Компьютерные электроэнцефалографы вчера и сегодня. Компьютерные ЭЭГ комплексы достаточно широко используются уже более 15 лет, но, к сожалению, и сегодня нельзя сказать, что они позволили решить большинство проблем, возникающих при исследовании электрической активности мозга. Более того, совсем не сложно пересчитать направления, где их использование действительно позволило получить существенные преимущества перед чернильно-пишущими приборами. Прежде всего, компьютерные комплексы позволили взглянуть на одни и те же ЭЭГ данные, представленные в различных системах отведений, т.е., позволили несколько продвинуться в решении проблемы референтного электрода, хотя сама проблема так и осталась не решенной. Далее, возможность применения цифровой фильтрации и спектрального анализа способствовала объективизации оценки параметров ЭЭГ сигналов, позволила получать более объективную информацию о средних амплитудах сигналов тех или иных диапазонов частот, точнее выделять доминирующие ритмы. Можно надеяться, что со временем это приведет к формированию более точных должных значений этих параметров, т.е. к совершенствованию системы норм в электроэнцефалографии. Компьютерные комплексы позволили предпринять первые попытки пространственной локализации источников ЭЭГ активности, правда, на сегодняшний день, еще с очень значительными ограничениями. Безусловно, благодаря появившейся возможности программной реализации когерентного накопления, компьютерные комплексы существенно упростили исследование вызванных потенциалов. Следует остановиться и на топографическом картировании. Действительно, топографическое картирование существенно облегчило восприятие информации, связанной с исследованием законов распределения по скальпу некоторых параметров ЭЭГ сигналов, например, средней мощности в какой-то полосе частот, облегчило наблюдение за изменением этих параметров во времени. Однако, при некотором опыте, распределение средней мощности сигналов видно и непосредственно из регистрируемых данных. Что же касается построения карт распределения других параметров сигналов, то это, как показывает опыт, следует делать с осторожностью. Например, потенциальные карты часто оказываются крайне неустойчивыми, поскольку текущее распределение потенциалов есть результат интерференции сигналов многих источников электрической активности мозга, и при отсутствии одного, явно выраженного доминирующего источника, этот результат носит в значительной степени случайный характер. Можно остановиться на расчетах множества других дополнительных параметров и зависимостей, которые стали возможны благодаря использованию компьютеров, например, расчете таблиц коэффициентов корреляции сигналов ЭЭГ отведений, отображении т.н. сжатых спектральных областей, графиков плотности вероятности распределения амплитуд сигналов отведений, и ряда других достаточно сложных функциональных зависимостей. Однако далеко не все эти графики и зависимости могут дать ощутимый результат на практике. Наконец, следует отметить, что компьютерные комплексы позволили существенно уменьшить количество бумаги, в огромных количествах используемой в чернильно-пишущих приборах. Пожалуй, из существенных достижений и все! К сожалению, не менее продолжителен список все еще не решенных, но весьма существенных проблем. Задача борьбы с электродными, физиологическими и, тем более, синхронными со стимулами артефактами все еще не нашла решения. Ведь вряд ли можно назвать решением, существующий сегодня способ физического вырезания артефактных временных участков (да еще непосредственно в процессе записи ЭЭГ), когда из-за артефакта в одном канале удаляется весь временной участок записи, когда, устраняя один артефакт, мы сами создаем новый, в месте стыковки оставшихся участков ЭЭГ. Не решена проблема референтного электрода, поскольку манипуляции с различными системами отведений занимают массу времени и совершенно не гарантируют получение истинного решения. До сих пор традиционные компьютерные комплексы принципиально не позволяют выделять интересующие нас ЭЭГ феномены, определять их спектральный состав, измерять их амплитудные и временные параметры, проводить пространственную локализацию их источников. Поскольку наблюдаемые сигналы ЭЭГ отведений являются комбинациями сигналов многих пространственно разнесенных в структурах мозга источников, интересующие нас феномены, генерируемые определенными источниками, всегда регистрируются на фоне сигналов других источников, и их обнаружение и последующая обработка связаны со значительными трудностями, особенно, если феномены малоамплитудны. Попытки использования частотной фильтрации феноменов, обычно, не приводят к существенному улучшению ситуации, поскольку, практически всегда, частотные диапазоны феноменов и фоновой активности перекрываются. Использование алгоритмов выделения феноменов, основанных на некоторой априорной информации о них, также мало эффективно, поскольку, в лучшем случае, позволяет выделить лишь какой-то узкий класс феноменов, к тому же, в значительной степени искаженных фоновой активностью. Столь же серьезные трудности возникают и на этапе последующего анализа феноменов. Фоновая активность не позволяет провести качественный анализ спектрального состава феномена, т.к. преобразование Фурье выполняется для смеси полезного сигнала и фоновой активности. Мала эффективность использования мощностных топографических карт для локализации источников феноменов, поскольку подобная методика имеет смысл только лишь для достаточно высокоамплитудных феноменов, когда их энергия в выбранных временном и частотном диапазонах существенно больше суммарной энергии фона. В силу чрезвычайно низкой помехоустойчивости потенциальных карт, их использование для локализации феноменов, без предварительной обработки “сырой” ЭЭГ, также бессмысленно. И уж вовсе непреодолимые трудности возникают в существующих программах анализа ЭЭГ данных, при попытке проведения пространственной локализации источников отдельных феноменов с помощью ЭЭГ томографов. Практически во всех существующих сегодня программах анализа такая задача даже и не ставится. В лучшем случае, исследователю предоставляется возможность пространственной локализации лишь одного обобщенного виртуального источника, являющегося энергетическим эквивалентом всей наблюдаемой активности, в выбранных временном и частотном диапазонах. Несмотря на то, что возможность работы с ВП является бесспорным достоинством компьютерных комплексов, и здесь, к сожалению, остается масса проблем, связанных с повышением качества когерентного накопления при малых длительностях записи, устранением влияния синхронных со стимулами артефактов, разделением сигналов ВП на составляющие, генерируемые отдельными структурами мозга и т.д. Таков, к сожалению, не очень утешительный итог анализа нынешнего состояния компьютерных ЭЭГ комплексов, построенных по традиционной идеологии. Однако при более внимательном рассмотрении оказывается, что весь этот комплекс до сих пор не решенных проблем имеет общий фундамент – задача Blind Source Separation, точнее - отсутствие ее решения, невозможность разложения наблюдаемых ЭЭГ сигналов на сигналы отдельных источников электрической активности мозга. Безусловно, это наблюдение не есть наше открытие. На протяжении последних нескольких десятков лет, понимая важность этой задачи, более или менее успешные попытки ее решения предпринимались различными исследователями, но только в конце 90-ых годов рядом авторов (Bell, Sejnowski, 1995; Cardoso, Laheld,1996; Lee, Girolami, 1999) был предложен действительно эффективный способ - использование технологии Independent Component Analysis (ICA). Корректное использование ICA технологии для выделения сигналов отдельных источников электрической активности мозга потребовало выполнения всего лишь двух основных условий, являющихся вполне приемлемыми для используемых сегодня моделей источников ЭЭГ активности и структур мозга: ЭЭГ данные, регистрируемые поверхностными скальповыми электродами, есть линейная смесь сигналов независимых, пространственно фиксированных, разделенных или перекрывающихся источников, количество которых не превосходит количества используемых отведений; временные задержки, возникающие при распространении сигналов в структурах мозга, малы. Задача решается в условиях, когда сигналы самих источников неизвестны, и нет никакой априорной информации о законах смешивания сигналов источников в реально наблюдаемых сигналах, кроме того, что реально наблюдаемые сигналы есть линейная смесь сигналов источников, а сами источники – независимы.

...>> Вперед

E-mail : info@xai-medica.com | Tel/fax (+38 057) 719-04-78, 719-91-88, 315-11-86

Copyright © Medic@XAI, 2007. Национальный аэрокосмический университет "ХАИ", Харьков, Украина

Webmaster