフエンタニール０．５ｍｃｇ／ｋｇあるいは１．５ ｍＣｇ／ｋｇである。喉頭検査が薬の投惨接に３分間実施された。上院血圧がカ フ装置を使用して分毎に測定された。挿管治療に対して２０％以上の平均動脈圧 の変化を示した患者は「反応者」と分類され、挿管治療でそのような変化を示さ なかった患者は「非反応者」と分類された。

各患者に対して、刺激に先立つ２分間を利用して、（）られた信号ＦＬとＦＲの ためにオートパイスペクトル密度、オートパイコヒーレンス、及びオート平方根 処理平均リアルトリプルプロダクトアレイが発生された。パイスペクトルアレイ が計算された周波数バンドは０．２５Ｈｚから３０Ｈｚであった。各パイスペク トルアレイは３６００データポイントを含んでいた。

得られたオートパイスペクトル密度、パイコヒーレンス、及びオート平方根処理 平均リアルトリプルプロダクトアレイはソーティングレファレンスアレイとして オートパイスペクトル密度アレイを使用してソートされた。このソーティングは 前述のアルゴリズムを使用して行われた。

１１の変数が以下のようにソートされたアレイの各々から創出された。

変数　１＝ソートされたアレイの最大１５ポイントの合計変数　２＝ソートされ たアレイの１６から３０番目にランクされたポイントの合計 変数　３＝ソートされたアレイの３１から５０番目にランクされたポイントの合 計 変数　４−ソートされたアレイの５１から１００番目にランクされたポイントの 合計 変数　５−ソートされたアレイの１０１から１５０番目にランクされたポイント の合計 変数　６＝ソートされたアレイの１５１から３００番目にランクされたポイント の合計 変数　７＝ソートされたアレイの３０１から５００番目にランクされたポイント の合計 変数　８＝ソートされたアレイの５０１から９００番目にランクされたポイント の合計 変数　９＝ソートされたアレイの９０１がら１５００５００番目クされたポイン トの合計 変数１０＝ソートされたアレイの１５０１から２４００４００番目クされたポイ ントの合計 変数１１＝ソートされたアレイの２４０１から３６００６００番目クされたポイ ントの合計 各アレイの１１の変数の値が計算された。その結果、信号あたり各患者に対して ３３の臨時変数が存在した。

そのｆ麦に８０名の患者は２グループに分類された。最初のグループには切開で 動いた最初の研究からの全患者と、挿管治療で２０％以上の血圧変化を示した第 ２研究の全患者が含まれた。第２のグループには切開で動がなかった最初の研究 からの全患者と、挿管治療で２０％以下の血圧変化を示した第２研究の全患者が 含まれた。

最も効果的な診断用インデックスを提供する係数のセットを創出するために、判 別的分析（ｄｉｓｃｒｉｍｉｎａｎｔ　ａｎａｌｙｓｉｓ）が行われた。係数ノ セット（ＣＤ、　ＣＩ、、、、、Ｃ３３）　！：対すルオ断用インデックス（Ｉ 　ＣＣＤ、Ｃ１，、、、、Ｃ３３））は以下のようにめられる。

Ｉ　（ＣＯ，ＣＩ、、、、、Ｃ３３）　＝ＣＯ＋　（Ｂ　ＴＳＡ’ＣＩ＋、、、 ＋ＢＩＳＫ’Ｃ１１）＋　（Ｂ　Ｉ　ＣＡ”ＣＩ２＋、、、＋　Ｂ　Ｉ　ＣＫ’ Ｃ２２）　＋（Ｐ　ＳＡ’Ｃ２３＋、、、＋　Ｐ　ＳＫ”Ｃ３３）式中、ＢＩＳ ＾からＢＩＳＫはパイスペクトルアレイからのＩＩのソートされた臨時変数であ り、ＢＩＣ八がらＢＩＣＫはパイコヒーレンスアレイがらの変数であり、ＰＳＡ からＰＳにはソート清み平方根処理平均リアルトリプルプロダクトアレイからの 変数である。前記の臨時変数の値を得て、各患者の反応者／非反応者分類を行っ た後、この判別分析は関数工によって最良の反応者と非反応者の分類を提供する 係数のセットを創出する。判別分析アルゴリズムは一般的に入手可能であり、こ の場合に使用されるものはＩＭＳＬ　（テキサス州ヒユーストン）から入手でき る統計ライブラリからのものである。以下に１７０名の患者のデータベースを使 用して発生された係数のサンプルリストを掲載する。

取り出された信号ＦＬ−ＦＲ用 Ｃｏ　−４，２８ Ｃａｌ　−０，６６ ＣＩ４　＋０．５０ Ｃ１５＋０．１４ Ｃ１６−０，３０ Ｃ１７＋０．１５ Ｃ１９−０，１１ Ｃ２０＋０．０５ Ｃ２１＋０．　０５ Ｃ２３＋０．６７ Ｃ２５０，０ Ｃ２６−０，１９ Ｃ２７−１，２７ Ｃ２Ｂ　＋１．２０ Ｃ２９＋１．２５ Ｃ３０−２，１５ Ｃ３１−２，４３ Ｃ３２＋３．１６ Ｃ３３＋０．６４ 前述の２つの研究に対して、１度量のインデックスが各患者の刺激に対する反応 予想に使用された。以下は達成された結果のサマリーである。

感度；切開時の移動予想　＝９６％ 特異性：切開時の井移動予想　＝６３％全体的精度；切開時の移動／非移動予想 　＝８３％感度；挿管治療時の〉２０％ＢＰ変化予想　＝１００％特異性；挿管 治療時のく２０％ＢＰ変化予想　＝５０％全体的精度；挿管時のＢＰ変化予想　 ＝８５％前記の例は回顧的（ｒｅＬｒｏｓｐｅｃｔｉｖｅ）手法にて診断的適用 のための係数セットを取得するための１アプローチを示す。１度数（ｕｎｉｖａ ｒｉａｔｅ）インデックスを使用して、研究対象の臨床患者の分類に他にもいく つかのアプローチが使用可能である。いくらかのアプローチは直線的回帰（ｌｉ ｎｅａｒ　ｒｅｇｒｅｓｓｉｏｎ）、段階直線的回帰（ｓｔｅｐｗｉｓｅ　１ｉ ｎｅａｒ　ｒｅｇｒｅｓｓｉｏｎ）、記号論理的回帰（ｌｏｇｉｓｔｉｃ　ｒｅ ｇｒｅｓｓｉｏｎ）、及び段階的記号論理的回帰（ｓｔｅｐｗｉｓｅ　ｌｏｇｉ ｓｔｉ（ｒｅｇｒｅｓｓｉｏｎ）を含むものである。もちろん、係数を回顧的に 計算するのにどの手法を使用しようとも、最駐的なインデックスの実効性は患者 に適用する以前に予想的試験において確認されなければならない。

前述の分析的プロセスは脳イスケミア、脳低酸素症、意識、中毒程度、変換誘起 （ａｌｔｅｒｅｄ　ｅｖｏｋｅｄ）ポテンシャル反応、及びノーマルあるいはア ブノーマル認知プロセス用のレファレンスデータベースを発生させるのに使用さ れ、アルツノＸゴマ−病とＨＩＶ関連痴呆症の患者の特定をも含んでいる。

麻酔の深さや適正さと、手術中の痛みに対する反応を定量化するのに加え、本発 明のシステムと方法は、パイスペクトル及び高オーダースペクトルアプローチに よって定量化されたＥＥＧの非直線的周波数構造を変更する無数の脳現象の評価 にも使用可能である。このような脳現象は脳イスケミア、脳低ｉｆ素症、意識の 程度、脳中前の程度、変換誘起ポテンシャル反応、及びアルツハイマー病あるい はＨＩＶ関連痴呆症のような神経病によって引き起こされるノーマルあるいはア ブノーマル認識プロセスが含まれる。

前述のように、詮所目的でＥＥＧ信号にパワースペクトルとパイスペクトル分析 技術が適用されてきたが、高オーダースペクトルアプローチは末だ使用されたこ とが無い。さらに、パワースペクトル、パイスペクトル、高オーダースペクトル 技術は前述のソーティング手法に関して使用されたことが無かった。特に、本発 明のシステム及び方法は、多様なオート／クロスパワースペクトル、パイスペク トル、及び高オーダースペクトルアレイをソートし、ソートされたアレイをビン に分割し、各ビンの変数を合計し、各ビンからの値に臨床的に取り出された係数 を掛け、最葎に、全変数を加算して、１度量の診断用インデックスを発生させる 。使用可能な異なるアレイとは、オート／クロスパワースペクトル、オート／ク ロスバイスベクトル密度、オート／クロスパイコヒーレンス、オート／クロスパ イフェーズ、オート／クロス平均リアルトリプルプロダクト、オート／クロスに 番オーダースペクトル密度、オート／クロスに番オーダーコヒーレンス、オート ／クロスフェーズ、及びオート／クロスリアルプロダクトである。

前述の発明はいくつかの好適実施例を基にして解説されているが、当業者には多 様な変更及び改良は可能であろう。しかしながら、そのような変更及び改良は全 て本諸求の範囲に属するものでる。

２士、スト　コノピューター Ｆｉｇ、　７ ＦｊＱ’　８　ｅｃｒ−＋（Ｉ’Ｘ、ＱＨＬｔＦｉｇ、　９ （ｑｐ）人１１ｓＮヨ○］■ピ１つヨｄｓ１８＞侠（、，４１ｔ（（、、ｖｚ） 、５１　（Ｚ）ｌｌＺ　人つＮヨｎｏヨＨＪＪ蟇貝 １．γ−エＣｋさく　（２）１１ご人。Ｎヨ「に）ヨ日」）令１９Ｗ （％）ヨ○Ｎヨ日ヨＨＯつ旧 Ｙ’、１−ＩＣ）、Ｓ　（（２）１）２　人’ｌ：）ＮＥＩ’ｌＯＥＭＪ１１ｒ ５１’ｄ１Ｍ　（２）１）ご人つＮヨｎｏヨピ」γ傘亜圏 Ｆｉｇ、１１ 補正書の写しくＨ訳文）提出書（特許法第１８４条の８）

Claims (1)

1. 【特許請求の範囲】 １．非侵襲的に脳現象を検出する方法であって、分析対象者の体表からの少なく とも１つの電極を介して脳電気信号を取得するステップと、 望む周波数範囲にてフィルターされた信号を得るために前記脳信号をバンドパス フィルター処理するステップと、 フィルター処理された前記信号を複数のデータ記録に分割するステップと、Ｋは ２より大きく、Ｋ番オーダースペクトル値を発生させるためにフィルターされた 前記信号を処理し、該信号内でのダイナミックフェーズ関係を特徴付けするステ ップと、 発生された前記Ｋ番オーダースペクトル値から、検出された脳現象を定量化する 診断用インデックスを引き出すステップと、を含んでいることを特徴とする脳現 象検出法。 ２．脳電気信号を取得する前記ステップは、電極が取り付けられる分析対象者の 左脳と右脳の両方の各分析対象部位から単極性脳電気信号を得るために、該分析 対象者の頭部に電極を取り付けるステップをさらに含んでいることを特徴とする 請求項１記載の脳現象検出法。 ３．前記ダイナミックフェーズ関係を特徴付ける前記ステップにて発生される前 記Ｋ番オーダスペクトル値はオートＫ番オーダースぺクトル密度値であることを 特徴とする請求項１記載の脳現象検出法。 ４．前記Ｋ番オーダースペクトル密度値はオートＫ番オーダーフェーズ値である ことを特徴とする請求項３記載の脳現象検出法。 ５．前記オートＫ番オーダースペクトル密度値はオートＫ番オーダーコヒーレン ス値であることを特徴とする請求項３記載の脳現象検出法。 ６．前記Ｋ番オーダースペクトル密度値はオートＫ番オーダースペクトル密度値 であり、少なくとも１つの電極に関して、該電極に対する実質的に全ての人工物 を排除したデータ記録のＫ番オーダースペクトルのマグニチュードとしてオート Ｋ番オーダースペクトル密度値を計算するステップをさらに含んでいることを特 徴とする請求項１記載の脳現象検出法。 ７．少なくとも１つの電極に関して、少なくとも１つの該電極によって取得され たデータ記録のリアルトリプルプロダクトを計算するステップと、少なくとも１ つの前記電極に対するオートＫ番コヒーレンス値を計算するステップと、 をさらに含んでいることを特徴とする請求項６記載の脳現象検出法。 ８．前記Ｋ番オーダースペクトルはクロスＫ番オーダースペクトルであり、各電 極ぺアに関して、各該電極ぺアに対する全てのデータ記録の平均クロスＫ番オー ダースペクトルのマグニチュードとしてクロスＫ番オーダースペクトル密度値を 計算するステップをさらに含んでいることを特徴とする請求項６記載の脳現象検 出法。 ９．少なくとも１つの前記電極ペアの各々に対してクロスＫ番オーダーフェーズ 値を計算するステップをさらに含んでいることを特徴とする請求項８記載の脳現 象検出法。 １０．少なくとも１つの前記電極ペアの各々に対してクロスＫ番オーダーコヒー レンス値を計算するステップをさらに含んでいることを特徴とする請求項９記載 の脳現象検出法。 １１．前記ダイナミックフェーズ関係を特徴付ける前記ステップで発生された前 記Ｋ番オーダースペクトル値はオートＫ番オーダーコヒーレンス値であることを 特徴とする請求項１記載の脳現象検出法。 １２．前記ダイナミックフェーズ関係を特徴付ける前記ステップで発生された前 記Ｋ番オーダースペクトル値はオートＫ番オーダーフェーズ値であることを特徴 とする請求項１記載の脳現象検出法。 １３．脳電気信号を取得する前記ステップは、電極が取り付けられる分析対象者 の左脳と右脳から両極性データセットの脳電気信号を得るために、該分析対象者 の頭部に電極を取り付けるステップをさらに含んでいることを特徴とする請求項 １記載の脳現象検出法。 １４．１つの両極性データセットは分析対象者の前方左脳から取得され、別な両 極性データセットは該分析対象者の前方右脳から取得されることを特徴とする請 求項１３記載の脳現象検出法。 １５．１つの両極性データセットは分析対象者の脳の左後頭部から取得され、別 な両極性データセットは該分析対象者の脳の右後頭部から取得されることを特徴 とする請求項１３記載の脳現象検出法。 １６．１つの両極性データセットは分析対象者の脳の左頭頂部から取得され、別 な両極性データセットは該分析対象者の脳の石頭頂部から取得されることを特徴 とする請求項１３記載の脳現象検出法。 １７．前記ダイナミックフェーズ関係を特徴付ける前記ステップで発生された前 記Ｋ番オーダースペクトル値はクロスＫ番オーダースペクトル密度値であること を特徴とする請求項１記載の脳現象検出法。 １８．前記クロスＫ番オーダースペクトル密度値を発生させる前記ステップは、 前記データ記録ｉのフーリエ変換値Ｘｉ（ｆ）とＹｉ（ｆ）とを計算するステッ プと、前記フーリエ変換値Ｘｉ（ｆ）とＹｉ（ｆ）のそれぞれの要素のマグニチ ュードを平方することで、前記データ記録のパワースペクトルＰＸｉ（ｆ）とＰ Ｙｉ（ｆ）とを計算するステップと、 少なくとも１つの電極ペアに対して、少なくとも１つの該電極ペアによって取得 されたデータ記録の平均コンプレックスＫ番オーダープロダクトを計算するステ ップと、 少なくとも１つの前記電極ベアに対して、少なくとも１つの該電極ペアの各々に よって取得された全データ記録の平均リアルＫ番オーダープロダクトを計算する ステップと、 少なくとも１つの前記電極ペアに対して、該電極ぺアに対する平均コンプレック スＫ番オーダープロダクトのマグニチュードとしてクロスＫ番オーダースペクト ル密度を計算するステップと、 を含んでいることを特徴とする請求項２０記載の脳現象検出法。 １９．少なくとも１つの前記電極ぺアに対してクロスＫ番オーダーフェーズ値を 計算するステップをさらに含んでいることを特徴とする請求項１８記載の脳現象 検出法。 ２０．少なくとも１つの前記電極ペアに対してクロスＫ番オーダーコヒーレンス 値を計算するステップをさらに含んでいることを特徴とする請求項１９記載の脳 現象検出法。 ２１．前記ダイナミックフェーズ関係を特徴付ける前記ステップで発生された前 記Ｋ番オーダースペクトル値はクロスＫ番オーダーコヒーレンス値であることを 特徴とする請求項１記載の脳現象検出法。 ２２．前記ダイナミックフェーズ関係を特徴付ける前記ステップで発生された前 記Ｋ番オーダースペクトル値はクロスＫ番オーダーフェーズ値であることを特徴 とする請求項１記載の脳現象検出法。 ２３．検出されている脳現象は分析対象者の手術中の痛みに対する反応であるこ とを特徴とする請求項１記載の脳現象検出法。 ２４．検出されている脳現象は分析対象者の脳中毒の程度であることを特徴とす る請求項１記載の脳現象検出法。 ２５．検出されている脳現象は分析対象者のノーマルあるいはアブノーマルな認 知プロセスであることを特徴とする請求項１記載の脳現象検出法。 ２６．検出されている脳現象は分析対象者の慢性イスケミアあるいは梗塞である ことを特徴とする請求項１記載の脳現象検出法。 ２７．検出されている脳現象は神経学的異常によって引き起こされる認知プロセ スであることを特徴とする請求項１記載の脳現象検出法。 ２８．検出されている脳現象は変化した誘起ポテンシャル反応であることを特徴 とする請求項１記載の脳現象検出法。 ２９．脳現象を非侵襲的に検出する装置であって、分析対象者の体表から少なく とも１つの電極を介して脳電気信号を取得する手段と、 望む周波数範囲外の信号を排除するために前記脳電気信号をフィルター処理する 手段と、 フィルター処理された前記信号を複数の同一サイズのデータ記録に分割する手段 と、 フィルター処理された前記脳電気信号内のダイナミックフェーズ関係を特徴付け ることが可能な、Ｋは２より大きく、Ｋ番オーダースペクトル値を発生させる手 段と、 検出された脳現象を定量化する診断用インデックスを引き出す手段と、を含んで いることを特徴とする脳現象検出装置。 ３０．脳電気信号を取得する複数の前記手段をさらに含んでおり、脳電気信号を 取得する該手段の各々は前記フィルター処理手段と接続されていることを特徴と する請求項２９記載の脳現象検出装置。 ３１．脳電気信号を取得する前記複数手段は、分析対象者の左脳と右脳の両方の 複数の分析対象部位の各々から単極性脳電気信号を得るための、該分析対象者の 頭部に取付け可能な複数の電極であることを特徴とする請求項３０記載の脳現象 検出装置。 ３２．脳電気信号を取得する前記手段は、分析対象者の頭部表面に搭載するため の複数の表面電極と、放電中にそのアンプに対する電圧を制限するための細動除 去器保護を提供する手段と、 フィルター処理された前記信号の高周波数、低エネルギー波のダイナミック範囲 を最大化するために、フィルター処理された該信号を高利得用に増幅する手段と 、 前記増幅手段のラジオ周波数電流を制限するための電気外科保護を提供する手段 と、 前記信号をデジタル信号に変換するために該信号をアナログ・デジタル変換器に 入力する手段と、 を含んでいることを特徴とする請求項２９記載の脳現象検出装置。 ３３．前記Ｋ番スペクトル値はオートＫ番オーダースペクトル密度値であり、該 オートＫ番オーダースペクトル密度値をオートＫ番オーダースペクトル密度値の 少なくとも１つのアレイに編成する手段をさらに含んでいることを特徴とする請 求項２９記載の脳現象検出装置。 ３４．オートＫ番オーダースペクトル密度値の少なくとも１つのアレイを発生さ せる前記手段は、 各前記データ記録ｉのフーリエ変換値Ｘｉ（ｆ）とＹｉ（ｆ）とを計算する手段 と、前記フーリエ変換値Ｘｉ（ｆ）とＹｉ（ｆ）のそれぞれの要素のマグニチュ ードを平方することで、前記データ記録ｉのパワースペクトルＰＸｉ（ｆ）とＰ Ｙｉ（ｆ）とを計算する手段と、 少なくとも１つの前記電極に対して、少なくとも１つの該電極によって取得され たデータ記録の平均コンプレックスＫ番オーダープロダクトを計算する手段と、 少なくとも１つの前記電極に対して、該電極の平均コンプレックスＫ番オーダー プロダクトのマグニチュードとしてオートＫ番オーダースペクトル密度を計算す る手段と、 を含んでいることを特徴とする請求項３３記載の脳現象検出装置。 ３６．オートＫ番オーダーコヒーレンス値を計算する手段をさらに含んでいるこ とを特徴とする請求項３４記載の脳現象検出装置。 ３７．クロスＫ番オーダースペクトル密度値の少なくとも１つのアレイを発生さ せる前記手段は、 各前記データ記録ｉのフーリエ変換値Ｘｉ（ｆ）とＹｉ（ｆ）とを計算する手段 と、前記フーリエ変換値Ｘｉ（ｆ）とＹｉ（ｆ）のそれぞれの要素のマグニチュ ードを平方することで、前記データ記録のパワースペクトルＰＸｉ（ｆ）とＰＹ ｉ（ｆ）とを計算する手段と、 少なくとも１つの電極ぺアに対して、少なくとも１つの該電極ぺアの各々によっ て取得されたデータ記録の平均コンプレックスＫ番オーダープロダクトを計算す る手段と、 少なくとも１つの前記電極ぺアに対して、少なくとも１つの該電極ペアの各々に よって取得される全データ記録の平均リアルＫ番オーダープロダクトを計算する 手段と、 少なくとも１つの前記電極ぺアに対して、クロスＫ番オーダースペクトル密度を 該電極ぺアの平均コンプレックスＫ番オーダープロダクトのマグニチュードとし て計算する手段と、 を含んでいることを特徴とする請求項３３記載の脳現象検出装置。 ３８．前記Ｋ番オーダースペクトル値はオートＫ番オーダースペクトルであり、 各電極に対して、オートＫ番オーダースペクトル密度を各電極のデータ記録のＫ 番オーダースペクトルのマグニチュードとして計算する手段をさらに含んでいる ことを特徴とする請求項２９記載の脳現象検出装置。 ３９．少なくとも１つの電極に対して、少なくとも１つの該電極によって取得さ れたデータ記録のリアルトリプルプロダクトを計算する手段と、少なくとも１つ の前記電極に対してオートＫ番コヒーレンス値を計算する手段と、 をさらに含んでいることを特徴とする請求項３８記載の脳現象検出装置。 ４０．脳電気信号を取得する前記信号は前記対象者の脳の異なる部位からのもの であることを特徴とする請求項２９記載の脳現象検出装置。 ４１．ある現象の存在あるいは不存在の診断用インデックスを発生させる方法で あって、該現象は該現象の取得電気信号から発生したスペクトル値によって表さ れるものであり、該方法は、 前記スペクトル値をスペクトル値の範囲の予め決定されたビンにソーティング処 理するステップと、 各ビン内の全スペクトル値を加算するステップと、各ビン内のスペクトル値の合 計を所定の係数で掛け合わせてビンプロダクトを得るステップと、 前記ビンプロダクトを加算して、前記脳現象の存在あるいは不存在の程度を表す 診断用インデックスを得るステップと、を含んでいることを特徴とする診断用イ ンデックス発生法。 ４２．前記取得された電気信号は脳電気信号であることを特徴とする請求項４１ 記載の診断用インデックス発生装置。 ４３．ある現象の存在あるいは不存在の診断用インデックスを発生させる装置で あって、該現象は該現象の取得電気信号から発生したスペクトル値によって表さ れるものであり、該装置は、 前記スペクトル値をスペクトル値の範囲の予め決定されたビンに分割するステツ プと、 各ビン内の全スペクトル値を加算するステップと、各ビン内のスペクトル値の合 計を所定の係数で掛け合わせてビンプロダクトを得るステップと、 前記ビンプロダクトを加算して、前記脳現象の存在あるいは不存在の程度を表す 診断用インデックスを得るステップと、を含んでいることを特徴とする診断用イ ンデックス発生装置。 ４４．前記取得された電気信号は脳電気信号であることを特徴とする請求項４３ 記載の診断用インデックス発生装置。