При этом ЭЭГ более чувствительна к глубоким источникам, чем МЭГ 11. Из-за этого ограничения решения методами MNE и MCE склонны быть смещенными в сторону источников на поверхности и недооценивать глубокие источники. Для того чтобы добавить важность глубинным источникам, используется метод взвешенной минимальной нормы, wMNE, в котором источники перевзвешиваются с соответствующими коэффициентами. Усредненный ответ мозга на многократное предъявление стимула, в данном исследовании мы фокусируемся на предъявлении сенсорных слуховых стимулов.

Выгодное отличие нашего метода от существующих на данный момент заключается в полностью автоматическом анализе МЭГ записи, подразумевающем участие эксперта только на финальном этапе для верификации результатов. Разработка алгоритмов автоматической обработки ЭЭГ/МЭГ в межпри-ступном периоде в целях обнаружения зон ирритации в коре головного мозга пациентов с эпилепсией. Однако чувствительность ЭЭГ/МЭГ сенсоров к источникам, расположенным в разных областях мозга, не одинакова. Электрическое и магнитное поля затухают по мере увеличения расстояния от источника до сенсора, и сенсоры максимально чувствительны к самым близким источникам на поверхности коры.

Поиск скриптов по запросу “band”

Кроме того, часто динамика межприступного разряда формируется одновременной активностью нескольких дипольных генераторов 27, и стандартная процедура подгонки одного диполя к разряду дает смещенную, а подчас и совершенно некорректную картину локализации. Кроме того, мы впервые предложили алгоритм для решения обратной задачи ЭЭГ/МЭГ с использованием предположения о волновом распространении активности (волнового приора). В доступном сейчас программном обеспечении FieldTrip 69, MNE Python 70, Brainstorm 71 реализован широкий спектр методик для решения обратной задачи.

Исследование особенностей звуков легких для выявления бронхита и ХОБЛ с помощью методов машинного обучения

Свойства двух предложенных алгоритмов были исследованы сначала с помощью реалистично смоделированных данных, а затем и на реальных МЭГ данных, записанных в слуховых парадигмах. Мы сравнивали решения, полученные предложенными методами, с классическими подходами MNE и LCMV. Анализ свойств алгоритмов на реальных данных показал схожие результаты с анализом модельных данных. Наши эксперименты показали, что LCMV бимформер значительно чувствителен к присутствию коррелирующих источников в данных, решение подвержено проблеме подавления сигнала (signal cancellation problem), и часто содержит только один из синхронных источников, причем с размазанной картой активации. MNE часто не находит все активные источники или находит слишком смещенные и распределенные активации.

В литературе представлены несколько подходов к решению данной проблемы, но большинство из них используют идею зануления источников, которые потенциально могут быть связаны с целевым. Так как коррелирующих источников может быть несколько, а кортикальная модель может быть сложной, такие подходы на практике слишком вычислительно затратны. Кроме того, они требуют от исследователя выдвижения гипотез об источниках, которые коррелируют друг с другом, что может быть известно не для всех экспериментальных парадигм.

1. Так как коррелирующих источников может быть несколько, а кортикальная модель может быть сложной, такие подходы на практике слишком вычислительно затратны.
2. Первым известным когнитивным компонентом ВП стал компонент условного отрицательного отклонения (contingent negative variation, CNV) 65.
3. Похожую оптимизационную задачу решает гребневая мультирегрессия 16.
4. Пусть записанные ЭЭГ/МЭГ данные для каждого момента времени t представляют из себя вектор x(t)Mх1, где здесь и далее в квадратных скобках указана размерность вектора (матрицы), и М — количество сенсоров.
5. Наш опыт показывает 31, что для надёжного обнаружения ирри-тативных зон необходимо проанализировать большое количество разрядов.
6. Определена точность классификации сигналов дыхания для ряда классификаторов, использующих рассмотренные наборы признаков.

В результате данного исследования мы разработали несколько новых методик для решения обратной задачи ЭЭГ и МЭГ, которые основываются именно на физиологически обусловленных предположениях о нейрональной активности. Пусть записанные ЭЭГ/МЭГ данные для каждого момента времени t представляют из себя вектор x(t)Mх1, где здесь и далее в квадратных скобках указана размерность вектора (матрицы), и М — количество сенсоров. Пусть решение прямой задачи найдено одним из подходящих методов и хранится в операторе Gмxn, где N — количество источников в кортикальной модели.

Мы протестировали работу алгоритма как на модельных данных, так и на реальных МЭГ сигналах и продемонстрировали, что динамика распространения разрядов, записанных в МЭГ, может быть измерена в пространственно-временном масштабе миллиметр/миллисекунда. Несмотря на наличие источников ошибок, часть межприступных разрядов были успешно описаны с помощью волновой модели. Мы заметили, что у всех трех пациентов, данные которых были проанализированы, волновое поведение характерно не для всех межприступных разрядов, причем «волновые» разряды объединяются в хорошо пространственно очерченные кластеры. Более того, для пациентов, у которых были доступны данные об эпилептогенном очаге, эти кластеры совпадают с очагом. На основании этих результатов, которые хорошо согласуются с инвазивными данными 28, 29, мы предполагаем, что анализ межприступных разрядов, записанных в МЭГ, может помочь в локализации эпилептогенного очага. Целью данной работы является разработка подходов к решению обратной задачи ЭЭГ и МЭГ на основе именно физиологически обусловленных ограничений.

Мы предлагаем такую модификацию бимформера, которая требует от пользователя только выбор ранга проекции, используемой в методе. Разработаны два метода-модифицикации ЬСМУ бимформера (Яее1Р811С08, wReciPSIICOS), которые позволяют восстанавливать активность синхронных источников по неинвазивным ЭЭГ и МЭГ данным. Показано превосходство предложенных алгоритмов над классическими МКБ и ЬСМУ бимформером как на модельных, так и на реальных данных. Разработка методологии обнаружения эпилептогенной зоны на основе математического анализа динамики распространения эпилептической активности в межприступном периоде (алгоритм из пункта 2) и на основе анализа большого количества автоматически обнаруженных и кластеризованных разрядов (алгоритм из пункта 3). Большая часть методов, предложенных в данной работе, была апробирована на данных пациентов с эпилепсией, и в данном разделе мы приводим мотивацию для именно такого приложения наших алгоритмов.

Хирургическое лечение височной фармакорезистентной эпилепсии2020 год, кандидат наук Кордонская Ольга Олеговна

1. В качестве признаков, полученных на основе спектрограммы, использовалась сумма значений спектральной плотности мощности для каждой полосы частот.
2. Наиболее важным заключением из работы является наблюдение, что пациенты с успешным итогом операции демонстрировали статистически значимо более устойчивые траектории распространения межприступных разрядов.
3. Наши эксперименты показали, что LCMV бимформер значительно чувствителен к присутствию коррелирующих источников в данных, решение подвержено проблеме подавления сигнала (signal cancellation problem), и часто содержит только один из синхронных источников, причем с размазанной картой активации.
4. Для МЭГ также подходящим и менее вычислительно затратным может быть метод пересекающихся сфер (overlapping spheres) 9.
5. Благодаря высокому временному разрешению, использование ЭЭГ и МЭГ позволяет эффективно проводить когнитивные исследования и диагностировать широкий круг неврологических расстройств, в том числе, эпилепсию, не подвергая пациента дополнительному риску.

Мы продемонстрировали применимость метода сверточного разреженного кодирования для обнаружения межприступных разрядов и локализации ирритативной зоны у пациентов с эпилепсией. Преимущество такого анализа заключается в том, что он не требует участия эксперта, и в результате локализует несколько кластеров с характерными для них шаблонами активности. Простота и точность автоматической детекции межприступных разрядов позволят и дальше развивать неизвазивные методы в предоперационной диагностике. Несмотря на то что по результатам работы мы смогли воспроизвести результаты визуального анализа и предоставить клинически значимую информацию, необходим больший набор случаев для дальнейшей количественной оценки надежности нашего подхода и проверки его применения в клинических условиях. В настоящий момент существует ряд попыток реализации алгоритмов автоматического поиска межприступных разрядов в ЭЭГ/МЭГ записях.

Список литературы диссертационного исследования кандидат наук Кузнецова Александра Алексеевна, 2022 год

Характерные для конкретных стимулов пики ВП называются компонентами ВП. Было показано, что испытуемые лучше справлялись с заданием на рабочую память, когда кортикальные шаблоны распространения активности были согласованы 53. Несмотря на то что механизмы генерации кортикальных бегущих волн не до конца ясны 49, существующие работы демонстрируют, что их функции разнообразны. Исследование свойств предложенных методов в численных экспериментах, а также применение к реальным данным в слуховой парадигме. Ряд работ показал, что есть основания полагать, что активность источников, порождающих межприступные разряды, также представляет из себя бегущие кортикальные волны 60, 61, 62 which filter performs exactly the opposite to the band-pass filter и распространяется по коре с определенной скоростью и в определенном направлении. Предварительную разметку значительного количества записи экспертом, поэтому такие методы нельзя назвать автоматическими и они не решают поставленную задачу.

Изначально метод PSIICOS был разработан для анализа коннективности по МЭГ данным, в частности, для неинвазивного обнаружения взаимодействий между источниками с околонулевой фазовой задержкой. Проблема, которую решает PSIICOS, заключается в наличии в МЭГ данных артефактов объемной проводимости. Активации источников, которые на самом деле являются независимыми, на сенсорах могут проявить себя как коррелированная активность.

Та и росту вероятности совершения ошибки, как правило, анализ прекращается на минимальном количестве обработанных событий, субъективно считающимся достаточным. Целью третьей части работы была разработка метода автоматического поиска межприступных разрядов и их кластеризации для определения ирритативной зоны, требующего минимального участия эксперта только в момент финальной валидации результатов. В работе 26 авторы анализируют эпилептиформную активность, вызванную черепно-мозговой травмой у человека и крысы. Авторы отмечают, что неин-вазивные ЭЭГ записи оказались нечувствительны к патологической активности, тогда как инвазивные записи показали ее наличие у 86% пациентов.

Хирургическое лечение височной фармакорезистентной эпилепсии2020 год, кандидат наук Кордонская Ольга Олеговна

Для построения моделей, обеспечивающих наиболее высокую точность распознавания состояния легких, предлагается лучшее сочетание информативных признаков звуков легких и методов машинного обучения. Мы представили событие межприступного разряда как суперпозицию предварительно сгенерированных с учетом индивидуальной анатомии бегущих волн. индексы и котировки Мы использовали метод LASSO с положительными коэффициентами для того, чтобы оценить оптимальную скорость и направления распространения волн.