Учебная работа. Автоматическая сегментация электроэнцефалографической записи на стационарные участки

Главными элементами центральной нервной системы (ЦНС (центральная нервная система, головной тело клеточки (сома) и аксон (рис.1). Мощное разветвленное тело дендритного дерева имеет огромную поверхность, чем другие его части, и является его рецептивной воспринимающей областью. Бессчетные синапсы на теле дендритного дерева производят прямой контакт меж нейронами. Все части нейрона покрыты оболочкой — мембраной. В состоянии покоя внутренняя часть нейрона — протоплазма — имеет нехороший символ по отношению к внеклеточному месту и составляет примерно 70 мВ.
Этот потенциал именуют потенциалом покоя. Он обоснован разностью концентраций ионов Na+, преобладающих в экстраклеточной среде, и ионов К+ и Cl-, преобладающих в протоплазме нейрона. Если мембрана нейрона деполяризуется от — 70 мВ до — 40 мВ, при достижении некого порога нейрон отвечает маленьким по продолжительности импульсом, при котором мембранный потенциал двигается до +20 мВ, а потом назад до — 70 мВ. Этот ответ нейрона именуют потенциалом деяния. Продолжительность данного процесса составляет около 1мс.
Потенциал деяния является главным механизмом, при помощи которого аксоны нейронов передают информацию на значимые расстояния.
В многофункциональном отношении нейроны делятся на три главных класса.
Чувствительные (сенсорные) либо рецепторные нейроны несут информацию от периферии к центру в виде последовательности разрядов потенциалов деяния, в каких кодируются физические и остальные характеристики стимула.
Интернейроны действуют на остальные нейроны средством постсинаптических возбуждающих либо тормозных потенциалов. Это самая бессчетная группа, состоящая из 20 млрд нейронов ЦНС (центральная нервная система, головной мускул.
Глия. Наиболее половины размера ЦНС (центральная нервная система, головной обычно расположенный в головном отделе тела и представляющий собой компактное скопление нервных клеток и их отростков»>мозг) состоит из глиальных клеток, которые поддерживают функцию нейронов, но конкретно не участвуют в функционировании нейронов.

1.3 Регистрация электроэнцефалограммы по системе «10-20»
В истинное время почаще всего употребляется размещение электродов по интернациональной системе «10-20 %». Система «10-20 %» (рис.2) — обычная система размещения электродов на поверхности головы, которая рекомендована Интернациональной федерацией электроэнцефалографии и медицинской нейрофизиологии, она была сотворена в 1950-х годах канадским нейрофизиологом Гербертом Генри Джаспером. Всего в этом случае на поверхность головы накладывают 21 электрод [2].
1.4 Электроэнцефалографическая семиотика
Электроэнцефалография как самостоятельная область медицинской диагностики имеет собственный специфичный язык, устанавливающий соответствие меж наблюдаемыми на ЭЭГ переменами электронных потенциалов и определениями, применяемыми для их обозначения, также меж этими определениями и определенными представлениями анатомии, физиологии (Физиология от греч. — природа и греч. — знание — наука о сущности живого) и поликлиники. Совокупа этих взаимосоответствий и составляет содержание электроэнцефалографической семиотики [4].
Для выделения на ЭЭГ важных признаков ее подвергают анализу. Как для всякого осциллирующего процесса, главными понятиями, на которые опирается параметризация ЭЭГ, являются её частота, амплитуда и фаза.
Частота определяется количеством колебаний в секунду. Так как ЭЭГ представляет собой вероятностный процесс, на любом участке записи встречаются, строго говоря, волны разных частот, потому в заключение приводят среднюю частоту оцениваемой активности. Обычно берут 4-5 отрезков ЭЭГ продолжительностью в 1 с и сосчитывают количество волн на любом из их. Средняя из приобретенных данных будет охарактеризовывать частоту соответственного ритма на ЭЭГ (рис.3а).
Амплитуда — размах колебаний электронного потенциала на ЭЭГ, определяют от пика предыдущей волны до пика следующей волны в обратной фазе (рис.3б), оценивают амплитуду в микровольтах (мкВ). Для свойства какой-нибудь ритмической активности ЭЭГ выбирается мода (более нередко встречающееся одной фазы кривая перебегает начальный уровень, отклоняется в обратном направлении и ворачивается к изоэлектрической полосы. Полифазными именуют колебания, содержащие три и наиболее фаз (рис.4).
1.5 Ритмы ЭЭГ
ЭЭГ представляет собой случайный процесс, обусловленный суммацией электронных потенциалов, генерируемых почти всеми миллионами нейронов, активность которых в свою очередь определяется случайной синаптической бомбардировкой и, может быть, своими колебаниями потенциала, обусловленными метаболическими действиями. В связи с сиим ее диапазон оказывается очень сложным и широким, хотя количественные соотношения мощностей по каждой из этих частот различны. Из-за ограниченных перцепторпых способностей человека при зрительном анализе ЭЭГ, используемом в медицинской электроэнцефалографии, целый ряд частот не быть может довольно буквально охарактеризован оператором, потому что глаз человека выделяет лишь некие главные частотные полосы, очевидно присутствующие в ЭЭГ. В согласовании с способностями ручного анализа введена систематизация ритмов ЭЭГ по неким главным спектрам, которым присвоены наименования букв греческого алфавита [5].
Под понятием «ритм» в ЭЭГ предполагается определенный тип электронной активности, соответственный некому состоянию мозга (центральный отдел нервной системы животных и человека) и связанный с определенными церебральными механизмами. Соответственно при описании ритма дается его частота, обычная для определенного состояния и области мозга (центральный отдел нервной системы животных и человека), амплитуда и некие соответствующие черты его конфигураций во времени при конфигурациях многофункциональной активности мозга (центральный отдел нервной системы животных и человека).
В клинических исследовательских работах обычно выделяют четыре типа ритмов, поочередно растущей частоты: дельта, тета, альфа и бета ритмы. Альфа-ритм с частотой 8-13 Гц (единица частоты периодических процессов в Международной системе единиц СИ) и амплитудой до 100 мкВ является главным для подготовительного выявления дефектов, и он регится у 85-95% здоровых взрослых в умеренном расслабленном состоянии с закрытыми очами. Идеальнее всего он выражен в затылочных (зрительных) отделах, по направлению ко лбу амплитуда его равномерно миниатюризируется и комбинируется с бета-ритмом. В лобных отделах регится весьма слабо выраженный альфа-ритм и бета-колебания, сравнимые с ним по амплитуде. Ритм исчезает при афферентных раздражениях хоть какой модальности, но в особенности он чувствителен к зрительным раздражениям. Амплитуда альфа-активности может разнообразить (20-110мкВ), она максимальна в состоянии пассивного бодрствования, понижается, как в состоянии активного бодрствования (активация коры), так и в состоянии дремоты (дезактивация коры). Амплитуда альфа-ритма даже в одном и том же состоянии колеблется от минимума до предела, формируя веретёна — горизонтально направленные амплитудные модуляции.
Экзальтация (либо гиперсинхронизация) альфа-активности (повышение индекса и амплитуды) наблюдается при раздражении как ассоциативных, так неспецифических ядер таламуса. Дезорганизация альфа-ритма — нерегулярность частоты, изменение формы волн, рост амплитуды и нарушение пространственного распределения по коре мозга (центральный отдел нервной системы животных и человека), появляются при поражении зрительного бугра. Редукция (ослабление) альфа-активности — уменьшение индекса, амплитуды колебаний, замедление ритма, обычно сопутствует локальным либо диффузным поражениям самой коры огромных полушарий, также негрубым поражениям разных уровней ствола мозга (центральный отдел нервной системы животных и человека). Вместе с сиим известен парадокс «альфа-комы» — наличия сохранной альфа-активности при коматозных состояниях с смертельным финалом, связанных с грубыми поражениями ствола мозга (центральный отдел нервной системы животных и человека) на понто-мезенцефальном уровне.
Бета-ритм с частотой 14-40 Гц (единица частоты периодических процессов в Международной системе единиц СИ) и амплитудой до 15 мкВ является ведущим ритмом активного бодрствования и лучше всего регится в области фронтальных центральных извилин, но распространяется и на задние центральные и лобные извилины. Бета-ритм связан с соматическими, сенсорными и двигательными корковыми механизмами и даёт реакцию на двигательную активацию либо тактильную стимуляцию. При выполнении либо даже интеллектуальном представлении движения бета-ритм исчезает в зоне соответственной корковой проекции. Различают два спектра бета-ритма: в1 с частотой 14-18 Гц (единица частоты периодических процессов в Международной системе единиц СИ) и в2 с частотой 18-40 Гц (единица частоты периодических процессов в Международной системе единиц СИ). Обычно бета-ритм выражен довольно слабо (3-7 мкВ) и может маскироваться шумами и электромиограммой (ЭМГ).
Для здоровых людей в состоянии бодрствования выделяют три варианта в1:
затылочный, высокоамплитудный, блокируемый при зрительной стимуляции (его синоним «резвый вариант альфа-ритма»);
центральный, блокируемый контралатерально при сенсомоторных раздражениях. Этот вариант связан с двигательной Деятельностью. У нездоровых с полушарной, корковой патологией отсутствует на стороне поражения;
диффузный, низкоамплитудный, не изменяющийся ни при каких раздражениях. У нездоровых эпилепсией в1 этого варианта усиливается перед спонтанным развитием конвульсивных припадков. При всем этом ритм поначалу имеет частоту 24-22 пер/сек, потом замедляется до 18-16 пер/сек, часто сопровождаясь в это время возникновением комплексов «пик-волна».
Неспешные ритмы: тета-ритм с частотой 4-6 Гц (единица частоты периодических процессов в Международной системе единиц СИ) и дельта-ритм с частотой 0,5-3 Гц (единица частоты периодических процессов в Международной системе единиц СИ) имеют амплитуду 40-300 мкВ и в обычном состоянии свойственны для неких стадий сна.
Тета-активность доминирует в детском возрасте, пока ещё не сформирована альфа-активность. У здоровых взрослых людей нерегулярная, низкоамплитудная тета-активность может сохраняться в фронтальных отделах мозга (центральный отдел нервной системы животных и человека), не являясь признаком патологии. Установлена связь тета-активности с чувственными состояниями. Диффузно выраженная тета-активность отмечается у нездоровых с клиническими признаками поражения диэнцефальной области. В лобных отделах тета-активность находится при патологии в области заднечерепной ямки с действием на мозжечок (отдел головного мозга позвоночных, отвечающий за координацию движений). Перемежающаяся тета-активность в задних отделах мозга (центральный отдел нервной системы животных и человека) отмечается у нездоровых с психологическими нарушениями.
Дельта-активность в норме регится во время физиологического сна. В патологии она является более соответствующим признаком нарушения многофункционального состояния мозга (центральный отдел нервной системы животных и человека). Местными факторами, вызывающими конфигурации деятельности корковых нейронов с возникновением дельта-активности, являются, основным образом, гипоксия, нарушение метаболизма и дисциркуляции расстройства в системах ликворообращения и кровообращения (Кровообращение — важный фактор в жизнедеятельности организма человека и ряда животных). Описано возникновение дельта-активности на ЭЭГ в связи с состоянием нижележащих структур мозга (центральный отдел нервной системы животных и человека), а конкретно: фармакологическое блокирование таламуса, раздражение фронтального которому принадлежит ведущая роль в регуляции почти всех функций организма, патологические состояния базолатеральных отделов миндалин либо заднего и до этого всего всепостоянства внутренней среды»> которому принадлежит ведущая роль в регуляции многих функций организма (отдел промежуточного мозга, которому принадлежит ведущая роль в регуляции многих функций организма, и прежде всего постоянства внутренней среды), поражения в области базальных систем фронтального мозга (центральный отдел нервной системы животных и человека), поражения мозжечка (Мозжечок лат. cerebellum — дословно «малый мозг» — отдел головного мозга позвоночных, отвечающий за координацию движений, регуляцию равновесия и мышечного тонуса) и остальных поражений [3].

1.6 Применение ЭЭГ
смерти) болезней. ЭЭГ дозволяет судить о таковых свойствах мозга (центральный отдел нервной системы животных и человека) как физиологическая зрелость, функциональное состояние, наличие очаговых поражений, общемозговых расстройств и их нраве. Вследствие что, ЭЭГ является главным способом диагностики таковых болезней человека как эпилепсия, опухоли (Опухоль (син. новообразование, неоплазия, неоплазма) — патологический процесс, представленный новообразованной тканью) мозга (центральный отдел нервной системы животных и человека) и расстройства сна.
Эпилепсия — хроническое мозга (центральный отдел нервной системы животных и человека), участвующие в провоцировании приступов;
смотреть за динамикой деяния фармацевтических препаратов;
решить вопросец о прекращении фармацевтической для снятия или устранения симптомов и проявлений заболевания»>терапии (терапия — процесс, для снятия или устранения симптомов и проявлений работоспособности»>заболевания).
Расстройство сна — это мед состояние, при котором у человека нарушается естественный цикл сна. Описано около сотки разных видов расстройств сна, таковых как обструктивное апноэ сна (одним из симптомов которого является храп), бессонница и нарколепсия.
При исследовании сна устанавливают особые датчики для долговременной регистрации дыхания, движения ног, электроокулограммы (ЭОГ), электрокардиограммы (ЭКГ (Электрокардиография — методика регистрации и исследования электрических полей, образующихся при работе сердца)), ЭЭГ, ЭМГ, насыщения крови (внутренней средой организма человека и животных) кислородом, уровня углекислого газа, положения пациента, звука и температуры. Потом эта информация анализируется врачами-сомнологами и пациенту выдается заключение с советами по исцелению.
целью которого является облегчение с помощью биологической оборотной связи. ЭЭГ, проводимая обыденным методом (регистрация активности клеток мозга (центральный отдел нервной системы животных и человека) на бумаге), сопровождается световыми и звуковыми проявлениями. Пациент лицезреет свою ЭЭГ и пробует повлиять на ее ритм. Этот процесс смотрится в виде тренировки хворого с целью управления световыми, звуковыми сопровождениями ЭЭГ либо меняющимися изображениями на экран компа. Таковым методом удается в определенной степени управлять активностью клеток мозга (центральный отдел нервной системы животных и человека) и повлиять на некие виды приступов.
Нейрокомпьютерный интерфейс. При намерении совершить какое-либо действие у человека меняется электронная активность соответственных зон головного мозга (центральный отдел нервной системы животных и человека). Эти сигналы снимаются электроэнцефалографом и в виде цифровых данных поступают в комп, где делается вычисление признаков сигнала, соответствующих для того либо другого мысленного процесса. Дальше набор признаков делят по типам, и комп производит команду, управляющую исполнительным устройством. юзер в режиме настоящего времени следит за реакцией системы на свое мысленное действие. Таковая система именуется нейрокомпьютерным интерфейсом (НКИ). Схожий интерфейс может отыскать применение как в поликлинике для нездоровых с нарушенным мышечным контролем, так и в ежедневной жизни.

1.7 Нестационарность ЭЭГ
Несколько годов назад ученые считали, что главные конфигурации динамики ЭЭГ могут быть исследованы на базе вероятностно-статистических приближений, не принимая во внимание биофизическую природу электронных действий коры головного мозга (центральный отдел нервной системы животных и человека). Основным выводом было, что ЭЭГ быть может описано при помощи главных стохастических принципов (иными словами при помощи вероятностных распределений), но лишь на достаточно маленьких промежутках времени (обычно не больше 10 — 20 секунд), потому что ЭЭГ оказалась весьма нестационарным действием. Вариация мощности главных спектральных черт электроэнцефалограммы (для 5 — 10 секундных участков) достигала 50 — 100% [6].
В первых работах, посвященных анализу статистических параметров ЭЭГ как стохастического процесса, было показано, что распределение амплитудных значений ЭЭГ соответствует гауссовским характеристикам. Это весьма принципиальное заключение для осознания природы суммарной ЭЭГ. В согласовании с центральной предельной аксиомой гауссовские характеристики ЭЭГ можно было бы разъяснить обоюдной независимостью личных источников (генераторов) коркового электронного поля, что разрешало бы полностью применение параметрических способов математической статистики к анализу ЭЭГ сигнала и значительно упрощало бы его содержательные трактовки. Но, ряд создателей не подтвердил гауссовскую структуру ЭЭГ. Причина настолько очевидных противоречий в главном была связана с тем, что для тестирования создатели употребляли фрагменты ЭЭГ разной продолжительности. Недлинные сегменты ЭЭГ, до 10 с, как правило отлично аппроксимировались гауссовским распределением, а наиболее длинноватые — до 1 мин, обычно не подчинялись нормальному закону. Можно было представить, что наиболее длительные записи ЭЭГ отличались тем, что были составлены из отдельных фрагментов, любой из которых аппроксимировался своим законом обычного распределения, а в совокупы — распределение естественно оказывалось не обычным.
Позже были получены определенные данные о зависимости меж соответствием гауссовскому распределению и длиной участка оценивания ЭЭГ. Оказалось, что при увеличении продолжительности ЭЭГ от 4-х до 64-х секунд количество участков соответственных гауссовскому распределению понижалось от 90 до 20% при дискретизации ЭЭГ сигнала на частоте Найквиста.
Итак, в попытках оценить базисные статистические характеристики ЭЭГ исследователи в очевидном виде столкнулись с неувязкой, когда характеристики даже одно — 2-ух минутного фрагмента ЭЭГ не соответствуют свойствам составляющих этот фрагмент маленьких участков ЭЭГ записи. Как следует, суммарные оценки для неоднородного фрагмента ЭЭГ не могут правильно отражать содержания нервной деятель на анализируемом интервале. Лишь стационарные участки ЭЭГ сигнала могут быть подвергнуты обыкновенному статистическому анализу. В данной для нас связи потребовалось найти и само понятие стационарности в отношении к ЭЭГ.
В узеньком смысле этому понятию соответствуют такие процессы, главные моменты n-мерного распределения которых остаются постоянными во времени при всех n, где n — число поочередных отсчетов ЭЭГ на участке оценивания. На теоретическом уровне любой таковой отсчет имеет свое распределение, которое проявляется при неоднократных реализациях тестируемого процесса, генерирующих целый ансамбль значений для всякого отсчета. Но на практике для отслеживания стационарности динамического процесса обычно довольно надзирать всепостоянство во времени математического ожидания, дисперсии и характеристик корреляционной функции для одномерного распределения значений по любому отсчету этого процесса. В этом случае можно гласить о стационарности в широком смысле. В личном случае, когда идиентично нормальными оказываются все n распределений данного процесса — этот процесс именуется гауссовским.
Тем не наименее обычно исследователь не имеет способности набрать достаточное число синхронных реализаций ЭЭГ для оценивания статистических моментов по ансамблю реализаций всякого отсчета. Остается возлагать, что ЭЭГ является так именуемым эргодическим действием, когда статистические оценки, усредненные по ансамблям реализаций всякого отсчета совпадают с надлежащими оценками, усредненными по поочередным отсчетам во времени однократной реализации. Достаточным условием эргодичности процесса является рвение к нулю модуля функции автокорреляции при увеличении временного сдвига, что обычно типично для ЭЭГ сигнала. При всем этом условии главные характеристические характеристики ЭЭГ сигнала можно вычислить по совокупы поочередных отсчетов лишь одной, но довольно презентабельной реализации.
Оценивая схожим образом участки ЭЭГ различной продолжительности Макэвен и Андерсон проявили, что гауссовость и стационарность соблюдаются сразу только для 15-20% участков ЭЭГ записи продолжительностью по 16 с любой, а при уменьшении длительности этих участков до 4-х секунд обозначенные условия производятся для 70-80% записи ЭЭГ. Если же не учесть свойство гауссовости, то можно гласить о стационарности в широком смысле. Этому аспекту отвечают до 70-80% 16-ти сек участков ЭЭГ и до 95% участков ЭЭГ, продолжительностью наименее 4 с [7]. Таковым образом, основной вывод серии работ, посвященных рутинному статистическому анализу ЭЭГ как стохастического процесса заключается в том, что ЭЭГ сигнал на обыденных интервалах оценивания в 10-ки секунд является очевидно нестационарным действием, тогда как значимая толика маленьких участков ЭЭГ, в границах 2-4 с, все таки владеет свойством стационарности.
Статистическая неоднородность ЭЭГ сигнала принуждает исследователей с большенный осторожностью относиться к содержательным интерпретациям суммарных фазово-частотных черт. Юзеры систем картирования ЭЭГ отлично знают, что, как правило, усредненная на 1-2-х минутной записи карта корковых электронных потенциалов может иметь не достаточно общего с поочередными картами, построенными для наиболее дробных участков данной для нас записи.
Даже для более генерализованных реакций коркового электронного поля, к примеру при реакции десинхронизации ЭЭГ в ответ на предъявление структурированного зрительного стимула, за отлично выраженной картиной трансформации усредненного в границах 1 мин частотного диапазона скрываются разнородные спектральные перестройки на маленьких интервалах оценивания. Оказалось, что усредненная спектральная картина десинхронизации складывается за счет статистически важных однонаправленных конфигураций диапазона всего для 15-40% 2-х секундных участков ЭЭГ. Как следует, большая часть маленьких участков ЭЭГ на фоне ее полной десинхронизации или совсем не меняют собственный диапазон относительно фона, или имеют даже обратные главный тенденции спектральные сдвиги.
В собственной совокупы подобные факты свидетельствует о том, что динамическая картина ЭЭГ процесса становится ясной лишь при рассмотрении довольно маленьких его частей. Это побудило исследователей к разработке специализированных способов сегментации ЭЭГ.

1.8 Значимость сегментации в решении задач ЭЭГ
1.8.1 систематизация сна на базе ЭЭГ
В норме уровень многофункциональной активности мозга (центральный отдел нервной системы животных и человека) определяется циклом бодрствование — сон, а в состоянии бодрствования доп градации вносятся интенсивной психологической активностью, напряженным вниманием. Этому состоянию соответствует десинхронизация на ЭЭГ, которая выражается в уменьшении амплитуды и увеличении частоты ритмов.
Активным бодрствованием определяется состояние человека, занимающегося какой-нибудь деятельностью, которая просит высочайшей степени внимания. При исследовании ЭЭГ, долгого состояния активного бодрствования можно достигнуть, предложив обследуемому решить какую-либо довольно сложную, к примеру вычислительную, задачку в уме. В данной для нас экспериментальной ситуации десинхронизация на ЭЭГ поддерживается довольно продолжительно, но, как правило, не бывает настолько выраженной, как при реакции активации на одиночный нежданный стимул.
Расслабленным бодрствованием определяется состояние обследуемого, покоящегося в комфортном кресле либо на постели с расслабленной мускулатурой и закрытыми очами, не занятого какой-нибудь специальной физической либо психологической активностью. У большинства здоровых взрослых людей, обследуемых в этом состоянии, на ЭЭГ регится постоянный альфа-ритм наибольшей амплитуды. Этот ритм может время от времени прерываться, разумеется, в связи с активностью за счет своей психологической активности обследуемого. Предъявление в данной для нас стадии наружных раздражителей вызывает реакцию активации на ЭЭГ.
Организация процесса сна представляет собой последовательность возникновения разных стадий сна, повторяющаяся их организация свидетельствуют о существовании определенной регуляторной системы. Различают два состояния — фазу неспешного и фазу резвого сна.
Фаза неспешного сна (синонимы: медленноволновой сон, синхронизированный, ортодоксальный) характеризуется замедленной ритмикой, а именно, возникновением в ЭЭГ сонных веретен (сигма-ритм, веретенообразные комплексы колебаний частотой 12-16 периодов в 1 сек.) и высокоамплитудной дельта-активностью.
У человека в фазе неспешного сна выделяют ряд стадий, характеризующихся определенной электроэнцефалографической картиной и глубиной сна:
Стадия I, либо дремотная стадия, характеризуется постепенным замещением альфа-ритма на ЭЭГ низкочастотными колебаниями, возникновением низкоамплитудных тета (4-7 Гц (единица частоты периодических процессов в Международной системе единиц СИ)) и дельта (1-4 Гц (единица частоты периодических процессов в Международной системе единиц СИ)) волн, также низкоамплитудной частотной активности. Зрительно ЭЭГ быть может расценена как уплощенная и десинхронизированная с наличием полиморфной низкоамплитудной активности. Предъявление на этом фоне наружных стимулов может вызвать возникновение вспышек высокоамплитудного альфа-ритма. Длительность данной для нас стадии обычно 1-7 минут. Неспешные колебания возникают к концу данной для нас стадии, амплитуда их не превосходит 75 мкВ. В это время спонтанно либо в ответ на сенсорные стимулы могут показаться вертексные острые переходные потенциалы, представляющие из себя одиночные либо групповые монофазные поверхностно нехорошие острые волны с максимумом в области маковки, обычно не превосходящим 200 мкВ. 1-ая стадия, в особенности ее начало, характеризуется также неспешными движениями глаз.
Стадия II, либо стадия сонных веретен, характеризуется возникновением сонных веретен — комплексов колебаний частотой 12-16 периодов в секунду. Длительность веретен составляет 0,5-3 с, амплитуда обычно около 50 мкВ. Для данной для нас стадии типично наличие К-комплексов — двухфазных колебаний потенциала, нередко конкретно переходящих в сонные веретена. Амплитуда его максимальна в области маковки, длительность не наименее 0,5 с. К-комплексы появляются спонтанно либо в ответ на сенсорные стимулы. В данной для нас стадии эпизодически наблюдаются также вспышки полифазных высокоамплитудных неспешных волн. Неспешные движения глаз отсутствуют. Эта картина ЭЭГ соответствует относительно неглубокой стадии сна.
Стадия III характеризуется повышением числа регистрируемых на ЭЭГ дельта-волн (частотой 2 кол/с и наименее), занимающих от 20 до 50% эры записи. Аспектом отнесения ЭЭГ к третьей стадии является количество неспешных волн амплитудой больше 75 мкВ. В данной для нас стадии нередко тяжело дифференцировать К-комплексы от дельта-волн. Сонные веретена могут стопроцентно отсутствовать.
Стадия IV определяется наличием на ЭЭГ дельта-волн частотой 2 кол/с и наименее, амплитудой выше 75 мкВ, занимающих наиболее 50% эры записи ночного сна.
Фаза резвого сна характеризуется значимым понижением амплитуды колебаний на ЭЭГ, пилообразными разрядами, низкоамплитудной резвой активностью, время от времени возникновением альфа-ритма, частота которого понижается на 1-2 кол/с; возникновением стремительных движений глаз на ЭОГ, резким понижением тонуса мускул, регистрируемым на ЭМГ. Фазу резвого сна еще именуют фазой резвого движения глаз либо REM стадией (Rapid Eye Movements), либо феноминальным сном.
Возникновению эпизода резвого сна обычно предшествует «переходная» стадия, в какой имеет пространство сочетание электрографических признаков обеих фаз сна. В переходной стадии, составляющей обычно 1-5% общей продолжительности сна, наблюдается значимая представленность вертекс-потенциалов (острые волны амплитудой около 200 мкВ), К-комплексов, замедленных колебаний, сонных веретен, резвой ритмики и участков плоской кривой, возникновение беспорядочных движений глаз.
Для беспристрастного исследования сна и его нарушений употребляется полисомнография — способ, включающий параллельную регистрацию ЭЭГ, ЭОГ и ЭМГ. Эти характеристики являются базисными для идентификации стадий и фаз сна. На основании анализа этих характеристик строится гипнограмма — временной график сна, отражающая динамику стадий и фаз сна в течение периода регистрации. На рисунке 6 представлен пример гипнограммы, отражающей естественный цикл сна человека.
В естественных критериях сон начинается с фазы неспешного сна, с первой стадии равномерно углубляется до самых глубочайших стадий и потом сменяется фазой резвого сна. Это составляет цикл сна. В течение ночи у здоровых лиц наблюдается 4-5 циклов, в среднем циклических через 90-120 мин. 1-ый цикл начинается с момента засыпания и завершается первым эпизодом резвого сна, следующие циклы — от конца предшествующего периода резвого сна до окончания последующего эпизода резвого сна. Продолжительность эпизодов резвого сна, малая в первых циклах, к утру равномерно растет, в то время как представленность более глубочайшего дельта-сна (III и IV стадии совместно), наибольшая в первых 2-3 циклах, миниатюризируется в крайних циклах сна.
Система, разработанная Рейхшаффеном и Келли (R&K) в 1968 году, была первой всепригодной и принятой системой систематизации стадий сна [8]. Она дозволила провести стандартизацию критериев разделения стадий сна и тем отдала возможность ассоциировать результаты исследовательских работ, проведенных в различных лабораториях и клиниках.
По системе R&K стадиям сна соответствуют последующие свойства:
Бодрствование — равномерная альфа активность и низкоамплитудная смешанная активность;
Стадия 1 «дремотная» — сравнимо низкоамплитудная смешанная активность на ЭЭГ;
Стадия 2 «легкий сон» — 12-14 Hz сонные веретена и K-комплексы;
Стадия 3 «глубочайший сон» — возникновение высокоамплитудной низкочастотной активности;
Стадия 4 «глубочайший сон» — доминирование высокоамплитудной низкочастотной активности;
REM-сон «резвый сон» — относительно низковато амплитудная смешанная активность на ЭЭГ (десинхронизация ЭЭГ), эпизоды резвого движения глаз, низкоамплитудная активность на ЭМГ.
Система базируется на том, что для анализа, нужны записи с 1-го канала ЭЭГ (C4/A1 либо C3/A2 согласно системе 10-20), 2-ух каналов ЭОГ и 1-го канала ЭМГ.
Вся запись делится на сегменты по 30 секунд и для всякого сектора рассчитываются главные характеристики ритмов: индексы и амплитуды. Индекс ритма рассчитывается как отношение суммы длительностей отрезков представляющих ритм к общей продолжительности сектора. В качестве амплитуды, характеризующей ритм, употребляется наибольшая амплитуда данного ритма в секторе.
Но сейчас становится естественным, что система R&K предполагает некие ограничения. Одно из ограничений — это фиксированная длина сектора 20 — 30 секунд. А если переход меж стадиями случится посреди этого участка, то профессионалу все равно придется выбирать одну из стадий. Иная неувязка данной системы в том, что она была разработана относительно юных и здоровых пациентов, в случае обследования пациентов старшего возраста либо с расстройствами сна этот способ может не отдать четких результатов. Из-за того, что анализ должен производиться человеком, что {само по себе} просит много времени и сил, возникает неувязка личной интерпретации [6]. Потому на данный момент исследователи нуждаются в беспристрастных компьютеризированных способах систематизации стадий сна. Для этих целей могут быть применены классификаторы на базе нейронных сетей. Для маленьких частей ЭЭГ рассчитываются определенные свойства, к примеру статистические либо спектрально-корреляционные, которые будут идентифицировать определенный сектор. Опосля этого классификатор делит все сегменты на данное количество групп. Разумеется, что таковой анализ применим к ЭЭГ сигналу, но лишь опосля его подготовительного сегментирования на участки относительной стационарности. Это, в свою очередь, привело исследователей к необходимости разработки технологий выделения так именуемых квази-стационарных участков в ЭЭГ сигнале. 1-ые же положительные данные в этом направлении дозволили не только лишь указать путь наиболее корректного оценивания статистических параметров ЭЭГ сигнала, но, что представляется наиболее принципиальным, — дали 1-ые основания к совсем новенькому осознанию организации ЭЭГ как кусочно-стационарного процесса [9].

1.8.2 Фундаментальные исследования работы мозга (центральный отдел нервной системы животных и человека)
Исследованию могут подлежать не сами стационарные сегменты, а моменты перехода от 1-го сектора к другому, т.е. моменты резких конфигураций черт ЭЭГ. Эти моменты могут отражать реакции ЭЭГ на «переключения” разных систем мозга (центральный отдел нервной системы животных и человека) из 1-го микросостояния в другое. Исследуя же синхронность таковых переключений в разных отделах коры огромных полушарий при помощи анализа совпадений во времени моментов конфигураций в разных отведениях ЭЭГ, можно получать информацию о пространственно-временной организации разных действий, идущих в расположенный в головном отделе тела«>мозге (Мозг — центральный отдел нервной системы человека и животных, расположенный в головном отделе тела).
Для оценки кооперативности работы разных участков коры подавляющее большая часть исследователей в истинное время употребляет когерентный анализ. Оценки когерентности очень чувствительны к разным сдвигам многофункционального состояния человека, к когнитивным перегрузкам, к индивидуально-типологическим особенностям, к патологическим сдвигам в работе мозга (центральный отдел нервной системы животных и человека) и к медикаментозной терапии (терапия — процесс, для снятия или устранения симптомов и проявлений работоспособности»>заболевания). Но когерентный анализ оценивает только линейную статистическую связь динамики биопотенциалов исследуемых областей в частотной области, которая никак не тождественна их многофункциональной связанности.
Различием подхода исследования синхронности резких конфигураций ЭЭГ является предварительное выделение из ЭЭГ инфы о функционально принципиальных «событиях”, синхронность которых потом оценивается. В качестве индикаторов этих «событий» комфортно применять резкие конфигурации черт ЭЭГ. Резкое изменение быть может представлено единственной точкой на временной оси, и это дозволяет отлично рассматривать синхронность конфигураций динамики потенциалов в пространственно удаленных друг от друга участках коры [10].
2. Постановка задачки
Целью данной работы является разработка и реализация программного модуля автоматической сегментации ЭЭГ записи на стационарные участки для предстоящего внедрения результатов сегментации в системах автоматической систематизации стадий сна человека.
В качестве начальных данных употребляется 8-10 часовая запись ЭЭГ, приобретенная во время сна пациента. Для сегментации будут употребляться данные 1-го из каналов ЭЭГ.
Сегментация будет выполняться на базе 2-ух способов: непараметрической сегментации и способа фрактальной размерности. Будет произведена сравнительная оценка работы данных способов.
Способ непараметрической сегментации основан на поиске резких разладок в нестационарной последовательности.
способ фрактальной размерности основан на нахождении коэффициента, характеризующего сложность нестационарной последовательности.
Применяемый инструментарий: среда разработки Microsoft Visual Studio 2003.net с внедрением библиотеки MFC.
3. Математический аппарат
3.1 Стационарный случайный процесс
Принципиальным классом случайных действий являются стационарные процессы. Свойство стационарности значит независимость неких черт сечений процесса от времени. Естественно, для настоящих действий это условие очень ограничительно, но оно производится достаточно нередко, если разглядывать процесс на довольно маленьком интервале времени, в течение которого вероятностные свойства процесса меняются не достаточно.
Итак случайный процесс , именуют стационарным в узеньком смысле, если для всех , , и совместное распределение случайных величин одно и то же для всех , таковых что, , . Другими словами, для функции распределения случайного процесса:
Либо, что то же самое, для функции плотности вероятностей случайного процесса:
Если стационарный в узеньком смысле случайный процесс , имеет моменты первого и второго порядка, то его математическое ожидание — повсевременно, а ковариационная функция зависит только от разности аргументов:
Случайный процесс , именуется стационарным в широком смысле, если его математическое ожидание — повсевременно, а ковариационная функция зависит от разности аргументов:
Таковым образом из стационарности в узеньком смысле следует стационарность в широком смысле.
В той мере, в которой теория случайных действий отражает явления настоящего мира, понятие стационарности случайного процесса отражает идею неизменности (стационарности) критерий, в каких он протекает.
ЭЭГ является нестационарным действием, но недлинные ее сегменты по отдельности могут считаться стационарными. Другими словами можно ввести математическую модель электроэнцефалограммы, как объединение реализаций набора стационарных случайных действий.

3.2 методы сегментации ЭЭГ
3.2.1 способ фиксированных интервалов
В принципе, если продолжительность малого участка стационарности составляет, как правило, не наименее 2 секунд, то процедура сегментации ЭЭГ сигнала на квази-стационарные фрагменты могла бы состоять из 4 шагов. На первом шаге запись ЭЭГ за ранее разбивается на равные простые участки продолжительностью 2 с. Потом любой из этих участков получает статистическое описание, состоящее из некого набора признаков, к примеру, спектральных оценок. На 3-ем шаге простые участки ЭЭГ классифицируются в согласовании со своими признаками одним из способов многомерной статистики, получая любой свое классификационное наименование. В конце концов, на четвертом шаге «стираются» границы меж одноименными простыми участками, что превращает всю запись ЭЭГ в последовательность частей, в рамках которых характеристики ЭЭГ остаются относительно неизменными. Любой таковой квази-стационарный сектор будет различаться определенной продолжительностью и надлежащими типовыми признаками. Если число сегментных классов в настоящей ЭЭГ окажется не очень огромным, то мысль о кусочно-стационарной организации ЭЭГ получит очевидное преимущество перед собственной кандидатурой — изначальным осознанием ЭЭГ как континуального процесса.
Конкретно таковой подход с подготовительным разбиением записи ЭЭГ на равные участки (fixed-interval segmentation) употребляли в первых работах по сегментации ЭЭГ [11,12]. количество типовых частей ЭЭГ вправду оказалось очень ограниченным — для различных ЭЭГ не наиболее 15-35 [12], а продолжительность большинства частей не превосходила 4 с, что очевидно свидетельствовало в пользу идеи о кусочно-стационарном устройстве ЭЭГ. Но значимым недочетом способа сегментации с подготовительным разбиением ЭЭГ на простые участки равной продолжительности было то, что какая-то часть из этих участков непременно обязана была прийтись на «соединения» меж стационарными секторами ЭЭГ. Это приводило к возникновению целого кластера фрагментов ЭЭГ, содержащих внутри себя переходные процессы, и поэтому не являющихся фактически стационарными секторами. Не считая того, границы меж стационарными секторами определялись, таковым образом, довольно примерно, с точностью не наименее величины интервала фиксированного разбиения ЭЭГ.
Чтоб избежать возникновения подобного рода погрешностей в поиске квази-стационарных участков ЭЭГ, требовалась таковая разработка сегментации, которая включала бы в себя поочередный перебор вероятных расстановок межсегментных границ с выбором рационального варианта. Эта методология была названа адаптивной сегментацией.
3.2.2 Параметрическая сегментация
В самом общем виде процедура адаптивной сегментации могла бы основываться на оценивании степени сходства исходного фиксированного участка ЭЭГ с фрагментом ЭЭГ той же продолжительности, рассматриваемом в передвигающемся вдоль ЭЭГ записи временном «окне». Разумеется, что как это окно «наедет» на границу частей, контролируемая степень сходства резко уменьшится, и это будет формальным признаком перехода к последующему сектору.
По-видимому, более адекватными данной для нас задачке могут быть способы, дозволяющие предсказывать очередные отсчеты ЭЭГ по результатам оценивания ряда прошлых отсчетов. момент рассогласования меж предсказанным и настоящим текущим отсчетом ЭЭГ полностью мог бы свидетельствовать о возникновении локальной нестационарности.
способы прогнозирования временных рядов основываются на предположении о том, что стохастичность их поведения в значимой мере ограничена какими-то динамическими закономерностями. В таком случае, если получится подобрать отвечающие сиим закономерностям математические модели, то с известной точностью количество отсчетов вперед. За пределами стационарного сектора, для которого были подобраны характеристики модели, ошибка пророчества резко вырастет, сигнализируя тем о окончании предшествующего и начале новейшего сектора. Для исходного участка еще одного сектора можно вычислить новейшие характеристики модели и продолжить поиск границы со последующим сектором. Главным звеном в поиске межсегментных переходов стают, таковым образом, характеристики математической модели ЭЭГ. Весьма принципиальным потому является верный выбор модели ЭЭГ.
Более разработанным методом моделирования ЭЭГ является способ линейной экстраполяции, разработанный еще в 1942 г.Н. Винером как приложение авторегрессионного анализа и в первый раз предложенный для тестирования ЭЭГ в конце 60-х годов. В рамках авторегрессионной модели очередной отсчет ЭЭГ быть может вычислен с некой погрешностью как сумма нескольких прошлых отсчетов, взятых с определенными коэффициентами. Базисные процедуры адаптивной сегментации ЭЭГ, основанные на авторегрессионных моделях низкого порядка, сначало были разработаны Боденштайном и Преториусом [13] и в предстоящем удачно использовались в разных модификациях иными создателями.
В этих работах создатели нашли еще наиболее ограниченный, чем при сегментации способом фиксированных интервалов, набор типовых частей. Длина квази-стационарного сектора по данным этих создателей варьирует в главном в границах от 1 — 2 до 20 секунд, а количество типов этих частей по различным оценкам составляет от 6 до 50. Применение к ЭЭГ множественного регрессионного анализа с вычислением вклада всякого из нескольких характеристик модели позволило наиболее кропотливо проводить функцию сегментации. Сиим способом создатели могли детектировать сегменты ЭЭГ, надлежащие определенным когнитивным операциям. В данной для нас работе было также показано, что продолжительность большинства квази-стационарных частей ЭЭГ составляла 2 — 10 с. Невзирая на тщательность алгоритмической проработки, способы сегментации ЭЭГ на базе регрессионного анализа в итоге оперируют эмпирически подобранными пороговыми аспектами. Это событие существенно ограничивает возможность исследователей не только лишь при сопоставлении межиндивидуальных данных, да и при сравнении результатов сегментирования ЭЭГ разных отведений у 1-го и такого же испытуемого.
Кроме неминуемой эмпирической заданности пороговый аспект сегментации ЭЭГ в рассмотренных способах имеет еще один, наиболее глубочайший, недочет — отсутствие адаптивности к меняющимся характеристикам ЭЭГ процесса. В данной для нас связи для математического описания ЭЭГ можно было бы применить авторегрессионную модель с зависимыми от времени параметрами, апробированную в исследовательских работах с определением речевых сигналов. Такие пробы были изготовлены и в отношении ЭЭГ. Но отсутствие априорной заданности закона конфигурации характеристик во времени добивалось построения доборной модели, что в общем случае обязано было привести к скоплению еще огромных погрешностей.
Крайнее ограничение в определенной мере снималось в работе [14], в какой для поиска межсегментных границ также учитывались все отсчеты тестируемой ЭЭГ. На базе байесовского подхода создатели вычисляли более возможную расстановку моментов множественных стыковок частей сходу по всей длине записи ЭЭГ. Совмещая этот тип сегментации с авторегрессионным подходом, создатели достигнули очень четкого, с экспертной точки зрения, разбиения ЭЭГ на квази-стационарные сегменты. При всем этом при помощи 1-го из характеристик метода сегментации можно было ограничивать число расчетных межсегментных стыковок в записи ЭЭГ, что, на самом деле дела, дозволяло проводить сегментацию с огромным либо наименьшим временным разрешением, тестируя иерархию субсегментных отношений в разных временных масштабах. Создатели, но, не оценили эту сторону разработанной ими технологии сегментирования ЭЭГ. К тому же, отмечаемая самими создателями вычислительная сложность предложенного подхода делает его фактически применимым лишь для весьма маленьких, не наиболее нескольких секунд, фрагментов ЭЭГ записи [14].
В целом, рассмотренный круг способов адаптивной сегментации ЭЭГ на базе параметрического подхода, в принципе, дозволяет наиболее либо наименее правильно обрисовать кусочно-стационарную структуру ЭЭГ сигнала. Но обозначенный принцип заключается в том, что все эти способы, вначале нацеленные на поиск квази-стационарных участков, по определению сами могут применяться лишь для стационарных действий. Вправду, в базе этих, так именуемых, параметрических способов лежит предварительное построение математической модели, к примеру авторегрессионной, в референтном окне на исходном участке ЭЭГ. Разумеется, что получить довольно точную модель процесса можно лишь на его стационарном участке. При этом, чем наиболее длинноватым будет этот участок, тем наиболее тонкие индивидуальности процесса могут быть отражены в его модели. Но, чем длиннее анализируемый отрезок настоящей ЭЭГ, тем наиболее возможным становится, что этот отрезок окажется неоднородным. Если же модель строить на весьма маленьком участке, то она окажется очень «загрубленной», тогда и недозволено будет возлагать на доброкачественную сегментацию процесса с внедрением характеристик данной для нас модели.
Таковым образом, параметрические способы поиска квази-стационарных участков ЭЭГ содержат внутри себя достаточно мощное противоречие: сегментирование на стационарные фрагменты нереально без построения адекватной математической модели, а выстроить такую модель недозволено без подготовительного сегментирования.
]]>