Электрограмма головного мозга: Что показывает ЭЭГ (электроэнцефалограмма) головного мозга?

alexxlab Разное

Содержание

Электроэнцефалограмма — это… Что такое Электроэнцефалограмма?

В этой статье не хватает ссылок на источники информации. Информация должна быть проверяема, иначе она может быть поставлена под сомнение и удалена.
Вы можете отредактировать эту статью, добавив ссылки на авторитетные источники.
Эта отметка установлена 15 мая 2011.
Получение ЭЭГ

Электроэнцефалограмма (ЭЭГ) (электро- + др.-греч. ἐγκέφαλος — головной мозг + …грамма) — график электрической активности головного мозга, получаемый в процессе электроэнцефалографии. Это исследование является ключевым в диагностике как самого заболевания эпилепсия, так и различных его проявлений (абсансов, локализации судорожного очага).

Характеристики ЭЭГ

Для выделения на ЭЭГ значимых признаков её подвергают анализу. Основными понятиями, на которые опирается характеристика ЭЭГ, являются:

  • средняя частота колебаний
  • их максимальная амплитуда
  • их фаза
  • также оцениваются различия кривых ЭЭГ на разных каналах и их временная динамика.

Суммарная фоновая электрограмма коры и подкорковых образований мозга пациента, варьируя в зависимости от уровня филогенетического развития и отражая цитоархитектонические и функциональные особенности структур мозга, также состоит из различных по частоте медленных колебаний.

Ритмы ЭЭГ

Одной из основных характеристик ЭЭГ является частота. Однако из-за ограниченных возможностей восприятия при визуальном анализе ЭЭГ, применяемом в клинической электроэнцефалографии, целый ряд частот не может быть достаточно точно охарактеризован оператором, так как глаз человека выделяет только некоторые основные частотные полосы, явно присутствующие в ЭЭГ. В соответствии с возможностями ручного анализа была введена классификация частот ЭЭГ по некоторым основным диапазонам, которым присвоены названия букв греческого алфавита (альфа — 8—13 Гц, бета — 14—40 Гц, тета — 4—8 Гц, дельта — 0,5—3 Гц, гамма — выше 40 Гц и др.

[источник не указан 383 дня]).

В зависимости от частотного диапазона, но также и от амплитуды, формы волны, топографии и типа реакции различают ритмы ЭЭГ, которые также обозначают греческими буквами. Например, альфа-ритм, бета-ритм, гамма-ритм, дельта-ритм, тета-ритм, каппа-ритм, мю-ритм, сигма-ритм и др. Считается, что каждый такой «ритм» соответствует некоторому определённому состоянию мозга и связан с определёнными церебральными механизмами

[источник не указан 300 дней].

См. также

Ссылки

Нейровизуализация фармако-ЭЭГ эффектов лейтрагина посредством нормированных электрограмм мозга кошек | Фокин

1. Андреев Б.В. Нейрофармакологический и биохимический анализ роли системы ГАМК в регуляции болевой чувствительности. В кн.: Фармакологические аспекты обезболивания. Л., 1983. С. 43–44.

2. Ашмарин И.П. Гипотеза о существовании новой высшей категории в иерархии регуляторных пептидов. Нейрохимия. 1987;1:23–27.

3. Бадиков В.И. и др. Система эндогенных опиоидных пептидов. Физиологический журнал. 1985;7:840–843.

4. Брагин Е.О., Яснецов В.В. Опиоидные и моноаминовые механизмы регуляции функций организма в экстремальных условиях. Итоги науки и техники. М., 1991. Т. 41. С. 181.

5. Буреш Я., Бурешова О., Хьюстон Дж.П. Методики и основные эксперименты по изучению мозга и поведения. М.: Высшая школа, 1991. С. 399.

6. Виноградов В.А., Полонский В.М. Защитные действия опиоидных пептидов различного происхождения. Бюллетень экспериментальной биологии и медицины. 1985;5:548–551.

7. Виноградов В.А., Смагин В.Г., Титов В.И. Проблемы нейрогуморальной регуляции деятельности висцеральных систем. Л., 1987. 187 с.

8. Гольдберг Е.Д., Дыгай A.M., Захарова О.Ю. Роль опиоидных пептидов в регуляции гемопоэза. Томск, 1990. 135 с.

9. Емельянов С.И., Джикия A.A. Влияние аналога эндогенных опиоидов даларгина на структуру и функцию экзокринной ткани при экспериментальном остром панкреатите. Фармакология и токсикология. 1985:101–104.

10. Ильинский О.Б., Козлова В.А. Влияние аналога лей-энкефалина на симпатическую реинервацию сердечной и скелетной мышц у крыс. Физиологический журнал. 1989;1:33–36.

11. Инюшкин А.Н. Роль нейропептидов в бульбарных механизмах регуляции дыхания: автореф. дис. … д.б.н. М., МГУ, 1998. 44 с.

12. Каленикова Е.И., Дмитриева О.Ф., Коробов Н.В., Жуковский С.В., Тищенко В.А., Виноградов В.А. Фармакокинетика даларгина. Вопросы биологической, медицинской и фармацевтической химии. 1988;34(1):75-83.

13. Калинин В.Ю. Влияние даларгина на функциональное состояние печени в условиях острой гипоксии: дис. … к.б.н. Ульяновск, 2000. 135 с.

14. Канаян А.С., Пермаков Н.К., Титова Г.П. и др. Влияние синтетических аналогов лей-энкефалина на жизнеспособные отделы поджелудочной железы при эксперименатальном панкреатите. Бюллетень экспериментальной биологии и медицины. 1988;4:447–450.

15. Каркищенко Н.Н. Психоунитропизм лекарственных средств. М.: Медицина, 1993. 208 с.

16. Каркищенко Н.Н. Фармакология системной деятельности мозга. Ростов: Ростиздат, 1975. 152 с.

17. Каркищенко Н.Н., Каркищенко В.Н., Фокин Ю.В. О механизмах фармакологической модуляции обсессивно-компульсивных и когнитивных расстройств кошек, распознаваемых методом нормирования БПФ-преобразуемых функций электрограмм фронтальной коры головного мозга и гиппокампа. Биомедицина. 2020;16(1):12–27. DOI: 10.33647/2074-5982-16-1-12-27.

18. Каркищенко Н.Н., Каркищенко В.Н., Фокин Ю.В., Табоякова Л.А., Алимкина О.В., Борисова М.М. Между когнитивностью и нейропатиями: нейровизуализация эффектов ГАМК-ергической модуляции гиппокампа и префронатального неокортекса по нормированным электрограммам мозга. Биомедицина. 2020;16(2):12–38. DOI: 10.33647/2074-5982-16-2-12-38.

19. Каркищенко Н.Н., Каркищенко В.Н., Фокин Ю.В., Харитонов С.Ю. Нейровизуализация эффектов психоактивных средств посредством нормализации электрограмм головного мозга. Биомедицина. 2019;15(1):12–34. DOI: 10.33647/2074-5982-15-1-12-34.

20. Каркищенко Н.Н., Фокин Ю.В., Каркищенко В.Н., Табоякова Л.А., Мокроусов М.И., Алимкина О.В. Конвергентная валидация интрацентральных отношений головного мозга животных. Биомедицина. 2017;3:16–39.

21. Каркищенко Н.Н., Фокин Ю.В., Каркищенко В.Н., Табоякова Л.А., Харитонов С.Ю., Алимкина О.В. Новые подходы к оценке интрацентральных отношений по показателям оперантного поведения и электрограмм мозга кошек. Биомедицина. 2018;4:4-17.

22. Костелянц Н.Б., Ильинский О.Б., Шевелев И.А. Восстановление зрительных функций при пигментной дегенерации сетчатки под влиянием регуляторных пептидов. Физиологический журнал. 1988;1:43–47.

23. Кругликов Р.И., Чиппенс Г.И., Гецова Е.А. О некоторых механизмах действия энкефалина на процессы обучения и памяти. Биологические науки. 1984;12:45–51.

24. Лишманов Ю.Б., Бранцев Н.В., Маслов Л.Н. Об участии лей-энкефалина в регуляции адаптации коры надпочечников. Бюллетень экспериментальной биологии и медицины. 1991;12:106–109.

25. Лишманов Ю.Б., Травков Ю.А., Реброва Т.Ю., Федотова Т.В. Влияние опиоидных нейропептидов на систему простагландинов и процессы ПОЛ в миокарде при его стрессорном повреждении. Бюллетень экспериментальной биологии и медицины. 1991;6:619–622.

26. Пшенникова М.Г. Роль опиоидных пептидов в реакции организма на стресс. Патологическая физиология и экспериментальная терапия. 1987;3:85–88.

27. Руководство по лабораторным животным и альтернативным моделям в биомедицинских исследованиях / Под ред. Н.Н. Каркищенко и др. М.: Профиль-2С, 2010. 358 с.

28. Слепушкин В.Д., Золоев Т.К., Виноградов В.А., Титов М.И. Нейропептиды, их роль в физиологии и патологии. Томск, 1988. 143 с.

29. Узбеков М.Г. Активность триптофан-5-гидролазы в синаптосомах мозга кролика после однократного введения опиоидного пептида Tur D — Ala — Gly Phe — Nh3. Бюллетень экспериментальной биологии и медицины. 1986;2:159–160.

30. Bragin A., Jandó G., Nádasdy Z., Hetke J., Wise K., Buzsáki G. Gamma (40–100 Hz) oscillation in the hippocampus of the behaving rat. J. Neurosci. 1995;15(1, Pt 1):47–60.

31. Costa L.E. Hepatic cytochrom p-450 in rats submitted to chronic hypobaric hypoxia. Am. J. Physiol. 1987;259(4):654–659.

32. Kann O. The interneuron energy hypothesis: Implications for brain disease. Neurobiol. Dis. 2016;90:75–85. DOI: 10.1016/j.nbd.2015.08.005.

33. Kann O., Huchzermeyer C., Kovács R., Wirtz S., Schuelke M. Gamma oscillations in the hippocampus require high complex I gene expression and strong functional performance of mitochondria. Brain. 2011;134(Pt 2):345–358. DOI: 10.1093/brain/awq333.

34. Mayfield K.P., D’Alecy L.G. Role of endogenous opioid receptor ligand in the acute adaptation to hypoxia. Brain. Res. 1992;582:226–231.

35. Medowel J., Kitcheh J. Development of opioid system, peptides, receptors and pharmacology. Brain Res. Reviewer. 1987;12:397.

36. Me Givem R.F., Mousa S., Couri D., Bemtston G.G. Prolonged in the mittent footshock stress descreases met and leu enkephalin in brain with concominant decreases in pain the eshold. Life Sci. 1983;33(1):47–54.

37. Mueller E., Cenazzani A. Central and Peripheral Endorphins. Basic and Clinical Aspects. Raven New York Press, 1984. 178 p.

38. Nilsson L.-G., Markowitsch H.J. Cognitive Neuroscience of Memory. Seattle: Hogrefe & Huber Publ., 1999. 57 p.

39. Patel A. Inhibitors of enkephalin-degrading enzymes as potential therapeutic agents. Prag. Med. Chem. 1993;30:327.

40. Polunina A.G., Davydov D.M. EEG correlates of Wechsler Adult Intelligence Scale. Int. J. Neurosc. 2006;116(10):1231–1248.

41. Sawynok J., Pinsky C., Labella F. Minireview of the specificity of naloxone as the opiate antagonist. Life Sci. 1979;25:1621–1632.

42. Tort A.B., Kramer M.A., Thorn C., Gibson D.J., Kubota Y., Graybiel A.M., et al. Dynamic crossfrequency couplings of local field potential oscillations in rat striatum and hippocampus during performance of a T-maze task. Proc. Natl Acad. Sci. USA. 2008;105(51):2051720522. DOI: 10.1073/pnas.0810524105.

43. Watson S.J., Akil H., Richard C.W., Barchas J.P. Evigena for tho seperat opiate peptide neuronal systems. Nature. 1978;275:226–228.

44. Yamada K., Nabeshima T. Stress-induced behavioral responses and maltiple opioid system in the brain. Behav. Brain Res. 1995;67:133.

РЕАКЦИИ ЭЛЕКТРИЧЕСКОЙ АКТИВНОСТИ МОЗГА ЖИВОТНЫХ НА ИМПЛАНТАТЫ РАЗЛИЧНОГО ТИПА, ИСПОЛЬЗУЕМЫЕ ДЛЯ ЗАМЕЩЕНИЯ ДЕФЕКТОВ ТВЕРДОЙ МОЗГОВОЙ ОБОЛОЧКИ | Харченко

Bonda DJ, Manjila S, Mehndiratta P, Khan F, Miller BR, Onwuzulike K, et al. Human prion diseases: surgical lessons learned from iatrogenic prion transmission. Neurosurg Focus. 2016; 41(1): E10. DOI 10.3171/2016.5.FOCUS15126

Yoshioka N. Cranial reconstruction following the removal of an infected synthetic dura mater substitute. Plast Reconstructr Surg Glob Open. 2014; 2(4): e134. DOI 10.1097%2FGOX.0000000000000087

Knight S. Pseudomeningocele. In: Encyclopedia of clinical neuropsychology / Kreutzer JS, et al. (eds). Cham: Springer, 2018. P. 2869–2874. DOI:10.1007/978-3-319-57111-9_9036

Stupak VV, Koporushko NA, Mishinov SV, Guzev AK, Astrakov SV, et al. Epidemiological data of acquired skull defects in patients after traumatic brain injury through the example of a big industrial city (Novosibirsk). Polytrauma. 2019; (1): 6–10. Russian (Ступак В. В., Копорушко Н. А., Мишинов С. В., Гузев А. К., Астраков С. В., Вардосанидзе В. К. и др. Эпидемиологические данные приобретенных дефектов черепа у больных, перенесших черепно-мозговую травму на примере крупного промышленного города (Новосибирска) // Политравма. 2019. № 1. С. 6–10)

Sun H, Wang H, Diao Y, Tu Y, Li X, Zhao W, et al. Large retrospective study of artificial dura substitute in patients with traumatic brain injury undergo decompressive craniectomy. Brain Behav. 2018; 8(5): e00907. DOI 10.1002/brb3.907

Bi X, Liu B, Mao Z, Wang C, Dunne N, Fan Y, Li X. Applications of materials for dural reconstruction in pre-clinical and clinical studies: advantages and drawbacks, efficacy, and selections. Mater Sci Eng C Mater Biol Appl. 2020; 117:111326. doi: 10.1016/j.msec.2020.111326

Callovini GM, Bolognini A, Callovini T, Giordano M, Gazzeri R. Treatment of 452 CSF leakage and infections of dural substitute in decompressive craniectomy using fascia lata implants and related anatomopathological findings. Brit J Neurosurg. 2021; 35(1): 18–21. DOI 10.1080/02688697.2020.1735301

Avakyan GN, Blinov DV, Lebedeva AV, Burd SG, Avakyan GG. ILAE classification of the epilepsies: the 2017 revision and update. Epilepsy and Paroxysmal Conditions. 2017; 9(1): 6–25. Russian (Авакян Г. Н., Блинов Д. В., Ледебева А. В., Бурд С. Г., Авакян Г. Г. Классификация эпилепсии Международной противоэпилептической лиги: пересмотр и обновление 2017 года // Эпилепсия и пароксизмальные состояния. 2017. Т. 9, № 1. С. 6–25. DOI 10.17749/2077-8333.2017.9.1.006-025)

Khan SF, Ashalatha R, Thomas SV, Sarma PS. Emergent EEG is helpful in neurology critical care practice. Clin Neurophysiol. 2005; 116(10): 2454–2459. DOI 10.1016/j.clinph.2005.06.024

Brauer Ch, Kästner BR, Rohn K, Schenk HC, Tünsmeyer J, Tipold A. Electroencephalographic recordings in dogs suffering from idiopathic and symptomatic epilepsy: diagnostic value of interictal short time EEG protocols supplemented by two activation technique. Vet J. 2012; 193(1): 185–192. DOI 10.1016/j.tvjl.2011.10.006

Bush B. Electroencephalography and clinical findings in 41 cases. In: Proc Amer Coll Vet Int Med (ACVIM) 31st Annu Vet Med Forum. Red Hook, 2013/ P. 338

Fokin YV, Karkischenko NN, Borisova MM. Neurovisualization of pharmaco-EEG effects of leutragine by normalized cat brain electrograms. Biomedicine. 2020; 16(4): 71–82. Russian (Фокин Ю. В., Каркищенко Н. Н., Борисова М. М. Нейровизуализация фармако-ЭЭГ эффектов Лейтрагина посредством нормированных электрограмм мозга кошек // Биомедицина. 2020. Т. 16, № 4. С. 71–82)

Kuznetsova NN, Losev NA. The influence of cholinergic drugs on EEG of the brain of the castrated rabbit males. Rev Clin Pharm Drug Ther. 2018; 16(3): 19–24. Russian (Кузнецова Н. Н., Лосев Н. А. Влияние холинергических препаратов на электроэнцефалографию головного мозга кастрированных кроликов-самцов // Обзоры по клинической фармакологии и лекарственной терапии. 2018. Т. 16, № 3. С. 19–24. DOI: 10.17816/RCF16319-24)

Katmanova EV, Yakimova NL, Sosedova LM. Important criteria of alterations in EEG in experimental mercury injury of the nervous system. Bull ESRC SB RAMS. 2020; (4): 32–35. Russian (Катаманова Е. В., Якимова Н. Л., Соседова Л. М. Значимые критерии изменений ЭЭГ при экспериментальном ртутном повреждении нервной системы // Бюллетень ВСНЦ СО РАМН. 2010. № 4. С. 32–37)

Barbolt TA, Odin M, Léger M, Kangas L, Holste J, Liu SH. Biocompatibility evaluation of dura mater substitutes in an animal model. Neurol Res. 2001; 23(8): 813–820. DOI:10.1179/016164101101199405

Lipovka A, Kharchenko A, Dubovoy A, Filipenko M, Stupak V, Mayorov A, et al. The effect of adding modified chitosan on the strength properties of bacterial cellulose for clinical applications. Polymers. 2021; 13(12): 1995. DOI: 10.3390/polym13121995

Neulen A, Gutenberg A, Takács I, Weber G, Wegmann J, Schulz-Schzeffer W, et al. Evaluation of efficacy and biocompatibility of a novel semisynthetic collagen matrix as a dural onlay graft in a large animal model. Acta Neurochir. 2011; 153(11): 2241–2250. DOI: 10.1007/s00701-011-1059-5

Zerris VA, James KS, Roberts JB, Bell E, Heilman CB. Repair of the dura mater with processed collagen devices. J Biomed Mater Res B Appl Biomater. 2007; 83(2): 580–588. DOI: 10.1002/jbm.b.30831

Zhang Zh, Li F, Li M, Hu D. Anesthesia enhances spontaneous low-frequency oscillations in the brain. Neuro Rept. 2020; 31(5): 394-398. DOI 10.1097/WNR.0000000000001418

Karkischenko NN. Neuroimaging of psychotropic effects based on EEG-pharm. In: Alternatives to biomedicine. Moscow: VPK, 2007. Vol. 2. P. 344–395. Russian (Каркишенко Н. Н. Нейровизуализация психотропных эффектов на основе фарм ЭЭГ // Альтернативы биомедицины. Москва: ВПК, 2007. Т. 2. С. 344–395)

Perks A, Cheema S, Mohanraj R. Anaesthesia and epilepsy. Brit J Anaesth. 2012; 108(4): 562–571. DOI: 10.1093/bja/aes027

Neuroisualization of Pharmaco-EEG Effects of Leutragine by Normalized Cat Brain Electrograms | Journal Biomed; 16(4):71-82, 2020.

ABSTRACT

The central mechanisms of leutragine during inhalational administration were investigated by analyzing normalized brain cat electrograms obtained by the method of Fast Fourier Transform (FFT). According to the conducted pharmaco-electroencephalography (pharmaco-EEG) analysis, Leutragine demonstrates a maximum effect on the parameters of brain electrograms approximately 30 minutes after administration followed by its persistence for about 2 hours. The observed effect is characterized predominantly by a deprimation of all analyzed rhythms compared to the initial values. Normalized brain electrograms (NBE) are less pronounced in the area of the hippocampus, although being more pronounced in the area of the cingulate gyrus and posterior hypothalamus. This may indicate the leucinencephaline regulation of intracentral relations of the brain. The most significant effects obtained in high-frequency beta- and gamma-rhythms (about 20-25, 40 and 60 Hz) indicate an increase in the gamma-activity of interneurons and inhibition of pyramidal cells, which may indicate an anti-anxiety, antidepressant, antiepileptic, analgesic and similar actions of the substance under study. The NBE parameters were found to identical under the action of Leutragine and the derivatives of gamma-aminobutyric acid (glutamine, gabapentin, pregabalin, and phenibut), mainly at frequencies of about 40 and 60 Hz. Similar NBE parameters were obtained under the action of nootropics (semax), which is expressed in the activation of the hippocampus and the hypothalamus posterior at frequencies of about 60-65 Hz. This suggests that the action of Leutragine reflects the mechanisms of GABAergic modulation of the hippocampus and prefrontal neocortex, at the same time as having a positive effect on mental performance, memory consolidation and cognitive function. Leutragine can be used to model and study mechanisms exhibiting a positive effect in the treatment of diseases caused, among other things, by the new coronavirus infection COVID-19. Изучены центральные механизмы лейтрагина при ингаляционном введении посредством нормирования с помощью быстрого преобразования Фурье функций электрограмм головного мозга кошек. Фармако-электроэнцефалографический (фармако-ЭЭГ) анализ показал, что пиковое действие лейтрагина на параметры электрограмм головного мозга отмечается приблизительно через 30 мин после введения, сохраняется на протяжении около 2 ч и характеризуется преимущественной депримацией всех анализируемых ритмов по сравнению с исходными значениями. В области гиппокампа нормированные электрограммы мозга (НЭМ) носят менее выраженный характер активации, в области поясной извилины и заднего гипоталамуса — более выраженный, что может характеризовать лейцинэнкефалиновую регуляцию интрацентральных отношений головного мозга. Наиболее значимые эффекты, полученные в высокочастотных beta- и gamma-ритмах (около 20-25, 40 и 60 Гц), свидетельствуют о повышении gamma-активности вставочных нейронов и торможении пирамидных клеток, что может указывать на противотревожное, антидепрессивное, противоэпилептическое, обезболивающее и проч. сходные действия исследуемого вещества. Обнаружены совпадения параметров нормированных электрограмм мозга при действии лейтрагина и производных гамма-аминомасляной кислоты (глутамина, габапентина, прегабалина и фенибута), преимущественно на частотах около 40 и 60 Гц, а также при действии ноотропов (семакс), выражающиеся в активации гиппокампа и заднего гипоталамуса на частотах около 60-65 Гц. Это даёт основания предполагать, что действие лейтрагина отражает механизмы ГАМК-ергической модуляции гиппокампа и префронтального неокортекса, а также оказывает позитивное влияние на умственную работоспособность, консолидацию памяти и когнитивные функции. Применение лейтрагина позволяет моделировать и изучать механизмы, оказывающие позитивное влияние при лечении заболеваний, вызванных в т. ч. новой коронавирусной инфекцией COVID-19.

ЭЭГ расшифровывается как электроэнцефалограмма. Много информации о работе человеческого мозга можно почерпнуть из электроэнцефалограммы.

Существует множество электрофизиологических методик, применяющихся для психологических исследований. Остано­вимся здесь только на тех, которые либо мало известны, либо хорошо известны, но их можно использовать в особых усло­виях исследования, например при регистрации в коре и глубо­ких структурах головного мозга электрических процессов и др.

1. Отражение психических процессов в динамике электро­энцефалографии. Изучение корреляций между разнообразными проявлениями психической деятельности, с одной стороны, и процессами жизнедеятельности мозга — с другой, имеет боль­шое значение для решения теоретических и практических про­блем нейрофизиологии человека в клинике. В настоящее время весьма интенсивно ведется изучение электрофизиологических коррелятов психических процессов и состояний, а также оп­ределенных характеристик структуры личности. Трудности ре­шения этой проблемы определяются многими причинами, в том числе и методическими. Так, например, Н. П. Бехтерева (1971), рассматривая возможности использования электроэнцефало­граммы (ЭЭГ) для изучения физиологических характеристик поведенческих реакций человека, пришла к выводу, что элект­рофизиологические изменения при вызванной психической ак­тивности отражают не только и не столько соотношение от­дельных структур, сколько общецеребральные изменения, связанные с перестройками режима работы мозга. Довольно полно изучены частотно-амплитудные изменения электриче­ской активности мозга человека, возникающие в связи с акти­вацией внимания, предметным восприятием, мнестическими и мыслительными процессами [Генкин А. А., 1961; Бехте­рева II, П., 1971, 1974; Хомская Е. Д., 1972; Егорова И. С, 1973, и др.]. Так, в качестве электрофизиологического корре­лята процессов внимания рассматривается впервые описанная Бергером [Berger Н., 1929] реакция активации (arousal), проявляющаяся при регистрации ЭЭГ. Она характеризуется блокадой альфа-ритма при одновременном усилении бета-ак­тивности. Считают, что данная реакция является электрофизи­ологическим компонентом ориентировочного рефлекса. В даль­нейшем оказалось, что она не единственный коррелят процессов активации внимания. Так, например, А. А. Генкин (1971) по­казал, что изменения функционального состояния мозга при активации внимания характеризуются изменением уровня асимметрии длительности фаз колебаний электроэнцефало­граммы.  Было  установлено, что с концентрацией внимания, а также с интеллектуальным и эмоциональным напряжением, которые проявляются в процессе узнавания, коррелируют сложные многокомпонентные изменения биоэлектрической ак­тивности. Они начинаются с глубокой депрессии биопотенциа­лов мозга и завершаются возвращением активности к исход­ному уровню [Бейн Э. С, Волков В. Н., Жирмунская Е. А., 1968]. Выраженные изменения эмоционального состояния по­ложительного или отрицательного знака также влияют на био­электрическую активность мозга [Егорова И. С, 1973; Моп-nier М., 1950; Remy М., 1955]. Однако проблема электрофизи­ологических коррелятов эмоций решена еще далеко не полно. Так, например, некоторые исследователи связывают отрица­тельные эмоциональные состояния с усилением альфа-актив­ности [Barlow Y. S., 1957; Kreitman N.. Shaw Y., 1965], а дру­гие— с угнетением альфа-активности при одновременном уси­лении бета-активности [Penfield W., Jasper Н., 1958; Lindsley D. В., 1960].

Вместе с тем имеются основания считать, что с изменением характеристик эмоционального состояния связаны определен­ные изменения показателей ЭЭГ. Например, при слабой тре­воге регистрируется усиление альфа-ритма, а при усилении тревоги — десинхронизация основного ритма ЭЭГ [Лукья­нова А. Н., Фролов М. В., 1969]. Небольшое эмоциональное напряжение вызывает экзальтацию альфа-активности, которая на высоте эмоционального напряжения сменяется ее депрес­сией. При отрицательных эмоциях отмечается усиление тета-активности [Анохин П. К.-, 1963; Судаков К. В., 1966; Walter G., 1953], а иногда — усиление или уменьшение всех видов ак­тивности ЭЭГ [Олыианникова А. Е., 1969]. При положитель­ных эмоциях наблюдается как экзальтация, так и экспрессия альфа-ритма, а также усиление тета-активности. Считают, что наиболее характерной особенностью изменений ЭЭГ является повторное нарастание медленных ритмов при меньшей степени напряжения, чем во время отрицательных эмоциональных со­стояний [Валуева М. Н., 1967; Скорикова С. Е., 1972].

2. Волна «ожидания» как электрофизиологический показа­тель изменения психического состояния. Для изучения психи­ческого состояния больных и здоровых людей используют от­крытый Г. Уолтером и его сотрудниками (1964) своеобразный психофизиологический феномен — волну «ожидания», позво­ляющий судить о некоторых особенностях интегративной дея­тельности мозга. Волна «ожидания» является медленным по­верхностным отрицательным потенциалом головного мозга, возникающим в период между двумя сигналами при инструк­ции выполнить определенное действие в ответ на второй сиг­нал. Имеется множество синонимов этого феномена: волна «ожидания», волна «Е», contingent negative variation (CNV), вероятностная отрицательная волна, условное отрицательное отклонение, условный медленный отрицательный потенциал (УМОП). Это связано, во-первых, с трудностью перевода дан­ного термина на русский язык и, во-вторых, со сложностью от­ражения в названии сущности этого электрофизиологического феномена. Первоначальное определение связано с тем, что в эксперимент вводилась ситуация ожидания. Поэтому G. Wal­ter предполагал, что эта волна может быть показателем готов­ности коры (точнее, лобных ее отделов) к какому-либо виду деятельности [Walter G., 1964, 1966]. Наиболее распространен­ным названием этого феномена является „contingent negative variation (CNV). Толчком для открытия CNV послужили дли­тельные целенаправленные поиски корреляции между показа­телями ЭЭГ человека и познавательными процессами [Lemere Е., 1936; Gastant A. et al., 1951; Walter G., 1953]. Однако осо­бую актуальность изучение таких корреляций получило в на­стоящее время в связи с увеличением технических возмож­ностей регистрации ЭЭГ и совершенствованием способов обработки электрограмм с использованием электронно-вычис­лительной аппаратуры.

тест Бентона – предыдущая | следующая – волна “ожидания”, CNV

Методы психологической диагностики и коррекции в клинике. Содержание

 

Хакинг мозга. Обработка сигналов мыслительной активности с интерфейсом OpenBCI

Электроэнцефалография

Для начала немного разберёмся в наиболее популярном неинвазивном методе регистрации активности мозга, называемом электроэнцефалографией (ЭЭГ). Прибором электроэнцефалографом записываются временны́е зависимости электрических потенциалов, снимаемых с электродов, закреплённых на различных участках поверхности головы.

Пример электроэнцефалограммы человека в состоянии покоя с открытыми глазами

Для анализа электроэнцефалограмм обычно рассматривают частоту, амплитуду и фазу колебаний на каждом электроде, различия кривых между каналами и динамику этих отличий. Направленная мыслительная активность приводит к порождению в этих сигналах специфичных паттернов.

Длительное время электроэнцефалографы были доступны лишь медикам и нейробиологам. Развитие 3D-печати, удешевления прототипирования и производства электронных плат, стремительный рост интернет-сообществ сделали возможным появление не только доступных средств для считывания ЭЭГ, но и целых платформ для создания нейроинтерфейсов.

Интерфейс мозг-компьютер (нейроинтерфейс)

OpenBCI – это платформа интерфейса мозг-компьютер (англ. brain-computer interface, BCI) с открытым исходным кодом. Платформа создана Джоэлем Мёрфи и Конором Руссоманно после успешной кампании на Kickstarter в конце 2013 г. Платы OpenBCI могут использоваться для измерения и регистрации электрической активности, создаваемой мозгом (ЭЭГ), мышцами (ЭМГ) и сердцем (ЭКГ), и совместимы со стандартными электродами ЭЭГ. Обработать сигналы можно с помощью сопровождающих open source программ, либо используя собственные решения.

Окно OpenBCI GUI в процессе работы

На видео ниже Джоэл Мерфи из OpenBCI рассказывает о компании и последствиях демократизации в области интерфейсов мозг-компьютер (BCI). На Джоэле гарнитура OpenBCI Ultracortex, которая считывает его ЭЭГ и ЭМГ, позволяя ему контролировать презентацию посредством мыслей, без рук. В презентации Джоэл демонстрирует примеры приложений, созданных членами сообщества и рассказывает о потенциальных приложениях BCI в играх. Добровольцы из зала участвуют в живой демонстрации, используя интерфейс для управления роботизированной рукой.

OpenBCI предоставляет как отдельные компоненты (чипы от 4 до 16 каналов, шлемы, электроды), так и полные комплекты для снятия ЭЭГ.

Программное обеспечение. На GitHub-странице OpenBCI закреплено несколько репозиториев:

  • OpenBCI_GUI – кроссплатформенное приложение с графическим интерфейсом для Cyton и Ganglion. Протестировано на Mac, Windows и Ubuntu/Mint Linux.
  • brainflow – библиотека, предназначенная для получения, анализа и анализа ЭЭГ, ЭМГ, ЭКГ и других данных от биосенсоров.
  • OpenBCI_Python – программная библиотека Python, предназначенная для работы с оборудованием OpenBCI.
  • pyOpenBCI – драйвер Python для всех биосенсоров OpenBCI.

Зачем нужны BC-интерфейсы

Нейроинтерфейсы представляют важный практический интерес для многих областей медицины и других сфер, где стоит вопрос об улучшении качества мозговой активности или прямого управления интерфейсами и предметами посредством сигналов от головного мозга. Приведём несколько примеров.

Инвалидность по последствиям травм или заболеваний. Одно из очевидных приложений интерфейсов мозг-компьютер – вспомогательные устройства для людей, ограниченных в движении или имеющих другие нейросенсорные проблемы. Различные устройства, дополняющие повреждённую составляющую нервной системы, уже используются для решения медицинских проблем. Например, кохлеарные имплантаты – протезы, компенсирующие потерю слуха пациентам с тяжёлой степенью нейросенсорной тугоухости, когда уже недостаточно слуховых аппаратов. Интерфейсы мозг-компьютер позволят парализованным людям управлять различными устройствами. Например, набирать текст или произносить слова.

Восстановление утраченных функций мозга. При различных повреждениях головного мозга или утрате его некоторых функций уже используются протезы для глубокой стимуляции мозга – имплантаты, посылающие электрические импульсы в определённую часть мозга. Глубокая стимуляция приносит терапевтическую пользу при болезни Паркинсона, спонтанном треморе и дистонии. Регулярный контроль ситуации с помощью BC-интерфейсов позволил бы лучше контролировать процесс лечения.

Отслеживание воздействия лекарственных препаратов. ЭЭГ позволяют следить за индивидуальной динамикой действия лекарств, применяемых для лечения психических расстройств. Решение о своевременном приёме или прекращении принятия лекарственного препарата могло бы применяться без визита пациента в поликлинику.

Нейробиоуправление. Существует множество немедицинских приложений, таких как улучшение качества работы мозга или использование «силы мысли» для контроля устройств. Сумарная электрограмма варьируется в зависимости от уровня развития и отражает функциональные особенности структур мозга. Анализируя данные о мыслительной активности после различных действий, можно оценивать улучшение или ухудшение когнитивных способностей, корректировать учебную программу.

Видеоигры. Контролировать можно не только устройства, но и объекты внутри игр. Считывание мозговой активности в составе VR-шлемов выглядит крайне интересной сферой для геймдева. Ведь управлять действиями персонажа виртуальной реальности тогда можно без использования дополнительных устройств. Это давало бы дополнительную степень свободы в разработке программного обеспечения.

Обзор sentdex о сборке устройства и обработке данных

Создатель популярных образовательных роликов о Python Харрисон Кинсли (sentdex) посвятил подробный ролик анбоксингу набора оборудования от OpenBCI для снятия ЭЭГ, сборке, а также процессу обработки данных.

Хотя OpenBCI предоставляет отличное GUI, Харрисон показал, как самостоятельно собирать и обрабатывать данные от устройства. При рассмотрении он отталкивался от интервалов частот ЭЭГ.

Ритмы головного мозга. Сигналы ЭЭГ имеют сложную структуру распределения по частотам. Для удобства категоризации выделяют диапазоны, обозначаемые греческими буквами. Каждый диапазон соответствует определённому ритму головного мозга:

  • α, альфа (7.5-12 Гц) – расслабленное состояние бодрствования или покой, альфа-волны возникают, когда мы закрываем глаза или начинаем расслабляться
  • β, бета (12-30 Гц) – обычное бодрствующее состояние, фокусирование внимания, наблюдение за происходящим, решение текущих проблем
  • γ, гамма (30-100 Гц) – решение задач, требующих максимальной сосредоточенности

Выделяют также медленные ритмы: дельта (0.1-4 Гц) и тета (4-7.5 Гц). Они регистрируются во время сна или при глубокой медитации.

Считывание данных с помощью Python. Таким образом, при анализе мыслительной активности обычно анализируются бета- и гамма-ритмы. Для считывания сырых данных Харрисон использовал библиотеку pyOpenBCI. Простейший пример считывания сырых данных на Python, приведённый в документации:

        from pyOpenBCI import OpenBCICyton

def print_raw(sample):
    print(sample.channels_data)

board = OpenBCICyton(port='COM5', daisy=False)

board.start_stream(print_raw)
    

Анализируя нейронную активность после простейших визуальных стимулов, прослушивания музыки или выполнения физической нагрузки, можно делать предположения о положительном или негативном влиянии этих воздействий. Например, как в нижеприведённом исследовании, оценивая скорость или амплитуду отклика на стимул.

Пример исследования нейронной активности P300

Недавно пользователь Фахд Альхазми поделился в своём блоге опытом применения платформы OpenBCI для анализа одного из паттернов нейронной активности. P300 – паттерн потенциала, связанного с событием, возникающим в процессе принятия решений. Возникновение паттерна связано не с физическими характеристиками стимула, а с реакцией человека. Считается, что P300 отражает процессы, связанные с оценкой или категоризацией стимулов.

Регистрация паттерна. При регистрации с помощью ЭЭГ P300 проявляется как положительное отклонение потенциала с задержкой между стимулом и реакцией примерно 0.25-0.5 секунды. Сигнал, как правило, измеряется электродами, покрывающими теменную долю. Наличие паттерна, величина и временны́е характеристики сигнала используются в качестве метрик когнитивной функции в процессах принятия решений. Воспроизводимость сигнала обуславливает его выбор для психологических тестов как в клинике, так и в лаборатории.

Инструменты. В эксперименте исследователь использовал устройство Ganglion с 4 каналами, электроды которых были закреплены по обе стороны затылочной и височной областей. Для разработки и проведения эксперимента использовалась библиотека PsychoPy. Для соединения с чипом применялся Node.js, для обработки данных – скрипт на Python.

Стимулы и реакция. Дизайн эксперимента выглядел следующим образом. Два изображения-стимула с разными пространственными частотами (см. рисунок ниже), показывались в течение 0.5 с, затем следовал промежуточный интервал 3 с. В качестве контроля использовался чистый фон. Условие повторялось 50 раз.

Дизайн эксперимента по исследованию активности P300

Результаты. Полученная зависимость сигнала воспроизводилась во всех экспериментах – в интервале 0.2-0.5 с после показа стимула наблюдался явный сигнал ЭЭГ, соответствующий шаблону P300.

Нейронный отклик на трёх различных изображениях. Синяя линия – среднее значение нейронного отклика при просмотре решетчатых изображений с 3 полосами. Оранжевая линия – при просмотре изображений с 12 полосами. Зелёная линия – контрольное условие, показывался фон. Затенённая область соответствует стандартному отклонению.

Количество светлых полос в изображении-стимуле влияло на число максимумов отклика. В случае изображения с 12 светлыми полосами наблюдался дополнительный пик вблизи 0.4 с, которого не наблюдалось для стимула с 3 полосами. Это различие упрощает построение алгоритмов машинного обучения для разделения сигналов.

Заключение

Измерение и анализ ЭЭГ стали доступны не только для учёных и медиков, но и DIY-исследователей: каркасные элементы можно изготовить с помощью 3D-печати, а программное обеспечение имеет открытый исходный код. Результаты работы с нейроинтерфейсами могут использоваться не только для медицинских целей, но и для видеоигр, приложений виртуальной реальности и контроля процессов развития когнитивных способностей.

В комментариях к публикации вы можете предложить собственные идеи для применения нейроинтерфейсов. Интересны ли вам публикации по данной теме на сайте Библиотеки программиста?

ИИ научили обнаруживать ранние симптомы болезни Паркинсона — новости на Tproger

В Оксфорде создан ИИ-фреймворк для диагностики нистагма — раннего симптома нейродегенеративных патологий, таких как болезнь Паркинсона. Нистагм — форма нарушения сна, серия непроизвольных быстрых подрагиваний глазных яблок у спящего человека. Оперативная диагностика нистагма позволит лечить болезнь Паркинсона на ранней стадии.

Методы диагностики

Исследователи использовали данные 53 пациентов из открытой базы лабораторных исследований Монреальского архива изучения сна. Записи электрической активности головного мозга, скелетной мускулатуры и движений глаз обработали с помощью алгоритма регрессионных деревьев принятия решений (random forest).

В качестве основного признака нистагма и приближающейся болезни Паркинсона исследователи рассматривали мышечную атонию. Всего в электрограммах выделили 156 различных особенностей, способных указать на развитие патологии.

Учёные использовали ручной и автоматический методы разметки набора данных. При ручной разметке им удалось достигнуть точности диагностики в 96 %, при автоматической результат был на 4 % хуже. Исследователи планируют улучшить результаты автоматической обработки, используя математические функции, имитирующие поведение нейронов головного мозга.

Другие методы автоматической диагностики болезни Паркинсона

За месяц до публикации работы специалистов Оксфордского университета учёные швейцарского института IRIS отчитались об итогах работы над собственной системой диагностики нейропатологий. Фундаментальное отличие состоит в том, что швейцарская система использует данные, собранные с помощью смартфона, а разработка из Оксфорда полагается на специальные медицинские тесты.

Искусственный интеллект в качестве помощника диагноста используется не в первый раз. Летом 2018 года ИИ BioMind, разработанный Исследовательским центром искусственного интеллекта Пекина превзошёл настоящих врачей по точности определения злокачественных опухолей и внутричерепных гематом.

via VentureBeat Source: arXiv.org

Натан Фокс и Бренда Джонс Харден, чтобы помочь провести общенациональное исследование развития мозга в раннем детстве

Натан Фокс и Бренда Джонс Харден, чтобы помочь провести общенациональное исследование развития мозга в раннем детстве Институт злоупотребления наркотиками для проведения исследования ЗДОРОВЫЙ мозг и развитие ребенка, исследовательской программы, изучающей развитие мозга на ранних этапах детства.

Мэрилендский университет был выбран среди 25 других учебных заведений для участия в исследовании «Здоровый мозг и развитие ребенка».Обширный проект будет включать различные группы беременных и сопровождать их и их детей в раннем детстве.

В исследовании будет проанализировано влияние предродовых веществ и других воздействий окружающей среды на развитие мозга и поведение младенцев и детей. В основном он будет охватывать воздействие таких веществ, как наркотики и алкоголь, а также невзгоды, такие как травмы до и после рождения. Ожидается, что исследование даст новое представление об общем здоровом развитии мозга.

Фокс является одним из основных исследователей UMD для исследования, и ему поручено собирать данные ЭЭГ, метод для записи электрограммы электрической активности на коже головы, которая представляет макроскопическую активность под поверхностным слоем мозга. Он подчеркивает важность того, чтобы все участники исследования использовали эквивалентные стратегии измерения данных.

«Мы никогда не видели, чтобы исследование такого масштаба объединяло данные от такого количества матерей и младенцев по всей стране, поэтому важно, чтобы мы все использовали одни и те же методы и показатели», — сказал Фокс.

Харден — еще один главный исследователь UMD, который будет отвечать за вербовку и удержание участников и их семей. Она будет осуществлять набор персонала в больницах системы Университета Мэриленда, а также в других клиниках и общественных организациях.

Группа участников Harden будет состоять из женщин, о которых известно, что они употребляют вещества во время беременности из разных ситуаций и происхождений. Собранные участники будут из мест и сообществ с контрастными уровнями употребления психоактивных веществ и невзгод.

Фокс — профессор кафедры человеческого развития и количественной методологии. Он получил степень бакалавра политических наук в Уильямс-колледже и докторскую степень. Доктор психологии и социальных отношений Гарвардского университета,

Харден в настоящее время является президентом Совета директоров ZERO TO THREE и преподавал в качестве профессора на кафедре человеческого развития и количественной методологии. У нее есть докторская степень. по психологии развития и клинической психологии Йельского университета и степень магистра социальной работы Нью-Йоркского университета.

ЭЭГ-топограф для обследования мозга Врач делает электрограмму активности кожи головы по Eleven52

Последнее обновление
Опубликовано 9 апреля 2022 г.
Альфа-канал Нет
Зацикленное видео Нет
Частота кадров 25
Разрешение 3840×2160
Кодирование видео ProRes
Размер файла 554.46мб
Количество зажимов 1
Общая длина зажимов 0:12
Источник аудио Нет
№человек 2
Пол Мужской женский
Возраст Молодой взрослый
Этническая принадлежность кавказец
Метки ай, мозг, работа мозга, чип, клиника, компьютер, куб, диагностика, диагностический, врач, ээг, электрокортикография, электроэнцефалография, осмотр, осмотр, голова, гарнитура, здравоохранение, больница, разведка, лаборатория, машина, магнитный, человек, медицинский, лекарство, умственный, метавселенная, разум, современное, неврология, нейробиолог, пациент, врач, профессиональный, головоломка, восстановление, исследование, рубик, скальп, сканирование, сканирование, наука, ученый, умная, виды спорта, изучение, технология, лечение, женщина

В чем разница между ЭКГ, ЭЭГ, ЭМГ и ЭОГ?

Электрокардиограмма (ЭКГ или ЭКГ), электроэнцефалограмма (ЭЭГ), электромиограмма (ЭМГ) и электроокулограмма (ЭОГ) измеряют биопотенциалы, электрический выход человеческой активности.Однако амплитуда и ширина полосы измерений различаются для каждого из них. В таблице показаны значения для каждой группы биопотенциалов в соответствии со статьей «Биопотенциалы и электрофизиологические измерения» в Справочнике по измерениям, приборам и датчикам .

Источник Амплитуда (мВ) Полоса пропускания (Гц)
ЭКГ 1-5 0,05-100
ЭЭГ 0.001-0.01 0,5-40
ЭМГ 1-10 20-2000
ЭОГ 0,01-0,1 DC-10

ЭКГ определяет сердечную деятельность путем измерения сигналов от электродов, размещенных на туловище, руках и ногах. Напротив, несколько электродов ЭЭГ равномерно прикреплены ко лбу, а уши используются в качестве эталона для мониторинга активности мозга. Пары электродов используются на определенной мышце, а отдельное место используется в качестве эталона для измерений ЭМГ.Наконец, движение глаз измеряется электродами, расположенными сверху, снизу и сбоку от каждого глаза. На самом деле измерение сетчатки в глазах дает другой тип измерения, называемый электроретинограммой или ЭРГ.

Требования к электрическим характеристикам и биологической реакции электродов ЭКГ определены в национальном стандарте ANSI/AAMI EC12:2000/(R)2005 Одноразовые электроды ЭКГ. Серебро (Ag) – хлорид серебра (AgCl) является типичным электродным материалом для ЭКГ и других биопотенциалов.Их стоимость, в отличие от более дорогих многоразовых электродов, позволяет им быть одноразовыми.

Изображение предоставлено Vermed, подразделением Nissha Medical Technologies.

Все сигналы биопотенциалов имеют низкую и даже очень низкую амплитуду, поэтому для получения последовательного сигнала с низким уровнем шума обычно используются инструментальные усилители. Дополнительным требованием для измерений ЭОГ является очень хорошая низкочастотная или даже постоянная характеристика.

Домашняя страница Александра Каплуновского: Список публикаций

Домашняя страница Александра Каплуновского: Список публикаций
125 Дан Ст., Маале Шомрон, 44852, Израиль
Тел. : (972)-9792-0475; Мобильный: (972)-50-773-9323
Электронная почта : [email protected]
http://www.magniel.com/alex

Список публикаций

 
1. Бундзен П.В., Василевский Н.Н., Каплуновский А.С., Шабаев В.В. Факторный анализ в исследованиях функциональной организации динамических характеристик электрической активности головного мозга. Сеченов Физиол. Журнал СССР, 57, 7: 969-973, 1971. 2. Бехтерева Н.П., Бундзен П.В., Каплуновский А.С., Матвеев Ю.К. Функциональная организация деятельности нейронов головного мозга. Сборки у людей во время кратковременной вербальной памяти. Сеченов Физиол. Журнал СССР, 57, 12: 1605-1621, 1971. 3. Бундзен П.В., Иванюк Н.С., Каплуновский А.С., Катинас В.Ю., Уряш В.В. Формы устойчивых следов памяти на уровне непрерывного Волновые мозговые процессы. В кн.: Материалы 6-й Всесоюзной конф. по электрофизиологии центральной нервной системы, 41. Изд.: "Наука", Л., 1971. . 4. Бундзен П.В., Каплуновский А.С., Матвеев Ю.К., Шишкин Б.М. Компьютерный анализ активности нейронов головного мозга человека. Проц. 2-й Всесоюзн. акад. Симп. по математическим методам и Компьютеры в биомедицинских науках, 110-111. Обнинск, 1971. 5.В.М.Клименко, А.С.Каплуновский, И.А.Нерославский. Автоматическая классификация многопараметрических экспериментальных данных. Сеченов Физиол. Журнал СССР, 58, 4: 599-602, 1972. 6. Клименко В.М., Каплуновский А.С. Статистическое исследование импульсной активности нейронов в Различные области гипоталамуса. Сеченов Физиол. Журнал СССР, 58, 10: 1484-1493, 1972. 7. Ю.В.Я.Захер, А.С.Каплуновский, А.С.Цукерман, Н.М.Яковлев. Анализ нейронных импульсов с точки зрения Теория автоматического регулирования. Проц. 4-й Международный Биофизический Конгресс, Том 3: 311, Москва, 1972. 8. Ю.Я.Захер, А.С.Каплуновский, А.С.Цукерман. Методы динамического анализа вызванных потенциалов. Проц. 4-й Международный биофизический конгресс, Vol.3: 360-362, Москва, 1972. 9. Клименко В.М., Каплуновский А.С. Использование информационных методов для изучения самоорганизации Процессы в мозгу. В: Саморегуляция нейрофизиологических механизмов Интегративно-приспособительная деятельность мозга, 47. Л., 1972. 10. Каплуновский А.С., Клименко В.М. О корреляциях активности нейронов различных гипоталамических Структуры при иммунологических изменениях в организме. В: Саморегуляция нейрофизиологических механизмов Интегративно-приспособительная деятельность мозга, 48. Л., 1972. 11. Бехтерева Н.П., Бундзен П.В., Каплуновский А.С. К расшифровке нейрофизиологического кода человеческого краткосрочного Объем памяти. Материалы 23-й физ. Сборка, т.1: 95, Горький, 1972. 12. Бехтерева Н.П., Бундзен П.В., Каплуновский А.С. Структурно-функциональный анализ процессов головного мозга человека Нейронная активность. Материалы 23-й физ. Сборка, т.2: 112-116, Горький, 1972. 13. Каплуновский А.С., Уряш В.В. Факторный анализ электрограммы головного мозга кошки в различных Стадии сна. В: Структура и функции головного мозга, 31-34, Ленинград, 1972. 14. Бундзен П.В., Каплуновский А.С. Использование компьютерного комплекса для анализа человеческого мозга Нейронная активность. В: Использование математических методов и компьютерных технологий в Биологические и медицинские науки, 12-15. Ленинград, 1972. 15. Каплуновский А.С., Клименко В.М., Григорьев В.А. Двухфакторный анализ импульсной активности нейронов. в различных областях гипоталамуса у кролика. В: Использование математических методов и компьютерных технологий в Биологические и медицинские науки, 28-30.Ленинград, 1972. 16. Уряш В.В., Каплуновский А.С. Статистический анализ Cat Cerebrus при воздействии некоторых Лекарства. В: Использование математических методов и компьютерных технологий в Биологические и медицинские науки, 49-51. Ленинград, 1972. 17. Бундзен П.В., Каплуновский А.С., Перепелкин П.Д., Шишкин Б.М. Использование аналого-цифрового вычислительного комплекса для анализа многоблочных Активность популяций нейронов головного мозга. В: Использование компьютерных технологий и математических методов в Здоровье и медицина, 21-23. Тбилиси, 1972. 18. Бундзен П.В., Каплуновский А.С., Матвеев Ю.К., Шишкин Б.М. Использование аналого-цифрового вычислительного комплекса для анализа мульти- клеточная активность популяций нейронов головного мозга человека. В: Использование математических методов и компьютерных технологий в Медицина и бионика, 12-15.Ленинград, 1972. 19. Каплуновский А.С., Уряш В.В. Использование факторного анализа для изучения динамических характеристик. церебральных электрограмм. В: Использование математических методов и компьютерных технологий в Медицина и бионика, 28. Ленинград, 1972. 20. Клименко В.М., Каплуновский А.С., Кручинин В.К. Использование компьютеров для объективного количественного изучения структуры распределения импульсных интервалов нейронов гипоталамуса. В: Использование математических методов и компьютерных технологий в Медицина и бионика, 34-35. Ленинград, 1972. 21. Уряш В.В., Каплуновский А.С. Динамика устойчивых форм биоэлектрической активности головного мозга. во время влияния Гаммалона. В: Структура и функция центральной нервной системы, 59-60. Ленинград, 1972. 22. Каплуновский А.С., Богословский М.М. Использование факторного анализа для энцефалографических характеристик сна. Сеченов Физиол. Журнал СССР, 59, 8: 1291-1292, 1973. 23. Бундзен П.В., Гоголицин Ю.Л., Давид Э., Каплуновский А.С., П.Д.Перепелкин. Структурно-системный подход к анализу функциональных Реорганизация нейронных пулов. Сеченов Физиол. Журнал СССР, 59, 12: 1803-1810, 1973. 24. Бундзен П.В., Каплуновский А.С., Матвеев Ю.К., Шишкин Б.М. Использование аналого-цифрового вычислительного комплекса для анализа мульти- клеточная активность популяций нейронов головного мозга человека. Вестник Академ. мед. наук СССР, 28, 7: 85-88, 1973. 25. Бехтерева Н.П., Бундзен П.В., Каплуновский А.С. Принципы самоорганизации нейронного кода в Кратковременная вербальная память. В кн.: "Бионика-1973" (матер. 4-й Всесоюзн. конф. по бионике), т.3: 1-6. Москва, 1973. 26. Бундзен П.В., Каплуновский А.С., Перепелкин П.Д. Комплексный статистический анализ многоблочной деятельности Популяции нейронов головного мозга человека при мыслительной деятельности. В кн.: "Бионика-1973" (матер. 4-й Всесоюзн. конф. по бионике), т.3: 7-22. Москва, 1973. 27.Н.П.Бехтерева, П.В.Бундзен, Э.Давид, А.С.Каплуновский. Системно-структурный подход к анализу процессов памяти. Проц. 5-й Всесойзн. Нейрофизиол. Симпозиум, 12-15. Ростов-на-Дону, 1973. 28. Ю.Я.Захер, А.С.Каплуновский. К выбору критерия оценки пост- тетаническая потенциация. Проц. 5-й Всесойзн. Нейрофизиол. Симпозиум, 185-186.Ростов-на-Дону, 1973. 29. Каплуновский А.С., Клименко В.М., Кручинин В.К. Системно-функциональный подход к анализу нейронного импульса Активность гипоталамуса кролика во время иммуногенеза. Проц. 5-й Всесойзн. Нейрофизиол. Симпозиум, 215-219. Ростов-на-Дону, 1973. 30. Каплуновский А.С., Богословский М.М. Использование факторного анализа и его модификаций для энцефалографических исследований. Характеристики сна. Проц. 5-й Всесойзн. конф. по нейрокибернетике, 130. Ростов-на-Дону, 1973. 31. Клименко В.М., Каплуновский А.С., Григорьев В.А. Интегративный метод оценки и моделирования функционального Структура нейронных систем. Проц. 5-й Всесойзн. конф. по нейрокибернетике, 131. Ростов-на-Дону, 1973. 32. Ю.Я.Захер, А.С.Каплуновский, Н.М.Суворов. Статистические методы исследования динамических характеристик. Нейрональные вызывающие потенциалы. В: "Проблемы саморегуляции и адаптивной деятельности Церебральные механизмы.», 59-63. Л., 1973. . 33. Каплуновский А.С., Богословский М.М. Использование факторного анализа для анализа энцефалограммы в кошачьем мозгу в различных исследованиях сна и бодрствования. В: "Проблемы саморегуляции и адаптивной деятельности Церебральные механизмы.", 77-81. Ленинград, 1973. 34. Н.Бехтерева, П.Бундзен, Ю.Матвеев, А.Каплуновский Die Neuronenpopulationen des Gehirns beim Verbalen Kurzzeitgeduchtnis. Moderne Medizin, 4, 3:179-186, 1973. 35. Бундзен П.В., Каплуновский А.С., Гоголицин Ю.Л. Структурно-функциональный подход к анализу биоэлектрических Процессы в человеческом мозгу. В: "Проблемы нейрокибернетики", 34-70.Киев, 1973. 36. Бундзен П.В., Каплуновский А.С., Гоголицин Ю.Л. Анализ динамики нейронного кода краткосрочных вербальных Объем памяти. В: «Клеточные механизмы памяти», 13-21. Пущино, 1973. 37. Ю.А.Гоголицин, А.С.Каплуновский, П.Д.Перепелкин. Системно-структурный подход к анализу активности нейронов в процессе психической деятельности человека. Проц.2-я Зимняя школа по нейрокибернетике, Репино, 1972: 381-420. Ленинград, 1974. 38. Каплуновский А.С. К проблеме нейроголографических основ кодирования словесных сигналов. В кн.: "Нейрофизиологические механизмы психической деятельности человека". (Proc. Intern. Symp.), 212-214. Ленинград, 1974. 39. Бундзен П.В., Каплуновский А.С. Принципы самоорганизации структурно-системного Системы мозга и механизмы памяти. В: Проблемы физиологии и патологии высшей нервной системы. Мероприятия. Эд. Н.П.Бехтерева, "Медицина", 80-108, Ленинград, 1974. 40. В.А.Илюхина, А.С.Каплуновский, П.Д.Перепелкин. Динамика импульсной активности и медленных электрических процессов мозга в тестах на кратковременную вербальную память. В: «Память и процессы памяти», 269. Пущино, 1974. 41.А.С.Каплуновский. Нейроголографическая модель вербальной памяти. В: «Память и процессы памяти», 271. Пущино, 1974. 42. Каплуновский А.С. Принципы нейроголографического кодирования информации Память человека. В: "Память в нормальных и патологических реакциях организма", 161-168. Ленинград, 1974. 43. Каплуновский А.С., Перепелкин П.Д. Основные аспекты нейронного кода вербальных сигналов с точки зрения зрения биоголографии. В: "Биологическая и медицинская кибернетика", т.3: 69-73. Москва-Ленинград, 1974. 44. Каплуновский А.С., Перепелкин П.Д. Использование методов факторного анализа для изучения многокомпонентной деятельности. популяций нейронов головного мозга человека. В: «Использование математических методов в медицине», 83-87.Москва, 1974. 45. Бундзен П.В., Гоголицин Ю.Л., Каплуновский А.С. Компьютерный анализ многозвенной активности нейронов. Популяции человеческого мозга. В кн.: «Биологическая диагностика заболеваний головного мозга». (Пробл. 5-я Стажер конф. проводится в Нью-Йоркской академии. Мед., 2-3 октября 1972 г.) Под ред. С.Богоча, Спектр, 275-280. Флашинг, Нью-Йорк, 1973. 46.П.В.Бундзен, Ю.Л.Гоголицин, А.С.Каплуновский, В.Н.Малышев. Системный подход к анализу нейронов головного мозга человека Популяции во время умственной деятельности. Физиология человека 1, 1: 45-60, 1975. 47. Бундзен П.В., Каплуновский А.С., Клименко В.М., Корнева Е.А. Методологические аспекты и принципы факторного анализа Использование в нейрофизиологии. В кн.: Методологические проблемы теоретической медицины.Эд. по Н.П.Бехтерева. «Медицина», 25-39. Ленинград, 1975. 48. Бехтерева Н.П., Бундзен П.В., Каплуновский А.С., Перепелкин П.Д. О нейрофизиологическом кодировании психических явлений у человека. В кн.: Память о механизмах нормальных и патологических реакций. Под ред. Н.П.Бехтеревой. "Медицина", 9-27, Ленинград, 1976. 49. Тартаковский М.Б., Каплуновский А.С. Автоматическая защита системы от диагностических ошибок от неправильного размещения грудного электрода при компьютеризированной ЭКГ Интерпретация. В кн.: "Компьютеры в кардиологии", т.5 (Тр. 5-й междунар. конф. состоявшейся в IEEE, Роттердам, 31 сентября — 3 октября 1977 г.). Роттердам, 1978 г. 50. Х.Волохонский, А.Каплуновский, С.Серуя. Бури на озере Кинерет; Наблюдения и математическая модель. Экологическое моделирование, 18 : 141-153, 1983. 51. Манив Т., Бычков Ю.А., Каплуновский А., Вагнер И.Д. Зонная структура спиновых возбуждений в модулированных гетероструктурах в сильных магнитных полях. Physica B, 204 : 134-140, 1995. 52. П.Малиц, А.Каплуновский, И.Д.Вагнер, П.Вайдер. Энергетический спектр электрона на произвольной поверхности вращения в магнитное поле. В: "Генеральная конференция по конденсированным веществам, 25-29 августа 1998 г.", Гренобль, 1998. 53. А. Каплуновский. Математические задачи с MATLAB. Программа Университета Ковентри в Израиле, Высший институт им. Руппина Образование, Эмек Хефер, Израиль, 1998. 54. П.Малиц, А.Каплуновский, И.Д. Вагнер, П.Вайдер. Электроны на осесимметричных наночастицах под действием сильного магнитного поля поле. arXiv: cond-mat 9910355v3 [cond-mat.mes-hall], 16 января 2000 г. 55. П. Малиц, А. Каплуновский, И.Д. Вагнер и П.Видер Спектр электронов ограничен вращательно-симметричными наночастицами. Nano Letters 2 , 9, 915-918, 2002. 56. Б.И. Лембриков, П. Малиц, А.С. Каплуновский, М. Харидим, И.Д. Вагнер Электронный спектр в периодических структурах, индуцированных поляризацией ядерных спинов. В кн.: Современные направления теории физических явлений в сильных магнитных полях. Эд: И.Д. Вагнер, П.Видер и Т. Манив, Kluwer Academic Publishers, Дордрехт-Бостон-Лондон, стр. 255-262, 2003. 57. Каплуновский А. Факторный анализ в исследованиях окружающей среды. HAIT Journal of Science and Engineering B 2 , 1-2, 54-94, 2005. 58. Э. Левнер, А. Каплуновский, Б. Беккер-Верник, У. Шани, С. Бреннер, К. Липчин, В. Хартье и Э. Интервис Комплексная оценка и управление водными ресурсами на юге Долина Арава Немецко-израильский научный симпозиум «Вода — это жизнь», стр.159-161. Иерусалим, 7-8 декабря 2005 г. 59. Каплуновский А. Зачем использовать факторный анализ? Представлено в HAIT Journal of Science and Engineering 60. Каплуновский А., Хайленко В., Большой А., Атамбаева С., Иващенко А. Статистика длин экзонов у животных, растений, грибов и простейших Международная конференция по биоинформатике и биотехнологии (ICBB 2009), Рим, Италия, 28-30 апреля 2009 г., Труды Всемирной академии наук, техники и технологий, 52 , 17-22, 2009 61.А. Каплуновский, В. Хайленко, А. Большой, С. Атамбаева, А. Иващенко Статистика длин экзонов у животных, растений, грибов и простейших Международный журнал биологических и медицинских наук, 5 , 3, 139-144, 2009 62. Каплуновский А., Забродский Д., Волкович З., Иващенко А. и Большой А. Статистика длин экзонов у грибов Открытый журнал биоинформатики 4 , 31-40, 2010 63.А. Каплуновский, А. Иващенко и А. Большой Статистический анализ длин экзонов у различных эукариот Биоинформатика открытого доступа 3 , 1-15, 2011 64. Каплуновский А. Методы выявления эволюционных факторов на основе анализа экзон-интронной структуры генов Докторская диссертация, Хайфский университет, 2012 г. 65. Каплуновский А., Большой А. Выявление эволюционных факторов экзон-интронной структуры в генах Scholars Press, 88 страниц, ISBN 978-3-639-71017-5, 2014 г.

Последнее обновление: 15 мая 2014 г.


электроэнцефалография » Онлайн-расстановка переносов » Дефис24

Демонстрация разделения слогов слова «электроэнцефалография».

Силлабификация или слоговое деление – это разделение слова на слоги в устной или письменной форме.

Письменное разделение обычно отмечается дефисом при использовании английской орфографии (например, syl-la-ble) и точкой при расшифровке в Международном фонетическом алфавите (IPA). В презентационных целях типографы могут использовать вставку или специальную «точку переноса».

В конце строки слово делится при письме на части, условно называемые «слогами», если оно не помещается и если перенос его на следующую строку сделает первую строку намного короче остальных. Это может быть особой проблемой с очень длинными словами. Обработка текстов автоматизировала процесс обоснования, делая слоговую формулировку более коротких слов часто излишними.


Электроэнцефалография (ЭЭГ) — это метод записи электрограммы электрической активности кожи головы, который, как было показано, отражает макроскопическую активность поверхностного слоя головного мозга под ним.Как правило, это неинвазивный метод, при котором электроды располагаются вдоль кожи головы. Электрокортикографию с использованием инвазивных электродов иногда называют «внутричерепной ЭЭГ».
ЭЭГ измеряет колебания напряжения, возникающие в результате ионного тока в нейронах головного мозга. Клинически ЭЭГ относится к записи спонтанной электрической активности мозга в течение определенного периода времени, которая записывается с нескольких электродов, помещенных на кожу головы. Диагностические приложения обычно сосредотачиваются либо на потенциалах, связанных с событиями, либо на спектральном содержании ЭЭГ.Первый исследует потенциальные колебания во времени, привязанные к событию, например, «начало действия стимула» или «нажатие кнопки». Последний анализирует тип нейронных колебаний (в народе называемых «мозговыми волнами»), которые можно наблюдать в сигналах ЭЭГ в частотной области.
ЭЭГ чаще всего используется для диагностики эпилепсии, которая вызывает отклонения в показаниях ЭЭГ. Он также используется для диагностики нарушений сна, глубины анестезии, комы, энцефалопатии и смерти мозга. Раньше ЭЭГ была методом первой линии диагностики опухолей, инсульта и других очаговых заболеваний головного мозга, но это использование уменьшилось с появлением методов анатомической визуализации с высоким разрешением, таких как магнитно-резонансная томография (МРТ) и компьютерная томография (КТ). .Несмотря на ограниченное пространственное разрешение, ЭЭГ продолжает оставаться ценным инструментом для исследования и диагностики. Это один из немногих доступных мобильных методов, который предлагает временное разрешение в диапазоне миллисекунд, что невозможно при КТ, ПЭТ или МРТ.
Производные методики ЭЭГ включают вызванные потенциалы (ВП), которые включают усреднение активности ЭЭГ, привязанной во времени к предъявлению какого-либо стимула (визуального, соматосенсорного или слухового). Потенциалы, связанные с событием (ERP), относятся к усредненным ответам ЭЭГ, которые привязаны ко времени к более сложной обработке стимулов; этот метод используется в когнитивной науке, когнитивной психологии и психофизиологических исследованиях.

Описание выше из статьи Википедии «электроэнцефалография», под лицензией CC-BY-SA, полный список участников Википедии.

Транзиторный локальный ток повреждения на электрограмме правого желудочка после разряда имплантируемого кардиовертера-дефибриллятора позволяет прогнозировать прогрессирование сердечной недостаточности как предиктор прогрессирования сердечной недостаточности.

Справочная информация:

Пациенты с ИКД подвержены значительному риску смерти из-за прогрессирующего отказа помпы.

Методы:

Биполярные электрограммы правого желудочка (ПЖ) в ближнем поле (БФ) во время индуцированной фибрилляции желудочков (ФЖ) и через 10 с после спасательного разряда ИКД были проанализированы у 310 пациентов (средний возраст 59 ± 14,5 лет, 219 мужчин [71%]) со структурным заболеванием сердца, функциональным классом от I до III по Нью-Йоркской кардиологической ассоциации и имплантированным одно- или двухкамерным ИКД Medtronic (Миннеаполис, Миннесота) для первичной (245 пациентов, 79%) или вторичной профилактики внезапной остановки сердца.Локальный ток повреждения (LIC) на ЭГМ NF RV определяли как отклонение потенциала EGM ≥1 мВ или ≥15% размаха амплитуды предшествующего зубца R.

Результаты:

При среднем периоде наблюдения 29,3 ± 15,0 месяцев комбинированная конечная точка смерти или госпитализации в связи с обострением застойной сердечной недостаточности (ЗСН) была зарегистрирована у 40 пациентов (12,9%, или 5,3% на человека в год). последующего наблюдения). LIC наблюдали у 106 пациентов. В многофакторном анализе риска после корректировки исходных прогностических факторов (фракция выброса, история фибрилляции предсердий, сахарный диабет) и соответствующих разрядов ИКД во время наблюдения пациенты с наблюдаемым КН после индуцированного ФЖ спасательного разряда ИКД при имплантации ИКД имели более высокую вероятность смерти. или быть госпитализированным (коэффициент опасности: 2.69; 95% доверительный интервал: от 1,41 до 5,14; р = 0,003).

Выводы:

Транзиторный КН при биполярной НФ ПЖ ЭГМ после индуцированной ФЖ спасательной терапии ИКД-шок связан с повышенным риском прогрессирования ЗСН, будущих госпитализаций из-за обострения ЗСН и последующей смерти от сердечной недостаточности.

Количественная электроэнцефалограмма (QEEG) в Нью-Йорке

Количественная электроэнцефалограмма (кЭЭГ) , обычно называемая «Q», представляет собой полезную объективную оценку, которая помогает диагностировать СДВ/СДВГ, депрессию, тревогу и многое другое.В то время как типичные методы визуализации мозга, такие как МРТ, компьютерная томография и рентген, измеряют структуру мозга , ЭЭГ измеряет активность мозга .

Сканирование мозга qEEG создает серию визуальных «карт мозга», которые анализируются, чтобы понять, что происходит в мозгу, где это происходит и насколько проблематична проблема. Это картирование мозга обычно делается за один 45-минутный сеанс и включает в себя надевание неинвазивной шапочки ЭЭГ на голову пациента. Последующие кЭЭГ будут проводиться для измерения прогресса и корректировки лечения по мере необходимости.

После сканирования мозга ваш лицензированный клиницист разработает индивидуальный план лечения, который часто включает обучение нейробиоуправлению.

Пример: QEEG здорового мозга по сравнению с обычными диагнозами.

QEEG помогает точно определить проблемную область в мозгу.

На голову пациента надевают неинвазивную ЭЭГ-шапочку для записи мозговой активности.

После регистрации активности вашего мозга компьютер создает серию «визуальных карт», которые сравниваются с опубликованными базами данных для проверки отклонений от нормальных паттернов и оцениваются на предмет наличия каких-либо известных паттернов, связанных с такими клиническими состояниями, как СДВГ, тревога, зависимость и депрессия.Сертифицированный нейротерапевт или клиницист, курирующий ваше дело, проанализирует результаты и обсудит текущие курсы нейробиоуправления.

Образец отчета QEEG активности мозга

Каковы следующие шаги?

Пациенты должны сначала пройти первичную консультацию у доктора Роберта Райнера (взрослые) или доктора Хизер Дэвидсон (дети, подростки). После первоначальной консультации вам будет назначено сканирование мозга qEEG с одним из наших опытных сотрудников.

Похожие записи

При гормональном сбое можно ли похудеть: как похудеть при гормональном сбое

Содержание Как похудеть после гормональных таблетокЧто такое гормональные таблеткиПочему прием гормонов ведет к избыточному весу (adsbygoogle = window.adsbygoogle || []).push({}); […]

Гипотензивные средства при гиперкалиемии: Гипотензивные средства при гиперкалиемии — Давление и всё о нём

Содержание Препараты, применяемые для лечения гипертонической болезни | Илларионова Т.С., Стуров Н.В., Чельцов В.В.Основные принципы антигипертензивной терапииКлассификация Агонисты имидазолиновых I1–рецепторов […]

Прикорм таблица детей до года: Прикорм ребенка — таблица прикорма детей до года на грудном вскармливании и искусственном

Содержание Прикорм ребенка — таблица прикорма детей до года на грудном вскармливании и искусственномКогда можно и нужно вводить прикорм грудничку?Почему […]

Добавить комментарий

Ваш адрес email не будет опубликован.