Rem сон на ээг

Сон: ЭЭГ диагностика нарушений сна

Сон и его фазы

Сон – это сложное состояние, которое циклически сменяется бодрствованием и является фундаментальным для умственного и физического здоровья. Характеризуется сменой фаз БДГ (быстрого движения глаз) и медленного сна.

Во время быстрого сна (БДГ) теряется контроль над конечностями (мышечная атония), сновидения становятся ярче. Кроме того, в фазе БДГ автономная деятельность крайне нестабильная и приводит к быстрому росту частоты сердцебиения и давления, дыхание становится неровным, а терморегуляция приостанавливается. Во время фазы БДГ ЭЭГ рассинхронизируется.

Стадии сна по ЭЭГ

Во время сна стадии появляются в следующем порядке:

При нормальном цикле сна за четвертой стадией идет третья и более легкие, пока не наступает фаза БДГ. После фазы быстроволнового сна цикл начинается заново, с первой стадии.

Для человека полный цикл длится 90–100 минут. Стандартный сон состоит из 4-5 таких циклов.

Патологии сна

В состоянии сна болезни и патологии не только выявляются более отчетливо, некоторые отклонения можно обнаружить только в состоянии сна. Более того, для самого состояния сна свойственны некоторые отклонения,отличающиеся тяжестью переноса и эффектом на организм.

ICSD-3 собирает все расстройства сна в шесть разделов 7 :

Самыми распространенными расстройствами сна по версиям различных изданий и клиник 8 9 10 11 являются:

Электроэнцефалограмма в состоянии сна

На самом деле, сон состоит из нескольких отдельных процессов, различных количественно и качественно. Каждый тип сна имеет свои собственные характеристики и регуляторные механизмы.

Из-за того, что сон – это мозговой процесс, техника электроэнцефалографии была приспособлена для записи мозговой активности и исследования сна практически сразу же после открытия (начало 20 века).

С точки зрения биологии, ЭЭГ – это результирующий макропроцесс, набор электрических потенциалов областей коры головного мозга, суммируемый из потенциалов отдельных нейронов. К слову, порядок числа нейронов в головном мозге – десятки миллиардов. Потенциал, снимаемый электродом с участка скальпа, зависит от числа вовлеченных в биологические процессы нейронов, степени их синхронизации, от расположения активных участков мозга.

Амплитуда (снимаемая разность потенциалов), по сути, не имеет никакого конкретного смысла для анализа. Ее значение является стохастическим. По значению в определенный момент практически невозможно получить какую-либо информацию. Важную информацию можно определить именно из поведения потенциала с течением времени. Задержка или смена амплитуды волны позволяет сделать некоторые выводы о природе процессов, происходящих в организме. Уже существуют некоторые шаблоны перепадов потенциала (К-комплекс, сонное веретено, V-волна, CAP рисунок, различные вспышки и т. д.), по времени и частоте появления которых вполне надежно определяются фазы сна.

Точно так же, некоторую информацию несет частота смены результирующего потенциала. Спектральный анализ определенных участков ЭЭГ позволяет установить стадию сна, участки приступов и других отклонений.

Методика регистрации ЭЭГ

В традиционной записи ЭЭГ сна использовались аналоговые усилители с высоким коэффициентом усиления, управляющие чернильной ручкой. Ручка находится в контакте с бумагой, перемещаемой механическим приводом.

Усилители умножают разность потенциалов между двумя золотыми или серебряными дисковыми электродами, прикрепленными к поверхности кожи или скальпу.

В настоящее время современные электроэнцефалографы создаются на базе компьютеров. Электроды, отводящие потенциалы, представляют собой металлические пластины или стержни различной формы с диаметром контактной поверхности 5-10 мм. Усиленные потенциалы преобразуют в цифровую форму, регистрация ЭЭГ непрерывно отображается на мониторе и одновременно записывается.

Расположение электродов варьировалось в каждой лаборатории, пока не была создана стандартизированная технология.

До сих пор используется стандартная технология расположения электродов по схеме 10-20 12 (Рис. ):

Схема монтажа электродов 10-20 для ЭЭГ

Схема монтажа электродов 10-20 для ЭЭГ

ЭЭГ активности, ритмы и другие компоненты

Активность ЭЭГ состоит из непрерывной фоновой активности и особых событий, которые выделяются из фона. Так как ЭЭГ – это колебания электрических потенциалов, один из способов классификации – по частоте.

Волны могут существовать совместно (например, альфа и дельта ритм), а могут формировать фоновую активность, в то время, как некоторые другие выделяются из фона (например, К-комплексы). Некоторые комбинации довольно распространены (волны со смешанной частотой и с низкой амплитудой), в то время как другие редки (тэта-ритмы, сонные веретена).

Читайте также:  Немеет мизинец на левой руке причины во сне

Волны могут возникать всплесками или быть постоянными, возникать постепенно.

Некоторые волны специфичны для сна, некоторые нет.

Под понятием “ритм” на ЭЭГ подразумевается электрическая активность (волна или серия волн ЭЭГ), соответствующая определённому состоянию мозга. При описании ритма указывается его частота, типичная для появления область мозга, амплитуда и некоторые характерные черты его изменений во времени при изменениях функциональной активности мозга:

Доброкачественные эпилептиформные компоненты сна BETS (небольшие острые шипы SSS): пики очень короткой длительности и низкой амплитуды, за которыми часто следует небольшая тэта-волна, возникающие в височных областях в состоянии дремоты или поверхностного сна.
Длительность и амплитуда колебаний в пределах 50 мc и 50 мкВ соответственно.

Позитивный затылочный острый компонент сна POSTS: Острый компонент с максимумом в затылочных отделах, возникающий во время сна. Может быть одиночным или повторяющимся. Амплитуда варьируется, но, как правило, менее 50 мкВ. POSTS возникают обычно во время дремоты, стадий сна 1 и 2. Регистрируются сериями по 4-5 в секунду.

V-волна: вертексный острый компонент (вертексная острая волна). Это острый потенциал, возникающий спонтанно во время сна или в ответ на сенсорный стимул во время сна или бодрствования. Может быть одиночным или повторяющимся. Амплитуда в целом редко превышает 250 мкВ.

Вертексные волны типично возникают при засыпании, в стадиях 1 и 2 медленного сна.

K-комплекс: разряд длительностью 0.5 с и амплитудой более 100 мкВ, состоящий в основном из высокоамплитудной негативной медленной волны, за которой следует меньшая позитивная медленная волна. К-комплекс часто возникает в паре с сонными веретенами. К-комплексы возникают во время NREM-сна, спонтанно или в ответ на неожиданные сенсорные стимулы. Иногда за К-комплексом следует разряд альфа- или тэта-колебаний, называют K-альфа.

Особенности ЭЭГ на различных стадиях сна

У большинства людей (но не всех) наблюдается альфа-активность, когда они спокойно сидят в состоянии бодрствования с закрытыми глазами.

Затухание происходит при открытии глаз или напряженной умственной деятельности. Альфа-активность затухает, как только человек засыпает. Перед исчезновением наблюдается небольшой всплеск потенциала. Альфа-активность заменяется тэта- или смешанным ритмом. В это время могут наблюдаться V-волны. После закрепления сна появляются сонные веретена и К-комплексы.

Более 50% времени сна занимают низкоамплитудные волны смешанных частот, прерываемые на веретена, К-комплексы или редкие дельта-волны. Во время появления веретена вероятность пробуждения выше. К-комплекс так же может быть предвестником пробуждения. Вероятность пробуждения в течение 2 минут после появления К-комплекса выше, чем 2 минуты до него.

Именно смена типов и интенсивности ритмов является основанием для деления сна на стадии. Определение стадий сна проводится по специальным правилам, способным определить, к какой категории сна относится текущий промежуток времени. Такие промежутки называется «эпохами».

Бодрствование. Стадия бодрствования устанавливается по наличию 15 секундной эпохи альфа-активности. Для людей, у которых альфа-активность не проявляется, критерием является наличие всплесков высокочастотной бета-активности.

Медленный сон. Первая стадия медленного сна устанавливается по отсутствию альфа-активности в течение 15 секунд и отсутствию К-комплексов, веретен. Для людей с отсутствующей альфа-активностью определение первой стадии сна является проблематичным. У таких людей ЭЭГ определяют по V-волнам.

Вторая стадия устанавливается на ЭЭГ по появлению на низкоамплитудном фоне с волнами различных частот К-комплексов и сонных веретен. Критерием так же является появление дельта-волн (в т. ч. медленных) с продолжительностью менее 6 секунд и амплитудой более 75 мкВ.

В течение первого часа-полтора, у большинства людей постепенно увеличивается активность высокоамплитудных дельта-ритмов до тех пор, пока полностью не превозобладает.

Возбуждаемость подавлена, люди часто не запоминают факта пробуждения в этой стадии.

Быстрый сон. Стадия быстрого сна (БДГ-быстрого движения глаз) устанавливается по появлению волн характера первой стадии медленного сна (низкая амплитуда, смешанные частоты) с сопутствующей пилообразной тэта-активностью. Движение глаз наблюдается не на каждой эпохе этой стадии.
Стадия длится до тех пор, пока не наблюдаются признаки состояния бодрствования, 3 и 4 стадии сна, первой стадии сна или К-комплексов и веретен сна в течение 15 секунд без движений глазами.

Таблица 1 – ЭЭГ активность при стадиях сна и бодрствовании

Архитектура сна:

Читайте также:  Видеть во сне змей много и убегать от них

Обработка ЭЭГ сигнала

Любой анализ электроэнцефалограммы состоит из следующих стадий:
1. Оцифровка сигналов электрической активности мозга;
2. Предобработка (фильтрация от шумов, удаление артефактов);
3. Выделение характерных признаков;
3.1. (Выбор характерных признаков);
4. Классификация полученных признаков.

Разберем некоторые наиболее полезные методы.

Для устранения физических артефактов (помехи от электрических полей и т. п.) и физиологических (активность мышц, движения глаз и т. д.) применяются:

Для удаления артефактов, обусловленных непроизвольными движениями глаз, широкого применяется анализ главных компонентов (PCA). Данный метод позволяет уменьшить размерность данных без потери информации, убрать шум, взвесить данные и визуализировать их. Кроме того, для устранения артефактов используется анализ независимых компонент – метод декомпозиции ЭЭГ сигнала на максимально независимые паттерны активности, как правило, связанные с различными областями коры головного мозга или иными источниками сигналов.

Для выделения конкретных областей данных необходимо использовать пространственный фильтр, который минимизирует мощность сигнала во всех областях кроме области интереса, например, Null-beamformer.

Кросс-спектральные характеристики предназначены для оценки различных аспектов связи двух сигналов ЭЭГ, регистрируемых с двух отведений. Кросс-спектр двух процессов вычисляется как произведение одного спектра спектр другого в его комплексно сопряженной форме.

Практически важным показателем ЭЭГ является оценка взаимосвязи, взаимовлияния, взаимодействия процессов в парах отведений. Для этого используются различные показатели синхронности ЭЭГ, наиболее известным из которых является функция когерентности. Когерентность отражает линейную связь двух процессов в частотной области аналогично тому, как обычный коэффициент корреляции отражает степень линейной взаимосвязи двух процессов во временной области.

В качестве альтернативы когерентности наиболее эффективным в плане чувствительности к различиям является корреляция огибающих ЭЭГ.

Алгоритм классификации расстройств

Классификация расстройств сна производилась по следующему алгоритму (Рис.):

Определение характеристик и признаков патологий сна

На данный момент основными диагностическими критериями расстройств сна являются жалобы пациентов касательно качества их жизни.

Электроэнцефалографические же характеристики не используются вовсе.

Определение характеристик

Было отобрано 51 исследование, содержащее упоминание об изменении ЭЭГ характеристик у пациентов с расстройствами сна по сравнению со здоровыми. Для инсомнического расстройства отобрано 11 работ, для нарколепсии – 14, для NFLE – 11, для PLMD – 8, для RSBD – 7.

Было найдено 20 уникальных характеристик, большая часть из которых так или иначе фигурирует в каждом заболевании.

По характеру информации характеристики были поделены на две категории: спектральные – отражающие изменения частотных характеристик и структурные – отражающие изменения архитектуры и микроструктуры сна.
Характеристик, описывающих изменения другого рода (напр. пространственного) замечено не было.

Для выбранных заболеваний можно отметить совместное проявление характеристик в ЭЭГ-сигнале:

Инсомническое расстройство путают с синдромом задержки фазы сна (Delayed Sleep-Wake Phase Disorder), расстройством цикла «сон-бодрствование» (Circadian Sleep-Wake Disorder).
NFLE путают с кошмарами, ночными страхами, парасомниями, апноэ сна 33 и различными психиатрическими расстройствами.

Итог сравнительного анализа может быть представлен (систематизирован) в Таблице 2. Пустые ячейки соответствуют отсутствию информации.

Таблица 2 – Особенности ЭЭГ основных расстройств сна

При любом заболевании увеличивается доля первой стадии сна, число пробуждений и частота смены фаз сна.

У пациентов с нарколепсией увеличивается длительность полного цикла сна.

NFLE возможно отличить от парасомний по доле медленного сна, REM сна, частоте сонных веретен.

Даже отсутствие проявления каких-либо признаков у заболевания может являться критерием. Например, для инсомнического расстройства REM сон не имеет никаких отклонений, в то время как для остальных заболеваний его признаки каким-либо образом меняются.
Так как не существует параметров, однозначно определяющих какое-либо расстройство, для обучения алгоритма желательно анализировать сразу группу характеристик, представляющих в таком случае некий отпечаток заболевания.

Определение признаков

В ходе анализа литературы были обнаружены 32 признака, которые могут отражать характеристики, найденные ранее. Данные представлены в Таблице 3.

Название Формула Ссылка
1 Частотная энтропия > 34 35 36
2 Частота спектральной границы > 37 38
3 Энтропия амплитуд > 39 40
4 Первый спектральный момент > 41
5 Спектральная центроида > 42 43
6 Частотная ровность > 44
7 Энергия сигнала > 45
8 Оператор энергии Тигера-Кайзера > 46 47
9-13 Относительные спектральные мощности δ, θ, ɑ, σ, β ритмов > 48 49 50
14-18 Отношения спектральных мощностей:σ/θ, σ/lowɑ, σ/β, ɑ/δ+θ, θ/ɑ+δ > 51 52 53
Гармонические параметры > 54 55 56
19 Центральная частота >
20 Полоса пропускания >
21 Значение на центральной частоте >
Параметры Юрта > 57 58
22 Активность Юрта >
23 Мобильность Юрта >
24 Сложность Юрта >
Анализ энергетических спектров > 59
25 Спектральная плотность мощности >
26 Спектральная амплитуда >
Амплитудно-периодометрический анализ > 60 61
27 Выпрямленная амплитуда >
28 Время в ритме >
Другие признаки >
29 Средняя спектральная частота > 62
30 Плотность сонных веретен > 63
31 Коэффициенты вейвлет (wavelet) преобразования > 64
32 Коэффициенты авторегрессионной модели > 65 66

Признаки 1, 2, 8, 14-18, 30, 31, 32 используются для индикации сонных веретен; признаки 1-4, 9-24, 29, 31-32 для определения стадий сна; признаки 1, 19-24 для детектирования приступов апноэ во сне; признаки 3, 7, 9-13, 29, 31 для индикации микропробуждений (arousals); признаки 9-13, 29, 31для определения времени засыпания. Кроме того, признак 31 (wavelet-коэффициенты) использовался для индикации участков CAP и обнаружения К-комплексов.

В рамках данного исследования использовались признаки 1-24.

Отбор признаков

Найденные признаки были сформированы в группы, являющиеся входными данными нейронной сети. В ходе предварительных проверок пригодности признаков было обнаружено, что группа из спектральных мощностей основных четырех ритмов (δ, θ, ɑ, β) являются определяющими и вносят наибольший вклад в точность определения расстройств сна.
Для отбора самой эффективной группы использовалась нейросеть с топологией 10-10-6 и обучающей выборки для контроля: 3 файла с болезнью и 3 файла здоровых.

Точность определения расстройств для наборов признаков

Было сформировано 23 группы признаков. Результаты оценки эффективности некоторых из них представлены на Рис.

Вероятность правильности определения заболеваний упала ниже 50% при использовании в качестве входных параметров групп, сформированных добавлением к основной группе одного из признаков 1-8, 19-20, 23 из Таблицы 2.

Группы, сформированные добавлением к основной группе признаков 22, 24 значимо ухудшили точность определения заболеваний.
Уменьшение точности при добавлении к основной группе признаков 14, 16, 18 составляет Точность определения расстройства сна от архитектуры сети и длительности обучения

При выборе наиболее подходящей архитектуры важно смотреть на две характеристики: точность определения заболевания и расхождение точности между определением наличия и отсутствия болезни. Большое расхождение точностей свидетельствует о снижении способности к категоризации, когда нейросеть обучается только на один класс (одну последовательность входных данных) и не способна перестроить свою структуру на выдачу другого типа выходных данных. Такое же явление можно наблюдать и при переобучении.

На графике представлена зависимости точности определения наличия и отсутствия болезни от числа нейронов на слоях. Красными точками отмечены наиболее подходящие варианты топологий – с высокой точностью и низким ее расхождением в определении ЭЭГ здоровых и больных. Для обучения выбрана топология 6-4. При такой топологии у нейросети наилучшая способность к обобщению и категоризации. При увеличении числа нейронов на слоях упомянутые характеристики снижаются. Также, 8 нейронов оказалось недостаточно для обучения многослойного перцептрона 10 характеристикам болезней сна.

ЗАКЛЮЧЕНИЕ

В ходе работы были определены отличительные характеристики электроэнцефалограмм людей с расстройствами сна и признаки, по которым расстройства сна можно классифицировать искусственной нейронной сетью.

Самой эффективной архитектурой для нейронной сети с топологией многослойного перцептрона оказалась 6-4 (два слоя, 6 нейронов на первом, 4 на втором).

Достигнуты следующие показатели эффективности: точность 98% в определении расстройства поведения в быстром сне, 75% в определении инсомнического расстройства, 65% – расстройства периодического движения конечностями и 57% – нарколепсии (при малой обучающей выборке).

Использование указанного типа нейронной сети вместе с выбранными признаками не подходит для классификации ночной фронтальной лобной эпилепсии.

Разработанный в ходе исследовательской работы программный комплекс на данном этапе готов к использованию в дальнейших научных и диагностических целях и будет выложен в открытый доступ под лицензией свободного ПО.

Источник

Читайте также:  Ехать на самолете по дороге во сне