DOI: https://doi.org/10.31071/kit2018.14.05

Опис-посилання

ISSN 1812-7231 Klin.inform.telemed. Volume 13, Issue 14, 2018, Pages 37–46

Автор(и)

О. Ю. Майоров ^{1, 2, 4}, В. М. Фенченко ^{1, 2, 3}

Установа(ви)

¹Харківська медична академія післядипломної освіти МОЗ України, ²Інститут медичної інформатики і Телемедицини (Харків), ³Фізіко-технічний інститут низьких температур НАН України імені Б. І. Вєркіна (Харків), ⁴ДУ Інститут охорони здоров'я дітей і підлітків АМН України (Харків)

Назва статті

Метод виявлення на ранніх стадіях хворих з розладами шизофренічного ряду з груп хворих з "функціональними" психозами на основі скейлінгових показників ЕЕГ

Анотація (резюме)

Вступ. Використання різних апаратних методів — PET, fMRI, qEEG поглибило розуміння шизофренічного стану, однак, як і раніше, не встановлені валідні "нейромаркери" шизофренії, що дозволяють надійно виділити хворих на шизофренію з груп пацієнтів з іншими "функціональними психозами". Стандартні критерії для діагностики шизофренії на основі ЕЕГ відсутні. Достовірні відмінності в ЕЕГ хворих на шизофренію і здорових осіб виявляються тільки при порівнянні усереднених даних по великим групам хворих і здорових. В роботі запропоновано використовувати надійні математичні показники для порівняння індивіуальни параметрів ЕЕГ з референтними групами для класифікації пацієнтів (виявлення шизофренії та інших "функціо нальних" психозів).

Обсяг і методи досліджень. Досліджувалися 3 референтні групи випробовуваних чоловічої статі, 20–26 років: здорові (35), хворі з депресією (34), неліковані хворі на шизофренію (28), діагноз яких був підтверджений клінічно. Дослідження проводилися в стані спокійного неспання і під час ментального навантаження (зворотний рахунок у розумі). ЕЕГ реєструвалася монополярних на 24-х канальному електроенцефалограф ("DX-системи", Україна) з усередненим референтним електродом, з розташуванням електродів за системою "10–20", з частотою дискретизації 400 Гц. Досліджувалися лобові (F3, F4) тім'яні (Р3, Р4), та скроневі (T3, T4) відведення.

Результати. Проведено дослідження скейлінгових показників ЕЕГ. Використовувався мультифрактальний детрендірований флуктуаційний аналіз (Multifractal Detrended Fluctuation Analysis — МDFA), Його застосування найбільш ефективно з урахуванням неоднорідності і нестаціонарності сигналу і має ряд особливостей, через складну структуру і специфічний характер ЕЕГ.
Запропоновано новий метод ранньої діагностики психічних розладів шизофренічного ряду по скейлінговим показниками ЕЕГ, зареєстрованих в стані спокою і ментального навантаження з подальшою класифікацією пацієнтів

Ключові слова

ЕЕГ, скейлінгові показники ЕЕГ, "нейромаркери", шизофренія, депресія

Список літератури

1. Friston K. J. Theoretical neurobiology and schizophrenia. Brain Med. Bull. 1996. vol. 52, no. 3, pp. 644–655.

2. Woodruff P., Murray R. The aetiology of brain abnormalities in schizophrenia. In: Ancil R. J., Holliday S., Higenbottam J., eds. Schizophrenia: Exploring the Spectrum of Psychosis. Chichester, UK, Wiley, 1994, pp. 95–144.

3. Andreasen N. C. A Unitary Model of Schizophrenia: Bleuler's "Fragmented Phrene" as Schizencephaly. Arch. Gen. Psychol., 1999. vol. 56. no. 9. pp. 781–787.

4. Peled A. Multiple constraint organization in the brain: A the ory for schizophrenia. Brain Res. Bull. 1999, vol. 49, iss. 4, pp. 245-250.

5. Coutin-Churchman Р., Anez У., Uzcategui М., Alvarez L., Vergara F., Mendez L., Fleitas R. Quantitative spectral analysis of EEG in psychiatry revisited: drawing signs out of numbers in а clinical setting. Clin. Neurophysiol., 2003, vol. 114, pp. 2294–2306.

6. Gruzelier J. Н. Theory, methods and new directions in the psychophysiology of the schizophrenic process and schizotypy. Int. J. Psychophysiol., 2003, vol. 48, pp. 221–245.

7. Oswiecimka P., Kwapin J., Drozdz S. Wavelet versus detrended fluctuation analysis of multifractal structures. Physical Review E: Statistical, Nonlinear, and Soft Matter Physics. 2006, vol. 74, pp. 161–203.

8. Mayorov O. Yu. and Fenchenko V. N. Searching for "Neuromakers" Characteristic for Pathologic Changes in Schizophrenia by Using the Scaling Indices of the Cerebral Bioelectric Activity. European J. of Biomed. Informatics, 2018, vol. 14, iss. 1, pp. 67–74.

9. Mandelbrot B. Possible refinement of the lognormal hypothe sis concerning the distribution of energy dissipation in intermittent turbulence. Proc. Sympos. Statistical Models and Turbulence, Eds M. Rosenblatt, C. Van Atta, 1972. pp. 333–351.

10. Mandelbrot B. B. Intermittent turbulence in self-similar cascades: divergence of high moments and dimension of the carrier. J. of Fluid Mechanics., 1974, vol. 62, no. 2, pp. 331–358.

11. Parisi G., Frisch U. On the singularity structure of fully deve loped turbulence. Proc. of the Intern. School of Physics "Enrico Fermi", 1985, pp. 84–87.

12. Benzi R., Paladin G., Parisi G., Vulpiani A. On the multifractal nature of fully developed turbulence and chaotic systems. J. of Physics A: Mathematical and General., 1984, vol. 17, no. 18, pp. 3521–3531.

13. Ivanov P. C., Amaral L. A., Goldberger A. L. et al. Multifractality in human heartbeat dynamics. Nature. 1999, vol. 399, iss. 6735, pp. 461–465.

14. Ivanov P. C., Nunes C., Amaral L. A., Goldberger A. L. et al. From 1/f noise to multifractal cascades in heartbeat dynamics. Chaos, Woodbury, N. Y., 2001, vol. 11, no. 3. pp. 641–652.

15. Muzy J. F., Bacry E. and Arneodo A. Wavelets and multifractal formalism for singular signals: Application to turbulence data. Phys. Rev. Lett., 1991, vol. 67, iss. 25, 3515.
https://doi.org/10.1103/PhysRevLett.67.3515

16. Muzy J. F., Bacry E. and Arneodo A. Multifractal formalism for fractal signals: The structure-function approach versus the wavelet-transform modulus-maxima method. Phys. Rev., 1993, E 47, iss.2, 875.
https://doi.org/10.1103/PhysRevE.47.875

17. Muzy J. F., Bacry E. and Arneodo A. The multifractal formalism revisited with wavelets. Intern. J. of Bifurcation and Chaos, 1994, vol. 04, no. 02, pp. 245–302.
https://doi.org/10.1142/S0218127494000204

18. Kantelhardt J. W., Zschiegner S. A., Bunde A., Havlin S., Koscielny-Bunde E., Stanley H. E. Multifractal detrended fluctuation analysis of non-stationary time series. Physica A., 2002, no. 316, pp. 87–114.

19. Kantelhardt J. W., Koscielny-Bunde E., Rego H. A., Havlin S., Bunde A. Detecting long-range correlations with detrended fluctuation analysis. Physica A., 2001, no. 295, pp. 441–454.

20. Peng C.-K., Havlin S., Stanley H. E., Goldberger A. L., Quantification of scaling exponents and crossover phenomena in nonstationary heartbeat time series. CHAOS, 1995, vol. 5, no. 1, pp. 82–87.

21. Stanley H. E., Amaral L. A., Goldberger A. L., Havlin S., Ivanov P. Ch., Peng C. K., Statistical physics and physiology: monofractal and multifractal approaches. Physica A., 1999, vol. 270, iss. 1–2, pp. 309–324.

22. Veneziano D., Moglen G. E., Bras R. L. Multifractal analysis: pitfalls of standard procedures and alternatives. Phys. Rev. E., 1995. vol.52, pp. 1387–1398.

23. Bishop C. M. Neural Networks for Pattern Recognition. Oxford: Clarendon Press, 1995, 482 p.

24. Haykin S., Neural networks and learning machines. 3rd ed., Pearson Educ., Inc., Upper Saddle River, N. J., Prentice Hall, Inc., 2009, 906 p.

25. Ruthowski L. Computational Intelligence. Methodsand Techniques. Berlin-Heidelberg: Springer-Verlag, 2008, 514 p.

26. Du Ke-Lin, Swamy M. N. S. Neural Networks and Statistical Learning. Springer-Verlag London, 2014, 834 p.
https://doi.org/10.1007/978-1-4471-5571-3

27. Jang, J.-S. R. ANFIS: Adaptive-network-based fuzzy inference systems. IEEE Trans. Syst., Man, and Cybern., 1993, vol. 23, no. 3, pp. 665–685.

28. Perova I., Mulesa P. Fuzzy spacial extrapolation method using Manhattan metrics for tasks of Medical Data mining. Proc. Scientific and Technical Conference "Computer Sciences and Information Technologies" (CSIT), 2015, pp. 104–106.

29. Tetsuya Takahashi, Takashi Goto, Sou Nobukawa, and oth. Abnormal functional connectivity of high-frequency rhythms in drug-naive schizophrenia. Clin. Neurophysiology., 2018, iss. 129, pр. 222–231.

30. Майоров О. Ю., Фенченко В. Н. Мультифрактальный анализ в исследовании биоэлектрической активности мозга. Ж. Кибернетика и вычислительная техника. 2015, Вып. 181, cc. 81–94.

31. Goldman D. The clinical use of the "average" reference electrode in monopolar recording. Electroencephalogr. Clin. Neurophysiol., 1950, vol. 2, pp. 209 – 212.
https://doi.org/10.1016/0013-4694(50)90039-3

32. Offner F. F. The EEG as potential mapping: the value of the average monopolar reference. Electroencephalogr. Clin. Neurophysiol., 1950, vol. 2, pp. 213–214.
https://doi.org/10.1016/0013-4694(50)90040-X

Повнотекстова версія http://kit-journal.com.ua/uk/viewer_uk.html?doc/2018_14/005.pdf