Решение задач на тему: Электроэнцефалография человека. Природа электрической активности мозга

Введение

Мозг человека - едва ли не самое большое таинство природы. В гигантских популяциях миллиардов нервных клеток, в еще большем (на три-четыре порядка) количестве нервных связей и в астрономическом числе эффективных межнейронных комбинаций саморазвивающаяся природа обратилась к самой себе в форме самопознания. Порождающиеся в ходе этого процесса субъективные образы и представления первичной реальности стали у человека доминирующими мотивами программирования и управления поведением, от элементарных актов типа забивания гвоздей и придумывания научных гипотез до сложных межличностных контактов и экзистенциальных размышлений.

Теперь все в природе стало подвластным анализу, даже сам мозг. Однако в последнем случае исследователи столкнулись с уникальной и казалось бы практически безвыходной ситуацией, когда в сети экспериментальных процедур следовало поймать реально существующие, но быстротечные и бестелесные психические феномены: эмоциональные состояния, процедуры мышления и ментальные образы! Какими же нужно обладать инструментами экспериментального анализа, чтобы зафиксировать хотя бы элементарные акты человеческой психики?

Можно было бы попробовать измерять потребление нервными клетками кислорода или питательных веществ (глюкозы), предполагая, что в состоянии активации то и другое требуется клеткам в большем количестве. Можно измерять теплопродукцию нервной ткани. И такие методы действительно существуют в настоящее время, например, в виде технологий позитронно-эмиссионной томографии, ядерно-магнитного резонанса, тепловидения и др. Однако, подобные подходы, очевидно, лишь косвенным образом могут отражать собственно информационную активность мозга. К тому же большая инерционность этих методов (секунды и десятки секунд) не позволяет им "отреагировать" на мимолетную по своей природе аналитическую деятельность нейронов.

К счастью для многих поколений психофизиологов в основе аналитических процедур нервных клеток оказался заложенным вполне материальный носитель - разность электрических потенциалов по обе стороны клеточной мембраны, достигающая 70-80 милливольт (мВ)! Распространяющиеся по отросткам нервных клеток кратковременные сдвиги мембранного потенциала или нервные импульсы можно было зарегистрировать с помощью обычных вольтметров, снабженных каскадом предварительного усиления электрического сигнала. Таким образом, динамика состояний нейронов могла передаваться на стрелки электрических регистраторов без малейшей задержки. Для исследований на человеке трудность этого экспериментального подхода заключалась только в том, что электрическую активность мозга нужно было зарегистрировать "неинвазивно", т.е. без каких-либо разрезов, проколов и др. повреждений биологических тканей. А как иначе, без повреждений, "отвести" потенциалы коры головного мозга, защищенной от внешних воздействий не только кожей и костями черепа, но дополнительно еще укрытой несколькими оболочками, между которыми циркулирует токопроводящая цереброспинальная жидкость? Как видно, природа сделала все, чтобы защитить мозг не только от механических повреждений, но и от внешних электромагнитных полей. Вот эту последнюю защиту одинаково трудно "пробить" как с внешней, так и с внутренней стороны черепной коробки. Корковые электрические потенциалы если и проникают на поверхность черепа, то они ослаблены в тысячи раз, в конечном итоге не превышая одной - двух сотен миллионных долей вольта. Это притом, что в сотни раз большие потенциалы наводятся на теле человека от внешних природных и техногенных электромагнитных полей.

электроэнцефалограмма сегментация электрическая активность

Тем не менее около 80 лет назад технология регистрации электрических потенциалов мозга непосредственно с кожной поверхности головы человека была продемонстрирована немецким психиатром Гансом Бергером. Этот метод получил название электроэнцефалографии (ЭЭГ), и в настоящее время ни одно неврологическое отделение в больницах, ни одна поликлиника соответствующего профиля не обходится без лаборатории электроэнцефалографии. Диагностике с помощью метода ЭЭГ теперь хорошо поддаются многочисленные очаговые поражения мозга, опухолевые процессы, эпилептические и некоторые другие нейрогенные заболевания.

Оглавление

- 1. Введение

- Электроэнцефалография человека

- Природа электрической активности мозга

- Регистрация электроэнцефалограммы по системе 10-20

- Электроэнцефалографическая семиотика

- Ритмы ЭЭГ

- Применение ЭЭГ

- Нестационарность ЭЭГ

- Важность сегментации в решении задач ЭЭГ

- Классификация сна на основе ЭЭГ

- Фундаментальные исследования работы мозга

- Постановка задачи

- Математический аппарат

- Стационарный случайный процесс

- Алгоритмы сегментации ЭЭГ

- Метод фиксированных интервалов

- Параметрическая сегментация

- Непараметрическая сегментация

- Метод фрактальной размерности

- Результаты

- Описание модуля

- Метод фрактальной размерности

- Построение гипнограммы

- Метод непараметрической сегментации

- Результаты сегментации

- Построение гипнограммы Выводы

- Список литературы

- Сокращения

Список литературы

Ст.2

Ст.3

Ст.4

ФБС

Проценты совпадений по стадиям приведены в таблице 7. Большой процент совпадений у стадии бодрствования и 4 стадии.

Рисунок 27. Верхняя гипнограмма построена по средним значениям фрактальной размерности. Нижняя построена экспертом. Точность 79%

Пример 2. Результаты классификации отображены на рисунке 28. Общий процент совпадений составил 79%. Если не учитывать стадию бодрствования процент совпадений снижается до 61% (рис.28).

Рисунок 28. Верхняя гипнограмма построена по средним значениям фрактальной размерности. Нижняя построена экспертом. Точность 61%

Проценты совпадений по стадиям приведены в таблице 8. В данном случае хорошо определилась стадия бодрствования и фаза быстрого сна. По-прежнему происходит путаница при разделении стадий фазы медленного сна.

Табл.8. Процент совпадений по стадиям

Комп. Эксп. Бодр. Ст.1Ст.2Ст.3Ст.4ФБС

Бодр.

Ст.1

Ст.2

Ст.3

Ст.4

ФБС

Выводы

В результате работы был создан программный модуль, позволяющий производить автоматическую сегментацию ЭЭГ записи на стационарные участки с помощью метода фрактальной размерности и метода непараметрической сегментации.

Данные методы сегментации дали похожие результаты. Однако, плюсом метода непараметрической сегментации является его гибкость, он дает более широкие возможности для исследований, позволяя задавать вероятность, с которой будут найдены точки нестационарности. Плюсом метода фрактальной размерности является его быстродействие - сегментация 24-х часовой записи с частотой 100 Гц занимает менее 1 минуты, в то время как метод непараметрической сегментации требует 7-8 минут.

Была продемонстрирована неэффективность применения спектрального анализа к нестационарному сегменту. Фурье преобразование стационарного участка правильно выделало основные частоты, соответствующие текущей стадии сна. Результаты сегментации показали, что средняя длина стационарных сегментов не превышает 5 секунд, а количество таких сегментов составляет до 90%, что подтверждает литературные данные.

Также в результате работы была показана возможность применения метода фрактальной размерности для классификации ЭЭГ записи на стадии сна. Процент совпадений полученной гипнограммы и гипнограммы эксперта составил 80%. Одной из причин несовпадений результатов может являться субъективная оценка эксперта, незначительные и кратковременные изменения могли быть усреднены человеком, в то время как компьютер обрабатывает все изменения. Данный метод классификации может служить альтернативой применения нейросетевых классификаторов, так как занимает гораздо меньше времени, с его помощью можно судить о циклах стадий сна, а также о наличии конкретных стадий.

Список литературы

1. Гнездицский В.В. Обратная задача ЭЭГ и клиническая энцефалография. ТРТУ 2000

2. Гнездицкий В.В. Вызванные потенциалы мозга в клинической практике. Таганрог: Издательство ТРТУ, 1997

. Жирмунская Е.А. Клиническая электроэнцефалография, М., МЭЙБИ, 1991

. Егорова И.С. Электроэнцефалография. - М.: Медицина, 1973

. Зенков Л.Р., Ронкин М.А. Функциональная диагностика нервных болезней: (Руководство для врачей). М.: Медицина, 1982

. А. Kaplan, J. Roschke, В. Darkhovsky, J. Fell. Macrostructural EEG characterizatiоn based оn nonparametric change point segmentation: applicatiоn tо sleep analysis. Journal оf Neuroscience Methods (2001)

. McEwen J. А., Andersоn G. В. Modeling the stationary and gaussianity оf spontaneous electroencephalographic activity. IEEG Transactions оn Biomed. Engineering. 1975

. Rechtschaffen А., Kales А. А. А Manual оf Standardized Terminology, Techniques and Scoring System for Sleep Stages оf Human Subjects. Washington DС: U. S.government Print. Office, Nat. Inst. Help Publ., 1968

. Каплан А.Я. Проблема сегментного описания электроэнцефалограммы человека. Физиология человека, 1999, том 25, №1

. Шишкин С.Л. Исследование синхронности моментов резких изменений альфа-активности ЭЭГ человека. Москва, 1997

. Jansen В. Н., Hasman А., Lenten R. Piece-wise EEG analysis: аn objective evaluation. Internet J. Bio-Med.comput. 1981.

. Bodenstein G., Praetorius Н. М. Feature extraction from the electroencephalogram by adaptive segmentation Proc. IEEE. 1977. V.65.

. Бродский Б.Е., Дарховский Б.С., Каплан А.Я. и др. Непараметрическая сегментация электрических сигналов мозга. Автоматика и телемеханика. 1998. №2.

. Шишкин СЛ., Бродский Б.Е., Дарховский Б. С, Каплан А.Я. ЭЭГ как нестационарный сигнал: под ход к анализу на основе непараметрической статистики. Физиология человека. 1997. Т.23. № 4.

. Higuchi Т. Relationship between the fractal dimension and the power law index for а time series: а numerical investigation. Physicа D 46.1990.

. Higuchi Т. Approach tо аn irregular time series оn the basis оf а fractal theory. Physicа D 31.1988.

. Brodsky В. Е., Darkhovsky В. S. Nonparametric methods in change-point problems. Kluwer Academic Publishers, 1993.