1. Институт проблем управления им.В.А.Трапезникова РАН

2. Совместно с НИИ нейрохирургии им. Н.Н. Бурденко проводится изучение
методов обработки электроэнцефалограмм. Результаты исследования используются при
распознавании артефактов на записях ЭЭГ, интерпретации реакций на внешние
раздражители, определении различного рода приступов и т.д. В частности при
доврачебной диагностики людей на наличие у них признаков заболеваний ЦНС.
Ритмы мозга человека
Одна из первых фотографий исследования методом ЭЭГ
Измерение показаний ЭЭГ (фиксация электродов)
2

3. Запишем уравнения авторегрессии для случайного стационарного процесса:
Получив коэффициенты э u(t) – шумовая составляющая.
и найдём оценки коэффициентов для каждого обследуемого используя уравнения ЮлаУолкера:
Измерение показаний ЭЭГ(аппарат и обработка)
18 каналов записи ЭЭГ
3

4. Для обеспечения построения более достоверного решающего правила
используются эвристические алгоритмы предобработки данных,
которые специфицированы для каждого конкретного заболевания ЦНС
(на текущий момент такие алгоритмы разработаны для болезни
Паркинсона и эпилепсии).
Суть используемых эвристических алгоритмов заключается в том, чтобы
усреднить данные ЭЭГ таким образом, чтобы с учётом выбранного
канала данных ЭЭГ и его амплитудных особенностей у людей
минимизировать влияние помех на результат путём минимизации
коэффициента неопределенности матрицы получаемой при построении
уравнений Юла-Уолкера, т.к., чем ниже коэффициент неопределённости
этой матрицы, тем выше влияние именно информативных данных
конечный на результат и ниже влияние на него помех.
4

5. 1. Методы анализа и выбора информативных переменных (в частности каналов на записях ЭЭГ).
2. Метод сопряжённых градиентов.
3. Метод построения решающего правила на основе обучающей выборки: построим гиперплоскость
перпендикулярно кратчайшему расстоянию между многогранниками и проверим, что все точки каждого из них
лежат по одну сторону от этой гиперплоскости, причём многогранники лежат в разных полупространствах. Для
этого воспользуемся некоторыми уравнениями аналитической геометрии.
(h21, h22, h23, h24)
(h11, h12, h13, h14)
Гиперплоскость разделитель
(h41, h42, h43, h44)
(i11,i12,i13,i14)
(h31, h32, h33, h34)
(i51,i52,i53,i54) (i41,i42,i43,i44)
(i61,i62,i63,i64)
(i31,i32,i33,i34)
(h51, h52, h53, h54)
(i21,i22,i23,i24)
(h61, h62, h63, h64)
Многогранник
здоровых
Многогранник
больных
5

6. j
Алгоритм был опробован на реальных записях электроэнцефалограмм.
Разделение было получено как при непосредственной обработке результатов
измерений ЭЭГ (37 файлов: 6 больных Паркинсоном, 16 – эпилепсией и 9 не
больных заболеваниями ЦНС), так и при обработке отдельных фрагментов ЭЭГ
обследуемых, и принятие этих фрагментов за цельную картину ЭЭГ
обследуемого (370 файлов: 60 больных Паркинсоном, 160 – эпилепсией и 90 не
больных заболеваниями ЦНС).
6