CC BY
74
Омельченко Виталий Петрович
Государственное образовательное учреждение высшего профессионального образования «Ростовский государственный медицинский университет Росздрава» в г. Ростове-на-Дону. E-mail: aad@aaanet.ru.
344010, г. Ростов-на-Дону, пр. Ворошиловский, 40/128, кв.55.
Тел.: 88632632352.
Демидова Александра Александровна
344068, г. Ростов-на-Дону, ул. Фурмановская, 100.
Тел.: 88632206301.
Караханян Карина Суреновна
344013, г. Ростов-на-Дону, пер. Рязанский, 2.
.: 88632488352.
Omel’chenko Vitaly Petrovich
State-Owned Educational Establishment of Higher Vocational Education «Rostov state medical university Roszdrava» in a Rostov-on-Don.
E-mail: aad@aaanet.ru.
40/128, 55, Voroshilovsky street, Rostov-on-Don, 344010, Russia.
Тел.: +78632632352.
Demidova Alexandra Aleksandrovna
100, Furmanovskaya street, Rostov-on-Don, 344068, Russia.
Phone: +78632206301.
Karahanjan Karina Surenovna
2, Ryazan street, Rostov-on-Don, 344013, Russia.
Phone: +78632488352.
УДК 616.831-073.97
В.П. Омельченко
КОМПЛЕКСНЫЙ АНАЛИЗ ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ
ГОЛОВНОГО МОЗГА ПСИХОНЕВРОЛОГИЧЕСКИХ БОЛЬНЫХ
Предложен комплексный методический подход, позволяющий объективизировать функциональное состояние пациентов с различными психоневрологическими заболеваниями и повысить информативность ЭЭГ.
Электроэнцефалография (ЭЭГ); многомерное шкалирование; дискриминантный ана-; ( ); .
V.P. Omel’chenko
COMPLEX ANALYSIS OF FUNCTIONAL STATE OF BRAIN IN PSYCHONEUROLOGY
Reviewed the complex method of evaluation the functional state of brain in psychoneurology and increasing informativeness of EEG.
Electroencephalography (EEG); multidimensional scaling; discriminant analysis; trigeminal neurology (TN); multiple sclerosis.
Оценка функционального состояния головного мозга по его биоэлектрической активности является объективной процедурой, позволяющей выявить наличие скрытых патологических процессов [1]. Однако, учитывая неспецифический
характер электроэнцефалографических (ЭЭГ) проявлений различных психоневрологических нарушений, необходимо комплексное обследование пациентов включающее, наряду с инструментальными методами, оценку психологического статуса, биохимические показатели и, конечно, клинические проявления.
, , -ду с общепринятыми математическими методами обработки биосигналов, направленными на сжатие информации, перспективно применение многомерных статистических методов для классификации или распознавания различных состояний [2].
Целью нашего исследования являлось установление взаимосвязи между раз, -га психоневрологических больных и определение возможностей ЭЭГ исследований для классификации этих состояний.
Методический подход состоял в комплексном изучении состояния пациента (рис. 1).
Многомерные статистические методы применялись для решения следующих задач. Во-первых, устанавливалась теснота связи между биоэлектрическими пока,
состояния больных. Во-вторых, с помощью дискриминантного и кластерного анализа оценивалась возможность классификации ЭЭГ показателей различных групп больных и здоровых испытуемых. В-третьих, рассматривались различные методы для отображения результатов анализа ЭЭГ в виде двумерной картинки с целью визуализации исходных состояний пациентов и их изменений в процессе лечения. Для этого использовались меры близости в многомерных пространствах и метод
. -ционального состояния головного мозга по ЭЭГ путем сворачивания многомерного пространства на двумерную плоскость [3]. Примечательно, что этот метод не требует проверки на нормальность распределения исходных данных.
Рис. 1. Комплексный методический подход
В исследовании приняло участие 65 пациентов, находившихся на лечении в отделении нервных болезней и нейрохирургии № 1 Ростовского государственного медицинского университета, из них 32 человека с невралгией тройничного нерва и 33 . 35
.
осуществлялась врачом-неврологом высшей категории к.м.н. З.А. Гончаровой. Операции по микроваскулярной декомпрессии тройничного нерва у пациентов с невралгией тройничного нерва проводилась заслуженным врачом РФ д.м.н., про. . .
16-
по международной схеме 10-20 % с помощью аппаратно-программного комплекса
«Энцефалан 131-03» на момент поступления в клинику и в динамике лечения. В рамках аппаратно-програмного комплекса «Энцефалан 131-03» осуществлялась предварительная фильтрация сигнала, удалялись артефакты от ЭОГ и ЭЭГ, а также проводилось вычисление нормированных спектров мощности (НСМ) по 24 частотам и картирование спектров по основным ритмам ЭЭГ. Для оценки психологического статуса пациентам с рассеянным склерозом было проведено тестирование с помощью тестов: реактивной и личностной тревожности Спилбергера - Ханина, Торонтской школы алекситимии, социальной фрустрированности Вассермана, , .
В исходном состоянии было выявлено достоверное увеличение реактивной и ,
восприятия от аутогенной нормы Вальнеффера (табл. 1). После лечения отмечалось статистически значимое снижение реактивной и личностной тревожности, , , -приятия от аутогенной нормы Вальнеффера.
1
Психологические характеристики больных РС
Показатель Норма До лечения После лечения
Алекситимия 59,3+1,3 67,4±1,6 61,4±1,2*
Социальная фрустрация Менее 1 1,4±0,1 1,2±0,2
Реактивная тревожность Менее 30 48,5±1,1* 42,1±0,8*
Личностная тревожность Менее 30 51,7±1,2* 41,3± 1,0*
Депрессия Менее 10 15,1±0,9* 12,2±0,8*
Коэффициент вегетативности Шипоша 0,92±0,06 0,99±0,03
Суммарное отклонение цветового восприятия от аутогенной нормы Вальнеффера 15,6±0,6* 12,3±0,4*
* - достоверные отличия между группами при а<0,05.
С помощью корреляционного анализа была установлена взаимосвязь между сдвигами психологических характеристик и динамикой электрофизиологиче-ских. Снижение после лечения реактивной, личностной тревожности и депрес-сивности коррелировало с увеличением амплитуды 0-, a-ритма и снижением амплитуды в-ритма.
, -
ния биоэлектрической активности головного мозга, которые находились в тесной взаимосвязи с психологическим состоянием пациентов.
При обработке данных ЭЭГ с помощью модуля General Discriminant Analysis (GDA) системы Statistica 6.0 был получен интегральный вектор, отражающий вклад наиболее значимых частот по всем областям головного мозга для разделения больных рассеянным склерозом и практически здоровых испытуемых. В состав интегральной классификационной функции вошли частотные составляющие практически всех ритмов ЭЭГ, однако наиболее широко были представлены высокочастотные составляющие Р-ритма 23-24 Гц и 11-12 Гц составляющие а-ритма.
, -
формативные признаки ЭЭГ, позволяющие дискриминировать больных рассеянным склерозом от здоровых испытуемых, причем диагностическая чувствительность метода, т.е. процент больных, верно отнесенных к патологии, составила 70 %, а диагностическая специфичность - 65,7 %.
При анализе ЭЭГ больных рассеянным склерозом методом многомерного шкалирования по отдельным частотным интервалам наиболее четкое различие отмечено в диапазоне частот 13-24 Гц.
В этом случае наблюдается компактное разделение данных на 3 группы: группа здоровых, группа больных РС в начале лечения и группа больных РС в конце лечения (рис. 2). Причем, отмечено приближение ЭЭГ показателей больных после лечения к группе здоровых испытуемых.
І II ІС1 іиуілсиїлі, ип I О 1СМЫ1 I V». ІЛІ I ЕЗ ОІШ I
1,4
-20 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5
Рис. 2. Пространство расстояний между показателями ЭЭГ в диапазоне частот 13-24 Гц для групп здоровых испытуемых и больных рассеянным склерозом
Аналогичная методика была использована и при обследовании пациентов с невралгией тройничного нерва (НТН). У пациентов с НТН при поступлении в клинику болевой синдром, в соответствии с ВАШ, был значительно выражен. После проведения операции его интенсивность прогрессивно снижалась (табл. 2). Это коррелировало с показателями биоэлектрической активности (табл. 3).
2
Изменение показателей визуально-аналоговой шкалы боли у больных НТН
до и после операции
Показатель Исходный показатель Послеоперационный период
3-й сутки 10-е сутки
Самооценка боли по ВАШ, баллы 7,4±0,6 2,1±0,2* 1,0±0,1*
Таблица 3
Корреляция между характеристиками болевого синдрома и динамикой электрофизиологических показателей у больных с НТН
Показатели А амплитуды а-ритма А амплитуды Р-ритма А 0-ритма А дельта-ритма
Снижение самооценки боли по ВАШ
г 0,76 0,54 - 0,52 - 0,78
а 0,002 0,002 0,03 0,001
Примечание: г - коэффициент корреляции Пирсона, а - уровень значимости.
При обработке данных ЭЭГ с помощью модуля General Discriminant Analysis (GDA) системы Statistica 6.0 были получены дискриминантные модели, отражающие вклад наиболее значимых показателей ЭЭГ в разделение пациентов на группы больных невралгией тройничного нерва и здоровых испытуемых. Судя по значению коэффициента корреляции R=0,99, значению лямбды Уилкса, равому 0,0001, ,
отличались в обеих группах, и критерию %2 Пирсона, равному 748, во много раз превышающему критическую величину, можно сделать вывод, что разделение пациентов на группы было достоверным.
Применение метода многомерного шкалирования показателей ЭЭГ у больных с НТН выявило четкое пространственное разделение на группы до и после операции, а также их отличие от групп здоровых испытуемых (рис. 3).
Измерение 1
Рис. 3. Пространство расстояний между показателями ЭЭГ в отведении ¥7 в диапазоне частот 14-21 Гц для групп здоровых испытуемых и больных НТН до и после микроваскулярной декомпрессии
Таким образом, единый комплексный подход к анализу функционального состояния мозга психоневрологических больных позволил установить наличие тесных связей между биоэлектрическими показателями и оценками психологического , -больных. Применение многомерных статистических методов позволило классифицировать здоровых и больных испытуемых по ЭЭГ-пок^ателям и визуализировать процесс изменения характеристик биопотенциалов мозга в процессе лечения.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Зенков Л.Р. Клиническая электроэнцефалография (с элементами эпилептологии). - Таганрог: Изд-во ТРТУ, 1996. - 358 с.
2. Омельченко В.П. Компьютерный анализ биопотенциалов мозга как основа оценки и фармакологической коррекции психопатологических состояний: Дис... д-ра биол. наук.
- Ростов-на-Дону, 1990. - 408 с.
3. . ., . ., . . -
ский мониторинг фармакотерапии психоневротических больных с использованием метода многомерного шкалирования // Изд. вузов Сев.-Кавк. регион. Естественные науки.
- Ростов-на-Дону. - 2003. - № 8. - С. 59-67.
Омельченко Виталий Петрович
ГОУ ВПО «Ростовский государственный медицинский университет Росздрава». E-mail: kng-as@yandex.ru. г. Ростов-на-Дону, пер. Нахичеванский, 29.
.: 88632632352.
Omelchenko Vitaliy Petrovich
Rostov State Medical University.
E-mail: kng-as@yandex.ru.
29, Nakhichevansky side street, Rostov-on-Don, Russia.
Phone: +78632632352.
УДК 621.396.1.001.24, 681.323:621.391
ЕЛ. Попечителев, И.В. Разин
МАТЕМАТИЧЕСКИЕ МОДЕЛИ АДАПТИВНОЙ ФИЛЬТРАЦИИ БИОМЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ
В работе приведены математические модели адаптивной фильтрации биомедицин -.
Контурное описание; адаптивная фильтрация; гладкая функция; дифференциальный оператор; корреляционная матрица; собственный вектор.
E.P. Popechitelev, I.V. Razin
MATHEMATICAL MODELS OF THE ADAPTIVE FILTRATION OF BIOMEDICAL IMAGES
In this work are presented mathematical models of an adaptive filtration of biomedical images.
Contour description; adaptive filtration; continuously differentiable function; differentiation operator; correlation matrix, eigenvector.
. -
ческих инвариантных моделей контурного описания изображения. Подобные задачи в медицинской технике возникают достаточно часто при анализе различных
, , уровнем помех, относительно малыми размерами исследуемых фрагментов. В качестве примеров можно назвать задачи, связанные с получением диагностически важной информации при анализе рентгенографических, ультразвуковых, магниторезонансных и других изображений. И задача связана не только с улучшением систем получения сигналов изображений, но и с развитием методов их обработки, , .
Задача контурного описания далеко не тривиальна - ее решению посвящены , . Наиболее широкое практическое применение нашли два метода контурного описа-,
