автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.09, диссертация на тему:Разработка и исследование компьютерных систем обработки электроэнцефалограмм

ВВЕДЕНИЕ

ГЛАВА I. Анализ и пути совершенствования автоматизированных систем съема и обработки электроэнцефалограмм с помощью ЭВМ. №

§ I. Технические средства, методы регистра-'ции и обработки электроэнцефалограмм с помощью ЭВМ .№

§ 2. Особенности существувдих алгоритмов обработки и анализа электроэнцефалограмм и пути их совершенствования

Выводы.

ГЛАВА 2. Разработка и исследование алгоритмов авто- . матизированной обработки электроэнцефалографической информации

§ I. Выбор типа алгоритмов с позиции их адекватности к описанию исследуемого объекта и эффективности.

§ 2. Алгоритмы спектрального анализа электроэнцефалографической информации

Основная задача современной медицинской диагностики - выявление заболеваний на ранних стадиях их развития» В задачах совершенствования медицинского обслуживания населения, диагностика и лечение щаболеваний, относящихся к центральной нервной системе (ЦНС) в настоящее время выходят на одно из ведущих мест. В связи с этим наметилась тенденция расширения исследований по разработке методов и средств, способствующих раннему выявлению патологических процессов различного рода локализаций, связанных с указанными заболеваниями. К числу таких методов относится метод исследования электрической активности головного мозга - электроэнцефалография.

Электроэнцефалограммы (ЭЭГ) достаточно широко используют при диагностике состояния ЦНС, выявления локализации черепно-мозговых поражений (опухолей, нейроинфекционных заболеваний, травм, сосудистых нарушений); выявлении дефектов развития ЦНС; причин психических изменений и нарушений поведенческих функций, и наряду с этим - в диагностике и наблюдении за ходом лечения некоторых эндокринных расстройств и нарушений обмена веществ. Кроме этого ЭЭГ используются в целях общего контроля за состоянием больных с поражениями различных органов и систем не затрагивающими ЦНС; для наблюдения за глубиной наркоза при хирургических операциях. Анализ эффективности лекарственных препаратов и медикаментозного лечения, прогнозирование действия лекарственных средств, также в ряде случаев осуществляется с помощью метода электроэнцефалографии.

Актуальность проблемы. Характерной чертой современного этапа развития электроэнцефалографии является разработка и внедрение новых методов обработки и интерпретации электроэнцефалографических данных с помощью электронных вычислительных машин (ЭВМ). Применение кибернетических методов и ЭВМ в задачах обработки ЭЭГ нацелено на освобоздение врача от рутинных расчетов с одновременным улучшением качества обработки. Существувдие компьютерные системы автоматизированной обработки ЭЭГ решают, как правило, частные задачи, на которые ориентированы данные системы.

Развитие современных методов обработки случайных процессов, а также элементной базы позволяет по новому подойти к разработке компьютерных систем обработки ЭЭГ, а именно сделать основной акцент на первичную обработку ЭЭГ. При таком подходе алгоритмы первичной обработки должны и могут быть выполнены в достаточно универсальном виде, что автоматически обеспечивает их многофункциональность и возможность применения в ряде систем. Этим объясняется то, что большинство современных работ по рассматриваемому вопросу направлены в первую очередь на решение задач первичной обработки. В данной работе под термином "обработка" так же имеется ввиду именно первичная обработка ЭЭГ информации.

Несмотря на большое число работ, выполненных с целью применения ЭВМ в задачах первичной обработки ЭЭГ, внедрение результатов соответствующих исследований в медицинскую практику еще далеко не удовлетворяют современным требованиям. Известно несколько серийных компьютерных систем данного профиля,производимых в США („ledass" ,яШ£6В ), Швеции „lisa electronic " которые предназначены для массовых обследований населения с целью контроля неврологического статуса, расстройств сенсорных процессов восприятия и узнавания на основе исследования спонтанной и вызванной активности с помощью различных алгоритмических средств, имитирующих действия врача-исследователя .В Италии, фирмой „оте вюмеш" серийно производится компьютерная система „ ££G Spectral Data Interactive Computer " определяющая спектральные характеристики ЭЭГ сигнала по алгоритмам преобразований Берг-Фурье [5] и по предназначению аналогичная описанным выше системам.

Однако данные системы не получали широкого применения в клинической практике, так как они являются узкоспециализированными, нацеленными на решение ограниченного круга медицинских задач и для обслуживания требуют инженерно-технический персонал, достаточно объемны, характеризуются высокой стоимостью и при этом не обеспечивают требуемые точности съема биомедицинской информации.

На основании вышеизложенного можно заключить, что задача разработки, исследования и внедрения в практику здравоохранения компьютерной системы обработки в реальном квазиреальном масштабе времени, биомедицинской информации и в частности ЭЭГ информации, нацеленной на устранение вышеперечисленных недостатков несомненно является весьма актуальной проблемой. Решение этой задачи позволит решить многие неотложные задачи практического здравоохранения и обеспечит достижение существенного экономического эффекта.

Цель работы - исследование и разработка специального математического и технического обеспечения многофункциональной компьютерной системы обработки ЭЭГ информации.

Достижение этой цели требует решения следующих основных задач:

1. Проведение комплексного углубленного анализа технического и математического обеспечения известных систем'обработки ЭЭГ информации с помощью ЭВМ и разработка обобщенной структурно-функциональной модели компьютерной системы обработки ЭЭГ информации.

2. Разработка и исследование специальных алгоритмов обработки ЭЭГ и соответствующего математического обеспечения.

3. формужгровка основных требований к системе съема информации, алгоритмическому и математическому обеспечению.

4. Создание реальной многофункциональной компьютерной системы обработки ЭЭГ информации на базе технических элементов, удовлетворяющих поставленным требованиям.

5. Проведение клинико-экспериментальных исследований с целью определения адекватности оценок состояний ЦНС на основе разработанной системы,

6. ШЕфОкое внедрение результатов исследований в практику здравоохранения.

Метод исследования. В работе сочетаются теоретические и экспериментальные исследования, которые базировались на системном анализе, классификации и распознавании образов* отдельных разделах теории информации, математической статистики и аналитической геометрии.

Клиник о-экспериментальные исследования проводились на макете разработанной многофункциональной компьютерной системы. Медицинской базой для проведения экспериментов явилось неврологическое отделение клинической больницы № 2 Минздрава УзССР (ныне КБ № I Минздрава УзССР).

Научная новизна.

1. Разработан и реализован новый формализованный подход к адекватной обработке электроэнцефалографической информации на ЭВМ, основанный на системном анализе существующих алгоритмов обработки ЭЭГ. С целью определения адекватных алгоритмов обработки развит метод последовательных приближений, основанный на классификации различных типов ЭЭГ.

2. Разработанный формализованный подход включает новые алгоритмы спектральной и структурной обработки ЭЭГ. Алгоритмы спектральной обработки ЭЭГ основаны на быстрых преобразованиях Уолша-Фурье, со специальным уточнением вида базисных функций. Алгоритмы структурной обработки ЭЭГ разработаны применительно к микрокомпьютерным системам и отличаются от подобных известных алгоритмов меньшей сложностью при сохранении информативности в процессе обработки.

На основе этих результатов обоснованы и практически реализованы компьютерные системы обработки ЭЭГ с использованием серийно выпускаемых микро-ЭВМ.

Практическая ценность и рекомендации по применению.

1. Разработано программное обеспечение мониторных систем управления многофункциональными компьютерными системами обработки ЭНГ информации на базе микро-ЭВМ Электроника НЦ-ОЗД, Эоектроника-6СМ и мини-ЭВМ СМ-4, позволяющие автоматизированно произвести обработку ЭЭГ реальных больных и решать задачи классификации состояний в реальном масштабе времени.

2. Сформулированы единые требования к техническому, алгоритмическому и математическому обеспечению компьютерной системы обработки ЭЭГ информации, обеспечивавшие четкую и эффективную организацию сбора и анализа ЭЭГ информации, а также классификацию и прогнозирование состояний ЦНС.

3. Разработашмногофункциональная компьютерная система обработки ЭЭГ информации на базе микро ЭВМ Электроника НЦ-ОЗД, удовлетворяющая противоречивым требованиям к габаритам, стоимости и многофункциональности. Разработанная система позволяет в квазиреальном масштабе времени решить отдельно или в комплексе следующие задачи обработки ЭЭГ информации, которые являются базой в решении всех задач диагностики и прогнозирования состояния ЦНС с помощью ЭЭГ:

- регистрация фоновой ЭЭГ;

- регистрация и накопление в реальном масштабе времени вызванных потенциалов головного мозга для различных отрезков времени;

- определение амплитудно-частотного спектра;

- вычисление выборочных значений функции спектра мощности;

- определение значений структурных параметров кривой, соответствующей ЭЭГ процессу, которые указывают на амплитудно-частотно-временные характеристики кривой с учетом форм колебаний.

4. Проведены экспериментальные исследования созданной компьютерной системы, которые дали следувдие результаты: а) предложено несжимаемое признаковое пространство описания ЭЭГ образа для физиологической нормы и патологии (симптоматическая эпилепсия); б) предложенное решение задачи классификации патологических состояний реальных больных привело к постановке верного диагноза в 94$ случаев из общего ыисла больных, равного 723. в) данные обработки вызванных потенциалов головного мозга на вспышки света здоровых людей и больных симптоматической эпилепсией показывают информативность параметров разработанного признакового пространства и достоверности результатов анализа; г) существенная количественная разница между значениями параметров различных возрастных групп и состояний показывает на возможность применения выбранных параметров для целей оценки состояний головного мозга в статике и динамике.

5. Выработаны новые рекомендации по использованию промежуточных результатов спектральной обработки с помощью быстрого преобразования Уолкга-Фурье при анализе фоновой ЭЭГ и вызванных потенциалов головного мозга.

Настоящая работа, направленная на решение одной из конкретных задач проблемы 0.18.05:."Создать и освоить в производстве комплексы медицинских приборов и средств автоматизации, повышавших эффективность профилактики и диагностики заболеваний", утвержденной постановлением ГКНТ при СМ СССР от 9.11.76, № 390, проводилась в рамках тем 1.12.10.9 и 1.12.9.1 часть П сводного плана президиума АН УзССР на 1975-80 и 1980-85 годы.

Реализация результатов. Результаты диссертационной работы внедрены в практику здравоохранения в неврологическом отделении клинической больницы № 2 Минздрава УзССР (ныне Л I) с ежегодным экономическим эффектом в сумме 50 тыс.рублей, а также были использованы в хоз. договорной работе 12/81 научно-производственного объединения "Кибернетика" АН УзССР.

Медико-технические требования на автоматизированный комплекс регистрации и обработки ЭЭГ утверждены Экспертной Комиссией по физиологическим прибррам и аппаратам Комитета по новой медицинской технике Управления по внедрению новых лекарственных средств и медицинской техники Минздрава СССР, протокол № 5 от 17.10.1982г. (Приложение А^ 5).

Публикации. По теме диссертации опубликовано четыре печатные работы во всесоюзных и республиканских издательствах.

Структура и объем работы.

Диссертация состоит из введения, трех глав, общих выводоы, списка литературы и пяти приложений. Работа содержит стра

ОБЩИЕ ВЫВОДЫ

1. Разработана многофункциональная компьютерная система обработки электроэнцефалографической информации на базе отечественной микро ЭВМ, удовлетворяющая требованиям к габариту, стоимости, одновременной многофункциональности и позволявдая решать, отдельно или в комплексе, в квазиреальном масштабе времени, задач первичной обработки ЭЭГ, составляющих базу в решении основных задач диагностики и прогнозирования состояния ЦНС с помощью ЭЭГ.

2. Разработана обобщенная структурно-функциональная модель компьютерной системы обработки ЭЭГ информации, что позволило систематизацию процесса создания и внедрения компьютерных систем обработки электроэнцефалографической информации.

3. Разработан и реализован новый формализованный подход к адекватной обработки электроэнцефалографической информации на ЭВМ, основанный на системном анализе известных алгоритмов обработки ЭЭГ. С целью определения адекватных алгоритмов обработки, развит метод последовательных приближений, основанный на классификации различных типов ЭЭГ.

4. Разработаны и исследованы оригинальные алгоритмы спектральной и структурной обработки ЭЭГ. Алгоритмы спектральной обработки ЭЭГ основаны на быстрых преобразованиях Уолша-Фурье, со специальным уточнением вида базисных функций. Алгоритмы структурной обработки ЭЭГ разработаны применительно к микрокомпьютерным системам и отличаются от подобных известных алгоритмов меньщей сложностью при созфанении информативности в процессе обработки.

5. Разработано программное обеспечение мониторных систем управления многофункциональными компьютерными системами обработки ЭЭГ информации на базе микро ЭВМ Электроника ВД-ОЗД, Электроника

60М и мини ЭВМ СМ-4.

6. Сформулированы единые требования к техническому и математическому обеспечению многофункциональной компьютерной системы обработки ЭЭГ информации.

7. Предложено несжимаемое признаковое пространство описания ЭЭГ образа для физиологической нормы и патологии (симптоматическая эпилепсия). Решение задачи классификации патологических состояний реальных больных, на основе предложенного признакового пространства, привело к постановке верного диагноза в 94$ случаев из общего числа больных, равного 723.

8. Предложены новые рекомендации по использованию промежуточных результатов спектральной обработки при анализе фоновой ЭЭГ и вызванных потенциалов головного мозга.

В заключение сожно сформулировать следующие выводы:

- разработан новый, формализованный подход к адекватной и эффективной обработке электроэнцефалографической информации на ЭВМ.

- разработаны оригинальные адекватные и эффективные алгоритмы спектральной обработки на базе быстрого преобразования Уолша-Фурье с уточнением базисных функций и выработкой практических рекомендаций для применения и алгоритмы структурной обработки электроэнцефалографической информации на ЭШ.

- разработано программное обеспечение многофункциональной компьютерной системы для трех типов ЭВМ: СМ-4, Электроника-60 M и Электроника НЦ-ОЗД, с учетом предъявленных требований и разработанных алгоритмов.

Полученные результаты позволили создать многофункциональную компьютерную систему обработки электроэнцефалографических данных, описанию и экспериментальному исследованию которой посвящена следующая глава данной работы

ГЛАВА 3. РАЗРАБОТКА И ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ РЕАЛЬНОЙ МНОГОФУНКЩЮНАЛЬНОЙ КОМПЬЮТЕРНОЙ СИСТЕМЫ ОБРАБОТКИ ЭЛЕКТРОЭНЦЕФАЛОГРАФИЧЕСКОЙ ИНФОРМАЦИИ

§ I. Многофункциональная компьютерная система обработки электроэнцефалографической информации

При создании автоматизированной системы обработки ЭЭГ в режиме „011 , как правило, необходимо обеспечение строгой последовательности операций: съема, усиления и аналого-цифрового преобразования исходного сигнала для последующего ввода в ЗУ ЭВМ» При этом важным фактором является обеспечение совместной работы системы съема, усиления и преобразования в цифровой код ЭЭГ сигнала. При более детальном рассмотрении автоматизированной системы становится очевидным, что создание таких систем представляется довольно сложной задачей. При проектировании системы съема уточнению подлежат число и тип клинических отведений ЭЭГ. Наиболее перспективный подход к вопросу формирования типа клинических отведений ЭЭГ, по нашему мнению, изложен в работе ¡23] , согласно которой все многообразие известных в практике отведений может быть сформировано программным путем, с использованием общепринятых в клинической практике электродов. Детальный анализ этого вопроса не входит в задачи настоящего исследования, так как ему посвящено значительное количество публикаций.

Следующему звену в цепи прохождения сигнала - усилителю биопотенциалов - посвящено не меньшее число публикаций, однако, формулирование требований в его техническим характеристикам, в плане работы в системе, достаточно пробелматично.

Известно, что характерными параметрами каждого усилителя напряжений постоянного тока являются следующие: а) коэффициент усиления - К ус; б) верхняя граничная частота - ; в) постоянная времени; г) границы фильтров нижних частот - ^ ; д) крутизна спада /\ЧХ фильтров; е) коэффициент подавления синфазной помехи на частоте 50 Гц для дифференциальных усилителей; ж ) уровень шумов, приведенный ко входу в заданной полосе частот; з) уровни напряжения калибровки.

Из указанных параметров усилителя ЭЭГ Кус, \ а тесно связаны с параметрами аналого-цифрового преобразователя, такими как предел изменения напряжений входного сигнала - Их , рабочий диапазон входных сигналов по частоте - ^ , время преобразования - Т и число разрядов двоичного кода - г

Как известно, биопотенциалы головного мозга на входе усилителя имеют следующие параметры:

- пределы изменения напряжения - 0*500мкВ,

- перепады напряжения - 3* 10 мкВ,

- диапазон по частоте - 0+ 100 Гц.

При этом указанный диапазон частот является, как было указано выше в § 2 главы I, дискутабельным и требует уточнения.

Для согласования усилителя с АЦП прежде всего должны удовлетворяться условия тах К.с 4 и-ХКОМ где \-kom - граница рабочего диапазона АЦП по напряжению, М)(ном = 500мкЬ - максимальное напряжение сигнала на входе усилителя' - входное сопротивление АЦП, Rgwxyc - выходное сопротивление усилителя напряжений, max Kvjc - допустимый предел коэффициента усиления.

Проведенный анализ существующих АЦП, приведенных в литературе [85] , по границам входных напряжений показал, что они имеют вариацию в пределе [±1В* 10,23 в] . Требования к Кус относительно конкретных значений этой вариации, определяемые по формуле (23), для ЭЭГ сигналов сводятся к следующему:

11 ном i1® ±1*023 ±5 ±7 ±10 ±10,23 Кус. 1000 1023 5000 7000 10000 10230

С выхода АЦП дискретная информация вводится в ОЗУ ЭВМ для дальнейшем обработки. При наличии параллельного ввода существенным фактором, влияющим на процесс обмена ЭВМ с АЦП и ускорения дальнейшей обработки, является число разрядов двоичного кода выхода АЦП» Исследования, проведенные на схеме проверки работоспособности АЦП (в примере АЦП Ф 7077/1) [86] , е использованием априорных знаний о диапазоне напряжений ЭЭГ, привели к возможности параллельного соединения выходных разрядов АЦП без разрядов соответствующих двоичным кодам 2®, 2*, 2s, 2^ и соответственно выработке требования к числу выходных разрядов, т.е. Г- 6

Одним из следствий выводов главы I является необходимость выбора эффективных технических элементов структуры КСО ЭЭГ, которые одновременно удовлетворяли бы противоречивым требованиям компактности, малой себестоимости и больших функциональных возможностей.

С учетом изложенных требований проанализированы серийно освоенные промышленностью усилители биопотенциалов и аналого-цифровые преобразователи, в результате чего из определенного многообразия известных приборов всем сформулированным требованиям практически удовлетворяли только усилитель биопотенциалов с активными КС -фильрами УБФ4-03[87] и АЦП Ф 7077/1 [85] » которые и были использованы при создании многофункциональной компьютерной системы обработки ЭЭГ информации.

Существенно более сложным является вопрос выбора типа ЭВМ для построения системы, так как именно ЭВМ во многом определяет противоречия (стоимость, габариты, многофункциональность, избыточность специальных внешних устройств и т.п.). Поэтому выбору ЭВМ и соответствующему обоснованию этого выбора необходимо уделить внимание.

Общеизвестно, что эффективность автоматизированных систем различного назначения тесно связана с возможностями используемых в ней ЭВМ. При выборе базовой ЭВМ, необходимо обеспечить решение с ее помощью следующих задач: прямой доступ к ОЗУ при непосредственном вводе информации в память в режиме реального масштаба времени, обеспечение одновременной обработки данных и операций ввода-вывода, увеличение скорости ввода-вывода при минимальных габаритах и наименьшей стоимости.

Выпускаемые в настоящее время ЭВМ принято делить на отдельные категории или классы в зависимости от их производительности, потенциальных возможностей, стоимости, габаритов и т.д.: микромини и универсальные ЭВМ. Типичные значения основных технических характеристик ЭВМ различных классов указаны в табл. 4.

Следует отметить, что в связи с развитием электронной техники возможности вычислительных машин непрерывно возрастают. Именно поэтому формальное отнесение той или иной ЭВМ к определенному классу, исходя из указанных в таблице признаков, во многих случаях оказывается затруднительным, особенно если речь идет о машинах выпуска разных лет. По зарубежным данным [88] , стоимость микро-ЭВМ колеблется в пределах 5-50 тыс.долларов, мини ЭВМ - 12,5250 тыс.долларов, универсальных - 0,25-4 млн. долларов [89] .

В настоящее время предпочтение отдают ЭВМ модели Единой системы ЭВМ (ЕС ЭВМ), АСВТ и СМ [90,91] . В последнее время в разных

1. Кратия KU?., Гусельников В.И., Техника и методика электро-энцефалогафии, Л.: Медицина, 1971, -267 с.

2. Gevlns j\. S,, Уеа^ег C.L., Dlainoodl S.L., Spire 3.P., ZelUlTL G.M., Gevlns AAL — AuWetecL œnaiysls of thA etectrica£ activity of ike Ьдтап. ßralu h

3. К Eick. V. (Клич В.) Биомедицинские применения микропроцессоров, ТИИЭР, IST78, т.66, №2, с. 48-62.

4. О.Т.Е. blom-ecLlca. — ££(3 Spectral .Data Interactive Computer. Mod.eC 2264, .Ы1а,Цогг, |9Ô0, p. 12.

5. Абуладзе Г.В., Глушков H.H. Статистическая обработка вызванных потенциалов мозга в ходе эксперимента с помощью ЭВМ пДнепр-Г Физиол. журн. СССР, 1973, т. 59, с. 963-965.

6. Буш A.B., Карасев Н.П., Постоенко Ю.К., Ратушняк A.C., Рейн А.Э., Шпарк М.Б. Система для автоматизации биолог о-медицин-ских исследований. В кн.: Автоматизация экспериментальных исследований, Минск, 1975, с. 133-137.

7. Вихров Н.й., Немой A.A., Чумаченко О.Г. Система ^автоматической обработки на базе ЭЦВМ М-220. В кн. : Автоматизация экспериментальных исследований, Куйбышев, 1975, вып. 8, с. 15-23.

8. Иванов К.П., Клещев A.C. Биологический вычислительный центр, Л.: Наука, 1975, 140 с.

9. Жаровский О.Н. Экспериментальный вычислительный комплекс для автоматизации электрофизиологических исследований.- 116

10. Управляюцие системы и машины,' 1974, Л 3, с. I07-II2.

11. Лиман А.Д., Попов В.М., Полынин А.К., Петриченко A.A. Автоматизация частотного анализа ЭЭГ с помощью ЭВМ "Мир-2П.

12. Фи зиол. журнал СССР, 1977, т. 63, с. 1065-1066.

13. Лиман А. Д., Попов В.М., Родионов Ю.Н. Гибридная вычислительная система для автоматизации физиологических исследований. -физиол. журн. СССР, 1978, т. 64, с. 1505-1507.

14. Меламед В.Ш. Автоматический поволновой анализ электроэнце-валограммы. Физиол. человека, 1977, т.З, с.735-739.

15. Дорощенко В.А., Кирдякин А.Т., Смирнов В.А. Автоматизация психофизиологических исследований сенсорной деятельности человека с применением ЦВМ "Наири-К". В кн.: Автоматизация научных исследований на основе применения ЭВМ, Новосибирск,1978, с. 180-184.

16. Першин Ж.А., Чихман В.Н. Система накопления и обработки экспериментальных данных. Научн. тр. Ин-та физики АН СССР,1979, № 2, с. 76-80.

17. Штарк М.Б., Постоенко Ю.К., Рейн Л.Э., Хайретдинов М.С., Буравский В.Н., Судариков Л.Г., Камак-системы автоматизации в экспериментальной биологии и медицине, Новосибирск; Наука, 1970, 272 с.

18. Г7. ( Soticek Ъ. ) Соучек Б. Мини ЭВМ в системах обработки информации, М.: Мир, 1976, 547 с.

19. Smitk 3.R. IVatomatic analysis and cLcicction o|

20. EEG spikes.-Mit Trans biorned. l97A,v.2Ui,p.2IO.

21. Collen B.l\. Period analysis o|tke eteciroencepkaEograTTrm.-— Compat. Programms üiomfcd, 1976, v. 6, nIp. 269-276.

22. CoWn Bravo-Fernandez E.3. Katomated ££& Analysis {or Stroce Prognoses. — ££G C£in. Mevroph.usioL, 1976,v.7, p. 101-109.- 117

23. Barr R., Асккпсшх 3. CompaterueA Statistical moultorlru} 0? tiU £,£G In. intensive. Care ma^a<jem<znt1976. P<zd. V !£££ Cor4. Dig.eeec. Uf This iecadc, IW Tex.at Austin.

24. Wlisoa G.F. Gregory 3. £vok<zd potential analysis pro^rarruus for tke U& 8 Bekav. Pes Metk. Instrim, 1978, v.10,1. N5, P. 743-744.

25. ScL.f Houoeuea, Haw. ; 1976. HonoKEu, 1976, p.68-70.

26. Keane B. A microprocessor &ased ££G waveform ana£yies.--Proc. Sou.tkeast соц. 1977 Red. 5 Cin-f - ImaGln. £яо. ti.roaok.du.c . fixpL, Witei.ams8urg , Va, 1977, Mew 9ork , 1977, p. 568-370.

27. Keane. Ь ££G Pkaslc event detection. mLcrocompater.--ШЕ Trans. Biomed. 1978, v. 25, Nb, p 297-299.

28. Zacker 3.6., Tompkins W.l Mlcroprocomputer ЗтрЦе mentation. of ££G Wave l)ara.tlorL Ako^ijsIs.— I£££ Front. 6ncj. Hea£tk Care, IZii/ivLy. Med. BloE. Soc.In.st Anru CoKtf, Denver, CoEo, 1979 . New Уогк , 1979, p. 25-28.

29. Klein. F.F. V/ave^oriTL Ana^zer ApptlecL to tie Human, ££G .-ieec Ws.BiorrubdL. Базuu, 1 , 1976 , V 23, tf3,p.246-252

30. Сачков В.И., Абрамов Ю.Б., Кузнецов Н.А. Автоматизированная оценка состояния по данным ЭЭГ при наркозе. В кн. :Материа-лы межотраслевой медико-технологической конференции "Новаятехника в медицинской практике", М: 1978, с. 137-138.

31. SerfaLnl M. A pattern. reco^-n-itlon metkod applied to ££G aua^sls.— Computers Scorned. Res., 1973, v. 6,p.lS7-l95.

32. Gevlas A.S., Sealer G.L. ,ilamondL S.L. et Au.iom.at<2cL Auab/sis of ££ectrlca(! Activity of tke Human Brain. (ШЗ): A Progress Peport.- Proc.KEE, 1975, v. 63, N 10, p. I3.S2-I399.

33. Иваницкий A.M. Мозговые мзханизмы оценки сигналов, М.: Медицина, 1976, с. 35-40.

34. Гутман A.M. Зависимость периода электроэнцефалограммы от амплитуды. Биофизика, 1962, Л 7, с.63.

35. Гринявичус К., Гутман A.M. и др. В кн.: Кибернетика в меди-кобиологических исследованиях, М.: Наука, IS7I, с. 154.

36. Гутман С.Р. Матрица оценочных функций электроэнцефалограммы. -Докл. АН СССР, 1973, 187, Л 2, с. 52.

37. Гутман С.Р. Об одной оценке биоэлектрической активности.

38. В кн.: Проблемы биологической кибернетики., М.; Наука, 1971, с. 202-210.

39. Генкин А.А., Медведев В.й. Прогнозирование психофизиологических состояний. Вопросы методологии и алгоритмизации, I.: Наука, 1973, с. 44-60.

40. Pid 11. IWrosp. Med. 1961, v. 52,p. 1101-1105. a Chvi. WearopkysLoL, (966 , v.2l, Д , p. 325-334.

41. Вейс Т. Об информационной ценности ЭЭГ. В кн.: Проблемы нейрокибернетики, т.2, изд-во Ростовского ун-та, 1965,с. 135-138.

42. Курочкин С.С. Многоканальные счетные системы и коррелометры, М.: Энергия, 1972, 344 с.

43. Мишин Л.Н. Аппаратура для корреляционного анализа биоэлектрических процессов. В сб.: Примерение математических методов в биологии, Л.: изд-во ЛГУ, 1963, № 2, с. 71.

44. Иванов-Муромский К.А., Заславский С.Я. Применение ЭВМ для анализа электрограмм мозга, Киев: Наукова думка, 1967, -184с.

45. Балантер Б.И. Вероятностные модели в физиологии, М.: Наука, 1977, с. 127-138.

46. Русинов B.C. /под ред./. Клиническая электроэнцефалография, М.: Медицина, 1973, с. 277.

47. Грицдель О.М. Частотный и корреляционный анализ электроэнцефалограммы человека в норме и при очаговых поражениях головного мозга. Докторская диссертация, М., 1966.

48. Хижниченко В.И. Стационарный подход к анализу одного класса нестационарных случайных процессов, Радиотехника, 1974, № 6, с. 73-75.5D. Гублер Е.В. Вычислительные методы анализа и распознавания патологических процессов. Л.: Медицина, 1978, с. 56.

49. SaiU&er^ в., Wck MR. IRG Vie scon. Coru/entloru Record, " 1959,.pt.S, p. 35-41.

50. WePt cr G. TkeoretlcaC, properties o| cLl^use projection, system Lb, re2a.tLoru £eh.avlou.r a-ind con-ScloLLSn-GSS,

51. Sy m.posLum., Oxford, I95A , p- 3^5.- -- >

52. Wa-ttar G-, RViocLasT., KcUy R. jyiscrüuLvaaxtLVLj amon| slates o| con.sc'iouLsn.ess ££G iue.a.su,reiu(2.nts. A studLy oj ^ou.r suiWts.: ££G o- WeuLropUsloE., 1967, v.22, Ni, p.22. Г3

53. НогА Ъ3on.sson. L, LuÍlh, A., Austln, f\A. R.eso£u.ti.on. oliujLun, tUe. curto spactra o^ ££G, *. ££G a Cíin<. Neu.ropk|jsLo£1965, v. 19, n3, p- 304.

54. Мешалкин Л.Д., Ефремова Т.М. Оценка спектров физиологических процессов по коротким интервалам времени. В кн.: Математический анализ электрических явлений головного мозга, М.: Наука, с. 42.

55. Клочков А.М., Сергеева Л.И. В журн. Высш.нервн.деят., 1967, т.7, № 2, с. 374-380.

56. Преобразование Уолша дискретизированных функций времени и принцип дискретизации. ТЙЭЭР, 1973, т.61, $ 5, с.28-33.

57. Сопоставление преобразований Уолша и Фурье. ТИЭЭР, 1974, т. 62, № 3, с. 41-46.

58. Замечания к статье "Сопоставление преобразований Фурье и Уолша. ТИЭЭР, 1975, т. 63, №2, стр. 71-74.

59. Хармут Х.Ф. Передача информации отпогональными функциями. М.: Связь, 1975.

60. Бавози Дж.Раччиу А. Анализ сжания информации при использовании для видеосигнала преобразования Адамара.1973, т.22, В 6, с.202-208,

61. Ахмед, Pao, Абдисаттар. Преобразование Адамара ( BIF0RE ),-Зарубежная радиоэлектроника, 1972, № 4, с. 62.

62. Горелик Г.С. Колебания и волны, М.: Связь, 1959.

63. Andrews H.G. 3)imitai Computers arut Lm.age proze-ssluo. £ruUavoiJLr. \972., v. 31, n1 113, p.68. /WcLrcc6s H .G. -!£££. Transaction, on. ££ectrom.a^<ztlc

64. CorrLpatigLEó-Ц , 1971, v.£MC-13 , мЗ, p. 2Б-32.

65. Шаг ас Ч. Вызванные потенциалы в норме и патологии, М. : Мир, 1975, с. 18, 56-64.

66. Жуковский В.Д. Автоматизированная обработка данных клинических функциональных исследований, М. : Медицина, 1981, 352 с.

67. Данилова Н.Н. Применение электронно- вычислительной машины для анализа биоэлектрической активности коры больших полушарий и режимы при длительной стимуляции глаза светом. В кн. Электрофизиология нервной системы, изд-во Ростовского ун-та, 1963, с. 125.

68. Martin, WA et aü. — Pattern. recocj^ltLon, o| ££6~£0G cls a. teckn/u^u-e. jor aíí -nicjílt s£e.ep staae scorlmj. —ectroen.c<2plx. Cíut. Neu.roph,ijsí.o£., 1972 , rJ32, p. 4)7-^27.

69. Войтинский Е.Я., Лившиц M.E., Ромм Б.И., Рыжиков B.C. Анализ биопотенциалов на цифровой адаптивной системе, Л.: Наука, 1972, стр. 65.

70. Марк юс Ж. Дискретизация и квантование, М. : Энергия, 1969.

71. Mltter S.К., Уоик^ S.К. Quan-tam. estlíuatijorL t&eor^.1.ct Motes Con.tr Ы$огт. SfcL , 1979, p. 127-136

72. Виттих В.A. Сжатие данных при экспериментальных исследованиях, Сб.: Вопросы кибернетики. Сжатие данных, M., 1974.

73. Гусельников В.И. Электрофизиология головного мозга, М. : Высшая школа, 1976.

74. Соколов A.A., Соколов Я.А., Математические закономерности электрических колебаний мозга, М.: Наука, 1976.

75. ТраЯлан A.M., Трахтман В.А. Основы теории дискретных сигналов на конечных интервалах, М.: Советское Радио, IS75, с.47.

76. Аладжалова H.A. В кн.: Длительные электрические потенциалы нервной системы, Тбилиси, 1969, с. 236-259.

77. Амосов Н.М., Зайцев Н.Г., Мельников В.Г., Попов A.A., Стар-чин В.П., Шульга В.А., Яненко В.М. Медицинская информационная система, Киев, Наукова думка, 1971, с. 71-72.

78. Камбарова Д.К. Теоретические основы диагностики и лечения эпилепсии. В кн." Теоретические основы патологических состояний, Л.: Наука, 1980, с. 52-64.

79. Касимов Z.M. Об одной автоматизированной системе сбора, обработки и анализа спирограмм. В сб.: Вопросы кибернетики, Ташкент: изд-во АН УзССР, 1977, с. 78-85.

80. Микро ЭВМ Электроника НЦ-ОЗД. Техническое описание и паспорт.

81. Справочник по электроизмерительным прибррам./(Под.ред.Илюни-на К.К./, Л.: Энергоатомиздат, 1983, с. 145-157; 196-197.

82. Аналого-цифровой преобразователь (АЦП) Ф-7СТ77/1. Техническое описание и паспорт.

83. Усилитель биопотенциалов четырехканальный с активными фильтрами. Техническое описание и паспорт.

84. Самойленко С.И. Системы обработки информации, М.; Наука, 1975, 254 с.

85. Виноградов В.й. Дискретные информационные системы в научных исследованиях, М.: Атомиздат, 1976, 280 с.

86. Наумов Б.Н., Боярченков М.А., Кобалевский А.Н. Управляющий вычислительный комплекс СМ-3. Приборы и системы управления, 1977, Я 10, с. 12-15.

87. Селиванов Ю.П., Шелихов A.A. Вычислительные машины (справочник), М.: Энергия, 1978,-с. 224.

88. Глазов Г.Я., Дразовский Л.М., Коренков Л.М. Опыт разработкии применения микропроцессоров. Приборы и системы управления, 1977, & 9, с. 15-18.

89. Микропроцессоры. Электронная промышленность, 1978, $ 5,94. Крекуле И. Обработка электрофизиологических данных в реальном масштабе времени с использованием специализированных и лабораторных ЭВМ. - Физиол. человека, 1975, т.1, с. 27.

90. Труш В.Д., Кориневский A.B. ЭВМ в нейрофизиологических исследованиях, М.: Наука, 1978, 239 с.