Способ исследования электроэнцефалограммы человека и животных

Способ исследования электроэнцефалограммы человека и животных

Иллюстрации

Показать все

Реферат

Изобретение относится к медицине, а именно неврологии, психиатрии, нормальной физиологии, патологической физиологии.

Известные способы изучения электроэнцефалограммы человека и животных (ЭЭГ) включают в себя регистрацию электрической активности головного мозга с поверхности кожи головы и последующую обработку полученных результатов измерения рядом методов.

Одними из наиболее распространенных методов анализа ЭЭГ являются группа частотных методов, включающая в себя различные варианты преобразования Фурье, авторегрессионный анализ, и ряд других алгоритмов (Зенков Л.Р. Клиническая электроэнцефалография с элементами эпилептологии. Издательство: МЕДпресс-информ, 2004). К недостаткам данных методов относится то, что они предусматривают усреднение полученных показателей на всем отрезке, подвергаемом анализу. Вследствие этого регистрация изменений ЭЭГ представляется затруднительным, поскольку спектр, полученный в результате анализа, представляет собой суперпозицию спектров полученных при различных состояниях человека. Кроме того, при применении данных методов исследуемый сигнал разбивается на ряд последовательных фрагментов - эпох анализа, в каждой из которых происходит расчет параметров спектра. Подобный алгоритм в случае применения преобразования Фурье представляет собой хорошо известной оконное преобразование Фурье. Однако оконное преобразование Фурье имеет одно и то же разрешение по времени и частоте для всех точек плоскости преобразования (Н.М.Астафьева, Успехи физических наук т.166, №11, 1996 г., С.1145-1170, с.1150), что делает применение этого метода для исследования временной динамики ЭЭГ при нестационарных процессах малоинформативным.

Другой особенностью анализа результатов спектрального анализа ЭЭГ данными методами является выделение жестких частотных диапазонов, в которых в дальнейшем и проводится анализ. В настоящее время выделяют следующие частотные диапазоны:

Δ (дельта) - ритм 0,5-3 Гц, амплитуда выше 40 мкВ; θ (тета) - ритм 4-7 Гц, амплитуда выше 40 мкВ; (альфа) - ритм 8-13 (14) Гц, амплитуда до 100 мкВ; β (бета) - ритм 14-40 Гц, амплитуда до 15 мкВ; γ - ритм (высокочастотный β - ритм) - выше 40 Гц (Гнездицкий В.В. Обратная задача ЭЭГ и клиническая электроэнцефалография (картирование и локализация источников электрической активности мозга). М.: МедПресс, 2004, 624 с.; Николаев А.Р. Исследование корковых взаимодействий в коротких интервалах времени при поиске вербальных ассоциаций / А.Р.Николаев, Г.А.Иваницкий, A.M.Иваницкий // Журнал высшей нервной деятельности. - 2000. - Т.50, №1. - С.44-61).

Каждый из этих ритмов имеет свое функциональное значения и может присутствовать как в норме, так и при патологии.

Выделение жестких частотных диапазонов не позволяет учитывать индивидуальные особенности распределения частотных спектров и выявлять малые по амплитуде ритмические активности, что снижает точность и информативность способа исследования электроэнцефалограммы человека и животных.

Задачей предлагаемого изобретения является улучшение оценки электроэнцефалограммы человека и животных в различных функциональных состояниях.

Технический результат заключается в увеличении точности и информативности способа исследования ЭЭГ человека и животных в различных функциональных состояниях.

Технический результат достигается тем, что способ исследования электроэнцефалограммы человека и животных включает регистрацию ЭЭГ и дальнейший ее спектральный анализ методом непрерывного вейвлет-преобразования, в котором определяют мощность частоты электроэнцефалограммы а в момент времени b по формуле

, a b∈R, a>0,

где W(a,b) - коэффициент вейвлетного преобразования; f(t) - анализируемая функция; ψ((t-b)/a) - анализирующий вейвлет;

построение на основе матрицы вейвлетных коэффициентов скейлограмм на отрезке [b_i, b_j] по формуле

, i,j<N, j>1,

где V(a₁) - скейлограмма сигнала; N - количество коэффициентов; a₁ - масштаб вейвлетного преобразования;

выделение на скейлограммах физиологически значимых частотных диапазонов исходя из расстояний между соседними локальными минимумами на кривой скейлограммы по формуле:

Δа=а_m-а_n

где Δа - физиологически значимый диапазон, а_m, а_n - соседние локальные минимумы на кривой скейлограммы;

определение значения вейвлетной плотности мощности (ВПМ) U в каждом из частотных диапазонов Δа=[а_m,а_n] по формуле

определение изменения вейвлетной плотности мощности во времени как U(t);

определение изменения частотных диапазонов во времени как Δa(t);

определение значения удельной вейвлетной плотности мощности U′ во времени по формуле:

U′=U(t)/Δa(t)

которая отражает динамику изменения активности различных генераторов ЭЭГ на коротких промежутках времени.

Скейлограммы («энергетические» диаграммы), строятся на основе матрицы вейвлет-коэффициентов, заданные как среднее квадратов коэффициентов W(a,b) при фиксированном параметре а на отрезке [b_i,b_j]. Являясь функцией масштаба, скейлограмма отражает ту же информацию, что и спектральная плотность мощности Фурье, являющаяся функцией от частоты. Как известно, вейвлет-преобразование имеет преимущество прежде всего за счет свойства частотно-временной локализации вейвлетов. Вейвлет-преобразование, представляющее собой временную развертку спектра, позволяет получить и более локализованную во времени энергетическую информацию. Энергетические диаграммы (скейлограммы) строятся на кратковременных (порядка 0,01 секунд при частоте дискретизации в 5000 Гц) отрезках, что позволяет отслеживать временную динамику процесса.

На скейлограммах выделяют локальные спектры и физиологически значимые частотные диапазоны Δа, которые рассчитывают исходя из расстояний между локальными минимумами а_m, а_n, связанными с различными типами механизмов регуляции ВСР человека. При этом при выявлении трех наиболее значимых диапазонов определяются два наиболее выраженных минимума, при четырех - три и т.д...

Суммарное значение вейвлетной плотности мощности U отражает суммарную активность нервного центра и определяется в каждом из частотных диапазонов Δа=[а_m,а_n].

Удельная вейвлетная плотность мощности U′ характеризует удельную выраженность активного нервного центра и отражает процессы изменения во времени вклада нервных центров, генерирующих определенные частоты в общую картину ЭЭГ. Выделение физиологически значимых диапазонов между локальными минимумами на кривой скейлограммы, связанных с различными ЭЭГ ритмами, оценка данного параметра позволяют выявить даже малые по амплитуде ритмические активности на различных этапах онтогенеза в норме и патологии как в покое, так и при переходных процессах, что качественным образом повышает информативность и точность способа оценки ЭЭГ. Введение временной оценки удельной вейвлетной плотности мощности позволяет описать динамику изменения активности генераторов различных ритмов ЭЭГ в покое на коротких промежутках времени.

На фиг.1 представлена спектральная плотность мощности ЭЭГ человека. Отведение O1. По оси абсцисс - частота, Гц. По оси ординат - спектральная плотность мощности, мВ²/Гц.

На фиг.2 представлена вейвлет-диаграмма ЭЭГ, отведение О1. По оси абсцисс время (единица записи - 1 секунда). По оси ординат масштаб (величина, обратная частоте). Серые многоугольники в области α ритма соответствуют областям с наиболее выраженной амплитудой этого ритма. Серыми ломаными линиями показаны границы частотных диапазонов рассчитанных согласно изобретению.

Пример.

Испытуемый Е. 20 лет. ЭЭГ монополярное отведение, частота дискретизации 5000 Гц. Показатели спектрального анализа по Фурье Δ ритм мВ^∧2=10377, θ ритм мВ^∧2=7695, α ритм мВ^∧2=1624, β ритм, мВ^∧2=1057.

Вейвлет-преобразование: непрерывное вейвлет-преобразование, вейвлет morlet, максимальный масштаб 2000, временное усреднение при построении скейлограмм 0,01 с. Значения ВПМ рассчитываются в частотных диапазонах между минимумами на каждой скейлограмме.

Из данных, приведенных на фиг.1, видно, что частоты локальных максимумов и локальных минимумов постоянно изменяются и, следовательно, константная граница частотных диапазонов не отражает истинных характеристик процесса.

Из данных, приведенных на фиг.2, видно, что при проведении разделения частотных диапазонов согласно предложенному изобретению диапазоны не постоянны, а изменяются в достаточно широких пределах.

Способ исследования электроэнцефалограммы человека и животных, заключающийся в регистрации электроэнцефалограммы и ее дальнейшем спектральном анализе методом непрерывного вейвлет-преобразования, включающем определение мощности частоты электроэнцефалограммы а в момент времени b по формуле

, b∈R, a>0,

где W(a, b) - коэффициент вейвлетного преобразования; f (t) - анализируемая функция; ψ((t-b)/a) - анализирующий вейвлет; построение на основе вейвлетных коэффициентов скейлограмм на отрезке [b_i, b_j] по формуле

, i,j<N, j>1,

где V(a₁) - скейлограмма сигнала; N - количество коэффициентов; a₁ -масштаб вейвлетного преобразования;

выделение на скейлограммах физиологически значимых частотных диапазонов, исходя из расстояний между соседними локальными минимумами на кривой скейлограммы по формуле

Δa=a_m-a_n,

где Δа - физиологически значимый диапазон, а_m, а_n - соседние локальные минимумы на кривой скейлограммы;

определение значения вейвлетной плотности мощности U в каждом из частотных диапазонов Δа=[а_m,а_n] осуществляется по формуле

определение изменения вейвлетной плотности мощности во времени как U(t);

определение изменения частотных диапазонов во времени как Δa(t);

определение значения удельной вейвлетной плотности мощности U' во времени по формуле

U′=U(t)/Δa(t).