авторефераты диссертаций БЕСПЛАТНАЯ  БИБЛИОТЕКА

АВТОРЕФЕРАТЫ КАНДИДАТСКИХ, ДОКТОРСКИХ ДИССЕРТАЦИЙ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ

НАУЧНО-ИССЛЕДОВАТЕЛЬСКАЯ ЛАБОРАТОРИЯ

«ДИНАМИКА»

Смирнов Константин Юрьевич

Смирнов Юрий Алексеевич

РАЗРАБОТКА И

ИССЛЕДОВАНИЕ МЕТОДОВ МАТЕМАТИЧЕСКОГО

МОДЕЛИРОВАНИЯ И АНАЛИЗА БИОЭЛЕКТРИЧЕСКИХ СИГНАЛОВ

Санкт-Петербург – 2001

2

СОДЕРЖАНИЕ

ВВЕДЕНИЕ 4 ГЛАВА 1. СРАВНИТЕЛЬНЫЙ АНАЛИЗ СУЩЕСТВУЮЩИХ МЕТОДОВ ОБРАБОТКИ БИОЭЛЕКТРИЧЕСКИХ СИГНАЛОВ 11 1.1. Основные подходы к анализу состояний биологических объектов 11 1.2. Методы временного анализа динамических параметров биоэлектрических сигналов. 15 1.3. Методы спектрального анализа модуляционных характеристик биоэлектрических сигналов 1.4. Геометрический анализ нелинейных хаотических колебаний кардиоритма. ГЛАВА 2. МОДЕЛИ ФОРМИРОВАНИЯ БИОЭЛЕКТРИЧЕСКИХ СИГНАЛОВ 2.1. Принципы обработки сигналов в рецепторном нейроне 2.2. Обработка импульсных сигналов в промежуточных нейронах и нейронных сетях 2.3. Специфические особенности формирования биоэлектрических сигналов 2.4. Модель формирования управляющих биоэлектрических сигналов 2.5. Выводы ГЛАВА 3. МЕТОДЫ И АЛГОРИТМЫ ДИНАМИЧЕСКОЙ ОБРАБОТКИ БИОЭЛЕКТРИЧЕСКИХ СИГНАЛОВ 3.1. Постановка задачи ЗАКЛЮЧЕНИЕ СПИСОК ЛИТЕРАТУРЫ: ПУБЛИКАЦИИ ПО МАТЕРИАЛАМ «KNOW-HOW»: ВВЕДЕНИЕ Несмотря на бурное развитие современных информационных технологий, био физика и клиническая медицина испытывают фундаментальные методологические трудности, обусловленные отсутствием экспресс методов и средств выделения объек тивной информации о состоянии объекта. Именно поэтому, задача комплексной оценки функционального состояния организма по биоритмам в биофизике и клиниче ской медицине выдвинулась за последние годы в разряд важнейших. Необходимость дешевого, оперативного, простого и при этом полного и объективного метода оценки состояния здоровья человека остро назрела.

Задача экспресс-диагностики состояния всех органов и систем организма чело века может быть эффективно решена путем выделения динамических параметров из сигналов биоэлектрической активности. К сожалению, эта проблема не может быть решена в рамках традиционных методов.

Выходом из существующего положения может стать применение системного подхода, рассматривающего человеческий организм как сложную саморегулирую щуюся систему, имеющую единую многоуровневую иерархическую структуру управления. [1,4,12] Существование такой системы невозможно без постоянного об мена информацией на всех уровнях организации от клеточного до организменного. В биологическом объекте всегда существует динамический гомеостаз, характеризую щий его как систему со многими состояниями неустойчивого равновесия, каждое из которых определяется как воздействиями из внешней и внутренней среды, так и со стоянием всего организма в целом. Информация о том, как формируются отдельные состояния гомеостаза, и какова цена перехода из одного состояния в другое в процес се функционирования системы содержится в различных биоритмах организма. Любая совокупность биоритмов может быть выделена из сигналов биоэлектрической ак тивности, при этом, имеет принципиальное значение то, что наиболее объективными характеристиками состояния организма являются изменения частотных и временных параметров модуляции регистрируемого биоэлектрического сигнала.

С точки зрения современного биоритмологического подхода [5,10,14,15] про цессы, протекающие в различных органах и системах организма человека, не являют ся детерминированными, тем не менее, определенный набор динамических парамет ров таких процессов повторяется в различных временных интервалах и представляет собой устойчивую динамическую структуру. Параметры такой структуры могут из меняться только в пределах, определяемых индексами частотной и фазовой модуля ции регистрируемых биоэлектрических сигналов. Нарушение этого условия запускает механизм развития болезни.

Управление процессами адаптации в организме человека осуществляется в ди намическом режиме с периодами обмена информацией, зависящими от силы воздей ствия, - чем выше уровень управления, тем большее время требуется для адаптации и тем больше будет глубина частотной и фазовой модуляции регистрируемого биоэлек трического сигнала.

Таким образом, вся информация о состоянии биологического объекта заложе на в модуляции биоритмов организма и в, первую очередь, в изменении ритмической активности сердца и, следовательно, может быть использована для оценки парамет ров вегетативного гомеостаза - одного из важнейших показателей, характеризующих функциональное состояние организма.

Из теоретической биологии и генетики известно [30,31,37], что нормальное и патологическое состояния организма определяются частотными и временными пара метрами модуляции регистрируемых биоэлектрических сигналов. Именно эти пара метры определят закономерности изменения биоритмологических процессов в раз личных масштабах времени и регистрируются в процессе выделения модуляционных характеристик биоэлектрических сигналов. Для здорового человека все без исключе ния биоритмологические процессы, и, следовательно, динамические характеристики биоэлектрических сигналов, изменяются по единому закону, хотя и в различных мас штабах времени. При патологических состояниях параметры этой закономерности изменяются для различных временных интервалов и могут быть выделены из моду ляционных характеристик биоэлектрических сигналов.

Принципиально важно, что для диагностики заболевания может быть выбран любой физиологический показатель, если правильно определен временной интервал, в котором заключен весь диапазон изменения динамических параметров биоритма при его регистрации и обработке. Применение методов динамического анализа для обработки биоэлектрических сигналов позволяет принципиально решить задачу вы деления необходимой информации о состоянии организма из быстротекущих процес сов, и, в первую очередь, таких, которые характеризуются электрической активно стью сердца и головного мозга человека. Время для принятия решения о состоянии организма в этом случае сокращается в сотни раз, что позволяет практически реали зовать процесс мониторинга и прогноза показателей здоровья в реальном масштабе времени.



Содержание «KNOW-HOW» и перспективы дальнейших исследований Основным содержанием «know-how» являются результаты исследования мето дов математического моделирования и анализа биоэлектрических сигналов, разработ ка на их основе алгоритмов динамического анализа этих сигналов и создание систем скрининг-диагностики и прогноза функциональных и патологических состояний в биологии и медицине.

Для достижения поставленной цели в процессе работы были решены следую щие задачи:

Проведен сравнительный анализ существующих методов обработки биоэлек 1.

трических сигналов.

Исследованы специфические особенности методов временного и спектрального 2.

анализа биоэлектрических сигналов.

Исследованы возможности и оценена эффективность применения метода гео 3.

метрического анализа нелинейной хаотической динамики ритма кардиосигна ла, основанного на теории детерминированного хаоса.

Исследованы специфические особенности формирования управляющих сигна 4.

лов на различных уровнях обмена информацией в нервной системе.

Разработаны алгоритмы динамического анализа биоэлектрических сигналов 5.

для реализации методик оценки функционального состояния организма чело века.

Научная новизна «KNOW-HOW»

Научная новизна работы состоит в том, что впервые:

1. Разработаны динамические модели формирования биоэлектрических сигналов на различных уровнях обмена информацией в нервной системе.

2. Показано, что объективная информация о функциональных и патологических изменениях в организме человека может быть выделена в результате анализа модуляционных характеристик регистрируемых биоэлектрических сигналов.

3. Разработан алгоритм измерения RR интервалов в реальном масштабе времени.

4. Разработан метод и алгоритмы нейродинамического анализа ритмограмм сер дечной деятельности.

5. Разработан метод и алгоритмы картирования биоритмов головного мозга пу тем сплайн- интерполяции.

6. Разработан метод и алгоритмы фрактального анализа биоритмов организма.

Структура и объем материалов «KNOW-HOW»

В первом разделе, имеющем обзорный характер, проведено сравнительное ис следование существующих методов анализа состояний биологических объектов и их идентификации с модуляционными характеристиками биоэлектрических сигналов.

Показано, что современная биофизика рассматривает биологический объект как сложную саморегулирующуюся нелинейную систему с многоуровневой иерархиче ской структурой обмена информацией. Нормальное функционирование такой систе мы обеспечивается благодаря обмену информацией между различными уровнями управления. Биологический объект, воспринимает эту информацию, обрабатывает ее и формирует управляющие сигналы, необходимые для выполнения жизненно важных функций, от которых зависит его существование. Информация о процессах функцио нирования заложена в модуляционных характеристиках биоэлектрических сигналов.

Проведен краткий обзор существующих методов анализа биоэлектрических сигналов и рассмотрены наиболее распространенные методы их обработки от хорошо изученных методик статистической обработки ритмограмм до современных методов спектрального анализа и стохастической динамики. Кратко проанализированы мето ды временного, спектрального и геометрического анализа биоэлектрических сигна лов. Описан метод геометрического анализа нелинейной хаотической динамики рит ма кардиосигнала, основанный на теории детерминированного хаоса («хаос»-тест) и рассмотрены возможности его применения для анализа волновой структуры биорит мов, формируемой различными уровнями модуляции электрокардиосигнала.

Во втором разделе исследованы принципы формирования биоэлектрических сигналов и особенности их передачи на различных уровнях обмена информацией в биологических системах. Предложена модель обработки аналоговых сигналов в ре цепторном нейроне и описаны принципы передачи импульсных сигналов в промежу точном нейроне. Разработана концептуальная модель обработки информации в ней ронных сетях. Исследованы специфические особенности реальных биоэлектрических сигналов, и показано, что информация о состоянии биологического объекта может быть получена путем анализа модуляционных характеристик, параметры которых из меняются по апериодическому колебательному закону.

В третьем разделе разработаны алгоритмы динамического анализа биоэлек трических сигналов.

Описан метод нейродинамического анализа ритмической активности сердца.

Приведены алгоритмы построения «нейродинамической матрицы», энергетической пирамиды», гистограммы «нейродинамических кодов и расчета основных критериев.

Разработана блок-схема работы режима «Нейродинамический анализ».

Описан метод картирования биоритмов головного мозга. Приведены алгорит мы построения сплайн-карт ритмов головного мозга, фазового спектра и расчета ос новных критериев. Разработана блок-схема работы режима «Картирование биоритмов мозга»

Описан метод фрактального анализа биоритмов организма. Приведены алго ритмы построения фрактального портрета и расчета основных критериев.

Исследованы возможности и эффективность применения разработанных мето дов и алгоритмов для практической реализации в медицинских системах скрининг диагностики функциональных и патологических состояний.

В четвертом разделе приводится краткое описание цифрового анализатора био ритмов «Динамика-100» разработанного на базе метода динамического анализа био электрических сигналов сердца и мозга. Рассмотрены особенности технической реа лизации. Приводятся фрагменты отображения основных окон программного обеспе чения.

Глава 1. Сравнительный анализ существующих методов обра ботки биоэлектрических сигналов 1.1. Основные подходы к анализу состояний биологических объектов Современная биофизика рассматривает биологический объект как сложную саморегулирующуюся нелинейную систему с многоуровневой иерархической струк турой управления. [29,38] Нормальное функционирование такой системы обеспечива ется благодаря обмену информацией между различными уровнями управления. Био логический объект, воспринимает эту информацию, обрабатывает ее и формирует управляющие сигналы, необходимые для выполнения жизненно важных функций, от которых зависит его существование.

Реакции живых организмов на воздействия внешней или изменения параметров внутренней среды отражаются в изменениях динамических параметров различных биоритмов.

Таким образом, на различных уровнях управления в биологической системе происходит постоянный обмен информацией по горизонтали и вертикали, который поддерживает постоянство всех ее параметров в пределах строго определенного диа пазона.

В высокоорганизованных биологических объектах всегда поддерживается ди намический гомеостаз, а сами объекты представляют собой гомеостатические систе мы [22]. Такие системы относятся к классу нелинейных динамических систем, для ко торых не выполняется принцип суперпозиции. Это означает, что, если на вход систе мы подается совокупность входных воздействий x1, x2, x3,, xn, то для любых чисел n и ci справедливо выражение n n А ci xi (t ) ci Axi (t ). (1.1) i 1 i То есть, реакция подобной системы на любую линейную комбинацию входных воздействий не равна такой же линейной комбинации реакций системы на каждое из воздействий в отдельности.

Проявляется нелинейность в различных закономерностях модуляции биоэлек трических сигналов, характеризующих процессы функционирования системы на раз личных уровнях. Условно причины нелинейности биологической системы можно вы разить через ее управляющие параметры [24], то есть такие параметры, которые могут изменяться под воздействием внешней и внутренней среды и переходить в то или иное неравновесное состояние в процессе функционирования системы.

В отличие от обычных нелинейных динамических систем, природа нелинейно сти биологической системы обусловлена как результатом взаимодействия управляю щих сигналов между различными уровнями управления, так и влиянием изменения параметров внешней и внутренней среды. Поэтому, в самом общем виде математиче скую модель функционирования такой системы можно выразить следующим образом [4] dq N (q, ) (1.2) dt где q - вектор состояния системы;

N - нелинейная функция от q, которая содержит операторы, дифференцирую щие вектор q по пространственным и временным координатам;

- управляющий параметр.

Биологические системы всегда функционируют в условиях постоянно изме няющихся параметров внешней и внутренней среды, обусловливающих непрерывные флуктуации регистрируемых сигналов. Поэтому, согласно теории нелинейных сис тем, модель (1.2) следует дополнить некоторой флуктуирующей функцией F(t) dq N (q, ) F (t ) (1.3) dt Флуктуации могут в значительной степени изменять состояние нелинейных систем, особенно в условиях, когда система находится вдали от границ устойчивости [1,2,3,4,28], которые определяют стационарные состояния системы. Неустойчивость, достигаемая в результате направленного воздействия на систему через управляющий параметр, это уникальное свойство биологических систем, которое определяет гомео статическое поведение системы в рамках теории бифуркаций [26].

В прикладных моделях биологических систем чаще всего сложно или невоз можно построить строгую математическую модель из-за отсутствия априорной ин формации о реальных механизмах функционирования объекта исследования. С дру гой стороны, выбор параметров для оценки состояния системы на практике также ог раничен доступными измерениями и/или возможностями измерительной техники. Ес ли при этом иметь в виду имеющую место в большинстве случаев параметрическую неустойчивость биологических систем, то говорить о построении моделей идентифи кации состояния таких систем становится еще более проблематично. Тем не менее, исходя из вышеотмеченной особенности биологической системы как системы со счетным множеством состояний, можно сделать ряд полезных общих заключений.

Счетное множество состояний биологической системы предполагает, что набор зна чений измеряемых параметров также представляет счетное множество, хотя и не од нозначно определенное. Но для принятия решения о состоянии биологической систе мы не имеет значения как система пришла в то или иное исходное статическое со стояние. Более важным моментом функционирования биологической системы являет ся ее реакция на внешнее воздействие, которая привела систему в данное состоя ние или переводит из данного состояния в следующее. Такой подход дает возмож ность оценивать состояние биологической системы по результатам прохождения ее через определенные статические состояния или в близи состояний, которое отражает ся в динамике значений частотно-временных параметров биоэлектрических сигналов в моменты времени прохождения этих состояний и в моменты времени перехода от состояния к состоянию.

Наиболее показательной в рассматриваемом случае является динамика ритмиче ской активности сердечной деятельности, характеризуемая ритмограммой R-R интер валов. Рис.1.1.

Рис. 1.1 Принцип выделения ритмограмм Ритмограммы, выделяемые в процессе обработки из электрокардиосигнала, представляют собой последовательности временных интервалов между соседними сердечными сокращениями. [41] Сигнал ритмограммы представляет собой нелиней ную совокупность разномасштабных во времени процессов, определяемых в специ альной медицинской литературе как дыхательные волны, а так же как медленные волны 1–го, 2–го и других более высоких порядков. Наиболее распространенные в настоящее время методы анализа ритмограмм, такие как корреляционные, спектраль ные и статистические, основанные на усреднении обрабатываемой информации за время анализа, достаточно эффективны только для обработки аналоговых сигналов или временных процессов. Ритмограммы же в общепринятом смысле представляет собой не временные функции, а искусственно синтезированные для наглядного пред ставления графики, по осям ординат которых дискретно отображаются текущие зна чения R–R, P–P, P–R и т.д. интервалов, а по оси абсцисс – текущее время, равное ко личеству этих интервалов. Таким образом, размерность по различным осям коорди нат одна и та же – время. Физический смысл спектрального анализа состоит в разде лении на отдельные составляющие суммарного временного процесса, полученного в результате сложения или вычитания амплитуд этих составляющих. В случае же про цессов, отражаемых ритмограммами сердца, как одновременно происходящих во времени, остается предположить, что они влияют друг на друга, что лишено всякого смысла, так как это два независимых временных процесса.





1.2. Методы временного анализа динамических параметров биоэлектрических сигналов.

Метод временного анализа основывается на математической, статистической обработке вариационного ряда RR-интервалов с вычислением различных коэффици ентов. [5,7,14,27] При этом, математические приемы анализа последовательности RR интервалов дают приближенный ответ, с определенной погрешностью. Это основной недостаток временного анализа.

Рис. 1.2 Ритмограмма.

Метод математического анализа временных параметров ритмограммы серд ца, предложенный Р.М. Баевским позволяет оценивать функциональные состояния организма и их отклонения от нормы. Суть метода заключается в построении вариа ционной кривой ритмограммы (рис.1.2), гистограммы, скаттерограммы, а затем по графикам или числовой записи вариационной ритмограммы определяется ряд пока зателей, позволяющих в совокупности дать качественную оценку вегетативного то нуса.

Гистограмма. Представляет собой диаграмму соотношения количества RR интервалов в различных интервалах их числового значения (рис.1.3). Шаг гисто граммы - 0,05 секунд Диапазон основания диаграммы - от 0,40 до 1,3 сек. Для со стояния вегетативного равновесия характерно центральное расположение столбцов диаграммы с локализацией самого высокого столбца (мода) в диапазоне 0,7-1,0 сек.

(рис.1.3). В случае превалирующего влияния симпатического отдела вегетативной нервной системы характерно значительное смещение влево и сужение основания гистограммы (Рис. 1.4). При парасимпатическом влиянии наблюдается противопо ложный эффект (Рис.1.5).

Рис. 1. 3 Рис. 1. 4 Рис. 1. Скаттерограмма. (Рис.1.6) Построение точек скаттерограммы осуществляет ся следующим образом: по оси абсцисс отмечается значение интервала RR, а по оси ординат - значение предыдущего интервала RR. Полученное равномерное облако (рис.1.6) будет свидетельствовать о равновесном состоянии вегетативной нервной системы. Зажатость облака скаттерограммы и смещение его из центра в нижний ле вый угол (рис.1.7) свидетельствует о преобладании симпатического отдела вегета тивной нервной системы. Напротив, значительный разброс точек скаттерограммы и смещение е вправо (рис.1.8) говорят о преобладании влияний блуждающего нерва на синусный узел.

Рис.1.6 Рис. 1.7 Рис. 1. Все математические показатели динамики ритмов сердца можно разделить на статистические показатели (мода, амплитуда моды, вариационный размах, среднее арифметическое, среднеквадратичное отклонение) и производные из них индексы (индекс вегетативного равновесия, вегетативный показатель ритма, индекс на пряжения, показатель адекватности процессов регуляции).

Мода (Мо) - это наиболее часто встречающееся значение RR, она указывает на доминирующий уровень функционирования синусного узла. При симпатотонии Мо минимальна, при ваготонии - максимальна. В норме значение моды колеблется от 0, до 0,9.

Амплитуда моды (АМо) - отношение количества RR-интервалов со значения ми, равными Мо к общему количеству RR-интервалов в процентах. Данный показа тель отражает степень ригидности ритма. Его нормальные значения равны 30-50%.

Увеличение АМо будет свидетельствовать о преобладании симпатических влияний на синусный узел и значительной ригидности ритма. При ваготонии данный показа тель имеет тенденцию к уменьшению его числового значения.

Вариационный размах (ВР) - вычисляется как разница между максималь ным и минимальным значениями RR-интервалов (ширина основания гистограммы).

ВР рассматривают как парасимпатический показатель. Чем он выше, тем сильнее вы ражено влияния вагуса на ритм сердца. Нормальные значения ВР - от 0,15 до 0,45.

Среднеквадратичное отклонение (СКО, SDNN) является наиболее объектив ным показателем динамики ритмов сердца в оценке вегетативной регуляции ритма сердца. В норме значения СКО колеблются от 0,03 до 0,06. Снижение данного пока зателя ниже 0,03 будет свидетельствовать об усилении симпатических воздействии на синусный узел. При ваготонии данный показатель увеличивается до 0,09. Повы шении СКО более 0,09 говорит об опасности развития наджелудочковых аритмий у обследуемого.

Вторичные временные показатели ВРС вычисляются следующим образом:

ИВР=АМо/ВР;

ВПР=1/Мо* ВР;

ИН=АМо/2ВР* Мо, Где: ИВР - индекс вегетативного равновесия ВПР - вегетативный показатель ритма ИН - индекс напряжения Увеличение числовых значений данных показателей наблюдается при прева лировании симпатических, уменьшение - вагусных влияний на ритм сердца.

Ниже приводим таблицу оценки степени нарушения вегетативной регуляции кардиоритма по показателям временного анализа динамики ритмов сердца у нетре нированных людей (по А. М. Вейну, 1998):

Таблица 1.

Оценка показателей временного анализа динамики ритмов сердца (по А.М. Вейну) Вегетативный тонус ВР АМо ИН ИН Выраженная симпатотония 0. 06 80 Умеренная симпатотония 0. 15 50 Вегетативное равновесие 0. 16-0. 29 31-49 51- симпатотония Умеренная ваготония 0. 30 30 Выраженная ваготония 0. 50 15 Также, согласно рекомендациям Европейского общества кардиологов для кли нического анализа предлагается дополнительно анализировать следующие статисти ческие показатели [Task Force of the European Society of Cardiology and the North American Society of Racing and Electrophysiology, 1996]:

1 SDNN - статистическое отклонение RR-интервалов (исключая экстрасистолические комплексы) 2 SDANN - показатель стабильности ВРС. Для его вычисления вначале усредняют RR-интервалы за все 5-минутные отрезки записи ЭКГ, а затем вычисляют их стан дартное отклонение. Данный показатель используется только при 24-часовой записи.

3 HRV-index - триангулярный индекс ВРС, вычисляется по гистограмме, построен ной с интервалом в 8 мс, путм деления общего числа анализируемых RR-интервалов на частоту встречаемости RR, соответствующего моде.

4 SDNN-index - представляет среднее значение сигмы RR-интервалов по всем 5 минутным участкам записи (показатель для 24-часовой записи ЭКГ).

5 SDSD - стандартное отклонение разностей между соседними нормальными RR интервалами.

6 NN50 - число пар последовательных RR-интервалов, различающихся более чем на 50 мс 7 pNN50 - их процент от числа всех анализируемых кардиоинтервалов.

8 RMSSD - стандартное отклонение разностей RR-интервалов от их средней арифме тической: клиническая интерпретация данного показателя аналогична SDNN.

Наиболее достоверными временными показателями вариабельности ритма на сегодняшний день признаны SDNN, SDANN, HRV-index и pNN50.

В последнее время появилось определенное количество работ о валеологической зна чимости следующих показателей купола гистограммы (методику построения гисто граммы см. ранее):

1. WN1 - ширина купола гистограммы на уровне 1% от общего количества элементов, 2. WN5 - ширина купола гистограммы на уровне 5% от общего количества элементов, 3. WAM5 - ширина купола ГГ на уровне 5% от численного значения амплитуды моды 4. WAM10 - ширина купола гистограммы на уровне 10% амплитуды моды.

При интерпретации данных временного анализа динамики ритмов сердца у спорт сменов необходимо учитывать, что значительное преобладание парасимпатических влияний на синусовый ритм является для них нормальным явлением. Поэтому, необ ходима корректировка границ нормы числовых значений статистических показателей при проведении обследования спортсменов. А именно, следует расширить границу нормы до таковой в состоянии умеренной ваготонии у нетренированных людей. В то же время, значения близкие к умеренной симпатотонии будут говорить о выражен ном нарушении системы регуляции кардиоритма и снижении запаса адаптации у данного спортсмена.

1.3. Методы спектрального анализа модуляционных характеристик биоэлектрических сигналов Данная методика основывается на физическом преобразовании колебаний кар диоритма в простые гармонические колебания (быстрое преобразование Фурье, реже ауторегрессионный анализ) с различной частотой [Явелов И. С., 1997, Task Force of the European Society of Cardiology and the North American Society of Racing and Elec trophysiology, 1996]. При этом последовательность сердечных сокращений преобра зуется в спектр мощности колебаний длительности интервалов RR, представляющих собой последовательность частот (в Гц), характеризующих динамику ритмов сердца, каждой из которых соответствует определенная плотность (амплитуда) колебаний (Рис.1.9). Наиболее часто оценивается площадь, ограниченная кривой спектральной мощности, соответствующая некоторому определенному диапазону частот, то есть мощность в пределах ограниченного частотного диапазона.

Рис. 1.9 Спектрограмма (норма) В большинстве исследований спектрального определялась мощность в сле дующих диапазонах частот:

1. Высокие частоты (HF - High Frequency) - 0.15 - 0.40 Гц. Отводится преимущест венная роль парасимпатического отдела вегетативной нервной системы в формиро вании колебаний в данном диапазоне частот. [Явелов И. С., 1997, Task Force of the European Society of Cardiology and the North American Society of Racing and Electro physiology, 1996]. Мощность в этом диапазоне частот увеличивается во время дыха ния с определенной частотой и глубиной, при холодовых воздействиях. У спортсме нов и хорошо натренированных людей мощность HF также значительно превышает таковую у нетренированных, и должна преобладать над мощностью низких частот.

Снижение у спортсменов мощности HF может свидетельствовать о напряжении ре гуляторных систем сердца, о перетренированности, хотя чрезмерное ее увеличение говорит об опасности нарушения синусового ритма.

2. Низкие частоты (Low Frequency - LF) - 0.04 - 0.15 Гц. Физиологическая интерпре тация данного показателя неоднозначна. Считается, что на мощность в этом диапазо не частот влияют как изменение тонуса парасимпатического, так и симпатического отделов нервной системы [Явелов И. С., 1997, Task Force of the European Society of Cardiology and the North American Society of Racing and Electrophysiology, 1996].

3. Соотношение симпатических и парасимпатических влияний характеризуется с по мощью отношения мощностей LF/HF. При этом, при повышении тонуса симпатиче ского отдела данный показатель значительно возрастает, при ваготонии - наоборот.

Во многих случаях отмечены реципрокные изменения в мощностях LF и HF. Отме чено значительное увеличение мощности LF при ортостатической пробе, психологи ческом стрессе, умеренной физической нагрузке у здоровых лиц. Поэтому в послед нее время распространена точка зрения, что мощность в диапазоне LF, как и показа тель LF/HF, могут служить показателем активности симпатического отдела вегета тивной нервной системы [Явелов И. С., 1997] 4. Очень низкие частоты (Very Low Frequency - VLF) -0,003 - 0, 04 Гц и сверхниз кие частоты (Ultra Low Frequency - ULF) - менее 0,003Гц. Физиологическое значе ние данных диапазонов частот не выяснено. Однако существует мнение, что мощ ность данных диапазонов значительно возрастает при истощении регуляторных сис тем организма.

5. Полный спектр частот (Total) - менее 0.40 Гц. Данный показатель является инте гральным и отражает воздействие и симпатического и парасимпатического отделов автономной нервной системы [И. С. Явелов, 1997, Л. Н. Лютикова с соавт., 1995].

При этом усиление симпатических воздействии приводит к уменьшению общей мощности спектра, а активация вагуса приводит к обратному воздействию. Данный показатель эквивалентен среднеквадратичному отклонению и вариационному разма ху.

Показатели спектрального анализа динамики ритмов сердца оценивают не только тонус различных отделов вегетативной нервной системы, но и изменения их модулирующих влияний на синусовый узел в ответ на воздействие различных регу ляторных механизмов.

Рис. 1.10 Спектрограмма спортсменов (норма) Спектральные характеристики биоэлектрических сигналов спортсменов не сколько отличаются от таковых у нетренированных людей. Характерное преоблада ние вагусных воздействий на синусный узел у спортсменов приводит к увеличению общей мощности спектра, мощности HF и снижению мощности LF и показателя LF/HF. Поэтому при анализе спектра ритма у спортсменов следует внести некоторую корректировку в определение границ нормы. По нашим данным для спортсменов в норме характерны следующие значения мощностей различных диапазонов частот.

1. Total - от 2000 до 9000 мс2. Уменьшение общей мощности ниже 2000 мс' свиде тельствует о значительном преобладании симпатического тонуса, о напряжении ме ханизмов регуляции, об истощении адаптационных ресурсов спортсмена.

2. HF -от 1000 до 2500 мс 3. LF -от 200 до 1500 мс 4. LFHF- менее 1. Рис. 1.11 Спектрограмма спортсменов (гиперваготонический тип) Таким образом, для спортсменов характерно преобладание мощности HF над LF. Обратная ситуация также будет свидетельствовать о перенапряжении симпатиче ского отдела вегетативной нервной системы и истощении адаптации. Однако значи тельное, чрезмерное усиление парасимпатических воздействий (Total более 9000 мс2, HF более 4000 мс, LF/HF менее 0.2) также говорит о выраженном нарушении про цессов регуляции синусового ритма. Такая картина свидетельствует о дисбалансе ав томатизма синусного узла и опасна развитием наджелудочковых аритмий. То есть, данные спортсмены находятся в состоянии выраженной перетренированности и ус тупают по физической подготовке своим коллегам с нормальными значениями пока зателей спектрального анализа.

Приводим примеры результатов спектрального анализа у спортсменов в хоро шей физической форме (рис.1.10), в состоянии значительной перетренированности выраженная ваготония (рис.1.11) и у спортсмена с истощением адаптационных ре сурсов организма -выраженная симпатотония (рис.1.12).

Рис. 1.12 Спектрограмма спортсменов (симпатотонический тип) Кроме исследования фоновой (исходной) пробы, при спектральном анализе динамики ритмов сердца информативны ортостатическая, нагрузочная и другие про бы. При этом, по степени изменения показателей спектра ритма можно судить об уровне адаптации спортсмена к ортостазу, физической нагрузке и т. д., что помогает отобрать физически более подготовленных спортсменов из группы с одинаковыми исходными данными.

1.4. Геометрический анализ нелинейных хаотических колебаний кардиоритма.

Теоретическое обоснование метода.

Геометрический анализ нелинейных хаотических колебаний кардиоритма («хаос» тест) является принципиально новой методикой анализа динамики ритмов сердца на сегодняшний день. Основной принцип метода - уход от традиционных математиче ских и статистических приемов обработки последовательности RR-интервалов и ис следование более точных, геометрических приемов для обработки полученных ре зультатов. Так, при математическом анализе, последовательность RR-интервалов рассматривается как вариационный ряд случайных величин. На самом деле, измене ния RR-интервалов не является случайным, а зависит от внутренних законов орга низма и регулируется определенными строго детерминированными механизмами.

Поэтому традиционный математический анализ дает лишь приближенные результа ты. Геометрический же анализ является более точным. Метод геометрического ана лиза нелинейной хаотической динамики кардиоритма основывается на теории детер минированного хаоса [А. Н. Пархоменко, 1996;

A. Goldberger, 1990;

H. Schuster, 1998]. Согласно данной теории, динамическое поведение комплексных живых сис тем, к которым относится и сердечно-сосудистая система, не является случайным, а строго определено. Любая живая система находится в постоянном взаимодействие с подсистемами и суперсистемой и вынуждена изменить свои параметры (например, параметры ритма) под их воздействием для сохранения внутреннего постоянства гомеостаза. При этом изменение данного параметра происходит по определенной за кономерности и носит определенный хаотический характер. Нарушение регулятор ных механизмов системы приводит к неадекватному ответу е на экзогенные и эндо генные импульсы, дисбалансу состояния гомеостаза и изменению характера дина мического поведения параметров системы. При этом утрачивается типичная хаотиче ская картина динамики параметра системы, появляются запредельные циклы, дина мика параметров системы становится более примитивной, что уменьшает возмож ность системы к гармоничному и адекватному ответу на раздражители. Анализ нели нейной динамики параметров системы позволяет дать наиболее полную информацию о состоянии системы, нежели чисто математические способы оценки е параметров.

Об увеличении интереса к анализу нелинейной динамики свидетельствует проведе ние специальных сессий во время Европейского общества кардиологов в Ницце (1993) и в Берлине (1994).

Согласно законам нелинейной динамики изучаемый процесс необходимо рас сматривать на фазовой плоскости. Применительно к сердечно-сосудистой системе, точнее к динамике кардиоритма, появляется необходимость кроме определения чи слового параметра интервала RR, рассчитать первую производную его функции скорость изменения RR-интервалов. Поэтому нелинейная динамика сердечного рит ма определяется путем построения ломаной линии (хаосграмма) в системе коорди нат, где по оси абсцисс отмечается длительность RR-интервала (в мс), а по оси орди нат - приращение данного интервала (в мс) (рис.1.13). Для нормального сбалансиро ванного состояния системы регуляции кардиоритма характерна гармоничная «паути нообразная» картина хаосграммы без запредельных циклов.

Рис. 1.13 “Хаос” (норма) Рис. 1.14 “Хаос” с запредельными циклами При наличии дисбаланса регуляторной системы, вызванного экзо- и эндо генными, экстра- и интракардиальными патологическими влияниями типичная кар тина хаосграммы будет значительно изменяться. Типичным признаком нарушения регуляторно-адаптивных свойств сердечно-сосудистой системы является появление определенного количества запредельных циклов - циклы, выходящие за рамки «ядра»

хаосграммы (рис.1.14). Также к признакам патологии кардиоритморегуляторных ме ханизмов относятся следующие изменения хаоса:

«Примитивная» картина хаосграммы, при этом визуализируется четкая не хаотическая динамика кардиоритма. В хаосграмме определяются очертания правиль ных геометрических фигур (рис.1.15) В картине хаосграммы четко выделяются два ядра, одинаковой или различ ной плотности (рис.1.16) Внешне картина хаоса неизменна, но в ее внутренней структуре видны по стоянные негармоничные колебания кривой хаосграммы относительно нулевой ли нии отсчета скорости изменения RR-интервалов (рис.1.17) Рис. 1.15 «Примитивная» картина хаосграммы Рис. 1.16. Двуядерная хаосграмма Появление вышеописанных изменений при диссонансе системы регуляции ритма объясняется следующим образом. Для адаптации организма к условиям внеш ней среды клетки-пейсмекеры изменяют частоту сердечного ритма под действием сигналов регуляторной системы. При этом влияние регуляторной системы реализу ются в виде сигналов либо увеличения, либо уменьшения частоты сердечных со кращений.

Рис. 1.17а Хаосграмма - внешняя картина Рис. 1.17б Хаос - его внутренняя структура Для адекватного ответа синусного узла на данные команды характерно гармоничное изменение RR-интервалов, сначала с постепенным увеличением дли тельности RR, затем с постепенным ее снижением. Эти колебания и обеспечивают приспособляемость, возможность адаптации кардиоваскулярной системы. При дис функции регуляторной системы как на уровне вегетативных механизмов (первичная и вторичная вегетативная дисфункция), так и на уровне проводящей системы сердца (ишемическое поражение клеток синусового узла, дилатация правого предсердия и т.

п.) утрачивается гармоничная динамика изменений RR-интервалов. В результате это го нет адекватного ответа сердца на поступающие команды, длительность RR интервалов как бы «метается» из одного состояния в противоположное, что в отра жается на картине нелинейной динамики сердечного ритма вышеописанным образом.

Рис. 1.18 Картина рейтинга (норма) Но определение состояния регуляции только по внешнему виду хаосграммы является недостаточно объективным и весьма затруднительно, особенно при анализе большого числа последовательных RR-интервалов. Для точной количественной оценки нелинейной динамики кардиоритма разработаны и применены определенные приемы (патент №98106340/13 (067900)). При этом вся картина хаосграммы разбива ется на элементарные геометрические фигуры с различным количеством точек в них.

Соотношение полученных различных геометрических фигур показано на диаграмме «рейтинга» (рис.1.18). В зависимости от состояния системы регуляции ритма сердца будет изменяться и количество точек в элементарных геометрических фигурах хаос граммы и соответственно, соотношение фигур в «рейтинге». Для нормальных гармо нических циклов изменения RR-интервалов будет характерно преобладание фигур с большим количеством точек в них, нежели при патологическом типе нелинейной ди намики кардиоритма.

При количественном анализе «хаос-теста» используются следующие показате ли рейтинга:

1. максимум рейтинга - это то количество точек в фигуре, которые образовывались наиболее часто, то есть, в какой точке рейтинга располагается наиболее высокий столбец. (Рис. 1.18).

2. расчетный показатель N1, который равен отношению суммы числа фигур с коли чеством точек 4, 5 и 6 к сумме числа фигур с количеством точек 2 и 3 в них.

3. расчетный показатель N2, равный отношению суммы числа фигур с количеством точек 4, 5 и 6 к общему числу полученных фигур.

4. расчетный показатель N3, равный отношению точек 4, 5, 6 к числу остальных фи гур (с количеством точек менее 4 и более 6).

Нормативы и интерпретация отклонений значений данных показателей от нормы приведены ниже. Таким образом, анализ нелинейной хаотической динамики кардиоритма позволяет изучить скрытые закономерности поведения ритма сердца, недоступные простому математическому анализу. Данный метод существенно до полняет классические способы оценки динамики ритма сердца и дает возможность количественно оценить состояние различных регуляторных систем организма.

Почему мы говорим о состоянии регуляторных систем всего организма при анализе только параметров сердечно-сосудистой системы. Сердечно-сосудистая сис тема является одной из основных систем жизнеобеспечения поэтому ее параметры должны быстро изменятся под влиянием происходящих в организме процессов для поддержания общего гомеостаза. Известно, что практически не существует такой па тологии внутренних органов, которая не сопровождалась бы развитием вторичной вегетативной дистонии (А.М. Вейн, 1998). Следовательно, нарушение регуляторных процессов на определенном уровне в организме будет косвенно отражаться и на со стоянии системы регуляции кардиоритма в той или иной степени, в зависимости от значимости межорганных связей.

Материалы обзора существующих методов обработки биоэлектрических сиг налов представляется целесообразным систематизировать в виде схемы. Рис. 1.19.

МЕТОДЫ АНАЛИЗА БИОЭЛЕКТРИЧЕСКИХ СИГНАЛОВ Геометрический анализ Временной анализ нелинейных хаотических ко динамических параметров лебаний Спектральный анализ Применение «хаос-теста» для модуляционных количественной оценки дина характеристик мических параметров Рис. 1.19 Методы анализа биоэлектрических сигналов Глава 2. Модели формирования биоэлектрических сигналов 2.1. Принципы обработки сигналов в рецепторном нейроне Сигналы биоэлектрической активности характеризуют процессы, происходя щие в различных системах организма и проявляется в изменениях ритмов сердца, мозга и любых других органов. Изменения динамических параметров биоэлектриче ских сигналов отражают реакцию организма на воздействия различных факторов внешней и внутренней среды. Влияние центральной и вегетативной нервных систем, а также рефлекторного и гуморального звеньев происходит на все органы человека и проявляется в изменении частотно-временных характеристик биоритмов организма, которые могут быть зарегистрированы в виде изменения динамических параметров биоэлектрических сигналов в различных диапазонах частот. [1,3] Каждая рецепторная клетка организма реагирует на воздействия внешней и внутренней среды, к которым она чувствительна, в пределах ограниченной зоны, на зываемой рецептивным полем. Если мы проследим за работой одного зрительного анализатора сетчатки, то увидим, что он возбуждается только тогда, когда свет, про ходящий через хрусталик, падает на рецептивное поле данного рецептора. Кожный рецептор воспринимает только то, что происходит в его рецептивном поле – в огра ниченном участке, расположенном над ним на поверхности кожи. Конфигурация ре цептивного поля отдельного рецепторного нейрона, реагирующего на тактильные раздражители, определяется конвергенцией нервных волокон от кожных рецепторов.

Любые тактильные стимулы, попадающие в это поле, воспринимаются как исходя щие из одного места. Стимулы, действующие в пределах более мелких участков, во обще не дифференцируются. [45] Рис. 2.1. Передача сигналов в нервной системе человека 1 – Многовходовый рецепторный нейрон 2 – Многоканальный промежуточный нейрон 3 – Многоуровневая нейронная сеть - ЦНС В рамках предлагаемых модельных представлений рецепторные нейроны, с од ной стороны, – это устройства, преобразующие аналоговые электрические сигналы, приходящие от рецепторов в последовательности бинарных импульсов. С другой сто роны рецепторные нейроны представляют собой динамические детекторы т.к. реаги руют только на изменение параметров поступающих на их вход сигналов.

Таким образом, модель функционирования рецепторного нейрона представляет собой адаптивный дискретно-временной преобразователь аналоговых сигналов. Рис.

2.2.

Рис. 2.2 Функциональная модель рецепторного нейрона Блок 1 представляет собой интегратор, в котором производится суммирование входных сигналов, поступающих от совокупности однородных рецепторов. Аналого вый сигнал на выходе интегратора характеризует суммарный сигнал рецептивного поля.

Блок 2 представляет собой генератор тактовых импульсов, частота следования которых определяется спайковой активностью самого нейрона. Частота спайковой активности нейрона зависит от периода его относительной рефрактерности, который в свою очередь, зависит от амплитуды суммарного сигнала рецептивного поля. Рис.

2.3.

Рис. 2.3 Изменение тактовой частоты в зависимости от сигнала рецептивного поля.

Блок 3 – компаратор, в котором производится сравнение сигналов, посту пающих из интегратора 1 и аппроксиматора 4 в моменты времени определяемые пе риодом следования импульсов генератора тактовой частоты 2.

На выходе компаратора 3 формируется бинарный код, определяемый знаком разности, между аппроксимирующей функцией формируемой в аппроксиматоре 4 и аналоговым сигналом, поступающим из интегратора 1.

Согласно принципу такого кодирования, известного в теории связи как дельта модуляция, мгновенные значения функции исходного сигнала f(t) в моменты времени t0,t1,t2,...,tn сравниваются со значениями аппроксимирующей функции g(t) и в зависи мости от знака разности формируется нулевой или положительный импульс. На рис.

2.4. показаны временные диаграммы формирования бинарного кода в модели нейро не.

Рис. 2.4 Временные диаграммы обработки сигнала в модели рецепторного нейрона.

При этом процесс формирования последовательности бинарных импульсов может быть записан в следующем виде:

h1(t), f(t)-g(t) hk(t) = h0(t), f(t)-g(t) где h1 (t) - соответствует появлению положительного импульса.

h0 (t) - соответствует появлению нулевого импульса.

Таким образом, на выходе блок-схемы модели рецепторного нейрона формиру ется последовательность импульсов hk(t), которая отражает динамические характери стики входного сигнала и идентична спайковой активности отдельных нейронов.

2.2. Обработка импульсных сигналов в промежуточных нейронах и нейронных сетях Сигналы от совокупности рецепторных нейронов, представляющие собой по следовательности бинарных импульсов, поступают на вход промежуточного нейрона, который представляет собой многовходовое приемо-передающее устройство с един ственным выходом. Рис. 2.5.

Рис. 2.5. Многоканальный промежуточный нейрон Рис. 2.6. Функциональная модель промежуточного нейрона В многомодальном интеграторе 1 производится суммирование бинарных по следовательностей импульсов, поступающих от рецептивных полей совокупностей нейронов различных модальностей. В физиологии сенсорных систем под модально стями понимаются каналы восприятия информации различными органами чувств, так называемые сенсорные каналы: зрение, слух, обоняние, осязание, вкус и др., а также каналы восприятия информации поступающей из внутренней среды организма.

Блок 2, также как и в рецептивном нейроне, представляет собой генератор так товых импульсов, частота следования которых определяется модальностью сенсорно го канала.

В компараторе 3 производится сравнение сигналов, поступающих из многомо дального интегратора 1 и аппроксиматора 4 в моменты времени определяемые перио дом следования импульсов генератора тактовой частоты 2.

На выходе компаратора 3 формируется бинарный код, определяемый знаком разности, между аппроксимирующей функцией формируемой в аппроксиматоре 4 и аналоговым сигналом, поступающим из интегратора 1.

Таким образом, бинарный код на выходе компаратора 3 представляет собой последовательность бинарных импульсов, частота следования которых определяется модальностью сенсорного канала.

На выходе промежуточных нейронов различных модальностей формируются последовательности бинарных импульсов, периоды следования которых определяют ся модальностями сенсорных каналов.

Рис. 2.7. Принципы обработки сигналов в промежуточных нейронах сенсорных каналов различ ной модальности Основная особенность работы промежуточных нейронов сенсорных каналов различной модальности состоит в том, что частота тактовых импульсов в генераторах 2 каналов 1,2,3 различна и определяется номером канала. Таким образом, последова тельности бинарных импульсов на выходах промежуточных нейронов каналов 1,2, будут следовать с различной частотой.

Как было показано, последовательности бинарных импульсов на выходах про межуточных нейронов сенсорных каналов формируются с частотой строго опреде ленной для каждого канала. Эти последовательности поступают на вход центральной нервной системы, в которой формируются нейродинамические коды всех сенсор ных каналов.

Нейродинамические коды отдельных каналов представляют собой комбинации бинарных импульсов с конечным и строго определенным числом элементов. Нейро динамические коды формируются в различных временных интервалах, определяемых модальностью канала. Фундаментальным свойством нейродинамических кодов явля ется то, что их количество равно числу элементов кода, а число элементов кода равно числу каналов. Реализация всей совокупности нейродинамических кодов – «нейроди намическая матрица» заканчивается, когда формируется полнозначная комбинация элементов нейродинамического кода сенсорного канала, имеющего наибольший пе риод.

Фундаментальное свойство такой модели состоит в том, что каждой элемент этой модели функционирует как модель в целом, и количество вложенностей равно числу элементов кода и равно количеству сенсорных каналов. Рис. 2.8.

Рис. 2.8. Модель формирования нейродинамических кодов 2.3. Специфические особенности формирования биоэлектрических сигналов С точки зрения современной биофизики и теоретической биологии организм человека рассматривается как сложная саморегулирующаяся система. Управление та кой системой на всех уровнях от клеточного до организменного обеспечивается за счет постоянного обмена генетической информацией, в связи с чем, развитие челове ка идет по заранее намеченному плану. В каждую клетку живого организма заложена генетическая программа, в которой записано все, не пропущен ни один признак. В процессе развития организм последовательно и закономерно реализует информацию, заключенную в генах.

Запуск и контроль наследственной программы осуществляется в результате информационного обмена как на клеточном, так и на молекулярном уровнях, благо даря электромагнитному излучению клеток. Частотные характеристики электромаг нитного излучения клетки содержат информацию о всех процессах, происходящих в клеточных структурах, и отражают особенности поведения молекулярных структур и процессов на субмолекулярном уровне. При этом излучения с частотами молекуляр ных спектров влияют на процессы самоорганизации молекул на генетических “мат рицах”. Информационный обмен происходит в широкой полосе частот электромаг нитного излучения. Каждый цикл ферментативных преобразований в живой клетке сопровождается электромагнитным излучением с определенным набором, или “гре бенкой” частот, временное представление которой является волновой структурой ге нетического кода. Хотя в клетках различных органов заключена вся наследственная программа, в них работает только тот участок, в котором хранится информация об этом органе. Известно, что специализация или дифференцировка клеток в организме происходит за счет выключения тех участков ДНК, которые не должны работать конкретно в данной клетке, в данной ткани. При этом все признаки организма в про цессе развития отражаются в изменениях параметров волновой структуры генетиче ского кода. Изменение этой волновой структуры воспринимается нейроэндокринной системой и реализуется с помощью гормонов, а информация об этих процессах про является в огромном количестве различных биоритмов организма.

С точки зрения современного биоритмологического подхода процессы, проте кающие в различных органах и системах организма человека, не являются детерми нированными, т.е. строго определенными во времени. Тем не менее, некоторый набор динамических параметров таких процессов повторяется в определенной последова тельности в различных временных интервалах и представляет собой устойчивый на бор динамических параметров – динамическую организационную структуру. Пара метры такой структуры могут изменяться только в пределах, определяемых диапазо нами частотной и фазовой модуляции регистрируемых биоэлектрических сигналов.

Нарушение этого условия запускает механизм развития болезни.

Динамические параметры ритмов сердца самым тесным образом связаны с со стоянием сердечно-сосудистой системы и процессом кровообращения в организме человека и, таким образом, с состояниями всех других органов и систем. Любые из менения в различных органах и системах организма человека неизбежно вызывают изменения в электрической активности сердца, которые через управляющие сигналы центральной нервной системы вызывают изменения в ритмической активности дру гих органов. Таким образом, динамические параметры одного из самых доступных для исследования биоэлектрических сигналов - электрокардиосигнала, или его моди фицированного представления в виде ритмограмм сердечной деятельности содержат всю информацию о состоянии различных органов и систем организма человека.

2.4. Модель формирования управляющих биоэлектрических сигналов Деятельность вегетативной нервной системы находится с одной стороны под влиянием центральной нервной системы, а с другой стороны зависит от гуморальных и рефлекторных воздействий.

Рис. 2.8. Структурно-морфологическая схема функционирования вегетативной нервной системы В продолговатом мозгу расположен модуляторный сердечно-сосудистый центр, объединяющий вазомоторный, кардиостимуляторный и кардиоингибиторный центры. Регуляция этих центров осуществляется подкорковыми узлами и корой го ловного мозга.

В целом, волновая структура синусовой аритмии характеризует ритмическую активность сердца и представляет собой результат деятельности систем управления в ответ на воздействия факторов внешней и внутренней среды на всех уровнях - от кле точного до организменного. Ритмическая активность сердца отражает деятельность механизмов саморегуляции, обусловленную непрерывным процессом адаптации ор ганизма к условиям окружающей среды. Волновые процессы характеризуют актив ность регуляторных систем и степень напряжения управляющих механизмов. Увели чение амплитуды колебаний означает, что информационно-энергетические затраты на управление соответствующими функциональными системами увеличились. Динами ческие параметры ритмов сердца характеризуют иерархическую структуру управле ния различными органами и системами в организме человека. В такой структуре бо лее высокие уровни управления являются ингибиторами активности более низких уровней. При этом, чем больше период колебаний ритма сердца, тем выше уровень управления. Вот почему, реакция в ответ на воздействия различной силы проявляется в увеличении амплитуды того или иного ритма сердца. При оптимальном регулиро вании управление происходит с минимальным участием высших уровней. При неоп тимальном управлении необходима активация все более высоких уровней управле ния. При этом наблюдается преобладание недыхательного компонента синусовой аритмии, появляются медленные волны с увеличивающимися амплитудами и перио дами. При активации более высоких уровней управления ритмическая активность ды хательных волн ослабляется, что свидетельствует о большей централизации управ ления.

Рис. 2.9. Схема формирования управляющих сигналов В живом организме всегда существует динамический вегетативный гомеостаз, характеризующий организм как систему со многими состояниями неустойчивого рав новесия, каждое из которых определяется условиями как внешней и внутренней сре ды, так и состоянием всего организма в целом. Информация о том, как сформировал ся вегетативный гомеостаз и какова цена перехода в то или иное его состояние в процессе адаптации организма к воздействию внутренних и внешних факторов, со держится в волновой структуре сердечных ритмов и является наиболее объективной характеристикой состояния здоровья пациента.

Таким образом, живой организм представляет собой многоуровневую само организующуюся систему с динамической иерархией управления. Каждый элемент такой системы - это самостоятельная система, динамическая организация которой включает в себя все уровни управления. Взаимодействие между этими уровнями осуществляется путем обмена информацией по каналам прямой и обратной связи.

При этом, чем сильнее воздействие на организм, тем более высокий уровень участву ет в управлении. При оптимальном управлении должно быть задействовано мини мальное количество уровней системы управления для обеспечения адаптации орга низма к различным воздействиям. Автономная деятельность низших уровней “осво бождает” высшие от необходимости постоянно участвовать в локальных регулятор ных процессах. Высшие уровни участвуют в этих процессах только в том случае, ко гда низшие не справляются со своими функциями, когда необходима координация деятельности нескольких подсистем. Оптимальное сочетание принципов централиза ции и автономности управления в живом организме обеспечивает максимальные адаптационные возможности целостной системы при ее взаимодействии с окружаю щей средой.

Сущность процессов регуляции заключается в непрерывном обмене информа цией между уровнями управления. Необходимым условием формирования управ ляющих сигналов является наличие достаточного временного интервала для приема и переработки информации, поступающей с низших уровней. Этот интервал зависит от объема поступающей информации, от числа элементов, контролируемых и управляе мых данным регуляторным механизмом. Чем выше уровень регуляции, чем больше различных уровней (элементов) он должен контролировать, тем больший интервал времени необходим для выработки управляющих сигналов.

2.5. Выводы Разработанные во второй главе модели формирования биоэлектрических сигна лов на различных уровнях обмена информацией в организме человека показывают, что для анализа процессов протекающих на всех уровнях управления наиболее эф фективными являются методы позволяющие оценивать диапазоны частотной и фазо вой модуляции биоэлектрических сигналов. При этом появляется принципиальная возможность количественной оценки функционального состояния организма челове ка в норме и патологии, т.к. существует корреляция между индексами модуляции биоэлектрических сигналов и различными состояниями организма.

Применение таких методов позволяет решать задачу анализа биоэлектриче ских сигналов путем синтеза динамической информационной структуры самого объ екта исследования. Базовую основу применения динамических методов анализа для обработки биоэлектрических сигналов составляет метод, позволяющий выделять ди намическую организационную структуру управляющих сигналов, выделяемых из мо дуляционных характеристик регистрируемых биоэлектрических сигналов.

По определению [15] динамическая организационная структура сигналов, ха рактеризующих состояние любого биологического объекта, представляет собой сово купность нейродинамических кодов различных модальностей, а метод выделения нейродинамических кодов представляет собой новый способ обработки биоэлектриче ских сигналов - нейродинамическое кодирование.

Принципиальное отличие нейродинамического кодирования от существую щих способов обработки сигналов состоит в том, что задача анализа сигналов, незави симо от их происхождения, решается посредством отыскания единых закономерно стей во всей совокупности поступающих сигналов, что дает возможность синтези ровать динамическую организационную структуру объекта.

По сравнению с традиционными статистическими методами обработки био электрических сигналов нейродинамическое кодирование позволяет принципиально решать задачу выделения динамических параметров регистрируемых биоэлектриче ских сигналов, характеризующих различные состояния объекта т.к. в этом случае за дача сводится к обнаружению сигналов, параметры которых известны точно.

Применение нейродинамического кодирования для анализа различных био электрических сигналов позволяет:

- во-первых, обнаруживать в регистрируемых биоэлектрических сигналах ней родинамические коды, характеризующие различные функциональные состояния объ екта и являющиеся достаточно устойчивыми и инвариантными к различным преобра зованиям;

- во-вторых, определять оптимальную продолжительность регистрации сигна ла, необходимую для получения полной информации о его параметрах;

Глава 3. Методы и алгоритмы динамической обработки био электрических сигналов 3.1. Постановка задачи Управление процессами адаптации в организме человека осуществляется в ди намическом режиме с периодами обмена информацией, зависящими от силы воздей ствия, - чем выше уровень управления, тем большее время требуется для адаптации.

Вся эта информация заложена в ритмической активности сердца и может быть использована для оценки показателей вегетативного гомеостаза регуляторных меха низмов - одного из важнейших параметров, характеризующих функциональное со стояние организма.

Таким образом, наиболее информативными и доступными для исследования являются биоэлектрические сигналы, выделяемые из электрической активности серд ца и регистрируемые методами стандартной электрокардиографии. [5,10, 41] Ритмограммы, выделяемые в процессе обработки из электрокардиосигнала, представляют собой последовательности временных интервалов между соседними сердечными сокращениями. Сигнал ритмограммы представляет собой нелинейную совокупность разномасштабных во времени процессов, определяемых в специальной медицинской литературе как дыхательные волны, а так же как медленные волны 1–го, 2–го и других более высоких порядков. Наиболее распространенные в настоящее время методы анализа ритмограмм, такие как корреляционные, спектральные и стати стические, основанные на усреднении обрабатываемой информации за время анализа, достаточно эффективны только для обработки аналоговых сигналов или временных процессов. Ритмограммы же в общепринятом смысле представляет собой не времен ные функции, а искусственно синтезированные для наглядного представления графи ки, по осям ординат которых дискретно отображаются текущие значения R–R, P–P, P–R и т.д. интервалов, а по оси абсцисс – текущее время, равное количеству этих ин тервалов.

Для технической реализации метода из электрокардиосигнала выделяются пять ритмов:

- R-R интерваллограмма (последовательность R-R интервалов);

- P-R интерваллограмма (последовательность P-R интервалов);

- R-T интерваллограмма (последовательность R-T интервалов);

- отношение амплитуд R и T зубцов (последовательность значений отношения ампли туд R и T зубцов);

- скважность ЭКС (последовательность значений отношения периода следования кар диокомплекса к его длительности);

Из каждого ритма выделяются волны 1-ого порядка, представляющие собой огибающие этих ритмов. Таким образом осуществляется корректный переход от рит мограмм к временным функциям:

R-R(t) = f1(t), P-R(t) = f2(t), R-T(t) = f3(t), R/T(t) = f4(t), RR(t)/PQRST(t)= f5(t) Рис. 3.1 Нейродинамический метод обработки ритмограмм Нейродинамический метод обработки ритмограмм представляет собой способ преоб разования сигналов f1(t), f2(t), f3(t), f4(t) и f5(t) в кодовую комбинацию по двоичному основанию, состоящую из последовательности импульсов, все параметры которых одинаковы.

Для практической реализации задач построения медицинских систем скрининг диагностики должны быть разработаны следующие основные алгоритмы:

алгоритм измерения RR интервалов в реальном масштабе времени;

алгоритмы нейродинамического анализа ритмограмм сердечной деятельности;

алгоритмы картирования биоритмов головного мозга путем сплайн интерполяции;

алгоритмы фрактального анализа биоритмов организма.

ЗАКЛЮЧЕНИЕ Результаты исследований, составляющих основу «KNOU-HOU», представ ляют собой новые методы математического моделирования и анализа биоэлектри ческих сигналов и, разработанные на их основе алгоритмы динамического анализа биологических ритмов организма человека с последующей оценкой исследованы возможностей и эффективности их применения при создании биомедицинских систем различного целевого назначения.

Системы скрининг-диагностики функциональных и патологических измене ний в организме человека, созданные на базе разработанных методов, позволяют эффективно решать различные задачи практической и клинической медицины, в том числе, такие как:

диагностика онкологических заболеваний на ранней стадии;

выявление психических расстройств, в том числе связанных с наркома нией и алкоголизмом;

диагностика заболеваний, связанных с нарушением регуляторных функ ций организма человека, в том числе СПИД;

экспресс-анализ и прогноз воздействия фармакопрепаратов и других ви дов терапии на организм человека.

Результаты исследований, изложенных в «KNOW-HOW», показали, что все параметры здорового организма изменяются по единому закону, но в различ ных масштабах времени. Если человек болен, то параметры закономерности изме няются. В этом случае информация о болезни содержится в изменении частотных и временных параметров модуляционных характеристик регистрируемых биоэлек трических сигналов. Это и положено в основу диагностики состояния организма.

Причем, какой параметр выбирается для диагностики - не принципиально, важно лишь правильно определить масштаб времени реализации переходного процесса в регистрируемом сигнале.

Представляется целесообразным выделить следующие научные и практи ческие результаты, изложенные в «KNOW-HOW»:

1. Разработаны динамические модели формирования биоэлектрических сигналов на различных уровнях обмена информацией в нервной системе.

2. Показано, что объективная информация о функциональных и патологических из менениях в организме человека может быть выделена в результате анализа модуляци онных характеристик регистрируемых биоэлектрических сигналов.

3. Разработан алгоритм измерения RR интервалов в реальном масштабе времени.

4. Разработан метод и алгоритмы нейродинамического анализа ритмограмм сердеч ной деятельности.

5. Разработан метод и алгоритмы картирования биоритмов головного мозга путем сплайн- интерполяции.

6. Разработан метод и алгоритмы фрактального анализа биоритмов организма.

По результатам исследований разработана базовая модель цифрового анализа тора биоритмов «Динамика-100», которая в сочетании с традиционной и нетрадици онной терапией позволяет создавать уникальные лечебно-диагностические мини кабинеты с завершенным циклом «диагностика – лечение – прогноз» в амбулаторных, полевых и домашних условиях.

Система прошла клиническую апробацию и успешно применяется в меди цинских центрах Москвы, Санкт-Петербурга и других регионах России.

Список литературы:

1. Анохин П.К. Узловые вопросы теории функциональных систем.//М., Наука, 1980.

2. В.И.Арнольд. “Теория катастроф”.М:Наука,1990.

3. Аршавский И.А. Физиологические механизмы и закономерности индивидуального развития.//М., Наука,1982, 270 с.

4. Баблоянц А. Молекулы, динамика, жизнь. Введение в самоорганизацию мате рии.//М., Мир,1990, 293 с.

5. Баевский Р.М. Прогнозирование состояний на грани нормы и патологии.//М., Ме дицина, 1979., 256 с.

6. Н.П. Бехтерева “Здоровый и больной мозг человека”.Ленинград:Наука, 7. Бокс Дж., Джекинс Г.”Анализ временных рядов. Прогноз и управление”.Пер.с англ.,-М.:Мир, 8. Войник В.И. “Алгоритмы и программы восстановления зависимостей”:

М.:Наука, 9. Венедиктов М.Д., Женевский Ю.П., Марков В.В., Эйдус Г.С. “Дельта-модуляция.

Теория и применение.” М.:Связь, 10. Вычислительные системы и автоматическая диагностика заболеваний сердца. / ред. Касереса Ц. И Дрейфуса Л. / Пер. с англ. - М: “Мир”, 1974.- 504 с.

11. Гаркави Л.Х., Квакина Е.Б., Уколова М.А. Адаптационные реакции и резистент ность организма.//Ростов на Дону, ИРУ,1990, 223 с.

12. Л.Гласс, М.Мэки. “От часов к хаосу. Ритмы жизни”.М:Мир, 13. Данилов Н.Н. “Функциональные состояния: механизмы диагностика” 14. Данилова Н.Н. Психофизиологическая диагностика функциональных состояний М.: “Издательство московского университета”, 1992.- 192 с.

15. Дубровский Д.И. Проблема нейродинамического кода психических явле ний.//Вопр. Философии, 1975, №6, с.35-38.

16. “Компьютеры и нелинейные явления. Информатика и современное естествозна ние. //под ред. А.А.Самарского// М:Наука, 1988// АН СССР, Серия “Кибернетика неограниченные возможности и возможности ограничения”.

17. Кондрашова М.Н. Регуляция дыхания митохондрий при условии воздействия на клетку. Биофизика, 1970, т.15, с.37-38.

18. Лапко А.В., Новиков О.М., Поликарпов Л.С. “Статистические методы моделиро вания и принятия решений в развивающихся медико-биологических систе мах”:Наука, 19. Левенштейн В.И. “Элементы теории кодирования”.-В кн.:дискретная математика и математические вопросы кибернетики. - М.:Наука, 1974, с.207- 20. Линдсей П., Норман Д. “Переработка информации у человека”:Пер.с англ., М:Мир, 21. “Микрокомпьютеры в физиологии”: Пер.с англ.,-М.:Мир, 22. Минцер О.П.,Молотков В.Н. и др. “Биологическая и медицинская кибернетика”.

Справочник.-Киев:Наукова думка, 23. Математическая обработка медико-биологической информации. / ред. Пинскера И.Ш.- М: “Наука”, 1996.- 232 с.

24. Г.Николис, И.Пригожин. “Познание сложного”. М:Мир, 25. “Компьютерная биометрика” / Под ред. В.Н.Носова-М.:МГУ, 26. Охнянская Л.Г., Мишин В.П. О роли колебательных и волновых процессов в жиз недеятельности организма. В кн.: Физиологическая кибернетика. М,1981,с.32-33.

27. Парин В.В., Баевский Р.М. Введение в медицинскую кибернетику. - М: “Медици на”, 1966.- 298 с.

28. Поленов А.Л. Общий принцип гипоталамической нейроэндокринной регуляции защитно-приспособительных реакций организма. В кн.: Эндокринная система ор ганизма и токсические факторы внешней среды. Л.,1980,с.272-285.

29. Дж.Пирс “Символы, сигналы, шумы. Закономерности и процессы передачи ин формации”.М:Мир, 30. Рейтман У.Р. “Познание и мышление. Моделирование на уровне информационных процессов”:Пер.с англ.,- М.:Мир, 31. Розенблатт Ф. “Принципы нейродинамики. Перцептроны и теория механизмов мозга”:Пер.с англ.,- М.:Мир, 32. Саркисов Д.С. Об антагонистической регуляции функций, как важнейшем меха низме поддержания гомеостаза. Клин. мед.,1990,Т.68,№8,с.7-12.

33. Слзин В.Б., Калер Х., Подпорин А.Г. Попытка осмысления психологических структур личности с физиологических позиций. Обзор психиат. и мед. пси хол.,1998, №2, с.32-35.

34. Соколов Е.Н., Войткявичус.”Нейроинтеллект от нейрона к нейрокомпьютеру”: М.:Наука, 35. Тоффоли Т., Морголус Н. “Машины клеточных автоматов”: Пер.с англ., М:Мир, 36. Дж.М.Т.Томпсон.”Неустойчивости и катастрофы в науке и технке.”М.Мир, 37. Ухтомский А.А. Параметры физиологической лабильности и нелинейная теория колебаний. Собр. соч.-Т.2,Л.:АН СССР,1951,с.160-167.

38. Г.Хакен. “Информация и самоорганизация. Макроскопический подход к сложным системам”. М:Мир, 39. А.А. Харкевич ”Теоретические основы радиосвязи”. М.: 40. Функциональные системы организма. Под ред. К.В.Судакова, М.,Медицина,1987,367с.

41. Шакин В.В. Вычислительная электрокардиография. - М.: “Наука”, 1981.- 168 с.

42. Шепперд Г. “Нейробиология”: Пер.с англ., в 2-х т.,-М.:Мир, 43. Rosenzweig M. R., Leiman A.L., 1982 Physiological Psychology. D.C. Heath, Lexing ton, Mass.

44. Crelin E. S., 1974 Development of the Nervous System.Clinical Symposia, 26, number 45. F.E. Bloom, A. Lazerson, L. Hofstadter, 1988 Brain, Mind, and Behavior Публикации по материалам «KNOW-HOW»:

1. «Принципы дискретной нейродинамики и их применение для анализа биофизиче ских сигналов». Глава в монографии «Телемедицина. Новые информационные технологии на пороге XXI века». Санкт-Петербург 1998.

2. «Использование новой информационной технологии анализа электрокардиосигнала в оценке адаптационных возможностей организма». Доклад на конференции «Био управление в медицине и спорте» 26-27 апреля 1999г., г. Омск. (стр. 116-118).

3. «Методология ранней диагностики и профилактики заболеваний человека». Доклад на конференции «Экология и развитие Северо-запада России». 23-27 июня 1999 г., Санкт-Петербург-Ладога-Онега-Петрозаводск. (стр.121-131) 4. «Скрининг-диагностика онкологического риска у больных терапевтического и хи рургического профилей» Доклад на конференции «Санкт-Петербург-Гастро-99»

20-21 октября 1999 г. (стр. 40).

5. «Способ контроля функционального состояния биологического объекта». Заявле ние о выдаче патента Российской Федерации на изобретение. Приоритет от 12 ок тября 1999 г. № 99121999.

6. «Способ диагностики патологии молочной железы и устройство для его осуществ ления» Заявление о выдаче патента Российской Федерации на изобретение. При оритет от 24 марта 2000 г. № 2000106589.

7. «Устройство для определения временных параметров кардиосигнала» Заявление о выдаче патента Российской Федерации на изобретение. Приоритет от 24 марта 2000 г. № 8. «Нейродинамические принципы формирования биофизических сигналов». Доклад на конференции «Интеллектуальные системы и информационные технологии управления» г. Псков 19-23 июня 2000 г.

9. «Особенности обмена генетической информацией в биологических объектах».

Доклад на конференции «Интеллектуальные системы и информационные техноло гии управления» г. Псков 19-23 июня 2000 г.

10. «Цифровой анализатор биоритмов «Динамика-100» - практическая реализация ме тодов нейродинамической обработки». Доклад на конференции «Интеллектуаль ные системы и информационные технологии управления» г. Псков 19-23 июня 2000 г.

Доклады:

1. “Технические особенности компьютерной диагностической системы “Динамика 100”. Доклад на совещании специалистов Центра передовых медицинских техно логий. Санкт-Петербург, ноябрь 2. “Компьютерная диагностическая система “Динамика 100”. Доклад на заседании Комитета по охране здоровья Государственной Думы Российской Федерации, декабрь 1996. Стенограмма.



 

Похожие работы:





 
2013 www.netess.ru - «Бесплатная библиотека авторефератов кандидатских и докторских диссертаций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.