Спектральная мощность ЭЭГ

➥ Читайте также статью: Спектральный анализ

Наибольшее распространение в клинической практике получил метод исследования спектральной мощности, который в определенной мере сопоставим с ручным частотно-амплитудным анализом ЭЭГ. Как и в последнем случае, решается задача определения соотношения различных ритмических составляющих в сложной ЭЭГ и определения их индивидуальной выраженности. С этой целью используют быстрое преобразование Фурье. Данные представляют или в виде сплошных гистограмм, где на оси X отложены частоты, а на оси У — их мощности, или в виде суммарных полос по основным традиционным подразделениям α-, β-, δ-, θ- с разной степенью дробности (α₁ α₂ и т.д.) в зависимости от задач исследователя.

Применение спектральных характеристик

Сплошные гистограммы используют при необходимости визуальной оценки целостной динамики ЭЭГ в процессе длительного наблюдения или функциональных проб. При этом на дисплей выводят спектры за последовательные эпохи, вычерчиваемые один над другим, получая псевдотрехмерный граф, представляющий ландшафт спектров, изображающий изменения спектрального состава ЭЭГ во времени (рис.). Мониторинг спектральной мощности используют для оценки состояния больных в длительном коматозном состоянии или при лечебных воздействиях¹. Текущие оценки спектральной мощности в основных диапазонах ЭЭГ являются базой для автоматического анализа ЭЭГ ночного сна².

Спектральные характеристики, полученные быстрым преобразованием Фурье, используют для оценки влияния хронического приема психотропных препаратов³, прогноза при нарушениях мозгового кровообращения⁴, гепатогенной энцефалопатии⁵, для улучшения диагностики некоторых психоневрологических расстройств, получения критериев созревания мозга (Hudspeth W.J., Pribram К.Н. 1992). G.Fein и др.⁶ использовали абсолютные спектры мощности в исследованиях здоровых и дизлексичных детей и пришли к выводу о большой их информативности.

Вместе с тем, по мнению многих авторов, «сырые» данные спектральной мощности из-за большой вариабельности оказываются малочувствительными, в связи с чем в одних случаях предлагают использовать не абсолютные, а нормированные спектры⁷, в других применяют мультипараметрические оценки, учитывающие соотношения нескольких параметров. Так, В.А.Карлов и др.⁸ при исследовании спектральной мощности ЭЭГ в фоне и при гипервентиляции у детей и подростков в возрасте 3-14 лет обнаружили высокодостоверное превышение мощности по большинству спектральных полос во всех состояниях у больных эпилепсией по сравнению с нормой, однако ни один из отдельных параметров не позволял отнести индивидуального пациента к норме или патологии. Использование мультипараметрических индексов, полученных из тех же данных и представляющих собой сумму диагностических весов, приписываемых каждой из спектральных полос в соответствии со статистической мерой оценки отличия ее от нормы, позволило получить надежный критерий дифференциации здоровых и лиц с отягощенностью по эпилепсии, включая возможность оценки риска эпилепсии по трем градациям тяжести⁹.

Выделение μ-ритма

Спектральный анализ позволяет использовать в диагностике μ-ритм, который в рутинной электроэнцефалографии практически не используется, поскольку наблюдается только у небольшого числа здоровых. Спектральный анализ с использованием техники усреднения полученных данных позволяет выделять μ-ритм у всех исследуемых. Поскольку распространение μ-ритма совпадает с зоной кровоснабжения средней мозговой артерии, его изменения могут служить индексом нарушений в соответствующей области. Диагностическими критериями служат различия пиковой мощности и частоты в двух полушариях¹⁰.

Оценка стадии уремии

Спектральную мощность используют в сочетании со световой ритмической стимуляцией для оценки стадии уремии. При этом количественно оценивается изменение мощности на доминантной частоте стимуляции и дополнительных гармониках с увеличением частоты стимуляции от 3 до 12 Гц. При нарастании уремии закономерно снижается мощность на основной гармонике и возрастает на субгармониках¹¹.

Транзисторные ишемические атаки

При транзисторных ишемических атаках V.Kopruner и др.¹² при отведении ЭЭГ от 6 симметрично расположенных по биаурикулярной линии электродов в покое и при работе кистями рук оценивали спектры в обоих состояниях, а также связанную с движением десинхронизацию ЭЭГ, и из 150 суммарных параметров на основе дискриминантного мультивариационного анализа получали мультипараметрический показатель асимметрии, позволявший отличать больных от здоровых, классифицировать больных по степени тяжести в соответствии с выявляемым на КТ церебральным дефектом. Наиболее надежным критерием диагностики была асимметрия параметров.

Гепатогенная энцефалопатия

Для оценки стадии гепатогенной энцефалопатии Van der Rijt С.С. и др.¹³ использовали комбинацию индекса средней доминантной частоты, нормированной мощности θ- и δ-ритма. Разработанные критерии позволяли, по данным авторов, более точно и эффективно дифференцировать состояние больных, чем клинические признаки.

Невротические и психические расстройства

Учитывая весьма ограниченные возможности конвенциональной электроэнцефалографии в исследованиях невротических и психических расстройств, в этой области существенный интерес проявляется к компьютерной электроэнцефалографии. При детском аутизме обнаружено избыточное процентное содержание и мощность δ-активности, уменьшение мощности α-активности, нарушение зональности распределения ритмов α-и β- и уменьшение нормальной межполушарной асимметрии ЭЭГ¹⁴¹⁵.

Исследование заикающихся выявило у них большую, чем у нормально говорящих, мощность α-активности в задних отделах левого и в передних отделах правого полушария. У нормально говорящих при выполнении пробы на прослушивание и повторение фраз десинхронизация α-ритма преобладала в задних отделах левого, а у заикающихся — правого полушария. У нормально говорящих при фразах с содержанием, сильно активирующим воображение, наблюдалась большая, чем при слабо активирующих воображение, мощность α-ритма только в левом полушарии, а у заикающихся — в обоих¹⁶.

Возможности точной количественной оценки параметров ЭЭГ позволяют более детально и объективно оценивать динамические изменения функционального состояния мозга при психиатрических нарушениях, оказывающихся более информативными, чем оценки различий между нормой и патологией в стандартных условиях исследования. Анализ интервальных гистограмм (распределение длительностей отрезков между соседними пересечениями кривой ЭЭГ нулевой линии записи — компьютерный аналог вычисляющихся вручную «индексов» ритмов) выявил у больных депрессией удлинение циклов сна с БДГ, укорочение латентного периода его появления, уменьшение индекса δ- и нарастание θ-активности. Отмечалось также сглаживание различий спектров между сном с БДГ, медленным сном и бодрствованием, что авторы связывают с нарушениями обмена 5-гидрокситриптамина¹⁷. Учитывая известную связь отрицательных эмоций с правым полушарием мозга и роль сна с БДГ в разрешении психологических конфликтных мотивов, представляет интерес исследование R.Armitage et al.¹⁸, которые, используя цифровой периодо-анализ (интервалы между пересечениями нуля и наклоны кривой в момент пересечения), обнаружили у здоровых высокую степень симметрии ЭЭГ во время сна с максимумом ее в δ-сне. У больных депрессией как в симптоматической, так и в асимптоматической стадии болезни наблюдали увеличенную асимметрию показателей ЭЭГ с максимумом ее в стадии сна с БДГ, а большим количеством активности во всех диапазонах — в правом полушарии по сравнению со здоровыми.

Значительное количество работ посвящено исследованиям деменции. В качестве признаков отличия здоровых пожилых от больных с деменцией Альцгеймера выделяют совокупность нарастания относительной мощности δ- и θ- и снижения мощности α- и β-активности ¹⁹. Аналогичные результаты получили Sloan E.P. и др.²⁰. Эти же авторы обнаружили дополнительно, что у больных с болезнью Альцгеймера по сравнению с мультиинфарктной деменцией больше мощность δ- (2-4 Гц) и меньше мощность a-активности. С другой стороны, у последних мощность а-активно-сти была меньше, чем в контроле. Больные с деменцией также достоверно отличались от контроля меньшей внутри- и межполушарной когерентностью ЭЭГ. Динамика мощности спектров ЭЭГ коррелирует с изменениями клинической картины болезни Альгеймера (Coben L.A. et al., 1985). Оценивая возможности КЭЭГ в психиатрии деменции, F.H.Duffy²¹ отмечает ее большую чувствительность сравнительно с ручным анализом ЭЭГ, а выявляемые изменения считает признаками «органического» поражения мозга.

1. Федин А.И. Компрессионный спектральный анализ ЭЭГ у больных с нарушениями сознания при мозговом инсульте. Журн. невропатол. и психиатр. 1981, т. 81, с. 1337-1361.
2. Pracki T., Pracka D., Narepski J. The meaning of EEG power density for the computer analysis of human sleep / Acta, neurobiol. exp., 1992, v. 52, p. 138.
3. Saito M. The significance and the contribution of EEG and other biopotential analysis in clinical psychiatry. Recent adv. EEG and EMG data process. Proc. int. conf., Kanazava, sept.10—12, 1981, Amsterdam e.a., 1981, p. 279—286.
4. Sainio К., Stenberg D., Keskimaki 1. Visual and spectral EEG analysis in evaluation of outcome of patients with ischemic brain infarction / Electroencephalogr. and clin. neurophysiol., 1983, v. 56, N2, p. 117—124.
5. Van der Rijt C.C., Schalm S.W., De Groot H.H. Objective measurement of hepatic encephalopathy by means of automated EEG analysis / Electroencephalogr. and clin. neurophysiol., 1984, v. 57, p. 423—426.
6. Fein G., Galin D., Johnsone J. et al. EEG power spectra in normal and dyslexic children. I. Reliability during passive conditions / Electroenceph.clin. Neurophysiol. 1983, v. 55, №4, p. 399-405.
7. John E.R., Ahn H., Prichep L. et al. Developmental equations for the electroencephalogram / Science. 1980, v. 210, №4475, p. 1255—1258.
8. Карлов В.А., Зенков Л.Р., Ронкин М.А., Гедекова А., Камышев А.Н. Возможности диагностики и оценки риска эпилепсии по данным спектрального анализа ЭЭГ у детей и подростков. Журн. невропатол. и психиатр., 1989, т. 89, с. 15-19.
9. Зенков Л.Р. Карлов В.А., Ронкин М.А., Гедекова А., Камышев А.Н. Спектральный анализ ЭЭГ у детей и подростков, страдающих эпилепсией: общие характеристики и патофизиологическая интерпретация данных. Журн. невропатол. и психиатр., 1989, т. 89, с. 15—19.
10. Pfurtscheller G. m-Rhytmen: Ursprung, Reaktivitat, Ableitung und klinische Bedeutung. EEG-Labor.-1986, Bd. 8, H. 2, s. 46-57.
11. Hamel B., Bourne L.R., Ward L.W., Teschan P.E. Quantitative assessment of photic driving in renal failure / Electroenceph. clin. Neurophysiol. 1978, v. 45, №6, p. 719-730.
12. Kopruner V., Pfurtscheller G., Auer L.M. Quantitave EEG in normals and in patients with cerebral ischemia. Brain Ischemia: Quantitative EEG and Techniques, Progress in Brain Research. Vol. 62 Ed. by G.Pfurtscheller, E.J.Jonkman, F.H.Lopes da Silva. Elsevier. Science Publishers B.V., 1984, p. 29-50.
13. Van der Rijt C.C., Schalm S.W., De Groot H.H. Objective measurement of hepatic encephalopathy by means of automated EEG analysis / Electroencephalogr. and clin. neurophysiol., 1984, v. 57, p. 423—426.
14. Simeon J., Itil T.M. Computerized electroencephalogram. A model of understanding the brain function in childhood psychosis and it’s treatment / J. Autism Child Schizo, 1975, v. 5, p. 247-265.
15. Cantor D.S., Thatcher R.W., Hrybyk M., Kaye M. Computerized EEG analysis of autistic children / J. Autism Dev Disord, 1986: 16: 169—187.
16. Wells B.G. and Moore W.H. EEG alpha asymmetries in stutterers and non-stutterers: effects of linguistic variables on hemispheric processing and fluency / Neuropsychologia, v. 28, N.I2, p. 1295—1305.
17. Lange H. EEG Spectral Analisis in Vital Depression: Ultradian Cycles / Biological Psychiatry, 1982, v. 17, p. 3—21.
18. Armitage R., Roffwarg H., Rush J. Digital period analysis of EEG depression: reproducity, coherence, and interhemispheric relationships during sleep Department of Psichiatry, University of Texas Southwestern Medical Center, Dallas, Texas, USA. 1992.
19. Coben L.A. et al., 1983, Giaquinto S., 1986, Leuchter A.F. et al., 1987
20. Sloan E., Fenton G., Kennedy N., MacLennan J. Neurophysiology and SPECT cerebral blood flow patterns in dementia / Electroencephalography and clinical Neurophysiology, 1994, 91: p. 163—170.
21. Duffy F.H. The BEAM method for neurophysiological diagnosis / Ann N.Y. Acad Sci., 1985, v. 457, p. 19-34.