Об ЭЭГ в двух словах
Электроэнцефалография - доступный неинвазивный метод исследования функционального состояния головного мозга человека. В ходе ЭЭГ-обследования биоэлектрический сигнал регистрируется электродами, расположенными на голове обследуемого, и передаются в ЭЭГ-регистратор, где усиливается, фильтруется и передается в компьютер для просмотра и анализа в специализированных компьютерных программах.
С помощью визуального и компьютерного анализа ЭЭГ врач может диагностировать такие заболевания, как:
- эпилепсия,
- энцефалопатия,
- болезнь Альцгеймера,
- опухоли головного мозга,
- черепно-мозговая травма,
- нарушения сна,
- психические расстройства.
В настоящее время существует большое разнообразие методов количественного анализа записанного ЭЭГ-сигнала. Есть и весьма экзотические, такие, как, например, алгоритм сжатия Лемпел-Зив.
Алгоритм сжатия Лемпел-Зив (Lempel-Ziv)
Это один из первых компьютерных алгоритмов сжатия информации без потерь, разработанный Авраамом Лемпелем (англ. Abraham Lempel) и Яаковом Зивом (англ. Jacob Ziv) и опубликованный в 1978 году. Для сжатия исходной информации данный алгоритм создает словарь входящих в исходные данные символов. Интересной особенностью данного алгоритма является то, что он работает тем лучше, сжимает информацию тем эффективнее, - чем больше в исходном сигнале повторяющихся комбинаций. К примеру, если в исходном сигнале много раз повторяется всего один символ, то степень сжатия будет максимальной, а если наоборот, ни один символ в исходной последовательности не повторяется, то степень сжатия такой последовательности будет минимальной. На практике этот алгоритм показывал хорошие результаты при сжатии текстов и черно-белых изображений. А вот с появлением цветных изображений с большой глубиной цвета популярность этого алгоритма резко упала, так как с их сжатием он справлялся отвратительно.
Каким же образом можно применить этот алгоритм сжатия информации в анализе ЭЭГ-сигнала? Давайте посмотрим...
Применение алгоритма Lempel-Ziv для анализа ЭЭГ
Исследователи попробовали применить этот алгоритм сжатия к сигналу ЭЭГ и получили интересные результаты. Так как степень сжатия по Лемпел-Зив характеризует повторяемость сигнала, то, чем повторяемость сигнала лучше, тем степень сжатия алгоритма выше. Для здорового человека этот показатель при сжатии нативного ЭЭГ-сигнала может колебаться около 60%, а, например, у больных болезнью Альцгеймера, депрессией (Major Depressive Disorder), эпилепсией и другими расстройствами функционирования головного мозга эта степень сжатия может снижаться до 40 %, так как ЭЭГ-сигнал у таких пациентов более разнообразен, вариативен и хуже воспроизводится (отсутствует периодическая ритмика, автокорреляция сигнала снижена). Наблюдая за изменением данного показателя во времени, можно отслеживать динамику хода лечения или развития заболевания. Кроме этого исследователи обратили внимание на различия в топологическом распределении коэффициента сжатия по Лемпел-Зив при различных заболеваниях.
Perturbational complexity index
Также алгоритм сжатия Lempel-Ziv используется при расчете Perturbational complexity index (PCI). Результаты нескольких исследований показывают, что этот индекс можно использовать для объективной оценки уровня сознания критически больных пациентов, длительное время находящихся в бессознательном состоянии. PCI рассчитывается не просто по ЭЭГ-кривым, а по ответам, вызванным транскраниальной магнитной стимуляцией во время ЭЭГ-ТМС регистрации.
С помощью индекса сжатия Lempel-Ziv также можно определить стадию сна. При бодрствовании или поверхностном сне ЭЭГ-активность более вариабельна, чем при глубоком или медленном сне.
Публикации
В настоящее время проведено немало исследований с применением алгоритма Лемпел-Зив для диагностики различных заболеваний по сигналу ЭЭГ. Среди них болезнь Альцгеймера, депрессия, эпилепсия. Вот лишь некоторые из таких публикаций:
Клинические примеры
Ниже представлено несколько примеров сравнения нативных ЭЭГ-кривых и рассчитанного коэффициента сжатия по Лемпел-Зив различных пациентов.
Вот пример здорового человека. На ЭЭГ-кривых виден хорошо модулированный альфа-ритм. В последнем столбце таблицы амплитуд виден рассчитанный коэффициента сжатия по Лемпел-Зив для каждого отведения. Среднее значение более 67%:
Это говорит о хорошей повторяемости и воспроизводимости ЭЭГ-сигнала у этого пациента.
А вот пример ЭЭГ-кривых пациента с подтвержденным диагнозом эпилепсия. Визуально этот участок кривых сложно назвать патологическим, он сравним с ЭЭГ здорового человека, но если обратить внимание на коэффициент сжатия Лемпел-Зив, то его среднее значение составляет 53% и менее, что говорит о большем разнообразии ЭЭГ-сигнала, о худшей его повторяемости:
Конечно, только лишь по сниженному показателю степени сжатия по Лемпел-Зив невозможно делать никакие выводы, но это повод обратить более пристальное внимание на такого пациента.
Если для примера попробовать рассчитать коэффициент сжатия Лемпел-Зив для участка ЭЭГ-кривых с эпилептическим приступом, то получим значение всего около 20%, так как здесь вариабельность амплитуд ЭЭГ-сигнала еще больше.
Таким образом: чем выше вариативность ЭЭГ-сигнала - тем ниже уровень сжатия Лемпел-Зив.
Вот еще один пример здорового пациента: хорошо модулированный альфа-ритм, высокая повторяемость. Коэффициент сжатия по Лемпел-Зив составляет от 55% до 75% по разным отведениям:
Еще один пример ЭЭГ-кривых здорового человека. Коэффициент сжатия по Лемпел-Зив составляет от 59% до 70% по разным отведениям:
Но не стоит полагать, что, чем выше коэффициент сжатия Лемпел-Зив, тем лучше ЭЭГ. Нет. Для изолинии, например, степень сжатия будет приближаться к 100%. Вот пример пациента с глубоким нарушением функционального состояния головного мозга, находящегося на лечении в ОРИТ. Плоская, низкоамплитудная ЭЭГ (подавление), вариабельность ЭЭГ-сигнала очень низкая и, как следствие, степень сжатия высокая. В среднем более 80%:
В настоящее время нет никакой четкой нормы, сравнив с которой значение сжатия по Лемпел-Зив можно было бы делать какие-то заключения. Да и сравнивать двух разных пациентов по этому показателю не совсем корректно. Но вот при лечении пациентов можно использовать динамику данного показателя в качестве индикатора снижения или повышения вариативности сигнала ЭЭГ.
Заключение
Таким образом, используя такой инструмент, как степень сжатия по Лемпел-Зив, можно диагностировать различные отклонения в работе головного мозга, которые порой трудно определить только с помощью визуальной оценки ЭЭГ-кривых. Степень сжатия Лемпел-Зив отображает вариабельность ЭЭГ-сигнала и может использоваться как инструмент отслеживания динамики лечения при контроле ЭЭГ одного пациента в ходе терапии.
Полезные материалы
- Паттерны ЭЭГ.