В. В. Грубов, А. А. Короновский, А. Е. Храмов



Скачать 32.16 Kb.
Дата12.07.2016
Размер32.16 Kb.

АППАРАТНО-ПРОГРАММНЫЙ КОМПЛЕКС ДИАГНОСТИКИ ЭЛЕКТРОЭНЦЕФАЛОГРАММ С ИСПОЛЬЗОВАНИЕМ АППАРАТА НЕПРЕРЫВНОГО ВЕЙВЛЕТНОГО АНАЛИЗА И РАЗЛОЖЕНИЯ СИГНАЛА ПО ЭМПИРИЧЕСКИМ МОДАМ

В.В. Грубов, А.А. Короновский, А.Е. Храмов


Саратовский государственный университет им. Н.Г. Чернышевского

E-mail: vvgrubov@gmail.com


Одним из основных источников информации о работе мозга является электроэнцефалограмма (ЭЭГ) [1]. Большое внимание исследователей направлено на анализ процессов формирования особых форм ритмической активности, характеризующих различные функциональные состояния (сон, бодрствование, патологические состояния).

Следует отметить, что сигналы биологической природы часто характеризуются существенной нестационарностью, их спектральный состав и амплитуда меняются с течением времени, поэтому представляется перспективным применение для их исследования радиофизических методов анализа, хорошо приспособленных для обработки таких нестационарных процессов.

Одним из таких методов является непрерывное вейвлетное преобразование [2], которое представляет собой свертку исследуемого сигнала с набором базисных функций. Основным свойством вейвлетного преобразования, принципиальным для анализа сложных нестационарных процессов нейро физиологической природы является способность сохранять локальность представления сигнала, и, как следствие, локально реконструировать сигнал [3].

Другим эффективным методом является метод разложения сигнала по эмпирическим модам (преобразование Гильберта-Хуанга) [4]. Данный метод позволяет представить сигнал в виде набора амплитудно-модулированных компонентов (мод), содержащих характерные осцилляторные паттерны. Кроме того, для реализации метода разложения по эмпирическим модам не требует больших затрат машинной мощности, что делает его подходящим для экспресс-анализа сигналов ЭЭГ [5].

Комбинация методов, основанных на непрерывном вейвлетном анализе и эмпирических модах оказывается весьма эффективным средством, позволяя исследователю выделять вклады определенных временных масштабов в тот или иной момент времени и реконструировать только часть сигнала, соответствующих тем или иным осцилляторным паттернам на ЭЭГ. Последнее дает возможность разработать эффективные методы и аппаратно-программные комплексы для выделения характерных особенностей и автоматической разметки как уже записанных сигналов ЭЭГ, так и при обработке информации в реальном времени [3, 6].

На рисунке 1 представлено пример работы разработанного нами аппаратно-программного комплекса основанного на комбинированном методе для выделения сонных веретен на сигнале сонной ЭЭГ животного (крысы линии WAG/Rij с генетичексой прерасположенностью к абсанс-эпилепсии) [5]. Результаты работы метода проверялись экспертом-нейрофизиологом. Было показано, что эффективность метода достигает 95%. Кроме того, данный метода позволяет реализовать детектирование в режиме реального времени, что может найти применение в клинической практике и при разработке интерфейсов мозг-компьютер, например, для стимуляции головного мозга во время эпилептического приступа [7].


Рис. 1. а – фрагмент сигнала ЭЭГ крысы линии WAG/Rij с генетичексой прерасположенностью к абсанс-эпилепсии, зарегистрированный у свободнодвижущегося животного во время сна; б – первая эмпирическая мода для сигнала ЭЭГ; в – усредненная энергия вейвлетного преобразования; г – разметка сигнала ЭЭГ с помощью предложенной методики; д – разметка сигнала ЭЭГ эксперта-нейрофизиолога


Библиографический список


  1. Niedermeyer E., da Silva F.L. Electroencephalography: Basic principles, clinical applications, and related fields // Lippincott Williams & Wilkins, 2004. P. 1256.

  2. Короновский А.А., Храмов А.Е. Непрерывный вейвлетный анализ и его приложения. М.: Физматлит, 2003.

  3. Павлов А.Н., Храмов А.Е., Короновский А.А., Ситникова Е.Ю., Макаров В.А., Овчинников А.А. // Вейвлет-анализ в нейродинамике. УФН. 182, 9 (2012) 905-939

  4. Huang N.E., Shen Z., Long S.R., Wu M.C., Shih H.H., Zheng Q., Yen N., Tung C. C.,

Liu H. H. // The empirical mode decomposition and the hilbert spectrum for nonlinear and non-stationary time series analysis. Proc. R. Soc. Lond. 1998. A. 454 P. 903.

  1. Грубов В.В., Ситникова Е.Ю., Короновский А.А., Павлов А.Н., Храмов А.Е. Автоматическое выделение и анализ осцилляторных паттернов на нестационарных сигналах ээг с использованием вейвлетного преобразования и метода эмпирических мод. // Изв. РАН. Сер. физическая. 2012. Т. 76. № 12. С. 1520-1523.

  2. Ovchinnikov A.A., Luttjohann A., Hramov A.E., van Luijtelaar G. An algorithm for real-time detection of spike-wave discharges in rodents // Journal of Neuroscience Methods. 194, 1 (2010) 172-178

  3. Berényi A. et al. Closed-Loop Control of Epilepsy by Transcranial Electrical Stimulation // Science 337, 735 (2012);


Сведения об авторах

Грубов Вадим Валерьевич – аспирант, дата рождения: 10.01.1990г

Короновский Алексей Александрович – д.ф-м.н., профессор, дата рождения: 16.12.1972г.

Храмов Александр Евгеньевич – д.ф-м.н., профессор, дата рождения: 20.09.1974г.

Докладчик Грубов В.В., 23 года



vvgrubov@gmail.com

+7 903 380 40 97



Вид доклада: устный (/ стендовый)


Поделитесь с Вашими друзьями:


База данных защищена авторским правом ©uverenniy.ru 2019
обратиться к администрации

    Главная страница