СИСТЕМНЫЙ АНАЛИЗ СТРУКТУРНО-ФУНКЦИОНАЛЬНОЙ ЗАКОНОМЕРНОСТИ АСИММЕТРИИ МОЗГА НА ОСНОВЕ ПОЛИПАРАМЕТРИЧЕСКОЙ ИНТЕЛЛЕКТУАЛЬНОЙ МОДЕЛИ РИТМОВ ЭЭГ
Н.В. Дмитриева, В.А. Шаталов
НИИ нормальной физиологии им. РАМН, Москва. E-mail: nvdmitrieva@mtu-net.ru.
Установленное функциональное различие в пространственно-временной организации целостной нервно-психической деятельности человека до сих пор не нашло соответствующего отражения в электроэнцефалографических исследованиях. В известной мере это определяется ограничениями существующих методов анализа ЭЭГ, среди которых до сих пор нет методов системного анализа ритмов, который мог бы представить пространственно- временную взаимосвязь процессов. Однако, опыт ряда исследователей показал, что основу ритмического механизма регулирования функционального состояния составляет синхронное вовлечение возбудимости структур мозга, образующих единую функциональную констелляцию в процессе общей ритмической модуляции [Steriade S., Gloor P., Llinas R.R. et al. 1990; Lope de Silva F.H. ,1991]. Имеются основания полагать, что корреляционные связи биоритмов мозга отражают потенциальное и текущее функциональное состояние адаптации [Василевский Н.Н., Сидоров Ю.А., Суворов Н.Б., 1993; Сороко С.И., Бекшаев СС., Сидоров Ю.А [1990]. [Русалов В.М., Русалова М.Н., Митрофанов А.А., 2005]. Однако, следует подчеркнуть вероятностный характер корреляционных связей, их высокую лабильность и усложненность из-за наличия многочисленных т.н. откликов, что сильно снижает их диагностическую значимость. Наиболее адекватным решением представляется общий системный симметрийный подход в поиске структурно-функциональных закономерностей.
Основные идеи и методы решения Суть полипараметрической методологии системного анализа электрофизиологических процессов, разрабатываемой нами в течении ряда лет [Дмитриева Н.В., 1998,2003, 2005], состоит в создании моделей осцилляторных процессов организма на основе фрактальной геометрии [Мандельброт Б. 2002] и общих принципов построения систем искусственного интеллекта [Поспелов Д.А., 1982; Фоминых И.Б.1993] и системном анализе электрофизиологических процессов на основе разработанной модели. Технология анализа основана на параметризации электрофизиологических функций, матричном описании функционального состояния унифицированным набором параметров и использовании средств искусственного интеллекта для количественного анализа многомерных данных. Диагностическое решение представляется в виде визуализированного образа. Ранее нами разработаны полипараметрические интеллектуальные геометрические модели для анализа многомерных данных отдельных осцилляторных процессов (ЭКГ, РВГ и др.) [Дмитриева Н.В.,2003]. В данной работе представлена полипараметрическая интеллектуализированная модель для системного анализа структурно-функциональных закономерностей асимметрии целого мозга.
В системе используется унифицированный набор временных и амплитудных параметров ЭЭГ в соответствии с рекомендацией Международной федерации общества электроэнцефалографии и клинической нейрофизиологии в абсолютных значениях с естественным масштабированием. Для построения полипараметрической модели абсолютные величины параметров при фронтально-окципитальном отведении слева и справа у человека (F1-O1 и F2O2) последовательно откладывали на катетах двух прямоугольных треугольников (рис. 1). Совокупность электрофизиологических параметров замыкается в контуре равностороннего треугольника при наложении одного катета каждого из прямоугольных треугольников, представляющих левое и правое полушария мозга. Катеты треугольников являются векторами временных (ось ординат) и амплитудных (ось абсцисс) параметров. Каждый катет имеет свою размерность и масштаб. Гипотенузы обоих треугольников представляет широко принятые в клинике индексы длительности каждого из ритмов ЭЭГ в процентах за 10 секундную эпоху регистрации для каждого полушария в отдельности. При анализе соотношения временных и амплитудных параметров с использованием приемов проективной геометрии и общих принципов симметрии [8] выявлены новые знания о функциональном порядке в структуре ритмов ЭЭГ и их взаимодействии. Так, оказалось, что минимальные и максимальные величины параметров образуют пропорцию с единым коэффициентом (близким к W=1,309). Как показал наш опыт, с этим коэффициентом связана устойчивость модели системы и сохранность взаимоотношений ее элементов (параметров). Очевидно, что эти коэффициенты могут быть использованы в качестве критерия сохранности функционального порядка электроэнцефалографических процессов. Площадь каждого из треугольника имеет размерность кванта энергии (VС) в соответствии с Международной системой единиц. По такому усредненному (за 10 сек) кванту удобно сравнивать энергетику каждого из ритмов. По средним данным представленной модели такие кванты ритмов составляют: для альфа-ритма –0.004 V.C, тэта-ритма-0.006 V.C, дельта-ритма- 0.01 V.C, бэта-ритма- 0.001 V.C. Общепринятые в энцефалографии индексы длительности каждого из ритмов определяются в структуре модели пересечением линий представляющих связи амплитудных и временных параметров слева и справа соответственно с гипотенузой каждого из треугольников, которая представляет 100 % ритм (рис 1). В общей конструкции каждое полушарие имеет собственный преобразователь системы, составляющий структурно-алгоритмический механизм функционирования системы, т.к. содержит всю основную характеристику ритмов (может содержать полный спектр частот) и позволят осуществлять классификационные действия. Именно по этой конструкции возможно определение движения системы, т.е. структурно-функциональные изменения с оценкой величины энергии электрофизиологического процесса во времени в отдельных полушариях мозга. Для такой характеристики симметричных процессов наиболее удобной величиной может быть усредненный квант энергии ритма умноженный на индекс ритма. Такая величина представляется близкой к понятию «функционала действия», выдвинутого еще Э. Нетер по свойствам симметрии. Достаточно строгая количественная характеристика процесса, наглядно представляемая такой конструкцией модели, дает основание для дальнейшего математического развития ее. В то же время она обладает веским достоинством наглядности. Как видно из приведенных данных электрофизиологические процессы обладают фрактальной самоорганизацией по принципу масштабно-инвариантного подобия и пропорциональность параметров является параметром порядка. Примечательно, что бета-ритм как бы не вписывается в строгий образ идеальной ЭЭГ, что согласуется с представлениями опытных электрофизиологов о том, что бета-ритм не характерен для нормальной ЭЭГ. Интеллектуальный преобразователь осуществляет непрерывный анализ характера поведения абсолютных, относительный величин параметров и их соотношений и формирует в соответствии с этим необходимые классификационные действия (например, перевод данного пациента в систему клинических диагнозов).
|
50% |
|
10 |
Рисунок. Модель интеллектуальной системы электрической активности головного мозга (по параметрам ЭЭГ). (Способ построения в тексте.)
µV α Ø Δ ß ß Δ Ø α µV
Интеллектуальный преобразователь является комбинированным: динамическая часть - абсолютные величины параметров и интеллектуальная (активная) часть, обеспечивает дополнительные признаки- соотношения параметров и энергетические характеристики, накладываемые на динамику процесса во времени. Это наглядное представление и количественное выражение информационных внутрисистемных связей в системе. Формирование модели преобразователя основано на структурно-алгоритмическом механизме функционирования интеллектуально-образной системы. Визуальный и статистический анализ геометрических моделей 22 студентов показал, что соотношения параметров являются количественной мерой сохранности объекта: для правого полушария Wd =1,352±0.032 Wl=1.275±0.029. На основе такой модели совокупность электрогенераторных структур целостного мозга правомерно представить как многоуровневую, иерархическую систему связанных нелинейных эндогенных осцилляторов - нейронов- с циклами разной периодичности, эволюционно согласованными с экзогенными факторами. Для диагностики состояния системы важна устойчивость ее определенных параметров. Для определения множества возможных состояний системы необходимо построение моделей возможных состояний. При существенных отклонениях возникает напряжение, перенапряжение и полом общей системы с соответствующими последствиями функциональных нарушений целого организма, т.е. возникновение разнообразной патологии. Унифицированные схемы описания изображений открывают возможности для использования соответствующего алгебраического подхода к их анализу, который представляется перспективным для поддержки диагностических решений.
Заключение. Для системного анализа электрической активности целого мозга предложена полипараметрическая интеллектуально-образная модель электрофизиологических процессов целостного мозга, построенная в соответствии с общей концепцией построения и функционирования интеллектуальных образных систем на основе фрактальной геометрии процессов. Системный анализ электрофизиологических процессов на основе построенной модели показал широкие возможности такого инструментария.
Модель позволяет классифицировать многомерные энцефалографические процессы извлекать значимые и полезные закономерности их изменений, выявлять временные тренды и др. Принципиальным отличием модели является возможность одновременного сравнительного анализа ритмов обеих полушарий головного мозга и определение удельного веса каждого из видов осцилляторных процессов.
Список литературы.
1. Дмитриева Н.В. Полипараметрический функционально-диагностический метод на основе интеллектуально-образных систем //Труды VI Национальной конференции по искусственному интеллекту (КИИ-98). Пущино-на-Оке, 1998. – С. 456–462.
2. Мандельброт Б.(Benoit Mandelbrot) Фрактальная геометрия природы. М. 2002.
3. Поспелов Д.А. На пути к искусственному интеллекту. — М.: Наука, 1982
4. Фоминых И.Б. Интеграция логических и образных методов отражения информации в системах//Новости искусственного интеллекта. 1998 №3 С.76-85.
5. Дмитриева Н.В., Полипараметрическая интеллектуализированная модель на основе фрактальной геометрии и симметрии для системного анализа нейрональной активности целого мозга. Труды Международной конференции «Нейроинформатика», Москва. т.2. 2005. С.284.
6. Дмитриева Н.В. Полипараметрическая интеллектуальная система как средство системного анализа электрофизиологических процессов организма. Ж. Новости искусственного интеллекта 2003. № 1 С.20-23..
