CC BY
49
Материалы Russian-German conference on Biomedical Engineering
УДК 577.3:628.8
Н. Л. Коржук, канд. техн. наук,
А. Ф. Индюхин, канд. биол. наук,
А. А. Индюхин, инженер,
Л. В. Кузовлев, инженер,
ФГБОУ ВПО «Тульский государственный университет»
Биотехническая система электроэнцефалографического скрининга
Ключевые слова: биотехническая система, синхронизация биоэлектрической активности пациента, неврологический скрининг, автоматизация диагностикиm, неврологические нарушения.
Keywords: biotechnical system, synchronization of bioelectric activity of the patient, neurological screening, diagnostic automation, neurological damage.
Предложен способ оценки параметров синхронизации биоэлектрической активности головного мозга без спектральных преобразований и расчетов функций когерентности, который позволяет построить систему скрининга, за минимальное время в ходе диспансеризации определяющую наличие у ребенка неврологических нарушений (НН) и выдающую рекомендации по направлению к врачу-специалисту.
Изменения в ЭЭГ при НН зрения, слуха, задержке психического развития выражаются прежде всего в значениях уровней и частот синхронизации биоэлектрической активности головного мозга [1]. Наибольшую эффективность выявления НН до настоящего времени обеспечивали функции когерентности (ФК). Унифицированный набор параметров расчета ФК отсутствует, а результаты расчета (особенно частоты синхронизации) сильно зависят от выбора этих параметров [2, 3]. Расчет ФК требует высокой инженерно-математической квалификации исследователя и немалых затрат времени — до двух часов на одного пациента. Это полностью исключает возможность применения данного метода для массового скрининга детского населения и выявления неврологических нарушений.
Принципиально новый способ диагностики НН основан на модели формирующего фильтра, автоматически настраивающегося на частоту доминирующего ритма и меняющего полосу пропускания в зависимости от дисперсии входного сигнала. В результате настройки определяются параметры спектральной плотности мощности. Предложена формула для оценки ФК между всеми отведениями регистрации ЭЭГ. Полученные значения сравниваются с базой данных параметров, соответствующих определенным НН, благодаря чему пациент может быть
отнесен к группе нарушений либо к группе «Норма».
Сигнал ЭЭГ можно представить в первом приближении как белый шум, пропущенный через полосовой фильтр — «розовый шум». Если такой сигнал подать на фильтр с такими же характеристиками — резонансной частотой и полосой пропускания, дисперсия сигнала уменьшится в определенном отношении. Рассмотрим структуру системы с переменной резонансной частотой и полосой пропускания (рис. 1).
Вариометром (от лат. vario — изменяю + др.-греч. pérpov — измеряю) в данном случае называется программный алгоритм, вычисляющий среднее значение дисперсии в течение некоторой эпохи наблюдения (например, 150 шагов решения программы). Полоса пропускания изменяется до тех пор, пока не будет достигнуто соотношение
D2 = KD1.
1.
Рис. 1
Блок-схема формирующего фильтра с двойной параметрической настройкой: ПФ — полосовой фильтр; Р1, Р2 — регуляторы; В1, В2 — вариометры; К — коэффициент передачи;
0% — дисперсии входного и выходного сигналов; Юр, Юп — резонансная частота и полоса пропускания полосового фильтра
№ 3(33)/2014 I
биотехносфера
Материалы Russian-German conference on Biomedical Engineering
Рис. 2
Сигналы и переменные, выводимые на экран. В координатной сетке сверху вниз представлены: сигнал белого шума; сигнал иэ; выходной сигнал формирующего фильтра; выходной сигнал вариометра белого шума; дисперсия О^; дисперсия П2', резонансная частота тр
100
и,
0 100
Us 0 100
U.
Dm 0
Di 0
D,
vyW/
t, с 4
Программное обеспечение было разработано на языке У1виа1Вав1е. Сигнал ЭЭГ моделировался датчиком случайных чисел, приведенных к нормальному закону распределения. Для каждого канала отведений формировался соответствующий спектр «розового шума». Полученный сигнал иэ подавался на полосовой фильтр. Результаты моделирования настройки фильтра приведены на рис 2.
Рассмотренное устройство в реальном времени позволяет без спектральных преобразований получить оценку
012
S1 + S2 S1S2
где ^1, ^2 — спектры мощности соответствующих отведений.
График этой функции имеет сходный характер с графиком ФК. Коэффициент корреляции между графиками по рассмотренной группе составляет от 0,67 до 0,93. Тесноту связи двух функций можно считать в первом приближении вполне удовлетворительным результатом. Таким образом, можно построить довольно точную оценку когерентности без проведения трудоемких расчетов.
Имея такие выражения для всех регистрируемых отведений, по предложенной формуле получаем численную оценку средних уровней когерентности в стандартных частотных диапазонах.
В качестве исходных данных для построения базы данных по НН используются записи ЭЭГ пациентов с известным неврологическим диагнозом, полученные в МУЗ НПЦ КНН в ходе совместных НИР с ТулГУ.
В процессе исследования отработаны алгоритмы работы системы, обеспечивающей автоматизированный процесс выявления статистически достоверных электрофизиологических маркеров групп НН по параметрам синхронизации.
Для поиска электрофизиологических маркеров было разработано программное обеспечение, которое вводит записи ЭЭГ детей с известными диагнозами в интерактивном режиме, определяет параметры синхронизации и накапливает базу данных. Обследовались группы с НН, а также группа здоровых детей. Оценка достоверности различий проводилась с использованием точного метода Фишера.
Таким образом, показана принципиальная возможность построения биотехнической системы, которая в реальном времени будет определять показатели синхронизации биоэлектрической активности пациента. Предложенный алгоритм неврологического скрининга обеспечивает выполнение поставленной задачи — автоматизацию диагностики неврологических нарушений по результатам регистрации ЭЭГ с достаточной для практики точностью без участия врача-специалиста в условиях массового обследования.
Литература
1. Жеребцова В. А. Системный анализ механизмов организации высших психических функций в онтогенезе. Дис. ... д-ра биол. наук. Тула, 2004.
2. Иванов Л. Б. Прикладная компьютерная электроэнцефалография. М.: АОЗТ «Антидор», 2000. 256 с.
3. Индюхин А. А. Скринингующая система диагностики неврологических нарушений на основе самонастраивающегося фильтра. Дис. ... канд. техн. наук. Тула, 2013.
0
0
w
1
2
3
биотехносфера
| № 3(33)72014
