Государственный комитет СССР по народному образованию

С.Е. КВАШНИН, А. Г. ФОМИН

АВТОМАТИЗИРОВАННЫЙ АНАЛИЗ ЭЭГ

Методические указания

к лабораторной работе по курсу

«БИОМЕДИЦИНСКАЯ КИБЕРНЕТИКА»

Под редакцией С. Е. Квашнина

Издательство МГТУ

1989 г.

Цель работы - изучение характеристик электроэнцефалографических сигналов и методов их численного анализа.

Задачи:

1) создание математической модели электроэнцефало­графического сигнала на ПЭВМ;

2) проведение ковариационного и кросс-спектрального анализа полученных моделей на ПЭВМ.

Теоретическая часть

0 состоянии психики человека можно судить по большому ко­личеству параметров, которые получили название психофизиологи­ческих показателей. Наиболее адекватно активность нервных кле­ток коры головного мозга определяется при регистрации потенциа­ла различных точек поверхности головы. Запись, получаемая при этом, получила название электроэнцефалограммы (ЭЭГ).

Для сопоставимости результатов исследований необходимо со­блюдать стандартизированные условия размещения записывающих электродов (рис 1) и регистрации (скорости протяжки бумаги, постоянной времени и характеристики фильтров усилителей и т.п.). При регистрации ЭЭГ применяют как биполярную запись от двух ак­тивных электродов, помещенных на коду головы, так и униполярную, при которой регистрирующий электрод располагается на коже голо­вы, а индифферентный - на некотором отдалении (например, на мочке уха). При интерпретации ЭЭГ прежде всего учитывают часто­ту, амплитуду, форму, длительность, а также характер распреде­ления ее волн. Анализ ЭЭГ мокко проводить как вручную, так и с помощью ЭВМ.

Механизм возникновения электроэнцефало­графического сигнала.

В основе высшей нервной деятельности лежат процессы возбуж­дения и торможения различии участков нейронных сетей централь­ной нервной системы. Разнообразие психических процессов обуслов­лено огромным количеством связей между клетками головного мозга. Для синхронизации нервной деятельности в головном мозге сущест­вует несколько структур, важнейшей из которых является таламус, в котором находится большое количество задающих ритм пейсмекер­ных клеток. Возбуждение пейсмекеров по таламокортикальным во­локнам передается на клетки коры головного мозга, что приводит к согласованному изменению их трансмембранного потенциала.

В состоянии покоя, когда колебания мембранных потенциалов кор­ковых нейронов в значительной степени синхронизированы с ритмом таламичеоких пейсмекеров, на ЭЭГ наблюдаются низкочастотные (8...13 Гц) высокоамплитудные волны, которые получили название альфа-ритма. При умственной деятельности собственная электрическая активность клеток коры увеличивается. В результате син­хронизация их деятельности, следовательно, и амплитуда ЭЭГ уменьшаются, а частота возрастает, что соответствует бета-ритму энцефалограммы, имеющему частоту 14...30 Гц. Выделяют еще два ритма ЭЭГ: тета-ритм с частотой 4...7 Гц и высокоамплитудный дельта-ритм с частотой 0,5...3,5 Гц (рис. 2). На энцефалограмме взрослого человека подобные волны возникают только, когда он на­ходится в состоянии сна.

В клинических условиях электроэнцефалографическую диагно­стику применяют при различных психических нарушениях. Так, у больных эпилепсией на энцефалограмме выделяются высокоамплитудные пароксизмальные потенциалы, для которых характерна типичная последовательность "пик - волна".

Методы автоматизированного анализа ээг.

Рассмотрим основные методы численного анализа электроэнцефалографического сигнала. Одним из наиболее давно применяемых методов анализа цифровых параметров ЭЭГ является подсчет альфа-индекса или альфа-фактора. Этот показатель определяется процентом времени, в течение которого в ЭЭГ наблюдается выраженный альфа-ритм, либо ритмические и одиночные волны соответствующей длительности - 80...130 мс.

Дальнейшее совершенствование этого подхода основывалось на анализе различных комбинаций временных и амплитудных характери­стик различных колебаний, относимых в соответствии с их длитель­ностью к одному из нескольких стандартных частотных диапазонов. Простым и эффективным способом оценки электрической активности мозга является расчет площади, описываемой кривой ЭЭГ.

В пятидесятые годы был предложен метод временного анализа ЭЭГ, основанный только на данных о точках пересечения изолинии энцефалограммой и ее первой и второй производными - периодометрический анализ. Однако дальнейшее развитие этого подхода было затруднено из-за недостатка сведений о функциях распределения искомых параметров и влияния шумов.

Потребности медицинской практики стимулировали в послед­ние годы интенсивное развитие разнообразных автоматизированных систем и приемов анализа для выделения в ЭЭГ отдельных харак­терных особенностей - паттернов. Математический аппарат данных исследований основывается на теории распознавания образов. Ши­рокое распространение численной оценки ЭЭГ получил спектраль­ный метод анализа.

Развитие этого метода шло по двум направлениям: аппаратно­му, где основное внимание отводилось созданию автоматизирован­ных устройств (коррелографов), и программному, где разрабаты­вался математический аппарат частотного анализа случайных про­цессов и совершенствовалось алгоритмическое обеспечение такого анализа на ЭВМ.

Из-за больших затрат машинного времени при проведении фурье-преобразования корреляционных функций в злектрофизиологических исследованиях все большую популярность получают мето­ды быстрого преобразования Фурье (БПФ, Кули-Тьюки, Рейдера-Винограда).

В последнее время большое внимание уделялось также разработке различных методов вторичной обработки данных спектрально­го анализа. Такая обработка включает разбиение усредненных спектров на сегменты, построение интеркорреляционной матрицы на основе величин сегментов, факторный анализ матрицы с последую­щим дискриминантным анализом полученных величин. Многократная обработка спектральных данных позволяет исследовать тонкие изме­нения в ЭЭГ, не обнаруживаемые другими методами.

Разберем свойства спектрального и кросскорреляционного ана­лиза, позволяющие производить обработку ЭЭГ с минимальными за­тратами оперативной памяти машинного времени.