用于估算腦震蕩的方法和系統與流程

用于估算腦震蕩的方法和系統相關申請本申請要求于2011年7月20日提交的美國臨時專利申請號US61/509651的優先權的權益，將其內容以其整體通過引用結合于此。于2011年1月18日提交的專利合作條約申請號PCT/IL2011/000055的內容如在本文中充分說明的通過引用結合于此。技術領域和

背景技術：
本發明在其一些實施方式中涉及神經生理學，并且更具體但不排他地涉及用于估算腦震蕩的可能性的方法和系統。輕度創傷性腦損傷（mTBI）一般被稱為腦震蕩或簡單地稱為“震蕩”，描述了反過來會導致腦損傷的頭部損害。它最經常是由直接接觸頭部而發生，但是也可以由間接損傷（例如，揮鞭傷或頭部猛烈震動）造成。腦是柔軟的凝膠樣結構，其覆蓋有致密的血管網絡并且含有數億個神經細胞和互相連接的纖維的復雜組成。腦是封閉在顱骨中并墊襯有腦脊液的受到良好保護的身體部分。頭部創傷，如對頭部的直接沖擊或其快速運動可以導致腦在顱骨上的回彈，從而潛在地導致了腦結構和血管的撕裂和扭曲的、從而導致腦中神經細胞電活動的功能擾亂以及腦內慣常信息流的破環。頭部創傷可以導致多個剪切損傷，其拉伸并撕裂柔軟的神經組織并在腦的小血管中造成多個出血點。已經受一次腦損傷的個體對第二次腦損傷的風險更高并且對后續損傷更敏感。不考慮嚴重性，如果在短時間間隔內發生，則第二次腦損傷可以是危急生命的。一系列震蕩的其他風險包括早衰和阿爾茨海默氏病。在多種身體接觸的運動（如橄欖球、曲棍球和足球）中，人們擔心由于對頭部的沖擊所造成的腦震蕩。在這種身體活動期間，個體的頭部或其他身體部分經常受到對頭部的直接接觸，這導致對個體顱骨和腦的沖擊以及頭或身體部分本身的移動。關于腦對直線方向和旋轉方向中頭部加速的反應仍有很多是未知的，并且對于具體的沖擊力與損傷之間的對應性了解的更少，特別是對于由反復暴露于比導致災難性損傷或死亡的那些水平要低的沖擊力引起的損傷。創傷性腦損傷后神經生理學活性改變，從而在損傷后的初始階段導致神經元過度興奮。在1970年代首次報道了腦創傷和震蕩患者的電生理學分析。據提議創傷后EEG波的相干性分析可以檢測和定量彌漫性軸索損傷。用于識別腦損傷的方法在本領域中是已知的。美國專利號US7,720,530公開了用于對受試者提供就地診斷以確定震蕩的出現和嚴重性的方法。從該受試者采集EEG信號。使用非線性信號處理算法處理信號，所述算法對所檢測的信號去噪、從去噪的信號提取特征、構建用于對所提取的特征分類的判別函數和根據所分類的特征檢測震蕩的存在和嚴重性。美國公開的發明申請號US20100022907教導了EEG信號中的相位同步是腦損傷位點的指示。出于將行為功能與它們潛在定位的腦活動相關聯的目的識別單個參與區或實施流分析的一般技術也是已知的。美國專利號US6,792,304公開了用于大量通訊評估的方法和系統。認知任務通過因特網從中央控制位點傳遞至多個遠程測試位點。記錄遠程位點處的受試者對任務的腦反應并通過因特網傳遞回到中央控制位點。然后，中央控制位點計算每個所選位點處受試者的腦活動變化。美國公開專利申請號US20040059241公開了用于分類和治療生理性腦失衡的方法。神經生理學技術用于從受試者獲得一組分析腦信號，并且根據該信號確定一組數字參數。將數字參數定量地繪制成多種療法響應度曲線。將受試者的信號和參數與無癥狀性和癥狀性參考群體相關的數據庫中所包含的集合的神經生理學信息相比較，并且將比較結果用于做出治療建議。將治療反應模式作為因變量相關以提供與患病受試者臨床治療的成功結局的聯系。國際公開號WO2007/138579描述了用于建立神經心理學流型（flowpattern）的知識庫的方法，該專利的內容通過引用結合于此。獲得了多個研究小組對特定行為過程的信號，并且定位了參與特定行為功能的活動源。此后，識別了腦活動的模式組，并且將神經心理學分析用于分析局部源和所識別的模式。該分析包括對可能途徑的識別和分級。然后，產生了一組流型并將其用作知識庫。然后，將該知識庫用作用于減少分級途徑數目的限制。國際公開號WO2009/069134、WO2009/069135和WO2009/069136描述了在受試者進行了形成刺激的任務和/或動作前后采集神經生理學數據的技術，以上專利的內容通過引用結合于此。刺激用于限定數據中的特征，并且根據所限定的特征分解數據。此后，分析特征以確定數據中的一種或多種模式。所述分解可以采用聚類以用于定位數據中的一種或多種重要特征，其中一系列聚類形成活動網絡。可以分析數據模式用于限定神經模型，該模型可以用于模擬具體的病理和/或治療對腦的影響。其他背景技術包括美國公開專利申請號US20050177058，其公開了其中當暴露于一組常規刺激時，采集、分析和比較相同或不同位置的一個以上受試者的EEG讀數的系統。使用他們的EEG讀數研究受試者的相容性，并且從中發現或驗證隱藏的信息。

技術實現要素：
根據本發明的一些實施方式的一個方面，提供根據由受試者的腦所獲取的神經生理學數據估算腦震蕩的可能性的方法。該方法包括：識別數據中的活動相關特征；構建具有多個節點的受試者特異性腦網絡活動（BNA）圖案，其中每個節點都代表活動相關特征的特征，并且為每對節點分配連通性（connectivity）權重；計算描述所構建的BNA圖案和對所述受試者特異的基線BNA圖案之間的比較的BNA圖案的相似性；和響應于BNA圖案的相似性評估腦震蕩的可能性。根據本發明的一些實施方式，基線BNA圖案是基于表征識別為具有正常腦功能的一組受試者的特征的一組BNA圖案。根據本發明的一些實施方式，基線BNA圖案是基于表征識別為具有腦震蕩的一組受試者的特征的一組BNA圖案。根據本發明的一些實施方式，該方法包括將受試者特異性BNA的構建和BNA圖案相似性的計算重復至少一次。根據本發明的一些實施方式，基于不同的參考數據或模型但是使用受試者的相同的神經生理學數據構建每個受試者特異性BNA，其中將每個受試者特異性BNA與和不同腦狀況相關的基線BNA圖案相比較，并且其中所述評估響應于至少兩個BNA圖案相似性。根據本發明的一些實施方式，至少一種基線BNA圖案表征已識別為具有正常腦功能的一組受試者的特征，而至少一種基線BNA圖案表征已識別為患有腦震蕩的一組受試者的特征。根據本發明的一些實施方式，該方法包括至少基于BNA圖案的相似性確定震蕩指數。根據本發明的一些實施方式，該方法包括構建對應于不同時間間隔的幾個BNA圖案，并且在時間軸上顯示出BNA圖案。根據本發明的一些實施方式，該方法包括至少響應于BNA圖案相似性，提取有關腦狀況的預后信息。根據本發明的一些實施方式，該方法包括識別受試者的神經生理學數據中的特征以及特征之間的關系，并且將所述特征和所述特征之間的關系與參考神經生理學數據的特征和特征之間的關系相比較，借此識別活動相關特征。根據本發明的一些實施方式，該參考神經生理學數據對應于從受試者組或亞組獲取的數據。根據本發明的一些實施方式，該參考神經生理學數據對應于先前從相同受試者獲取的歷史數據。根據本發明的一些實施方式，該參考神經生理學數據包括從神經生理學模型合成的數據。根據本發明的一些實施方式，作為至少一個先前注釋的BNA圖案提供參考數據的特征以及特征之間的關系。根據本發明的一些實施方式，節點代表數據特征的向量的簇，并且其中連通性權重包括基于至少一個簇的性質計算的權重指數，所述性質選自由以下組成的組：（i）相應對簇中的向量數目；（ii）相應對簇中的向量數目之間的變異性（variability）；（iii）與相應對簇的每個簇有關的時間窗口寬度；（iv）分離相應對簇的潛伏時間（反應時間，latency）差異；（v）與相應對簇有關的信號振幅；（vi）與相應對簇有關的信號頻率；和（vii）限定簇的空間窗口寬度。根據本發明的一些實施方式，神經生理學數據包括在治療之前、期間和/或之后獲取的數據。根據本發明的一些實施方式，該方法包括通過將至少使用基線BNA圖案和基于在治療之前獲取的數據構建的受試者特異性BNA圖案計算的BNA圖案相似性與至少使用基線BNA圖案和基于在治療之后獲取的數據構建的受試者特異性BNA圖案計算的BNA圖案相似性相比較來評估治療效果。根據本發明的一些實施方式，該方法包括通過將對應于在治療之前獲取的數據的BNA圖案與對應于在治療期間和/或之后獲取的數據的BNA圖案相比較來評估治療效果。根據本發明的一些實施方式，該治療包括使用活性劑的藥理學治療。根據本發明的一些實施方式，所述活性劑選自由以下組成的組：東莨菪堿、克他命、哌甲酯（methylphenidate）、多奈哌齊、毒扁豆堿、他克林、氟西汀、卡馬西平、金剛烷胺、阿撲嗎啡、溴隱亭、左旋多巴、培高利特、羅匹尼羅、司來吉蘭、苯海索、阿托品、東莨菪堿、格隆溴胺（glycopyrrolate）、巴氯芬、地西泮、替扎尼定和丹曲林。根據本發明的一些實施方式，根據任何實施方式的方法，其中所述治療還包括使用安慰劑的安慰劑治療，并且其中所述方法包括通過將對應于在安慰劑治療期間和/或之后獲取的數據的BNA圖案與對應于在藥理學治療期間和/或之后獲取的數據的BNA圖案相比較來評估藥理學治療效果。根據本發明的一些實施方式，所述治療包括外科手術。根據本發明的一些實施方式，所述治療包括康復治療。根據本發明的一些實施方式，所述治療包括光療。根據本發明的一些實施方式，所述治療包括高壓療法。根據本發明的一些實施方式，所述治療包括選自由以下組成的組的至少一種治療：神經反饋、EMG生物反饋、EEG神經反饋、經顱磁刺激（TMS）和直接電極刺激。根據本發明的一些實施方式的一個方面，提供根據從受試者的腦所獲取的神經生理學數據估算腦震蕩的可能性的方法。所述方法包括：識別數據中活動相關特征；構建具有多個節點的第一受試者特異性腦網絡活動（BNA）圖案，其中每個節點代表活動相關特征的特征，并且為每對節點分配連通性權重，受試者特異性BNA圖案與腦震蕩有關；計算描述第一BNA圖案和注釋為對應于腦震蕩的第一基線BNA圖案之間的比較的第一BNA圖案相似性；將所述相似性與描述先前構建的所述受試者的受試者特異性BNA圖案與所述第一基線BNA圖案之間的比較的第一記錄的相似性進行比較；和響應于所記錄的相似性以及所計算的相似性之間的差異來評估腦震蕩的可能性。根據本發明的一些實施方式，該方法包括構建與正常腦功能有關的第二受試者特異性BNA圖案；計算描述第二BNA圖案和注釋為對應于正常腦功能的第二基線BNA圖案之間的比較的第二BNA圖案相似性；和將所述第二相似性與描述先前構建的所述受試者的受試者特異性BNA圖案和第二基線BNA圖案之間的比較的第二記錄的相似性進行比較；其中所述評估也響應于第二記錄的相似性和第二計算的相似性之間的差異。根據本發明的一些實施方式，方法包括在受試者進行或概念化進行選自由低水平認知任務和高水平認知任務組成的組的任務之前、期間和/或之后，從受試者的腦獲取神經生理學數據。根據本發明的一些實施方式的一個方面，提供用于估算腦震蕩可能性的系統，其包括配置用于接收神經生理學數據并執行如上所述并且可選地在下文中將進一步詳細描述的方法的數據處理器。根據本發明的一些實施方式的一個方面，提供了計算機軟件產品，其包括其中儲存程序指令的計算機可讀的介質，當通過數據處理器讀取指令時，使所述數據處理器接收神經生理學數據并執行如上所述的和可選地將在下文中進一步詳細描述的方法。根據本發明的一些實施方式的一個方面，提供了評估ADHD的可能性的方法。所述方法包括：在從受試者腦獲取的神經生理學數據中識別活動相關特征；構建具有多個節點的腦網絡活動（BNA）圖案，其中每個節點代表活動相關特征的特征；和計算描述所構造的BNA圖案和基線BNA圖案之間的比較的BNA圖案相似性，基線BNA圖案具有代表事件相關電位的節點，其主要位于約100ms至約200ms的特征時間窗內的多個額中位置的選自由δ、θ和α頻帶所組成的組的一個或多個頻帶和/或位于約300ms至約600ms的特征時間窗內的在多個枕骨、頂骨和額中位置處的δ頻帶；其中高于預定閾值的BNA圖案相似性表明受試者具有ADHD的可能性。除非另外限定，否則本文所使用的所有技術和/或科學術語具有與本發明所屬領域的技術人員一般所理解的相同的含義。盡管可以在本發明的實施方式的實踐或測試中使用與本文所述那些相似或等同的方法和/或材料，但是以下描述了示例性方法和/或材料。在矛盾的情況下，將以專利說明書（包括定義）為準。另外，材料、方法和實施例僅是說明性的并且不意在進行必要的限制。本發明實施方式的方法和/或系統的實施可以包括手動、自動地進行或完成所選的任務，或者以它們的組合進行或完成。此外，根據本發明所述的方法和/或系統的實施方式的實際儀器和設備，可以使用操作系統，通過硬件、通過軟件或通過固件或者通過它們的組合實施幾個所選的任務。例如，用于執行根據本發明實施方式的所選任務的硬件可以作為芯片或電路實現。作為軟件，根據本發明實施方式的所選任務可以作為使用任何適合的操作系統通過計算機執行的多個軟件指令來實現。在本發明的示例性實施方式中，通過數據處理器（如用于執行多個指令的計算平臺）進行根據如本文所述的方法和/或系統的示例性實施方式的一個或多個任務。可選地，數據處理器包括用于存儲指令和/或數據的易失存儲器和/或用于存儲指令和/或數據的非易失存儲器，例如，磁性硬盤和/或可移動介質。可選地，還提供了網絡連接。還可選地提供了顯示器和/或用戶輸入設備，如鍵盤或鼠標。附圖說明僅通過舉例的方式，參考附圖在本文中描述本發明的一些實施方式。現在具體參考附圖，強調指出通過舉例說明并且出于對本發明實施方式說明性討論的目的顯示了特別之處。在這點上，對于本領域技術人員來說，與附圖一起的說明使得可以如何實踐本發明的實施方式變得顯而易見。在附圖中：圖1是根據本發明多個示例性實施方式，適合于估算腦震蕩可能性的方法的流程圖；圖2A是根據本發明的一些實施方式，描述用于識別一組受試者的活動相關特征的程序的流程圖；圖2B是根據本發明的一些實施方式，用于確定腦活動特征之間關系的程序的示意圖；圖2C-圖2E是根據本發明的一些實施方式，使用圖2B中所示程序構造的BNA圖案的抽象說明；圖3是顯示根據本發明的一些實施方式，可以從神經生理學數據提取的腦網絡活動（BNA）圖案的代表性實例的示意圖；圖4是可以根據本發明的一些實施方式使用以提供腦震蕩指數的圖示；圖5是根據本發明的一些實施方式，適合于估算腦震蕩可能性的另一種方法的流程圖；圖6A-圖6C示出對三位患有震蕩的不同受試者進行的實驗結果，其中在注意力測試期間采集神經生理學數據；和圖7A-圖7C示出對分別與圖6A-圖6C中相同的三位受試者所進行的實驗結果，其中在工作記憶測試期間采集神經生理學數據。具體實施方式本發明在其一些實施方式中涉及神經生理學，并且更具體但不排他地涉及用于估算腦震蕩的可能性的方法和系統。在詳細解釋本發明的至少一個實施方式之前，應理解本發明不必需將其應用限制于在以下說明中所述和/或在附圖和/或實施例中所示的構造細節和組件布置和/或方法。本發明能夠有其他實施方式或者能夠以多種方式實踐或實施。基于以下三個參數，通常將創傷性腦損傷（TBI）分為輕度、中度和重度TBI：1）意識變化的性質和長度，2）失憶（記憶力喪失）的長度和3）格拉斯哥昏迷量表（GCS）。通常，劃分為震蕩的腦損傷（mTBI）是意識長度小于20分鐘并且失憶為24小時或以下，并且GCS得分高于13。本發明人認識到實用的震蕩診斷工具尚不可得，并且甚至使用上述標準診斷震蕩是困難的，這是因為震蕩的體征和癥狀經常是非常微細的并且難以檢測。另外，多種震蕩情況被其他損傷或者圍繞損傷的事件掩蓋，進一步混淆了準確的診斷。本發明人發現在常規實踐中，震蕩被低估或誤診，從而導致了患者潛在的長期后果，包括認知缺陷、社會心理問題和繼發性并發癥，如抑郁。診斷輔助的缺乏在運動背景中是特別明顯的并且可以在兒童和年輕的成年人中導致反復性損傷。本發明人已設計了使用神經生理學數據的適合于估算震蕩可能性的技術。震蕩最通常會遭受運動相關的損傷，并因此對運動相關的腦損傷的關注高于以往。但是，震蕩也在老年人群體中達到高峰。因此，本發明的實施方式關注對于參與運動活動的成年或年幼受試者以及對于老年受試者（例如，大于60歲），對腦震蕩可能性的評估。圖1是根據本發明多個示例性實施方式，適合于根據神經生理學數據估算腦震蕩可能性的方法的流程圖。應理解除非另外定義，否則可以同時或以多種執行順序的組合順序地執行下文所述的運算。具體地，流程圖的順序不認為是限制性的。例如，可以以不同的順序（例如，逆序）或者基本同時執行在以下說明或在流程圖中以具體順序出現的兩種或更多種運算。另外，如下所述的幾種運算是可選的并且可以不執行。可以通過配置用于接收數據和進行如下所述的運算的數據處理系統（例如，專用電路或者通用計算機）實現至少一部分運算。實現本發明實施方式的方法的計算機程序一般地可以在分銷介質上分銷給用戶，所述介質如（但不限于）軟盤、光盤、閃存裝置和便攜式硬盤。計算機程序可以從分銷介質復制到硬盤或類似的中間存儲介質。可以通過以下方式運行計算機程序：從它們的分銷介質或它們的中間存儲介質將計算機指令加載到計算機的執行存儲器中，從而配置計算機以根據本發明的方法動作。所有這些運算是計算機系統領域技術人員所熟知的。可以具體地以多種形式表現本發明實施方式的方法。例如，它可以具體表現在用于實施方法運算的有形介質，如計算機。它可以具體表現在用于執行方法運算的計算機可讀介質，包括計算機可讀指令。它還可以具體表現在布置在有形介質上運行計算機程序或者執行計算機可讀介質上的指令的具有數字計算機能力的電子設備。待分析的神經生理學數據可以是直接從被研究的受試者的腦獲取的任何數據。“直接”獲取的數據的意義在于它顯示了腦組織本身的電學、磁性、化學或結構特征。神經生理學數據可以是直接從單一受試者的腦獲取的數據，或者是直接（但不必需同時）分別從多個受試者（例如，研究小組）的多個腦獲取的數據。可以通過對于與單一腦對應的每個數據部分分別進行如下所述的運算來進行來自多個腦的數據分析。但是，可以對不止一個腦總體地進行一些運算。因此，除非另外明確說明，否則以單數形式提及的“受試者”或“腦”不必需表示分析單個受試者的數據。以單數形式提及的“受試者”或“腦”還涵蓋了對應于幾個受試者中的一個的數據部分的分析，該分析也可以應用于其他部分。可以在獲取后立即分析數據（“在線分析”），或者可以記錄并儲存數據并隨后分析（“離線分析”）。適合于本發明的神經生理學數據類型的代表性實例非限制地包括腦電圖（EEG）數據、磁腦電描記法（MEG）數據、計算機輔助層析X射線攝影（CAT）數據、正電子發射斷層成象術（PET）數據、磁共振成象（MRI）數據、功能性MRI（fMRI）數據、超聲數據、單光子發射計算斷層照相（SPECT）數據、腦機接口（BCI）數據和來自神經假體（neuroprostheses）的神經水平的數據。可選地，所述數據包括兩種或更多種不同類型數據的組合。在本發明的多個示例性實施方式中，神經生理學數據與使用分別布置在受試者頭皮上多個不同位置的多個測量裝置采集的信號有關。在這些實施方式中，數據類型優選地是EEG或者MEG數據。測量裝置可以包括電極、超導量子干涉器件（SQUID）等。在每個這種位置獲取的數據部分還稱為“通道”。在一些實施方式中，神經生理學數據與使用放置在腦組織本身中的多個測量裝置采集的信號有關。在這些實施方式中，數據類型優選地是侵入式EEG數據，也稱為層腦電圖描記錄法（electrocorticography，ECoG）數據。可選地并且優選地，至少在受試者進行任務和/或動作之前和之后采集神經生理學數據。在本發明的一些實施方式中，至少在受試者有任務和/或動作的概念但沒有實際進行任務之前和之后采集神經生理學數據。當受試者患有可能防止任務和/或動作的實際執行的一些類型的身體和/或認知缺陷時，這些實施方式是有用的，例如，如可以在對多種腦損傷（如中風）的反應中所見的。盡管如此，如果需要，這些實施方式可以用于任何受試者。與任務和/或動作（無論是實際進行的還是概念化的）有關的神經生理學數據可以用作事件相關量度，如事件相關電位（ERP）或事件相關場（ERF）。優選地，任務和/或動作（無論是實際進行的還是概念化的）對刺激起反應，并且數據獲取與刺激同步以建立反應的時間線并且響應于該時間線來提取數據特征。通常，但是不必需，數據采集是持續的從而使得在任務和/或動作的實施或概念化之前、期間和之后連續采集神經生理學數據。考慮了多種類型的任務，包括低水平和高水平認知任務和/或動作兩者。任務/動作可以是單個的、連續的或持續的。持續的低水平認知任務/動作的實例非限制地包括看電影；單個低水平認知任務/動作的實例非限制地包括向受試者提供音頻信號（例如，簡單的聲音）；并且連續的低水平認知任務/動作的實例非限制地包括反復播放音頻信號。應理解對于重復性任務，受試者最終可能會適應并將不太注意（稱為馴化的過程），但是腦仍將有反應。更高水平的認知任務/動作的實例非限制地包括所謂的“Go/NoGo任務”，其中要求受試者如果聽到高音聲音時按按鈕，其中如果聽到低音聲音時，則受試者將不按按鈕。該任務是本領域中已知的并且在多種認知研究中使用。刺激和刺激反應的多種方案在本領域中是已知的，本發明的一些實施方式考慮了所有這些規程。刺激反應神經心理學測試非限制地包括Stroop任務、威斯康星卡片分類測試等；僅基于刺激的測試非限制地包括失配負波、腦干誘發反應測聽法（BERA）等。還考慮了僅基于反應的測試，如（但不限于）掃視（saccade）分析、運動相關電位（MRP）、N-back記憶任務以及其他工作記憶任務，例如，Sternberg記憶任務、“序列7（serialseven）”測試（從100倒數，中間跳過7），Posner注意力任務等。應理解它不意欲將本發明的范圍僅限制到與刺激、任務和/或動作有關的神經生理學數據。本發明的實施方式還可以應用于描述自發性腦活動的神經生理學數據。還考慮了其中在特定活動期間獲取神經生理學數據、但是這種獲取與刺激不同步的實施方式。現參考圖1，方法在10開始并且可選地并且優選地繼續至11，在此接收神經生理學數據。可以直接從受試者記錄數據，或者可以從外部源接收數據，如其上儲存有數據的計算機可讀儲存介質。方法繼續至12，在此確定數據特征之間的關系，從而識別活動相關特征。這可以使用本領域中已知的任何程序進行。例如，可以使用如國際公開號WO2007/138579、WO2009/069134、WO2009/069135和WO2009/069136中所述的程序，以上專利的內容通過引用結合于此。根據本發明的一些實施方式，參考圖2A在下文中描述適合于執行12的程序的詳細說明。粗略地說，活動相關特征的提取包括數據的多維分析，其中分析數據以提取數據的空間和非空間特征。優選地，空間特性描述獲取各個數據的位置。例如，空間特性可以包括受試者頭皮上測量裝置（例如，電極、SQUID）的位置。還考慮了其中空間特性估算腦組織內產生神經生理學數據的位置的實施方式。在這些實施方式中，使用了源定位程序，其可以包括（例如）低分辯率電磁斷層掃描術（LORETA）。在上述國際公開中描述了適合于本發明實施方式的源定位程序，這些專利通過引用結合于此。適合于本發明實施方式的其他源定位程序見于Greenblatt等人,2005,"LocalLinearEstimatorsfortheBioelectromagneticInverseProblem,"IEEETrans.SignalProcessing,53(9):5430；Sekihara等人,"AdaptiveSpatialFiltersforElectromagneticBrainImaging(SeriesinBiomedicalEngineering),"Springer,2008；和Sekihara等人,2005,"Localizationbiasandspatialresolutionofadaptiveandnon-adaptivespatialfiltersforMEGsourcereconstruction,"NeuroImage25:1056；以上文獻的內容通過引用結合于此。另外，考慮了其中空間特性估算上皮層（epicortical）表面上位置的實施方式。在這些實施方式中，處理在受試者頭皮上位置處采集的數據從而將頭皮電位分布繪制到上皮層表面上。這種繪制技術在本領域中是已知的并且在文獻中被稱為皮層電位成像（CPI）或者皮層源密度（CSD）。適合于本發明實施方式的繪制技術見于Kayser等人,2006,"PrincipalComponentsAnalysisofLaplacianWaveformsasaGenericMethodforIdentifyingERPGeneratorPatterns:I.EvaluationwithAuditoryOddballTasks,"ClinicalNeurophysiology117(2):348；Zhang等人,2006,"ACorticalPotentialImagingStudyfromSimultaneousExtra-andIntra-cranialElectricalRecordingsbyMeansoftheFiniteElementMethod,"Neuroimage,31(4):1513；Perrin等人,1987,"ScalpCurrentDensityMapping:ValueandEstimationfromPotentialData,"IEEEtransactionsonbiomedicalengineering,BME-34(4):283；Ferree等人,2000,"TheoryandCalculationoftheScalpSurfaceLaplacian,"www.csi.uoregon.edu/members/ferree/tutorials/SurfaceLaplacian；和Babiloni等人,1997,"HighresolutionEEG:anewmodel-dependentspatialdeblurringmethodusingarealistically-shapedMR-constructedsubject’sheadmodel,"ElectroencephalographyandclinicalNeurophysiology102:69。在任何上述實施方式中，根據需要，可以使用離散或連續的空間坐標系表示空間特性。當坐標系是離散的時，它通常對應于測量裝置的位置（例如，頭皮、上表皮表面、大腦皮層或腦中更深處的位置）。當坐標系是連續的時，它優選地描述頭皮或上表皮表面或其一些樣品版本的大致形狀。可以通過作為三維空間中的一組點并且足以描述表面拓撲結構的點-云來表示樣品表面。對于連續的坐標系，可以通過在測量裝置位置之間的分段內插法獲得空間特性。分段內插法優選地利用相對于表面的平滑分析函數或一組平滑分析函數。在本發明的一些實施方式中，對于每種空間特性，分別獲得了非空間特性。例如，對每個通道可以分別獲得非空間特性。當空間特性是連續的時，優選地對連續區內的一組離散點獲得非空間特性。通常，這組離散點至少包括用于分段內插法的點，但是也可包括表面樣品版本內的其他點。非空間特性優選地包括時間特性，它是通過根據獲取時間將數據分段獲得的。分段導致產生多個數據段，每個數據段對應于其中獲取各個數據段的時段（epoch）。時段的長度取決于表征f型神經生理學數據特性的時間分辨率。例如，對于EEG或者MEG數據，典型的時段長度為約1000ms。可以通過數據分解技術獲得其他非空間特性。在本發明的多種示例性實施方式中，對于每個空間特性的每個數據段分別進行分解。因此，對于特定的數據通道，將分解（例如）順序應用于該特定通道的每個數據段（例如，首選應用于對應于第一時段的數據段，然后應用于對應于第二時段的數據段等）。對于其他通道也進行這種順序分解。可以通過識別數據中的峰圖案，或更優選地通過波形分析（如，但不限于，小波分析）的方式來分解神經生理學數據。在本發明的一些實施方式中，峰識別伴隨著所述峰的時空相鄰部分的限定。所述相鄰部分可以定義為其中存在所述峰的空間區域（二維或三維）和/或其間發生所述峰的時間間隔。優選地，限定空間區域和時間間隔二者，從而對每個峰聯系時空相鄰部分。限定這些相鄰部分的優勢在于它們提供了有關數據隨時間和/或空間的分布結構的信息。可以基于所述峰的性質確定所述相鄰部分的大小（就各個維度而言）。例如，在一些實施方式中，所述相鄰部分的大小等于所述峰的半峰全寬（FWHM）。相鄰部分的其他定義不排除在本發明的范圍之外。優選地，波形分析伴隨著濾波（例如，帶通濾波），從而使得所述波分解為多個重疊的信號峰組，它們共同構成波形。濾波器本身可以可選地是重疊的。當神經生理學數據包括EEG數據時，在濾波期間可以使用一種或多種下列頻帶：δ帶（通常從約1Hz至約4Hz）、θ帶（通常從約3Hz至約8Hz）、α帶（通常從約7Hz至約13Hz）、低β帶（通常從約12Hz至約18Hz）、β帶（通常從約17Hz至約23Hz）和高β帶（通常從約22Hz至約30Hz）。還考慮了較高頻帶，如，但不限于γ帶（通常從約30Hz至約80Hz）。在波形分析后，優選地提取波形特征，如，但不限于時間（潛伏時間）、頻率和可選地振幅。優選地作為離散值獲得這些波形特征，從而形成組分是單個波形特征的向量。使用離散值是有利的，這是因為它減少了用于進一步分析的數據量。還考慮了其他減少技術，如但不限于統計歸一化（例如，通過標準得分或通過采用任何統計矩）。歸一化可以用于降噪并且當所述方法應用于獲取自不止一個受試者的數據時和/或當測量裝置和腦之間的接觸面在不同受試者之間或單個受試者的不同位置處改變時，也是有用的。例如，當在EEG電極中存在不均勻的阻抗匹配時，統計歸一化可以是有用的。特性的提取產生多個向量，每個向量包括作為向量組分的空間特性（例如，各個電極或其他測量裝置的位置）和從分段和分解獲得的一個或多個非空間特性。這些向量中的每一個都是數據的特征，并且其特性服從某種關系（例如，因果關系，其中兩個向量與從與一個向量有關的位置到與另一個向量有關的位置的信息流一致）的任何一對向量構成了兩種活動相關特征。因此，所提取的向量限定了多維空間。例如，當所述組分包括位置、時間和頻率時，向量限定三維空間，并且當所述組分包括位置、時間、頻率和振幅時，向量限定四維空間。更高的維數不排除在本發明的范圍之外。當將分析應用于一個受試者的神經生理學數據時，數據的每個特征表示為由所述向量限定的多維空間內的點，并且每組活動相關特征表示為一組點，以使所述組的任何一點處于沿時間軸距所述組中的一個或多個其他點的特定距離內（下文中還稱為“潛伏時間差異”）。當將分析應用于從受試者組或亞組獲取的神經生理學數據時，數據的特征優選地表示為上述多維空間中的離散點簇。當將分析應用于單個受試者的神經生理學數據時，還可以限定點簇。在這些實施方式中，對于提供給受試者的單獨的刺激，分別提取波形特征的向量，從而限定多維空間內的點簇，其中所述簇內的每個點對應于對在不同時間應用的刺激的反應。單獨的刺激可選地并且優選地形成一組反復出現的相同或相似的刺激，或者一組不必需相同但是屬于相同類型的刺激（例如，一組不必需相同的視覺刺激）。在不同的時間使用不同的刺激不排除在本發明的范圍之外。還考慮了上述說明的組合，其中從多個受試者采集數據，并且對于所述受試者中的一個或多個，對獨立于時間的刺激（即，在單獨的時間應用的刺激）提取波形特征的向量。在這些實施方式中，簇含有對應于不同受試者的點以及對應于對單獨刺激起反應的點。例如，考慮其中從10位受試者采集數據的情況，其中在數據獲取期間向每位受試者提供5次刺激。在這種情況下，數據集包括5×10=50個數據段，每個對應于一個受試者對一個刺激的反應。因此，在多維空間內的簇中，可以包括多至5×10個點，每個代表從數據段中的一個中提取的特征向量。無論代表多個受試者的特征和/或代表對提供給單個受試者的刺激的多種反應的特征，簇沿給定空間軸的寬度描述了相應數據特性（時間、頻率等）的活動窗的大小。作為代表性實例，考慮了簇沿時間軸的寬度。可選地并且優選地，通過所述方法使用這種寬度以描述潛伏時間范圍，在該范圍內事件對多個受試者發生。類似地，簇沿頻率軸的寬度可用于描述表明事件對多個受試者發生的頻帶；簇沿位置軸（例如，對于對應于2D位置圖的數據，兩個位置軸，并且對于對應于3D位置圖，三個位置軸）的寬度可用于限定一組相鄰的電極，在該電極事件對多個受試者發生，并且簇沿振幅軸的寬度可用于限定表明事件對多個受試者發生的振幅范圍。對于受試者組或亞組，可以如下所示識別活動相關特征。將沿時間軸的單個簇優選地識別為表示在通過如所說明的簇寬度限定的時間窗口內發生的單一事件。可選地并且優選地，縮窄該窗口以排除一些界外值點，從而重新限定表現各個數據特征的特性的潛伏時間范圍。對于沿時間軸的一連串簇，其中系列中的每個簇的寬度（沿時間軸）在特定的限制內，優選地實施圖案提取程序以用于識別服從其中連通性關系的那些簇。廣泛地說，這種程序可以搜索簇中的對簇，其中在所述簇之間的足夠數目的點之間存在連通性關系。圖案提取程序可以包括任何類型的聚類過程，其非限制地包括基于密度的聚類程序、基于最近鄰的聚類程序等。在Cao等人,2006,"Density-basedclusteringoveranevolvingdatastreamwithnoise,"ProceedingsoftheSixthSIAMInternationalConferenceonDataMining.Bethesda,Maryland,p.328-39中描述了適合于本發明實施方式的基于密度的聚類程序。在[R.O.Duda,P.E.HartandD.G.Stork,"PatternClassification"(第二版),AWiley-IntersciencePublication,2000]中描述了適合于本發明實施方式的最近鄰聚類程序。當采用最近鄰聚類程序時，識別簇然后聚集以在所述簇中形成基于時空距離的元簇（meta-clusters）。因此，元簇是所識別簇的簇。在這些實施方式中，元簇是數據的特征，并且在元簇中識別活動相關特征。圖2A是根據本發明的一些實施方式，描述用于識別一組受試者的活動相關特征的程序12的流程圖。程序12開始于40并持續至41，在此識別分離的簇。本發明的實施方式考慮了子空間聚類（其中在多維空間的特定投影上識別簇）和完整空間聚類（其中在整個多維空間上識別簇）。從計算時間來看，子空間聚類是優選的，而從特征一般性來看，完全空間聚類是優選的。子空間聚類的一個代表性實例包括分別對每個預先確定的頻帶和每個預先確定的空間位置，沿時間軸的簇識別。可選地并且優選地，所述識別的特征在于具有固定和預先確定的窗口寬度的移動時間窗。EEG數據的典型窗口寬度對于δ帶為約200ms。可選地，應用對簇中點的最小個數的限制，從而不會將小簇排除在所述分析之外。通常，排除小于X個點的簇，其中X等于組中受試者的約80%。可以在程序期間修正點的最小個數。一旦限定了初始簇的組，則優選地降低時間窗口寬度。子空間聚類的另一種代表性實例包括相對于空間-時間子空間，優選地分別對每個預先確定的頻帶的簇識別。在該實施方式中，通過（例如）如上文詳細說明的在測量裝置的位置之間的分段內插法，使用連續空間坐標系表示所提取的空間特性。因此，每個簇與時間窗口以及空間區域有關，其中空間區域可以或可以不在測量裝置位置的中心。在一些實施方式中，至少一種簇與位于除了測量裝置的位置之外的位置中心的空間區域有關。通常，空間-時間子空間是三維的，其具有一個時間維度和兩個空間維度，其中每個簇與時間窗口和可以對應于（例如）頭皮表面、上皮層表面等的形狀的表面上的二維空間區域有關。還考慮了四維空間-時間空間，其中每個簇與時間窗口和至少部分對應于內部腦的體積上的三維空間區域有關。子空間聚類的另一種代表性實例包括相對于頻率-空間-時間子空間的簇識別。在該實施方式中，代替分別對每個預先確定的頻帶搜索簇，所述方法還允許在非預先確定的頻率識別簇。因此，認為頻率是子空間內連續的坐標。如在空間-時間子空間的實施方式中，使用連續空間坐標系表示所提取的空間特性。因此，每個簇與時間窗口、空間區域和頻帶有關。如上文中詳細說明的，空間區域可以是二維或三維的。在一些實施方式中，至少一個簇與空間區域有關，其集中在除了測量裝置位置之外的位置，并且至少一個簇與頻帶有關，其包括δ、θ、α、低β、β、高β和γ帶中的兩種或更多種的頻率。例如，簇可以與一部分δ帶和一部分θ帶、或一部分θ帶和一部分α帶、或一部分α帶和一部分低β帶等上的頻帶跨度有關。可選地并且優選地，程序12繼續至42，在此選擇了一對簇。可選地并且優選地，程序繼續至43，在此對于以所選的對表示的每個受試者，可選地計算相應事件之間的潛伏時間差（包括零差）。程序繼續至44，在此將限制應用于所計算的潛伏時間差，從而拒絕處于預定閾值范圍（例如，0-30ms）之外的潛伏時間差，而接受處于預定閾值范圍內的潛伏時間差。程序繼續至決策45，在此程序決定所接受的差異數目是否足夠大（即，大于一些數，例如，大于組中受試者的80%）。如果所接受的差異數目不足夠大，則程序繼續至46，在此程序接受所述對簇并將它識別為一對活動相關特征。如果所接受的差異數目足夠大，則程序繼續至47，在此所述程序拒絕所述對。本發明實施方式所述的程序從46或47循環返回至42。圖2B示出用于確定數據特征之間關系和識別活動相關特征的說明性實例。以包括時間和位置的二維空間投影，提供了說明。該實例用于其中空間特性為離散的實施方式，其中分別對于每個預先確定的頻帶和每個預先確定的空間位置，簇的識別是沿時間軸的。技術人員將知道如何使說明適用于其他維度，例如，頻率、振幅等。圖2B示出其中從編號為1至6的6位受試者（或從在不同時間提供6次刺激的單個受試者）采集數據的方案（scenario）。為使說明清楚起見，沿表示為“數據段號”的縱軸將不同數據段的數據（例如，從不同受試者，或者從相同受試者但對不同時間的刺激采集的數據）分離。對于每個數據段，空心圓表示在記為“A”的一個具體位置（通過測量裝置，例如，EEG電極）記錄的事件，而實心圓盤表示在記為“B”的另一個具體位置記錄的事件。時間軸表示各個事件的潛伏時間，如（例如）從向受試者提供刺激的時間測量的。在本文中，事件的潛伏時間表示為t(i)A和t(i)B，其中i代表段索引（i=1，……，6），而A和B代表位置。為了說明清楚起見，圖2B中未示出潛伏時間，但是本領域的技術人員根據本文所述的詳細內容將知道如何將潛伏時間添加到附圖中。對于位置A和B中的每一個，限定了時間窗口。表示為ΔtA和ΔtB的這些時間窗對應于沿時間軸的簇寬度，并且根據需要，它們彼此可以是相同或不同的。還限定了兩個單一事件之間的潛伏時間差窗口ΔtAB。該窗口對應于簇之間（例如，它們的中心之間）沿時間軸的間距。窗口ΔtAB表示為具有虛線段和實線段的間隔。虛線段長度表示窗的下邊界，而間隔的全長代表窗的上邊界。ΔtA、ΔtB和ΔtAB是用于確定是否接受在A和B記錄為活動相關特征的一對事件的標準的一部分。時間窗口ΔtA和ΔtB優選地用于識別組中的單一事件。如所示的，對于段號1、2、4和5中的每一個，兩個事件均落入各自的時間窗口中（數學上，這可以寫成：t(i)A∈ΔtA，t(i)B∈ΔtA，i=1、2、4、5）。另一方面，對于段號3，在A記錄的事件在ΔtA之外（），而在B記錄的事件在ΔtB內（t(3)B∈ΔtB），而對于段號6，在A記錄的事件在ΔtA內（t(6)A∈ΔtA），而在B記錄的事件在ΔtB之外（）。因此，對于位置A，將單一事件定義為從段號1、2、4、5和6獲得的一簇數據點，而對于位置B，將單一事件定義為從段號1-5獲得的一簇數據點。潛伏時間差窗ΔtAB優選地用于識別活動相關特征。在本發明的多種示例性實施方式中，將每個段的潛伏時間差Δt(i)AB（i=1、2、……、5）與潛伏時間差窗ΔtAB相比較。在本發明的多個示例性實施方式中，如果（i）對中的特征的每一個都屬于單一事件，并且（ii）相應的潛伏時間差落入ΔtAB內，則認為這一對特征是活動相關對。在圖2B的圖示中，認為從段號4和5記錄的每個對是一對活動相關特征，這是因為對于這些段中的每一個都滿足所述兩條標準（Δt(i)AB∈ΔtAB，t(i)A∈ΔtA，t(i)B∈ΔtA，i=4、5）。從段號1-3記錄的對未通過潛伏時間差標準，這是因為Δt(1)AB、Δt(2)AB和Δ(3)AB中的每一個都在ΔtAB之外（i=1、2、3）。因此，拒絕這些對。注意，在本發明的實施方式中，盡管得自段號6的對通過了潛伏時間差標準，但是所述對被拒絕了，這是因為它不能通過時間窗口標準在本發明的多個示例性實施方式中，程序還接受了對應于在兩個或更多不同位置發生的數據的同時事件的對。盡管這些事件彼此之間沒有因果關系（因為所述位置之間沒有信息流），但是通過所述方法標注了相應的特征。不受任何具體理論的束縛，盡管未被所述方法識別出，但是本發明人認為數據的同時事件有原因地與另一個事件相關。例如，相同的物理刺激可以在腦的兩個或更多個位置產生同時事件。所識別的活動相關特征對（如在46所接受的）可以作為基本圖案處理，其可以用作在特征空間內構建復雜圖案的基本單元。在本發明的多個示例性實施方式中，所述方法繼續至48，在此兩對或更多對活動相關特征相結合（join）（例如，連接（concatenate））以形成兩種以上特征的圖案。在所述對的特征之間，用于聯系的標準可以是類似的，如通過向量所表明的。例如，在一些實施方式中，如果它們具有共同的特征，則將兩對活動相關特征相連接。通過符號，這可以用如下所示的式子表示：對“A-B”和“B-C”具有作為共同特征的“B”，那么將它們相連接以形成復合（complex，復雜）圖案A-B-C。優選地，對相連接的特征組進行閾值程序，例如，當組中X%或更多的受試者包含在相連接的組中時，那么接受所述組，而當組中少于X%的受試者包含在相連接的組中時，那么拒絕所述組。閾值X的典型值為約80。因此，三種或更多的特征的每種圖案對應于所限定的一系列簇，從而該系列中的任一種簇處于和該系列中一種或多種其他簇不同的具體潛伏時間差中。一旦分析了所有對簇，則程序12繼續至終止程序49，在此程序結束。再次參考圖1，在13構建了受試者特異性腦網絡活動（BNA）圖案。在對所述方法提供更詳細的說明之前，將解釋BNA圖案的一般概念。圖3是根據本發明的一些實施方式、可以從神經生理學數據提取的BNA圖案20的代表性實例。BNA圖案20具有多個節點22，每個節點代表一個活動相關特征。例如，節點可以代表特定位置處和特定時間窗口或潛伏時間范圍內并且可選地具有特定振幅范圍的特定頻帶（可選地兩種或更多種特定頻帶）。一些節點22通過邊24連接，每個邊代表位于各自邊末端的節點之間的因果關系。因此，BNA圖案表示為具有節點和邊的圖。在本發明的多種示例性實施方式中，BNA圖案包括多個離散的節點，其中僅通過節點表示關于數據特征的信息，而僅由邊表示有關所述特征之間關系的信息。圖3示出頭皮的模板26內的BNA圖案20，允許將節點的位置與腦的多個腦葉相聯系（額葉28、中葉30、頂葉32、枕葉34和顳葉36）。可以通過它們的多種特性來標記BNA圖案中的節點。如果需要，還可以使用彩色編碼或形狀編碼成像技術。例如，可以使用一種顏色或形狀顯示對應于特定頻帶的節點，并且可以使用另一種顏色或形狀來顯示對應于另一種頻帶的節點。在圖3的代表性實例中，存在兩種顏色。紅色節點對應于δ波，綠色節點對應于θ波。BNA圖案（如所示的圖案20）可以描述單個受試者或者受試者組或亞組的大腦活動。在本文中將描述單個受試者腦活動的BNA圖案稱為受試者特異性BNA圖案，而在本文中將描述受試者組或亞組的腦活動的BNA圖案稱為組BNA圖案。當BNA圖案20是受試者特異性BNA圖案時，僅將從各自受試者數據提取的向量用于構建BNA圖案。因此，每個節點對應于多維空間中的點，并且因此表示腦中的活動事件。當BNA圖案20是組BNA圖案時，一些節點可以對應于多維空間中的一簇點，并因此代表在受試者組或亞組中普遍的活動事件。由于組BNA圖案的統計性質，組BNA圖案中的節點（在本文中稱為“順序”）和/或邊（在本文中稱為“尺寸”）的數目通常（但不必需）大于受試者特異性BNA圖案的順序和/或尺寸。作為構建組BNA圖案的簡單實例，考慮了圖2B中所示的簡化方案，其中“段”對應于受試者組或亞組中不同的受試者。在本發明的實例中，組數據包括與位置A和B有關的兩個單一事件。這些事件中的每一個在多維空間中形成簇。在本發明的多種示例性實施方式中，由組BNA中的節點表示每個簇（在本文中稱為簇A和B）。將兩個簇A和B識別為活動相關特征，因為在這些簇內存在通過了對于這種關系的標準的一些單個點（在本實例中，4號和5號受試者對）。因此，在本發明的多種示例性實施方式中，通過邊連接對應于簇A和B的節點。圖2C中示出所得到的組BNA圖案的簡化說明。由于組BNA圖案描述幾個受試者中的腦活動，因此它通常對具有一些可能涉及狀況、特性、聯系（從屬關系，affiliation）等的共同分類的受試者組或亞組構建。可以根據組分類注釋這些組BNA圖案。在本文中，術語“注釋的BNA圖案”將用于表示與注釋信息有關的BNA圖案。注釋信息可以與BNA圖案分開儲存（例如，在計算機可讀介質上單獨的文件中）。注釋信息優選地是全局注釋，其中將整個BNA圖案識別為與具體的腦相關病癥或病況對應。例如，注釋信息可以涉及具體病癥或病況的存在、不存在或水平。還考慮了其中注釋信息涉及與應用于所述受試者的治療有關的具體的腦相關病癥或病況的實施方式。例如，BNA圖案可以注釋為與所治療的腦相關病癥對應。這種BNA圖案還可以用治療特性來注釋，其包括劑量、持續時間和治療后所經歷的時間。BNA圖案可以可選地并且優選地注釋為與未治療的腦相關病癥對應。如本文所使用的，術語“治療”包括終止、基本抑制、減緩或逆轉病況的發展，基本改善病況的臨床或美學癥狀，或者基本防止病況的臨床或美學癥狀的出現。治療可以包括任何類型的介入，包括侵入性和非侵入性兩者，其非限制地包括藥理學介入、手術介入、放射性介入、康復性介入等。可替代地或者另外地，BNA圖案可以識別為與具體的個體組（例如，具體的性別、種族本源、年齡組等）相對應，其中注釋信息涉及該個體組的特性。在本發明的一些實施方式中，注釋信息包括全局注釋，其中將BNA圖案中幾個位置處的節點識別為具體病癥、病況和/或組的指示。與組BNA圖案不同，受試者特異性BNA圖案中的節點均基于從各個受試者數據提取的向量。可選地并且優選地，通過將從各個受試者采集的數據的特征和特征之間的關系與參考數據的特征和特征之間的關系相比較來構建受試者特異性BNA圖案。參考數據可以包括組數據和/或單個受試者（優選地被分析的相同受試者）的數據，和/或（例如）通過神經生理學模型所產生的合成數據。當參考數據包括組數據時，將和受試者數據有關的點和點之間的關系與和組數據有關的簇和簇之間的關系相比較。例如，考慮圖2B中所示的簡化方案，其中“段”對應于受試者組或亞組中不同的受試者。簇A不包括3號受試者的貢獻，并且簇B不包括6號受試者的貢獻，這是因為對于這些受試者，各個點不能通過時間窗口標準。因此，在本發明的多種示例性實施方式中，當對3號受試者構建受試者特異性BNA圖案時，它不包括對應于位置A的節點，而當對6號受試者構建受試者特異性BNA圖案時，它不包括對應于位置B的節點。另一方面，位置A和B兩者均表示為對于1、2、4和5號受試者中任一個所構建的受試者特異性BNA圖案中的節點。對于各個點接受為一對活動相關特征的那些受試者（在本發明的實例中，4號和5號受試者），優選地通過邊連接相應節點。圖2D中顯示了對于這種情況的受試者特異性BNA圖案的簡化說明。注意，對于這種兩個節點的簡化實例，圖2D的受試者特異性BNA類似于圖2C的組BNA。對于多個節點，如所說明的，組BNA圖案的順序和/或尺寸通常大于受試者特異性BNA圖案的順序和/或尺寸。如下文中進一步詳細說明的，可以通過由邊表示的活動相關特征之間的關系度來顯示受試者特異性BNA圖案和組BNA圖案之間的其他差異。對于各個點被拒絕的受試者（在本發明的實例中，1號和2號受試者），優選地未通過邊連接相應節點。圖2E中示出對于這種情況的受試者特異性BNA圖案的簡化說明。當參考數據包括單個受試者的數據時，對于獨立于時間的刺激，分別提取波形特征的向量以限定點簇，其中所述簇內的每個點對應于對在不同時間應用的刺激的響應，如上文中進一步詳細說明的。在這些實施方式中，用于構建受試者特異性BNA圖案的程序優選地與如上所述的用于構建組BNA圖案的程序相同。然而，由于所有數據均采集自單個受試者，因此BNA圖案是受試者特異性的。因此，本發明的實施方式考慮了兩種類型的受試者特異性BNA圖案：第一類型描述了特定受試者與受試者組或亞組的結合，它是對于具體受試者的組BNA圖案的表現，而第二類型描述了未將所述受試者與受試者組或亞組相結合的具體受試者的數據。前一種類型的BNA圖案在本文中稱為結合的受試者特異性BNA圖案，而后一種類型的BNA圖案在本文中稱為未結合的受試者特異性BNA圖案。對于未結合的受試者特異性BNA圖案，可選地并且優選地在將數據平均并將它轉化為數據的一個單一向量之前，優選地對一組反復出現的單個刺激進行分析，即一組單一試驗。另一方面，對于組BNA圖案，可選地并且優選地將組中每個受試者的數據平均，然后將其轉化為數據向量。注意，盡管未結合的受試者特異性BNA圖案一般對于具體受試者是唯一的（在構建受試者特異性BNA圖案時），但是可以由不止一種結合的受試者特異性BNA圖案來表征相同受試者，這是因為受試者可以對不同組具有不同的結合。例如，考慮了健康受試者組和均患有相同腦病癥的不健康受試者組。還考慮了可以或可以不屬于那些組中之一的受試者Y。對于受試者Y，本發明的實施方式考慮了幾種受試者特異性BNA圖案。第一種BNA圖案是未結合的受試者特異性BNA圖案，如所說明的，它對于該受試者一般是唯一的，這是因為它是由僅采集自受試者Y的數據所構建的。第二種BNA圖案是根據受試者Y的數據與健康組的數據之間的關系構建的結合的受試者特異性BNA圖案。第三種BNA圖案是根據受試者Y的數據與非健康組的數據之間的關系構建的結合的受試者特異性BNA圖案。這些BNA圖案中的每一個對于評價受試者Y的狀況是有用的。第一種BNA圖案對于（例如）監控受試者腦功能隨時間的變化可以是有用的（例如，監控腦可塑性等），這是因為它允許將BNA圖案與先前構建的未結合的受試者特異性BNA圖案進行比較。第二種和第三種BNA圖案對于確定受試者Y和各個組之間的結合水平可以是有用的，借此確定所述受試者腦病癥的可能性。還考慮了其中用于構建受試者特異性BNA圖案的參考數據對應于先前從相同受試者采集的歷史數據的實施方式。除了BNA圖案與相同受試者而不是受試者組的歷史相結合之外，這些實施方式類似于與結合的受試者特異性BNA圖案有關的上述實施方式。另外考慮了其中參考數據對應于在以后的某一時間從相同受試者獲取的數據的實施方式。這些實施方式使得能夠研究先前獲取的數據是否會發展成隨后獲取的數據。具體和非限制性實例是對于相同受試者的幾個治療過程（例如，N個過程）的情況。在開始的幾個治療過程（例如，從過程1至過程k1<N）中獲取的數據可以用作用于構建對應于中間過程（例如，從過程k2>k1至過程k3>k2）的第一結合的受試者特異性BNA圖案的參考數據，而在最后的幾個治療過程（例如，從過程k4至過程N）中獲取的數據可以用作用于構建對應于上述中間過程的第二結合的受試者特異性BNA圖案的參考數據，其中1<k1<k2<k3<k4。對于相同受試者的這兩種結合的受試者特異性BNA圖案可用于確定從治療早期到治療晚期的數據發展。還考慮了其中參考數據包括從神經生理學模型合成的數據的實施方式。對腦的特定狀況來說，模型可以基于與腦中多個功能區域之間預期的時空流型有關的先驗知識。可以通過處理從足夠大的樣本規模中采集的訓練神經生理學數據并采用統計分析和/或機器學習技術構建預測模型來構建神經生理學模型。訓練神經生理學數據源可以是提供有關腦中神經學活動的信息的任何類型。代表性實例非限制地包括EEG數據、MEG數據、CAT數據、PET數據、MRI數據、fMRI數據、超聲數據、SPECT數據、BCI數據和來自神經假體的神經水平的數據。可選地，模型是基于兩種或更多種不同類型數據的組合構建的。訓練組還可以包括文獻數據。可選地可以從不同研究小組的受試者編制訓練組，其非限制地包括至少一個對照組和至少一個具有類似行為（例如，由于病理狀況以具體方式進行的病理動作或活動，或者受試者要求進行的非病理動作）的目標受試者組。用于產生適合于本發明的一些實施方式的神經生理學模型的技術見于國際公開號WO2009/069135，其轉讓給與本發明申請相同的受讓人并且以其全部內容作為參考并入。可以構建能夠擬合訓練組的幾種模型并通過（例如）可能性評分來打分，從而反映模型擬合訓練組的可能性。可以選擇具有最高得分的模型并使用計算機化引擎以產生用作參考數據的合成神經生理學數據。在本發明的多種示例性實施方式中，所選擇的一個或多個模型接收與被研究的受試者有關的輸入并在對預期得自該受試者的合成神經生理學數據的反應中產生。所選擇的模型可選地并且優選地接收有關受試者預期所屬的分類組的輸入，以及與作為參考所需的合成數據類型有關的請求。作為代表性實例，考慮了經常從事身體接觸運動活動的被分析受試者。假設期望構建與腦震蕩有關的受試者特異性BNA。在該舉例說明的情況中，所選擇的模型優選地接收有關所述受試者所屬的分類組的輸入（例如，年齡、性別和運動類型）以及用于產生作為對具體分類組的腦震蕩狀況特性的合成數據的請求。本發明實施方式所述的方法將通過神經生理學所產生的合成數據用作用于構建結合的受試者特異性BNA的參考數據。如所說明的，相同受試者可以具有不止一個結合的受試者特異性BNA。因此，模型另外可以接收（例如）與分類組有關的輸入以及用于產生作為正常腦功能、并因此對于具體分類組的震蕩的特性的合成數據的請求。本發明實施方式所述的方法可以將后一種合成數據用作用于構建與正常腦功能有關的受試者特異性BNA的參考數據。可選地并且優選地，對所構建的BNA圖案中的每對節點（或等價地每個邊）分配連通性權重模式，借此提供加權的BNA圖案。在圖2C和圖2D和圖3中由連接兩節點的邊的厚度顯示連通性權重。例如，較厚的邊可以對應于較高的權重而較薄的邊可以對應于較低的權重。在本發明的多種示例性實施方式中，連通性權重包括基于下列簇性質中的至少一種計算的權重指數WI：（i）參與相應簇對的受試者數目，其中為較大的受試者數目分配較大的權重；（ii）對的每個簇中的受試者數目之間的差異（稱為對的“差異水平”），其中為較低的差異水平分配較大的權重；（iii）與相應簇中的每一個有關的時間窗口寬度（參見，例如，圖2A中的ΔtA和ΔtB），其中為較窄的窗口分配較大的權重；（iv）兩個簇之間的潛伏時間差（參見圖2A中的ΔtAB），其中為較窄的窗口分配較大的權重；（v）與相應的簇有關的信號振幅；（vi）與相應的簇有關的信號頻率；和（vii）限定簇的空間窗口的寬度（在其中坐標系為連續的實施方式中）。對于任何的簇性質，除了性質（i）和（ii）之外，優選地使用所述性質的一個或多個統計學可觀察的屬性，如，但不限于簇的平均值、中值、上限、下限和偏差。對于組BNA圖案或未結合的受試者特異性BNA圖案，連通性權重優選地等于如基于簇性質計算的權重指數WI。對于結合的受試者特異性BNA圖案，優選地基于權重指數WI以及一個或多個受試者特異性和對特異性的量（quantity）（表示為SI）分配一對節點的連通性權重。以下提供了這些量的代表性實例。在本發明的多種示例性實施方式中，對結合的受試者特異性BNA圖案的一對節點分配通過將WI與SI結合計算的連通性權重。例如，可以通過WI·SI給出結合的受試者特異性BNA圖案中的對的連通性權重。當對給定節點對計算不止一個量（比如說N個量）時，可以給該對分配不止一個連通性權重，例如，WI·SI1、WI·SI2、……、WI·SIN，其中SI1、SI2、……、SIN是N個計算的量。可替代地或者另外地，可以通過（例如）平均、相乘等將給定對的所有連通性權重合并。量SI可以是（例如）表現受試者特異性對和相應簇之間關系的特性的統計得分。統計得分可以是任何類型的，其非限制地包括離均差（deviationfromaverage）、絕對偏差、標準得分等。計算了統計得分的關系可以涉及用于計算權重指數WI的一種或多種性質，其非限制地包括潛伏時間、潛伏時間差、振幅、頻率等。與潛伏時間或潛伏時間差有關的統計得分在本文中稱為同步得分并表示為SIs。因此，可以通過計算（i）相對于相應簇的組平均潛伏時間對受試者所獲得的點的潛伏時間（例如，在以上實例中，t(i)A和t(i)B），和/或（ii）相對于兩個相應簇之間的組均潛伏時間的對受試者所獲得的兩個點之間的潛伏時間差（例如，Δt(i)AB）的統計得分，獲得根據本發明的一些實施方式的同步得分。與振幅有關的統計得分在本文中稱為振幅得分并表示為SIa。因此，通過計算相對于相應簇的組均振幅對受試者所獲得的振幅的統計得分獲得根據本發明的一些實施方式的振幅得分。與頻率有關的統計得分在本文中稱為頻率得分并表示為SIf。因此，通過計算相對于相應簇的組平均頻率對受試者所獲得的頻率的統計得分獲得了根據本發明的一些實施方式的頻率得分。與位置有關的統計得分在本文中稱為位置得分并表示為SIl。這些實施方式在其中采用連續坐標系的實施方式中是特別有用的，如上文進一步詳細說明的。因此，通過計算相對于相應簇的組平均位置對受試者所獲得的位置的統計得分獲得了根據本發明的一些實施方式的位置得分。與其他性質有關的統計得分的計算不排除在本發明的范圍之外。根據本發明的一些實施方式，以下是用于計算量SI的技術的說明。當SI是同步得分SIs時，可選地并且優選地，計算基于與通過電極對的時空限制組相匹配的離散時間點（Timesubj，如果存在）。在這些實施方式中，這些點的時間可以與對于每個區域參與組模式（Timepat）的離散點的時間的平均和標準偏差相比較以提供區域同步得分SIsr。然后，可以通過（例如）將對中兩個區域的區域同步得分平均來計算同步得分SIs。形式上，該程序可以寫成：可選地并且優選地，以類似的方式計算振幅得分SIa。開始，將各個受試者的離散點的振幅（Ampsubj）與對于每個區域參與組模式（Amppat）的離散點的振幅的平均和標準偏差相比較以提供區域振幅得分SIar。然后，可以通過（例如）將所述對中兩個區域的區域振幅得分平均來計算振幅得分：然后，可以將一個或多個BNA圖案的相似性S計算為BNA圖案節點的加權平均，如下所示：形式上，可以計算另一種相似性Sc，如下所示：其中SIci是二元量，如果在受試者數據中存在對i，則它等于1，否則等于0。在本發明的一些實施方式中，量SI包括所記錄的活動之間的關聯值。在一些實施方式中，關聯值描述了在與對有關的兩個位置處對具體受試者所記錄的活動之間的相關性，并且在一些實施方式中，關聯值描述了在與對有關的任何位置處對具體受試者所記錄的活動和在相同位置處記錄的組活動之間的相關性。在一些實施方式中，關聯值描述了活動之間的因果關系。用于計算關聯值（如因果關系（causalityrelation））的程序在本領域中是已知的。在本發明的一些實施方式中，采用Granger理論[GrangerCWJ,1969,"InvestigatingCausalRelationsByEconometricModelsAndCross-SpectralMethods,"Econometrica,37(3):242]。適合于本發明實施方式的其他技術見于Durka等人,2001,"Time-frequencymicrostructureofevent-relatedelectroencephalogramdesynchronisationandsynchronisation,"Medical&BiologicalEngineering&Computing,39:315；SmithBassett等人,2006,"Small-WorldBrainNetworks"Neuroscientist,12:512；He等人,2007,"Small-WorldAnatomicalNetworksintheHumanBrainRevealedbyCorticalThicknessfromMRI,"CerebralCortex17:2407；和DeVicoFallani等人,"ExtractingInformationfromCorticalConnectivityPatternsEstimatedfromHighResolutionEEGRecordings:ATheoreticalGraphApproach,"BrainTopogr19:125；以上所有文獻的內容通過引用結合于此。可以將對BNA圖案分配的連通性權重計算為連續變量（例如，使用具有連續范圍的函數），或計算為離散變量（例如，使用具有離散范圍的函數或使用查找表格）。在任何情況下，連通性權重可以具有多于兩個可能值。因此，根據本發明多個示例性實施方式，加權的BNA圖案具有至少三個、或至少四個、或至少五個、或至少六個邊，對每個邊分配不同的連通性權重。一旦構建了受試者特異性BNA圖案，則可以將其輸送到顯示裝置，如計算機顯示器或打印機。可替代地或者另外地，可以將BNA圖案輸送到計算機可讀介質。再參考圖1，所述方法繼續至14，在此將受試者特異性BNA圖案（例如，圖案20）與對相同受試者特異的基線BNA圖案進行比較。基線BNA圖案可以是對相同受試者在不同時間（例如，更早的時間）構建的圖案。優選地，在13構建的BNA和基線BNA兩者均描述了特定受試者（雖然在不同時間）與相同受試者組或亞組的結合。在本發明的多種示例性實施方式中，所構建的BNA圖案和基線BNA圖案兩者均是與腦震蕩有關的受試者特異性BNA圖案。可替代地，所構建的BNA圖案和基線BNA圖案兩者均可以是與正常腦功能有關的受試者特異性BNA圖案。在本發明的一些實施方式中，方法循環返回至12或13，從而最終構建了兩種或更多種受試者特異性BNA圖案。這些實施方式允許利用不止一種結合。因此，基于不同的參考數據或模型但使用受試者相同的神經生理學數據構建了每個受試者特異性BNA，并且將每個受試者特異性BNA與和不同腦狀況有關的不同基線BNA進行比較。在本發明的代表性實施方式中，方法構建了與腦震蕩有關的第一結合的受試者特異性BNA圖案，和與正常腦功能有關的第二受試者特異性BNA圖案。將所構建的BNA圖案中的每一個與各自的基線BNA圖案相比較。具體地，將第一BNA圖案與和腦震蕩有關的基線BNA圖案相比較，而將第二BNA圖案與和正常腦功能有關的基線BNA圖案相比較。根據本發明的一些實施方式，BNA圖案之間的比較優選地是定量的。在這些實施方式中，BNA圖案之間的比較包括計算BNA圖案相似性。可選地并且優選地，基于BNA圖案的連通性權重值計算BNA圖案相似性。例如，可以通過將受試者特異性BNA圖案的連通性權重取平均值來獲得BNA圖案相似性。當將不止一種類型的連通性權重分配給BNA圖案20中的每對節點時，優選地分別對每種類型的連通性權重對BNA圖案求平均值。可選地并且優選地，可以將一個或多個平均值合并（例如，相加、相乘、求平均值等）以提供合并的BNA圖案相似性。可替代地，可以將平均值的代表（例如，最大平均值）定義為BNA圖案相似性。相似性可以表示為連續變量或離散變量。在本發明的多種示例性實施方式中，相似性是非二元數（non-binarynumber）。換言之，方法計算了兩個BNA圖案相似或不同的程度，而不是確定兩個BNA圖案是否相似或不同。例如，相似性可以表示為作為0至1之間非整數的百分比（例如，0相當于完全不同，而1相當于BNA圖案和本身之間的比較）等。在其中對相同受試者獲得了幾個受試者特異性BNA圖案的實施方式中，優選地將每個受試者特異性BNA圖案與相應的基線BNA圖案相比較。可選地并且優選地，方法選擇了彼此最匹配的一對BNA圖案。可選地，方法可以為進行比較的每對BNA圖案分配得分。這種得分可以（例如）是一種或多種BNA圖案相似性S，如上文進一步詳細說明的。因此，在本發明的多種示例性實施方式中，52包括計算至少一種BNA圖案相似性S，其描述了BNA圖案20和基線BNA圖案之間的相似性。BNA圖案相似性可以用作定量描述受試者對各自組的成員水平的分類得分。當使用不同的組數據對相同受試者構建不止一個受試者特異性BNA圖案時，該實施方式是特別有用的，其中分類得分可用于評估受試者對每個組的成員水平（membershiplevel）。因此，另外可以將每個收縮的受試者特異性BNA圖案與組BNA圖案進行比較，或者可替代地與各自受試者特異性基線BNA圖案相比較。方法繼續至15，在此響應于所計算的相似性評估腦震蕩的可能性。例如，可以至少部分基于所獲得的相似性計算震蕩指數。震蕩指數可以是相似性本身或者它可以是基于相似性計算的。例如，當在與腦震蕩有關的BNA圖案之間發現了高水平的相似性時，方法可以發布報告：受試者患有腦震蕩的可能性較高。當比較是在與震蕩有關的BNA圖案之間和在與正常腦功能有關的BNA圖案之間時，兩種相似性水平均可用于評估。例如，由S震蕩和S正常表示各個相似性水平，其中S異常和S正常均在0至1之間，震蕩指數I震蕩可以計算為：I震蕩=(S震蕩+(1-S正常))/2.以上公式的改變不排除在本發明的范圍之外。一旦評估了可能性，根據需要，可以將它傳輸至計算機可讀介質或顯示裝置或打印裝置。例如，震蕩指數可以通過比例尺以圖形形式提供給用戶。圖4中示出這種圖示的代表性實例。可選地并且優選地，相似性水平還可以用作特定受試者的預后指示。具體地，對相似性水平隨時間變化的觀察可以用作預后指示。例如，當相對于正常基線，相似性水平隨時間提高時，提高的速率可以用作預后指示。因此，可選地并且優選地，方法響應于所計算的相似性提取16預后信息。基線BNA圖案還可以與注釋信息有關，所述信息與治療；可選地并且優選地連同治療特性，例如，劑量、持續時間和治療后所經歷的時間有關。所構建的BNA圖案與這類基線BNA圖案之間的比較可以提供與受試者對治療的響應和/或對特定受試者的治療效力有關的信息。可選地并且優選地，這種比較可以結合特定治療用于提取預后信息。與該基線BNA圖案互補的BNA圖案是注釋為對應于未治療的腦相關病癥的BNA圖案。可選地并且優選地，方法將BNA圖案20與注釋為對應于所治療的腦相關病癥的至少一種基線BNA圖案以及注釋為對應于未治療的腦相關病癥的至少一種基線BNA圖案相比較。根據需要，可以將預后信息傳輸至計算機可讀介質或顯示裝置或打印裝置。方法在17結束。本發明實施方式的BNA圖案比較技術還可以用于誘導腦功能的改善。在本發明的一些實施方式中，在更高水平的認知測試中對受試者（一般地）實時構建了結合的受試者特異性BNA圖案。可以為受試者提供構建的BNA圖案或其一些圖示并將它們用作反饋。例如，作為認知動作的結果，當受試者的BNA圖案變得與健康組的特征性BNA圖案更相似，則受試者可以將向該受試者提供這種結果用作正反饋。相反，作為認知動作的結果，當受試者的BNA圖案變得對腦病癥組的特征性BNA圖案更相似時，則受試者可以將向該受試者提供這種結果用作負反饋。可選地并且優選地，使用外部刺激電極，可以利用BNA圖案結合神經反饋的實時分析來改善皮層刺激。圖5是根據本發明多個示例性實施方式，適合于根據神經生理學數據估算腦震蕩可能性的另一種方法的流程圖。方法在10開始并且可選地并且優選地繼續至11，在此接收神經生理學數據，如上文進一步詳細說明的。方法繼續至12，在此確定數據的特征之間的關系從而識別活動相關特征，并且方法繼續至13，在此如上文進一步詳細說明的構建了受試者特異性BNA圖案。在本發明的實施方式中，使用作為組數據或合成數據的參考數據構建受試者特異性BNA圖案。所構建的受試者特異性BNA與腦震蕩有關。方法繼續至51，在此將受試者特異性BNA圖案（例如，圖案20）與注釋為對應于腦震蕩的組BNA圖案相比較。可以如上所述進行比較，從而計算BNA圖案的相似性。方法繼續至52，在此將相似性與描述先前構建的相同受試者的受試者特異性BNA圖案和相同組BNA圖案之間的比較的所記錄的相似性進行比較。方法繼續至53，在此響應于所記錄的相似性和所計算的相似性之間的差異評估腦震蕩的可能性。因此，方法50和上述方法10之間的差異為在方法50中，評估基于在所計算的相似性中所觀察的變化而不必需是受試者特異性BNA圖案中的變化。另一種差異是所使用的基線BNA圖案的類型。在方法10中，基線BNA圖案優選地是受試者特異性的。在方法50中，基線BNA圖案是組BNA圖案。可選地并且優選地，方法可以從52循環返回到12或13以構建另一個受試者特異性BNA圖案。例如，方法可以構建13受試者特異性BNA圖案，它與正常腦功能有關，并且將它51與注釋為對應于正常腦功能的組BNA圖案相比較以提供第二相似性水平。然后，方法可以將52第二相似性與各自的第二記錄的相似性相比較。在這些實施方式中，評估也基于第二記錄的相似性和第二計算的相似性之間的差異。例如，當對應于腦震蕩的相似性隨時間提高，并且對應于正常腦功能的相似性隨時間降低，則方法可以評估有可能受試者患有震蕩。可選地并且優選地，方法50繼續至16，在此如上文進一步詳細說明的，響應于所計算的相似性，提取預后信息。方法在57結束。還可以合并方法10和方法50。在這些實施方式中，將受試者特異性與受試者特異性基線和組注釋基線兩者相比較。每個比較還提供了有關腦震蕩可能性的評估。根據需要，可以將所有獲得的評價傳輸至計算機可讀介質或顯示裝置或打印裝置。根據本發明的一些實施方式的一個方面，提供了用于分析神經生理學數據的系統。系統包括數據處理器，例如，專用電路或通用計算機，其配置用于接收神經生理學數據和進行至少一些本文的運算。根據本發明的一些實施方式的一個方面，提供了用于評價注意力不足過動癥（ADHD）的可能性的方法。方法包括：在獲取自受試者腦的神經生理學數據中識別活動相關特征，構建BNA圖案，和計算描述所構建的BNA圖案和基線ADHDBNA圖案之間的比較的BNA圖案相似性。相對于用于估算腦震蕩可能性的方法，可以如上進行活動相關特征的識別和/或BNA圖案的構建。可替代地或者另外地，可以根據PCT申請號PCT/IL2011/000055教導的內容識別活動相關特征和/或BNA圖案構建，該專利的內容通過引用結合于此。在本發明的多種示例性實施方式中，基線ADHDBNA圖案具有表示事件相關電位的節點，其主要位于特征時間窗口在約100ms至約200ms內的多個額中位置處的一個或多個頻帶，頻帶選自δ、θ和α頻帶。在本發明的一些實施方式中，基線ADHDBNA圖案具有表示事件相關電位的節點，其主要位于特征時間窗口在約300ms至約600ms內的多個枕骨、頂骨和額中位置處的δ頻帶。一旦計算了所構建的BNA圖案和基線ADHDBNA圖案之間的BNA相似性，則它可以用于評估可能性。例如，高于預定閾值的BNA圖案相似性可以表示受試者患有ADHD的可能性。可選地并且優選地，通過至少部分基于所構建的BNA圖案和基線ADHDBNA圖案之間的相似性確定ADHD指數來提取可能性。ADHD指數可以是相似性本身或者它可以是基于相似性計算的。在本發明的多種示例性實施方式中，ADHD指數是基于所構建的BNA圖案和注釋為異常的BNA圖案之間的相似性、以及所構建的BNA圖案和基線ADHDBNA圖案之間的相似性計算的。例如，由S正常表示前一種相似性而由SADHD表示后一種相似性，其中S正常和SADHD均在0至1之間，并且ADHD指數IADHD可以計算為：IADHD=(SADHD+(1-S正常))/2.上述公式的改變不排除在本發明的范圍之外。腦病癥指數可以通過比例尺以圖形形式提供給用戶。圖38中示出對于ADHD的情況的這種圖示的代表性實例。如本文所使用的，術語“約”表示±10%。單詞“示例性”在本文中用于表示“用作實例、例子或說明”。描述為“示例性”的任何實施方式不必需視為優選的或者比其他實施方式有利和/或排除從其他實施方式引入特征。單詞“可選地”在本文中用于表示“在一些實施方式中提供，而在其他實施方式中不提供”。本發明的任何具體的實施方式可以包括多種“可選的”特征，除非這些特征相互矛盾。術語“包含（comprises）”、“含有（comprising）”、“包括（includes）（including）”、“具有（having）”以及它們的同根詞表示“包括但不限于”。術語“由……組成”表示“包括并且限于……”。術語“基本由……組成”表示組合物、方法或結構可能包括其他成分、步驟和/或部分，但是只有在其他成分、步驟和/或部分不會實質性改變所主張的組合物、方法或結構的基本和新穎性特征時才包括。除非在上下文中明確說明，否則如本文所使用的，單數形式的“一個（a）”、“一種（an）”和“該（the）”包括復數引用。例如，術語“化合物”或“至少一種化合物”可以包括多個化合物，其包括它們的混合物。在整個發明申請中，可以以范圍形式提供本發明的多種實施方式。應理解以范圍形式進行說明僅是為了方便和簡潔，并不應將其視作對本發明范圍刻板的限制。因此，應認為范圍的說明具有具體公開的所有可能的子范圍以及該范圍內的單個數值。例如，范圍的說明（如1至6）應認為具有具體公開的子范圍，如從1至3、從1至4、從1至5、從2至4、從2至6、從3至6等，以及該范圍內的單個數值，例如，1、2、3、4、5和6。不考慮范圍的寬度，這都是適用的。每當在本文中指明數值范圍時，它表示在所指明的范圍內包括任何引用的數值（分數或整數）。短語“在第一指明的數值和第二指明的數值之間的范圍內”和“在第一指明的數值至第二指明的數值的范圍內”在本文中可互換使用，并且表示包括第一和第二指明的數值以及它們之間所有的分數和整數。應理解為了清楚起見，在單獨的實施方式的背景中描述的本發明的某些特征也可在單一實施方式中以組合提供。相反地，為了簡便起見，在單一實施方式的背景中描述的本發明的多種特征也可單獨提供或者以任何適合的子組合形式提供，或者如在本發明任何其他的實施方式中適合的形式提供。在多種實施方式的背景中描述的某些特征不應認為是那些實施方式的基本特征，除非在沒有那些要素時該實施方式不能實施。如上文所描述的和如在以下權利要求部分中所主張的本發明的多個實施方式和方面在下列實施例中獲得了實驗支持。實施例現在參考以下實施例，并連同上述說明，以非限制的方式描述了本發明的一些實施方式。該實施例描述了用于震蕩所引起的認知障礙的模型。該模型基于向健康受試者施用東莨菪堿。向受試者施用了0.4mg的東莨菪堿和安慰劑藥物。根據本發明實施方式所教導的，構建了兩個組BNA圖案（一個安慰劑組的BNA圖案和一個東莨菪堿組的BNA圖案）和幾個受試者特異性BNA圖案。受試者實施了幾個任務，其包括聽覺oddball測試和工作記憶測試。在聽覺oddball目標檢測測試中，要求受試者對在一系列標準刺激中很少并且不規則發生的聽覺目標刺激做出響應。標準刺激為1000Hz音調的形式，而目標刺激處于2000Hz音調的形式。兩個連續刺激（標準和目標）之間的間隔為1.5秒。每個受試者暴露于一系列刺激，其中80%是標準刺激，10%是目標刺激。另外10%是背景聲音（稱為“新型刺激”）。在工作記憶測試中，要求每個受試者記住人臉圖像（稱為“線索”）。兩秒鐘后，再次向受試者提供人臉圖像（稱為“探針”）并要求確定探針是否與線索匹配。在三個時間點進行測試和數據獲取：（i）施用安慰劑后立即，（ii）施用0.4mg東莨菪堿后1小時，和（iii）兩周后，從而允許完全清除藥物。將由施用安慰劑后獲取的數據構建的BNA用作基線BNA。藥物的作用是暫時的，從而允許本發明人模擬震蕩階段（當藥物的藥物動力學處于峰值水平）和恢復后（當藥物已從受試者中清除）。圖6A-圖6C示出對應于三個不同受試者的結果。在oddball測試期間采集數據。圖6A-圖6C中的每一個示出注釋為正常的組基線BNA圖案和在時間點（ii）和（iii）獲取的兩個受試者特異性BNA圖案。還示出對照組的BNA圖案。柱狀圖示出與基線的相似性水平。在柱狀圖上，正常范圍表示為矩形。更具體地，矩形表示最小重要性差異（MID），它是由正常組數據計算的。在模擬震蕩前后BNA得分在MID范圍之外的這種情況下，認為單個受試者的兩次測量之間的任何變化是顯著性變化。認為MID內的變化是非顯著性的，并且可以看作系統的噪音。顯示了存在明顯的顯著性變化。圖7A-圖7C示出對相同的三位受試者進行的實驗的結果。在工作記憶測試期間采集數據。圖7A-圖7C中的每一個示出注釋為正常的組基線BNA圖案和在時間點（ii）和（iii）處獲取的兩個受試者特異性BNA圖案。還示出對照組的BNA圖案。柱狀圖示出對基線的相似性水平。如以上對圖6A-圖6C所描述的，在柱狀圖上將正常范圍表示為矩形。如在圖6A-圖6C和7A-圖7C中所示出的，對于惡化狀況，對正常基線的相似性水平降低，表明腦震蕩的可能性較高。該實施例表面本發明實施方式評估腦震蕩可能性的能力。盡管已結合其具體實施方式說明了本發明，但是顯然多種替代、修改和改變將對本領域技術人員是顯而易見的。因此，它旨在包含落入隨附權利要求的精神和廣泛范圍內的所有這些替代、修改和改變。在本說明書中提及的所有專利公開、專利和專利申請以與具體并且單獨指明每個專利公開、專利或專利申請通過引用結合于此的相同程度，以其全部內容通過引用結合于本說明書中。另外，不應將本發明申請中的任何參考文獻的引用或確定視為允許該參考文獻作為對本發明的現有技術可用。在使用章節標題的程度上，不應將它們視為必要的限制。