Сложность картины ЭЭГ и стремление физиологов перейти от описательных методов к стандартизованной форме заставило исследователей разрабатывать различные математические методы количественного анализа биоэлектрической активности. Развитие вычислительной техники послужило мощным толчком для внедрения многомерных статистических методов в клиническую электроэнцефалографию. Суть нашего исследования заключалось в разделении биоэлектрической активности мозга практически здоровых испытуемых и больных рассеянным склерозом (РС) с помощью метода многомерного шкалирования.
В исследовании приняло участие 20 женщин с РС в стадии обострения и 20 практически здоровых испытуемых. Всем обследуемым была проведена запись ЭЭГ по международной схеме 10х20 на базе аппаратно-программного комплекса «Энцефалан-131-03». Пациентам с РС ЭЭГ записывалась 3 раза: при поступлении в клинику, в середине курса лечения и при выписке Для каждого пациента было выбрано по 5 десяти секундных отрезков и в рамках программного обеспечения «Энцефалан-131-03» рассчитаны нормированные спектры мощности (НСМ) по 24 частотам в 16 отведениях. Затем в EXCEL было произведено усреднение НСМ по всем частотам в соответствующих отведениях у здоровых испытуемых и у больных РС и сформированы матрицы размерностью 16 (отведения) на 24(частоты) для здоровых и больных (3 состояния). Эти данные были обработаны в системе “Statistica 6.0” методом многомерного шкалирования. В процессе анализа исследовалось сходство (различие) двух групп испытуемых – группы здоровых людей и группы пациентов, подвергающихся медикаментозному лечению. Таким образом, анализ проводился в три этапа – сравнение параметров ЭЭГ здоровых людей и пациентов, только поступивших в стационар; сравнение параметров ЭЭГ здоровых людей и пациентов в процессе лечения; сравнение параметров ЭЭГ здоровых людей и пациентов в конце лечения. Каждый раз обработка данных производилась в следующей последовательности:
- создание файла с расширением sta с помощью модуля Data Management / MFM;
- преобразование созданного файла в матрицу корреляций в модуле Basic Statistics / Tables;
- многомерное шкалирование полученной матрицы в модуле Multidimensional Scaling.
В ходе проведения исследования были получены следующие результаты:
- Метод многомерного шкалирования (МШ) позволяет сформировать некоторое теоретическое пространство, характеризующее сходство или различие между данными ЭЭГ здоровых и больных людей. Чем больше расстояние между точками, характеризующими различные состояния пациентов, тем больше разница между указанными состояниями.
- При анализе полученных данных по отдельным частотным интервалам наиболее четкое различие отмечено в диапазоне высоких частот (19 – 24 Гц). В этом случае наблюдается четкое разделение данных на четыре группы в соответствии с вышеуказанными состояниями. Таким образом, в дальнейшем можно проводить обследования, целью которых является определение состояния пациента. Анализируя расположение точек, характеризующих состояние конкретного пациента, относительно этих четырех областей концентрации точек уже известных состояний, можно сделать вывод о состоянии исследуемого пациента, а следовательно сделать вывод об эффективности проводимого лечения.
- При транспонировании исходной матрицы данных проводился анализ, который позволил оценить сходство исследуемых параметров по отдельным отведениям. В результате в сформированном теоретическом пространстве наблюдалось четкое разделение данных на две группы – группу больных и группу здоровых. Отметим, что указанная особенность отмечается как при анализе всего массива данных, так и при анализе отдельных отведений (лобных, теменных, затылочных).
Полученные результаты свидетельствуют об эффективности применения метода многомерного шкалирования для разделения обследуемых на группы здоровых и больных с РС.
Библиографическая ссылка
Омельченко В.П., Короткиева Н.Г., Мороз К.А., Гончарова З.А. ИСПОЛЬЗОВАНИЕ МЕТОДА МНОГОМЕРНОГО ШКАЛИРОВАНИЯ ДЛЯ АНАЛИЗА ЭЛЕКТРОЭНЦЕФАЛОГРАФИЧЕСКИХ ДАННЫХ // Фундаментальные исследования. – 2007. – № 12-1. – С. 117-118;URL: https://fundamental-research.ru/ru/article/view?id=4015 (дата обращения: 03.12.2024).