Обработка электроэнцефалограмм в частотной области. Курсовая работа (т). Информационное обеспечение, программирование.
⚡ 👉🏻👉🏻👉🏻 ИНФОРМАЦИЯ ДОСТУПНА ЗДЕСЬ ЖМИТЕ 👈🏻👈🏻👈🏻
Информационное обеспечение, программирование
Вы можете узнать стоимость помощи в написании студенческой работы.
Помощь в написании работы, которую точно примут!
Похожие работы на - Обработка электроэнцефалограмм в частотной области
Скачать Скачать документ
Информация о работе Информация о работе
Нужна качественная работа без плагиата?
Не нашел материал для своей работы?
Поможем написать качественную работу Без плагиата!
Обработка
электроэнцефалограмм в частотной области
Электроэнцефалография (ЭМГ) является единственным объективным
и информативным методом исследования функционального состояния периферической
нервной системы, патология которой в структуре неврологических заболеваний
занимает ведущее место [1]. Электроэнцефалографические исследования позволяют
не только установить характер заболевания, проводить его топическую
диагностику, но и объективно контролировать эффективность лечения, прогнозировать
время и этапы восстановления.
Автоматизированные системы измерения и обработки
медико-биологической информации, использующие современные программные средства,
существенно расширяют диагностические возможности современной медицины. Это
касается и электроэнцефалографии - метода исследования нервно-мышечной системы
посредством регистрации электрических потенциалов мышц.
Но, к сожалению, в данное время большинство отечественных
медицинских учреждений не могут позволить себе приобретение современных миографов
из-за их высокой стоимости. Одним из вариантов решения этой проблемы является
модернизация имеющихся энцефалографов предыдущего поколения путем сопряжения их
с персональными компьютерами, снабженными специализированным программным
обеспечением.
Помимо относительно низких затрат, еще одним достоинством
данного подхода является возможность расширять комплекс исследований путем
создания дополнительного программного обеспечения без изменения аппаратной
части системы. В этой связи потребности практического здравоохранения и
научно-исследовательских учреждений в оборудовании для ЭЭГ-исследований весьма
высоки [2, 3].
ЭЭГ - метод регистрации электрической активности
(биопотенциалов) головного мозга через неповрежденные покровы головы,
позволяющий судить о его физиологической зрелости, функциональном состоянии,
наличии очаговых поражений, общемозговых расстройств и их характере.
Метод ЭЭГ перспективен и показателен, что позволяет
рассматривать его в области диагностики психических расстройств. Применение
математических методов анализа ЭЭГ и внедрение их в практику позволяет
автоматизировать и упростить работу врачей. ЭЭГ является составной частью
объективных критериев течения исследуемой болезни в общей системе оценок,
разработанных для персонального компьютера.
Основная задача современной медицинской диагностики -
выявление заболеваний на ранних стадиях их развития» В задачах
совершенствования медицинского обслуживания населения, диагностика и лечение
заболеваний, относящихся к центральной нервной системе (ЦНС), в настоящее время
выходят на одно из ведущих мест. В связи с этим наметилась тенденция расширения
исследований по разработке методов и средств, способствующих раннему выявлению
патологических процессов различного рода локализаций, связанных с указанными заболеваниями.
К числу таких методов относится метод исследования электрической активности
головного мозга - электроэнцефалография.
ЭЭГ достаточно широко используют при диагностике состояния
ЦНС, выявления локализации черепно-мозговых поражений (опухолей, нейроинфекционных
заболеваний, травм, сосудистых нарушений); выявлении дефектов развития ЦНС;
причин психических изменений и нарушений поведенческих функций, и наряду с этим
- в диагностике и наблюдении за ходом лечения некоторых эндокринных расстройств
и нарушений обмена веществ [4].
Кроме этого ЭЭГ используются в целях общего контроля за
состоянием больных с поражениями различных органов и систем не затрагивающими
ЦНС; для наблюдения за глубиной наркоза при хирургических операциях. Анализ
эффективности лекарственных препаратов и медикаментозного лечения,
прогнозирование действия лекарственных средств, также в ряде случаев
осуществляется с помощью метода электроэнцефалографии.
Характерной чертой современного этапа развития
электроэнцефалографии является разработка и внедрение новых методов обработки и
интерпретации электроэнцефалографических данных с помощью электронных
вычислительных машин (ЭВМ). Применение кибернетических методов и ЭВМ в задачах
обработки ЭЭГ нацелено на освобождение врача от рутинных расчетов с
одновременным улучшением качества обработки. Существующие компьютерные системы
автоматизированной обработки ЭЭГ решают, как правило, частные задачи, на
которые ориентированы данные системы.
Развитие современных методов обработки случайных процессов, а
также элементной базы позволяет по новому подойти к разработке компьютерных
систем обработки ЭЭГ, а именно сделать основной акцент на первичную обработку
ЭЭГ. При таком подходе алгоритмы первичной обработки должны и могут быть
выполнены в достаточно универсальном виде, что автоматически обеспечивает их
многофункциональность и возможность применения в ряде систем. Этим объясняется
то, что большинство современных работ по рассматриваемому вопросу направлены в
первую очередь на решение задач первичной обработки.
Несмотря на большое число работ, выполненных с целью
применения ЭВМ в задачах первичной обработки ЭЭГ, внедрение результатов
соответствующих исследований в медицинскую практику еще далеко не удовлетворяют
современным требованиям. Известно несколько серийных компьютерных систем
данного профиля, производимых в США («Ledass»), Швеции «Lisa electronic»,
которые предназначены для массовых обследований населения с целью контроля
неврологического статуса, расстройств сенсорных процессов восприятия и узнавания
на основе исследования спонтанной и вызванной активности с помощью различных
алгоритмических средств, имитирующих действия врача-исследователя. В Италии,
фирмой «Оте вюмеш» серийно производится компьютерная система «Spectral Data
Interactive Computer», определяющая спектральные характеристики ЭЭГ сигнала по
алгоритмам преобразований Берг-Фурье [5] и по предназначению аналогичная
описанным выше системам.
Однако данные системы не получали широкого применения в
клинической практике, так как они являются узкоспециализированными, нацеленными
на решение ограниченного круга медицинских задач и для обслуживания требуют
инженерно-технический персонал, достаточно объемны, характеризуются высокой
стоимостью и при этом не обеспечивают требуемые точности съема биомедицинской
информации.
На основании вышеизложенного можно заключить, что задача
разработки, исследования и внедрения в практику здравоохранения компьютерной
системы обработки в реальном и квазиреальном масштабе времени, биомедицинской
информации и в частности ЭЭГ информации, нацеленной на устранение
вышеперечисленных недостатков, несомненно является весьма актуальной проблемой.
Решение этой задачи позволит решить многие неотложные задачи практического
здравоохранения и обеспечит достижение существенного экономического эффекта.
1. Обзорная часть. Метод электроэнцефалографии
электроэнцефалограмма частотный ритм компьютерный
Использование электроэнцефалограммы для изучения функций
мозга и целей диагностики основано на знаниях, накопленных при наблюдениях за
пациентами с различными поражениями мозга, а также на результатах
экспериментальных исследованиях на животных. Весь опыт развития
электроэнцефалографии, начиная с первых исследований Ханса Бергера в 1933 г.
свидетельствует о том, что определенным электроэнцефалографическим феноменам
или паттернам соответствуют определенные состояния мозга и его отдельных
систем. Суммарная биоэлектрическая активность, регистрируемая с поверхности
головы, характеризует состояние коры головного мозга как в целом, так и ее
отдельных областей, а также функциональное состояние глубинных структур разного
уровня.
В основе колебаний потенциалов, регистрируемых с поверхности
головы в виде ЭЭГ, лежат изменения внутриклеточных мембранных потенциалов (МП)
корковых пирамидных нейронов. При изменении внутриклеточного МП нейрона во
внеклеточном пространстве, где расположены глиальные клетки, возникает разность
потенциалов - фокальный потенциал. Потенциалы, возникающие во внеклеточном
пространстве в популяции нейронов, представляют собой сумму таких отдельных
фокальных потенциалов. Суммарные фокальные потенциалы могут быть
зарегистрированы с помощью электропроводных датчиков от разных структур мозга,
от поверхности коры или с поверхности черепа. Напряжение токов головного мозга
составляет порядка 10-5 Вольта. ЭЭГ представляет собой запись суммарной
электрической активности клеток полушарий мозга.
Отведения биопотенциалов производятся двумя способами:
монополярным и биполярным. Монополярный способ отведения производится
измерением разности потенциалов, отводимых от одной активной точки - от
электрода на поверхности скальпа в соответствующей зоне мозга и другой точки,
условно принятой за «индифферентную» (референтный электрод). «Индифферентной»
точке чаще принимают мочку уха на которую закрепляется электрод. Реже в
качестве индифферентного электрода используют суммарный электрод - обобщенное
отведение от всех электродов на скальпе. При биполярном способе оба электрода,
разность потенциалов которых измеряется, локализованы на активной поверхности
головы. При исследовании ЭЭГ у больных целесообразно использовать сочетания
обоих методов отведения - монополярный и несколько биполярных: отведение от
последовательной цепи электродов по парасагиттальной линии (О1-Р3; Р3-С3; С3-F3;
F3-Fp1 и соответствующая цепочка электродов на правом полушарии)
последовательной цепи электродов, расположенных по латеральной или нижней линии
(O1 - Т5; T5 - T3; T3-F7; F7-Fp1 и соответствующей цепи справа) в поперечном
направлении (O1-T5; P5-T5; C3-T3, F3-F7, Fp1-F7 и соответствующих электродов
правого полушария), и отведения с саггитальным электродом (каждый из электродов
отонсительно сагиттальных). Эту схему отведений можно упростить, избрав
наиболее необходимые комбинации в каждом отдельном случае. Когда схема
наложения электродов упрощена до 8 точек на скальпе, соответственно меньше
отведений можно произвести, однако следует также производить комбинацию
монополярных и биполярных отведений, что особенно важно для локализации очага
поражения (очага контузии, гематомы) [6].
Характер ЭЭГ определяется функциональным состоянием нервной
ткани, а также протекающими в ней обменными процессами. Нарушение
кровоснабжения приводит к подавлению биоэлектрической активности коры больших
полушарий. Важной особенностью ЭЭГ является ее спонтанный характер и
автономность. Электрическая активность мозга может быть зафиксирована не только
в период бодрствования, но и во время сна. Даже при глубокой коме и наркозе
наблюдается особая характерная картина ритмических процессов (волн ЭЭГ). В
электроэнцефалографии различают четыре основных диапазона: альфа-, бета-,
гамма- и тета - волны (рис. 1.1).
- дельта-волны 0.5-3 колебания в с
- альфа-волны 8 - 13 колебаний в с
Существование характерных ритмических процессов определяется
спонтанной электрической активностью мозга, которая обусловлена суммарной
активностью отдельных нейронов. Ритмы электроэнцефалограммы отличаются друг от
друга по длительности, амплитуде и форме. Основные компоненты ЭЭГ здорового
человека приведены в таблице 1.1. Разбиение на группы является более или менее
произвольным, оно не соответствует каким-либо физиологическим категориям.
Таблица 1.1. Основные компоненты электроэнцефалограммы
Состояние
человека, соответствующее данному ритму
Интенсивная
умственная или физическая работа
Альфа-ритм электроэнцефалограммы представляет собой
ритмические колебания электрического потенциала с частотой в пределах 8-13 Гц и
средней амплитудой 30-70 мкВ. Для временной зависимости соответствующих колебаний
характерна амплитудная модуляция. Альфа-ритм выражен, преимущественно, в задних
отделах мозга, при закрытых глазах, в состоянии относительного покоя, при
максимально возможном расслаблении мышц. Он блокируется при световом
раздражении, усилении внимания и умственных нагрузках. При проведении
детального анализа структуры ЭЭГ иногда различают быстрые и медленные варианты
альфа - ритма. Четко выраженные колебания на соответствующей частоте
проявляются в теменно-затылочной области в возрасте 4-5 лет. В 13-15 лет
формируется устойчивый альфа-ритм, выраженный во всех областях.
Бета-ритм - ритм ЭЭГ в диапазоне от 14 до 30 Гц с амплитудой
5-30 мкВ, присущий состоянию активного бодрствования. Сильнее всего он выражен
в лобных областях, но при различных видах интенсивной деятельности резко
усиливается и распространяется на другие области мозга. Амплитуда бета-ритма
возрастает в ситуации внимания, при умственном напряжении или эмоциональном
возбуждении.
Дельта-активность - компонента ЭЭГ, представляющая собой
колебания электрического потенциала с частотой от 1 до 4 Гц с различными
периодами, распределенными в случайном порядке. Дельта-ритм у здоровых людей
обычно регистрируется во время глубокого сна. Низкоамплитудные (20-30 мкВ)
колебания в этом диапазоне могут быть идентифицированы в сигнале ЭЭГ в
состоянии покоя при некоторых формах стресса и длительной умственной работе.
Тета-ритм - ритм ЭЭГ на частоте 4-8 Гц с амплитудой 10-100
мкВ. Он проявляется во время неглубокого сна. Наиболее ярко соответствующая
динамика выражена у детей. Эмоциональное напряжение и интенсивная умственная
работа приводят к увеличению спектральной плотности мощности тета-волн и
увеличению пространственной синхронизации между ними.
Мю-pитм. Частота 8-13 Гц, амплитуда до 50 мкВ. как видно мю-ритм,
называемый также wicket (англ.), - аркообразный ритм, имеет параметры,
совпадающие с параметрами нормального а-ритма, и отличается от него некоторыми
физиологическими свойствами и топографией. Визуально регистрируемый мю-ритм
наблюдается у относительно небольшого числа индивидуумов (5-15%) и
регистрируется в роландической области, т.е. соответственно распределению
в-ритма. Aктивируется мю-ритм во время умственной нагрузки и психического
напряжения. Аналогично в-ритму, мю-ритм снижается (или в небольшом числе
случаев нарастает) по амплитуде при двигательной активации или соматосенсорной
стимуляции, в связи с чем его ещё называют «сензоримоторным ритмом».
В программе исследуется альфа-ритм и как должна выглядеть
нормальная периодограмма здорового человека
Рис. 1.2. Периодограмма альфа-ритма
2. Основная часть. Обработка электроэнцефалограмм
в частотной области
.1 Компьютерный анализ электроэнцефалограммы
Исторически клиническая электроэнцефалография развивалась на основании
визуального феноменологического анализа ЭЭГ. Однако уже в начале развития
электроэнцефалографии у физиологов возникло стремление оценить ЭЭГ с помощью
количественных объективных показателей, применить методы математического
анализа.
Сначала обработка ЭЭГ и подсчет разных количественных
параметров её производились вручную путём оцифровки кривой и вычисления
частотных спектров, различие которых в разных областях объяснялось
цитоархитектоникой корковых зон [7].
К количественным методам оценки ЭЭГ следует отнести также
планиметрический и гистографический методы анализа ЭЭГ, выполнявшиеся также
путём измерения амплитуды колебаний вручную. Исследование пространственных
отношений электрической активности коры головного мозга человека проводилось с
применением топоскопа, который давал возможность исследовать в динамике
интенсивность сигнала, фазовые отношения активности и проводить выделение
выбранного ритма. Применение корреляционного метода для анализа ЭЭГ было
впервые предложено и разработано Н. Винером в 30-х годах, а наиболее подробное
обоснование применения спектрально-корреляционного анализа к ЭЭГ приведено в
работе Г. Уолтера.
С внедрением в медицинскую практику цифровых ЭВМ стало
возможным производить анализ электрической активности на качественно новом
уровне. В настоящее время наиболее перспективным при изучении
электрофизиологических процессов является направление цифровой
электроэнцефалографии. Современные методы компьютерной обработки
электроэнцефалограммы позволяют проводить детальный анализ различных
ЭЭГ-феноменов, просматривать любой участок кривой в увеличенном виде,
производить его амплитудно-частотный анализ, представлять полученные данные в
виде карт, цифр, графиков, диаграмм и получать вероятностные характеристики
пространственного распределения факторов, обусловливающих возникновение на
конвекситальной поверхности электрической активности.
Спектральный анализ, получивший наибольшее распространение
при анализе электроэнцефалограмм был использован для оценки фоновых стандартных
характеристик ЭЭГ в разных группах патологий, хронического влияния психотропных
препаратов, прогноза при нарушениях мозгового кровообращения, при гепатогенной
энцефалопатии. Особенностью спектрального анализа является то, что он
представляет ЭЭГ не в виде временной последовательности событий, а в виде
спектра частот за определенный промежуток времени.
Очевидно, что спектры будут в тем большей степени отражать
фоновые стабильные характеристики ЭЭГ, чем за более длительную эпоху анализа
они зарегистрированы в сходных экспериментальных ситуациях. Длительные эпохи
анализа предпочтительны также в связи с тем, что в них менее выражены
отклонения в спектре, вызванные кратковременными артефактами, если они не имеют
значительной амплитуды.
При оценке обобщенных характеристик фоновой ЭЭГ большинство
исследователей выбирают эпохи анализа 50 - 100 с, хотя достаточно хорошо
воспроизводимые результаты дает и эпоха 20 с, если производится выбор ее по
критерию минимальной активности в полосе 1,7 - 7,5 Гц в отведении ЭЭГ.
Относительно надежности результатов спектрального анализа мнения учёных
колеблются в зависимости от состава исследованных и конкретных задач, решаемых
с помощью этого метода. Существует мнение, что абсолютные спектры ЭЭГ у детей
ненадежны, и высоко воспроизводимыми являются только относительные спектры,
зарегистрированные при закрытых глазах испытуемого. В то же время, при
исследовании спектров на ЭЭГ нормальных и дизлексических детей, делается вывод
об информативности и большей ценности абсолютных спектров, дающих не только
распределение мощности по частотам, но и ее реальное значение [8].
Особый интерес представляет использование спектрального
анализа в исследовании мю-ритма, который при визуальном анализе обнаруживается
только у небольшого процента лиц. Спектральный анализ в сочетании с техникой
усреднения полученных спектров за несколько эпох позволяет выявить его у всех
исследуемых.
Поскольку распространение мю-ритма совпадает с зоной
кровоснабжения средней мозговой артерии, его изменения могут служить индексом
нарушений в соответствующей области. Диагностическими критериями являются
различия пиковой частоты и мощности мю-ритма в двух полушариях.
Другая область применения математического анализа
электроэнцефалограммы методом быстрого преобразования Фурье касается контроля
кратковременных изменений ЭЭГ под влиянием некоторых внешних и внутренних
факторов. Так, этот метод используется для контроля состояния церебрального
кровотока при операциях эндатерэктомии или операциях на сердце, учитывая
высокую чувствительность ЭЭГ к нарушениям мозговой циркуляции.
При исследованиях динамических сдвигов на ЭЭГ используются
обычно короткие эпохи анализа: от 1 до10 секунд. Преобразование Фурье обладает
некоторыми особенностями, которые отчасти затрудняют согласование получаемых с
его помощью данных с данными визуального анализа. Суть их заключается в том,
что на ЭЭГ медленные феномены имеют большую амплитуду и длительность, чем
высокочастотные. В связи с этим в спектре, построенном по классическому
алгоритму Фурье, наблюдается некоторое преобладание медленных частот.
Оценка частотных составляющих ЭЭГ используется для локальной
диагностики, так как именно эта характеристика ЭЭГ является одним из главных
критериев при визуальном поиске локальных поражений мозга. При этом встаёт
вопрос выбора значимых параметров оценки ЭЭГ.
В экспериментально-клиническом исследовании попытки применить
спектральный анализ к нозологической классификации поражений мозга, как и
следовало ожидать, оказались неуспешными, хотя подтвердилась полезность его как
метода выявления патологии и локализации поражения. В настоящем режиме
программы спектральный массив отображается с разной степенью перекрытия
(50-67%) представлен диапазон изменения эквивалентных значений амплитуды
(масштаб цветового кодирования) в мкВ. Возможности режима позволяют выводить
сразу 2 спектральных массива, по 2-м каналам или полушариям для сравнения.
Автоматически масштаб гистограмм рассчитывается так, что белый цвет
соответствует максимальному эквивалентному значению амплитуды. Плавающие
параметры масштаба цветового кодирования позволяют без зашкала представлять
любые данные по любому диапазону, а также сравнивать фиксированный канал с
остальными.
2.2 Методы математического анализа ЭЭГ
В основе математического анализа ЭЭГ положено преобразование
исходных данных методом быстрого преобразования Фурье. Исходная
электроэнцефалограмма после перевода ее в дискретную форму разбивается на
последовательные сегменты, каждый из которых используется для построения
соответствующего количества периодических сигналов, которые затем подвергают
гармоническому анализу. Выходные формы представляются в виде числовых значений,
графиков, графических карт, сжатых спектральных областей, ЭЭГ-томограмм и др.
Традиционно ЭЭГ наиболее широко используется при диагностике
эпилепсии, что обусловлено нейрофизиологическими критериями, входящими в
определение эпилептического припадка как патологического электрического разряда
нейронов головного мозга. Объективно зафиксировать соответствующие изменения
электрической активности во время припадка можно только электроэнцефалографическими
методами. Однако, актуальной остается старая проблема диагностики эпилепсии в
случаях, когда непосредственное наблюдение приступа невозможно, данные анамнеза
неточны или ненадежны, а данные рутинной ЭЭГ не дают прямых указаний в виде
специфических эпилептических разрядов или паттернов эпилептического припадка.
В этих случаях использование методов мультипараметрической
статистической диагностики позволяет не только получать надежную диагностику
эпилепсии из ненадежных клинико - электроэнцефалографических данных, но и
решать вопросы необходимости лечения противосудорожными препаратами при
черепно-мозговой травме, изолированном эпилептическом припадке, фебрильных
судорогах и др.
Таким образом, применение автоматических методов обработки
ЭЭГ в эпилептологии является в настоящее время наиболее интересным и
перспективным направлением. Объективизация оценки функционального состояния
головного мозга при наличии у больного пароксизмальных приступов
неэпилептического генеза, сосудистой патологии, воспалительных заболеваний
головного мозга и др. с возможностью проведения лонгитудинальных исследований
позволяет наблюдать динамику развития заболевания и эффективность терапии [9].
Основные направления математического анализа ЭЭГ могут быть
сведены к нескольким главным аспектам:
преобразование первичных электроэнцефалографических данных в
более рациональную и приспособленную к конкретным лабораторным задачам форму;
автоматический анализ частотных и амплитудных характеристик
ЭЭГ и элементы анализа ЭЭГ методами распознавания образов, частично
воспроизводящими операции, осуществляемые человеком;
преобразование данных анализов в форму графиков или
топографических карт;
метод вероятностной ЭЭГ-томографии, позволяющий исследовать с
определенной долей вероятности местонахождение фактора, обусловившего
электрическую активность на скальповой ЭЭГ.
При рассмотрении различных методов математического анализа
электроэнцефалограммы можно показать, какую информацию даёт тот или иной метод
нейрофизиологу. Однако, ни один из имеющихся в арсенале методов не может в
полной мере осветить всех сторон такого сложного процесса, как электрическая
активность головного мозга человека. Только комплекс разных методов позволяет
проанализировать закономерности ЭЭГ, описать и количественно оценить
совокупность разных её сторон.
Широкое применение получили такие методы как частотный,
спектральный и корреляционный анализ, позволяющие оценить
пространственно-временные параметры электрической активности. В числе последних
программных разработок фирмы «DX-системы» - автоматический анализатор ЭЭГ,
определяющий локальные изменения ритмики, отличающиеся от типичной картины для
каждого пациента, синхронные вспышки, обусловленные влиянием со стороны
срединных структур, пароксизмальную активность с отображением ее очага и путей
распространения.
Хорошо зарекомендовал себя метод вероятностной
ЭЭГ-томографии, позволяющий с определённой степенью достоверности отобразить на
функциональном срезе местонахождение фактора, обусловившего электрическую активность
на скальповой ЭЭГ. В настоящее время идёт апробирование 3-х мерной модели
функционального очага электрической активности с пространственным и послойным
отображениях его в плоскостях и совмещением со срезами, принятыми при
исследовании анатомических структур головного мозга методами ЯМРТ. Этот метод
используется в программной версии «DX 4000 Research».
Всё большее применение в клинической практике при оценке
функционального состояния головного мозга находит метод математического анализа
вызванных потенциалов в виде картирования, спектрального и корреляционного
методов анализа.
Таким образом, развитие цифровой ЭЭГ является наиболее
перспективным методом исследования нейрофизиологических процессов головного
мозга.
Применение корреляционно-спектрального анализа позволяет
исследовать пространственно-временные взаимоотношения ЭЭГ - потенциалов.
Морфологический анализ различных ЭЭГ-паттернов оценивается
пользователем визуально, однако возможность его просмотра при различной
скорости и масштабе может быть осуществлена программно. Более того, последние
разработки позволяют подвергать записи электроэнцефалограмм режиму
автоматического анализатора, который оценивает фоновую ритмическую активность,
характерную для каждого пациента, отслеживает периоды гиперсинхронизации ЭЭГ,
локализацию некоторых патологических паттернов, пароксизмальную активность,
источник её возникновения и пути распространения. Регистрация ЭЭГ даёт
объективную информацию о состоянии головного мозга при различных функциональных
состояниях.
Основными методами компьютерного анализа
электроэнцефалограммы, представленными в программе «DX 4000 PRACTIC» являются
ЭЭГ-томография, ЭЭГ-картирование и представление характеристик электрической
активности головного мозга в виде сжатых спектральных областей, цифровых
данных, гистограмм, корреляционных и спектральных таблиц и карт.
Диагностическую ценность при исследовании ЭЭГ имеют
короткоживущие (от 10 мс) и относительно постоянные
электроэнценцефалографические паттерны («электроэнцефалографические синдромы»),
а также характерная для каждого человека электроэнцефалографическая картина и
ее изменения, связанные с возрастом и (в норме) и при патологии по степени
вовлечения в патологический процесс разных отделов мозговых структур.
Таким образом, нейрофизиолог должен подвергнуть анализу
разные по длительности, но не по значимости ЭЭГ-паттерны, и получить наиболее
полную информацию о каждом из них, и об электроэнцефалографической картине в
целом. Следовательно, при анализе ЭЭГ-паттерна необходимо учитывать время его существования,
так как временной отрезок, подвергаемый анализу должен быть соизмерим с
исследуемым ЭЭГ-феноменом.
Виды представления данных быстрого преобразования Фурье
зависят от области применения этого метода, также как и интерпретация данных.
3. Программная часть. Обработка
электроэнцефалограмм в частотной области с использованием среды Matlab
Появившаяся в начале 60-х годов и быстро увеличивающая свою
мощность компьютерная техника позволила решать многие научные и инженерные
задачи, которые не поддавались ранее решению аналитическими методами. К
середине 70-х годов было накоплено большое количество алгоритмов численного
решения таких задач. Образовались целые библиотеки алгоритмов. К числу лучших
из таких библиотек следует отнести библиотеки матричных алгоритмов LINPACK и
EISPACK департамента энергетики США. Эти библиотеки - собрание тщательно
проверенных и оптимизированных алгоритмов, разработанных в течение многих лет
ведущими мировыми специалистами. Они фактически представляют собой современное
состояние численных методов для научных и инженерных целей. С появлением этих
библиотек появилась также необходимость обеспечить кратчайший доступ широкой
аудитории инженерных и научных работников к этому изобилию алгоритмов. Собственно
говоря, создание языка MATLAB (сокращенно от MATrix LABoratory - матричная
лаборатория) и было обусловлено этой необходимостью [].
Когда в 1978 г. Cleve Moler, разработчик системы MATLAB,
предложил в качестве основного объекта языка MATLAB использовать двумерный
массив (матрицу), не требующий задания размерности, возможно, он не предполагал
насколько эффективным окажется новый язык для написания матричных алгоритмов
[10].за прошедшие годы приобрел большую популярность, постепенно переместившись
с больших вычислительных систем на персональные компьютеры, а сама программа
вместе со всеми профессиональными приложениями, превратилась в мощную систему,
охватывающую широкий спектр научных, инженерных и экономических применений
[11].содержит инструменты для:
Визуализации и цифровой обработки сигналов и изображений
Создания алгоритмов и проектирования
Программирования и разработки приложенийвыполняет множество
компьютерных задач для поддержки научных и инженерных работ, начиная от сбора и
анализа данных до разработки приложений. Среда MATLAB объединяет математические
вычисления, визуализацию и мощный технический язык. Встроенные интерфейсы
позволяют получить быстрый доступ и извлекать данные из внешних устройств,
файлов, внешних баз данных и программ. Кроме того, MATLAB позволяет
интегрировать внешние процедуры, напи
Похожие работы на - Обработка электроэнцефалограмм в частотной области Курсовая работа (т). Информационное обеспечение, программирование.
Доклад по теме Стрессоустойчивость в нашей жизни
История Олимпийских Игр Реферат По Физкультуре Кратко
Курсовая работа: Рыночная экономика общие черты и национальные особенности на примере Украины
Контрольная работа по теме Мобильный маркетинг
Реферат: Современный кризис заработной платы
Курсовая работа по теме Анализ существующей ВОЛС компании 'ЗАО Мобиком-Хабаровск' в Забайкальском крае
Сочинение Пластова Летом Маленькое
Политическая Свобода Реферат
Реферат: Аргентинская либертарная федерация
Лабораторная Работа На Тему Основы Маркетинга
Реферат по теме Боги гэлов
Курсовая Работа На Тему Сущность, Виды И Системы Заработной Платы
Реферат: Хозяйственные организации. Скачать бесплатно и без регистрации
Дипломная работа: Семейные взаимоотношения и эмоциональное благополучие личности детей
Курсовая работа по теме Развитие нравственных отношений младшего школьника на основе творчества Д. Дефо, его книг о Робинзон...
Реферат по теме Государственная безопасность Латвийской Республики
Реферат: About
Сочинение Летний Дождь
Реферат На Тему Финансовое Планирование На Предприятии
Дипломная Работа На Тему Право Собственности В Международном Частном Праве
Реферат: Серный ангидрид, его воздействие на окружающую среду
Похожие работы на - Структура и функции экономического поведения в системе рыночного обмена