专利名称：神经分析系统的制作方法图1中所示。响应仅是数个μ V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5是系统的过滤器和分段组件的体系结构示图6是由系统所产生的Sp/Ap曲线的示图7是从与EvestG曲线相关联的数据获得的生物标记的示意图8是由系统的分析模块所执行的神经分析过程的示图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. IkHz 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. lkHZ，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(SQ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(SQ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)似4 ；
t = 40-43 秒的向上加速(UpOnA)似6 ；
t = 43-45 秒的向上减速(UpOnB) 428 ；
t = 40-41. 5 秒的 Up0nAA427 ；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和通信模块对，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 IHz)响应。计算机系统20进一步包括分析模块观和图形显示模块30。分析模块观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，MATLAB 代码)。分析模块观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。软件模块对-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M-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由分析模块观的分段器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阳4。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，IOkHz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 (BLffN)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-比例祁LWN。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G50)，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. 3msο
(ν)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—^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。
分析模块观包括关联分析组件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(对应于点沈5，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，η广UV ^
R = Correl(X, Y) = , _ ^ _νΣ“)2Σ(")2
其中^和^分别是每一个相比较的曲线X和Y的点χ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)+Rxipd (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C3)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χ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，
R= Correl (X, Y) =__」Σ“)2Σ。”)2
其中^和^；分别是每一个相比较的曲线X和Y的点χ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)+Rxipd (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，ζ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，


神经分析系统，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，用于评估所述人相对于所述病症。