Чтение онлайн

Для компьютерной обработки сигнала «сырая» ЭЭГ переводится в цифровую форму. Частота считывания мгновенных значений сигнала при этой процедуре («квантование», sampling) определяется согласно теореме Шеннона–Котельникова. Для того чтобы описать сигнал частоты F, частота считывания должна быть не меньше 2 F, т.е. для того, чтобы описать, например, частоту колебаний 100 Гц, необходимо применить частоту считывания сигнала не менее 200 Гц.

В основе выделения ССП из сигнала ЭЭГ лежат следующие допущения:

1. в ситуации многократного повторения события регистрируемый сигнал ЭЭГ (SUMi (t)) является суммой двух компонентов: спонтанной ЭЭГ S i(t) и потенциала, связанного с событием P i (t);

2. компонент S i (t) распределён случайно для ряда последовательных повторений события;

3. компонент P i( t) постоянен для всех повторений события, т.е. сигнал при i– м повторении события в момент t представляет сумму:

.

При суммировании N сигналов, зарегистрированных при последовательных повторениях события, компонент P i(t) будет устойчив, a S i(t), как ошибка среднего значения, изменяется пропорционально величине 1/ N. Это означает, что, например, при исходном соотношении сигнала и шума 1:1, при суммировании 25 реализаций ЭЭГ в полученном ССП отношение сигнал/шум будет 1 : 5, а при 100 реализациях – 1 : 10. Для разных типов потенциалов применяют разное количество накоплений: например, для УНВ и Р 300 достаточно 30–50 реализаций, а для потенциалов ствола мозга требуется от 4000 до 7000 реализаций (Hughes, 1985).

В качестве мгновенных значений накопленного ССП могут быть использованы не средние, а медианы [Rockstroh et al., 1982]. Медиана, в отличие от среднего, обладает свойством робастности, т.е. в значительно меньшей степени чувствительна к отклонениям выборки от нормального распределения. Хотя различия между средним и медианой уменьшаются по мере увеличения количества суммируемых реализаций и «медианные» кривые менее гладкие, чем усреднённые, тем не менее, предпочтительно использование медианы, если артефакты (такие, как моргания) не могут быть устранены. При малом количестве реализаций следует предпочесть медиану или даже единичную реализацию.

Случайная, «шумовая» составляющая единичной реализации ССП («сырой» ЭЭГ) может быть устранена посредством сглаживания.

Суть данной процедуры состоит в скольжении «окном», которое представляет собой набор из п коэффициентов (где n – нечётное произвольное число, например, для п = 5 окно «0,5; 1,0; 2,0; 1,0; 0,5») по последовательности мгновенных значений сигнала, так что каждое значение в последовательности умножается на поставленный в соответствие ему коэффициент фильтра. Затем исходное значение сигнала, соответствующее «центральному» коэффициенту окна-фильтра, заменяется частным от деления суммы вычисленных произведений на сумму коэффициентов фильтра. После этого фильтр смещается на одно значение сигнала, и процедура повторяется, так что все исходные значения сигнала кроме (n–1)/2 мгновенных значений, примыкающих к границам эпохи анализа (эти значения должны быть исключены из дальнейшего анализа), заменяются на новые вычисленные значения. Очевидно, что свойства фильтра определяются количеством коэффициентов и их соотношением. Например, окно «1, 1, 1, 1, 1, 1, 1» сглаживает сигнал сильнее, чем «1, 5, 10, 15, 10, 5, 1», a «1, 1, 1, 1, 1, 1, 1, 1, 1» – ещё сильнее.

Гармоническая фильтрация основана на обработке спектров исходного сигнала, рассчитанных, например, при помощи быстрого преобразования Фурье (Fast Fourier Transformation – FFT). Спектр Фурье представляет собой сигнал в виде набора sin и cos функций, которые при суммировании образуют исходный сигнал, т.е. спектр Фурье содержит всю информацию об исходном сигнале. Действительно, алгоритм обратного преобразования Фурье ( FFT-1) позволяет восстановить сигнал из спектра без потерь. Спектр Фурье представлен двумя доменами – частотным и фазовым. Первый содержит информацию о частотном составе сигнала, а второй – о фазовых сдвигах для разных частотных составляющих. Возможно произвольно изменять величины в том и другом доменах, например «вычёркивая» частоты, что после восстановления сигнала (при помощи FFT–1) проявится как изменение частотных характеристик сигнала: или исключение 50 Гц, или сглаживание сигнала, или устранение постоянной величины, или снятие медленных составляющих и т.д. Следует учитывать, что «хвосты» эпохи анализа, представленной спектром, будут искажены после восстановления сигнала из обработанного спектра, как и при алгебраической фильтрации.

В результате накопления отрезков ЭЭГ, связанных с определёнными событиями, их усреднения, цифровой фильтрации или других процедур, получают ССП – кривую, которую описывают как последовательность значений амплитуд или как последовательность колебаний (волн).

В морфологии ССП выделяют волны, колебания, отклонения и сдвиги (wave, oscillation, deflection, shift) – непосредственно наблюдаемые изменения потенциала, и компоненты – составляющие ССП, которые не обязательно совпадают с определённой волной/колебанием, могут взаимно перекрываться во времени и определять форму нескольких последовательных волн (ср. с понятием «синтетический компонент» [Naatanen et al., 1993; Rockstroh et al., 1982, p.107– 108]). Для выделения компонентов потенциал описывают как последовательность значений амплитуд и применяют специальные процедуры, например реконструируют компоненты как разность мгновенных значений амплитуд волн ССП, зарегистрированных в ситуациях, когда предполагаемый компонент входит и не входит в состав ССП. Так выделяют, например, негативность, связанную с рассогласованием (mismatch negativity – MMN) [Naatanen et al., 1993], негативность, связанную с обработкой сигнала (processing negativity) [Ritter et al., 1984], продолжающуюся негативность (sustained negativity) [Naatanen, Michie, 1979] и компоненты позднего позитивного комплекса (CNV, Р300 и Slow Wave)[Sutton, Ruchkin, 1984].

Для идентификации волны или компонента используют: 1) амплитудно-временные характеристики: полярность (позитивное или негативное отклонение, обозначаются Р и N соответственно), длительность, латентный период начала отклонения или его пика по отношению к моменту появления события (полярность и латентный период колебания обозначают, например, Р100, N200) или его порядковый номер (например, Р1, N1, P2…, P3 и т.д.), амплитуду от «нулевой линии» (baseline) или «от пика до пика» (peak-to-peak amplitude); 2) распределение амплитуд по скальпу (topography); 3) связь с событием, с его характеристиками; 4) связь с задачей (task dependence).

Волны ССП, идентифицированные как принадлежащие к одному и тому же классу, могут существенно различаться по амплитуде и временным характеристикам, например, колебание Р300 может развиваться с латентным периодом от 250 до 1500 мс. Именно поэтому при сопоставлении формы волн применяют как сравнение мгновенных значений амплитуд волн, так и статистики пиковых значений амплитуд и латентных периодов.

В последние десятилетия разработаны методы регистрации активности мозга, обладающие значительными исследовательскими возможностями (см. также гл. 2). Однако и при разработке новых методов исследований активности мозга, и при верификации результатов, получаемых при помощи этих методов, электрическая активность мозга широко используется как референтный способ анализа. «Привилегированное» положение метода ССП объясняется простотой регистрации, не требующей хирургического вмешательства (неинвазивностью), возможностью наблюдать активность многих областей мозга в динамике, в течение длительных интервалов времени, при выполнении сложных задач, у здоровых испытуемых любого возраста, у пациентов и у животных. Ограничения и преимущества ССП как исследовательского инструмента можно видеть при его сопоставлении с другими методами (включая и методы, основанные на регистрации ЭЭГ). Особенности метода ССП важно учитывать при его совместном использовании с другими современными методами исследования активности мозга [Gevins et al., 1995]. Сопоставимость результатов, получаемых различными методами, включая ССП, обеспечивается тем, что все они являются дополнительными описаниями метаболизма мозговой ткани (см. [Event-Related, 1991]).

Одним из наиболее значительных результатов, которые получены при изучении ССП, является описание различных потенциалов, связанных по времени с определёнными событиями и имеющих специфические амплитудно-временные характеристики, конфигурацию и топографию.

Зрительные вызванные потенциалы (ЗВП, visual evoked potentials - VEP) [Шагас, 1975; Рутман, 1979; Максимова, 1982; Rockstroh et al., 1982] регистрируются в ситуации предъявления зрительной стимуляции – вспышек или каких-либо структурированных изображений (геометрических или предметных). В последовательности колебаний ЗВП, зарегистрированных со скальпа, выделяют волны (см. параграф 2.6) Р40, N70, Р100-130, а также комплекс волн N240-420 (рис. 16.1 А). Волны с ЛП до 80 мс более выражены во фронтальных отведениях, что связывают с вкладом в ЗВП потенциала электроретинограммы (см. гл. 2). Начиная с 70 мс волны максимально представлены в постцентральных отведениях ( Т5 , Т6 О1, О2 , О z).

Слуховые вызванные потенциалы (СВП, auditory evoked potentials – АЕР) [Шагас, 1975; Рутман, 1979; Rockstroh et al., 1982; Hughes, 1985] регистрируются в ситуации предъявления слуховой стимуляции (тонов различной частоты, интенсивности и длительности). Комплекс из восьми волн, развивающийся в интервале до 15 мс после стимула, амплитудой 0,1–0,5 мВ, максимально выраженный в вертексе (С z), называют слуховым потенциалом ствола мозга (brain stem auditory evoked potentials – BAEP). Предполагают, что эти волны отражают вызванную активность в структурах слухового анализатора – от слухового нерва до медиального коленчатого тела. Среднелатентные ( N0, Р0, Na, , Р a, Nb) и длиннолатентные колебания Р50-80 (Р1), N80-120 ( N1 ), Р160-200 (Р2), N200-250 ( N2 ), имеют максимальную амплитуду в центральных и фронтальных отведениях, хотя наиболее позднее из них – Р300 (Р3.), преимущественно выражено в постцентральных отведениях (рис. 16.2 А).