РЕКОНСТРУКЦИЯ ОПЕРАТОРА ЭВОЛЮЦИИ КАК СПОСОБ АНАЛИЗА ЭЛЕКТРИЧЕСКОЙ АКТИВНОСТИ МОЗГА ПРИ ЭПИЛЕПСИИ


Образец для цитирования:

Предложен метод анализа электроэнцефалограмм, основанный на построении параметризованной стохастической модели (оператора эволюции) наблюдаемого процесса. Предложена функциональная форма оператора эволюции, описывающая как детерминированные, так и стохастические свойства исследуемого процесса. Параметры оператора эволюции реконструируются по экспериментальным данным с помощью Байесова подхода. Введены новые («быстрые») динамические переменные, учитывающие особенности электроэнцефалограммы и позволяющие построить оператор эволюции для ее участка протяженностью в несколько секунд. Меняющиеся с течением времени параметры этого оператора и амплитуда колебаний в электроэнцефалограмме образуют «медленные» переменные, описывающие изменения свойств колебаний на протяжении всей записи. С помощью введенных медленных переменных удается выделить различные фазы электрической активности мозга и представить их в виде наглядной диаграммы, а также выявить изменения в характеристиках этих фаз. Предложенная методика успешно применена к решению конкретной физиологической задачи.

 

DOI: 
10.18500/0869-6632-2011-19-6-156-172
Литература

1. Koronovskii A.A., Kuznetsova G.D., Midzyanovskaya I.S., Sitnikova E.Yu., Trubetskov D.I., Hramov A. E. Regularities of alternate behavior in spontaneous nonconvulsive seizure activity in rats // Doklady Biological Sciences. 2006. Vol. 409. P. 275.

2. Stam С.J. Nonlinear dynamical analysis of EEG and MEG: Review of emerging field // Clinical Neurophysiology. 2005. Vol. 116. P. 2266.

3. Sitnikova E. Thalamo-cortical mechanisms of sleep spindles and spike-wave discharges in rat model of absence epilepsy (a review) // Epilepsy Res. 2010. Vol. 89. P. 17.

4. Mukhin D.N., Feigin A.M., Loskutov E.M., Molkov Ya.I. Modified Bayesian approach for the reconstruction of dynamical systems from time series // Phys. Rev. E. 2006. Vol. 73, No 3. P. 036211.

5. Molkov Ya.I., Mukhin D.N., Loskutov E.M., Timushev R.I., Feigin A.M. Prognosis of qualitative behavior of a system by noisy chaotic time-series // Phys. Rev. E. 2011. Vol. 8, No 3. P. 036215.

6. Molkov Y.I., Loskutov E.M., Mukhin D.N., Feigin A.M. Random dynamical models from time series // Phys. Rev. E. 2011 (направлено в журнал).

7. Engel J.Jr. A proposed diagnostic scheme for people with epileptic seizures and with epilepsy: report of the ILAE Task Force on Classification and Terminology // Epilepsia. 2001. Vol. 42, No 6. P. 796.

8. van Luijtelaar E.L., Coenen A.M. Two types of electrocortical paroxysms in an inbred strain of rats // Neuroscience Letters. 1986. Vol. 70, No 3. P. 393-397.

9. Bosnyakova D., Gabova A., Zharikova A., Gnezditski V., Kuznetsova G., van Luijtelaar G. Some peculiarities of time-frequency dynamics of spike-wave discharges in humans and rats // Clinical Neurophysiology. 2007. Vol. 118, No 8. P. 1736.

10. Abarbanel H.D.I. Analysis of Observed Chaotic Data. New York: Springer-Verlag, 1997.

11. Takens F. Detecting strange attractors in turbulence // Dynamical Systems and Turbulence / Eds D.A. Rand, L.-S. Young. Lecture Notes in Mathematics. 1981. Vol. 898. P. 366.

12. Bracewell R. The Fourier Transform and Its Applications. New York: McGraw-Hill, 1999.

13. Huang N.E., Shen Z., Long S.R., Wu M.C., Shih H.H., Zheng Q., Yen N.-C., Tung C.C., Liu H.H. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis // Proc. R. Soc. Lond. A. 1998. Vol. 454. P. 903.

14. Inouye T., Toi S., Matsumoto Y. A new segmentation method of electroencepha-lograms by use of Akaike’s information criterion // Cognitive Brain Res. 1995. Vol. 3, No 1. P. 33.

15. A Manual of Standardized Terminology, Techniques and Scoring System for Sleep Stages of Human Subjects / Eds A. Rechtschaffen, A. Kales. Washington: Public Health Service, US Government Printing Office, 1968.

16. van Rijn C. M., Gaetani S., Santolini I., Badura A., Gabova A., Fu J., Watanabe M., Cuomo V., van Luijtelaar G., Nicoletti F., Ngomba R.T. WAG/Rij rats show a reduced expression of CB1 receptors in thalamic nuclei and respond to the CB1 receptor agonist, R(+)WIN55,212-2, with a reduced incidence of spike-wave discharges // Epilepsia. 2010. Vol. 51, No 8. P. 1511.

17. O’Mahony M. Sensory Evaluation of Food: Statistical Methods and Procedures. University of California, Davis, USA: CRC Press, 1986.

 

Статус: 
одобрено к публикации
Краткое содержание (PDF): 
Текст в формате PDF: 

BibTeX

@article{ Yakhno -IzvVUZ_AND-19-6-156,
author = {Юрий Владимирович Яхно and Ярослав Игоревич Мольков and Дмитрий Николаевич Мухин and Евгений Михайлович Лоскутов and Александр Маркович Фейгин },
title = {РЕКОНСТРУКЦИЯ ОПЕРАТОРА ЭВОЛЮЦИИ КАК СПОСОБ АНАЛИЗА ЭЛЕКТРИЧЕСКОЙ АКТИВНОСТИ МОЗГА ПРИ ЭПИЛЕПСИИ},
year = {2011},
journal = {Известия высших учебных заведений. Прикладная нелинейная динамика},
volume = {19},number = {6},
url = {https://old-andjournal.sgu.ru/ru/articles/rekonstrukciya-operatora-evolyucii-kak-sposob-analiza-elektricheskoy-aktivnosti-mozga-pri},
address = {Саратов},
language = {russian},
doi = {10.18500/0869-6632-2011-19-6-156-172},pages = {156--172},issn = {0869-6632},
keywords = {Электроэнцефалография,анализ временных рядов,реконструкция опе- ратора эволюции.},
abstract = {Предложен метод анализа электроэнцефалограмм, основанный на построении параметризованной стохастической модели (оператора эволюции) наблюдаемого процесса. Предложена функциональная форма оператора эволюции, описывающая как детерминированные, так и стохастические свойства исследуемого процесса. Параметры оператора эволюции реконструируются по экспериментальным данным с помощью Байесова подхода. Введены новые («быстрые») динамические переменные, учитывающие особенности электроэнцефалограммы и позволяющие построить оператор эволюции для ее участка протяженностью в несколько секунд. Меняющиеся с течением времени параметры этого оператора и амплитуда колебаний в электроэнцефалограмме образуют «медленные» переменные, описывающие изменения свойств колебаний на протяжении всей записи. С помощью введенных медленных переменных удается выделить различные фазы электрической активности мозга и представить их в виде наглядной диаграммы, а также выявить изменения в характеристиках этих фаз. Предложенная методика успешно применена к решению конкретной физиологической задачи.   }}