Научное обоснование выбора оптимального математического обеспечения для анализа биоэлектрической активности мозга в норме и патологии

Научное обоснование выбора оптимального математического обеспечения для анализа биоэлектрической активности мозга в норме и патологии

Автор: Сереженко, Николай Петрович

Автор: Сереженко, Николай Петрович

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 2009

Место защиты: Воронеж

Количество страниц: 157 с. 26 ил.

Артикул: 4663627

Стоимость: 250 руб.

Научное обоснование выбора оптимального математического обеспечения для анализа биоэлектрической активности мозга в норме и патологии  Научное обоснование выбора оптимального математического обеспечения для анализа биоэлектрической активности мозга в норме и патологии 

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ.
ГЛАВА 1. АКТУАЛЬНЫЕ ВОПРОСЫ НЕИНВАЗИВНОЙ
ЭЛЕКТРОФИЗИОЛОГИЧЕСКОЙ ДИАГНОСТИКИ СОСТОЯНИЯ ГОЛОВНОГО МОЗГА НА СОВРЕМЕННОМ ЭТАНЕ ОБЗОР ЛИТЕРАТУРЫ.
1.1. Электроэнцефалография, ее место среди методов нейровизуализации и изучения функционального состояния головного
мозга в норме и патологии
1.2. Классические методики визуального и количественного анализа ЭЭГ.
1.3. ЭЭГ и современные методики математического анализа сигнала
1.4. Изменения ЭЭГ при некоторых патологических состояниях
Выводы первой главы.
ГЛАВА 2. МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ КОМПЬЮТЕРНОГО АНАЛИЗА ЭЭГ И ДАННЫЕ ТРАДИЦИОННЫХ МЕТОДОВ ИЗУЧЕИЯ НЕЙРОФИЗИОЛОГИЧЕСКОЙ АКТИВНОСТИ
2.1. Характеристика обследованных групп и методики исследования
2.2. Методы статистического анализа данных.
2.3. Данные классического визуального и компьютерного анализа электроэнцефалограмм в группе больных с эпилепсией.
2.4. Данные классического визуального и компьютерного анализа электроэнцефалограмм в группе больных с синкопальными состояниями.
2.5. Данные классического визуального и компьютерного анализа электроэнцефалограмм в группе больных с черепномозговыми травмами в анамнезе.
2.6. Данные классического визуального и компьютерного анализа электроэнцефалограмм в группе больных с черепномозговыми травмами в анамнезе.
Выводы второй главы.
ГЛАВА 3. ИСПОЛЬЗОВАНИЕ ПРИЗНАКОВОГО РАСПОЗНАВАНИЯ В АВТОМАТИЧЕСКОЙ ДИАГНОСТИКЕ ПАТОЛОГИЧЕСКИХ
ПАТТЕРНОВ ЭЭГ.
3.1. Принципы компьютерной диагностики патологичесюгх
паттернов ЭЭГ с использованием теории распознавания образов
3.2 Использование аппарата теории вероятности и кластерного анализа для определения числа весовых коэффициентов признаков
3.3 Программная реализация алгоритма и результаты ее испытания.
Выводы третьей главы
ГЛАВА 4. ПРИМЕНЕНИЕ ВЕЙВЛЕТПРЕОБРАЗОВАНИЯ ДЛЯ
ДИАГНОСТИКИ ПАТОЛОГИЧЕСКИХ ПАТТЕРНОВ ЭЭГ.
4.1. Основные характеристики вейвлетпреобразования
4.2. Применение вейвлетпреобразования к анализу ЭЭГ.
4.3. Описание программного обеспечения.
4.4. Распознавание патологических паттернов типа пик.
4.5 Распознавание патологических паттернов типа медленная волна
Выводы четвертой главы.
ГЛАВА 5 ПРИМЕНЕНИЕ ТЕОРИИ ФРАКТАЛОВ В ЭЛЕКТРОФИЗИОЛОГИЧЕСКОЙ ДИАГНОСТИКЕ НЕВРОЛОГИЧЕСКИХ ЗАБОЛЕВАНИЙ.
5.1. Основы теории фракталов и их применение в диагностики нейрофизиологических нарушений.
5.2. Фрактальная диагностика изменений ЭЭГ у больных эпилепсией
5.3. Принципы и математический аппарат фрактального анализа ЭЭГ
5.4. Программная реализация метода фрактального анализа электроэнцефалограмм.
5.5 Исследование влияния сглаживании на получаемые результаты
5.6. Изменения спектрального индекса и фрактальной размерности у
пациентов различных клинических групп
Выводы пятой главы.
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


Отдельно необходимо остановиться на использовании ЭЭГ в мониторинге пациентов с черепномозговой травмой как в условиях реанимационного отделения, так и при их динамическом наблюдении в реабилитационном периоде. Длительное время ЭЭГ являлась ценным инструментом в оценке состояния головного мозга при гипоксических состояниях, ишемическом и геморрагическом инсультах , , , , , , , , , , , , , 1, 7, 2. Сочетание указанных методик с ЭЭГ позволяет частично устранить недостатки каждой из них низкое пространственное разрешение ЭЭГ и низкое временное разрешение КТ и МРТ , , , , , , 4, 7, 1, 9, 0, 7, 8, 8, 9, 1, 9,1. Г.2. Говоря об анализе ЭЭГ, в первую очередь подразумевают визуальный анализ формы получаемой кривой. Несмотря на бурное развитие количественных методов оценки биоэлектрической активности головного мозга, данный метод продолжает оставаться основным, хотя и зависящим в значительной степени от квалификации врача, проводящего исследование. Остановимся на основных моментах семиотики визуального анализа ЭЭГ. ЭЭГ представляет собой хаотический процесс, обусловленный суммацией электрических потенциалов, генерируемых многими миллионами нейронов. До настоящего времени точно не установлены механизмы генерации биоэлектрических потенциалов, регистрируемых в виде энлектроэнцефалограммы. Она представляет собой совокупность суммации множества возбуждающих тормозных постсинаптических потенциалов, генерируемых в коре головного мозга, а также активности подкорковых структур. Изза ограниченности человеческих возможностей визуального восприятия при визуальном анализе ЭЭГ, применяемом в клинической электроэнцефалографии, целый ряд частот не может быть выделен человекомоператором, так как человеческий глаз выделяет только некоторые основные частотные полосы, явно присутствующие на ЭЭГ , , , , , , 9, 4. В соответствии с возможностями ручного анализа введена классификация частот ЭЭГ по некоторым основным диапазонам, которым присвоены названия букв греческого алфавита. Под понятием ритм на ЭЭГ подразумевается определенный тип электрической активности, соответствующий определенному состоянию мозга и связанный с определенными механизмами его функционирования. При описании ритма указывается его типичная частота, амплитуда и характерные черты его изменения при изменении функциональной активности мозга , , ,. Таблица 1. Гаммаритм у 5 7 мкВ. Среди перечисленных ритмов ЭЭГ первые четыре являются нормальными, то есть встречаются в ЭЭГ здорового человека. Тета и дельтаритм чаще всего являются патологическими. Альфаритм является самым распространенным ритмом ЭЭГ. Он регистрируется у здоровых взрослых. Его характеристики связаны с уровнем функциональной активности мозга. Повышение активности напряженное внимание, страх, беспокойство приводит к уменьшению амплитуды альфаритма. Бетаритм связан с двигательными и сенсорными механизмами. В небольших количествах. ИКЭА или. ОШЭА областях. Кроме присутствия соответствующих ритмов, признаком патологии также является наличие на ЭЭГ так называемых патологических паттернов, то есть специфических графоэлементов, наличие которых указывает на отклонения в работе мозга. Появление на ЭЭГ определенных патологических паттернов позволяет диагностировать такие патологические состояния, как эпилепсия. Это имеет большое значение, так как зачастую это единственный способ выявить данное заболевание , , , , , , , , , , 8, 2, 0, 5, 7, 8, 5, 8, 6, 6, 7. Патологические паттерны представляют собой участки сигнала с особыми специфическими характеристиками. С точки зрения диагностики важно количество патологических паттернов и их вид. В таблице 1. Таблица 1. Обычно амплитуда патологических паттернов значительно превышает амплитуду фоновой активности и может достигать нескольких сотен мкВ Но в некоторых случаях возможно присутствие патологической активности с небольшими значениями амплитуд. Это зависит от размера и глубины залегания источника этих колебаний. Кроме самих патологических паттернов, диагностическое значение имеют также их сочетания.

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: 0.228, запросов: 244