Автоматизированная система анализа электроэнцефалограмм

Полезная модель относится к области медицины и предназначена для исследования электроэнцефалограмм (ЭЭГ) человека, например, с элементами эпилептологии и с использованием вейвлет-спектрограмм, полученных методом непрерывного вейвлет-преобразования. Достигаемым техническим результатом полезной модели является обеспечение автоматизации всего процесса анализа ЭЭГ при одновременном повышении точности анализа. Указанный результат обеспечивается в автоматизированной системе анализа электроэнцефалограмм (ЭЭГ), содержащей последовательно соединенные устройство регистрации ЭЭГ, АЦП, блок канального разделения цифрового сигнала, блок спектрального анализа методом вейвлет-преобразования («общим вейвлетом»), блок обработки результатов вейвлет-преобразования, блок формирования матрицы рекомендаций, блок выделения физиологически значимых участков анализируемого сигнала, блок анализа физиологически значимых участков анализируемого сигнала синтезированными вейвлетами, блок формирования матрицы результатов, блок сравнения, блок формирования клинического заключения, устройство вывода информации, а также блок синтеза адаптированных вейвлетов, выходом связанного со входом блока хранения базы синтезированных вейвлетов, выход которого подключен к соответствующему входу блока анализа физиологически значимых участков анализируемого сигнала синтезированными вейвлетами, блок записи, хранения и обработки видеоинформации о движении пациента, входной/выходной шиной связанного с блоком сравнения, а входами - с выходами устройства регистрации видеоизображения и детектора движения соответственно, при этом вход детектора движения соединен с выходом устройства регистрации видеоизображения, входной/выходной шиной связанного с блоком подсветки, причем выход АЦП соединен также с соответствующими входами блока выделения физиологически значимых участков анализируемого сигнала, блока обработки результатов анализа физиологически значимых участков анализируемого сигнала синтезированными вейвлетами и устройства вывода информации. Система может также подключаться к устройству передачи данных. 1 с. и 1 з. п.п.ф-лы, 4 илл.

Полезная модель относится к области медицины и предназначена для исследования электроэнцефалограмм (ЭЭГ) человека, например, с элементами эпилептологии и с использованием вейвлет-спектрограмм, полученных методом непрерывного вейвлет-преобразования.

Известны устройства, осуществляющие регистрацию ЭЭГ с поверхности скальпа или непосредственно с мозга и последующей обработкой ЭЭГ различными методами.

Одно из таких устройств (см. Л.Р.Зенков Клиническая электроэнцефалография с элементами эпилептологии, изд.: Медпресс-информ, 2004 г., стр.180-181) осуществляет регистрацию ЭЭГ и далее обрабатывает ее методом преобразования Фурье. Для этого оно содержит последовательно соединенные устройство регистрации ЭЭГ с записью, аналого-цифровой преобразователь (АЦП), персональную ЭВМ (ПЭВМ) и видеомонитор (ТВ-установку), а также последовательно соединенные блок регистрации видеоизображения пациента, в качестве которого используется видеокамера, вторая ПЭВМ и монитор. При этом первая и вторая ПЭВМ связаны между собой посредством шины синхронизации.

Первая ПЭВМ осуществляет выделение физиологически значимых участков ЭЭГ с целью локализации источника патологической активности с использованием преобразования Фурье и выводит эту информацию на монитор ТВ-системы.

Вторая ПЭВМ осуществляет синхронизацию процесса выделения физиологически значимых участков ЭЭГ с видеоизображением положения пациента от видеокамеры.

Это техническое решение реализовано в компьютеризированном анализаторе ЭЭГ «Альфа-УЭБ-Т-16-01» с системой цифрового видеомониторинга.

Однако используемое в этом устройстве преобразование Фурье:

- не позволяет восстановить сигнал с достаточной точностью, что, в частности, связано с эффектом Гиббса, который состоит в том, что в точке разрыва сходимость ряда Фурье не является равномерной и носит особый характер, выражающийся в появлении пульсаций вблизи точки разрыва первого рода, максимум которых слева и справа составляет примерно 9% от амплитудно-частотной характеристики (АЧХ). Поэтому при разработке реальных систем с применением прямого и обратного преобразований Фурье приходится ограничивать число гармоник, а это, даже при условии точной (идеальной) работы системы, не позволяет получить исходный сигнал без искажений;

- является мало эффективным при исследовании сигналов с характеристиками, быстро изменяющимися во времени. Для решения этой проблемы необходимо ограничивать выполнение преобразования Фурье на некоторых промежутках конечной длины, например, используя оконное преобразование. Однако это приводит к возникновению дополнительных сложностей, одной из которых является выбор размеров окна. Увеличение временного разрешения приводит к уменьшению разрешающей способности в частотной области, в которой в основном локализована базисная функция преобразования Фурье. Поскольку ЭЭГ-сигнал является сложным, предсказать его изменение в последующий момент времени практически невозможно, а, следовательно, использование преобразования Фурье не позволяет обеспечить автоматизацию процесса анализа ЭЭГ с достаточной степенью точности.

Известно также устройство, реализующее способ исследования ЭЭГ человека и животных (см. патент РФ на изобретение 2332160, М. кл. А61В 5/04, опубл. 27.08.2008 г.), при котором осуществляют регистрацию ЭЭГ и последующий спектральный анализ зарегистрированной ЭЭГ методом непрерывного вейвлет-преобразования по формуле:

где (t) функция вейвлета, параметр а - определяет размер вейвлета, b - задает сдвиг по оси времени, так что а, bR, а0.

Вейвлет-преобразование представляет собой временную развертку спектра и позволяет получить более локализованную во времени по сравнению с Фурье-преобразованием энергетическую информацию.

После него на основе вейвлет-коэффициентов рассчитывается скалограмма на дискретном множестве значений аргументов a_i и b_j, i=0,N_a-1; j=0,N_b-1:

На основе скалограммы рассчитывается скейлограмма:

где N - число точек, по которому осуществляется осреднение.

Далее на скейлограммах выделяют физиологически значимые частотные диапазоны исходя из расстояний между соседними локальными минимумами на кривой скейлограммы. Построение скейлограмм на кратковременных отрезках позволяет отслеживать временную динамику процесса исследования. Далее определяют изменения вейвлетной плотности мощности во времени, изменение частотных диапазонов во времени и значения удельной вейвлетной плотности мощности во времени, которая отражает динамику изменения активности различных генераторов ЭЭГ на коротких промежутках времени.

Для регистрации ЭЭГ используют электроды, установленные на поверхности скальпа или снимающие сигналы непосредственно с мозга.

Устройство для исследования ЭЭГ человека или животного для реализации этого способа содержит установленные на поверхности скальпа или снимающие сигналы непосредственно с мозга электроды.

Далее снятые сигналы в блоке регистрации ЭЭГ усиливаются в усилителе и записываются в блок памяти. После этого записанные сигналы оцифровываются с помощью аналого-цифрового преобразователя (АЦП) и подаются в блок спектрального анализа методом вейвлет-преобразования. В этом блоке определяются вейвлет-коэффициенты и формируется матрица этих коэффициентов, значения которых используются в блоке построения скейлограмм. После этого в блоке анализа скейлограмм на последней выделяются физиологически значимые частотные диапазоны (участки) и определяются значения вейвлетной плотности мощности в каждом из частотных диапазонов, изменения вейвлетной плотности мощности во времени и определяются значения удельной вейвлетной плотности мощности во времени.

Данный аналог принят за прототип.

Используемые в прототипе вейвлеты построены на основе математических функций, которые не связаны с особенностями ЭЭГ, поэтому их применение в прототипе не адаптировано к анализу сигналов ЭЭГ, что не позволяет обеспечить необходимую точность анализа.

Кроме того, с выхода данного устройства исследователь получает информацию, которая должна быть далее подвергнута ручному анализу для получения клинического заключения о наличии различных особенностей ЭЭГ (артефакты, патологическая активность и др.). Т.е. данное устройство не обеспечивает полной автоматизации процесса анализа ЭЭГ.

Достигаемым техническим результатом полезной модели является обеспечение автоматизации всего процесса анализа ЭЭГ при одновременном повышении точности анализа.

Данный технический результат достигается в предлагаемой автоматизированной системе анализа электроэнцефалограмм (ЭЭГ), содержащей последовательно соединенные блок регистрации ЭЭГ и АЦП, блок спектрального анализа методом вейвлет-преобразования, блок выделения физиологически значимых участков анализируемого сигнала, отличающейся тем, что содержит блок канального разделения цифрового сигнала, вход которого соединен с выходом АЦП, а его выходы подключены к соответствующим входам блока разделения канальных сигналов на участки фиксированной длины, выход которого подключен ко входу блока спектрального анализа методом вейвлет-преобразования, выход которого подключен ко входу блока обработки результатов вейвлет-преобразования, выход которого подключен ко входу блока формирования матрицы рекомендаций, выход которого подключен ко входу блока выделения физиологически значимых участков анализируемого сигнала, выход которого соединен с первым входом блока анализа физиологически значимых участков анализируемого сигнала синтезированным вейвлетом, выход которого подключен ко входу блока обработки результатов анализа физиологически значимых участков анализируемого сигнала синтезированным вейвлетом, выход которого подключен ко входу блока формирования матрицы результатов, выход которого соединен со входом блока сравнения, входной/выходной шиной связанного с блоком записи, хранения и обработки видеоинформации о движении пациента, один вход которого соединен с выходом детектора движения, а другой - с выходом устройства регистрации видеоизображения, входной/выходной шиной связанного с блоком подсветки, при этом второй вход блока анализа физиологически значимых участков анализируемого сигнала синтезированным вейвлетом соединен с выходом блока хранения базы синтезированных вейвлетов, вход которого соединен с выходом блока синтеза адаптированных вейвлетов, а выход блока сравнения подключен ко входу блока формирования клинического заключения, выход которого подключен ко входу устройства вывода информации, причем выход АЦП соединен также с соответствующими входами блока выделения физиологически значимых участков анализируемого сигнала, блока обработки результатов анализа физиологически значимых участков анализируемого сигнала синтезированными вейвлетами и устройства вывода информации.

Кроме того, для осуществления дистанционной передачи выходной информации предлагаемая система может дополнительно содержать устройство передачи данных, входом подключенное к выходу блока формирования клинического заключения.

Введение в предлагаемую систему блока канального разделения цифрового сигнала и блока разделения канальных сигналов на участки фиксированной длины необходимо для уменьшения нагрузки на ЭВМ. Поскольку записанная от множества электродов ЭЭГ является многоканальной, т.е. представляет собой в оцифрованном виде матрицу, столбцы которой соответствуют каналам (отведениям), а строки соответствуют отсчетам (характеризуют изменение сигнала во времени), при высокой частоте дискретизации размер такой матрицы становится очень большим.

Поэтому целесообразно вычислительные потоки разделить на каналы, и дальнейшую обработку проводить применительно к каждому каналу или к части каналов (в зависимости от необходимости и от клинического случая).

Последующее разделение канальных сигналов на участки фиксированной длины помимо уменьшения нагрузки на ЭВМ дает возможность приближения или переходу к анализу в режиме реального времени, что позволит проводить анализ ЭЭГ автоматически в режиме, приближенном к реальному времени.

В блоке спектрального анализа методом вейвлет преобразования, в отличие от прототипа, осуществляется первичный анализ каждого участка «общим» вейвлетом, единым для всех участков, но в качестве базисной функции такого вейвлета предлагается использовать вейвлет, сходный по своим характеристикам с элементарным участком ЭЭГ. В качестве такого вейвлета может быть выбран, например, вейвлет под названием «мексиканская шляпа» (mexh).

Оценка результатов вейвлет-анализа «общим» вейвлетом осуществляется в блоке обработки результатов вейвлет-преобразований с помощью вспомогательного алгоритма, блок-схема которого приведена на фиг.1. Эта обработка позволяет оценить ЭЭГ с точки зрения наличия в ней каких-либо физиологически значимых особенностей.

По результатам первичной оценки блоком формирования матрицы рекомендаций составляется матрица (таблица) рекомендаций.

Таким образом, блок формирования матрицы рекомендаций позволяет более точно отобрать в блоке выделения физиологически значимых участков анализируемого сигнала те участки, которые содержат какую-либо особенность. В качестве ориентира при отборе участка из таблицы рекомендаций выбирается число, отличное от нуля, местоположение которого соответствует отсчету в исходной матрице, а значение соответствует условному номеру группы предполагаемой особенности.

В отличие от прототипа в предлагаемой системе повышение точности анализа ЭЭГ достигается введением блока анализа физиологически значимых участков анализируемого сигнала синтезированными вейвлетами и блока дополнительной обработки результатов анализа физиологически значимых участков анализируемого сигнала синтезированными вейвлетами. Критерием синтеза предлагается использовать минимизацию суммы квадратов отклонения вейвлета от эталонного сигнала. При этом используется или алгебраический полином, или ортогональные полиномы (Чебышева, Лагранжа или др.) или другой метод математического представления образца. При этом синтезированные вейвлеты должны удовлетворять следующим требованиям:

1) полученная базисная функция должна иметь компактный носитель;

2) синтезированные вейвлеты должны иметь нулевое интегральное значение.

При этом наилучший результат будет получен при описании и индикации той особенности ЭЭГ, на основании образца которой он был синтезирован.

При этом повышению точности анализа способствует обработка результатов анализа синтезированным вейвлетом, осуществляемая с помощью алгоритма, блок-схема которого приведена на фиг.2.

На основании этой обработки автоматически составляется таблица результатов с помощью блока формирования матрицы результатов.

Для осуществления анализа синтезированным вейвлетом и дополнительной обработки использовалась база синтезированных вейвлетов в блоке хранения базы синтезированных вейвлетов, сформированная блоком синтеза адаптированных вейвлетов.

В качестве дополнительного инструмента повышения точности анализа ЭЭГ для идентификации физиологически значимых особенностей было применено сопоставление видеоизображения, содержащего сведения о движении пациента, с таблицей результатов.

Для этого в предлагаемую систему были введены устройство регистрации видеоизображения с блоком подсветки, и детектор движения, связанные с блоком записи, хранения и обработки видеоинформации, и связанный с ним блок сравнения, на который также подается информация от блока формирования матрицы результатов.

В том случае, если в таблице результатов информация о появлении физиологически значимой особенности совпадает с соответствующей информацией о движении, можно с высокой степенью вероятности говорить об идентификации той или иной физиологической особенности (артефакта).

Результатом полной автоматизации процесса анализа ЭЭГ является получение клинического заключения в блоке формирования клинического заключения. Полученное заключение с помощью устройства вывода информации отражается на его мониторе.

Таким образом, обеспечивается полная автоматизация процесса анализа ЭЭГ.

Кроме того, для осуществления дистанционной передачи выходной информации (клинического заключения) предлагаемая система может дополнительно содержать устройство передачи данных, что обеспечивает дополнительные преимущества при автоматизации процесса анализа ЭЭГ.

Предлагаемая полезная модель поясняется чертежами, где:

- На фиг.1 приведена блок-схема вспомогательного алгоритма первичной обработки результатов вейвлет-преобразований;

- На фиг.2 приведена блок-схема алгоритма обработки результатов анализа синтезированными вейвлетами;

- На фиг.3 приведена структурная схема предлагаемой системы.

- На фиг.4 приведена блок-схема алгоритма обработки сигнала в программно реализованных блоках данной системы.

Согласно фиг.3 предлагаемая система содержит последовательно соединенные блок 1 регистрации ЭЭГ с устройством записи ЭЭГ и усилителем, причем соответствующие входы блока 1 регистрации ЭЭГ подключены к электродам, установленным на голове пациента, АЦП 2, блок 3 канального разделения цифрового сигнала, выходы каналов которого подключены к соответствующим входам блока 4 разделения канальных сигналов на участки фиксированной длины, выход которого соединен со входом блока 5 спектрального анализа методом вейвлет-преобразований («общим» вейвлетом), последовательно соединенным с блоком 6 обработки результатов вейвлет-преобразований, выходом соединенного со входом блока 7 формирования матрицы рекомендаций, выход которого подключен ко входу блока 8 выделения физиологически значимых участков анализируемого сигнала, подключенного к последовательно соединенным блоку 9 анализа физиологически значимых участков анализируемого сигнала синтезированным вейвлетом, блоку 10 обработки результатов анализа физиологически значимых участков анализируемого сигнала синтезированным вейвлетом и блоку 11 формирования матрицы результатов, при этом вход блока 9 анализа физиологически значимых участков анализируемого сигнала синтезированным вейвлетом соединен с выходом блока 12 хранения базы синтезированных вейвлетов, вход которого соединен с выходом блока 13 синтеза адаптированных вейвлетов. Выход блока 11 формирования матрицы результатов подключен ко входу блока 14 сравнения, входной/выходной шиной связанного с блоком 15 записи, хранения и обработки видеоинформации о движении пациента, один вход которого соединен с выходом устройства 16 регистрации видеоизображения. Устройство 16 регистрации видеоизображения связано входной/выходной шиной с блоком 17 подсветки, а выходом - со входом детектора 18 движения, выход которого подключен ко второму входу блока 15 записи, хранения и обработки видеоинформации о движении пациента. Выход блока 14 сравнения подключен к входу блока 19 формирования клинического заключения, выход которого подключен к соответствующему входу устройства 20 вывода информации. Устройство 20 вывода информации может содержать, например, принтер и др. устройства. Для осуществления дистанционной передачи клинического заключения в удаленные места в предлагаемом устройстве может быть предусмотрено устройство 21 передачи данных, соответствующими входами подключаемое к выходу блока 19 формирования клинического заключения. Передача данных может осуществляться с помощью локальной сети, сети Интернет, устройства записи и чтения дисков и др.

Рассмотрим работу предлагаемой системы в соответствии со структурной схемы фиг.3 и с учетом фиг.1, фиг.2 и фиг.4.

При клиническом исследовании производится запись электроэнцефалограммы пациента. Сигнал с поверхности головы (мозга) снимается при помощи электродов. Далее от электродов сигнал поступает в устройство 1 регистрации ЭЭГ, где сигнал усиливается и происходит его запись в память. Например, возможно использование компьютерного комплекса ЭЭГ - исследования, тогда запись производится в память компьютера.

Далее, зарегистрированный сигнал поступает на аналого-цифровой преобразования 2 (АЦП 2). На выходе этого блока сигнал имеет цифровой вид. Формат записи цифрового сигнала может быть различным. Рассмотрим случай, когда сигнал представляет собой матрицу, где число столбцов соответствует числу каналов, а число строк соответствует числу отсчетов сигнала, и указывает на длину ЭЭГ записи. Число отсчетов сигнала зависит от продолжительности записи и частоты дискретизации. Т.е., например, если запись продолжалась в течении 15 минут (900 с.), то при частоте дискретизации 250 Гц, данный сигнал будет содержать 225000 отсчетов.

Т.е. на выходе АЦП 2 сигнал имеет представление в виде матрицы отсчетов.

Для удобства дальнейшей работы, а также для уменьшения требований к ЭВМ, предлагается разделить весь многоканальный (содержащий много отведений) сигнал (матрицу) на отдельные каналы (векторы). Это позволит анализировать сигнал в дальнейшем по каналам, а также позволяет ввести процедуру разделения вычислительных потоков. При этой процедуре все вычислительные действия выполняются поканально, и осуществляется синхронизация с главным вычислительным потоком. Эта процедура выполняется в блоке 3 канального разделения цифрового сигнала.

Далее, для удобства дальнейшего анализа, снижения требований к вычислительной технике, а также для приближения работы устройства к режиму анализа (работы) в реальном времени, сигнал разделяется на участки фиксированной длины. Эта процедура производится в блоке 4 разделения канальных сигналов на участки фиксированной длины. Участки могут быть различной длины, которая зависит от решаемой задачи и возможностей вычислительной техники. Например, возможно разделять сигналы каждого канала на участки соответствующие размеру сигнала, умещающегося на стандартном экране монитора компьютерного ЭЭГ комплекса. Условно, выберем 18 с., что при частоте дискретизации 250 Гц соответствует 4500 отсчетам.

Далее, каждый участок подвергается вейвлет-преобразованию. Эта процедура производится в блоке спектрального анализа методом вейвлет-преобразования («общим вейвлетом»). Вейвлет-преобразование «общим вейвлетом» - это вейвлет-преобразование при котором для всех участков при непрерывном вейвлет-преобразовании используется один и тот же вейвлет. Проведенные исследования показали, что из всех традиционных семей вейвлетов наилучшим образом для этого походит вейвлет «мексиканская шляпа» (но может использоваться и другой вейвлет). Это объясняется тем, что базисная функция вейвлета «мексиканская шляпа» близка по своим характеристикам к элементарному участку ЭЭГ сигнала. В виду этого результаты вейвлет-анализа, например, вейвлет-спектрограмма, обладают более яркой выраженностью особенностей ЭЭГ сигнала. При этом, в отличие от ряда семей вейвлетов, использование этого вейвлета дает однозначное соответствие максимума (минимума) оригинального сигнала с реакцией вейвлет-спектрограммы.

Кроме того, вейвлет «мексиканская шляпа» имеет представление в виде формулы, что для большинства вейвлетов является исключением.

На выходе блока 5 спектрального анализа методом вейвлет-преобразования («общим вейвлетом») получаем вейвлет-спектрограммы. Вейвлет-спектрограмма - это графическое отображение информации о сигнале. Представляет собой трехмерный график (оси: время, амплитуда, третья ось характеризует изменение масштаба и описывается масштабирующими коэффициентами). Каждому масштабирующему коэффициенту соответствует определенное значение частоты исследуемого сигнала. Т.е. если выбрать набор вейвлет-коэффициентов, соответствующих конкретному номеру (значению) масштабирующего коэффициента, то на основании этих данных можно построить график (двумерный), который называется линией вейвлет-коэффициентов. Этот график будет описывать процессы, которые происходят в исследуемом сигнале на уровне составляющей выбранного частотного диапазона.

Далее, вейвлет-спектрограммы поступают на блок 6 обработки результатов вейвлет-преобразования в соответствии с алгоритмом (фиг.1).

Известно, что различным особенностям ЭЭГ свойственны свои характеристики (частота, амплитуда, форма и т.д.). Выбирая, строя и анализируя линии вейвлет-коэффициентов, для частотных диапазонов конкретной особенности (на таких частотных диапазонах они более ярко выражены и вносят большой вклад в составляющую данного диапазона), анализируя для всех участков и каналов, можно получить предварительную оценку (достаточно точную) о составе всей записи.

Таким образом, матрица вейвлет-коэффициентов вейвлет-спектрограммы подвергается разложению на векторы, в результате чего формируются линии вейвлет-коэффициентов. Эта процедура выполняется для определенных номеров вейвлет-коэффициентов, которые соответствуют определенному масштабу (частоте оригинального сигнала, соответствующей конкретной физиологической особенности). Далее, графики линий вейвлет-коэффициентов (векторы чисел), построенные для каждого вида особенности (частотного диапазона) анализируются одним из возможных методов, например:

- оценка значений амплитуды, проверка на соответствие данных величин, значениям величины амплитуды для характерной особенности для выбранного частотного диапазона.

- проверка характеристик линий вейвлет-коэффициентов (ЛАК) подстановкой в шаблон допустимых значений. Шаблон строится с указанием разброса характеристик сигнала, с определенным шагом в выбранном окне. Шаблон формируется заблаговременно и хранится в памяти устройства.

- другие методы, направленные на извлечение информации о наличии особенностей в записи ЭЭГ.

Наиболее предпочтительным является проверка характеристик линий вейвлет-коэффициентов (ЛАК) подстановкой в шаблон допустимых значений, который использован в данном примере реализации.

На основании полученных данных (с предварительным указанием предполагаемых особенностей) формируются векторы, на основании которых далее в блоке 7 формирования матрицы (таблицы) рекомендаций формируется матрица (таблица) рекомендаций. Нули в таблице соответствуют ЭЭГ без особенностей. Каждая конкретная особенность относится к соответствующей группе (классу) (например, глазной артефакт или вид патологической активности), ей присваивается номер группы, который заносится в таблицу рекомендаций в соответствующее место (где была обнаружена особенность). (Например, 1 - глазной артефакт, 2 - патологическая активность и т.д.). Таким образом, таблица рекомендаций представляет собой матрицу, состоящую из чисел, с различными значениями. Для ЭЭГ нормы большая часть этих чисел (если не выбраны особые способы дальнейшего анализа) равны нулю.

Далее, значения таблицы рекомендаций поступают на блок 8 выделения физиологически значимых участков анализируемого сигнала.

В блоке 8 происходит анализ матрицы (таблицы) рекомендаций: определяются элементы, отличные от нулевых. Предположительно каждый такой элемент соответствует элементу матрицы ЭЭГ сигнала, содержащему особенность (при этом класс особенности уже предварительно определен). На основании матрицы рекомендаций формируются «физиологически значимые участки». Это производится следующим образом: в соответствии с номером строки и столбца отличного от нулевого отсчета матрицы рекомендаций, определяется соответствующий отсчет (сигнальный) в матрице ЭЭГ записи. Относительно этого отсчета откладывается определенное число отсчетов до и после (по каналу). Таким образом, формируется вектор определенной длины. Длина этого вектора может быть различной (в зависимости от длины «предполагаемой» по данным таблицы рекомендаций особенности), а может быть фиксированной и соответствовать, например, минимальной длине участка, необходимой для индикации особенности (исходя из проведенных экспериментов, примерно треть секунды). Для примера, возьмем длину 100 отсчетов (т.е. 49 отсчетов до и 50 после сигнального), при частоте дискретизации 250 Гц - это примерно та минимальная длина участка, которая необходима. Сигнальный отсчет также входит в состав участка. Конечно, в этом случае неизбежна некоторая избыточность, т.е. если в таблице рекомендаций последовательно друг за другом (по каналу, вектору) идут индикаторы особенности, то в результате обработки блоком 8 получим несколько практически одинаковых участков (отличие в одном отсчете). Для решения этой проблемы можно выполнить прореживание, т.е. обнуление через некоторые интервалы элементов матрицы рекомендаций. Однако, для сохранения точности результата целесообразно прореживание не выполнять.

Далее, полученные участки поступают на вход блока 9 анализа физиологически значимых участков анализируемого сигнала синтезированными вейвлетами (адаптированными).

Процедура синтеза вейвлета для непрерывного вейвлет-преобразования выполняется заблаговременно, при помощи блока 13 синтеза адаптированных вейвлетов и заключается в следующем:

1. Выбор участка ЭЭГ сигнала, содержащего физиологически значимую особенность.

2. Математическое представление этого участка. Для этого производится аппроксимация по методу наименьших квадратов, используется или алгебраический полином, или ортогональные полиномы (Чебышева, Лагранжа или др.) или другой метод математического представления образца.

Таким образом, формируется базисная функция вейвлета. При этом выполняются основные требования, предъявляемые к вейвлетам:

- компактность носителя;

- нулевое интегральное значение.

Полученный вейвлет практически (или полностью) совпадает при наложении с исходным (оригинальным) образцом. Таким образом, синтезированный вейвлет является адаптированным для конкретной особенности (на основе участка-образца которой был синтезирован). Полученные вейвлеты хранятся в блоке 12 хранения базы синтезированных вейвлетов. При необходимости они могут вызываться из этого блока и использоваться в блоке 9 анализа физиологически значимых участков анализируемого сигнала синтезированными вейвлетами.

На выходе блока 9 имеем вейвлет-спектрограмму, которая подается на блок 10 обработки результатов анализа физиологически значимых участков анализируемого сигнала синтезированными вейвлетами.

После проведения процедуры вейвлет-анализа синтезированными вейвлетами, полученные вейвлет-спектрограммы подвергаются комплексному анализу оценки вейвлет-спектрограммы и осуществляется сравнение матрицы оригинального сигнала и синтезированного вейвлета для конкретной особенности, в соответствии с алгоритмом (фиг.2).

В случае, когда участок ЭЭГ, содержащий особенность, подвергается анализу с помощью синтезированного вейвлета, получаемого из образца аналогичной особенности (например, участок, содержащий глазной артефакт, анализируется синтезированным (адаптированным) вейвлетом, полученным из образца глазного артефакта), то на полученной вейвлет-спектрограмме данная особенность найдет яркое отображение. Это происходит в тот момент, когда синтезированный вейвлет приобретает некоторое значение масштаба, при котором практически полностью (или абсолютно точно) совпадает с аналогичной особенностью в исследуемом сигнале. Анализируя «схожесть» характеристик части участка ЭЭГ и синтезированного вейвлета можно с определенной вероятностью судить о природе особенности (о ее классе). Схожесть части участка сигнала и синтезированного (адаптированного) вейвлета может быть выражена в процентах. В случае, когда это значение достигает (или превышает) определенного порогового значения (например, выше 90%), можно с определенной уверенностью (90%) утверждать, что это именно эта особенность. В случае, когда можно с разной вероятностью предполагать, что это несколько различных видов особенности, в случае большой (существенной) разницы в значениях (например, 82% и 36%) выбирается большее значение (с возможностью записи в программу журнала нескольких вариантов - для возможности дополнительной проверки, если такая потребуется).

В случае, когда разница невелика (например, 82% и 80%), возможно проведение более глубокого исследования этого участка врачом-специалистом, при серьезном (особо ответственном) исследовании.

По итогам проведенного анализа получаем векторы результатов, из которых далее формируется таблица результатов в блоке 11 формирования матрицы результатов.

После получения матрицы (таблицы) результатов, она поступает на блок 14 сравнения. Этот блок служит в качестве дополнительной проверяющей подсистемы. При процедуре ЭЭГ исследования, одновременно с записью ЭЭГ сигнала производится синхронная запись видеоизображения пациента. Для этого используется устройство 16 регистрации изображения (видеокамера, телекамера). Поскольку ЭЭГ исследование проходит в условиях слабой освещенности (притемненности) комнаты, необходимо использование блока 17 подсветки (например, ИК-прожектор или др.).

Сама видеозапись может служить источником дополнительной информации об артефактах, вызванных движением пациента, а для автоматизации процедуры видео-индикации артефактов может применяться детектор 18 движения. Детектор 18 движения позволяет выявлять движения в заранее выбранных областях зоны зрения телекамеры. Т.е. при монтаже и настройке телекамеры можно выбрать зоны, в которых будет производиться выявление движения, так называемые активные зоны, а также зоны, которые анализироваться не будут. Это необходимо для исключения срабатывания при изменении положения грудной клетки человека во время дыхания, а также для возможности выделения нескольких зон (например, лица, области глаз, рук и т.д.) при разделении различных артефактов.

Информация от устройства 16 регистрации видеоизображения (телекамеры, видеокамеры) и датчика 18 движения фиксируется в блоке 15 записи, хранения и обработки видеоинформации о движении пациента. В блоке 14 сравнения происходит сопоставление информации матрицы результатов и информации от детектора 18 движения. В случае, если информация об артефакте совпадает с информацией о движении - это является дополнительным подтверждением результатов автоматизированного анализа.

Полученные результаты поступают на блок 19 формирования клинического заключения. В нем происходит оценка матрицы результатов (по каналу и между каналами). На основании этого формируется клиническое заключение, в котором указывается наличие или отсутствие патологии, ее вид, наличие или отсутствие артефактов, других особенностей ЭЭГ, их место в ЭЭГ сигнале (канал, время и др.) и другая необходимая информация.

Далее, клиническое заключение поступает на устройство 20 вывода информации (монитор, принтер и т.д.), а в случае необходимости - на устройство 21 передачи данных. В качестве устройства 21 передачи данных могут быть использованы: сеть Интернета, локальная сеть, устройства записи (оптических или магнитных (гибких) дисков, внешние устройства хранения данных: flash-память, внешние жесткие диски и др.).

Предлагаемая система может применяться:

- при больших потоках пациентов при различных обследованиях, обследованиях с малой вероятностью патологии;

- при профилактических обследованиях, при прохождении медицинских комиссий сотрудников различных организаций;

- для экспресс анализа ЭЭГ;

- для предполетной проверки или перед другими мероприятиями, направленными на контроль состояния здоровья работника перед, во время или после мероприятий, связанных с большими психо-эмоциональными нагрузками;

- при построении тренажеров для обучения медицинского персонала;

- и др.

В предлагаемой системе в качестве устройства 1 регистрации ЭЭГ используется электроэнцефалограф, например, Телепат-104Д, который работает на частоте дискретизации 2000 Гц, хотя наша система дает возможность получить приемлемые результаты работы даже при частоте 250 Гц и ниже.

Для создания необходимого уровня освещенности в качестве блока 17 подсветки может быть использован один или несколько ИК-прожекторов. Например, можно применять два ИК-прожектора ПИК 23 ВП «Пластина», один из которых должен быть установлен у головы пациента, а другой - у ног или на уровне пояса.

В качестве устройства 16 регистрации видеоизображения может использоваться телекамера, например, Ai-WD75N. Для ее подключения к компьютеру необходим видеокодер, в качестве которого может быть использован AXIS Q7404, который через Ethernet подключается к сетевой карте компьютера. При этом в качестве детектора 18 движения может быть использован детектор движения, имеющийся и в телекамере и в видеокодере.

1. Автоматизированная система анализа электроэнцефалограмм (ЭЭГ), содержащая последовательно соединенные блок регистрации ЭЭГ и АЦП, блок спектрального анализа методом вейвлет-преобразования, блок выделения физиологически значимых участков анализируемого сигнала, отличающаяся тем, что содержит блок канального разделения цифрового сигнала, вход которого соединен с выходом АЦП, а его выходы подключены к соответствующим входам блока разделения канальных сигналов на фрагменты фиксированной длины, выход которого подключен ко входу блока спектрального анализа методом вейвлет-преобразования, выход которого подключен ко входу блока обработки результатов вейвлет-преобразования, выход которого подключен ко входу блока формирования матрицы рекомендаций, выход которого подключен ко входу блока выделения физиологически значимых участков анализируемого сигнала, выход которого соединен с первым входом блока анализа физиологически значимых участков анализируемого сигнала синтезированным вейвлетом, выход которого подключен ко входу блока обработки результатов анализа физиологически значимых участков анализируемого сигнала синтезированным вейвлетом, выход которого подключен ко входу блока формирования матрицы результатов, выход которого соединен со входом блока сравнения, входной/выходной шиной связанного с блоком записи, хранения и обработки видеоинформации о движении пациента, один вход которого соединен с выходом детектора движения, а другой - с выходом устройства регистрации видеоизображения, входной/выходной шиной связанного с блоком подсветки, при этом второй вход блока анализа физиологически значимых участков анализируемого сигнала синтезированным вейвлетом соединен с выходом блока хранения базы синтезированных вейвлетов, вход которого соединен с выходом блока синтеза адаптированных вейвлетов, а выход блока сравнения подключен ко входу блока формирования клинического заключения, выход которого подключен ко входу устройства вывода информации, причем выход АЦП соединен также с соответствующими входами блока выделения физиологически значимых участков анализируемого сигнала, блока обработки результатов анализа физиологически значимых участков анализируемого сигнала синтезированными вейвлетами и устройства вывода информации.

2. Автоматизированная система анализа электроэнцефалограмм (ЭЭГ) по п.1, отличающаяся тем, что дополнительно содержит устройство передачи данных, входом подключенное к выходу блока формирования клинического заключения.