Электроэнцефалограф-Холтер "Неврополиграф"
Комплекс с автономным носимым блоком для проведения длительной регистрации биоэлектрической активности головного мозга
|
Назначение |
Преимущества |
|
|
Традиционный метод рутинной регистрация ЭЭГ зачастую не позволяет определить и дифференцировать неврологические расстройства, что связано с ограниченной длительностью процедуры исследования, как правило, не превышающей 20 минут регистрации. Таким образом, более 85 % неврологических отклонений, остаются «за кадром». Комплекс Неврополиграф – суточный монитор позволяет решить эту сложную задачу. Автономный носимый блок комплекса с возможностью записи данных на внутреннюю память позволяет непрерывно регистрировать электроэнцефалограмму и биосигналы пациента до 48 часов. Эргономичная конструкция усилителя закрепляется на пациенте с помощью обычного пояса, к которой подключается электродная система ЭЭГ и полиграфические сенсоры. Небольшие габариты блока и легкий вес позволяют пациенту свободно перемещаться во время бодроствования и комфортно спать ночью. В это время происходит непрерывная регистрация всех параметров пациента на карту памяти для последующего детального изучения и анализа. |
Автономный блок комплекса эргономичен, компактен, снабжен встроенным многофункциональным ЖК дисплеем с подсветкой, событийной кнопкой, имеет возможность передачи данных через интерфейс Bluetooth. Усилитель биосигналов Hi-End класса обеспечивает высококачественную запись сигналов ЭЭГ. Встроенная система контроля импеданса электродов позволяет оперативно определить плохой «контакт» и устранить проблему. Возможность подключения внешних провоцирующих фото-аудио стимуляторов и уникальность функций позволяет использовать автономный блок в широком спектре задач, включая видеомониторинг и рутинные ЭЭГ. |
Основные технические характеристики
|
Количество ЭЭГ каналов |
8 - 40 |
|---|---|
|
Схема регистрации ЭЭГ |
монополярная, вертекс, биполярная, произвольная |
|
Частота дискретизации |
до 8000 Гц |
|
Шумы в каналах ЭЭГ |
не более 0.3 мкв RMS |
|
Количество биполярных каналов |
до 10 |
|
Подключение дополнительных сенсоров |
ЭКГ,ЭМГ,ЭОГ,SpO2, дыхание, храп, тремор, др. |
|
Вес с аккумуляторами |
не более 300 гр |
|
Подключение к ПК |
USB, Bluetooth,Wi-Fi |
|
Карта памяти |
до 64 Гб |
Преимущество метода суточного мониторинга ЭЭГ, прежде всего заключается в длительной записи биосигналов мозга. Рутинные методы регистрации электроэнцефалограммы по длительности не превышают 20 минут, это как правило бывает крайне мало для выявления и дифференцирования патологий. Как показывает практика врачей эпилептологов, 85% неврологических отклонений остаются за "кадром". Таким образом при постановке диагноза врачам не удается увидеть пароксизм у пациента и приходится опираться только на анамнестические данные. Сбор анамнеза бывает затруднен сложностью вербальной интерпретации события пациентом или его близкими. Часто пациенты амнезируют событие вследствие потери сознания в период приступа. Также существует схожесть клинических проявлений различных типов приступов и неэпилептических состояний. В совокупности это может привести к неправильной интерпретации данных и постановке диагноза
Основные сферы применения комплекса "Неврополиграф"
Возможности комплекса «Неврополиграф»
Основными режимами работы комплекса являются:
-
режим регистрации и записи ЭЭГ и биосигналов на ПК
-
режим автономной регистрации сигналов ЭЭГ и биосигналов
-
режим телеметрической передачи данных по радиоканалу
-
режим контроля импеданса
-
режим просмотра и анализа зарегистрированных данных
-
режим базы данных пациентов
-
экспорт и импорт данных во внешние пакеты ПО
В режиме регистрации ЭЭГ комплекс Неврополиграф позволяет: |
Возможности комплекса «Неврополиграф» в режиме просмотра и анализа ЭЭГ: |
|
|
|
Возможности математической обработки ЭЭГ комплексом «Неврополиграф»
Амплитудное картирование ЭЭГ – один из современных методов математической обработки электроэнцефалографических кривых с последующим построением карт мгновенного распределения разностей потенциалов по поверхности мозга.
Амплитудное картирование позволяет определить топическую принадлежность компонентов усредненных вызванных или связанных с событиями потенциалов, отражающих участие различных отделов коры в обработке информации, а также исследовать нейрональные механизмы когнитивных и моторных функций. Этот метод особенно эффективен для оценки динамических процессов биоэлектрической активности мозга, связанных, главным образом, с эпиактивностью. Анализ амплитудных карт, отражающих распределение потенциала через определенные промежутки времени, дает возможность получить наглядное представление о месте возникновения интересующего феномена, его распространении по поверхности головного мозга и динамических изменениях этого процесса. В ходе картирования выявляются локальные участки, в которых возникают эпилептические разряды, которые трудно выявить при традиционной расшифровке ЭЭГ. Такой анализ дает дополнительную ценную информацию и позволяет более точно прогнозировать результаты лечения, течение и исход эпилепсии. В частности, амплитудное картирование прекрасно зарекомендовало себя в диагностике т.н. доброкачественной эпилепсии, с очагом возникновения в области Роландовой борозды - роландической эпилепсии, тем самым отграничивая этот вариант от других с менее оптимистичным прогнозом. Роландическая эпилепсия в основном наблюдается у детей в возрасте от 2 до 14 лет и по достижении 16 летного возраста спонтанно исчезает у 98,8 % больных. В последнее время наиболее эффективным в диагностическом плане считается трехмерное амплитудное картирование ЭЭГ.
Спектральный анализ ЭЭГ – предназначен для углубленного исследования частот биоэлектрических импульсов, регистрируемых на ЭЭГ над поверхностью головного мозга.
В качестве основных критериев анализа спектрограмм используются т.н. мощность и амплитуда частотных характеристик биоритмов ЭЭГ за определенный промежуток времени.
Такой подход позволяет оценить соотношение разных ритмов, составляющих ЭЭГ, а главное - выявить те частоты, которые не определяются при визуальном анализе в связи с их малой амплитудой или за счет экранирования их другими ритмами. В основе анализа мощности спектра ЭЭГ положен метод быстрого преобразования Фурье. На сегодняшний день установлены некоторые важные закономерности распределения мощности спектра ЭЭГ. Так, спектры мощности ЭЭГ передних отделов коры головного мозга здоровых людей имеют более сложный характер, чем задних, что, по-видимому, связано с мыслительной деятельностью и осуществлением других когнитивных психических функций.
В лобно–центральных отделах доминируют мощности и частоты дельта-, тета- и бета–ритмов, а в задних отделах больших полушарий преобладает мощность альфа–частот, специфичных для состояния релаксации, расслабленности, дремоты.
При патологии мозга мощность спектра ЭЭГ претерпевает существенные изменения по сравнению с нормой в зависимости от локализации патологического процесса и степени поражения мозга.
Расчет спектра производится для выбранного монтажа по одной или нескольким эпохам анализа произвольной длительности. Каждый частотный диапазон может быть выделен своим цветом. Настройки спектрального анализа позволяют изменять количество точек преобразования Фурье, тип весового окна и коэффициент сглаживания спектров. Данные спектрального анализа объединяются в таблицы нескольких типов, в которых содержатся показатели амплитуды, мощности и мгновенных значений спектра в выбранных частотных диапазонах.
Установлено, что при раннем детском аутизме имеется более высокая мощность дельта-ритмов, при одновременном уменьшении альфа-активности, а также аномальное распределение альфа- и бета-ритмов и нивелирование межполушарной асимметрии. При логоневрозе мощность альфа-активности в задних отделах левого и в передних отделах правого полушария значительно возрастает. У здоровых при прослушивании и повторении фраз превалирует десинхронизация альфа-ритма в задних отделах левого полушария, а у больных логоневрозом - правого. У здоровых при активации воображения отмечено повышение мощности альфа-ритма только в левом полушарии, а у заикающихся – как в левом, так и в правом. При помощи спектрального анализа ЭЭГ у депрессивных больных можно обнаружить удлинение циклов сна с быстрыми движениями глаз при одновременном укорочении латентного периода их появления, а также снижение дельта- и увеличение тета-активности, а также зафиксировать сглаживание явных различий по спектральной мощности между фазами сна и бодрствования. При скрытой депрессии регистрируется асимметрия показателей мощности спектра ЭЭГ в стадии сна с быстрыми движениями глаз, а также более мощный спектр всех частот биоритмов в правом полушарии по сравнению с нормой. При болезни Альцгеймера обнаруживается повышение мощности дельта- и тета-ритмов и снижение альфа- и бета - активности.
Спектральное картирование. Любое нейрофизиологическое исследование - это, прежде всего, топическая диагностика, основной задачей которой является поиск локализации источника аномальной или пароксизмальной биоэлектрической активности нейронов на поверхности головного мозга.
С этой целью на базе спектрального анализа разработан метод спектрального топографического картирования, сочетающий в себе два взаимодополняющих подхода: количественный анализ электроэнцефалографических кривых по амплитудно-мощностным показателям и визуальный анализ, при котором топографические карты отражают активность нейронов головного мозга в соответствии с заданной цветовой шкалой в виде двухмерного или трехмерного изображения.
Построение топографических карт распределения амплитудно-мощностных характеристик по конвекситальной поверхности коры головного мозга возможно исходя из любого числа каналов регистрации ЭЭГ, а также предусмотрена возможность динамического анализа по нескольким эпохам.
Когерентный анализ. Термин «когерентный анализ» происходит от латинских слов cohaerens - «связаный» и cohaerere - «быть связанным». В современной науке под когерентностью понимается согласованность протекающих процессов во времени. Когерентность электрических сигналов головного мозга является количественным показателем синхронности вовлечения различных корковых зон при их функциональном взаимодействии, обеспечивающем интегративную деятельность мозговых структур. Поскольку электрическая активность мозга тесно связана с его функциональной деятельностью, то когерентность указывает на вовлеченность разных зон коры в обеспечение выполнения функций мозга, то есть является количественным выражением уровня интегративной деятельности мозговых структур. Когерентность отражает степень согласованности функциональных взаимосвязей между различными корковыми областями. Уровень интеграции областей коры должен быть адекватным для оптимального выполнения функции.
Значения коэффициентов когерентности варьируют от 0 до 1. При этом, чем выше значение когерентности, тем более согласована активность одной области с другой. Одним из важнейших преимуществ когерентного анализа является независимость коэффициентов когерентности от амплитуды колебаний сигналов различных областей мозга. Однако применение когерентного метода обработки ЭЭГ до сих пор ограничивается преимущественно научными целями в виду трудоемкости процесса обработки биоэлектрических сигналов, требующих привлечения сложного математического аппарата. Но сегодня, благодаря бурно развивающимся цифровым технологиям, эта проблема снята.
Расчет когерентности производится по одной или нескольким эпохам. Для расчета когерентности может быть выбран произвольный набор пар отведений монтажа. Результаты расчета представляются в виде таблиц значений когерентности в выбранных частотных диапазонах.
Картирование когерентности. На базе когерентного анализа разработан метод картирования. Этот современный метод математической обработки электроэнцефалографических кривых отображает распределение значений коэффициентов когерентности в заданных пределах вариабельности. При проведении когерентного картирования большое значение имеет число электроэнцефалографических каналов регистрации. Чем большим числом таких отведений располагает электроэнцефалограф, тем более информационно-насыщенными будут результаты когерентного анализа. По данным мировой литературы, когерентный анализ хорошо зарекомендовал себя в психологии возрастного развития и психиатрии.
На сегодняшний день когерентный анализ ЭЭГ с успехом используется для объективной оценки синхронности функциональной активности участков головного мозга с целью разработки дифференцированных диагностических и лечебно-реабилитационных программ, что создает реальные подходы к более качественному оказанию высокотехнологичной медицинской помощи.
Анализ трендов. Для длительных записей используется анализ трендов – графиков изменения какого-либо параметра в течение всей записи.
Программный комплекс "Неврополиграф" позволяет рассчитывать тренды амплитуды, мощности спектра или когерентности в заданном частотном диапазоне для выбранных отведений, амплитудно-интегрированной ЭЭГ, средней и максимальной частоты, амплитуды и индексов ритмов, амплитудных и временных параметров полиграфических каналов, количества острых волн.
Набор параметров трендов - схемы трендов - могут формироваться произвольно и сохраняться для последующего использования. Навигация в окне трендов позволяет быстро перейти к соответствующему курсору участку на записи.
Корреляционный анализ. В программном комплексе "Неврополиграф" расчет корреляций производится в заданном временном интервале для пар отведений (взаимная корреляция) или для одного отведения (автокорреляция). Корреляционная функция является нормированной по амплитуде и центрированной относительно среднего значения. Она может принимать значения от –1 до +1.
Корреляционный анализ ЭЭГ дает возможность количественно оценить наличие взаимозависимостей, их силу и направленность между биоэлектрическими процессами, происходящими в различных участках головного мозга, выявить общие закономерности возникновения тех или иных вариантов активности нейронов коркового слоя. Данный метод статистической обработки количественных параметров ЭЭГ позволяет категоризировать феномены биоэлектрической активности, отнести их к периодическим или непериодическим событиям, а также выявить периодичность их возникновения. Корреляционный анализ ЭЭГ представляет метод выделения доминирующих компонентов в биоэлектрической активности нейронов головного мозга. Корреляционный анализ с использованием функции взаимной корреляции позволяет выявлять слабые биоэлектрические импульсы. Кросс-корреляционный анализ ЭЭГ, называемый также методом взаимных корреляций, дает возможность установить функциональные взаимосвязи между различными локусами коры головного мозга.
Периодометрический анализ.
Периодометрический анализ базируется на измерении периодов между характерными точками электроэнцефалографических кривых - вершинами волн, их пиками или пересечениями нулевой линии.
Периодометрический анализ ЭЭГ позволяет рассчитывать средние значения амплитуды волн, их доверительные интервалы, средние периоды волн и их дисперсию, вычислять индексы ЭЭГ-ритмов с высокой точностью, исходя из суммы всех периодов волн данного частотного диапазона.
Прототипом данного вида математической обработки ЭЭГ является анализ Фурье. Однако периодометрический анализ ЭЭГ обладает большей устойчивостью к помехам, и его результаты в значительно меньшей степени зависят от влияния одиночных высокоамплитудных артефактов, например, от помех при движениях исследуемого. Периодометрический анализ производится по одной или нескольким эпохам для всех отведений данной монтажной схемы наложения электродов в выбранных частотных диапазонах. Перед началом периодометрического анализа необходимо задать частотные диапазоны и режим усреднения по эпохам. Также задается тип параметра гистограмм - частота или амплитуда ритма. В зависимости от этого на гистограммах отображаются либо средняя и максимальная частота ритма либо средняя и максимальная амплитуда и индекс ритма анализируемой эпохи.
Картирование параметров
периодометрического анализа. Результаты периодометрического анализа могут быть представлены в наглядной форме в виде карт распределения амплитудно-временных параметров по конвекситальной поверхности коры головного мозга.
Этот метод математической обработки ЭЭГ отображает вариативность значений вычисляемых амплитуд и периодов волн биоэлектрических импульсов в заданных пределах.
При проведении периодометрического картирования также имеет большое значение монтажная схема наложения электродов и число электроэнцефалографических каналов регистрации. Чем большее число таких каналов имеет электроэнцефалограф, тем более информативными будут результаты периодометрического анализа. Однако следует иметь в виду, что единых стандартов для проведения периодометрического анализа и картирования на сегодняшний день еще не выработано.
Биспектральный и бикогерентный анализ ЭЭГ.
Биспектральный анализ описывает наблюдения, сделанные на двух частотах ЭЭГ сигналов. Методика биспектрального анализа предполагает использование фазовой информации, получаемой в результате быстрого преобразования Фурье и вычисления межчастотных фазовых соотношений. Она используется для поиска доказательств нелинейных взаимодействий сигналов.
Все сложные сигналы ЭЭГ могут быть разбиты на составляющие синусоиды с помощью быстрого преобразования Фурье. Из каждой анализируемой эпохи получаются три показателя - частота, мощность и фаза.
Основным параметром данного метода является т.н. биспектральный индекс, который хорошо отражает глубину общей анестезии. Анестезиологии называют этот показатель «окном в мозг». Для обеспечения максимальной быстроты проведения биспектрального анализа в условиях ургентной медицины анестезиологи применяют особые электроды на адгезивной (клеящейся) основе. Они дают высокое качество записи ЭЭГ, а установка таких электродов занимает не более 10 секунд. В настоящее время биспектральный анализ полностью адаптирован под нужды анестезии и вошел в стандарт оказания анестезиологической помощи.
Бикогерентный анализ ЭЭГ используется для исследования межполушарных фазовых связей между низко- и высокочастотными ритмами в диапазоне от 0,5 до 30 Гц. Установлено, что эти взаимосвязи довольно жестко детерминированы гендерными особенностями, видом выполняемой деятельности, зависят от темпераментных свойств индивида, от коэффициента интеллекта и латеральной организации мозга.
Вейвлет-анализ представляет собой метод математической обработки электроэнцефалограммы, дающий возможность изучать частотные компоненты биоэлектрических импульсов, график функции которых представляет собой затухающие волнообразные колебания с амплитудой, стремящейся к нулю. В ходе интегрального преобразования кривых ЭЭГ рассчитываются т.н. вейвлет-коэффициенты. На основе вейвлет-анализа строится матрица вейвлет-коэффициентов, отражающая удельный вес той или иной частоты в спектре регистрируемых биоритмов в определенный момент времени.
Вейвлет-анализ позволяет оценивать динамичность переходных биоэлектрических процессов, протекающих в головном мозге. В сочетании с фотостимуляцией можно получить принципиально новые данные о динамике амплитудно-частотных показателей электроэнцефалограммы. Это позволяет установить закономерности изменения нестационарной ЭЭГ во время проведения функциональных проб с фотостимуляцией, гипервентиляцией, психоэмоциональной нагрузкой и т.д.
Достоинства вейвлет-анализа заключаются (а) в возможности разложения структуры биоэлектрических сигналов на частотную и временную составляющие; (б) в анализе коротких эпох, содержащих малое число периодических колебаний; (в) в вариативности выбора базисного параметра, по которому анализируются биоэлектрические импульсы; в эффективном анализе зашумленных сигналов с выделением полезной составляющей и шума.
Большие потенциальные возможности вейвлет-анализа связывают с изучением эпиактивности, фаз сна и бодрствования.
Анализ независимых компонент (ICA) относится к многомерной статистике и представляет собой расширение метода главных компонент и факторного анализа.
С помощью него любые сигналы раскладываются в виде суперпозиции независимых источников (компонент).
В нейрофизиологии уже не одно десятилетие идет борьба за качество регистрации электроэнцефалограммы. Ее необходимо очистить от артефактов – влияния сетевых наводок, от биоэлектрической активности миокарда, всевозможных мышечных сокращений и т.д.
Для отстройки от вредных шумов и выделения полезного сигнала в современных электроэнцефалографах в последнее время стал применяться метод анализа независимых компонент.
С помощью программного комплекса "Неврополиграф" анализ независимых компонент производится по активной эпохе для всех каналов монтажной схемы наложения ЭЭГ-электродов. Анализ может применяться, например, для удаления артефактов кардиологического, миографического или иного происхождения.
Программный модуль локализации источников патологической активности предназначен для выявления источников аномальной электрической активности головного мозга, представляемых для каждого момента времени в виде одного или нескольких эквивалентных токовых диполей. В качестве входной информации используются одномоментные амплитудные значения многоканальной ЭЭГ, независимо от монтажной схемы. Для каждого анализируемого момента времени рассчитываются трехмерные координаты и векторные моменты с заданным количеством источников и соответствующие им 95-процентные доверительные интервалы, а также коэффициент дипольности, характеризующий адекватность применяемой модели. Результаты выводятся в ортогональных проекциях на нормативные срезы из атласа головного мозга или на томографические изображения головы пациента. Имеется возможность построения амплитудных карт распределения потенциала ЭЭГ, карт потенциалов для дипольной модели, а также карт потенциалов ЭКоГ на поверхности коры больших полушарий мозга. Программа BrainLoc может быть полезна как в клинике, так как позволяет точно визуализировать место расположения патологических очагов в глубине мозга при наличии опухолей или эпилептической активности ("функциональная ЭЭГ-томография"), так и для научных исследований, так как дает возможность проследить динамическое смещение центров электрической активности в структурах мозга при различных воздействиях, например, при умственной нагрузке, при регистрации вызванных потенциалов различной модальности, при исследовании динамики развития волновых комплексов, при изучении источников генерации ритмической активности в различных частотных диапазонах и др.