автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.17, диссертация на тему:Скринингующая система диагностики неврологических нарушений на основе самонастраивающегося фильтра

На правах рукописи

У(

ИНДЮХИН Алексей Алексеевич

СКРИНИНГУЮЩАЯ СИСТЕМА ДИАГНОСТИКИ НЕВРОЛОГИЧЕСКИХ НАРУШЕНИЙ НА ОСНОВЕ САМОНАСТРАИВАЮЩЕГОСЯ ФИЛЬТРА

Специальность 05.11.17 — Приборы, системы и изделия медицинского назначения

Автореферат

диссертации на соискание ученой степени кандидата технических наук

5 ДЕК 2013

Курск 2013

005542900

005542900

Работа выполнена в ФГБОУ ВПО «Тульский государственный университет»

Научный руководитель - Коржук Николай Львович,

кандидат технических наук, доцент

Официальные оппоненты: Филист Сергей Алексеевич,

доктор технических наук, профессор, ФГБОУ ВПО «Юго-Западный государственный университет», профессор кафедры биомедицинской инженерии; Машеров Евгений Леонидович, кандидат технических наук, старший научный сотрудник, НИИ нейрохирургии им. H.H. Бурденко

Ведущая организация - • ФГБОУ ВПО «Государственный универ-

ситет — учебно-научно-производственный комплекс», г. Орел

Защита состоится «20»декабря 2013 г. В 11.00 на заседании диссертационного совета Д 212.105.08 при ФГБОУ ВПО «Юго-Западный государственный университет» по адресу 305040, г. Курск, ул. 50 лет Октября, 94, конференц-зал. С диссертацией и авторефератом можно ознакомиться в библиотеке ФГБОУ ВПО «Юго-Западный государственный университет». Автореферат размещен на сайте www.swsu.ru.

Автореферат разослан «19» ноября 2013 г. Ученый секретарь

диссертационного совета Д 212.105.08,

доктор медицинских наук, профессор ^------Снопков В.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. В настоящее время внушает серьезное опасение состояние здоровья подрастающего поколения. За последние тридцать лет количество детей-инвалидов выросло более чем в 10 раз: с 50 тыс. в начале 80-х годов прошлого столетия до более 500 тыс. в 2010 году, причем на протяжении последних десяти лет этот показатель менялся незначительно (материалы доклада Минздравсоцразвития РФ, 2012 год). Немалую долю (52,45 %) в этом числе составляют дети с неврологическими нарушениями (НН) — нарушениями центральной нервной и сенсорных систем, наличие которых обуславливает тяжелые последствия: высокий уровень смертности и инвалидности, трудности социальной адаптации. Диагностика таких нарушений опирается прежде всего на электрофизиологические и психофизиологические исследования - электроэнцефалографию (ЭЭГ), вызванные потенциалы (ВП), различные сенсомоторные реакции. При этом остается актуальной задача разработки новых технологий диагностики детей с ограниченными возможностями (Кураев Г.А., 1996; Фар-бер Д.А., Безруких М.М., 1998; Хадарцев A.A., 2000; Жеребцова В.А., 2004).

Степень разработанности темы исследования. Рассматривая болезнь как состояние, обусловленное нарушениями функций организма, нарушениями его гомеостазиса, т.е. уравновешивания всех жизненных процессов и его отношений с внешней средой, следует иметь в виду такой ее исход, как адаптация -новое состояние «нормы» - приспособления к изменившимся условиям (Хадарцев A.A., Зилов В.Г., Фудин H.A., 2008). Функциональное состояние, механизмы регуляции и управления деятельностью физиологических систем в первую очередь отражаются в характеристиках динамических образований центральной нервной системы (ЦНС), их изучение является фундаментальным условием для понимания функций мозга и механизмов его ингегративной деятельности (McKenna Т.М., McMullen Т.A., Shlesinger M.F., 1994; Федотчев А.И., Бондарь А.Т, Акоев И.Г., 2000).

С момента возникновения теории биотехнических систем (БТС) (Аху-тин В.М., 1980) приоритетным направлением ее развития было исследование и разработка методов и приборов медицинской диагностики. Большой опыт внедрения автоматизированных систем профилактических осмотров детей накоплен в Научно-исследовательском и конструкторско-технологическом институте биотехнических систем (НИКТИ БТС) СПбГЭТУ «ЛЭТИ» под руководством В.М. Ахутина. Для проведения массовых обследований детей целесообразно использовать специальные стандартизированные технологии. Развитие современных медицинских технологий, в том числе в сфере первичного медицинского скрининга, позволяет исключить участие высококвалифицированных врачей-специалистов в медицинских осмотрах. В условиях проводимой модернизации здравоохранения и оснащения его высокотехнологичным оборудованием важнейшим аргументом в пользу необходимости применения скринингующих систем является не только высокая медицинская эффективность, но и прямой экономический эффект (Пахарьков Г.Н., 2011).

Обязательным элементом системы неврологической диагностики должна быть подсистема выявления грубой патологии (прежде всего - эпилепсии), поскольку это, с медицинской точки зрения, главная задача ЭЭГ (Карлов В.А., 1990; Зенков JI.P., 2004), а поиск признаков других нарушений на фоне высокоамплитудных эпифеноменов не имеет смысла. До 80 % ЭЭГ-обследований направлены на выявление эпилептиформной активности. Задача автоматизации обнаружения спайков, замедления основного ритма и комплекса «острая - медленная волна» (KOMB) может быть решена применением периодометрических методов в реальном времени (Кореневский H.A., Губанов В.В., 1995; Кореневский H.A., Попечителев Е.П., Серегин СЛ., 2009).

Негрубые нарушения центральной нервной и сенсорных систем (зрения, слуха, минимальная мозговая дисфункция (ММД)) с клинической точки зрения — это, прежде всего, неадекватность взаимосвязей в коре головного мозга. Физиологические исследования М.Н. Ливанова и его последователей ставят синхронизацию электрической активности соответствующих участков коры основным условием осознания, принятия решения, ассоциативного мышления (Ливанов М.Н., Свидерская Н.Е., 1984; Иванов Л.Б., 2000; Бетелева Т.А., Фарбер Д.А., 2002; Жеребцова В.А., 2004). Применяемые для оценки уровней синхронизации ЭЭГ функции когерентности не пригодны для использования в скри-нингующей системе как ввиду отсутствия унифицированного набора параметров их расчета и необходимости задавать параметры вручную (Иванов Л.Б., 2011), так и ввиду сильной зависимости от выбора этих параметров результатов расчета, особенно частот синхронизации (Кулаичев А.П., 2009).

Вместе с тем, электрофизиологические исследования никогда не были массовыми — как ввиду сложности применяемой аппаратуры, гак и вследствие неоднозначности интерпретации их результатов. Представляется актуальной разработка сравнительно компактной, доступной для массового медицинского применения регистрирующей аппаратуры и метода обработки результатов исследования, позволяющего автоматически, без участия врача формировать заключение о наличии у обследуемого ребенка как грубой патологии, так и НН -снижения слуха, зрения, ММД.

Цель работы — создание скринингующей системы диагностики неврологических нарушений у детей на основе регистрации электроэнцефалограммы, обеспечивающей в ходе диспансеризации сокращение времени, проведение обследования силами среднего медицинского персонала и формирование заключения о необходимости обращения к врачу-специалисту.

Задачи исследования. Для достижения поставленной цели необходимо решить следующие задачи:

- разработать состав и структуру скринингующей системы диагностики, обеспечивающей регистрацию, обработку, анализ ЭЭГ и формирование заключения о наличии НН;

- разработать структуру и математическую модель цифрового фазочувствительного самонастраивающегося фильтра (СНФ),

обеспечивающего полосовую фильтрацию с автоматической настройкой ira доминирующую частоту ЭЭГ;

- разработать методику расчета параметров СНФ на основе теории регулирования и построения аппроксимирующей модели по результатам математического моделирования;

- разработать метод количественной оценки параметров синхронизации биоэлектрической активности головного мозга на основе обработки сигналов ЭЭГ с использованием СНФ;

- выявить достоверные признаки НН по параметрам синхронизации на основе обработки ЭЭГ детей с известным диагнозом;

- разработать алгоритмы диагностики НН и грубой патологии ЦНС у

детей;

- разработать программное обеспечение скринингующей системы диагностики;

- разработать макетный образец системы на основе процессора ARM. Объект исследования. Биотехническая скринингующая система

диагностики неврологических нарушений.

Предмет исследования. Метод, модели и алгоритм работы системы диагностики неврологических нарушений.

Содержание диссертации соответствует п. 1 «Исследование, разработка и создание медицинской техники, изделий, инструментов, методов и способов диагностики и лечения человека, которые рассматриваются как средства восстановления нарушенной поливариантной системы, представление которой возможно математической, физико- и биотехнической, механической моделью, а также энергетической, физико-химической, химической, электрохимической моделью и т.д.» паспорта специальности 05.11.17 - Приборы, системы и изделия медицинского назначения.

Методы исследования. Теория автоматического управления, математическое моделирование, цифровые методы обработки сигналов, методы математической статистики (корреляционный анализ, оценки достоверности), математическая логика, алгоритмическое программирование. При разработке диагностической системы в качестве языка программирования использовалась среда VisualBasic-6. В качестве экспериментального материала использовались записи ЭЭГ 103 детей, осуществленные в ГУЗ Тульской области «Тульская областная детская психоневрологическая больница».

Научная новнзна. В диссертации получены следующие результаты, характеризующиеся научной новизной:

- математическая модель самонастраивающегося фильтра в виде рекуррентного уравнения, коэффициенты которого уточняются на каждом шаге решения в зависимости от скорости изменения фазовых сдвигов между входным и выходным сигналами, что позволяет в реальном времени определять частоту синхронизации биоэлектрической активности головного мозга между точками регистрации ЭЭГ;

- методика проектирования самонастраивающегося фильтра на основе анализа методами теории автоматического управления контура самонастройки, включающего модель связи фазового сдвига фильтра с рассогласованием частоты настройки и частоты входного сигнала, позволяющая обоснованно выбрать коэффициенты фильтра для обеспечения минимального времени настройки;

- метод обработки сигналов ЭЭГ, количественно оценивающий параметры синхронизации биоэлектрической активности - уровни и частоты синхронизации, определяемые в результате настройки СНФ на мультипликативный сигнал, что позволяет получить для отдельного пациента уникальный набор признаков, а для группы детей с известным диагнозом -эмпирические законы распределения этих признаков;

- топология связей между отведениями регистрации ЭЭГ, для которых параметры синхронизации по результатам статистической оценки эмпирических распределений значений в группах детей с известным диагнозом (нарушения слуха, зрения, ММД) достоверно отличаются от распределений в группах нормальных детей, позволяющих отнести конкретного ребенка к определенной группе;

- алгоритмы идентификации обследуемого пациента с конкретной группой НН по его параметрам синхронизации, оценки вероятности и прогноза ближайшего развития, позволяющие формулировать заключение и рекомендации для направления к врачу-специалисту.

Практическая значимость работы. Разработанные метод, методика, модели, алгоритмы и соответствующее программное обеспечение составили основу построения скринингующей системы диагностики НН, опытная эксплуатация которой позволяет рекомендовать ее к применению при проведении массовой диспансеризации силами среднего медицинского персонала.

Результаты теоретических и экспериментальных исследований использовались при выполнении госбюджетной НТР «Исследование и проектирование электромеханических и электронных приборов, систем и комплексов. Моделирование БТС диагностики» (шифр 03-10).

Основные теоретические и практические результаты работы используются в клинической практике ГУЗ Тульской области «Тульская областная детская психоневрологическая больница» и в учебном процессе ФГБОУ ВПО «Тульский государственный университет» при подготовке студентов по направлению 201000 «Биотехнические системы и технологии» (дисциплины «Теория биотехнических систем», «Моделирование биологических процессов и систем», «Диагностическая и терапевтическая медицинская техника»), что подтверждено соответствующими актами.

Апробация работы. Результаты исследования докладывались и обсуждались на следующих конференциях: Международной конференции по биомедицинскому приборостроению «Биомедприбор-2000» (г. Москва, 2000 г.), Международной российско-американской научно-практической конференции

«Актуальные проблемы охраны материнства и детства» (г. Тула, 2005 г.), 4-й Российско-Баварской конференции по биомедицинской инженерии (г. Москва,

2008 г.). Всероссийской научно-технической конференции «Перспективы фундаментальной и прикладной науки в сфере медицшгского приборостроения» (г. Таганрог, 2009 г.), научно-практической конференции «Современные технологии здравоохранения в охране нервно-психического здоровья детей» (г. Тула,

2009 г.), Всероссийской научно-технической конференции с международным участием «Медицинские информационные системы» (г. Таганрог,

2010 г.), Всероссийской научно-практической конференции студентов, магистрантов, аспирантов и молодых ученых «Техника XXI века глазами молодых ученых и специалистов» (г. Тула, 2010 г., 2011 г.), XXIII Всероссийской научно-технической конференции студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» (г. Рязань, 2010 г.), Всероссийском конкурсе научных работ «Биосовместимые материалы и покрытия» (г. Саратов, 2010 г.), Научной школе для молодежи «Ней-робиология и новые подходы к искусственному интеллекту и к науке о мозге» (г. Таганрог, 2010 г., 2011 г.), VI Всероссийской научно-практической конференции с международным участием «Физическая культура и спорт студенческой молодежи в современных условиях: проблемы и перспективы развития» (г. Тула, 2010 г.), VII Форуме «Здоровье нации - основа процветания России» (г. Москва, 2011 г.), Всероссийской научно-практической конференции «Приоритетные направления охраны здоровья ребенка в неврологии и психиатрии» (г. Тула, 2011 г.), а также на ежегодных научно-практических конференциях профессорско-преподавательского состава ТулГУ (2009 — 2012 гг.).

Публикации. По теме диссертации опубликованы 35 научных работ, в том числе 5 работ в рецензируемых научных журналах, получены 1 патент и 1 положительное решение на выдачу патента.

Личный вклад автора. Все выносимые на защиту результаты получены лично автором. Соискателем лично разработаны структура и модель системы регистрации когнитивных вызванных потенциалов [14, 5, 15]; модель самонастраивающегося фильтра [1, 3, 4, 6, 7]; методика расчета параметров СНФ [8, 9, 10]; методика обработки ЭЭГ [2, 11]. За научные достижения в области приоритетных направлений модернизации и технологического развития российской экономики автор работы был удостоен в 2011/2012 учебном году стипендии Президента Российской Федерации для аспирантов.

Положения, выносимые на защиту

1. Динамический анализ ЭЭГ как процесс непрерывного слежения за доминирующей частотой, реализуемый решением в реальном времени уравнений СНФ.

2. Метод обработки сигналов ЭЭГ, количественно оценивающий параметры синхронизации биоэлектрической активности - уровни и частоты синхронизации.

3. Алгоритм автоматической диагностики неврологических нарушений на основе определения электрофизиологических маркеров - связей между точками регистрации ЭЭГ в группах детей с НН, для которых параметры синхронизации достоверно отличаются от нормы.

Достоверность результатов определяется следующими факторами;

— проверка алгоритма диагностики на записях ЭЭГ 103 детей с известными неврологическими диагнозами показала полное совпадение с заключениями врачей-специалистов;

— при поиске ЭМ используются общепринятые в мировой практике методики оценки достоверности отличий выборочных данных и параметров эмпирических распределений;

— полученные данные о преобладании между группами НН отличий в частотах синхронизации согласуются с ранее опубликованными данными других исследователей.

Структура и объем диссертации.

Диссертация состоит из введения, четырех глав, заключения, списка литературы (132 наименования) и приложения (2 акта внедрения), содержит 122 страницы, 35 рисунков и 15 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность работы, поставлены цель и задачи исследования, приводятся положения, выносимые на защиту.

В первой главе проведен обзор технической литературы. На примере рассмотренных скринингующих систем, применяемых в других областях диагностики, формулируются их характерные признаки.

Диагностика НН как следствия нарушений топологии и уровня связей в коре головного мозга дол; сна опираться на количественную оценку синхронизации биоэлектрических сигналов, регистрируемых ЭЭГ.

Методы анализа ЭЭГ, реализуемые в присутствующих на рынке компьютерных диагностических системах, не предполагают работы в реальном времени и для оценки синхронизации предлагают в основном частотные преобразования - преобразование Фурье, вейвлет-анализ, полиспектральные преобразования, функции когерентности. Показано, что их применение требует высокой квалификации, причем не столько медицинской, сколько математической. В результате такого направления развития диагностических систем они все больше отдаляются от скринингующих.

Элементная база уже сейчас позволяет создать малогабаритные устройства диагностики, пригодные для целей скрининга. Появление их сдерживается только отсутствием метода обработки и анализа ЭЭГ, позволяющего в реальном времени получать показатели синхронизации сигналов ЭЭГ, сравнивать их с базой данных и формировать заключение о наличии НН и прогнозе развития ребенка.

Разработанная скринингующая система диагностики (ССД) включает в себя шлем с электродами, аппаратную часть (усилитель ЭЭГ и микроконтроллер с программным обеспечением) и устройство визуализации.

Во второй главе рассмотрены структура и принцип действия ССД. Для передачи данных персоналу, проводящему обследование, система выводит на блок визуализации внешний вид регистрируемых сигналов и сообщения о результатах логического анализа - обнаружены ли признаки грубой патологии, а если нет — принадлежит ли пациент к какой-либо группе НН, или нарушений у него нет.

Рисунок 1 - Схема ССД: П - пациент; ШЭ - шлем с электродами; У -усилитель; АЦП - аналого-цифровой преобразователь; ПОГ — программное обеспечение выявления грубой патологии; БФД — блок фильтров диапазонов; Г10С — программное обеспечение расчета частот и уровней синхронизации; БЛ1, БЛ2 — блоки логической обработки; БДМ — база данных электрофизиологических маркеров НН; БВ - блок визуализации

Регистрируемые со скальпа пациента сигналы (16 каналов по системе отведений «10 - 20») постранично выводятся на экран БВ. В реальном времени сигнал с каждого канала поступает на свой БФД (четыре полосовых фильтра, соответствующих стандартным частотным диапазонам — дельта, тета, альфа, бета). Выходные сигналы БФД (всего 64 сигнала) используются для определения параметров синхронизации. Полученные параметры сравниваются с БДМ, и формируется заключение о наличии НН и прогнозе развития. В зависимости от типа НН рекомендуется обращение к врачу-специалисту (невролог, сурдолог, офтальмолог).

Выявление признаков грубой патологии происходит по всем 16 каналам параллельно в процессе обследования пациента, при обнаружении феноменов судорожной активности выдаются звуковой сигнал и приоритетное сообщение о необходимости обращения к специалисту-неврологу.

В ПОГ используются периодометрические методы обработки ЭЭГ: фиксируются моменты перехода регистрируемых сигналов ЭЭГ из «плюса» в «минус», из «минуса» в «плюс», определяются продолжительности интервалов

пребывания в положительной Тп и отрицательной Тм фазах, вычисляются скорость изменения сигналов, величины максимумов и минимумов сигналов и скорости их изменения, а также моменты достижения этих максимумов и минимумов. Признаю! патологии - наличие спайка и замедление альфа-ритма (медленная волна) определяются по продолжительности временных интервалов Тп и Тм. При интервале Тм менее 10 мс диагностируется спайк (группа спайков), при интервале Тм = 160 ... 170 мс — замедление ритма. Признаком острой волны является достижение максимума скорости изменения сигнала в середине интервала Тм или Тп-

Диагностика НН осуществляется по результатам расчета в ПОС параметров синхронизации - уровня С,^ и частоты которые сравниваются в БЛ2 с

параметрами, содержащимися в БДМ. (индексы \= 1,2, ..., 16 и] = 1, 2, ..., 16 соответствуют номеру канала регистрации ЭЭГ, а индекс к = 1, 2, ..., 4 - номеру фильтра диапазона).

На рисунке 2 приведена схема алгоритма диагностики. В соответствии со схемой происходит перебор всех возможных сочетаний каналов регистрации. Для ускорения процесса расчета те сочетания каналов, по которым существуют достоверные отличия (электрофизиологнческие маркеры) НН от нормы (по уровню и по частоте %), помечены признаком ЕМр, который может принимать значения: 0 - нет маркера; 1 — маркер но уровню синхронизации, 2 — маркер по частоте синхронизации.

Для скринингового обследования (исключение «ручного» режима расчета параметров синхронизации) в ССД применяется новый способ обработки ЭЭГ, основанный на динамическом моделировании и анализе СНФ.

В третье» главе вводится понятие динамического анализа ЭЭГ, рассматриваются структура и модель фазочувствительного СНФ как

устройства оценки синхронизации биоэлектрической Рисунок 2 - Схема активности.

алгоритма Динамический анализ ЭЭГ - альтернатива час-

скринингующей тотному и спектральному анализу — состоит в том,

диагностики НН что в реальном времени сигнал ЭЭГ подается на циф-

ровой фазочувствительный СНФ, который автоматически настраивается на до минирующую частоту. При этом не только улучшается точность определения таких физиологически важных характеристик, как амплитуда, глубина модуляции доминирующей частоты, длина веретена рит-

ндчляо

р нтРАГ."

... 1 Г* ЦИКЛ • = 1 «п

1

/"пводяц

Г ЦИКЛ ; = 1.

гк > о:

ГАСЧЕТ

—х:—

«^Г^Ик» 10 тал

I РАСЧЕТ

Рг-Г.Ч Р;Т

I ПРИНАДЛЕЖНОСТИ I

ОЦЕНКА ИН1Д низ*

КОНЕЦ) J

[__ КОНЕЦ I__|

^ ДИЛГЯГУ. | I кАС ЧЬ I I

I

<ЗАКЛЮЧЕН И: _) С КОНЕЦ

мов ЭЭГ (Индюхин А.Ф., Хабарова М.Ю., 2008), но и напрямую (без измерения) становится известной доминирующая частота ЭЭГ.

Частота процессов синхронизации биоэлектрической активности является основным признаком нормальности или нарушения деятельности головного мозга (Иванов Л.Б., 2000, Жеребцова В.А., 2004), поэтому применение СНФ решает задачу диагностики ГШ.

Цифровой СНФ (рисунок 3) состоит из полосового фильтра (фильтр Бат-терворта) и регулятора, на входы которого подаются входной и выходной сигналы СНФ.

Уравнение полосового фильтра

■hMiWisi-i-hilMiWBi-з-к5г(и,)и

Ві-4

где

U|., — значение входного сигнала полосового фильтра на і-м шаге решения;

UB;—значение выходного сигнала полосового фильтра;

и, - выходной сигнал регулятора;

kii - ksi - коэффициенты рекуррентного уравнения.

Значенім коэффициентов kn - к5і определяются из передаточной функции фильтра Баттерворта и в зависимости от выходного сигнала регулятора уточняются на каждом шаге решения. Полосовой фильтр имеет независимо от частоты настройки постоянный коэффициент передачи на частоте настройки благодаря структуре уравнения (1) по цепи входного сигнала.

Структурная схема СНФ представлена на рисунке 3.

і---------— •

Пигии'иьш"! филыр

ис

СП-

Регулгггор

-f г.з }<—

т

<ни

-Т—1 I I

Рисунок 3 - Блок-схема СНФ: УРК1 - УРК7 - усилители с регулируемыми коэффициентами усиления; ЛЗ - линии задержки; С - сумматоры; ФД1, ФД2 - фазовые детекторы; У - усилитель; УО - усилитель-ограничитель; и0 -постоянный сигнал, соответствующий начальной частоте настройки; иЕ — входной сигнал СНФ; ив - выходной сигнал

Регулятор измеряет разницу фаз сигналов и вырабатывает управляющий сигнал, изменяющий резонансную частоту СНФ. По окончании настройки доминирующая частота проходит сквозь фильтр без фазовых и амплитудных искажений (моменты пересечения нулевых, максимальных и минимальных значений у доминирующей частоты совпадают с аналогичными событиями у выходного сигнала фильтра).

Математическая модель регулятора имеет вид

иФди =(Bsign(uEi)-Bsign(um))Bsign(iim-uB¡_l): Чфди = {Bsign(uEí -uEi_{)-Bsign(um-uBi_{))Bsign{uB¡)\ uy¡ ~ ку(иФДИ +"ФД2.0;

"а = uvi-\ + uc¡-1 + uvi + ио; (2)

иа- если иУОтт < "Ci < "УОпмх uVO¡ = ] иУОтin> если uCi < "yOmin .иУОтах.' если 11 Ci > мУО тах 11 i = иУ01 >

где В = 1; sign(x) - функция знака числа х.

Для обеспечения устойчивости работы СНФ предлагается методика определения параметров регулятора. Модель первого уровня приближения содержит три звена: интегратор, фазовый детектор и гипотетическое звено, связывающее разность между частотой настройки и частотой входного сигнала с разностью фаз, вносимой полосовым фильтром во входной сигнал. Передаточная функция Wni(p) контура настройки СНФ будет иметь вид

и/ . Л кчфкфдку

Wm{p) =-, (3)

Р

где кчф - коэффициент передачи звена «частота - фаза»; кфд - коэффициент передачи блока фазовых детекторов.

Как видно из (2) и рис. 3, фазовые детекторы представляют собой блоки произведений релейных сигналов. Постоянная составляющая выходного сигнала блока (ФД1+ФД2) будет пропорциональна сдвигу фазы выходного сигнала полосового фильтра Un относительно входного UE: _ 4S2 _ 4

кфд - - •

л л

Коэффициент кчф можно определить как коэффициент наклона фазовой частотной характеристики (ФЧХ) полосового фильтра <р(ш).

Контур настройки с передаточной функцией (3) будет устойчив при правильном выборе коэффициента передачи ку (Бесекерский В.А., Попов Е.П., 2007). Модель первого уровня приближения неудовлетворительно описывает динамику процесса настройки, поскольку при математическом моделировании (1), (2) получены несимметричные переходные процессы при настройке на час-

тоты входного сигнала, большие и меньшие начальной частоты полосового фильтра.

Модель второго уровня приближения получена при учете инерционности процессов в фазовом детекторе и звене «частота - фаза».

Для оценки инерционности в звене «частота - фаза» при математическом моделировании на входы двух одинаковых полосовых фильтров h;j (1) подаются сигналы: на первый -

- сигнал Ubi синусоидальной фор-

Шмы, на второй - сигнал Ub2 косину..................................................... соидалыюй формы.

........,;,.,..................

Рисунок 4 - Графики измене-•V. Г.-! G 4 ния величины фазового сдвига между входным и выходным сигна-g лами полосового фильтра с посто-

® "йЗ ......................¡^¿«^¿»^¿^^íKwkííí^ksíííííííí: янной частотой настройки для час-

s/j ......................................................................................... тот входного сигнала от 8 до 14 Гц

Время, е с шагом 2 Гц

<

а о.

Определяется фазовый сдвиг

(p(t) = arc.tg-f^-arctg--S^ ,

т.е. фактически угол между векторами входного и выходного сигналов на некоторой гипотетической плоскости. По окончания переходного процесса он становится равным значению соответствующей ФЧХ (рисунок 4).

Аппроксимация полученных графиков функцией

I

<Ро(() = <РнО--е г), (4)

где <рн - значение, определяемое ФЧХ, позволяет методом наименьших квадратов получить значение постоянной времени Т, соответствующее инерционности звена «частота - фаза».

Запаздывание т в фазовом детекторе (вследствие широтно-импульсного преобразования в уравнениях (2)) зависит от двух факторов: частоты входного сигнала сов (чем меньше юв, тем больше запаздывание), рассогласования между частотой сови частотой настройки и (чем меньше рассогласование, тем меньше запаздывание). Факторы действуют разнонаправленно. Оценку запаздывания можно получить в предположении шв= 10 Гц (наиболее распространенная частота доминирующего альфа-ритма человека), а среднее рассогласование с учетом (4) - по формуле

<Рср=~[е~Г(1-е~~Г)<г(.

Ы 0

Математическая модель контура настройки СНФ второго уровня приближения имеет вид

кфде

-гр

Тр +1 - р

По полученной передаточной функции методом логарифмических частотных характеристик обеспечивается устойчивость контура настройки и определяются его параметры. Как видно из рис. 4, в процессе настройки может возникнуть положительная обратная связь в контуре (это подтвердилось при математическом моделировании). Такое положение легко устраняется выбором начальной частоты настройки.

Разработанная математическая модель СНФ позволяет в реальном времени настраиваться на доминирующую частоту сигнала. Это предоставляет возможность определеїшя частот, на которых происходит обмен информации между точками регистрации ЭЭГ, с исключением спектральных преобразований и расчета функций когерентности. По сравнению с существующими системами диагностики ЭЭГ (не скринингующими) время определения параметров синхронизации сокращается в 10 ... 20 раз.

Методика применения СНФ для определения параметров синхронизации биоэлектрической активности головного мозга опирается на такие устойчивые понятия электрофизиологии, как частотный диапазон (альфа, бета, тета, дельта), амплитуда и частота ритма. Ввиду различной функциональной (физиологической) нагрузки биоэлектрической активности в указанных частотных диапазонах оценка синхронизации для каждого из них осуществляется отдельно, для чего сигнал каждого канала подается на БФД. Рассмотрим структуру устройства, реализующего предложенную методику (рисунок 5).

Рисунок 5 - Структурная схема устройства определения уровня Сук и частоты % синхронизации для одного частотного диапазона: Ф,к и Ф]к - фильтры диапазона к, выходные сигналы которых подаются на блок произведений; ОСук - осреднитель

КАНАЛ і

\ /

/ \ " -||к

КАНАЛ 1

ч

Выходные сигналы блоков произведений при наличии в сигналах каналов 1 и } общих синусоидальных составляющих (т.е. в случае наличия процессов синхронизации) будут содержать некоторый уровень постоянного сигнала.

Величина постоянного сигнала определяется осреднителем по формуле

л-1 иы

— +

п п

и. =£/„

(5)

где и„ - выходной сигнал осреднителя на п-м шаге решения рекуррентного уравнения; иЬп - выходной сигнал блока произведений.

Уровень синхронизации Сш< в заданном частотном диапазоне определяется как частное от деления уровня постоянного сигнала на выходе соответствующего осреднителя на корень квадратный из максимума абсолютного значения уровня постоянного сигнала из всех возможных сочетаний каналов регистрации.

Выходные сигналы блоков произведений после вычитания постоянной составляющей Ц, поступают на филыры СНФ№. На выходе регулятора СНФ1|к по формуле, аналогичной (5), определяется среднее значение частоты настройки - частота синхронизации

В соответствии со схемами рис. 3 и 5 и уравнением (5) разработано программное обеспечение, которое использовалось для обработки ЭЭГ пациентов с известными НН, а также в составе ССД.

В четвертой главе приведены результата экспериментальной отработки ССД.

На универсальном компьютере обработаны записи ЭЭГ четырех групп пациентов с определенным диагнозом - норма, нарушения слуха, нарушения зрения, ММД. Определялись параметры синхронизации - уровень Суки частота всего по 960 значений для каждого пациента. Для каждой группы построены гистограммы эмпирических распределении Сук и %. Для эмпирических распределений получены параметры дескриптивной статистики - математическое ожидание, СКО, асимметрия и эксцесс. Для проверю! достоверности отличий разработано дополнительное программное обеспечение, реализующее алгоритм проверки по непараметрическому критерию - точному методу Фишера по уровню 0,05. Проверка позволила выявить электрофизиологические маркеры (ЭМ), отличающие НН от нормы. В качестве ЭМ в ССД используются оба параметра - достоверные отличия по уровшо синхронизации С№ и достоверные отличия по частоте синхронизации

Полученные ЭМ заносятся в базу данных БДМ (см. рисунок 1), в которой хранятся параметры дескриптивной статистики и соответствующие коэффициенты.

Для построения формулы принадлежности, по результатам расчета которой выводится заключение о наличии у субъекта скрининга того или иного НН, используются параметры дескриптивной статистики, а также два эмпирических коэффициента. При равенстве полученного у субъекта параметра синхронизации математическому ожиданию для проверяемой группы формула дает значение «0», что однозначно относит субъекта к этой группе.

Значения входящих в формулу эмпирических коэффициентов подобраны таким образом, чтобы при значениях аргумента ±2а, где о - среднеквадра-тическое отклонение закона распределения, значения формулы принадлежности совпадали с эмпирическим распределением параметров синхронизации в проверяемой группе. Для оценки влияния возраста пациентов рассчитаны его

коэффициенты корреляции с математическим ожиданием. По критерию Стью-дента выявлены достоверные коэффициенты корреляции, вследствие чего показана необходимость ввода в ССД возраста обследуемого.

Для каждого ЭМ в базу данных ССД записаны массивы данных TCijk(N,m), TCiji(S,m), TCijk(Z,m), TCijk(M,m) - для маркеров по уровню синхронизации и TFijk(N,m), TFiJk(S,m), TFijk(Z,m), TFijk(M,m) - для маркеров по частоте синхронизации, где N - группа «Норма»; S - группа «Нарушения слуха»; Z - группа «Нарушения зрения»; М - группа «ММД»; m = 1...7 - порядковый номер сохраняемого в базе данных параметра. Под номерами от одного до семи помещены последовательно: два коэффициента регрессионного уравнения зависимости математического ожидания параметра от возраста пациента; два эмпирических коэффициента, учитывающих влияние эксцесса и асимметрии; эксцесс, среднеквадратическое отклонение и асимметрия эмпирического распределения параметра.

Принадлежность пациента к определенной группе НН определяется в результате расчета формул принадлежности.

Формулы принадлежности FCjjic(N, Сук), FCijk(S, Сук), FCyk(Z, Сук), FCljk(M,Cijk), FFijk(N, FFijk(S, %), FFijk(Z, üjk), FF,jk(M, fijk) вычисляются по зависимости (на примере уровня синхронизации в группе «Норма»): FC (NC _ x(\-TCm{N^)TCl]kiNJ)sign{x)) L'iJt( ' <'k> TCijk (N,6)(l + TCiJt (N,4)TCiß (N,5)' где л = CiJk - TCijk (,V,1) - TCljt (N,2)b, b - возраст пациента.

Чем меньше абсолютное значение получается по формуле (5), тем больше вероятность того, что пациент относится к данной группе.

На рисунке 6 представлен фрагмент алгоритма диагностики НН.

Для каждого проверяемого ЭМ вырабатывается диагностический признак НН, соответственно DCijk и/или DFijk. В соответствии с алгоритмом рисунка 6 происходит подсчет количества «совпадений» R(N), R(S), R(Z), R(M), по которым определяется окончательный диагноз D:

D = arg тах(Д(ЛГ), R(M),R(Z), /?(.S')) (6)

Показатель R, соответствующий окончательному диагнозу, сравнивается с общим количеством маркеров, которое хранится в базе данных по этой группе. Их отношение будет говорить о том, с какой вероятностью пациент принадлежит к выявленной группе. Она выводится в виде числа в процентном соотношении.

Для расчета прогноза развития на ближайшее будущее проверяется, находятся ли показатели Qu и % в зоне между математическими ожиданиями групп НН и «Норма» или они оказались в группе «нарушения» дальше, чем математическое ожидание данной группы. В первом случае прогноз считается благоприятным. Если преобладают благоприятные прогнозы, то выдается заключение, что прогноз благоприятен. При равенстве благоприятных и неблагоприятных прогнозов сообщается, что прогноз нейтральный.

(л.)

I

I

rCj<®ICi»

I

fUXlfh

IT

-с ¡((И С ijfc)

FFjji. IN, С і і)

zjz:

I

FFiiM^Cik)

T

•ik=f

2Ж.

Riji; - зд -1

"I

^ ^ НЕТ

ПА

R0 = S0*!

T

R(ss; -

"ТоЯ ^ТдГ fi.

|rn=S(M;+I| 1 р<5 = 5®+1 R© = RÎIH' R'M)=R;M-I

і .......... ï ~ ; ] ..і______

Программное обеспечение, содержащее модели БФД, ПОГ, ПОС, БЛ1 и БЛ2, переведено на язык С, совместимый с системой команд микропроцессора ARM, и используются в составе программно-аппаратного комплекса ССД.

Рисунок 6 - Фрагмент схемы алгоритма диагностики ГШ. Точка входа А соответствует выходу блока расчета частот синхронизации а точка выхода Б - входу в блок расчета прогноза рисунка 2

Проверка алгоритма диагностики (рисунки 2, 6) осуществлена подачей на вход разработанного программного обеспечения записей ЭЭГ пациентов с известным неврологическим диагнозом.

Получено полное совпадение диагноза, определенного ССД, с диагнозом врача-специалиста, для всех рассмотренных пациентов (полная груп-

па- 103 человека).

Рисунок 7 - Макетный образец микропроцессорного блока системы диагностики в режиме визуального контроля качества регистрации ЭЭГ

Показатели R в (6) для верного диагноза значительно превышали показатели альтернативных групп, условная вероятность правильного выбора (при условии невыбора, остальных диагнозов) составляла не менее 0,8.

Показанный на рисунке 7 макетный образец микропроцессорного блока постранично выводит на экран регистрируемые сигналы, выявляет признаки грубой патологии. В случае отсутствия артефактов запускается режим диагностики.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Разработана скринингующая система диагностики неврологических нарушений на основе регистрации, обработки и анализа ЭЭГ-сигналов, позволяющая проводить диспансеризацию детского населения силами среднего медицинского персонала и обеспечивающая сокращение времени определения параметров синхронизации в 10 - 20 раз по сравнению с существующими системами с выдачей рекомендаций по обращению к врачу-специалисту.

2. Разработана структура и математическая модель цифрового фазочувствительного самонастраивающегося фильтра, обеспечивающего анализ сигналов ЭЭГ в реальном времени.

3. Предложена методика расчета параметров самонастраивающегося фильтра на основе построения аппроксимирующей модели по результатам математического моделирования, обеспечивающая устойчивость и быстродействие процесса самонастройки.

4. Предложен метод количественной оценки параметров синхронизации биоэлектрической активности головного мозга на основе обработки сигналов ЭЭГ с использованием самонастраивающегося фильтра, позволяющий отнести обследуемого пациента к конкретной группе неврологических нарушений.

5. Определена топология достоверных признаков неврологических нарушений по уровню и частоте синхронизации биоэлектрических процессов в различных зонах коры Головного мозга у детей с известным диагнозом.

6. Разработаны программно-алгоритмические средства и специализированное программное обеспечение для скринингующей диагностики неврологических нарушений и грубой патологии у детей.

7. Разработан макетный образец системы на основе процессора ARM.

СПИСОК ОСНОВНЫХ НАУЧНЫХ РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

f Публикации в рецензируемых научных журналах

1. Индюхин, A.A. Цифровой комплекс экспресс-диагностики неврологических нарушений [Текст] / Н.Л. Коржук, A.A. Индюхин и [др.]// Известия ЮФУ. Технические науки. Тематический выпуск «Перспективы медицинского приборостроения». -Таганрог: Изд-во ТТИ ЮФУ. 2009. № 9 (98). С. 83-89.

2. Индюхин, A.A. Способ электроэнцефалографической диагностики неврологических нарушений [Текст] / Н.Л. Коржук, A.A. Индюхин и [др.] // Известия ЮФУ. Технические науки. Тематический выпуск «Медицинские ин-

формационные системы». -Таганрог: Изд-во ТТИ ЮФУ, 2010. - № 8 (109) - С 121-127.

3. Индюхин, A.A. Биотехническая система психофизиологической диагностики [Текст] / A.A. Индюхин, А.Ф. Индюхин и [др.] // Вестник Саратовского государственного технического университета. Саратов: Изд-во СГТУ 2011.-№1 (53). - Вып. 2. - С. 177- 184.

4. Индюхин, A.A. Подсистема электроэнцефалографической диагностики эпилепсии [Текст] / Л.М. Мишина, A.A. Индюхин и [др.] // Медицинская техника, 2012. - № 1 (271). - С. 22 - 25.

5. Индюхин, A.A. Программно-аппаратный комплекс диагностики вызванных потенциалов [Текст] / А.В.Томашвнли, A.A. Индюхин // Известия ЮФУ. Технические науки. Тематический выпуск «Медицинские информационные системы». Таганрог: Изд-во ТТИ ЮФУ, 2012. - № 9 (134). - С. 154 - 159.

Статьи, труды и материалы конференций Индюхин, A.A. Расширение возможностей компьютерной диагностической системы [Текст] / В.А. Жеребцова, A.A. Индюхин и [др.] // Труды Международной конференции по биомедицинскому приборостроению «Био-медприбор-2000», Москва, 24-26 октября 2000 г., 2000. - С. 79 - 81.

7. Indyukhin. A.A., Method and software of the dynamic processing EEG recorded from normal children and children with neurological violations [Text] / V.A. Zherebtsova, A.A. Indyukhin [etc] // Abstracts of the international conference «The contemporary aspects of maternal and child care». Tula, 2004. - P. 62 - 63.

8. Индюхин, A.A. Математические модели в диагностическом электротехническом комплексе [Текст] / H.JI. Коржук, A.A. Индюхин и [др.] // Известия ТулГУ. Сер. «Проблемы управления электротехническими объектами». Вып. 5. Системы управления электротехническими объектами. - Тула- ТулГУ 2010.-С. 17-20.

9. Индюхин, A.A. Биотехническая система психофизиологической диагностики [Текст] / Е.О. Рогожникова, A.A. Индюхин // Биосовместимые материалы и покрытия: сборник материалов Всероссийского конкурса научных работ бакалавров и магистрантов, проводимого в рамках реализации Федеральной целевой программы «Научные и научно-педагогические кадры России» на 2009-2013 годы,-Саратов, 15 - 30 ноября 2010 г.-Саратов: Изд-во СГТУ, 2010 - С. 205 - 206.

10. Индюхин, A.A. Состав и структура программного обеспечения диагностического комплекса [Текст] / A.A. Индюхин // Нейробиология и новые подходы к искусственному интеллекту и к науке о мозге: тезисы трудов научной школы для молодежи. - Таганрог: Изд-во ТТИ ЮФУ, 2010. - С. 244 - 248.

11. Индюхин, A.A. Динамическая обработка ЭЭГ при афферентной стимуляции [Текст] / A.A. Индюхин, Е.О. Рогожникова // Медицинские приборы и технологии: международный сборник научных статей / под общ. ред. А.З. Гусейнова и В.В. Савельева. -Тула: Изд-во ТулГУ, 2011.-Вып. 4. - С. 156 - 159.

12. Индюхин, A.A. Биотехническая система диагностического скрининга в неврологии [Текст] / H.J1. Коржук, A.A. Индюхин и [др.] // Приоритетные направления охраны здоровья ребенка в неврологии и психиатрии: сборник тезисов Всероссийской научно-практической конференции / под ред. проф. Е.В. Макушкина, проф. A.C. Петрухина. - СПб.: Изд-во «Альфа-Астра», 2011. - С. 59-60.

13. Индюхин, A.A. Инновационная биотехническая система скринингующей диагностики [Текст] / A.A. Индюхин // IV молодежная научно-практическая конференция Тульского государственного университета «Молодежные инновации»: сборник докладов под общей редакцией докт. техн. наук, проф. Ядыкина Е.А.: в 2 ч. Тула: Изд-во ТулГУ, 2012. - Ч. I. - С. 132 -135.

Патенты и заявки

14. Патент РФ на изобретение № 2199947 от 10.03.2003 г. Способ регистрации дпиннолатентного вызванного потенциала мозга при электрокожной стимуляции и устройство для его осуществления / В.А. Жеребцова, A.A. Индюхин и [др.]

15. Заявка на изобретение № 2011151680 от 16.12.2011 г. Способ диагностики вызванного потенциала мозга и устройство для его осуществления. Положительное решение по заявке от 27.06.2013 г. / В.А. Жеребцова, A.A. Индюхин и [др.]

Формат бумаги 84x108/8. Бумага офсет.

Гарнитура Times New Roman. Печать риз. Усл.-печ, л. 1,2. Уч.-нзд, 1,1 Тираж 120 экз. Заказ № 787

Отпечатано с оригинал-макета в ООО «Тульский полиграфист» 300041, Тула, Каминского, 33, тел.: 31-16-69

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Тульский государственный университет»

На правах рукописи

04201455088

Индюхин Алексей Алексеевич

СКРИНИНГУЮЩАЯ СИСТЕМА ДИАГНОСТИКИ НЕВРОЛОГИЧЕСКИХ НАРУШЕНИЙ НА ОСНОВЕ САМОНАСТРАИВАЮЩЕГОСЯ ФИЛЬТРА

Специальность 05.11.17 - Приборы, системы и изделия медицинского назначения

Диссертация на соискание ученой степени кандидата технических наук

Научный руководитель: кандидат технических наук, доцент Коржук Николай Львович

Тула 2013

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ 3

ГЛАВА 1. Диагностические системы (обзор литературы) 12

1.1. Диагностические возможности метода электроэнцефалографии 11

1.2. Скринингующие обследования и системы диагностики 17

1.3. Методы обработки электроэнцефалографических сигналов 24

1.4. Возможности существующих систем компьютерной ЭЭГ 30

1.5. Выводы по главе 1 36 ГЛАВА 2. Структура и порядок взаимодействия элементов системы 37

2.1. Порядок работы с системой 37

2.2. Структура скринингующей системы диагностики 39

2.3. Визуализация регистрируемых сигналов 42

2.4. Диагностика грубой патологии нервной системы 43

2.5. Выводы по главе 2 55 ГЛАВА 3. Разработка способа диагностики НН 56

3.1. Динамический анализ ЭЭГ 5 7

3.2. Математическая модель СНФ 57

3.3. Анализ устойчивости процесса самонастройки 61

3.4. Устройство расчета параметров синхронизации 64

3.5. Способ диагностики неврологических нарушений 68

3.6. Выводы по главе 3 69 ГЛАВА 4. Экспериментальные исследования системы диагностики 71

4.1. Поиск электрофизиологических маркеров НН 72

4.2. Алгоритм диагностики и прогноза развития 90

4.3. Возможности анализа вызванной активности мозга 93

4.4. Выводы по главе 4 103 ЗАКЛЮЧЕНИЕ 104 СПИСОК СОКРАЩЕНИЙ 105 СПИСОК ЛИТЕРАТУРЫ 106 ПРИЛОЖЕНИЕ 120

ВВЕДЕНИЕ

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы

В настоящее время внушает серьезное опасение состояние здоровья подрастающего поколения. За последние тридцать лет количество детей-инвалидов выросло более чем в 10 раз: с 50 тыс. в начале 80-х годов прошлого столетия до более 500 тыс. в 2010 году, причем на протяжении последних десяти лет этот показатель менялся незначительно (материалы доклада Минздравсоцразвития РФ, 2012 год). Немалую долю (52,45 %) в этом числе составляют дети с неврологическими нарушениями (НН) - нарушениями центральной нервной и сенсорных систем, наличие которых обуславливает тяжелые последствия: высокий уровень смертности и инвалидности, трудности социальной адаптации. Диагностика таких нарушений опирается прежде всего на электрофизиологические и психофизиологические исследования -электроэнцефалографию (ЭЭГ), вызванные потенциалы (ВП), различные сенсомоторные реакции. При этом остается актуальной задача разработки новых технологий диагностики детей с ограниченными возможностями [63, 108, 99, 31, 39,98].

Степень разработанности темы исследования. Рассматривая болезнь как состояние, обусловленное нарушениями функций организма, нарушениями его гомеостазиса, т.е. уравновешивания всех жизненных процессов и его отношений с внешней средой, следует иметь в виду такой ее исход, как адаптация - новое состояние «нормы» - приспособления к изменившимся условиям [39]. Функциональное состояние, механизмы регуляции и управления деятельностью физиологических систем в первую очередь отражаются в характеристиках динамических образований центральной нервной системы (ЦНС), их изучение является фундаментальным условием для понимания функций мозга и механизмов его интегративной деятельности [128, 109].

С момента возникновения теории биотехнических систем (БТС) [104, 91, 92] приоритетным направлением ее развития было исследование и разработка

методов и приборов медицинской диагностики. Большой опыт внедрения автоматизированных систем профилактических осмотров детей накоплен в Научно-исследовательском и конструкторско-технологическом институте биотехнических систем (НИКТИ БТС) СПбГЭТУ «ЛЭТИ» под руководством В.М. Ахутина. Для проведения массовых обследований детей целесообразно использовать специальные стандартизированные технологии. Развитие современных медицинских технологий, в том числе в сфере первичного медицинского скрининга, позволяет исключить участие высококвалифицированных врачей-специалистов в медицинских осмотрах. В условиях проводимой модернизации здравоохранения и оснащения его высокотехнологичным оборудованием важнейшим аргументом в пользу необходимости применения скринингующих систем является не только высокая медицинская эффективность, но и прямой экономический эффект [88].

Обязательным элементом системы неврологической диагностики должна быть подсистема выявления грубой патологии (прежде всего — эпилепсии), поскольку это, с медицинской точки зрения, главная задача ЭЭГ [44, 35, 114], а поиск признаков других нарушений на фоне высокоамплитудных эпифеноменов не имеет смысла. До 80 % ЭЭГ - обследований направлены на выявление эпилептиформной активности. Задача автоматизации обнаружения спайков, замедления основного ритма и комплекса «острая - медленная волна» (KOMB) может быть решена применением периодометрических методов в реальном времени [53, 54].

Негрубые нарушения центральной нервной и сенсорных систем (зрения, слуха, минимальная мозговая дисфункция (ММД)) [117] с клинической точки зрения - это, прежде всего, неадекватность взаимосвязей в коре головного мозга. Физиологические исследования М.Н. Ливанова и его последователей ставят синхронизацию электрической активности соответствующих участков коры основным условием осознания, принятия решения, ассоциативного мышления [68, 38, 9, 31]. Применяемые для оценки уровней синхронизации ЭЭГ функции когерентности не пригодны для использования в скринингующей системе как

ввиду отсутствия унифицированного набора параметров их расчета и необходимости задавать параметры вручную [37], так и ввиду сильной зависимости от выбора этих параметров результатов расчета, особенно частот синхронизации [60].

Вместе с тем, электрофизиологические исследования никогда не были массовыми - как ввиду сложности применяемой аппаратуры, так и вследствие неоднозначности интерпретации их результатов. Представляется актуальной разработка сравнительно компактной, доступной для массового медицинского применения регистрирующей аппаратуры и метода обработки результатов исследования, позволяющего автоматически, без участия врача формировать заключение о наличии у обследуемого ребенка как грубой патологии, так и НН -снижения слуха, зрения, ММД.

Цель работы - создание скринингующей системы диагностики неврологических нарушений у детей на основе регистрации электроэнцефалограммы, обеспечивающей в ходе диспансеризации сокращение времени, проведение обследования силами среднего медицинского персонала и формирование заключения о необходимости обращения к врачу-специалисту.

Задачи исследования. Для достижения поставленной цели необходимо решить следующие задачи:

- разработать состав и структуру скринингующей системы диагностики, обеспечивающей регистрацию, обработку, анализ ЭЭГ и формирование заключения о наличии НН;

разработать структуру и математическую модель цифрового фазочувствительного самонастраивающегося фильтра (СНФ), обеспечивающего полосовую фильтрацию с автоматической настройкой на доминирующую частоту ЭЭГ;

- разработать методику расчета параметров СНФ на основе теории регулирования и построения аппроксимирующей модели по результатам математического моделирования;

- разработать метод количественной оценки параметров синхронизации биоэлектрической активности головного мозга на основе обработки сигналов ЭЭГ с использованием СНФ;

- выявить достоверные признаки НН по параметрам синхронизации на основе обработки ЭЭГ детей с известным диагнозом;

- разработать алгоритмы диагностики НН и грубой патологии ЦНС у

детей;

- разработать программное обеспечение скринингующей системы диагностики;

- разработать макетный образец системы на основе процессора ARM.

Объект исследования. Биотехническая скринингующая система

диагностики неврологических нарушений.

Предмет исследования. Метод, модели и алгоритм работы системы диагностики неврологических нарушений.

Содержание диссертации соответствует п. 1 «Исследование, разработка и создание медицинской техники, изделий, инструментов, методов и способов диагностики и лечения человека, которые рассматриваются как средства восстановления нарушенной поливариантной системы, представление которой возможно математической, физико- и биотехнической, механической моделью, а также энергетической, физико-химической, химической, электрохимической моделью и т.д.» паспорта специальности 05.11.17 - Приборы, системы и изделия медицинского назначения.

Методы исследования. Теория автоматического управления, математическое моделирование, цифровые методы обработки сигналов, методы математической статистики (корреляционный анализ, оценки достоверности), математическая логика, алгоритмическое программирование. При разработке диагностической системы в качестве языка программирования использовалась среда VisualBasic-б. В качестве экспериментального материала использовались записи ЭЭГ 103 детей, осуществленные в ГУЗ Тульской области «Тульская областная детская психоневрологическая больница».

Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:

- математическая модель самонастраивающегося фильтра в виде рекуррентного уравнения, коэффициенты которого уточняются на каждом шаге решения в зависимости от скорости изменения фазовых сдвигов между входным и выходным сигналами, что позволяет в реальном времени определять частоту синхронизации биоэлектрической активности головного мозга между точками регистрации ЭЭГ;

- методика проектирования самонастраивающегося фильтра на основе анализа методами теории автоматического управления контура самонастройки, включающего модель связи фазового сдвига фильтра с рассогласованием частоты настройки и частоты входного сигнала, позволяющая обоснованно выбрать коэффициенты фильтра для обеспечения минимального времени настройки;

- метод обработки сигналов ЭЭГ, количественно оценивающий параметры синхронизации биоэлектрической активности - уровни и частоты синхронизации, определяемые в результате настройки самонастраивающегося фильтра на мультипликативный сигнал, что позволяет получить для отдельного пациента уникальный набор признаков, а для группы детей с известным диагнозом -эмпирические законы распределения этих признаков;

- топология связей между отведениями регистрации ЭЭГ, для которых параметры синхронизации по результатам статистической оценки эмпирических распределений значений в группах детей с известным диагнозом (нарушения слуха, зрения, ММД) достоверно отличаются от распределений в группах нормальных детей, позволяющих отнести конкретного ребенка к определенной группе;

- алгоритмы идентификации обследуемого пациента с конкретной группой НН по его параметрам синхронизации, оценки вероятности и прогноза ближайшего развития, позволяющие формулировать заключение и рекомендации для направления к врачу-специалисту.

Практическая значимость работы. Разработанные метод, методика, модели, алгоритмы и соответствующее программное обеспечение составили основу построения скринингующей системы диагностики НН, опытная эксплуатация которой позволяет рекомендовать ее к применению при проведении массовой диспансеризации силами среднего медицинского персонала.

Результаты теоретических и экспериментальных исследований использовались при выполнении госбюджетной НТР «Исследование и проектирование электромеханических и электронных приборов, систем и комплексов. Моделирование БТС диагностики» (шифр 03-10).

Основные теоретические и практические результаты работы используются в клинической практике ГУЗ Тульской области «Тульская областная детская психоневрологическая больница» и в учебном процессе ФГБОУ ВПО «Тульский государственный университет» при подготовке студентов по направлению 201000 «Биотехнические системы и технологии», специальностям «Биотехнические и медицинские аппараты и системы», «Инженерное дело в медико-биологической практике» (дисциплины «Моделирование биологических процессов и систем», «Диагностическая и терапевтическая медицинская техника», «Теория биотехнических систем»), что подтверждено соответствующими актами.

Апробация работы. Результаты исследования докладывались и обсуждались на следующих конференциях: Международной конференции по биомедицинскому приборостроению «Биомедприбор-2000» (г. Москва, 2000 г.), Международной российско-американской научно-практической конференции «Актуальные проблемы охраны материнства и детства» (г. Тула, 2005 г.), 4-й Российско-Баварской конференции по биомедицинской инженерии (г. Москва, 2008 г.). Всероссийской научно-технической конференции «Перспективы фундаментальной и прикладной науки в сфере медицинского приборостроения» (г. Таганрог, 2009 г.), научно-практической конференции «Современные технологии здравоохранения в охране нервно-психического здоровья детей» (г. Тула, 2009 г.), Всероссийской научно-технической конференции с международным участием «Медицинские информационные системы» (г.

Таганрог, 2010 г.), Всероссийской научно-практической конференции студентов, магистрантов, аспирантов и молодых ученых «Техника XXI века глазами молодых ученых и специалистов» (г. Тула, 2010 г., 2011 г.), XXIII Всероссийской научно-технической конференции студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» (г. Рязань, 2010 г.), Всероссийском конкурсе научных работ «Биосовместимые материалы и покрытия» (г. Саратов, 2010 г.), Научной школе для молодежи «Нейробиология и новые подходы к искусственному интеллекту и к науке о мозге» (г. Таганрог, 2010 г., 2011 г.), VI Всероссийской научно-практической конференции с международным участием «Физическая культура и спорт студенческой молодежи в современных условиях: проблемы и перспективы развития» (г. Тула, 2010 г.), VII Форуме «Здоровье нации - основа процветания России» (г. Москва, 2011 г.), Всероссийской научно-практической конференции «Приоритетные направления охраны здоровья ребенка в неврологии и психиатрии» (г. Тула, 2011 г.), а также на ежегодных научно-практических конференциях профессорско-преподавательского состава ТулГУ (2009 - 2012 гг.).

Публикации. По теме диссертации опубликованы 31 научная работа, в том числе 5 работ в рецензируемых научных журналах, получены 1 патент и 1 положительное решение на выдачу патента.

Личный вклад автора. Все выносимые на защиту результаты получены лично автором. Соискателем лично разработаны структура и модель системы регистрации когнитивных вызванных потенциалов; модель самонастраивающегося фильтра; методика расчета параметров СНФ; методика обработки ЭЭГ. За научные достижения в области приоритетных направлений модернизации и технологического развития российской экономики автор работы был удостоен в 2011/2012 учебном году стипендии Президента Российской Федерации для аспирантов.

I»

I

Положения, выносимые на защиту

1. Динамический анализ ЭЭГ как процесс непрерывного слежения за доминирующей частотой, реализуемый решением в реальном времени уравнений СНФ.

2. Метод обработки сигналов ЭЭГ, количественно оценивающий параметры синхронизации биоэлектрической активности - уровни и частоты синхронизации.

3. Алгоритм автоматической диагностики неврологических нарушений на основе определения электрофизиологических маркеров - связей между точками регистрации ЭЭГ в группах детей с НН, для которых параметры синхронизации достоверно отличаются от нормы.

Достоверность результатов определяется следующими факторами:

- проверка алгоритма диагностики на записях ЭЭГ 103 детей с известными неврологическими диагнозами показала полное совпадение с заключениями врачей-специалистов;

- при поиске ЭМ используются общепринятые в мировой практике методики оценки достоверности отличий выборочных данных и параметров эмпирических распределений;

- полученные данные о преобладании между группами НН отличий в частотах синхронизации согласуются с ранее опубликованными данными других исследователей.

Структура и объем диссертации.

Диссертация состоит из введения, четырех глав, заключения, списка литературы (132 наименования) и приложения (2 акта внедрения), содержит 122 страницы, 32 рисунков и 15 таблиц.

ГЛАВА 1. Диагностические системы (обзор литературы)

Нервная система человека, подразделяемая на центральную (ЦНС) и периферическую, обеспечивает рег�