JP2018500111A - 発作活動に関連する運動徴候について患者を監視する方法および装置 - Google Patents

Abstract

収集されたＥＭＧ信号に含まれるピークを適格性認定するための方法および装置が開示されており、複数のピークからなる種々のテストグルーピングが１つの群のピークから構築される方法を含む。本明細書に記載されている方法及び装置は、異常な運動徴候パターンの特定、これらのパターンが特定されたときにアラームを開始すること、および検索可能な医療データベースに含むためのデータの編成、を容易にする。

Description

本発明は、発作活動に関連する運動徴候について患者を監視する方法および装置に関する。

発作は脳の異常なまたは過剰な同調活動として特徴付けられ得る。発作の初期には、脳内のニューロンが特定の位置で興奮し始めることがある。発作が進むにつれ、このニューロンの興奮は脳全体に広がり、場合によっては、脳の多くの領域がこの活動に巻き込まれることになり得る。脳内の発作活動によって、脳が末梢神経系を通して電気信号を送り、身体の異なる筋肉を活動化する。

発作を調査および監視するために設計された手法は通常、発作を起こす傾向がある個人または発作患者の頭皮または頭部に装着される電極を使用する、電気信号を特徴とする脳波記録法（ＥＥＧ：ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｐｈｙ）に依存してきた。ＥＥＧでは、電極は、上記活動、すなわち、神経組織から生じる電気活動を測定するように配置することができる。代替的に、筋電図検査法（ＥＭＧ）は発作の検出のために使用され得る。ＥＭＧでは、電極は皮膚またはその近傍や筋肉上に配置され、筋繊維活動に由来する電気活動を検出する。

脳波記録法（ＥＥＧ）を使用するてんかん性発作の検出は通常、多数の電極および関連する電線を頭に装着し、脳波活動を監視する増幅器を使用する必要がある。複数のＥＥＧ電極は非常に扱い難く、通常は貼付および監視にいくらかの技術的専門知識を必要とする。さらに、発作を確認するには、ビデオカメラおよびビデオ記録機器を備えた環境での観察が必要である。スタッフを配置して臨床環境で使用されない限り、このような機器は発作が進行中か否かを判定することを目的とするのではなく、発生後の発作履歴を提供するだけになることが多い。こうした機器は普通、ビデオカメラ記録または介護者の観察により発作を確証できる病院のような環境向けであり、通常は複数回の発作を経験した患者の入院時の集中的治療方式の一環として使用される。退院時、多くの場合、患者はさらなる監視なしで家に帰される。

発作を診断するための携行用デバイスは一般的にＥＥＧベースであるが、上記した欠点があるので、これらのデバイスは家庭での長期の使用または日常的な着用ができるように設計されていないか、またはそれに適するものではない。その他の発作警告システムは、人体の動き、通常は四肢の動き、を検出することによって運用することができる。通常、このようなシステムは、発作中に人が迷走性に激しく動くという仮定に基づき運用することができる。例えば、加速度計を使用して、激しい四肢の動きを検出することができる。しかしながら、発作の型によっては、この仮定が当てはまる場合も当てはまらない場合もある。発作中に脳から送られる電気信号は同時に多くの筋肉に伝送される場合が多く、筋肉が互いに競合して激しい運動を効果的に相殺することがある。換言すると、筋肉は、実際の激しい運動を引き起こすというよりも人を硬直化させるように機能する場合がある。そのため、いくらかの発作は加速度計ベースの検出器では一貫して検出されない場合がある。

発作を診断するための携行用デバイスは、一般に、強度に基づく発作の等級付けには適しておらず、事象の種類に基づいて発作関連信号を区別するのにも適していない。むしろ、異なる種類の発作および関連する事象は、多くの場合一緒にグループ化され得る。従って、発作を検出のための携行用デバイスは、異なる種類の検出される発作事象に対する反応をカスタマイズするためには適していない可能性がある。加えて、他の携行用デバイスは、一部の患者の費用対効果の高い監視には理想的ではないかもしれない。例えば、現行の携行用デバイスを使用すると、介護者は、状態特異的療法の恩恵を受ける可能性があるものを含む、いくつかの状態を誤診断する可能性がある。例えば、心因性発作事象、または非てんかん性発作事象のようないくつかの事象は、全身性の強直間代性の発作事象と一緒に分類され得る。事象信号およびパターン認識方法の統計分析は、いくつかの一般的に誤診された状態の有効な診断を奨励し得る。しかしながら、他の携行用検出システムは、一般に、介護者に整理された統計的情報を提供するように構成されておらず、または患者のケアを医学的または外科的に管理するために使用される特定の活動パターンの特定のためのデータを処理するようには構成されていない。

したがって、煩雑な頭部や四肢への多数の電極を使用しないで入院または非入院環境で使用可能なてんかん性発作検出の方法および装置が必要とされている。さらに、種類および／または強度による発作の等級付けをすること、発作または発作関連活動の特定パターンを特定すること、および安定した費用対効果の高い患者ケアを提供するためのアラームをカスタマイズすること、に適した検出方法が必要とされている。また、患者のケアを医学的および外科的に管理するために、データベース内の医療データを編成するシステムを監視する必要性が存在する。

いくつかの実施形態において、発作活動（ｓｅｉｚｕｒｅ ａｃｔｉｖｉｔｙ）について患者を監視する方法または装置は、収集されたＥＭＧ信号中に含まれるピークを特定することと、特定されたピークについての１つまたは複数のピーク特性値を計算することと、を含む。特性値は適格性認定閾値（ｑｕａｌｉｆｉｃａｔｉｏｎ ｔｈｒｅｓｈｏｌｄ）と比較することができ、この適格性認定閾値は、個々のピークに関連する少なくとも１つの適格性認定閾値と、ピーク群に関連する少なくとも１つの集約適格性認定閾値（ａｇｇｒｅｇａｔｅ ｑｕａｌｉｆｉｃａｔｉｏｎ ｔｈｒｅｓｈｏｌｄ）とを含む。適格性認定閾値に適合するピークは、適格性認定されたものとみなされ得る。そして、ピークが適格性認定されると、適格性認定されたピークの活動のレベルが計算され、システム応答の開始に使用され得る。

いくつかの実施形態では、発作活動について患者を監視する方法または装置は、ＥＭＧ信号を収集することと、上昇したＥＭＧ信号のピークを特定することと、を含むことができる。ピークデータは、ピークの様々なテストグルーピングを構築し、各テストグルーピングの１つまたは複数の特性値を計算し、特性値を１つまたは複数の閾値特性値と比較することにより、発作活動を示す１つまたは複数の群のピークを検索することができる。ピークが閾値特性値の少なくとも１つを満たす少なくとも１つのテストグルーピングの一部である場合に同ピークが適格性認定され、適格性認定されたピークまたはバーストから、活動レベルが決定され、システム応答を開始するために、活動の閾値レベルと比較される。

ピークデータを適格性認定するための方法の実施形態を示す。 １組のピーク及び１組のピークから構築できる複数の群を含むＥＭＧのモデルデータを示す。 更なるＥＭＧのモデルデータを示す。 更なるＥＭＧのモデルデータを示す。 ＥＭＧのモデルデータに関連した棒グラフを示す。 ピーク群を組み合わせるための方法の実施形態を示す。 ＥＭＧモデルデータ組の２つのピーク群を示す。 ＥＭＧデータにおける発作パターンを検出または検索するための方法の実施形態を示す。 発作検出システムの実施形態を示す。 検出ユニットの実施形態を示す。 基地局の実施形態を示す。

本明細書に記載された装置および方法は、例えば、発作活動を含む異常な運動筋活動を検出するために使用され、活動が特定された場合には適時に介護者に警告が発せられ得る。これらの装置は、患者の皮膚の上、近く、または下に配置された、あるいは患者の衣服に取り付けられたセンサを含むことができ、ＥＭＧを使用して筋肉の電気活動を測定するように構成することができる。いくつかの実施形態では、本明細書に記載されている装置は、ＥＭＧ信号を受信し、発作活動を検出するために信号を処理するのに適した１つまたは複数のプロセッサを含むことができる。ＥＭＧ電極を用いた発作の検出は、例えば、出願人の米国特許第８，９８３，５９１号明細書および第９，１８６，１０５号明細書、出願人の米国特許出願第１４／９２０，６６５号および第１４／８１６，９２４号、出願人の国際出願ＰＣＴ／ＵＳ１４／６１７８３号およびＰＣＴ／ＵＳ１４／６８２４６号、ならびに出願人の米国仮特許出願第６１／８７５，４２９号、第６１／８９４，７９３号、第６１／９１０，８２７号、第６１／９６９，６６０号、第６１／９７９，２２５号、第６２／００１，３０２号、第６２／０３２，１４７号、第６２／０５０，５０４号、第６２／０９６，３３１号および第６２／１４９，４３４号に記載されており、これらの各々の開示は、本明細書中に参考として完全に援用される。前述の参考文献に開示された方法のいくつかは、上昇したＥＭＧ信号振幅のピークの検出と、発作活動に最も関連する可能性の高いピークの適格性認定を記載している。ピーク検出方法は、本明細書に記載されている実施形態のいくつかにおいて使用され得るものを含み、例えば、出願人の米国特許出願第１４／９２０，６６５号に詳細に記載されている。

本開示では、収集されたＥＭＧ信号におけるピークを検出し、適格性認定する方法も記載されている。さらに、初期群のピークから複数のピーク群を構築することができる実施形態が記載されている。複数のテストピーク群は、例えば、発作活動に関連する可能性のあるピークの、集約体または組み合わせにおける、適格性認定を容易にするために、様々な適格性認定基準または閾値と比較されてもよい。それらの実施形態のうちのいくつかは、例えば、発作活動に関連するパターンであって、そうでなければ、ノイズであるかもしれないとデータにおいて特定できない可能性があるか、あるいはデータの質が間欠的または散発的であり得るパターンを含む、運動徴候の特定のパターンに関連するピークの組み合わせの検出または特定において特に有用であり得る。リアルタイムの患者監視のための実施形態に加えて、本明細書に記載の実施形態は、格納された医療データのデータベースにおける使用のために、収集されたＥＭＧデータを編成するために使用されてもよい。

いくつかの実施形態では、患者を監視する方法は、ピークの様々なグルーピング（ｇｒｏｕｐｉｎｇ）をテストし、１つまたは複数の適格性認定基準を満たす１つまたは複数の群を検索することを含むことができる。適格性認定基準は、発作活動の特定のパターンを特定するために関連付けられ、調整されてもよい。複数のピーク群が構築され得るいくつかの実施形態では、適切な応答を決定するために、様々な方法で群を組み合わせることができる。例えば、複数のピークからなる複数のグルーピングを構築することができ、その各々は、場合によっては、適格性認定基準を独立して満たすものであってもよい。次いで、本明細書にさらに記載される手順を使用して、適格性認定されたピークの活動の全体レベルを決定することができる。例えば、いくつかの実施形態では、適格性認定を満たすピークの少なくとも１つの群のメンバーである全てのピークを、適格性認定されたピークの活動の全体レベルを決定する際に含めることができる。次いで、適格性認定されたピークの活動の全体レベルを１つまたは複数の閾値と比較することができる。その比較に基づいて、適切な応答を開始することができる。

いくつかの実施形態では、患者を監視する方法は、複数のピーク群をテストし、１つまたは複数の適格性認定基準に最も適合する１つまたは複数の群を検索することを含むことができる。例えば、最大の信頼度で適格性認定を満たし、かつ発作関連活動と最も強く相関する可能性のある特性値を有するものとして特徴づけられる１つまたは複数の群を選択することができる。いくつかの実施形態では、高い信頼度で発作活動に関連し得るピークグルーピングを選択または見つけるために、または患者の真の生理学的活動に最も関連し得るものであって、ノイズ源からのピークデータの不注意な包含によって偏向されることのないピークグルーピングを見出すために、１つの群のピークについての１つまたは複数の特性値を最小化または最大化することができる。

いくつかの実施形態では、ピークデータの適格性認定は、ステップまたはステージにて実行されてもよい。例えば、ピークが初期適格性認定されてもよく、初期適格性認定に合格しなかったピークがさらなる適格性認定から除去されて、そして、残りのピークが１つまたは複数の群に編成されてもよい。次に、群の特性値の比較に基づいて群が適格性認定され、集約特性閾値となり得る。

いくつかの実施形態では、例えば間代相（ｃｌｏｎｉｃ−ｐｈａｓｅ）発作活動、心因性非てんかん性発作活動、他の活動パターン及びそれらの組み合わせを含む、発作活動の特定のパターンを特定するための選択性を提供するか、または高めるために、ルーチンにおいて使用するために特性値および／または適格性認定閾値が選択されてもよい。特定の活動の特定のために選択的であってもよいルーチンが参照される場合、ルーチンは、その活動を経験している患者において肯定的な応答を提供することができるが、ルーチンは、その活動が存在しないときには、たとえ他の種類の発作活動が存在していたとしても否定的な応答を提供するかもしれない。したがって、１つまたは複数の選択的ルーチンの実行は、特定の種類の発作活動の特定、例えば発作の１つまたは複数の特定の区分または部分の特定を促すことができる。間代相の活動の検出のために構成され得る本明細書に記載のルーチンは、検出された間代相の活動を、例えば発作活動の強直相の部分を含む発作活動の他の相から区別するために使用されてもよい。これらルーチンのいくつかは、さらに、検出された間代相の活動を、全身性の強直間代性発作の間代相と一般的に混同される他の活動（例えば、非てんかん性心因性発作事象から生じる活動を含む）から区別するように構成され得る。

高レベルでは、ピークの適格性認定のための手順は、様々なピーク特性の１つまたは複数の適格性認定閾値との比較を含むことができる。例えば、ピークについて、１つまたは複数のピーク特性値が１つまたは複数の適格性認定閾値を満たす場合、適格性認定基準が満たされたとみなされ、ピークは適格性認定されたピーク（ｑｕａｌｉｆｉｅｄ ｐｅａｋ）と呼ぶことができる。ピークが間代相発作活動の選択基準を満たすものとして適格性認定された場合、そのピークは適格性認定された間代相バーストと呼ぶこともできる。

いくつかの適格性認定手順は、個々のピークについて運用することができる。例えば、ピークの高さ、面積、または時間幅（ｄｕｒａｔｉｏｎ ｗｉｄｔｈ）などのピークの特定の特性は、他のピークからのデータを含まずに定義することができる。したがって、特性についての個々の値は、群内の各ピークについて計算され、適切な適格性認定閾値と比較されてもよい。個々のピークの特性は、例えば、ピーク高さ、ピーク面積、信号対ノイズ比（ＳＮＲ）（例えば、信号のバックグラウンド領域から測定または推定されるようなピーク振幅中の不確実性の推定値に対するピーク振幅の比率）、時間幅、ピークの後縁又は前縁のいずれかの側の信号が小さくなる介在期間の持続時間、個々のピークの他の特性、及びそれらの組み合わせを含むことができる。

いくつかの実施形態では、ピークは、最小時間幅、最大時間幅、最小信号対ノイズ比（ＳＮＲ）、ピークのいずれかの側における小さくなる信号の１つまたは複数の介在期間の最小持続時間、ピークのいずれかの側における１つまたは複数の介在期間の最大持続時間、および／またはそれらの組み合わせを含む適格性認定閾値の群より選択される適格性認定閾値に対して比較されてもよい。介在期間は、ピークの上昇部分よりも信号が安定しているか、または低振幅である（例えば、信号の変動性、ＲＭＳノイズまたは信号強度が小さい）領域の継続期間の長さによって規定することができ、これは、例えば、ピーク縁部と、近くの信号強度が増大する領域または信号の安定度が減少する領域との間の距離によって標示することができる。いくつかの実施形態では、ピークの信号対ノイズ比は、ピークの振幅データと信号ノイズの推定または計算を使用して計算することができる。ノイズは、例えば、ベースライン信号における変動または不確実性（例えば、ピークに含まれない領域についてのＥＭＧデータの変動から生じる可能性のある信号の振幅、高さまたは面積の測定における不確実性）のレベルを計算または推定することによって決定されてもよく、それは、例えば、ピークのいずれかの側で収集されたデータから、或いは患者が休息しているときに収集された部分のようなＥＭＧ信号の別個に測定された部分から、決定することができる。例えば、ノイズを計算するために、信号を収集し、信号の変動性が直接測定されてもよい。あるいは、ノイズは、例えば、正規分布モデル関数を含む１つまたは複数のモデル関数によって予測されるその大きさの信号に典型的な変動から予測される信号の大きさおよび変動の推定値から推定されてもよい。いくつかの実施形態では、ベースライン信号またはノイズの変動または不確実性の推定は、１つまたは複数のシステム較正ルーチン時に選択または計算されてもよい。

いくつかの実施形態では、ピークは、閾値ＳＮＲを満たすこと、約２５〜約７５ミリ秒のピーク時間幅の最小閾値を満たすこと、および約２５０ミリ秒〜約５００ミリ秒の活動のピーク時間幅の最大閾値を満たすことによって、適格性認定されてもよい。いくつかの実施形態では、ピークは、約５０ミリ秒〜約３００ミリ秒のピークのいずれかの側の、より小さい信号の介在シーケンスの存在に基づいて適格性認定されてもよい。個々のピークで運用するものを含むピーク適格性認定の他の実施形態は、参照により本明細書に組み込まれる、本出願人の同時係属出願の様々な他のものにさらに記載されている。

ピークデータのいくつかの特性は、２つ以上のピークについて計算することができる。また、本明細書に記載されているいくつかの実施形態では、ピークの適格性認定のための手順は、複数のピークを１つまたは複数の適格性認定閾値と比較することを含んでいてもよい。すなわち、群（ｇｒｏｕｐ）として複数のピークを選択し、複数のピークからなるその群についての集約（ａｇｇｒｅｇａｔｅ）特性値が決定されて、そして集約特性値が１つまたは複数の関連閾値と比較されてもよい。正確に特徴づけられた場合、複数のピークの集約特性は、発作活動に対して高度に選択的であり得る。しかしながら、多くの集約特性は、ノイズ源からのデータの不注意な包含によって偏っているか、および／または関連する生理学的事象に関連する所望のデータの不注意な除外から偏っている可能性がある。本明細書に記載されている方法の多くは、この懸念に対処するものである。例えば、本明細書に記載されているいくつかの実施形態は、ノイズの多いデータの中から発作活動を示すピークの特定の組み合わせを見つけるために使用されてもよい。

１つのピーク群の特性に関する適格性認定閾値は、集約適格性認定閾値と呼ぶことができる。例えば、複数のピークを適格性認定するために使用可能な集約適格性認定閾値に含まれるものとしては、ピークの最小反復率および／または最大反復率、ピーク間の持続時間の変動に対する閾値、他の集約特性閾値、およびそれらの組み合わせがある。複数のピーク群の集約適格性認定については、本明細書において参照により援用される本出願人の同時係属中の米国特許出願第１４／９２０，６６５号にさらに記載されている。

いくつかの実施形態では、１つのピーク群は、ピークの最小反復率についての閾値である毎秒約１個のピーク、およびピークの最大反復率についての閾値である毎秒約７個のピークに対して、適格性認定することができる。いくつかの実施形態では、例えば、上記の閾値によって定められた境界よりも多くの数のピークまたは少ない数のピークが、適切な間隔（例えば、複数のピークを１つのピーク率として計測するのに適切な間隔）にわたり存在する場合には、それらのピークは適格性認定に適合していない可能性があると見なすことができる。

ピーク間の持続時間の変動を特徴付けるための様々なメトリクスに含まれるものには、平均偏差率（ａｖｅｒａｇｅ ｄｅｖｉａｔｉｏｎ ｐｅｒｃｅｎｔａｇｅ）がある。しかしながら、標準偏差値、平均偏差値またはパーセント偏差値など、ピークタイミングの変化量（ｖａｒｉａｂｉｌｉｔｙ）を特徴付けるための他のメトリックも使用することができる。前述のメトリックはいずれも、本明細書に記載されているように集約特性閾値に比較可能な集約特性値として計算および使用することができる。いくつかの実施形態では、ピーク間の時間についての平均偏差率値が約１％または約５％よりも大きい場合には、そのピーク群は適格性認定されてもよい。すなわち、いくつかの実施形態では、最小平均偏差率の集約特性閾値は、約１％〜約５％であってもよい。いくつかの実施形態では、ピーク間の時間についての平均偏差率値が、約４０％または約５０％よりも小さい場合には、そのピーク群は適格性認定されてもよい。即ち、いくつかの実施形態では、最大平均偏差率の集約特性閾値は、約４０％〜約５０％であってもよい。ピーク間の持続期間の変動を決定するためのルーチンは、参照により本明細書に組み込まれる本出願人の様々な他の同時係属出願において、さらにより詳細に説明されている。

いくつかの実施形態では、ピークの適格性認定のための手順は、１つまたは複数の上記基準（例えば、個々のピークに基づいた基準）に基づいた初期適格性認定ステップと、この初期適格性認定に合格しなかったピークの除去と、残っているピーク（例えば、初期適格性認定に適合している全てのピーク）についての１つまたは複数の集約特性値の計算に基づいた別の適格性認定ステップとを含むことができる。例えば、ピークを特定して、いくつかのピークを適格性認定全体から除去して（例えば、ピークが狭過ぎる、または広過ぎるという理由でピークを除去してもよい）、次に、残っているピークデータが１つまたは複数の集約閾値基準を全体として満たしている場合には、その残っているピークを適格性認定することができる。

図１は、個々のピークの１つまたは複数の基準に基づく初期適格性認定ステップと、群内の複数のピークに関する１つまたは複数の基準に基づくデータのさらなる適格性認定とを含むデータの適格性認定のための方法１０の実施形態を示す。

ステップ１２において、ＥＭＧ信号は収集され、処理され得る。信号は、発作活動の検出を改善するために、および／またはさらなる分析のために信号データを調整するために、使用され得るような様々な技術を使用して処理され得る。例えば、収集された信号は、発作信号とノイズ源を含む他の信号との弁別を改善するために、１つまたは複数のローパスフィルタ、ハイパスフィルタ、ノッチフィルタまたは他のフィルタを使用して処理されてもよい。いくつかの実施形態では、信号は、約１２０Ｈｚまたは約２４０Ｈｚを超える成分を除去することのような、高周波数信号成分を除去することによって処理されてもよい。いくつかの実施形態では、収集されたＥＭＧ信号から１つまたは複数の周波数帯域が分離されてもよい。１つまたは複数の周波数帯域の分離は、例えば、フーリエ変換の実行を含む、信号データの分離のための１つまたは複数のフィルタの使用および／または１つまたは複数の他の手順の実行を含んでいてもよい。いくつかの実施形態では、収集されたＥＭＧ信号から複数の周波数帯域を分離し、分離された信号データからＴ二乗統計値を計算することができる。いくつかの実施形態では、信号は、１つまたは複数のピーク検出プログラムを使用して処理するためのデータを準備するために調整されてもよく、または信号がウェーブレット解析のために調整されてもよい。例えば、信号データは、整流されてもよい、平滑化されてもよい、および／またはその両方がなされてもよい。

ステップ１４において、収集されたＥＭＧ信号においてピークを特定するために構成され得る１つまたは複数のルーチンが実行され得る。ピークの特定は、例えば、ＥＭＧデータの部分またはデータの曲率が変化する（例えば、屈曲点または他の重要な点がデータ内で特定され得る）平滑化ＥＭＧデータの部分を特定することを含むことができる。１つまたは複数のピークの後縁および／または前縁が決定されてもよく、それはピークの時間的境界を定義するために使用されてもよい。次いで、様々なピークの特徴または特性を決定することができる。例えば、１つまたは複数のピーク幅、ピーク高さ値、ピーク面積、または他のピーク特性が計算されてもよい。ピーク振幅について言及することができ、ピーク振幅は、本明細書で使用される場合、それは、さらに特定されていない場合には、ピーク領域またはピーク高さのいずれかを指す場合がある。ピークが正常に適格性認定された場合、それらの特性は、例えば、適格性認定されたピークの活動のレベルを決定するために使用され得る。

いくつかの実施形態では、ＥＭＧ信号および／またはピーク検出（ステップ１２および１４）の処理は、平滑化技術（例えば、移動平均フィルタ、サビツキー−ゴーレイフィルタ、ガウスフィルタ、カイザーウィンドウ、各種ウェーブレット変換など）、ベースライン訂正プロセス（例えば、単調最小、線形、ロス正規化、最小の移動平均など）、およびピーク発見基準（ＳＮＲ、検出／強度閾値、ピーク傾斜、局所最大値、形状比、稜線、モデルベース基準、ピーク幅など）の実行を含むことができ、かつ整流されたデータまたは整流されていないデータの処理を含んでいてもよい。

いくつかの実施形態では、収集された信号の時間分解能の損失または著しい損失なしに、信号を処理し、ピークを検出することができる（ステップ１２および１４）。例えば、データは平滑化されていてもよく、統合されていてもよく、またはその両方であってもよいが、処理のレベルは、間代相活動に関連してピークを検出および適格性認定するのに適切であり得る。例えば、データが平滑化され、積分されるためのプロトコルは、ピークが、間代相活動を示す選択された時間幅閾値を満たすかどうかを確実に検出するのに適した時間分解能を維持するように選択されてもよい。

ステップ１６において、ピークデータは、個々のピークに関連する１つまたは複数の適格性認定閾値に対して初期適格性認定され得る。上述のように、個々のピークを適格性認定するために、様々な適格性認定閾値を使用することができる。例えば、いくつかの実施形態では、ピークは、閾値ＳＮＲを満たすことにより、約２５ミリ秒〜約７５ミリ秒のピーク時間幅に対する最小閾値を満たすことにより、および約２５０ミリ秒〜約５００ミリ秒のピーク時間幅に対する最大閾値を満たすことにより、適格性認定されてもよい。

ステップ１８では、初期適格性認定に合格しなかったピークが除去され得る。したがって、ステップ１８は、ピークが他の適格性認定ステップに含まれるのをフィルタリングするための初期選抜（ｓｃｒｅｅｎ）として機能し得る。ステップ２０において、ステップ１８の後に除去されなかった残りのピークは、複数のピークの１つまたは複数の集約特性を計算し、特性値を１つまたは複数の集合特性閾値と比較することによって適格性認定されてもよい。例えば、反復率またはピーク間の時間の変化量を含む、上記のピークの集約特性のいずれかを使用して、複数のピークを適格性認定された群として一緒に適格性認定することができる。

ピークデータが適格性認定されると（例えば、いくつかの数の適格性認定されたピークを含むものとして適格性認定された場合）、適格性認定ピークのレベルが決定される。例えば、残りのピークの適格性認定（ステップ２０に示すように）に続いて、活動のレベルを決定し、活動レベルの閾値と比較することができる。ステップ２２に示すように、活動レベルと閾値活動レベルとの比較を実行することができる。その比較および／または他の情報に基づいて、少なくともいくつかの実施形態では、１つまたは複数の応答を開始するかどうかの決定を行うことができる。例えば、適格性認定されたピークカウントまたはピーク率が決定され、例えば、アラーム応答を含む応答が正当であるかどうかを決定するために、適格性認定されたピークカウントまたはピーク率の閾値と比較することができる。いくつかの実施形態では、応答は、発作活動の陽性の検出を記録することを含むことができ、いくつかの連続したまたは近くの陽性の検出が行われた場合、アラーム応答を開始することができる。いくつかの実施形態では、アラーム応答に加えて、または代替として、他の応答またはアクションを、適格性認定されたピークの活動レベルに少なくとも部分的に基づいて開始することができる。例えば、収集されたＥＭＧ信号の一部において一定の比率の適格性認定ピーク数が特定された場合、発作事象の可能性があるとしてその部分にフラグ付けするか、またはマークすることができ、決定された適格性認定されたピークの比率は、収集された信号データのその部分とさらにリンク付けされてもよい。データおよび他の関連する適格性認定されたピークのメトリックは、次に、検索可能な医療データのデータベースに格納され、含まれてもよい。

方法１０におけるステップは、同じまたは異なる持続時間であり得る１つまたは複数の時間ウィンドウ内で実行され得る。例えば、監視システムの所望の時間分解能を維持するのに適しているように、いくつかの適切な収集時間ウィンドウにわたってデータが収集され、処理されてもよい（ステップ１２）。ステップ１４、１６、および１８は、残りのピークがステップ２０で処理される前にこれらのステップが完了されるように、個々のピークが検出されたとき、または他の適切な時間にて一般に運用され得る。群適格性認定（ステップ２０）のための、および適格性認定されたピークの全体活動レベルと応答開始を決定する(ステップ２２)ための、タイミングウィンドウは、異なるルーチンに対して調整されてもよい。一般に、発作または発作関連パターンの存在を確実に検出するために、ステップ２０で適用される適格性認定時間ウィンドウおよびステップ２２で適用される応答ウィンドウは、所望の量の統計データを収集および分析する目的において、持続時間長（ｄｕｒａｔｉｏｎ ｌｅｎｇｔｈ）に適している。例えば、いくつかの実施形態では、適格性認定時間ウィンドウおよび応答時間ウィンドウは、場合によっては約１秒〜約１０秒またはそれ以上の持続時間にわたって持続していてもよい。例えば、発作活動からの回復に関連するいくつかのパターンまたは非てんかん性心因性発作事象を示すパターンは、初期発作活動の検出に使用され得るよりも少なくともいくらか長い時間スケールにわたって収集された信号を観察することによって検出され得る。

いくつかの実施形態では、残りの全てのピークは、ステップ２０での適格性認定のために所与のウィンドウ内で一緒に適格性認定されてもよい。例えば、適格性認定時間ウィンドウ内の残りのピークは全て、集約閾値を満たしているかもしれないし、あるいは満たしていないかもしれない。したがって、これらの残りのピークの全ては、適格性認定されたピークとして適格性認定されて、カウントされてもよく、あるいは、残りのピークの全てが集約閾値を満たすことなく、それにより全体的な適格性認定に合格しなかったことになる。したがって、これらのピークは、ステップ２２において、適格性認定されたピークの活動の全体レベルに対してカウントされないことがある。

いくつかの実施形態では、集約閾値は、１つまたは複数の生理学的事象が適格性認定時間ウィンドウ内にて見逃される可能性がある確率に対応するように選択されてもよい。例えば、集約適格性認定閾値は、いくつかの生理学的事象（例えば、発作関連ピークを生じる傾向のある個々の生理学的事象）が検出されなくても、適切に検出された他の事象が集約適格性認定を失わないように十分に広くてもよい。例えば、発作の間代相における筋活動のバーストに関連する一連の８つの隣接する生理学的事象において、７個のピークが検出されるが、ピーク検出プログラムが１つの事象を特定することができない場合、特定できなかった事象は、全てのピークが集約適格性認定に合格しないほど集約ピークデータをゆがめることはないかもしれない。

いくつかの実施形態では、適格性認定されたピークの活動レベルは、いくつかの隣接または重複している適格性認定時間ウィンドウにわたって広がる可能性がある応答ウィンドウで計算されてもよい。例えば、応答ウィンドウは、いくつかの適格性認定時間ウィンドウを含む時間フレームにわたって延ばすことができる。いくつかの実施形態では、例えば、当技術分野で理解されるように、発作活動の検出と応答の開始との間の待ち時間を回避または最小化するために、連続または隣接する応答時間ウィンドウおよび／または適格性認定時間ウィンドウを重ね合わせることができる。応答ウィンドウは、所定のパターンに合わせて調整されてもよい。例えば、２つ以上のルーチンが同時に実行されてもよく、ルーチンは異なるパターンの検出のために構成または最適化され、異なる持続時間長の応答ウィンドウ内のデータを分析するように設定される。

したがって、適格性認定時間ウィンドウおよび応答時間ウィンドウは、好都合には同じ持続時間とすることができるが、これは必ずしもそうである必要性のないことを理解されたい。例えば、いくつかの実施形態では、適格性認定時間ウィンドウは約２秒持続させることができ、隣接する適格性認定時間ウィンドウは約０．５秒間重複していてもよい。各適格性認定時間ウィンドウでは、ピークが適格性認定され、いくつかの適格性認定されたピークが決定される。適格性認定されたピークの活動レベルは、例えば、各適格性認定時間ウィンドウの完了時に決定され、例えば、３つの適格性認定時間ウィンドウ（例えば、５秒間のデータ）の先行する群からのデータを含むことができる。計算された適格性認定されたピークの活動のレベルが閾値を超える場合、適切な応答が開始される。適格性認定されたピークの活動レベルの計算に２つ以上の適格性認定時間ウィンドウを含めることができるので、１つまたは複数のスプリアス（ｓｐｕｒｉｏｕｓ）ピークが集約適格性認定から全てのピークデータを排除する危険性（ステップ２０）が低減される。

上述したように、いくつかの実施形態では、適格性認定されたピークの活動閾値および／または他の適格性認定閾値は、いくつかの生理学的事象が検出されなくても（または、限られた数の誤ったピークが誤ってカウントされても）、アラームまたは他の適切な応答が開始され得るように十分に広くてもよい。いくつかの実施形態では、発作中の運動活動の生理学的徴候から生じるピークの実際の数の推定を行うことができ、その数は、ノイズスパイクなどの発作活動と無関係なピークを除去させるように処理することができる。スプリアス事象が除去される可能性があるため、いくつかの実施形態では、アラーム開始のための閾値は、例えば、発作の間に典型的に予想される生理学的事象の数に密接に基づいた範囲を含む、予想範囲を中心としてより狭く中心化されても（ｃｅｎｔｅｒｅｄ）よい。いくつかの実施形態では、発作事象のリアルタイム検出のための閾値は、発作の感度を改善するように構成することができるが、例えば、メタデータの作成および／または収集したデータへのピーク統計情報のリンク（検索可能なデータベースにおけるアーカイブ）を含む他の目的のために、異なる基準を含む処理ルーチンを適用することができる。いくつかの実施形態では、スプリアスであると予想されるピークを除去するためのルーチンは、検索可能なデータベースからのデータのアーカイブまたは検索の一部として実行されてもよい。したがって、いくつかの実施形態では、異なる閾値設定を有するものを含むいくつかのルーチンまたはルーチンの組み合わせが、リアルタイム発作検出方法、検索可能データベースの作成に使用され得るものとしてのデータアーカイブ方法、またはその両方の一部として実行されてもよい。

リアルタイムの発作監視のための方法および／またはデータベースのデータ編成方法のいくつかの実施形態では、複数のピークからなる１つまたは複数のテスト群が構築され、同複数のピークからなる１つまたは複数のテスト群のそれぞれは、当初の（ｏｒｉｇｉｎａｌ）ピーク群のサブセット群である。本明細書で使用されるように、複数のピークのサブセットまたは複数のピークのサブセット群は、複数のピークのサブセットまたは複数のピークのサブセット群に含まれる全てのピークが他の組のメンバーである場合、複数のピークからなる別の組の一部である。いくつかの実施形態では、複数のピークからなる当初の組のサブセットである複数のテスト群のそれぞれについて、１つまたは複数の集約特性値を決定することができる。それらの実施形態のいくつかは、さらに、サブセットのテスト群のいずれかが集約特性値閾値を満たす集約特性値を有するかどうかをさらに決定し得る。例えば、複数のピークからなる当初の組から構築可能である複数のピークからなるテスト群は、当初のピーク組中のいくつかの連続するピークを含んでいてもよい。例えば、図２は、複数のピークからなる複数のテスト群および適格性認定手続きの一部として含まれ得る計算として使用され得る複数のピークの様々な組み合わせまたはグルーピングを示す。

いくつかの実施形態において、テスト群構築物は、方法１０を用いてともに統合されてもよい。例えば、方法１０の実施形態の代替案として、プロセッサは、ステップ２０において、残りのピークの全てについて１つまたは複数の集約特性値を計算するだけでよく、複数のピークからなる１つまたは複数のテスト群を複数のピークからなる残りの群から構築し、１つまたは複数のテスト群のそれぞれの１つまたは複数の集約特性を、１つまたは複数の集約特性閾値と比較してもよい。

再び図２を参照すると、モデルデータ２４が示されている。モデルデータ２４は、例えば、（いくつかの実施形態では、ステップ１６に記載されているように実行され得るものとしての）ピークの初期適格性認定と（いくつかの実施形態では、ステップ１８に記載されているように実行され得るものとしての）ピークの除去は、ある時間間隔内に８個の残りのピーク（ｘ_１、ｘ_２、．．．、ｘ_８）を提供するシナリオにて生成されてもよい。これらの８個の残りのピークからテスト群が作成されてもよい。例えば、ピークは、それらが特定された時のタイムスタンプに基づいて順序付けられてもよく、図２に示される時間間隔における最初の４個の連続するピーク（ｘ_１、ｘ_２、ｘ_３、ｘ_４）を含む第１のテスト群が、作成され得る。適格性認定の一部として、その第１のテスト群の１つまたは複数の集約特性値が１つまたは複数の集約特性閾値を満たすかどうかを決定することができる。より一般的には、いくつかの実施形態では、いくつかのルーチンは、１組のテスト群についての１つまたは複数の集約特性値（ここで、この組の各テスト群メンバーは、そのテスト群が作成された当初の組の複数のピークにおけるいくらかの連続するピーク（４つ以上のピークなど）を含む）が、１つまたは複数の集約特性閾値を満足すかどうかを決定し得る。モデルデータ２４の特定の例を再び参照すると、他のテスト群を作成することもでき、ここでも集約特性値を決定し、閾値に対してテストすることができる。例えば、時間間隔内の４個の連続したピーク（ｘ_２、ｘ_３、ｘ_４、ｘ_５）の次の群を構築し、第２の集約特性値の計算に使用することができる。その次の群では、例えば、ピークｘ_５が加えられ、ピークｘ_１が除去されている。図２に示されるように、更なるテストグルーピングが作成され、関連した計算が決定されてもよい。例えば、モデルデータ２４については、一連の５つの連続した群を作成し、生成された群ごとに適切な閾値に対して集約特性値が決定され、テストされてもよい。

いくつかの実施形態では、テスト群は、例えば、ある間隔内に存在する次のピークを漸進的に（ｉｎｃｒｅｍｅｎｔａｌｌｙ）選択し、テスト群内のピークの数を同じに保つことによって作成されてもよい。いくつかの実施形態では、いくつかの連続するピークを含み得る間隔内のテスト群の全ての組み合わせが考慮されるように、連続的にまたは他の順序で集約特性値計算を実行することができる。各計算では、例えば、構築されたテスト群の集約特性値を決定し、閾値集約特性値と比較することができる。

いくつかの実施形態では、他の数のピーク（例えば、４とは異なる数のピーク）を含むテスト群が構築されてもよい。テスト群の構築は、ピークのタイムスタンプ付きリストを、検出した順にスキャンし、テスト群に含まれるいくつかの連続する数のピークを選択すること、を含むことができる。次いで、リストをインクリメントし、リストの中の次の群を選択することができる。例えば、図２に示すように、群１〜５は、順序付けられたリストを単一の単位で増分することによって構成されてもよい。いくつかの実施形態では、他の所望の単位でピークのリストを増分することができる。一組のテスト群が構築されると、その一組のテスト群中のメンバーの特性値が、例えば好都合な順番で計算され、テスト群の少なくとも１つについて適格性認定を満たすピークが特定され得る。例えば、いくつかの実施形態では、ピークは、適格性認定を満たす少なくとも１つのテスト群の一部である場合、適格性認定されたものと見なすことができる。例えば、ウィンドウ内のピークは、上述のように、約４〜約８個のピークなどの４個または他の適切な個数からなる群で処理することができる。このような手順は、例えば、データの処理において実行される多数の計算を制限するために使用されてもよい。さらに、予め選択された数を含むテスト群を構築するために、コンピュータプロセッサによって実行されるプロトコルを書き込むことがより便利であり得る。

いくつかの実施形態では、テスト群を作成するために所定の予め選択された数のピークを使用することに加えて、他の数のピークを含むテスト群または一定の範囲のピーク数を含むテスト群を含む他のテスト群を作成することができる。したがって、集約特性値の別の組の計算を実行することができる。例えば、１つの集約特性値を各群について計算することができる。１以上の集約特性値はまた、各群についても計算され得る。

特定のパターンを特定するために、集約特性と集約特性閾値の異なる組み合わせを適用することができる。４個の連続したピークのグルーピングが考慮される本明細書に記載されている例を続けると、次に５個の連続するピークの群について集約特性値を決定することができる。いくつかの実施形態では、複数のピークからなる複数の群は、予め選択された時間ウィンドウ内に収まるものに制限されてもよい。他の実施形態では、複数のピークからなる１つまたは複数のテスト群が隣接するウィンドウに包囲されるか、またはそのウィンドウに拡張されてもよい。隣接するウィンドウに拡張され得るテスト群を処理するための特定のルーチンに対して適切な規則が確立されてもよい。図２の例を参照すると、説明を簡単にするために、時間ウィンドウに収まる連続するピークの組み合わせのみを考慮して、５個の連続するピークを含むテスト群の全ての組み合わせを考慮すると、４つのテスト群が作成される。すなわち、この例における５個の連続するピークの第１の群は、ピーク（ｘ_１、ｘ_２、ｘ_３、ｘ_４、ｘ_５）を含むことができる。ピーク（ｘ_４、ｘ_５、ｘ_６、ｘ_７、ｘ_８）を含む組内の最後の群（単一ピーク増分でタイムスタンプされたデータを順方向に反復する場合）を含む他の群が作成されてもよい。

いくつかの実施形態では、いくつかの最小数のピーク（例えば、所望の計算を実行するのに適した数のピークを有する群として適格性認定するために選択された最小数−例えば、ピーク間の時間についての標準偏差を確実に計算するための数のような）から、時間ウィンドウ内で特定されたピークの総数までの範囲にある１つのピーク群が試験されてもよい。例えば、特定の集約特性を用いてピークを正確に適格性認定するのに適したピークの最小数として４個のピークを選択し、２秒間に８個のピークが特定された場合には、群あたり４個、５個、６個、７個、及び８個のピーク数を含む種々のグルーピングを構築して、適格性認定の計算に含めることができる。その場合、ほんの一例として、合計１５の群を構築することができる。

いくつかの実施形態では、テスト群は、テスト群が構築され得る１つのピーク群内に連続するピークのみを含むピーク群からなることができる。他の実施形態では、テスト群は、連続ピーク、非連続ピーク（例えば、１つ、またはいくつかの場合には１つ以上の介在ピークがテスト群から除外されるピークの組み合わせ）、またはその両方を含むことができる。

例えば、図３は、構築することが可能であるモデルデータ２６および複数のピークからなる様々な群を示す。モデルデータ２６は、例えば、（いくつかの実施形態では、ステップ１６に記載されるように実行されるような）ピークの初期適格性認定と、（いくつかの実施形態では、ステップ１８に記載されるように実行されるような）ピークの除去とが、時間間隔内に５個の残りのピーク（Ａ、Ｂ、Ｃ、ＤおよびＥ）を提供するシナリオにて生成され得る。残りのピークのその群から群を構築することができる。モデルデータ２６には、ピーク（Ａ、Ｂ、Ｃ、Ｄ、およびＥ）の群が示されている。ピークＣは、ノイズのアーチファクトであり、ＥＭＧにおける測定を目的とする所望の生理学的信号と無関係のピークであり得るが、他の処理方法によって除去されなかった可能性がある。非連続のピークを含むグルーピングは、最初の適格性認定または他のプロトコルおよび手順において除去されることのなかったスプリアスピークが、１つのピーク群からあるピークを除外することが、発作または発作関連活動の指標となる適格性認定され得る一群のピークの適格性認定を得るかどうかをテストし得る、という仮定の下に行われてもよい。例えば、ピークＣを除去する場合、期待されるパターンまたはピーク群が生じ得る。例えば、そのようなパターンは、反復率の集約閾値とピーク間の時間の変化量との両方を満たすことによって特徴付けられ得る。そしてピークの組み合わせ（Ａ、Ｂ、Ｄ、Ｅ）は、発作パターンについての基準を満たしていると見なすことができ、同発作パターンは初期ピーク群から１つのスプリアスピークを除去することによって特定される。

一部の患者に対して、特に、例えば皮膚と電極との接触が不良になった場合、少なくともいくつかの場合には、過剰な発汗および／または患者が発作に移行しつつあるか発作からの回復時である可能性が増大している他の状態の結果であり得る状態にある場合、間代相活動に直接関係のない１つまたは複数のピークが初期適格性認定または他のスクリーニング手段によって除去されない可能性がある。その場合、所与のデータセットにスプリアスピークが存在するかどうかを調べるための改善されたプロトコルは、一部の患者および／または一部の状況によっては有利であり得る。非連続ピークからなるテスト群の構築は、改善されたプロトコルのための前述の必要性を満たすことができる。

いくつかの実施形態では、ピーク適格性認定の一部としてデータからいくつかのピークが除去された場合、偽陽性検出を最小限に抑えるために、アラーム開始または緊急アラーム開始のための他の要件が使用されてもよい。あるいは、活動レベルの閾値を満たすためにピークが除去されていれば、応答が異なる可能性がある。例えば、検出プロトコルは、特にノイズの多いデータセットからいくつかの数のピークを除去することによって、発作関連パターンを特定することができる。次いで、システムは、介護者または患者とコンタクトをとること、あるいはとらないことを含むプロトコル（例えば、１つまたは複数のプロトコルが受動的に終了する可能性がある）を含む、１つまたは複数の警告プロトコルを開始して、１つまたは複数の裏付け事象、発作検出の信頼性を向上させることができる検出について、データを試験し得る。ピークデータを除去するいくつかの手順はまた、データアーカイブの一部として実行されてもよい。例えば、１組のルーチンを使用して、１つまたは複数のアラームプロトコルを開始することができる。疑わしいまたは誤ったノイズピークを除去し、発作パターンを探すように構成されたルーチンを含む別の組のルーチンは、真の生理的活動を示すピークパターンを分離または検出し、ノイズ源からのピークデータの不注意な包含によって偏らないように構成され得る。

いくつかの実施形態では、スプリアスピークを除去するためのプロトコルは、ピークが誤っている可能性があるかどうかについて特に考慮しないで、または除去されたピークがピーク組内にある他のピークよりも多かれ少なかれスプリアスである可能性があるかどうかを特に考慮しないで、１つまたは複数のピークを除去することによって、行われてもよい。例えば、いくつかの実施形態では、異なる組み合わせをテストするために複数のピークからなる残りの群から連続してまたは都合のよい順序でピークが除去されてもよいが、ピークが除去される順序は、所与の残りのピークの任意の特定の特性には関連していない可能性がある。しかしながら、いくつかの実施形態では、ピークを除去するための決定またはアルゴリズムは、他の要因に基づいていてもよい。例えば、複数のピーク（例えば、ステップ２０で説明したように）の集約特性を決定することによるピークの適格性認定は、複数のピークのうちの任意のピークが、そのピークが外れ値であり得ることを１つまたは複数のピーク特性が示していることがら除去されるべきであるかを決定するための統計処理を含むことができる。例えば、群内に所与のピークを含むことは、ピーク間の時間の変化量などのような特性値（または集約特性値）を過度に偏らせることが分かる。例えば、スプリアスピークは、通常または他の方法で分散されたデータ母集団について予測されるよりも大きな様式にて群データを偏らせる１つまたは複数のデータ点を特性値計算において生成する可能性がある。そして、そうでなければ適格性認定を失うかもしれない一群のピークデータからその所与のピークを除去することによって、サブセットとなるピーク組は十分な適格性認定を得られるかもしれない。いくつかの実施形態では、外れ値の存在を決定するためにデータを処理するための様々な数学的技法のいずれかが実行されてもよい。

いくつかの実施形態では、ピークのテストグルーピングは、それ自体が別の群のサブセットである一群のピークから作成されてもよい。テスト群が、それ自体が複数のピークからなる別の群のサブセットである他の群から構築され得る、実施形態は、図４を参照して理解され得る。図４は、複数のピークからなるモデルセット２８を示す。複数のピークのモデルセット２８は、例えば、（いくつかの実施形態において、ステップ１６に記載されるように実行され得るような）ピークの初期適格性認定と、（いくつかの実施形態において、ステップ１８に記載されるように実行され得るような）ピークの除去とが、時間間隔内の１０個の残りのピーク（Ａ、Ｂ、．．．、Ｊ）を提供するシナリオにて生成され得る。残りのピーク（Ａ、Ｂ、．．．、Ｊ）のサブセットであるピーク（Ｃ、Ｄ、Ｅ、ＦおよびＧ）を含む一群のピーク３０が示されている。ピーク群３０は、例えば図２を参照して説明したように、複数のピークからなるモデルセット２８から構築することができる。例えば、ピーク群３０は、それらが検出された順番で、複数のピークからなるモデルセット２８のタイムスタンプ付きリストをスキャンすることによって、そして、サブセット群に含まれるいくつかの連続したピークの数を選択することによって、構築することができる。次に、図４に示すサブセット群３０を含む複数の群を特定するためにリストをインクリメントすることができる。次いで、複数のピークからなる他の群（例えば、群３２、３４、３６、３８、および４０）を、サブセット群３０から構築することができる。例えば、前述の群（３２、３４、３６、３８および４０）は、群３０から１つのピークを連続的に除去することによって構築することができる。

サブセット群３０からのピークの連続的な除去は、限られた数のテスト群を生成することができるが、他のサブセット群は、複数のピークからなるモデルセット２８から生成することができる。これらの他のサブセット群は、それぞれテスト群を作成するための基礎として役立つことができる。一般に、一組のサブセット群を構築し、次いで、その一組のサブセット群のメンバーからの１つまたは複数のピークの連続的な除去を実行することに基づいて、かなりの数のテストグルーピングを構築することができる。したがって、本明細書に記載されている方法は、有意な数のピークの組み合わせを検索し、ノイズの多いデータから活動のパターンを見つけるのに有効であり得る。いくつかの実施形態では、１つのピークなどの適切な数のピークのみを第１のサブセット群から除去することができる。いくつかの場合において、テスト群の構築の間に除去され得るピークの最大比は、アルゴリズムにおいて規定され得る。例えば、いくつかの実施形態では、除去されたピークの、ピーク除去後に残っている群におけるピークに対する最大許容比は、約１：５〜約１：１０であってもよい。構築されたサブセット群（例えば、図４に示すような５個のピーク）中の適切な数のピークを選択することによって、および／またはテスト群を生成するためにそれらのサブセット群から除外または除去される適切な数のピークを選択することによって、複数のテスト群が構築され得、適格性認定を満たすピークの特定のパターンが構築される機会が増大する。しかしながら、テストグルーピングから除外される可能性のあるピークの数は制御され得る。従って、パターンの誤検出のリスクもまた制限され得る。したがって、いくつかの実施形態では、ノイズの多いデータを検索するのに適しているが、偽陽性の検出のリスク、テスト群がランダムに作成された場合に存在する問題、および／または、無差別なピーク排除を可能にし得る他のプロトコルを使用することによるリスクを最小限にするのに適した手順を行うことができる。偽陽性の検出の有害な結果は、異常な筋肉活動のリアルタイム検出に関連する方法においてより問題になり得る。しかしながら、これらの懸念事項は、データベースにてデータを見直したり検索したりする介護者にとって同じではない。したがって、いくつかの実施形態では、リアルタイムの監視で使用されるものよりも検索可能なデータベースに含めるためにデータを編成する際に使用され得るようなテスト群の構築のための異なる手順を実行することが有利であり得る。たとえば、検索可能なデータベースにデータを含めるときに、より積極的なピーク除去アルゴリズムが適用されてもよい。

いくつかの実施形態では、テストグルーピングを生成するための手順は、複数のピークからなる初期の群からピークを除去することを含み、そのピークの除去は論理的な順序またはパターンで実行される。例えば、患者を監視する方法は、生理学的パターンに関連する可能性が最も高いテスト群が最初にテストされるかまたはより高い信頼度でランク付けされる、テスト群の構築を含むことができる。例えば、手順は、１つまたは複数のピーク特性に基づいてピークを順序付けることができる。その順序付けに基づいて、スプリアス（例えば、生理学的活動に関係しない）である可能性が最も高い候補ピークのリストが生成され得る。例えば、一群のピークは、時間幅に基づいて順序付けされてもよく、その順序は、大部分のピークの時間幅が中心範囲の周りに集中しているが、１つまたは複数のピークがその中心範囲から外れた時間幅を有するものとして特徴付けられることを特定するために使用されてもよい。最も一般的な範囲を外れたピークは除去され、テストグルーピングの生成において最初に除去され得るか、またはそのような除去から作成されたテスト群は、他のテスト群よりも高い信頼性でランク付けされ得る。いくつかの実施形態では、ピークの特徴的な順序のいずれかの端にある１つまたは複数のピークを除去することによってテストグルーピングを構築することができる。例えば、１つまたは複数のピークの特徴的な順序における最高値または最低値は、除去されるべく選択されてもよい。

例えば、図５は、収集期間中に特定されたピークの分布を特徴付けるモデルの棒グラフを示し、バー５２、５４を示す。バー５２および５４に関連するピークは、一群の特定されたピークのうちで、最小特性値５２および最大特性値５４を有するものとして特徴付けられる。これらのバー５２、５４に関連付けられたピークは、初期の適格性認定閾値のエッジで特性値を有するピークを示しているかもしれない。図５に示すように、ピークの大部分はピーク持続時間のより大きな値に向かってクラスタ化される傾向がある。そして、バー５２に関連するピークは、群内の他のピークからの最大偏差を示す。したがって、そのピークはその組のピークから除去されてもよく、またはテスト群の選択において最初に除去されてもよい。バー５２に関連するピークを除去することによって生成されたテスト群は、他のピークの除去に関連する他のテスト群より高い信頼度で見ることができる。次いで、残りのピークのサブセットの集約特性値を決定することができる。いくつかの実施形態では、複数のピークからなる初期群の平均値が決定され、複数のピークからなる初期群中の個々のメンバーごとに、決定された平均値からの偏差値が決定されてもよい。テスト群は、その平均から最も高い偏差を有するものとして特定されたピークの順にピークを除去することによって作成されてもよい。例えば、図５に示すように、バー５２に関連するピークは、平均値から最も高い偏差を有している可能性があり、最も誤っている可能性が高いか、または収集ウィンドウ内のノイズに最も関連している可能性がある。したがって、そのピークは除去され得るか、ピークのテスト群を生成するためのプロトコルにおいて最初に除去され得る。

いくつかの実施形態では、ルーチンは、群内のピークがどのようにして初期適格性認定の条件を満たすかに基づいて、複数のピークからなる別の群からピークを除去してもよい。例えば、ルーチンは、ピークに初期確実値（ｉｎｉｔｉａｌ ｃｅｒｔａｉｎｔｙ ｖａｌｕｅ）を割り当て、１つまたは複数のピークを除去することが、発作関連パターンの適格性認定および特定を容易にするかどうかをテストすることができる。計算の援助を最小限にするために、または全体的な確実性の他のメトリックを提供するために、ルーチンは、最も低い確実値を有するピークの除去が特定可能な発作パターン（例えば、集約特性閾値を満たす一群のピーク）を特定するものであるかどうかを一般的にテストする、あるいは最初にテストしてもよい。いくつかの実施形態では、発作関連パターンが特定されると、コンピューティングまたは信号送信リソースを割り当てて、１つまたは複数のシステム運用を最も効率的に実行することができる。例えば、アラーム開始プロトコルの一部として警告メッセージまたは緊急メッセージが発せられ、テスト群のさらなる構成またはテスト群に関連するデータの送信（例えば、遠隔デバイスから管理デバイスまたは基地局に送信されるような）が、緊急ケアが患者に提供されていることを確認するために最も重要なものなど、他の操作の完了後に終了するか、または実行のみされてもよい。ピークの確実値は、いくつかの実施形態では、患者または患者の人口統計値に基づいていてもよく、または所与の時間ウィンドウの間に収集される他のピークとの一致に基づいていてもよい。いくつかの実施形態では、ピークについての確実値は、本明細書に参照として援用される出願人の米国特許第８，９８３，５９１号に詳細に記載されているように、例えばＳＮＲ、幅および振幅を含むメトリックの組み合わせに基づいていてもよい。

監視期間中の任意の所与の時間間隔について、検出されたピークの数または初期適格性認定されたピークの数が決定されてもよく、監視期間内の大部分については、それらの数は一般に低くてもよい。例えば、ランダムノイズ事象がピークとして誤って特定されたとしても、ほとんどの時間ウィンドウは、そのような事象の限られた数のみを含んでいる可能性がある。さらに、発作とは無関係の正常な動きは、一般に、ピークを生成しないか、または高い割合で初期適格性認定されたピークを生成することができない。すなわち、ピークの初期適格性認定のための本明細書に記載されている手順を使用して、非発作運動に関連する大部分の運動徴候からのピークデータを除去することができる。

いくつかの実施形態では、ある数のピークまたは初期適格性認定されたピークが特定された場合、アルゴリズムは、残りのピークデータを発作パターンに適合させようと試みることができる。例えば、いくつかの実施形態では、テストグルーピングを生成するための適切な数のピークが特定された場合にのみ、ピークのテスト群が構築されてもよい。例えば、方法１０のステップ１８に続く残りのピークは、監視期間の間隔の大部分では低く、したがって、方法は、テスト群の構築に関連するさらなる計算を実行する必要も、集約特性値の複数の計算を実行する必要もない。したがって、いくつかの実施形態では、テスト群生成および特性値計算に関連する運用は、必要なときにのみ実行され、その計算およびそのデータのリモート送信専用の計算リソースは、さらに制限され得る。テスト群構築に関連する運用が１つのプロセッサ上で実行され、次にピーク構築の実行および／または複数のパターンとの比較のために別のプロセッサに送信される実施形態を含む、いくつかの実施形態において、テスト群構築の選択的実行のためのプロトコルが適用され得る。

いくつかの実施形態では、本明細書において記載されるテスト群構築などの特定の計算は、自動化され、本明細書に記載された様々な構成要素（例えば、検出ユニットおよび／または基地局）の中の任意の適切なプロセッサを用いて実行され、所定の時間ウィンドウ内に閾値数のピークまたは初期適格性認定されたピークが見つかった場合、特に時間ウィンドウ、初期適格性認定プロトコル、および必要な残りのピーク数（さらなる計算を呼び出すために必要とされる）が本明細書に記載されている様々な実施形態に記載されているように適切に選択される場合のみ実行されてもよい。

本明細書に記載されている実施形態のいくつかでは、応答ウィンドウのような特定の期間において、２つ以上のピーク群が適格性認定されてもよい。例えば、このようなシナリオは、応答ウィンドウ上で収集されたＥＭＧデータから複数のピークが特定され、その期間にわたって複数のテスト群が構築され、適格性認定を満たすために異なるテスト群が見つかった場合に起こり得る。いくつかの実施形態では、異なるテスト群中のピークが区別されてもよい。他の実施形態では、テスト群は、時として、２つ以上の群のメンバーであるピークを含むことがある。そして、適格性認定されたピーク群が特定されると、それらの群を組み合わせて、適格性認定されたピークの活動の全体レベルを計算するために使用されてもよい。ピーク群を組み合わせて、適格性認定されたピークの活動のレベルを決定し、そして適格性認定されたピークの活動のレベルに基づいて１つまたは複数のシステム応答を開始する様々な方法は、本明細書に記載の実施形態において実行され得る。例えば、群が明確なピークのみを含むピークの活動の全体レベルを計算するための技術が本明細書に記載されている。個々のピークが２つ以上の群で別々に適格性認定されてもよい他の技術が適用されてもよい。

図６は、ピーク群を組み合わせるための方法６０の実施形態を示す。例えば、複数のピークからなるモデルセット７０（図７に示されている）を参照して理解されるように、第１のテスト群７２がその中に第１の４個のピークを含む場合、第１のテスト群７２は適格性認定を合格したことが分かる。したがって、第１のテスト群７２は、適格性認定された複数のピークからなる第１の群と呼ぶこともできる。ピークの第２のテスト群７４も、同様に適格性認定に合格し、適格性認定された複数のピークからなる第２の群として特定され得る。したがって、ピークのモデルセット７０は、２つの別個の群７２および７４として存在する合計８個の適格性認定ピークを含むことが分かる。このシナリオでは、２つの群は明確なピークを含む。すなわち、両方の群のメンバーではないピークは存在していない。群７２、７４は、８個のピーク全てを含むことが適格性認定の不合格を招く場合であっても、適格性認定され得ることも理解されたい。例えば、ピークのモデルセット７０内の全てのピークが、ピークの反復率を計算することによって適格性認定された場合、データセットは、比較的長いギャップ７５によって偏ってしまう可能性があり、その比較的長いギャップ７５は、例えば、ピーク発見ルーチンが発作中に１つまたは複数の異常な運動徴候を検出することができなかった場合に存在し得る。

再び図６および図８を参照すると、ステップ６２において、２つの群７２、７４が適格性認定を満たしていることが特定され、次いで１つまたは複数の技法を使用して２つの群を組み合わせることができる。例えば、ステップ６４において、群７２、７４のような適格性認定されたピークの別個の群は、２つの別個の群のピークのそれぞれを合計することによって組み合わされてもよい。次に、適格性認定されたピークの活動の全体的なレベルを計算することができる。例えば、群７２および７４が別個に適格性認定されている一組のピーク７０について、８個の適格性認定されたピークを一緒に組み合わせて、適格性認定されたピークの活動の全体レベルを計算することができる。ステップ６６において、全体の活動レベルが閾値を上回っているかどうかの決定が行われてもよい。例えば、閾値活動レベルが超過された場合、アラームが開始されるべきであると決定され得る。

いくつかの実施形態では、適格性認定されたピークの２つ以上の群を組み合わせること（ステップ６４）は、適格性認定された異なる群について１つまたは複数の特性値を比較することを含むことができる。例えば、各群のピークについて、ピーク統計値を計算し、群間の様々なピーク統計値の類似性または差異の程度を決定することができる。注目すべきことに、いくつかのパターンについて、ピーク群間の類似性の程度を予想することができる。例えば、ピーク群が全身性の強直間代発作の間代相の中間部分の一部である場合、上昇したピーク部分に隣接する期間の持続時間は、一般的に同様の持続時間であり得る。したがって、複数のピークからなる２つ以上の群がこの統計的なメトリックにおいて類似性を示す場合、組み合わせられた群は、間代相の中間部分の予測されるパターンと一致するとみなされ得る。他のパターンについては、上述のメトリックの差異の程度は、経時的に収集されたピーク群間で予想されることがある。例えば、応答ウィンドウ内の２つ以上の群にわたるピークが、上昇したピーク部分に隣接する期間の持続時間の増加を特徴とする場合、発作の間代相からの正常な進行が認識され得る。

いくつかの実施形態では、適格性認定されたピークの２つ以上の群を組み合わせること（ステップ６４）は、様々な群の中からピークデータに基づいて１つまたは複数のプールされた特性値を決定することを含むことができる。例えば、ピークの２つ以上の群を別個に適格性認定することができ、次に、プールされた特性値を計算して２つ以上の群間の関係（例えば、類似性の程度）を決定することができる。いくつかの実施形態では、複数の群のプールされた特性値が閾値を満たす場合、例えば、プールされた特性値が指定された最小閾値および／または最大閾値内にある場合、別個の適格性認定ピーク群を組み合わせて、適格性認定されたピークの活動の全体レベルを決定することができる。したがって、いくつかの実施形態では、全体的なピークの活動値を決定する前に、独立して適格性認定されたピーク群にさらなる適格性認定のステップを施すことができる。

例えば、時間的に分離された２つのピーク群は、それぞれ独立して適格性認定されてもよく、特性値をまとめてプールすることにより、２つの群が確実に発作の同じ部分の一部として扱われるかどうかが予測されてもよい。例えば、発作の間代相の中間部分の２つの別々の持続時間間隔において、２つのピーク群が測定され得るが、２つの間隔の間の時間に収集されるデータの介在部分において、データはノイズがあり、データのその部分は、有用なピーク群が生成されないかもしれない。しかしながら、これらの２つのピーク群はそれぞれ別個に適格性認定されてもよく、データを一緒にプールすることは列（ｔｒａｉｎ）がそれぞれ間代相の中間部分の一部であることを示している場合、これらの２つの別々の群を組み合わせて適格性認定されたピークの全体的な活動レベルを決定してもよい。したがって、適格性認定されたピークのその全体的な活動レベルは、適切な応答を決定する際に使用され得る。

プールされた特性値は、ピーク数及び自由度に従って重み付けされた２つ以上のピーク群からのデータを含むことによって計算された特性値を参照することができる。例えば、いくつかの実施形態では、１つのピーク群の特性値は、標準偏差として特徴付けることができるピーク間の時間の変化量であり得る。２つの群についてのプールされた特性値を計算するために、第１の標準偏差値ｓ_１は、１つの群のピークについて計算され、ここでｎ_１は、その群のサンプルサイズである。第２の群のピークの第２の標準偏差値ｓ_２も計算することができ、ここで、ｎ_２はその第２の群のサンプルサイズである。次いで、２つのピーク群からのデータを含むプールされた標準偏差値は、以下のように計算され得る。

Ｓ_{（ｐｏｏｌｅｄ）}＝Ｓｑｒｔ［［（ｎ_１−１）Ｓ_１ ^２＋（ｎ_２−１）Ｓ_２ ^２］／［（ｎ_１−１）＋（ｎ_２−１）−１］］ 式１
より一般的には、標準偏差値ｓ_１、ｓ_２、．．．、ｓ_ｋを有する任意の数のピーク群ｎ_１、ｎ_２．．．ｎ_ｋに対して、プールされた値は以下のように計算されてもよい。

Ｓ_{（ｐｏｏｌｅｄ）}＝Ｓｑｒｔ［［（ｎ_１−１）Ｓ_１ ^２＋（ｎ_２−１）Ｓ_２ ^２＋．．．＋（ｎ_ｋ−１）Ｓ_ｋ ^２］／［（ｎ_１−１）＋（ｎ_２−１）＋．．．（ｎ_ｋ−１）］］ 式２
いくつかの実施形態では、プールされた値は、ピークの群が論理的に発作の同じ部分の一部とみなされることを検証するチェックとしての役割を果たすことができる。例えば、一般に、間代相の一部において、間代相の後期段階でピーク速度の一般的な低下があっても、特定の境界内でピーク速度を維持することができる。また、別個に検出され、適格性認定されたピーク群の複数の群からのデータをプールすることにより、ノイズの多い信号の散発的に検出されたピークデータは依然として確実に組み合わせられ得る。

図８は、ＥＭＧ信号を収集し、ＥＭＧ信号におけるピークデータを特定し、１つまたは複数の発作または発作関連運動徴候パターンが存在し得るかどうかを評価する方法８０の実施形態を示す。いくつかの実施形態では、方法８０は、患者監視戦略としてリアルタイムで実行することができ、ＥＭＧ信号を直接収集することができる。他の実施形態では、方法８０は、例えば、医療データベースにデータを追加するか、または医療データベース内のデータを検索する場合を含む、信号収集に続いて実行されてもよい。ステップ８２において、代替的に、種々のクラスの実施形態が記載されている。例えば、ステップ８２において、ＥＭＧ信号が収集され、収集されたＥＭＧ信号においてピークが特定されてもよい。あるいは、前に収集された信号データは、信号データの一部をダウンロードすることなどによってアクセスされてもよい。

いくつかの実施形態では、ＥＭＧ信号を収集し、ピークを検出し、１つまたは複数のパターンの存在についてデータを検索する前に、これらのピークの初期フィルタリングまたはスクリーニングを行うことができる。例えば、個々のピークは、他の操作を実行する前に個々のピークの１つまたは複数の特性に対して選抜されてもよい。例えば、いくつかの実施形態では、方法１０のステップ１６およびステップ１８などのピークスクリーニング操作をステップ８２の一部として実行することができる。いくつかの実施形態では、方法８０が既存のＥＭＧデータから実行される場合、データベースのオペレータは、例えば、１人または複数の患者および／または収集されたデータの１つまたは複数の時間範囲を選択することができる。プログラムは、データをピーク検出に供することができ、または既に特定されたピークは、さらなる処理のためにダウンロードまたはアクセスすることができる。

ステップ８４において、方法８０は、１つまたは複数の発作または発作関連活動パターンを示す１つまたは複数のピーク群について特定されたピークを検索することを含むことができる。いくつかの実施形態では、ステップ８４は２つの部分を含むことができる。例えば、第１の部分において、特定されたピークの最初の群は、テスト群の構築に供されてもよい。すなわち、複数のサブセットテスト群を、特定されたピークの最初の群から作成することができる。第２に、テスト群の特性値は、所与のパターンの指標としてテスト群を適格性認定するのに適した特性値の閾値と比較することができる。

本明細書に記載されているいくつかの実施形態では、例えば、てんかん発作活動、全身性強直間代発作中の進行、非てんかん性心因性発作活動、およびそれらの組み合わせに関連するパターンを含む、様々な運動徴候パターンを検出することができる。いくつかの実施形態では、発作性運動後の動作に関連する活動のパターンも特定することができる。パターンを検出または検索するために、例えば、当初の群から構築された複数のピークからなる異なる群を含むピークデータを、パターンを定義するのに適した１つまたは複数の適格性認定閾値と比較することができる。パターンは、テスト群の構築に使用されるプロトコルによって定義することも可能である。例えば、いくつかのパターンは、テスト群構築のための異なるアルゴリズムを使用して特定されてもよい。例えば、アルゴリズムは、除外されたピークを有するテスト群の適用を可能にするか、若しくは可能にしないか、または除外されたピークの最大数または比を定義するルールで定義され得る。

いくつかの実施形態では、収集されたＥＭＧ信号において、２つ以上のパターンが検索されるか、または特定され得る。例えば、いくつかの実施形態では、第１の発作パターンは、わずか１つのテスト群の中に含まれる少なくとも８個の適格性認定されたピークの適格性認定されたピークの閾値数の検出によって特徴付けられてもよい。別の例では、発作パターンは、２つ以下のテスト群の中に含まれる少なくとも１２個の適格性認定されたピークの適格性認定されたピークの閾値数の検出によって特徴付けられてもよい。別の例では、発作パターンは、３つ以下のテスト群に含まれる少なくとも１５個の適格性認定されたピークの適格性認定されたピークの閾値数の検出によって特徴付けられてもよい。前述のパターンは、１つまたは複数の適格性認定閾値またはプールされた特性閾値によって定義されてもよい。例えば、ピーク群が、毎秒約２個のピークである最小ピーク率よりも大きく、毎秒約７個のピークである最大ピーク率よりも小さいピーク率を示す場合、前述のパターンにおけるピークは適格性認定され得る。いくつかの実施形態では、ピークは、代替的または追加的な集約適格性認定または他の適格性認定閾値によって定義されてもよい。例えば、前述のパターンにおけるピークは、約１００ミリ秒の最小閾値ピーク時間幅および約３００ミリ秒の最大閾値ピーク時間幅、約３％〜約４０％の間であるピーク間の時間の持続時間についての集約平均偏差率値、またはその両方に対して適格性認定されてもよい。

いくつかの実施形態では、発作パターンは、少なくとも８個の適格性認定されたピークから少なくとも１２個の適格性認定されたピークまでの適格性認定されたピークの閾値数の検出によって特徴付けられてもよい。このパターンは、さらに、毎秒約５個のピークである最小率より大きく、毎秒約７個のピークである最大率よりも小さいピーク率の適格性認定閾値またはプールされた特性閾値によって特徴付けられてもよい。前述のパターンは、一群のパターンの一部であることがある。例えば、別のパターンは、約４〜約６個のピーク／秒の範囲内のピークを特定することができる。さらに別のパターンは、約２〜約５個のピーク／秒の範囲内のピークを特定することができる。別のパターンは、約１〜約３個のピーク／秒の範囲内のピークを特定することができる。さらに別のパターンは、約０．２〜約１個のピーク／秒の範囲内のピークを特定することができる。例えば、ピークの上昇した部分の所要時間幅の最小値または最大値、ピークの上昇部分のいずれかの側のより小さい信号の１つまたは複数の介在期間の所要時間、ピーク間の時間の持続時間についての必要とされる平均偏差率値、および／またはそれらの組み合わせも含む、他の適格性認定閾値が含まれていてもよい。

特に有用なパターンは、ピークが、毎秒約３個のピーク未満のような比較的低い率で提示され、ピークの上昇部分の時間幅の閾値およびピークのいずれかの側のより小さい信号の期間の閾値時間幅がピーク適格性認定に使用される場合に定義され得る。一般に、このような低い反復率は、患者が発作の間代相から正常に、または異常に、のいずれかにて回復している時間と関連している可能性がある。例えば、ピークの反復率の突然の変化または漸進的な変化を伴って発作から患者が一般的にまたは常に移行するかどうかを特定できるように、データを編成する特定のパターンまたはパターンの組み合わせを定義することができる。パターンは、ピークの反復率の変化が、ピークの上昇部分の時間幅、ピークの上昇部分間の信号のより小さい部分の時間幅、またはピークの上昇部分間の信号のより小さい部分に対するピークの上昇した部分の間の比、における所与の変化とリンクできるかどうかをさらに特定し得る。例えば、ピークの上昇部分の間の信号のより小さい部分の時間幅における予想増加率を経験することなく、患者が発作から移行する傾向にある場合、そのパターンは心因性非てんかん性発作活動を示す可能性があるとフラグ付けされ得る。さらに、発作から徐々に進行するか、より散発的なパターンのいずれかを示す、ピークパターン間の時間分布に基づく群の適格性認定が作成されてもよい。ピークの振幅における変化がさらに考慮されてもよい。

いくつかの実施形態では、発作または発作関連活動を示す２つ以上のパターンが、患者の監視期間中に検出されてもよい。例えば、ステップ８４において、１つの発作パターンが特定され、後に別のパターンが特定され得ることが決定され得る。発作パターンの組み合わせを使用して、他のパターンまたはより単純なパターンから集めることが困難な情報を得ることができる。関連する態様では、いくつかの実施形態では、本明細書に記載されているより単純なパターンは、より複雑なパターンのビルディングブロックとして機能することができる。例えば、上述のパターンを使用すると、より複雑なパターンを定義することができる。これらのパターンのいくつかは、間代相からの移行を含む、発作の間代相の２つ以上の部分にわたって延びるかなりの持続期間にわたり持続する可能性がある。

いくつかの実施形態では、共通の臨床診断に関連し得る異なるパターンを一緒にグループ化することができる。したがって、これらのパターンの１つまたは複数が特定される場合、そのパターンの重要性がフラグ付けされ、介護者に提示され得る。例えば、一般的に、発作からの移行が突然であり、ピークのいずれかの側でのより短い期間の持続時間の変化を伴わない場合、このようなパターンは、おそらく心因性非てんかん性発作活動の発生に関連するものとしてフラグ付けされ得る。この挙動を示すパターンは、平均反復率またはピークのいずれかの側のより短い期間の平均継続期間のような他の特性が異なる場合であっても、フラグ付けすることができる。

いくつかのパターンは、集約特性閾値に加えて個々のピークに関連する特性値閾値を含むことができることを理解されたい。例えば、後にテスト群構築に供される複数のピークからなる初期の組の生成に使用される初期スクリーニングの一部として、ピークデータを個々の特性値の閾値と比較することは有用であり得る。また、この初期の選抜中またはその後のピークを１つまたは複数の個々の特性値と比較することも有用である。例えば、発作の異なる部分では、個々のピークのいくつかの特性が変化することが予想される。したがって、発作の一部を試験する上で使用するのに適したテスト群を生成するための最良の選抜は、発作の他の部分を試験するのに適したテスト群を生成するためのものと同じでなくてもよい。したがって、いくつかの実施形態では、個々のピーク特性の初期の広い選抜を適用して、テスト群構築のための複数のピークからなる初期群を定義することができる。さらなる処理は、テスト群中のピークが、ピークの初期スクリーニングにおいて適用されるよりも厳格であり得る個々の特性値を有するか否かを決定することを含み得る。

他のパターン（例えば、上記した特定の実施形態に加えて）はまた、データベースに格納されてもよく、収集されたデータと比較されてもよい。パターンは、時間ウィンドウにわたって活動を見るように定義することができる。例えば、１つのパターンは、発作の間代相の開始付近に典型的に見出される特性値を示すピーク群を探し、別のパターンは、典型的には、発作の間代相部分の終わり付近に見出される特性値を示すピーク群を探してもよい。発作の異なる部分を見るのに適したウィンドウは異なっていてもよい。例えば、ピークデータが比較的短い時間ウィンドウ（例えば、約２〜約１０秒）に制限されるように、ウィンドウを適切にすることができる。他のパターンは、より長い継続期間にわたるデータを考慮し、例えば発作の進行中に予想されるようなピークの活動が経時的に変化する活動を探してもよい。より長い期間にわたってデータを考慮するパターンは、独立して適格性認定された群の存在を探し、連続する群または近くの群の統計の傾向を探すことができる。

例えば、パターンは、発作の間代相部分の開始時の活動によって典型的に達成される閾値を有する第１のパターンセットを探し、そのパターンが繰り返すかどうか、または間代相の遅い部分と関連する第２のパターンも存在し得るか、についてもまた探す。第１のパターンおよび第２のパターンは、例えば、ピーク幅、ピーク反復、ピーク振幅またはそれらの組み合わせについて異なる閾値を有していてもよく、いくつかの実施形態では、パターンが選択されて、それらの特徴が変化するかどうか、または例えば、ピーク幅、反復および／または振幅に特徴的な変化がなく活動が終了するかを見てもよい。そして、いくつかの実施形態では、介護者は、患者が非てんかん性心因性事象を起こしやすいかどうかを特定する際に同介護者を支援するために、適格性認定されたピークが経時的に変化するパターンについてデータを検索することができる。

多量のＥＭＧおよびその他の患者関連データを収集し、システム最適化のためにそのようなデータを編成し、発作の疑いに応答して、または発作後運動徴候に応答して、アラームを開始するために、様々なシステムが適している。図９は、本明細書に記載の方法を用いて発作活動について患者を監視するように構成され得るこのようなシステムの例示的な実施形態を示す。図９の実施形態では、発作検出システム１００は、音響センサ１０８、ビデオカメラ１０９、検出ユニット１１２、基地局１１４、および警告トランシーバ１１６を含むことができる。検出ユニット１１２は、発作中に運動徴候を呈する可能性のある任意の適切な筋肉または筋肉群の上または近くに配置された（または、まさに付着されている）携帯可能かつ着用可能なデバイスとして構成されていてもよい。そして、いくつかの実施形態では、システム１００は、様々な無線ローカルエリアネットワーク技術のいずれかを含むことができる。例えば、検出ユニット１１２は、ＷｉＦｉ（登録商標）、ブルートゥース（Ｂｌｕｅｔｏｏｔｈ（登録商標））を使用して、または別のローカルネットワークを介してインターネットに無線で通信することができる。そして、ローカルネットワークを使用して、検出ユニット１１２は、いくつかの実施形態では、インターネット上でデータを直接または中間基地局１１４を経由して送ることができる。いくつかの実施形態では、介護者は、ＷｉＦｉ（登録商標）などのローカルネットワークを通して直接連絡を受けてもよい。基地局１１４は、無線で（例えば、ローカルネットワークを通して）インターネットに接続されていてもよく、またはハード接続を通してインターネットにリンクされていてもよい。検出ユニット１１２は、患者の皮膚表面またはその近傍で筋肉からの電気信号を検出し、処理のためにそれらの電気的ＥＭＧ信号をプロセッサに送ることができる１つまたは複数のＥＭＧ電極を含むことができる。ＥＭＧ電極は、患者に結合または装着することができ、いくつかの実施形態では、発作中に活動化され得る筋肉の近傍で患者の組織内に埋め込まれてもよい。埋め込み型デバイスは、例えば、かなりの量の脂肪組織を有する患者など、ＥＭＧ信号が通常微弱になり得る一部の患者に対して、特に適している場合がある。

基地局１１４は、検出ユニット１１２からのＥＭＧ信号、音響センサ１０８からの音響データ、および／または他のセンサからのデータを受信および処理して、処理された信号から発作が生じた可能性があるかどうかを決定して、介護者に警告を送信することが可能なコンピュータを備えていてもよい。警告トランシーバ１１６は、基地局１１４によって、またはインターネットに送信された警告を受信して中継するために、介護者によって携行されるか、または介護者の近くに配置されてもよい。例えば、無線デバイス１１７、１１８、保管データベース１１９、電極と皮膚との境界面の保全性（ｉｎｔｅｇｒｉｔｙ）の変化を検出するための電子デバイス、および１つまたは複数の環境トランシーバを含め、システム１００に含まれ得る他の構成要素は、本明細書に組み込まれている、本出願人の米国特許第８，９８３，５９１号明細書および他の参考文献にも記載されている。

図９の装置を使用する場合、例えば、てんかん性の発作に罹患しやすい患者１２０は、例えば、ベッドで休息するか、または日常生活に含まれ得るその他の場所にいることができ、身体と物理的に接触するか、または身体に近接する検出ユニット１１２を有することができる。検出ユニット１１２は、無線デバイスであってもよく、その結果、患者は、固定電源またはより嵩張った基地局１１４に拘束されることなく起き上がり、歩き回ることができる。例えば、検出ユニット１１２は、シャツの袖に織り込んだり、アームバンドまたはブレスレットに搭載されたり、または埋め込み型デバイスであってもよい。他の実施形態では、１つまたは複数の検出ユニット１１２または他のセンサは、ベッド、椅子、幼児用自動車シート、または発作を起こしやすい人が使用する他の適切な衣服、家具、装備および付属品に配置または組み込むことができる。検出ユニット１１２は、処理および分析のために基地局１１４に信号を送ることができる電極のような単純センサを含むことができ、あるいは何らかのデータ処理および記憶能力を有する「スマート（ｓｍａｒｔ）」センサを含むことができる。検出ユニット１１２は、１つまたは複数のスマートクライアントアプリケーションを含むことができる。いくつかの実施形態では、単純センサを、人が着用するベルトに取り付けられた電池作動式のトランシーバに有線または無線で接続することができる。いくつかの実施形態では、検出ユニット１１２は、パターンデータベースで構成されてもよく、および／または初期ピークの組から複数のピークからなる１つまたは複数のサブセット群の構築のための命令を実行するように構成されたプロセッサを含んでいてもよい。

システム１００は、例えば、夕方および夜間などの休息中に患者１２０を監視することができる。患者の検出ユニット１１２が発作を検出した場合、検出ユニット１１２は、有線または無線で、例えば通信ネットワークまたは無線リンクを介して基地局１１４と、ブルートゥース（Ｂｌｕｅｔｏｏｔｈ（登録商標））を介して遠く離れた携帯電話１１７またはその他の携帯式もしくはデスクトップ式デバイス１１８と、または基地局１１４および遠く離れた携帯電話１１７もしくは他のデバイス１１８へ同時に、通信することができる。いくつかの実施形態では、検出ユニット１１２は、より徹底的な分析のためにいくつかの信号を基地局デバイスに送信することができる。例えば、いくつかの実施形態では、基地局１１４は、ＥＭＧデータの１つまたは複数の部分との比較に適したより広範なパターンのデータベースを含むことができる。

いくつかの実施形態では、検出ユニット１１２は、ＥＭＧ信号（および任意選択で、またはいくつかの実施形態では、ＥＣＧ、温度、方位センサ、飽和酸素、および／または音声センサ信号）を処理および使用して、発作の発生の尤度に関する初期評価を行い、それらの信号およびその評価を、別個の処理および確認のために基地局１１４に送信することができる。発作が発生している可能性があると基地局１１４が確認すれば、同基地局１１４は、アラームを開始して、ｅメール、テキスト、携帯電話、または任意の適切な有線または無線のメッセージインジケータによりネットワーク１１５上で、指定された個人に警告を伝送する。理解されるように、いくつかの実施形態では、検出ユニット１１２は、基地局１１４よりも小型かつコンパクトであり、限られた強さしかない電源を使用するのに便利である。したがって、いくつかの実施形態では、検出ユニット１１２と基地局１１４との間で転送されるデータの量を制御するのに有利である。なぜならば、このようにすることで、検出ユニット１１２に組み込まれた任意の電源素子の寿命が延びるからである。いくつかの実施形態では、検出ユニット１１２、基地局１１４、または介護者、例えば、基地局から提供される信号を監視する遠隔の介護者のうちの１つまたは複数が発作の発生を決定する場合、患者１２０のビデオ情報を収集するようにビデオモニタ１０９がトリガされてもよい。

一般的な家庭用電源によって電力を供給され、バックアップ用バッテリを内蔵する基地局１１４は、検出ユニット１１２よりも運用に利用可能な処理、伝送、および分析能力が高く、より多くの量の信号履歴を記憶し、その多量データに照らして受信信号を評価することができる。基地局１１４は、家族の寝室などのように基地局１１４から遠隔に配置される警告トランシーバ１１６と、または介護者によって携行されるか、あるいは職場またはクリニックに配置される無線デバイス１１７、１１８と通信することができる。基地局１１４および／またはトランシーバ１１６は、ネットワーク１１５などの任意の適切な手段を介して、携帯電話１１７、ＰＤＡ１１８、またはその他のクライアント機器を通じ指定された人々に警告またはメッセージを送信することができる。したがって、システム１００は発作の正確なログを提供して、患者の医師に治療方式の成功または失敗をより迅速に認識させることができる。当然ながら、基地局１１４は、本明細書に記載の信号を受信、処理、および分析して、警告を伝送することのできるインストールされたプログラムを有するコンピュータを単に備えることができる。基地局１１４は、１つまたは複数のスマートクライアントアプリケーションを含むことができる。他の実施形態では、システム１００は、例えば、アイフォン（ｉＰｈｏｎｅ（登録商標））などのスマートフォンに信号データを伝送するように構成され、インストールされたプログラムアプリケーションを用いて本明細書に記載のＥＭＧ信号を処理するために、電極からのＥＭＧ信号を受信するように構成されたデバイスの一部としてのＥＭＧ電極を単に備えることができる。さらなる実施形態では、ＥＭＧ信号および関連データの記憶および処理のために、ネットワーク１１５を介していわゆる「クラウド」コンピューティングおよび記憶装置を使用することができる。さらに別の実施形態では、１つまたは複数のＥＭＧ電極は、本明細書に開示されるようにＥＭＧ信号を処理し、ネットワーク上で警告を送信することのできるプロセッサを有する単独ユニットとして一括してパッケージ化することも可能であろう。換言すると、装置は、患者の上に配置され、基地局、または別個のトランシーバを必要としない単独の製品を備えることができる。あるいは、基地局は、例えば、スマートフォンまたはタブレットであってもよい。

図９の実施形態では、ＥＭＧ信号データは保存のために遠隔データベース１１９に送信されてもよい。いくつかの実施形態では、ＥＭＧ信号データは、複数のてんかん患者から中央データベース１１９に送信されて、てんかん性発作の一般「ベースライン」感度レベルおよび信号特徴を確定し改良するための基盤（ｂａｓｉｓ）を提供するように「匿名化」することができる。データベース１１９および基地局１１４は、ネットワーク１１５を介して遠隔コンピュータ１１３から遠隔アクセスされて、検出器ユニットおよび／または基地局ソフトウェアの更新、およびデータ伝送を可能にする。また、いくつかの実施形態では、遠隔コンピュータ１１３または別のコンピュータが、任意の数の、信号を受信するように設定された指定された個人に関連した異なるデバイス間の、アラーム信号およびＥＭＧ信号データの交換を含めたデータの交換を監視する機能を果たしてもよい。基地局１１４は、遠隔トランシーバ１１６または検出ユニット１１２であり得るような可聴アラームまたは視認できるアラームを生成することができる。全ての無線リンクは、ソフトウェアおよびデータ伝送とメッセージ送達確認について双方向性とすることができる。基地局１１４は、発作を通知するための上記で列挙したメッセージング方法のうちの１つまたは全部を採用することもできる。基地局１１４または検出ユニット１１２は、インシデント警告を終了させる「警告解除」ボタンを設けることができる。

いくつかの実施形態では、トランシーバは、家具ユニットまたはその他の構造、例えば、環境ユニットまたはオブジェクト内に追加で搭載することができる。検出ユニット１１２がトランシーバに十分に接近している場合、そのようなトランシーバはデータを基地局に送信することができる。それゆえ、基地局１１４は、その情報がそのトランスデューサから、およびしたがって関連する環境ユニットから受信されていることを認識できる。いくつかの実施形態では、基地局１１４は、特定のトランシーバからの信号を受信しているか否かに応じて、特定のテンプレートファイル（例えば本明細書で後述される閾値およびその他のデータを含む）を選択することができる。したがって、例えば、検出器１１２から、およびベッドまたはベビーベッドに関連付けられたトランスデューサから情報を受信する場合、基地局１１４は、例えば個人が通常運動中に身に着ける衣服、または例えば患者が歯を磨く場所にある使用者の洗面台近くのアイテムなどの、別の環境ユニットと関連付けられたトランスデューサからデータを受信する場合とは異なってデータを取り扱うことができる。より一般的には、いくつかの実施形態では、監視システムは、全地球測位（ＧＰＳ：ｇｌｏｂａｌ ｐｏｓｉｔｉｏｎｉｎｇ）性能を有する１つまたは複数の素子で構成してもよく、また、位置情報を使用して、検出アルゴリズムで使用可能な１つまたは複数のルーチンを調節してもよい。例えば、ＧＰＳ性能は、検出ユニット１１２に含まれた１つまたは複数のマイクロ電子機械センサ素子と共に、またはそのセンサ素子の中に含まれている場合がある。

図９の実施形態は、睡眠中に使用するのに最小限の侵襲性を有するように、または日常活動をごくわずかにのみ阻害するように構成することができ、１個または２個などの最小数の電極のみを必要とし、頭部の電極が不要で、運動徴候を有する発作を検出することができ、１つまたは複数の、局地的部位および／または遠隔部位の発作の存在を警告することができ、家庭で使用するために十分安価にすることができる。

図１０は、検出ユニット１１２または検出器の一実施形態を図示する。検出ユニット１１２は、ＥＭＧ電極１２２を含むことができ、またいくつかの実施形態では、ＥＣＧ電極１２４も含むことができる。検出ユニット１１２は、リードオフ検出器１２６を有する増幅器をさらに含むことができる。いくつかの実施形態では、１つまたは複数のリードオフ検出器は、電極が人体に物理的に接触しているか、または人体から離れ過ぎているかどうかを示して、筋肉活動、体温、脳活動、またはその他の患者の現象を検出する信号を提供することができる。検出ユニット１１２は、ソリッドステートのマイクロ電子機械（ＭＥＭＳ：ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ）構造など、検出ユニット１１２の位置および／または方位を検出するために構成された１つまたは複数の素子１２８をさらに含んでいてもよい。例えば、素子１２８は、１つまたは複数のジャイロスコープ、加速度計、磁力計、またはこれらの組み合わせを含み得るものなど、１つまたは複数のマイクロ機械慣性センサを含んでいてもよい。

検出ユニット１１２は、その人の体温を感知する温度センサ１３０と、１つまたは複数の方位感受性または位置感受性の素子１２８とをさらに含んでいてもよい。加速度計、マイクロフォン、オキシメータなどのその他のセンサ（図示せず）も検出ユニットに含めることができる。電極１２２および１２４、温度センサ１３０、方位および／または位置センサ１２８、およびその他のセンサからの信号をマルチプレクサ１３２に提供することができる。マルチプレクサ１３２は検出ユニット１１２の一部にすることができるか、あるいは、検出ユニット１１２がスマートセンサでない場合には、基地局１１４の一部にすることができる。次に、信号はマルチプレクサ１３２から１つまたは複数のアナログ−デジタル変換器１３４に通信することができる。アナログ−デジタル変換器は検出ユニット１１２の一部にすることができ、または基地局１１４の一部にすることができる。次に、信号は、本明細書に開示の処理および分析のために、１つまたは複数のマイクロプロセッサ１３６に通信することができる。マイクロプロセッサ１３６は検出ユニット１１２の一部にすることができ、または基地局１１４の一部にすることができる。検出ユニット１１２および／または基地局１１４は、適切な容量のメモリをさらに含むことができる。マイクロプロセッサ１３６はトランシーバ１３８を使用して信号データおよびその他の情報を通信することができる。検出ユニット１１２および／または基地局１１４の構成要素による、および構成要素間の通信は、有線または無線通信とすることができる。

当然ながら、図１０の例示の検出ユニットは異なって構成することができる。図１０の検出器の構成要素の多くは、検出ユニット１１２ではなく基地局１１４に置くことができる。例えば、検出ユニットは単に、基地局１１４と無線通信するＥＭＧ電極１２２を備えることができる。そのような実施形態では、Ａ−Ｄ変換と信号処理は基地局１１４で行うことができる。ＥＣＧ電極１２４が含まれる場合、多重化も基地局１１４で行うことができる。

別の例では、図１０の検出ユニット１１２は、ＥＭＧ電極１２２、ＥＣＧ電極１２４、および温度センサ１３０のうちの１つまたは複数を有し、小型のベルト装着型トランシーバ部分と有線または無線通信を行う電極部分を備えることができる。トランシーバ部分は、マルチプレクサ１３２、Ａ−Ｄ変換器１３４、マイクロプロセッサ１３６、トランシーバ、ならびにメモリおよびＩ／Ｏデバイス（例えば、アラーム解除ボタンおよび視覚ディスプレイ）などのその他の構成要素を含むことができる。

図１１は、１つまたは複数のマイクロプロセッサ１４０、電源１４２、バックアップ電源１４４、１つまたは複数のＩ／Ｏデバイス１４６、およびイーサネット（登録商標）（Ｅｔｈｅｒｎｅｔ）接続１４８およびトランシーバ１５０などの各種通信手段を含むことができる基地局１１４の一実施形態を図示する。基地局１１４は、検出ユニット１１２よりも高い処理および記憶能力を有し、介護者が検出ユニット１１２から受信される際にリアルタイムでＥＭＧ信号を検討し、またはメモリからの履歴ＥＭＧ信号を検討するためにＥＭＧ信号グラフの表示用のより大きな電子ディスプレイを含むことができる。基地局１１４はＥＭＧ信号および検出ユニット１１２から受信したその他のデータを処理することができる。発作が発生している可能性があると基地局１１４が決定すれば、トランシーバ１５０を介して警告を介護者に送信することができる。

図９〜図１１の装置の各種デバイスは、有線または無線通信を介して相互に通信することができる。システム１００はクライアント−サーバまたはその他のアーキテクチャを備え、ネットワーク１１５を介して通信することができる。当然ながら、システム１００は、２つ以上のサーバおよび／またはクライアントを備えることができる。他の実施形態では、システム１００は、ピアツーピアアーキテクチャ、またはこれらの任意の組み合わせまたは合成などのその他の種類のネットワークアーキテクチャを備えることができる。

通常、発作検出システムのデバイスは、本明細書に開示された方法および目標のうちの１つまたは複数を達成する任意の適切な種類および構成とすることができる。例えば、サーバは、１つまたは複数のその他のコンピュータまたはプログラム、あるいはクライアントからのコマンドまたは要求に応答する１つまたは複数のコンピュータまたはプログラムを備えることができる。クライアントデバイスは、１つまたは複数のその他のコンピュータまたはプログラム、あるいはサーバによって提供されるサービスについてコマンドまたは要求を発する１つまたは複数のコンピュータまたはプログラムを備えることができる。図９の各種デバイスは、機能および構成に応じてサーバまたはクライアントとすることができる。サーバおよび／またはクライアントは、例えば、メインフレームコンピュータ、デスクトップコンピュータ、ＰＤＡ、スマートフォン（アップル（Ａｐｐｌｅ）のアイフォン（ｉＰｈｏｎｅ）（商標）、モトローラ（Ｍｏｔｏｒｏｌａ）のアトリックス（Ａｔｒｉｘ）（商標）４Ｇ、モトローラ（Ｍｏｔｏｒｏｌａ）のドロイド（Ｄｒｏｉｄ）（商標）、サムスン（Ｓａｍｓｕｎｇ）のギャラクシーＳ（Ｇａｌａｘｙ Ｓ）（商標）、サムスン（Ｓａｍｓｕｎｇ）のギャラクシーノート（Ｇａｌａｘｙ Ｎｏｔｅ）（商標）、およびリサーチインモーション（Ｒｅｓｅａｒｃｈ Ｉｎ Ｍｏｔｉｏｎ）のブラックベリー（Ｂｌａｃｋｂｅｒｒｙ）（商標）デバイスなど）、タブレット（ソニー（Ｓｏｎｙ）のエクスペリア（Ｘｐｅｒｉａ）（商標）、サムスン（Ｓａｍｓｕｎｇ）のギャラクシータブ（Ｇａｌａｘｙ Ｔａｂ）（商標）、およびアマゾンキンドル（Ａｍａｚｏｎ Ｋｉｎｄｌｅ）（商標）など）、ネットブック、携帯型コンピュータ、ネットワーク通信機能付き携帯メディアプレーヤ（マイクロソフト（Ｍｉｃｒｏｓｏｆｔ）のズーンＨＤ（Ｚｕｎｅ ＨＤ）（商標）およびアップル（Ａｐｐｌｅ）のアイポッドタッチ（ｉＰｏｄ Ｔｏｕｃｈ）（商標）デバイスなど）、ネットワーク通信機能付きカメラ、スマートウォッチ、ウェアラブルコンピュータなどに様々に存在させるか、または常駐させてもよい。

コンピュータは、入力を受け付け、プログラムにしたがって入力を処理し、出力を生成することのできる任意のデバイスとすることができる。コンピュータは、例えば、プロセッサ、メモリ、およびネットワーク接続機能を備えることができる。コンピュータは、コンピュータのサイズ、スピード、コスト、および機能に応じて、スーパーコンピュータ、メインフレーム、ワークステーション、マイクロコンピュータ、ＰＤＡ、およびスマートフォンなどの様々な種類とすることができる。コンピュータは固定型でも携帯型でもよく、携帯電話、媒体記録および再生、データ転送、ウェブブラウジング、データ処理、データクエリ、プロセスの自動化、ビデオ会議、人工知能などの様々な機能に合わせてプログラミングすることができる。

プログラムは、コンピュータによって実行可能な形式（オブジェクトコード）であるか、人間によって読取可能な形式（ソースコード）であるか、またはそれ以外であるかにかかわらず、アルゴリズムなどの任意の一連の指示を含むことができる。プログラムは、１つまたは複数のデータ構造および変数を含むか、または呼び出すことができる。プログラムは、ハードウェアもしくはソフトウェア、またはこれらの組み合わせに具現化することができる。プログラムは、Ｃ、Ｃ＋＋、ジャバ（Ｊａｖａ（登録商標））、パール（Ｐｅｒｌ）、ＰＨＰ、ルビー（Ｒｕｂｙ）、ＳＱＬなどの任意の適切なプログラミング言語を用いて作成することができる。コンピュータソフトウェアは、１つまたは複数のプログラムおよび関連データを含むことができる。コンピュータソフトウェアの例は、システムソフトウェア（オペレーティングシステムソフトウェア、デバイスドライバ、およびユーティリティなど）、ミドルウェア（ウェブサーバ、データアクセスソフトウェア、およびエンタープライズメッセージングソフトウェアなど）、アプリケーションソフトウェア（データベース、ビデオゲーム、およびメディアプレーヤなど）、ファームウェア（デバイス固有ソフトウェア搭載の計算機、キーボード、および携帯電話など）、およびプログラミングツール（デバッガ、コンパイラ、およびテキストエディタなど）を含む。

メモリは、情報が一時的または永久的に記憶され、検索される任意のコンピュータ読取可能媒体を備えることができる。メモリの例は、ＳＲＡＭ、ＤＲＡＭ、Ｚ−ＲＡＭ、フラッシュ、光ディスク、磁気テープ、パンチカード、ＥＥＰＲＯＭなどの各種ＲＡＭおよびＲＯＭを含む。メモリは１つまたは複数のデバイス、および／または地理的位置またはその全体に、ＲＡＩＤ技術などで仮想化して提供することができる。Ｉ／Ｏデバイスは、コンピュータへの情報の提供、および／またはコンピュータからの情報の受信に使用可能な任意のハードウェアを備えることができる。例示的なＩ／Ｏデバイスは、ディスクドライブ、キーボード、ビデオディスプレイスクリーン、マウスプリンタ、プリンタ、カードリーダ、スキャナ（バーコード、指紋、虹彩、ＱＲコード（登録商標）、およびその他の種類のスキャナなど）、ＲＦＩＤ機器、テープドライブ、タッチスクリーン、カメラ、運動センサ、ネットワークカード、記憶デバイス、マイクロフォン、オーディオスピーカ、タッチペンおよびトランスデューサ、ならびに関連インタフェースおよびドライバを含む。

ネットワークは、仮想的に切り替えられ、ルーティングされ、完全に接続されたセルラーネットワーク、インターネット、イントラネット、ローカルエリアネットワーク（ＬＡＮ：ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ）、広域ネットワーク（ＷＡＮ：ｗｉｄｅ ａｒｅａ ｎｅｔｗｏｒｋ）、都市圏ネットワーク（ＭＡＮ：Ｍｅｔｒｏｐｏｌｉｔａｎ Ａｒｅａ Ｎｅｔｗｏｒｋ）、その他の種類のエリアネットワーク、ケーブルテレビネットワーク、通信衛星ネットワーク、電話網、公的ネットワーク、私設ネットワーク、有線または無線ネットワーク、およびこれらの任意の組み合わせならびにそのサブネットワークを含むことができる。ネットワークは、ルータ、ブリッジ、スイッチ、ハブ、中継器、変換器、受信機、プロキシ、ファイアウォール、トランスレータなどの様々なネットワーク機器を使用することができる。ネットワーク接続は有線または無線とし、マルチプレクサ、ネットワークインタフェースカード、モデム、ＩＤＳＮターミナルアダプタ、ラインドライバなどを使用することができる。ネットワークは、ポイントツーポイント、バス、スター、ツリー、メッシュ、リング、およびこれらの任意の組み合わせまたはハイブリッドなどの任意の適切なトポロジを含むことができる。

無線技術は、ＩＳＭバンドデバイス、ＷｉＦｉ（登録商標）、ブルートゥース（Ｂｌｕｅｔｏｏｔｈ（登録商標））、携帯電話ＳＭＳ、セルラー（ＣＤＭＡ２０００、ＷＣＤＭＡ（登録商標）など）、ＷｉＭＡＸ（登録商標）、ＷＬＡＮなどの利用可能な無線技術のうちの１つまたは複数を使用する、個人対個人無線、個人対固定受信デバイス、個人対遠隔警告デバイスなどの様々な形態を取ることができる。

コンピュータ、Ｉ／Ｏデバイスおよびネットワーク機器内、またはそれらの間の通信は各種プロトコルを用いて達成することができる。プロトコルは、例えば、信号伝達、エラー検出および訂正、データフォーマッティング、およびアドレスマッピングを含むことができる。例えば、プロトコルは、７層オープンシステム相互接続モデル（ＯＳＩモデル）、またはＴＣＰ／ＩＰモデルにしたがって提供することができる。

開示される方法および装置とその利点とを詳細に説明したが、添付の特許請求の範囲によって定義される本発明から逸脱せずに各種変更形態、置換形態、および改変形態をなし得ることを理解すべきである。さらに、本出願の範囲は、本明細書に記載のプロセス、機械、製品、組成、または材料、手段、方法、およびステップの特定の実施形態に限定されることを意図していない。例えば、１つの実施形態について記載されている任意の特徴は、任意の他の実施形態においても使用され得る。例えば、「含む（ｉｎｃｌｕｄｅ）」という用語の使用は、「備える（ｃｏｍｐｒｉｓｉｎｇ）」という用語であるように、すなわち、オープンエンド（ｏｐｅｎ−ｅｎｄｅｄ）であるように解釈されるべきである。本開示から容易に理解できるように、本明細書に記載の対応する実施形態と実質的に同一の機能を実現するか、または実質的に同一の結果を達成する既存のまたは後に開発されるプロセス、機械、製品、材料の組成、手段、方法、またはステップを利用することができる。したがって、添付の特許請求の範囲は、そのようなプロセス、機械、製品、材料の組成、手段、方法、またはステップをその範囲に含めることを意図する。

Claims (16)

1. 発作活動を示す異常な運動徴候活動パターンについて患者を監視する方法であって、前記方法は、
   筋電図信号を収集するステップと、
   前記筋電図信号に含まれる複数のピークを検出するステップと、
   ピークメンバーが１つまたは複数の第１の適格性認定閾値を満たしていないときに前記複数のピークから前記ピークメンバーを除去するステップと、
   前記ピークメンバーの除去の後に残っている複数のピークからなる残りの群を決定するステップと、
   前記複数のピークからなる残りの群から構築できる、複数のピークからなる複数のテストサブ群を構築するステップと、
   複数のピークからなる１つまたは複数の適格性認定された群を決定するために、前記複数のピークからなる複数のテストサブ群中の群メンバーであって、１つまたは複数の集約適格性認定閾値に適合する群メンバーを特定するステップと、
   を含む方法。
2. 前記１つまたは複数の集約適格性認定閾値は、間代相発作活動および非てんかん性心因性発作活動からなる群より選択される運動徴候活動の１つまたは複数のパターンを示す複数のピークからなる適格性認定された群を特定するように構成されている、請求項１に記載の方法。
3. 複数の適格性認定された群が、前記複数のピークからなる１つまたは複数の適格性認定された群中において特定されるときに適格性認定されたピークの活動の全体レベルを決定するために、前記複数のピークからなる１つまたは複数の適格性認定された群中の群を組み合わせることをさらに含む、請求項１に記載の方法。
4. 適格性認定されたピークの活動の全体レベルを決定することは、前記複数のピークからなる１つまたは複数の適格性認定された群の少なくとも１つのメンバーである適格性認定されたピークの数を決定することを含む、請求項３に記載の方法。
5. 前記複数のピークからなる複数のテストサブ群は、前記複数のピークからなる残りの群から作成されるタイムスタンプ付きリストの連続するピークのサブセットの組み合わせを含む請求項１に記載の方法。
6. 前記複数のテストサブ群は、前記複数のピークからなる残りの群のタイムスタンプ付けられた群を順序付け、前記タイムスタンプ付けられた群のいくつかの予め選択された数のピークを含む連続する群を選択することによって作成される、請求項１に記載の方法。
7. 前記複数のピークからなる複数のテストサブ群は、幾つかの最小ピーク数よりも大きい複数のピークからなる群を含む、請求項１に記載の方法。
8. 前記最小ピーク数は、約４個のピーク〜約８個のピークである、請求項７に記載の方法。
9. 前記複数のピークからなる複数のテストサブ群は、前記複数のピークからなる残りの群から構築できる非連続ピークの群を含む、請求項１に記載の方法。
10. 発作データの検索可能なデータベースに含めるために筋電図データを編成する方法において、前記方法は、
    １つまたは複数の筋電図電極を使用して、監視期間にわたり筋電図信号を収集することによって、発作活動について患者を監視するステップと、
    前記監視期間に含まれる収集の１つまたは複数の時間ウィンドウにおけるピークデータを特定するために、前記筋電図信号を処理するステップと、
    前記ピークデータから複数のピークからなる複数のテストサブ群を構築するステップと、
    １つまたは複数の発作パターンの１つまたは複数の基準に適合する、複数のピークからなるテストサブ群が構築された前記ピークデータの部分を特定するステップと、
    前記ピークデータが適合された１つまたは複数の発作バターンについての情報とともに前記ピークデータを記憶するステップと、
    前記１つまたは複数の発作パターンの１つまたは複数と適合するデータの事例を検索することにより、介護者が記憶されたピークデータを見つけることを可能にするように構成されたインタフェースを同介護者に提供するステップと、
    を含む方法。
11. 前記複数のピークからなる複数のテストサブ群は、前記ピークデータ中の非連続ピークのサブセットの組み合わせを含む、請求項１０に記載の方法。
12. 異常な運動筋肉徴候を検出するための装置であって、前記装置は、
    運動筋肉活動を示す筋電図信号を提供するように構成された１つまたは複数の筋電図電極と、
    監視期間中に含まれる収集の１つまたは複数の時間ウィンドウの複数のピークを特定し、前記ピークのピーク特性値を計算するために、前記筋電図信号を受信して、同筋電図信号を処理するように構成されたプロセッサと、
    前記プロセッサは、前記ピーク特性値を適格性認定閾値に対して比較するように構成されていることと、前記適格性認定閾値は、個々のピークの特性に関連した少なくとも１つの適格性認定閾値と、複数のピークの特性に関連した少なくとも１つの集約適格性認定閾値とを含むことと、
    前記プロセッサは、前記ピークが前記適格性認定閾値を満たしているかどうかに基づいてピークを適格性認定するように構成されていることと、
    前記プロセッサは、適格性認定されたピークの活動のレベルを決定し、仮に上回っている場合には異常な運動筋肉活動の存在を特定する活動の閾値レベルを前記レベルと比較するように構成されていることと、を含む装置。
13. 前記プロセッサは、前記異常な運動筋肉活動が特定されたときに介護者にアラームを送信するようにさらに構成されている、請求項１２に記載の装置。
14. 前記プロセッサは、前記ピークデータを検索可能なデータベースに送信するようにさらに構成されている、請求項１２に記載の装置。
15. 前記プロセッサは、残っているピークの群の特性値と前記少なくとも１つの集約適格性認定閾値とを比較する前に、個々のピークの特性に関連した前記少なくとも１つの適格性認定閾値に適合しなかったピークを除去するようにさらに構成されている、請求項１２に記載の装置。
16. 前記プロセッサは、前記複数のピークから構築される複数のテストグルーピングについて複数の集約ピーク特性値を決定し、前記複数のテストグルーピングのいずれかが前記少なくとも１つの集約適格性認定閾値を満たしているかを決定するように、さらに構成されている、請求項１２に記載の装置。