CN112911987B 神经疾病的检测、预测和监测方法 (C.明亮技术股份有限公司)_第1页
CN112911987B 神经疾病的检测、预测和监测方法 (C.明亮技术股份有限公司)_第2页
CN112911987B 神经疾病的检测、预测和监测方法 (C.明亮技术股份有限公司)_第3页
CN112911987B 神经疾病的检测、预测和监测方法 (C.明亮技术股份有限公司)_第4页
CN112911987B 神经疾病的检测、预测和监测方法 (C.明亮技术股份有限公司)_第5页
已阅读5页,还剩39页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

2020.12.28PCT/US2019/0294202019.04.26WO2019/210217EN2019.10.31US2016106358A1,2016.04.21WO2016029019A1,2016.02.25US2017135577A1,2017.05.18可以分析注视性眼动以确定其一个或多个2分析多个视网膜图像,以确定用户的左眼的注视性眼3.根据权利要求1和2中任一项所述的方法,其瘤和脊髓肿瘤。疾状况量表(EDSS)分数、多发性硬化症功能综合(MSFC)分数、原始符号数字模态测试3估和认知测试(ImPACT)分数、运动脑震荡评估工具(SCAT)分数,以及前庭眼运动筛查8.根据权利要求6或7所述的方法,其中,神经疾9.根据权利要求6或7所述的方法,其中,神经疾分析多个视网膜图像,以确定用户的左眼的注视性眼其中,确定的左眼的注视性眼动的特征和右眼的注视接收用户的左眼和右眼中的至少一个的注视性在数据库中查询与用户的注视性眼动的特征相关420.根据权利要求10所述的方法,其中,所述诊断指标的值对应于以下项中的至少一原始九孔柱测试非优势分数、九孔柱测试非优势平均分数、疲劳调查分数、总体疲劳指数56[0008]图3示出根据本发明的一些实施例的流程图,该流程图示出了用于确定用户神经[0009]图4示出根据本发明的一些实施例的使用TSLO系统获得的对照对象的三百张图像[0011]图6示出根据本发明的一些实施例的方法,该方法通过将对象的视网膜的条带测[0012]图7示出根据本发明的一些实施例的从100个对照患者中提取的4779个微扫视的[0013]图8示出根据本发明的一些实施例的从111名MS患者中提取的5785个微扫视的峰[0014]图9示出根据本发明的一些实施例的MS患者和对照患者的微扫视的峰值速度对比710秒(300帧)记录期间的111名MS患者对比通过EDSS分数量化的残疾患者(p<0.001)的平均[0018]图13示出根据本发明的一些实施例的在10秒TSLO记录期间由MS患者产生的5785用对象的微扫视和漂移测量值与对象的神经疾病诊断指标的值配对来训练神经疾病模型8表(EDSS)分数、多发性硬化症功能综合(MSFC)分数、原始符号数字模态测试(SDMT)分数、述可以应用于包含相似或类似组件/步骤的或更长时间才能获得足够的反馈(使用传统上可用的诊断工具)来确定治9[0029]获得患者的注视性眼动测量涉及获取患者的左眼和/或右眼的视网膜的详细图像,以确定患者的注视性眼动的一个或多个特征。可以使用例如追踪、扫描激光检眼镜患者人口统计信息和/或本文所述的一个或多个确定的任何数据结[0033]图2提供了流程图,该流程图示出了用于确定一个或多个注视性眼动特征与诊断访问针对一个或多个用户的、没有遭受神经疾病的对象的神经健康状况和/或控制信息的通过查询类似数据库120的数据结构接收针对一个或多个用户的一个或多个视网膜图像视性眼动追踪和测量设备(例如视网膜成像/注视性眼动追踪和测量设备110)获得的对象视网膜的图像400。视网膜图像400由体现为TSLO系统的视网膜成像/注视性眼动追踪和测中称为微扫视测量值)的一个或多个特征。可以通过例如比较在不同时间点拍摄的对象的两个或更多个视网膜图像来确定注视性眼动测量值。可以在步骤210中接收和/或在步骤弧分幅度作为时间的函数以及图5B提供了曲线图502,该曲线图示出了对象的右眼在10秒[0038]图6示出用于从视网膜图像数据中提取对象的注视性眼动的过程,其可以通过将在步骤210中接收。被测条带参考帧上的配准位置与紧随其后的被测条带参考帧上的配准国际专家组标准诊断)的参与者的视网膜图像和/或注视性眼动测量值来执行过程200,其光对视网膜进行光栅成像和眼睛追踪。为每位患者获取了跨越5度视野的三位10秒长的视性残疾状态量表(EDSS)分数和/或功能系统分数(FSS)的示例性诊断指[0042]C1和C2均显示在10秒间隔内记录的微扫视数与患者的EDSS分数之间存在明显的[0043]图7示出从100名平均年龄为50.1岁的对照对象中提取的4779个微扫视的峰值微[0044]图8示出从MS参与者中提取的5785个微扫视的峰值微扫视速度相对于微扫视的幅[0045]在图9中,图7的散点图与图8的散点图重叠,揭示了对照对象和MS患者之间的差对照对象的微扫视持续时间平均长于MS患者。来自图7-9的数据示出了微扫视测量值可以如何与神经疾病本身(不仅是追踪神经疾病进展的生物[0046]当使用图10的表中所示的数据(代表对照组4779个微扫视的峰值速度和幅度值)和图11的图(代表两组患者的5785个微扫视的峰值速度和幅度值)进行不成对的t检验时,已确定,对照组和MS患者同类群组之间存在统计学上的显著关系(例如,p值为0.05或以[0047]·MS患者与对照组之间微扫视幅度的垂直分量的差异具有统计学意义[8.0[0049]·与没有MS的参与者相比,有MS的参与者在10秒记录中的平均微扫视次数更高的统计参数,揭示出示例性诊断指标(在表中称为临床辅助指标)与某些TSLO记录的指标题数表示完成相应评估的111名MS患者中的主题数。例如,111名MS患者中有49名完成了[0053]图11示出10秒(300帧)时间段内微扫视的平均数量与扩展的残疾状态量表(EDSS)[0055]图12示出表格1200,该表格1200包括来自包含EDSS分数的功能系统分数(FSS)的[0056]图13描绘了MS患者在10秒钟TSLO记录中以黑色绘制的5785个微扫视的幅度和方天MRI)之间相关和/或得出比较。这样的相关性可以有助于更好地理解注视性眼动模式如[0058]图3提供了流程图,该流程图示出了用于确定用户神经健康状况的诊断指标的值户的一只或两只眼睛的视网膜图像400产生例如视网膜图像400的视网膜图像的原始数据。在所述时间间隔内的微扫视的原始或平均幅度、在所述时间间隔内的微扫视的峰值幅度、[0061]在步骤315中,可以响应于一个或多个注视性眼动特征来确定用户神经健康状况[0064]在一些实施例中,可以经由步骤315的执行来响应于所接收的特征以确定用户神且可以分析多个特征以确定在多个特征中是否存在模式。示例性模式包括方波急跳模式、算机可读指令的计算机可读存储介质的使用。图14提供了可以代表任何计算系统的系统1400的示例,该计算系统可以用于实例化神经疾病模型和/或计算神经疾病诊断指标的值存储器1406还可用于在执行要由处理器1404执行的指令期间存储临时变量或其他中间信算机用户显示信息。输入设备1414(例如包括字母数字和其他键的键盘)可以耦接到总线[0070]此处所指的过程可以通过处理器1404执行包含在主存储器1406中的计算机可读容LAN本身通过一个或多个因特网服务提供商网络通信地耦接到因特网。这样的通信路径

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论