Электроэнцефалографический комплекс НЕЙРОКОМ. ICA анализ ЭЭГ.

Разложение на независимые компоненты - принципиально новое, по сравнению с предыдущими версиями программы, решение, нашедшее самое широкое применение во всех наиболее значительных разделах программы - распознавание и коррекция артефактов, топографическое картирование, исследование ВП, пространственная локализация источников ЭЭГ активности.

ICA технология (Independent Component Analysis), была предложена и развита (Bell, Sejnowski, 1995; Cardoso, Laheld,1996; Lee, Girolami, 1999) как метод решения задачи Blind Source Separation (BSS), т.е. "слепого" разделения источников сигналов. Прилагательное "слепого" подчеркивает тот факт, что сигналы самих источников не наблюдаются, и что 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.

Ключевое допущение, используемое для решения задачи - статистическая независимость сигналов источников. Обращаем внимание, что в широко используемом методе PCA (Principal Component Analysis, Berg and Scherg, 1991) выдвигалось требование некоррелированности сигналов источников, т.е. технология ICA базируется на более строгом критерии - статистическая независимость, требующем, чтобы все, второго и более высокого порядка статистические моменты распределения, равнялись нулю.

Корректное использование ICA технологии для разделения ЭЭГ сигналов требует выполнения двух условий:

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 объеме мозга, малы.

Эти условия вполне приемлемы, хотя следует четко представлять, что они могут служить источником и некоторых ограничений:

поскольку реальное количество независимых источников ЭЭГ активности в каждом конкретном случае неизвестно, может сложиться ситуация, когда их количество будет больше, чем количество используемых отведений;

требование статистической независимости сигналов источников не может быть удовлетворено, если объем данных недостаточно велик, т.е., если анализируемый временной интервал недостаточно продолжителен, или, если в течение некоторых временных промежутков, топографическое распределение активности источников в имеющихся исходных данных всегда представлено неизменной относительной активностью какой-либо группы источников. В последнем случае ICA может выделить компонент, описывающий их совместную активность, плюс отдельные компоненты, описывающие их активность в период соло-активности;

по-видимому, при достаточно длительных анализируемых временных интервалах, требование пространственной фиксированности положения источников ЭЭГ активности реально может не выполняться.

Интересной особенностью ICA технологии является то, что ее с успехом можно применять и для фильтрации, т.е., для выделения, интересующих сигналов, и для режекции, т.е., для подавления, мешающих, артефактных составляющих. Поэтому, с этой точки зрения, интересующим ЭЭГ феноменом может быть как действительно интересующий нас феномен, так и артефакт, который мы хотим выделить для последующей его режекции.

Следующие скриншоты показывают этапы выполнения ICA разложения (кликните на нужном для увеличения):

1. Выделенный временной участок ЭЭГ сигнала.

2. Вызов окна обработки ICA и проведение декомпозиции.

3. Результат декомпозиции (независимые компоненты).

4. Проведение композиции по выделенным компонентам.

5. Результат композиции.

Итак, ICA технология позволяет решить задачу разложения ЭЭГ сигналов на составляющие отдельных, независимых источников электрической активности - электрической активности мозга, активности источников физиологических артефактов, источников электродных артефактов, что открывает прекрасные возможности дальнейшей работы с ними, связанные с их выделением, подавлением, топографическим картированием, пространственной локализацией и т.д.

<<... Карты

...>> Гипервентиляция