Дискретный мониторинг биоэлектрической активности головного мозга в процессе фармакотерапии

Рудковский, Михаил Владимирович

Бесплатный автореферат и диссертация по биологии на тему
Дискретный мониторинг биоэлектрической активности головного мозга в процессе фармакотерапии
ВАК РФ 03.00.02, Биофизика

Автореферат диссертации по теме "Дискретный мониторинг биоэлектрической активности головного мозга в процессе фармакотерапии"

На правах рукописи

РУДКОВСКИЙ Михаил Владимирович

ДИСКРЕТНЫЙ МОНИТОРИНГ БИОЭЛЕКТРИЧЕСКОЙ АКТИВНОСТИ ГОЛОВНОГО МОЗГА В ПРОЦЕССЕ ФАРМАКОТЕРАПИИ

03.00.02-Биофизика (биологические науки)

Автореферат диссертации на соискание ученой степени кандидата биологических наук

Тула-2005

Работа выполнена на кафедре медицинской и биологической физики Ростовского государственного медицинского университета

Научный руководитель: доктор биологических наук, профессор

Омельченко Виталий Петрович Официальные оппоненты: доктор биологических наук, доктор

технических наук, профессор Яшин Алексей Афанасьевич; доктор биологических наук, профессор Буриков Алексей Алексеевич

Ведущая организация: Научно-исследовательский институт

нейрокибернетики им. Когана при

Ростовском

государственном

университете

Защита состоится «28» июня 2005 года в 12.00 на заседании диссертационного совета К 212.271.01 при Тульском государственном университете по адресу: 300600, Тула, ул. Болдина, 128.

С диссертацией можно ознакомиться в библиотеке Тульского государственного университета (300600, Тула, проспект Ленина, 92).

Автореферат разослан «27» мая 2005 года.

Ученый секретарь диссертационного совета, доктор медицинского наук, Доцент

О.Н. Борисова

Общая характеристика работы

Актуальность и новизна. Диагностика заболеваний в значительной мере базируется на данных многочисленных инструментальных исследований, обычно объединяемых в общее понятие "функциональная диагностика". Широкое внедрение в клиническую практику электроэнцефалографии, реоэнцефалографии и других методов исследования обуславливает растущий спрос на такие показатели данных методик, которые объективно оценивают функциональное состояние человека. Ставится вопрос об использовании интегральных показателей включающих наиболее информативные параметры (Жирмунская Е.А., Лосев B.C., 1984, Зенков Л.Р., 1996, Michel C M. et al. 2004). Интегральный подход к диагностике функциональных состояний в настоящее время используется все шире и шире. Современные методы математического анализа позволяют выделить наиболее информативные показатели исследуемых биоэлектрических сигналов с целью диагностики и прогнозирования функциональных состояний организма. Использование новых информационных технологий и математических методов позволяет в значительной степени облегчить задачу врачу-исследователю по выявлению анормальностей имеющихся в биоэлектрической активности мозга и проявляющихся в изменении амплитуды, спектрального состава, организации ритмов, фазовых соотношений и т.д.

Важно в целом определить функциональное состояние мозга, степень отличия его биоэлектрической активности от общепринятых показателей нормы. Для этого удобнее использовать интегральные показатели, которые учитывают все отклонения от нормы и представляют собой точку в многомерном признаковом пространстве. Тогда, по расстоянию до гиперсферы центра показателей практически здоровых испытуемых, возможно оценить текущее состояние пациента и его изменение в процессе проводимой терапии (Омельченко В.П., 1990)

Для диагностики функционального состояния головного мозга в процессе лечения, целесообразно привлечь к исследованию комплексный подход, включающий в себя методы обработки сигналов, методы классической и многомерной статистики.

Целью исследований являлось поиск информативных показателей биоэлектрической активности отражающих функциональные состояния головного мозга больных с депрессивными состояниями и дисциркуляторной энцефалопатией, разработка, на их основе, комплексных критериев диагностики функционального состояния и визуализации динамики показателей ЭЭГ в процессе фармакотерапии.

Задачами диссертационного исследования являлись:

1. Создание информационной базы данных ЭЭГ и анализа функционального состояния головного мозга больных с дисциркуляторной энцефалопатией, участвовавших в ликвидации последствий аварии на Чернобыльской АЭС, и больных с депрессивными состояниями.

2. Выявление информативных показателей ЭЭГ, достоверно отличающихся у больных по сравнению с показателями практически здоровых испытуемых, и на их основании разработка метода дифференциальной диагностики функционального состояния больных.

3. Поиск интегрального показателя биоэлектрической характеристики головного мозга для оценки функционального состояния головного мозга больных в процессе лечения.

4. Разработка метода визуализации динамики изменений функционального состояния головного мозга больных в процессе их фармакотерапии.

Научной новизной являются следующие положения и результаты

работы.

Выявлены спектральные составляющие ЭЭГ позволяющие квалифицировать группы больных между собой и отличать их от практически

здоровых испытуемых. Выявлены информативные показатели ЭЭГ, полученные в результате применения методов многомерного шкалирования, позволяющие классифицировать по ЭЭГ функциональные состояния головного мозга и визуализировать их изменения в процессе фармакотерапии.

Практическая значимость и внедрение результатов исследования.

Рассмотренная методика может быть использована в практических целях для визуализации динамики изменения функционального состояния головного мозга человека по записям ЭЭГ в процессе фармакотерапии. Полученные результаты позволяют получить предикторы исследованных патологических состояний головного мозга больных, а также проводить прогнозирование эффективности применения медикаментозной терапии на ранних стадиях.

Основные результаты внедрены в рамках научного сотрудничества в научно-исследовательские работы в области биофизики, медицины, медицинского приборостроения, а также в учебный процесс в следующих организациях и учреждениях России: Ростовский государственный медицинский университет (Ростов-на-Дону), ООО «Медиком MTD» (Таганрог), лечебно-реабилитационный научный Центр «Феникс» (Ростов-на-Дону), Тульский государственный университет (Тула), ГПУ НИИ новых медицинских технологий (Тула), НИИ нейрокибернетики им. А.Б. Когана при Ростовском государственном университете.

Соответствующие акты внедрения приведены в приложении к диссертации.

Работа выполнена в рамках проекта Ростовского государственного медицинского университета «Диагностический центр» в 1993-2005 гг.

Научные положения, выносимые на защиту. В соответствии с поставленной целью и задачами, на защиту выносятся следующие положения:

1. Классификация состояния больных с психоневрологическими расстройствами по данным ЭЭГ с помощью методов многомерной статистики.

2. Методика компьютерного мониторинга с использованием метода многомерного шкалирования, позволяющая оценить на ранних этапах лечения больных с психоневрологическими расстройствами эффективность применявшихся фармакологических средств.

3. Визуализация изменения функционального состояния головного мозга в процессе суточного и курсового мониторинга фармакотерапии и вычисления расстояний до нормы на основе многомерных признаков суммарной ЭЭГ активности головного мозга.

Апробация результатов работы.

Основные положения и результаты диссертационной работы докладывались и обсуждались на:

Конференции "Медицинские информационные системы ", Таганрог, 1998, 2002.

Конференции "Обозрение прикладной и промышленной математики", Сочи, 2000.

55-ой итоговой научной конференция. Аннотация докладов и материалы дня

науки студентов, молодых ученых и специалистов РГМУ, 2001

"XII World congress of Psychiatry." Yokohama. Japan. 2002

XIII The International Congress ofNeuropsychopharmacology. Montreal. 2002.

Конференции "Современные проблемы экспериментальной и клинической

медицины." Паттайа, Таиланд, 2005

состояния головного мозга испытуемых и визуализации их динамики в двумерном пространстве; нахождении параметров ЭЭГ, пригодных для классификации функционального состояния головного мозга испытуемых и для прогнозирования результатов применения медикаментозного лечения больных.

Публикации по теме диссертации. По теме диссертации опубликовано в 1994 - 2005 гг. 17 работ, в том числе 2 статьи в центральной научной литературе, 2 статьи в зарубежной печати.

Структура работы.

Диссертационная работа изложена на 226 страницах, состоит из введения, 4 глав с выводами, заключения, выводов, списка используемых источников литературы, включающего 323 наименований, и приложения. Основное содержание работы включает 85 таблиц и 24 рисунка.

Содержание работы. Материалы и методы исследования.

В основу работы положены результаты исследования 88 больных с психо-неврологическими нарушениями (мужчины и женщины в возрасте 38,2±9,8 лет). Контрольную группу составляли 96 человек практически здоровых испытуемых (мужчины и женщины в возрасте 33± 11,4 лет - «ЭЭГ норма»). Клинические исследования, лечение и отбор больных в исследуемые группы и группу «ЭЭГ норма» проводились на кафедре психиатрии РостГМУ (зав. каф., д.м.н, проф. Бухановский А.О., д.м.н., проф. Заика В.Г., к.м.н. Солдаткин В.А.). 53 испытуемых проходили лечение депрессивных синдромов и 35 испытуемых являлись ликвидаторами последствий аварии на Чернобыльской атомной электростанции (ЛПА ЧАЭС) с диагнозом дисциркуляторной энцефалопатии.

Регистрация активности головного мозга (ЭЭГ) проводилась при помощи программно-аппаратного комплекса «Энцефалан-131-01» фирмы

«Медиком MTD», Россия, г. Таганрог. Запись ЭЭГ проводилась по 8 монополярным отведениям, расположенных на поверхности скальпа согласно рекомендованной Международной федерацией общества электроэнцефалографии и клинической нейрофизиологии по системе 10x20%. Испытуемые находились в отдельном звуко- и светоизолированном помещение с заземленным контуром, в состоянии спокойного бодрствования с закрытыми глазами. Из первичных записей ЭЭГ фрагменты длительностью 8 секунд, имеющие различные артефакты, отбраковывались. Нормированные спектры мощностей 8 секундных записей, не содержащие артефактов, полученные с использованием метода прямого преобразования Фурье, следующих последовательно, усреднялись. Диапазон частот нормированных спектров мощностей соответствовал от 1 до 26 Гц с шагом по частоте 1 Гц. Записи испытуемых оценивались в четырех группах, согласно принимавшимся фармакологическим препаратам: I группа - «ЭЭГ норма» (96 человек), II группа - принимавших моклобемид (депрессия, ведущий симптом - апатия, 29 человека), III группа - принимавших флуоксетин (депрессия, ведущий симптом - тоска, 24 пациента), IV группа - принимавших танакан (дисциркуляторной энцефалопатии, 35 человек). Для анализа отбирались больные с положительным клиническим эффектом лечения. Мониторинг функционального состояния головного мозга проводился по следующей схеме. В 9 часов утра производилась фоновая запись ЭЭГ, после чего испытуемый получал разовую дозу фармакопрепарата. Запись ЭЭГ осуществлялась с интервалом 3 часа1. Запись испытуемых в группе «ЭЭГ норма» проводилась в утренние часы, с 8 до 11 часов.

Для статистического анализа данных применяли следующие методы. Расчет нормированных спектров мощностей производили при помощи преобразования Фурье. Для определения соответствия выборки нормальному

3 часа соответствует максимуму действия танакана, 6 часов соответствует максимуму действия флуоксетина и маклобемида, 24 часа соответствует полному прекращению действия разовой дозы факмакопрепарата. 8

закону распределения, при численности элементов выборки N меньше 120, применяли способ описанный Заксом Л. (1976). Для проверки равенства дисперсии применялся критерий Фишера (Тюрин Ю.Н., Макаров А.А., 1995). Статистическую проверку гипотез производили с помощью ^критерия Стьюдента (Лобоцкая Н.Л., 1987). В результатах исследования использованы только достоверно отличающиеся показатели при а<0,05. Для визуализации динамики изменения функционального состояния головного мозга был составлен многомерный вектор размерностью 208 из значений мощностей нормированных спектров всех восьми отведений выстроенных последовательно. Различия этих векторов оценивались с помощью методов многомерного шкалирования (МШ) (Дэйвисон М., 1988). В качестве мер близости использовались евклидово расстояние, расстояние Манхэттен, расстояние Чебышева.

Результаты исследования и их обсуждение.

Мониторинг функционального состояния головного мозга методами классической статистики. С помощью двух опытных врачей-экспертов и компьютерного анализа были отобраны записи ЭЭГ 96 человек, которые не имели анормальностей и, согласно классификации Жирмунской Е.А.(1972), были близки к I группе I типа, т.е. представляли «идеальную ЭЭГ норму». Для каждого испытуемого были вычислены количественные значения 208 признаков.

Для испытуемых II группы врачами-экспертами был назначен

препарат моклобемид (аурорикс) - антидепрессант, обратимый ингибитор

моноаминоксидазы-А, разовая доза препарата 300 мг. Для мониторинга

влияния этого препарата осуществлялась запись ЭЭГ по описанной выше

схеме. В дальнейшем проводилось сравнение групп векторов

соответствующих 3 часам, 6 часам, 24 часам после разовой дозы

фармакопрепарата и перед выпиской больных с группой векторов

соответствующих фоновой записи. Наибольшие отличия установлены между

группой с 6 часовым действием и группой записей фонового состояния, а также между группами, записей соответствующих выписке и фоновым состояниям. Различия между группами записей, соответствующих 3 часам и 24 часам действия фармакопрепарата, и группой записей, соответствующей фоновому состоянию, были недостоверны, только на отдельных частотах и в отдельных отведениях наблюдались значимые отличия. В свою очередь, сравнение групп записей, соответствующих фоновому состоянию, 3 часам, 6 часам, 24 часам действия фармакопрепарата и перед выпиской, с группой записей «ЭЭГ норма» выявили максимум различий между группами векторов фон - «ЭЭГ норма», 3 часа действия - «ЭЭГ норма», 24 часа действия - «ЭЭГ норма». В то время как, между группами векторов 6 часов действия - «ЭЭГ норма» и перед выпиской - «ЭЭГ норма» различий было намного меньше.

Результаты, полученные во II группе, позволили сделать вывод о следующей динамике изменений в записях функционального состояния головного мозга и в процессе действия разовой дозы моклобемида. В пик действия фармакопрепарата (6 часов) вектора записей ЭЭГ имели максимум различий между фоновым состоянием и минимум различий с записями группы «ЭЭГ нормы». По окончанию действия разовой дозы фармакопрепарата (24 часа) установлено минимальное количество отличий установленыъх между векторами данного функционального состояния и векторами фонового состояния и значительные отличие с векторами группы «ЭЭГ нормы».

Для испытуемых III группы был назначен препарат флуоксетин (продеп) - антидепрессант, блокатор обратного захвата серотонина в центральных синапсах, разовая доза препарата 20 мг. Для мониторинга эффектов этого препарата осуществлялись записи ЭЭГ по описанной выше схеме.

В III группе динамика изменений записей функционального состояния достаточно похожа на динамику в группе II. Так как максимум

действия лекарства и время полного распада препарата в этой группе такой же как и у маклобемида, то и выводы полученные во II группе здесь также справедливы.

Испытуемые IV группы принимали препарат танакан (EGb 761 -экстракт Гинкго Билоба 24%) - антиоксидант, нормализует обмен веществ, улучшает церебральный кровоток, разовая доза 120 мг. Мониторинг функционального состояния головного мозга осуществлялся по той же схеме: фон, 3 часа действия, 6 часов действия, 24 часа действия и перед выпиской. Максимум различий между группами векторов состояний и группой фонового состояния наблюдался через 3 часа после приема разовой дозы препарата и перед выпиской, а минимум - через 24 часа. При сравнении групп векторов состояний с группой «ЭЭГ норма» максимальное различие наблюдалось с фоновом состоянии и через 24 часа действия, а минимальное различие - через 3 часа действия препарата и перед выпиской.

Максимум различий с фоновыми записям наблюдался через 3 часа, что соответствует пику действия препарата, а через 24 часа, как и в предыдущих группах, в период полного распада препарата, отличий с фоном не отмечалось.

Следует отметить, что изменения во время пика действия всех препаратов (моклобемид, флуоксетин, танакан) были направлены в сторону «ЭЭГ нормы».

Использование методов классической статистики позволило выявить и оценить динамику изменения функционального состояния головного мозга по векторам, составленным из нормированных спектров мощностей всех 8 отведений, но накладывает некоторые условия, которые необходимо проверить перед их применением, в частности нормальность распределения, равенство дисперсий.

С помощью дискриминантного анализа были получены дискриминантные функции, позволившие разделить записи

биоэлектрической активности головного мозга группы практически здоровых испытуемых от каждой группы исследуемых больных, а также классифицировать их с вероятностью Р0,95. В таблице приведены результаты реклассификации векторов.

Таблица.

Результаты реклассификации векторов.

Группа I ГруппаII Группа III Группа IV

Группа I 96 0 0 0

ГруппаII 0 28 1 0

Группа III 0 1 23 0

Группа IV 0 0 0 35

Мониторинг и визуализация динамики функционального состояния головного мозга методами многомерного шкалирования. Этот метод позволяет наблюдать динамику функционального состояния головного мозга путем сворачивания многомерного пространства в размерность, приемлемую для визуализации данных. В качестве новой размерности пространства было выбрано двумерное пространство. Примечательно, что этот метод не требует проверки на нормальность распределения данных, в отличии от методов КС. Исследования были разделены на пять этапов:

1. Исследование распределения векторов одной группы внутри этой группы в двумерном пространстве.

2. Исследование суточной динамики распределения векторов одной группы в двумерном пространстве.

3. Исследование распределения векторов, принадлежащих различным группам, при полном наборе компонент (208-мерных векторов), в двумерном пространстве.

4. Исследование распределения векторов, принадлежащих различным группам отдельно по каждому отведению в двумерном пространстве.

5. Исследование распределения векторов принадлежащих различным группам, при учете данных для каждого ритма ЭЭГ, в двумерном пространстве.

I этап. На этом этапе оценивалось распределение исходных векторов, размерностью 208, принадлежащих испытуемым входящим в одну группу, в двумерном пространстве.

Как видно из рисунка 1, распределение двумерных векторов «ЭЭГ нормы» оказалось компактным. Причем, в этой группе выделялся единственный геометрический центр.

Распределение векторов испытуемых других групп носило схожий характер. В процессе лечения испытуемых в группах не происходило образования новых центров и разделения первоначальных групп на подгруппы.

На II этапе, так как, не было образования подгрупп в основных группах, для наглядности визуализации использовалась усредненные вектора групп для каждого функционального состояния головного мозга (фон, 3 часа, 6 часов, 24 часа, перед выпиской). В результате применения методов многомерного шкалирования из исходных векторов, размерностью 208, были получены двумерные вектора. В рассматриваемые вектора был включен усредненный групповой вектор «ЭЭГ нормы». Распределение двумерных векторов для группы II представлено на рисунке 2.

Рис 2. Динамика изменения функционального состояния головного мозга по записям ЭЭГ испытуемых (М) II группы относительно «ЭЭГ нормы» (№) при монофармакотерапии моклобемидом, полученная в результате применения методов многомерного шкалирования. Численный индекс - время прошедшее, после приема разовой дозы препарата, индекс «в»- перед выпиской, отсутствие индекса - фоновое состояние.

Как видно из рисунка 2, через 6 часов после приема разовой дозы препарата эвклидово расстояние уменьшалось, и шестичасовой вектор смещался в сторону «ЭЭГ нормы». Через 24 часа соответствующий вектор смещался обратно к фоновому вектору, что соответствовало увеличению эвклидова расстояния до «ЭЭГ нормы». Уменьшение расстояния также наблюдалось перед выпиской.

На рисунке 3 представлено распределение двумерных векторов для группы III, полученных с помощью методов многомерного шкалирования. Y 2,0 -1-----.-.-■-■-

1,5

1,0

0,5

0,0

-0,5

-1,0

-1,5

-2,0

-2,0 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0

Рис 3. Динамика изменения функционального состояния головного мозга по записям ЭЭГ испытуемых (F) III группы относительно «ЭЭГ нормы» (]])при монофармакотерапии флуоксетином, полученная в результате применения методов многомерного шкалирования. Численный индекс- время прошедшее, после приема разовой дозы препарата, индекс «в» - перед выпиской, отсутствие индекса - фоновое состояние.

Так же, как и во II группе, в III группе получена динамика изменения положения векторов соответствующих различным функциональным состояниям головного мозга. Так как в методах многомерного шкалирования

выбор ориентации пространства не имеет роли, то мы можем констатировать, что и в III группе динамика схожа с описанными изменениями во II группе. А именно, эвклидово расстояние уменьшалось до «ЭЭГ нормы» через 6 часов, увеличивалось - через 24 часа и опять уменьшалось - перед выпиской.

В группе IV динамика изменения функционального состояния головного мозга (рис 4) имела аналогичные изменения, как и в ранее рассмотренных группах.

Рис 4. Динамика изменения функционального состояния головного мозга по записям ЭЭГ испытуемых (Т) IV группы относительно «ЭЭГ нормы» (] при монофармакотерапии танаканом, полученная в результате применения методов многомерного шкалирования. Численный индекс- время, прошедшее после разовой дозы препарата, индекс «в» - перед выпиской, отсутствие индекса - фоновое состояние.

Однако максимальный эффект разовой дозы наблюдался через 3 часа, что соответствовало наименьшему евклидовому расстоянию.

Выше отмеченные уменьшения эвклидовых расстояний до «ЭЭГ нормы» во всех группах, во время суточного мониторинга соответствовали 16

пикам действия лекарств. Метод многомерного шкалирования также позволил визуализировать динамику изменения векторов функционального состояния головного мозга внутри каждой группы в процессе применения фармакотерапии.

На III этапе объединялись все вектора четырех групп в одном

координатном пространстве (рис. 5). Для облегчения восприятия общей картины опять использовали усредненные вектора групп.

Y 1,6

1,4

1,2

1,0 0,8 0,6 м о М24 омз т тЯ 0

0,4 0,2 Мб О Т6 о

0,0 -0,2 -0,4 . м Мв , о 0 Тв тз Cd О F» ; о о ■ I i

-0,6 1

-0.8 -1.0 ■ F О F24 О F3 О

-1,2

-1,4 -1,2 -1,0 -0,8 -0,6 -0,4 -0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 2,2 2,4

Рис 5. Распределение векторов полученных методами многомерного шкалирования принадлежащих II (М), III (F), IV (Т) группам относительно «ЭЭГ нормы» (N) в динамике суточного мониторинга действия разовых доз фармакопрепаратов и перед выпиской. Численный индекс - время прошедшее после разовой дозы препарата, индекс «в» - перед выпиской, отсутствие индекса - фоновое состояние.

Все четыре группы имели свои локальные центры. Группы между собой не пересекались. Центры групп были значительно удалены друг от друга. Динамика изменения векторов функционального состояния в процессе фармакотерапии в новом двумерном пространстве для каждой группы была

сохранена. Во всех группах уменьшение эвклидова расстояния соответствовало пику действия лекарственных средств или отмечалось перед выпиской, а восстановление или увеличение - 24 часам после введения разовой дозы.

Для определения вклада каждого из отведений ЭЭГ в полученное распределение на IV этапе были построены вектора, включающие только параметры каждого отведения. В результате применения методов многомерного шкалирования получены распределения векторов для каждого из отведений. Динамика изменения положения векторов была схожа с общей динамикой. Однако наибольшее сходство распределение векторов с распределением полученном на III этапе была отмечено в теменных и затылочных отведениях.

Вектора, сформированные из всех отведений с учетом частотных ритмов, были получены на V этапе. После применения методов многомерного шкалирования были получены четыре распределения. Динамика изменения положения векторов во всех ритмах соответствовала полученной ранее динамике. В а- и ß- ритмах распределения фоновых векторов наибольшим образам соответствовали полученному ранее распределению.

Таким образом, описанные выше методы позволили выявить спектральные составляющие ЭЭГ позволяющие квалифицировать группы больных между собой и отличать их от практически здоровых испытуемых. Также они позволили выявить информативные показатели ЭЭГ, полученные в результате применения методов многомерного шкалирования, позволяющие классифицировать по ЭЭГ функциональные состояния головного мозга и визуализировать их изменения в процессе фармакотерапии.

Выводы и рекомендации

Результаты, полученные в процессе настоящего исследования, позволяют сделать следующие выводы:

1. Выявлены следующие значимые отличия спектральных характеристик ЭЭГ испытуемых с психоневрологическими нарушениями (II группа -испытуемые принимающих моклобемид (депрессия, ведущий симптом -апатия), III группа - испытуемые принимающих флуоксетин (депрессия, ведущий симптом - тоска), IV группа - испытуемые, принимающих танакан (дисциркуляторной энцефалопатии)) от ЭЭГ практически здоровых испытуемых (I группа):

1.1. Для испытуемых II группы характерна пониженная а-активность, особенно на частоте 11 Гц, на фоне повышенной спектральной мощности Р-активности практически во всех отведениях, а также повышенная ©-активность в теменных отведениях.

1.2. Для испытуемых III группы характерна пониженная а-активность в теменных и затылочных отведениях и повышенная активность на частоте 11 Гц, пониженные А-активность во всех отведениях и 0-активности в лобных и затылочных отведениях;

1.3. Для испытуемых IV группы характерно повышенная Р-активность в теменных и затылочных отведениях, пониженная амплитуда а-активности на частоте 11 Гц и повышенная 0-активность в затылочных отведениях.

2. Спектральные характеристики ЭЭГ исследуемых групп разделяются в признаковом пространстве методом дискриминантного анализа с вероятностью (Р 0,95);

3. Выявлена следующая динамика изменения биоэлектрической активности мозга больных в процессе действия разовой дозы фармакопрепарата;

3.1. У испытуемых, принимавших моклобемид в дозе 300 мг и флуоксетин в дозе 20 мг, пик действия препарата (по уменьшению расстояния в признаковом пространстве ЭЭГ) наступал через 6 часов после его приема.

3.2. У испытуемых, принимавших танакан в дозе 120 мг, пик действия

препарата (по уменьшению расстояния в признаковом пространстве ЭЭГ) наступал через 3 часов после его приема.

4. При успешной фармакотерапии характеристики биоэлектрической активности головного мозга испытуемых, на момент выписки, приближались к границам «ЭЭГ нормы» или полностью с ней совпадали.

5. Методы многомерного шкалирования позволяют визуализировать динамику изменения параметров ЭЭГ в процессе фармакотерапии;

6. Для классификации состояний и мониторинга действия фармакотерапии наиболее информативными и являются характеристики ЭЭГ теменных и затылочных отведений.

Основные результаты работы отражены в следующих публикациях:

1. Рудковский М.В., Ковалева Н.В., Баранчук КС Оценка эффективности новых антидеприсантов у больных с депрессивным синдромом // 50-я итоговая научная конференция. Аннотация докладов и материалы дня науки студентов, молодых ученых и специалистов РГМУ, 1997, - С. 153

2. Солдаткин В.А., Рудковский М.В. Использование ЭЭГ для прогноза применения антидеприсантов // 51-я итоговая научная конференция. Аннотация докладов и материалы дня науки студентов, молодых ученых и специалистов РГМУ, 1998,- С. 35

3. Матуа СП., Рудковский М. В., Еремина О.П., Компьютерный ЭЭГ мониторинг эффективности лечения больных с оптико-хиазмальными арахноидитами // 2 научная сессия РГМУ, 1998 - С. 325

4. Омельченко В.П., Рудковский М. В., Заика ВТ., Солдаткин В.А., Электроэнцефалографические корреляты эффективности фармакотерапии при депрессивных состояниях // Изв. ТРТУ. Медицинские информационные системы - 98, Таганрог, 1998, № 4 (10) -С. 85.

5. Омельченко В.П., Рудковский М.В. Электроэнцефалографическое

прогнозирование эффективности применения антидепрессантов // «Актуальные проблемы современной медицины ». Сборник тезисов конференции, г. Минск, 1999г.,-С 135

6. Омельченко В.П., Рудковский М.В., Заика ВТ. Применение компьютерной электроэнцефалографии для динамической оценки состояния больных с аффективными нарушениями // Психиатрия на рубеже тысячелетий. Мат. конф. Псих. Юга России. Ростов-на-Дону, 1999. - С. 235-237.

7. Ровда Н.Л., Рудковский М.В. Дифференциальный подход к диагностике функционального состояния мозга больных дискуляторной энцефалопатией на основе ЭЭГ- и РЭГ- исследований // 52-я итоговая научная конференция. Аннотация докладов и материалы дня науки студентов, молодых ученых и специалистов РГМУ, 1998, - С. 215

8. Омельченко В.П., Заика ВТ., Рудковский М.В. Динамическая диагностика функционального состояния головного мозга с помощью ЭЭГ исследования // Обозрение прикладной и промышленной математики. Т.7. Вып. 2. Сочи, 2000. С 398-399

9. Рудковский М.В., Солдадкин В.А., Ровда Н.Л. Поиск эффективных методов терапии психических расстройств у ликвидаторов последствий аварии на Чернобыльской АЭС // 55-я итоговая научная конференция. Аннотация докладов и материалы дня науки студентов, молодых ученых и специалистов РГМУ, Ростов-на-Дону, 2001, - С. 133

10. Омельченко В.П., Рудковский М.В. Сравнительный анализ ЭЭГ здоровых испытуемых и больных с депрессивным расстройствами // Изв. ТРТУ. Медицинские информационные системы - 2002, Таганрог, 2002, - С. 153.

И. Soldatkin V.A., Rudkovsky M.V., Soldatkina N.V. In Search of the Effective Methods of Therapy of Mental Disorders in the Liquidators of the Effects of the Chernobyl Accident (LECA) // XII World congress of Psychiatry. Yokohama. Japan. 2002 С 250

12. Soldatkin V.A., Rudkovsky M.V., Sohlatkina N.V. Mental disorders in the liquidators of the effects of the Chernobyl Accident (LECA): in search of the effective therapeutic methods // The International Journal of Neuropsychopharmacology. V.5 Montreal. 2002., P2. P. S130

13. Омгльченко В.П., Рудковский М.В. Применение методов многомерного шкалирования для контроля влияния психофармакотерапии.// "ЭМ-2002", Санкт-Петербург, 2002г

14. Рудковский М.В., Омельченко В.П., Матуа В.П., Дискретный электроэнцефалографический мониторинг фармакотерапии психоневрологических больных с использованием метода многомерного шкалирования // Изв. вузов. Сев.-Кавк. регион. Естеств. науки. Приложение. Ростов-на-Дону, 2003, №8, - С. 59-67

15. Омельченко В.П., Заика ВТ., Рудковский М.В., Матуа СП, ЭЭГ оценка монофармакотерапии депрессивных больных // 1-я науно-практическая конф. Психиаторов и наркогогов ЮФО (с международным и российским участием) Ростов-на-Дону, 2004, с. 399401

16. Омельченко В.П., Заика В.Г., Рудковский М.В., Матуа СП., Солдаткин В.А. Дискретный мониторинг биоэлектрической активности мозга методом. многомерного шкалирования при лечении психоневрологических больных // IV Научная сессия. РостГМУ, Ростов-на-Дону, 2004. - С. 364-365

17. Матуа СП., Рудковский М.В., Простое И.К., Омельченко В.П. Современные подходы к компьютерному мониторингу в клинической нейрофизиологии. // Успехи современного естествознания. Мат. конф. "Современные проблемы экспериментальной и клинической медицины." Паттайа, Таиланд, 2005,. М., 2004, №12, - С. 59-60.

С О И С К С —V/^" ■ ® • Рудковский

Подписано в печать 12.05.2005 г. Формат бумаги 60X84/16 Бумага типографская №2. Офсетная печать. Усл.-печ. л. 1,2 Усл. кр.-отт. 1,2. Уч.-изд. л. 1,0 Тираж 100 экз. Заказ № 652

Отпечатано с готового оригинал-макета в КМЦ «Ирбис», Пушкинская 83

О 9 ИЮЛ 2005

: "««О*

* 4 с Л **

299

Содержание диссертации, кандидата биологических наук, Рудковский, Михаил Владимирович

Введение

Глава I. Компьютерный анализ биопотенциалов головного мозга человека. Основные методы и тенденции развития.

Обзор литературы).

1.1. Медико-биологический аспект проблемы.

1.1.1. Общая характеристика биоэлектрической активности мозга.

1.1.2. Механизмы генерации электрической активности мозга.

1.1.3. Диагностическое значение ЭЭГ-сигнала.

1.2. Основные методы обработки биопотенциалов головного мозга.

1.2.1. Традиционные методы анализа ЭЭГ.

1.2.2. Основные направления автоматизации обработки ЭЭГ.

1.3. Применение математических методов обработки ЭЭГ в научных и клинических исследованиях.

1.3.1. Развитие применяемых методов автоматической обработки ЭЭГ.

1.3.2. Спектральный анализ ЭЭГ.

1.3.3. Топографическое картирование биопотенциалов.

1.3.4. Экспертные системы на основе баз знаний - следующий этап применения ЭВМ в нейрофизиологии.

1.4. Применение электрофизиологических исследований в психиатрии пограничных состояний. Постановка задачи.

Глава II. Материалы и методы исследования.

2.1. Материалы и методы исследования.

2.1.1. Объект исследования.

2.1.2. Методика ЭЭГ-мониторинга.

2.1.3. Методы применяемой фармакотерапии.

2.2. Методы анализа ЭЭГ.

2.2.1. Методы обработки исходного вектора признаков.

2.2.2. Методы статистической обработки и сжатия многомерного пространства. Метод многомерного шкалирования.

2.2.2.1. Метод проверки подчинения статистических данных нормальному закону распределения.

2.2.2.2. Критерий Фишера.

2.2.2.3. Критерий Стьюдента.

2.2.2.4. Кластерный анализ.

2.2.2.5. Метод дискриминантный анализ.

2.2.2.6. Метод многомерного шкалирования.

Глава III. Результаты собственных исследований методами классической статистики.

3.1. Биоэлектрическая активность мозга здоровых испытуемых.

3.2. Электроэнцефалографические проявления и мониторинг состояний психоневрологических больных.

3.2.1. Мониторинг состояния больных принимавших моклобемид (группа II).

3.2.2. Мониторинг состояния больных принимавших флуоксетин (группа III).

3.2.3. Мониторинг состояния больных принимавших танакан группа IV).

3.3. Результаты применения дискриминантного анализа данных.

3.3.1. Результаты применения дискриминантного анализа для разделения многомерных векторов групп испытуемых II и группы «ЭЭГ нормы».

3.3.2. Результаты применения дискриминантного анализа для разделения многомерных векторов групп испытуемых III и группы «ЭЭГ нормы».

3.3.3. Результаты применения дискриминантного анализа для разделения многомерных векторов групп испытуемых IV и группы «ЭЭГ нормы».

3.3.4. Результаты применения дискриминантного анализа для попарного разделения многомерных векторов групп испытуемых и группы «ЭЭГ нормы».

3.3.5. Результаты применения дискриминантного анализа для разделения многомерных векторов групп испытуемых и группы «ЭЭГ нормы».

Глава IV. Результаты собственных исследований методами многомерного шкалирования.

4.1. Анализ внутригрупповых отношений.

4.2. Исследования динамики внутригрупповых отношений.

4.2.1. . Динамика изменений усредненного вектора больных

II группы в процессе действия разовой дозы моклобемида.

4.2.2. Динамика изменений усредненного вектора больных

III группы в процессе действия разовой дозы флуоксетина.

4.2.3. Динамика изменений усредненного вектора больных

IV группы, при их монофармакотерапии танаканом.

4.3. Исследования межгрупповых отношений при полном наборе компонент.

4.4. Исследования межгрупповых отношений отдельно по каждому отведению.

4.4.1. Исследования межгрупповых отношений в лобных отведениях.

4.4.2. Исследования межгрупповых отношений в височных отведениях.

4.4.3. Исследования межгрупповых отношений в теменных отведениях.

4.4.4. Исследования межгрупповых отношений в затылочных отведениях.

4.5. Исследования межгрупповых отношений по ритмам ЭЭГ.

4.5.1. . Исследования межгрупповых отношений в частотном диапазоне дельта-ритма.

4.5.2. . Исследования межгрупповых отношений в частотном диапазоне тэта-ритма.

4.5.3. . Исследования межгрупповых отношений в частотном диапазоне альфа-ритма.

4.5.4. . Исследования межгрупповых отношений в частотном диапазоне бета-ритма.

Введение Диссертация по биологии, на тему "Дискретный мониторинг биоэлектрической активности головного мозга в процессе фармакотерапии"

Актуальность и новизна. Диагностика заболеваний в значительной мере базируется на данных многочисленных инструментальных исследований, обычно объединяемых в общее понятие "функциональная диагностика". Широкое внедрение в клиническую практику электроэнцефалографии, реоэнцефалографии и других методов исследования обуславливает растущий спрос на такие показатели данных методик, которые объективно оценивают функциональное состояние человека. Ставится вопрос об использовании интегральных показателей включающих наиболее информативные параметры (Жирмунская Е.А., Лосев B.C., 1984, Зенков JI.P., 1996, Michel С.М. et al. 2004). Интегральный подход к диагностике функциональных состояний в настоящее время используется все шире и шире. Современные методы математического анализа позволяют выделить наиболее информативные показатели исследуемых биоэлектрических сигналов с целью диагностики и прогнозирования функциональных состояний организма. Использование новых информационных технологий и математических методов позволяет в значительной степени облегчить задачу врачу-исследователю по выявлению анормальностей имеющихся в биоэлектрической активности мозга и проявляющихся в изменении амплитуды, спектрального состава, организации ритмов, фазовых соотношений и т.д.

Важно в целом определить функциональное состояние мозга, степень отличия его биоэлектрической активности от общепринятых показателей нормы. Для этого удобнее использовать интегральные показатели, которые учитывают все отклонения от нормы и представляют собой точку в многомерном признаковом пространстве. Тогда, по расстоянию до гиперсферы показателей практически здоровых испытуемых, возможно оценить текущее состояние пациента и его изменение в процессе проводимой терапии (Омельченко В.П., 1990)

Целью исследований является поиск информативных показателей биоэлектрической активности отражающих функциональные состояния головного мозга больных с депрессивными состояниями и дисциркуляторной энцефалопатией, разработка, на их основе, комплексных критериев диагностики функционального состояния и визуализации динамики показателей ЭЭГ в процессе фармакотерапии.

Задачами диссертационного исследования являлись:

Научной новизной являются следующие положения и результаты работы.

Выявлены информативные показатели ЭЭГ, полученные в результате применения методов многомерного шкалирования, позволяющие классифицировать по ЭЭГ функциональные состояния головного мозга и визуализировать их изменения в процессе фармакотерапии.

Практическая значимость и внедрение результатов исследования.

Основные результаты внедрены в рамках научного сотрудничества в научно-исследовательские работы в области биофизики, медицины, медицинского приборостроения, а также в учебный процесс в следующих организациях и учреждениях России: Ростовский государственный медицинский университет (Ростов-на-Дону), ООО «Медиком МТБ» (Таганрог), лечебно-реабилитационный научный Центр «Феникс» (Ростов-на-Дону), Тульский государственный университет (Тула), ГПУ НИИ новых медицинских технологий (Тула), НИИ нейрокибернетики им. А.Б. Когана при Ростовском государственном университете.

Соответствующие акты внедрения приведены в приложении к диссертации.

Работа выполнена в рамках проекта Ростовского государственного медицинского университета «Диагностический центр» в 1993

2005 гг.

2. Методика компьютерного мониторинга с использованием метода многомерного шкалирования, позволяющая оценить на ранних этапах лечения больных с психоневрологическими расстройствами эффективность применявших фармакологических средств.

Апробация результатов работы.

Основные положения и результаты диссертационной работы докладывались и обсуждались на:

Конференции "Медицинские информационные системы Таганрог, 1998, 2002.

Конференции "Обозрение прикладной и промышленной математики", Сочи, 2000.

55-ой итоговой научной конференция. Аннотация докладов и материалы дня науки студентов, молодых ученых и специалистов РГМУ, 2001 "XII World congress of Psychiatry." Yokohama. Japan. 2002 XIII The International Congress of Neuropsychopharmacology. Montreal. 2002.

Конференции "Современные проблемы экспериментальной и клинической медицины." Паттайа, Таиланд, 2005

Личный вклад автора заключается в постановке задач исследования; анализе современного состояния проблемы; создании базы данных ЭЭГ здоровых испытуемых, больных с депрессивными состояниями и дисциркуляторной энцефалопатией; постановке биофизических экспериментов; статистической обработке данных и анализе их результатов; разработке методики мониторинга функционального состояния головного мозга испытуемых и визуализации их динамики в двумерном пространстве; нахождении параметров ЭЭГ, пригодных для классификации функционального состояния головного мозга испытуемых и для прогнозирования результатов применения медикаментозного лечения больных.

Заключение Диссертация по теме "Биофизика", Рудковский, Михаил Владимирович

Заключение

В ряде работ показано, что при депрессиях наблюдается формирование фокусов повышенной активности в мозге, приводящих к рассогласованию деятельности передних и задних областей полушарий, а также нарушение взаимоотношений между глубокими структурами мозга и корковыми отделами (Мельникова Т.С. и соавт., 1992; Стрелец В.Б., 1993; Стрелец В.Б. и соавт., 1994; Ohashi Y., 1994; Bruder G.E. et al., 1997). Однако, несмотря на интенсивные исследования нейрофизиологических процессов при депрессивных расстройствах, остаются неясными многие механизмы формирования и терапевтической динамики этих состояний (Mas F. et al., 1993; Knott V.J., 1996). Внедрение компьютерной обработки биопотенциалов мозга позволило обнаружить ряд информативных показателей для дифференциальной диагностики психических расстройств и маркеров тяжести состояния (Сидоренко Г.В., 1995; Зенков JI.P., 1996).

Проведенный нами анализ ЭЭГ спектров мониторируемых групп методами классической статистики показал существенные их изменения в течение суток после приема разовой дозы исследуемых препаратов.

Как видно из результатов описанных в разделе 3.2.1, в процессе суточного ЭЭГ мониторинга в группе принимавших моклобемид статистически значимые различия по сравнению с фоном регистрировались через 6 часов после введения разовой дозы, что соответствует максимуму действия данного лекарства. (Мосолов С.Н., 1995; Galderisi S. et al., 1996). Значимые уменьшения спектральной мощности относительно фона (р<0,05) отмечались в диапазонах ß-ритма, 0-ритма и на частотах 2-3 Гц. При этом имело место увеличение их в частотном диапазоне 11-12 Гц, а в височных отведениях и на частоте 1 Гц. Через сутки значимых отличий от фона уже не наблюдалось, что соответствует прекращению действия разовой дозы моклобемида. Значимые изменения (р<0,05) спектральных мощностей были выявлены и в динамике курсового лечения данным препаратом, о чем свидетельствуют уменьшение спектральной мощности в диапазонах 0- и ß-ритмов и увеличение их на частотах 1 и 10-12 Гц. Описанная динамика ЭЭГ спектров сопровождалась улучшением состояния больных этой группы в процессе их курсовой терапии.

Сравнение мониторируемых состояний данной группы с «ЭЭГ нормой» показало, что спектральные мощности ß- и 0-ритмов в фоновом состоянии значимо (р<0,05) выше мощности таковых «ЭЭГ нормы», и ниже на частотах 1, 10-13 Гц. Аналогичная тенденция с небольшими отличиями в отдельных отведениях наблюдалась через 3 часа и 24 часа после разовой приема дозы моклобемида. Существенно иные результаты наблюдались через 6 часов, особенно в диапазоне а-ритма, а именно: значительное снижение спектральной мощности по сравнению с «ЭЭГ нормой». Перед выпиской больных данной группой статистически значимое снижение мощности спектров наблюдались также на единичных частотах ß- и 0- ритмов.

Все выше сказанное позволяет сделать вывод, о том, что в процессе монофармакотерапии моклобемидом пик действия лекарства наступает в районе 6 часов, после его приема, причем изменения спектральных мощностей имеют тенденцию приближения к таковым «ЭЭГ нормы».

Результаты, полученные при использовании в качестве монофармакотерапии флуоксетина (III группа) методами классической статистики, были описаны в разделе 3.2.2. Анализ этих данных свидетельствует о том, что:

1) при суточном мониторинге максимум изменения спектральной мощности отмечается через 6 часов после введения разовой дозы препарата, что соответствует пику его действия (Мосолов С.Н., 1995; GalderisiS. et al., 1996);

2) эти ЭЭГ изменения схожи с изменениями, регистрирующими в конце успешного курса терапии данным препаратом;

3) динамика спектральных изменений характеризуется увеличением их мощностей в области 8-, 0- ритмов и частотных диапазонов 8-9 Гц, 12-14 Гц и 18-21 Гц, на фоне уменьшения их на частотах 11 Гц, 15-17 Гц и 22-26 Гц;

4) как и в группе II, перечисленные изменения спектральных мощностей приводят к уменьшению достоверных различий между мониторируемыми состояниями (через 6 часов и перед выпиской) с «ЭЭГ нормой»;

5) через 3 и 24 часа изменения относительно фонового состояния выявляются только в области 8-ритме.

Таким образом, полученные результаты позволяют заключить, что:

1) пик действия флуоксетина наступает через 6 часов после принятия препарата;

2) все изменения на этом этапе мониторинга сводятся к приближению спектральных мощностей ЭЭГ к соответствующим спектральным показателям «ЭЭГ нормы»;

3) уже через 3 часа значимые (р<0,05) изменения спектральных мощностей относительно фона отличаются в области 8-активности, причем, преимущественно в теменных и затылочный отведениях;

4) через 24 часа - эффекты действия флуоксетина выражаются в различиях спектральных мощностей по отношению к фоновому состоянию в диапазоне 8-активности лишь в затылочных отведениях.

Изменения спектральных мощностей также наблюдалось и в IV группе больных, принимавших танакан. Результаты сравнения нормированных спектров исследуемых мониторируемых состояний были рассмотрены нами в разделе 3.2.3. Установлены следующие тенденции изменения исследуемых параметров:

1) при суточном мониторинге максимум изменения спектральной мощности отмечался через 3 часов после приема разовой дозы флуоксетина, что соответствует пику его действия (Мосолов С.Н., 1995; ОаИепв! Б. е1 а1., 1996);

2) эти изменения были схожи с изменениями, регистрируемыми в конце курса монофармакотерапии данным препаратам, причем, увеличение спектральных мощностей отмечались в частотном диапазоне 10-13 Гц, а уменьшение - во всех остальных диапазонах;

3) как и в группе II, описанные изменения спектральных мощностей сопровождались уменьшением достоверных различий спектров мониторируемых состояний и «ЭЭГ нормой»;

4) через 6 часов изменения относительно фонового состояния выявлялись только на частоте 11 Гц, а через 24 часа - в единичных отведениях на частотах 11 и 13 Гц.

Выше перечисленные факты позволили сделать следующие выводы:

1. Пик действия флуоксетина наступал через 3 часа после приема препарата;

2. Все изменения, отмечаемые через 3 часа после введения препарата, сводились к приближению спектральных мощностей мониторируемого состояния к «ЭЭГ норме»;

3. Через 6 часов проявлялись признаки остаточного действия лекарства, а именно, значимые (р<0,05) изменения спектральных мощностей относительно фона на частоте 11 Гц,

4. Через 24 часа - эффекты действия танакана практически нивелировались.

Установленные нами отличия ЭЭГ больных II, III и IV групп от практически здоровых испытуемых, не опровергают данные других авторов (Волынкина Г.Ю., Суворов Н.Ф., 1981; Монахов К.К. и др., 1983;

Синицкий В.Н., 1986; Омельченко В.П., 1990; Заика В.Г., 2001; Солдаткин

В.А., 2002; и др.), что указывает на устойчивость и специфичность ЭЭГ проявлений рассматриваемых нами патологий. Динамика изменения записей ЭЭГ в процессе действия разовых доз фармакопрепаратов тесно связана с клиническим состоянием больных. Показано, что минимум отличий спектральных мощностей от «ЭЭГ нормы» совпадал с пиком действия лекарственного препарата.

Сравнение фоновых состояний для групп больных с группой «ЭЭГ норма» позволило найти классификационные функции отдельно для каждой группы.

В результате применения дискриминантного анализа установлено, что для больных II группы основной вклад в разделение двух групп вносят лобные, височные и затылочные отведения. Причем, а- и ß-ритмы являются наиболее весомыми в дискриминантных функциях полученных для каждого отведения. Для больных III группы основной вклад в разделение двух групп вносят лобные и височные отведения. Причем, 0-ритм вносил наибольший вклад в дискриминантных функциях. В группе ликвидаторов последствий взрыва на ЧАЭС основной вклад в разделение двух групп вносят теменные и затылочные отведения. Наиболее информативными, для данной группы больных, были а- и ß-ритмы.

При проведении реклассификации в каждой паре практически все вектора соответствовали своим группам. Так же, следует отметить, что для разделения второй группы и группы «ЭЭГ нормы» основной вклад в разделение вносят затылочные и теменные отведения, а среди частотных составляющих а- и ß- ритмы. В третьей группе - теменные и лобные отведения. В четвертой группе - лобные, височные и затылочные отведения и частоты в области а- и ß- ритмов.

Применение дискриминантных функций к векторам соответствующих состоянию испытуемых перед выпиской позволило их классифицировать как «ЭЭГ норму»

Такая же динамика действия моклобемида выявляется и при применении методов многомерного шкалирования. Это видно из результатов раздела 4.2.1., по которым установлены значимые различия (р<0,05) между усредненными двумерными векторами фонового состояния группы и «ЭЭГ нормы», а также достоверное (р<0,05) уменьшение эвклидова расстояния между векторами «ЭЭГ нормы» и ЭЭГ, зарегистрированных через 6 часов после приема разовой дозы препарата. Сходная с шестичасовой тенденция наблюдалась и при выписке больных данной группы.

В результате применения методов многомерного шкалирования полученные результаты позволили классифицировать фоновые состояния. Также удалось визуализировать динамику изменения функционального состояния головного мозга в процессе соответствующие терапии.

Как показали результаты многомерного шкалирования, динамика мониторируемых состояний, полученная данным методом, аналогична результатом, полученным методами классической статистики. Однако, метод многомерного шкалирования позволяет наглядно визуализировать изменения положения векторов, характеризирующих состояние больного, а также количественно оценить тенденции изменения их состояний в динамике суточного или курсового ЭЭГ мониторинга.

При сведении исходных групп в одно двумерное пространство получено распределение векторов в этом пространстве. Различия между фоновыми состояниями всех групп были статистически значимы (р<0,05), что свидетельствует о правомерности классификации состояний больных с помощью данного метода.

Помимо этого, установлено, что изменения состояний в исследуемых группах сохраняют выявленные тенденции при объединении их векторов в одном двумерном пространстве. Так в группе II через 6 часов расстояние усредненного группового вектора до «ЭЭГ нормы» существенного уменьшалось, а через 24 часа - возвращалось близко к исходному; в III группе - как и во II группе, через 6 часов уменьшение расстояния до «ЭЭГ нормы», но через 24 часа - отмечалось увеличение этого расстояния, в IV группе - наблюдалось уменьшение расстояния группового вектора до «ЭЭГ нормы» через 3 часа и возвращение его к первоначальным координатам через 24 часа.

Как следует из вышесказанного, метод многомерного шкалирования позволяет классифицировать вектора состояний больных не только между группами, но и в пределах исследуемых групп, в одном двумерном пространстве, на фоне наглядной визуализации этих изменений.

В главе 4.4. были исследованы изменения эвклидовых расстояний отдельно по отведениям в процессе различной монофармакотерапии. Во всех отведениях сохранялись те же тенденции изменений взаимного расположения двадцатишестимерных групповых векторов, как и усредненных векторов 208-мерной размерности. При анализе матриц взаимных евклидовых расстояний установлено, что наиболее схожие распределения получены в теменных и затылочных отведениях.

Результаты главы 4.4 позволяют сделать вывод о том, что именно теменные и затылочные отведения вносят основной вклад в разделение векторов на группы в двумерном пространстве методами многомерного шкалирования.

Аналогичным образом нами были проанализированы влияния отдельных ритмов ЭЭГ на общую картину распределения векторов, выявляемую в результате применения многомерного шкалирования. Наибольшая схожесть распределения векторов отмечена в диапазонах а- и ß-ритмов, что свидетельствует о том, что именно эти ритмы вносят главный вклад в пространственное распределение полных векторов ЭЭГ.

1. Выявлены следующие значимые отличия спектральных характеристик ЭЭГ испытуемых с психоневрологическими нарушениями (II группа -испытуемые принимающих моклобемид (депрессия, ведущий симптом - апатия), III группа - испытуемые принимающих флуоксетин (депрессия, ведущий симптом - тоска), IV группа - испытуемые, принимающих танакан (дисциркуляторной энцефалопатии)) от ЭЭГ практически здоровых испытуемых (I группа):

1.1. Для испытуемых II группы характерна пониженная а-активность, особенно на частоте 11 Гц, на фоне повышенной спектральной мощности ß-активности практически во всех отведениях, а также повышенная 0-активность в теменных отведениях.

1.2. Для испытуемых III группы характерна пониженная а-активность в теменных и затылочных отведениях и повышенная активность на частоте 11 Гц, пониженные Д-активность во всех отведениях и 0-активности в лобных и затылочных отведениях;

1.3. Для испытуемых IV группы характерно повышенная ß-активность в теменных и затылочных отведениях, пониженная амплитуда а-активности на частоте 11 Гц и повышенная 0-активность в затылочных отведениях.

2. Спектральные характеристики ЭЭГ исследуемых групп разделяются в признаковом пространстве методом дискриминантного анализа с вероятностью (Р>0,95);

3.2. У испытуемых, принимавших танакан в дозе 120 мг, пик действия препарата (по уменьшению расстояния в признаковом пространстве ЭЭГ) наступал через 3 часов после его приема.

1. Для классификации состояний и мониторинга действия фармакотерапии наиболее информативными и являются характеристики ЭЭГ теменных и затылочных отведений.

Библиография Диссертация по биологии, кандидата биологических наук, Рудковский, Михаил Владимирович, Ростов-на-Дону

1. Айвазян CA., Енюков И.О., Мешалкин Л.Д. Прикладная статистика: Основы моделирования и первичная обработка данных. -М., Финансы и статистика, 1983. 471 с.

2. Александровский Ю.А., Барденштейн Л.М., Аведисова A.C. Психофармакотерапия пограничных психических расстройств. М.: ГЭОТАР МЕДИЦИНА, 2000. - 250 с.

3. Александровский Ю.А. Пограничные психические расстройства. -(Руководство для врачей). Ростов-на-Дону: Феникс, 1997. - 576 с.

4. Александровский Ю.А., Поюровский М.В., Незнамов Г.Г. Неврозы и перекисное окисление липидов. М.: Наука, 1991. - 144 с.

5. Александровский Ю.А., Чехонин В.П. Клинико-иммунологические исследования при пограничных психических расстройствах проблемы и решения//Вестник РАМН. -1999-№7. С. 12-15.

6. Баранчук И.С. Компьютерный мониторинг биоэлектрической активности мозга больных с депрессивным синдромом в процессе лечения. Автореф. дисс. М. 1997. 21 с.

7. Бицадзе Н.О. Диагностика депрессивных расстройств у пациентов позднего возраста в общемедицинской практике. Российский психиатрический журнал. 2002, №3, С. 25-28

8. Биопотенциалы мозга человека. Под. ред. B.C. Русинова. М. Медицина. 1987. 253 с.

9. Боденштайн Г., Преториус X. Выделение признаков из энцефалограммы методом адаптивной сегментации // ТИИЭР,1977. Т.65, №5. -С.59-71.

10. Болдырева Г.Н. Межцентральные отношения в коре головного мозга человека в норме и при очаговом поражении диэнцефальных структур (По данным математического анализа ЭЭГ): Автореф. дис. . докт. мед. наук., М., 1978., 34 с.

11. Болдырева Г.H. Стабильность спектрально-когерентных характеристик ЭЭГ человека // Успехи физиологических наук. Т.25. №1. 1994. С. 68.

12. Бондарь А.Т., Федотчев А.И. Об активации альфа-ритма ЭЭГ прирывистыми сенсорными воздействиями разной частоты // Физиология человека. Т.20. №1. 1994. С.5-12.

13. Бочкарев В.К. Анализ структурной организации ЭЭГ при депрессиях // Физиол. человека. 1981. - Т. 7, №5. - С. 796-807.

14. Бочкарев В.К., Никифоров А.И. Использование линейных моделей для исследования ЭЭГ // Физиология человека ,1981.-Т.7, № 5. С.868-879.

15. Бочкарев В.К., Панюшкина C.B. Исследование динамики интегральных показателей фоновой ЭЭГ при курсовом лечении нейролептиками // Журн.невропатол. и психиатр.-1982.-Т.82, № 2. -С.258-264.

16. Бочкарев В.К., Никифоров А.И., Даниленко Ю.М. Использование системной организации ЭЭГ при диагностике психопатологичес-ких состояний//Журн.невропатол. и психиатр. 1983, № 12, С. 1805-1811.

17. Бочкарев В.К., Лазарев В.В., Никифоров А.И. и др. Клинико-электроэнцефалографические корреляции при астеноадинамических субдепрессиях //Журн.невропатол. и психиатр,-1987.- № 4.-С.564-570.

18. Бочкарев В.К., Панюшкина C.B., Назмутдинов И.Г. и др. Факторный анализ ЭЭГ при курсовой терапии антидепрессантами // Журн. невропатол. и психиатр-1989. -№ 10. -C.I20-I25.

19. Буреш Я., Крекуле И., Брожес Г. Применение ЭВМ в нейрофизиологических исследованиях,. Л., Наука, 1984., 240 с.

20. Вертоградова О.П. Возможные подходы к типологии депрессий // Депрессия (психопатология, патогенез). М., 1980. - С. 9-16.

21. Данилевский В.Я. Электрические явления в головном мозгу // Пер-вые отечественные исследования по электроэнцефалографии.-М.: Медгиз.1949. С.77-88.

22. Дженкинс Г., Ватте Д. Спектральный анализ и его приложения. М.: Мир,1971.-T.I. -316 с.

23. Дженкинс Г., Ватте Д. Спектральный анализ и его приложения. М.: Мир,1972.- Т.2.-386 с.

24. Дуда Р., Харт П. Распознавание образов и анализ сцен.- М.:Мир, 1976.-512 с.

25. Думенко В.М. Современное представление об ЭЭГ // Успехи физиол.наук. 1979. - Т.10, Т.4. - С.71-95.

26. Дэйвисон М. Многомерное шкалирование: Методы наглядного представления данных. / Пер. с анг. B.C. Каменского. М: Финансы и статистика, 1988, 254 с.

27. Жадин М.Н. Теория ритмических процессов в коре головного мозга. Препр. научн.центр биол.исслед. АН СССР, Пущино, 1982, 37 с.

28. Жадин М.Н. Формирование ритмических процессов вбиоэлектрической активности коры головного мозга// Биофизика. Т.39. № 1. 1994. C.129-I47.

29. Жирмунская Е.А., Лосев B.C. Системы описания и классификации электроэнцефалограмм человека. М. Наука. 1984. 80 с

30. Жирмунская Е.А. Биоэлектрическая активность здорового и больного мозга человека // Клиническая нейрофизиология. Л. Наука, 1972. С. 224-265.

31. Закс Л. Статистическое оценивание. М., Статистика, 1976, 545 с.

32. Зенков Л.Р. Клиническая электроэнцефалография. Издательство ТРТУ. Таганрог. 1996. 357 с.

33. Зенков Л.Р., Ронкин М.А. Функциональная диагностика нервных болезней. М. Медицина. 1991. 639 с.

34. Заика В.Г. Клинико-патогенетические подходы к неспецифической лекарственной профилактике и терапии депрессивных растройств: Дис. докт. мед. наук. Ростов-на-Дону, 2001. 379 с.

35. Злотник М.И. Цветовое пространство человека, построенное на основе ЭЭГ. / Конференция молодых ученых по нейронаукам. К 80-летию академика РАО, профессора E.H. Соколова. М., Психология, 2000, С. 10.

36. Иванов-Муромский К. А. Саморегуляция головного мозга,- Киев: Наукова думка, 1971, 248 с.

37. Исакссон А., Вейнберг А., Зеттерберг Л. Машинный анализ ЭЭГ-сигналов с использованием параметрических моделей // Тр. Ин-та инженеров по электротехнике и радио электронике, 1981.Т.69, №4. С. 55-68.

38. Каплан А.Я, Фингелькурц Ан.А., Фингелькурц Ал.А., Шишкин С.Л., Ивашко P.M. Пространственная синхронность сегментной структуры ЭЭГ человека. Журнал высшей нервной деятельности. 2000, том 26, №4, С. 624.

39. Каплан А.Я., Борисов C.B., Шишкин СЛ., Ермолаев В.А. Анализ сегментной структуры ос-активности ЭЭГ человека. Российский физиологический журнал им. И.М. Сеченова. 2002, том 88, №4 С. 432442.

40. Каркищенко H.H. Фармакология системной деятельности мозга. Ростов-на-Дону, кн.изд-во,1975.- 152 с.

41. Каркищенко H.H. Общие закономерности действия психотропных средств // Фармакол. и токсикол.-1986,- №. 5.-С.45-50.

42. Каркищенко H.H., Макляков Ю.С., Хоронько В.В. и др. Основы клинической фармакологии. Психофармакология. Учебное пособие. -Ростов-на-Дону, 1982. 170 с.

43. Каркищенко H.H., Николаева Н.И., Омельченко В.П. Анализ стохастических процессов в психофармакологии // Вероятностно-статистическая организация нейронных механизмов мозга.-Ростов-на-Дону, изд. РТУ.-1974.- C.I30-I49.

44. Каркищенко H.H., Омельченко В.П. Об одном комплексном методе анализа биопотенциалов мозга на ЦВМ и АВМ // Вопр.кибернетики. Вып.25. Биотехнические системы.-М.,1975.-С.78-85.

45. Каркищенко H.H., Омельченко В.П. О роли биогенных аминов в пространственной когерентности биопотенциалов мозга // УП Всес. конф. по электрофизиол. центр, нервн.системы.- Каунас, 1976. С.195.

46. Каркищенко H.H., Омельченко В.П. Моноаминергические механизмы интрацентральных процессов интеграции // Катехоламинерги-ческие нейроны. М.: Наука, 1979. - С. 110-116.

47. Каркищенко H.H., Хайтин М.И. Сравнительное исследование некоторых показателей антидепрессивной, активности калия оротата и парацетама // Фармакол. и токсикол.- 1985.- № 2. -С. 32-36.

48. Клиническая электроэнцефалография / Под ред. В.С.Русинова. -М.: Медицина, 1973.- 340 с.

49. Коган А.Б. Электрические проявления деятельности коры головного мозга И Частная физиология нервной системы. Л.: Наука, 1983. С. 605-689.

50. Кожевников В.А., Мещерский P.M. Современные методы анализа ЭЭГ.-М.: Медгиз. 1963.- 327 с.

51. Кураев Г.А., Власкина JI.A. ЭЭГ проявления межполуарной асимметрии мозга в динамике деятельности // Медицинские информационные системы. Межведоственный тематический научный сборник. Выпуск 2 (IX). Таганрог. 1990. 156 с.

52. Лакин Г.Ф. Биометрия. М. Высшая школа. 1990. 351 с.

53. Левин О.С., Федорова Н.В., Шток В.Н. Дифференциальная диагностика паркинсонизма. Журнал неврологии и психиатрии. 2003, №2, С. 54-60.

54. Ливанов М.Н. Пространственно-временная организация потенциалов и системная деятельность головного мозга: избранные труды. М. Наука. 1989.400 с.

55. Ливанов М.Н. Ритмы электроэнцефалограммы и их функциональное значение //Журн.высш.нервн.деят.- 1984.- Т.34, № 4.-С.613-626.

56. Лобоцкая Н.Л., Морозов Ю.В., Дунаев A.A. Высшая математика. Мн: Выс. шк, 1987,319 с.

57. Марищук В.А., Блудов Ю.М., Плахтиенко В.А. и др. Методы психодиагностики в СПорте. М., 1984.

58. Марк Н. Нюер Количественный анализ и топографическое картирование ЭЭГ: методики, проблемы, клиническое применение //

59. Успехи физиологических наук. Т.23. № . 1992. С.20-39.

60. Мельникова Т.С., Никифоров А.И. Нейрофизиология глубоких отделов мозга при поздних депрессиях: ее особенности и влияние курсовой терапии //Вестн. РАМН. 1992. - № 8. - С. 21-25.

61. Мельникова Т.С., Никифорова А.И., Коптелов Ю.М. и др. Межполушарные соотношения электрической активности мозга при поздних депрессиях. //Журн. невропатол. и психиатр. 1992. - Т. 92, № 1. - С. 88-92.

62. Мельникова Т.С., Пантелеева Г.П., Дикая В.И. Клинико-нейро-физиологические маркеры терапевтической резистентности у больных эндогенными депрессиями. //Современные методы биологической терапии психических заболеваний. М., 1994. С.39.

63. Монахов К.К., Бочкарев В.К., Никифоров А.Н. Прикладные аспекты нейрофизиологии в психиатрии. М., Медицина, 1983. 192 с.

64. Монахов К.К: Значение ЭЭГ в изучении психической деятельности в норме и патологии // Физиология человека, 1981.- Т.7, № 5. С. 771783.

65. Монахов К.К., Бочкарев В.К., Никифоров А.Н. Прикладные аспекты нейрофизиологии в психиатрии. -М.: Медицина, 1983. -192 с.

66. Монахов К.К., Бочкарев В.К., Панюшкина C.B. Идентификация нейролептиков при помощи характеристик пространственной организации ЭЭГ // Фармакол. и токсикол.,1986.- № 3.-С.27-32.

67. Монахов К.К., Панюшкина C.B., Бочкарев В.К., Назмутдинов И.Г. Идентификация антидепрессантов при помощи характеристикпространственной организации ЭЭГ // Фармакол. и токсикол.-1987,- N 4.- С.25-29.

68. Морозов Н.М. Сравнительная оценка эффектов психотропных средств по данным компьютерного анализа динамической структуры фармакоэлектроэнцефалограммы // 14.00.25. Ростов-на-Дону. 1988. 19с.

69. Мосолов С.Н. Клиническое применение современных антидепрессантов. СПб, Медицинское информационное агентство, 1995, с. 568

70. Немцов A.B., Калинин В.В. Биологические методы прогноза эффективности психофармакотерапии больных шизофренией //Журн. невропатол. и психиатр.-1981.- Т.81, № 8.-C.I232-I243.

71. Никифоров Л.И. Методологические аспекты применения математических методов анализа ЭЭГ в клинической нейрофизиологии // Физиология человека, 1981.- Т.7, № 5. С.859-867.

72. Никифоров А.И., Бочкарев В.К. Поэтапный факторный анализ пространственной организации ЭЭГ // Физиология человека, 1985.-T.II, N6. -С. 993-996.

73. Омельченко В.П. Компьютерный анализ биопотенциалов мозга как основа оценки и фармакологической коррекции психопатологических состояний. Докт. дисс. 1990. 430 с.

74. Омельченко В.П., Воронцов Б.И., Гришин А.Д. Критерий однородности спектральных оценок ЭЭГ // Физиология человека., 1988., T.14,N1.C.87-91.

75. Омельченко В.П., Матуа С.П., Гришин А.Д. Компьютерный анализ электрограмм мозга при действии некоторых психотропных средств // Журнал "Фармакология и токсикология". №3. 1989. С. 18-21.

76. Осовец С.М., Гинзбург Д.А., Гурфинкель B.C. и др. Электрическая активность мозга: механизмы и интерпретация // Успехи физических наук. 1983, Т. 141, вып.1., С.103-150.

77. Панюшкина C.B. Некоторые нейрофизиологические аспекты психофар-макологии (обзор зарубежной литературы) // Фармакология и токсикология. -1980,- N 6- С.736-740.

78. Панюшкина C.B. Некоторые достижения современной нейрофизиологии в области психиатрии // Журн. невропатол. и психиатр.-1981 а,- Т. 81, № 8,- С.1229-1232.

79. Панюшкина C.B. Психотропное воздействие и функциональное состояние мозга // Физиология человека,1981 б.- Т.7, N 5.- С. 833-845.

80. Пирлик Г.П., Гнездицкий В.В., Коптелов Ю.М., Бодыхов М.К., Скворцова В.И. Изменения биоэлектрической активности мозга, регистируемые на расстоянии от очага поражения церебральной ткани. 2001, №5, С. 24-31.

81. Пишель В.Я. Клинико-патогенетические особенности неврозоподобных состояний у участников ликвидации последствий аварии на ЧАЭС // Врачебное дело. 2000. №2. С. 12-15. ! ! ! ! ! ! ! ! ! ! ! ! !

82. Поворинский А.Г. Значение ЭЭГ-показателей для оценки функционального состояния головного мозга // Нейрофизиологические исследования в экспертизе трудоспособности

83. Под ред. Зимкиной A.M., Климовой-Черкасовой В.И. Л.:Медицина, 1978.- С. 51-78.

84. Прайер П.Ф. Моииторный контроль функций мозга.- М.: Медицина, 1982.-328 с

85. Пятницкая И.Н. Клиническая наркология. JI. Медицина. 1975. 332с.

86. Русинов B.C., Гриндель О.М., Болдырева.Г.Н. и др. Биопотенциалы мозга человека. Математический анализ. М.: Медицина, 1987, 256 с.

87. Русинов B.C., Гриндель 0. М., Болдырева Г.Н. Исследование динамики межцентральных отношений в коре больших полушарий человека методом спектрального анализа ЭЭГ // Механизмы деятельности головного мозга. Тбилиси, Мецниереба, 1975. - С.365-374.

88. Русинов B.C., Гриндель О.М., Болдырева Г.Н. и др. Симметричность и стабильность спектров ЭЭГ здорового человека // Журн. высш.нервн.деят. 1976. Т.26, №. 3. С.576-587.

89. Русинов B.C., Гриндель О.М., Болдырева Г.Н. и др. Спектральный анализ ЭЭГ и интракортикальные связи при наличии патологического очага на разных уровнях головного мозга человека // Журн.высш.нервн.деят.-1981.- Т.31, №5.- С.984-993.

90. Савостьянов А.Н.Ю, Савостьянова Д.А., Изменение электрической активности мозга во время привыкания к вербальному стимулу у людей с высоким и низким уровнем индивидуальной тревожности.2003, том 53, №3, С. 351-360.

91. Сидоренко Г.В., Сороко С.И. Применение метода оценки структуры взаимодействия компонентов ЭЭГ для ЭВМ-диагностики патологических состоянии мозга в психиатрии // Журн.нев-ропатол. и психиатр,- 1989.- № 6.-С.92-98.

92. Сидоренко Г.В., Сороко С.И. Особенности соотношения ЭЭГ у больных с психоорганическим синдромом различной степени тяжести // Физиология человека. 1989.- Т.15, № 1-С.22-33.

93. Сидоренко Г.В. Электроэнцефалографические маркеры и компьютерная оценка тяжести депрессий. //Журн. невропатол. и психиатр.-1995.-Т. 95, № 1.-С. 75-80.

94. Солдаткин В.А. Психические расстройства у участников ликвидации последствий аварии на чернобыльской атомной электростанции: клинико-патагенетический подход: Дис. канд. мед. наук. Ростов-на-Дону, 2002.211 с.

95. Стрелец В.Б. Меж- и внутриполушарные нарушения при некоторых видах мозговой патологии. //Журн. высш. нерв. деят. 1993. - Т. 43, вып.2. — С. 262.

96. Стрелец В.Б. Картирование биопотенциалов мозга при эмоциональной и когнитивной патологии //Журн. высш. нерв. деят. 1997. - Т. 47, вып. 2. - С. 226-241.

97. Стрелец В.Б., Иваницкий A.M., Арцеулова O.K. Динамика нейрофизиологических показателей при реактивной (ситуационной) и эндогенной депрессии //Физиол. человека. 1994. - Т. 20, № 6. - С. 64-74.

98. Терехина А.Ю. Анализ данных методами многомерного шкалирования. М., 1986. 168 с.

99. Торгерсон У.С. Многомерное шкалирование: Теория и метод. М.: Статистика, 1972. С. 95-118.

100. Труш В. Д., Кориневский A.B. ЭВМ в нейрофизиологических исследова-ниях. М.: Наука, 1978. - 237 с.

101. Ту Д., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978. -412 с.

102. Тюрин Ю.Н., Макаров A.A. Анализ данных на компьютере. М., ИНФРА-М, Финансы и статистика, 1995, 384 с.

103. Уварова Л.Г., Алфимова М.В., Савватеева Н.Ю. Нейроморфологические и психологические корреляты электрической активности мозга у больных шизофренией и их родственников. Журнал неврологии и психиатрии, 2002, №12, С 35-40

104. Хабарова О.В. Биоэффективные частоты и их связь с собственными частотами живых организмов. // Биомедицинские технологии и радиоэлектроника. 2002, №5, с. 55-66 (World Wide Web resource: http://helios.izmiran.rssi.ru/helioecology/titles/freq/freq.html)

105. Ханин Ю.Л. Краткое руководство к применению шкалы реактивной и личностной тревожности Ч.Д. Спилбергера. Л., 1976

106. Шерман М.А., Шутов A.A. Динамика психовегетативных расстройств у лиц с последствиями легкой боевой черепно-мозговой травмы. Журнал неврологии и психиатрии., 2003, №1, С. 17-20.

107. Электронный учебник по статистике: Многомерное шкалирование. М., 1984. С. 1-6. Деп. в http://www.statsoft.com, 2001.

108. Adrian E.D., Matteros В.Н. "The interpretation of potential wav-es in the cortex"//J. Physiol. (Engl.) 1934. V.81. N 4. P.440-471.

109. Aftanas L.I., Pavlov S.V., Reva N.V., Varlamov A.A. Trait anxiety impact on the EEG theta band power changes during appraisal of threatening and pleasant visual stimuli. International Journal of Psychophysiology, 2003, 50, P. 205-212

110. Agresti A., Caffjo В., Ohman-Strickland P. Examples in which misspecification of a random effects distribution reduces efficiency, and possible remedies. Computational Statistics & Data Analysis, 2004, 47, P. 639-653

111. Albo Z., Viana Di Prisco G., Vertes R.P. Anterior thalamic unit discharge profiles and coherence with hippocampal theta rhythm. Thalamus & Related Systems, 2003, 2, P. 133-144

112. Anemuller J., Sejnowski T.J., Makeig S. Complex independent component analysis of frequency-domain electroencephalographic data. Neural Networks, 2003, 16, P. 1311-1323

113. Aurlien H., Gjerde I.O., Aarseth J.H., Eldoen G., Karlsen В., Skeidsvoll H., Gilhus N.E. EEG background activity described by a large computerized database. Clinical Neurophysiology, 2004, 115, P. 665-673

114. Babiloni F., Babiloni C., Carducci F., Romani G.L., Rossini P.M., Angelone L.M., Cincotti F. Multimodal integration of high-resolution EEG and functional magnetic resonance imaging data: a simulation study. Neurolmage, 2003,19, P. 1-15

115. Basile L.F.H., Baldo M.V.C., de Castro C.C., Gattaz W.F. The generators of slow potentials obtained during verbal, pictorial and spatial tasks. International Journal of Psychophysiology, 2003, 48, P. 55-65

116. Bell M.A., Fox N.A. Cognition and affective style: Individual differences in brain electrical activity during spatial and verbal tasks. Brain and Cognition, 2003, 53, P. 441-451

117. Berger H. "Uber Das Elektrenkephalogramm des Menschen'V/Arch. Psychiat. Nervenkr. 1929. Bd.87. S.527-570.

118. Bertolo H., Paiva T., Pessoa L., Mestre T., Marques R., Santos R. Visual dream content, graphical representation and EEG alpha activity, in congenitally blind subjects. Cognitive Brain Research, 2003, 15, P. 277284

119. Bijma F., de Munck J.C., Huizenga H.M., Heethaar R.M. A mathematical approach to the temporal stationarity of background noise in MEG/EEG measurements. Neurolmage, 2003, 20, P. 233-243

120. Bo P., Soragna D., Specchia C., Chimento P., Favalli L. Quantified EEG analysis monitoring in a novel model of general anaesthesia in rats. Brain Research Protocols, 2003, 11, P. 155-161

121. Bottger D., Herrmann C.S., Yves von Cramon D. Amplitude differences of evoked alpha and gamma oscillations in two different age groups. International Journal of Psychophysiology. 2002, 45, P. 245-251

122. Brazier M.A.B., Casby J.U." An application of the M.I.T. digital electronic correlator to a problem in EEG" // Electroen-cephalog. and Clin. Neurophysol. 1951. V.3. P.375.

123. Breakspear M., Terry J.R. Detection and description of non-linear interdependence in normal multichannel human EEG data. Clinical Neurophysiology, 2002, 113, P. 735-753

124. Bruder G.E., Fong R., Tenke C.E. et al. Regional brain asymmetries in major depression with or without an anxiety disorder: a quantitative electroencephalographic study. //Biol. Psychiatry. 1997. - Vol. 41(9). -P. 939-948.

125. Burgess A.P., Ali L. Functional connectivity of gamma EEG activity is modulated at low frequency during conscious recollection. International Journal of Psychophysiology, 2002, 46, P. 91-100

126. Cacace A.T., McFarland D.J. Spectral dynamics of electroencephalographic activity during auditory information processing. Hearing Research, 2003, 176, P. 25-41

127. Caton R." The electric currents of the brain" // Brit. Med J. 1875.-N 2. P.278.

128. Celka P., Colditz P. Time-varying statistical dimension analysis with application to newborn scalp EEG seizure signals Medical Engineering & Physics, 2002, 24, P. 1-8

129. Chang T.G., Smith J.K., Principe J.G." An expert system for multi-channel sleep EEG / EOG signal aiialysis 7/ ISA Trans. 1989. V.28. N 1. P.45-51.

130. Chiou P., Miao W. Shrinkage estimation for the difference between exponential guarantee time parameters. Computational Statistics & Data Analysis, 2005, 48, P. 489-507

131. Chouinard S., Briere M.-E., Rainville C., Godbout R. Correlation between evening and morning waking EEG and spatial orientation. Brain and Cognition, 2003, 53, P. 162-165

132. Coger R.W., Dymond A.M., Serafetinides E.A." Classifications ofpsychiatric patients with factor analytic EEG variables" // Proc. San Diego Biomed. 1976. V.15. P. 279-284.

133. Comani S., Mantini D., Pennesi P., Lagatta A., Cancellieri G. Independent component analysis: fetal signal reconstruction from magnetocardiographic recordings. Computer Methods and Programs in Biomedicine, 2004, 75, P. 163-177

134. Creutzfeldt O. "The neuronal generation of the EEG" // Handbook of Electroencephalography and Clinical Neurophysiology / Ed. by Remond A., 2/c. Amsterdam, Elsevier Scientific Publishing. 1974. 2/c. P. 1-55.

135. Creutzfeldt 0., Watanabe S., Lux H. " Relation between EEG phen-omena and potentials of single cortical cells. Evoked po-tentials after thalamic and epicortical stimulation // EEG and Glin.Neurophysiol.,1966 a.- V.20, N 1.-P.l-18.

136. Creutzfeldt 0., Watanabe S., Lux H. Relation between .BEG phenom-ena and potentials of single cortical cells. Spontaneous and convulsoid activity //EEG and Clin. .Neurophysiol., 1966 b.-V.20, N 1.-P. 19-37.

137. Croft, R.J., Barry, R.J., 2000. EOGcorrection: which regression should we use? Psychophysiology 37 (1), 123-125.

138. Croft R.J., Chandler J.S., Burgess A.P., Barry R.J., Williams J.D., Clarke A.R. Acute mobile phone operation affects neural function in humans. Clinical Neurophysiology, 2002,113, P. 1623-1632

139. Curran E.A., Stokes M.J. Learning to control brain activity: A review of the production and control of EEG components for driving brain-computer interface (BCI) systems. Brain and Cognition, 2003, 51, P. 326-336

140. De Carli F., Nobili L., Beelke M., Watanabe T., Smerieri A., Parrino L., Terzano M., Ferrillo F., Quantitative analysis of sleep EEG microstructure in the time-frequency domain. Brain Research Bulletin. 2004, #63, P. 399405

141. De Iaco S., Palma M., Posa D. Modeling and prediction of multivariate space-time random fields. Computational Statistics & Data Analysis, 2005, 48, P. 525-547

142. Daoust A.-M., Limoges E., Bolduc Ch., Mottron L., Godbout R., EEG spectral analysis of wakefulness and REM sleepin high functioning autistic spectrum disorders. Clinical Neurophysiology, 2004, #115, P. 1368-1373

143. Darvas F., Pantazis D., Kucukaltun-Yildirim E., Leahy R.M. Mapping human brain function with MEG and EEG: methods and validation. Neurolmage, 2004, 23, P. S289-S299

144. David O., Cosmelli D., Friston K.J.Evaluation of different measures of functional connectivity using a neural mass model. Neurolmage, 2004, 21, P. 659-673

145. David O., Friston K.J. A neural mass model for MEG/EEG: coupling and neuronal dynamics. Neurolmage, 2003, 20, P. 1743-1755

146. De Carli F., Nobili L., Beelke M., Watanabe T., Smerieri A., Parrino L., Terzano M.G., Ferrillo F. Quantitative analysis of sleep EEG microstructure in the time-frequency domain. Brain Research Bulletin, 2004, 63,P.399-405

147. Dirnberger G.,. Duregger C, Trettler E., Lindinger G., Lang W. Fatigue in a simple repetitive motor task: a combined electrophysiological and neuropsychological study Brain Research 2004, 1028, P. 26-30

148. Dirnberger G., Greiner K., Duregger C., Endl W., Lindinger G., Lang W. The effects of alteration of effector and side of movement on the contingent negative variation. Clinical Neurophysiology, 2003, 114, P. 2018-2028

149. Douglas R.R., Rogers L.J, Comparative factor analysis models for an empirical study of EEG data // Int.J.Neurosci.,1983.-V.18, N 3-4.-P.211-226.

150. Durka P.J., Szelenberger W., Blinowska K.J., Androsiuk W., Myszka M. Adaptive time-frequency parametrization in pharmaco EEG. Journal of Neuroscience Methods, 2002, 117, P. 65-71

151. Duzel E., Habib R., Schott B., Schoenfeld A., Lobaugh N., Mcintosh A.R., Scholz M., Heinze H.J. A multivariate, spatiotemporal analysis of electromagnetic time-frequency data of recognition memory. Neurolmage, 2003, 18, P. 185-197

152. Elliott M.A, Herrmann C.S., Mecklinger A., Muller H.J. The loci of oscillatory visual-object priming:a combined electroencephalographic and reaction-time study International Journal of Psychophysiology,2000, 38, P. 225-241

153. Elul R. The genesis of the EEG 11 Int.Rev.Neurobiol.-1972.-V.15.-P.227-272.

154. Esslen M., Pascual-Marqui R.D., Hell D., Kochi K., Lehmann D.Brain areas and time course of emotional processing. Neurolmage, 2004, 21, P. 1189-1203

155. Farenc C., Fabreguette J.-R., Bressolle F. Pk-fit: A Pharmacokinetic/Pharmacodynamic and Statistical Data Analysis Software. Computers and Biomedical Research 2000, 33, P. 315-329

156. Fingelkurts A.A., Fingelkurts A.A., Kaplan A. Ya. The regularities of the discrete nature of multi-variability of EEG spectral patterns. International Journal of Psychophysiology, 2003, 47, P. 23-41

157. Fingelkurts A., Fingelkurts A., Krause C., Kaplan A., Borisov S., Sams M. Structural (operational) synchrony of EEG alpha activity during an auditory memory task. Neurolmage, 2003, 20, P. 529-542

158. Fink A., Schrausser D.G., Neubauer A.C. The moderating influence of extraversión on the relationship between IQ and cortical activation Personality and Individual Differences, 2002, 33, P. 311-326

159. Freeman, W.J., Baird, B., Relation of olfactory EEG to behavior: spatialanalysis. Behav. Neurosci. 1987, 101, 393-408.

160. Freeman W.J. Origin, structure, and role of background EEG activity. Part

161. Analytic amplitude. Clinical Neurophysiology, 2004, 115, P. 2077-2088

162. Freeman W.J. Origin, structure, and role of background EEG activity. Part

163. Analytic phase. Clinical Neurophysiology, 2004, 115, 2089-2107

164. Freeman, W.J., Rogers, L.J., Fine temporal resolution of analytic phase reveals episodic synchronization by state transitions in gamma EEGs. J. Neurophysiol, 2002, 87 (2), 937-945.

165. Galderisi S., Mucci A,. Bucci P. et. al. Influence of moclobemide on cognitive functions of nine depressed patients: pilot trial with neurophysiological and neuropsychological indices. //Neuropsychobiology. 1996. - Vol. 33(1). - P. 48-54.

166. Gasser T. General characteristics of the EEG as a signal" //EEG Inform atics. A Didactic Review of Methods and Applicat-ions of EEG Data Processing.- Amsterdam: Elsevier / North-Holland Biomed.Press.,1977.-P.37-54.

167. Gasser T., Bacher P., Moks J. Transformations towards the nor-mal distribution of broad band spectral parameters of the EEG// Electroencephalogr. and Clin. Neurophysiol., 1982.-V.53, Nl.-P.l 19-124.

168. Gasser T„ Mocks J. Graphical representation of multidimension-al EEG data and class if icatiry aspects // Electroenceph. and Neurophysiol.,1983.-V.55, N 5.-P.609-612.

169. Gevins A. Pattern recognition of human brain electrical Potentials // IEEE Trans. Pattern. Anal.and Ma. Int.-l-80.-V.2, N 5.-P.383-404.

170. Gevins A., Morgan N. "Classifier-directed signal processing in brainresearch7/IEEE Trans. Biomed. Eng. 1986. V.33. N12. P.1054-1068.

171. Gevins A.S., Schaffer R.E. A critical review of electroencephalographic (EEG) correlates of higher cortical runction//CriticaI Review in Bioengineering. №.10. 1980. P.l 13-164.

172. Gevins A.S., Yeager O.L. An interactive, developmental approach to realtime EEG-analysis"//Behav. and Brain. Elect .Activ.-New York-London. 1975. P.221-263.

173. Gevins A., Yeager C., Dyamond S, et al. Automated analysis of the electrical activity of the human brain: A progress report // proc. IEEE. 1975. V.63,N 10.-P1382-1399.

174. Gevins A., Zeitlin G., Doyle I., et al. "EEG patterns during cognitive tasks: Part 2, analysis of controlled tasks // Electroencephal and Clin, Neurophysiol., 1979. V.47. P.704-710.

175. Gigola S., Ortiz F., D'Attellis C.E., Silva W., Kochen S. Prediction of epileptic seizures using accumulated energy in a multiresolution framework. Journal of Neuroscience Methods, 2004, 138, P. 107-111

176. Glassman R.B. Topology and graph theory applied to cortical anatomy may help explain working memory capacity for three or four simultaneous items. Brain Research Bulletin, 2003, 60, P. 25-42

177. Godtliebsen F., Qigard T.A. A visual display device for significant features in complicated signals. Computational Statistics & Data Analysis, 2005, 48, P. 317-343

178. Hao J., Shonchang Z. "The Fourier and Walsh power-spectrum anal-ysis of EEG" // Proc. 9th Annu. Conf. IEEE Eng. Med. and Biol. Soc. Boston. Mass. Nov. 13-16. 1987. V.2. New York, 1987. P.836-837.

179. Hallschmid M., Molle M., Fischer S., Born J. EEG synchronization upon reward in man. Clinical Neurophysiology, 2002, 113, P. 1059-1065

180. Hamilton M. Development of rating scale for primary depressive illness. //Brit. J. Soc. Clin. Psychol. 1967. - N 6. - P. 278-296.

181. Harner K.N. "Computer Analysis and Clinical EEG interpretationperspective and application" // CEAN computerized EEG anal-ysis. Stuttgart. 1975. P.337-343.

182. Harman D.W., Ray W.J. "Hemispheric activity during affective ver-bal stimuli" //Neurophysiologia. 1977. V.15. P.457-460.

183. He B., Zhang X., Lian J., Sasaki H., Wu D., Towle V.L. Boundary Element Method-Based Cortical Potential Imaging of Somatosensory Evoked Potentials Using Subjects' Magnetic Resonance Images. Neurolmage, 2002, 16, P. 564-576.

184. Hellier P., Barillot C. A hierarchical parametric algorithm for deformable multimodal image registration Computer Methods and Programs in Biomedicine, 2004, 75, P. 107-115

185. Hutter M., Zaffalon M. Distribution of mutual information from complete and incomplete data. Computational Statistics & Data Analysis, 2005, 48, P.633-657

186. Irwin M., Clark C., Kennedy B., Gillin J.C., Ziegler M. Nocturnal catecholamines and immune function in insomniacs, depressed patients, and control subjects Brain, Behavior, and Immunity, 2003,17, P. 365-372

187. Inui K., Tran T.D., Qiu Y., Wang X., Hoshiyama M., Kakigi R. A Comparative Magnetoencephlographic Study of Cortical Activations Evoked by Noxious And Innocuous Sometosensory Stimulations. Neuroscience, 2003, 120, P. 235-248

188. Itil T.M. Elektroencephalographische Befunde zur KLassifikation neuro-und thymoleptischer Medikamente//Med .Exp., 1961. -V.5.-P.347-363.

189. Itil T.M. Electroencephalographische Studien bei Psychosen und Psychotropen Medikamenten.-Istanbul. Ahmet Sail Metbaasi, 1964.

190. Itil T.M. Electroencephalography and pharmacopsychiatry // Clinical Psychophamacology. Mod.Probl.Phaimacopsych. /Ed. by Freyhau F.A., Petrilowitsch N., Pichot P.- Karger-Basel, New York.-1968.-V l.-P. 163

191. Itil T.M. Quantitative pharmacoelectroencephalography // Psychotropic Drugs and the Human EEG. Modern. Problems in Pharmacopsychiatry /Ed. "by Itil T.M. Basel, New York: Karger.-1974.-V.8.-P.43-75.

192. Itil T.M. Computer EEG-Profiles of Antidepressants // Industrial Pharmacology /Ed. by Fielding S., Lab H.- .Futura Publ, Company. Mt.Kisco, New York 1975.-V.2 .-P.319-351.

193. Itil T.M. Quantitative pharmaco-electroencephalography in the discovery of psychotropic properties of drugs // Neuro-psychopharniacology.- Proc. 10th Congr.Coll. Int. Quebec, 1976. V.2. Oxford e.a.-1978.-V.2.-P.l 1831190.

194. Itil T.M. Progress of EEG in psychiatry // Psychiat. J. Univ. Ottawa .Rev. de Psychiatrie de L' Univ. d'Ottawa.-1979.-V.4.-Nl.-P.45-56.

195. Itil T.M. The Discovery of Psychotropic Drugs by Computer-Analysed Cerebral Bioelectrical Potentials (CEEG) // Drug Development Research, 198 l.-V 1 .-P.373-407.

196. Itil T.M. Psychotropic Drugs and Human EEG // Electroencephalography: Basic Principles, Clinical Applications and Related Fie Ids.-Urban, Schwarzenberg, Baltimore.Munich., 1982.-P.499-514.

197. Itil T.M., Marasa J., Saletu B. et al. Computerized EEG : predictor of outcome in schizophrenia // The J. of Nerv, and Ment. Disease.- 1975.-V.160.-N 3.-P. 188-203.

198. Itil T.M., Monon G.H., Itil K.Z. Computer EEG Drug Data Base in Psychopharmacology and in Drug Development // Psychopharmacol. Bull.-1982.- V.18, N 4.-P.165-176.

199. Itil T.M., Saletu B., Davis S. EEG findings in chronic schizophrenics based on digital computer period analysis and analog power spectra" // Biol.Psychiatry. 1972. V.5. P.l-13 .

200. Itil T.M., Shapiro D.M., Herrmann W.M. et al. HZI Systems for EEGparametrization and classification of Psychotropic Drugs" // Pharmacopsychiat. 1979. V.12,N 1. P.4-19.

201. Itil T.M., Soldatos C. "Clinical Neurophysiological Properties of Antidepressants" // Psychotropic Agents.Part I. Anti-psychotics and Antidepressants /Ed. by Hoffmeister F., Stille G.1980. Springer-Verlag, Berlin, Heidelberg, New York. P. 437-469.

202. Iwasaki M., Nakasato N., Shamoto H., Yoshimoto T. Focal magnetoencephalographic spikes in the superior temporal plane undetected by scalp EEG Journal of Clinical Neuroscience, 2003, 10(2), P. 236-238

203. Jansen B.H. Nonlinear dynamics and quantitative EEG analysis // Electroencephalography and Clinical Neurophysiology Supplement. V.45. 1996. P.39-56.

204. Jansen B.H., Hasman A., Lenten R. Piece-wise analysis of EEG using AR-modeling and clastering//Comput. Biomed. Res. №.14. 1981. P.168-178.

205. Jansen B.H. "Automatic interpretation of electroencephalograms by means of an expert system" // Opt. Eng. 1985. V.24, N 6. P.1009-1010.

206. Jansen B.H., Bourne J.K., Ward J.W. "^identification and labeling of EEG graphic elements using autoregressive spectral estimates "// Comput .Biol. Med. 1982. V.12. N2. P.97-106.

207. Jansen B.H., Dawant B.M. Knowledge-based approach to sleep EEG analysis. A feasibility study" // IEEE Trans.Biomed. Eng. 1989. V.36. N 5. P.510-518.

208. Jausovec N., Jausovek K. EEG activity during the performance of complex mental problems. Intern. J. Psychophysiology, 2000, 36:73

209. Jazayeri M., Skinner F.K. Multimodalityin a dynamic feedback network with stochastic input. Neurocomputing, 2003, 52, P. 805-811

210. Jones N.A., McFall B.A., Diego M.A. Patterns of brain electrical activity in infants of depressed mothers who breastfeed and bottle feed: the mediating role of infant temperament. Biological Psychology, 2004, 67, P. 103-124

211. Kaplan A., Roschke J., Darkhovsky B., Fell J. Macrostructural EEG characterization based on nonparametric change point segmentation: application to sleep analysis. Journal ofNeuroscience Methods, 2001, 106, P. 81-90

212. Khan Y.U., Gotman J. Wavelet based automatic seizure detection in intracerebral electroencephalogram. Clinical Neurophysiology, 2003, 114, P. 898-908

213. Kiebel S.J., Friston K.J. Statistical parametric mapping for event-related potentials: I. Generic considerations. Neurolmage, 2004, 22, P. 492- 502

214. Knott V.J., Telner J.I., Lapierre Y.D et al. Quantitative EEG in the prediction of antidepressant response to imipramine. //J. Aff. Disord. -1996.- V.39,N3.-P. 175-184.

215. Knyazev G.G., Slobodskaya H.R., Wilson G.D. Psychophysiological correlates of behavioural inhibition and activation Personality and Individual Differences, 2002, 33, P. 647-660

216. Kobayashi K., Yoshinaga H., Oka M., Ohtsuka Y., Gotman J. A simulation study of the error in dipole source localization for EEG spikes with a realistic head model. Clinical Neurophysiology 2003, 114, P. 1069-1078

217. Koch, C., 1999. Biophysics of Computation: Information Processing in Single Neurons. Oxford University Press, New York, NY.

218. Komssi S., Huttunen J., Aronen H.J., Ilmoniemi R.J. EEG minimum-norm estimation compared with MEG dipole fitting in the localization of somatosensory sources at SI. Clinical Neurophysiology, 2004, 115, P. 534-542

219. Koulouris A., Papakonstantinou G., Tsanakas P. A Decentralized Multichannel Length Transformation Algorithm and Its Parallel Implementation for Real-Time ECG Monitoring, Computers and Biomedical Research, 2000, 33, P. 227-244

220. Korn H., Faure P. Is there chaos in the brain? II. Experimental evidence and related models. C. R. Biologies, 2003, 326, P. 787-840

221. Kovalerchuk B., Triantaphyllou E., Ruiz J.F., Torvik V.I., Vityaev E. The Reliability Issue of Computer-Aided Breast Cancer Diagnosis Computers and Biomedical Research, 2000, 33, P. 296-313

222. Ktonas P.Y. Automated analysis of abnormal electroencephalograms // GRC Crit.Sev.Biomed,Eng.-1983.-V.9, N 1.-P.39-97.

223. Ktonas PY. Computer-based recognition of EEG patterns // Electroencephalography & Clinical Neurophysiology Supplement. №.45. 1996. P.23-35.

224. Kwan A.C.C., Sim A.-B., Wu Y. A comparative study of the finite-sample performance of some portmanteau tests for randomness of a time series Computational Statistics & Data Analysis, 2005, 48, P. 391-413

225. Lachaux J.-P., Lutz A., Rudrauf D., Cosmelli D., Le Van Quyen M., Martinerie J., Varela F. Estimating the time-course of coherence between single-trial brain signals: an introduction to wavelet coherence Neurophysiol Clin, 2002 ; 32, P. 157-74

226. Lachaux J.Ph., Rudrauf D., Kahane P. Intracranial EEG and human brain mapping. Journal of Physiology Paris, 2003, 97, P. 613-628

227. Laufs H., Kleinschmidt A., Beyerle A., Eger E., Salek-Haddadi A., Preibisch C., Krakow K. EEG-correlated fMRI of human alpha activity. Neurolmage, 2003, 19, P. 1463-1476

228. Le Van Quyen M., Foucher J., Lachaux J.-P., Rodriguez E., Lutz A., Martinerie J., Varela F.J. Comparison of Hilbert transform and waveletmethods for the analysis of neuronal synchrony Journal of Neuroscience Methods, 2001, 111, P. 83-98

229. Lipovetsky S., Conklin W.M. Thurstone scaling via binary response regression Statistical Methodology, 2004, 1, P. 93-104

230. Lopes da Silva F.H.'Tattern recognition and automatic EEG analysis'V/Trends Neurosci.1981. V.4. N 12. P.294-297.

231. Lopes da Silva F.H. "EEQ Analysis: Theory and Practice"// Electroencephalography: Basic Principles,Clinical Applications and Related Fields -Urban, Schwarzenberg, Baltimore, Munich. 1982 a. P.685-711.

232. Lopes da Silva F.H., Dijk A., Smits H. "Detection of nonstation-arities in EEC using the autoregressive model an app-lication to EEGs of epiIeptics"//CEAN-Computerized EEG analysis / Eds.-Dolce G, Kunkel H.-Fischer-Ver-lag. Stuttgart. 1975. P.180-199.

233. Lopes da Silva F.H., van Hulten K., Lommen T.B. et al. "Automatic detection and localization of epileptic foci"// Elect-roencephalogr. and clin. Neurophysiol. 1977. V.43. P. 1-13.

234. Lopes da Silva F.H., van Rotterdam A. "Biophysical Aspects of EEG and MEG Generation"// Electroencephalography; Basic Principles, Clinical Applications and Related Fields.-Urban. Schwarzenberg, Baltimore. Munich. 1982. P.15.

235. Lorenz J., Garcia-Larrea L. Contribution of attentional and cognitive factors to laser evoked brain potentials Modulation attentionnelle et cognitive des réponses évoquées par laser. Neurophysiologie clinique, 2003, 33, P. 293-301

236. Lubar J.F., Congedo M., Askew J.H. Low-resolution electromagnetic tomography (LORETA) of cerebral activity in chronic depressive disorder. International Journal of Psychophysiology, 2003, 49, P. 175-185

237. Majumdar D., Martin R.J. Efficient designs based on orthogonal arrays of type I and type II for experiments using units ordered over time or space. Statistical Methodology,2004, 1, P. 19-35

238. Matua S, Omelchenko V. // The Electroencephalographic Analysis of Cerebral Disorders in Patients Underwent Ionizing Radiation. Abstr. 2nd International Congress of Pathophysiology. Kyoto, Japan, 1994. P. 463.

239. Marrufo M.V., Vaquero E., Cardoso M.J., Gomez C.M. Temporal evolution of a and b bands during visual spatial attention. Cognitive Brain Research, 2001, 12, P. 315-320

240. Mas F., Prichep L.S., Alper K. Treatment resistant depression in a case of minor head injury: an electrophysiological hypothesis. //Clin. Electroencephalography. 1993. - Vol.24, N 3. - P. 118-122.

241. McGlone F., Kelly E.F., Trulsson M., Francis S.T., Westling G., Bowtell R. Functional neuroimaging studies of human somatosensory cortex. Behavioural Brain Research, 2002, 135, P. 147-158

242. Michel C.M., Murray M.M., Lantz G., Gonalez S., Spinelli L., Grave de Peralta M.R., EEG source imaging. Clinical Neurophysiology, 2004, #115, p. 2195-2222.

243. Miwakeichi F., Martinez-Montes E., Valdes-Sosa P.A., Nishiyama N., Mizuhara H., Yamaguchi Y. Decomposing EEG data into space-time-frequency components using Parallel Factor Analysis. Neurolmage, 2004, 22, P. 1035-1045

244. Moosmann M., Ritter P., Krastel I., Brink A., Thees S., Blankenburg F., Taskin B., Obrig H., Villringer A. Correlates of alpha rhythm in functional magnetic resonance imaging and near infrared spectroscopy. Neurolmage, 2003,20, P. 145-158

245. Musha T., Mochiduki Y., Kurachi T., Matsuda H., Asada T. Localization of impaired cortical neurons by EEG power fluctuation analysis. International Congress Series, 2004, 1270, P. 20-25

246. Myers R., Stockard J., Fleming H. et al. "The use of on-line telephonic computer analysis of the EEG in anestriesia" // Brit. J. Anestn.-1973. V.45. P.664-670.

247. Myhrer T., Skymoen L.R., Aas P. Pharmacological Agents, Hippocampal EEG, and Anticonvulsant Effects on Soman-Induced Seizures in Rats. NeuroToxicology, 2003, 24, P. 357-367

248. Newton T.F., Cook I.A., Kalechstein A.D., Duran S., Monroy F., Ling W., Leuchter A.F. Quantitative EEG abnormalities in recently abstinent methamphetamine dependent individuals. Clinical Neurophysiology, 2003, 114, P. 410-415

249. Niedermeyer, E., Lopes da Silva, F.H., Electroencephalography: Basic Principles, Clinical Applications and Related Fields. Williams & Watkins, Baltimore. 1999.

250. Nocairi H., Qannari E. M., Vigneau E., Bertrand D. Discrimination on latent components with respect to patterns. Application to multicollinear data Computational Statistics & Data Analysis, 2005, 48, P. 139-147

251. O'Connor, S.C., Robinson, P.A., Wave-number spectrum of electrocorticographic signals. Phys. Rev. 2003. E 67, 051912

252. Palagini L., Gemignani A., Feinberg I., Guazzelli M., Campbell I. G. Mental activity after early afternoon nap awakenings in healthy subjects. Brain Research Bulletin, 2004, 63, P. 361-368

253. Parra L., Alvino C., Tang A., Pearlmutter B., Yeung N., Osman A., Sajda P. Linear Spatial Integration for Single-Trial Detection in Encephalography. Neurolmage, 2002, 17, P. 223-230

254. Pardalos P.M., Sackellares J.C., Iasemidis L.D., Yatsenko V., Yang M.C.K., Shiau D.-S., Chaovalitwongse W. Statistical information approaches for the modelling of the epileptic brain. Computational Statistics & Data Analysis, 2003, 43, P. 79-108

255. Pardalos P.M., Yatsenko V., Sackellares J.C., Shiau D.-S, Chaovalitwongse W., Iasemidis L.D. Analysis of EEG data using optimization, statistics, and dynamical system techniques. Computational Statistics & Data Analysis, 2003,44, P. 391-408

256. Peteranderl C., Antonijevic I.A., Steiger A., Murck H., Held K., Frieboes R.-M., Uhr M., Schaaf L. Nocturnal secretion of TSH and ACTH in male patients with depression and healthy controls. Journal of Psychiatric Research, 2002, 36 P. 189-196

257. Phillips C., Rugg M.D., Friston K.J. Systematic Regularization of Linear Inverse Solutions of the EEG Source Localization Problem Neurolmage, 2002, 17, P. 287-301

258. Pizzagalli D., Hendrick A.M., Horras K.A., Davidson R.J., Anteriorcingulate theta activity is associated with degree of treatment response in major depression. International Congress Series 1232 (2002) 711-717

259. Ponsen L. "Data processing in EEG. Part2. Discrete Fourier transformation"// Amer. J. EEG Technol.1979. V.19. N 1. P.9-17.

260. Praamstra P., Oostenveld R. Attention and movement-related motor cortex activation: a highdensity EEG study of spatial stimulus-response compatibility. Cognitive Brain Research, 2003, 16, P. 309-322

261. Praamstra P., Turgeon M., Hesse C.W., Wing A.M., Perryer L. Neurophysiological correlates of error correction in sensorimotor-synchronization. Neurolmage, 2003, 20, P. 1283-1297

262. Robinson, P.A., Loxley, P.N., O'Connor, S.C., Rennie, C.J., Modal analysis of corticothalamic dynamics, electroencephalographic spectra, and evoked potentials. Phys. Rev. 200l.E 63 (041909), 1-13.

263. Robinson, P.A., Rennie, C.J., Wright, J.J., Bahramali, H., Gordon, E., Rowe, D.L., Prediction of electroencephalographic spectra from neurophysiology. Phys. Rev. 2001. E 63 (021903), 1-18.

264. Robinson, P.A., Rennie, C.J., Rowe, D.L., O'Connor, S.C., Estimation of neurophysiological of multiscale neurophysiological parameters by EEGmeans. Human Brain Mapping. 2004. 23 (1), 53-72.

265. Rodionov V., Goodman C., Fisher L., Rosenstein G.-Z., Sohmer H. A new technique for the analysis of background and evoked EEG activity: time and amplitude distributions of the EEG deflections. Clinical Neurophysiology, 2002, 113, P. 1412-1422

266. Rodin E.A., Rodin M.J. Dipole sources of the human alpha rhythm // Brain Topography. V.7. №3. 1995. P.201-208.

267. Rosso O.A., Martin M.T., Piastino A. Brain electrical activity analysis using wavelet-based informational tools. Physica A, 2002, 313, P. 587-608

268. Rosso O.A., Martin M.T., Piastino A. Brain electrical activity analysis using wavelet-based informational tools (II): Tsallis non-extensivity and complexity measures. Physica A, 2003, 320, P. 497-511

269. Rupprecht R. Neuroactive steroids: mechanisms of action and neuropsychopharmacological properties. Psychoneuroendocrinology, 2003, 28, P. 139-168

270. Rowe D.L., A. Robinson P.A., Rennie Ch.J., Estimation of neurophysiological parameters from the waking EEG using a biophysical model of brain dynamics. Journal of Theoretical Biology, 231, 2004, p. 413-433

271. Sachs G., Anderer P., Dantendorfer K., Saletu B. EEG mapping in patients with social phobia. Psychiatry Research: Neuroimaging, 2004, 131, P. 237247

272. Salek-Haddadi A., Friston K.J., Lemieux L., Fish D.R. Studying spontaneous EEG activity with fMRI. Brain Research Reviews, 2003, 43, P. 110-133

273. Salenius S., Hari R. Synchronous cortical oscillatory activity during motor action. Current Opinion in Neurobiology, 2003, 13, 678-684

274. Schack B, Vath N., Petsche H., Geissler H.-G., Moller E. Phase-coupling of theta-gamma EEG rhythms during short-term memory processing. International Journal of Psychophysiology, 2002, 44, P. 143-163

275. Schmidtke J. I., Heller W. Personality, affect and EEG: predicting patterns of regional brain activity related to extraversión and neuroticism. Personality and Individual Differences, 2004, 36, P. 717-732

276. Schoonhoven R., Boden C.J.R., Verbunt J.P.A., de Munck J.C. A whole head MEG study of the amplitude-modulation-following response: phase coherence, group delay and dipole source analysis. Clinical Neurophysiology, 2003, 114, P. 2096-2106

277. Sensitivity and specificity of select biological indices in characterizing psychotic patients and their relatives. Sponheim S.R., Iacono W.G., Thuras P.D., Nugent S.M., Beiser M. Schizophrenia Research, 2003, 63, P. 27-38

278. Sigmundsson T., Suckling J., Maier M. et al. Structural Abnormalities in Frontal, Temporal and Limbic regions and Interconnecting white matter tracts in schizophrenic patients whit prominent negative symptoms/ Am J Psychiat, 2001, #158:2, P. 234-243

279. Silva C., Maltez J.C., Trindade E., Arriaga A., Ducla-Soares E. Evaluation of LI and L2 minimum norm performances on EEG localizations. Clinical Neurophysiology, 2004, 115, P. 1657-1668

280. Skrandies W. Brain mapping of evoked potential correlates of semantic meaning cross-cultural studies. International Congress Series, 2004, 1270, P. 61-66

281. Stam C.J., van Cappellen van Walsum A.-M., Micheloyannis S. Variability of EEG synchronization during a working memory task in healthy subjects. International Journal of Psychophysiology, 2002, 46, P. 53-66

282. Steffensen S.C., Lee R.-S., Henriksen S.J., Packer T.L., Cook D.R. A novel electroencephalographic analysis method discriminates alcohol effects from those of other sedative/hypnotics. Journal of Neuroscience Methods, 2002, 115, P. 145-156

283. Storch C., Hohne A., Holsboer F., Ohl F. Activity patterns as a correlate for sleep-wake behaviour in mice. Journal of Neuroscience Methods. 2004, #133, P. 173-179

284. Tallon-Baudry C. Oscillatory synchrony and human visual cognition. Journal of Physiology. Paris, 2003, 97, P. 355-363

285. Tandonnet C., Burle B., Vidal F., Hasbroucq T. The influence of time preparation on motor processes assessed by surface Laplacian estimation. Clinical Neurophysiology, 2003, 114, P. 2376-2384

286. Teicher M.H., Andersen S.L., Polcari A., Anderson C.M., Navalta C.P., Kim D.M. The neurobiological consequences of early stress and childhood maltreatment. Neuroscience and Biobehavioral Reviews, 2003, 27, P. 3344

287. Thornton K. The electrophysiological effects of a brain injury on auditory memory functioning. The QEEG correlates of impaired memory. Archives of Clinical Neuropsychology, 2003, 18, P. 363-378

288. Tong S., Bezerianos A., Malhotra A., Zhu Y., Thakor N. Parameterized entropy analysis of EEG following hypoxic-ischemic brain injury. Physics Letters A, 2003, 314, P. 354-361

289. Trujillo-Barreto N.J., Aubert-Vazquez E., Valdes-Sosa P.A. Bayesian model averaging in EEG/MEG imaging. Neurolmage, 2004, 21, P. 13001319

290. Vanhatalo S., Voipio J., Kaila K. Full-band EEG (FbEEG): an emerging standard in electroencephalography. Clinical Neurophysiology, 2004, 116, P. 2111-2118

291. Vecchierini M.-F., d'Allest A.-M., Verpillat P. EEG patterns in 10 extreme premature neonates with normal neurological outcome: qualitative and quantitative data. Brain & Development, 2003, 25, P. 330-337

292. Volf N.V., Passynkova N.R. EEG mapping in seasonal affective disorder. Journal of Affective Disorders. 2002, 72, P. 61-69

293. Waberski T.D., Gobbele R., Darvas F., Schmitz S., Buchner H. Spatiotemporal Imaging of Electrical Activity Related to Attention to Somatosensory Stimulation. NeuroImage, 2002, 17, P. 1347-1357

294. Wackermann J., Putz P., Buchi S., Strauch I., Lehmann D. Brain electrical activity and subjective experience during altered states of consciousness: ganzfeld and hypnagogic states. International Journal of Psychophysiology, 2002, 46, P. 123-146

295. Wackermann J., Seiter C., Keibel H., Walach H. Correlations between brain electrical activities of two spatially separated human subjects. Neuroscience Letters, 2003, 336, P. 60-64

296. Walter D.O. "Spectral analysis for electroencephalograms: Mathematic determination of neurophysiological relationship from records of limited duration// Exp. Neurol. 1963. V.8. P.155-181.

297. Walter D., Rhodes J., Adey W. Discriminating amoung states of consciousness by EEG measurements. A study of four subjects. // Electroencephalography and Clin. Neurophysiol. 1967. V.22.P.22-29.

298. Walter G. Technique-interpretation. Normal rhythms their development, distribution and significance'7/Electroence-phalography. A symp. on its various aspects. London:Macdonald, 1950. P. 63-91. P. 203-277.

299. Wieser S., Wieser H.G., Event-related brain potentials in memory: correlates of episodic, semantic and implicit memory. Clinical Neurophysiology, 2001, 14 (3), P. 1144-1152

300. Winterhalder M., Maiwald T., Voss H.U., Aschenbrenner-Scheibe R., Timmer J., Schulze-Bonhage A. The seizure prediction characteristic: a general framework to assess and compare seizure prediction methods. Epilepsy & Behavior, 200, 34, P. 318-325

301. Winker P., Gilli M. Applications of optimization heuristics to estimation and modelling problems. Computational Statistics & Data Analysis, 2004, 47, P. 211-223

302. Young F., De Leeuw J., Takane Y. Multidimensional scaling: Theory and method. Erlbaum, 1986. 240 p.

303. Zampi Ch., Fagioli I, Salzarulo P. Time course of EEG background activity level before spontaneous awakening in the second semester of human life. Neuroscience Letters. 2003, #349, P. 83-86

304. Zhang X., van Drongelen W., Hecox K.E., Towle V.L., Frim D.M., McGee A.B., He B. High-resolution EEG: Cortical potential imaging of interictal spikes. Clinical Neurophysiology 2003, 114, P. 1963-1973

305. Zhang N., Wei B., Lin J. Generalized nonlinear models and variance function estimation. Computational Statistics & Data Analysis, 2005, 48, 549-570

Информация о работе

Рудковский, Михаил Владимирович
кандидата биологических наук
Ростов-на-Дону, 2005
ВАК 03.00.02

Диссертация

Дискретный мониторинг биоэлектрической активности головного мозга в процессе фармакотерапии - тема диссертации по биологии, скачайте бесплатно

Автореферат

Похожие работы