информационный портал по вопросам биомедицинской инженерии

Сейчас на сайте 0 пользователей и 0 гостей.

Вход в систему

Недавно присоединились

  • Roman Polostnikov
  • Абдусаламов Магом...
  • Комиссаров Мэлор ...
  • Олег Матвеевич
  • вусенко алена ива...
аватар: саиф мохаммед гамиль

 Основные методы ЭЭГ-анализа

 Mousa A.

СОДЕРЖАНИЕ

Введение
1. ОБЩИЙ РАЗДЕЛ
1.1. Общие сведения об электроэнцефалографии
1.2.  Анализ существующих технических решений.
    1.3. Основные параметры электроэнцефалографического сигнала
1.4. Регистрация ЭЭГ-сигнала
          1.5. Особенности ЭЭГ при наличии патологий
1.6. Структура аппаратно-программного комплекса ЭЭГ
1.6.1. Аппаратная часть
1.7. Методы и программного обеспечение обработки ЭЭГ
          1.7.1. Средств обработки и анализа ЭЭГ
          1.7.2. Программное обеспечение системы  " WinEEG "
           1.7.3. Программное обеспечение системы  " BrainLoc 6.0"
        2. СПЕЦИАЛЬНЫЙ РАЗДЕЛ
 2.1. Обработка и анализ ЭЭГ как нестационарного сигнала
 2.2. Вейвлет- преобразование
 2.3. Алгоритм вейвлет-анализа ЭЭГ
 2.4. Реализация алгоритма анализа ЭЭГ
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ

Введение.
 
Электроэнцефалография (ЭЭГ) – метод записи электрической активности различных отделов головного мозга, которая преобразуется в соответствующую кривую, называемую электроэнцефалограммой[1]. Прибор, с помощью которого выполняется электроэнцефалография, называется энцефалографом. Электроэнцефалограмма с помощью ряда характеристик отражает состояние головного мозга человека и уровень его сознания. Электроэнцефалография применяется главным образом для диагностики и определения участков головного мозга, пораженных эпилепсией[1].
В настоящий момент технический прогресс позволил отказаться от устаревших аппаратов  с лентой и самописцами и воспользоваться регистрацией электроэнцефалограммы на цифровых носителях – появился метод компьютерной электроэнцефалографии (КЭЭГ). Компьютерные записи затем распечатываются и анализируются врачом совершенно, так же как и больше полувека назад на заре эпохи ЭЭГ. Несмотря на то, что в настоящее время создано значительное число алгоритмов компьютерного анализа данных, визуальный анализ остается одним из самых значимых.
 Одним из основных условий, определяющих успех противоэпилептической терапии, являются точное установление диагноза на основании  анамнеза, клинических проявлений, изменений ЭЭГ,  данных  нейровизуализации, лабораторных тестов, другой диагностической информации (неврологический статус, психофизический комплекс, генетический тип).
Эпилептические приступы и синдромы следует классифицировать в соответствии с рекомендациями, разработанными под эгидой ILAE. Эта классификация принята во всем мире. В основу классификации положено соотношение клинических и электрофизиологических данных - так называемая клиникоэнцефалографическая корреляция.  
Идентификация приступов должна быть основана на исследовании и наблюдении симптомов и признаков их проявления. Минимальное требование - субъективное описание приступов самим пациентом в сопоставлении с детальными подробностями, полученными от одного или нескольких свидетелей. Для более точного определения типа приступа может потребоваться ЭЭГ-исследование, которое является незаменимым диагностическим методом при эпилепсии, позволяющим контролировать динамику заболевания и эффективность терапии.
Начало ЭЭГ-исследований, в том виде, как они проводятся сейчас, положили работы Правдич-Неминского, который изучил, классифицировал у собаки различные типы электрических колебаний — всего 7 типов спонтанных волн. Исследования Правдич-Неминского создали предпосылки для переноса метода регистрации биопотенциалов мозга на человека.
В современной медицине весьма распространено применение алгоритмов автоматизированного анализа данных ЭЭГ, реализованных в специальных программных пакетах для диагностики и определения участков головного мозга, пораженных эпилепсией[2].
модернизируя модуль за счет нововведений, разрабатываем новый модуль, что и является основной целью данного квалификационного работа.
 Анализ ЭЭГ является сложной задачей,  требует учитывать множество характеристик пациента и дополнительных факторов. При этом  окончательное решение при формировании заключения остаётся за врачом. Поэтому большую перспективу имеют автоматизированные системы ЭЭГ диагностики, позволяющие записывать в цифровой форме сигналы в максимально комфортных условиях для пациента и врача, автоматически выполнять предварительную обработку сигнала и представлять данные в виде, позволяющем врачу быстро выполнить окончательный анализ  и точно  сформулировать заключение.
В настоящее время системы КЭЭГ активно развиваются. Они отличаются количеством и качеством применяемых алгоритмов.
Достоинством практически всех таких систем является возможность добавления новых и модификации существующих алгоритмов обработки и анализа сигнала путём подключения дополнительных программных модулей.
Целью данной работы является разработка автоматизированной системы цифровой электроэнцефалографии с функцией автоматического детектирования патологических состояний головного мозга.
Для достижения поставленной цели необходимо решить следующие задачи:
-                   Изучить биофизические основы метода электроэнцефалографии и параметры сигнала ЭЭГ .
-                   Определить признаки патологической активности мозга, проявляющиеся на электроэнцефалограмме.
-                   Выполнить анализ технических средств регистрации ЭЭГ.
-                   Изучить методы анализа ЭЭГ сигнала.
-                   Изучить архитектуру автоматизированных систем записи и анализа электроэнцефалограмм.
-                   Разработать алгоритм и реализовать его в виде программного модуля автоматического детектирования патологической активности мозга для системы КЭЭГ.

 

1. ОБЩИЙ РАЗДЕЛ

 

1.1. Общие сведения об электроэнцефалографии.

Мозг  человека,  механизмы  его  деятельности  привлекают  внимание  исследователей  самых разных  специальностей.  Объективному  изучению  функций  мозга  человека  положил  начало  И.М. Сеченов,  опубликовавший  в 1863 году  книгу “ Рефлексы  головного  мозга”,  где  впервые  был поставлен  вопрос  о  закономерности  объективного  физиологического  подхода  к  механизмам психической  деятельности . Электроэнцефалография  как  метод  исследования  головного  мозга, основанный на  регистрации его  электрических  потенциалов,  зародилась в начале XX века. Начало эры  электроэнцефалографии  связывают с  именем австрийского  психиатра  Ганса  Бергера,  который впервые  осуществил  в 1928 году  регистрацию  электрических  потенциалов  головного  мозга  у  человека, используя скальповые игольчатые электроды. В его же работах было приведено описание основных  ритмов  электроэнцефалограммы    ( ЭЭГ)  человека  и  их  изменения  при  различных функциональных  пробах  и  патологических  проявлениях  в  мозге.  Дальнейшие  успехи электроэнцефалографии  были  связаны  с  разработкой  многоканальных  высокочувствительных чернильнопишущих электронных приборов, позволявших производить стандартные исследования у пациентов. А в наше время большой успех приобрели компьютерные системы, позволившие сделать качественно новый шаг в диагностике, и использующие для этого сложные математические методы.
Между двумя точками мозга, а также между точками мозга и удаленными от него тканями организма возникают переменные разности потенциалов, регистрация и анализ которых и составляют задачу  электроэнцефалографии.  Возбуждение  нервных  элементов,  согласно  современным представлениям,  возникает  в  результате  процесса  их  поляризации  и  деполяризации.  Благодаря избирательной проницаемости оболочки нервной клетки по отношению к возникающим потенциалам в состоянии покоя на наружной стороне оболочки нервной клетки устанавливается положительный заряд, а на внутренней - отрицательный .
Возникающие  при  непрерывно  происходящей  поляризации  и  деполяризации  различных нервных  элементов головного мозга биоэлектрические токи взаимодействуют между собой  и  дают сложную интерференционную кривую ЭЭГ . Пример ЭЭГ приведен на рис.1.1.
       Основной  задачей  специалиста,  проводящего электроэнцефалографическое  обследование, является  выделение  на  ЭЭГ  значимых  признаков,  идентификация  их  параметров  и,  далее, составление на их основании заключения. Одним словом этот процесс называется анализом ЭЭГ[3].

Рис.1.1. Пример электроэнцефалограммы
 

 

1.2.  Анализ существующих технических решений.

 
Метод электроэнцефалографии (ЭЭГ) основан на регистрации биопотенциалов мозга. Излагая сущность метода простыми словами, можно сказать, что энцефалограф  – это, по сути, обычный вольтметр, который измеряет разности потенциалов между различными точками кожи головы. Поскольку, как и все процессы в живой природе, потенциалы мозга меняются во времени, запись ЭЭГ традиционно представляется в виде кривой потенциал/время.
В настоящий момент технический прогресс позволил отказаться от устаревших аппаратов с лентой и самописцами и воспользоваться регистрацией ЭЭГ на цифровых носителях – появился метод компьютерной ЭЭГ (КЭЭГ). Компьютерные записи затем распечатываются и анализируются врачом совершенно, так же как и больше полувека назад на заре эпохи ЭЭГ. Несмотря на то, что в настоящее время создано значительное число алгоритмов компьютерного анализа данных, визуальный анализ остается одним из самых значимых[5].
Среди методов регистрации ЭЭГ наиболее распространены:
- Рутинная ЭЭГ;
- ЭЭГ мониторинг;
- Видео ЭЭГ мониторинг.
Обычный (рутинный) метод записи ЭЭГ предполагает не более 15 минут записи, и используется для массовых исследований. К сожалению, в ряде ситуаций он оказался не слишком информативен – слишком короткий период записи не всегда позволяет разглядеть патологическую активность. Однако очень часто встречаются ситуации, когда даже в случае тяжелой болезни изменения на ЭЭГ проявляются лишь на незначительный период времени – например в связи с засыпанием пробуждением пациента. С появлением компьютерных технологий (КЭЭГ) закономерно появилась возможность выполнять более длительные записи - мониторинг ЭЭГ (от слова monitor – наблюдать).
ЭЭГ мониторинг предполагает длительную от 1 до 12 часов и более непрерывной записи. Активность мозга регистрируется в разных функциональных состояниях – как при повседневной активности в бодрствовании, так и во сне. Причем, по мнению большинства исследователей, в большинстве случаев именно запись сна обладает наибольшей информативностью.
Видео ЭЭГ мониторинг (ВЭМ) предполагает также запись видео сигнала параллельно с записью потока ЭЭГ. К сожалению, запись ЭЭГ подвержена очень большим искажениям со стороны электрической активности близлежащих к электродам мышц. Иногда эти помехи (двигательные артефакты) столь похожи на патологическую активность мозга, что без визуального наблюдения за пациентом их почти невозможно различить. В настоящий момент именно видео ЭЭГ мониторинг является самым точным и информативным из всех методов регистрации ЭЭГ[6].
 

      1.3. 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[13]. Который представлено на Рис. 1.2.

Рис.1.2. Основные ритмы ЭЭГ
 
•  Дельта-ритм. Частота 0.5-3 Гц, амплитуда, как правило, превосходит 40 мкВ, иногда при сильных патологиях 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 более длинные пачки, образуя феномен, носящий название “множественные пики”.  
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:

Рис. 1.3. типичная процедура исследования
 
1-  регистрация ЭЭГ;
2-  фильтрация и подавление помех и артефактов;
3- определение  интегральных  характеристик  ЭЭГ  с  помощью  визуальной  оценки  и  с применением методов математической обработки;
4- формирование  заключения  с  отнесением  ЭЭГ  к  некоторому  варианту  нормы  или  к патологическому классу[9].
 
1.4.         Регистрация ЭЭГ-сигнала.
 
При  энцефалографическом  исследовании  важно  получить  информацию  не  с  какой-то отдельной точки головы, а представить полную картину распределения биопотенциалов в головном мозге. Поэтому обычно используют 8, 10, 16 или 19 отведений, которые располагаются на голове по
специальным схемам (о них сказано далее в этом разделе) и охватывают все отделы головного мозга. Таким  образом,  обработка  ЭЭГ  производится  одновременно  по  нескольким  отведениям  в зависимости  от  числа  входных  каналов  используемого  энцефалографического  усилителя  и  схем. 

Рис.1.3. Схема регистрации ЭЭГ
Э1 - активный электрод; Э2 - индифферентный электрод; ПУ и ЛУ - правое и левое ухо. Ус – Усилитель; Ру - Регистрация
 
          размещения электродов. Как уже  отмечалось,  ЭЭГ представляет  собой  разность  потенциалов между двумя точками поверхности головы обследуемого. Прибор для регистрации  ЭЭГ называется электроэнцефалограф. Соответственно на каждый канал регистрации подаются напряжения, отведенные двумя электродами, один  из  которых  является  положительным,  или  активным,  а  другой - отрицательным,  или референтным. Электроды для энцефалографии  представляют собой  хлорсеребряные либо угольные пластины.  Важнейшим  требованием  к  материалу,  из  которого  изготовляют  электроды,  является отсутствие поляризации в процессе регистрации. Явление поляризации связано с тем, что вследствие электрохимических  процессов  в  области  контакта  электрода  с  кожей  на  электроде  накапливается избыток  ионов,  что  приводит  к  включению  в  запись  колебаний  постоянного  потенциала,  резко искажающих  регистрацию.  Поэтому  в  качестве  материала  для  энцефалографических электродов используют серебро или уголь, являющиеся наилучшими для этих целей. Обычно диаметр электрода, имеющего форму диска, составляет около 1 см.
Применяют 6 видов электродов, которые различаются как по форме, так и по способу их фиксации на голове:
a. контактные накладные неприклеивающися электроды (рис.1.4.а), которые прилегают к голове при помощи тяжей шлема-сетки (рис.1.4.г);
б. игольчатые электроды (рис.1.4.б);
в. приклеивающиеся электроды (рис.1.4.в(1-металл, 2-липкая лента, 3-электродная паста, 4-кожа));
г. базальные электроды;
д. пищальные электроды;
ж. многоэлектродные иглы. 


Рис.1.4. Типы электродов и способы их крепления на голове.
 
Как правило, для закрепления электродов, на голове обследуемого используется специальный резиновый  шлем,  размер  которого  может  варьироваться  в  зависимости  от  объема  головы обследуемого.   Методика  обработки  ЭЭГ  использует  два  вида  получаемого  сигнала,  так  называемые, монополярный и биполярный  съем.  Суть  монополярного  съема в том,  что  все отведения с  головы регистрируются  относительно  одной  точки,  называемой  референтной.  Она,  как  правило, располагается либо на ухе (или на обоих ушах), либо на лбу, либо на затылке пациента. Биполярный съем подразумевает регистрацию разницы  потенциалов  любой  пары  точек с  головы пациента.  Это осуществляется  либо  путем  коммутации  соответствующих  аналоговых  каналов  внутри  самого энцефалографа,  либо  с  помощью  математических  методов  обработки  сигнала  в  персональном компьютере.  Как  правило,  энцефалографы  первого  типа  имеют  возможности  формирования специальных  программ  коммутации  электродов  при  съеме,  где  можно  задавать  как  возможность монополярного  съема, так  и  несколько схем биполярного.  Для  отведения электроэнцефалограммы (ЭЭГ)  используют  различные  схемы  расположения  электродов.  В  клинической электроэнцефалографии  используют  международную  систему “10-20”, а  также модифицированные схемы с уменьшенным количеством электродов. 

Рис.1.5. Международная схема расположения электродов " 1 0-20". Буквенные индексы означают: О - затылочное отведение; Р - теменное отведение; С - центральное отведение; F - лобное отведение; т - височное отведение. Цифровые индексы уточняют положение электрода внутри соответствующей области.
Для получения наиболее достоверной информации при энцефалографическом исследовании необходимо  соблюдение  некоторых  общих  правил.  Так  как  ЭЭГ  отображает  уровень функциональной  активности  мозга  и  весьма  чувствительна  к  изменениям  уровня  внимания, эмоциональному состоянию, воздействию внешних факторов, пациент во время исследования должен находиться  в  свето-  и  звукоизолированной  комнате.  Во  время  обследования  положение  пациента должно  быть  удобным,  мышцы  расслаблены.  Необходимость  расслабления,  помимо  обеспечения максимального  покоя  обследуемого,  обусловлена  тем,  что  напряжение  мышц,  особенно  головы  и шеи,  сопровождается  появлением  мышечных  артефактов  в  записи.
 
1.5. Особенности ЭЭГ при наличии патологий.
 
Перед  рассмотрением  особенностей  электроэнцефалографического  сигнала,  необходимо оговорить некоторые физиологические аспекты строения мозга человека. Основой мозга является так называемый ствол. На нем самом и в нем существуют сложные разнообразные структуры, которые управляют  общей  активностью  человека,  а  также  активностью  специфической,  то  есть  например склонность  к  интеллектуальным или  к  физическим  занятиям. Эти  структуры  первично  оценивают информацию  об  окружающей  внешней  среде,  формируют  примитивную  программу  своего поведения, позволяют возбудиться коре или наоборот снять возбуждение. В общем случае, если кора возбудилась - это  значит,  что  человек  активизировал  некоторые  свои,  к  примеру,  мыслительные функции,  сложные  ассоциативные  функции,  сложные  движения.  Возбужденная  кора - обычное состояние  человека, который бодрствует и осознает  окружающую  его действительность. Снижение возбуждения означает, что человек либо вошел в сонное состояние, либо ослабил корковый контроль над своими  действиями. При этом  кора оказывается заторможена,  а нижние  структуры - активны, может  быть  даже  обострены,  появляются  обостренные  реакции  на  внешние  воздействия,  человек находится  в беспокойстве,  тревоге. И эти стволовые структуры,  которые регулируют деятельность коры, подкорковых структур,  спинного мозга,  и  являются  водителями  ритма,  регуляторами  ритма мозга.  На  сегодняшний  день  эта  концепция  главенствует  в  электроэнцефалографии. Генерация  какого-либо  конкретного  частотного  ритма  вообще  и  ритмов  по  регионам  возникает именно в центре, в стволе. Когда при анализе ЭЭГ происходит классификация по ритмам и оценка каждого  из  них  отдельно,  фактически  это  означает  анализ  корковой  части  мозга - она активизирована,  или  активизирована  подкорковая  структура,  или  нарушено  взаимоотношение корковых  и  подкорковых  структур.  Таким  образом,  анализ  ритмов  ЭЭГ  и  является  сутью электроэнцефалографии.  Его  результатом  является  заключение  о  том,  есть  ли  в  мозге  какое-то поражение,  если  есть,  то  какая  структура  больше  поражена,  где расположен очаг  патологической активности, присутствует или нет асимметрия между левым и правым полушарием мозга и т.д. .
В течение жизни человека его ЭЭГ претерпевает значительные изменения. При этом каждому возрасту соответствует  определенный  вид ЭЭГ.  В  норме  эволюция  ЭЭГ  человека от рождения  до старости  представлена  в  приложении 1. Каждый  рассматриваемый ритм  характеризует  различные  состояния  мозга. Например, бета-ритм - признак  возбуждения  корковых  групп  нейронов,  медленные  волны  признак  активности больших корковых групп нейронов и подкорковых структур и т.д. 
Для  более  четкого  представления  о  том,  какие  особенности  электроэнцефалографического сигнала  присущи  некоторым  видам  патологий,  и  к  тому  же  характерные  различным  возрастам, рассмотрим электроэнцефалограммы двух вариантов ЭЭГ, учитывая что в обоих вариантов ЭЭГ было регистрирована. согласно  рис.1.6, лобным участкам соответствуют отведения Fp1, Fp2, F1, F2, центральным теменным - Tc1, Tc2, P1,P2, височным - T1, T2, T3, T4, T5, T6 и затылочным - O1, O2. Отведения с нечетными номерами соответствуют левому полушарию, с четными - правому. 

Рис.1.6. Пример размещения датчиков на голове
 
Первый вариант ЭЭГ который представлен на рисунке 1.6 принадлежит  мальчику 6 лет.  Особенности  данной  ЭЭГ  следующие. 


Рис. 1.7. Пример патологичной ЭЭГ ребенка
 
Наличие генерализованного (т.е. проявляющегося одновременно по всем отведениям) всплеска тета- и  дельта-волн  означает,  что  большая группа  нейронов, принадлежащих  подкорковой структуре,  в один момент испустила импульс. Для 6-ти лет - это нормальное явление. Для взрослого человека в ситуации, когда идет чрезмерное возбуждение стволовых структур (страх, перевозбуждение, реакция на  внешнее  воздействие) - это  также  считается нормальным.  Когда  же  эта  активность  спонтанна, особенно  в  тот  момент,  когда  человек  спокоен,  появляется  часто,  с  высокой  амплитудой, синхронизированная  по  всем  отведениям,  то  это  можно  описать  как  явное  перевозбуждение подкорковых структур . Далее, следуя по рассматриваемой  ЭЭГ, необходимо отметить наличие последовательности дельта-волн, присутствующих одновременно во всех отведениях. Наличие медленных волн - признак снижения  диэлектрических  свойств  среды  мозга,  другими  словами,  на  данном  участке  мозга наблюдается пониженный уровень миелинизации. В этом случае возможен «пробой» этих структур, выражающийся  в появлении  генерализованных  стволовых  разрядов  длительностью 0.5 - 1 с. Если возникает последовательность таких волн, длящаяся несколько секунд, то это можно трактовать как генерализованный  судорожный  приступ.  Это  значит,  что  мозг  человека  не  подчиняется  тонким законам регуляции функций, а весь охвачен возбуждением. В этот момент человек может не дышать, падать,  не  двигаться.  Если  у  человека  нет  подобных  внешних  признаков,  то  это  означает,  что судорожный приступ имел место, но не успел охватить все структуры. У данного пациента подобная реакция возникает на пробе гипервентиляция. Во время этой пробы происходит повышение уровня углекислого газа в крови, а это приводит к возбуждению ствола мозга. Ситуация при этом похожа на удушение,  когда  организму  не  хватает  кислорода  и  он  при  этом  реагирует  на  нее  повышением функций тех  структур, которые  за это  отвечают, т.е.  дыхательного центра, находящегося  в стволе мозга.
         На  понижение  уровня  кислорода  организм  отвечает  реакцией  возбудимости  соответствующих структур  ствола  мозга,  и  на  ЭЭГ  возникают  так  называемые  пароксизмы,  имеющие  вид синхронизированных  по  всем  отведениям  дельта-,  тета-волн . На  данной  ЭЭГ  амплитуда пароксизмов  слева  больше,  чем  справа,  т.е. имеет  место межполушарная асимметрия, пароксизмы представляют собой разряды тета-волн, возникающие в нижележащих подкорковых структурах. Если у человека, после заболевания ствола мозга, инсульта, черепно-мозговой травмы, опухоли, подобные явления участились, это  означает,  что  мозг  испытывает какое-то  активное воздействие  и начинает возбуждаться. ЭЭГ сигнализирует, что у него начались проблемы. Если такая реакция есть у ребенка, это  может означать,  что он  легко  может выдать  и  какую-нибудь  эмоциональную  реакцию  и  этим ограничиться.  Если бы  у него  были  тенденции  к  удлинению  периода  разрядов,  их  генерализации, превращению  из  тета-волн  в  дельта-волну,  то  можно  было  бы  судить  о  том,  что  имеет  место судорожная активность мозга.
Второй  вариант  ЭЭГ принадлежит  взрослому человеку,  перенесшему черепно-мозговую травму - перелом затылочной кости справа (см. рис.1.7.) Там же, справа, возникла гематома. ЭЭГ регистрировалась в реанимации с целью прогноза, жив мозг или нет.  

Рис.1. 8. Пример патологичной ЭЭГ взрослого человека
 
Предлагаемая ЭЭГ характеризуется дезорганизацией ритмов во всех отведениях, видна четкая межполушарная  асимметрия  по  амплитуде.  Основной  преобладающий  на  данной  ЭЭГ  частотный ритм - дельта.  Также  стоит  отметить  наличие  генерализованного  альфа-ритма,  который  в  данной ситуации можно назвать альфа-кома. Альфа-кома означает присутствие на фоне почти плоской ЭЭГ коротких участков периодического дельта и альфа-ритма, характеризующих резкое угнетение мозга.
Если альфа-ритм - генерализован, то он испускается стволом мозга, но при этом стоит помнить, что если  на  поверхности  скальпа  имеем  альфа-ритм,  то  в  стволе  это  может  быть  бета-ритм, трансформировавшийся в альфа-ритм после прохождения разных структур мозга и черепной кости. Рассмотрим  особенности  ЭЭГ  при  наиболее  часто  встречающейся  патологии - опухолях головного  мозга.  Анализируя  ЭЭГ  при  опухолях,  можно  разделить  их  по  степени  выраженности общемозговых изменений биоэлектрической активности.
При легких общемозговых нарушениях  на  фоне дезорганизации  альфа-ритма с заостренной формой и  неравномерностью  амплитуды альфа-колебаний в 2-3 раза  увеличивается  вольтаж  бета-колебаний.  Появляются низкоамплитудные  дельта-волны, одинаково выраженные  во  всех областях обоих полушарий. 
Выраженные  обще мозговые  изменения  ЭЭГ  характеризуются  преобладанием  по  всем областям  обоих полушарий  дельта-волн  различного периода  и амплитуды  при  сохранности альфа-ритма  на  их  фоне.  Межполушарная  асимметрия  ЭЭГ  проявляется  лишь  при  функциональных нагрузках, когда реакция активации на стороне опухоли отсутствует, а на противоположной стороне проявляется в той или иной форме. Грубые  обще мозговые  изменения  ЭЭГ  отличаются  устойчивым  доминированием  по  всем областям  обоих  полушарий  медленных  волн  большого  периода (1-2,5 колебания  в  секунду)  при отсутствии  альфа-  и  бета-колебаний.  Реакция  активации  на  внешние  раздражения  почти отсутствует с обеих сторон .
  Все описанные выше особенности, выделяемые при  анализе ЭЭГ, позволяют очертить круг задач, необходимых для решения с помощью средств цифровой обработки. 
Выделение ритмов, с определением параметров каждого ритма. К параметрам ритмов следует отнести  среднюю  амплитуду,  эффективную  частоту,  частотный  спектр  ритма,  преобладание  по зонам, степень  модуляции, амплитудную и  частотную асимметрию между полушариями  и зонами, вид пиков рассматриваемого ритма (острые или сглаженные). 
Идентификация  феноменов.  Наиболее  важное  значение  имеют  спайки,  комплекс  пик - медленная волна, генерализованные и одиночные острые волны, генерализованная медленноволновая активность.  Наличие  подобных  феноменов  позволяет  судить  о  судорожной  или  эпилептической активности. При этом важно определять параметры феноменов, их длительности и длительности их серий, амплитуду, степень генерализации. 
Информация  о  наличии  или  отсутствии  корреляции.  Определение  с  помощью автокорреляционной функции доминирующего периодического процесса, его устойчивости, средней частоты и выраженности, а с помощью кросскорреляционной функции - степени сходства или связи двух ЭЭГ.  
Определение  реакции  усваиваемости  или  активации  ритма  при  наличии  внешней периодической стимуляции при помощи корреляционных функций, функций когерентности. 
 
1.6. Структура аппаратно-программного комплекса ЭЭГ
 
1.6.1. Аппаратная часть
 
На рисунок 1.9. представленная структура аппаратно-программного комплекса ЭЭГ.
Измерительный канал состоит из четырех частей: электрод, усилитель, фильтр и АЦП. Электрод позволяет собирать сигнала (напряжения) при контакте с кожей, усилитель позволяет усилить сигналы, собранные электродов и смягчения, бродячих напряжение питания 220В, фильтр позволяет удалить остатки 50 Гц и реализовать полосовой фильтр, а АЦП устройство, преобразующее входной аналоговой сигнал в дискретный код (цифровой сигнал).


Рис.1.9. Структура аппаратно-программного комплекса ЭЭГ
Эл. акт. мозга – Электрическая активность мозга
Эл. акт. кожи - Электрическая активность кожи
ЭВМ – компьютер
АЦП – Аналого-цифровой преобразователь
 
ЭВМ состоит из трех частей: порт, процессор (программная часть), память и монитор. Порт получает информацию от АЦП, процессор управляет работой ЭВМ по заданной программе и выполняет операции обработки информации, память состоит из двух частей: оперативное запоминающее устройство (ОЗУ) – оперативная память, предназначенная для хранения данных, работа с которыми идет в данный момент времени и Гибкие магнитные диски предназначены для архивирования данных или переноса информации с компьютера на компьютере а Монитор устройство для показа изображений, порождаемых другими устройствами (например, компьютерами).
1.7. Средства обработки ЭЭГ.
 
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) . 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 .
Еще позже, с появлением электронно-вычислительных устройств, широкое распространение начал  получать  спектральный  анализ  ЭЭГ.  Популярность  этого  метода  объясняется  простотой  и наглядностью  представления  результатов  вычислений, когда быстро и точно можно сказать о преобладании на рассматриваемом участке ЭЭГ того или иного ритма и частоты.
В таблица 1.1.  сформированная представление  о целесообразности применения автоматизированных методов анализа ЭЭГ.
Таблица 1.1. 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.
 
1.7.1. Программные пакеты для обработки и анализа ЭЭГ. 
 
Современное программное обеспечение предоставляет широкий набор методов обработки электроэнцефалограмм и форм представления результатов ее анализа, в этом разделе рассматривается никоторых из этих методов:
. Метод картирование;
. спектральная анализ;
. метод томография.
                           
Метод картирование

 На рисунке 1.10. представление пример сигнала на одной из стандартных скоростей с выбранным усилением, редактирование ЭЭГ, удаление артефактов, фильтрация ЭЭГ, по диапазонная фильтрация, сравнение двух электроэнцефалограмм и результатов их обработки.

Рис.1.10. Пример сигнала ЭЭГ
 
 
На рисунке 1.11. представлена картирование различных данных мощности частотных диапазонов, медианной частоты спектра, кананограмм (соотношений диапазонов), мощности на всех анализируемых частотах, амплитуд ЭЭГ, коэффициентов корреляции, коэффициентов когерентности;  двухмерное и трёхмерное картирование.

Рис.1.11. Картирование различных данных
 
На рисунке 1.12. представлена карты по частотным диапазонам дают возможность изучать асимметрию в каждом из стандартных диапазонов (дельта, тета, альфа, бета). При этом картированию  можно подвергать любой видимый фрагмент ЭЭГ, выделять анализируемый участок или получать интегральную характеристику за период одной из функциональных проб.

Рис.1.12. Карты по частотным диапазонам
 
Режим Карты по пробам выводит в одном окне карты суммарной активности по каждой из проб исследования по заданному набору частотных диапазонов, и в наглядной форме представляет динамику распределения активности в изучаемых частотных диапазонах.
        Картирование распределения соотношений любых пар частотных диапазонов.

Рис.1.13. Картирование
 
Использование когерентного анализа (Рис. 1.14) позволяет осуществить исследование состояния пространственно-временной организации электрической активности мозга.

Рис.1.14. Использование когерентного анализа
Традиционный корреляционный анализ (Рис. 1.15) позволяет рассчитать и построить авто- и кросскоррелограммы, таблицу коэффициентов корреляции и картограмму их распределения. 

Рис.1.15. Традиционный корреляционный анализ
 
Спектральный анализ 
Это совокупность методов качественного и количественного определения состава объекта, основанная на изучении спектров взаимодействия материи с излучением, включая спектры электромагнитного излучения, акустических волн, распределения по массам и энергиям элементарных частиц и др.
На рисунке 1.16. представленный спектральный анализ Широкие настройки, использование всех стандартных и задание дополнительных частотных диапазонов.

Рис.1.16. Спектральный анализ
 
        Произвольные наборы этих диапазонов позволят быстро и точно провести анализ любого участка ЭЭГ.
        Результаты спектрального представленный на (Рис. 1.17) , авто- и кросскорреляционного, когерентного и биспектрального анализов могут быть выведены в виде разнообразных графиков, диаграмм и таблиц в любых сочетаниях и представлениях. 


Рис.1.17. Результаты спектрального анализа
             В таблице 1.2 представляет мощностей во всех стандартных и дополнительных диапазонах для всех отведений монтажа и предназначено для количественного анализа ЭЭГ.
Таблица 1.2.Числовые данные

           Кроме того, в этой таблице можно посмотреть мощность на всем анализируемом диапазоне частот и доминирующую частоту в каждом из диапазонов. Для исследовательских целей в программе предусмотрен экспорт этой таблицы в стандартный формат.
Окна Частотная плоскость (Рис. 1.19), Секторные диаграммы диапазонов, Доминирующие ритмы, Гистограммы законов распределения, они дают возможность оценить соотношение составляющих стандартных диапазонов и количественно, и качественно. 


Рис.1.19. Окна Частотная плоскость
       
        Оценить динамику спектральных характеристик ЭЭГ (Рис. 1.20), их изменение в ходе функциональных проб призваны режимы Карты по пробам, Сжатые спектральные области, Биспектральный анализ.

Рис.1.20. Оценить динамику спектральных характеристик ЭЭГ
 
Метод томография
        Вероятностная томография: построение любых срезов в ортогональной системе трёхмерный координат, совмещение с анатомическими структурами, 3-х мерное представление очага электрической активности. Расчет томограмм для любого участка ЭЭГ, построение томограмм по всем пробам исследования.
        Для локализации очага электрической активности на трехмерной модели головы (или головного мозга) в виде колец показана плоскость среза (Рис. 1.21).

Рис.1.21. плоскость среза
 
        Режим Томограммы по пробам выводит в одном окне вероятностные томограммы по каждой из проб исследования в заданном наборе частотных диапазонов.

Рис.1.22. Режим Томограммы
 
        Режим томограмм позволяет проводить регистрацию и анализ слуховых, зрительных и когнитивных (Р300) длиннолатентных вызванных потенциалов (ВП).
        Автоматическое определение пиков (Рис. 1.23), расчет латентностей, амплитуд и площади под откликом. Амплитудное и частотное картирование, спектральный анализ и сравнение откликов из разных исследований, графики, таблицы, диаграммы - таковы основные возможности системы для изучения вызванных потенциалов[20].

Рис.1.23. Автоматическое определение пиков

Автоматическое определение пиков  позволяет осуществлять анализ вариабельности сердечного ритма. При анализе вариабельности сердечного ритма предоставляются  результаты по следующим методикам:
·                    Временной анализ (статистический);
·                    Анализ волновой структуры ритма сердца;
·                    Анализ скатерограммы;
·                    Вариационная пульсометрия по Баевскому.
        В окне анализа ВСР могут располагаться результаты анализа сразу нескольких фрагментов ЭКГ, одного или разных пациентов.
        Для каждого рассматриваемого участка выводится следующая информация:
·                    Ритмокардиограмма (либо график ЧСС,  либо график RR);
·                    Гистограмма распределения R-R интервалов;
·                    Скатерограмма;
·                    Статистические параметры ритмограммы;
·                    График спектрограммы;
·                    Численные параметры спектрограммы.
 
         Существует различных систем программное обеспечение для обработки ЭЭГ, в данной работе рассматривается:
                    - Программное обеспечение системы  " BrainLoc 6.0";
                    - Программное обеспечение системы  " WinEEG ".
  
 1.7.2. Программное обеспечение системы  " WinEEG ".
 
Программное обеспечение WinEEG работает на ПК (персональный компьютер) и предназначен для клинического наблюдения ЭЭГ, видео-ЭЭГ и ERP / ERD записи для диагностики заболеваний головного мозга. WinEEG программное обеспечение для MS Windows XP / Vista позволяет выполнять современной компьютеризированной анализ ЭЭГ на стандартном персональном компьютере или ноутбуке, включая цифровую фильтрацию, монтаж переформатирования, спектры и согласованности анализа, ERP и события, связанного де-анализа синхронизации, топографические карты и т.д.WinEEG программное обеспечение предназначено для работы с Мицар-ЭЭГ-201 и Мицар-ЭЭГ-202 усилителей.WinEEG предназначена для IBM PC и MS Windows XP / Vista, которые вместе определяют минимальные системные требования. WinEEG программное обеспечение предлагает по крайней мере два метода цифровой фильтрации ЭЭГ [22].
Первый метод используется для определения пропускной способности и подавлять помехи переменного тока на 50 (60) Гц. Он использует фильтры с бесконечной импульсной характеристикой (IIR) характеристики, которые наиболее точно моделировать RC схем, используемых в "бумажных" рекордеры диаграммы. Другими словами, IIR фильтры позволяют ЭЭГ, которое наиболее близко имитировать результаты, достигнутые с помощью "бумажных" рекордеры диаграммы. БИХ-фильтров с другом порядке используются для различных целей. фильтры низких частот первого порядка так помех вне полосы пропускания мала - 6 дБ на октаву. Фильтры высоких частот второго порядка. Они помех в стоп-зоны равна 12 дБ на октаву. Все вырезка фильтры двенадцатого порядка. Эти фильтры имеют высокую подавление в 50 (60) Гц
- Более 40 дБ. Фильтры выпускаются с различными стоп-зоны может быть использован в зависимости от настройки: 45-55, 40-50, 35-65, 55-65, 50-60 или 45-75 Гц. Дополнительные комбинации фильтров, также доступны 45-55 и 95-105, 40-50 и 90-110, 35-65 и 85-115, 55-65 и 115-125, 50-60 и 110-130 или 45-75 и 105-135Гц. Последнее сочетания вырезка фильтры могут быть использованы для подавления как первый и второй гармоники
AC помехи.Параметры фильтров упомянутые выше, могут быть установлены в монтаж списке параметров или с помощью панели фильтров. Недостаток этих фильтров является то, что они сдвига фазы сигнала.
          Второй метод может быть использован для обнаружения сигналов в определенном диапазоне частот, например, при расчете связанных с событием ЭЭГ-де-синхронизации. Он использует фильтры с конечной импульсной характеристикой (FIR). Они обеспечивают значительное подавление сигнала за пределами полосы пропускания интереса и не сдвига фазы сигнала. Фильтр параметры могут быть установлены с помощью установки: ЭЭГ Bandranges ... команды. Недостаток этих фильтров является то, что они занимают много времени для расчетов, таким образом они не могут быть использованы для приобретения реального времени ЭЭГ.
        “Electrooculographic” артефакты коррекции. Метод “electrooculographic” коррекции артефактов на основе метода линейной регрессии в домене времени. Это очень полезно, если Есть много артефактов, связанных мигает глазами. Для использования этого метода дополнительного сигнала (электроокулограммы) должны быть записаны. Электроокулограммы (ЭОГ) записывается с помощью двух дополнительных электродов, расположенных выше и ниже глаз и подключен к дополнительным каналам ЭЭГ (например Fpz и Оз розетки). В этом случае монтажа должна включать в себя одно дополнительное биполярного канала Fpz-Оз.Во время обработки программы WinEEG использованием пороговым критериям будет автоматически определять временные интервалы, в которых глаз мигает не наблюдалось. Используя эту программу данных WinEEG вычисляет коэффициент влияния от ЭОГ для каждого канала ЭЭГ по отдельности. Наконец WinEEG программа вычитает ЭОГ сигнал умноженной на соответствующий коэффициент из сигнала ЭЭГ. Эта поправка процедура может быть выполнена с использованием анализа: Удалить ЭОГ команды. Мицар ЭЭГ Обзор системы Есть, по крайней мере три конфигурации системы, которые могут быть использованы для практических целей:
 

        1.Система регистрации ЭЭГ конфигурации ;
        2.Система ERP записи конфигурации ;
        3.Запись видео ЭЭГ конфигурации системы.
        Сочетание упомянутых выше конфигурации системы может быть использован также.

 

                        1. система регистрации ЭЭГ конфигурации

Существует три способ регистрация ЭЭГ это:

- способ регистрации ЭЭГ на основе Мицар-ЭЭГ усилителей, рисунок 1.28;
- способ регистрации ЭЭГ на основе Мицар-ЭЭГ-202 усилителей (модели 401 и 403), рисунок 1.29 ;
- способ регистрации ЭЭГ на основе Мицар-ЭЭГ-202 усилителей (модели 404 и 406), рисунок 1.30.;

Рис.1.28. способ регистрации ЭЭГ на основе Мицар-ЭЭГ усилителей.

Рис.1.29. способ регистрации ЭЭГ на основе Мицар-ЭЭГ-202 усилителей (модели 401 и 403).

Рис.1.30. способ регистрации ЭЭГ на основе Мицар-ЭЭГ-202 усилителей (модели 404 и 406).
Все модификации системы отличаются связанных усилители Мицар-ЭЭГ только и включают в себя врачом-физиолога ПК (с клавиатуры, мышь, принтер и USB-ключ), ЭЭГ усилители, фотостимулятор, предупреждение кнопку пациента и питания. WinEEG программного обеспечения получает усиливается, предварительно фильтруется и оцифрованных сигналов ЭЭГ, сохраняет их на жесткий диске ПК для дальнейшей обработки, обработки сигналов в реальном масштабе времени и отображает их на ПК
монитор. Все функции записи и анализа управлять с помощью клавиатуры и мыши из компьютера[23].
 
2 Система ERP записи конфигурации
 
Эта способ (Рисунок 1.31) включает в себя конфигурацию дополнительных ПК (так называемых раздражителей презентации компьютера). Стимулы Презентация компьютер подключен с ЭЭГ вычисляются соперничают порты COM использованием нуль-модема кабель для синхронизации обеспечивают запись сигналов и стимулов презентации. Дополнительные PSYTASK программное обеспечение,  разработанное для Windows XP / Vista представляет различные раздражители дополнительных ПК, таких как изображения, звуки и текст. PSYTASK программное обеспечение позволяет подготовить предопределенных протоколов раздражителей презентации и представляет эти протоколов во время записи ERP. 

Рис.1.31. Система ERP регистрации ЭЭГ.
 
Во время записи ERP PSYTASK программное обеспечение работает в так называемом "раб" режимов и WinEEG программного обеспечения управления функциями PSYTASK, посылая управляющие коды через COM порты. WinEEG программного обеспечения получает усиливатся, предварительно фильтруется, оцифрованных сигналов ЭЭГ, магазины их на жесткий диск компьютера для дальнейшей обработки и контроля синхронно раздражителей презентации процесса.
 
Системы Записи видео ЭЭГ Конфигурация.
 
Суть данной системой включается в том, что один или два видеокамеры и микрофона можно подключить к ПК врача для синхронной записи ЭЭГ и видеофильмов как видно на рисунке (1.32. и 1.33.). WinEEG программного обеспечения получает усиливаться, предварительно фильтруется, оцифрованных сигналов ЭЭГ, сохраняет их на жесткий диск Компьютер для последующей обработки. WinEEG получает синхронно сигналы с камер и микрофон, сжать эти сигналы в сети и сохраняет их на жесткий диск для будущего воспроизведения и анализа.

Рис.1.32. Запись видео ЭЭГ системы с одной камеры.


Рис.1.33. Запись видео ЭЭГ система с двумя камерами.
 
Основные функции. Регистрация ЭЭГ. Во время записи ЭЭГ и других сигналов приобретаются в цифровом виде на компьютере через усилитель блока и отображается на экране монитора в виде кривых (графиков) моделирования, сделанные по плоттера на движущейся бумаге. WinEEG программное обеспечение включает в себя графические инструменты, позволяющие отображать бумаги скорость (мм / сек) и чувствительность (мВ / см) с 10% точностью. Пользователь может начать, остановить и резюме ЭЭГ сигналов на жестком диске, чтобы сохранить их для последующего анализа. Общая продолжительность записи ограничена только объемом доступной дискапространстве[20].
        Видеосигнал с камеры подключены к компьютеру могут быть записаны синхронно с ЭЭГ. Наилучшие результаты будут, если аналоговый или цифровой камеры, подключенной к соответствующему карты захвата видео используется. В Этот сигнал случае видео сжимается он-лайн, что снижение место на диске и увеличить возможность полного время записи. Ночь видео ЭЭГ мониторинга может быть выполнена, если видеокамера с инфракрасным источника света используется. Видео захват может быть непрерывным или может быть включен и выключен вручную многих раза. Видео ЭЭГ могут быть воспроизведены в режим перемещения бумаги эмуляции. Пользовательский интерфейс быстрый доступ к любой части ЭЭГ и видео записи. Видеосигнал может сжиматься в автономном режиме. Любое
выбранной части видео сигнала может быть удален с уменьшением общей площади. Любой выбранный часть ЭЭГ и соответствующий сигнал видео может быть скопирован на другой файл меньшего размера для подготовки данных для записи на CD. свободно распространяемая программа просмотра видео ЭЭГ доступна. Он похож на WinEEG программ и включает в себя все
функции для визуального анализа видео данных ЭЭГ вам нужно.
       Визуальный анализ ЭЭГ. После окончания ЭЭГ приобретения, можно анализировать сохраненные данные визуально. В ходе обоих данных приобретение и визуального анализа, ЭЭГ сигналы отображаются в плоттер подобной моды. Кроме того, визуальный анализ. Этот режим позволяет ручное измерение параметров  сигнала (интервалов и амплитуд), горизонтальных и вертикальной (скорость и чувствительность) масштабирование, маркировка достопримечательностей, удаления артефактов и т. д.

       ЭЭГ обработки. WinEEG включает в себя следующие методы анализа ЭЭГ:

1) цифровой ЭЭГ фильтрации.
2) Артефакты коррекции на основе СПС или ICA разложения и пространственной фильтрации.
3) Автоматическое артефакты обнаружения и ликвидации.
4) Автоматизированная дипольного основан всплеск обнаружения.
5) Спектральный анализ и согласования (в том числе топографических власти и асимметрии отображения).
6) анализ показателей ЭЭГ.
7) Топографическая съемка мгновенных значений потенциала кожи головы, спектральные параметры и т.д., с использованием 2-D (сферической сплайн) или 3-D (LORETA) методов.
8) Источник дипольного локализации.
9) связанные с событиями потенциалы.
10) связанные с событиями ЭЭГ - десинхронизации.
11) связанные с событиями когерентность ЭЭГ.
12) связанные с событиями мощности вейвлет группы.
13) связанные с событиями вейвлет согласованности.
14) спектров ЭЭГ независимые компоненты.
15) одного испытания, независимый анализ компонентов ССП.
16) Grand среднем спектров ЭЭГ независимые компоненты.
17) Grand среднем ФКЗ независимых компонентов.
18) Экспорт данных в текстовый файл для анализа другого статистического пакета.
19) Вычислительная великого среднем спектров ЭЭГ, Гранд среднем когерентности ЭЭГ, Гранд среднем ERP, Гранд ERD среднем для выбранного набора наблюдения.
20) Сравнение спектров ЭЭГ, когерентность ЭЭГ, ERP и ДВС для различных субъектов (группы предметы),  либо условию с простейшей оценки статистической значимости различий.
21) пакетной обработки данных. Это помогает вычислить множество различных спектрах, ERP, ERD автоматически и т.д.

       Составление итогового отчета. Чтобы создать окончательный доклад, WinEEG имеет встроенный в окне текстового редактора с помощью стандартных функций текста, в том числе операции с блоками. Пациент карты автоматически добавляется в докладе. Существует также помочь меню, позволяющее автоматическое включение стандартные формулировки в тексте. Окончательный доклад может быть подготовлен. Использование MS Word. Оба пациента карты и рисунки и таблицы обработки результатов может быть вставлен в Окончательный текст доклада.
 
Печать ЭЭГ фрагментов, обработка результатов и текст доклада. WinEEG обеспечивает высокое качество печати графических сигналов ЭЭГ и результатов обработки на многие из наиболее популярные цвета или черно-белых принтеров. При печати ЭЭГ сигналов, абсолютной горизонтальной и вертикальные масштабы (бумага скорость, мм / сек, и чувствительность, Ом / см) ведутся с 10% точностью. Цветная печать утверждает, оттенки при печати спектров, графиков и карт. Монохромные принтеры заменить оттенки серого уровнях[5].
 
Поддержание ЭЭГ базы данных и обработки результатов. WinEEG имеет встроенную базу данных для упрощения данных сохранения и поиска. С помощью этой базы данных не обязательным, но предоставляет возможности, которые часто бывают полезны. К ним относятся автоматическая условных данных поиск, долго архивирования файлов и записи инструментов восстановления и деления весь набор записей ЭЭГ в несколько независимых баз данных (которые могут быть размещены на различных взаимозаменяемых магнитооптические диски или Компакт-диск большой емкости).WinEEG программного обеспечения структуры базы данных. Всего база данных разделена на две части: ЭЭГ базы данных и обработки результатов ЭЭГ базы данных. ЭЭГ база данных включает "сырые базы данных ЭЭГ файл" - список наблюдения ЭЭГ и "сырых ЭЭГ Рабочая папка ", то есть хранения ЭЭГ файлы данных и соответствующие видеофайлы и окончательный файлов отчета. Автономный ЭЭГ результаты обработки базы данных включает в себя шесть независимых хранилищ (см. рисунок 6). Каждый из хранилища состоят из "результатов обработки файла базы данных" - список записей и соответствующих Рабочая папка использованием для записи "обработки файлов результат"[22].
Цифровая фильтрация ЭЭГ WinEEG программное обеспечение предлагает, по крайней мере, два метода цифровой фильтрации ЭЭГ. Первый метод используется для определения пропускной способности, и подавлять помехи переменного тока на 50 (60) Гц. Это использует фильтры с бесконечной импульсной характеристикой (IIR) характеристики, которые наиболее точно моделировать RC схем, используемых в "бумажных" рекордеры диаграммы. Другими словами, IIR фильтры позволяют ЭЭГ, что большинство тесно имитировать результаты, достигнутые с помощью "бумажных" рекордеры диаграммы. БИХ-фильтры с различными порядка использовать для различных целей. Фильтры низких частот первого порядка так помех вне полосы пропускания мала - 6 дБ на октаву. Фильтры высоких частот второго порядка. Они помех в стоп зоны равна 12 дБ на октаву. Все вырезка фильтры двенадцатого порядка. Эти фильтры имеют высокую подавление в 50 (60) Гц - Более 40 дБ. Фильтры выпускаются с различными стоп зоны может быть использован в зависимости от настройки: 45-55, 40-50, 35-65, 55-65, 50-60 или 45-75 Гц. Дополнительные комбинации фильтров, также доступны 45-55 и 95-105, 40-50 и 90-110, 35-65 и 85-115, 55-65 и 115-125, 50-60 и 110-130 или 45-75 и 105-135 Гц. Последнее сочетания вырезка фильтры могут быть использованы для подавления как первый и второй гармоники AC помехи. Параметры фильтров, упомянутые выше, могут быть установлены в монтаж списке параметров или с помощью фильтров бар.                                                 Недостаток этих фильтров является то, что они сдвига фазы сигнала.
    Второй метод может быть использован для обнаружения сигналов в определенном диапазоне частот, например, когда расчета связанных с событием ЭЭГ - десинхронизации. Он использует фильтры с конечной импульсной характеристикой (FIR). Они обеспечивают значительное подавление сигнала за пределами полосы пропускания интереса и не сдвиг сигнала фазе. Фильтр параметры могут быть установлены с помощью установки: ЭЭГ Bandranges ... команды. Недостаток этих фильтров является то, что они занимают много времени для расчетов, таким образом, они не могут быть использованы для реальных время приобретения ЭЭГ. Electrooculographic артефакты коррекции. Метод electrooculographic коррекции артефактов на основе метода линейной регрессии в момент области. Это очень полезно, если Есть много артефактов, связанных мигает глазами. Для использования этого метода дополнительные
сигнал (электроокулограммы) должны быть записаны. Электроокулограммы (ЭОГ) записывается с помощью двух дополнительных электродов, расположенных выше и ниже глаз и подключен к дополнительным каналам ЭЭГ (для Например Fpz и Оз. розетки). В этом случае монтажа должна включать в себя одно дополнительное биполярного канала Fpz-Унция. Во время обработки программы WinEEG использованием пороговым критериям будет автоматически определять интервалы времени, в котором глаз мигает, не наблюдалось. Используя эту программу данных WinEEG вычисляет коэффициент влияния от ЭОГ для каждого канала ЭЭГ по отдельности. Наконец WinEEG программа вычитает ЭОГ сигнал умножается в соответствующий коэффициент из сигнала ЭЭГ. Эта поправка процедура может быть выполнена с использованием анализа:
Удалить ЭОГ команды[20].
 
Дополнительно подключаемые модули. Возможности приложения могут быть расширены за счет подключения дополнительных модулей. Эти модули могут выполнять функции обработки (например, фильтрации) полученного сигнала, его анализа, а также функции вывода результатов этих процедур.
 
1.7.3. Программное обеспечение системы  " BrainLoc 6.0".
 
Назначение. BrainLoc 6.0 предлагает следующие возможностей :
·                    локализация источников патологической электрической активности при эпилепсии, травмах, инсультах, опухолях
·                    локализация источников вызванных потенциалов (ВП), волновых паттернов, генераторов ритмической активности
 
Методы предварительной обработки данных. Как методы он даёт следующие:
·                    выбор произвольного участка записанного сигнала для детального анализа
·                    удаление каналов с артефактами
·                    коррекция ошибок в наименовании и расстановке электродов
·                    возможность инвертирования записанного сигнала
·                    коррекция изолинии по всему файлу или на заданном интервале (например, по предстимульному интервалу у ВП)
·                    компрессия сигнала при большой частоте оцифровки
·                    фильтрация сигнала в стандартных диапазонах или в произвольной полосе частот
·                    вычисление спектра мощности всего сигнала (или его части) для определения источников отдельных спектральных составляющих
 
Применяемые модели для анализа данных          . Для анализа данных применяют следующие модели:
·                    модель с подвижными диполями
·                    модель со стационарными диполями
 
           Модель с подвижными диполями. Для каждого момента времени анализируемых данных вычисляется своя дипольная модель, состоящая из одного или двух подвижных диполей; можно задать окно усреднения по времени при вычислении дипольных источников.
 
Модель со стационарными диполями. Вычисляется единая модель с заданным числом диполей (от одного до восьми) для всего выбранного фрагмента данных; варианты модели:
- центры диполей привязаны к заданным структурам
-поиск оптимального расположения центров диполей в объеме мозга.
-поиск постоянной оптимальной ориентации диполей для всего фрагмента данных.
 
Визуализация результатов локализации.
Визуализация результатов локализации можно на трех ортогональных проекциях головы(Рис. 1.24), на схематических послойных изображениях структур мозга(Рис. 1.25), на томографических срезах головного мозга, оценка достоверности вычисляемых параметров и автоматический отбор достоверных источников, вывод полной информации о параметрах дипольной модели, построение карты распределения коэффициента дипольности на аксиальных срезах и одновременный просмотр нескольких файлов в многооконном режиме.

Рис.1.24. Локализация на ортогональных проекциях

Рис.1.25. Послойное изображение структур мозга
 
Амплитудное картирование. Амплитудное картирование может быть ЭЭГ и ВП на поверхности головы, ЭЭГ и ВП, пересчитанных на поверхность коры мозга, потенциалов дипольной модели и остаточных потенциалов.
 
Построение графиков. График построится через исходных потенциалов ЭЭГ и ВП, потенциалов дипольной модели и остаточных потенциалов, проекций моментов диполей на координатные оси и модулей моментов диполей.
 
Ввод данных. Ввод данных можно осуществлять через чтения файлов с ЭЭГ- и ВП-данными, записанными в различных бинарных и ASCII форматах, поддержка Европейского формата данных или ввод МРТ- и КТ-снимков головного мозга, сделанных на отечественных и зарубежных томографах. Как дополнительные возможности можно рассмотреть способ создания тестовых файлов ЭЭГ и ВП с заданной дипольной моделью для исследования решения прямой и обратной задач. Аппаратная конфигурация,  IBM PC Pentium (или совместимый с ним) с операционной системой MS Windows 9x/NT/2000/XP[19].


Рис.1.26. Амплитудное картирование потенциалов
 

Рис.1.27. Картирование погрешности локализации
 
2. СПЕЦИАЛЬНЫЙ РАЗДЕЛ.
 
2.1. Обработка и анализ ЭЭГ как нестационарного сигнала.
 
Любые исследования обычно укладываются в следующую схему:
1.                Сбор информации (фиксация среднестатистических данных, прием данных от тех или иных датчиков  и  т. п.)
2.                Анализ полученных данных (выделение характерных особенностей, визуализация, отсеивание аномальных значений, определение периодичностей,  частотного спектра и т. д.)
          В результате первого шага получается некий массив данных, или временной ряд, содержащий цифровые значения ЭЭГ-сигнала. В силу многообразия встречающихся в природе сигналов часто приходится сталкиваться с сигналами, имеющими сложные частотно-временные характеристики (простым примером служит электроэнцефалограмма человека).
        Традиционным подходом к исследованию  временных рядов является применение преобразования Фурье, в результате которого получается частотный спектр сигнала. Недостатком преобразования Фурье является то, что частотные компоненты не могут быть локализованы во времени, в связи, с чем иногда невозможно получить исчерпывающей информации о сигнале. В таких случаях для анализа сигнала целесообразно применять локальное преобразование Фурье или Вейвлет-преобразование (ВП), которые позволяют получить частотно-временную развертку сигнала, дающую существенно больше информации, чем в случае классического Фурье-анализа[4].
          Преобразование Фурье представляет сигнал, заданный во временной области, в виде разложения по ортогональным базисным функциям (синусам и косинусам), выделяя, таким образом, частотные компоненты. Недостатка преобразования Фурье заключается в том, что частотные компоненты не могут быть локализованы во времени, что накладывает ограничения на применимость данного метода к ряду задач (например, в случае изучения динамики изменения частотных параметров сигнала на временном интервале).
          Особенностью ЭЭГ-сигналов является их не стационарность. Поэтому методы анализа на основе преобразование Фурье не всегда дают хорошие результаты. Это требует разработки новых алгоритмов анализа, основанных на других принципах.
          Большинство участков ЭЭГ сигналов имеет сложные частотно-временные характеристики. Как правило, такие сигналы состоят из близких по времени, короткоживущих высокочастотных компонент и долговременных, близких по частоте низкочастотных компонент.
          Для анализа таких сигналов нужен метод, способный обеспечить хорошее разрешение и по частоте, и по времени. Первое требует для локализация низкочастотных составляющих, второе – для разрешение компонент высокой частоты.
           Как показывает практика, определенные преимущества при работе с нестационарными сигналами имеет методы использующие вейвлет-преобразование.
           Вейвлет-преобразование стремительно завоевывает популярность в столь разных областях, как телекоммуникации, компьютерная графика, биология, астрофизика и медицина. Благодаря хорошей приспособленности к анализу нестационарных сигналов оно стало мощной альтернативой преобразованию Фурье в ряде приложений. Так как многие сигналы нестационарные, методы вейвлет анализа используются для распознавания и обнаружения ключевых диагностических признаков.
Существует два подхода к анализу нестационарных сигналов такого типа.
Первый – локальное преобразование Фурье (short-time Fourier transform). Следуя по этому пути, мы работаем с нестационарным сигналом, как со стационарным, предварительно разбив его на сегменты (окна), статистика которых не меняется со временем.
Второй подход – вейвлет преобразование. В этом случае нестационарный сигнал анализируется путем разложения по базисным функциям, полученным из некоторого прототипа путем сжатий, растяжений и сдвигов. Функция прототип называется материнским, или анализирующим вейвлетом[5].

2.2. Вейвлет - преобразование.

Различают дискретный и непрерывный вейвлет анализ, аппарат которых можно применять как для непрерывных, так и для дискретных сигналов.
Сигнал анализируется путем разложения по базисным функциям, полученным из некоторого прототипа путем сжатий, растяжений и сдвигов. Функция-прототип называется анализирующим (материнским) вейвлетом.
Вейвлет - функция должна удовлетворять 2-м условиям:
1. Среднее значение (интеграл по всей прямой) равен 0.
2. Функция быстро убывает при времени стремящемся к бесконечности.
В общем случае вейвлет преобразование функции f(t) выглядит так: 

где t – ось времени, x – момент времени, s – параметр, обратный частоте, a (*) – означает комплексно-сопряженное.

Главным элементом в вейвлет анализе является функция-вейвлет. Вообще говоря, вейвлетом является любая функция, отвечающая двум вышеуказанным условиям. Наибольшей популярностью пользуются следующие вейвлеты: 

Итак, у нас имеется некоторая функция f(t), зависящая от времени. Результатом ее вейвлет-анализа будет некоторая функция W(x,s), которая зависит уже от двух переменных: от времени и от частоты (обратно пропорционально). Для каждой пары x и s рецепт вычисления вейвлет преобразования следующий:

1. Функция вейвлет растягивается в s раз по горизонтали и в 1/s раз по вертикали.
2.  Далее он сдвигается в точку x. Полученный вейвлет обозначается пси(x,s).
3.  Производится усреднение в окрестности точки s при помощи пси(x,s).

В результате “вырисовывается” вполне наглядная картина, иллюстрирующая частотно-временные характеристики сигнала. По оси абсцисс откладывается время, по оси ординат – частота (иногда размерность оси ординат выбирается так: log(1/s), где s-частота), а абсолютное значение вейвлет преобразования для конкретной пары x и s определяет цвет, которым данный результат будет отображен (чем в большей степени та или иная частота присутствует в сигнале в конкретный момент времени, тем темнее будет оттенок)[20].

 

Согласно принципу неопределенности, чем лучше функция сконцентрирована во времени, тем больше она размазана в частотной области. При перемасштабировании функции произведение временного и частотного диапазонов остается постоянным и представляет собой площадь ячейки в частотно-временной (фазовой) плоскости. Преимущество вейвлет-преобразования перед, например, преобразованием Габора заключается в том, что оно покрывает фазовую плоскость ячейками одинаковой площади, но разной формы (рис.2.1). Это позволяет хорошо локализовать низкочастотные детали сигнала в частотной области (преобладающие гармоники), а высокочастотные – во временной (резкие скачки, пики и т.п.). Более того, вейвлет-анализ позволяет исследовать поведение фрактальных функций – то есть не имеющих производных ни в одной своей точке!

Рис.2.1. Фазовая плоскость вейвлет-преобразования
 
В случае вейвлет анализа (декомпозиции) процесса (сигнала) благодаря изменению масштаба вейвлеты способны выявить различие в характеристиках процесса на различных шкалах, а посредством сдвига можно проанализировать свойства процесса в различных точках на всем исследуемом интервале[8].
В качестве примера рассмотрим применение вейвлет-анализа к синусоидам f(t)=sin(2πt/T1)+α sin(2πt/T2) , позволяющим легко сравнить с результатами привычного преобразования Фурье.
На рисунке 2.2. показан сигнал в виде суммы синусоид с заметно отличающимися частотами: (y=sin(30*x)+sin(100*x)).

 

Рис.2.2. Сумма синусоид с заметно отличающимися частотами

 

Вейвлет-преобразование такого сигнала выявляет периодическую структуру не хуже и не лучше преобразования Фурье. На рис. 2.3. видны две широких полосы, соответствующие двум различным частотам.

 

Рис.2.3 Вейвлет преобразование суммы синусоид с разными частотами

 

Однако разительное отличие этих двух спектральных анализов проявляется, когда сигнал представляет собой две последовательные синусоиды с различными частотами (рис.2.4.).

Рис.2.4. Две последовательные во времени синусоиды с различными частотами
            
         Как видно из рис.2.5., вейвлет-преобразование в этом случае позволяет проследить эволюцию частоты сигнала во времени, тогда как Фурье-спектр (рис. 2.6.) в обоих случаях даст нам только два пика и никак не отразит сам момент изменения частоты сигнала.

Рис.2.5. Вейвлет-преобразование двух последовательных во времени синусоид с различными 

Рис.2.6. Спектр Фурье двух последовательных во времени синусоид с различными частота.
2.3. Алгоритм вейвлет – анализа ЭЭГ.                                                                  
В начале построения программы вводятся данные сигнала ЭЭГ , которые представлены в виде файла с оцифрованной электроэнцефалограммой. Выполняется вейвлет-преобразование, по результатам которого строится график спектра. Затем выполняется поиск максимума на получена графика и выполняется проверка принадлежности найденных максимумов к  потенциально опасным интервалам значений параметра. (То есть пики, характерные для патологической активности мозга, или спайки, имеют выраженное проявление в вейвлет-спектре). Если патологическая  активность обнаружена, данный участок сигнала маркируется специальным кодом. При выводе данных значение кода отображается изменением цвета линии и фона графика сигнала, то есть обратить внимание врача на участии сигнала говорящего о потенциальной опасности состояния пациента[7]. 
2.4 Реализация алгоритма анализа ЭЭГ.
 
Для реализации алгоритма анализа ЭЭГ используется программный пакет МАТLAB.
Для чтения и обработки данных использовались следующие функции:
X=load('I:\EEG8\D0001625.txt');– функция, позволяющая открыть файл исходного сигнала ЭЭГ;
nan- специальная переменная для обозначения неопределенного значения – результата операций типа: 0/0, inf/inf.;
c=cwt………- создать параметры вейвлет-спектр;
Xlabel и Уlabel – оси координат
[psi . x]=mexihat(ib,ub,n)- определяет параметры 'Вейвлет мексиканская шляпа'
Figure – новое окно для построения графика
fd-период дискретизации;
t – Вектор времени;
у – вектор сигнала ЭЭГ;
fclose – функция, реализующая закрытие файла идентификатор;
fd – частота дискретизации;
PLOT – график в линейном масштабе;
XLABEL, YLABEL, ZLABEL-обозначение осей;
length – команда для определения длины массива у;
figure – выбор окна, в котором реализуется текущее построение графиков;
TITLE – заголовки для двух- и трехмерных графиков;
AKF – расчет параметров АКФ;
[p,f]=pmtm(y,[],[],fd) – расчет периодограммы по методу Томпсона;
Specgram(y,[],fd,100) – расчет параметров для построения спектрограммы;
Графические результаты приведены в приложении.
 
 
 
 заключение
 
В общем разделе проекта был проведен анализ информации, полученной из различных литературных источников. Описаны основные методы ЭЭГ-анализа.
В специальном разделе квалификационного работа разработан специальный программный пакет для диагностики и определения участков головного мозга, пораженных эпилепсией.
Все поставленные в квалификационному работе задачи выполнены в полном объёме.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
СПИСОК ЛИТЕРАТУРЫ.
 
1. Гнездицкий В.В. Вызванные потенциалы мозга в клинической практике.
Таганрог: Медиком, 1997.
2. Гнездицкий В.В. Обратная задача ЭЭГ и клиническая электроэнцефалография. Таганрог: Медиком, 2000
3. Жирмунская Е.А. Клиническая электроэнцефалография. М.: 1991.
4. Макс Ж. Методика и техника обработки сигналов при техниче-ских измерениях. М.: Мир, 1983.
5. Отнес Р., Эноксон Л. Прикладной анализ временных рядов. М.: Мир, 1982. Т. 1, 2.
6. К. Прибрам. Языки мозга. М.: Прогресс, 1975.
7. Рандалл Р.Б. Частотный анализ. Брюль и Къер, 1989.
8. Русинов В.С., Гриндель О.М., Болдырева Г.Н., Вакер Е.М. Биопотенциалы головного мозга. Математический анализ. М.: Медицина, 1987.
9. А.Я. Каплан. Проблема сегментного описания электроэнцефалограммы человека//Физиология человека. 1999. Т.25. №1.
10. A.Ya. Kaplan, Al.A. Fingelkurts, An.A. Fingelkurts, S.V. Borisov, B.S. Darkhovsky. Nonstationary nature of the brain activity as revealed by EEG/MEG: methodological, practical and conceptual challenges//Signal proc-essing. Special Issue: Neuronal Coordination in the Brain: A Signal Processing Perspective. 2005. №85.
11. А.Я. Каплан. Нестационарность ЭЭГ: методологический и экспериментальный анализ//Успехи физиологических наук. 1998. Т.29. №3.
12. Каплан А.Я., Борисов С.В.. Динамика сегментных характеристик альфа-активности ЭЭГ человека в покое и при когнитивных нагрузках//Журнал ВНД. 2003. №53.
13.Каплан А.Я., Борисов С.В., Желиговский В.А.. Классификация ЭЭГ под-ростков по спектральным и сегментным характеристикам в норме и при расстройстве шизофренического спектра//Журнал ВНД. 2005. Т.55. №4.
14. Борисов С.В., Каплан А.Я., Горбачевская Н.Л., Козлова И.А.. Структурная организация альфа-активности ЭЭГ подростков, страдающих расстрой-ствами шизофренического спектра//Журнал ВНД. 2005. Т.55. №3.
15. Борисов С.В., Каплан А.Я., Горбачевская Н.Л., Козлова И.А. Анализ структурной синхронности ЭЭГ подростков, страдающих расстройствами шизофренического спектра//Физиология человека. 2005. Т.31. №3.
16. Кулаичев А.П. Некоторые методические проблемы частотного анализа ЭЭГ//Журнал ВНД. 1997. № 5.
17. Кулаичев А.П. Методология автоматизации психофизиологических экспериментов/сб. Моделирование и анализ данных. М.: РУСАВИА, 2004.
18. Кулаичев А.П. Компьютерная электрофизиология. Изд. 3-е. М.: Изд-во МГУ, 2002.
19.http://protein.bio.msu.su/~akula/anEEG/AnEEG.htm
20.http://eeg-online.ru/patterns/eeg_rhythms.htm о ритмах
21.http://openeeg.sourceforge.net/
22.http://www.neurosoft.ru/rus/product/neuron-spectrum-viewer/index.aspx программа просмотра ЭЭГ
23.http://journals.ioffe.ru/jtf/2011/01/p3-10.pdf Вейвлет-анализ ЭЭГ (RT-детектирование осцилляторных паттернов, характерных для абсансов)
24.ГОСТ 12.1.041-83 "Пожаровзрывобезопасность горючих пылей. Общие требования".
25.http://www.climat4u.ru/tp_desc_140366.html

 

 

ПРИЛОЖЕНИЕ.

         Программный код
Главная форма
figure('Color','w');
x=load('I:\EEG8\D0001625.txt');
y=x(8,:);
plot(y,'Color','r');
title('Исходный сигнал'); grid
figure('Color','w');
c = cwt(y,1:1:200,'mexh','3Dabslvl',[0 10]);
title('Вейвлет-спектр');
xlabel('Временной сдвиг, b');
ylabel('Временной масштаб, a')
lb = -5; ub = 5; n = 1000;  
[psi,x] = mexihat(lb,ub,n); 
figure('Color','w');
 plot(x,psi); 
title('Вейвлет мексиканская шляпа'); grid
xlabel('t'); ylabel('\psi(t)');
figure
c=load('I:\EEG8\D0001625.txt');
g=c(8,:);
y=g(1:19);
th = y;
X = 1*(th);
Y = 1:numel(X);
Z = -1*(th);
C = Z;        
patch('xdata',[nan;X(:);nan],...
      'ydata',[nan;Y(:);nan],...
      'zdata',[nan;Z(:);nan],...
      'cdata',[nan;C(:);nan],...
      'facecolor','interp', ...
      'edgecolor','interp')
axis equal
view(3)
title('Результат анализа');
figure('Color','w');
t = 0:0.000001:0.0004;
T=0.001;
A=abs(fft(y));
fd=1/T;
fn=fd/2;
f=-fd/2:fd/(length(y)-1):fd/2;
stem(y,fftshift(A));
title('spectrum');
figure('Color','w');
AKF=xcorr(y);
tau=-t(length(t)):2*t(length(t))/(length(AKF)-1):t(length(t));
 plot(tau,AKF);
title('AKF');
figure('Color','w');
 [P,f]=pmtm(y,[],[],fd);
plot(f,P);
title('periodogram');
 

Результаты.

Исходный сигнал

'Вейвлет-спектр

Вейвлет мексиканская шляпа

Результат анализа


spectrum


AKF


Periodogram

Опыт.
Картинки показываю результаты ЭЭГ- анализа  для пациентов D0001625 и D0001627.
figure
c=load('I:\EEG8\D0001625.txt');
g=c(8,:);
y=g(1:19);
th = y;
X = 1*(th);
Y = 1:numel(X);
Z = -1*(th);
C = Z;        
patch('xdata',[nan;X(:);nan],...
      'ydata',[nan;Y(:);nan],...
      'zdata',[nan;Z(:);nan],...
      'cdata',[nan;C(:);nan],...
      'facecolor','interp', ...
      'edgecolor','interp')
axis equal
view(3)
title('Результат анализа');
figure
c=load('I:\EEG8\D0001627.txt');
g=c(8,:);
y=g(1:19);
th = y;
X = 1*(th);
Y = 1:numel(X);
Z = -1*(th);
C = Z;
patch('xdata',[nan;X(:);nan],...
      'ydata',[nan;Y(:);nan],...
      'zdata',[nan;Z(:);nan],...
      'cdata',[nan;C(:);nan],...
      'facecolor','interp', ...
      'edgecolor','interp')
axis equal
view(3)
title('Результат анализа');


Результат анализа D0001625


Результат анализа D0001625

Комментарии