АЛГЕБРАИЧЕСКИЕ ФИЛЬТРЫ

АЛГЕБРАИЧЕСКИЕ ФИЛЬТРЫ

Суть данной процедуры состоит в скольжении «окном», которое представляет собой набор из п коэффициентов (где n – нечетное произвольное число, например, для п = 5 окно «0,5; 1,0; 2,0; 1,0; 0,5») по последовательности мгновенных значений сигнала, так что каждое значение в последовательности умножается на поставленный в соответствие ему коэффициент фильтра. Затем исходное значение сигнала, соответствующее «центральному» коэффициенту окна-фильтра, заменяется частным от деления суммы вычисленных произведений на сумму коэффициентов фильтра. После этого фильтр смещается на одно значение сигнала, и процедура повторяется, так что все исходные значения сигнала кроме (n–1)/2 мгновенных значений, примыкающих к границам эпохи анализа (эти значения должны быть исключены из дальнейшего анализа), заменяются на новые вычисленные значения. Очевидно, что свойства фильтра определяются количеством коэффициентов и их соотношением. Например, окно «1, 1, 1, 1, 1, 1, 1» сглаживает сигнал сильнее, чем «1, 5, 10, 15, 10, 5, 1», a «1, 1, 1, 1, 1, 1, 1, 1, 1» – еще сильнее.

ГАРМОНИЧЕСКАЯ ФИЛЬТРАЦИЯ

Гармоническая фильтрация основана на обработке спектров исходного сигнала, рассчитанных, например, при помощи быстрого преобразования Фурье (Fast Fourier Transformation – FFT). Спектр Фурье представляет собой сигнал в виде набора sin и cos функций, которые при суммировании образуют исходный сигнал, т.е. спектр Фурье содержит всю информацию об исходном сигнале. Действительно, алгоритм обратного преобразования Фурье ( FFT-1) позволяет восстановить сигнал из спектра без потерь. Спектр Фурье представлен двумя доменами – частотным и фазовым. Первый содержит информацию о частотном составе сигнала, а второй – о фазовых сдвигах для разных частотных составляющих. Возможно произвольно изменять величины в том и другом доменах, например «вычеркивая» частоты, что после восстановления сигнала (при помощи FFT–1) проявится как изменение частотных характеристик сигнала: или исключение 50 Гц, или сглаживание сигнала, или устранение постоянной величины, или снятие медленных составляющих и т.д. Следует учитывать, что «хвосты» эпохи анализа, представленной спектром, будут искажены после восстановления сигнала из обработанного спектра, как и при алгебраической фильтрации.

Описание ССП

В результате накопления отрезков ЭЭГ, связанных с определенными событиями, их усреднения, цифровой фильтрации или других процедур, получают ССП – кривую, которую описывают как последовательность значений амплитуд или как последовательность колебаний (волн).
В морфологии ССП выделяют волны, колебания, отклонения и сдвиги (wave, oscillation, deflection, shift) – непосредственно наблюдаемые изменения потенциала, и компоненты – составляющие ССП, которые не обязательно совпадают с определенной волной/колебанием, могут взаимно перекрываться во времени и определять форму нескольких последовательных волн (ср. с понятием «синтетический компонент» [Naatanen et al., 1993; Rockstroh et al., 1982, p.107– 108]). Для выделения компонентов потенциал описывают как последовательность значений амплитуд и применяют специальные процедуры, например реконструируют компоненты как разность мгновенных значений амплитуд волн ССП, зарегистрированных в ситуациях, когда предполагаемый компонент входит и не входит в состав ССП. Так выделяют, например, негативность, связанную с рассогласованием (mismatch negativity – MMN) [Naatanen et al., 1993], негативность, связанную с обработкой сигнала (processing negativity) [Ritter et al., 1984], продолжающуюся негативность (sustained negativity) [Naatanen, Michie, 1979] и компоненты позднего позитивного комплекса (CNV, Р300 и Slow Wave)[Sutton, Ruchkin, 1984].
Для идентификации волны или компонента используют: 1) амплитудно-временные характеристики: полярность (позитивное или негативное отклонение, обозначаются Р и N соответственно), длительность, латентный период начала отклонения или его пика по отношению к моменту появления события (полярность и латентный период колебания обозначают, например, Р100, N200) или его порядковый номер (например, Р1, N1, P2…, P3 и т.д.), амплитуду от «нулевой линии» (baseline) или «от пика до пика» (peak-to-peak amplitude); 2) распределение амплитуд по скальпу (topography); 3) связь с событием, с его характеристиками; 4) связь с задачей (task dependence).
Волны ССП, идентифицированные как принадлежащие к одному и тому же классу, могут существенно различаться по амплитуде и временным характеристикам, например, колебание Р300 может развиваться с латентным периодом от 250 до 1500 мс. Именно поэтому при сопоставлении формы волн применяют как сравнение мгновенных значений амплитуд волн, так и статистики пиковых значений амплитуд и латентных периодов.

Особенности метода ССП

В последние десятилетия разработаны методы регистрации активности мозга, обладающие значительными исследовательскими возможностями. Однако и при разработке новых методов исследований активности мозга, и при верификации результатов, получаемых при помощи этих методов, электрическая активность мозга широко используется как референтный способ анализа. «Привилегированное» положение метода ССП объясняется простотой регистрации, не требующей хирургического вмешательства (неинвазивностью), возможностью наблюдать активность многих областей мозга в динамике, в течение длительных интервалов времени, при выполнении сложных задач, у здоровых испытуемых любого возраста, у пациентов и у животных. Ограничения и преимущества ССП как исследовательского инструмента можно видеть при его сопоставлении с другими методами (включая и методы, основанные на регистрации ЭЭГ). Особенности метода ССП важно учитывать при его совместном использовании с другими современными методами исследования активности мозга. Сопоставимость результатов, получаемых различными методами, включая ССП, обеспечивается тем, что все они являются дополнительными описаниями метаболизма мозговой ткани.

Этот сайт использует Akismet для борьбы со спамом. Узнайте как обрабатываются ваши данные комментариев.