RU2781622C1 - Способ обнаружения незрелых разрядов при эпилепсии у лабораторных крыс с помощью анализа всплескообразной электрической активности мозга - Google Patents
Способ обнаружения незрелых разрядов при эпилепсии у лабораторных крыс с помощью анализа всплескообразной электрической активности мозга Download PDFInfo
- Publication number
- RU2781622C1 RU2781622C1 RU2022115970A RU2022115970A RU2781622C1 RU 2781622 C1 RU2781622 C1 RU 2781622C1 RU 2022115970 A RU2022115970 A RU 2022115970A RU 2022115970 A RU2022115970 A RU 2022115970A RU 2781622 C1 RU2781622 C1 RU 2781622C1
- Authority
- RU
- Russia
- Prior art keywords
- eeg
- immature
- epilepsy
- wavelet
- discharges
- Prior art date
Links
- 241000700159 Rattus Species 0.000 title claims abstract description 33
- 206010015037 Epilepsy Diseases 0.000 title claims abstract description 23
- 230000000694 effects Effects 0.000 title abstract description 8
- 238000004458 analytical method Methods 0.000 title abstract description 6
- 210000004556 Brain Anatomy 0.000 title abstract description 5
- 241000960310 Spergula Species 0.000 title 1
- 210000003625 Skull Anatomy 0.000 claims abstract description 19
- 230000001037 epileptic Effects 0.000 claims abstract description 15
- 230000000875 corresponding Effects 0.000 claims abstract description 12
- 210000003710 Cerebral Cortex Anatomy 0.000 claims abstract description 9
- 210000001638 Cerebellum Anatomy 0.000 claims abstract description 5
- 230000003595 spectral Effects 0.000 claims description 8
- 230000003044 adaptive Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 7
- 230000035945 sensitivity Effects 0.000 abstract description 7
- 239000003814 drug Substances 0.000 abstract description 5
- 238000010171 animal model Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 229940079593 drugs Drugs 0.000 abstract description 2
- 230000000144 pharmacologic effect Effects 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- 230000035939 shock Effects 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 6
- 230000002068 genetic Effects 0.000 description 4
- 229910001220 stainless steel Inorganic materials 0.000 description 4
- 239000010935 stainless steel Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000002513 implantation Methods 0.000 description 3
- 208000003554 Absence Epilepsy Diseases 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 2
- 239000010432 diamond Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000035533 AUC Effects 0.000 description 1
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 229960002327 Chloral Hydrate Drugs 0.000 description 1
- RNFNDJAIBTYOQL-UHFFFAOYSA-N Chloral hydrate Chemical compound OC(O)C(Cl)(Cl)Cl RNFNDJAIBTYOQL-UHFFFAOYSA-N 0.000 description 1
- 210000004714 Cranial Sutures Anatomy 0.000 description 1
- 206010061536 Parkinson's disease Diseases 0.000 description 1
- 229920005372 Plexiglas® Polymers 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001787 epileptiform Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 238000009114 investigational therapy Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000877 morphologic Effects 0.000 description 1
- 230000001537 neural Effects 0.000 description 1
- 239000004926 polymethyl methacrylate Substances 0.000 description 1
- 230000002980 postoperative Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000035812 respiration Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000005476 soldering Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Abstract
Изобретение относится к медицине и цифровой обработке сигналов и может быть использовано в биомедицинских исследованиях, основанных на животных моделях эпилептических процессов, в том числе исследованиях, связанных с ранней диагностикой эпилепсии и воздействием фармакологических препаратов на эпилептические процессы. Способ обнаружения незрелых разрядов при эпилепсии у лабораторных крыс включает вживление электродов в череп крысы и регистрацию электроэнцефалограммы (ЭЭГ) с вживленных электродов. Основной электрод вживляют в левую часть кости черепа над фронтальной областью коры мозга крысы, а референтный электрод – в кость черепа, расположенную над мозжечком. Зарегистрированный ЭЭГ-сигнал разделяют на фрагменты по времени. Определяют вейвлет-спектрограммы фрагментов ЭЭГ-сигнала с выделением локальных максимумов, характеризующих всплески вейвлет-спектрограмм. Определяют параметры всплесков. Определяют количество всплесков в секунду, параметры которых соответствуют диапазонам, заранее определенным по данным крыс с подтвержденной эпилепсией. Для каждого фрагмента ЭЭГ-сигнала вычисляют значение коэффициентов С1 и С2, которые сравнивают с пороговыми значениями Т1 и T2 соответственно. Если оба коэффициента одновременно меньше пороговых значений, классифицируют соответствующий фрагмент ЭЭГ-сигнала как незрелый разряд. Достигается быстрое и точное обнаружение незрелых разрядов у лабораторных крыс с помощью анализа всплескообразной электрической активности мозга с высокой специфичностью и чувствительностью распознавания незрелых разрядов, исключая из процесса анализа экспериментальных данных операции, зависящие от мнения эксперта, что способствует стандартизации биомедицинских исследований. 3 з.п. ф-лы, 7 ил., 1 пр., 2 табл.
Description
Изобретение относится к медицине и цифровой обработке сигналов и может быть использовано в биомедицинских исследованиях, основанных на животных моделях эпилептических процессов, в том числе, исследованиях, связанных с ранней диагностикой эпилепсии и воздействием фармакологических препаратов на эпилептические процессы.
Животные модели широко используются в исследованиях эпилепсии. Незрелые разряды являются особой формой эпилептических разрядов, наблюдаемых на ранних стадиях эпилепсии [Sarkisova K.Y., Gabova A.V. Maternal care exerts disease-modifying effects on genetic absence epilepsy and comorbid depression // Genes, Brain and Behavior. - 2018. - V. 17, No. 7. - P. e12477.]. Незрелые разряды характеризуются нечетко выраженной формой электроэнцефалографических сигналов (ЭЭГ) по сравнению с ЭЭГ-сигналами, характерными для обычных (зрелых) эпилептических разрядов. В связи с этим, выявление незрелых разрядов на ЭЭГ представляет собой нетривиальную задачу и, как правило, осуществляется вручную экспертом.
Известен способ обнаружения эпилептиформных разрядов в длительной записи ЭЭГ [RU2747712, ООО «СберМедИИ», 13.05.2021], основанный на вейвлетах и деревьях решений. С помощью вейвлетов из ЭЭГ-сигнала извлекают информацию о величине локальных экстремумов ЭЭГ-сигнала, расстояниях между локальными экстремумами, а также параметрах ЭЭГ-сигнала в окне 0,05 секунд вокруг локального экстремума, а именно, максимальной амплитуде ЭЭГ-сигнала, среднеквадратичном отклонении производной ЭЭГ-сигнала и модуле разности усредненной производной сигнала слева и справа от локального экстремума. Данный метод ориентирован на поиск эпилептических спайков, и, таким образом, не учитывает особенности незрелых разрядов, а также необходимость различения незрелых разрядов и сонных веретен.
Известен способ диагностики эпилепсии, основанный на анализе спектров ЭЭГ, параметров сердечного ритма и дыхания с помощью нейронной сети [RU2637300, ГБОУ ВПО «Рязанский государственный медицинский университет имени академика И.П. Павлова», 01.12.2017]. Данный способ не предназначен для обнаружения отдельных эпилептических разрядов в сигналах ЭЭГ.
Известен способ обнаружения эпилептических разрядов в ЭЭГ, основанный на вейвлетах [US10835131 B2, Flint Hills Scientific LLC, 17.11.2020]. Вычисляют модуль вей влет-спектра и сравнивают с пороговыми значениями, характеризующими начало и конец эпилептического разряда. Данный метод не учитывает особенности незрелых разрядов, а именно, тот факт, что сравнение модуля вей влет-спектра незрелых разрядов и сонных веретен не позволяет отличить эти сигналы с приемлемой точностью. Какие-либо оценки точности данного способа отсутствуют.
Известен способ выделения веретеноподобных паттернов в ЭЭГ, основанный на вейвлетах и пороге с гистерезисом [RU2565993, ФГБОУ ВПО «Саратовский государственный технический университет имени Гагарина Ю.А.», 20.10.2015]. С помощью вейвлетов определяют спектральную плотность мощности (СПМ) в диапазонах частот 5-9 Гц и 9-16 Гц, осуществляют усреднение СПМ во временном окне 1-1,5 секунд, усредненную СПМ сравнивают с пороговой величиной с гистерезисом. Данный метод не учитывает особенности незрелых разрядов, а именно, тот факт, что сравнение частотных характеристик незрелых разрядов и сонных веретен не позволяет отличить эти сигналы с приемлемой точностью. Какие-либо оценки точности данного способа отсутствуют.
Известен метод вычисления материнской функции вейвлетов для обнаружения эпилептических разрядов [US11123018 B2, Najafabad Branch Islamic Azad University, 21.09.2021]. На основе набора образцов ЭЭГ-сигналов вычисляют материнскую функцию вейвлета, подходящего для обнаружения и предсказания эпилептических разрядов. Метод не включает способы различения эпилептических разрядов и сонных веретен. Метод не предназначен для выявления незрелых разрядов, характеризуемых нерегулярной структурой ЭЭГ-сигнала.
Известен способ анализа двунаправленных связей между электродами в данных многоканальной ЭЭГ, предназначенный для исследования работы коры мозга пациента во время эпилептических разрядов [CN112244870 В, Hangzhou Dianzi University, 22.02.2022]. Сигналы ЭЭГ анализируют с помощью вейвлетов Добеши, оценивают степень связанности каналов ЭЭГ. Метод не предназначен для выделения незрелых разрядов.
Наиболее близким к патентуемому является способ обнаружения незрелых разрядов [Габова А.В., Саркисова К.Ю., Федосова Е.А., Шацкова А.Б., Морозов А.А. Возрастные изменения пик-волновых разрядов у крыс линии WAG/Rij с генетической абсансной эпилепсией // Российский физиологический журнал им. И.М. Сеченова. - 2018. Т. 104, №10. - С. 1176-1189. - Прототип.]. Способ включает вживление электродов в череп крысы, запись ЭЭГ-сигналов с вживленных электродов, вычисление спектров и вейвлет-спектрограмм ЭЭГ-сигналов и их экспертную оценку. В качестве критериев наличия незрелых разрядов используют морфологические особенности ЭЭГ-сигнала, высоту и форму пика на спектре ЭЭГ-сигнала на частоте 7,5 Гц, наличие второго пика на спектре ЭЭГ-сигнала на частоте 10,5 Гц. Недостатком способа является его высокая трудоемкость, а также зависимость результатов от мнения эксперта, что усложняет сравнение результатов экспериментов, проведенных разными исследовательскими группами.
Патентуемое изобретение направлено на быстрое и точное обнаружение незрелых разрядов у лабораторных крыс с помощью анализа всплескообразной электрической активности мозга.
Способ обнаружения незрелых разрядов при эпилепсии у лабораторных крыс включает вживление электродов в череп крысы, регистрацию ЭЭГ с вживленных электродов, вычисление вейвлет-спектрограмм ЭЭГ-сигналов, вычисление параметров локальных максимумов (всплесков) на вейвлет-спектрограммах, подсчет количества всплесков с заданными в таблице параметрами, вычисление коэффициентов на основе количества всплесков и сравнение вычисленных коэффициентов с известными заранее пороговыми значениями.
Отличие состоит в следующем:
вживляют основной электрод в форме хирургического винта из нержавеющей стали на глубину 2 мм в левую часть кости черепа над фронтальной областью коры мозга крысы;
вживляют референтный электрод в форме хирургического винта из нержавеющей стали на глубину 2 мм в кость черепа, расположенную над мозжечком;
проводят запись ЭЭГ-сигнала с основного вживленного электрода; далее проводят обработку сигналов: разделяют ЭЭГ-сигнал на фрагменты;
вычисляют вейвлет-спектрограммы фрагментов ЭЭГ-сигнала;
вычисляют локальные максимумы (всплески) вейвлет-спектрограмм фрагментов ЭЭГ-сигнала;
вычисляют параметры всплесков, а именно, центральную частоту, максимальную спектральную плотность мощности, длительность на высоте 1/sqrt(2) в секундах, длительность на высоте 1/sqrt(2) в периодах, ширину полосы частот на высоте 1/sqrt(2), мгновенную фазу;
вычисляют количество всплесков в секунду в каждом фрагменте ЭЭГ-сигнала, параметры которых соответствуют диапазонам, заранее определенным по данным крыс с подтвержденной эпилепсией;
для каждого фрагмента ЭЭГ-сигнала вычисляют значение коэффициентов С1 и С2 по формулам:
С1=1+Q1×A1+Q2×A2,
С2=1+R1×B1+R2×B2,
где Qn и Rn - количество всплесков в единицу времени, параметры которых соответствуют диапазону n, заранее определенному по данным крыс с подтвержденной эпилепсией, An и Bn - значения коэффициентов, заранее определенных по данным крыс с подтвержденной эпилепсией, соответствующих диапазону n;
коэффициент С1 сравнивают с пороговым значением T1, заранее определенным по данным крыс с подтвержденной эпилепсией и равным 1,098;
коэффициент С2 сравнивают с пороговым значением T2, заранее определенным по данным крыс с подтвержденной эпилепсией и равным 67,0742;
и при одновременном выполнении следующих условий: значение коэффициента С1 меньше порогового значения Т1, а значение коэффициента С2 меньше порогового значения Т2,
классифицируют соответствующий фрагмент ЭЭГ-сигнала как незрелый разряд.
При вычислении вейвлет-спектрограмм фрагментов ЭЭГ используют комплексный вейвлет Морле. Для сглаживания вейвлет-спектрограмм фрагментов ЭЭГ используют адаптивное двумерное гауссово окно.
При вычислении мгновенной фазы всплеска используют четырехквадрантный арктангенс от мнимой и действительной частей комплексного значения вейвлет-спектрограммы фрагмента ЭЭГ.
Технический результат - обеспечение высокой специфичности и чувствительности распознавания незрелых разрядов; исключение из процесса анализа экспериментальных данных операций, зависящих от мнения эксперта, что способствует стандартизации биомедицинских исследований.
Способ осуществляют следующим образом:
1. Проводят операцию по вживлению электродов для записи ЭЭГ у анестезированного животного на стереотаксическом приборе. Используют электроды в форме хирургического винта из нержавеющей стали длиной 3 мм. Вживление электродов осуществляют на глубину 2 мм. Вживление основного электрода осуществляют в левую часть кости черепа над фронтальной областью коры мозга животного. Вживление референтного электрода осуществляют в кость черепа, расположенную над мозжечком.
2. Проводят запись ЭЭГ-сигнала с основного вживленного электрода.
3. Разделяют ЭЭГ-сигнал на фрагменты. Разделение ЭЭГ-сигнала на фрагменты осуществляют вручную или автоматически, с помощью методов сегментации сигналов или временного окна, перемещаемого по ЭЭГ-сигналу. Используют временное окно с перекрытием или без перекрытия. Минимальная длина фрагмента ЭЭГ составляет 1 секунду.
4. Вычисляют вейвлет-спектрограммы фрагментов ЭЭГ-сигнала. Для вычисления вейвлет-спектрограмм могут использоваться различные комплексные вейвлеты, однако предпочтительным является комплексный вейвлет Морле.
5. Вейвлет-спектрограмму сглаживают для удаления вычислительных артефактов. Могут быть использованы различные способы сглаживания, однако предпочтительным является использование адаптивного двумерного гауссового окна.
6. Выделяют всплески и вычисляют их параметры: центральную частоту, максимальную спектральную плотность мощности, длительность на высоте 1/sqrt(2) в секундах, длительность на высоте 1/sqrt(2) в периодах, ширину полосы частот на высоте 1/sqrt(2), мгновенную фазу. Для обнаружения всплесков используют локальные максимумы на вейвлет-спектрограммах. Для вычисления мгновенной фазы всплеска используют четырехквадрантный арктангенс от мнимой и действительной частей комплексного значения вейвлет-спектрограммы.
7. В каждом фрагменте ЭЭГ-сигнала вычисляют количество всплесков в секунду, параметры которых соответствуют условиям, заданным в таблице 1. Первый столбец таблицы соответствует названию параметра всплеска (центральная частота, максимальная спектральная плотность мощности, длительность в секундах, длительность в периодах, ширина полосы частот, мгновенная фаза). Второй столбец таблицы - единицы измерения этих параметров всплеска. Столбцы таблицы с 3 по 6 содержат интервалы значений параметров всплеска. Столбцы таблицы с 3 по 4 соответствуют процедуре различения незрелых разрядов и сонных веретен. Столбцы таблицы с 5 по 6 соответствуют процедуре различения незрелых разрядов и образцов фоновой ЭЭГ. Значения параметров заранее вычисляют с помощью двумерных AUC-диаграмм по аналогу [Sushkova O.S., Morozov А.А., Gabova A.V., Karabanov A.V., Illarioshkin S.N. A statistical method for exploratory data analysis based on 2D and 3D area under curve diagrams: Parkinson's disease investigation // Sensors / Ernest N. Kamavuako (Ed.). - MDPI, 2021. -V. 21, Issue 14. - P. 4700.].
8. Для каждого фрагмента ЭЭГ-сигнала вычисляют значения коэффициентов С1 и С2 по количеству всплесков в разных диапазонах. Для вычисления значений коэффициентов С1 и С2 используют 2 вспомогательных коэффициента An и Bn, приведенные в таблице 2, n - номер строки в таблице (n=1…2):
С1=1+Q1×A1+Q2×A2,
С2=1+R1×B1+R2×B2,
где Qn и Rn - количество всплесков в единицу времени, параметры которых соответствуют диапазону n, заранее определенному по данным крыс с подтвержденной эпилепсией. An и Bn - значения коэффициентов, заранее определенных по данным крыс с подтвержденной эпилепсией, соответствующих диапазону n. Индекс n соответствует номеру строки в таблице 2. Левая колонка таблицы 2 соответствует коэффициенту Q, а правая колонка таблицы 2 соответствует коэффициенту R.
9. Вычисленный коэффициент С1 сравнивают с пороговым значением Т1, заранее определенным по данным крыс с подтвержденной эпилепсией и равным 1,098. Вычисленный коэффициент С2 сравнивают с пороговым значением T2, заранее определенным по данным крыс с подтвержденной эпилепсией и равным 67,0742. При одновременном выполнении следующих условий: значение коэффициента С1 меньше порогового значения Т1, а значение коэффициента С2 меньше порогового значения Т2, классифицируют соответствующий фрагмент ЭЭГ-сигнала как незрелый разряд.
Сущность изобретения поясняется на фигурах:
Фиг. 1 - Схема расположения вживленных электродов.
Фиг. 2 - Крыса генетической линии WAG/Rij с вживленными ЭЭГ-электродами.
Фиг. 3 - Примеры вейвлет-спектрограмм ЭЭГ-сигналов. Слева - пример вейвлет-спектрограммы всплеска во время незрелого разряда, справа - пример вейвлет-спектрограммы всплеска во время сонного веретена.
Фиг. 4 - Примеры ЭЭГ-сигналов. Слева - пример всплеска во время незрелого разряда, справа - пример всплеска во время сонного веретена. Всплески обозначены красными эллипсами.
Фиг. 5 - Диаграммы рассеяния количества всплесков в секунду в образцах ЭЭГ-сигналов. Слева - диаграмма рассеяния количества всплесков в секунду в образцах незрелых разрядов и сонных веретен. Справа - диаграмма рассеяния количества всплесков в секунду в образцах незрелых разрядов и фоновой ЭЭГ.
Фиг. 6 - Гистограммы значений коэффициента С1, вычисленного с помощью AUC-диаграмм, сравнивающих количества всплесков в секунду в образцах незрелых разрядов и сонных веретен.
Фиг. 7 - Гистограммы значений коэффициента С2, вычисленного с помощью AUC-диаграмм, сравнивающих количества всплесков в секунду в образцах незрелых разрядов и фоновой ЭЭГ.
В основе изобретения лежит регистрация и анализ всплесков на вейвлет-спектрограммах фрагментов сигналов ЭЭГ. Всплеском на вейвлет-спектрограмме называется локализованное по времени и частоте увеличение значений вейвлет-спектрограммы по модулю. Анализируют следующие параметры всплеска в соответствующей точке локального максимума вейвлет-спектрограммы: центральная частота всплеска, максимальная спектральная плотность мощности всплеска, длительность всплеска на высоте 1/sqrt(2), измеренная в количестве секунд и периодов на центральной частоте всплеска, ширина полосы частот всплеска на высоте 1/sqrt(2), мгновенная фаза всплеска. Вычисляют среднее количество всплесков в секунду.
На фиг. 1 приведена схема расположения электродов, вживленных в череп крысы. Позиция 11 - положение исследуемого вживленного электрода F1. Позиции 12, 13, 14 - положение вспомогательных вживленных электродов F2, O1, O2 соответственно. Позиции 15 - положение референтного вживленного электрода Ref. Розовым цветом обозначена фронтальная область коры мозга (позиция 16). Голубым цветом обозначена центральная область коры мозга (позиция 17). Оранжевым цветом обозначена задняя область коры мозга (позиция 18). Позиция 19 - точка пересечения вертикальной линии, разделяющей череп (мозг) на левую и правую части, с передним швом на черепе, проходящим над фронтальной корой мозга (брегма). Позиция 20 - точка пересечения вертикальной линии с задним швом на черепе, проходящим над окципитальной корой мозга (лямбда).
На фиг. 2 приведена фотография крысы генетической линии WAG/Rij с вживленными ЭЭГ-электродами. Позиция 21 - переходник, соединяющий вживленные электроды с кабелем.
На фиг. 3 приведены примеры вейвлет-спектрограмм ЭЭГ-сигналов. Слева - пример вейвлет-спектрограммы всплеска (позиция 31) во время незрелого разряда, справа - пример вейвлет-спектрограммы всплеска (позиция 32) во время сонного веретена.
На фиг. 4 приведены примеры ЭЭГ-сигналов, на основе которых были вычислены вейвлет-спектрограммы, приведенные на фиг. 3. Слева - пример всплеска во время незрелого разряда (позиция 41), справа - пример всплеска во время сонного веретена (позиция 43). Всплески обозначены красными эллипсами (позиции 42 и 44 соответственно). Позиция 42 - положение всплеска незрелого разряда в частотно-временной области; центральная частота всплеска 7,1 Гц, максимальная спектральная плотность мощности всплеска 444634 мкВ2/Гц, длительность всплеска 0,336 секунды, и 2,3856 периодов, ширина полосы частот всплеска 1,9 Гц, мгновенная фаза всплеска -1,9106 радиан. Позиция 44 -положение всплеска сонного веретена в частотно-временной области; центральная частота всплеска 10,6 Гц, максимальная спектральная плотность мощности всплеска 153011 мкВ2/Гц, длительность всплеска 0,124 секунды и 1,3144 периода, ширина полосы частот всплеска 4,3 Гц, мгновенная фаза всплеска 2,4413 радиан.
На фиг. 5 приведены диаграммы рассеяния количества всплесков в секунду в образцах ЭЭГ-сигналов. Слева - диаграмма рассеяния количества всплесков в секунду в образцах незрелых разрядов и сонных веретен; образцы незрелых разрядов обозначены розовыми ромбиками, образцы сонных веретен обозначены голубыми квадратиками. По оси абсцисс отложено количество всплесков в секунду, соответствующих коэффициенту Q1. По оси ординат отложено количество всплесков в секунду, соответствующих коэффициенту Q2. Справа -диаграмма рассеяния количества всплесков в секунду в образцах незрелых разрядов и фоновой ЭЭГ; образцы незрелых разрядов обозначены розовыми ромбиками, образцы фоновой ЭЭГ обозначены зелеными кружочками. По оси абсцисс отложено количество всплесков в секунду, соответствующих коэффициенту R1. По оси ординат отложено количество всплесков в секунду, соответствующих коэффициенту R2.
Незрелые разряды и сонные веретена различаются по целому ряду параметров всплесков на вейвлет-спектрограммах, однако величина перекрытия между этими видами сигналов по каждому параметру существенна и не позволяет использовать какой-либо отдельно взятый параметр всплесков на вейвлет-спектрограмме для надежного различения незрелых разрядов и сонных веретен. Это обстоятельство обусловило необходимость изобретения способа, имеющего своей целью надежно различать незрелые разряды и сонные веретена по комбинации нескольких параметров всплесков на вейвлет-спектрограммах ЭЭГ-сигналов.
Пример использования и оценка точности способа
Оценка точности способа осуществлялась экспериментальным путем. Операцию по вживлению электродов для записи ЭЭГ проводили у 16 анестезированных крыс генетической линии WAG/Rij с генетической абсансной эпилепсией на стереотаксическом приборе СТМ-1 (Россия). Для анестезии использовали хлоралгидрат (chloral hydrate, Германия), который вводили внутрибрюшинно из расчета 400 мг на килограмм веса животного. Отверстие в кости черепа высверливали диаметром 0,8 мм над фронтальными (АР+2 мм, L 2,5 мм) и окципитальными (АР -6 мм, L 4 мм) отделами коры мозга. Референтный электрод помещали над мозжечком (АР -11 мм, L 4 мм). В качестве электродов использовали миниатюрные хирургические винты из нержавеющей стали с припаянными медными проволочками. Винты были изготовлены по заказу согласно ОСТ 4Г 0.890.200 (редакция I-76), диаметр винта 1,12-1,14 мм, диаметр цилиндрической головки 2,6-3,0 мм, длина винта 3 мм (фирма METIZSERVIS).
Электроды вживляли на глубину 2 мм. Каждый из электродов вживляли последовательно путем ввинчивания в кость черепа. После закрепления электрода в кости черепа он фиксировался с помощью стоматологического акрила. Отводящие концы всех электродов подпаивали к пятиконтактному разъему. Места пайки заливали стоматологическим акрилом. После послеоперационного восстановительного периода (7 дней) животных помещали в клетки из оргстекла и адаптировали к экспериментальной ситуации в течение 1 часа до начала регистрации ЭЭГ. Для записи ЭЭГ на пятиконтактный разъем, расположенный на черепе крысы, надевали отводящую часть разъема гибкого кабеля, который подсоединяли к усилителю.
Регистрацию ЭЭГ проводили в течение 3 часов в сутки (с 16:00 до 19:00 часов по местному времени) у свободно передвигающихся животных с помощью 8-канальной системы измерения биопотенциалов BR8V1 на базе ADS1298 Analog Front-End (фирма Texas Instruments). Для сбора ЭЭГ-данных использовалась программа bdf-recorder (автор А. Трощенко, ИВНД и НФ РАН). ЭЭГ регистрировали монополярно. Частота дискретизации ЭЭГ составляла 250 Гц.
Анализировали ЭЭГ-сигналы, зарегистрированные во фронтальной коре мозга с электрода F1. Для ЭЭГ использовались режекторные фильтры с частотами 50 Гц и 100 Гц. Кроме того, для ЭЭГ использовался фильтр Баттерворта с полосой пропускания от 0,1 до 120 Гц.
ЭЭГ-сигналы были разделены вручную экспертом на фрагменты, содержащие одиночные незрелые разряды (9 штук) или сонные веретена (20 штук). Кроме того, были подготовлены фрагменты фоновой ЭЭГ (9 штук).
Были вычислены вейвлет-спектрограммы подготовленных фрагментов ЭЭГ-сигналов. Были вычислены всплески на вейвлет-спектрограммах и вычислены их параметры. Было подсчитано количество всплесков в каждом фрагменте ЭЭГ-сигнала, соответствующих условиям, заданным в таблице 1. Для каждого фрагмента ЭЭГ-сигнала были вычислены значения коэффициентов С1 и С2. Значения коэффициента С1 для образцов незрелых разрядов равны: 0,7598; 0,913; 0,9513; 1,047; 1,047; 1,066; 1,066; 1,085; 1,277. Значения коэффициента С1 для образцов сонных веретен равны: 1,085; 1,105; 1,105; 1,105; 1,124; 1,143;1,143; 1,143; 1,143; 1,2; 1,239; 1,277; 1,277; 1,277; 1,277; 1,277; 1,277; 1,277; 1,315; 1,334. Значения коэффициента С2 для образцов незрелых разрядов равны: 6,917; 10,77; 18,46; 18,46; 22,31; 26,16; 26,16; 30,01; 41,56. Значения коэффициента С2 для образцов фоновых ЭЭГ равны: 91,59; 95,44; 95,44; 95,44; 103,1; 103,1; 103,1; 110,8; 122,4.
На фиг. 6 приведены гистограммы значений коэффициента С1, вычисленного для сравнения незрелых разрядов (позиция 61, гистограмма помечена фиолетовым цветом) и сонных веретен (позиция 62, гистограмма помечена голубым цветом). Фиг. 6 показывает, что гистограммы 61 и 62 пересекаются, однако с помощью предложенного способа можно различить незрелые разряды и сонные веретена с приемлемой точностью.
На фиг. 7 приведены гистограммы значений коэффициента С2, вычисленного для сравнения незрелых разрядов (позиция 71, гистограмма помечена фиолетовым цветом) и фоновой ЭЭГ (позиция 72, гистограмма помечена зеленым цветом). Фиг. 7 показывает, что гистограммы 71 и 72 разнесены по оси абсцисс и не пересекаются - это означает, что можно различить незрелые разряды и фоновую ЭЭГ с точностью, близкой к 100%.
Сравнение вычисленных значений коэффициента С7 с пороговым значением Т1 показало, что из 9 незрелых разрядов 8 имеют коэффициент С1 меньший порога Т1, а из 20 сонных веретен 19 имеют коэффициент С1 больший порога Т1. Таким образом, 8 из 9 незрелых разрядов и 19 из 20 сонных веретен были распознаны правильно. Точность распознавания составила (8+19) / (8+1+1+19)=0,93. Специфичность распознавания составила 19 / (19+1)=0,95. Чувствительность распознавания составила 8 / (8+1)=0,89.
Сравнение вычисленных значений коэффициента С2 с пороговым значением 72 показало, что из 9 незрелых разрядов 9 имеют коэффициент С2 меньший порога 72, а из 9 образцов фоновой ЭЭГ 9 имеют коэффициент С2 больший порога 72. Таким образом, 9 из 9 незрелых разрядов и 9 из 9 образцов фоновой ЭЭГ были распознаны правильно. Точность распознавания составила (9+9) / (9+0+0+9)=1. Специфичность распознавания составила 9/(9+0)=1. Чувствительность распознавания составила 9 / (9+0)=1.
Таким образом, экспериментальная проверка способа показала, что специфичность распознавания незрелых разрядов на фоне сонных веретен составляет около 95%, чувствительность распознавания составляет около 89%. Специфичность и чувствительность распознавания незрелых разрядов на фоне сигналов фоновой ЭЭГ составляет около 100%. Это означает, что способ обеспечивает специфичность распознавания незрелых разрядов на фоне сонных веретен и фоновой ЭЭГ, в зависимости от доли сонных веретен и сигналов фоновой ЭЭГ, приблизительно от 95% до 100%, чувствительность приблизительно от 89% до 100%, что подтверждает заявленные в патенте технические результаты.
Claims (17)
1. Способ обнаружения незрелых разрядов при эпилепсии у лабораторных крыс, включающий вживление электродов в череп крысы и регистрацию электроэнцефалограммы (ЭЭГ) с вживленных электродов,
отличающийся тем, что:
основной электрод вживляют в левую часть кости черепа над фронтальной областью коры мозга крысы; а референтный электрод - в кость черепа, расположенную над мозжечком;
зарегистрированный ЭЭГ-сигнал разделяют на фрагменты по времени;
определяют вейвлет-спектрограммы указанных фрагментов ЭЭГ-сигнала с выделением локальных максимумов, характеризующих всплески вейвлет-спектрограмм;
определяют параметры всплесков, а именно центральную частоту, максимальную спектральную плотность мощности, длительность на высоте 1/sqrt(2) в секундах, длительность на высоте 1/sqrt(2) в периодах, ширину полосы частот на высоте 1/sqrt(2), мгновенную фазу;
определяют количество всплесков в секунду, параметры которых соответствуют диапазонам, заранее определенным по данным крыс с подтвержденной эпилепсией и сведенным в таблицу, в которой строки соответствуют параметрам всплесков, а колонки соответствуют диапазонам;
для каждого фрагмента ЭЭГ-сигнала вычисляют значение коэффициентов С1 и С2 по формулам
С1=1+Q1×A1+Q2×A2,
С2=1+R1×B1+R2×B2,
где Qn и Rn - количество всплесков в единицу времени, параметры которых соответствуют диапазону n, заранее определенному по данным крыс с подтвержденной эпилепсией, An и Bn - значения коэффициентов, заранее определенные по данным крыс с подтвержденной эпилепсией и сведенные в таблицу, в которой колонки соответствуют значениям коэффициентов А и В, а номер строки соответствует индексу n;
коэффициент С1 сравнивают с пороговым значением Т1, равным 1,098, а коэффициент С2 - с пороговым значением T2, равным 67,0742, заранее определенными по данным крыс с подтвержденной эпилепсией;
и при одновременном выполнении следующих условий: значение коэффициента С1 меньше порогового значения T1, а значение коэффициента С2 меньше порогового значения T2,
классифицируют соответствующий фрагмент ЭЭГ-сигнала как незрелый разряд.
2. Способ по п. 1, отличающийся тем, что при вычислении вейвлет-спектрограмм фрагментов ЭЭГ используют комплексный вейвлет Морле.
3. Способ по п. 1, отличающийся тем, что для сглаживания вейвлет-спектрограмм фрагментов ЭЭГ используют адаптивное двумерное гауссово окно.
4. Способ по п. 1, отличающийся тем, что при вычислении мгновенной фазы всплеска используют четырехквадрантный арктангенс от мнимой и действительной частей комплексного значения вейвлет-спектрограммы фрагмента ЭЭГ.
Publications (1)
Publication Number | Publication Date |
---|---|
RU2781622C1 true RU2781622C1 (ru) | 2022-10-17 |
Family
ID=
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1788937A2 (en) * | 2004-09-16 | 2007-05-30 | Everest Biomedical Instruments | Method for adaptive complex wavelet based filtering of eeg signals |
CN101703405A (zh) * | 2009-11-09 | 2010-05-12 | 江西蓝天学院 | 基于小波分析和Welch算法的身份识别方法 |
RU2467384C1 (ru) * | 2011-06-28 | 2012-11-20 | Андрей Борисович Степанов | Способ анализа электроэнцефалограмм |
CN103412646A (zh) * | 2013-08-07 | 2013-11-27 | 南京师范大学 | 基于脑机交互的音乐情绪化推荐方法 |
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1788937A2 (en) * | 2004-09-16 | 2007-05-30 | Everest Biomedical Instruments | Method for adaptive complex wavelet based filtering of eeg signals |
CN101703405A (zh) * | 2009-11-09 | 2010-05-12 | 江西蓝天学院 | 基于小波分析和Welch算法的身份识别方法 |
RU2467384C1 (ru) * | 2011-06-28 | 2012-11-20 | Андрей Борисович Степанов | Способ анализа электроэнцефалограмм |
CN103412646A (zh) * | 2013-08-07 | 2013-11-27 | 南京师范大学 | 基于脑机交互的音乐情绪化推荐方法 |
Non-Patent Citations (1)
Title |
---|
ГАБОВА А.В. и др. Возрастные изменения пик-волновых разрядов у крыс линии WAG/Rij с генетической абсансной эпилепсией // Российский физиологический журнал им. И.М. Сеченова. - 2018. Т. 104, No 10. * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110811609B (zh) | 基于自适应模板匹配与机器学习算法融合的癫痫棘波智能检测装置 | |
CN105496363B (zh) | 基于检测睡眠脑电信号对睡眠阶段进行分类的方法 | |
US7493157B2 (en) | Devices and methods for the non-invasive detection of spontaneous myoelectrical activity | |
Da Silva et al. | Automatic detection and localization of epileptic foci | |
EP2575608B1 (en) | Detector for identifying physiological artifacts from physiological signals and method | |
Brankačk et al. | EEG gamma frequency and sleep–wake scoring in mice: comparing two types of supervised classifiers | |
US20230371876A1 (en) | Systems, methods, and devices for detecting the threshold of nerve-muscle response using variable frequency of stimulation | |
WO2007021645A2 (en) | Method and system for limiting interference in electroencephalographic signals | |
WO2008057365A2 (en) | Epileptic event detection systems | |
US20210169359A1 (en) | Intra-cardiac pattern matching | |
US20100069776A1 (en) | Diagnosing and monitoring neurological pathologies and states | |
CN112006658B (zh) | 一种麻醉状态监测方法及装置 | |
JP5361129B2 (ja) | Emg信号を検出するための方法、装置及びプログラム | |
CN106974660B (zh) | 基于脑功能活动检测中的血氧特征实现性别判定的方法 | |
RU2781622C1 (ru) | Способ обнаружения незрелых разрядов при эпилепсии у лабораторных крыс с помощью анализа всплескообразной электрической активности мозга | |
Pfurtscheller et al. | Continuous and simultaneous monitoring of EEG spectra and brainstem auditory and somatosensory evoked potentials in the intensive care unit and the operating room | |
US11944445B2 (en) | Method for detecting elements of interest in electrophysiological signals and detector | |
Wu et al. | BECT spike detection algorithm based on optimal template matching and morphological feature selection | |
Sloboda et al. | A simple sleep stage identification technique for incorporation in inexpensive electronic sleep screening devices | |
CN111643076A (zh) | 一种基于多通道脑电信号的bect棘波智能检测方法 | |
JP2012530560A (ja) | 神経分析システム | |
Akşahin et al. | Obstructive sleep apnea classification with artificial neural network based on two synchronic hrv series | |
Boashash et al. | Newborn EEG seizure pattern characterisation using time-frequency analysis | |
US20220183631A1 (en) | Automatic test device and method for auditory brainstem response | |
RU2781740C1 (ru) | Способ детектирования состояния глубокого сна |