4.4. Блок визуального анализа электроэнцефалографического сигнала
Программное обеспечение Labview имеет удобные средства визуализации трехмерных графиков, которые удобно использовать для отображения ЭЭГ. В качестве примера создадим простой виртуальный прибор (ВП) для визуализации ЭЭГ в трех измерениях (рис. 4.11).
Рисунок 4.7. Виртуальный прибор для 3D визуализации ЭЭГ.
Разместим на блок-диаграмме экспресс-ВП для чтения файла ЭЭГ (Read From Measurement File). Выделим три отведения с помощью разветвителя (Split Signals). Преобразуем ЭЭГ-сигнал каждого отведения в формат массива и направим потоки данных на трехмерный график (3D Curve Graph), который расположен в палитре графиков (рис. 4.12). После запуска ВП на экране передней панели мы получим изображение трехмерного графика.
Рисунок 4.8. Трехмерный график (3D Curve Graph), расположенный в палитре графиков.
На рис. 4.9. показан фрагмент схемы, изображенной на рис. 4.5 с дополнением, предназначенным для графического отображения 3D аттрактора сигнала. При реконструкции п-мерного аттрактора в 3х-мерном пространстве по одной оси откладывается сигнал, по другой сигнал с задержкой , по третей – сигнал с задержкой 2. Этот механизм реализован на схеме рис. 4.9.
Рисунок 4.9. Фрагмент схемы базы данных ЭЭГ сигнала.
Он состоит из блока задержки, блока выбора вида задержанного сигнала и блока отображения трехмерного графика. Результат моделирования для случая условно здорового пациента показан на рис. 4.10, а, б.
а б
Рисунок 4.10. Трехмерное представление аттрактора нативного ЭЭГ сигнала, развернутого в пространстве (а, б) для условно здорового пациента.
На рис. 4.10 показан пример одного и того же аттрактора, только развернутого в пространстве. 3D представление позволяет более подробно рассмотреть структуру траекторий аттрактора.
- Исследование и анализ нативных электроэнцефалографических данных методами нелинейной динамики
- 1. Электрическая активность мозга: физиология, модели, методы регистрации и обработки
- 1.1. Общие сведения об электрической активности мозга и ее регистрации
- 1.2. Модели электроэнцефалограммы
- 1.3. Методы нелинейной динамики в исследованиях электрической активности мозга
- 1.4. Аппаратно-программные комплексы для снятия электроэнцефалограмм с возможностью нелинейно-динамической обработки
- 1.5. Выводы по разделу
- 2. Анализ мезоскопической модели биоэлектрической активности мозга методами нелинейной динамики
- 2.1. Мезоскопическая модель электрической активности мозга
- 2.2. Анализ модели электроэнцефалограммы во временной и частотной областях. Реконструкция фазового пространства
- 2.3. Расчет количественных показателей нелинейной динамики модельной электроэнцефалограммы
- 2.4. Выводы по главе
- 3. Экспериментальные исследования и обработка электроэнцефалографических данных методами нелинейной динамики
- 3.1. Создание экспериментальной базы записей ээг и предварительный анализ
- 3.2. Тест на нелинейность. Теория замещения данных. Расчет мгновенной корреляционной размерности для реального сигнала и суррогатных данных
- 3.3. Реконструкция динамики системы в фазовом пространстве
- 3.4. Расчет корреляционной размерности восстановленного аттрактора
- 3.5. Расчет характеристических показателей Ляпунова
- 3.6. Выводы по главе
- 4. Разработка структуры базы нативных электроэнцефалограмм и блока нелинейно-динамической обработки в среде LabView
- 4.1. Общие сведения о LabView
- 4.2. Разработка функционально-структурной схемы блока сбора нативных ээг данных в среде Labview
- 4.3. Создание базы данных электроэнцефалографических сигналов в среде Labview
- 4.4. Блок визуального анализа электроэнцефалографического сигнала
- 4.5. Выводы по разделу
- Заключение
- Библиографический список