- •Теоретическая часть
- •Механизм возникновения электроэнцефалографического сигнала.
- •Методы автоматизированного анализа ээг.
- •Корреляционный и кросс-спектральвий анализ электроэнцефалограммы.
- •Дискретное преобразование Фурье.
- •Свойства дискретного, преобразования Фурье
- •1. Линейность.
- •2. Сдвиг.
- •3. Симметрия.
- •4. Круговая свертка.
- •5. Ддф двойной длины.
- •6. Обратное дпф половинной длины.
- •7. Сопряжённая формула обращения.
- •Последовательность действий при проведении ковариационного ц кросо-спектрального анализов электроэнцефалограмм на эвм типа pc
- •Порядок выполнения работы.
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.