从EEG分析预测物质如皮质醇的水平

摘要

一种从EEG数据预测物质水平的方法，包括步骤：分析EEG数据以获得用于多个预定频带的每一个的平均功率，从推导的用于每个频带的平均功率计算合并数值，所述合并数值是按照预定顺序通过相除和/或相乘来组合用于每个频带的平均功率计算的，和从方程Y=bX+C获得激素水平的估计值，其中Y是待预测的物质，X是合并数值且b和C是常数。在一个实施方式中，物质是皮质醇并且合并数值是比率θ/α/δ/SMR。

说明书

技术领域

本文所描述的实施方式一般地涉及用于测量激素、神经递质、生物标 志物等的水平的方法和装置的领域。

背景技术

目前用于测量激素水平的技术是从血液或唾液样品中提取。由唾液样 品可以测量游离皮质醇水平，其与血液皮质醇水平成正比。以往的研究显 示EEG特征与皮质醇之间的关联指示具有高皮质醇水平和低皮质醇水平 的受试者。

皮质醇与各个身体系统（如压力、运动、饥饿、睡眠）相关联并且响 应于恐惧而释放；其是一种具有许多连锁效应的激素。典型地，由血液或 唾液样品（发现其与血液皮质醇水平显著相关）测量皮质醇水平。当前的 测量激素的方法的原则性挑战是从血液、唾液或尿液样品获得结果的延 迟。获得皮质醇测量的当前方法回顾采集的时间，意味着在采集或存储中 的任何误差都会影响由该样品测量的皮质醇水平的提取，另外此种误差仅 能回顾性检测，从而造成具有额外费用的重复测量和测试。其他问题是这 些生物样品的存储和运入实验室以及从实验室运出。这些实际问题限制了 只有在绝对需要的情况下应用激素测量，而其本来可以在用于提高诊断或 研究领域的决策树（decision tree）中。

定量EEG（qEEG）技术包括对于给定频带的功率（power）及相关 的头皮地形图（scalp topographic map）的计算。在过去三十年中，这样的 技术已被用来说明、诊断和研究神经心理学状态如抑郁症、酒精中毒、精 神分裂症或认知功能如注意障碍、记忆，并且广阔地用于诊断癫痫。

以往的研究已经探索了亦或皮质醇与压力的神经心理测量之间的关 系亦或者压力测量（如行为抑制规模）与EEG活动之间的关系。许多这 些研究的结果徘徊在这些关系的类似说明上，其重复地论证δ频带（1-3 Hz，也归类为慢波）和β频带（15-25Hz，认为是快波活动）的振幅之间 的相关性。当β频率和δ频率两者一起增加或降低时使用术语“耦合”， 显示了相干性。β-δ耦合反映了脑中增加的跨区域的串扰（inter-regional  cross-talk），其表示了行为抑制和焦虑量表（anxiety scale）的高或低压力 相关指数，其反过来使皮质醇水平与δ频率和β频率的耦合活动相关，原 因在于皮质醇还涉及到通过行为抑制和焦虑量表测量的压力。这进一步得 到了Schutter和Van Honk神经内分泌学研究的支持（Schutter,D.J.L.G.,Van  Honk,J.,2004.Decoupling of midfrontal delta–beta oscillations after  testosterone administration.Int.J.Psychophysiol.53,71–73），其证明在给予 睾酮（皮质醇的拮抗剂）后的β-δ去耦合，皮质醇的拮抗剂，即低皮质醇 水平与缺乏β-δ耦合相关联；称为‘去耦合’。在低皮质醇组的受试者组 中发现β-δ去耦合而在高皮质醇的受试者组中发现β-δ耦合。Van Peer等 的最近的研究（Van Peer,J.M.,Roelofs.K.,Spinhoven.P.,2008.Cortisol  administration enhances the coupling of midfrontal delta and beta oscillations. Int.J.Psychophysiol.67,144-150）通过将不同剂量的口服形式的皮质醇给 予至参与者显示了皮质醇对δ频带（1–4Hz）和β频带（14-33Hz）的直接 影响，并且比较了皮质醇给予之前和之后的他们的EEG中的改变。结果 显示增加剂量的皮质醇在中间前部区域（FZ）产生β-δ耦合，这进一步支 持EEG图谱的β-δ活动与皮质醇之间的关系。这些研究表明EEG活动与 激素的密切关系，表面使用EEG数据来预测激素水平的测量的潜力。

本发明的实施方式试图至少部分地解决这样的问题：提供一种用于测 量体内激素水平的非侵入性测量技术。

发明内容

第一方面，本发明提供一种从EEG数据预测物质水平的方法，其包 括下列步骤：

分析EEG数据以获得用于多个预定频带中的每一个的平均功率；

从为每个频带推导出的平均功率计算一个数值，该数值是根据预定的 顺序通过相除和/或相乘来组合用于每个频带的平均功率来计算的；和

从以下方程获得激素水平的估计值：

Y=bX+C

其中Y为待预测的物质水平，X为所述数值且b和C为常数，其中 所述物质选自激素、神经递质和生物标志物。

所述EEG数据可以采集自任意数量的通道和位置，从所述通道和位 置推导相关的频带，并且将该EEG数据用于计算以预测激素水平、神经 递质和生物标志物。在一个实施方式中，从至少两个电极位置处采集EEG 数据。可以通过无伪象（artefact free）EEG数据的快速傅立叶变换或记录 采集的EEG数据获得平均功率图谱。

在一个实施方式中，将该方法应用到已经预先记录的EEG数据上。 在进一步实施方式中，该方法进一步包括测量EEG数据。可以测量数据 至少30s。

在一些实施方式中，值为根据预定的顺序通过相除和/或相乘来组合 用于每个频带的平均功率获得的比率。

在一个实施方式中，频带选自δ（delta）、θ（theta）、α（alpha）、β（beta）、 smr、高β和γ（gamma）。典型地，这些频带包括如下频率范围：确切的 界限变化但是一般的频带为：δ1-3Hz；θ3-7hz；α7-11hz；β11-25hz；smr 15-19hz；高β20-30hz以及γ35hz+。

在一个实施方式中，预定频带是在任何可测量的介质（如血液、尿液 或唾液）中与待测量物质的增加或降低的水平具有相关性的频带。

可以通过从数据库等中检索这种信息来获得这些频带，因为这种信息 对于特定的物质应该是相同的。在进一步的实施方式中，方法进一步包括 通过如下来测定预定频带：

针对多个物质水平测量用于多个频带的平均功率，和选择显示出与提 高或降低的物质水平具有相关性的频带。

对于相同的物质，如何将平均功率组合以计算数值或比率也将是相当 恒定的，因此可以保存该信息并且在需要时检索。在进一步的实施方式中， 方法进一步包括通过如下来确定应该如何计算比率：

针对多个物质水平测量用于预测频带的平均功率；

计算多个比率或数值，其中每个比率或数值都是通过改变如何将频带 的平均功率相组合来计算的；和

将针对每个物质水平的多个计算的比率或数值对物质水平绘图，并且 选择提供最接近直线的曲线的比率。

在进一步的实施方式中，改变预定频带的界限以查看是否能够实现更 好的直线相关性。

比率是作为单一定量值的相关频带的功率的关系的表达，发现该单一 定量值与激素、神经递质或生物标志物相关联。

类似地，对于相同的物质常数b和C可能是相同的并且因此无需对 相同物质的每次测量都进行推导。但是，在进一步的实施方式中，方法包 括通过如下测量常数b和C：

针对多个物质水平测量用于预测频带的平均功率；

将各个物质水平的比率对物质水平进行绘图，对绘图进行直线拟合并 推导b和C。

在进一步的方面中，本发明提供一种用于从EEG数据预测物质水平 的装置，该装置包括处理器，该处理器配置用于：

接收EEG数据；

分析所述EEG数据以获得用于多个预定频带中的每一个的平均功 率；

从推导的用于每个频带的平均功率计算出一个数值，数值是根据预定 的顺序通过相除和/或相乘来组合用于每个频带的平均功率来计算的；和

从如下方程获得激素水平的估计值：

Y=bX+C

其中Y为待预测的物质水平，X为比率并且b和C是常数，其中物 质选自激素、神经递质和生物标志物。

在进一步的实施方式中，物质是皮质醇。此处，预定频带是θ、α、δ 和SMR频带。在一个实施方式中，它们是以θ/α/δ/SMR的顺序相除的， 以使通过使θ和SMR频率的平均功率相乘并且将其除以δ和α频率的平 均带功率的相乘值（multiplication）来获得比率。

然而，该方法可以用于许多不同的物质，包括激素（如皮质醇、睾酮 等）和神经递质、生物标志物等。

根据本发明的实施方式的方法，提供了一种从EEG数据测量激素水 平的方法。在一个实施方式中，EEG数据的记录应当优选地持续至少两分 钟。处理此数据以获得用于在计算中使用的δ、θ、α和smr频带的平均功 率以生成单值或合并比率（amalgamated ratio）。将此合并比率输入到回归 线公式中以预测唾液皮质醇水平，其从开始记录起计在约20分钟时是最 准确的。

用适合的计算机化的算法处理从放置在头皮上的FZ处的电极处获得 的EEG测量结果以得到用于δ频带、θ频带、α频带和smr频带的平均功 率，在这种情况下，Truscan EEG-NFB系统具有内置的快速傅立叶变换 （FFT）软件以获得所需的用于每个频带的平均功率来计算唾液皮质醇水 平。用FFT处理EEG数据的无伪象部分，这一般是在50Hz上的全部活 动，从而消除电噪音或来自其他来源的噪音。计算用于每个相关频带的平 均功率的比率以提供单一的合并数值。为了从此数值预测唾液皮质醇水 平，将其输入到在研究阶段当将比率对皮质醇的实际测量结果绘图时发现 的回归公式中。这种预测的测量是准确地，其中对于在EEG基线采集后 的约40分钟的操作窗口，r在0.068至0.073之间。

根据本发明的实施方式的方法包括下列步骤：

1.在至少两分钟的最短时间段内记录基线EEG数据，优选地其中 受试者已经被禁止消耗任何食品、饮料、药品或禁止参与任何形式的运动。

2.对EEG数据的无噪音部分进行FFT，该EEG数据的无噪音部 分来自于相对于参比电极的每个电极通道，在频率范围/带上的一系列频率 点处计算频带功率。

3.通过计算在一个或多个头皮电极处的平均功率（在每个频率点 处）来计算平均头皮功率谱图。

4.计算每个相关频带的平均功率的比率以提供单一的合并数值， 并且将其作为‘X’输入到回归线方程中以找到预测的唾液皮质醇水平。

分别地，δ（1-4hz）、θ（4-7hz）、α（7-12hz）和smr（12-19hz）频带 的合并功率比率的降低指示低水平的唾液皮质醇，高的合并功率比率指示 高水平的唾液皮质醇。将计算出的合并功率比率代入到推导的回归线公式 中提供了预测的唾液皮质醇的水平，其中r=0.73，p=0.01。

从获得的EEG数据测量皮质醇的主要优点在于其提供了几乎实时测 量。第二，使用EEG数据测量体内激素水平的方法避免了提取任何生物 样品或侵入性步骤。这些特征使得能够即时测量激素和从同一EEG记录 中测量多种激素以及即时地重复测量，这解决了当前测量生物系统中激素 水平的方法的时间迟滞问题。使用从获得的EEG数据的测量推导出的这 种方法实现了即时结果、重复测量和多于一种激素的即时结果和重复测 量。具有任何激素的即时测量的益处通过进一步通知临床医师而促进改善 诊断。另外，可以从不一定显示必须做激素检测的受试者获得额外的激素 测量。体内激素水平的信息是重要的，因为它们组成了与大多数病症 （disorder）相关的调节系统，病症如果不是起初则最终反映激素水平方面 的某些异常。该装置可以被包括在常态检查程序中，从而能够在早期阶段 捕获不明显的疾病/病症，产生更精确的诊断。

在本发明的实施方式中，上文所描述方法作为智能手机应用（smart  phone application）而实施。在实施方式中，可以使用通过无线连接（如蓝 牙）连接至智能手机或计算机的EEG头戴式耳机来测量EEG数据。在这 种配置中，应用或软件处理接收的数据并且不需要有线连接至EEG捕获 装置。本发明的实施方式具有去除了由于与EEG捕获装置有线连接导致 的移动限制的优势。另外，此类系统需要较短的时间来组装并且轻质且易 于使用。

此类应用可以通过因特网将结果发送至服务器并且可以可操作地产 生随着时间或其他变量的报告。

设想了这样的实施方式，其中将EEG数据发送到服务器以远程处理 和分析。这种实施方式允许远程处理。

附图说明

现在将参照下列非限制性实施方式来描述本发明，其中：

图1为示出根据本发明的实施方式的方法的流程图；

图2为示出用于测定在参照图1的方法中使用的参数的方法的流程 图；

图3为对于各受试者，将取自唾液样品的皮质醇水平对计算出的合并 功率比率绘图得到的曲线图；

图4为各受试者的实际测量的皮质醇水平对各受试者的预测测量的 曲线图；

图5为在根据本发明实施方式的装置中使用的硬件的示意图；

图6为在根据本发明的实施方式中使用的硬件的示意图，该实施方式 作为智能手机应用实施；以及

图7为示出根据本发明的实施方式的方法的流程图，该实施方式作为 智能手机应用实施。

具体实施方式

图1为示出根据本发明的实施方式的方法的流程图的示意图。在步骤 S101中，进行受试者的EEG测量。在步骤S103中，在预定频带上分析 EEG数据。该分析可以与测量EEG的同时进行或者该分析可以离线进行。

有许多可以分析的频带。典型地，预定频带将选自已知的δ、θ、α、 β、SMR、高β和γ频带。选择哪个频带将取决于待测量的物质。图2将 解释用于选择用于特定物质的频带的方法。一旦对于特定物质已经测定了 频带，它们可以用于该特定物质的所有分析。

在一个实施方式中，在步骤S103中从完全确定的频带中选择频带。 但是，如将参照图2所描述的，这些频带中的一些变化也是可能的。

接下来，在步骤S105中计算用于各个预定频带的平均功率。计算用 于频带的平均功率是熟知的技术并且可以使用已知的FFT技术来进行。

接下来，从在步骤S105中计算出的平均功率确定单一比率。将通过 对平均功率做除法（by dividing the average powers）来确定比率。然而， 比率取决于其中对平均功率做除法的顺序而不同。其中对平均功率做除法 的顺序是预定的并且将参照图2进行说明。一旦已经确定顺序，可以将其 保存并且当实施方法步骤S107时进行查询。

最后，在步骤S109中，使用在步骤S107中推导出的比率并通过下 述方程计算物质水平：

Y=bX+C

其中b和C是用于特定物质的可以查询的常数。将参照图2来描述 如何推导出这些常数。X是在步骤S107中推导出的比率而Y是待测定的 物质水平。

在图1中描述了一种方法，其中确定了预定频带、平均功率应当组合 的顺序以及用于预测物质水平的常数。一旦已经确定了这些变量，可以将 它们保存并且当该设备需要用来进行具体物质的分析时进行读取。

图2概述了用于测量这些变量的方法。典型地，该方法需要对多个受 试者进行测量。在一个特定的实施方式中，使用了至少100个受试者。

在步骤S201中对多个受试者进行EEG测量。

在该特定的实施例中，将在步骤S203中使用侵入性技术每隔n分钟 对每个受试者进行测量待测定的物质水平。例如，如果物质水平（例如皮 质醇）是从唾液中测量的，可以每隔5分钟取一次唾液样品。也可以从体 内的其他液体（例如血液、尿液等）中测量物质水平。

每个受试者将具有不同的物质水平。因此，通过采用来自多个受试者 的测量结果，能够获得对于一系列不同物质水平的各频带的平均频率功 率。在步骤S205中进行绘图。在这一点上可以看出，一些频带将随着变 化的物质水平而变化。例如，随着增加的物质水平，平均功率也会增加， 或者随着物质水平的降低，平均功率会增加。然后在步骤S207中选择其 中平均功率随物质水平变化而变化的频带。示出在它们的行为上出对物质 水平的依赖性的频带将根据物质而变化。

然后在图1的方法的步骤S103中将这些频带用作预定频带。在步骤 S203中，说明了每隔n分钟采集一次物质水平。当在步骤S205中对平均 频率进行绘图时，对采集物质水平的每个时间点产生不同的曲线图。物质 水平将随时间而变化。例如，认为在EEG读数后的20min测量的唾液中 的物质水平将与在EEG读数期间测量的物质水平相对应。这是因为存在 在脑中测量的结果滤过到唾液中所花费的时间上的延迟。

将在步骤S205中计算出的用于预定频带的平均功率做除法。其中对 功率水平做除法和相乘的顺序是重要的，因为该顺序会影响结果。

例如，如果存在三个功率水平A、B、C-它们可以被如下组合：

$\frac{A}{B*C},,\frac{A*C}{B},$等

在步骤S209中通过相除和相乘，以不同的方式组合平均功率水平以 提供多个不同的比率或单一数值。例如，在一个实施方式中，可以如下组 合上述3个数值：

$\frac{1}{A*B*C},$

然后将这些对测量的物质水平绘图并且选择给出最佳直线拟合的比 率。

一旦已经选择了该比率，即可以在步骤S213中计算b和C。

还能够通过略微地改变预定频带上的边界来改善至直线的相关性。因 此，可以在步骤S205中通过改变频带上的边界来重复该过程来观察是否 可以获得更好的相关性。

为了说明QEEG测量能够用来预测任何身体的样品中的激素、神经 递质的水平，特别是预测唾液皮质醇水平，在University of Westminster， Regent Street campus的心理学室中，在六周时间段内的几乎每个工作日对 年龄在20-50岁年龄段的27名正常的健康参与者进行了研究。标准还包 括参与者需要没有任何精神病病症、明显的医学疾病和具有超过5分钟的 意识丧失的过往颅脑损伤。由于一天中皮质醇水平的变化，测试在 2pm–2.30pm开始并且持续60-75分钟，使得该研究每天对一个受试者进 行。这种约束限制了用来测试27位受试者的时间量，受试者是通过个人 接触招募的且该受试者对该研究感兴趣。在他们指定的参与日期之前，对 所有受试者都发送了信息单和同意表。该信息单上的内容说明了在实验前 的一小时应当避免进食和任何形式的刺激，包括运动，在他们参与实验的 前天晚上口头地向受试者重申前述内容。

对于每位受试者采集三份唾液样品，一份在EEG基线前立即采集 （Cor A），而两份在EEG基线之后采集。第二份（Cor B）和第三份（Cor  C）样品分别在EEG基线后的第20分钟和第40分钟时采集以观察在皮质 醇响应方面基于时间迟滞它们是如何与时间相关的。唾液样品是使用唾液 采集管（salivette）采集的并且存储于电冰箱中。

用酒精棉签洗净耳垂和区域FZ，随后用Nuprep凝胶，使用10-20导 电胶连接电极并且一旦阻抗下降低于5KΩ即开始记录。在受试者到来之 前输入并配置大多数受试者的详情和设置。程序（protocol）配置包括设 置15-26Hz之间的β频带和1-4Hz之间的δ频带。在设置在0.5Hz的低截 止（cut off）和50Hz的高截止下并且在60Hz的陷波滤波器下记录的EEG 来最小化伪象染污。

在皮肤预备之后，将电极附接至每个耳垂并且在区域FZ附接单一电 极。为了获得准确的EEG基线测量，每位参与者在3分钟的真正EEG基 线记录之前经过实践性EEG基线记录。在一段时间内使用唾液采集管采 集每位受试者三份唾液皮质醇样品。在EEG基线记录之前立即采集第一 皮质醇样品（CorA），其用作基线皮质醇测量，在EEG基线后20分钟采 集第二样品（CorB）并且在EEG基线后40分钟采集第三皮质醇样品 （CorC）。唾液采集管由标记的管中的棉拭子组成并且从管的帽端直接置 于舌头上以避免任何接触，一旦足够湿润后，要求受试者将该拭子在他们 的舌下滚动3分钟。受试者将该拭子直接放置在管中并且牢固地盖紧。

对于EEG基线记录，要求受试者保持固定地注视在他们前面的一个 斑点上以使眼睛运动最小化并且避免任何肌肉运动，否则它们将在基线记 录中产生伪差（artefact）。

完成数据采集后立即将每个唾液采集管放置于其标记的管中并且封 装于冰箱（ice box）中用于皮质醇分析。将样品测量两次，但是由于缺少 唾液含量，在四个受试者的样品中未获取到皮质醇水平，由此导致了23 位受试者的样品容量。

基于Van Peer等¹¹的发现，使用Truscan32qEEG-NFB系统来测量在 FZ的EEG活动。EEG测量并放大来自置于头皮表面上的电极的信号。此 数据通常表现为来自每个电极/通道的波活动。将嵌入于系统软件中的FFT 应用至来自每个通道的EEG数据以提供用于每个频带的平均功率数值， 其中一般来说在1-4Hz范围内的活动是δ；在4–8Hz内的是θ；在7–12 Hz内的是α；在12–15Hz内的是smr；在15–20内的是β；在20–25Hz 内的是高β且在25Hz+内的是γ。

在皮质醇的合并比率中使用的相关的频率是通过将各个受试者的用 于各频带的平均功率对相应的皮质醇水平绘图而推导出的。显示出与皮质 醇水平具有清楚关系的频率确定在合并比率中使用哪种频率功率，合并比 率以作为皮质醇相关的定量值捕获各频带相对彼此的关系。

结果显示在θ、α、smr、δ功率之间的强的关系（即在时间1时来自 位置FZ的这些频率的合并比率和唾液皮质醇水平）。在时间1和随后在时 间2时采集的Cor B及在时间3时采集的Cor C的唾液皮质醇水平之间也 看到了相同的关系。表1用各样品以百分比的Pearson相关性相对于EEG 比率示出对每位受试者的EEG数据和皮质醇样品测量。如表1所示，最 强的EEG相关性显示为在时间2时测量的唾液皮质醇水平Cor B。

表1.

*在EEG比率：θαδSMR和Cor B之间，在p=0.01处为73%的最强 相关性。

在图3中所描述的23位受试者的数据中，在EEG比率和CorB之间， Pearson相关系数在r=0.73，p=0.01时是高度显著的。

因此，α、θ、δ和smr功率水平之间的关系使得能够从记录EEG记 录的40分钟的窗口预测唾液皮质醇的水平，其中在EEG记录后的20分 钟时具有最准确的预测水平。滞后时间可能是从下丘脑-脑垂体-肾上腺轴 到反映在唾液中的相应的皮质醇水平的一系列事件所需的时间的结果。

特别地，作为比率的这些频率的功率关系提供了唾液皮质醇的定量测 量。对于研究用途或作为疗法的应用形式，可以通过参照所预测的皮质醇 水平来评价该疗法的效果或功效。

可以使用构建在EEG数据采集装置中或在能够分析来自EEG的数据 的外部设备中的适当软件将从无伪象的EEG记录的样品计算皮质醇水平 的方法计算化或自动化。

预测性的方法可以使用回归，其为一种常规地遵循其相关性的统计程 序。使用最小二乘准则（least square criterion）对数据绘制“最佳拟合线” 或“回归线”（这可以通过任何数量的计算化的统计软件包来容易地计算 化）。将频率的合并比率作为X输入到回归线方程中预测皮质醇水平：

其中Y=bX+c

在图3中图解基于23位受试者的数据的预测性实施例，Pearson相关 系数r=0.7275，回归线的斜率b=227.51并且常数为1.1899。每位受试者 的数值都是基于从位置FZ采集的3分钟无伪象高质量数据。

FFT提供了平均功率，其为用于各频带的定量数值，其各自地通过彼 此相除并且作为X输入到上述回归方程中以得到唾液皮质醇数值Y。

图4示出在x-轴上对各受试者的实际测量的Cor B和预测的Cor B的 曲线图（通过将EEG计算的比率输入到回归线公式中得到）。

此处可以看出预测的皮质醇水平非常接近于实际数值。两条线的一般 性趋势是相似的。受试者221的实际和预测cor b数值几乎是相同的。受 试者205、223是异常值，其中预测数值远离实际值。

图5中示出硬件的示意图，可以根据本发明的实施方式使用该硬件。 将电极附接至受试者以进行EEG分析。电极301连接到中央单元303。中 央单元303包括中央处理单元305。

该特定的实施方式，中央处理单元305具有两个功能，第一个是在区 段307中进行的，其中对从电极接收的信号进行信号处理。这将涉及如信 号放大、过滤信号等方法并进行FFT分析，得到分离的预配置的频带以及 它们各自的平均功率。在区段309中，进行参照步骤S107至S109（来自 图1）的分析。对经处理的EEG数据使用算法以预测选择的激素或神经递 质，得到该激素或神经递质的数值。参照图1所说明的，为了实施图1的 方法，对于每种物质都需要确定特定的参数。如果已经确定了物质311的 参数。

由电源313对中央单元提供动力。其含有USB316以便提供至装置（如 外存储器等）的电路连接。

然后将结果显示在显示器319上。由控制面板317控制系统。

在一个实施方式中，配置中央单元303以接收涉及特定物质所需的参 数的下载。因此，同一EEG系统可以用于许多不同的测量。

在这种特定的系统中，电极301直接连接到分析数据的EEG系统。 但是，也能够离线分析数据。

图6示出作为智能手机应用实施的本发明的实施方式的示意图。经由 无线连接403将EEG捕获装置401连接到智能手机405。在该实施方式中， EEG捕获装置401是蓝牙EEG头戴式耳机并且无线连接403是蓝牙连接。 智能手机405具有处理器407，其执行智能手机应用409。智能手机应用 409实施如参考图1所描述的方法。智能手机具有存储器411，其存储由 应用409使用的数据。智能手机具有用户界面413，用户通过该用户界面 可以控制智能手机405并且输入数据。在这个实施方式中，用户界面413 是触摸屏界面。智能手机405具有显示器415，其向用户显示信息。智能 手机405具有因特网连接417，应用409通过该因特网连接能够连接到服 务器419。服务器419存储能够由应用409访问的数据421。存储在服务 器419上的数据421可以包括使用在图2中所示出的方法确定的预计算的 变量。服务器419可以存储用于从EEG测量中测量预测物质的水平的数 据和算法。另外，智能手机可以将经计算的数据从应用上传到服务器419 中用于存储并且可以访问来自服务器419的历史数据以与新计算的数据进 行比较。

图7示出由根据本发明的智能手机应用实施的步骤的流程图。在步骤 S701中，智能手机405接收来自EEG捕获装置401的EEG数据。在步骤 S703中，智能手机405接收用户输入，用户输入指示将要从EEG测量的 物质。应用409使显示器415显示一系列按钮。按钮使得用户能够选择生 物标志物、神经递质或激素来测量。应用409也使得用户能够配置变量并 确定如何处理EEG数据。

在步骤S705中，应用409搜索由用户在步骤S703中输入的、处理 需要进行计算的EEG数据所需的参数。在这个实施方式中，应用409从 存储器411中搜索参数。在其他实施方式中，应用409可通过因特网从服 务器419中搜索参数。

在步骤S707中，应用使用参照图1所描述的方法来进行分析。在步 骤S709中，将该分析的结果展示给用户。

在实施方式中，该分析的结果存储于智能手机405的存储器411中。 智能手机可以将该分析的结果上传到服务器419并且下载先前的结果以与 新计算的结果进行比较。

在以上实施方式中，处理可以在智能手机405上进行，但是，预期了 其中将EEG数据发送到远程服务器上并且在远程服务器上进行计算的本 发明的实施方式。

以上仅描述了本发明的一个实例，可以对其进行对本领域技术人员来 说是显而易见的修改而不脱离在随附的权利要求中所限定的本发明的范 围。例如，本发明的一般方法可以应用于测量或预测血液或唾液中的其他 激素（如睾酮、孕酮、雌激素、皮质醇和神经递质）的水平，其中该方法 相同于三个不同的因素：获得EEG活动的位置，其可以是来自头皮的单 一位置或多个位置；基于从相关频率的功率推导的合并比率的回归方程， 其与测量的物质相关。

此外，虽然在以上提供的实施例中描述了与通过蓝牙连接到EEG头 戴式耳机的智能手机有关的实施方式，但是本领域技术人员能够理解可以 在其他装置上实施本发明的实施方式，例如台式计算机或笔记本计算机、 平板计算机或其他装置。在上文所描述实施方式中，用户界面是触摸屏界 面，本领域技术人员能够明白可以使用任何用户输入方法，例如，用户界 面可以是键盘或键区、鼠标、控制球或控制板或其他输入装置。虽然上文 所描述的实施方式包括EEG头戴式耳机，可以使用任何其他EEG捕获装 置并且可以通过有线连接（如通用串行总线（USB）连接）、无线连接（如 Wi-Fi连接）或这两种的任意组合来将其连接到进行计算的装置。