CC BY
110
НОВЫЕ ПОДХОДЫ К ПОИСКУ НЕСТАЦИОНАРНЫХ ХАРАКТЕРИСТИК ЭЛЕКТРОЭНЦЕФАЛОГРАММ
Д.Ю. Боснякова1-1, Ю.В.Обухов1 , Ф.А.Дикарев1-1, Г.Д.Кузнецова2), А.В.Жарикова3) 1Институт радиотехники и электроники РАН, 125009 Москва, Моховая 11/7, +7(495)2031716,
obukhov@cplire.ru
2)Институт высшей нервной деятельности и нейрофизиологии РАН, 117865 Москва, Бутлерова,
+7(495)3342622, gdkuznetsova@yandex.ru 3) Факультет фундаментальной медицины МГУ
Представлены новые подходы к поиску характеристик нестационарности электроэнцефалограмм, основанные на выделении хребтов двумерных спектрограмм сигнала, а также на многомасштабном корреляционном анализе. Эти методы применены для частотно-временного анализа и поиска скачков фазы пик-волновых разрядов ЭЭГ при абсансной эпилепсии. С помощью специально разработанного вейвлета исследовалась частотно-временная динамика ЭЭГ при припадке у животных с генетической абсансной эпилепсией (крысы линии WAG/Rij) и у людей. Этот вейвлет зануляет амплитуды в точках хребтов спектрограмм вейвлет преобразования Морле. Показан нестационарный характер ЭЭГ при припадке. Обнаружено, что частотно-временная динамика ЭЭГ при припадке у крыс с генетической абсансной эпилепсией и людей имеет идентичный характер, но происходит в разных частотных диапазонах. Приведены результаты вейвлет анализа ЭЭГ пациентов на ранней и развитой стадии паркинсонизма.
Введение
Многоканальная электроэнцефалография (ЭЭГ) и магнитная энцефалография (МЭГ) являются методами исследования функционирования мозга. Анализ сигналов ЭЭГ и МЭГ позволяет получать информацию о возникновении, развитии и окончании электрофизиологических процессов в мозге, реакции на стимулы и т.д. Наиболее важными вопросами такого анализа являются поиск характеристик сигнала в каждом канале и межканальной синхронизации сигналов, т.е. взаимодействия участков мозга. Предложенные ранее линейные и нелинейные методы анализа сигналов ЭЭГ и МЭГ [1, 2] принципиально требуют стационарности сигналов. Для этого сигналы обычно разбиваются на окна стационарности с помощью различных эвристических алгоритмов.
В рамках нашего подхода мы полагаем, что нестационарные характеристики отражают электрофизиологические аспекты взаимодействия участков мозга, т.е. мы считаем, что влияние биохимических процессов происходит существенно более медленно. Настоящая работа посвящена описанию подходов к поиску нестационарных характеристик спонтанных ЭЭГ (в отличие от потенциалов, вызванных некоторым стимулом). Более конкретно, разработанные методы применялись для анализа разрядов пик-волна (spike-wave discharges SWD), которые отражают в ЭЭГ характеристики неконвульсивной абсансной эпилепсии. SWDs проявляется при различных формах абсансной эпилепсии, таких как детская и ювенильная абсансная эпилепсия, ювенильная миоклоническая абсансная эпилепсия и др. и у пациентов с тонико-клоническими припадками. Частотновременная структура SWD содержит важную информацию о механизмах пароксизмальной активности мозга и влиянии на нее антиэпилептических препаратов.
Для частотно-временного анализа SWD был разработан новый вейвлет [3], который мы применили для анализа ЭЭГ животных с генетической абсансной эпилепсией (крысы линии WAG/Rij) [4] и пациентов [5].
Аналогичный анализ ЭЭГ был выполнен при обследовании пациентов на ранней и развитой стадии паркинсонизма. С помощью вейвлет анализа сигналов ЭЭГ обнаружена тонкая частотно-временная структура бета-активности и рост дезорганизации частотно-временной динамики ЭЭГ с развитием заболевания Паркинсона. Анализ частотно-временной динамики ЭЭГ показал существенный
рост дезорганизации вейвлет спектров с развитием заболевания Паркинсона. Можно ожидать, что дальнейший анализ бета диапазона ЭЭГ, с использованием новых подходов и методов математической обработки, может оказаться ключевым при поиске путей для ранней диагностики болезни Паркинсона.
Вейвлет анализ SWD
Непрерывное вейвлет преобразование Ж функции / определяется формулой
[6]:
Ж/ (а, Ъ) = \/у[а | / ( х)^(——Ь)^
х - Ъл^ (1)
а
где а и Ъ - коэффициенты масштабирования и сдвига. Для частотно-временного анализа часто используют вейвлет Морле, поскольку он имеет наилучшую одновременно частотную и временную локализацию. Вейвлет Морле определяется следующим выражением:
¥(х) = С1е“х2/2^(С2 х), (2)
где С1, С2 - константы. Вейвлет Морле представляет спектрограмму сигнала в широком диапазоне частот, представляющую различные процессы. Выделение доминирующих процессов и их частотно-временной анализ представляет собой следующий этап обработки. Спектрограммы Морле SWD сигнала имеют вид системы хребтов,наиболее мощный из которых мы принимаем за доминирующий процесс. S. Ма1Ы [7] определял хребты оконных Фурье и вейвлет спектрограмм как точки 3^ поверхности с постоянной фазой сигнала, которые определялись дифференцированием фазы сигнала. Однако, ЭЭГ сигналы (SWDs) зашумлены, что делает задачу дифференцирования фазы некорректной. Мы предложили другой подход [3]. В качестве доминантного признака частотно-временной декомпозиции спектрограммы мы предложили использовать проекцию хребтов на плоскость частота-время. Используя свойства Фурье преобразования мы получили новый вейвлет (3), который позволяет выделить проекции хребтов спектрограмм Морле и получить зависимость от времени доминирующей частоты сигнала [3 ]:
¥( х) = С1 хе-—2/2^(С2 х), (3)
С помощью модифицированного вейвлета Морле (3) и программы трассирования (оцифровки) «долины» спектрограммы можно получить частотновременную динамику различных процессов. Выбор начала и конца процесса осуществляется вручную.
Результаты
SWDs у WAG/Rij крыс возникают спонтанно во время пассивного бодрствования, переходного состояния и дремоты. Типичные разряды длятся от 4 до 8 секунд. Разряды длительностью более 15 секунд возникали весьма редко при определенном физиологическом состоянии и только у некоторых животных. Мы проанализировали с помощью описанных методов два типа SWD разрядов -типичные разряды (3.6-8.0 сек) и более короткие. Разряды записывались с помощью вживленных в теменную область коры мозга электродов. Перед возникновением разряда в ЭЭГ появлялись медленные колебания с большой амплитудов. В начале разряда частота колебаний составляла примерно 15 Гц. Затем в течение первых 300
мсек частота уменьшалась до примерно 10 Гц. После этого частота колебалась около 10 Гц в диапазоне 1-3 Гц с периодом 0.7 сек и имела тенденцию к уменьшению к концу разряда. В конце разряда частота составляла 7-8 Гц. Для коротких разрядов частота резко падала от 15 Гц в начале до 5 Гц - в конце.
Были исследованы ЭЭГ 12 пациентов с 4-мя различными формами эпилепсии, записанные в состоянии покоя пациента и при гипервентиляции. Первоначальный визуальный анализ ЭЭГ всех обследованных пациентов показал их схожесть. Длительность пик-волновых разрядов у пациентов варьировалась от 2 до 25 сек. Частотно-временные характеристики SWD были аналогичны характеристикам у животных, однако частотный диапазон был ниже. Начальная частота разряда составляла 6 Гц и быстро уменьшалась до 4 Гц при длинных разрядах. После этого частота осцилировала с периодом 1-2 сек и имела тенденцию к уменьшению с течением разряда. В конце длинных разрядов частота составляла 3.5 + 0.5 №.
Обсуждение результатов
Вейвлет анализ и многомасштабный корреляционный анализ ЭЭГ сигналов позволил получить новую информацию о частотно-временной структуре SWDs у животных и людей. Обнаружено, что в начале разряда частота существенно выше, чем известно из литературы (как у животных, так и у людей). Возможно это потому, что обычно частоту ранее определяли на интервалах времени порядка 1 сек. Вейвлет анализ позволил количественно определить частотно-временную динамику разрядов, в частности, максимальную частоту в надале разрядов.
Важным результатом настоящей работы является обнаружение совпадения частотно-временной динамики SWDs у пациентов и генетической модели абсансной эпилепсии (WAG/Rij крысы). Соответствие характеристик частотновременной динамики может служить дополнением другим доказательствам схожести между абсансной эпилепсией у людей с таковой у модельных животных -такими как фармакологические профили, преимущественное возникновение SWD во время бессонницы и т.п. Настоящий подход планируется применить для анализа ЭЭГ при других формах неконвульсивной эпилепсии.
Анализ ЭЭГ пациентов с заболеванием Паркинсона
В литературе [8]обычно указывают несколько особенностей, характерных для ЭЭГ пациентов с болезнью Паркинсона: увеличение выраженности дельта и бета диапазона; нарушение или подавление основного ритма ЭЭГ, т.е. альфа колебаний; появление отдельных пароксизмов в тета и альфа диапазоне и локальных высокоамплитудных эпизодов. Наибольшее внимание исследователи уделяют бета диапазону. Достоверные изменения мощности бета диапазона по сравнению с нормой отмечаются уже на ранних стадиях заболевания у пациентов, не проходивших фармакологического лечения. На продвинутых стадиях заболевания обычно отмечают общее увеличение когерентности в этом частотном диапазоне.
Для анализа временных соотношений между вспышками бета колебаний в правом и левом полушарии мы использовали вейвлет преобразование (обычный вейвлет Морле и модифицированную его форму). Для анализа были взяты отведения, где амплитуда бета колебаний была наиболее высокой. Оказалось, что в пределах одного полушария наблюдается хорошая синхронность возникновения вспышек бета колебаний. Напротив, при исследовании электрической активности симметричных точек коры было обнаружено четкое рассогласование во времени, т.е. вспышки бета активности в правом и левом полушарии не совпадали по времени (пациенты Д и К).
В группе пациентов, обследованных в НИИ неврологии РАМН, на спектрах мощности ЭЭГ были отмечены случаи несовпадения максимумов на частоте бета-1 в различных участках одного и того же полушария. Такая картина устойчиво сохранялась в течение записи (пациенты З и П). По литературным данным в рамках всего диапазона бета-1 (т.е. полоса от 13 до 30 Гц) когерентность в бета диапазоне у пациентов отчетливо выше по сравнению с нормой. Поэтому наблюдения, свидетельствующие о возможности несовпадения максимумов спектрограмм на этой полосе ЭЭГ в записях, сделанных от разных участков одного и того же полушария требуют специального внимания и объяснения. Следует отметить, что некоторое несовпадение максимумов спектров мощности было отмечено также в альфа диапазоне ЭЭГ различных областей коры у пациентов с достаточно сохранным альфа ритмом.
Благодарности
Авторы выражают благодарность Российскому фонду фундаментальных исследований (проекты №№ 08-01-00887-а, 08-02-01312-а) и Президиуму
Российской академии наук (Программа «Фундаментальные науки - медицине» -2005, 2006, 2007 гг.) за их финансовую поддержку, а также к.б.н. А.В. Габовой, к.т.н. В.А. Морозову и к.т.н. А.А. Морозову за помощь в выполнении работы.
1. Bin He (ed.). Neural Engineering, Kluwer Academic-Plenum Publishers, New Yor, 2005
2. Ansary-Asl K., Shenhadji L., Delanger J.-J., Wendling F. Quantitative evaluation of linear and nonlinear methods characterizing interdependencies between brain signals. Physical Review E 74, 031916 (2006), pp. 031916-1 - 031916-16
3. Bosnyakova D, Obukhov Yu. Extraction of dominant feature in biomedical signals. Pattern Recogn Image Anal. 2005; 15: 513-515
4. Bosnyakova D, Gabova A, Kuznetsova G, Obukhov Yu, Midzyanovskaya I, Salonin D, van Rijn C, Coenen A, Tuomisto L, van Luijtelaar G. Time- frequency analysis of spike-wave discharges using modified wavelet transform. J Neurosci Methods 2006; 154: 80-88
5. Bosnyakova D.; Gabova A.; Zharikova A.; Gnezditski V; Kuznetsova G.; van Luijtelaar G. SOME PECULARITIES OF TIME-FREQUENCY DYNAMICS OFSPIKE-W AVE DISCHARGES IN HUMANS AND RATS. Clinical Neurophysiology 2007; 118, pp. 1736-1743
6. Daubeshies I. Ten lectures on wavelet. Philadelphia: Society for Industrial and Applied Mathematics, 1992
7. Mallat S. Wavelet tour of signal processing. Academic Press, 1999
8. D.Stoffers, J.L.W. Bosboom, J.B.Deijen, et.all. Slowing of oscillatory brain activity is a stable characteristic of Parkinson’s desease without dementia. - Brain, 2007, pp.1-14
