Бегущая волна (Рома) (Раздаточные материалы)

1. Обзор и сравнение различных методов обработки ЭЭГ-сигналов.

Визуальный анализ ЭЭГ и измерения с помощью циркуля и линейки оказываются

недостаточными для выявления той информации, которую несет сложная картина биопотенциалов

мозга. Уже в начале развития электроэнцефалографии у физиологов возникло стремление оценить

ЭЭГ с помощью объективных количественных показателей, применить методы математического

анализа. Сначала обработка ЭЭГ и подсчет ее количественных параметров производился вручную.

Так появились понятия индексов ритмов (например, альфа-индекс, индекс дельта-волн). Под

индексом фактически понимали отношение длительности доминирования рассматриваемого ритма к

длительности всей ЭЭГ, выраженное в процентах. Учитывая большую трудоемкость и малую

точность, этот метод не нашел дальнейшего развития до появления возможности автоматически

получать эти величины.

Математические методы анализа ЭЭГ человека начали свое развитие с конца 30-х годов, когда были сконструированы первые автоматические частотные анализаторы (Lumis, Harwei, Hobbard, 1936; Grass, Gibbs, 1938) [1]. В основе действия этих анализаторов лежит использование широкополосных и узкополосных фильтров в основном для выделения из нативной ЭЭГ отдельных частотных ритмов и дальнейшего их анализа.

В конце 40-х - начале 50-х годов к анализу ЭЭГ начали привлекать методы авто – и кросскорреляции. Первые работы по корреляционному анализу ЭЭГ появились в Японии (Imahory, Suhara, 1949; Suhara, 1952) и независимо от них в Америке (Brazier, Casby, 1952; Brazier, Barlow, 1956; Barlow, Brazier, Rosenblith, 1959). В последующие годы методы авто- и кросскорреляции ЭЭГ находят все большее применение в экспериментах и в исследованиях на здоровом человеке [1, 2].

Еще позже, с появлением электронно-вычислительных устройств, широкое распространение

начал получать спектральный анализ ЭЭГ. Популярность этого метода объясняется простотой и

11 наглядностью представления результатов вычислений, когда быстро и точно можно сказать

о преобладании на рассматриваемом участке ЭЭГ того или иного ритма и частоты.

Далее приводится таблица, которая дает представление о целесообразности применения u1072 автоматизированных методов анализа ЭЭГ.

Таблица 1. Сравнение возможностей ручного и компьютерного анализа ЭЭГ.

Примечание: количество «звездочек» означает условное преобладание над альтернативным методом,

« - » означает недостаток по данному аспекту диагностики, отсутствие знака – метод не имеет

отношения к данному аспекту [9].

МЕТОДЫ МАТЕМАТИЧЕСКОГО АНАЛИЗА РИТМОВ БИОПОТЕНЦИАЛОВ МОЗГА ЧЕЛОВЕКА

Впервые математический анализ ЭЭГ был произведен путем оцифровки кривой вручную и вычисления частотных спектров, различие которых в разных областях мозга объяснялось цитоархитектоникой корковых зон.

Автоматические частотные анализаторы ЭЭГ были сконструи­рованы к началу 40-х годов. В 40-50-х годах получили распрост­ранение узкополосовые анализаторы с фильтрами (20—24 фильт­ра), пропускающими узкую полосу частот от 0,5 до 2 Гц, и анализаторы с широкополосовыми фильтрами. Последние включают в себя набор из 5-6, иногда 7 фильтров, которые наст­роены таким образом, что их полосы пропускания соответствуют диапазонам физиологических ритмов (δ, θ, α, β, γ). Это удобно при исследовании ЭЭГ человека, так как позволяет иметь наглядную картину соотношения выраженности физиологических ритмов и их изменений во времени и при раздражениях. Частотные ана­лизаторы имеют, как правило, два независимых канала и работа­ют как в непрерывном режиме, так и с накоплением сигнала за определенный временной интервал — «эпоху». Эпоха анализа обычно составляет 5 или 10 с. При использовании анализатора в ряде случаев можно определить, появляется ли в сложной сум­марной картине ЭЭГ ритм, соответствующий частоте подаваемых раздражений, а также дать количественную оценку этой ритмиче­ской реакции. Ряд авторов применили частотный ана­лиз ЭЭГ, исследуя электрическую активность мозга человека при различных функциональных состояниях и при действии фармако­логических веществ.

Частотный анализ был использован для оценки ЭЭГ больных с поражениями мозга. В большинстве случаев это были исследования ЭЭГ у больных с психическими нарушениями и при эпилепсии. Под­ходом к определению пространственных взаимоотношений ритмов на ранних этапах развития электроэнцефалографии было исследо­вание фаз ритмических колебании разных отделов коры большого мозга.

Исследование пространственных отношений электрической ак­тивности коры большого мозга человека проводилось также с применением топоскопа, который давал возможность одновременно в 16 точках мозга исследовать в динамике интенсивность сигнала, фазовые отношения активности, а также производить выделение определенного выбранного ритма.

Для исследования пространственных отношений электрической активности коры большого мозга был сконструирован прибор — электроэнцефалоскоп, позволяющий одновременно наблюдать электрическую активность 50 или 100 точек. С помощью электроэнцефалоскола был выявлен ряд закономерностей в пространст­венном протекании биоэлектрических процессов. Метод электроэнцефалоскопии был применен для анализа ЭЭГ здорового челове­ка и больных с очаговыми поражениями мозга

Впервые вопрос о возможности применения корреляционного метода к ЭЭГ был поставлен Н. Винером в 30-х годах и разрабо­тан им в сотрудничестве с физиологами и физиками Массачусетского технологического института. Следует сказать, что не­зависимо от американских исследователей, еще до их первых пуб­ликаций, корреляционный анализ ЭЭГ применили японские фи­зиологи, проводившие весь корреляционный анализ с по­мощью очень трудоемкой обработки кривых вручную.

Частотный и автокорреляционный анализы в своем конечном выражении — спектре мощности — теоретически эквивалентны. Выбор типа анализа зависит от конкретных физиологических за­дач. Так, если ставится вопрос о временных соотношениях процес­сов, то целесообразно использовать корреляционный анализ. Если же ставится вопрос о наличии или отсутствии в процессе тех или иных частот, то можно пользоваться частотным анализом.

При корреляционном анализе производится исследование из­менений процесса во времени.

Более того, корреляционный анализ ЭЭГ позволяет выявить и количественно оценить следующие стороны процесса: 1) наличие или отсутствие в ЭЭГ периодического (или квазипериодического) процесса; 2) период ритмических колебаний; 3) устойчивость периодики; 4) при кросскорреляции — определить временные отношения двух процессов по их фазовому сдвигу или сдвигу максимума кросскор-реляционной функции; 5) количественно оценить степень связи или сходства двух процессов ЭЭГ. Здесь необходимо отметить, что вычисление корреляционной функции ЭЭГ, в частности взаимной или кросскорреляции, а также, как это будет показано ниже, ко­герентности электрических колебаний потенциала не эквивалент­но вычислению попарной корреляции амплитудных изменений в двух ЭЭГ, получаемой на основании данных энцефалоскопа.

При вычислении когерентности выявляются общие для двух ЭЭГ колебания, исходящие из единого источника, проводится оценка сходства по сравнению с остальными колебаниями даже совпадающей частоты, происходящими из другого источника. При корреляции амплитудных изменений двух ЭЭГ (по данным энце­фалоскопа и других подобных приборов) сравниваются все коле­бания не только общей частоты, но и разного периода, возникшие на кривой ЭЭГ в данный момент измерения, т. е. может быть про­ведено сравнение увеличения амплитуды α-волны с падением δ-волны.

С применением корреляционного анализа ЭЭГ было показано, что α-ритм фоновой активности ЭЭГ и ритмика с частотой альфа, возникающая в форме разряда последействия в ответ на световое раздражение, развиваются независимо друг от друга, между ними нет фазовой связи.

Среди математических методов анализа ЭЭГ внимание исследо­вателей привлекает метод вычисления спектров мощности, взаим­ных спектров и комплексной функции когерентности.

Спектр мощности отражает энергию каждой из частотных со­ставляющих данной ЭЭГ. В каждой же ЭЭГ имеется, как правило, не одна, а несколько различно выраженных частотных составляю­щих. Вычисление спектра мощности позволяет выделить с боль­шой точностью частотные составляющие каждого процесса ЭЭГ и показать веса разных частотных компонентов. Взаимные спект­ры дают количественные оценки связанности отдельных частотных составляющих ЭЭГ двух областей.

Частотный анализ.

Частотный анализ биопотенциалов мозга, в данном случае, производится при помощи электроэнцефалографического комплекса «Биофизприбор», который включал 8-канальный электроэнцефалограф, 8-канальный анализатор с широкополосовыми фильтрами, 8-канальный интег­ратор.

Анализатор имеет набор из 6 полосовых фильтров, в каждом 8 каналов с соответствующими значениями граничных частот: фильтр «δ» — 0,35—4,2 Гц; фильтр «θ» —4,6—7,4 Гц; фильтр «α» —7,7—13,4 Гц; два фильтра диапазона β-волн—«β₁ » (низ­кий) — 13,7—21 Гц и «β₂ » (высокий) — 21—30 Гц; фильтр «γ» — 31—70 Гц. Фильтры избирательно выделяют только те ко­лебания ЭЭГ, частоты которых соответствуют полосе пропускания. Выходные сигналы фильтров характеризуют колебания в частот­ных полосах физиологических ритмов. Ширина полосы пропуска­ния фильтром позволяет осуществлять анализ за короткие отрезки времени. Эпоха анализа сокращается до долей секунды (фильтр имеет небольшое время установления — постоянная времени со­ставляет примерно 0,13 с). Фильтры обладают высокой селектив­ностью.

Каждому каналу анализатора соответствует канал интеграто­ра. Принцип его работы: измеряемые биопотенциалы подвергают­ся двухполупериодному выпрямлению, и выпрямленное напряже­ние поступает на интегратор. Последний измеряет суммарную биоэлектрическую активность пропорционально накопленному за эпоху анализа электрическому заряду. Интегратор с импульсным отсчетом отмечает определенные порции электрического заряда и соответственно этому посылает отметки на осциллограммы или на цифровой счетчик. Показания интегратора, отмечающиеся на циф­ровых электромеханических счетчиках, дают возможность опреде­лять средние значения амплитуд выделенных ритмов или ЭЭГ за любые более или менее длительные периоды времени, заданные заранее, и получать непосредственное цифровое выражение результатов анализа.