Научная статья на тему 'Особенности классификации элементов ЭЭГ человека на основе алгоритмов нелинейной динамики'

Особенности классификации элементов ЭЭГ человека на основе алгоритмов нелинейной динамики Текст научной статьи по специальности «Медицинские технологии»

CC BY
193
61
i Надоели баннеры? Вы всегда можете отключить рекламу.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по медицинским технологиям , автор научной работы — Бросалин А. В., Сахаров В. Л., Черепанцев А. С.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Особенности классификации элементов ЭЭГ человека на основе алгоритмов нелинейной динамики»

давления не удалось подобрать однозначного критерия. Используемый сейчас критерий обеспечивает среднеквадратическое отклонение < 8 мм рт. ст. Также как для систолического, так и для диастолического давления для обеспечения дополнительной надежности используются амплитудные ограничения, полученные эмпирическим путем.

Таким образом, разработанный алгоритм измерения давления осциллометрическим методом дает хорошие результаты для диастолического давления, а критерий для определения систолического давления требует дополнительного уточнения.

На основании полученных результатов на базе серийно выпускаемого монитора МН01, был разработан монитор здоровья МН01-9, который позволяет, как оценивать уровень здоровья, так и вести мониторный контроль за состоянием (см. рис. 2).

. IIIIIMI

Рис. 2. Монитор здоровья МН01-9

ОСОБЕННОСТИ КЛАССИФИКАЦИИ ЭЛЕМЕНТОВ ЭЭГ ЧЕЛОВЕКА НА ОСНОВЕ АЛГОРИТМОВ НЕЛИНЕЙНОЙ ДИНАМИКИ А.В. Бросалин, В.Л. Сахаров, А.С.Черепанцев

Таганрогский государственный радиотехнический университет,

Тел. 6-17-95, 6-17-41, e-mail: vadim@tsure.ru

Колебательный характер процессов жизнедеятельности присущ практически всем процессам как на клеточном, так и на макроскопическом уровнях. Наряду с процессами вызванными внешними воздействиями на организм, такими как смена дня и ночи, сезонов года, циклическими изменениями давления, солнечной активности, существуют процессы присущие непосредственно функционированию живого организма. К ним можно отнести дыхание, биение сердца, колебания состава крови, тремор мышц и ряд других процессов. Из теории колебаний известно, что для осуществления таких автоколебательных процессов необходима обратная связь выхода колебательной системы с ее входом. И в качестве главного центра, осуществляющего подобное управление является центральная нервная система.

Представления о колебательных процессах в организме в настоящее время испытывает существенное развитие. Это связано прежде всего с углублением знаний о физике колебательных и автоколебательных процессов. Если первоначально в качестве основы рассмотрения предполагался либо полностью детерминированный подход гармонического спектрального анализа либо как чисто случайного шумового характера, обусловленного внешними источниками, то по мере развития теории динамического детерминированного хаоса, выделению динамических нелинейных систем с ограниченным временем предсказания, оказалось, что практически все биологические колебательные процессы носят детерминировано хаотический характер.

Большинство имеющихся сейчас методик контроля состояния жизнедеятельности еще по прежнему опираются либо на линейный корреляционный, либо на гармонический анализ, либо на распознавание характерных информативных локальных особенностей. При этом можно предположить, что имеющиеся методы обработки хаотических временных рядов более адекватные физическим процессам колебательного характера могут дать существенно более полную и понятную информацию об особенностях функционирования системы.

В качестве системы, которой присущ ярко выраженный автоколебательный ритм логично взять деятельность головного мозга, как центрального органа работы всего человеческого организма. Электроэнцефалографические данные работы головного мозга являются традиционно одним из наиболее информативных диагностических показателей как общего физиологического состояния человека, так и локальных, патологических особенностей высшей нервной деятельности. Особенности поведения лишь одного параметра, а именно корреляционной размерности проанализированы по данным большого числа наблюдений с помощью 16-ти канального электроэнцефалографа .

В основе методики расчета динамических параметров системы, отражающих сложность системы (корреляционная размерность), степень предсказуемости системы (корреляционная энтропия), отклонение от чисто случайного процесса (показатель Херста) лежит представление о существовании особого класса систем -диссипативных динамических систем, описываемых конечным числом нелинейных дифференциальных уравнений, которые в общем виде можно представить как:

X = Р(Х),

где X - координата в п-мерном фазовом пространстве.

К свойствам подобных систем относится возможность существования непериодических установившихся решений при п > 3. Диссипативными принято считать системы для которых:

^ < 0,

&

где: V- произвольно выбранный элементарный объем в фазовом пространстве

{)С1,Х2,...,Хп|. При этом поведение таких систем при постоянной подкачки энергии характеризуется возможностью появления упорядоченных структур, т.е. самоорганизации. При этом параметры структур крайне чувствительны к внешним условиям, прежде всего к энергетике воздействия.

Информация о методике расчета динамических параметров подобных систем по экспериментальным данным приводится, например, в [1].

С появлением первых исследований ЭЭГ концепция функциональной специфичности различных частотных полос в записи стала основным концептуальным инструментом для анализа и диагностики состояния деятельности мозга. К этому в частности приводит и наблюдаемые явления синхронизации и

десинхронизации электрических колебаний, ограниченные полосой "основного" альфа-ритма мозга. В большом количестве работ было показано, что по особенностям поведения колебаний в специфических частотных диапазонах можно судить не только о состоянии здорового человека (сон, бодрствование, решение когнитивных задач, действие нейротропных лекарственных препаратов), но и патологических состояниях (болезнь Альцгеймера, паркинсонизм, сенильная деменция). То есть отдельные диапазоны частотного спектра ЭЭГ достаточно изолированно могут откликаться на перестройки внутримозговых процессов и по всей видимости могут отражать различные процессы головного мозга (семантическая память, внимание, эпизодическая память и др.).

В связи с этим представляется логичным проанализировать параметр корреляционной размерности в каждом из стандартных диапазонов:

альфа - (8 - 13) Гц, бета - (14 - 35) Гц, дельта - (0.1 - 3) Гц, тета - (4 - 7) Гц.

На рис. 1. представлены два примера записей передне- и задне- левых областей (Рр1, 01) :

Рр1 01

М

III II

I I

_________I______I________I_______I________________I________1_1 -1------1--------1-------1--------1-------1--------и

О 10 1;(с) 0 10 Кс)

Рис.1. Фрагменты ЭЭГ при фоностимуляции. Представленные сигналы сверху вниз: исходный сигнал; а-ритм; в-ритм; 5-ритм; 9-ритм. Фильтрация проведена полосовым тангенциальным фильтром Баттерворта 16 порядка с компенсацией фазовых искажений.

Следует отметить, что приводимые ниже результаты получены для данной выборки, но имеют общий характер со всеми проанализированными рядами.

Из анализа параметра корреляционной размерности С2 можно сделать следующие выводы.

1. Электрическое поле активности мозга представляет собой сложную динамическую систему, в которой присутствует несколько процессов, имеющих самостоятельный характер. Для корректного рассмотрения корреляционной размерности динамической системы, имеющей размерность >3 по единственной выборке необходим временной ряд не менее 50 000- 100 000 точек /2/. В практике наблюдений используются существенно более короткие ряды, не превышающие 10 000 точек. С целью уменьшения вносимых при этом погрешностей и предположив, что сигналы, взятые с различных участков поверхности головы человека являются самостоятельными координатами полного вектора в фазовом пространстве, были вычислены корреляционные интегралы по восьми отведениям левого полушария Рр1-Р1^1-С1-Т1-Р1-Тр1-01 - рис.2.

Как следует из представленной зависимости можно выделить три диапазона амплитуд электрического сигнала с различным динамическим поведением.

1. 25-60 мкВ - характеризуется высокой сложностью системы

(корреляционная размерность d » 8.1) и большим числом степеней свободы (более 20), описывающих данный процесс.

2. 10-25 мкВ - характеризуется уменьшением размерности до 2.3, что указывает на наличие низкоамплитудного сигнала с более детерминированным поведением, описываемым системой с менее 20-тью степенями свободы.

3. <10 мкВ - характеризуется "шумовым" неинформативным поведением, присущим чисто случайному сигналу.

Рис.2. Кривые С2 для уровней вложений фазового

пространства п=8; 16; 24;

Рис.3. Кривые С2 для уровней вложений фазового

пространства п=1; 2; 3; 4;

Аналогичные свойства поведения системы можно получить и по единственной выборке сигнала. На рис. 3. представлен вид корреляционных интегралов, рассчитанный по единственному отведению О1.

2. В работе предпринята попытка разделения выделенных разнородных процессов. Основываясь на имеющихся гипотезах об определенной самостоятельности традиционных частотных диапазонах, проанализирована корреляционная размерность d в каждом из них по отдельным отведениям Fp1 и O1 -рис.4, 5.

Анализ полученных зависимостей позволяет сделать основной вывод о том, что наличие в сигнале процесса с малой размерностью определяется низкочастотной компонентой сигнала. Как следует из Рис.4, 5 наиболее ярко она выражена в дельта ритмах обоих отведений и по мере повышения частот существенно ослабевает, практически отсутствуя в наиболее высокочастотном бета-ритме. Диапазон амплитуд сигнала, соответствующего первому участку с значениями корреляционной размерности ^ = 1.22 для Fp1), ^ = 1.15 для O1) равен 1 - 10 мкВ. Для участка амплитуд 10 - 30 мкВ значения размерностей также близки: d = 4.14 для Fp1 и d = 4.26 для O1. Совпадение амплитудных диапазонов для различных отведений может указывать на устойчивый характер полученной особенности электрического поля левого полушария.

Учитывая, что важную роль при анализе ЭЭГ играет определение наличия или отсутствия частотных ритмов в различных областях мозга. Эта информация, зачастую, может характеризовать ЭЭГ как патологичную с определением вида патологии. На основе рассмотренного выше подхода можно сделать вывод о возможности автоматизированной классификации с определенной долей вероятности (которую также можно рассчитать на основе экспертной оценки получаемых результатов) ЭЭГ по патологиям.

Рис.4. Корреляционные интегралы по отведению Рр1. Уровни вложений 1,2,3,4,5,6,7,8,9,10.

альфа бета дельта тета

Рис.5. Корреляционные интегралы по отведению О1. Уровни вложений 1,2,3,4,5,6,7,8,9,10.

альфа

бета

дельта

тета

ЛИТЕРАТУРА

1. Шустер Г. Детерминированный хаос. Введение. М.,Мир,1988.

2. Нелинейные волны. Динамика и эволюция. /Под ред.Гапонова-Грехова А.В./, М.,Наука, 1989.

3. Сахаров В.Л., Андреенко А.С. Методы математической обработки электроэнцефалограмм. Таганрог. «Антон», 2000.

УДК 612.76

ПРОГНОЗИРОВАНИЕ ЭФФЕКТИВНОСТИ ФАРМАКОТЕРАПИИ ПРИ ХРОНИЧЕСКОЙ СОСУДИСТОЙ МОЗГОВОЙ НЕДОСТАТОЧНОСТИ

Э.О. Девликанов, В.А. Балязин, Л.В. Синеокова

ЗАО Особое конструкторское бюро "Ритм", Россия, 347900, г. Таганрог, ул.

Петровская, 99, тел. (86344) 2-32-55. E-mail: lexus@ritm.infotecstt.ru Ростовский государственный медицинский университет, Россия,

344022, Ростов-на-Дону, пер. Нахичеванский, 38; тел.(8632) 65-56-05. E-mail: vereiaslov@ritm.infotecstt. ru

С целью прогнозирования и оценки эффективности проводимой фармакотерапии у больных с дисциркуляторными нарушениями мозгового кровообращения разработан метод компьютерной обработки и оценки устойчивости вертикальной позы на основе компьютерной стабилографии.

Данный метод позволил получить качественные и количественные признаки оценки нарушения вертикальной позы у больных с хронической сосудистой мозговой недостаточностью. Было установлено, что наилучшим образом устойчивость вертикальной позы отражает интегральный показатель «качество функции равновесия» (КФР). Данный показатель характеризует закон распределения по амплитуде векторов ускорения перемещения цента сил давления по координатной плоскости силовоспринимающей платформы. КФР измеряется в процентах: чем больше значение КФР, тем выше качество функции равновесия в процессе поддержания человеком вертикальной позы.

Разработанный метод использовался при обследовании и лечении 32 больных хронической сосудистой мозговой недостаточностью.

Для оценки эффективности проволдиморй фармакотерапии использовался коэффициент компенсации, определяемый по формуле:

C _ 100 - КФР1

КФР _ 100 - КФР2 ,

где КФР1 - качество функции равновесия до приема медикаментозного средства;

КФР2 - качество функции равновесия после приема медикаментозного средства;

СКФР - коэффициент компенсации качества функции равновесия.

Авторы экспериментально установили, что для качества функции равновесия величина коэффициента компенсации хорошо коррелирует с достигаемым лечебным эффектом от медикаментозного средства, и ввели следующую градацию:

- при СКФР>1.2 прогнозируется достижение высокого лечебного эффекта;

i Надоели баннеры? Вы всегда можете отключить рекламу.