Методы и устройства быстрой сегментации ЭЭГ-сигнала

• Автор: Жаринов, Игорь Олегович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Санкт-Петербург
• Количество страниц: 173 с.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ .

1. МАТЕМАТИЧЕСКИЕ МОДЕЛИ ЭЛЕКТРОЭНЦЕФАЛОГРАММЫ ЧЕЛОВЕКА.

1.1. Особенности и свойства процесса. Классы ЭЭГ

1.2. Авторегрессионный анализ в электроэнцефалографии .

1.3. Постановка задачи формирования описания классов ЭЭГ

и основные подходы к се решению

1.4. Математикостатистические методы в задаче параметризации описания ЭЭГ.

1.4.1. Описание классов ЭЭГ моделями авторегрессии

1.4.2. Описание классов ЭЭГ моделями авторегрессии

скользящего среднего.

Выводы.
2. СЕГМЕНТАЦИЯ ЭЛЕКТРОЭНЦЕФАЛОГРАММЫ ЧЕЛОВЕКА
2.1. Постановка задачи сегментации ЭЭГ и основные
подходы к ее решению.
2.2. Математическое описание методов сегментации ЭЭГсигнала . . . .
2.2.1. Методы рекуррентных статистик
2.2.2. Методы кумулятивных сумм.
2.2.3. Методы динамических эталонов.
2.2.4. Пороговые уровни принятия решений
2.3. Кратковременные нестационаркости на ЭЭГ
3. КЛАССИФИКАЦИЯ
ЭЛЕКТРОЭНЦЕФАЛОГРАММЫ ЧЕЛОВЕКА
3.1. Динамическая классификация ЭЭГ.
3.1.1. Постановка залами классификации
3.1.2. Бинарная и многоальтернативная классификация.
3.1.3. Уравнения динамической классификации.
3.2. Алгоритмы многоальтернативной классификации ЭЭГ
3.2.1. Алгоритмы на основе методов рекуррентных статистик.
3.2.2. Алгоритмы на основе методов кумулятивных сумм
3.2.3. Алгоритмы на основе методов динамических эталонов
3.3. Устройства многоальтернативной классификации ЭЭГ.
4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ПОКАЗАТЕЛЕЙ КАЧЕСТВА СЕГМЕНТАЦИИ И
КЛАССИФИКАЦИИ ЭЭГ.
4.1. Исходные данные
4.2. Статистические испытания методов сегментации и алгоритмов классификации ЭЭГ
4.2.1. Классификация ЭЭГ в стационарном режиме
4.2.2. Сегментация ЭЭГ на участки квазистационарности
в динамическом режиме
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ


Основное содержание работы включает рисунков и 7 таблиц. Особенности и свойства процесса. Классы ЭЭГ. Стремление электрофизиологов перейти от чисто описательного способа интерпретации ЭЭГ человека к стандартизованной форме, поддающейся количественному сравнению и оценке, наметилось в первые же годы после открытия самого феномена. Вскоре выяснилось, что решающее значение имеет частотный состав ЭЭГ. Поэтому одной из первых количественных оценок было определение “индексов” той или иной частотной компоненты процесса, как процента времени ее устойчивой регистрации на протяжении выбранного отрезка реализации. Считается /, /, что информативная часть спектра ЭЭГ занимает полосу частот 0,5- Гц. При этом в клинической практике производится разбиение указанной полосы на несколько частотных диапазонов, уровень ритмической активности в каждом из которых имеет четко выраженную связь с функциональным состоянием головного мозга. Наиболее заметным типом активности является ритмическая активность с частотой порядка Гц, которая выражена у здорового человека в состоянии спокойного бодрствования и уменьшается при любых отклонениях от этого состояния. По принятой терминологии /, / эта ритмическая активность получила название а-активности; ей соответствует диапазон частот 8- Гц. Ритмическая активность на более высоких частотах (- Гц), называемая Р~ активностью, не подвержена существенным изменениям при изменении уровня бодрствования. Колебания более низких частот называются 8- (1-3 Гц) и 0-активностью (4-7 Гц). В последнее время частотный диапазон р- активности разделяется на два поддиапазона, и, кроме того, рассматривается активность на еще более высоких частотах (- Гц), называемая у- активностью. Уровень спектральной плотности мощности ЭЭГ (см. В, а уровень у-активности не превышает единиц микровольт. Характер регистрируемого процесса зависит /, / от ряда факторов: возраст; психофизиологическое состояние; область головного мозга; индивидуальные физиологические особенности; воздействия на мозг (заболевания, стимуляция, лекарственные препараты, внешние факторы и т. Некоторые из указанных факторов относятся к тем воздействиям, которые принципиально невозможно устранить, поэтому понятие “нормальная ЭЭГ” охватывает процессы с различающимися характеристиками. Помимо особенностей процесса, связанных с его частотным составом, спонтанно могут появляться и специфические нестационарные компоненты, которые в большинстве случаев следует рассматривать как выбросы, накладывающиеся на более стационарную (“фоновую”) ЭЭГ-активность. Подобные нестационарные компоненты в зависимости от их формы носят названия спайков (пиков), острых волн и пик-волн //. N = y[n-N], y[n-N+l], . У[п*]}"[•"_N = segment (i)|(=T(i), segment (i + l)|[=T(i+i),. О « ЗО л'Г. ЖЧгЬ . ГяГаГаГЗо^Гц г о іГяПГіь о>7. Х!»<Гц *<І1? Дц. Рис. Пример нормированных спектральных характеристик электроэнцефалографичсских процессов человека в -ти стандартных отведениях (реализации ЭЭГ зарегистрированы при полосе пропускания усилительного канала 0. Гн). N], у[п - N +1],. N + k], у[п - N + к +1],. У[п - N],. N+S] ] у[п - N +s2],. N + k],y[n - N + к + 1],. М отличающихся по статистическим свойствам процесса физиологических состояний, каждое из которых на реализации ЭЭГ сопровождается своим типом сегмента — электроэнцефалографическим классом i=l, 2,. Данная феноменологическая модель успешно используется /,,, , / при построении математических моделей ЭЭГ. В соответствии с принципом классификации работы //, в которой предложена методология формирования описания медико-биологических процессов, подлежащих сегментному анализу, информационный процесс с такими свойствами подпадает (см. Авторегрессионный анализ в электроэнцефалографии. Использование для анализа и аппроксимации ЭЭГ математических моделей авторегрес-сии-скользящего среднего (АРСС) находится сейчас в стадии интенсивного развития /-,,3,9,6,7,7/: совершенствуются вычислительные методы, уточняются статистические аспекты, выясняются границы применимости. Рис.