Современные компьютерные программы по обработке ЭЭГ содержат в своем составе множество инструментов для анализа. Одними из важнейших инструментов, которые помогают ускорить просмотр и анализ длительных ЭЭГ-записей, являются инструменты автоматизированного поиска и выделения артефактов и эпилептиформной активности. В данном материала будут подробно описаны эти инструменты и тонкости их применения.
Артефакты на ЭЭГ-записи
Ввиду того, что биоэлектрическая активность головного мозга, регистрируемая скальповыми электродами, очень низкоамплитудна, она подвержена разного рода воздействиям, которые выражаются в виде артефактов на ЭЭГ-записи. Артефакты мешают, а часто и просто делают невозможным анализ ЭЭГ.
Все ЭЭГ-артефакты принято разбивать на две группы:
- Физиологические артефакты - вызванные процессами жизнедеятельности организма обследуемого, такие, как сигнал электрокардиограммы, электромиограммы, артефакты от моргания (электроокулограмма), дыхания, сглатывания и пр.
- Нефизиологические артефакты - вызванные внешними факторами, такими, как наводка от сети питания 50/60 Гц и ее гармоники, движение кабелей, работа внешнего оборудования, радио и пр.
Современные электроэнцефалографы способны эффективно противостоять внешним воздействиям, снижая влияние электромагнитного излучения на качество записи ЭЭГ, но тем ене менее, для уменьшения артефактов рекомендуется выполнять следующие меры их снижения:
- Регистрирующее оборудование необходимо размещать вдали от мощных источников электромагнитного излучения, от розеток электропитания и электропроводки.
- Следует подключать компьютер, работающий с ЭЭГ-регистратором в электрическую розетку с заземлением.
- По возможности при работе с ноутбуком рекомендуется отключить его от питания по сети для уменьшения наводки 50 Гц.
- Отводящие кабели от ЭЭГ-электродов рекомендуется сплести в косу.
- Пациент во время обследования должен размещаться с комфортом.
- От правильного инструктажа пациента зависит адекватность его поведения во время обследования.
- Нужно избегать наложения ЭЭГ-электродов на сосуды.
- При наложении ЭЭГ-электродов следует добиваться минимально возможного в данных условиях импеданса. Для этого кожу в местах наложения электродов требуется обезжирить, а иногда и обработать абразивной пастой.
Несмотря на все предосторожности и соблюдение данных рекомендаций, артефакты на ЭЭГ все-таки возможны, а вернее сказать, неизбежны. Чтобы артефактные участки записи не попадали в расчет и анализ ЭЭГ-активности, их нужно выделить особым образом или даже удалить из обследования.
Для выделения артефактов на кривых ЭЭГ может применяться один из следующих методов:
- Ручное выделение артефактов - требует от специалиста просмотра всей записи и выделение артефактных участков с помощью мыши. При таком выделении большую помощь может оказать синхронное видео наблюдение. Преимуществом данного метода несомненно является тот факт, что каждый артефактный участок выделен специалистом лично. Недостатком можно считать, что при длительной записи просмотр всей записи занимает продолжительное время. Чтобы в расчет и анализ ЭЭГ записи попадали только безартефактные участки обследования, специалист может выделить "эпохи анализа" - стационарные участки ЭЭГ-кривых. В таком случае программа будет вести весь расчет только по выделенным эпохам.
- Автоматическое выделение артефактов - производится программой по одному из предустановленных алгоритмов. Преимущество: выделение артефактов происходит намного быстрее. Недостаток: выделенные программой артефакты необходимо просмотреть и верифицировать. Программный алгоритм в любом случае имеет некоторую чувствительность и специфичность, часть артефактов он может пропустить, а часть выделенных эпизодов могут оказаться не артефактными. В любом случае при адекватной настройке алгоритма поиска артефактов и при умелом его применении время на поиск и выделение артефактов этим способом будет меньше, чем полностью ручное выделение.
Одной из проблем автоматического поиска артефактов является тот факт, что по своей форме эпилептиформная активности на ЭЭГ может быть очень похожа на артефакт. Не всегда даже опытный специалист может отличить факт от артефакта. Поэтому применять автоматизированные инструменты поиска артефактов следует с предельной внимательностью.
Обычно в программах для обработки ЭЭГ заложено несколько алгоритмов поиска артефактов. Некоторые из них имеют настройки для поиска:
- Полностью автоматический поиск - не предусматривает настроек поиска, работает по заложенному производителем алгоритму с применением технологий искусственного интеллекта (нейронные сети).
- Поиск по заданному шаблону - предполагает поиск эпизодов записи ЭЭГ, соответствующих заданным частотно-амплитудным параметрам. В зависимости от текущего обследования параметры могут быть изменены пользователем перед началом поиска.
- Поиск по выделенному эпизоду - предполагает поиск идентичных эпизодов записи (по амплитуде, частоте и морфологии). Для такого поиска пользователю необходимо предварительно выделить эпизод ЭЭГ-кривой и задать процент корреляции для поиска. Программ будет искать все похожие эпизоды с заданным коэффициентом корреляции.
Иногда выделения артефактов оказывается недостаточно для эффективного продолжения анализа ЭЭГ-записи. Некоторые виды артефактов могут присутствовать на протяжении всей записи (ЭКГ-артефакт, ЭОГ-артефакт, сетевая наводка, миографический артефакт). В таком случае такой артефакт желательно удалить с ЭЭГ, очистив таким образом запись. Для удаления артефактов могут применяться следующие инструменты:
- Фильтрация сигнала. Самый простой способ борьбы с продолжительными артефактами - дополнительная фильтрация сигнала. Высокие частоты (50 Гц и выше) можно убрать с помощью фильтра нижней частоты (ФНЧ), а низкие - с помощью фильтра верхней частоты (ФВЧ). Следует однако понимать, что любая дополнительная фильтрация вносит искажения и в полезный сигнал. Кроме этого, в соответствии с рекомендациями экспертного совета Российской противоэпилептической лиги по регистрации рутинных ЭЭГ производить запись и анализ ЭЭГ-кривых следует в диапазоне от 0.5 до 70 Гц. Поэтому сужать этот частотный диапазон не желательно, а в него попадают и ЭКГ, и ЭМГ-артефакты, и сетевая наводка. Для подавления наводки от питающей сети в программах просмотра и анализа ЭЭГ предусмотрен отдельный фильтр - режекторный. Он удаляет из сигнала только частоту 50 или 60 Гц.
- Удаление ЭКГ, ЭОГ артефактов. Если совместно с ЭЭГ-кривыми в монтаже регистрации записывались кривые ЭКГ и ЭОГ, то программа может автоматически подавить артефакты этого типа на ЭЭГ-кривых. В соответствии с рекомендациями экспертного совета Российской противоэпилептической лиги по регистрации рутинных ЭЭГ рекомендовано производить запись ЭКГ и ЭОГ каналов во время ЭЭГ-обследования.
- ICA. Анализ независимых компонентов - это математический метод, позволяющий выделять самый независимый сигнал из смеси сигналов и удалять его. Таким образом с помощью данного метода теоретически можно очистить ЭЭГ-запись от любого вида артефактов, так как артефакт можно считать независимым от остальных источников сигнала. У данного метода есть ограничения, который нужно учитывать при его использовании.
Важно: Использовать перечисленные методы удаления артефактов можно, только полностью понимая их ограничения и принципы работы. Любая подобная обработка исходного сигнала вносит в него искажения.
Автоматическое выделение эпилептиформной активности на ЭЭГ
Одной из наиболее ответственных задач специалиста при анализе ЭЭГ-обследования является поиск, выделение и классификация эпилептиформной активности. Поручать эту задачу автоматизированным алгоритмам пока рано (даже с учетом применения систем на базе искусственного интеллекта). Но тем не менее современные автоматизированные алгоритмы могут помочь специалисту существенно сократить время, необходимое на поиск пароксизмальной активности на ЭЭГ-записи.
Вот некоторые инструменты поиска эпилептиформной активности, которые заложены в современных программах для просмотра и анализа ЭЭГ:
- Поиск спайков и острых волн. Наиболее простой с математической точки зрения алгоритм поиска, суть которого сводится к измерению каждой волны на кривых ЭЭГ и сравнению ее с заданными параметрами для поиска.
Преимущества: прозрачность и простота в работе.
Недостатки: длительное время поиска, необходимость корректировки параметров поиска для каждого обследования.
Этот алгоритм использует частотно-временное сопоставление (по амплитуде, периоду волны и количеству пиков) каждой волны с заданным шаблоном:
- Детектор пароксизмальной активности. Этот алгоритм поиска может работать как во время просмотра уже записанного ЭЭГ-обследования, так и непосредственно во время записи. В отличие от предыдущего алгоритма, здесь анализируется не каждая отдельная волна ЭЭГ, а целый участок записи. По частотно-амплитудному составу участка записи на базе его сравнения с фоновой активностью делается вывод о пароксизмальности участка.
Преимущество: данный алгоритм работает гораздо быстрее предыдущего, так как нет необходимости измерения каждой волны.
Недостаток: любой высокоамплитудный артефакт с подходящей частотной составляющей может быть принят данным алгоритмом за пароксизмальную активность. - Алгоритм Готмана. Это один из вариантов предыдущего алгоритма, предложенный Готманом (Gotman J, 1999).
Преимущество: данный алгоритм показал свою работоспособность на более чем 5 тысячах часах записей ЭЭГ.
Недостаток: алгоритм не имеет настроек, не адаптируется и рассчитан на 16 каналов ЭЭГ-записи. - Морфологическое сопоставление. При этом виде поиска во внимание принимается не амплитудная составляющая сигнала, а его форма, морфология. Обычно для начала работы алгоритма нужно выделить эпизод на ЭЭГ-кривой и задать процент совпадения. Алгоритм будет искать похожие по морфологии эпизоды.
- Искусственный интеллект. В качестве инструмента поиска пароксизмальной активности на ЭЭГ в последнее время стали применяться системы на базе искусственного интеллекта - нейронные сети. Их преимущество в том, что их не нужно настраивать или задавать им какие то параметры перед поиском. Но для того, чтобы нейронная сеть корректно работала ее необходимо предварительно обучить. Это задача производителя. Для этого необходимы базы данных с большим количеством ЭЭГ-обследований с верифицированными эпизодами эпилептиформной активности. Пока еще чувствительность и специфичность таких алгоритмов оставляет желать лучшего.
- Тренды. Еще одним инструментом для поиска эпилептиформной активности на длительных ЭЭГ-записях являются тренды. Тренды представляют собой расчет выбранного параметра на шкале времени, например, тренд средней амплитуды показывает значение амплитуды ЭЭГ на протяжении всей записи. Частотный тренд показывает распределение частот на протяжении обследования. По таким трендам можно легко идентифицировать участки записи с отличающимися от фона характеристиками, быстро их просмотреть и классифицировать.
Преимущества: прозрачность работы, простота применения.
Недостаток: необходимость ручного просмотра подозрительных участков, их классификация.
Анализ эпилептиформной активности
После того, как эпилептиформная активность на ЭЭГ выделена, ее можно детально проанализировать.
Для 3D-локализации эпилептиформной активности разработано большое количество программных пакетов:
- BrainLoc. Российский программный продукт предназначен для трехмерной локализации источников патологической активности в головном мозге по ЭЭГ:
- LORETA и sLORETA. Программа LORETA - low-resolution brain electromagnetic tomography широко применяется в научных исследованиях:
- Encevis - пакет программ от Австрийского института технологий для математического анализа ЭЭГ в своем составе имеет инструмент для трехмерной локализации источников биоэлектрической активности головного мозга по ЭЭГ-сигналу:
После того, как проведен поиск, выделение и анализ эпизодов эпилептиформной активности, необходимо зафиксировать результаты ЭЭГ-обследования в протоколе. Часть протокола обследования может быть сгенерирована программой автоматически, но основную часть, конечно, должен сформировать специалист, проводивший анализ записи.
Варианты расчета индекса эпилептиформной активности подробно расписаны в этом материале.
Заключение
Несмотря на то, что современное программное обеспечение изобилует автоматическими алгоритмами для писка разного рода эпизодов на ЭЭГ, ответственность за анализ по-прежнему лежит только на специалисте, проводящем анализ данных ЭЭГ-активности. Любые математические инструменты должны служить лишь подспорьем в работе специалиста, а использовать их нужно только при условии полного понимания их возможностей и ограничений.
Полезные материалы
- Математический анализ ЭЭГ.
Алгоритмы автоматического поиска особенно полезны при анализе длительных ЭЭГ-обследований. Ниже представлено несколько решений компании Нейрософт для проведения таких видов обследований.
