Главная | Обратная связь | Поможем написать вашу работу!
МегаЛекции

Основные параметры электроэнцефалографического сигнала




Как для любого колебательного процесса, основными понятиями, на которые опирается характеристика ЭЭГ, являются частота, амплитуда и фаза. Поскольку ЭЭГ представляет собой случайный процесс, на каждом участке записи встречаются волны различных частот, и смыслом анализа является выделение так называемых частотных ритмов из энцефалографического сигнала.

Под понятием частотный ритм ЭЭГ подразумевается определенный тип электрической активности, соответствующий некоторому состоянию мозга, для которого определены границы диапазона частот.

Наиболее часто для анализа используются четыре основных ритма.

Дельта-ритм. Частота 0.5-3 Гц, амплитуда, как правило, превосходит 40 мкВ, иногда при сильныхпатологиях может достигать 300мкВ.

Тета-ритм. Частота 4-6 Гц, амплитуда такая же, как и у дельта-ритма.

Альфа-ритм. Частота 8-13 Гц, амплитуда до 100мкВ. Является наиболее информативным и, в большинстве случаев, доминирующим при анализе ЭЭГ. Лучше всего выражен в затылочных отделах. По направлению к лобным отделам его амплитуда уменьшается. Наибольшую амплитуду альфа-ритм имеет в состоянии спокойного расслабленного бодрствования, особенно при закрытых

глазах. В большинстве случаев достаточно регулярно наблюдаются спонтанные изменения амплитуды, так называемые модуляции альфа-ритма, выражающиеся в чередующемся нарастании и снижении амплитуды волн с образованием характерных “веретен” - амплитудно-модулированных колебаний ЭЭГ, длительность которых может быть от 2 до 8 секунд.

Бета-ритм. Частота 14-35 Гц, амплитуда в норме не более 15 мкВ.

Существуют еще так называемые Мю-ритм и Гамма-ритм, но они на данный момент не имеют диагностической ценности и в дальнейшем рассматриваться не будут.

Помимо понятия ритм в электроэнцефалографии используется термин феномен. Под ним подразумевается участок записи, отличающийся по своим параметрам от фоновой записи и имеющий диагностическую ценность при анализе. Наиболее известными и важными среди них являются эпилептическая активность, пики, или спайки, медленные волны, комплексы пик – волна и острая волна - медленная волна.

Эпилептическая активность (иначе судорожная активность). Эти колебания подразумевают связь их с мышечными судорогами и судорожными приступами, возникающими при эпилепсии. Одной из основных особенностей мозга при эпилепсии является свойство нейронов давать более активные реакции возбуждения и вступать в синхронизированную активность. Процесс синхронизации активности нейронов приводит к нарастанию амплитуды волн на ЭЭГ в результате суммации во времени амплитуд синфазных колебаний. В случае, если разряды отдельных нейронов очень плотно группируются во времени, помимо нарастания амплитуды наблюдается уменьшение длительности суммарного потенциала, что приведет к образованию высокоамплитудного, но короткого феномена - пика. Именно такого рода потенциалы и соответствуют эпилептической активности на ЭЭГ.

Пик, или спайк. Соответствуя названию, этот потенциал имеет пикоподобную форму. Длительность его 5-50 мс. Амплитуда, как правило, превосходит амплитуду фоновой активности и может достигать сотен и даже тысяч микровольт. Иногда пики группируются в короткие или боледлинные пачки, образуя феномен, носящий название “множественные пики”.[1]

Близким по происхождению феноменом, свойственным эпилептическому синдрому, является острая волна. Внешне она напоминает пик и отличается от него только растянутостью во времени. Длительность острой волны более 50 мс. Амплитуда может достигать тех же значений, что и амплитуда пиков.

Учитывая вышеперечисленные особенности ЭЭГ можно отметить, что при ее исследовании выполняются следующие процедуры:

- съем ЭЭГ;

- фильтрация и подавление помех и артефактов;

- определение интегральных характеристик ЭЭГ с помощью визуальной оценки и с применением методов математической обработки;

- формирование заключения с отнесением ЭЭГ к некоторому варианту нормы или к патологическому классу.

Поскольку съем ЭЭГ с человека сопровождается артефактами, возникающие в результате движение мышц человека, а также электрические наводки оборудования находящейся в помещении, а также наводки на кабеля съема ЭЭГ электрической сети, рапостронение получили математические методы обработки э лектроэнцефалограмм, позволяющие уменьшить шумы.

Математические методы анализа ЭЭГ человека начали свое развитие, когда были сконструированы первые автоматические частотные анализаторы. В основе действия этих анализаторов лежит использование широкополосных и узкополосных

фильтров в основном для выделения из ЭЭГ отдельных частотных ритмов и дальнейшего их анализа.

Одними из основных методов математической обработки электроэнцефалограмм (ЭЭГ): ручной, спектральный и картирование ЭЭГ по амплитуде. При ручном методе производится визуальный анализ ЭЭГ и расчет числовых характеристик ЭЭГ. При спектральном анализе производится вычисление спектров мощности, что позволяет получить энергию каждой из частотных составляющих данной ЭЭГ. Это дает возможность сравнивать электрические процессы разных отделов коры головного мозга на определенном отрезке времени, проводить сравнение спектров каждой данной области в динамике при повторных исследованиях, а также сравнивать в количественных величинах ЭЭГ разных больных. При картировании (метод построения модели распределения биопотенциалов головного мозга) выбирается сигнал для картирования и происходит определение средней амплитуды ЭЭГ для каждого ритма и каждого канала.

Производится вычисление спектра мощности ЭЭГ-сигнала для каждого канала. Для этого можно использовать различные алгоритмы цифровой обработки и по графику спектра выделить отдельные частотные ритмы для каждого отведения и для каждого такого ритма найти среднее значение амплитуды. Эти значения принимается как амплитудный показатель конкретного ритма для каждого отведения и используются для дальнейших расчетов.

Анализ и сравнение возможностей ручного и компьютерного анализа ЭЭГ по основным диагностическим аспектам показал, что при ручном анализе ЭЭГ данные более объективны, с более полной информацией, но с малой скоростью восприятия.

При этом метод имеет достаточно слабое разрешение по частоте, по амплитуде, по времени и очень слабое по поверхностной топике и по глубине. Эффективен при органических поражениях и практически неэффективен при функциональных нарушениях. Очень большой процент распознавания артефактов. Спектральный анализ ЭЭГ эффективен при органических поражениях и особо эффективен при функциональных нарушениях. Данный метод менее объективен и уступает ручному

по полноте информации, но превосходит его в скорости восприятия. Самое высокое разрешение по частоте среди методов и довольно слабое разрешение по амплитуде по поверхностной топике и по глубине. Имеет недостатки в отсутствии распознавании артефактов и в самом низком разрешении по времени. Картирование

ЭЭГ по амплитуде несколько схоже со спектральным анализом по диагностическим аспектам. Также имеет высокую скорость восприятия и менее объективен по полноте информации, чем ручной метод. Имеет высокое разрешение по амплитуде, по времени и по поверхностной топике, но низкое разрешение по глубине. Имеет недостатки в отсутствии распознавании артефактов и в самом низком разрешении по частоте.

Алгоритмы динамического анализа.

Анализ электроэнцефалограмм (ЭЭГ) в неврологии длительное время был ориентирован прежде всего на выявление грубой патологии. Только к концу 20 века возобладало очевидное мнение об эффективности ЭЭГ как инструмента исследования здорового мозга и центральной нервной системы (ЦНС). В то же время многие вопросы ЭЭГ-диагностики негрубых нарушений ЦНС и сенсорных нарушений остаются по-прежнему актуальными. Эффективным диагностическим средством зарекомендовали себя функции когерентности. Их использование опирается на теорию функциональных систем (ФС) П.К. Анохина. Управляющие элементы ФС сосредоточены в коре головного мозга, и их функционирование сопровождается вовлечением в синхронную, когерентную деятельность различных нейронных ансамблей. Функции когерентности (ФК) дают численную оценку степени взаимодействия различных участков коры головного мозга в частотной области. Как уже понятно, расчет ФК базируется на спектральных преобразованиях, прежде всего на быстром преобразовании Фурье. Однако, несмотря на его «быстроту», оно может быть осуществлено только после того, как регистрация определенной эпохи ЭЭГ закончена, и имеется определенное количество точек исходного сигнала. Еще более затруднительным моментом является необходимость визуального анализа эпохи для оценки качества и представительности, «типичности» записи для конкретного пациента. Сам по себе расчет ФК математически очень сложен, и может быть выполнен только с помощью ЭВМ. Обычно опция расчета ФК входит в пакет программного обеспечения компьютерных электроэнцефалографов, и для ее осуществления необходима достаточно высокая квалификация пользователя.

В моей работе я предлагаю полную альтернативу расчету ФК – новый метод анализа ЭЭГ, позволяющий в реальном времени оценить уровень взаимодействия тех участков коры, с которых регистрируется ЭЭГ. Метод получил название динамический анализ ЭЭГ. Он состоит в том, что сигнал ЭЭГ подается на цифровой самонастраивающийся фильтр, который выделяет сигнал доминирующего ритма. Настройка осуществляется и методом ФАПЧ (настройка частоты полосы пропускания ). На вход регулятора подаются входной и выходной сигнал фильтра.

Рисунок 2 – Устройство автоматического поиска частот синхронизации электроэнцефалограмм

 

Регулятор измеряет разницу фаз сигналов и вырабатывает управляющий сигнал, изменяющий резонансную частоту полосового фильтра. По окончании настройки доминирующий ритм проходит сквозь фильтр без фазовых и амплитудных искажений. В результате в любой момент времени известно мгновенное значение сигнала доминирующего ритма и его частота.

Уравнения полосового фильтра:

UФ = К1(UР)UВ + К2(UР)UВz-2 - К3(UР)UФz-1 - К4(UР)UФz-2;

где: UФ – выходной сигнал полосового фильтра;

UВ – входной сигнал полосового фильтра;

UР – выходной сигнал регулятора;

К1, К2, К3, К4 – коэффициенты рекуррентного уравнения;

ωР – резонансная частота полосового фильтра;

ωП - полоса пропускания;

τ – шаг дискретизации.

Применение динамического анализа (ДА) позволяет, не проводя спектральных преобразований, определить полосу доминирующего ритма. Проведенные исследования показали, что частота, амплитуда и длина веретена доминирующего ритма (в ЭЭГ чаще всего это альфа-ритм) являются ценными диагностическими показателями в онтогенетическом плане.

На кафедре ПБС факультета САУ ведется исследование в области динамического анализа электроэнцефалограмм.

На основе проведенной работы, предполагается построить модель фильтра с автоматически изменяющейся полосой пропускания.

 

 

Блок расчета дисперсии
ИФ
РФ
Структурная схема фильтрации.

БШ

 
 

 


БШ- белый шум

ИФ – измерительный фильтр

РФ- резонансный фильтр

 

 

Блок-схема фильтра.

 

 
 


Алгоритм формирования входного сигнала

 

Сигнал ЭЭГ представляет собой «розовый шум».Еслибелый шум — стационарный шум, спектральные составляющие которого равномерно распределены по всему диапазону задействованных частот, то розовый шум –это белый шум в определенной полосе частот. В природе и технике «чисто» белый шум (то есть белый шум, имеющий одинаковую спектральную мощность на всех частотах) не встречается (ввиду того, что такой сигнал имел бы бесконечную мощность), однако под категорию белых шумов попадают любые шумы, спектральная плотность которых одинакова (или слабо отличается) в рассматриваемом диапазоне частот.

Поделиться:





Воспользуйтесь поиском по сайту:



©2015 - 2024 megalektsii.ru Все авторские права принадлежат авторам лекционных материалов. Обратная связь с нами...