Автореферат (1026204), страница 2
Текст из файла (страница 2)
Верификация разработанной скрининговой системы мониторинговыхэлектрофизиологических и моторных измерений и вычисления количественныхпризнаков ранней стадии паркинсонизма на основе результатов исследованиймногоканальных электроэнцефалограмм, электромиограмм и мышечного тремора31 нелеченого пациента на ранней стадии паркинсонизма и 18 контрольныхиспытуемых. Качество классификации рассчитывалось по AUC – площадью подрабочей характеристикой приёмника (ROC-кривой). AUC по эвклидовомурасстоянию R в пространстве признаков сигналов электроэнцефалограммы имышечного тремора составил 0,94.
AUC по эвклидовому расстоянию R впространстве признаков только сигналов электроэнцефалограммы составил 0,80.Научная новизна:1.Разработан метод и система мониторингового измерения и анализасигналовмногоканальныхэлектроэнцефалограмм,электромиограммимышечного тремора в диагностике раннего паркинсонизма.32.На основе мониторинговых измерений сигналов многоканальныхЭЭГ, ЭМГ и мышечного тремора разработана модель количественныхэлектрофизиологических признаков ранней стадии паркинсонизма, отражающаяхарактерную для паркинсонизма на 1-й стадии Хен-Яра асимметриюхарактеристик ЭЭГ и мышечного тремора конечностей, а также наличиехарактерных для паркинсонизма тета-ритма и дезорганизации ЭЭГ.3.Разработан алгоритм анализа частотно-временного распределениялокальных максимумов вейвлет-спектрограмм многоканальных ЭЭГ, мышечноготремора и огибающей ЭМГ и формирования пространства признаков свозможностью диагностики ранней стадии паркинсонизма.4.Проведены экспериментальные исследования 31 нелеченого пациентана ранней стадии паркинсонизма и 18 контрольных испытуемых с помощьюмониторинговых измерений сигналов многоканальных ЭЭГ, ЭМГ и мышечноготремора и верификация алгоритмов и программ на данных этих измерений.Практическая значимость результатов исследования заключается вразработке новой методики количественной диагностики ранней стадиипаркинсонизмапомониторинговымэлектроэнцефалографическим,электромиографическим и акселерометрическим измерениям.
Разработанныйметод анализа применен на практике в клинических условиях.Внедрение результатов работы. Разработанный метод и программноеобеспечение нашли практическое применение в деятельности Института высшейнервной деятельности и нейрофизиологии РАН и в ООО «Центр раннейдиагностики нейродегенеративных заболеваний».Апробация работы. Результаты работы докладывались на 26конференциях, в том числе на 16 Международных и 10 Всероссийских: 9-я, 10-я,11-я международная конференция «Интеллектуализация обработки информации»(ИОИ-9, ИОИ-10, ИОИ-11), (г. Будва, Черногория, 2012 г., о.
Крит, Греция, 2014г., г. Барселона, Испания, 2016 г.); 11-я Международная конференция «PatternRecognition and Image Analysis: New Information Technologies» (РОАИ-11-2013),(г. Самара, Россия, 2013 г.); 16-я, 17-я Всероссийская конференция«Математические методы распознавания образов» (ММРО-16), (г. Казань, Россия,2013 г., г. Светлогорск, Россия, 2015 г.); The XX World Congress on Parkinson'sDisease and Related Disorders, (Geneva, Switzerland, 2013 г.); VI Троицкаяконференция «Медицинская физика и инновации в медицине» (ТКМФ-6), (г.Троицк-Москва, Россия, 2014 г.); XI Международная научная конференция«Физика и радиоэлектроника в медицине и экологии» (ФРЭМЭ-2014), (г.Владимир - Суздаль, Россия, 2014 г.); III Национальный конгресс попаркинсонизму и расстройствам движений (с международным участием), Мэрияправительства города Москвы (г.
Москва, Россия, 2014 г.); 11-й, 12-й молодежныйконкурс научных работ молодых ученых, специалистов, аспирантов и студентовимени Ивана В. Анисимкина, ИРЭ им. В.А. Котельникова РАН (г. Москва,Россия, 2014 г., 2015 г.); VII Международный Инновационный форум «Пуцзян2014», (г. Шанхай, КНР, 2014 г.); Всероссийская научная школа-семинар«Методы компьютерной диагностики в биологии и медицине», Саратовский4государственный университет имени Н.Г.
Чернышевского, (г. Саратов, Россия,2014 г.); 9-th Open German-Russian Workshop on Pattern Recognition and ImageUnderstanding, (Koblenz, Germany, 2014 г.); Всероссийский конкурс проектов иразработок в области ИТ-технологий «IT прорыв», МГТУ им. Н. Э. Баумана, (г.Москва, Россия, 2014 г.); The 12th, 13th International Conference on Alzheimer's andParkinson's Diseases and related neurological disorders (AD/PDTM 2015, 2017), (Nice,France, 2015 г., Vienna, Austria, 2017 г.); 11-th German-Russian Conference onBiomedical Engineering, (Aachen, Germany, 2015 г.); Всероссийская конференция смеждународным участием «Знания - Онтологии - Теории» (ЗОНТ - 2015), (г.Новосибирск, Россия, 2015 г.); International Conference on Bioinformatics andSystems Biology (BSB-2016), Indian Institute of Information Technology Allahabad(IIIT-A), (Allahabad, India, 2016 г.); Международная конференция и молодежнаяшкола «Информационные технологии и нанотехнологии» (ИТНТ-2016), (г.Самара, Россия, 2016 г.); 12th Russian-German Conference on BiomedicalEngineering (RGC XII), Suzdal: Vladimir State University, (Suzdal, Russia, 2016 г.);15th Mexican International Conference on Artificial Intelligence (MICAI-2016),(Cancun, Mexico, 2016 г.); Медико-технические технологии на страже здоровья.18-я научно-техническая конференция «МЕДТЕХ - 2016», МГТУ им.
Н.Э.Баумана, (г. Москва, Россия, 2016 г.); The 8th International Multi-Conference onComplexity, Informatics and Cybernetics (IMCIC-17), (Orlando, USA, 2017 г.).Материалы работы обсуждены на научном семинаре факультета«Биомедицинская техника» Московского государственного техническогоуниверситета имени Н.Э. Баумана.Материалы диссертации использовались в ходе исследований, проводимыхв рамках грантов РФФИ (№ 12-02-00611 А, № 15-07-07846 А, № 16-37-00426мол_а), а также Программы Президиума РАН «Фундаментальные науки –медицине», 2012-2014 гг.
(№ 01201281241).Публикации. По материалам диссертации опубликованы 34 научныеработы, в том числе 10 статей, включенных в перечень изданий,рекомендованных ВАК Минобразования и науки РФ, 2 статьи в рецензируемыхжурналах, включенных в систему цитирования Web of Science, 4 статьи врецензируемых журналах, включенных в систему цитирования Scopus, 2 статьи врецензируемых журналах, включенных в систему цитирования PubMed, 9 статей врецензируемых журналах, включенных в базу данных РИНЦ, 22 статьи всборниках трудов российских и зарубежных конференций, 1 глава в книгеиздательства «Научный мир», а также имеется 1 свидетельство № 2015660136 от22.09.2015 г.
о регистрации программы в ФИПС.Структура и объем диссертации. Работа состоит из введения, 4 глав,заключения и списка цитируемой литературы из 125 наименований и содержит114 страниц текста, включая 4 таблицы и 38 рисунков.Основное содержание работыВо введении обоснована актуальность темы диссертационной работы,сформулированы цель и задачи работы, дан краткий обзор научных работ по теме5исследования, показана научная новизна полученных результатов, приведеныположения, выносимые на защиту.В первой главе был проведен анализ информации, полученной изразличных литературных источников.Клиническая диагностика БП базируется на описании симптомов икачественном описании стадий БП. После появления симптомов БП история незнает примеров излечения от БП.В этой связи для диагностики риска паркинсонизма на доклиническойстадии актуальным является поиск количественных признаков самой раннейстадии паркинсонизма в данных недорогих методик обследования пациентов, втом числе электрофизиологических и акселерометрических.
К настоящемувремени обнаружены изменения спектральных электрофизиологических имеханических характеристик при паркинсонизме, в том числе уже на самыхранних стадиях заболевания. Показано, что поиск диагностических признаковранней стадии паркинсонизма в данных совместных исследованийэлектроэнцефалографии, электромиографии и мышечного тремора являетсяактуальной задачей.В диссертационной работе для анализа сигналов был использованкомплексный вейвлет Морле. Частотно-временная спектрограмма непрерывноговейвлет-преобразования Морле S (τ, f) сигнала x(t) задается формулами (1-3):(, ) = |(, )|2 ,1−(, ) =∫ () ∗ () ,√() =1√(1)(2)2− 2 ,(3)где f = 1/T, параметры Fb, Fc принимают, как обычно, значения Fb = Fc = 1.Во второй главе описаны результаты анализа сигналов разной модальности– ЭЭГ, ЭМГ и мышечного тремора конечностей.
Такой анализ позволил выделитьв частотно-временных спектрограммах ЭЭГ диапазон частот 4-6 Гц, связанный сЭМГ и мышечным тремором (Обухов Ю.В. и др., 2014; Obukhov Yu. V. et al, 2014;Sushkova O. S. et al, 2015).Для анализа частотно-временных распределений локальных максимумов(далее – экстремумы) использовались частотно-временные HIST(tj,fi) идинамические частотные гистограммы экстремумов HISTj(fi), являющиеся срезомHIST(tj,fi) на j-м интервале времени: − ( , ) = ∑ ( , ) (( , + [ ]) , ( , + [])) ,(4)( , )(5)(tk, fk ) ϵ ((tj, tj + [T / M]),(fi, fi + [(Fmax-Fmin) / N])) ,где Sk (tk, fk ) – k-й локальный максимум S (τ, f) на частотно-временномпрямоугольнике ((tj, tj + [T / M]), (fi, fi + [(Fmax-Fmin) / N])); k = 1,…, K; [·] – целая6часть числа.
Индексы j и i обозначают j-й интервал времени и i-й диапазон частот;j = 0, 1,…, M - 1; i = 0, 1,…, N - 1; N*M - число прямоугольников, на которыеразбита частотно-временная плоскость (0-Т, Fmax - Fmin); ( ) = ( , ),(6)где j = const; i = 0, 1,…, N - 1.Были введены также интегральные гистограммы HISTint (fi): ( ) = ∑ ( ) ,(7)где j = 0, 1,…, M - 1.На Рисунке 1 приведены частотно-временные гистограммы (f > 6 Гц)экстремумов HIST (tj,fi) отведения С3 «больного» левого полушария (слева) иотведения С4 «здорового» правого полушария (справа) пациента на 1-й стадииБП по шкале Хен-Яра.
Шаг по частоте – 1 Гц, шаг по времени – 10 сек.Временной отрезок – от 0 до 140 секунды. Показано, что частотно-временнаягистограмма доминирующего ритма ЭЭГ (f > 6 Гц) в отведении С3 «больного»левого полушария (слева) имеет больший разброс по частоте по сравнению счастотно-временной гистограммой «здорового» правого полушария в отведенииС4 (справа). Это соответствует представлению о дезорганизации различныхсистем при паркинсонизме.Рисунок 1. Частотно-временные гистограммы экстремумов (f > 6 Гц)(вейвлет-спектрограмм сигнала ЭЭГ) отведения С3 «больного» левого полушария(слева) и отведения С4 «здорового» правого полушария (справа) на временномотрезке от 0 до 140 секунды.
Ось абсцисс – время (сек), ось ординат – частота(Гц), вертикальная шкала цветов – спектральная плотность мощности (мкВ2 / Гц),∆f = 1 Гц, ∆t = 10 сек.Обозначим «больное» отведение ЭЭГ как отведение в полушарии,контралатеральном «больной» конечности. Под «больной» конечностью будемпонимать конечность с большим тремором. Для определенности будемобозначать «больное» отведение ЭЭГ – j, а «здоровое» отведение ЭЭГ – j*.7Был проведен совместный анализ частотно-временных распределенийэкстремумов ЭЭГ, мышечного тремора и огибающей ЭМГ при паркинсонизме наранней стадии. На Рисунке 2 представлены интегральные гистограммы частотныхраспределений локальных максимумов для сигнала ЭЭГ (черная линия),огибающей сигнала ЭМГ (зеленая линия) и сигнала мышечного тремора (краснаялиния).Рисунок 2.
Интегральные гистограммы частотных распределенийлокальных максимумов с частотной синхронизацией в диапазоне тета (больноеполушарие) – слева, и с частотной рассинхронизацией в диапазоне тета(клинически здоровое полушарие) – справа. Ось абсцисс – частота (Гц), осьординат – сумма амплитуд экстремумов (мкВ2/Гц), ∆f = 1 Гц, ∆t = 10 сек.Слева – для отведения С3 «больного» левого полушария, огибающейсигнала ЭМГ «больной» правой руки (EMG2), сигнала мышечного тремора«больной» правой руки (RH). Справа – для отведения С4 «здорового» правогополушария, огибающей сигнала ЭМГ «здоровой» левой руки (EMG1), сигналамышечного тремора «здоровой» левой руки (LH).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
