Методы автоматизированного анализа ЭЭГ.

Рассмотрим основные методы численного анализа электроэнцефалографического сигнала. Одним из наиболее давно применяемых методов анализа цифровых параметров ЭЭГ является подсчет альфа-индекса или альфа-фактора. Этот показатель определяется процентом времени, в течение которого в ЭЭГ наблюдается выраженный альфа-ритм, либо ритмические и одиночные волны соответствующей длительности - 80...130 мс.

Дальнейшее совершенствование этого подхода основывалось на анализе различных комбинаций временных и амплитудных характери­стик различных колебаний, относимых в соответствии с их длитель­ностью к одному из нескольких стандартных частотных диапазонов. Простым и эффективным способом оценки электрической активности мозга является расчет площади, описываемой кривой ЭЭГ.

В пятидесятые годы был предложен метод временного анализа ЭЭГ, основанный только на данных о точках пересечения изолинии энцефалограммой и ее первой и второй производными - периодометрический анализ. Однако дальнейшее развитие этого подхода было затруднено из-за недостатка сведений о функциях распределения искомых параметров и влияния шумов.

Потребности медицинской практики стимулировали в послед­ние годы интенсивное развитие разнообразных автоматизированных систем и приемов анализа для выделения в ЭЭГ отдельных харак­терных особенностей - паттернов. Математический аппарат данных исследований основывается на теории распознавания образов. Ши­рокое распространение численной оценки ЭЭГ получил спектраль­ный метод анализа.

Развитие этого метода шло по двум направлениям: аппаратно­му, где основное внимание отводилось созданию автоматизирован­ных устройств (коррелографов), и программному, где разрабаты­вался математический аппарат частотного анализа случайных про­цессов и совершенствовалось алгоритмическое обеспечение такого анализа на ЭВМ.

Из-за больших затрат машинного времени при проведении фурье-преобразования корреляционных функций в злектрофизиологических исследованиях все большую популярность получают мето­ды быстрого преобразования Фурье (БПФ, Кули-Тьюки, Рейдера-Винограда).

В последнее время большое внимание уделялось также разработке различных методов вторичной обработки данных спектрально­го анализа. Такая обработка включает разбиение усредненных спектров на сегменты, построение интеркорреляционной матрицы на основе величин сегментов, факторный анализ матрицы с последую­щим дискриминантным анализом полученных величин. Многократная обработка спектральных данных позволяет исследовать тонкие изме­нения в ЭЭГ, не обнаруживаемые другими методами.

Разберем свойства спектрального и кросскорреляционного ана­лиза, позволяющие производить обработку ЭЭГ с минимальными за­тратами оперативной памяти машинного времени.