ЖУРНАЛ РАДИОЭЛЕКТРОНИКИ. ISSN 1684-1719. 2022. №10
Оглавление выпуска

Текст статьи (pdf)

English page

 

DOI: https://doi.org/10.30898/1684-1719.2022.10.11

УДК: 621.391:004.93:6

 

НОВЫЙ ПОДХОД К АВТОМАТИЗИРОВАННОМУ ОБНАРУЖЕНИЮ ДИАГНОСТИЧЕСКИХ ПОКАЗАТЕЛЕЙ

ОТСРОЧЕННОЙ ИШЕМИИ ГОЛОВНОГО МОЗГА ПОСЛЕ СУБАРАХНОИДАЛЬНОГО КРОВОИЗЛИЯНИЯ

В ДАННЫХ ДЛИТЕЛЬНОГО ЭЭГ МОНИТОРИНГА

 

Ю.В. Обухов1, И.А. Кершнер1, М.В. Синкин2

 

1 ИРЭ им. В.А. Котельникова РАН

125009, Москва, ул. Моховая 11, корп. 7

2 НИИ скорой помощи им. Н.В. Склифосовского

129010, Москва, Большая Сухаревская площадь, д.3

 

Статья поступила в редакцию 31 октября 2022 г.

 

Аннотация. Предложен и описан новый подход к автоматическому детектированию показателей отсроченной ишемии головного мозга после субарахноидального кровоизлияния в данных длительного электроэнцефалографического мониторинга пациентов. Он основан на анализе хребтов вейвлет-спектрограмм, в которых квадрат амплитуды, частота и фаза сигнала равны спектральной плотности мощности, частоте и фазе хребта соответственно. Приведены основные формулы, обосновывающие этот подход. Представлены иллюстрации применения в анализе динамики хребтов вейвлет-спектрограмм Морле электроэнцефалограмм в префронтальных отведениях первый день после субарахноидального кровоизлияния до развития отсроченной ишемии и на седьмой день, когда у пациента наблюдался острый период отсроченной ишемии. Одним из показателей отсроченной ишемии, имеющий прогностическое значение ее развития, является количество событий эпилептиформной активности за единицу времени (как правило, за час). Предложен и описан новый способ обнаружения эпилептиформной активности, основанный на детектировании межканальной синхронизации хребтов вейвлет-спектрограмм.

Ключевые слова: электроэнцефалографический мониторинг, показатели отсроченной ишемии, хребет вейвлет спектра, межканальная синхронизация.

Финансирование: Исследование выполнено за счет гранта Российского научного фонда № 22-69-00102, https://rscf.ru/project/22-69-00102/

Автор для переписки: Ю.В. Обухов, yuvobukhov@mail.ru

 

Литература

1.    Feigin V.L., Stark B.A., et al. Global, regional, and national burden of stroke and its risk factors, 1990–2019: A systematic analysis for the Global Burden of Disease Study 2019. The Lancet Neurology. 2021. V.20. №10. P.795-820. https://doi.org/10.1016/S1474-4422(21)00252-0

2.    Foreman B., Albers D. et al. Intracortical electrophysiological correlates of blood flow after severe SAH: A multimodality monitoring study. Journal of Cerebral Blood Flow & Metabolism. 2018. V.38. №3. P.506-517. https://doi.org/10.1177/0271678X1770043

3.    Rosenthal E.S., Biswal S., et al. Continuous Electroencephalography Predicts Delayed Cerebral Ischemia after Subarachnoid Hemorrhage: A Prospective Study of Diagnostic Accuracy. Annals of neurology. 2018. V.83. P.958-969. https://doi.org/10.1002/ana.25232

4.    Baang H.Y., Chen H.Y., et al. The Utility of Quantitative EEG in Detecting Delayed Cerebral Ischemia After Aneurysmal Subarachnoid Hemorrhage. Journal of Clinical Neurophysiology. 2022. V.39. №3. P.207-215. https://doi.org/10.1097/WNP.0000000000000754

5.    Muniz C.F., Shenoy A.V., et al. Clinical development and implementation of an institutional guideline for prospective EEG monitoring and reporting of delayed cerebral ischemia. Journal of Clinical Neurophysiology. 2016. V.33. №3. P.217-226. https://doi.org/10.1097/WNP.0000000000000281

6.    Kim J.A., Zheng W.-L., et al. High epileptiform discharge burden predicts delayed cerebral ischemia after subarachnoid hemorrhage. Clinical Neurophysiology. 2022. V.141. P.139-146. https://doi.org/10.1016/j.clinph.2021.01.022

7.    Yoo H.-J., Ham J., et al. Quantification of stroke lesion volume using epidural EEG in a cerebral ischaemic rat model. Scientific Reports. 2021. V.11. P.1-14. https://doi.org/10.1038/s41598-021-81912-2

8.    Wickering E., Gaspard N., et al. Automation of Classical QEEG Trending Methods for Early Detection of Delayed Cerebral Ischemia: More Work to Do. Journal of clinical neurophysiology: official publication of the American Electroencephalographic Society. 2016. V.33. №3. P.227-234. https://doi.org/10.1097/WNP.0000000000000278

9.    Delprat N., Escudie B., et al. Asymptotic wavelet and Gabor analysis: Extraction of instantaneous frequencies. IEEE transactions on Information Theory. 1992. V.38. №2. P.644-664. https://doi.org/10.1109/18.119728

10. Guillemain P., Kronland-Martinet R. Characterization of acoustic signals through continuous linear time-frequency representations. Proceedings of the IEEE. 1996. V.84. №4. P.561-585. https://doi.org/10.1109/5.488700
11. Obukhov Yu.V., Kershner I.A. et al. Wavelet ridges in eeg diagnostic features extraction: Epilepsy long-time monitoring and rehabilitation after traumatic brain injury. Sensors. 2021. V.21. №18. P.5989. https://doi.org/10.3390/s21185989
12. Pavlov A.N., Hramov A.E. et al. Wavelet analysis in neurodynamics. Physics-Uspekhi. 2012. V.55. №9. P.845. https://doi.org/10.3367/UFNe.0182.201209a.0905
 

Для цитирования:

Обухов Ю.В., Кершнер И.А., Синкин М.В. Новый подход к автоматизированному обнаружению диагностических показателей отсроченной ишемии головного мозга после субарахноидального кровоизлияния в данных длительного ЭЭГ мониторинга. Журнал радиоэлектроники [электронный журнал]. 2022. №10. https://doi.org/10.30898/1684-1719.2022.10.11