Глава 16 СВЯЗАННЫЕ С СОБЫТИЯМИ ПОТЕНЦИАЛЫ МОЗГА (ССП) В ПСИХОФИЗИОЛОГИЧЕСКОМ ИССЛЕДОВАНИИ

1. ОПРЕДЕЛЕНИЕ, ОСНОВНЫЕ ПРОБЛЕМЫ И КРАТКАЯ ИСТОРИЯ МЕТОДА ССП


...

2. МЕТОДИЧЕСКИЕ ОСОБЕННОСТИ РЕГИСТРАЦИИ И ОБРАБОТКИ ССП

2.1. Общая характеристика сигнала

ССП выделяют при помощи специальных методов из ЭЭГ. Частотный диапазон ССП включает полосу от 0 Гц до 3 кГц и ограничен, с одной стороны, сверхмедленной электрической активностью мозга [Илюхина, 1977], а с другой — спайковой активностью нейронов. Кроме ритмических колебаний на низкочастотном («ноль-частотном») краю этого диапазона выделяют такие электрические феномены, как постоянный потенциал (DC-potential) и сдвиги постоянного потенциала (DC-shifts, DC-fluctuations). Суммарная активность в полосе частот, превышающих 300 Гц, остаётся мало изученной [Думенко, 1979].

2.2. Стандартные способы получения воспроизводимой конфигурации ССП

Методические требования к регистрации ЭЭГ (установка электродов, выбор системы отведения, полосы пропускания усилителей, способы устранения артефактов) описаны в главе 2. Заметим, что для регистрации ССП разных типов применяют разные частотные полосы (например, для ранних компонентов ВП и УНВ, см. параграф 3). Поскольку анализ ССП включает рассмотрение их конфигурации, амплитудно-временных характеристик и топографии, применение монополярного отведения предоставляет возможность оценить отклонения этих параметров от некоторого единого стандарта. Это обстоятельство делает очевидными преимущества монополярной системы отведения для исследования ССП.

2.3. Считывание сигнала

Для компьютерной обработки сигнала «сырая» ЭЭГ переводится в цифровую форму. Частота считывания мгновенных значений сигнала при этой процедуре («квантование», sampling) определяется согласно теореме Шеннона–Котельникова. Для того чтобы описать сигнал частоты F, частота считывания должна быть не меньше 2 F, т.е. для того, чтобы описать, например, частоту колебаний 100 Гц, необходимо применить частоту считывания сигнала не менее 200 Гц.

2.4. Усреднение

В основе выделения ССП из сигнала ЭЭГ лежат следующие допущения:

1. в ситуации многократного повторения события регистрируемый сигнал ЭЭГ (SUMi (t)) является суммой двух компонентов: спонтанной ЭЭГ S i(t) и потенциала, связанного с событием P i (t);

2. компонент S i (t) распределён случайно для ряда последовательных повторений события;

3. компонент P i( t) постоянен для всех повторений события, т.е. сигнал при i -м повторении события в момент t представляет сумму:

.

При суммировании N сигналов, зарегистрированных при последовательных повторениях события, компонент P i(t) будет устойчив, a S i(t), как ошибка среднего значения, изменяется пропорционально величине 1/ N. Это означает, что, например, при исходном соотношении сигнала и шума 1:1, при суммировании 25 реализаций ЭЭГ в полученном ССП отношение сигнал/шум будет 1 : 5, а при 100 реализациях — 1 : 10. Для разных типов потенциалов применяют разное количество накоплений: например, для УНВ и Р 300 достаточно 30–50 реализаций, а для потенциалов ствола мозга требуется от 4000 до 7000 реализаций (Hughes, 1985).

В качестве мгновенных значений накопленного ССП могут быть использованы не средние, а медианы [Rockstroh et al., 1982]. Медиана, в отличие от среднего, обладает свойством робастности, т.е. в значительно меньшей степени чувствительна к отклонениям выборки от нормального распределения. Хотя различия между средним и медианой уменьшаются по мере увеличения количества суммируемых реализаций и «медианные» кривые менее гладкие, чем усреднённые, тем не менее, предпочтительно использование медианы, если артефакты (такие, как моргания) не могут быть устранены. При малом количестве реализаций следует предпочесть медиану или даже единичную реализацию.

2.5. Фильтрация

Случайная, «шумовая» составляющая единичной реализации ССП («сырой» ЭЭГ) может быть устранена посредством сглаживания.

АЛГЕБРАИЧЕСКИЕ ФИЛЬТРЫ

Суть данной процедуры состоит в скольжении «окном», которое представляет собой набор из п коэффициентов (где n — нечётное произвольное число, например, для п = 5 окно «0,5; 1,0; 2,0; 1,0; 0,5») по последовательности мгновенных значений сигнала, так что каждое значение в последовательности умножается на поставленный в соответствие ему коэффициент фильтра. Затем исходное значение сигнала, соответствующее «центральному» коэффициенту окна-фильтра, заменяется частным от деления суммы вычисленных произведений на сумму коэффициентов фильтра. После этого фильтр смещается на одно значение сигнала, и процедура повторяется, так что все исходные значения сигнала кроме (n–1)/2 мгновенных значений, примыкающих к границам эпохи анализа (эти значения должны быть исключены из дальнейшего анализа), заменяются на новые вычисленные значения. Очевидно, что свойства фильтра определяются количеством коэффициентов и их соотношением. Например, окно «1, 1, 1, 1, 1, 1, 1» сглаживает сигнал сильнее, чем «1, 5, 10, 15, 10, 5, 1», a «1, 1, 1, 1, 1, 1, 1, 1, 1» — ещё сильнее.

ГАРМОНИЧЕСКАЯ ФИЛЬТРАЦИЯ

Гармоническая фильтрация основана на обработке спектров исходного сигнала, рассчитанных, например, при помощи быстрого преобразования Фурье (Fast Fourier Transformation — FFT). Спектр Фурье представляет собой сигнал в виде набора sin и cos функций, которые при суммировании образуют исходный сигнал, т.е. спектр Фурье содержит всю информацию об исходном сигнале. Действительно, алгоритм обратного преобразования Фурье ( FFT-1) позволяет восстановить сигнал из спектра без потерь. Спектр Фурье представлен двумя доменами — частотным и фазовым. Первый содержит информацию о частотном составе сигнала, а второй — о фазовых сдвигах для разных частотных составляющих. Возможно произвольно изменять величины в том и другом доменах, например «вычёркивая» частоты, что после восстановления сигнала (при помощи FFT–1) проявится как изменение частотных характеристик сигнала: или исключение 50 Гц, или сглаживание сигнала, или устранение постоянной величины, или снятие медленных составляющих и т.д. Следует учитывать, что «хвосты» эпохи анализа, представленной спектром, будут искажены после восстановления сигнала из обработанного спектра, как и при алгебраической фильтрации.

2.6. Описание ССП

В результате накопления отрезков ЭЭГ, связанных с определёнными событиями, их усреднения, цифровой фильтрации или других процедур, получают ССП — кривую, которую описывают как последовательность значений амплитуд или как последовательность колебаний (волн).

В морфологии ССП выделяют волны, колебания, отклонения и сдвиги (wave, oscillation, deflection, shift) — непосредственно наблюдаемые изменения потенциала, и компоненты — составляющие ССП, которые не обязательно совпадают с определённой волной/колебанием, могут взаимно перекрываться во времени и определять форму нескольких последовательных волн (ср. с понятием «синтетический компонент» [Naatanen et al., 1993; Rockstroh et al., 1982, p.107– 108]). Для выделения компонентов потенциал описывают как последовательность значений амплитуд и применяют специальные процедуры, например реконструируют компоненты как разность мгновенных значений амплитуд волн ССП, зарегистрированных в ситуациях, когда предполагаемый компонент входит и не входит в состав ССП. Так выделяют, например, негативность, связанную с рассогласованием (mismatch negativity — MMN) [Naatanen et al., 1993], негативность, связанную с обработкой сигнала (processing negativity) [Ritter et al., 1984], продолжающуюся негативность (sustained negativity) [Naatanen, Michie, 1979] и компоненты позднего позитивного комплекса (CNV, Р300 и Slow Wave)[Sutton, Ruchkin, 1984].

Для идентификации волны или компонента используют: 1) амплитудно-временные характеристики: полярность (позитивное или негативное отклонение, обозначаются Р и N соответственно), длительность, латентный период начала отклонения или его пика по отношению к моменту появления события (полярность и латентный период колебания обозначают, например, Р100, N200) или его порядковый номер (например, Р1, N1, P2…, P3 и т.д.), амплитуду от «нулевой линии» (baseline) или «от пика до пика» (peak-to-peak amplitude); 2) распределение амплитуд по скальпу (topography); 3) связь с событием, с его характеристиками; 4) связь с задачей (task dependence).

Волны ССП, идентифицированные как принадлежащие к одному и тому же классу, могут существенно различаться по амплитуде и временным характеристикам, например, колебание Р300 может развиваться с латентным периодом от 250 до 1500 мс. Именно поэтому при сопоставлении формы волн применяют как сравнение мгновенных значений амплитуд волн, так и статистики пиковых значений амплитуд и латентных периодов.

2.7. Особенности метода ССП

В последние десятилетия разработаны методы регистрации активности мозга, обладающие значительными исследовательскими возможностями (см. также гл. 2). Однако и при разработке новых методов исследований активности мозга, и при верификации результатов, получаемых при помощи этих методов, электрическая активность мозга широко используется как референтный способ анализа. «Привилегированное» положение метода ССП объясняется простотой регистрации, не требующей хирургического вмешательства (неинвазивностью), возможностью наблюдать активность многих областей мозга в динамике, в течение длительных интервалов времени, при выполнении сложных задач, у здоровых испытуемых любого возраста, у пациентов и у животных. Ограничения и преимущества ССП как исследовательского инструмента можно видеть при его сопоставлении с другими методами (включая и методы, основанные на регистрации ЭЭГ). Особенности метода ССП важно учитывать при его совместном использовании с другими современными методами исследования активности мозга [Gevins et al., 1995]. Сопоставимость результатов, получаемых различными методами, включая ССП, обеспечивается тем, что все они являются дополнительными описаниями метаболизма мозговой ткани (см. [Event-Related, 1991]).