CC BY
66
Конюхов Вадим Николаевич Погодина Валерия Анатольевна
Самарский государственный аэрокосмический университет им. акад. С.П. Королева. E-mail: biotech@ssau.ru.
443086, г. Самара, Московское шоссе, 34.
Тел.: 88462674474.
Konuyhov Vadim Nikolaevich Pogodina Valeriya Anatolievna
Samara state aerospace university.
E-mail: biotech@ssau.ru.
34, Moskovskoe shosse, Samara, 443086, Russia.
Phone: +78462674474.
УДК 616.8-073.7:004.9
HJI. Коржук, A.A. Индюхин, А.Ф. Индюхин, B.B. Савельев
СПОСОБ ЭЛЕКТРОЭНЦЕФАЛОГРАФИЧЕСКОЙ ДИАГНОСТИКИ НЕВРОЛОГИЧЕСКИХ НАРУШЕНИЙ
Приведены структурные схемы, принцип действия и математическая модель устройства для реализации принципиально нового способа обработки ЭЭГ, на основе которого предполагается построить биотехническую систему скрининговой диагностики невроло-. .
Электроэнцефалограмма; полосовой фильтр; неврологические нарушения.
N.L. Korzhuk, A.A. Indyukhin, A.F. Indyukhin, V.V. Saveliev
WAY OF ELECTROENTSEPHALOGRAPHIC DIAGNOSTICS OF NEUROLOGIC INFRINGEMENTS
Block diagrammes, principle of action and mathematical model of the device for realisation of essentially new way of processing EEG on which basis it is supposed to construct biotechnical system screening diagnostics of neurologic infringements are resulted. Comparison with existing ways of processing EEG is spent.
Electroencephalogram; the band filter; neurologic infringements.
В настоящее время для России характерно такое сочетание неблагоприятных демографических, наследственных, социальных и экологических факторов, которое представляет реальную угрозу здоровью населения. Увеличивается число детей и подростков с врожденной и приобретенной патологией центральной нервной системы, сенсорных систем, отклонениями в нервно-психическом развитии, нару-.
Клиническая практика показывает, что диагностика неврологических и сен, -можны только с привлечением нейрофизиологических исследований, регистрации электроэнцефалограммы (ЭЭГ) и вызванных потенциалов с последующей интегральной оценкой их результатов [1].
Огромное значение для успешной реабилитации и дальнейшей интеграции ребенка в общество имеет ранняя диагностика, в то время как электрофизиологи-ческие исследования не являются широко доступными и не входят в арсенал про. -
работки скрининговой системы ЭЭГ-обследования, позволяющей автоматически диагностировать наличие неврологических нарушений (НН).
При регистрации электрических сигналов со скальпа человека в первую очередь необходимо обнаружить патологическую активность. Судорожные проявления характеризуются не только высокой амплитудой и скоростью изменения, но и определенной формой (эпифеномены «острая - медленная волна»). Для системы
, -
,
, « - ».
Неврологические нарушения зрения, слуха, задержки психического развития, хотя и вызывают определенные изменения на ЭЭГ, однако они далеко не так оче-, .
( ), -
няемые в ведущих клиниках г. Москвы, г. Санкт-Петербурга и г. Ростова-на-Дону,
а также рядом специалистов г. Тулы [2]. Однако аппарат когерентного анализа сложен и непригоден для скринингового обследования.
Разрабатывается диагностический комплекс в виде портативного прибора с минимальным временем обследования, предназначенный для скрининговой диагностики в процессе проведения комплексного изучения состояния здоровья и динамики психофизиологического развития подрастающего поколения. Комплекс позволит проводить оценку неврологического и психофизиологического состояния пациента: от выявления минимальных мозговых дисфункций до отнесения его в определенную нозологическую группу с учетом возрастных особенностей.
В настоящей работе детализируется новый, альтернативный существующим способ оценки ЭЭГ, основанный на амплитудном анализе мультипликативного .
, -
кающих в коре головного мозга процессов, давно доказали свою диагностическую эффективность и прогностическую ценность в клинике критических состояний -комы, тяжелых черепно-мозговых травм, опухолей мозга, у недоношенных детей. Меньшее распространение получили исследования здоровых детей и детей с ми.
Функции когерентности представляют собой функции частоты, и для оценки используются их средние уровни в стандартных частотных диапазонах и средне-( ), -. -бе: уровни и частоты синхронизации. Существенным отличием является то, что определяются они автоматически, без участия врача, по результатам записи ЭЭГ.
Рассмотрим структуру системы, осуществляющей расчет частот и уровней .
Выходные сигналы усилителя ЭЭГ (всего 16 каналов) по очереди, или одновременно с двух каналов поступают на попарно-одинаковые фильтры диапазонов ФД1, после которых сигналы идут на блоки произведений, на выходе которых при наличии в сигналах общих синусоидальных составляющих будет присутствовать некоторый уровень постоянного сигнала. Количество анализируемых диапазонов может соответствовать стандартным шести (дельта, тета = 1, тета-2, альфа, бета-1, -2), - .
Рис. 1. Структурная схема устройства определения уровня и частоты синхронизации для одного частотного диапазона. ФД1 - фильтры диапазона, выходные сигналы которых подаются на блок произведений; ОС1 - осреднитель; ФП1 - фильтр переменной частоты настройки
Фильтр диапазона представляет собой полосовой фильтр второго порядка: и(М = К1И1 + К^И^-2 - КзИф^-1 - К^Иапг-2;
где К1 = Бз2/ Оз4;
К2 = - К1;
Кз = (2 - 2 * Б8з) / Ds4;
К4 = (1 + DS3 - DS2) / DS4;
Dsl = 1 / (2^*1^ *т);
Ds2 = 4 * Р1 * Dsl / 11;
Dsз = 4 * Dsl * Dsl;
DS4 = DS3 + DS2 + 1;
И1 - выходной сигнал соответствующего канала;
ИФ1 - выходной сигнал фильтра диапазона;
^ - частота настройки фильтра диапазона;
Р1 - .
Величина постоянного сигнала определяется осреднителем по формуле:
И = И-1 * (1 - 1) / 1 + Иь / 1,
И - выходной сигнал осреднителя после суммирования 1 точек:
Иь - :
1 - .
Уровень синхронизации в заданном частотном диапазоне определяется как частное от деления уровня постоянного сигнала на выходе соответствующего осреднителя на корень квадратный из суммы квадратов уровней всех рассматривае-.
Выходные сигналы блоков произведений, после вычитания постоянной со, 1. -1 - -зации [3].
Основным элементом комплекса экспресс-диагностики является фильтр с пе-
( ), , что резонансная частота фильтра настраивается на частоту доминирующего ритма. В результате узкополосной фильтрации, после окончания переходного процесса, доминирующая частота (ритм) ЭЭГ проходит на выход фильтра без фазовых искажений (моменты пересечения нулевых, максимальных и минимальных значений у доминирующего ритма совпадают с аналогичными событиями у выходного сигнала ). -рующего ритма в частотном диапазоне, заданном ограничениями на частоту.
Рассмотрим структурную схему ФП (рис. 2), предложенную в известном техническом решении [4].
Рис. 2. Структурная схема фильтра с переменной частотой настройки.
УРК - усилитель с регулируемым коэффициентом, ЛЗ - линия задержки,
ФД - фазовые детекторы, У - усилитель
Фильтр работает следующим образом. Выходной сигнал сумматора и поступает на вход первого усилителя с регулируемым коэффициентом (УРК) усиления, вход первой линии задержки (ЛЗ) и первый вход первого сумматора. Выход первого УРК подключен к первому входу второго сумматора, ко второму входу которого подключены последовательно соединенные вторая ЛЗ, второй УРК, третий сумматор и третья ЛЗ. Выходом ФП является выход второго сумматора, кото, , , четвертого сумматора, пятого сумматора и первого фазового детектора. Ко второму входу третьего сумматора подключен выход третьего УРК, к третьему входу второго сумматора через четвертый УРК подключен выход первой ЛЗ. Ко вторым входам четвертого сумматора и пятого сумматора подключены соответственно выход второй ЛЗ и первый вход первого сумматора, третий вход которого соединен с выходом четвертого сумматора. Ко входам второго фазового детектора подключены соответственно выходы четвертого сумматора и пятого сумматора, второй вход первого фазового детектора соединен с выходом первого сумматора. Выходы первого фазового детектора и второго фазового детектора подключены ко входам шестого сумматора, выход которого через усилитель подключен к первому входу седьмого сумматора. Ко входам восьмого сумматора подключены выходы седьмого сумматора и усилителя. Выход восьмого сумматора через четвертую линию задержки подключен ко второму входу седьмого сумматора, выход которого подключен к управляющим входам УРК.
При подаче на вход фильтра сигнала синусоидальной формы произвольной частоты он проходит через систему УРК, сумматоров и линий задержки, образующую в совокупности полосовой фильтр с резонансной частотой, в общем случае не совпадающей с частотой входного сигнала. Тогда сигнал на выходе ФП будет опережать или отставать по фазе от входного сигнала. Разность этих сигналов на выходе сумматора, умноженная (выход фазового детектора) на производную , . этому сигналу изменяются коэффициенты УРК таким образом, что резонансная частота ФП увеличивается при отставании выходного сигнала по фазе, и уменьшается при опережении. В результате переходного процесса ФП настраивается на частоту входного сигнала. Дополнительная связь (второй фазовый детектор и ) .
Составим математическую модель ФП.
Исходные данные математической модели:
Pfp - половина полосы пропускания ФП (3 Г ц);
fMN - начальная частота настройки ФП (fmn = 10 Г ц);
Ки - коэффициент передачи интегратора (Ки = -0,3);
т - шаг дискретизации (т = 0,001 с).
Уравнения фильтра ФП:
иФ = Ki(UM)Uc + K2(UH)Ucz-2 - Кз(ии)иФг-1 - K^U^z-2;
Ki (UH) = Ds2(Uh) / Ds4(Uh);
K2 (UH) = - Ki(UH);
Кз(ии) = (2 - 2 * Ds3(Uh)) / Ds4(Uh);
ВДи) = (1 + Ds3(Uh) - Ds2(U)) / Ds4(Uh);
Dsi(Uh) = 1 / (2*я*ии *т);
Ds2(Uh) = 4 * Pfp * Ds1(Uh) / UM;
Ds3(Uh) = 4 * Ds1(^h) * Ds1(Uh);
Ds4(^) = Ds3(^) + Ds2(Uh) + 1;
Уравнения фазовых детекторов:
U1 = (Sign(Um) - Sign(U*)) * Signer® - U<t>z-1);
U2 = Sign(Um - Uiz-1) - Sign(^ - ^z-1) * Sign(U*);
:
UH = [UH + КИ * (Ufl2 - Цщ)] z 1 + КИ * (Ufl2 - UflD + fMN;
где U® - выходной сигнал фильтра ФП;
Uo - выходной сигнал интегратора (численно равен частоте настройки ФП в Г ц);
Uflb Ufl2 - выходные сигналы фазовых детекторов;
z-1 - ;
Sign - функция знака числа.
В представленной математической модели ФП и интегратор реализуются в ( ), вычисляются на каждом шаге. Выбранный шаг решения (т = 0,001 с) - максимально , .
Программа моделирования динамики прохождения сигналов в разрабатываемом устройстве составлена на языке Visual Basic 6. Время обработки одной записи (120 пар отведений) - 2-3 мин. Впоследствии предполагается сократить время обработки за счет выбора только тех пар отведений, в которых значения частот и уровней синхронизации представляют значимые величины для выявления НН. Такое упрощение может быть достигнуто при накоплении базы данных по нозологиям.
Для конкретного пациента проведено сравнение двух оценок, полученных методом когерентного анализа и методом синхронизации.
Результаты по соотношению частот синхронизации, СВЧ и частот максимума ФК соответствуют полученным ранее [3].
Величины полученных уровней синхронизации убывают с ростом частоты, и высокочастотный диапазон бета-2 практически не несет информации.
Визуальный и корреляционный анализ не показал наличия глубокой связи между результатами расчетов двух методов по уровню синхронизации, коэффициент корреляции максимально достигает г = 0,15.
Из 480 рассчитанных уровней синхронизации имеются пары отведений, в которых максимумы когерентности совпадают с максимумами уровней синхронизации, и есть пары, в которых максимумы совпадают с минимумами.
Рассмотрение пар отведений по группам: внутриполушарные (отдельно правое и левое полушарие), межполушарные левые и правые (правыми считаются , , ), симметричные, в отдельных частотных диапазонах выявило корреляции с когерентными расчетами до уровня г =0,45.
Наибольшая корреляция выявлена в парах, включающих в себя отведения 01 (г = 0,51) и F3 (г = 0,67).
Значительный разброс уровней синхронизации по парам отведений позволяет предположить в целом их большую диагностическую нагрузку, поскольку такими же свойствами обладает уровень когерентности.
Проведенные исследования позволяют сделать следующие выводы:
1. -технической системы экспресс-диагностики неврологических нарушений. 2. -мы анализа фоновой ЭЭГ на основе фильтров с переменными параметрами. 3. -
ходимо заполнить базу данных по различным нарушениям и выявить группы электрофизиологических маркеров.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Зенков Л.Р. Функциональная диагностика нервных болезней [Текст] / J1.P. Зенков, М.А. Рон-кин. - М.: Медпресс, 2002. - 530 с.
2. . .
функций в онтогенезе [Текст] /Дисс. ... докт. биол. наук. - Тула, 2004.
3. . . -
// Известия ЮФУ. Технические науки. - 2009. - № 9 (98). - С. 83-89.
4. Патент РФ № 2240036 от 20.11.2004 г. МПК А61В5/00. Способ диагностики длиннолатентного вызванного потенциала мозга и устройство для его осуществления [Текст] / В.А. Жеребцова, А.Ф. Индюхин, Э.М. Соколов, А.А. Хадарцев, В.П. Васильев,
. . .
Коржук Николай Львович Савельев Валерий Викторович
Тульский государственный университет.
300600, , . , 92.
Тел.: 84872350552.
Индюхин Алексей Алексеевич E-mail: induke705@mail.ru.
300041, г. Тула, ул. Демонстрации, 12, кв. 43.
Тел.: 84872350552; 84872301016.
12б
Индюхин Алексей Федорович E-mail: induke_a_f@mail.ru.
300045, г. Тула, ул. Новомосковская, 25, кв. 70.
.: 84872350552; 84872377110.
Korzhuk Nikolay Lvovich Saveliev Valeri Viktorovi h
Tula State University.
92, Lenina pr., Tula, 300б00, Russia.
Phone: +74872350552.
Indyukhin Alexey Alekseevich
E-mail: induke705@mail.ru.
12/43, Demonstration street, Tula, 300041, Russia. Phone: +74872350552; +7487230101б.
Indyukhin Alexey Fedorovich
E-mail: induke_a_f@mail.ru.
25/70, Novomoskovsk street, Tula, 300045, Russia. Phone: +74872350552; +74872377110.
УДК 53.088.7, 612.172.4
Л.Ю. Кривоногое, А.Ю. Тычков ПОДАВЛЕНИЕ ПОМЕХ В ЭЛЕКТРОКАРДИОСИГНАЛАХ НА ОСНОВЕ РАЗЛОЖЕНИЯ ПО ЭМПИРИЧЕСКИМ МОДАМ
Описан алгоритм подавления помех в электрокардиосигналах, основанный на их разложении по эмпирическим модам, обработке отдельных мод и последующей реконструк-.
; ; .
L.Y. Krivonogov, A.Y. Tychkov ECG SIGNAL DENOISING BASED ON EMPIRICAL MODE DECOMPOSITION
This paper describes algorithm ECG signals denoising based on empirical mode decomposition, processing of separate modes and subsequent reconstruction of an ECG signal.
ECG signal; denoising; empirical mode decomposition.
Заболевания сердца и сердечно-сосудистой системы являются ведущей причиной смертности населения во многих экономически развитых странах, в том числе и в России, составляя около 55 % от общей смертности. Повышение эффективности лечения и возвращение пациентов к активной жизни связаны, прежде всего, со своевременной диагностикой, основой которой является электрокардиография. Несмотря на значительные успехи, достигнутые почти за полувековую историю автоматизации электрокардиографических исследований, эффективность автоматического анализа электрокардиосигналов (ЭКС) недостаточно высока. Основной причиной ошибок автоматической диагностики в электрокардиологии являются погрешности, допущенные на этапе измерения амплитудно-временных параметров ЭКС [1]. В свою очередь, погрешности измерений напрямую связаны с наличием помех в регистрируемом сигнале, с их видом и интенсивностью. Кроме того, процедуры обработки ЭКС, предназначенные для устранения помех, сами могут яв-
