Методы системного анализа физиологических процессов (стр. 1 из 2)

Методы системного анализа физиологических процессов

Визуальный анализ электрокардиограммы является обязательным при диагностике инфаркта миокарда, нарушений сердечного ритма и других заболеваний сердца. Анализ электроэнцефалограммы помогает при диагностике эпилепсии и опухолей мозга.
При визуальном анализе процессов обращается внимание на отчетливые, грубые отклонения от нормы: извращение T-зубца, экстросистолия и др. в ЭКГ, пик-волна, локальные тета и дельта-волны и др. в ЭЭГ. При этом из ЭКГ, ЭЭГ и других процессов извлекается и оценивается лишь небольшая часть информации, полезной для понимания жизнедеятельности организма.
Разрабатываемые в последние 30 лет компьютерные системы анализа физиологических процессов обычно используют методы, заимствованные из арсенала анализа сигналов, возникающих в физике и технике. Мы считаем, что эти методы не в состоянии извлекать полезную содержательную информацию о жизнедеятельности организма не только потому, что она теряется в частотно-амплитудном спектре. Методы анализа процессов, заимствованные из инженерного опыта, просто не приспособлены для извлечения содержательной медико-физиологической информации подобно тому, как рутинные статистические методы обработки лабораторных исследований.
Мы глубоко убеждены, что познание функционально-динамических механизмов болезни невозможно без разработки инструментально-программных комплексов, обеспечивающих не поверхностный, а содержательный анализ процессов.

Разработка таких комплексов - основная программная задача фирмы на ближайшее десятилетие.

Новые информационные технологии в медицине и экологии.
Труды VII международной конференции и дискуссионного научного клуба. 1999 г 31 мая –11 июня. Гурзуф-с.155-158.

Методы содержательного анализа физиологических процессов

А.А.Генкин

Физиологические колебания принципиально отличаются от классических колебаний тем, чт для них энергетическая характеристика не играет столь доминирующего значения как для колебаний, рассматриваемых в физике и технике. Поэтому усилия, затрачиваемые на анализ частотно-амплитудного спектра ЭЭГ, ЭКГ и др. не привели к пониманию временной организации физиологических процессов и решению важных диагностических задач.
Особенность физиологических колебаний - связь разных фаз единичных циклов активности с разными функциональными состояниями; циклический процесс - это не просто смена нарастание и убывания одного фактора, а последовательная смена качественно различных состояний.
Содержательный анализ физиологических процессов может быть обеспечен только такими методами, которые смогут описать эту качественную неоднородность временной динамики основных жизненных проявлений организма: вдох-выдох, систола-диастола, сокращение и расслабление гладкой мускулатуры, возрастание и убывание электрических колебаний мозга и др. [1].

Наиболее важная медико-биологическая информация о временной динамике процесса содержится не в знании об амплитудно-частотном спектре и не в обнаружении во временном ряде различных медленных компонент, а в получении знаний о том, как предыдущая фаза процесса обусловливает последующую, а она в свою очередь обусловливает следующую за ней .
Получить такую информацию, оставаясь в пространстве мгновенных значений процесса очень трудно, если вообще возможно [1].

В основе наших методов, направленных на анализ временной организации физиологических колебаний, лежит расчленение исходного процесса на дискретные последовательности характеристик единичных колебаний. С общетеоретической точки зрения получающиеся временные ряды следует рассматривать как элементы системного целого во времени, каковым и является исходный физиологический процесс.

Задача анализа заключается как в описании динамики каждого из элементов, так и в оценке взаимосвязи между ними.

Мы предлагаем для каждого колебания измерять амплитуду (vg ) и длительность (tg ) восходящей волны, амплитуду (vd ) и длительность (td ) нисходящей волны.

К этим характеристикам добавляются период l=tg +td и асимметрия длительностей фаз D = tg - td . В результате непрерывный процесс s (t ) представляется в виде совокупности дискретных последовательностей характеристик единичных колебаний:

В зависимости от поставленных задач эти характеристики могут усредняться за определенную эпоху анализа, так что каждое их значение будет относиться не к одному колебанию, а представлять соответствующие параметры за секунду, две секунды, 5 секунд, итд.
Таким образом, информация о динамике одного физиологического процесса представляется в виде векторной функции целочисленного аргумента :

n = 1, 2,…, N (*)

где n - номер последовательных характеристик единичных колебаний, а Т - интервал усреднения.
Подобным образом можно рассматривать элементы единичных колебаний не только для разных отведений одного процесса (например, ЭЭГ), но и для существенно различных процессов (например, ЭЭГ и дыхание; систолическое, диастолическое артериальное давление и пульс при мониторинге и др.).

Экспериментальные исследования характеристик единичных колебаний ЭЭГ при разных физиологических состояниях (покой, внимание, умственная активность, сонливость и сон, гипноз, стресс) и при некоторых заболеваниях (нарколепсия, эпилепсия, дебильность, шизофрения) показали высокую информативность анализа характеристик единичных колебаний для решения различных психофизиологических и клинических задач. И, что еще более существенно, этот подход выявил наличие в головном мозге закономерного пространственного распределения дискретных уровней асимметрии длительностей фаз и других характеристик единичных колебаний и роль этих уровней в механизмах нейрофизиологической регуляции (градиентные механизмы) . В физиологическом плане не менее интересен непараметрический подход, когда отказываются от анализа самих значений характеристик единичных колебаний и ограничиваются анализом особенностей динамики их возрастания и убывания.

Т.е наряду с вектор- функцией φ (n ) рассматривается вектор-функция

(**)

а х – значение любой характеристики v, tg , td , l или D
(здесь и в дальнейшемv=( vg +vd )/ 2. В результате такого преобразования исходный процесс s(t) отображается в последовательности, состоящие из 1 и 0.

s (t ) φ(n) → ψ (n)

Ниже приводится фрагмент результата преобразования (**) для 25 последовательных секундных интервалов реального электрического процесса мозга (ЭЭГ, теменно-затылочное отведение, после выполнения арифметического теста) :

В результате преобразования (**) каждому n соответствует вектор-столбец (n ), составленный из 1 и 0. Каждая компонента вектор-функции (строчка) отражает динамику состояний (возрастание-1 или убывание-0) одной из характеристик единичных колебаний. Такие состояния (1 или 0) будем называть ψ -состояниями первого порядка. Их динамике соответствуют матрицы (2х2) частот перехода 1 в 0 и 0 в 1.

Так, для пяти компонент процесса (***)

Изучение матриц ψ -состояний первого порядка привело к новым количественным мерам - информационной массе и индексам гомеостатического равновесия. Эти меры позволили понять системообразующую роль среднего уровня асимметрии длительностей фаз ЭЭГ и выявить глубокую закономерность пространственно-временной организации нейрофизиологических процессов.

Если рассмотреть любые два временных ряда, например, первый (v ) и четвертый (l ), то для любого n возможны четыре состояния второго порядка:

Совместная временная динамика v и l процесса (***) представляется в виде последовательности: ψ 1 ψ 3 ψ 3 ψ 1 ψ 3 ψ 1 ψ 3 ψ 4 ψ 3 ψ 1 ψ 2 ψ 2 ψ 4 ψ 2 ψ 4 ψ 1 ψ 4 ψ 3 ψ 4 ψ 1 ψ 3 ψ 3 ψ 1 ψ 2 ψ 4
Информация об этой динамике (в данном случае динамике взаимных отношений амплитуды v и периода l, усредняемых за последовательные секундные интервалы) заключается в матрице (4х4) частот перехода

y i y j (i =1,2,3,4; j =1,2,3,4)

Если абсолютную частоту перехода y i ψj (i =1,2,3,4;j =1,2,3,4) обозначить через ψ ij , , то возможны 16 различных частот перехода:

А для всех попарных сочетаний по 2 для динамики пяти состояний первого порядка формируется 10 различных ψ - матриц второго порядка .

Изучение ψ- матриц второго порядка для электрических процессов мозга выявило фундаментальные закономерности их временной организации. Одна из наиболее интересных - почти симметричность матриц ψ -состояний второго порядка. Это свойство встречается настолько регулярно, что можно говорить о законе сохранения временной симметрии электрических процессов мозга.


Copyright © MirZnanii.com 2015-2018. All rigths reserved.