神经分析系统.pdf

神经分析系统
    技术领域 本发明涉及神经分析系统， 用于使用前庭电成像 (electrovestibulography) 而 产生并分析指示数种疾病 (disorder) 的数据。
     背景
     已经研发了系统来从病人处获得表示病人听觉系统活动的听觉诱发响应 (AER) 或脑干听觉诱发响应 (BAER)。AER 是响应于刺激 ( 一般是声音 ) 而从放置在病人身上的 电极处得到的脑电波或神经响应。取决于响应的延迟和电极的放置， 可获得不同类别或 类型的 AER。具有最短延迟的那些是由内耳和听觉神经所产生的， 且被称为耳蜗电描记 (″ ECOG″或″ ECochG″ ) 响应。下一个响应反映了听觉脑干中的活动， 且被称为听觉脑 干响应 (ABR)。在 Hall， James W， III 的 Handbook of Auditory Evoked Responses( 听觉 诱发响应手册 )， Allyn and Bacon 出版社 ； Needham Heights， 马萨诸塞州， 1992， 中提供了 进一步的细节。
     当前使用耳蜗电描记术系统来执行对耳蜗和前庭器官的诊断。 在前庭系统的情况 下， 近来对于耳朵的这个特定部分的分析被称为前庭电成像 (EVestG)， 其是 ECOG 的直接变 型。使用该系统来产生病人的神经响应， 这涉及将记录电极尽量实际地放置为靠近病人的 耳蜗。可使用声学变换器， 如耳机， 来提供声学刺激而唤起响应。对于 EVestG， 可将病人在 不同方向倾斜， 来唤起来自耳生器官， 不过主要是来自前庭器官的特定响应。 不必对 EVestG 也使用听觉刺激。使用不同的 EVestG 信号 ( 类似于 ECOG 信号， 但代表来自主要是前庭器 官的神经响应 ) 来确定 Sp/Ap 比值， 可使用该比值来诊断一些病症， 特别是梅尼埃尔氏病。 检查响应信号的第一个波形 ( 一般被标记为 N1) 来确定总和电位 (Sp)、 动作电位 (Ap) 和第 二总和电位 (Sp2)， 如图 1 中所示。 响应仅是数个 μV 数量级的， 且接收时带有可观的、 不需 要的噪声， 这使其响应难以确定和隔离。
     莫拿什大学的国际专利公开 WO 2006/024102 描述了 ECOG 系统来提取可被用于表 示病人是否具有梅尼埃尔氏病、 帕金森病或抑郁症的神经事件数据。该系统产生代表可被 用于指示疾病存在的 Sp/Ap 比值和 TAP 标记的生物标记数据。
     也是莫拿什大学的国际专利公开 WO 2008/144840 描述了神经响应系统， 用于产 生代表与经过滤的前庭电成像响应信号相关联的时间段的多个生物标记的生物标记数据。
     为了帮助标识各种神经性和神经变性的疾病， 特别是相关联于中枢神经系统 (CNS) 的那些疾病， 有利的是提供有用的可选的或尤其是经改进的系统， 该系统能分析神经 事件数据以及生物标记数据并产生能清楚地使所获得的数据中的区别相关联的显示或曲 线来指示病人体内病症或疾病的存在或不存在。
     概述
     根据本发明的一方面， 提供了神经分析系统， 其包括 ：
     神经事件提取器， 用于产生从人处获得的背景和初始响应段的 Sp/Ap 曲线数据和 场电位数据 ；
     关联器， 用于将所述 Sp/Ap 曲线数据和场电位数据与病症的病理学数据相关联，
     并产生生物标记显示的轴的生物标记数据点 ； 以及
     显示模块， 用于提供显示数据来产生具有所述点的显示， 用于相对于所述病症评 估所述人。
     根据本发明的另一个方面， 提供了神经分析系统， 其包括 ：
     神经事件提取器， 用于处理代表来自人的前庭器官的响应的信号， 来产生各时间 段的 Sp/Ap 曲线数据和场电位 (Ap) 轨迹 ；
     关联器， 用于将从人的右侧和左侧获得的 Sp/Ap 曲线数据和 Ap 轨迹分别相关联于 平均人群的 Sp/Ap 曲线数据和 Ap 轨迹来产生分别用于 Sp/Ap 曲线数据和 Ap 轨迹的第一和 第二关联数据 ； 以及
     显示模块， 用于呈现生物测定显示的相应轴的所述第一和第二关联数据。
     根据本发明的另一个方面， 提供了由计算机系统执行的神经分析方法， 其包括 ：
     产生从人处获得的背景和初始响应段的 Sp/Ap 曲线数据和场电位数据 ；
     将所述 Sp/Ap 曲线数据和场电位数据与病症的病理学数据相关联， 并产生生物标 记显示的轴的生物标记数据点 ； 以及
     用所述点产生显示， 用于相对于所述病症评估所述人。 附图简述
     在下文中将参考附图仅借助示例描述本发明的优选实施例， 其中 ：
     图 1 是相关于来自 ECOG 系统的一般的 ECOG 响应信号的第一波形的 Sp、 Ap 和 Sp2 的表示， 且定义了总和电位 Sp 和 Sp2 以及动作电位 Ap ；
     图 2 是连接至病人的 EVestG 系统的优选实施例的示意图 ；
     图 3 是系统的倾斜序列所产生的原始 EVestG 信号的表示 ；
     图 4 是神经事件提取器和由系统的分析模块所执行的神经事件提取过程的示图 ；
     图 5 是系统的过滤器和分段组件的体系结构示图 ；
     图 6 是由系统所产生的 Sp/Ap 曲线的示图 ；
     图 7 是从与 EvestG 曲线相关联的数据获得的生物标记的示意图 ；
     图 8 是由系统的分析模块所执行的神经分析过程的示图 ；
     图 9 是对于有帕金森病的病人， EVestG 系统所产生的生物标记显示的示图 ；
     图 10 是对于有梅尼埃尔氏病的病人， EVestG 系统所产生的生物标记显示的示图 ；
     图 11 是对于有精神分裂症的病人， EVestG 系统所产生的生物标记显示的示图 ；
     图 12 是对于有抑郁症的病人， EVestG 系统所产生的生物标记显示的示图 ；
     图 13 是对于有梅尼埃尔氏病和帕金森病的病人， 系统所产生的生物标记显示的 示图 ；
     图 14 是对于有帕金森病和精神分裂症的病人， 系统所产生的生物标记显示的示 图；
     图 15 是对于有梅尼埃尔氏病和精神分裂症的病人， 系统所产生的生物标记显示 的示图 ；
     图 16 是对于有抑郁症、 双相型障碍和帕金森病的病人， 系统所产生的生物标记显 示的示图 ；
     图 17 是对于有抑郁症、 双相型障碍和梅尼埃尔氏病的病人， 系统所产生的生物标
     记显示的示图 ；
     图 18 是对于有抑郁症和精神分裂症的病人， 系统所产生的生物标记显示的示图 ；
     图 19 是对于有帕金森病的病人在药物治疗前和药物治疗后、 以及正常对照病人， 系统所产生的生物标记显示的示图 ；
     图 20 是对于比较对照病人和具有抑郁症与双向型障碍的在使用经颅磁刺激 (TMS) 在治疗前和治疗后， 系统所产生的生物标记显示的示图 ； 以及
     图 21 是对于有重度抑郁障碍 ( 如， 抑郁 ) 和双相型障碍的病人， 系统所产生的生 物标记显示的示图。
     详细描述
     前庭电成像 (EVestG) 系统 2， 如图 2 中所示， 提供了神经分析系统， 能产生生物学 标记或生物标记， 代表超过 5000 个生物标记的数据从在倾斜椅子 6 中经受随意倾斜运动的 病人 4 中测量出来。通过对响应于随意倾斜而提供的刺激所产生的 EVestG 信号的信号处 理分析来产生生物标记数据。
     从电连接至系统 2 的计算机系统 20 的放大器电路 22 的电极 10、 12 和 14 处获得 EVestG 信号。第一电极 10( 如， 由 Bio-Logic 系统公司生产的 ECochG 电极 ) 被放置在病人 4 的耳朵的鼓膜上。第二电极 12 被放置在病人的耳垂上， 作为参考点， 且第三电极 14 连接 至病人的前额并连接至放大器的公共点。 还做出到一般被放置在测试室周围的电隔离屏蔽 18 的屏蔽连接 16。屏蔽 18 连接至放大器 22 的屏蔽。测试室是减音室。该室可包括放大 器 22， 且计算机系统 20 的其他部分被放在室外且通过 USB 连接至放大器 22。
     病人 4， 如图 2 中所示， 被置于椅子 6( 诸如靠背躺椅 ) 上， 能允许病人的头顺从地 靠着且被固定地支承来使受检者在测试过程中放松。用电源的倾斜椅子可特定地由 Neuro Kinetics 公司所生产的， 能使病人倾斜且产生对于这个刺激的、 较少受到肌电伪迹影响的 响应。通过操作椅子 6 的助理可获得随意的头倾斜， 从而无需任何病人颈部肌肉活动而引 导头倾斜。可选地， 倾斜椅子可配备液压组件并由该液压组件控制该椅子来唤起预确定组 的随意倾斜序列。
     使用液压致动的椅子 6， 且配置该椅子 6 来确保消除由电伺服电机的致动所产生 的杂散电场， 尽可能在测试室中不产生杂散电场。使用液压致动的椅子来在不产生颈部肌 电伪迹或杂散电场这些可影响敏感的信号测量的情况下产生倾斜。为了减少眼电伪迹， 病 人还被要求在测试过程中保持眼睛闭合。 头被向下倾斜到约为病人他们自己可获得的最大 随意头倾斜的同样角度。对于每一个倾斜序列而获得 EVestG 信号或倾斜响应。这些倾斜、 或倾斜序列， 是向上 / 向下 ( 病人仰卧和俯卧 )、 向前 / 向后、 同侧、 对侧、 和旋转 ( 病人仰卧 和躺卧 )。
     每一个倾斜可产生原始的 EVestG 响应信号， 如图 3 中所示。控制由椅子 6 执行的 倾斜动作， 以使所获得的 EVestG 响应信号被分为 15 个时间期或段 ( 不过这可被减少或增 加 )。通过系统 2 连续地记录电极 10 到 14 上所产生的神经响应。每一个倾斜的 EVestG 神 经响应是具有多个频率分量的时域电压信号。 感兴趣的主要分量高达 22,500Hz。 具体地 Sp 峰值 ( 取决于信号噪声比值 (S/N)) 只有数个样本宽。相应地在测试过程中需要 44.1kHz 的采样率， 因为这个采样率具有充足的敏感度来由系统 2 以足够的准确度识别并记录这个 事件。这个采样率可高于 44.1kHZ， 且然后系统 2 可要求更快的信号处理组件。用分别置于病人左耳和病人右耳的两组电极 10 到 14 来执行这七个倾斜。这样对于这七个倾斜中的 每一个， 为每个耳朵同时提供了左边和右边的数据。在所有倾斜移动的动态和静态阶段中 对双耳进行测试， 因为神经疾病可存在于脑部的任一个半球中， 且可能只有通过比较在左 边和右边耳声 ( 主要是前庭 ) 器官的一个或另一个的类似的刺激或抑制阶段中每一侧的响 应才能展现其存在性。 如果诊断性测试要在脑部每一个半球之间的所唤起的响应中识别差 异时 ( 在一些神经性疾病中， 可出现功能的不对称 ( 如， 对于帕金森病 ))， 需要这样的多用 性。
     每一个倾斜的序列是首先记录达 20 秒， 其中病人在倾斜椅子中将头 / 颈靠在颈 靠上， 并记录 t ＝ 20 秒的背景 (BG) 信号段 402。这个段 402 包括 BGi 段， 其就在倾斜发生 之前 1.5 秒。然后病人被倾斜过 45°， 2 到 3 秒之后停下来。这给出 t ＝ 20-25 秒的启动 (On) 段 404， 给出 t ＝ 20-30 秒的启动过渡 (OnT) 段 406， 以及给出 t ＝ 30-40 秒的稳定状 态 (SS) 段 408。耳朵的半规管用于检测头部动作的启动， 且通过分析在头部倾斜的启动时 所记录约 5 秒钟的信号 (On 段 ) 来辅助确定半规管所产生的响应。启动响应包括两个附加 段， 动作 (OnA) 段 410 和后动作 (OnB) 段 412， 这分别发生在 t ＝ 20-23 秒和 t ＝ 23-25 秒。 OnA 段 410 可被分为提供倾斜之后第一个 1.5 秒的附加 OnAA 段 413 和倾斜之后下一个 1.5 秒的 OnBB 段 415。OnAA 和 OnBB 分别为选择为 20-21.5 和 21.5-23 秒， 用于对这些段分别 代表的加速和减速分量的增加的区分。选择时间考虑到了液压椅子 6 的延迟 0.6-0.8 秒， 且这时间还可被细分为更小的段 ( 如， 21.5-22.25 和 22.25-23 秒 ) 用于进一步区别。这些 段包括主要地由半规管和耳科器官所产生的响应。所驱动的半规管响应在约 10 秒后终止， 且相应地因此第一个 10 秒被认为是观察到这个衰减的启动过渡 (OnT)。另一方面， 耳科器 官用于在稳定的单向动作过程中保持静态平衡或平衡。可因此分析稳定状态 (SS) 段 408 来分离地提供耳科器官的被驱动的响应。
     在 t ＝ 40 秒时完成倾斜的序列， 此时将病人返回到原始位置。 跨越 1-2 秒， 病人返 回到原始位置， 且所产生的响应可再次被以类似方式分段。倾斜动作的返回部分的分段 ：
     t ＝ 40-45 秒的向上启动 (UpOn)420 ；
     t ＝ 40-50 秒的向上启动过渡 (UpOnT)422 ；
     t ＝ 50-60 秒的向上稳定状态 (UpSS)424 ；
     t ＝ 40-43 秒的向上加速 (UpOnA)426 ；
     t ＝ 43-45 秒的向上减速 (UpOnB)428 ；
     t ＝ 40-41.5 秒的 UpOnAA427 ； 以及
     t ＝ 41.5-43 秒的 UpOnBB 429。
     选择 upOnAA 段为 40-41.5 秒用于加速分量的增加的区分， 并选择 upOnBB 段为 41.5-43 秒用于减速分量的增加的区分。再次地， 选择时间考虑到了液压椅子延迟 0.6-0.8 秒。
     七个倾斜序列， 或倾斜， 是：
     向上 / 向下。移动椅子 6 来垂直地加速病人的身体且保持病人的头处于垂直竖立 的姿势， 然后返回。
     向上 / 向下仰卧。移动椅子 6 来垂直地加速病人的身体且保持病人的头和身体处 于仰卧或平躺的姿势， 然后返回。向前 / 向后。将病人的身体从静止位置向后倾斜通过 25°到 45°， 然后返回。
     同侧。病人的身体从 25 到 45 度被同侧地移动到电极 10， 然后返回 ： 如果电极 10 位于左耳， 倾斜向左边， 然后倾斜回到右边。对于右耳， 倾斜向右边。
     对侧。病人的身体从 25 到 45 度被对侧地移动到电极 10， 然后返回。例如， 如果电 极 10 是位于左耳， 倾斜向右边， 病人返回。对于右耳， 倾斜向左边。
     旋转。在 45 到 90 度之间向右旋转病人的身体， 然后返回， 保持病人的头处于垂直 竖立的位置。
     旋转仰卧。在 45 到 90 度之间向右旋转病人的身体， 然后返回， 保持病人的身体处 于仰卧或平躺的位置。
     在所有动作过程中， 头部和颈部相对于身体没有移动。移动整个身体从而减少肌 电伪迹。可选地， 可通过将受检者靠背躺卧和通过同侧、 对侧、 垂直和向后方向倾斜他们的 身体来执行倾斜。特别对于同侧和对侧倾斜， 这些倾斜产生较少的肌电伪迹。
     EVestG 系统 2 的计算机系统 20 包括放大器电路 22 和通信模块 24， 通信模块用于 处理放大器 22 的数据输出然后使用诸如 Adobe Audition 之类的计算机程序将捕捉模块 26 所提供的响应存储为随时间变化的电压信号的波形文件。放大器 22 包括 CED1902 隔离 的预放大器电路和 CED 电源 1401 模拟 - 数字转换器 (ADC)。CED1902 和 CED1401ADC 都是 由 Cambridge Electronic Design 有限公司生产的。CED 1401ADC 具有良好的低频 ( 小于 1Hz) 响应。计算机系统 20 进一步包括分析模块 28 和图形显示模块 30。分析模块 28 提供 神经事件提取器 400 且包括结合其他软件模块来负责执行提取器 400( 如图 4 中所示 ) 的 神经事件提取过程 (NEEP) 的计算机程序代码 ( 如， 代码 )。分析模块 28 还提 供用于过滤响应信号样本的多个不同过滤器， 如下所述。这个过滤可包括移除神经事件提 取过程的特征检测分量的系统 ( 或白噪声 ) 响应。
     图形显示模块 30 为系统 2 的操作者产生用户界面 32 来提供输入控件， 以使操作 者可控制神经事件提取过程 (NEEP)， 以及来产生神经事件数据的显示， 诸如图 6 中所示的 Sp/Ap 曲线。软件模块 24-30 的计算机程序代码被存储于计算机系统 20 的存储器 ( 诸如硬 盘、 RAM 和 / 或 ROM) 上， 且在操作系统 34( 诸如 Microsoft Windows 或 Linux) 上运行。所 使用的硬件可包括放大器电路 22 和标准个人计算机 20， 诸如 IBM 公司所生产的那些。 ECOG 记录系统可由 Bio-Logic Systems 公司所生产。同时可在模块 24-34 的软件的控制下执行 神经事件提取过程 (NEEP)， 技术人员可理解可由诸如 ASIC 和 FPGA 之类的专用硬件电路来 执行这个过程的各步骤， 且还可由分布在计算机通信网络 ( 诸如因特网 ) 的组件或模块来 执行。例如， 可使用专用的过滤器电路来提供过滤器， 以及可使用专用的数字信号处理器 (DSP) 来执行数个信号处理步骤来增强处理速度。
     神经事件提取过程 (NEEP) 如图 4 中所示， 与 WO 2006/024102 中所描述的对于 EVestG 响应一样， 除了记录过滤以及分段过程 440、 生物标记提取过程 450 和关联分析过程 460 这些方面。如上所述， 记录从七个倾斜中获得的且对于病人的每一个耳朵的 EVestG 响 应 ( 即 14 个响应 ) 的数据， 然后以三种不同方式来过滤以提供对于每一个倾斜响应的三个 过滤的响应， 即， 对于 42 个经过滤的倾斜响应的经过滤的响应数据。如图 5 中所示， 每一个 倾斜 501、 502、 504、 506、 508、 510 和 511 的倾斜响应由第一过滤器 512、 第二过滤器 514 和 第三过滤器 516 所过滤。第一过滤器 512 没有提供过滤， 其允许所有的频率通过， 包括代表DC 电压电平的数据。然而， 它包括非常窄的陷波滤波器， 其没有引入相移但移除了电源线 谐波， 如， 在 50Hz 或 60Hz， 且还移除了可由椅子的液压致动所引入的液压 ( 比例阀 ) 转换 伪迹。还在第二和第三滤波器 514 和 516 的输出处也采用了这个陷波滤波器。第二和第三 滤波器 514 和 516 都提供高通滤波。第二滤波器 514 包括 5Hz 高通滤波器以及第三滤波器 516 包括 120Hz 高通滤波器。提供由过滤器 512、 514 和 516 所产生的三个经过滤的倾斜响 应用于由神经事件提取过程 (NEEP) 所处理， 给出了这样的益处 ： 可能由低频数据破坏的一 组生物学标记在经高通滤波的响应中被增强， 而仅当低频数据存在时才存在或才可被提取 的其他关键的生物学标记 ( 如， 用于梅尼埃尔氏病的一些生物学标记 ) 也可获得。
     这 42 个经过滤的倾斜响应的每一个由分段过程 440 来分段， 分段过程 440 由分析 模块 28 的分段器 550 执行， 如上所述， 用于产生每一个经过滤的倾斜响应的 15 个段 ： 402、 404、 406、 408、 410、 412、 413、 415、 420、 422、 424、 426、 427、 428 和 429。这产生了代表 630 个 经过滤的倾斜响应段的 630 组数据。这些段包括从病人左耳获得的数据 552 和从病人右耳 获得的数据 554。记录、 过滤和分段过程 440 的输出是这 630 个经过滤的倾斜响应信号， 然 后其每一个将经受图 4 中所示的神经事件提取过程 (NEEP) 的其他过程。这为每一段 ( 即， 为 630 组数据的每一个 ) 产生了 Sp/Ap 数据。将这些段的每一个当作神经事件提取过程 (NEEP) 的 EVestG 响应。如 WO 2006/024102 中所讨论的， 该过程使用复 Morlet 小波分解每 一个响应段从而获得横跨从 600Hz 到 12KHz 的七个相等的对数空间标度的相位数据。处理 这标度数据来确定跨所有标度在相位中发生急剧变化的轨迹。 然而， 较大的相位变化可横跨标度但在大于一个 ( 或少量变化 ) 采样时间下是不 可确定的。例如， 在标度 1， 轨迹可在时间样本 344 处找到。对于标度 2， 轨迹可在样本 345 上， 标度 3 在轨迹 347 上， 标度 4 在轨迹 349， 标度 5 轨迹 346， 标度 6 轨迹 345 等。这代表 了相关同一个相位变化的跨标度的点的曲线连接。为满足此， NEEP 允许并在标度采样时间 之间施加可接受的间隙。可任意地设定这个间隙， 不过一般是 1 到 3 个样本。
     一旦区别了这些轨迹， 得到 Sp/Ap 曲线的特征数据并使用这个来将神经响应从伪 迹中选出来。通过将跨标度所确定的轨迹求平均而确定 Sp/Ap 曲线的数据， 且可从这些数 据中产生每个段的 EVestG 曲线， 如图 6 中所示。
     由于白噪声， 神经事件提取过程 (NEEP) 可能非故意地检测到轨迹。为了克服这个 并改进所提取的 EVestG Sp/Ap 曲线的 S/N 比例， 可由系统 2 减去白噪声响应。 系统 2 通过将 第一输入白噪声过滤来匹配系统的记录特性 ( 如， 10kHz 低通和没有 (DC)、 5 或 120Hz 高通 滤波 ) 并记录对于这个输入的 EVestGSp/Ap 系统响应来实现此， 所述响应作为带限白噪声 (BLWN) 响应而存储。然后将成比例的 BLWN 响应从由 NEEP 产生的 EVestG(RAEVestG) 中减 去。通过确定 RAEVestG 的 Ap 点而决定比例因子。设定比例因子为 0， 且以 0.01 为阶渐增， 直到输出数据＝ RAEVestG 减去成比例的 BLWN 响应看到 Ap 点 ( 响应曲线最小值 ) 变化达多 于任意时间 ( 一般 2 个样本 )。一旦减去成比例的 BLWN 响应导致 Ap 点位置的所标记的调 整， 设定比例因子 ( 比例 ) 且不再增加。 这给出经调整的 NEEP 输出 EVestG ＝ RAEVestG- 比 例 *BLWN。通过 NEEP 用在步骤 318 中设置的阈值处理白噪声响应来产生 BLWN 响应， 这样检 测较大的场电位来特征化 BLWN 响应。
     有时候精神事件 ( 场电势 ) 发生以致它们的波形重叠。当这个发生时， 诊断生物 标记可被损坏。为了解决这个问题， 神经事件提取过程 (NEEP) 可排除这样的事件而不损失
     生物标记完整性。为了找到这些事件， 确定 Ap 点的轨迹。如果这些轨迹相比于任意数量的 样本 ( 一般是 66 个样本 (1.5ms)) 更接近， 两个场电势均排除。可设定或重设旗帜， 使得作 为 NEEP 处理的一部分， 使排除决定可被转换入或转换出。
     一旦为每一段而产生 Sp/Ap 或 EVestG 曲线数据 (350)， 提取过程能唤起在每一段 上的生物标记提取过程 (450)， 该过程产生计量数据或生物学标记数据， 代表 17 个不同的 生物学标记。由于对于每一个病人产生有 630 个不同的段， 这给出代表每一个生物标记的 630 个测量的生物学标记。 相应地， 每一个病人的生物学标记代表 10,710 个生物标记测量。 这是从经受七个倾斜序列的一个病人处获得的可观的数据量， 且可使用这些数据来准确地 确定各种精神或神经变性的疾病的存在与否。这个 17 个生物学标记如下定义， 且在图 7 中 说明 ( 且给定这样的定义 ： Ap 是全 V 形状的 EVestG 曲线 ； 且 Ap 点是 Ap 曲线的最低点 ) ：
     (i) 先于 Ap 的上升或下降。就在 Ap 之前的在基线上 / 下的上升或下降。
     (ii) 后于 Ap 的上升或下降。就在 Ap 之后的在基线上 / 下的上升或下降。
     (iii)Ap 大小。Ap 点的电压大小。
     (iv)Sp 陷波点 ( 轨迹 )。Ap 的向下臂的反相 / 缓慢 / 停止的时间， 一般是 Ap 启动 之后约 0.3ms。
     (v) 开始点 ( 轨迹 )。Ap 开始的时间。
     (vi) 基线宽度。在基线电平处的 Ap 的宽度。
     (vii)Sp 峰值。在 Sp 陷波点之后的短期上升到在 Ap 向着 Ap 最低点持续下降之前 的尖端。
     (viii)Sp 宽度。从 Sp 陷波到 Ap 的下一个向下臂的宽度 ( 时间 )。
     (ix)Sp 大小。在 Sp 陷波点之上 Sp 峰值的高度。
     (x)TAP( 内 )。从在 Sp 陷波之后的 Ap 的向下臂水平地测量至 Ap 的向上臂的、 在 Sp 陷波电平处的 Ap 宽度 ( 时间 )。
     (xi)TAP( 陷波 )。从 Sp 陷波水平地测量至 Ap 的向上臂的、 在 Sp 陷波电平处的 Ap 宽度 ( 时间 )。
     (xii)Na 角度。在 Ap 最低点与从垂直测量到 AP 的向下臂的 Sp 陷波高度之间的、 AP 的向下臂的角度。
     (xiii)K 角度。在 Ap 最低点与从垂直测量到 AP 的向上臂的 Sp 陷波高度之间的、 AP 的向上臂的角度。
     (xiv)Na+K 角度。第十一个和第十二个生物标记值的和。
     (xv)Sp/Ap 比值。从 Sp 陷波到基线的垂直距离除以从 Ap 点到基线的垂直距离。
     (xvi) 穿刺 (spike) 率。所检测到并被用于形成 Ap 曲线的场电位的数量。
     (xvii)DC 变化。从基线电平测得的不同 Ap 曲线之间的垂直变化。
     42 个经过滤的倾斜响应信号的附加的两个生物标记是通过从对于每一个响应信 号的 BGi 段减去在 OnAA 和 OnBB 段中得到的数据而得到的。这产生了 ：
     (a)BGi-OnAA 响应数据， 以及 (b)BGi-OnBB 响应数据。
     这产生了 84 个代表各自倾斜响应信号的每一个的动态响应的附加生物标记。
     分析模块 28 包括关联分析组件 800， 如图 8 中所示， 其执行分析过程 460 来产生 对于由图形显示模块 30 所产生的病症诊断生物标记显示的每一个轴的显示点数据。组件800 处理 EVestG 曲线数据来产生对于生物标记显示的一个轴的曲线点数据 (plot point data)， 且处理时间响应数据来产生生物标记显示的另一个轴的曲线点数据。 生物标记显示 的示例图示于图 9 中， 其他显示示于下文讨论的图 10 到 21 中。显示上的每一点代表了病 人或测试受检者。显示中病人的点的位置表示了 CNS 病症的有或没有， 或者病人对这个病 症的特定治疗或剂量方案的相对响应。
     对于显示的横轴， 所使用的生物标记数据是对于 BGi( 即刻背景 t ＝ 18.5-20sec) 和 onBB( 倾斜的减速阶段 t+21.5-23sec) 倾斜阶段 / 段的 EVestG 曲线数据。并不是对于 所有三个过滤器使用这个数据， 而是对于这两个段的 DC 过滤器使用这个数据。这个 DC 数 据含有响应的所有最低的频率分量 ( 即， 在跨较长的时间帧上发生的分量 )， 且反映了更多 的皮层输入和时间帧。使用 BGi 段， 因为它反映了倾斜之前的即刻状态且在背景电平中有 低频 ( 较长的时间帧 ) 波动。使用 onBB 段因为它显示出与背景相比较而言较大的响应变 化。组件 800 执行如下信号处理步骤 ：
     (1) 通过处理 Sp/Ap 曲线的数据时间样本范围 305:441 和 441:537( 其中样本 441 对应于 Ap 点 ( 对应于点 265， 如图 6 中所示 )) 来覆盖从在先上升和下降到在后上升和下降 的整个范围， 从而确定在基线上的响应的范围和到 Ap 点的响应的范围， 而确定 onBB 和 BGi Sp/Ap 曲线的最大和最小值。每一个 Sp/Ap 曲线包括 881 个时间样本点。基于较大的范围 (onBB 或 BGi)， 通过分割这个范围来标准化这些曲线。 数据值中最大的范围被认为是 100％ ( 一般 onBB 曲线的范围大于 BGi 曲线的范围 )， 所以这被认为是标准的， 且其他用这个来进 行比例化。 (2) 将标准化的 BGi 和 onBB 曲线相减而产生代表 BGi-onBB 曲线的数据。
     (3) 对于每一个病人 ( 年龄和性别相匹配的人群 ) 组， 对于同侧和对侧倾斜序列以 及从组中每一个成员处所获得的右边数据、 左边数据和右边加左边响应数据而产生平均的 BGi-onBB 曲线。这对于每一个人群组而产生 6 个平均曲线 ( 即， 2 个倾斜， 每个倾斜对于左 边、 右边和左 + 右边数据 )。每一个人群代表对照组或代表病理或病症的组， 病理或病症是 已知该组所具有的， 即帕金森病 (PD)、 精神分裂症、 抑郁症、 梅尼埃尔氏病等。 可在事先就获 得这每个人群 6 个曲线， 且使用这曲线来获得对于病人或受检者 “X” 的关联测量数据。
     (4) 受检者 X 的六个标准化的 BGi-onBB 曲线响应 ( 所有 881 个时间样本点 ) 与对 于对照组或病理组的各自的 6 个平均曲线相比较。这些响应是从对于同侧和对侧倾斜的左 边数据、 右边数据和左 + 右数据中获得的。使用这些倾斜， 因为它们产生与静止或彼此之间 的最大响应差异。同侧导致激发而对侧是抑制， 特别是来自前庭器官的半规管。每一个比 较使用关联函数产生关联测量。关联函数使用两个相比较的曲线的点产生关联系数 R 作为 测量。可使用多个不同关联函数来提供系数 R。例如，
     其中 和 分别是每一个相比较的曲线 X 和 Y 的点 x 和 y 的采样装置。(5) 将所获得的 6 个系数相加在一起来提供代表受检者 X 与对照人群或病理人群 之间的比较的关联。 减去对照组和病理组的关联数据的值来形成生物度量显示的散布曲线 上受检者 X 的水平曲线点数据。例如， 为了获得帕金森病 (PD) 比对对照组的点 ( 散布图的水平复坐标 ) ：
     RX: 对照 ( 总体 ) ＝ RX: 对照 ( 右 )+RX: 对照 ( 左 )+RX: 对照 ( 左 & 右 ) ；
     X 的关联数据代表了与对照人群的相似度的测量 ；
     RX:PD( 总体 ) ＝ RX:PD( 右 )+RX:PD( 左 )+RX:PD( 左 & 右 ) ；
     X 的关联数据代表了与 PD 人群的相似度的测量 ；
     水平点＝ RX: 对照 -PD( 总体 ) ＝ RX: 对照 ( 总体 )-RX:PD( 总体 )。
     如果水平点的值是正的， 这提供了 X 相关联于对照人群的测量。如果它是负的， 这 提供了 X 相关联于 PD 的测量。
     参看图 8， 关联分析组件 800 在 Sp/Ap(EVestG) 图形上执行涉及上述的步骤 (1) 和 (2) 的标准化过程 802、 涉及上述的步骤 (3) 和 (4) 的关联过程 804、 以及涉及上述的步骤 (5) 并存储及处理这些系数来产生生物标记显示的 x 轴的点的系数过程 806。
     对于另一个轴， 如， 生物度量显示的垂直轴或 y 轴， 从在步骤 330 由 NEEP 确定的每 一个所提取的场电位 ( 即， Ap 轨迹 ) 的记录时间产生生物标记数据。 对于给定段， 可有超过 300 个 Ap 点被检测到。 使用从 120Hz 过滤器 516( 来移除不想要的 DC 伪迹 ) 获得的信号， 使 用场电位 (Ap) 时间来产生 BGi( 即刻背景 t ＝ 18.5-20sec) 和 onBB( 倾斜的减速阶段 t ＝ 21.5-23sec) 倾斜阶段的间隔直方图。 所确定的时间间隔是段中相邻的 Ap 轨迹之间的时间 差异。关联过程 460 使用 25 个时间微元 ( ＜ 0.5ms， 0.5-0.6， 0.6-0.71， 0.71-0.8， 0.8-1， 1-1.2， 1.2-1.4， 1.4-1.62， 1.62-2， 2-2.3， 2.3-2.8， 2.8-3.3， 3.3-5， 5-6， 7.1， 7.1-8， 8-10， 10-12， 12-14， 14-16.2， 16.2-20， 20-23， 23-28， 28-33， 33-50ms) 来产生每一个倾斜阶段的 直方图。信号处理步骤包括 ：
     (6) 产生间隔直方图， 并标准化每一个来代表段响应中的场电位间隔 (Ap 点 ) 的数 量的百分比， 即， 最终 Ap 点的总数量是 100％。
     (7) 将标准化的 BGi 和 onBB 直方图相减来给出具有 25 个点的 BGi-onBB 直方图。
     (8) 对于每一组年龄和性别相匹配的人群组来创建对于同侧、 对侧的右、 左、 以及 右加左 ( 或左 - 右 ) 响应的平均的 BGi-onBB 间隔直方图。再一次， 每一个人群代表对照组 或代表病理或病症的组， 该病理或病症是这个组已知所具有的， 即帕金森病 (PD)、 精神分裂 症、 抑郁症、 梅尼埃尔氏病等。可在事先就获得这每个人群 6 个直方图， 且使用这直方图来 获得对于病人或受检者 “X” 的关联测量数据。
     (9) 受检者 X 的 6 个 BGi-onBB 间隔直方图 ( 具有每一个直方图的 25 个点值 ) 分 别与对照组或病理的 6 个平均间隔直方图相比较。这些间隔直方图是对于同侧和对侧倾斜 的从左边数据、 右边数据和左 + 右数据中获得的。每一个比较使用关联函数产生关联测量。 关联函数使用两个相比较的直方图的点产生关联系数 R 作为测量。可使用数个不同关联函 数来提供系数 R。例如，
     其中 和 分别是每一个相比较的曲线 X 和 Y 的点 x 和 y 的采样装置。(10) 将所获得的 6 个系数相加在一起来提供代表受检者 X 与对照人群或病理人 群之间的比较的关联。 减去对照组和病理组的关联数据的值来形成生物度量显示的散射曲线上受检者 X 的垂直曲线点数据。例如， 为了获得 PD 比对对照组的点 ( 散布图的垂直复坐 标)：
     RX: 对照 ( 总体 ) ＝ RX: 对照 ( 右 )+RX: 对照 ( 左 )+RX: 对照 ( 左 & 右 ) ；
     X 的关联数据代表了与对照人群的相似度的测量 ；
     RX:PD( 总体 ) ＝ RX:PD( 右 )+RX:PD( 左 )+RX:PD( 左 & 右 ) ；
     X 的关联数据代表了与 PD 人群的相似度的测量 ；
     垂直点＝ RX: 对照 -PD( 总体 ) ＝ RX: 对照 ( 总体 )-RX:PD( 总体 )。
     如果垂直点的值是正的， 这提供了 X 相关联与对照人群的测量。如果它是负的， 这 提供了 X 相关联于 PD 的测量。
     参看图 8， 关联分析组件 800 在对 OnBB 和 BGi 段的 EVestG 响应的 OnBB 和 BGi 间 隔直方图上执行标准化过程 802， 这涉及上述的步骤 (6) 和 (7)。使用间隔直方图执行关联 处理 810， 这涉及上述的步骤 (8) 和 (9)， 来获得受检者 X 的关联系数， 而涉及步骤 (10) 的 系数过程 812， 包括存储并处理这些系数来产生生物标记显示的 y 轴的点。
     还可使用关联组件 800 来获得显示的第三个轴 ( 如， z 轴 ) 的生物标记数据， 使用 关联分析过程 460 来进一步改进病人之间的区分和区别。对于这个轴， 使用在对于 onBB、 BGi 或 BGi-onBB 响应的一个或组合的 Sp/Ap 图上施加 35-512 点的快速傅里叶变换 (FFT) 而产生频谱密度图或频谱图。信号处理步骤包括 ： (11) 将每一个频谱图标准化以使总体微元尺寸为 100％。
     (12) 将标准化的 BGi 和 onBB 频谱图相减来提供 BGi-onBB 频谱图。
     (13) 对于每一组年龄和性别相匹配的人群组来创建对于同侧、 对侧的右、 左、 以及 右加左 ( 或左 - 右 ) 响应的平均的 onBB、 BGi 或 BGi-onBB 频谱图。再一次， 每一个人群代 表对照组或代表病理或病症的组， 该病理或病症是这个组已知所具有的， 即帕金森病 (PD)、 精神分裂症、 抑郁症、 梅尼埃尔氏病等。可在事先就获得这 18 个逐人群的频谱图， 且使用此 频谱图来获得对于病人或受检者 “X” 的关联测量数据。
     (14) 受检者 X 的 6 个 BGi-onBB 频谱图分别与对照组或病例组的 6 个平均的 BGi-onBB 频谱图相比较。这些频谱图是从对于同侧和对侧倾斜的左边数据、 右边数据和左 + 右数据中获得的。每一个比较使用关联函数产生关联测量。关联函数使用两个相比较的 频谱图的点产生关联系数 R 作为测量。可使用数个不同关联函数来提供系数 R。例如，
     其中 和 分别是每一个相比较的频谱图的 X 和 Y 的点 x 和 y 的采样装置。(15) 将所获得的系数相加在一起来提供代表受检 者 X 与对照人群或病理人群之间的比较的关联。减去对照组和病理组的关联数据的值来形 成生物度量显示的散射曲线上受检者 X 的垂直曲线点数据。例如， 为了获得 PD 组比对对照 组的点 ( 散布图的 z 复坐标 ) ：
     RX: 对照 ( 总体 ) ＝ RX: 对照 ( 右 )+RX: 对照 ( 左 )+RX: 对照 ( 左 & 右 ) ；
     X 的关联数据代表了与对照人群的相似度的测量 ；
     RX:PD( 总体 ) ＝ RX:PD( 右 )+RX:PD( 左 )+RX:PD( 左 & 右 ) ；
     X 的关联数据代表了与 PD 人群的相似度的测量 ；Z 点＝ RX: 对照 -PD( 总体 ) ＝ RX: 对照 ( 总体 )-RX:PD( 总体 )。
     如果 Z 点的值是正的， 这提供了 X 相关联与对照人群的测量。如果它是负的， 这提 供了 X 相关联于 PD 的测量。
     例如， 可被用于例如在抑郁症或精神分裂之间区分的另一个生物标记是在 Ap 图 的每一边的 100-150 样本区域及其组合的病人的 Sp/Ap 图的平均。
     图 9-21 示出由图形显示模块 30 和分析模块 28 使用水平和垂直轴的显示点数据 所产生的生物度量的显示。 通过将对照组和病例组的受检者的每一个相关联于平均响应而 获得这些图。例如， 图 9 示出对照组的成员、 和已知表现出帕金森病的病理组的成员之间 的区别。例如， 图 10 示出对照组的成员、 和已知表现出梅尼埃尔氏病的病理组的成员之间 的区别。图 11 示出年龄和性别匹配对照组、 与已知表现出精神分裂症的人群成员之间的区 别。图 12 示出年龄和性别匹配对照组、 与已知表现出抑郁症的人群成员之间的区别。图 13 示出已知表现出梅尼埃尔氏病的人群受检者和哪些已知表现出帕金森病的受检者之间的 区别。图 14 示出已知表现出精神分裂症的组和已知表现出帕金森病的组之间区别的生物 度量显示。图 15 示出已知表现出梅尼埃尔氏病的组和已知表现出精神分裂症的组之间区 别的生物度量显示。图 16 示出已知表现出抑郁症的组合已知表现出帕金森病的组、 以及已 知表现出双向型障碍的四个病人， 之间的区别。图 17 示出已知表现出抑郁症的组合已知表 现出梅尼埃尔氏病的组、 以及已知表现出双向型障碍的四个病人， 之间的区别。图 17 还示 出从为已知具有梅尼埃尔氏病且已经被进行耳朵前庭神经切除手术治疗 ( 这涉及截断前 庭神经 ) 的病人四个记录段中获得的四个点。图 18 示出已知表现出抑郁症的组已知表现 出精神分裂症的组之间的区别。
     图 19 示出显示点的生物度量显示， 该显示点来自年龄和性别匹配对照组的成员、 已知表现出帕金森病且在治疗前的组的成员、 以及在由 L-Dopa 药物治疗之后的相同组的 成员。药物的作用可从给药的组移动向对照组可看出。
     图 20 示出显示点的生物度量显示， 该显示点来自年龄和性别匹配对照组的成员、 已知表现出抑郁症且在治疗前的组的成员、 已知表现出双向型障碍且在治疗前的组的成 员、 以及在使用经颅磁刺激 (TMS) 之后的相同的两组成员。 TMS 治疗的作用可从给药的组移 动向对照组可看出。
     图 21 示出已知表现出重度抑郁障碍 ( 如， 抑郁症 ) 的组和已知表现出双向型障碍 的组之间的区别。
     由神经分析系统产生生物度量显示是特别有利的， 因为可产生显示来区别表现出 CNS 障碍或病症范围内的受检者， 以及药物的作用， 而不需使用侵入性技术。
     在不背离在上文中参考附图描述的本发明的范围的情况下， 许多修改对于本领域 技术人员将是显而易见的。