Многообразие проявлений причинно-следственных связей в материальном мире обусловило существование нескольких моделей причинно-следственных отношений. Исторически сложилось так, что любая модель этих отношений может быть сведена к одному из двух основных типов моделей или их сочетанию.

Метод выделения единичных вызванных потенциалов из электроэнцефалограммы без использования шаблона

Разработан метод выделения единичных вызванных потенциалов из электроэнцефалограммы, основанный на модели сигнала как суммы стационарного в широком смысле процесса (электроэнцефалограммы), ограниченного во времени процесса (вызванного потенциала) и случайной ошибки.

Метод состоит в (1) последовательной по набору частот комплексной модуляции сигнала, (2) фильтрации модулированных последовательностей узкополосым низкочастотным фильтром, (3) интерполяции сигнала на область вызванного потенциала по его значениям вне этой области, (4) обратной демодуляции интерполированных значений и (5) их вычитанием из исходного сигнала.

Показано, что ошибка метода может быть существенным образом уменьшена за счет увеличения числа частотных полос, на которые разбивается реализация вызванного потенциала.

Метод реального выделения единичных вызванных потенциалов (ЕВП) из фоновой электоэнцефалограммы может стать мощным исследовательским инструментом для изучения вызванных потенциалов (ВП) в таких относительно малоисследованных областях как пространственные взаимоотношения ВП, их связь с фазовыми характеристиками фоновой ритмики, изменения ВП при привыкании, ?эндогенные¦ ВП и др.

С практической точки зрения, выделение ЕВП представляет уникальную возможность использования ВП для диагностики кратковременных сдвигов функционального состояния, для оценки субъективной значимости отдельных стимулов и уровня внимания к ним.

В настоящее время задача выделения ЕВП и увеличения отношения сигнал/шум решается методами цифровой линейной [1,2], кальмановской [3], винеровской [4,5,6,7] и двумерной [8] фильтрации, усреднением и регистрацией ВП с учетом характера фоновой активности [9,10], разложением реализаций ВП по разным системам базисных функций [11,12,13,14].

Классическим приемом оценки ЕВП можно считать использование усредненного ВП или его отдельных компонентов в качестве шаблона и поиск последнего в отдельных реализациях ВП по методу наименьших квадратов [15,16,17] или по максимуму значения кросскорреляционной функции [18]. Определенного улучшения в этом способе можно достигнуть, предварительно пропустив реализации ВП через ряд узкополосых полосовых фильтров [19].

Общей чертой и основным недостатком существующих методов выделения ЕВП является необходимость априорных сведений о форме ВП или о его частотном спектре.

В настоящей работе предлагается метод выделения ЕВП, не использующий предположений о характере ВП. Метод базируется на разбиении реализации ВП на ряд частотных поддиапазонов и интерполяции электроэнцефалограммы в области ВП по предшествующему и последующему участкам отдельно для каждого поддиапазона.

Описание метода

Пусть реализация yt имеет вид

yt = xt + ut + et t=1,-T ,

где

( E[ ] v оператор математического ожидания).

xt v неслучайная составляющая (ВП), которая нарушает стационарность процесса yt на отрезке (t1,t2), et v случайная ошибка.

Задача состоит в том, чтобы по одной реализации электроэнцефалограммы yt найти ВП xt. Этому мешает стационарный в широком смысле процесс ut. Используя стационарность процесса ut, попытаемся оценить его на интервале вне (t1,t2) и, проинтерполировав оценку на (t1,t2), вычесть ее на всем временном интервале [0,T]. Для чего к набору частот, составляющих yt, последовательно применим метод комплексной демодуляции, низкочастотную фильтрацию [20] и интерполирование полиномиальным трендом.

Пусть

Тогда,

t=1, -, T

Представим y(t) в виде суммы интегралов

и

,

где

т.е. yjt есть результат фильтрации y(t) полосовым фильтром с центральной частотой и шириной полосы пропускания.

Для оценки xt используем следующий алгоритм:

1) Реализацию y(t) подвергнем комплексной модуляции по набору частот

с получением последовательностей

yjC(t)=y(t) cos(n jt)

и

yjS(t)=y(t) sin(n jt)

2) Каждую из полученных последовательностей пропустим через низкочастотный фильтр Ф с частотой среза

Перейти на страницу: 1 2 3

Немного больше о технологиях >>>

Стратегия «золотой середины»
Выработанная веками народная мудрость, правило поведения или закон природы? Ниже я постараюсь показать, что это такой же универсальный закон природы как, скажем, закон всемирного тяготения. Понятие золотой середины далеко не ново. О нем писали еще Конфуций (551...479 до н.э. ...

Изобретать по правилам
Задавали ли Вы себе когда-нибудь вопрос: "Бывают ли нетворческие профессии?" Какие? Фрезеровщик на заводе приделал несколько линз и зеркал к обычному станку. Теперь он, даже не поворачивая головы, видит все шкалы, не надо "нырять" к нониусам, терять время, с ...

Галерея

Tехнологии прошлого

Раскрытие содержания и конкретизация понятий должны опираться на ту или иную конкретную модель взаимной связи понятий. Модель, объективно отражая определенную сторону связи, имеет границы применимости, за пределами которых ее использование ведет к ложным выводам, но в границах своей применимости она должна обладать не только образностью.

Tехнологии будущего

В связи с развитием теплотехники ученые в прошлом веке пришли к простому, но удивительному закону, потрясшему человечество. Это закон (иногда его называют принцип) возрастания энтропии (хаоса) во Вселенной. technologyside@gmail.com
+7 648 434-5512