Идентификация альфа-ритмов в сигналах электрической активности мозга человека

Анализ биогенных сигналов человеческого организма является важной и непростой задачей. Чаще всего полезная информация в получаемом биогенном сигнале сильно зашумлена. При этом биогенные сигналы не постоянны по своей форме и сильно изменчивы во времени. В зависимости от индивидуальности человеческого организма каждый сигнал обладает специфическими характеристиками и признаками.

Электроэнцефалография (ЭЭГ) — это способ исследования биоэлектрической активности мозга человека [1]. В настоящее время ЭЭГ широко применяется в различных отраслях медицины, в частности, в нейрофизиологии и психиатрии.

Регистрируя ЭЭГ, исследователь всегда сталкивается с проблемой выявления из биогенного сигнала полезной компоненты, на которую накладываются шумы, артефакты, помехи и т. д. Это происходит из-за того, что современные электроэнцефалографы регистрируют реакцию организма на все внешние раздражители, например, на громкие звуки, визуальные раздражители и т. д. [2, 3]. Таким образом, очистка биогенного сигнала от шумов и помех с целью выявления полезной компоненты является в настоящее время актуальной задачей, так как в дальнейшем это существенно может повлиять на врачебное заключение.

Очистив ЭЭГ от помех и артефактов, специалист непременно сталкивается с задачей распознавания ритмов мозга человека [4]. Существует множество ритмов мозга человека. Помимо разной структуры и поведения, они могут накладываться друг на друга, а также выражаться у разных людей по-разному, тем самым делая задачу идентификации ритмов головного мозга достаточно сложной. Существующие методы и оценки врачей-экспертов не всегда приводят к должному качеству идентификации подобных ритмов.

Далее авторами приводятся результаты исследований по выявлению альфа-ритмов электрической активности головного мозга человека.

Сингулярно-спектральный анализ для выявления альфа-ритмов биогенный сигнал электроэнцефалограмма спектральный Рассмотрим наиболее распространенный ритм мозга, который называется альфа-ритм. Типичный альфа ритм приведен на рис. 1, 2.

Рис. 1. — ?-ритм здорового человека

Альфа-ритм чаще всего наиболее активно проявляется в спокойном состоянии при закрытых глазах или во время сна. Снимается ?-ритм с задних и боковых частей головы [5].

В современных электроэнцефалографах и программном обеспечении, используемом для идентификации ритмов мозга наиболее распространенно преобразование Фурье, которое, несмотря на простоту реализации и скорость работы обладает существенными недостатками [6].

Рис. 2. — Пример поведения ?-ритмов

Для идентификации ?-ритмов в электроэнцефалограммах авторами статьи предложен метод сингулярно-спектрального анализа (метод Гусеницы), который заключается в преобразовании одномерного временного ряда в многомерный, дальнейшее сингулярное разложение которого производится с применением метода главных компонент [7]. Метод сингулярно-спектрального анализа дает существенное преимущество перед другими методам по ряду причин:

• 1) временной ряд в отличие от других методов раскладывается по базису, который встроен в него и определяет поведение и структуру сигнала. Это существенно повышает качество идентификации различных компонент сигнала, будь это периодичная составляющая или просто шумовая компонента;
• 2) метод Гусеницы позволяет на всем этапе процесса идентификации управлять отбором компонент для дальнейшего восстановления сигнала и его интерпретации [8, 9,10].

Описание эксперимента. Для проведения эксперимента были использованы ЭЭГ, полученные от четырех различных испытуемых. Данные снимались с затылочных областей головы. Размер каждой ЭЭГ составил 3461 точку. Каждая ЭЭГ предварительно была очищена от шумов путем метода сингулярно-спектрального анализа.

Длина окна для каждой ЭЭГ равнялась 100 (Рис. 3).

Рис. 3. — Электроэнцефалограммы, полученные для проведения эксперимента

Были получены графики собственных чисел (Рис. 4), на которых видно, что первые числа имеют более высокий процент значимости при восстановлении.

Рис. 4. — Пример графика собственных чисел

Далее, при помощи врача-эксперта, выбирались компоненты, которые наиболее полно идентифицируют ?-ритм головного мозга. Затем по этим компонентам восстанавливался сигнал и сравнивался с набором эталонных образцов, которые были получены с помощью ЭЭГ здорового человека.

На рис. 5−8 представлены компоненты, по которым в дальнейшем восстанавливались исследуемые сигналы.

Рис. 5. — Компоненты для восстановления первой ЭЭГ

Рис. 6. — Компоненты для восстановления второй ЭЭГ

Рис. 7. — Компоненты для восстановления третьей ЭЭГ

Рис. 8. — Компоненты для восстановления четвертой ЭЭГ

Как видно из рис. 5−8, компоненты, отобранные для восстановления ЭЭГ, имеют визуальное сходство. Те небольшие отличия в их поведении, по мнению авторов и экспертов, как раз и объясняют уникальность человеческого мозга и, как следствие, его ?-ритмов.

Рассмотрим восстановление ЭЭГ по тем компонентам, которые были отобраны экспертом. На рис. 9−10 показаны полученные в ходе восстановления сигналы, которые, имеют очевидное визуальное сходство с ?-ритмами головного мозга, представленными на рис 1−2.

Согласно оценкам эксперта полученные результаты достаточно верно идентифицируют ?-ритмы человеческого мозга, что подтверждает возможность использования аппарата сингулярно-спектрального анализа для идентификации не только ?-ритмов, но и других ритмов головного мозга.

Рис. 9. — Восстановленные первая и вторая ЭЭГ

Рис. 10. — Восстановленные третья и четвертая ЭЭГ

Заключение

Следует отметить, что предлагаемый в статье метод позволил качественно идентифицировать альфа-ритм мозга. Именно метод сингулярно-спектрального анализа предоставляет возможность проведения качественного анализа, как и ЭЭГ так различных биогенных сигналов человеческого организма.

Дальнейшее исследование возможности применения метода сингулярно-спектрального анализа для идентификации различных ритмов мозга, идентификации различных физиологических особенностей головного мозга, представляет собой важную и интересную научную задачу.

• 1. Зенков Л. Р. Клиническая электроэнцефалография. М.: Медпресс-форм, 2004. 368 с.
• 2. Михайлов Н. А., Фудимов И. В. Результаты разработки средств объективного контроля состояния бодрствования // Инженерный вестник Дона, 2009. № 4 (ч.1).
• 3. Orden, K.F., Jung Tzyy-Ping, Makeig, S. Combined eye activity measures accurately estimate changes in sustained visual task performance // Biological Psychology. 2000. 52, pp. 221−240.
• 4. Рангайян Р. М. Анализ биомедицинских сигналов. Практический подход. М.: ФИЗМАТЛИТ, 2007. 440 с.
• 5. Резниченко А. А., Лучинин А. В., Старченко И. Б. Анализ временных рядов КИГ с использованием метода фрактальной обработки // Инженерный вестник Дона, 2012. № 4 (ч.1).
• 6. Марпл-мл. С. Л. Цифровой спектральный анализ и его приложения. М.: Мир, 1990. 584 с.
• 7. Матвеев М. Г., Семенов М. Е., Толоконников П. В. и др. Применение метода сингулярно-спектрального анализа для идентификации сигналов электрической активности мозга // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2012. № 2. С. 42−47.
• 8. Голяндина Н. Э. Метод «Гусеница» — SSA: анализ временных рядов. СПб: Изд-во СПбГУ, 2004. 76 с.
• 9. Солонина А. И., Улахович Д. А., Арбузов С. М. и др. Основы цифровой обработки сигналов: курс лекций. СПб.: БХВ-Петербург, 2005. 768 с.
• 10. Andreassi J.L. Mental activity and electrodermal phenomena // Psychophysiology: Human Behaviour and Physiological Response, 3rd edn. Hillsdale. 2001. pp.175−180.