2.4. Выводы по главе
Было проведено модельное исследование мезоскопических характеристик активности мозга человека. Смоделирована электрическая активность мозга, определены динамические показатели (корреляционная размерность, максимальный характеристический показатель Ляпунова), позволяющие отличить детерминированный хаос от случайного процесса; определены параметры модели, и, соответственно, описаны физиологические параметры, которые влияют на появление приступа. По результатам теоретического рассмотрения можно сделать следующие выводы:
Исследована математическая модель мезоскопической электрической активности мозга человека. Элементарная единица активности для модели – столбец кортекса сечением 1 мм2 ~ 105 нейронов.
Исследована мезоскопическая модель электрической активности мозга человека, представленная системой из восьми нелинейных стохастических дифференциальных уравнений в частных производных в безразмерной форме.
Выявлены два параметра, связанные с процессом возбуждения, с помощью которых можно вызвать приступоподобное состояние в модели: Рее и Ге.
Модельное состояние «приступ» было определено как решение системы уравнений (1)-(8), для которых he подвергается устойчивым осцилляциям большой амплитуды (0,05 мВ).
Исследованы численно решения системы уравнений (1)-(8) для 11,0<Pee<1000,0 и 0,4∙10-3<Гe<1,5∙10-3, используя метод Рунге-Кутта четвертого порядка с временным шагом 0,4 мс. Выявлены характерные значения Рее и Ге.
Спектр мощности для каждого решения системы уравнений (1)-(8) во время «приступа» имеет единственный четко определенный пик, а до «приступа» спектр имеет сложный шумоподобный вид.
Проанализированы аттракторы системы для различных состояний мозга при вариации параметров Рее, Ге, Ne,iβ, ge,i. В нормальном состоянии электрической активности мозга аттрактор имеет сложный хаотичный вид переплетающихся траекторий. Во время приступа состояние системы упорядочивается, и аттрактор приобретает вид набора одиночных петель. После приступа обычно аттрактор имеет вид спирали, что соответствует затухающему колебательному процессу.
Рассчитаны модельные корреляционные размерности, которые принимали значения 1,45-3,78 до и после модельного состояния «приступ». Для «приступа» значения корреляционной размерности уменьшились в 5-3 раза.
Рассчитаны модельные максимальные характеристические показатели Ляпунова. До и после «приступа» они принимали значения в диапазоне 5,01-2,0 с-1. Для «приступа» получены значения -0,42-0,092 с-1, что говорит об упорядочивании системы во время данного события.
Анализ спектров и аттракторов позволяет сделать вывод об адекватности модели на основании смещения спектрального максимума и видов аттракторов.
- 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