Автореферат (Система скрининговой ранней диагностики паркинсонизма на основе анализа параметров мониторинга сигналов многоканальных электроэнцефалограмм, электромиограмм и мышечного тремора), страница 3
Описание файла
Файл "Автореферат" внутри архива находится в папке "Система скрининговой ранней диагностики паркинсонизма на основе анализа параметров мониторинга сигналов многоканальных электроэнцефалограмм, электромиограмм и мышечного тремора". PDF-файл из архива "Система скрининговой ранней диагностики паркинсонизма на основе анализа параметров мониторинга сигналов многоканальных электроэнцефалограмм, электромиограмм и мышечного тремора", который расположен в категории "". Всё это находится в предмете "технические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве МГТУ им. Н.Э.Баумана. Не смотря на прямую связь этого архива с МГТУ им. Н.Э.Баумана, его также можно найти и в других разделах. Архив можно найти в разделе "остальное", в предмете "диссертации и авторефераты" в общих файлах, а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата технических наук.
Просмотр PDF-файла онлайн
Текст 3 страницы из PDF
Показано, что слеваэкстремумы в «больной» моторной зоне левого полушария связаны сэкстремумами мышечного тремора и огибающей ЭМГ. Напротив, в еще«здоровом» правом полушарии мозга (справа) такой связанности нет. Следуетотметить, что величина экстремумов мышечного тремора в «больной» правойруке в несколько раз больше таковой в «здоровой» левой руке.
Наличие ритмаЭЭГ в низкочастотном диапазоне 4-6 Гц, так называемого тета-ритма, и егомежполушарная асимметрия, является признаком паркинсонизма на раннейстадии. Совместный анализ ЭЭГ, ЭМГ и мышечного тремора показываетчастотную связанность ритмов в тета-диапазоне (4-6 Гц) и, следовательно, тетаритм ЭЭГ является признаком паркинсонизма. Отношение амплитуды тета-ритмаAθ к доминирующему альфа-ритму Aα может служить признаком паркинсонизма:P1 = Aθ (j) / Aα (j),P2 = Aθ (j*) / Aα (j*),(8)(9)где P1 и P2 – признаки ЭЭГ, j – «больное» отведение ЭЭГ, j* - «здоровое»отведение ЭЭГ,8 =max∈(4−6)Гц ( ) , = max ( ) .
> 6Гц(10)(11)где индекс i = 0, 1,…, N - 1 обозначает i-й диапазон частот (fi, fi + [(Fmax-Fmin) / N]).Бралось отношение амплитуды тета-ритма Aθ к доминирующему альфаритму Aα из соображений нормировки данных, поскольку было необходимосравнивать сигналы ЭЭГ в разных отведениях у разных испытуемых.Для оценки степени дезорганизации ЭЭГ во времени была использованакорреляционная матрица динамических гистограмм HISTj(fi) (см.
формулу 6): , = ( ( ), ( )) ,(12)где rm,n – коэффициент корреляции Пирсона.В норме корреляционные матрицы содержат значительное число большихкоэффициентов корреляции, и, наоборот, у пациента с паркинсонизмомкорреляционные матрицы содержат значительное число малых коэффициентовкорреляции. Поэтому целесообразно для оценки степени дезорганизации(нестационарности) использовать среднее значение и среднеквадратичноеотклонение rm,n. Отношения средних значений коэффициентов корреляции rm,n(13) и их среднеквадратичных отклонений (14) динамических частотныхгистограмм HISTj(fi) доминирующего ритма (более 6 Гц) контралатерального«больной» конечности отведения j к «здоровому» отведению j* могут служитьпризнаками паркинсонизма:P3 = r(j) / r(j*),P4 = σ(j) / σ(j*),(13)(14)где P3 и P4 – признаки ЭЭГ, j – «больное» отведение ЭЭГ, j* - «здоровое»отведение ЭЭГ.Отношение большей амплитуды мышечного тремора в «больной»конечности к меньшей амплитуде в «здоровой» также может служить признакомпаркинсонизма:P5 = max(TL/TR,TR/TL),(15)где P5 – признак мышечного тремора, Т – ускорение мышечного тремора, L –левая конечность, R – правая конечность.Предложена модель количественных оценок электрофизиологическихпризнаков Pi по 8 симметричным парам отведений ЭЭГ n, подчеркивающаяхарактерное одностороннее проявление паркинсонизма на ранней стадии:Pi (n) ϵ {P1(n), P2(n), P3(n), P4(n), P5},(16)9где Pi – электрофизиологический признак; i ϵ {1, 2, 3, 4, 5} – номер признака; n=1,…, 8 – номер пары отведений ЭЭГ; n ϵ {<Fp1,Fp2>, <F7,F8>, <F3,F4>,<T3,T4>, <C3,C4>, <P3,P4>, <T5,T6>, <O1,O2>}.В пространстве признаков Pi было рассчитано эвклидово расстояние R отиспытуемого до абстрактного идеального объекта:R ( Pi Pi (идеал)) 2 )1/ 2 ,(17)iгдеPi(идеал) = {0, 0, 1, 1, 1},(18)где цифры {0, 0, 1, 1, 1} – это «идеальные» значения электрофизиологическихпризнаков для «здорового» объекта: отношения амплитуд тета- Aθ и альфа- Aαпиков частотных гистограмм экстремумов вейвлет-спектрограмм в симметричныхпарах отведений равны 0; отношение средних коэффициентов корреляции rдинамических частотных гистограмм доминирующего ритма равно 1, так каксредние коэффициенты корреляции r в симметричных парах отведений равны;отношение среднеквадратичных отклонений σ распределения коэффициентовкорреляции динамических частотных гистограмм доминирующего ритма равно 1,так как среднеквадратичные отклонения σ в симметричных парах отведенийравны; отношение амплитуды мышечного тремора в одной конечности камплитуде в другой равно 1, так как значения мышечного тремора в обеихконечностях одинаковы.Выбор точки отсчета Pi(идеал) в эвклидовом признаковом пространстве Рiне является принципиальным для оценки расстояния между больным иконтрольным испытуемым.Таким образом, была предложена модель электрофизиологическихколичественных признаков ранней стадии паркинсонизма, отражающаяхарактерную для БП на 1-й стадии Хен-Яра асимметрию характеристик ЭЭГ имышечного тремора конечностей, наличие характерных для паркинсонизма тетаритма и дезорганизации ЭЭГ.
Модель была получена на результатахисследований 31 пациента с дрожательной и дрожательно-ригидной формой БПна 1-й стадии по шкале Хен-Яра и 18 человек из контрольной группыиспытуемых.В третьей главе описан комплекс программ, созданный на основеразработанной методики и алгоритма анализа данных. Программный комплексреализован в среде MATLAB (Sushkova O.S.
et al., 2016; Сушкова О.С. и др.,2016).Описаналгоритманализасигналовэлектроэнцефалограмм,электромиограмм и мышечного тремора в ранней диагностике паркинсонизма.Алгоритм включал в себя: 1) предварительную обработку сигналов (удалениевыбросов, удаление сетевой наводки, фильтрация сигналов фильтромБаттерворта, преобразование Гильберта); 2) вейвлет-преобразование ивычисление локальных максимумов; 3) вычисление частотно-временных,10динамических частотных и интегральных гистограмм; 4) визуализацию частотнойсинхронизации экстремумов вейвлет-спектрограмм и гистограмм ЭЭГ,огибающей ЭМГ и мышечного тремора; 5) расчет количественныхэлектрофизиологических признаков согласно модели, описанной во второй главедиссертационной работы; 6) расчет эвклидового расстояния R с учетом и безучета мышечного тремора для групп пациентов и контроля.Алгоритм поиска локальных максимумов (Рисунок 3) заключается вследующем (Sushkova O.S.
et al., 2016; Сушкова О.С. и др., 2016). Локальныммаксимумом (всплеском) мы называли пик M на вейвлет-спектрограмме,полуширина (на полувысоте) по времени t и полуширина по частоте f которогопревышали некоторые пороги TH и FH соответственно.Рисунок 3. Пример локального максимума ЭЭГ в частотно-временнойобласти. Диаграмма слева – срез вейвлет-спектрограммы по времени (ось абсцисс– время, ось ординат – мощность), диаграмма справа – по частоте (ось абсцисс –частота, ось ординат – мощность). Обозначения: WH – полуширина пика наполувысоте, HH – полувысота пика, TH - величина порога по времени, FH величина порога по частоте.Величина порога по времени (TH) зависела от частоты f этого пика иопределялась следующим образом:TH = NP / (2f) ,(19)где NP – это коэффициент полуширины локального максимума по времени,опытным путем были выбраны NP = 2, а FH = 1 Гц.Характерной особенностью спектрограммы ЭЭГ является то, что мощностьвсплесков в одних частотных диапазонах может значительно превышатьмощность всплесков в других частотных диапазонах.
Более того, всплески могутиметь продолжения (хвосты) в соседних частотных диапазонах. Вследствие этого,классические методы Фурье-анализа ЭЭГ могут ошибочно относить хвостывсплесков в одних частотных диапазонах к электрической активности мозга всоседних частотных диапазонах. Разработанный алгоритм предотвращаетошибочное распознавание хвоста локального максимума из одного частотногодиапазона в качестве электрической активности в другом частотном диапазоне.То есть, алгоритм позволяет выделять всплески с малыми амплитудами даже приналичии рядом с ними всплесков с большими амплитудами.11В четвертой главе представлены результаты исследования 31 пациента сдрожательной и дрожательно-ригидной формой БП на 1-й стадии по шкале ХенЯра и 18 человек из контрольной группы испытуемых.
Отбор пациентовосуществлялся в Научном центре неврологии РАН на основе клиническогоанамнеза. Возраст группы пациентов: от 38 до 71 года, средний возраст – 58 лет.Возраст контрольной группы испытуемых: от 22 до 80 лет, средний возраст – 51год.Одновременно регистрировались ЭЭГ, ЭМГ и мышечный тремор. Дляисследований ЭЭГ и ЭМГ использовался 41-канальный многофункциональныйкомплекс для проведения нейрофизиологических исследований “Нейрон-Спектр5” фирмы “Нейрософт”. При записи ЭЭГ и ЭМГ были включены фильтр верхнихчастот с частотой отсечки 0.5 Гц, а также режекторный фильтр 50 Гц.Использовалась частота дискретизации сигналов 500 Гц для записей ЭЭГ и ЭМГ,и 1378 Гц – для записей мышечного тремора.Применялась международная схема расположения электродов ЭЭГ наскальпе “10-20”, рекомендованная Международной федерацией обществэлектроэнцефалографии и клинической нейрофизиологии (Jasper H.H., 1958).