Порядок
Классификации электроэнцефалографии
1.
Какие критерии могут быть выбраны для классификаций в электроэнцефалографии?
Как правило, классификации в электроэнцефалографии построены на основе субъектов исследования. Например, в исследовании сна электроэнцефалограмма классифицируется во время бодрствования и сна; в исследовании, связанном с эпилепсией, электроэнцефалограмма подразделяется на интериктальную, преиктальную, иктальную и постиктальную; а в исследовании потенциалов, связанных с событиями, подразделяется на электроэнцефалограмму состояния покоя и решения задачи. Кроме того, ее можно классифицировать в соответствии с формой самой электроэнцефалограммы, например, ее разделить на дельта, тета, альфа и бета частоты или медленную волну, быструю волну, острую волну и спайк-волну на основе формы.
2.
Как можно классифицировать электроэнцефалограмму, связанную с событиями?
С точки зрения анализа электроэнцефалограммы ее можно классифицировать по следующим трем категориям. (1) электроэнцефалограмма, в которой функциональное состояние мозга остается неизменным с течением времени или не зависящей от времени; (2) точная связанная с событием электроэнцефалограмма может рассматриваться как расширение связанных с событием потенциалов; она относится к электроэнцефалограмме, вызванной определенным событием, где время индукции события является определенным ( электроэнцефалограмма с изменяющимися во времени характеристиками, вызванными стимулами с определенным временем, такими как зрительно-слуховая, транс-краниальная магнитная стимуляция и электрическая корковая стимуляция; 3) случайная связанная со случайным событием электроэнцефалограмма, вызванная определенным событием, в котором время индукции события является случайным и не может быть определено, так , например, в исследованиях таких заболеваний, как эпилепсия или болезнь Паркинсона, патологическая электроэнцефалограмма вызывается аномальной нейронной активностью в области поражения, но время патологической индукции трудно определить, что приводит к изменяющейся во времени электроэнцефалограмме (Zhang H, et.al., et.al., 2023).
3.
Какие известны методы анализа спектра мощности электроэнцефалограммы?
Спектр мощности является очень распространенным аналитическим методом в анализе электроэнцефалограммы, который может анализировать изменения энергии различных частотных компонентов в ее сигналах. Для выбора доступны несколько методов анализа мощности, такие как быстрое преобразование Фурье, модель Уэлча и авто-регрессионная модель, с различными характеристиками и ограничениями использования.
Какие методы частотно - временного анализа используются в электроэнцефалографии?
Поскольку электроэнцефалограмма человека в состоянии решения задачи показывает зависящие от времени изменения, частотно-временной анализ вполне подходит для анализа. Для краткосрочных сигналов частотно-временной анализ может заменить анализ спектра мощности для характеристики сигналов в двух измерениях. Обычно используемые методы частотно-временного анализа включают STFT (кратковременное преобразование Фурье в полосе пропускания всего спектра), вейвлет-преобразование (WT), эмпирическую декомпозицию (EMD) и распределение Вигнера-Вилля (WVD). Многие авторы исследовали различные методы анализа сигналов электроэнцефалограммы, включая использование рационального дискретного STFT и глубокого обучения для классификации эпилептических приступов, гибридный подход для классификации сигналов, связанных с алкоголем и контрольной электроэнцефалограммы , анализ связности при аутистических расстройствах с использованием значений STFT и когерентности, обнаружение сонливости на основе относительной мощности полосы и STFT, автоматическую классификацию стадий сна с использованием частотно-временных изображений и обнаружение обмана с использованием сглаженного псевдо WVD, среди прочих методов.
Что понимается под термином "когерентность" в электроэнцефалографии?
Когерентность измеряет сходство между двумя сигналами, вычисляя спектральную плотность мощности. Вейвлет - когерентность (WTC) может представлять изменяющиеся во времени отношения между различными сигналами в частотно-временной области, создавая различные частотно-временные разрешения посредством вейвлет-трансляции и расширения (Tafreshi, et.al., 2019). CFA - это быстро развивающийся метод анализа связности, который в основном включает в себя перекрестную связь частот (CFC) и перекрестную направленность частот (CFD). CFC описывает взаимодействие мозговых колебаний в различных частотных диапазонах и проявляется в четырех режимах: фаза-амплитуда, мощность-мощность, фаза-фаза и фаза-частота. Расстояние Кульбака-Лейблера служит эффективной метрикой для количественной оценки CFC
Литература
Tafreshi, T. F., Daliri, M. R., & Ghodousi, M. (2019). Functional and effective connectivity based features of EEG signals for object recognition. Cognitive neurodynamics, 13(6), 555-566.
Zhang H, et.al. The applied principles of EEG analysis methods in neuroscience and clinical neurology. Mil Med Res. 2023; 10: 67.
Добавить комментарий