Бесплатный автореферат и диссертация по биологии на тему

Оценка функционального состояния человека-оператора по ЭЭГ-показателям

ВАК РФ 03.00.13, Физиология

Автореферат диссертации по теме "Оценка функционального состояния человека-оператора по ЭЭГ-показателям"

Г » и

- 5 М1Р

МОСКОВСКИЙ ОРДЕНА ЛЕНИНА, ОРДЕНА ОКТЯБРЬСКОЙ РЕВОЛЮЦИИ И ОРДЕНА ТРУДОВОГО КРАСНОГО ЗНАМЕНИ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ им. М.В. ЛОМОНОСОВА

Биологический факультет

На правах рукописи

ВЛАДИМИРСКИЙ Борис Михайлович

ОЦЕНКА ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ ЧЕЛОВЕКА-ОПЕРАТОРА ПО ЭЭГ-ПОКАЗАТЕЛЯМ

03.00.13- Физиология человека и животных

ДИССЕРТАЦИЯ

на соискание ученой степени доктора биологических наук в форме научного доклада

Москва-1993

МОСКОВСКИЙ ОРДЕНА ЛЕНИНА, ОРДЕНА ОКТЯБРЬСКОЙ РЕВОЛЮЦИИ И ОРДЕНА ТРУДОВОГО КРАСНОГО ЗНАМЕНИ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ им. М.В.ЛОМОНОСОВА

Биологический факультет

На правах рукописи

ВЛАДИМИРСКИЙ Борис Михайлович

ОЦЕНКА

ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ ЧЕЛОВЕКА-ОПЕРАТОРА ПО ЭЭГ-ПОКАЗАТЕЛЯМ

03.00.13 - Физиология человека и животных

ДИССЕРТАЦИЯ на соискание ученой степени доктора биологических наук в форме научного доклада

Москва - 1993

Работа выполнена на кафедре физиологии человека и животных и в НИИ нейрокибернетики им. А.Б.Когана Ростовского государственного университета.

Официальные оппоненты:

Шульговский В.В. - доктор биологических наук, профессор; Батуев A.C. - доктор биологических наук, профессор; Изнак А.Ф. - доктор биологических наук, профессор.

Ведущая организация:

Институт экспериментальной медицины РАМН (Санкт-Петербург).

Защита диссертации состоится 1993 г.

в 15 часов 30 минут на заседании специализированного Совета Д.053.05.35 при биологическом факультете Московского государственного университета им. М.В.Ломоносова (117234, Москва, Ленинские горы, МГУ, Биологический факультет) .

Диссертация разослана -Z& ащ^а^-тз г.

С диссертацией можно ознакомиться в библиотеке биологического факультета Московского государственного университета им. М.В.Ломоносова.

Ученый секретарь специализированного Совета,

кандидат биологических наук Б.А.Умарова

ВВЕДЕНИЕ

Актуальность проблемы.

Современный этап научно-технической революции характеризуется созданием и широким внедрением в практику больших вычислительных комплексов, автоматизированных систем управления, очень сложных коммуникационных структур. В таких системах существенно изменяется специфика и характер трудовой деятельности человека-оператора (Ч-О), значительно увеличивается нагрузка, повышаются требования к его надежности и ответственность за принятие правильных решений. Естественно, что в этих условиях настоятельной необходимостью становится более углубленное изучение всего спектра объективных показателей, и, в первую очередь, физиологических, с помощью которых можно было бы контролировать, прогнозировать и при необходимости корректировать функциональное состояние (ФС) Ч-О.

Известно, что высокомотивированный обучающийся или оператор может поддерживать за счет своих внутренних функциональных резервов качество обучения или деятельности на достаточно высоком уровне в течение длительного времени. Однако возникающее при этом значительное ухудшение ФС мозга может оказаться чрезмерной ценой, которую приходится "платить" за это качество, так что, в конечном итоге, весьма вероятным становится либо непрогнозируемый срыв деятельности, либо накопление негативных последствий, также снижающих эффективность обучения и надежность операторской работы (Симонов, Фролов, 1984, Свиридов, 1984).

С другой стороны, в настоящее время общепринятым является представление о том, что динамика таких процессов, как внимание,утомление и т.д., определяющих качество деятельности оператора, первично находит свое отражение в изменениях функционирования нервных структур мозга, откуда следует важнейшая роль исследования пространственно-временной организации электрической активности и, в части ости,электроэнцефалограммы (ЭЭГ) для диагностики ФС. Это необходимо как для проверки различных теоретических представлений о природе и функциональной значимости ЭЭГ, так и для решения прикладных задач, связанных с оценкой и прогнозированием тех ЭЭГ-показателей, которые, предположительно, отражают определенные стороны перцептивной и логико-мнестической деятельности человека (Василевский, 1977, 1979).

За почти 60-летнюю историю использования ЭЭГ-сигналов как показателей ФС мозга человека и животных накоплен огромный фактический материал, послуживший основой ряда крупных теоретических обобщений (Ливанов, 1940,

1972, Анохин, 1962, Коган, 1962, 1967, Лурия, 1962, Brasier, 1962, Бехтерева, 1971, 1974, Сологуб, 1973, Иванццкий, 1976, Зимкина, 1978, Гусельников, Из-нак, 1984, Ливанов, Королькова, Свидерская, 1988 и др.).

Несомненны успехи при использовании, особенно в клинической практике, феноменологического описания ЭЭГ и вызванных потенциалов (Brasier, Barlow, 1956, Русинов, 1960, Зимкина, 1964, Гриндель, 1965, Жирмунская, 1972, Рут-ман, 1979, Зенков Л.Р., Ронкин М.А., 1991 и др.). Несмотря на это, до настоящего времени существуют крайние точки зрения относительно того, что отражает суммарная электрическая активность мозга. При этом некоторые исследователи считают, что в ЭЭГ находит отражение деятельность важнейших ре-гуляторных механизмов, а основные ритмы ЭЭГ отражют существенные аспекты целостной деятельности мозга. Другие отрицают функциональную значимость ритмов ЭЭГ и признают за ними не более, чем роль индикаторов грубых изменений, в первую очередь органических поражений мозговой ткани.

В самом деле, в настоящее время паттерны ЭЭГ, ее ритмы не удается связать с тонкими явлениями психики человека. Но с другой стороны, имеется и достаточно убедительный экспериментальный материал, указывающий на связь целого ряда психических процессов или состояний, таких, например, как состояния сознания и его потери, бодрствования и сна, внимания, эмоций и т.д. с ритмами ЭЭГ и их спецификой. Причем использование более совершенных методов анализа, учет индивидуальных особенностей и т.д. позволяет получать все больше убедительных фактов в пользу высокой значимости электрических ритмов мозга человека и животных для текущей оценки и прогнозирования ФС.

Из анализа литературы, посвященной оценке и прогнозированию ФС 4-0 и его мозга с помощью ЭЭГ-показателей, складывается впечатление, что в определенной части работ полученные факты представляют собой правильные ответы на неправильно поставленые вопросы. Вероятно, вопросы состоят не просто в том, как меняются, например, спектры при переходе от одного состояния к другому или каковы их особенности для конкретного человека, а в том, как соотносятся ритмы ЭЭГ между собой во времени и пространстве, какие из них и в какой мере отражают и определяют ФС и его поддержание путем адаптации и саморегулирования.

Необходимость решения как теоретических вопросов, так и практических задач, связанных с профотбором и обучением операторов, разработкой устройств диагностики, прогнозирования и коррекции ФС людей, работающих в составе

биотехнических систем, делает проблему оценки и описания с разных сторон особенностей пространственно-временной организации ЭЭГ-активности для разных ФС весьма актуальной.

Цель исследования.

Целью работы являлось исследование возможности интегральной оценки ФС Ч-О с помощью объективного количественного описания пространственно-временной структуры электрической активности его мозга.

Основные задачи исследования.

1. Теоретический анализ понятия ФС.

2. Выбор и адаптация методов для предварительной оценки пространственно-временной организации ЭЭГ-активности.

3. Разработка и верификация на экспериментальном материале методов и алгоритмов идентификации ФС.

4. Построение схем причинно-следственных отношений между областями мозга по ЭЭГ-показателям.

5. Поиск информативных показателей для краткосрочного прогнозирования ФС.

6. Синтез и сравнительный анализ интегральных оценок ФС.

7. Разработка блок-схемы перспективной системы диагностики, прогнозирования и коррекции ФС Ч-О.

Основные положения, выносимые на защиту.

1. Показатели пространственно-временной организации ЭЭГ-активности, выявляемые с помощью коэффициентов корреляции второго порядка, позволяют с высокой вероятностью обнаруживать изменения ФС.

2. Внутри стандартного ЭЭГ-диапазона частот (1-30 кол\с) помимо известных (5-, 0-, СС- и /3- ритмов имеется еще один с периодом колебаний 300- 800 мс, не являющийся 6- ритмом и модулирующий амплитуды всех остальных ритмов.

3. Изменчивость ЭЭГ-активности в лобных, и центральных областях головного мозга лишь в небольшой части (от 15% до 45%) может быть объяснена за счет корково-корковых связей.

4. Соотношения между интегральными оценками ЭЭГ-активности, отражающими регуляторные возможности отдельных областей мозга, их парных взаимодействий и взаимодействий между совокупностями областей мозга, могут служить для диагностики ФС и прогнозирования качества деятельности 4-0 в зависимости от характера перерабатываемой информации.

Научная новизна.

Впервые с использованием метода анализа малых выборок построены распределения для стандартных частотных диапазонов, описывающие пространственную организацию спектральных плотностей этих диапазонов для шести пунктов отведения ЭЭГ одновременно и ее динамику при смене ФС.

Обнаружена модуляция основных частот ЭЭГ относительно медленным (1-3 кол\с) ритмом, являющимся, вероятно, проявлением функционирования еще одной, ранее не известной, регуляторной системы.

Впервые построены и верифицированы схемы причинно-следственных взаимодействий между передними отделами головного мозга человека, позволяющие оценить в них "вес" корково-корковых связей.

Разработан ряд новых интегральных критериев оценки Ф.С, основанных как на статистических характеристиках ЭЭГ-активности, так и на представлениях о наличии трехуровневой иерархической системы регулирования нервных процессов.

Предложен новый метод обнаружения смены ФС, пригодный для использования в автоматизированных системах контроля ФС Ч-О, работающих в реальном масштабе времени.

Научно-практическое значение.

Работа выполнена в соответствии с Координационными планами и программами Минвуза СССР и РСФСР, АН и АМН СССР (К госрегистрации тем: 79080497 , 0190044523 , 0900065412, 01880046227, 01860087832).

В результате проведенных исследований и разработок показана перспективность использования предложенных новых методов анализа ЭЭГ для систематического изучения нервных механизмов формирования ФС. Разработанные интегральные критерии оценки ФС по ЭЭГ-показателям, способы построения и сами схемы причинно-следственных связей между отдельными областями мозга могут составить теоретическую основу для целенаправленного синтеза автомати-

зированных и автоматических систем оценки, прогнозирования и коррекции ФС Ч-О.

Результаты работы использованы и используются в научно-исследовательских и опытно-конструкторских работах рядом организаций при создании специализированных стендов и экспертных систем контроля состояния операторов разных профилей.

Разработанные методы анализа и модели рассматриваются в курсах, читаемых на биолого-почвенном факультете и ФПК Ростовского госуниверситета.

Апробация работы.

Результаты проведенных исследований докладывались на ГУ-Х Всесоюзных с международным участием конференциях по нейрокибернетике (Ростов-на-Дону, 1969-1992 г.г.), на симпозиуме по статистической электрофизиологии (Вильнюс, 1968 г.), на Всесоюзном семинаре "Приборы и способы обработки импульсной активности нейронов" (Москва, 1973 г.), на Всесоюзном симпозиуме "Информационное значение биоэлектрических потенциалов головного мозга" (Лениград, 1974 г.), на VII-VIII Всесоюзных конференциях по электрофизиологии ЦНС (Каунас, 1976 г., Ереван, 1980 г.), на Всесоюзном симпозиуме по кибернетике (Тбилиси, 1976 г.), на II Междуародной коференции стран-членов СЭВ по основным проблемам бионики "Бионика-78" (Ленинград, 1978 г.), на V Всесоюзной конференции по инженерной психологии (Ленинград, 1979 г.), на XIII съезде Всесоюзного физиологического общества им.И.П.Павлова (Алма-Ата, 1979 г.), на Всесоюзной коференции "Приборное оснащение и автомя^изация научных исследований в биологии" (Кишинев, 1981 г.), на Всесоюзном симпозиуме "Зрение организмов и роботов" (Вильнюс, 1985 г.), на Всесоюзной конференции "Бионика и биомедкибернетика-85" (Ленинград, 1985 г.), на Международном симпозиуме по нейроинформатике и нейрокомпьютерам (Ростов-на-Дону, 1992 г.), на заседаниях Ученого совета и научных семинарах кафедры физиологии человека и животиых и НИИ нейрокибернетики РГУ и других научных организаций (1968-1992 г.г.).

Публикации.

Основное содержание диссертации изложено в 40 печатных работах, в том числе в монографии "Функциональное состояния человека-оператора. Оценка и прогноз", "Наука", 1988 г. (в соавторстве с А.Б.Коганом).

1.ФУНКЦИОНАЛЬНОЕ СОСТОЯНИЕ ЧЕЛОВЕКА-ОПЕРАТОРА И ФУНКЦИОНАЛЬНОЕ СОСТОЯНИЕ ЕГО МОЗГА

ФС, "как интегральная характеристика связи внутреннего состояния организма, условий внешней среды, характера и цели выполняемой деятельности" (Зинченко, Гончарова, 1983), требует для детального изучения анализа широкого круга вопросов: собственно понятия ФС 4-0 и его мозга, переменных и параметров состояния, методов их оценки и прогнозирования и т.д. Однако исходным пунктом исследований в этом направлении является формирование представлений о роли и месте оператора в функционировании человеко-машинных систем, о тех особенностях, которые возникают, когда человек-индивидуум превращается в человека-оператора.

Оператор в системе "человек-машина".

В настоящее время достаточно широкое распространение получили представления (Ахутин, 1977, Котик, 1978), согласно которым системы "человек-машина" (СЧМ) должны рассматриваться как особого вида кибернетические системы. Принципиальной особенностью нового подхода к анализу и синтезу СЧМ является четкое осознание того факта, что в таких системах 4-0 является не только источником, но и объектом регулирования. Такой подход выдвигает ряд сложных проблем, связанных как с разработкой общих принципов переработки и использования информации в процессе целенаправленного функционирования всей системы в целом, так и с решением ряда частных задач, относящихся к отдельным подсистемам.

Несмотря на его ведущую роль, человек все-таки является подсистемой, и его деятельность считается успешной только тогда, когда она способствует достижению целей всей СЧМ. Воздействие поведения оператора на СЧМ должно оцениваться только относительно ее целей. В этой связи при изучении ФС оператора интерес представляют только те исследования, при проведении которых поведение человека соотнесено с требованиями системы, что и делает его оператором.

Здесь мы сталкиваемся с интересной проблемой соотношения между поведением человека и деятельностью оператора. Человек в повседневной жизни больше всего сталкивается со слабо структурированными, "размытыми" задачами. При их решении его действия, как правило, нестандартны и опираются на эвристические правила и интуицию. Как решения, так и действия не являются жестко детерминированными и несут на себе сильный отпечаток индивидуальности человека. Операторы же автоматизированных систем обычно имеют дело

с хорошо структурированными задачами. Их деятельность прЪтекайт в условиях заданных извне жестких временных и информационных ограничений и предопределена заранее отработанным алгоритмом деятельности. В процессе обучения у оператора вырабатывается определенный автоматизм при распознавании ситуаций и выборе вариантов решения, поэтому роль индивидуальности существенно меньше, чем в обычном поведении.

Одним из отличительных свойств СЧМ является возможность взаимодействия с окружающей средой с использованием самых разнообразных средств сопряжения (интерфейсов). Эти интерфейсы обеспечивают не только увеличение круга возможных информационных, материальных и энергетических преобразований, но и существенно расширяют окружающую человека среду. Индивид, как таковой, в отличии от 4-0 не располагает искусствеными средствами сопряжения для взаимодействия со средой. С этой точки зрения в качественном отношении Ч-О, как подсистема СЧМ, представляет собой более сложное явление. Таким образом, между поведением человека и деятельностью оператора знак равенства ставить нельзя.

Целеустремленность СЧМ возлагает на оператора особые функции по управлению, которые индивиду не свойственны. Но с другой стороны, цель СЧМ определяется существенно более точно, чем цель индивида, вот почему нам кажется, что, несмотря на большую сложность Ч-О как подсистемы СЧМ, изучение его ФС в процессе деятельности имеет в настоящее время большие шансы на успех, чем оценка ФС индивида, не имеющего перед собой строго фиксированной цели, в связи с чем его поведение является значительно более вариабельным, а следовательно, и менее предсказуемым.

Вообще, использование терминов "оператор" и "деятельность", вместо "человек" и "поведение" имеет целью подчеркнуть ту небольшую часть опыта человека, к которой они имеют отношение. Деятельность Ч-О имеет ряд характерных особенностей, которые должны обязательно учитываться при оценке и прогнозировании его ФС. Так, существование целевых функций у СЧМ, как правило, сопряжено с существованием временных ограничений на их реализацию. Из-за этого одно лишь осознание того, что поставленная задача не будет выполнена в заданное время, создает стрессовую ситуацию, которая, естественно, существенно меняет состояние оператора при решении тех или иных задач. Изменение мотивации в ходе деятельности из-за утомления, моно-тонии и ряда других факторов также приводит к изменению ФС Ч-О, что в свою очередь изменяет его реакции.

Определение ФС человека и ФС его мозга.

. До настоящего времени общепринятого определения понятия "функциональное состояние" нет. Есть большое число частных определений, понятных и разделяемых группами специалистов, исследующих разные уровни биологической организации: от единичной нервной клетки до человека как личности. При этом, используемые для определения ФС термины понимаются отдельными авторами по-разному. Причем не только по приписываемым им значениям, но и, что более важно, по лежащим в их основе содержательным и формальным принципам. Зачастую как синонимы ФС используются понятия "активация", "усилия", "уровни бодрствования" и т.д.

В такой многоплановой ситуации рассчитывать на то, что единой и, что обязательно, содержательной формулировкой удастся охватить все многообразие частных проявлений ФС, вряд ли приходится. Тем не менее, важность теоретических исследований в этом направлении хорошо осознана (Медведев, 1970, 1975, Соколов, 1975, Зимкина, 1978, Леонова, Медведев, 1981, Данилова, 1985, Фролов, 1987). Дело в том, что если бы удалось сформулировать единое и достаточно общее определение ФС, то это позволило бы исследователям этой проблемы, отталкиваясь от такого определения, осмысливать собственный экспериментальный материал, используя факты и обобщения, полученные при изучении самых разных биологических систем. Стало бы возможным прогнозировать поведение животных и человека для еще не исследованных ФС и разрабатывать методы управления ими, что имеет принципиальное значение для решения разнообразных прикладных задач. Однако до того, как будет сформулировано такое обобщенное определение, необходимо разработать рабочее' определение, которое позволило бы приблизиться к решению поставленной задачи -оценке и прогонозированию ФС Ч-О. Естественно, вряд лй можно рассчиты-' вать, что удастся сформулировать нечто большее, чем концептуальную модель, > представляющую только определенные аспекты интересующего нас процесса. И тем не менее мы предприняли такую попытку, полагая, что в этой области сохраняют значения критические замечания, сделанные по другому поводу почти 30 лет назад (Берталанфи,19б9,с.53):

"В биологии (и психологии) только сбор данных и накопление экспериментов рассматривалось как действительно "научная деятельность", теория приравнивалась к "спекуляции" или "философии" и при этом забывалось^ что простое соединение эмпирических данных, хотя и означает прогресс, но еще не составляет собственно "науки". Результатом эмпиризма явилось отсутствие достаточного понимания и поддержки для развития теоретических методов анализа, что в

свою очередь оказало неблагоприятное влияние на эмпирическое исследование, которое по большей части стало случайным, ведущимся наугад".

Исходным пунктом для анализа ФС 4-0 послужили формулировки В.И.Медведева (Медведев, Генкин, 1973, Медведев, 1977, Леонова, Медведев, 1981). Во-первых, потому что они являются наиболее широко используемыми, во-вторых, потому что они, при всей спорности и незавершенности теоретических представлений о ФС, лежащих в их основе, тем не менее имеют несомненное позитивное значение. Не претендуя на канонизацию самого определения ФС, автор на основе критического обзора представлений других специалистов скорее подводит некоторые итоги, ставит проблемы и намечает перспективы, чем формулирует завершенную концепцию.

Термин "функциональное состояние", по его мнению, может использоваться только применительно к анализу состояния человека при конкретной трудовой деятельности, а прилагательное "функциональное" должно подчеркивать специфичность этого термина по сравнению с другими, такими, как "эмоциональное состояние", "психофизиологическое состояние" и т.д. Таким образом, понятие ФС предполагает его соотнесенность с понятием "человек-оператор". А если это так, то анализ ФС должен включать в себя физиологические, психологические и социально-психологические оценки. Первые будут характеризовать человека как организм, вторые - как личность, третьи - как члена коллектива.

Уже краткое перечисление факторов, вызывающих, предположительно, изменение ФС и связанных с трудовой деятельностью показывает, что вряд ли в обозримом будущем можно будет включить их в количественную оценку при диагностике ФС.

Какое бы определение ни было принято в качестве базового, помимо того, что оно отражает определенные научные концепции, пусть и очень размытые, оно должно указывать, на каких путях можно достичь его конкретизации. Вероятно, поэтому, наряду с определением ФС как интегрального комплекса характеристик, функций и качеств человека, используются представления о состоянии как сложной системной реакции индивида (Ильин, 1978) или, просто, как сложно организованной системы (Зимкина, 1978).

Если исследование ведется в рамках представлений о ФС, как некоем интегральном комплексе, то это нацеливает на поиск обобщенных показателей, в которых не просто суммируются исходные психофизиологические и другие показатели, а проявляются некоторые новые свойства, возникающие за счет взаимодействия этих показателей между собой, точнее говоря, за счет

скоррелированности функционирования подсистем, внешним проявлением которого являются измеряемые показатели.

Если же ФС рассматривать как системную реакцию, то на первый план выходит проблема оценки изменения состояния, а следовательно, количественная оценка функционирования регуляторных, компенсаторных и неспецифических подсистем организма 4-0 и т.д.

При рассмотрении ФС как системной реакции, неявно предполагается, что основной интерес представляет его динамика во времени. Формально это можно представить так. Пусть в некоторый момент времени I оператор находится в ФС $(1) и представляет интерес прогноз состояния вО+Т), где Т-число единиц времени, на которое этот прогноз осуществляется. Прогнозирование возможно, если известны законы преобразования одного состояния в другое. Эти законы включают в себя некоторые параметры П, сами по себе зависящие от времени и состояния. Таким образом, Ф-^КБ.ПЛ.Т). Другими словами, эти законы должны представлять собой описание механизмов обработки текущей информации о состоянии 5(1), а результатом их действия является новое состояние БО+Т). Следовательно, определение ФС должно давать указание на то, что необходимо учитывать для формулировки законов преобразования.

Каждое ФС может быть охарактеризовано каким-то числом переменных, носящих название переменных состояния. Если любой из этих переменных поставить в соответствие координатную ось в многомерном пространстве, то текущее ФС можно представить как точку в пространстве состояний. Тогда законы преобразования определяют траекторию движения в этом пространстве при переходе из одного состояния в другое. Однако предсказание траекторий движения будет успешным лишь в том случае, когда описание ФС будет динамически достаточным, т.е. будет включать в себя достаточное число переменных.

Таким образом, процесс построения теории ФС должен состоять из последовательных этапов построения пространств состояний, которые будут динамически достаточными, и формулировки законов преобразования для всех переменных состояния в этих пространствах.

Пространство ФС состоит из бесконечного числа точек, характеризующих конкретные состояния. Однако для практических целей можно считать, что существуют области нечувствительности (толерантные множества), внутри которых отдельные состояния неразличимы.

Исследования динамики ФС связаны также с проблемой эмпирической достаточности. Суть ее сводится к тому, что даже располагая динамически достаточным пространством состояний и законами преобразования, можно оказаться перед фактом практической неизмеримости ряда переменных или параметров (Левонтин, 1978). Причем, речь идет не только и не столько об ограничениях, накладываемых современным уровнем развития техники, а о принципиальной невозможности, например, измерить у отдельного индивида некоторые характеристики, которые в силу своей сути являются свойствами групп, коллектива. Поэтому требование эмпирической достаточности обязательно должно учитываться при разработке определений ФС.

Базовое определение ФС предполагает тесную его связь с эффективностью деятельности Ч-О. При этом понятие эффективности трактуется расширительно. В самом деле, существует целый ряд видов операторской деятельности, эффективность которых не может быть оценена числом ошибок, производительностью, скоростью выполнения операций и т.д. Например, оператор за пультом системы контроля какого-нибудь технологического процесса может провести всю смену в ожидании выхода одного или нескольких параметроз за установленные границы. Но аварийная ситуация может не наступить и его вмешательства не потребуется. И тем не менее оператор находится в дискомфортном состоянии, он не знает, с какой стороны ждать опасности, и достаточно быстро утомляется. Если все же ничего не случится, никаких объективно контролируемых показателей, с помощью которых можно было бы проконтролировать внешние проявления деятельности, нет.

Возможна и другая ситуация, когда показатели продуктивности могут быть одинаковыми для двух имеющих разную профессиональную подготовку операторов. Естественно предположить, что тот из них, у которого эта подготовка ниже, испытывает в процессе деятельности большее напряжение, т.е. имеет более высокий уровень операционной и эмоциональной напряженности. Как в одном, так и в другом из приведенных примеров имеет место активная "внутренняя" работа и для ее оценки было введено такое понятие как "цена деятельности" (Инженерная психология, 1977, Данилова, 1985).

Не вызывает сомнения, что "внутренняя" работа, соотносимая с ценой деятельности, должна находить свое отражение в нейродинамике мозга Ч-О. При этом необходимо иметь некую точку отсчета, относительно которой и следует вводить оценки. Нам представляется, что в качестве точки отсчета могут быть использованы некоторые показатели пространственно-временной организации

ЭЭГ-активности в состоянии спокойного бодрствоваия без специально организованной деятельности. Такой подход прямо связан с оценкой ФС ЦНС.

Как и в случае ФС 4-0 существует довольно много определений того, что собой представляет ФС ЦНС. Здесь основополагающими являются представления П.К.Лнохина, Е.Н.Соколова, А.М.Зимкиной и ряда других авторов (Анохин, 1973, Соколов, 1975, Зимкина, 1975, 1978, Данилова, 1985 и др.). Многообразие точек зрения на ФС мозга хорошо видно из краткого резюме, сделанного В.П.Зинченко и И.И.Гончаровой на основании многочисленных публикаций по этому вопросу. "Функциональное состояние мозга понимается как интегральная характеристика человека, звено его организации..., слагаемой состояниями отдельных физиологических систем организма, отдельных структур мозга и нервных центров, обладающее многофакторной детерминацией..., являющееся целостной функцией..., каждый момент которой определяется ее настоящим, предшествующим и последующим состоянием, результатом динамического взаимодействия организма с внешней средой..., - то есть функциональное состояние мозга понимается как динамическая система..., которая определяет все формы деятельности человека, их течение, качество и исход, и которая сама изменяется в связи с выполняемой деятельностью" (Зинченко, Гончарова, 1983). Из этой цитаты следует, что, как и в случае определения ФС Ч-О, при определении ФС его мозга отдельные авторы обращают внимание на разные его проявления, подчас не делая разницы между ФС Ч-О и ФС его мозга.

Особый интерес представляет точка зрения на ФС ЦНС Е.Н.Соколова (Соколов, 1975, Соколов, Данилова, 1975). Им обоснованы и экспериментально подтверждены представления о нейронных механизмах формирования ФС мозга, получившие дальнейшее развитие в работах его сотрудников (Данилова, 1985). Согласно этим представлениям, ФС мозга определяется фоновым уровнем активации, которая, в свою очередь, зависит от ультрамикроорганизации нейронов. Таким образом, вводятся в рассмотрение как импульсная активность, так и медленные градуальные изменения потенциалов. И если это так, то ФС мозга можно понимать как текущий уровень тонических и фазических процессов фоновой активности его систем, определяющий степень готовности этих систем к выполнению функций. Тогда, по аналогии, на более высоком уровне организации под ФС Ч-О будем понимать текущий уровень тонических и фазических мозговых процессов, лежащих в основе восприятия, принятия решения и действий с учетом обученности, мотивации и т.д. и определяющих степень успешности его профессиональной деятельности.

В процессе деятельности оператора в составе СЧМ одним из основных процессов, определяющих качество этой деятельности, при прочих равных условиях, является восприятие внешней среды.Этот процесс, определяемый характером воздействия на рецепторные поверхности различных органов чувств, представляет собой отражение в нервной системе внешнего мира и, в конечном счете, является основным в организации взаимодействия оператора с орудиями и средствами труда. Восприятие и следующие за ним другие психические процес- . сы, связанные с анализом и преобразованиями поступающей извне информации, равно как и целый ряд других внешних факторов, оказывают существенное влияние на формирование ФС Ч-О. И естественно, что они должны получать' и получают свое материальное воплощение в динамике нервных процессов. Однако существует и отражается в этой динамике и ряд других факторов, связанных с процессами, протекающими внутри организма. Именно эти процессы, по нашему мнению, и определяют собственное ФС мозга человека вообще и мозга Ч-О, в частности.

В самом деле, различные уровни бодрствования, голод и жажда, то, что на-зыается настроением и т.д., в значительной мере или полностью детерминируются внутренней средой. Все эти процессы существенно воздействуют, а иногда оказывают определяющее влияние на эффективность деятельности Ч-О. Именно это и заставляет различать ФС Ч-О и ФС его мозга. При этом, естественно, необходимо отдавать себе отчет в том, что с точки зрения оценки надежности и эффективности деятельности оператора, как звена биотехнической системы, такое разделение является условным. Более того, как внешние, так и внутренние факторы находят свое отражение в нейродинамических процессах, протекающих в одном мозге и несомненно пересекающихся. Однако при решении задач оценки и прогнозирования состояния представляется целесообразным выделение двух блоков: одного, отражающего процессы, определяющие взаимодействие с внешней средой, и другого, связанного с отражением внутренней среды. Именно этим двум блокам даны условные названия: ФС оператора и ФС его мозга. Можно условно представить себе эти два блока как подсистемы нижнего уровня двухуровневой иерархической системы. При этом цель верхнего уровня иерархии будет состоять в организации взаимодействия подсистем нижнего уровня так, чтобы выполнялась целевая функция оператора как звена биотехнической системы. Здесь сразу же следует отметить, что приведенные рассуждения должны пониматься в функциональном смысле: наличие структурно выделяемых блоков верхнего и нижнего уровней иерархии не является необходимым и не предполагается.

О том, что разделение ФС 4-0 и его мозга в принципе возможно, свидетельствуют данные, обобщенные К.Прибрамом (Прибрам, 1975). По его мнению, сформированное ФС мозга представляет собой устойчивую динамическую структуру потенциалов межнейронных соединений, которая значительно отличается от другой, тоже динамической структуры, но связанной с информационными потоками от органов чувств. Такие представления основываются на многочисленных нейроморфологических и нейрофизиологических исследованиях стволовых структур мозга.

Многочисленные рецепторы, расположенные в этих структурах, являются элементами гомеостатических механизмов, контролирующих состояние " внутренней" среды организма. Конечно, нервные элементы, составляющие структурную основу таких механизмов, испытывают влияние сигналов от различных сенсорных модальностей. Однако такие сигналы лишь корректируют параметры гомеостатических механизмов, не затрагивая их сути. А сами по себе эти механизмы осуществляют регуляцию общего состояния возбудимости мозга, приводя к активации и дезактивации ритмов коры,, изменениям циклов сон-бодрствование, возникновению тревоги и т.д. Не вызывает сомнения, что сонливость, тревога, депрессия или приподнятое настроение существенным образом влияют- на деятельность Ч-О, однако детерминируются они, в основном, различными химическими веществами, вырабатываемыми внутри организма, а следовательно, определяются ФС мозга.

Имея в виду, что следует различать ФС Ч-О и ФС его мозга, необходимо сформулировать рабочие определения для каждого из этих понятий. Будем рассматривать ФС как состояние, связанное с реализацией некоторой конкретной функции. Если при этом иметь в виду, что реализация любой функции может рассматриваться как следствие изменения взаимосвязей отдельных частей в рамках единой системы, то прилагательное "функциональное" будет указывать на необходимость учета таких изменений при оценке состояния. Следовательно, еще даже не конкретизировав понятие "состояние", можно утверждать, что определенное ФС системы - это состояние, связанное с фиксированными взаимосвязями между отдельными подсистемами такой системы, соответствующими реализации определенной функции.

В самом общем случае любая система может описываться с точки зрения своих статических и динамических характеристик. Главной из статических характеристик является структура системы, обеспечивающая сохранение основных ее свойств при всевозможных внешних и внутренних воздействиях. В такой системе, как мозг, структура представляет собой совокупность нервных образо-

ваний и морфологически определенных связей между ними, и в ее описании важную роль играют пространственные отношения. В описании же динамических характеристик системы основным является понятие организации.

Здесь необходимо сделать одно замечание. Если ограничиться статическим описанием системы, то такие понятия, как "система", "структура", "организация" являются эквивалентными. Однако если рассматривать динамику, то каждое их них играет вполне определенную самостоятельную роль. А так как при оценке и прогнозировании ФС основной интерес представляют именно динамические аспекты, то эта самостоятельная роль структуры и организации и привлекает особое внимание.

Организация системы есть процесс упорядочивания взаимосвязей между ее отдельными подсистемами. Таким образом, существенным моментом в оценке организации является учет временных соотношений. Однако организация предполагает упорядочивание не всех связей вообще, а только тех, которые имеют отношение к реализации целевой функции системы, т.е. делают систему целенаправленной. С другой стороны, взаимосвязи - атрибут структуры, однако в процессе организации отдельные подсистемы взаимодействуют строго избирательно, т.е. отдельными своими сторонами, что и определяет специфику системы. Таким образом, состояние системы характеризуется текущей организацией, направленной на реализацию целевой функции.

С учетом всего вышесказанного, под ФС мозга человека будем понимать динамический комплекс пространственно-временных отношений между областями мозга, складывающийся в процессе гомеостатических регуляций внутренней среды организма вне специально организованной деятельности. Тогда ФС 4-0 -это динамический комплекс пространственно-временных отношений между областями его мозга, складывающийся в процессе целенаправленного восприятия и переработки информации из внешней среды, связанных с деятельностью.

Переменные и параметры функционального состояния.

Любая система может быть описана следующими пятью понятиями: множеством входных состояний, множеством выходных состояний, множеством внутренних состояний, функцией перехода состояний и выходной функцией, определяющей зависимость выхода системы от ее входа и внутреннего состояния. Внутреннее состояние системы представляет собой вектор, компоненты которого соответствуют численным значениям переменных, выбранных для описания системы. В пространстве состояний каждый такой вектор представляет

собой точку. Функция перехода состояний, в свою очередь, определяет, как, в зависимости от входного сигнала и текущего состояния, будет изменяться состояние системы, т.е. определяет траекторию в пространстве состояний.

Оба этих понятия - внутреннее состояние и функция перехода состояния -отражают существенно разные аспекты и, естественно, их следует различать. Когда в существующих формулировках ФС определяется, как некий комплекс показателей, то это соответствует понятию внутреннего состояния. Когда же ФС определяется, как процесс или реакция системы, то это соответствует понятию функции перехода состояния.

В описание этих функций, помимо переменных состояния входят и параметры - величины, предназначенные для различения элементов некоторого множества между собой. Если представить себе конкретные ФС, как некоторые области в пространстве состояний, то изменения переменных будут характеризовать локальные изменения (траектории) внутри отдельных областей, а изменения параметров - переход в новую область, т.е. реализацию нового ФС. В ЭЭГ-терминах понятия переменных и параметров состояния могут выглядеть так. Пусть, например, на горизонтальные и вертикальные отклоняющие пластины осциллографа поданы ЭЭГ-сигналы от пары симметричных затылочных отведений у человека с открытыми глазами. На экране осциллографа появится область засвета в виде эллипса (такая форма связана с тем, что амплитудные значения ЭЭГ коррелированы между собой). Переменными в данном случае являются амплитуды ЭЭГ от одного и другого пункта отведения. Перемещения точек на экране представляют собой траектории, о которых говорилось выше. Область засвета на экране осциллографа имеет для данного состояния (глаза открыты) определенные координаты своего центра тяжести.

Продолжим регистрацию, но попросим человека закрыть глаза. Новая область засвета тоже будет иметь эллипсовидную форму, но центр тяжести новой области засвета будет существенно смещен по сравнению с прежним. Так вот, именно координаты центра тяжести и представляют собой параметры, изменение которых свидетельствует о переходе в новое ФС. Естественно, что такие представления обобщаются на произвольное число переменных и параметров.

Использование при анализе ФС параметров приводит к ряду важных следствий. Во-первых, становится ясным, что число различных ФС системы, в общем случае, равно числу комбинаций, которые можно составить из различных значений ее параметров. Следовательно, чтобы сделать задачу диагностики этих состояний практически разрешимой, необходимо, вводя область нечувствитель-

ности (толерантности), уменьшить число эффективных параметров. Во-вторых, можно предположить, что параметры различны не только для отдельных ФС, но и для одного и того же ФС, если принять во внимание типологические особенности испытуемых. Из этого'следует, что в пространстве состояний область, соответствующая конкретному ФС, должна включать в себя несколько подобластей, соответствующих величине параметра (понимаемого как вектор), характерного для каждой отдельной выделенной по типологическим особенностям однородной группы испытуемых. Естественно, что в этом случае для каждой такой однородной группы должно существовать одно' единственное (с учетом толерантности) значение параметра, характеризующего выделенное ФС.

Возвращаясь вновь к "автоматному" описанию систем, обратим внимание на следущее. Внутренние параметры системы, определяющие множество состояний, могут, в принципе, быть и выходными величинами. И если это реализуется, то существенно облегчается задача оценки состояния. Нам представляется, что в случае анализа ФС имеет место именно такая ситуация, когда суммарная биоэлектрическая активность одновременно отражает и состояние и выход системы.

Существенное ограничение, вносимое "автоматным" описанием системы, состоит в том, что функция перехода состояния предполагается заданной раз и навсегда. Естественно, что для реальных биологических систем это не так. Весьма вероятно, что, например, при обучении эта функция будет модифицироваться во времени, и не представляется возможным задать такое описание, которое учитывало бы всевозможные состояния в процессе обучения и адаптации.

Выход из этой ситуации видится в следующем. Прежде всего вводится иерархическое описание, а затем разные временные шкалы.Таким образом, для одних сравнительно коротких временных интервалов предполагается, что функционирует нижний иерархический уровень, т.е. система для которой функция перехода состояния считается постоянной. На более длительных интервалах времени функционирует верхний иерархический уровень, определяющий параметры адаптации, т.е. изменение во времени функции перехода состояния. Эти особенности важно учитывать при определении границ области а пространстве состояний, характерной для конкретного ФС отдельного испытуемого.

При выборе переменных, следует придерживаться следующих принципов. Во-первых, так как основной интерес представляют динамические аспекты функционирования систем, переменные состояния должны быть функциями времени.

Не вызывает сомнения, что среди универсальных характеристик систем любой природы одной из важнейших является их устойчивость или стабильность.

Более того, по мнению ряда авторов, само понятие системы с необходимостью предполагает наличие критерия устойчивости как способности системы сохранить себя как целое в условиях изменяющейся среды (Водопьянов, 1974, Аверьянов, 1976). Следовательно, во-вторых, переменные должны быть существенными для поддержания длительного устойчивого состояния системы.

В-третьих, при отборе переменных при описании состояния следует руководствоваться еще одним требованием: такие переменные должны при изменении входных сигналов варьировать в широких пределах, вплоть до физиологически недопустимых значений (Эшби, 1959).

В-четвертых, когда речь идет о существенных для описания состояния переменных, желательно, чтобы они были сильносвязанными. Тогда более вероятно, что между ними существует причинно-следственные связи, и измерение некоторых из них позволяет предсказывать остальные и, таким образом, более точно диагностировать состояние.

И, наконец, если считать, что "настоящее состояние системы - это та минимальная информация о ее прошлом, которая необходима для полного описания будущего поведения (т.е. выходов) системы, если поведение ее входов известно, начиная с настоящего времени" (Саридис, 1980, с. 10) то в переменных состояния должна аккумулироваться более или менее отдаленная предыстория системы.

Рассмотрим, насколько отвечают сформулированным выше требованиям наиболее широко используемые показатели электрической активности мозга человека, в частности, амплитудные и частотные.

Уже простейшая функциональная проба на открывание и закрывание глаз показывает, что мгновенные значения амплитуд ЭЭГ, в большинстве случаев, тесно связаны с изменениями внешних условий. Они также связаны и с другими видами естественной и искусственной активации мозга, что свидетельствует об их высокой диагностической ценности.

В экстремальных для организма условиях амплитудные показатели принимают субоптимальные и даже физиологически не допустимые значения. Между отдельными отведениями ЭЭГ по этим показателям существуют довольно тесные взаимосвязи, на что указывают'высокозначимые для большинства пар коэффициенты корреляции. Расчеты интервала корреляции с использованием автокорреляционных функций указывают на то, что в текущих амплитудных значениях находит также отражение более, или менее длительная предыстория.

Однако у амплитудных показателей ЭЭГ есть один очень существенный недостаток, существенно ограничивающий возможности их использования в качестве переменных состояния. Дело в том, что сами по себе эти показатели в отдельных отведениях не являются достаточно устойчивыми для фиксированных ФС. Одни и те же "узоры" ЭЭГ могут наблюдаться в состояниях, различие которых не вызывает сомнения, например, в парадоксальную фазу сна и при активном бодрствовании.

Значительно более устойчивыми, чем амплитудные, являются спектральные показатели ЭЭГ. В ряде исследований убедительно показано, что спектры мощности сохраняются у людей практически неизменными (при одних и тех же фоновых условиях регистрации ЭЭГ) на протяжении очень длительных периодов времени (Kennard. Swartzman, 1957, Berhout, Walter, 1968,- Matousek et al., 1979, van Dis et al., 1979, Stassen, 1980); С другой стороны, хорошо известна динамичность спектральных характеристик в разных ФС. Однако, как и в случае С мгновенными амплитудными значениями ЭЭГ, самих по себе спектральных характеристик активности отдельных отведений недостаточно для однозначной оценки ФС. По крайней мере, до сих пор нет таких спектральных показателей, которые были бы инвариантны для конкретного ФС и однозначно изменялись при переходе к другому состоянию. Более того, нам представлят-ся.что такие иварианты для ЭЭГ-активности отдельных отведений и не могут существовать. Рассмотрим условный пример.

Пусть в процессе обучения у оператора вырабатываются навыки зрительно-моторного управления. Естественно,что при этом "задействованы" зрительные и моторные области коры мозга, которые, однако, сами по себе не видят и не двигаются. Поэтому "нормальное" выполнение функций оператором никак не может обеспечиваться "нормальным" функционированием указанных выше областей, так как эти два вида "нормы" не находятся между собой в какой-либо определенной связи. Возможно, это связано с тем, что "нормальные" и ■•ненормальные" формы нервной активности отдельных областей мозга одинаково Состоят «з процессов возбуждения и торможения, "норма" которых определяется не только и не столько их собственной природой, а теми отношениями, в которых они' находятся с другим!! аналогичными процессами в других нервных образованиях. Отсюда вытекает главенствующая роль координации и взаимосвязей при оценке ФС 4-0 и ФС его мозга.

Понимание этого привело в последние годы к более широкому использованию спектров когерентности и фазовых спектров, получаемых в ходе взаимного спектрального анализа ЭЭГ. Эти спектры позволяют получить принципиально

новую информацию о пространственно-временной организации ЭЭГ при разных ФС по сравнению с одномерными спектрами мощности именно за счет учета некоторых аспектов коордимированности и взаимозависимости между процессами. протекающими в отдельных областях мозга.

Амплитудные и частотные характеристики являются макропоказателями динамики ЭЭГ. Наряду с ними, в качестве переменных состояния может быть использован с большим или меньшим успехом и ряд микропоказателей, таких, например, как асимметрия фаз ЭЭГ, изменения разности длительности фронтов колебаний биопотенциалов и т.д. (Генкин, 1962, Артемьева и др., 196$, Дуби-ка йтис, 1969, Емельянов, 1971, 1983)

Имеющиеся примеры успешного решения в некоторых случаях задачи диагностики состояния показывают, что достигнуто это было за счет достаточно полного учета взаимодействия между показателями, характеризующими функционирование отдельных подсистем организма или отдельных нервных центров. Исходя из этого, а также из принятого определения ФС, представляется целесообразным в качестве переменных состояния мозга человека использовать показатели взаимосвязи между отдельными отведениями ЭЭГ, в частности, коэффициенты корреляции. Причем в этом случае мы имеем в виду не сами по себе коэффициенты корреляции, рассчитываемые по амплитудным значениям ЭЭГ-активиости. Такие коэффициенты отражают только одну и, по нашему мнению, не самую главную часть взаимодействия между областями мозга.

Если рассматривать эти парные коэффициенты корреляции как переменные состояния, то их значения в последовательные промежутки времени образуют динамические ряды, которые могут анализироваться с использованием обычных статистических методов. В частности, для этих новых переменных можно рассчитывать коэффициенты корреляции и использовать их для оценки взаимозависимости, как это делается для обычных коэффициентов корреляции, оцениваемых непосредственно по значениям мгновенных амплитуд ЭЭГ. Однако эти, если так можно выразиться коэффициенты корреляции второго порядка, указывают не просто на совместную изменчивость ЭЭГ-активиости для отдельных пар отведений, а отражают координированное» и сопряженность во времени взаимосвязей пар областей мозга между собой. Таким образом, в рассмотрение вводится новый, более высокий и одновременно более информативный аспект описания пространственно-временных отношений между областями отведения ЭЭГ, отражающий в зависимости от внешних условий ФС Ч-О или ФС его мозга.

Указанные коэффициенты в достаточной мере отвечают требовании«, предъявляемым к переменным состояния: а них находит отражение предыстория ФС, они довольно тесно связаны между собой и динамичны во времени. Не вызывает сомнения и факт отражения в них процессов, направленных на поддержание стабильности того или иного ФС. Таким образом, эти коэффициенты имеют определенные преимущества в качестве кандидатов на роль переменных состояния по сравнению с переменными, которые наиболее широко используются в настоящее время.

Ранее уже отмечалось, что параметрами являются все переменные, не включенные в описание изучаемой системы. Более того, по мнению У.Р.Эшби, именно такое разделение переменных на две группы - собственно переменные и параметры - позволяет определить, что понимается под системой, а что под средой. Таким образом, оказывается, что если имеется система, состоящая из двух подсистем, то переменные состояние одной из них, рассматриваемой как среда, служат параметрами для другой и наоборот. Например, если рассматривать функционирование сердечно-сосудистой системы, то все остальные системы организма, в том числе и ЦНС, рассматриваются как среда.

Изменения, происходящие с переменными состояния ЦНС под влиянием внешних сигналов и не приводящие к сиене ФС, тем не менее могут как параметры, привести, например, к изменению ФС сердечно-сосудистой системы, которое найдет свое отражение в изменениях переменных этой системы таких, к ад частота сердечных сокращений, их периодика и т.д. Если эти изменения достаточны велики, то они, а свою очередь, могут привести к переходу в новое ФС ЦНС Ч-О, получающее отражение в изменениях переменных состояния мозга человека. И такой процесс может многократно повторяться. Это служит основанием для утверждения об изменениях ФС Ч-О при обнаружении изменений в переменных состояния отдельных подсистем организма. Нам представляется, что такие заключения не всегда правомерны.

Напомним еще раз, что не всякие изменения переменных свидетельствуют о переходе в новое ФС. Области в фазовом пространстве, характерные для конкретного состояния могу г быть достаточно велики, так что возможны довольно значительные вариации переменных состояния, а с другой стороны существуют зоны нечувствительности к изменениям величин параметров. Эти пределы зависят от интенсивности связей - прямых и обратных • связывающих подсистемы между собой. Учитывая ведущую роль ЦНС в регуляторных процессах, протекающих в организме человека, можно предположить, что влияния, оказываемые ею на остальные системы в прямом направлении, существенно больше, чем а

обратном, т.е., в эффекте влияния со стороны этих систем на ЦНС. Естественно, что, это должно находить свое отражение и в более высоких порогах чувствительности переменных состояния мозга к изменениям переменных состояния ЯруЪ-ик подсистем организма. Отсюда следует, что, как правило, изменения пе-ремЬнных состояния мозга даже в пределах одного и того же ФС могут приводитЬ' к'сМене ФС нижележащих подсистем, в то время как обратное может йметь. 'а^мо'жет' й'не иметь'места. ,

Таким образом, необходимо в каждом конкретном случае по показателям электрической активности мозга оценивать, на самом ли деле имеют место изменения пространственно-временны)« отношений между отдельными областями мозга. Обнаружение изменений переменных состояния других подсистем недостаточно для утверждений о смене ФС 4-0 или ,его мозга. . '.

Длительное действие надпороговых сигналов, имеющих, ртупенчатый характер, всегда приводит к изменению ФС и находит свое отражение в устойчивых изменениях показателей ¡электрической активности мозга. Если же информационный сигнал, пусть и надпороговый, в силу условий проведения обследования или реальной деятельности, носит импульсный характер, то, как правило, после Очень кратковременного изменения ФС возвращается к исходному. В этом случае .окончательные выводы зависят от эпохи анализа биоэлектрической активности. Если она сопоставима с длительностью изменений ФС, то они могут быть обнаружены. Если же, как это и бывает в большинстве случаев, используется большой временной интервал, таких изменений, естественно, не наблюдается.

I

Именно поэтому иногда можно столкнуться с высказываниями о малой информативности показателей пространственно-временной организации электрической активности мозга для целей диагностики и прогнозирования -ФС Ч-О.

2. ОЦЕНИВАНИЕ ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ

Разнообразие представлений о сущности ФС Ч-О. и ФС его мозга приводит к тому, что большое число различных, биоэлектрических и других показателей; рассматриваются в качестве информационно-значимых при решении >задач диаг.?,. ностики и прогнозирования. Если,, при,этом учесть и многочисленность матемап тических методов анализа экспериментальных данных, то становится очевидной необходимость для получения пр^тически .значимых результатов н. каждом конкретном исследовании ограничить как число показателей, так и -число алгоритмов анализа. В настоящей работе использовались толькЬ показатели ЭЭГ-активности и ставилась задача выяснить, можно ли с помощью этих пока-

зателей и доступных нам методов анализа получить рабочие процедуры, позволяющие с высокой степенью уверенности оценивать и прогнозировать ФС.

Методическое и программно-алгоритмическое обеспечение проведения экспериментов и анализа данных.

Исследование ЭЭГ-сигналов для оценки и прогнозирования ФС 4-0 и ФС его мозга осуществлялось с помощью пакета прикладных программ, состоящего из двух больших частей, одна из которых ориентирована, в основном, на анализ данных, а другая - на синтез моделей по полученным результатам. (На рис.1 эти части выделены пунктирными линиями).

I

г.;

1------------------------------J

Рис. 1. Математические методы исследования сигналов состояния.

Естественно, что такое деление в определенной мере искусственно, но оно позволяет определить, на каком этапе исследования мы находимся, используя те или иные математические методы, и на значимость, в содержательном смысле, получаемых результатов. Вообще говоря, комплекс программ анализа, в основном, рассчитан на диагностику 'ФС, в то время как программы синтеза - на прогноз и, следовательно, н» решение задачи коррекции состояния.

Большинство из алгоритмов, ухазанных на рис.1, в большей или меньшей мере используются практически во всех физиологических и психофизиологических исследованиях ФС. Здесь мы хотели бы обратить внимание только на те из них, которые пока еще не нашли широкого применения, но по нашему мнению, заслуживают этого. В частности, речь идет об анализе малых выборок, расчете "мгновенных" значений спектров, свертывании многомерной информации, оценке обусловленности и обратной связи, построении схем причинно-следственных отношений и моделях адаптируемости 4-0 по показателям биоэлектрической активности.

В силу объективных причин, например, ограниченного числа пунктов съема ЭЭГ, исследователи располагают сравнительно малым числом усредненных за определенные этапы характеристик ЭЭГ-активности. Тем не менее желательно проследить динамику этх показателей при переходе из одного ФС к другому. Практически ни один метод, кроме метода анализа малых выборок, не позволяет сделать этого.

Многочисленными исследованиями была показана высокая информативность спектральных характеристик ЭЭГ, особенно при изучении механизмов формирования ФС. Однако усреднение, проводимое при таких расчетах, не позволяет оценить тонкую динамику этих характеристик ЭЭГ, представляющую интерес для уточнения существующие представления о генезе определенных ФС. Эта динамика может быть прослежена с использованием метода определения мгновенных значений спектра.

Успешность решения задачи коррекции неблагоприятных ФС в значительной мере зависит от нашего понимания существа механизмов, формирующих такие состояния. Один из возможных путей продвижения в этом вопросе, тесно связанный с пространственно-временной организацией взаимодействия между различными областями коры, - оценка обусловленности и построение схем причинно-следственных связей по ЭЭГ-показателям.

Приведенный на рис.1 набор алгоритмов реализован в виде программ для ЭВМ разных классов.

Собственно регистрация ЭЭГ-активности в ходе проведения обследований осуществлялась униполярно по стандартной схеме "10-20", как правило, в трех парах симметричных пунктов коры: лобных, центральных и затылочных. Часть экспериментального материала была взята из обследований, в ходе которых регистрировалась, наряду или взамен пунктов С3, Сф активность симметричных пунктов теменной области Р3, Р4. Интервал квантования от 5 до 20 мс и эпоха анализа от 3 до 60 с каждый раз выбирались в зависимости от частной исследовательской задачи. Всего для разных видов анализа было использовано свыше 3000 многоканальных реализаций ЭЭГ, зарегистрированных более чем у 200 испытуемых.

Разделение испытуемых на группы по результатам психологического

тестирования.

Одним из обязательных условий обоснованности выводов по результатам экспериментальных исследований является однородность объектов, над которыми проводятся наблюдения или измерения. Это общее правило имеет особое значение при решении практических задач, связанных с оценкой ФС Ч-О.

В дифференциальной психофизиологии для разбиения испытуемых на группы по результатам тестирования разработан и апробипопан ряд оценочных шкал (Eysenck, i960, Небылицин, 1966, Пенсахов, 1974). Однако получаемое с использованием отдельных признаков разделение позволяет выделять однородные группы либо по общим свойствам, либо по отдельным свойствам личности и т.д. Несмотря на важность учета и анализа этих свойств по отдельности, не вызывает сомнения необходимость их совместного рассмотрения, когда речь идет о Ч-О. Именно поэтому была предпринята попытка выявить однородные группы испытуемых при одновременном учете результатов обследования по множеству тестов. При этом использовалась комплексная процедура, включающая в себя алгоритмы свертывания многомерной информации, кластерного анализа и проверки статистических гипотез (Владимирский,1984, Владимирский, Шабельниц-хая,1988).

Тестовые исследования включали в себя личностные опросники (Eysenck, 1960, Taylor, 1953), оценивающие степень возбуждения и торможеия в ЦНС, эмоционально-психологическую устойчивость личности, уровень тревожности. С помощью аппаратурных методик (Небылицин, 1966, Стреляу, 1967) оценивались, парциальные свойства нервной системы, учитывающие несовпадение динамики нервных процессов в разных анализаторах, а также понижение работоспособности нервных центров вследствие многократного предъявления сиг-

налов. Таким образом, каждый испытуемый характеризовался семимерным вектором измерений, численные значения компонент которого соответствовали результатам тестирования.

На предварительном этапе анализа проводилось нормирование исходных данных, чтобы уравнять все признаки независимо от единиц измерения, а также отбраковка резко выделяющихся наблюдений (Владимирский, 1983). Следующий шаг состоял в отображении на плоскость семимерных векторов измерений. В основе алгоритма, осуществляющего такую свертку (Фукунага, 1979, Патрик, 1980) лежит идея сохранения, насколько это возможно, между образами на двумерном изображении тех же расстояний, которые существуют между ними в исходном признаковом пространстве.

Рис. 2. Последовательные стадии выделения кластеров а-г - разные значения параметров. Цифры - номера испытуемых

Множество точек рис.2 представляет собой пример двумерного отображения результатов тестирования для группы студентов и научных сотрудников обоих полов в возрасте от 20 до 30 лет. Всего был обследован 31 человек. В целом для всех точек относительная ошибка в "расстояниях" между испытуемыми в исходном и двумерном пространствах не превышала 0,5%.

На этом же рисунке представлены результаты вычислений с помощью алгоритма кластерного анализа ISODATA при разных значеиях параметров (Ball, Hall, 1967). Этот алгоритм позволяет в автоматическом режиме устранять и добавлять кластеры, учитывая в расчетах максимальное и минимальное число образов, допустимых в одном кластере, требования компактности и т.д.

На рис.2 показано, что число кластеров может меняться от 2 до 5. Поэтому для уточнения процедура кластеризации была дополнена строгой статистической проверкой изолированности групп (Bonner, 1964). В соответствии с этой процедурой можно оценить вероятность того , что выбор некоторого фиксированного для данного кластера подмножества точек является случайным. Если эта вероятность достаточно мала (меньше, например, 0,05), есть уверенность в том, что выделенный кластер может считаться реально существующим.

В приведенном на рис.2 случае для разбиения на две группы была получена вероятность Р-0,0005. Такое чрезвычайно малое значение вероятности привело к необходимости проверить наличие еще одной группы. При этом было получено значение Р-0,006. Это тоже достаточно малое значение, однако попытка выделить еще одну группу привела к значению Р-0,11, что и дало основание закончить процесс кластеризации, выделив три однородные группы.

Этот же прием был использован при анализе результатов психологического тестирования 23 профессиональных операторов. В этом случае были выявлены только две однородные группы. Поэтому представляло интерес определить, за счет каких показателей это, предположительно, происходит. С это целью был проведен факторный анализ для обоих контингентов испытуемых. Основной результат состоит в том, что фактор, в максимальней степени объясняющий структуру корреляционной матрицы для профессиональных операторов, нагружен на переменные, оценивающие силу возбуждения, торможения, подвижность нервных процессов. В то же самое время для контингента студентов и научных сотрудников такая нагрузка приходится на личностные показатели экстра-инт-равертивности, нейротизма и тревожности. Несомненно, это связано с тем, что группа профессиональных операторов прошла предварительный групповой отбор

на профпригодность и поэтому представляет собой более однородную совокупность.

Эти и другие аналогичные результаты выявления однородных групп испытуемых убеждают нас в том, что процедура кластеризации для каждого конкретного контингента испытуемых должна, как правило, осуществляться заново.

Обнаружение изменений функционального состояния.

Перспективы решения ряда важных в теоретическом и прикладном аспекте задач диагностики и коррекции ФС 4-0 , в первую очередь, определяются наличием объективных и надежных методов выявления динамики этих состояний. Существующие методы, как правило, не позволяют обнаруживать начальные стадии перехода от одного ФС к другому и, следовательно, не пригодны для диагностики состояния в реальном масштабе времени (Шеповальников и др., 1980, Matousek, Petersen, 1983).

Отсюда следует важная роль процедур, свободных от указанных выше недостатков. При разработке описанной ниже процедуры мы исходили из теоретических представлений о существовании нескольких иерархических уровней регуляции состояния, особенности которых могут находить свое отражение в динамике пространственно-временной организации различных физиологических показателей (Анохин, 1973, Месарович и др., 1973). Это привело к использованию при разработке метода не самих по себе характеристик пространственно-временной организации первично регистрируемых показателей, а некоторых производных от них величин (Владимирский, Власкина, 1987). Качество разработанного метода проверялось на примере отслеживания смены ФС в процессе развития утомления.

В лабораторных условиях моделировалась операторская деятельность по типу непрерывного компенсаторного слежения. Для предотвращения развития состояния монотонии, маскирующего утомление, режим работы периодически изменялся. В этой серии участвовало 16 мужчин в возрасте 20-25 лет, у которых 5-6 часовая работа приводила к развитию утомления. Для проверки воспроизводимости результатов на нескольких испытуемых исследования были проведены дважды.

В ходе экспериментов осуществлялась регистрация ЭЭГ в трех парах симметричных пунктов коры - F3 - , С3 - С4 , Оj - О2 (в системе "10-20"). Исходным материалом для анализа являлись коэффициенты корреляции мгновенных значений амплитуд ЭЭГ между всеми отведениями (длительность pea-

лизаций - 3 с, шаг квантования - 20 мс). Для каждой из 10-12 последовательных реализаций ЭЭГ в одном и том же ФС рассчитывались все 15 коэффициентов корреляции, их средние значения. Как показали предварительные расчеты, для дальнейшего анализа оказалось достаточным использование только 4-6 коэффициентов из 15 возможных, которые максимально различались по своим средним значениям при переходе от одного ФС к другому.

На следующем этапе для каждого ФС строились матрицы коэффициентов корреляции, но теперь уже не для исходных мгновенных значений амплитуд ЭЭГ, а для текущих значений тех коэффициентов корреляции, которые были отобраны на предыдущем этапе. Дальнейший анализ проводился по методу главных компонент.

В большей части проанализированных случаев среди наиболее изменчивых при смене ФС оказались коэффициенты корреляции, измеряющие как внутри-, так и межполушарные взаимосвязи между лобными и затылочными отведениями , т.е. FjOj , F3O2 . F4O1 , F4O2 . В отдельных случаях оказалось достаточным использование в методе главных компонент матрицы только из этих коэффициентов для обнаружения смены ФС с вероятностью около 0,8. Но как правило, требовалось иметь еще два коэффициента корреляции, индивидуальных для отдельных испытуемых и разных ФС. Редко попадали в число отбираемых для метода главных компонент коэффициенты корреляции симметричных пунктов коры. Кроме того, следует отметить, что отобранные коэффициенты корреляции стабильны у отдельных испытуемых для каждого из исследованных состояний. Именно эта сохраняющаяся стабильность позволяет использовать без изменения получаемые в ходе первого обследования параметры в последующих экспериментах.

Таблица 1

Матрица корреляций между парами максимально связанных отведений ЭЭГ

Пара отведений F3C4 f3o2 F402 F4C3 F3O1 F4O1

F3C4 1 0.661 0.758 0.745 0.733 0.345

РЗ<>2 1 0.748 0.600 0.370 0.539

F4O2 1 0.539 0.806 0.297

F4C3 1 0.552 0.018

F3O1 1 0.055

F4O1 1

В табл.1 представлена корреляционная матрица межцентральных взаимодействий в состоянии спокойного бодрствования для одного из испытуемых. Отбор коэффициентов корреляции осуществлялся при сравнении этого состояния с состоянием оптимальной работоспособности. Результаты расчетов с использованием метода главных компонент для всех испытуемых и всех исследованных состояний показали, что две первые компоненты выбирают свыше 70% изменчивости корреляционных матриц, что и позволяет ограничиться ими при решении задач обнаружения смены ФС.

Визуализация состояний в пространстве двух первых компонент для отдельных 3-х секундных отрезков осуществлялась нахождением сумм произведений текущих значений коэффициентаов корреляции на соответствующие им составляющие собственных векторов первой и второй главных компонент (рис.3).

0.5

а 1.0

-0.2 -ол

-Уг

• •

7Г" +

1.5 У,

И-

+ +

6

нь-

-0.2 -

-ОЛ ~У*

2.0 -т—

2.5

—I—

+

НУ-

-0.1

-0.2 -Уг

-0.51-0.5 -Уг

1.0 и—

1.5я 2.0 у,

г

. > •

к + + ♦ + * •

л. +

10 -Г"

г

1.5 —

М-У1

+

•Л+

+

Рис 3. Разделение функциональных состояний методом главных компонент. На а: точки-фон, плюсы-врабатывание; на б: точки-врабатывание, плюсы-оп-тимальная работоспособность, на в: точки-оптимальная работоспособность, плюсы-утомление, на г: точки-фон после работы, плюсы-утомление.

Как видно из этого рисунка, несложно провести прямую, разделяющую два состояния. Ее положение зависит от того, какой "вес" придается ошибочной диагностике и какой - "ложным тревогам". Одновременная минимизация с равными весами дает по всему объему экспериментального материала вероятность ошибки около 0,1, а вероятность "ложной тревоги" около 0,14.

Таким образом, полученные результаты свидетельствуют о том, что разработанный метод позволяет в интерактивном режиме с высокой степенью точности обнаруживать смену ФС 4-0 в реальном масштабе времени. Выявляемые с его помощью в процессе диагностики показатели пространственно-временной организации ЭЭГ-активности индивидуально стабильны и могут быть использованы при составлении психофизиологических портретов конкретных операторов.

Кроме того, расстояния от точек, характеризующих пространственно-временную структуру взаимосвязей между парами областей мозга в пространстве главных компонент, до линии, разделяющей два состояния, могут служить случайными величинами, динамический ряд которых используется для прогноза перехода от одного ФС к другому. Проведенные нами расчеты показывают, что если вычислять эти точки с интервалом в 1-1,5 минуты на протяжении 25-30 минут, то, используя процедуру адаптивного прогнозирования, удается обнаружит!. смену состояний за 5-12 минут до того, как появляются существенные изменения в качестве деятельности.

Общие характеристики распределения ЭЭГ-активности внутри отдельных частотных диапазонов.

В настоящее время общепринятой является точка зрения, согласно которой электрическая активность мозга представляет собой сложную систему колебаний. В такой системе, как правило, выявляются характерные ритмы, степень выраженности которых тесно связана с ФС. Если вычленить с помощью того или иного метода из суммарной ЭЭГ отдельные частотные диапазоны, то оказывается, что внутри каждого из них колебания не являются монохроматическими, а флуктуируют по частоте, амплитуде и фазе. Тем не менее, спектральный анализ ЭЭГ показывает, что, несмотря на наличие значительных индивидуальных особенностей у разных людей, для одного и того же человека характерна относительно постоянная картина ЭЭГ-активности.

Особый интерес к частотному составу ЭЭГ определяется тем, что хотя природа отдельных ритмов еще до конца не выяснена, но систематический анализ ЭЭГ-активности позволил обнаружить существенные изменения степени выра-

женности отдельных ритмов и соотношений между ними при разных уровнях сознания, развитии определенных психических патологий и т.д. Даже не пытаясь связать динамику ритмической электрической активности с тонкими психическими процессами, следует считать установленной ее связь с ФС мозга.

Таким образом, возникает задача описания характера изменений ЭЭГ-ак-тивности отдельных частотных диапазонов, с тем чтобы попытаться связать эти изменения со сменой ФС. Причем на первом этапе такого исследования показалось целесообразным оценить вид распределений частотных компонент внутри стандартных диапазонов. При этом мы приняли во внимание теоретические представления о том, что взаимодействие между ядрами таламуса, представляющими собой автогенераторные образования, и функциональными элементами коры мозга, играющими роль пассивных колебательных контуров, обеспечивает все многообразие электрических колебаний, регистрируемых в виде ЭЭГ (Осо-вец и др., 1984). Если такие представления верны, то изменения характера колебаний внутри отдельных частотных диапазонов могли бы подсказать пути коррекции ФС.

В самом деле, изменения в ту или иную сторону в диапазонах <5- и в-рит-мов означали бы, что соответственно изменились параметры пассивных колебательных контуров коры мозга или, другими словами, условия проведения возбуждения по коре и фазовые отношения межу активностью отдельных областей мозга. С другой стороны, изменения внутри ¿{-диапазона могли бы свидетельствовать о перестройках внутри неспецифической активирующей системы мозга.

В соответствии с разделяемым нами взглядом на ФС, согласно которому для его оценки необходим одновременный учет ЭЭГ-показателей от множества пунктов отведения, был исследован характер распределения средних частот разных диапазонов для трех пар симметричных пунктов : Рз-Иф С3-С4, О]-02- Исходным материалом для анализа являлись значения спектров мощности, рассчитанных для отдельных отведений в разных ФС с шагом по частоте в 1 кол/с. Средняя частота каждого из трех выбраных диапазонов, соответствующих В- и СЕ-ритмам, находилась "взвешиванием" отдельных составляющих ритма пропорционально численной величине спектральной мощности. Доверительный интервал для значений спектральной мощности в большинстве реализаций перекрывал вариации вычисленной мощности уЗ-ритма, в связи с чем на данном этапе не было возможности провести систематическое изучение пространственного распределения этого ритма.

Регистрация ЭЭГ-активности только от шести пунктов отведения не дает возможность построить эмпирическую плотность распределения средних частот традиционным способом. Были использованы идеи оценивания плотности распределения случайной величины при малом объеме выборки, реализоанные в методе прямоугольных вкладов (Чавчанидзе, Кумсишвили, 1961, Гаскаров, Шаповалов, 1978). Для более точных количественных оценок применялась модификация, использующая вместо прямоугольного оптимальную форму. вклада. Суть метода состоит в том, что оценка плотности распределения представляется в виде суммы априорной и эмпирической компонент. Априорная компонента в соответствии с принципом экстремума энтропии задается в виде равномерного распределения, границами которого являются верхняя и нижняя частоты выбранного диапазона. Эмпирическая компонента представляет собой сумму функций вкладов всех измерений, "размазанных" по интервалу, определенному как произведение ширины анализируемого частотного диапазона на коэффициент, выбираемый из специальной номограммы, входами которой являются объем выборки и предполагаемый вид плотности распределения.

Пост|>оение и визуальный анализ гистограмм средних значений частотных составляющих ЭЭГ позволяет получить дополнительную полезную информацию. В самом деле, пусть, например, численные расчеты средней частоты по всем отведениям одного из ритмов показывают его замедление при переходе из одного ФС в другое. Этот факт не позволяет сделать выбор между двумя альтернативами: либо замедление происходит за счет общего для всех пунктов отведения ЭЭГ изменения возбудимости, либо это связано избирательно с отдельными областями. Если визуальный анализ показывает, что не произошло изменения формы распределения, то это будет свидетельстовать в пользу первой альтернативы. В противном случае справедливым будет второе предположение.

Образцы гистограмм, построенных с использованием метода анализа малых выборок приведены на рис.4

При анализе гистограмм обращает на себя внимание тот факт, что все они в большей или меньшей степени асимметричны. Какие качественные выводы следуют из этого? Из статистики известно, что если наблюдаемый нами признак формируется под воздействием большого числа независимых друг от друга причин, каждая из которых вносит относительно небольшой вклад в величину этого признака, то мы вправе ожидать, что получаемое в результате эксперимента распределение признака будет симметричным (Владимирский, 1983). Если же получено асимметричое распределение, то имеет смысл предположить либо существование фактора, вклад которого в формирование наблюдаемой величины

существенно больше, чем у остальных, либо постулировать наличие специального механизма, отличного от механизма независимого влияния множества причин на величину наблюдаемого признака. Более того, сам вид распределения, т.е. его скошенность влево или вправо (даже при равенстве средних и дисперсий) является важным диагностическим признаком, свидетельствующим о различных механизмах формирования наблюдаемой величины. В нашем случае скошенность в ту или иную сторону может означать преобладание процессов

Обобщение результатов гистограммного анализа по семнадца» и экспериментам позволяет констатировать следующие факты. Для всех испытуемых в диапазоне (5- ритма наблюдается устойчивая правосторонняя асимметрия, которая уменьшается по мере развития состояния утомления. Скошенность может быть связана как с межполушарной функциональной асимметрией, так и с преобладанием процессов возбуждения в структурах, предположительно генерирующих (5- ритм. При друюй точке зрения на механизмы генерации <5- ритма уменьше-

ние асимметрии может указывать, что постепенно ухудшаются условия проведения по коре. Отсутствие четко выраженных различий у отдельных испытуемых указывает на пригодность показателя асимметрии распределения средних значений частоты (5-ритма для качественной оценки динамики изменения ФС.

Что касается распределений средних значений частот в диапазонах б- и СП-ритмов, то они, обнаруживая левостороннюю скошенность в фоновом состоянии, при развитии процесса утомления характеризуются значительной межиндивидуальной измечивостью. Причем изменение характера распределения тесно связано с исходным средним значением.

Для (Х- ритма скошенность мож > означать неодинаковое влияние неспецифической активирующей системы на отдельные области мозга, либо подтверждение представлений о независимости механизмов генерации этого ритма в отдельных областях (Гусельников, Изнак, 1984).

Существование положительной асимметрии может свидетельствовать в пользу гипотезы формирования средней частоты в- ритма за счет преимущественного влияния гипокампальных пейсмекеров. Если при этом учесть зависимость направления изменений характера распределений от исходного среднего уровня, наблюдаемого при анализе экспериментального материала, то мы сталкиваемся с ситуацией, когда пропорциональность отклика системы на действие внешней причины зависит как от уровня независимой переменной (в данном случае текущей средней частоты ритма), так и от интенсивности действия причины. В этом случае распределение с необходимостью скошено влево.

Указанные факты дают. определенные основания считать целесообразным использование параметров частотных распределений для множества пунктов отведения как для диагностики ФС, так и для оценки эффекта тех или иных корректирующих воздействий. При этом, учитывая стабильность спектров для отдельных испытуемых, можно предположить, что указанные выше изменения характера распределений средних частот различных диапазонов относительно фонового состояния должны иметь место и при других условиях, чем те, в которых проводились наши исследования.

Оценки мгновенных спектральных плотностей частотных диапазонов ЭЭГ

Диагностическая ценность анализа частотных составляющих ЭЭГ для оценки ФС мозга человека сомнений не вызывает. Тем не менее, аналитический обзор доступных нам работ показал, что в ряде случаев, когда использовался спектральный анализ, желаемых результатов получено не было. И это несмотря

на то, что визуальный анализ записей ЭЭГ создавал впечатление у опытных специалистов, особенно занимающихся клинической электроэнцефалографией, что в паттернах ЭЭГ существуют различия. Способность специалистов качественно оценивать микродинамику биоэлектрических сигналов, к сожалению, пока не может быть формализована, а следовательно, не поддается алгоритмизации и последующему программированию на ЭВМ. Поэтому на первом этапе исследований перед нами возникла задача найти некоторую замену спектральному анализу, т.е. метод, который, обладая достоинствами такого анализа, позволял бы оценивать более тонкие, не усредненные изменения колебаний биопотенциалов. Ясно было, что это должен быть метод, так или иначе связанный с фильтрацией ЭЭГ-сигналов.

Был Использован метод демодуляции-вторичной модуляции (Отнес, Эноксон, 1982), суть которого сводится к следующему. Пусть в нашем распоряжении имеется процесс X,. Демодуляция на частоте (ÚQ эквивалентна образованию двух последовательностей и использованию фильтра F, который пропускает только нулевую частоту:

Y' - FIX, sin <yot]

Y"- F[X( cos <Ü0«J.

Оценкой амплитуды и фазы на частоте будут величины 2 2 1/2

С ■» 2 l(Y',) + (Y",) J и

0- arctg (Y't/Y"j).

Величина С, получила условное название мгновенной спектральной плотности.

Вели интерес представляют не сами по себе амплитуды и фазы, а непосредственно некоторая определенная компонента, то она может быть получена как

Zt - 2 Y', sin 0)oi + 2 Y", cos 0)o\.

Это и есть вторичная модуляция, показывающая, что в сочетании с модуляцией для вычленения отдельных частотных полос нет необходимости для каждой из них строить отдельный фильтр.

В нашем случае использовался 50-члеиный нерекурсивный фильтр с шириной полосы равной 2 Гц.

Анализировались 5-ти секундные записи ЭЭГ-активности для разных ФС в Отведениях F3, F^, С3, С4, 0[, Oj с шагом кватования 20 мс. В качестве цет-ральных частот фильтрации были выбраны частоты 2,5 гц, 6,0 гц, 10,5 гц, 16,5 гц. Одновременно с расчетами амплитуд мгновенных спектральных мощностей и

их фаз оценивались и выводились на печать корреляционные матрицы исходных и отфильтрованных рядов, а также их разностей.

Пример результатов демодуляции ЭЭГ, зарегистрированной в отведении О , приведен на рис.5. Для сравнительной оценки амплитуд показаны (в условных единицах) значения спектральных мощностей в соответствующих частотных диапазонах (заштрихованные столбики).

I_I

Рис. 5. Мгновенные спектральные плотности отдельных частотных диапазонов. Заштрихованные столбики - спектральная мощность в соответствующих частотных диапазонах.

Как видно из приведенного рисунка, наблюдается квазипериодическая модуляция мгновенных спектральных мощностей с частотой, характерной для (5-диа-пазона. Эта периодичность представляет собой явление качественно отличное от собственно (5-волн и может, по нашему мнению, отражать функционирование некоего контура регулирования, занимающего в иерархической системе регуляции ФС более высокий уровень, чем те, функционирование которых отражается в колебаниях стандартных частотных диапазонов.

Такое мнение сформировалось'после анализа, в т.ч., и спектрального, кривых мгновенных спектральных мощностей в различных отведениях и в разных ФС. Наличие квазипериодической модуляции с частотой 0,6-2,4 кол /с было отмечено во всех без исключения случаях. При развитии процесса утомления на-

блюдается уменьшение периода модуляции, что согласуется с представлениями теории многоуровневых систем, согласно которым при увеличении вариабельности управляемого процесса частота управляющих воздействий со стороны вышележащего уровня регуляции должна увеличиваться.

Правда, согласно тем же самым представлениям период принятия решения на верхних уровнях иерархии больше, чем на нижних. Поэтому возникают определенные сомнения относительно возможности управления подсистемой, функционирование которой отражается (5- ритмом со стороны системы, способной вырабатывать координирующие воздействия с частотой, имеющей тот же порядок. Это противоречие могло бы быть снято, если бы удалось показать, что система регуляции ФС имеет характер гиперцикла (Эйген, Шустер, 1982). Однако такое предположение требует специального исследования.

Бели же попытаться представить себе, какой физиологический механизм может лежать в основе наблюдаемой модуляции, то наиболее вероятным является предположение об изменениях взаимодействий в нейроглиальной системе. Такое предположение косвенно подтверждается результатами нейрохимических исследований, в которых показано, что при ухудшении ФС мозга скорость обмена между нейронами и глией различными соединениями увеличивается.

Анализ обусловленности ЭЭГ-активности отдельных пар областей мозга

При Изучении структуры пространственно-временных связей, складывающихся при формировании того или иного ФС, необходимо переходить к более детальному изучению взаимодействий, по крайней мере, между отдельными парами областей мозга.

Несмотря на несомненную полезность корреляционных показателей для описания конкретных ФС и их динамики, следует признать, что эти показатели сами по себе для описания складывающихся причинно-следственных отношений мало пригодны. Связано это с тем, что по своей сущности они не отражают направленность связей, откуда следует невозможность определения, какая доля из оцениваемых взаимодействий определяется собственно взаимодействием измеряемых переменных, а какая за счет действия общих причин, приводящих к так называемой ложной корреляции.

Шагом вперед в изучении причинно-следственных отношений следует считать применение специальных методов оценки обусловленности и обратной связи, алгоритмы которых для целей анализа биоэлектрической активности

успешно используются нами уже ряд лет (Владимирский и др., 1973, Ткаченко, Владимирский, Шульга, 1976, 1978, 1979).

Теоретическое обоснование методу оценки обусловленности и обратной связи дано в работах Гренджера и Хатанаки (Granger, 1963, Granger, Hatanaka, 1964). В основе метода лежат интуитивно понятные соображения о том, что представляет собой причинность. Если есть пара реализаций случайных процессов и если, зная прошлые значения одной из них, можно лучше предсказать значения другой, чем когда значения первой реализации не учитываются, считается, что имеет место обусловленность второй реализации первой. В случае двусторонней обусловленности считают, что имеет место обратная связь.

Для проверки статистической-значимости таких качественных рассуждений вводятся показатели силы обусловленности и обратной связи и используется критерий Уиттла (Whittle, 1953).

Содержательная интерпретация результатов, получаемых с помощью оценок обусловленности и обратной связи, предполагает, что мы знаем, на какое время или, что эквивалентно, на какое Мисло отсчетов назад отнесено действие причины на следствие, наблюдаемое в настоящий момент. Такой сдвиг также оценивается с помощью критерия Уиттла , но с модифицированной формулой прогноза, учитывающей временную задержку.

Рассмотрим результаты; полученные нами при анализе'ЭЭГ-активности, зарегистрированной при проведении обследований на людях по методикам, которые были описаны выше, а также в работах сотрудников НИИ нейрокибернетики (Кирой, 1982, Акопьян, 1983).

Чтобы предупредить возможные вопросы о соответствии результатов, полученных с помощью корреляционных показателей и показателей обусловленности, обратим внимание на следующее. Наличие высоких коэффициентов корреляции не обязательно свидетельствует о наличии обусловленности и наоборот. Эти коэффициенты оценивают сопряженность изменений измерямых величин в одни и те же моменты времени, в то время как показатели обусловленности огределяют возможность предсказания- значений одной из из, меряемых величин по значениям другой, измеренной в предыдущие моменты времени.

На рис.6 представлены в качестве типичного примера схемы обусловленности в разных частотных диапазонах для трех'ФС, рассчитанные для одного из испытуемых. В нашей работе мы обращаем особое внимание на схемы обусловленности в разных частотных диапазонах (Владимирский, 1984). Связано это с

проверкой предположения о том, что в разных ФС отдельные области мозга могут играть разную роль в организации межцентральных взаимодействий, что должно найти свое отражение в схемах обусловленности для отдельных частотных диапазонов.

Рис. 6. Схема обусловленности (испытуемый Д.В.). а - фон; б - оптимальная работоспособность; в - утомление.

Прежде всего следует отметить, что значительное число связей по показателям обусловленности имеется только в диапазонах <5 - и Д - ритмов. И для этих же диапазонов наблюдается уменьшение их числа при развитии процесса утомления по сравнению С периодом оптимальной работоспособности. Для подавляющего числа числа указанных на рисунке связей сдвиг обусловленности составлял от 120 до 200 мс (при шаге квантования 20 мс). Это означает, что выявленные связи вряд ли отражают корково-корковые взаимодействия. С другой стороны, такое время соответствует существующим взглядам о длительности элементарных процессов принятия решения человеком. Следовательно, можно предположить, что обнаруживаемые связи обусловлены действием или корково-

подкорковых регуляторных механизмов или (и) отражают эффекты замыкания связей через внешнюю среду. .

Большое число связей в (5- и диапазонах, вероятно, связано с характером экспериментальной ситуации и особенностями материала для анализа. В самом деле, в этой серии экспериментов требовалась активная работа памяти и вербальное перекодирование «3 - ритм). Переход от комбинаций букв к арифметическим операциям и обратно сопровождается повышенными требованиями к функциональной подвижности (лабильности) ф ритм). Собственно двигательная компонента сводилась лишь к нажатию кнопки (малая представленность &-ритма). Наконец, интервал квантования составлял 20 мс и возможно, что изменения числа циклов возбудимости корковых нейронов ((X - ритм) укладываются в этот интервал и не оказывают влияния на обусловленность.

На рисунке не показаны существующие в большинстве случаев обратные связи в <5- ч ß\- диапазонах между симметричными пунктами С3-С4 и F3-F4, имеющие сдвиг обусловленности 20 мс и, вероятно, отражающие собственно корково-корковые взаимодействия. Наличие обратных связей с разными сдвигами обусловленности является еще одним подтверждением функциональной асимметрии полушарий мозга человека (Кураев, 1983).

Если попытаться обобщить наиболее выраженные факты, связанные с оценками обусловленности, то главным, по нашему мнению, является существование некоторого оптимума числа связей, характерного для деятельности оператора. Отклонение как в большую, так и в меньшую сторону от этого числа в предра-бочие периоды и при развитии утомления может служить подтверждением принципа оптимального взаимодействия, известного в теории систем (Месаро-вич, 1971). Другой вывод состоит в том, что при решении задач, требующих зрительно-моторной координации, ведущим является правое полушарие, однако при развитии утомления-происходит инверсия ролей правого и левого полушарий. Эти факты могут служить основой для еще одного критерия оценки ФС и прогнозирования его смены. .

Модели причинно-следственных отношении по ЭЭГ-показателям

К настоящему времени в многочисленных нейроморфологических, нейрофизиологических и нейропсихологических исследованиях получен ряд фактов и сделаны определенные теоретические обобщения, позволяющие продвинуться в понимании характера пространственно-временных отношений, складывающихся в мозгу человека при разных ФС (Поляков, 1966, Лурия, 1966, Lope da Silva,

1982, Павлова, Романенко, 1988).Это позволяет формулировать гипотезы о возможных схемах причинно-следственных отношений между отдельными областями мозга. Для селекции различных гипотез и верификации построенных на их основе схем мы использовали математический аппарат путевого анализа (Wright, 1923, 1934) техника применения которого описана нами (Коган, Владимирский, 1988).

Путевой анализ, или метод путевых коэффициентов, является оригинальым соединением алгебраических методов множественного регрессионного анализа и представления статистических зависимостей в виде ориентированных* графов. В этом методе принято.что корреляция между парой переменных равна сумме путей - прямого и непрямого,- соединяющих по выбранной схеме эти переменные. При этом каждый путь численно оценивается путевым коэффициентом. Отличие этих коэффициентов от коэффициентов корреляции состоит в том, что коэффициенты корреляции являются мерой взаимозависимости для всех имеющихся данных, а путевые коэффициенты отражают влияние одной переменной на другую в выбранной схеме причинности.

Селекция становится возможной при использовании некоторых идей о ложной корреляции и причинной упорядоченности (Blalock, 1972). Основанная на этих идеях процедура Саймона-Блейлока имеет в своей основе положение о том, что причинная структура, не воспроизводящая эмпирические корреляции, не может считаться правильной.

В нашем случае использование этой процедуры сводится к следующему. По экспериментальным данным рассчитываются коэффициенты корреляции для всех возможных пар отведений ЭЭГ, а также путевые коэффициенты. На основе теоретических представлений о механизмах, обеспечивающих пространственно-временную структуру биопотенциалов в том или ином ФС, формулируется гипотеза (или гипотезы) о наиболее вероятных причинно-следственных связях и строится соответствующая диаграмма. Используя ее и рассчитанные путевые коэффициенты, оценивают коэффициенты корреляции между всеми интересующими нас парами переменных. Сравнение этих коэффициентов с коэффициентами корреляции, рассчитанными по исходным данным, позволяет принять или отвергнуть гипотезу о структуре причинно-следственных связей между отдельными областями мозга. В случае принятия гипотезы есть возможность оценить также вклад каждой из причин в изменчивость следствия и, таким образом, сделать выводы о динамике определенных причинно-следственных связей между областями мозга при изменении ФС. Такая оценка осуществляет-

ся путем определения соответствующего коэффициента детерминации, представляющего собой квадрат одноименного путевого коэффициента.

Проверке был подвергнут ряд гипотетических схем причинно-следственных отношений между передними отделами коры мозга человека. Такой выбор основывался на представлениях о том, что именно эти области коры и функционально связанные с ними нижележащие подкорковые образования являются морфологическим субстратом регуляторной системы, определяющей как общие свойства мозга человека, так и реализацию целенаправленных движений, высших гностических функций и т.д. (Лурия,1966, Поляков, 1966, Небылицин, 1976, Русалов, 1979, Базылевич, 1983 и др.). Таким образом, можно предположить, что структура связей между передними отделами играет существенную роль в реализации ФС 4-0 и ФС его мозга.

Возможные схемы причинно-следственых отношений, основывающиеся на литературных данных и проведенном нами анализе корреляционных связей и обусловленности, приведены на рис 7.

Рис. 7. Схема причинных связей. I - испытуемый Ю.К.; II - испыткемый А.С.; а - фон; б - оптимальная работоспособность; в - утомление.

Основу использования путевого анализа для отбора наиболее приемлемых схем составляет сравнение полученных в ходе анализа ЭЭГ-активности коэффи-

циентов корреляции между отдельными пунктами отведения с коэффициентами корреляции, рассчитанными на основании путевых коэффициентов для фиксированной схемы причинно-следственных отношений.

Система уравнений, с помощью которой оценивались путевые коэффициенты, выглядит следующим образом:

Р12 + Г23Р13 +-+ г2пР1п " г12

Г32Р12 + Р13 +-+ гЗпР1п " г13

гп2Р12 + rn3Pl3 +-+ Pin " г1п

(Для упрощения записи пункты отведенеия F3, F4, С3, С4 перенумерованы цифрами 1, 2, 3, 4 соответственно).

Естественно, что такие системы уравнений были составлены для всех состояний и всех испытуемых. Рассчитанные путевые коэффициенты для испытуемых Ю.К. и А.Г. приведены в таблице 2.

Таблица 2

Путевые коэффициенты моделей причинно-следственных отношений

Путевые коэффициенты Испытуемый Ю.К. Испытуемый А.Г.

Фон Оптимальная работоспособность утомление Фон Оптимальная работоспособность утомление

Р42 -0.582 0.678

Р41 -0.120

Р43 1.341

Р31 0.795 } 0.438

Р13 0.004 0.738 0.066 -0.120

Р14 0.062 -0.003 0.200 0.062

Pl2 0.578 -0.086 0.444 0.578

Р32 0.200

Р24 0.845 0.629 0.724 0.740

Р34 0.094

С использованием этих путевых коэффициентов были рассчитаны теоретически ожидаемые коэффициенты корреляции. Их сравнение с эмпирическими, полученными непосредственно по исходным данным, показало, что различия между ними не превышают 2-6%. Это дает основание принять в качестве рабочих предложенные схемы причинно-следственных взаимосвязей в передних отделах мозга человека.

Прежде всего обращает на себя внимание тот факт (и это справедливо и для других испытуемых), что для этапов оптимальной работоспособности и развития утомления структура причинно-следственных отношений идентична и указывает на ведущую роль правого полушария. Направленность связей к левому лобному отведению, вероятно, связана со спецификой решаемых задач, требовавших логического манипулирования с цифрами и буквами и проведения арифметических операций. Несмотря на схожесть схем причинно-следственных взаимодействий при переходе от этапа оптимальной работоспособности к этапу, связанному с развитием утомления, существенно изменяются путевые коэффициенты, в частности, увеличивается внутриполушарная связь С3 - Из- В состоянии спокойного бодрствования обе приведенные схемы встречаются примерно в равной пропорции.

По логике построения причинные модели отражают непосредственно внут-рикорковые взаимодействия. Поэтому Представляет интерес оценить в каждом конкретном случае сравнительную интенсивность влияния факторов, обеспечивающих такие взаимодействия, а также факторов, не связанных непосредственно с пространственно-временной организацией связей внутри коры мозга. С другой стороны, желательно знать, в какой мере предложенный набор причин объясняет наблюдаемую изменчивость следствий. Другими словами, необходимо оценить, насколько точно можно предсказать вариабельность ЭЭГ-активности отдельного пункта отведения, используя показатели ЭЭГ-активности других пунктов, оказывающих на него непосредственное влияние в соответствии с выбранной схемой причинно-следственных отношений.

С этой целью были рассчитаны путевые коэффициенты, учитывающие совокупное влияние факторов, не включенных в причинную схему, а также коэф-фициеты множественной корреляции. Эти показатели

п '"У >1/2 Рш - (1 - Д РЦГЦ ) .

у—1

2 . 2

I*

.х1, ...,х!-1 ~ 1 _ Р 1и

приведены в табл.3.

Таблица 3

Показатели качества причинных моделей

Отведение Испытуемый Ю.К. Испытуемый А.Г.

Оптимальная . работоспособность Утомление Оптимальная работоспособность Утомление

Р1и Л Рш к Рш Л Рш Е2

Рз 0.772 0.404 0.732 0.464 0.733 0.462 0.836 0.301

^4 0.535 0.714 0.777 0.396 0.690 0.524 0.673 0.548

Как видно из приведеных результатов, за счет внутрикорковых связей может быть объяснено примерно от 15% до 45% изменчивости ЭЭГ-активности отдельных областей мозга, а при прогнозировании в рамках линейной модели учитывается также сравнительно небольшая доля (не более 50% ) вариабельности ЭЭГ.

Такие количественные оценки связаны, в основном, с тем, что перекрестные межанализаторные связи имеют чрезвычайно малые значения. Если при этом учесть, что получаемые коэффициенты корреляции достаточно велики, то можно сделать вывод, что эти коэффициенты отражают влияние подкорковых образований, а также эффекты замыкания связей через внешнюю среду. Располагая схемами причинно-следственных взаимодействий и учитывая соотношения между путевыми коэффициентами в симметричных точках обоих полушарий, а также между пунктами одного и того же полушария, можно отслеживать динамику функционального состояния и выбирать способ и место приложения корректору ющх воздействий.

Интегральные оценки по ЭЭГ-показателям

Необходимость в интегральной оценке состояния сложных систем, независимо от их природы, была хорошо осознана с момента появления регулярных методов анализа и синтеза таких систем. Само понятие ФС является отражением необходимости ввести обобщенную оценку взаимодействия отдельных подсистем в составе большой системы.

Есть ряд примеров успешного синтеза интегральных оценок состояния регу-ляторных систем организма человека ^У/egner, 1966, Ёп£е1, 1970, Баевский,

1979, Баевский и др., 1984). В работах этих и других авторов предложены и опробованы индексы, включающие большое число частных показателей, таких как ритм сердца, частота дыхания,1 систолическое и диастолическое артериальное давление, температура, диаметр зрачка и т.д. В большей или меньшей мере эти индексы служат для оценки вегетативного баланса, т.е. относительной активации симпатической и парасимпатической систем.

- Для оценки уровней интеграции нервных процессов мозга в ходе интеллектуальной саморегуляции и активности были предложены итегральные показатели ЭЭГ-активости (Русалов, 1979, Русалов, Бодунов, 1980, Бодунов, 1981 и др.). Ряд интегральных оценок был сконструирован с использованием формального математического описания состояния системы любой природы, а затем был применен к оценке ФС человека (Чернышев, Гаджиев, 1983, Фролов, 1984, 1985, 1987). ~ ' , '■ ^

Анализ существующих представлений об интегральных критериях оценки состояния сложных систем, позволяет сформулировать требования, которые позволили бы объективно сопоставлять между собой, а также оценивать перспективность использования этих критериев для оценки ФС Ч-О и ФС его мозга.

В общем случае эти критерии должны:

- быть интегральными, т.е. позволять вести оценку состояния по совокупнл-

*

сти биоэлектрических и; (или) психофизиологических показателей;

- устанавливать количественные оценки для различных ФС;

- учить1вать вероятностную природу пространственно-временной организации биоэлектрической активности, т.е. устанавливать "сесовые" и "обменные" соотношения между числом и интенсивностью связей отдельных областей мозга, обеспечивающими поддержание определенного ФС;

- позволять сравнивать между собой ФС двух и более человек;

- поддаваться расчетам за приемлемое время с использованием доступных средств вычислительной техники.

Интегральная статистическая оценка состояния

В качестве первого подхода к синтезу интегральной оценки ФС по ЭЭГ-показателям был .выбран статистический, основанный на представлении о возможности описания регистрируемой активности многомерным нормальным распределением. Такая модель была выбрана после того, как было показано, что широко используемые подходы для диагностики ФС, основанные на наборе

фиксированных критических значений для каждого используемого показателя, являются неудовлетворительными (Коган, Владимирский, 1988).

2

Используя статистику Т Хоттеликга (Андерсен, 1963), был синтезирован критерий, позволяющий одновременно, а не раздельно, рассматривать произвольное число средних для зависимых переменных и строить для «их доверительную область в виде гиперэллипсоида.

Построенная таким образом область для амплитудных показателей ЭЭГ является достаточно устойчивой во времени, а соотношения, описывающие ее границы, могут служить индивидуальной интегральной оценкой для фиксированных состояний. По мере получения новых данных границы областей, соответствующих определенным ФС, уточняются. Помимо этого, параметры формы доверительной области (соотношения между длинами полуосей гиперэллипсоида рассеяния) могут быть использованы для характеристики "качества" ФС, если под качеством понимать степень изменчивости, являющуюся в некотором роде отражением адаптационных возможностей системы (Тимофеев-Ресовский и др., 1977, Левонтии, 197® и др.). В нашем случае ухудшение "качества" происходит как при значительном сужении гиперэллипсоида рассеяния, так и при приближении его формы к шарообразной.

В табл.4 в качестве иллюстрации приведены рассчитанные значения длин полуосей доверительной области для двух пар испытуемых. Исходя из способа расчета этих длин, при анализе результатов следует сравнивать не абсолютные значения, а отношения между ними для одного и того же испытуемого. Как оказалось, более вытянутая форма доверительной области характерна для испытуемых, допускавших большее число ошибок при опознавании и меньшее при счете (испытуемый Д.В.). Для другого испытуемого (А.Г.) - ситуация противоположная. К той же группе, что и Д.В., относится по результатам тестирования и Ю.К. Однако для него анализ был сделан по участкам ЭЭГ, при регистрации которых доля ошибок обоих видов имела противоположный характер по сравнению со средними значениями, рассчитанными для этого испытуемого. Из полученных результатов видно, что соотношения длин полуосей (по крайней мере, первых двух) у этих двух испытуемых различаются и могут быть более эффективны для прогнозирования успешности деятельности в зависимости от ее характера, чем усредненные результаты тестирования. Аналогичная ситуация для пары испытуемых А.Г. и В.Т.

Таблица 4

Длина полуосей доверительной области для двух пар испытуемых

Испытуемый Полуось

1 2 3 4 5 6

А.Г. 2.22 1.77 1.45 1.12 0.93 0.51

Д В. . ¿82 1.62 0.92 0.76 0.57 0.43

В.Т. 2.74 1.61 1.02 0.86 0.66 0.49

Ю.К. 2.62 1.97 1.00 0.67 0.47 0.31

Нахонец, в качестве дополнительной интегральной характеристики для определения индивидуальной нормы конкретного ФС использовались углы между первыми тремя собственными векторами ковариационных матриц. Совокупность всех указанных показателей позволяет примерно в 75-80% случаев дифференцировать различные ФС.

Адаптивная фильтрация как метод интегральной оценки состояния.

'Необходимость в интегральной оценке, позволяющей отслеживать в реальном масштабе времени динамику комплекса регистрируемых показателей, при- .' вела к использованию модели, основанной на положениях теории векторных пространств (Корн, Корн, 1970). В сответствии с этими положениями произвольный вектор, принадлежащий многомерному пространству можно однозначно разложить на сумму двух векторов, один из которых принадлежит некоторому линейному пространству, а второй • ортогонален этому же пространству и представляет собой так называемую "новизну". Для построения ортогонального базиса использовалась процедура Грама-Шмидта (Патрик, 1980). Вычисление второго из указанных вехторов составляет основу адаптивной фильтрации и позволяет определить, для каких отведений ЭЭГ и в какие момент времени появляется "новизна". Проведенное нами численное моделирование показало, что для того, чтобы можно было пренебречь случайными ошибками на уровне 5% при разложении по ортогональному базису, необходимо иметь отношение числа векторов в базисе к их размерности рашым 0,25-0,35.

При истюлыовании в качестве исходных 15-мерных векторов, компонентами которых служили коэффициент корреляции между тремя парами симметричных пунктов отведения ЭЭГ (табл.5), удается обнаружил, у всех испытуемых смену ФС не маке, чем в 70% слу-

чаев для любой пары переходов из состояния в состояние (отклонения не превышают 10%).

Таблица 5

Отношение числовых значений компонент базисных и проверочных векторов для разных функциональных состоянй

Компоненты вектора Функциональное состояние

1 2 3 4

РЗ-Р4 1.198 1.676 0.467 0.120

Рз-сз ,0.940 0.901 0.923 : 0.587

1.100 1.085 0.992 0.529

1.154 1.206 0.625 0.280

Р4-С4 1.163 , 0.886 1.276 0.661

с3-с4 1.157 1.151 1.018 0.791

Р3-О1 0.880 1.920 0.645 0.401

Р4-0, 1.283 1.125 1.971 1.114

01-с3 1.054 1.276 0.946 0.814

0,-С4 1.265 1.367 1.338 1.040

Р3-02 0.905 0.793 0.410 0.111

Р4-02 1.089 0.667 1.418 1.019

о2-с3 1.11$ 1.245• 0.893 0.979

о2-с4 1.022 1.030 0.966 1.082

ого2 1.272 1.146 1.125 1.133

Интегральная характеристика ФС на основе кибернетического подхода Если функцию перехода состояния рассматривать как алгоритм решения, переводящий систему (выходы) в новое состояние, т.е. считать, что выходы являются решением' задачи, конкретизируемой входами, то само ФС есть система принятия решения. Поэтому возникает неоходимость в разработке новых подходов к построению интегральных оценок состояния, базирующихся" на представлениях об иерархии уровней принятия решений. Мы исходим из

предположения о том, что система формирования и поддержания конкретного ФС представляет собой трехслойную иерархию принятия решения (Месарович и др., 1973), в которой отдельные нервные центры - слой выбора, их попарные комбинации - слой обучения и адаптации, а совоку-пость таких комбинаций - слой самоорганизации. Иерархия в целом обеспечивает стабильность конкретного ФС. Сделано предположение, что в этих условиях стабильность есть величина постоянная. Показатель стабильности представляет собой сумму, слагаемыми которой являются доли, вносимые в нее отдельными слоями иерархической системы принятия решения.

Исходным материалом для экспериментальной проверки сделанных предположений служили ковариационные матрицы ЭЭГ-активности от трех пар симметричных пунктов отведения. Как нам представляется, в этих матрицах содержится информация, необходимая для определения вкладов в суммарную стабильность отдельных регуляторных механизмов, поставленных в соответствие отдельным слоям иерархической системы принятия решений. Уровень изменчивости ЭЭГ-активности и его динамика в разных ФС, находящие отражение в ковариационных матрицах, рассматриваются нами как характеристики, связанные со стабильностью' конкретных состояний.

На главной диагонали ковариационной матрицы расположены дисперсии ЭЭГ-активности отдельных отведений. Показателем регуляторных возможностей по поддержанию стабильности отдельными областями мозга принята функция от среднего значения модулей стандартизиро-, ванных значений дисперсий. Этот и описываемые ниже показатели были пронормированы так, чтобы диапазон их изменений находился между 0 и 1.

Соответствующим образом пронормированная функция от суммы всех членов ковариационной матрицы, не лежащих на главной диагонали, т.е. коэффициентов корреляции между всеми парами отведений, может, по нашему мнению, отражать поддержание ртабильности на втором уровне иерархии. .

Наконец, функция отношения максимального собственого значения ковариационной матрицы к ее следу, т.е. сумме членов, стоящих, на главной диагонали матрицы, используется в качестве показателя стабильности для самого высокого уровня иерархии (табл.6).

Таблица б

Показатели стабильности трех регуляторных систем

Состояние Показатели стабильности

"1 и2 и3

Фон (до работы) 0.262 (22%) 0.459 (38%) 0.491 (40%)

Оптимальная работоспособность 0.123 (10%) 0.563 (43%) 0.613 (47%)

Утомление 0.082 (8%) 0.546 (51%) 0.448 (41%)

Фон (после работы) 0.198 (18%) 0.379 (35%) 0.521 (47%)

Результаты анализа показывают, что отдельные обследования отличаются по доле вкладов показателей стабильности не более, чем на 1,5-2,0% (по модулю), что и позволяет считать полученные соотношения достаточно репрезентативными и обсудить их в содержательных понятиях.

Прежде всего, сравнивая полученные доли для разных ФС, следует отметить, что наиболее значительные различия вкладов в суммарную стабильность характерны для подсистем, связанных с собственными регуляторными возможностями отдельных областей мозга. Вероятно, именно этим объясняется ряд положительных результатов приводимых в публикациях, когда удавалось обнаружить значимые изменения в показателях дисперсии и корреляции, особенно, когда сравнивались достаточно удаленные друг от друга ФС.

Характерным для полученных результатов является и то, что в любом из проанализированных состояний существует, по крайней мере, один значимо отличающийся показатель. Это позволяет использовать соотношения между показателями в качестве оценок для диагностики состояний. В частности, диагностическим признаком для состояния утомления является, в отличие от других состояний, превышение вкладов механизмов организации парных взаимодействий между нервными центрами в общий показатель стабильности над долей стабильности, обеспечиваемой самым высоким из рассмотренных уровней регуляции.

Однако еще более важной является возможность предсказания по этим показателям качества деятельности в зависимости от характера перерабатываемой информации. Эта возможность связана с представлениями о том, что первые

два иерархических уровня ответственны за анализ локальных, а третий - за анализ глобальных признаков, определяющих состояние (Махонин, 1971). Например, при переходе от состояния оптимальной работоспособности к утомлению суммарная доля в поддержании общей стабильности механизмов, связанных с регуляцией по локальным признакам, растет, а связанных с регуляцией по глобальным признакам - падает.

Исходя из этого следует ожидать, что оператор становится более подверженным воздейс виям внутренних и внешних сигналов, не имеющих в данный момент информационного значения. И несмотря на то, что у него могут даже повыситься показатели качества деятельности, связанные преимущественно с обработкой информации по одному сенсорному каналу, возможности анализа вновь поступаемой иформации по нескольким каналам существенно снижаются.

Эти выводы интуитивно понятны. Новым здесь является то, что использование предлагаемых показателей позволяет контролировать процесс развития состояния, например, утомления и заранее предсказывать, какого вида ошибки следует ожидать от оператора, что имеет принципиальное значение как для реорганизации деятельности, так и для разработки корректирующих воздействий на оператора с целью нормализации его ФС.

3. ПЕРСПЕКТИВЫ РАЗРАБОТКИ И ИСПОЛЬЗОВАНИЯ СИСТЕМ ДИАГНОСТИКИ,ПРОГНОЗИРОВАНИЯ И КОРРЕКЦИИ ФС 4-0

Имеющиеся к настоящему времени результаты и теоретические обобщения, в том числе полученные и в наших работах, позволяют приступить к созданию полномасштабных систем диагностики, прогнозирования и коррекции ФС Ч-О. Такие системы должны составить одну из важнейших частей адаптивных СЧМ - главного пути дальнейшей автоматизации больших систем.

На базе представлений ряда авторов (Венда, 1975, Меньшов, Рыльский, 1976, Ахутин, 1977 и др.), а также наших собственных (Владимирский, Бойцов, 197^, 1978, 1979, 1981), разработана блок-схема перспективной системы контроля, прогнозирования и коррекции ФС Ч-О (рис.8). Эта система при ее реализации должна представлять собой комплекс аппаратных и программных средств, связанных функционально воедино для решения поставленных задач. Технические средства включают в себя разнообразные датчики для съема физиологических показателей, аппаратуру усиления, нормализации и регистрации отводимых сигналов, микро- или миниЭВМ. Собственно оценка или прогноз ФС

Ч-О осуществляется с помощью комплекса прикладных программ, реализующих специальные алгоритмы, в том числе и те, что описаны в данной работе.

(,

Рис. 8. Блок-схема системы диагностики и прогнозирования функционального состояния.

В дополнение к известным составным частям систем такого рода в блок-схему включены раздельные блоки оценки ФС мозга, оценки текущего состояния Ч-О, прогнозирования, визуализации ФС, банк индивидуальных психофизиологических портретов. Наличие системы с такими блоками позволяет принципиально по-новому организовать процессы контроля, самоконтроля, подбора н обучения операторов.

Прежде всего, сравнение в процессе работы или обучения ФС мозга с индивидуальной нормой для конкретного оператора позволит определить, является ли допустимой физиологическая "цена", обеспечивающая высокое качество операторской деятельности или эффективность обучения. Эта информация должна поступать в подсистему коррекции и блок визуализации ФС или к инструктору, осуществляющему обучение. Визуализация интегральных показателей ФС вместе с их доверительными границами для каждого конкретного оператора позволяет выработать такие приемы саморегуляции с использованием биологической обратной связи, которые обеспечивают не только удержание этих показателей в заданных границах, но и делают их динамику статистически подконтрольной.

Особенность этой процедуры состоит в том, что оператору предъявляются прогнозируемые значения интегральных показателей ФС по начальным условиям, складывающимся в даный момент (Владимирский, Кулаков, Цукерман, 1984). Если при этом учесть, что предсказание, осуществляемое блоком прогно-;, за, можно проводить в ускоренном масштабе времени, то оказывается, что оператор может, реализуя несколько различных волевых усилий, составить себе представление о том, в каких границах может в будущем, изменяться интегральный критерий ФС мозга под влиянием каждого из этих усилий. На то, что это в принципе возможно, указывают многочисленные исследования, в которых показано, что можно реально обеспечить обратную связь, позволяющую осознавать очень тонкие изменения в физиологических процессах и поставить под контроль сознания множество разнообразных величин и процессов, таких как основные ритмы ЭЭГ, артериальное давление и периферический кровоток, ритм сердца, дыхания и т.д.

Предлагаемая система диагностики, прогнозирования и коррекции дол'жна позволить, по нашему мнению, индивидуализировать и оптимизировать процесс обучения за счет использования показателей динамики интегральных оценок ФС. В процессе формирования и закрепления определенных навыков может быть довольно много текущих оценок ФС, превышающих предварительно определенный порог. Само по себе это не является сигналом о непригодности выбранной методики обучения: Важно, чтобы в течение как одного тренажа, так и в последовательных сеансах обучения число значений, превышающих порог, уменьшалось в соответствии с требованиями для обучающихся систем.

Этот момент является принципиальным в оценке приемлемости как выбранной методики обучения* так и той "цены", которую оператор "платит" за овладение необходимыми ему навыками.

В самом деле, для оптимально организованного, процесса обучения доля времени, в течение которой наблюдаются отклонения ФС от нормы, должна, в среднем, монотонно снижаться. Причем по мере нарастания обученности дисперсия этой доли также должна монотонно снижаться. Другими словами, если в последующих тренажах число отклонений от нормы имеет такой же разброс, как и в предыдущих, то для тех обучающихся, у которых это имеет место, выбранная методика является неадекватной. Этим качественным утверждениям была придана количественная форма, основанная на методах теории надежности (Гнеденко и др., 1965, Пупков, Костюк, 1977).

Предлагаемая система в перспективе должна стать также неотъемлемой составной частью СЧМ с индивидуальной адаптацией (Венда, 1975, 1977, Аху-тин, 1977). Такие системы должны позволить заменить профотбор на подбор и обучение операторов. При этом роль системы оценки, прогноза и коррекции ФС состоит В том, чтобы по ее выходам подбирать пути обучения и коррекции ФС, направленные на устранение не удовлетворительных для данного вида деятельности индивидуальных псиофизиологических особенностей операторов. Естественно, что коррекция, связанная с переформированием структуры причинно-следственных связей в мозгу оператора как за счет изменения самого процесса обучения, так и за счет различных воздействий, в том числе и субсенсорных, должна иметь приемлемую физиологическую и этическую "цену".

4. ЗАКЛЮЧЕНИЕ

Исследование вопросов, связанных с оценкой, прогнозом и коррекцией ФС 4-0 показывает, что попытки найти единые достаточно эффективные для всех без исключения людей значения переменных и параметров ФС вряд ли окажутся успешными в настоящее время. С учетом именно этого должны выбираться стратегия и тактика будущих исследований, которые необходимо больше ориентировать на учет индивидуальных особенностей людей.

Следует отметить, что успехи в методах анализа позволяют надеяться, что в ближайшее время из электрической активности мозга можно будет при необходимости вычленять существенные параметры функционирования других, представляющих в конкретных случаях интерес, систем организма. Поэтому, как нам кажется, роль исследований с использованием ЭЭГ-активности для оценки ФС будет расти.

Правда, следует сразу отметить, что при этом методы анализа в большей мере, чем сейчас, должны ориентироваться на описание процессов, формирую-

щих ФС, а не просто на статистическое описание. Другой важный момент состоит в том, что особое внимание должно уделяться принципам организации нервных механизмов и процессам взаимодействия между ними. Именно они обеспечивают поддержание стабильности (устойчивости) ФС при изменениях внешних и внутренних условий, что является свойством нервной системы в целом. Таким образом, вырисовывается область исследования, где перспективными будут подходы и методы нейрокибернетики.

Такие подходы, наряду с классическими нейрофизиологическими, представляют возможность реализовать так называемый критерий научной реальности Максвелла (Рьюз, 1977), утверждающий, что гипотеза отражает реальность, если она подтверждается при использовании двух независимых подходов, приводящих к одному и тому же результату. И вот иллюстрация к этому. В школе Л.А.Орбели при рассмотрении адаптационно-трофических приспособительных функций нервной системы были сформулированы представления о трех уровнях интеграции корковых процессов. В частности, Г.В.Гершуни на основании исследований сенсорных и субсенсорных реакций обсуждал высший, средний и низший уровни интеграции. Высший характеризуется возникновением дифференцированных ощущений и сложных условных рефлексов, средний - генерализованными корковыми реакциями, а низший - формированием электрических реакций, ограниченных проекционными полями коры.

Сравнивая эти выводы, полученные в нейрофизиологических исследованиях с нашим обоснованием показателя стабильности ФС, основанным на представлениях об уровнях принятия решения, можно видеть их генетическое родство, что повышает уверенность в целесообразности использования указанного показателя.

Однако в объединении результатов, полученных с использованием нейрофизиологического и нейрокибернетического подходов, есть и большие сложности. С точки зрения нейрокибернетического подхода любая система представляет собой совокупность отношений между единицами или подсистемами, ее составляющими, а не является просто множеством подсистем, каждая из которых управляется только законами причинной связи, действующими на нее. В этом случае особый интерес представляет то обстоятельство, что добавление к существующей системе еще одной новой подсистемы вводит не только отношения этой подсистемы ко всем остальным, но также изменяет отношения между всеми этими остальными подсистемами.

Если под таким углом зрения посмотреть на проблему ФС мозга человека вообще и мозга оператора в системе "человек-машина", в частности, то можно прийти к выводу, что добавление к системе "человек" подсистемы "машина" должно с необходимостью привести к существенным изменениям в структуре связей (отношений) в мозгу Ч-О. К сожалению, это означает также, что многочисленные результаты исследований характера пространственно-временных связей и основанные на них теоретические построения, полученные в исследованиях на людях без специально организованной деятельности, можно лишь с большими оговорками использовать при определении и изучении ФС Ч-О. В этом, вероятно, состоит одна из причин того, что пока не удается разработать достаточно надежные диагностические и прогнозирующие процедуры, используя даже хорошо обоснованные нейрофизиологические и нейропсихологи-ческие теории.

Другая причина в том, что используются критерии, построенные только на статистической основе. Эти критерии не позволяют выделять некоторые групповые инварианты, а также осуществлять сравнение ФС одного и того же оператора при разных видах деятельности, или двух и более операторов при выполнении одной и той же работы. Это связано с тем, что, как правило, статистические критерии по своей природе являются дихотомическими, т.е. фиксируют наличие или отсутствие изменений по сравнению с некоторыми заранее выбранными эталонами, характерными для отдельных испытуемых.

Как следствие, с их помощью не удается ответить на два принципиальных вопроса. Во-первых, в какой мере число и интенсивность взаимосвязей между отдельными областями мозга влияют на отклонения ФС мозга от индивидуально установленной нормы, и во-вторых, какими должны быть эти характеристики, чтобы обеспечить необходимое ФС.

Важнейшей характеристикой ФС является структура пространственно-временных связей, складывающаяся между областями мозга. Такая структура характеризуется иерархической организацией, числом и интенсивностью связей и т.д. Если между какой-то парой областей мозга существует контур обратной связи, то, как несложно показать, изменение только дисперсии входных воздействий без. изменения весов связей будет приводить к существенным изменениям взаимодействия между этими областями. В свою очередь, такие изменения приведут к изменениям во всей системе в целом, а следовательно, и выходов, хотя, по сути дела, будет продолжать функционировать один и тот же нервный механизм и будет иметь место, как правило, одно и то же ФС.

Из таких представлений следует важный в методическом отношении момент, связанный с выбором интервала квантования, с которым берутся отсчеты переменных при оценке ФС. Взяв его разным, мы, почти наверное, получим в структуре пространственно-временных связей отражение функционирования различных регуляторных механизмов. В частности, для отсчетов с малым шагом это будет отражение регулирования по производной, с большим - регулирования по отклонению, с еще большим - регулирования по интегралу. И связано это с тем, что отсчеты с разным шагом будут иметь существенно разную дисперсию, а наличие контуров обратных связей будет приводить к указанным выше последствиям. Такой подход к выбору шага квантования представляет интерес с точки зрения перспектив коррекции ФС Ч-О, для которой потребуются различные диагностические признаки из числа объективно регистрируемых и рассчитываемых показателей электрической активности мозга.

Для практического использования разработанных процедур оценки ФС важно уметь прогнозировать динамику ЭЭГ-показателей, и на этом основании предсказывать будущее состояние. Все используемые формальные процедуры экстраполяции так или иначе учитывают корреляционную структуру тех рядов данных, для которых осуществляется прогноз. Причина этого состоит в том, что за пределами интервала корреляции между значениями ряда никакие, даже самые мощные, процедуры адаптивного прогнозирования -"не работают".

Мы провели систематический анализ записей ЭЭГ для разных испытуемых, для разных ФС, для данных с разным шагом квантования с целью определения интервала корреляции (Коган, Владимирский, 1988). Проведенные расчеты показали, что интервал корреляции включает в себя не более 5-7 точек квантования. Отсюда можно сделать соответствующие выводы о возможности прогнозирования динамики ЭЭГ-показателей, а на их основе и динамику конкретного ФС. Совершенно очевидно, что для обычного разбиения ЭЭГ-активно-сти (шаг 5-20 мс) интервал корреляции не превышает 50-140 мс, что явно недостаточно, хроме как для прогнозирования динамики уровня внимания. Поэтому оправдан поиск новых подходов и индикаторов, обладающих прогностическими возможностями, исходя из иных, не статистических подходов.

Если предположить, что из-за изменений параметров внутренней 1 »нешней среды происходит переход от одного' ФС к другому, то в процессе такого перехода должно наблюдаться существенное уменьшение числа и интенсивности взаимосвязей между отдельными областями мозга. Структура пространственно-временных связей как бы "рассыпается''', сложившаяся система гомеостатических регуляций становится неадекватной вновь возникшим условиям. В такой ситуа-

ции поведение и реакции 4-0 становятся плохо предсказуемыми и именно на этом этапе наиболее вероятно появление ошибок в деятельности. С течением времени оптимум взаимосвязей для нового ФС восстанавливается. Однако еще до того, как произойдет смена ФС, тенденцией, указывающей на предполагаемые изменения, может являться также и увеличение числа значимых связей и их интенсивности сверх оптимального значения. Эти соображения могут служить и некоторой основой как для обнаружения моментов изменения ФС, так и для их прогнозирования.

Во всех методах изучения временной организации реализации регистрируемых показателей, например, ЭЭГ квантуются с заданным шагом, причем время считается независимой переменной. Однако возможен и кажется достаточно перспективным другой подход, связанный с событийно-ориентированым анализом рядов физиологических показателей (Владимирский, 1992, У1а(11т!г$ку, У1а(1)т1Г$ку, 1992). В самом деле, уже в течение многих лет общепризнанной является точка зрения на функционирование живых организмов, как на последовательность функциональных квантов, таких как кванты элементарных физиологических процессов, кванты гомеостаза, кванты поведения. Любой из этих квантов, заканчиваясь определенным результатом и являясь функционально одним и тем же, может иметь разную длительность в обычно используемой шкале времени. Следовательно, естественные элементы физиологических и поведенческих процессов не эквивалентны общепринятым метрическим единицам времени, а задают разнородный поток событий, определяющий собственное время того или иного процесса.

Принципиальной особенностью такого времени является его зависимость от ФС системы, для которой оно введено, а также то, что в астрономических единицах натуральные единицы собственного времени имеют неодинаковую продолжительность. Еще одна особенность собственного времени состоит в том, что если используемый для описания некоторой подсистемы показатель ЭЭГ не меняется, то считается, что собственное время для этой подсистемы останавливается. Целесообразность введения понятия собственного времени для анализа ЭЭГ и оценки ФС определяется тем, что в тех случаях, когда удается определить это собственное время, существенно упрощается описание динамики процесса и улучшаются прогнозирующие свойства такого описания.

Исходя из таких представлений, рассмотрены и проверены на экспериментальных данных несколько вариантов определения натуральных мер "физиологического" времени, для которых за'события принимались экстремальные точки ЭЭГ и периоды ритмических колебаний.

Практическое использование собственного времени наталкивается на серьезные трудности, когда, наряду с временной, необходимо учитывать пространственную динамику ЭЭГ. Дело в том, что рассмотрение уже пары областей мозга, как единой системы, приводит к появлению нового собственого времени, и именно оно служит показателем того, что данная пара областей представляет с функциональной точки зрения единое целое. Аналогично обстоит дело, когда речь идет о множестве областей мозга. Предпринята попытка ввести показатель собственного времени для ЭЭГ-активности, рассматривая разные скалярые функции от вектора, компонентами которого являются ЭЭГ-показатели отдельных отведений. Сейчас необходимо, наряду с поиском новых показателей, провести систематический событийно-ориентированный анализ экспериментальных данных, относящихся к разным ФС, в ходе которого должны быть выявлены все возможности предлагаемого подхода. В ходе такого анализа, как мы предполагаем, будет установлено что разные собственные времена могут быть ассоциированы с разными координатными системами, разложение по которым позволит извлекать новые, неизвестные пока, инварианты ФС по показателям ЭЭГ-активности.

ВЫВОДЫ

1. Анализ пространственного распределения по коре средних частот отдельных ритмов ЭЭГ показал, что для <5 -диапазона у всех испытуемых наблюдаются асимметричные распределения. По мере развития состояния утомления эта асимметрия закономерно уменьшается,- что указывает на возможность использования показателя асимметрии распределения средних значений частоты (5 -ритма для оценки динамики изменения ФС мозга.

2. Анализ динамики "мгновенных" спектральных плотностей в<5 -, В (X -и - диапазонах показывает наличие во всех рассмотренных состояниях и у всех обследованных людей модуляции этих плотностей с периодом 400-800 мс. Возможно, что этот неизвестный ранее ритм является отражением фукциониро-вания одного из не учитываемых до настоящего времени механизмов регуляции ФС мозга, связанного либо с динамикой нейроглиальных отношений либо с регуляцией тонуса кровеносных сосудов. >

3. Разработанная с использованием метода главных компонент схема анализа ЭЭГ-активности позволяет по показателям корреляции второго порядка обнаруживать с высокой вероятностью смену ФС Ч-О, используя только две первые главные компоненты. Показано, что для цикла переходов фон-работа-утомле-

нис-фон в качестве исходных достаточно учитывать шесть коэффициентов корреляции, из которых четыре - f^Oj, F4O2, F3O2. F^Oj -являются общими для всех испытуемых, а два оставшиеся индивидуальны.

4. В плоскости двух первых главных компонент, полученных из матриц коэффициентов корреляции второго порядка, может быть проведена прямая линия, разделяющая два следующих друг за другом ФС. Уравнение этой линии учитывает определенным образом ЭЭГ-показатели от всех пунктов отведения. Для каждой точки в плоскости главных компонент, определяющей текущее ФС, может быть вычислено ее расстояние до указанной выше прямой. Динамический ряд таких расстояний для последовательных моментов времени (с шагом 1,5 мин. в течение 30 мин.) позволяет с использованием метода адаптивного экспоненциального сглаживания прогнозировать смену ФС, в частности, начало наступления состояния утомления за 10-12 минут до того, как оно начинает проявляться в показателях деятельности.

5. Для обычного шага квантования ЭЭГ (10-20 мс), обеспечивающего учет стантартных ритмов, интервал корреляции между амплитудами ЭЭГ, получаемых из анализа авто- и кроссхорреляционных функций, лежит в интервале 50120 мс. В свою очередь, интервал прогнозирования при использовании известных численных методов не может быть больше интервала корреляции. Следовательно, с использованием только амплитудных значений возможно прогнозирование динамики ЭЭГ-показателей, сопряженных с динамикой сравнительно быстрых психических процессов типа изменения уровня внимания.

6. Представление ЭЭГ-показателей по множеству отведений как многомерных нормальных случайных величин дает возможность с заданным уровнем значимости построить область допустимых совместных вариаций средних значений этих показателей. Совокупность параметров формы такой области достаточна устойчива во времени и может служить в качестве индивидуальной интегральной оценки для фиксированных ФС, а также для отслеживания динамики ЭЭГ-показателей внутри одного и того же ФС в процессе обучения.

7. Адаптивная фильтрация корреляционных показателей ЭЭГ, использующая ортогональные проекции, позволяет обнаружить "новизну" при переходе от одного ФС к другому. Так, в цикле фон-работа-утомление-фон при первой смене ФС максимальные изменения наблюдаются для затылочного и лобного отведений левого полушария, при второй смене - для симметричных пунктов центральных областей, при возвращении к исходному состоянию - для симметричных пунктов затылочных областей.

Получаемый в ходе адаптивной фильтрации ЭЭГ-показателей ортогональный базис также может служить интегральным критерием оценки ФС мозга и использоваться для разработки тактики коррекции этих состояний.

8. Экспериментально проверена гипотеза о том, что стабильность динамики ЭЭГ-показателей, отражающей нормальное функционирование мозга, обеспечивается тремя различными механизмами регулирования. В рамках линейно-взвешенной модели поддержание стабильности состояния спокойного бодрствования обеспечивается ведущей ролью механизма формирования взаимосвязей между отдельными областями мозга, при выполнении работы - ведущей ролью механизма организации взаимодействия между двумя множествами областей мозга и, наконец, в состоянии утомления - за счет собственных регулятОрных возможностей отдельных областей мозга.

9. Построенный интегральный критерий оценки ФС 4-0 в виде линейно-взвешенной суммы трех компонент, предположительно соответствующих трем регуляторным подсистемам, позволяет оценить вклад каждой из этих подсистем в поддержание общей стабильности и по их соотношениям оценивать текущее ФС. Эти же соотношения могут быть использованы для прогнозирования качества деятельности в зависимости от характера перерабатываемой информации при развитии, например, утомления.

10. Рассчитанные по амплитудным ЭЭГ-показателям для отдельных частотных диапазонов индексы обусловленности и обратной связи между пунктами отведения указывают для подавляющего большинства статистически значимых связей на сдвиг обусловленности от 120 до 200 мс, что может свидетельствовать о детерминации этих связей подкорково-корковыми взаимодействиями и\или эффектами замыкания через внешнюю среду.

Наличие оптимума числа значимых связей в д - и Д - диапазонах, характерного для деятельности оператора, наряду с переходом роли ведущего от одного полушария к другому при развитии утомления, может служить дополнительным критерием оценки ФС 4-0 и прогнозирования его смены.

11. Верифицированные с использованием путевого анализа гипотетические схемы причинно-следственных отношений между передними отделами головного мозга человека позволили установить, что за счет внутрикорковых связей может быть объяснено только от 15 до 45% изменчивости ЭЭГ-активности в этих отделах.

Учет соотношений между путевыми коэффициентами симметричных пунктов отведения, а также пунктов одного и того же полушария позволяет отеле-

живать динамику взаимосвязей, сопряженную с ФС Ч-О, а также выбирать способ и место приложения корректирующих воздействий для сдвига ФС в нужном направлении.

Список работ,

в которых опубликовано основное содержание диссертации

1. Анализ импульсной и медленной активности корковых нейронов при развитии сна// Статистическая электрофизиология, Вильнюс, 1968, ч.2.- С.445-455 (соавт. Фельдман ГЛ.).

2. Об одном из информационных подходов к планированию эксперимента// Мат. III Всесоюз. конф. по планированию эксперимента.- М.,1968. С.139-140 (соавт. Коган А.Б., Чораян О.Г., Березовский A.M.).

3. Некоторые общие принципы организации деятельного состояния нервной клетки и нервного центра// Труды междунар. регион, конгресса по физиологии. - Брашов, 1970. С. 3-5 (соавт. Коган А.Б.).

4. Об одном подходе к оценке взаимосвязи между нейронами // Журн.ВНД. -1970. Т.20, вып.З. С.650-652 (соавт. Фельдман Г.Л.).

5. Статистические приемы анализа распределения цитохимических компонентов // Современные проблемы машинного анализа биолог.структур. -М.,1970. С. 105-112 (соавт. Загускин С.Л.).

6. О возможном участии ретикулярных нейронов продолговатого мозга в организации дыхательного ритма // Физиол.журн.СССР. 1971.Т.57, N 5. С.673-676 (соавт. Коган А.Б., Куликова H.H.).

7. Двигательные условные рефлексы и сопутствующие им электроэнцефалографические изменения у больных с супратенториальными новообразованиями // Актуальные вопросы биологии и почвоведения. - Ростов-на-Дону. Изд-во РГУ.1972. С.3-7 (соавт. Бабиян С.М.).

8. О пространственной организации функциональной мозаики нейронных ансамблей в коре мозга// ДАН СССР. -1972. Т.206, N 6.С.1478-1481 (соавт. Коган А.Б., Тамбиев А.Э., Фомин Г.П.).

9. Обнаружение и анализ взаимодействия нейронов по их импульсной активности // Тез.Всесоюзн.семинара "Приборы и способы обработки импульсной активности нейронов". - М. 1973. С. 80-81.

10. Оценка причинно-следственных отношений по показателям импульсной и суммарной электрической активности // Мат.У Всесоюзн.конф.по нейрокибер-нетике. - Ростов-на-Дону. 1973. С.14-15.

11. Топологические особенности мозаик вызванных потенциалов при предъявлении прстейших зрительных образов II Мат-V Всесоюзн.конф.по нейроки-бернетике. - Ростов-на-Дону. 1973. С.54-55 (соавт. Филимонов В.К., Кирпаль

B.А.).

12. Оценка восприятия зрительных стимулов человеком- оператором // Мат.симп."Информационное значение биоэлектрических потенциалов головного мозга. - Л. 1974. С.8-9 (соавт. Коган А.Б.).

13. Ансамбли саморегулирующихся элементов как основа конструкции анализаторов сенсорной информации для роботов // Tp.IV Междунар. конф.по искусственному интеллекту. - Тбилиси. 1975. С.119-125 (соавт. Коган А.Б.).

14. О возможной модели взаимодействия между различными областями головного мозга кошки при светоной стимуляции // Мат.VII Всесоюзн. конф.по электрофизиол. ЦНС. -Каунас. 1976. С.369-370 (соавт. Ткаченко H.H., Шульга Е.Л.).

15. О некоторых принципах построения адаптивных систем "человек-машина" // Моделирование информационных процессов целенаправленного поведения. - Тбилиси. 1976.С. 227-229 (соавт. Бойцов В.Н., Думбай В.Н.).

16. Нейробионический подход к синтезу распознающих систем // Реф. докл. II Междунар.конф. стран-членов СЭВ "Бионика-78". - М.-Л.1978. С.158-160.

17. Нейрокибернетическая модель организации направленного взаимодействия между зрительной и соматосенсорной областями коры мозга // III Всесоюзн.конф. по биомедкибернетике. - Тезисы докл. -Москва-Сухуми. 1978.

C. 173-175 (соавт.Ткаченко H.H., Шульга Е.Л.).

18. Некоторые вопросы анализа динамических рядов биомедицинских данных // III Всесоюзн.конф. по биомедкибернетике. -Тезисы докл. -Москва-Сухуми. 1978. С.91-93.

19. Некоторые вопросы согласования взаимодействия между звеньями биотехнических систем // Реф.докл. II Междунар. конф. стран-членов СЭВ "Еио-ника-78".-М.-Л. 1978. С.33-35 (соавт.Бойцов В.Н.).

20. Возможная модель взаимодействия между областями коры большого мозга кошки // Журн.ВНД. 1979. Т.29, вып.2. С.312-319 <соавт.Ткаченко H.H., Шульга Е.Л.).

21. Нейрокибернетические аспекты изучения деятельности человека-оператора // Проблемы нейрокибернетики. "Искусственный интеллект, биотехнические системы, робототехника". - Ростов н/Д. Изд-во РГУ. 1979. С.2-14.

22. Об одном подходе к прогнозированию динамических рядов // Гидрохим. материалы.-1979. Т.72. С.П6-125 (соавт. Мельников Е.В.).

23. Система контроля функционального состояния человека-оператора по электрофизиологическим показателям // Проблемы инженерной психологии. -М. 1979. С.98-99 (соавт.Бойцов В.Н., Золотухин В.В).

24. Электроэнцефалографические характеристики работоспособности человека-оператора // Тезисы науч. сообщ .XIII съезда Всесоюз. физиолог, общества им. И.П.Павлова. - Л. 1979 .Т.2. С.330-331 (соавт.Коган А.Б. и др.).

25. Использование информации о структуре импульсных потоков для прогнозирования реакций нейронов // Мат. VIII Всесоюз.конф. по электрофизиологии ЦНС. - Ереван. Изд-во АН Арм.ССР. 1980. С. И1-112.

26. Классификатор для оценки функционального состояния человека-оператора // Проблемы нейрокибернетики. - Ростов-н/Д. 1980. С.152-153 (соавт.Бойцов В.Н., Золотухин В.В.).

27. Автоматизированный комплекс для оценки функционального состояния человека-оператора по биоэлектрическим показателям // Приборное оснащение и автомат, науч .исслед. в биологии. - Кишинев. 1981. 4.2. С. 132-133 (соавт.Бойцов В.Н.).

2S. Математические методы в биологии // Ростов-р/Д. Изд-во РГУ. 1983. 304 с.

29. Об одной системе автоматизированного обучения операторов авиакосмических систем // Вопросы кибернетики. Моделир. человеко-маш. киберн.систем. - М. 1984. С. 44-55 (соавт.Цукерман В.Д., Кулаков С.В.).

30. Некоторые направления количественного анализа данных психофизиологических экспериментов // Известия СКНЦ ВШ. Естественные науки. - N 4. 1984. С.72-76.

31. Выделение одиночных зрительных вызванных потенциалов // Зрение организмов и роботов. Тез.докл.Всесоюз.симп. Вильнюс. 1985. Т.1. С.144-145.

32. Автоматическая оценка уровня операционной напряженности человека-оператора // "Бионика и биомедкибернетика - 85". Тез.докл. Л. 1986. С. 16-18 (соавт.Бойцов D.H.).

33. Метод обнаружения изменений функционального состояния человека-оператора // Физиология человека. 1987. Т.13, N 5. с.863-865 (соавт.Власкина Л.А.).

34. Сравнительная оценка методов анализа сверхмедленных физиологических процессов головного мозга человека // РГУ. 1987. Деп. в ВИНИТИ 07.07.87 .N 4795 - В - 87 ДНР -1987 - N 11 - 280. (соавт.Коган Е.А., Домбаян H.A.).

35. Выявление однородных групп испытуемых по результатам психологического тестирования // РГУ. 1988.Деп. в ВИНИТИ 10.02.88, N 1144-В-88 ДНР-1988-N 6-208. (соавт.Шабельницкая A.A.).

36. Функциональное состояние человека-оператора. Оценка и прогноз. М., 1988. 212 с. (соавт.Коган А.Б.).

37. Динамика геометрии поля ЭЭГ человека при смене функционального состояния // Проблемы нейрокибернетики. Мат.1Х Всесоюз.конф.по нейрокибер. -Ростов-н/Д. 1989. С.87-88 (соавт.Асвадурьян A.A.).

38. Прогнозирование функционального состояния человека-оператора // Актуальные пробл.физиологии труда и профилакт.эргономики. - М. 1990. Т.З

nets // Proc.of RNNS/IEEE Symp.on Neuroinform. and Neurocomp. Rostov-on-Don. 1992. P.226-231 (coauth.Viadimirsky B.B.).

40. Событийно-ориентированный анализ ЭЭГ // Проблемы нейрокибернетики. Мат.Х Международ

С.21-22.

39. "Physiological" time in the analysis and modeling of real and artificial neural

«

Зак. 169. Тир. 150 экз. ГГП "Южгеологня".