Построение гипнограммы

Теперь построим гипнограммы для полученных сегментированных ЭЭГ записей. Для этого для найденных сегментов находим фрактальную размерность и определяем каждому сегменту стадию сна в соответствие с найденными средними значениями размерности. Результаты будем оценивать по таблицам совпадения вероятностей.

Пример 1. Результаты классификации отображены на рисунке 25. Процент совпадений стадий составил 80%. На рисунке ясно видно, что гипнограммы имеют сходную структуру. Если не учитывать стадию бодрствования (рис.26) точность снижается до 63%. Результаты схожи с результатами классификации по сегментации с помощью фрактальной размерности.

Рисунок 25. Верхняя гипнограмма построена по средним значениям фрактальной размерности. Нижняя построена экспертом. Точность 80%

Рисунок 26. Верхняя гипнограмма построена по средним значениям фрактальной размерности. Нижняя построена экспертом. Точность 63%

Табл.7. Процент совпадений по стадиям

Комп. Эксп.	Бодр.	Ст.1	Ст.2	Ст.3	Ст.4	ФБС
Бодр.	93,1	2,7	1,7	0,2	0,1	2,2
Ст.1	1,8	4	58	12,3	1	22,8
Ст.2	0,4	1,2	39,5	46,8	9,7	2,4
Ст.3	0,2	0,7	5,5	32,2	60,5	0,9
Ст.4	0,1	0,1	0,6	4,2	94,7	0,1
ФБС	0,9	14,4	48,7	5,2	0,2	30,5

Проценты совпадений по стадиям приведены в таблице 7. Большой процент совпадений у стадии бодрствования и 4 стадии.

Рисунок 27. Верхняя гипнограмма построена по средним значениям фрактальной размерности. Нижняя построена экспертом. Точность 79%

Пример 2. Результаты классификации отображены на рисунке 28. Общий процент совпадений составил 79%. Если не учитывать стадию бодрствования процент совпадений снижается до 61% (рис.28).

Рисунок 28. Верхняя гипнограмма построена по средним значениям фрактальной размерности. Нижняя построена экспертом. Точность 61%

Проценты совпадений по стадиям приведены в таблице 8. В данном случае хорошо определилась стадия бодрствования и фаза быстрого сна. По-прежнему происходит путаница при разделении стадий фазы медленного сна.

Табл.8. Процент совпадений по стадиям

Комп. Эксп.	Бодр.	Ст.1	Ст.2	Ст.3	Ст.4	ФБС
Бодр.	97,4	1,5	0,3	0,3	0,1	0,4
Ст.1	16,9	25	21	5,4	1,5	29,6
Ст.2	2,4	4,5	36,4	35,2	7,6	13,8
Ст.3	0,1	0,1	1,6	59,5	38,3	0,2
Ст.4	0	0	0,8	39,8	59,4	0
ФБС	1,7	4,1	18	2	0,2	73,8

Выводы

В результате работы был создан программный модуль, позволяющий производить автоматическую сегментацию ЭЭГ записи на стационарные участки с помощью метода фрактальной размерности и метода непараметрической сегментации.

Данные методы сегментации дали похожие результаты. Однако, плюсом метода непараметрической сегментации является его гибкость, он дает более широкие возможности для исследований, позволяя задавать вероятность, с которой будут найдены точки нестационарности. Плюсом метода фрактальной размерности является его быстродействие - сегментация 24-х часовой записи с частотой 100 Гц занимает менее 1 минуты, в то время как метод непараметрической сегментации требует 7-8 минут.

Была продемонстрирована неэффективность применения спектрального анализа к нестационарному сегменту. Фурье преобразование стационарного участка правильно выделало основные частоты, соответствующие текущей стадии сна. Результаты сегментации показали, что средняя длина стационарных сегментов не превышает 5 секунд, а количество таких сегментов составляет до 90%, что подтверждает литературные данные.

Также в результате работы была показана возможность применения метода фрактальной размерности для классификации ЭЭГ записи на стадии сна. Процент совпадений полученной гипнограммы и гипнограммы эксперта составил 80%. Одной из причин несовпадений результатов может являться субъективная оценка эксперта, незначительные и кратковременные изменения могли быть усреднены человеком, в то время как компьютер обрабатывает все изменения. Данный метод классификации может служить альтернативой применения нейросетевых классификаторов, так как занимает гораздо меньше времени, с его помощью можно судить о циклах стадий сна, а также о наличии конкретных стадий.

Список литературы

1. Гнездицский В.В. Обратная задача ЭЭГ и клиническая энцефалография. ТРТУ 2000

2. Гнездицкий В.В. Вызванные потенциалы мозга в клинической практике. Таганрог: Издательство ТРТУ, 1997

3. Жирмунская Е.А. Клиническая электроэнцефалография, М., МЭЙБИ, 1991

4. Егорова И.С. Электроэнцефалография. - М.: Медицина, 1973

5. Зенков Л.Р., Ронкин М.А. Функциональная диагностика нервных болезней: (Руководство для врачей). М.: Медицина, 1982

6. A. Kaplan, J. Roschke, B. Darkhovsky, J. Fell. Macrostructural EEG characterization based on nonparametric change point segmentation: application to sleep analysis. Journal of Neuroscience Methods (2001)

7. McEwen J. A., Anderson G. B. Modeling the stationary and gaussianity of spontaneous electroencephalographic activity. IEEG Transactions on Biomed. Engineering. 1975

8. Rechtschaffen A., Kales A. A. A Manual of Standardized Terminology, Techniques and Scoring System for Sleep Stages of Human Subjects. Washington DC: U. S.government Print. Office, Nat. Inst. Help Publ., 1968

9. Каплан А.Я. Проблема сегментного описания электроэнцефалограммы человека. Физиология человека, 1999, том 25, №1

10. Шишкин С.Л. Исследование синхронности моментов резких изменений альфа-активности ЭЭГ человека. Москва, 1997

11. Barlow J. S. Methods of analysis of nonstationary EEGs, with emphasis on segmentation techniques: a comparative review. J. Clin. Neurophysiol. 1985.

12. Jansen B. H., Hasman A., Lenten R. Piece-wise EEG analysis: an objective evaluation. Internet J. Bio-Med.comput. 1981.

13. Bodenstein G., Praetorius H. M. Feature extraction from the electroencephalogram by adaptive segmentation Proc. IEEE. 1977. V.65.

14. Biscay R., Lavielle L., Gonzalez A., et al. Maximum a posteriori estimation of change points in the EEG. Int. J. of Biomed.computing. 1995. V.38.

15. Бродский Б.Е., Дарховский Б.С., Каплан А.Я. и др. Непараметрическая сегментация электрических сигналов мозга. Автоматика и телемеханика. 1998. №2.

16. Шишкин СЛ., Бродский Б.Е., Дарховский Б. С, Каплан А.Я. ЭЭГ как нестационарный сигнал: под ход к анализу на основе непараметрической статистики. Физиология человека. 1997. Т.23. № 4.

17. Higuchi T. Relationship between the fractal dimension and the power law index for a time series: a numerical investigation. Physica D 46.1990.

18. Higuchi T. Approach to an irregular time series on the basis of a fractal theory. Physica D 31.1988.

19. Brodsky B. E., Darkhovsky B. S. Nonparametric methods in change-point problems. Kluwer Academic Publishers, 1993.

Сокращения

мВ - милливольт

мкВ - микровольт

ЭЭГ - электроэнцефалограмма

ЭМГ - электромиограмма

ЭОГ - электроокулограмма

ЭКГ - электрокардиограмма

ЦНС - центральная нервная система

НКИ - нейрокомпьютерный интерфейс