Дискретный мониторинг биоэлектрической активности головного мозга в процессе фармакотерапии

Дискретный мониторинг биоэлектрической активности головного мозга в процессе фармакотерапии

Автор: Рудковский, Михаил Владимирович

Шифр специальности: 03.00.02

Научная степень: Кандидатская

Год защиты: 2005

Место защиты: Ростов-на-Дону

Количество страниц: 229 с. ил.

Артикул: 2750268

Автор: Рудковский, Михаил Владимирович

Стоимость: 250 руб.

ОГЛАВЛЕНИЕ
Введение.
Глава I. Компьютерный анализ биопотенциалов головного мозга человека. Основные методы и тенденции развития.
Обзор литературы.
1.1. Медикобиологический аспект проблемы
1.1.1. Общая характеристика биоэлектрической активности мозга
1.1.2. Механизмы генерации электрической активности мозга.
1.1.3. Диагностическое значение ЭЭГсигнала.
1.2. Основные методы обработки биопотенциалов головного мозга.
1.2.1. Традиционные методы анализа ЭЭГ
1.2.2. Основные направления автоматизации обработки ЭЭГ.
1.3. Применение математических методов обработки ЭЭГ
в научных и клинических исследованиях.
1.3.1. Развитие применяемых методов автоматической обработки ЭЭГ.
1.3.2. Спектральный анализ ЭЭГ
1.3.3. Топографическое картирование биопотенциалов
1.3.4. Экспертные системы на основе баз знаний следующий этап применения ЭВМ в нейрофизиологии
1.4. Применение электрофизиологических исследований
в психиатрии пограничных состояний. Постановка задачи.
Глава II. Материалы и методы исследования.
2.1. Материалы и методы исследования
2.1.1. Объект исследования
2.1.2. Методика ЭЭГ мониторинга
2.1.3. Методы применяемой фармакотерапии
2.2. Методы анализа ЭЭГ
2.2.1. Методы обработки исходного вектора признаков.
2.2.2. Методы статистической обработки и сжатия многомерного пространства. Метод многомерного шкалирования.
2.2.2.1. Метод проверки подчинения статистических данных
нормальному закону распределения
2 2.2.2. Критерий Фишера
2.2.2.3. Критерий Стыодента.
2.2.2.4. Кластерный анализ.
2.2.2.5. Метод дискриминантный анализ
2.2.2.6. Метод многомерного шкалирования.
Глава III. Результаты собственных исследований
методами классической статистики.
3.1. Биоэлектрическая активность мозга здоровых испытуемых
3.2. Электроэнцсфалографические проявления
и мониторинг состояний психоневрологических больных
3.2.1. Мониторинг состояния больных принимавших моклобемид группа II
3.2.2. Мониторинг состояния больных принимавших флуоксетин группа III.
3.2.3. Мониторинг состояния больных принимавших танакан
группа IV
3.3. Результаты применения дискриминантного анализа данных
3.3.1. Результаты применения дискриминантного анализа для разделения многомерных векторов групп испытуемых II
и группы ЭЭГ нормы.
3.3.2. Результаты применения дискриминантного анализа для разделения многомерных векторов групп испытуемых III
и группы ЭЭГ нормы
3.3.3. Результаты применения дискриминантного анализа для разделения многомерных векторов групп испытуемых IV
и группы ЭЭГ нормы
3.3.4. Результаты применения дискриминантного анализа для попарного разделения многомерных векторов групп испытуемых
и группы ЭЭГ нормы
3.3.5. Результаты применения дискриминантного анализа для разделения многомерных векторов групп испытуемых
и группы ЭЭГ нормы
Глава IV. Результаты собственных исследований
методами многомерного шкалирования
4.1. Анализ внутригрупповых отношений.
4.2. Исследования динамики внутригрупповых отношений
4.2.1. . Динамика изменений усредненного вектора больных
II группы в процессе действия разовой дозы моклобемида
4.2.2. Динамика изменений усредненного вектора больных
III группы в процессе действия разовой дозы флуоксетина.
4.2.3. Динамика изменений усредненного вектора больных
IV группы, при их монофармакотерапии танаканом
4.3. Исследования межгрупповых отношений при полном наборе компонент.
4.4. Исследования межгрупповых отношений
отдельно по каждому отведению.
4.4.1. Исследования межгрупповых отношений
в лобных отведениях.
4.4.2. Исследования межгрупповых отношений
в височных отведениях.
4.4.3. Исследования межгрупповых отношений
в теменных отведениях.
4.4.4. Исследования межгрупповых отношений
в затылочных отведениях.
4.5. Исследования межгрупповых отношений по ритмам ЭЭГ
4.5.1. . Исследования межгрупповых отношений
в частотном диапазоне дельтаритма
4.5.2. . Исследования межгрупповых отношений
в частотном диапазоне тэтаритма
4.5.3. . Исследования межгрупповых отношений
в частотном диапазоне альфаритма.
4.5.4. . Исследования межгрупповых отношений
в частотном диапазоне бетаритма
Заключение
Список литературы.
Приложение А
Приложение Б
Введение
Актуальность


При этом максимально используются колоссальные возможности человека по распознаванию зрительных образов, умению осмысливать неполную информацию и создавать ее цельное представление, обобщать частные и анализировать маловероятные, взаимно исключающие события, находить и использовать эвристические методы решения. Омельченко В. П., , причем второе направление является логическим продолжением первого. Осуществление поиска и регистрации участков ЭЭГ, содержащих диагностически значимые феномены спайки и острые волны, определяемые на основе комбинированной оценки амплитуды, крутизны фронтов, остроты и длительности волн. Амплитуды графоэлементов определяют из исходной кривой ЭЭГ, крутизну фронтов и временные параметров волн и отдельных их фаз из исходной волны и первой ее производной остроту из второй производной ЭЭГ Зенков Л. Р., Роикин М. А., . При этом точность получаемых количественных параметров неизмеримо выше, чем при визуальной оценке. Применение математического и статистического аппарата позволяет получить устойчивые статистические или детерминированные характеристики ЭЭГ, количественно определить и проанализировать распределение амплитуд, спектральную плотность, автокорреляционные функции и др. Зенков Л. Р., Ронкин М. А., . Омельченко В. П, , получать качественное визуальное представление поля потенциалов мозга. Проводить анализ ЭЭГ методами распознавания образов и формулировать заключения на основе полученных характеристик и экспертных знаний электроэнцефалографистов. Создание компьютерных систем управления базами данных СУБД позволяет существенно упростить работу с ЭЭГ массивами, что включает в себя возможность быстрого поиска необходимых записей, а также оперативный анализ динамики электрофизиологических обследований и их статистическую обработку. Внедрение компьютерных методов открывает дополнительные аспекты использования ЭЭГ в плане уточнения прогноза заболевания, позволяет более детально структурировать группы патологии с соответствующей избирательной корректировкой лечебных воздействий, контроля их эффективности и целесообразности применения. Применение математических методов обработки ЭЭГ в научных и клинических исследованиях. Успехи количественных методов анализа ЭЭГ определяются адекватностью выбранного математического аппарата и уровнем развития технических средств обработки информации. Поэтому внедрение автоматизации обработки ЭЭГ в научную и клиническую практику происходило постепенно, нога в ногу с общим техническим прогрессом. Развитие применяемых методов автоматической обработки ЭЭГ. Попытки получения количественных оценок ЭЭГ были проведены еще в начальный период развития электроэнцефалографии. Первым математическим методом, который был предложен, был корреляционный анализ. В году Н. Винер впервые высказал мнение, что ЭЭГ есть стационарный случайный процесс. Позже, М. Н. Ливанов вручную произвел оцифровку ЭЭГ и вычисление частотных спектров Кожевников В. А., Мещерский , . В начале х годов Г. Уолтер изобрел устройство на базе узкополосных фильтров, пропускающих полосы частот от 0,5 до 2 Гц. В х годах получили распространение анализаторы с широкополосными фильтрами, настроенными на пропускание соответствующими диапазонов 5, 0, а, Р физиологических ритмов ЭЭГ, что позволило получить наглядную картину выраженности ритмических составляющих биоэлектрической активности человека, их изменений во времени и при различных раздражениях Русинов , . Этот метод исследований получил название частотного анализа. Русинов доказал, что ЭЭГ здорового человека содержит колебания всех диапазонов, выраженность которых различна, но наибольшая в диапазоне аритма. Позже, были получены данные подтверждающие гипотезу о том, что наиболее информативным показателем является доминирующий ритм. Было показано, что созревание коры в онтогенезе сопровождается увеличением частоты от 3,5 до Гц, а ухудшение функционального состояния ее понижением Русинов , . На клиническом опыте был сделан вывод о так называемой нозологической неспецифичности ЭЭГ, т.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.314, запросов: 145