Архив номеров
Медицинская Техника / Медицинская техника №4, 2021 / с. 49-51

Применение методов нелинейной динамики для дифференцирования ЭЭГ новорожденных

Н.В. Гавришева, А.А. Гавришев


Аннотация

Проведено исследование группы ЭЭГ новорожденных, у которых диагностированы различные заболевания, сопровождающиеся судорогами, и новорожденных, у которых они не диагностированы, при помощи количественных методов нелинейной динамики. Установлено, что ЭЭГ новорожденных, у которых не диагностированы различные заболевания, сопровождающиеся судорогами, обладают свойствами, близкими к свойствам белого шума, в отличие от ЭЭГ новорожденных, у которых они диагностированы. Данные ЭЭГ обладают более выраженными регулярными свойствами. На основании полученных результатов потенциально возможно проводить дифференциацию между новорожденными, у которых есть подозрения на различные заболевания, сопровождающиеся судорогами, и условно здоровыми.


Вернуться к содержанию

Сведения об авторах

Наталья Васильевна Гавришева, преподаватель, СПб ГБПОУ «Медицинский колледж № 2», г. С.-Петербург,
Алексей Андреевич Гавришев, ст. преподаватель, Институт математики и информационных технологий им. проф. Н.И. Червякова, ФГАОУ ВО «Северо-Кавказский федеральный университет», г. Ставрополь,

Список литературы

1. Faula S., Boylanb G., Connollyc S., Marnanea L., Lightbodya G. An evaluation of automated neonatal seizure detection methods // Clinical Neurophysiology. 2005. № 116 (7). PP. 1533-1541.
2. Койчубеков Б.К., Сорокина М.А., Пашев В.И. Особенности нелинейной динамики ЭЭГ в различных возрастных группах // Международный журнал экспериментального образования. 2013. № 4. С. 68-72.
3. Заваденко А.Н., Дегтярева М.Г., Заваденко Н.Н., Медведев М.И. Неонатальные судороги: особенности клинической диагностики // Детская больница. 2013. № 4 (54). С. 41-48.
4. Кощавцев А.Г., Гречаный С.В. Интерпретация данных электроэнцефалографии у детей раннего возраста // Эпилепсия и пароксизмальные состояния. 2020. № 12 (1). С. 9-25.
5. Matic V., Cherian P.J., Koolen N. et al. Objective differentiation of neonatal EEG background grades using detrended fluctuation analysis // Front. Hum. Neurosci. 2015. № 9. P. 189.
6. Stevenson N., Tapani K., Lauronen L. et al. A dataset of neonatal EEG recordings with seizure annotations // Sci Data. 2019. № 6. P. 190039.
7. Семенова Н.Ю., Захаров В.С. Анализ корреляционной размерности данных ЭЭГ при эпилепсии у детей // Нелинейный мир. 2010. Т. 8. № 3. С. 180-188.
8. Varsavsky A., Mareels I., Cook M. Epileptic seizures and the EEG: Measurement, Models, Detection and Prediction. – Boca Raton: CRC Press, 2011. 369 р.
9. Душенин Д.Ю. Численное моделирование нелинейной динамики ЭЭГ на основе мезоскопической модели мозговых нейронов / Международная конференция «Современные проблемы математики, информатики и биоинформатики». – Новосибирск, 2011. C. 1-11.
10. Білошицька О.К. Нелінійна динаміка як інструмент прогнозування патологічних змін на електроенцефалограмі // Вісник НТУ «ХПІ». Серія: Механіко-технологічні системи та комплекси. 2016. № 50 (1222). С. 79-83.
11. Hosseini S.A., Akbarzadeh-T M-R., Naghibi-Sistani M.-B. Qualitative and Quantitative Evaluation of EEG Signals in Epileptic Seizure Recognition // I. J. Intelligent Systems and Applications. 2013. № 6. PP. 41-46.
12. A dataset of neonatal EEG recordings with seizures annotations / https://zenodo.org/record/2547147#.X-9Ts9IzZdh (дата об- ращения: 02.01.2021).
13. Newborn sleep EEG data / https://figshare.com/articles/dataset/ Newborn_sleep_EEG_data/4729840 (дата обращения: 02.01.2021).
14. Schetinin V., Jakaite L. Extraction of features from sleep EEG for Bayesian assessment of brain development // PLoS ONE. 2017. № 12 (3). PP. 1-13.
15. Карманов А.П., Кочева Л.С., Щемелинина Т.Н. Применение методов нелинейной динамики для анализа результатов мониторинга сточных вод // Известия высших учебных заведений. Лесной журнал. 2014. № 6. С. 129-137.
16. Старченко И.Б. Динамический хаос в гидроакустике. Изд. 2. – М.: Изд-во ЛКИ, 2013. 296 с.