Пространственная структура электроэнцефалограммы человека в норме и при патологии

Актуальность. Современные методы исследования электрической активности головного мозга, такие как электроэнцефалография (ЭЭГ) и магнитная энцефалография (МЭГ), позволяют определять и локализовать искомую активность, в том числе и патологическую, с высокой точностью[4,6].

Записи электромагнитных полей с высокой частотой дискретизации и сотнями каналов могут предоставить сведения о работе как коры, так и глубоких структур мозга[1,5].

При этом анализ функции мозга осложняется двумя обстоятельствами. Одно из них — синхронная природа нейронной активности мозга, заключающаяся в том, что в каждый момент времени происходят миллионы         функциональных нейронных событий[2,3].

Цель    исследования.Целью исследования является исследование разных параметров электроэнцефалограммы человека в норме и патологии.

Материал и методы исследования. В работах предложен и реализован новый метод анализа энцефалограмм. Метод основан на детальном математическом моделировании индивидуального мозга, как совокупности функциональных элементов, генерирующих измеряемые физические поля.

При анализе спектральных характеристик энцефалографических данных в данной работе используется традиционное

разделение

электрической активности головного в каких-то каналах может возрастать мозга

Результаты исследования.По результатам изучения литературных источников можно сделать вывод о большом разнообразии спектральных особенностей, отмечаемых при различных психических расстройствах. Для того чтобы использовать спектры энцефалограмм в качестве диагностических признаков, необходимо количественное изучение этих спектров. Особенно важна точная локализация различных частотных компонент, которая позволит установить соответствие между функциональной и анатомической структурами мозга.

Метод функциональной томографии, предложенный авторами препринта, преобразует весь массив экспериментальных данных в набор элементарных источников — осцилляторов, распределенных в пространстве и отображающих функциональную структуру системы. Это преобразование является точным и полностью обратимым, что позволяет детально изучать пространственновременные свойства спонтанной активности мозга в различных психических состояниях.

Результаты локализации отображаются на анатомической схеме мозга или на магнитно-резонансной томограмме субъекта, в результате чего строятся гипотезы о нейрофизиологическом механизме изучаемой патологии. Простейшим из методов определения местоположения какой-либо патологии можно считать сравнительный анализ спектров электроэнцефалограмм или магнитоэнцефалограмм, наблюдаемых в различных каналах регистрации (отведениях), распределенных по скальпу или над ним. Предполагается, что спектральная мощность патологической активности или снижаться по сравнению со средней мощностью, наблюдаемой в остальных каналах. Выводы о локализации патологии делаются на основе геометрической близости канала, выделяющегося по мощности, к той или иной доле или структуре мозга. Такая локализация является чисто качественной и позволяет сделать        только        самые приблизительные выводы.

В               современных нейрофизиологических исследованиях широко применяются математические методы анализа данных, такие как спектральный     анализ,     метод независимых компонент, метод главных компонент и другие. С помощью этих методов выделяется карта поля, по которой решается обратная задача энцефалографии — локализация источника поля.

Для решения обратной задачи магнитоэнцефалографии        или электроэнцефалографии используются методы многомерной оптимизации и различные модели источника.    Результат    решения обратной задачи совмещается с магнитно-резонансной томограммой субъекта, что позволяет сделать выводы о нейрофизиологическом источнике данной карты поля.

Вывод.Проведенное исследование продемонстрировало возможности            нелинейно динамического анализа ЭЭГ при исследовании      биоэлектрической активности мозга человека.

Подробно изучены некоторые особенности применения нелинейных алгоритмов для изучения записей электроэнцефалограммы. В частности, показано, что методы вычисления корреляционной размерности и максимального характеристического показателя Ляпунова достаточно устойчивы к наличию малого количества артефактов ЭЭГ. В тоже время, существенное (>3% от общей длины) «загрязнение» анализируемого сигнала приводит к значительному искажению значений оцениваемых параметров.

При этом корреляционная размерность, отражающая степень сложности динамики, снижается, а максимальный характеристический показатель Ляпунова, характеризующий степень нерегулярности, хаотичности сигнала, обычно увеличивается.

Традиционный визуальный контроль артефактов с последующим их «вырезанием» значительно снижает отклонения в оценках нелинейнодинамических параметров, но, при большом количестве артефактов, получаемые значения все же смещены.