ИДЕНТИФИКАЦИЯ ЭПИЛЕПСИИ НА ОСНОВЕ КОРРЕЛЯЦИОННОГО АНАЛИЗА ИНТЕРИКТАЛЬНЫХ ЭЭГ-СИГНАЛОВ

ИДЕНТИФИКАЦИЯ ЭПИЛЕПСИИ НА ОСНОВЕ
КОРРЕЛЯЦИОННОГО АНАЛИЗА ИНТЕРИКТАЛЬНЫХ
ЭЭГ-СИГНАЛОВ
О.Ю. Панищев, С.А. Дёмин
Казанский (Приволжский) федеральный университет
E-mail: opanischev@gmail.com
Эпилепсия является одним из самых распространенных хронических
неврологических заболеваний человека, и состоит в предрасположенности
организма к внезапному возникновению судорожных приступов [1]. Поскольку судорожные припадки могут возникать при различных патологиях
головного мозга и центральной нервной системы [2], точная диагностика
эпилепсии представляет достаточно сложную задачу, для решения которой
чаще всего используют записи ЭЭГ (электроэнцефалограмм) непосредственно до, во время и после приступа. Для анализа полученных записей
применяют как линейные [3–5], так и нелинейные [6,7] методы.
Отдельный интерес для распознания эпилепсии представляет анализ
интериктальных ЭЭГ в условиях отсутствия явных различий в динамике
сигналов мозга здоровых волонтеров и пациентов. Ранее в некоторых работах [8,9] была обнаружена связь между характером взаимодействия отдельных областей коры головного мозга при эпилепсии. В частности, в работе [9] обнаружено, что для здоровых людей характерна большая степень
синхронизации сигналов отдаленных друг от друга областей коры в сравнении с пациентами.
В настоящей работе в рамках формализма функций памяти (ФФП)
[10,11] обнаружены критерии распознания эпилепсии из интериктальных
ЭЭГ. Поиск диагностических признаков осуществляется на основе исследования частотного характера и проявления эффектов статистической памяти в ЭЭГ-сигналах. Записи получены в состоянии спокойного бодрствования с закрытыми глазами для двух групп людей: здоровые испытуемые и
пациенты с эпилепсией в отсутствие приступов [9]. Расположение электродов согласно схеме 10–20.
На рис. 1 представлены 4 характерных типа спектров мощности
ЭЭГ-сигналов: 1) спектр с доминированием сверхнизкочастотной динамики (рис. 1а); 2) спектр с низкочастотным всплеском (5-16 Гц, рис. 1b); 3)
спектр с высокочастотным всплеском (49-52 Гц, рис. 1с); 4) спектр с
всплесками из разного диапазона частот (рис. 1d). Следует отметить, что
спектры 3 типа встречаются лишь в нескольких случаях.
На рис. 2 представлено распределение типов спектров ЭЭГ для группы здоровых людей (рис. 2а) и пациентов с эпилепсией (рис. 2b) по ЭЭГ
электродам. В подавляющем большинстве спектральное поведение ЭЭГсигналов для пациентов относилось ко второму типу, в то время как для
контрольной группы наблюдались все типы спектров.
Рис. 1. Типы спектров мощности для рассматриваемых ЭЭГ-сигналов
Рис. 2. Распределение типов спектров мощности в среднем по группе
здоровых и больных с эпилепсией
Наиболее существенные различия в
значениях параметра немарковости [10]
позволили установить «особые» электроды: F1, T5, O2. Анализ взаимной динамики указанных ЭЭГ-сигналов на основе
кросс-корреляционного параметра немарковости [11] показал: чем дальше друг от
друга расположены электроды, тем более
существенно отличаются средние значения параметра немарковости (рис. 3).
Рис. 3. Карта различий в средних значениях параметра немарковости для двух групп людей
Механизмы генерации сигналов ЭЭГ, и вместе с тем изменение ее
характера при различных патологиях головного мозга человека, попрежнему остаются малоизученными. В таких условиях разработка новых
методов статистического анализа ЭЭГ для диагностических целей представляется весьма актуальным для современной медицины.
Параметры и характеристики, вводимые в рамках ФФП, позволяют
обнаружить критерии для распознания эпилепсии, которые заключаются в
изменении характера спектрального поведения ЭЭГ-сигналов и их взаимной динамики. В частности, одним из диагностических признаков эпилепсии является существенное усиление эффектов статистической памяти.
Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 12-02-31044 мол_а.
Библиографический список
1. Chang B.S., Lowenstein D.H. Epilepsy // N. Engl. J. Med. 2003. V. 349. P. 1257–1266.
2. Sander J.W., O'Donoghue M.F. Epilepsy: getting the diagnosis right // BMJ. 1997. V.
314. P. 158–1–9.
3. Brazier M.A.B. Studies of the EEG activity of limbic structures in man // Electroencephalogr. Clin. Neurophysiol. 1968. V. 25. P. 309–318.
4. Gotman J. Interhemispheric interactions in seizures of focal onset: data from human intracranial recordings // Electroencephalogr. Clin. Neurophysiol. 1987. V. 67. P. 120–133.
5. Franaszczuk P.J., Bergey G.K. An autoregressive method for the measurement of synchronization of interictal and ictal EEG signals // Biol. Cybern. 1999. V. 81. P. 3–9.
6. Babloyanz A., Destexhe A. Low-dimensional chaos in an instance of epilepsy // Proc.
Natl. Acad. Sci. USA. 1986. V. 83. P. 3513–3517.
7. Wendling F., Bartolomei F., Bellanger J.J., Chauvel P. Interpretation of interdependencies in epileptic signals using a macroscopic physiological model of the EEG // Clin. Neurophysiol. 2001. V. 112. P. 1201–1–18.
8. Mormann F., Lehnertz K., David P., Elger C.E. Mean phase coherence as a measure for
phase synchronization and its application to the EEG of epilepsy patients // Phys. D. 2000.
V. 144. P. 358–369.
9. Bhattacharya J. Reduced degree of long-range phase synchrony in pathological human
brain // Acta Neurobiol. Exp. 2001. V. 61. P. 309–318.
10. R. Yulmetyev R., Hanggi P., Gafarov F. Stochastic dynamics of time correlation in complex systems with discrete time // Phys Rev. E. 2000. V. 62. P. 6178–6194.
11. Panischev O.Yu., Demin S.A., Bhattacharya J. Cross-correlation markers in stochastic dynamics of complex systems // Phys. A. 2010. V. 389. P. 4958–4969.
Сведения об авторах
Панищев Олег Юрьевич – старший преподаватель, научный сотрудник,
дата рождения: 15.12.1980, тел.: (843) 233-77-37 (раб.), e-mail:
opanischev@gmail.com
Дёмин Сергей Анатольевич – старший преподаватель, научный сотрудник, дата рождения: 14.03.1979
Вид доклада: устный (/ стендовый)