Известия Саратовского университета.

Новая серия. Серия Физика

ISSN 1817-3020 (Print)
ISSN 2542-193X (Online)


Для цитирования:

Навроцкая Е. В., Караваев А. С., Синкин М. В., Боровкова Е. И., Безручко Б. П. Адаптация метода анализа связанности на основе моделирования фазовой динамики к сигналам ЭЭГ во время эпилептического приступа у пациентов в состоянии комы // Известия Саратовского университета. Новая серия. Серия: Физика. 2022. Т. 22, вып. 1. С. 4-14. DOI: 10.18500/1817-3020-2022-22-1-4-14, EDN: FBZGDC

Статья опубликована на условиях лицензии Creative Commons Attribution 4.0 International (CC-BY 4.0).
Опубликована онлайн: 
31.03.2022
Полный текст в формате PDF(Ru):
(загрузок: 241)
Язык публикации: 
русский
Тип статьи: 
Научная статья
УДК: 
530.18
EDN: 
FBZGDC

Адаптация метода анализа связанности на основе моделирования фазовой динамики к сигналам ЭЭГ во время эпилептического приступа у пациентов в состоянии комы

Авторы: 
Навроцкая Елена Владимировна, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Караваев Анатолий Сергеевич, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Синкин Михаил Владимирович, НИИ скорой помощи им. Н.В. Склифосовского
Боровкова Екатерина Игоревна, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Безручко Борис Петрович, Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского
Аннотация: 

Объект исследования, цель: изучается связанность сигналов ЭЭГ во время эпилептического приступа у пациентов во время комы. Методы: проводится анализ применимости метода выявления взаимодействия между колебательными системами на основе моделирования фазовой динамики к сигналам ЭЭГ во время приступа эпилепсии у пациентов в состоянии комы. Основные результаты: предложен способ предварительной фильтрации сигналов ЭЭГ и подобраны значения параметров метода, позволяющие получать достоверные оценки направленной связанности на уровне значимости 0.05. В качестве примера, проведен анализ связанности сигналов ЭЭГ двух пациентов с упомянутыми патологиями с помощью развитого в рамках работы метода выявления взаимодействия.

Благодарности: 
Работа выполнена при финансовой поддержке РФФИ в рамках научного проекта № 18-29-02035, Совета по грантам Президента Российской Федерации для государственной поддержки молодых российских ученых – кандидатов наук (проект № МК-2325.2021.2.1) и в рамках государственного задания Саратовского филиала Института радиотехники и электроники имени В. А. Котельникова РАН.
Список источников: 
  1. Безручко Б. П., Пономаренко В. И., Прохоров М. Д., Смирнов Д. А., Тасс П. А. Моделирование и диагностика взаимодействия нелинейных колебательных систем по хаотическим временным рядам (приложения в нейрофизиологии) // Успехи физических наук. 2008. Т. 178. С. 323–329. https://www.doi.org/10.3367/UFNr.0178.200803h.0323  
  2. Lehnertz K., Bialonski S., Horstmann M., Krug D., Rothkegel A., Staniek M., Wagner T. Synchronization phenomena in human epileptic brain networks // Journal of Neuroscience Methods. 2009. Vol. 183. P. 42–48. https://www.doi.org/10.1016/j.jneumeth.2009.05.015
  3. Nini A., Feingold A., Slovin H., Bergman H. Neurons in the globus pallidus do not show correlated activity in the normal monkey, but phase-locked oscillations appear in the MPTP model of parkinsonism // J. Neurophysiol. 1995. Vol. 74. P. 1800–1805. https://www.doi.org/0.1152/jn.1995.74.4.1800
  4. Сысоева М. В., Сысоев И. В. Математическое моделирование динамики энцефалограммы во время эпилептического припадка // Письма в ЖТФ. 2012. Т. 38, вып. 3. С. 103–110. https://www.doi.org/10. 21883/PJTF.2018.04.45640.17086
  5. Sysoeva M. V., Luttjohann A., Luijtelaar G. van, Sysoev I. V. Dynamics of directional coupling underlying spike-wave discharges // Neuroscience. 2016. Vol. 314. P. 75–89. https://www.doi.org/10.1016/j.neuroscience. 2015.11.044
  6. Sysoeva M. V., Kuznetsova G. D., Sysoev I. V. The modeling of rat EEG signals in absence epilepsy in the analysis of brain connectivity // Biophysics. 2016. Vol. 61, № 4. P. 661–669. https://www.doi.org/10.1134/S0006350916040230
  7. Грищенко А. А., ван Рейн К. М., Сысоев И. В. Сравнительный анализ методов оценки ненаправленной связанности между внутричерепными отведениями ЭЭГ коры головного мозга крыс-моделей абсанской эпилепсии // Математическая биология и биоинформатика. 2017. Т. 12, № 2. С. 317–326. https://www.doi.org/10.17537/2017.12.317  
  8. Basti A., Pizzella V., Chella F., Marzetti L. Disclosing brain functional connectivity from electrophysiological signals with phase slope based metrics // Journal of the Serbian Society for Computational Mechanics. 2017. Vol. 11. P. 50–62. https://www.doi.org/10.24874/jsscm.2017.11.02.05
  9. Navrotskaya E. V., Alipov V. V., Ishbulatov Yu. M., Bezruchko B. P., Zeulina E. E., Kuligin A. V., Sadchikov D. V. Estimating the influence of spinal block and ataractanalgesia on the coupling between the rhythms of autonomic control of heart rate and vascular tone during gynecological operation // Russian Open Medical Journal. 2019. Vol. 8, № 3. Article number e0305. https://www.doi.org/10.15275/rusomj.2019.0305
  10. Hinrichs H., Noesselt T., Heinze H.-J. Directed information flow – a model free measure to analyze causal interactions in event related EEG-MEG-experiments // Human Brain Mapping. 2008. Vol. 29. P. 193–206. https://www.doi.org/10.1002/hbm.20382
  11. Quian Quiroga R., Kraskov A., Kreuz T., Grassberger P. On the performance of different synchronization measures in real data : A case study on electroencephalographic signals // Physical Review E. 2000. Vol. 65. Article number 041903. https://www.doi.org/10.1103/PhysRevE.65.041903  
  12. Kreuz T., Andrzejak R., Mormann F., Kraskov A., Stögbauer Harald, Elger C., Lehnertz K., Grassberger P. Measure profile surrogates : A method to validate the performance of epileptic seizure prediction algorithms // Physical Review E. 2004. Vol. 69. Article number 061915. https://www.doi.org/10.1103/PHYSREVE.69. 061915
  13. Mormann F., Kreuz T., Rieke C., Andrzejak R., Kraskov A., David P., Elger C., Lehnertz K. On the predictability of epileptic seizures // Clinical Neurophysiology. 2005. Vol. 116. P. 569–587. https://www.doi.org/10.1016/j.clinph.2004.08.025
  14. Brea J., Russell D. F., Neiman A. B. Measuring direction in the coupling of biological oscillators : A case study for electroreceptors of paddlefish // Chaos. 2006. Vol. 16. Article number 026111. https://www.doi.org/10.1063/1.2201466
  15. Baccala L., Sameshima K., Ballester G., Valle A., Timo-Iaria C. Studying the Interaction Between Brain Structures via Directed Coherence and Granger Causality // Applied Signal Processing. 1998. Vol. 5. P. 40–48. https://www.doi.org/10.1007/s005290050005
  16. Rosenblum M. G., Pikovsky A. S. Detecting direction of coupling in interacting oscillators // Phys. Rev. E. 2001. Vol. 64. Article number 045202. https://www.doi.org/10.1103/PhysRevE.64.045202
  17. Smirnov D., Bezruchko B. Estimation of interaction strength and direction from short and noisy time series // Phys. Rev. E. 2003. Vol. 68. Article number 046209. https://www.doi.org/10.1103/PhysRevE.68.046209
  18. Смирнов Д. А., Бодров М. Б., Безручко Б. П. Оценка связанности между осцилляторами по временным рядам путем моделирования фазовой динамики : пределы применимости метода // Известия вузов. Прикладная нелинейная динамика. 2004. Т. 12, № 6. С. 79–92.
  19. Сидак Е. В., Смирнов Д. А., Безручко Б. П. Оценивание запаздывающей связи между осцилляторами по наблюдаемой фазовой динамике // Известия вузов. Радиофизика. 2015. Т. 58, № 7. С. 587–599.
  20. Сидак Е. В., Смирнов Д. А., Осипов Г. В., Безручко Б. П. Влияние нелинейной амплитудной динамики на оценку времени запаздывания связи между осцилляторами // Письма в ЖТФ. 2016. Т. 42, вып. 6. С. 20–26.
  21. Хорев В. С., Киселев А. Р., Шварц В. А., Лапшева Е. Е., Пономаренко В. И., Прохоров М. Д., Гриднев В. И., Караваев А. С. Исследование запаздывания в связи между контурами регуляции сердечно-сосудистой системы у здорового человека методом моделирования фазовой динамики // Известия Саратовского университета. Новая серия. Серия : Физика. 2016. Т. 16, вып. 4. С. 227–237. https://www.doi.org/10.18500/1817-3020-2016-16-4-227-237
  22. Baboukani S., Azemi G., Boashash B., Colditz P., Omidvarnia A. A novel multivariate phase synchrony measure : Application to multichannel newborn EEG analysis // Digital Signal Processing. 2018. Vol. 84. Article number 57380071. https://www.doi.org/10.1016/j.dsp.2018.08.019  
  23. Stankovski T., Pereira T., McClintock P., Stefanovska A. Coupling functions : Dynamical interaction mechanisms in the physical, biological and social sciences // Philosophical Transactions of the Royal Society A : Mathematical, Physical and Engineering Sciences. 2019. Vol. 377. Article number 20190039. https://www.doi.org/10.1098/rsta.2019.0039
  24. Musizza B., Stefanovska A., McClintock P., Palus M., Petrovcic J., Ribaric S., Bajrovic F. Interactions between cardiac, respiratory and EEG-δ oscillations in rats during anaesthesia // J. Physiol. 2007. Vol. 580. P. 315–326. https://www.doi.org/10.1113/jphysiol.2006.126748
  25. Gruszecka A., Nuckowska M., Waskow M., Kot J., Winklewski P., Guminski W., Frydrychowski A., Wtorek J., Bujnowski A., Lass P., Stankovski T., Gruszecki M. Coupling between Blood Pressure and Subarachnoid Space Width Oscillations during Slow Breathing // Entropy. 2021. Vol. 23. Article number 113. https://www.doi.org/10.3390/e23010113
  26. Kamali S., Gharibzadeh S., Jafari S. A new look to coma from the viewpoint of nonlinear dynamics // Nonlinear Dyn. 2018. Vol. 92. P. 2119–2131. https://www.doi.org/10.1007/s11071-018-4184-3
Поступила в редакцию: 
01.10.2021
Принята к публикации: 
02.12.2021
Опубликована: 
31.03.2022