Методы распознавания образов ЭЭГ

Одним из направлений компьютерного анализа ЭЭГ является распознавание некоторых патологических графоэлементов и состояний при необходимости анализа больших объемов записей. Такие методы распознавания образов применяются при диагностике эпилепсии. Объектами для распознавания являются эпилептиформная активность и эпилептиформные разряды. Программы при этом можно условно разделить на осуществляющие поиск некоторых более или менее стандартизированных феноменов (детектирование спайков, острых волн, комплексов спайк-волна, разрядов) или графоэлементов, соответствующих определенным образцам, выбранным электроэнцефалографистом из конкретной кривой данного пациента. Для детектирования спайков используют комбинацию параметров, включающую амплитуду волны, длительность, первую производную (для оценки числа фаз), вторую производную (для оценки «остроты» спайка)¹. Используя дополнительно признак комбинации спайка и медленной волны в заданном временном интервале, детектируют комплексы спайк-волна (Whisler J.W. et al., 1982). Подобные программы используются в некоторых коммерческих системах, в частности в устройстве «Энцефалан-131-01» фирмы «Медиком МТД» (Таганрог).

Помимо поиска «острых» феноменов в ЭЭГ используются алгоритмы распознавания «разрядов» по параметрам превышения амплитудой текущей «фоновой» активности (Ives J.R. et al.,1974) или комбинации параметров амплитуды, средней длительности волны, коэффициента вариации длительности волны, а также распознавания «припадков» по одновременному появлению активности, соответствующей «разряду» по 2 и более каналам².

В некоторых системах параметры детектируемого феномена задаются по выбранному пользователем образцу с помощью окна, перемещающегося по изображению «сырой» ЭЭГ на дисплее. Программа автоматически обсчитывает группу параметров из числа приведенных выше, формирует критерий распознавания на основе статистических оценок и «вылавливает» затем при ускоренном сканировании всего объема регистрации графоэлементы, удовлетворяющие заданному критерию сходства с образцом.

Детектирование спайков используют для уточнения локализации первичного эпилептогенного фокуса. При этом данные о частоте появления и амплитуде спайков по каждому из отведений ЭЭГ усредняют и отображают на топографической карте головы, получая наглядное представление об областях максимальной активности эпилептиформных феноменов (рис.). При оценке эффективности этого метода следует учитывать, что автоматическое слепое применение его чревато включением артефактов, удовлетворяющих критериям распознавания, в результаты анализа. Schurf М. и др. (1992) вообще считают, что методы автоматического поиска эпилептиформной активности целесообразно применять только к анализу электроэнцефалограмм от внутричерепных электродов, поскольку анализ скальпных ЭЭГ дает неприемлемо большой процент ложных распознаваний. Один из наиболее увлеченных адептов метода жестко формулирует условия его использования.

«Пользующийся техниками картирования ЭЭГ должен обладать квалификациями в трех областях:

1. мастерством, знаниями и способностями в чтении обычной записи ЭЭГ,
2. опытом и знаниями в области компьютерного анализа ЭЭГ,
3. пониманием исследуемых клинических проблем.

Если эти условия не выполняются, исследование представляет собой пустую трату времени и денег» (Majkowski J., 1991).

Поскольку применение метода требует обязательного визуального контроля графоэлементов, отобранных программой, снижается значимость собственно компьютерной части работы, поскольку при этом картированию и количественной характеристике подвергается уже диагностированная электроэнцефалографистом ЭЭГ.

Детектирование эпилептиформных феноменов и разрядов наиболее активно используется при анализе долговременных записей, что избавляет электроэнцефалографиста от необходимости просмотра всего массива многочасовой регистрации, так как программа автоматически выводит только страницы, содержащие феномены, удовлетворяющие критериям распознавания. Следует отметить, однако, что риск злоупотребления программами поиска эпилептиформной активности малоквалифицированными специалистами является причиной отказа от включения в стандартный диагностический пакет для долгосрочного мониторинга программы детектирования эпилептиформной активности фирмой Oxford-Medilog, занимающей в настоящее время одно из ведущих мест на рынке соответствующей компьютерно-аппаратной техники. Вместе с тем при необходимости просмотра длительных (до суток и более) записей ЭЭГ представляется вполне разумным использование этих программ при условии обязательного просмотра и дальнейшей клинической квалификации выведенных автоматически страниц специалистом, что соответствует рекомендациям Международной ассоциации обществ клинической электрофизиологии и электроэнцефалографии о том, что клиническое заключение должно делаться по данным «сырой» ЭЭГ. Использование этих методов несомненно представляет выгоды, поскольку многочасовая регистрация обеспечивает высокую вероятность «поймать» эпилептиформный феномен в ЭЭГ, а компьютерная программа дает возможность сократить времезатра-ты на клинический анализ долгосрочной ЭЭГ до разумных продолжительностей рутинного обследования.

Программу детектирования спайков удобно использовать для наглядного отображения количественного распределения эпилептиформной активности по мозгу в виде карт, на которых вариации цвета отображают соответственные количественные соотношения. Эти же карты могут использоваться для отслеживания динамики эпилептиформной активности в ходе лечения при сравнении ЭЭГ, зарегистрированных в разное время.

В последнее время возможности детектирования эпилептиформной активности связывают с объектно-ориентированным подходом к анализу событий в ЭЭГ. При этом подходе реализуются операции с динамическими объектами, создаваемыми в оперативной памяти в соответствии с предзаданными правилами и паттернами, которые после использования удаляются из оперативной памяти или запоминаются надисковой памяти. Задача решается как «понимание изображения» компьютером. Сначала детектируются, локализуются и группируются в более сложные структуры, называемые объектами, простые элементы. Затем оцениваются необходимые черты объектов и отношений между ними. При мониторинге эпилепсии элементами являются сегменты ЭЭГ с эпилептической активностью, а объектами — «припадки», определяемые как элементы, соседствующие во времени, а также «фокусы», определяемые как элементы, соседствующие во времени и пространстве (Gorkiewicz М., Trabka J.,1992).

При долгосрочных регистрациях используют также программы регистрации стадий сна и некоторых связанных со сном нормальных и патологических феноменов (индекс движений, ночные апноэ). Обычно для этого используют портативные устройства долгосрочной регистрации на магнитописце, носимые в течение сна и бодрствования пациентом, а полученные таким образом регистрации ускоренно проигрывают через аналого-цифровой преобразователь на компьютерном устройстве и с помощью программы вычисляют все необходимые параметры. Такие системы выпускаются рядом коммерческих фирм (Neuroscience — США, Oxford-Medilog — Англия, Brain-Quick — Италия). Распознавание производится на основе оценки спектральной мощности выбранных полос в ЭЭГ, отражающих активность α-, θ-, δ-, «сонных веретен», наличие и характер электроокулограммы, мышечную активность. На основе обсчета и суммарной оценки параметров программа вычерчивает «гипнограммы». Используя компьютеризированный долгосрочный мониторинг, оценивают разные формы нарушений сознания, сна и бодрствования, особенно в отделениях интенсивной терапии у больных после нарушений мозгового кровообращения или в коме (Burr W. et al., 1988, Alster J., 1990, Minchev D. et al., 1990).

1. Guedes de Oliveira P., Queiroz C., Lopes da Silva E Spike detection based on a pattern recognition approach using a microcomputer / Electroenceph. clin. Neurophysiol. 1983, v. 56, №1, p. 97—103.
2. Gotman J. Automatic recognition of epileptic seizures in the EEG / Electroencephalogr. Clin. Neurophysiol., 1982; v. 54, p. 530-540.