ВЕЙВЛЕТНЫЙ АНАЛИЗ СОННЫХ ВЕРЕТЕН НА ЭЭГ И РАЗРАБОТКА МЕТОДА ИХ АВТОМАТИЧЕСКОЙ ДИАГНОСТИКИ¤
Образец для цитирования:
Проведен детальный вейвлетный анализ электрической активности головного мозга, зарегистрированной во время сна у крыс с генетической предрасположенностью к абсансэпилепсии. Были использованы долговременные записи электроэнцефалограмм, где выявлены характерные особенности частотновременной структуры сонных веретен – осцилляторных паттернов, являющихся электроэнцефалографическим коррелятом медленноволнового сна. Работа проведена с использованием непрерывного вейвлетного преобразования. Предварительно были протестированы несколько наиболее распространенных вейвлетных базисов, среди которых комплексный вейвлет Морле оказался наиболее эффективным для выявления частотновременных особенностей сонных веретен на электроэнцефалограммах. В дальнейшем вейвлет Морле был использован для создания системы автоматической диагностики сонных веретен на электроэнцефалограммах. В результате удалось выделить два типа сонных веретен, имеющих сходную временную динамику, но различающихся по частотному составу. Выявлена сложная динамика основной частоты колебаний в течение сонного веретена. На основании полученных данных предложен метод автоматической диагностики сонных веретен, основанный на расчете величин мгновенных энергий вейвлетного преобразования в двух частотных диапазонах, характерных для двух типов сонных веретен. Тестирование метода показало высокую точность автоматической диагностики исследуемых событий на электроэнцефалограммах. Данный подход может быть использован в рутинных исследованиях электроэнцефалограмм, связанных с выделением и классификацией различных осцилляторных паттернов.
1. Абарбанель Г.Д.И., Рабинович М.И., Селверстон А. и др. Синхронизация в нейронных ансамблях // Успехи физических наук. 1996. Т. 166. С. 363.
2. Mosekilde E., Maistrenko Yu., Postnov D.E. Chaotic synchronization, applications to living systems. Singapore: World Scientific. 2002.
3. Безручко Б.П., Пономаренко В.И., Прохоров и др. Моделирование и диагностика взаимодействия нелинейных колебательных систем по хаотическим временным рядам (приложения в нейрофизиологии) // Успехи физических наук. 2008. Т. 178. С. 323.
4. Некоркин В.И. Нелинейные колебания и волны в нейродинамике // Успехи физических наук. 2008. Т. 178. С. 313.
5. Steriade M., Deschenes M. The thalamus as a neuronal oscillator // Brain Res. Rev. 1984. Vol. 8. P. 1.
6. Destexhe A., Sejnowski T.J. Thalamocortical assemblies: How ion channels, single neurons and large-scale networks organize sleep oscillations. Oxford University Press, 2001.
7. Niedermeyer E., Silva F.L. Electroencephalography: Basic principles, clinical applications, and related fields. Lippincot Williams & Wilkins. 2004.
8. Nunez P.L., Srinivasan R. Electric fields of the brain: The neurophysics of EEG. Oxford University Press, 1981.
9. Kostopoulos G.K. Spike-and-wave discharges of absence seizures as a transformation of sleep spindles: the continuing development of a hypothesis // Clinical Neurophysiology. 2000. Vol. 111. Suppl 2. S27–38.
10. Holschneider M. Wavelets: An analysis tool. Oxford University Press, 1995.
11. Aldroubi A., Unser M. Wavelets in medicine and biology. CRC-Press, 1996.
12. Daubechies I. Orthonormal bases of compactly supported wavelets // Communications on Pure and Applied Mathematics. 1988. Vol. 41. P. 909.
13. Tass P.A. et al. Detection of n:m phase locking from noisy data: Application to magnetoencephalography // Phys. Rev. Lett. 1998. Vol. 81. P. 3291.
14. Tass P.A., Fieseler T., Dammers J. et al. Synchronization tomography: A method for three-dimensional localization of phase synchronized neuronal populations in the human brain using magnetoencephalography // Phys. Rev. Lett. 2003. Vol. 90, P. 088101.
15. Anishchenko V.S., Balanov A.G., Janson N.B. et al. Entrainment between heart rate and weak noninvasive forcing // Int. J. Bifurcation and Chaos. 2000. Vol. 10. P. 2339.
16. Prokhorov M.D., Ponomarenko V.I., Gridnev V.I. et al. Synchronization between main rhythmic processes in the human cardiovascular system // Phys. Rev. E. 2003. Vol. 68. P. 041913.
17. Hramov A.E., Koronovskii A.A., Ponomarenko V.I., Prokhorov M.D. Detecting synchronization of self-sustained oscillators by external driving with varying frequency // Phys. Rev. E. 2006. Vol. 73. P. 026208.
18. Короновский А.А., Пономаренко В.И., Прохоров М.Д., Храмов А.Е. Метод исследования синхронизации автоколебаний по унивариантным данным с использованием непрерывного вейвлетного анализа // ЖТФ. 2007. T. 77, No 9. С. 6.
19. Meinecke F.C., Ziehe A., Kurths J., Muller K.-R. ̈ Measuring phase synchronization of superimposed signals // Phys. Rev. Lett. 2005. Vol. 94. P. 084102.
20. Chavez M., Adam C., Navarro V. et al. On the intrinsic time scales involved in synchronization: A data-driven approach // Chaos. 2005. Vol. 15. P. 023904.
21. Velazquez J.L.P., Khosravani H., Lozano A. et al. Type III intermittency in human partial epilepsy // European Journal of Neuroscience. 1999. Vol. 11. P. 2571.
22. Короновский А.А., Кузнецова Г.Д., Мидзяновcкая И.С., Ситникова Е.Ю., Трубецков Д.И., Храмов А.Е. Закономерности перемежающегося поведения в спонтанной неконвульсивной судорожной активности у крыс // ДАН. 2006. T. 409. C. 274.
23. Hramov A.E., Koronovskii A.A., Midzyanovskaya I.S. et al. On–off intermittency in time series of spontaneous paroxysmal activity in rats with genetic absence epilepsy // Chaos. 2006. Vol. 16. P. 043111.
24. Sosnovtseva O.V., Pavlov A.N., Mosekilde E., Yip K.-P., Holstein-Rathlou N.-H., Marsh D.J. Synchronization among mechanisms of renal autoregulation is reduced in hypertensive rats // American Journal of Physiology (Renal Physiology). 2007. Vol. 293. P. F1545.
25. Sosnovtseva O.V., Pavlov A.N., Mosekilde E., Holstein-Rathlou N.-H. Synchronization phenomena in multimode dynamics of coupled nephrons // Известия вузов. Прикладная нелинейная динамика. 2003. T. 11, No3. C. 133.
26. Короновский А.А., Минюхин И.М., Тыщенко А.А., Храмов А.Е., Мидзяновская И.С., Ситникова Е.Ю., ван Луйтелаар Ж., ван Рижн С.М. Применение непрерывного вейвлет-преобразования для анализа перемежающегося поведения // Изв. вузов. Прикладная нелинейная динамика. 2007. T. 15, No4. C. 34.
27. Ovchinnikov A.A., Luttjohann A., Hramov A.E., van Luijtelaar G. An algorithm for real-time detection of spike-wave discharges in rodents // Journal of Neuroscience Methods. 2010. Vol. 194. P. 172.
28. Овчинников А.А., Храмов А.Е., Люттьеханн А., Короновский А.А., ван Луйтелаар Ж. Метод диагностики характерных паттернов на наблюдаемых временных рядах и его экспериментальная реализация в режиме реального времени применительно к нейрофизиологическим сигналам // ЖТФ. 2011. T. 81. C. 3.
29. Короновский А.А., Храмов А.Е. Непрерывный вейвлетный анализ и его приложения. М.: Физматлит, 2003.
30. Coenen A.M., van Luijtelaar E.L. Pharmacological dissociation of EEG and behavior: A basic problem in sleep-wake classification // Sleep. 1991. Vol. 14. P. 464.
31. Mallat S.G. Multiresolution approximations and wavelets orthonormal bases of 2 (R) // Trans. Amer. Soc. 1989. Vol. 315. P. 69. L
32. Paul T. Function analitic on half-plane as quantum mechanical states // J. Math. Phys. 1984. Vol. 24. P. 136.
33. Grossman A., Morlet J. Decomposition of hardly functions into square integrable wavelets of constant shape // SIAM J. Math. Anal. 1984. Vol. 15, No 4. P. 273.
34. Sitnikova E.Yu., Hramov A.E., Koronovskii A.A., van Luijtelaar G. Sleep spindles and spike–wave discharges in EEG: Their generic features, similarities and distinctions disclosed with Fourier transform and continuous wavelet analysis // Journal of Neuroscience Methods. 2009. Vol. 180. P. 304.
35. Sitnikova E., van Luijtelaar G. Cortical and thalamic coherence during spike-wave seizures in WAG/Rij rats // Epilepsy Res. 2006. Vol. 71. P. 159.
36. Абдуллаев Н.Т., Дышин О.А., Самедова Х.З. Автоматическая классификация электроэнцефалограмм на основе их вейвлет-пакетной обработки // Биомедицинская радиоэлектроника. 2009. No 6. C. 45.
37. Абдуллаев Н.Т., Дышин О.А., Самедова Х.З. Вейвлетная очистка электроэнцефалограмм от артефактов с адаптацией к их виду и динамике // Биомедицинская радиоэлектроника. 2009. No 12. C. 34.
38. Божокин С.В., Суворов Н.Б. Вейвлет-анализ переходных процессов электро-энцефалограммы при фотостимуляции // Биомедицинская радиоэлектроника. 2008. No 3. C. 85.
39. Pearson E.S., Neyman J. On the problem of two samples. Joint Statistical Papers, Cambridge University Press, Cambridge, 1967
40. Raiffa H. Decision analysis: Introductory lectures on choices under uncertainty. Addison-Wesley, Reading, 1968.
41. van Luijtelaar G., Hramov A.E., Sitnikova E.Yu., Koronovskii A.A. Spike-wave discharges in WAG/Rij rats are preceeded by delta and theta precursor activity in cortex and thalamus // Clinical Neurophysiology. 2011. Vol. 122. P. 687.
BibTeX
author = {Вадим Валерьевич Грубов and Алексей Александрович Овчинников and Евгения Юрьевна Ситникова and Алексей Александрович Короновский and Александр Евгеньевич Храмов},
title = {ВЕЙВЛЕТНЫЙ АНАЛИЗ СОННЫХ ВЕРЕТЕН НА ЭЭГ И РАЗРАБОТКА МЕТОДА ИХ АВТОМАТИЧЕСКОЙ ДИАГНОСТИКИ¤},
year = {2011},
journal = {Известия высших учебных заведений. Прикладная нелинейная динамика},
volume = {19},number = {4},
url = {https://old-andjournal.sgu.ru/ru/articles/veyvletnyy-analiz-sonnyh-vereten-na-eeg-i-razrabotka-metoda-ih-avtomaticheskoy-diagnostiki},
address = {Саратов},
language = {russian},
doi = {10.18500/0869-6632-2011-19-4-91-108},pages = {91--108},issn = {0869-6632},
keywords = {Непрерывное вейвлетное преобразование,ЭЭГ,эпилепсия,осцилляторный паттерн,сонные веретена,диагностика.},
abstract = {Проведен детальный вейвлетный анализ электрической активности головного мозга, зарегистрированной во время сна у крыс с генетической предрасположенностью к абсансэпилепсии. Были использованы долговременные записи электроэнцефалограмм, где выявлены характерные особенности частотновременной структуры сонных веретен – осцилляторных паттернов, являющихся электроэнцефалографическим коррелятом медленноволнового сна. Работа проведена с использованием непрерывного вейвлетного преобразования. Предварительно были протестированы несколько наиболее распространенных вейвлетных базисов, среди которых комплексный вейвлет Морле оказался наиболее эффективным для выявления частотновременных особенностей сонных веретен на электроэнцефалограммах. В дальнейшем вейвлет Морле был использован для создания системы автоматической диагностики сонных веретен на электроэнцефалограммах. В результате удалось выделить два типа сонных веретен, имеющих сходную временную динамику, но различающихся по частотному составу. Выявлена сложная динамика основной частоты колебаний в течение сонного веретена. На основании полученных данных предложен метод автоматической диагностики сонных веретен, основанный на расчете величин мгновенных энергий вейвлетного преобразования в двух частотных диапазонах, характерных для двух типов сонных веретен. Тестирование метода показало высокую точность автоматической диагностики исследуемых событий на электроэнцефалограммах. Данный подход может быть использован в рутинных исследованиях электроэнцефалограмм, связанных с выделением и классификацией различных осцилляторных паттернов. }}