DOI:

Опис-посилання

ISSN 1812-7231 Klin.inform.telemed. Volume 8, Issue 9, 2012, Pages 17-23

Автор(и)

О. Ю. Майоров^{1, 2}, В. М. Фенченко^{1, 3}

Установа(ви)

¹Харківська медична академія післядипломної освіти МОЗ України

²Інститут Медичної інформатики і Телемедицини, Харків, Україна

³Фізико-технічний інститут низьких температур ім. Б. І. Вєркіна НАН України, Харків

Назва статті

Метод русел і джокерів в дослідженні біоелектричної активності мозку

Анотація (резюме)

Запропонований новий підхід для оцінки ЕЕГ методами нелінійного аналізу з використанням концепції "русел" і "джокерів". Встановлено, що ЕЕГ сигнал є неоднорідним з позицій нелінійної динаміки. Динамічна система мозку зазнає істотні зміни, які відбиваються на відносно невеликих ділянках ЕЕГ, вони можуть бути візуально непомітні. Запропоновано при проведенні нелінійно-динамічного аналізу ЕЕГ заздалегідь провести сегментацію сигналу, вважаючи сегментом ділянка запису, в межах якої амплітуда сигналу зберігає достатньо велике значення. Значне зменшення амплітуди може свідчити про перехід до іншого "мікростану" мозку. Для визначення переходу до іншого "мікростану" запропоновано оцінювати характер зміни фази сигналу в межах виділених сегментів. Сегменти з однаковим характером зміни фази утворюють "русла", в межах яких досліджувана динамічна система мозку незмінна. Після виділення "русел" проводиться їх нелінійно-динамічний аналіз і відновлення досліджуваної динамічної системи. При відповідній модифікації розрахункових алгоритмів такий підхід дозволяє виконати нелінійно-динамічний аналіз навіть, якщо доступні лише окремі ділянки "русла".

Ключові слова

ЕЕГ, детермінований хаос, реконструкція, метод "русел" і "джокерів"

Список літератури

1. Thatcher R. W. Tomographic electroencephalography magnitoencephalography. Dynamics of human neural network switching J. Neuroimaging. 1995. V. 5(1). p. 355.

2. Pascual-Marqui R. D., Michel С. М., Lehmann D. Low resolution electromagnetic tomography: a new method for localizing electrical activity in the brain Int. J. of Psychophysiology. 1994. V. 18. p. 49.

3. Dumermuth H. G., Molinari L. Spectral analysis of the EEG Neuropsychobiology. 1987. V. 17. p. 85–99.

4. Lopes da Silva F. H. Analysis of EEG ongoing activity: rhythms and nonstationarities. In: Recent Advances in EEG and EMG Data Processing. Eds.: N. Vamaguchi and K. Fujisawa Amsterdam: Elsevier. 1981. p. 95–115.

5. Elul R. Gaussian behavior of the electroencephalogram exchanges during performance of mental task. 1969. Science. V. 164, p. 328–331.

6. Petsche H. Der Januskopf des EEG-Mapping EEG-Lab. 1990. V. 12. N. 1. p. 1–11.

7. Pritchard, W. S., Duke, D. W., Coburn, K. L., Moore. N. C. and Tucker K. A. In: B. H. Jansen and M. E. Brandt (Eds), Nonlinear Dynamical Analysis of the EEC. World Scientific, Singapore, 1993.

8. Jensen B. H. Nonlinear dynamics and quantitative EEC analysis. EEG clin. Neurophysiol., 1996. suppl. 45. p. 39–56.

9. Aftanas L. I., Lotova N. V., Koshkarov V. I., Pokrovskaja V. L., Popov S. V., Makhnev V. p. Non-linear analysis of emotion EEG: calculation of Kolmogorov entropy and the principal Lyapunov exponent Neuroscience Letters. 1997. V. 226. Р. 13–16.

10. Kantz H., J. Kurths, G. Mayer-Kress. eds. Nonlinear Analysis of Physiological Data Springer (1998).

11. Гласс Л., Мэкки М. От часов к хаосу. Ритмы жизни. Мир, 1991.

12. Хакен Г. Принципы работы головного мозга. ПЕР СЭ, 2001.

13. Майоров О. Ю., Фрицше Л. Н. и др. Оценка динамических систем мозга в состоянии спокайного бодрствования и при интеллектуальной нагрузке на основе энтропии Колмогорова-Синая по ЭЭГ. Ж. Експ. і клін. мед. 3 ( 2006).

14. Майоров О. Ю., Фрицше Л. Н., Фрицше М. Оценка энтропии Колмогорова-Синая по ЭЭГ у здоровых мужчин с различной степенью общей тревожности. Вестник Нац. Ун-та им. В. Н. Каразина, Сер. "Биология". 4 (2006).

15. Mayorov O. Yu., M. Fritzche, A. Gluchov, D. W. Sleduk, S. M. Kosidubova, L. N. Timchenko. Molecular and nonlinear electroencephalographic basis underlying the integration between dopaminergic and cannabinoid transmission — the missing link between cannabis psychoisis and schizopherenia. Abstracts from XXIV Congress of Collegium Internacionale Neuropsychopharmacologicum (CINP). Paris (2004).

16. Mayorov O. Yu., M. Fritzsche, L. Fritzsche, S. Kosidubova, A. Glukchov. Asymmetric Processing of Information in Development, Evolution and Psychopathology. Special Issue on "Cognition, Brain, Behavior". (2006).

17. Mayorov O. Yu., Fritzsche M., Glukchov A. and oth. Disfunctional information processing during acute psychosis. 12th AEP Congress. Association of European Psychiatrists. Geneva. Switzerland. (2004).

18. Fritzsche M., Mayorov O. Yu., A. Glukchov, and oth. Anandamide included model-psychosis assessed by nonlinear EEG analysis. Journal BMC Psychiatry (e-Jornal), (2003).

19. Майоров О. Ю., Вязовская О. В. Влияние острого и эмоционального хронического стресса на уровень энтропии Колмогорова-Синая ЭЭГ крыс в условиях иммобилизации. Ж. Експериментальна і клінічна медицина. №4 (2006).

20. Майоров О. Ю., Фенченко В. Н. О вычислении параметров детерминированного хаоса при исследовании биоэлектрической активности мозга. Ж. Клин. Информ. и Телемед. т. 3. № 4 (2006).

21. Майоров О. Ю., Фенченко В. Н. Повышение надежности исследований детерминированного хаоса в биоэлектрической активности (ЭЭг, ЭКГ и вариабельности сердечного ритма) методами нелинейного анализа. Ж. Клин. Информ. и Телемед. т. 5. № 6 (2009).

22. Takens F. In: Rand DA and Young LS, eds. Dynamic Systems and Turbulence. Lecture Notes in Mathematics. V 898. Heidelberg: Springer-Verlag, (1981).

23. Grassberger p., Procaccia I. Measuring the strangeness of strange attractors. Physica D 9: (1983).

24. Grassberger p. and Procaccia I. Characterization of strange attractors. Phys. Rev. Lett. 50 (1983).

25. Kantz H. and T. Schrieber. Nonlinear Time Series Analysis. Cambridge University Press (2000).

26. Шустер Г. Детерминированный хаос. М., 1988.

27. Cencini M., Falcioni M., Olbrich E., at al. Chaos or noise: Difficulties of a distinction. Phys. Rev. E., 2000, V.62, p. 427–437.

28. Hively L. M., Protopopescu V. A., Gailey p. C. Timely detection of dynamical change in scalp EEG signals Chaos. 2000. V. 10, № 4. p. 864–875.

29. Protopopescu V. A., Hively L. M., Gailey p. C. Epileptic event forewarning from scalp EEG Journal of Clinical Neurophysiology. 2001. V. 18, № 3. p.223–345.

30. Hively L. M., Gailey p. C., Protopopescu V. A. Detecting dynamical change in nonlinear time series Phys. Lett. A. 1999. V. 258. p. 103-114.

31. Hively L. M., Protopopescu V. A. Channel-consistent forewarning of epileptic events from scalp EEG IEEE Transactions on Biomedical Engineering. 2003. V. 50, № 5. p. 584–593.

32. Li X. Temporal structure of neuronal population oscillations with empirical model decomposition Phys. Lett. A. 2006. V. 356. p. 237–241.

33. Jeong J., Chae J.–H., Kim S. Y., Han S.–H. Nonlinear dynamic analysis of the EEG in patients with Alzheimer's disease and vascular dementia Journal of Clinical Neurophysiology. 2001. V. 18, № 1. p. 58–67.

34. Mukhin D. N., Feigin A. M., Loskutov E. M., Molkov Ya. I. Modified Bayesian approach for the reconstruction of dynamical systems from time series Phys. Rev. E. 2006. V. 73, № 3. p. 036211.

35. Feigin A. M., Mukhin D. N., Molkov Ya. I., Loskutov E. M., Timushev R. I. Prognosis of Qualitative Behavior of a System by Noisy Chaotic Time-Series Phys. Rev. E. 2011 (sub judice).

36. Molkov Y. I., Loskutov E. M., Mukhin D. N., Feigin A. M. Random dynamical models from time series Phys. Rev. E. 2011 (sub judice).

37. Bodenstein G., Praetorius H. M. Feature extraction from the electroencephalogram by adaptive segmentation Proc. IEEE, 1977. V. 65. p. 642–652.

38. Малинецкий Г. Г., Потапов А. Б. Джокеры, русла или поиски третьей парадигмы. "Знание – Сила", № 3. 1998.

39. Малинецкий Г. Г., Потапов А. Б. Современные проблемы нелинейной динамики. УРСС, 2002.

40. Bullock Т. Н., McClune M. C., Achimowicz et al. Temporal fluctuations in coherence of brain waves Proc. Natl. Acad. Sci. 1995. V. 92. p. 11568–11572.

41. Gevins A., Cutillo B. Spatiotemporal dynamics of component processes in human working memory. EEG and Clin Neurophysiol. 1993. V. 87. p. 128–143.

42. Gevins A., Cutillo В., DuRousseau D. et al. High-resolution evoked potential technology for imaging neural networks of cognition. In: Functional neuroimaging: technical foundations: Eds.: Thatcher R. W., Hallett M., Zeffiro T. et al. Orlando, FL: Academic, 1994. p. 223–232.

43. Williamson S. J., Kaufman L., Lu Z.-L, Wang J.-Z., Karen D. Study of human occipital alpha rhythm: the alphon hypothesis and alpha supression. Intern. J. Psychophysiol. 26:63–76. 1997.

44. Lehmann D., Ozaki H., Pall. EEG alpha map series: brain micro-states by space-oriented adaptive segmentation. EEG and Clin Neurophysiol. 67:271. 1987.

45. Remond A., Renault B. La theorie des abjects electrographiqes. Rev. EEG Neurophysiol. 1972. V. 3, 241–256.

46. А. Я. Каплан. Проблема сегментного описания электроэнцефалограммы человека. Физиология человека, 1999, том 25, № 1, с. 125–133

47. А. Я. Каплан, С. В. Борисов, С. Л. Шишкин, В. А. Ермолаев. Анализ сегментной структуры α-активности ЭЭГ человека. Рос. физиол. журн. им. Сеченова. Т. 88. № 4. с. 432–442. 2002.

48. Ю. В. Яхно, Я. И. Мольков, Д. Н. Мухин, А. М. Фейгин, Г. Д., Кузнецова, А. В. Габова, C. M. van Rijn. Стохастическое моделирование как способ анализа электрической активности мозга для оценки изменений его состояния (на примере абсансной эпилепсии). Препринт, Институт прикладной физики РАН, 2011.

Повнотекстова версія http://kit-journal.com.ua/uk/viewer_uk.html?doc/2012_9/17-23_Mayorov_9.pdf