DOI: https://doi.org/10.31071/kit2018.14.07

Опис-посилання

ISSN 1812-7231 Klin.inform.telemed. Volume 13, Issue 14, 2018, Pages 52–68

Автор(и)

О. В. Кулик¹, О. Ю. Майоров^{2, 3}

Установа(ви)

¹Науково-практичний Центр нейрореабілітації "Нодус", Бровари, Україна

²Харківська медична академія післядипломної освіти, Україна

³Інститут медичної інформатики і телемедицини. Харків, Україна

Назва статті

Інформативні показники нелінійного аналізу ЕЕГ у хворих з синдромами посткоматозного порушення свідомості після тяжкої черепно-мозкової травми в динаміці її відновлення

Анотація (резюме)

Вступ. Дослідження присвячене питанням нелінійного багаторозмірного аналізу ЕЕГ у хворих з посттравматичними посткоматозними розладами свідомості, залежно від стадій її відновлення за Т. А. Доброхотовою (1985) в ході відновного лікування та реабілітації.

Обсяг і методи досліджень. В основу роботи покладено аналіз 220-ти хворих з посткоматозними розладами свідомості після тяжкої черепно-мозкової травми (ЧМТ). Лінійний (кореляційний та спектральний) і нелінійний аналіз ЕЕГ проводився за допомогою програмного комплексу NeuroResearcher®Innovation Suite® (модулі Basic®, Spectra® и Chaos®) (Version 18.5).

Результати. В роботі досліджені особливості ключових нелінійних властивостей ЕЕГ, та проводиться аналіз маловивчених та дискусійних донині питань відносно високоінформативних показників, які найбільше корелюють з динамікою переходу на вищі стадії синдромів порушеної свідомості.

Доведено значне переважання діагностичної інформативності нелінійного багаторозмірного аналізу ЕЕГ в порівнянні з традиційним лінійним кореляційним та спектральним аналізом, особливо у виявленні і об'єктивізації ознак інтегративної діяльності мозку з синдромами пригніченої свідомості. Отримані результати свідчать про значно вищу чутливість даного методу в прогнозуванні виходу на вищі стадії відновлення свідомості.

Висновки. Для підвищення результативності електроенцефалографічної діагностики, достовірності отриманих ЕЕГ показників у хворих з посткоматозними порушеннями свідомості після тяжкої ЧМТ, незалежно від стадії відновлення свідомості в процесі відновного лікування та реабілітації, рекомендується рутинний (візуальний) та лінійний (кореляційний та спектральний) аналіз кЕЕГ завжди доповнювати багаторозмірним нелінійним аналізом, з обчисленням величин ентропії, розмірності нейродинамічних систем (складність), параметрів атракторів, а також мультифрактальних властивостей ЕЕГ. Це покращує не тільки розуміння поточного функціонального стану головного мозку, а також доповнює діагностику об'єктивним прогностичним інструментом.

Ключові слова

черепно-мозкова травма, посткоматозні порушення свідомості, патерни ЕЕГ, нейродинаміка, нелінійний аналіз ЕЕГ, детермінований хаос, атрактор, ентропія Колмогорова–Сіная

Список літератури

1. Александров М. В. Возможности количественной ЭЭГ в оценке уровня угнетения сознания: пути преодоления методологического кризиса. Материалы ІІ-й Всероссийской научно-практ. Конфер. "Количественная ЭЭГ и нейротерапия". 27-29 апреля 2009, 2009, СПб. с. 5.

2. Андреев Ю. В. Дмитриев А. С., Куминов Д. А. Хаотические процессоры. Успехи современной радиоэлектроники, 1997, №10, сс. 50-77.

3. Дмитриев А. С. Хаос и обработка информации в нелинейных динамических системах. Радиотехника и Электроника, 1993, т. 38, № 1, сc. 1–24.

4. Дмитриев А. С., Куминов Д. А. Хаотическое сканирование и распознавание образов в нейроподобных системах с обучением. Радиотехника и электроника, 1994, т. 39, cс. 633-641.

5. Доброхотова Т. А., Брагина Н. Н. К природе функциональной симметрии — асимметрии мозга человека. Проблемы нейрокибернетики. Механизмы функциональной межполушарной асимметрии мозга. Изд-во Элиста, 1985, сс. 3–10.

6. Майоров О. Ю., Глухов А. Б., Фенченко В. Н., Прогнимак А. Б. Реализация метода смещения с помощью оценки размеров осей аттрактора динамической системы мозга. Ж. Кибернетика и вычислительная техника, 2017, вып. 153, сс. 3-9.

7. Майоров О. Ю., Фенченко В. Н. Исследование биоэлектрической активности мозга с позиций многоразмерного линейного и нелинейного анализа ЭЭГ. Ж. Клин. информатика и Телемедицина, 2008, т. 4, Вып. 5, сс. 12-20.

8. Майоров О. Ю., Фенченко В. Н. О вычислении параметров детерминированного хаоса при исследовании биоэлектрической активности (ЭЭГ). Ж. Клин. информатика и Телемедицина, 2006, т.3, вып. 4, сс. 37-46.

9. Майоров О. Ю., Фенченко В. Н. Мультифрактальный анализ в исследовании биоэлектрической активности мозга. Ж. Кибернетика и вычислительная техника. 2015, Вып. 181. cc. 81-94.
10.15407/kvt181.01.070

10. Старченко И. Б., Резниченко А. А., Будко Р. Ю. Моделирование электрических процессов в мозге человека методами нелинейной динамики. Прикаспийский журнал: управление и высокие технологии, 2013, т. 2, №22, сс. 80-88.

11. Шарова Е. В., Зайцев О. С., Щекутьева Г. А. и др. ЭЭГ и ВП в прогнозировании развития бессознательных состояний после тяжелой травмы. Изд-во ДонНМУ, 2008, т. 4, сс. 82-84.

12. Bashore T., Martinerie J., Albano A., Zimmerman I., Mess A. Dynamics of brain electrical activity. Brain Topography, 1989, no. 2, pp. 99–118.

13. Babloyantz A., Destexhe A. Low dimensional chaos in an instance of epilepsy. Proc Nat. Acad. Sci. USA, 1986, iss. 83, pp. 3515–3517.

14. Babloyantz A., Destexhe A. The Creutzfeldt–Jacob disease in the hierarchy of chaotic attractor. In: Markus M., Muller S., Nicolis G., eds. From chemical to biological organization, Berlin. Springer, 1987, pp. 307–316.

15. Babloyantz A. Chaotic dynamics in brain activity. In: Basar E., ed. Dynamics of sensory and cognitive processing by the brain. Berlin, Springer, 1988, pp. 196–202.

16. Thatcher R. W., Biver C., McAlaster R., Salazar A. Biophysical Linkage between MRI and EEG Coherence in Closed Head Injury. NeuroImage, 1998, vol. 8, iss. 4, pp. 307-326.

17. Boccaletti S., Grebogi C., Lai Y. C., Mancini H., Mazaet D. The control of chaos: Theory and applications. Physics Reports, 2000, iss. 329, pp. 108–109.

18. 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.

19. Destexhe A., Sepulchre J. A., and Babloyantz A. A comparative study of the experimental quantification of deterministic chaos. Phys. Lett. A, 1988, vol. 132, pp. 101–106.

20. Dong-yu Wu, Gui Cai, Zorowitz R. D., Ying Yuan, Jie Wang, Wei-qun Song. Measuring interconnection of the residual cortical functional islands in persistent vegetative state and minimal conscious state with EEG nonlinear analysis. Clin. Neurophysiology, 2011, vol. 122, iss. 10, pp. 1956-1966.

21. Dong-yu Wu., Gui Cai., Ying Yuan., Lin Liu., Guang-qing Li., Wei-qun Song., Mao-bin Wang. Application of nonlinear dynamics analysis in assessing unconsciousness: A preliminary study. Clin. Neurophysiology, 2011, vol. 122, iss. 3, pp. 490-498.

22. Dunkin J. J., Leuchter A. F., Newton T. F., Cook I. A. Reduced EEG coherence in dementia: state or trait marker? Biol. Psychiatry, 1994, vol. 35, pp. 870–879.

23. Fell J., Rochke J., Beckmann P. Nonlinear analysis of sleep EEG data in schizophrenia: calculation of the principal Lyapunov exponent. Psychiatry Res., 1995, iss. 56, pp. 257–269.

24. Freeman W. J. Simulation of chaotic EEG pattern with a dynamic model of the olfactory system. Biol. Cyb., 1987, vol. 56, iss. 2-3, pp. 139-150.

25. Freeman W. J., Yao Y. and Burke B. Central pattern generating and recognition in olfactory bulb: a correlation learning rule. Neural Networks, 1988, vol. 1, pp. 277-278.

26. Yoong Y. and Freeman W. J. Model of Biological Pattern Recognition with Spatially Chaotic Dynamics. Neural Networks, 1990, vol. 3, no. 2, pp. 153–170.

27. Glass L., Michel R. G., Mackey M., Shrier A. Chaos in neurobiology. IEEE Trans. Sys. Man & Cybernatics, 1983, vol. 13, iss. 5, pp. 790–798.

28. Gosseries O. et al. Automated EEG entropy measurements in coma, vegetative state/unresponsive wakefulness syndrome and minimally conscious state. Functional Neurology, 2011, vol. 26, iss. 1, pp. 1-6.

29. Hornero R., Alonso A., Jimero N., Jimero A., Lopez M. Nonlinear analysis of time series generated by schizophrenic patients. IEEE Eng. Med. Biol., 1999, P. 18, pp.84–90.

30. Jeong Jaeseung J., Chae Jeong–Ho, Kim Soo Yong, Han Seol–Heui. Nonlinear Dynamic Analysis of the EEG in Patients with Alzheimer's Disease and Vascular Dementia. Clin. Neurophysiology, 2001, vol. 18, iss. 1, pp. 58-67.

31. Lin M., Chan H., Fang S. Linear and nonlinear EEG indexes in relation to the severity of coma. Conf. Proc. IEEE Eng. Med. Biol. Soc., 2005, iss. 4, pp. 580-4583.

32. Mayer G., Layne S. C. Dimensionality of the human encephalogram. In perspectives in Biological Dynamics and Theoretical Medicine. Annals NY Acad. Sci. Ed. by: Koslow S. H., Madell A. J., Shlessinger M. F., 1987, pp. 504–507.

33. Mayorov O. Yu., Fenchenko V. N. Searching for 'neuromarkers' characteristic for pathologic changes in schizophrenia by using the scaling indices of the cerebral bioelectrical activity. European J. of Biomed. Informatics (EJBI), 2018, vol. 14, iss. 1, pp. 67-74.

34. Thakor N. V., Tong S. Advances in Quantitative Electroencephalogram Analysis Methods. Annual Rev. of Biomed. Engineering, 2009, vol. 6, pp. 453-495.
10.1146/annurev.bioeng.5.040202.121601

35. Jaeseung Jeong, Jeong–Ho Chae, Soo Yong Kim, and Seol–Heui Han. Nonlinear Dynamic Analysis of the EEG in Patients with Alzheimer's Disease and Vascular Dementia. Clin. Neurophysiology, 2001, vol. 18, no. 1, pp. 58 –67.

36. Rényi A. On measures of information and entropy. Proc. of the 4th Berkeley Symposium on Mathematics, Statistics and Probability. 1960. 1961, pp. 547–561.

37. Skarda C. A. and Freeman W. J. How Brains Make Chaos in Order to Make Sense of The World. Behavioral and Brain Sciences, 1987, vol. 10, pp. 161–195.

38. Spasic S., Culic M., Grbic G., Martac L., Sekulic S., Mutavdzic D. Spectral and Fractal Analysis of Cerebellar Activity After Single and Repeated Brain Injury. Bulletin of Math. Biology, 2008, vol. 70, iss. 4, pp. 1235–1249.

39. Slobounov S., Sebastianelli W., Hallett M. Residual brain dysfunction observed one year post-mild traumatic brain injury: Combined EEG and balance study. Clin. Neurophysiology, 2012, vol. 123, iss. 9, pp. 1755-1761.

40. Soong A. C., Stuart C. I Evidence of chaotic dynamics underlying the human alpha-rhythm electroencephalogram. Biol. Cybern., 1989, iss. 62, pp. 55–62.

41. Stam C. J. Nonlinear dinamical analysis of EEG and MEG: Review of an emerging field (Invited review). Clin. Neurophysiology, 2005, iss. 116, pp. 2266-2301.

42. Thatchera R. W., Biver C., McAlaster R., Salazar A. Biophysical Linkage between MRI and EEG Coherence in Closed Head Injury. NeuroImage, 1998, vol. 8, iss. 4, pp. 307-326.

43. Vivien B., Langeron O., Riou B. Entropy and bispectral index in brain-dead organ donors. Intensive Care Med., 2007, iss.33, pp. 919-920.

44. Wendling F., Bellanger J. J., Bartolomei F., Chauvel P. Relevance of nonlinear lumped-parameter models in the analysis of depth-EEG epileptic signals. Biol. Cybernetics, 2000, vol. 83, iss. 4, pp. 367–378.

45. Wennervirta J., Salmi T., Hynynen M. et al. Entropy is more resistant to artifacts than bispectral index in brain-dead organ donors. Intensive Care Med., 2007, iss. 33, pp. 133-136.

46. Wu D., Cai G., Yuan Y. et al. Application of nonlinear dynamics analysis in assessing unconsciousness: A preliminary study. Clin. Neurophysiol., 2011, iss. 122, pp. 490-498.

47. Доброхотова Т. А., Брагина Н. Н. Функциональная асимметрия и психопатология очаговых поражений головного мозга. М., Медицина, 1977, 359 с.

Повнотекстова версія http://kit-journal.com.ua/uk/viewer_uk.html?doc/2018_14/007.pdf