Фундаментальные исследования работы мозга

Изучению могут подлежать не сами стационарные сегменты, а моменты перехода от одного сегмента к другому, т.е. моменты резких изменений характеристик ЭЭГ. Эти моменты могут отражать реакции ЭЭГ на "переключения” различных систем мозга из одного микросостояния в другое. Исследуя же синхронность таких переключений в различных отделах коры больших полушарий с помощью анализа совпадений во времени моментов изменений в различных отведениях ЭЭГ, можно получать информацию о пространственно-временной организации различных процессов, идущих в мозге.

Для оценки кооперативности работы различных участков коры подавляющее большинство исследователей в настоящее время использует когерентный анализ. Оценки когерентности весьма чувствительны к различным сдвигам функционального состояния человека, к когнитивным нагрузкам, к индивидуально-типологическим особенностям, к патологическим сдвигам в работе мозга и к медикаментозной терапии. Однако когерентный анализ оценивает лишь линейную статистическую связь динамики биопотенциалов исследуемых областей в частотной области, которая отнюдь не тождественна их функциональной связанности.

Отличием подхода изучения синхронности резких изменений ЭЭГ является предварительное выделение из ЭЭГ информации о функционально важных "событиях”, синхронность которых затем оценивается. В качестве индикаторов этих "событий" удобно использовать резкие изменения характеристик ЭЭГ. Резкое изменение может быть представлено единственной точкой на временной оси, и это позволяет эффективно анализировать синхронность изменений динамики потенциалов в пространственно удаленных друг от друга участках коры [10].

Постановка задачи

Целью данной работы является разработка и реализация программного модуля автоматической сегментации ЭЭГ записи на стационарные участки для дальнейшего применения результатов сегментации в системах автоматической классификации стадий сна человека.

В качестве исходных данных используется 8-10 часовая запись ЭЭГ, полученная во время сна пациента. Для сегментации будут использоваться данные одного из каналов ЭЭГ.

Сегментация будет производиться на основе двух методов: непараметрической сегментации и метода фрактальной размерности. Будет произведена сравнительная оценка работы данных методов.

Метод непараметрической сегментации основан на поиске резких разладок в нестационарной последовательности.

Метод фрактальной размерности основан на нахождении коэффициента, характеризующего сложность нестационарной последовательности.

Используемый инструментарий: среда разработки Microsoft Visual Studio 2003.net с использованием библиотеки MFC.

Математический аппарат