УДК 577.3 : 612.8 И.В. Климова, Т.С. Макеева I.V. Klimova, T.S.

УДК 577.3 : 612.8
И.В. Климова, Т.С. Макеева
I.V. Klimova, T.S. Makeeva
СИСТЕМА ЭЛЕКТРОЭНЦЕФАЛОГРАФИЧЕСКОГО СКРИНИНГА
ELECTROENCEPHALOGRAPHIC SCREENING SYSTEM
Ключевые слова: электроэнцефалограмма, неврологические нарушения, скрининг
Keywords: electroencephalogram, neurological defection, screening.
Большое значение для успешной реабилитации и дальнейшей интеграции ребенка с
неврологическими нарушениями (НН) в общество имеет ранняя диагностика, в то время как
электрофизиологические исследования не являются широко доступными и не входят в
арсенал проводимой диспансеризации. В связи с этим актуальной представляется задача
разработки скрининговой системы ЭЭГ-обследования, позволяющей автоматически
диагностировать наличие НН.
Неврологические нарушения – зрения, слуха, задержки психического развития, хотя и
вызывают определенные изменения на ЭЭГ, однако они далеко не так очевидны, как при
грубой патологии. Такие изменения выражаются прежде всего в значениях уровней и частот
синхронизации биоэлектрической активности головного мозга [1]. Наибольшую
эффективность выявления НН до настоящего времени обеспечивали функции когерентности
(ФК). Функции когерентности представляют собой функции частоты, и для оценки
используются их средние и максимальные уровни в стандартных частотных диапазонах,
средневзвешенные частоты (делят площадь под кривой в заданном диапазоне пополам) и
частоты, на которых они достигают максимума. Унифицированный набор параметров
расчета ФК отсутствует, а результаты расчета (особенно частоты синхронизации) сильно
зависят от выбора этих параметров [2, 3]. Расчет ФК требует высокой инженерноматематической квалификации исследователя и немалых затрат времени – до двух часов на
одного пациента. Это полностью исключает возможность применения этого метода для
массового скрининга детского населения и выявления неврологических нарушений, между
тем как их число, равно как и тяжесть последствий их запоздалой диагностики с каждым
годом возрастает.
Предлагается принципиально новый способ диагностики неврологических нарушений
(зрения, слуха, задержки психического развития), основанный на модели формирующего
фильтра, автоматически настраивающегося на частоту доминирующего ритма.
Одновременно происходит оценка дисперсии сигнала ЭЭГ, позволяющая количественно
оценить параметры его спектральной плотности мощности. В результате настройки
параметры формирующего фильтра позволяют получить оценку ФК между всеми
отведениями регистрации ЭЭГ. Полученные значения сравниваются с базой данных
параметров, соответствующих определенным НН, благодаря чему пациент может быть
отнесен к группе нарушений, либо к группе «Норма».
Сигнал ЭЭГ можно представить в первом приближении как белый шум,
пропущенный через полосовой фильтр – «розовый шум». Если такой сигнал подать на
фильтр с такими же характеристиками – резонансной частотой и полосой пропускания,
дисперсия сигнала уменьшится в определенном отношении. Рассмотрим структуру системы
с переменной резонансной частотой и полосой пропускания.
Сигналы ЭЭГ подаются на полосовой фильтр, параметры которого регулируются в
зависимости от соотношения его входного и выходного сигнала (рис. 1).
Передаточная функция фильтра имеет вид:
W ( p, u1 , u2 ) 
где:
П (u2 )  p
2P (u1 )  П (u2 )  p  p 2
ωР – резонансная частота фильтра;
ωП – полоса пропускания;
u1, u2 – выходные сигналы первого и второго регуляторов соответственно.
Рисунок 1 - Блок-схема формирующего фильтра с двойной параметрической
настройкой. ПФ – полосовой фильтр; Р1, Р2 – регуляторы; В1, В2 – вариометры; К –
коэффициент передачи, D1, D2 – дисперсии входного и выходного сигналов; ωР, ωП –
резонансная частота и полоса пропускания полосового фильтра
Вариометром (от лат. vario — изменяю + др.-греч. μέτρον — измеряю) в данном
случае называется программный алгоритм, вычисляющий среднее значение дисперсии в
течение некоторой эпохи наблюдения (например, 150 шагов решения программы).
Резонансная частота формирующего фильтра автоматически настраивается на частоту
доминирующего ритма, а его полоса пропускания изменяется до тех пор, пока не будет
достигнуто соотношение
D2 = K D1.
Всегда выполняется условие D2 < D1, однако их соотношение изменяется в зависимости
от соотношения полосы пропускания ωП и спектральной полосы сигнала UЭ.Значения
коэффициента К были получены по результатам моделирования. Для этого полоса
пропускания формирующего фильтра выставлялась равной полосе пропускания фильтра,
обеспечивающего получение «розового шума». Как выяснилось, работа первого регулятора
Р1 на настройку полосы пропускания не влияет, что видно из табл. 1.
Таблица 1 - Значения коэффициента К в зависимости от полосы пропускания
полосового фильтра
2
3
4
5
6
Полоса, Гц
Р1 включен
0.629
0.623
0.614
0.608
0.607
Р1 выключен
0.621
0.647
0.628
0.615
0.608
Программное обеспечение было разработано на языке VisualBasic. Сигнал ЭЭГ
моделировался датчиком случайных чисел, приведенных к нормальному закону
распределения. Для каждого канала отведений формировался соответствующий спектр
«розового шума». Полученный сигнал UЭ подавался на полосовой фильтр. Параметры
фильтра изменялись в результате работы двух регуляторов.
Резонансная частота фильтра меняется пропорционально выходному сигналу
интегратора Ui, на вход которого поступает сумма сигналов с фазовых детекторов, чья
постоянная составляющая зависит от разности фаз входного и выходного сигналов фильтра.
Результаты моделирования настройки фильтра при работе первого регулятора приведены на
рис 2.
Рисунок 2 – Графики сигналов и переменных, выводимых на экран. В координатной
сетке сверху вниз представлены: сигнал белого шума; сигнал UЭ; выходной сигнал
формирующего фильтра; выходной сигнал вариометра белого шума; дисперсия D1;
дисперсия D2; резонансная частота ωР.
Рассмотренное устройство в реальном времени позволяет без спектральных
преобразований получить аппроксимацию спектра анализируемого сигнала ЭЭГ – как
квадрат передаточной функции формирующего фильтра. Существующие компьютерные
диагностические системы (КДС) рассчитывают ФК по алгоритмам, математические
выражения которых в инструкциях для пользователя не приводятся, но в этих выражениях,
очевидно, участвуют полученные значения спектра. На записи ЭЭГ конкретного пациента на
КДС «Нейрокартограф» (фирма МБН, Москва) получены графики спектров и ФК для
нескольких отведений.
Рассмотрим некоторую функцию оценки
FO12 
где
S1  S 2
,
S1 S 2
S1, S2 – спектры мощности соответствующих отведений.
График этой функции имеет сходный характер с графиком ФК. Расчет коэффициента
корреляции между графиками дает в зависимости от шага полученных в КДС таблиц дает
величину от 0,67 до 0,93. Тесноту связи двух функций можно считать в первом приближении
вполне удовлетворительным результатом.
Таким образом, имея значения спектра, можно построить довольно точную оценку
когерентности без проведения трудоемких расчетов.
Имея такие выражения для всех регистрируемых отведений, по предложенной формуле
получаем численную оценку средних уровней когерентности в стандартных частотных
диапазонах.
В качестве исходных данных для построения базы данных по НН используются
записи ЭЭГ пациентов с известным неврологическим диагнозом, полученные в МУЗ НПЦ
КНН в ходе совместных НИР с ТулГУ.
В исследовании отработаны алгоритмы работы системы, обеспечивающей
автоматизированный
процесс
выявления
статистически
достоверных
электрофизиологических маркеров групп НН по параметрам синхронизации.
Для поиска электрофизиологических маркеров было разработано программное
обеспечение, которое вводит записи ЭЭГ детей с известными диагнозами в интерактивном
режиме, определяет параметры синхронизации и накапливает базу данных. Обследовались
группы: с НН, а также группа здоровых людей. Оценка достоверности различий проводилась
с использованием точного метода Фишера.
Таким образом, показана принципиальная возможность построения биотехнической
системы, которая в реальном времени будет определять показатели синхронизации
биоэлектрической активности пациента. Предложенный алгоритм неврологического
скрининга обеспечивает выполнение поставленной задачи - автоматизацию диагностики
неврологических нарушений по результатам регистрации ЭЭГ с достаточной для практики
точностью без участия врача-специалиста в условиях массового обследования.
СПИСОК ЛИТЕРАТУРЫ
1. Жеребцова В.А. Системный анализ механизмов организации высших психических
функций в онтогенезе. Дисс. … докт. биол. наук. – Тула, 2004.
2. Иванов Л.Б. Прикладная компьютерная электроэнцефалография. М.: АОЗТ «Антидор»,
2000. – 256 с.
3. Индюхин А.А. Скринингующая система диагностики неврологических нарушений на
основе самонастраивающегося фильтра. Дисс. … канд. техн. наук. – Тула, 2013.
Климова Ирина Владимировна
Тульский государственный университет, г. Тула
E-mail: irenka_vladimirovna@list.ru
Макеева Татьяна Сергеевна
Тульский государственный университет, г. Тула
E-mail: crazykindagirl@mail.ru