Главная страница
Навигация по странице:

  • Ключевые слова

  • ОСНОВНАЯ ЧАСТЬ

  • 8

    		•

    Гамма ритмы. ВИРТУАЛЬНЫЙ ПРИБОР ДЛЯ ПОИСКА ГАММА-РИТМОВ. Виртуальный прибор для поиска гаммаритмов в составе измеренных потенциалов локального поля обонятельной луковицы


    Скачать 0.59 Mb.
    НазваниеВиртуальный прибор для поиска гаммаритмов в составе измеренных потенциалов локального поля обонятельной луковицы
    АнкорГамма ритмы
    Дата15.10.2022
    Размер0.59 Mb.
    Формат файлаdocx
    Имя файлаВИРТУАЛЬНЫЙ ПРИБОР ДЛЯ ПОИСКА ГАММА-РИТМОВ .docx
    ТипДокументы
    #734836

    ВИРТУАЛЬНЫЙ ПРИБОР ДЛЯ ПОИСКА ГАММА-РИТМОВ В СОСТАВЕ ИЗМЕРЕННЫХ ПОТЕНЦИАЛОВ ЛОКАЛЬНОГО ПОЛЯ ОБОНЯТЕЛЬНОЙ ЛУКОВИЦЫ

    Князев А. В.

    Южный Федеральный Университет, Институт Высоких Технологий и Пьезотехники.

    Аннотация: в данной работе исследованы электрофизические параметры электрокортикографии и на основе её показаний разработан виртуальный прибор для поиска гамма-ритмов в составе измеренных потенциалов локального поля обонятельной луковицы.

    Ключевые слова: электроэнцефолограмма, электрокортикография, вейвлет анализ, гамма-ритмы, обработка сигнала, спектральный анализ, Фурье преобразования.
    ВВЕДЕНИЕ

    Мозг состоит из нервных клеток – нейронов, которые обладают способностью передавать электрические импульсы. На различные внешние раздражители реагируют различные участки мозга – в пределах этих участков нейроны передают единый импульс. Кроме того, при определенных условиях импульсы могут ослаблять или усиливать друг друга.

    Обонятельная луковица является участком мозга участвующей в процессе обоняния и представляет собой нейронную структуру. Эта часть мозга получает ощущение запаха.

    Для наиболее точных исследований используется электрокортикография (ЭКоГ) — метод отведения потенциалов при помощи электродов, соединяемых непосредственно с открытой поверхностью мозга для записи электрической активности. Длительность з аписей обыч но составл яет 10-20 м инут одновре менно по 8-16 к аналам.

    Научная статья посвящена исследованию, обработке и представлению медицинского сигнала ЭКоГ, снятого с обонятельной луковицы животного.

    ОСНОВНАЯ ЧАСТЬ

    В зависимост и от амплиту ды, формы во лн, топогр афии, частот ного диапазо на и типа ре акции разл ичают ритм ы электроэ нцефалограф ии, обознач аемые букв ами гречес кого алфав ита. Обычно ис пользуют н азвания ди апазонов ч астоты, пре дставленные в т аблице 1.

    Ритм
    Частоты, Г ц

    Дельта (δ)
    1-3

    Тета (θ)
    4-7

    Альфа(α)
    8-13

    Бета(β)
    14-30

    Гамма 1(γ1)
    31-49

    Гамма 2 (γ2)
    51-70

    Гамма 3 (γ3)
    71-99

    Гамма 4 (γ4)
    101-130

    Гамма 5 (γ5)
    131-149
    Таблица 1 - Ч астотные д иапазоны р итмов ЭКоГ.

    Ритмы связ анны с раз личными физ иологоческ ими и мент альными про цессами. Р азличные сте пени бодрст вования со провождаютс я изменени ями частот ного спектр а сигналов.

    Например, де льта-ритм я вляется ос новным рит мом покоя и с вязан с восст ановительн ыми процесс ами, особе нно во вре мя сна при н изком уров не активац ии. Возник ает при естест венном и н аркотическо м сне.

    Тета-ритм — это с новидения, дре мота, засы пание, быстр ый сон.

    Альфа-ритм –это состо яние покоя с з акрытыми г лазами, ре лаксация, не глубокая ме дитация.

    При нанесе нии различ ных раздра жений, откр ывании глаз, у мственной р аботе альф а-ритм быстро с меняется бет а-ритмом. Это я вление сме ны редкого р итма на бо лее частый по лучило наз вание реакции акт ивации (ил и десинхро низации).

    Бета-ритм может быть з арегистриро ван в состояние бо дрствовани я, активно го мышлени я и ориентации, фо кусирование в нимания.

    Гамма-ритмы об ычно очень хоро шо наблюдаетс я при реше нии задач, котор ые требуют м аксимально го сосредоточе ния вниман ия.

    Для анализа фоновой биоэлектрической активности мозга широко применяется спектральный метод анализа, описывающий распределение мощности по частотным составляющим изучаемого процесса. Спектральное пре дставление с игналов ос новано на р азложении фу нкций в ря д.

    Теорема Фур ье устанав ливает, что пер иодический с игнал любо й формы в об ласти време ни может б ыть предст авлен взве шенной сум мой синусо в и косинусо в с частот ами, опреде ляемыми пер иодом анал изируемого с игнала. Тот же с амый сигна л может быт ь представ лен в област и частот к ак пара: а мплитуда и з начение нач альной фаз ы для каждо й гармоничес кой состав ляющей.

    Из методо в спектрал ьного анал иза спектральная п лотность мо щности явл яется наибо лее содерж ательной х арактерист икой в частот ной област и, так как описывает распределение мощности сигнала в зависимости от частоты, то есть мощность, приходящаяся на единичный интервал частоты.

    В сигналах ло кального по ля могут н аблюдаться нес колько типо в ритмичес кой или пер иодической а ктивности. Р итмы ЭКоГ – это д иагностируе мые электр ические ко лебания го ловного моз га.

    Для обработки, фильтрации и исследования медицинского сигнала было использовано программное обеспечение LabVIEW.

    На рисунке 1 представлена блок диаграмма программного кода, написанного на языке G. Алгоритм позволяет представить медицинский сигнал в форме, удобной для ввода в компьютер, а также ее дальнейшей обработки.

    Рисунок 1- Ко д подприбор а на языке G для преобр азования с игнала с ЭЭ Г в удобну ю форму дл я обработк и в LabVIEW
    Также д анный алгор итм предст авляет ва жную инфор мацию о си гнале. А и менно, кол ичество инфор мационных к аналов, частоту д искретизац ии, количест во отчетов. Д ля сигнала, ис пользованно го для построе ния измерите льной систе мы в данно й работе пр исущи следу ющие характер истики:


    • Частота дис кретизации 1000 Г ц

    • Количество д искретных отчето в 653691

    • 10 информа ционных ка налов



    Д ля дальней шей работы с с игналом необ ходимо осу ществить р азделение к аналов. Оно осу ществляетс я с помощь ю подприбор а показанно го на рису нке 2 и Index Array Fu nction.

    Рисунок 2 - Блок - д иаграмма по дприбора осу ществляюще го разбитие с игнала на к аналы.
    Реа лизован расчет д лительност и Q сигнала по с ледующей фор муле:

    (1)



    Где - частот а дискретиз ации (samp le frequency), а - ко личество отчето в сигнала в к анале. Пос кольку зап ись сигнал а происход ила одновре менно по все м каналам, то ко личество отсчето в в каждом к анале являетс я одинаков ым.

    Для исследуе мого сигна ла получае м длительност ь 653,691 с.

    Для более у добного пре дставления и с игнала он б ыл разбит н а равные отрез ки времени ( далее назы ваемые окн а), в котор ых и будет про исходить е го дальней шая обработ ка.


    (2)
    Это происхо дит с помо щью цикла For Loop. Этот ц икл имеет ф иксированное ч исло повторе ний. Количест во повторе ний в данно м виртуаль ном приборе в ысчитываетс я по форму ле



    Где N - ко личество отчето в сигнала в к анале, - частота д искретизац ии, а – количест во секунд в о кне. Выдел яя целую ч асть форму лы 2, мы по лучаем необ ходимое ко личество о кон для отобр ажения все го сигнала.

    Рисунок 3 - Блок-диаграмма разбития сигнала на окна.
    Как показа но на рису нке 3 пере ход между о кнами может осу ществлятьс я пользовате лем вручну ю или авто матически с з адержкой 10 м иллисекунд. Эт а возможност ь реализов ана использо ванием в пр иборе при по мощи Case Structu re. С помо щью Array Subset Fu nction выде ляется окно с у казанной по льзователе м длинной и фор мируется с игнал с ша гом дискрет изации .

    Взаимодействие по льзователя с в иртуальным пр ибором на д анном этапе осу ществляетс я в возмож ности выбор а файла си гнала, кол ичества се кунд в окне, в ыборе соот ветствующи х номеров д ля двух ка налов и пере ходе между окнами (авто матическое и ли ручное пере ключение). И нтерфейс по льзователя пре дставлен н а рисунке 4.

    Рисунок 4 - По льзовательс кий интерфе йс взаимоде йствия с пр ибором.

    В LabVIEW очень удоб но реализо вано нахож дение спектр альной плот ности мощност и сигнала с по мощью подпр ибора FFT Power Spect rum and PS D VI. Егоподключение покзанно на рисунке 5.

    Рисунок 5 - Построение графика СПМ сигнала.
    На выходе д анного под прибора фор мируется к ластер, состо ящий из тре х следующи х элементо в:

    • – начально й частоты;

    • – шага по ч астоте;

    • magnitude – массива отсчето в спектрал ьной плотност и мощности.

    Шаг по частоте отобр ажает скол ько частот н аходится ме жду двумя сосе дними отсчет ами и вычис ляется по фор муле:


    (3)


    Где – частот а дискретиз ации, а – ко личество отсчето в в окне.

    Для исследуе мого сигна ла с длите льностью о кна 4 с по лучаем шаг по ч астоте 0,25 с.

    Пересчет отсчето в спектрал ьной плотност и мощности в ч астоту отобр ажен в сле дующей фор муле:


    Где i- номер отсчет а спектрал ьной плотност и мощности. Ис пользуя фор мулу 3 со кратим дан ное выраже ние и получ им:


    (4)



    Графики СП М для каждо го сигнала изобр ажены на р исунке 6

    Рисунок 6 - Гр афики СПМ д ля каждого к анала.

    Как можно в идеть на гр афике макс имальная ч астота рав на 500 Гц, что пр и имеющейс я частоте д искретизац ии 1000 Гц. соот ветствует теореме Коте льникова - Н айквиста - Ше ннона.

    В общем ви де лицевая п анель и бло к-диаграмм а виртуаль ного прибор а для предст авления да нных о сиг нале и нахо ждения его с пектрально й плотност и мощности пре дставлены н а рисунках 7 и 8, соответственно.




    Рисунок 7 - Лицевая п анель прибор а

    Рисунок 8- Блок- д иаграмма пр ибора.
    Для передач и данных по дприбору д ля выделен ия ритмов Э КоГ были ис пользованы г лобальные пере менные для с ледующих ве личин:

    1. – частота д искретизац ии;

    2. Номер окна

    3. Сигнал в пер вом канале

    4. Сигнал во второ м канале

    5. Спектральная п лотность мо щности пер вого канал а

    6. Спектральная п лотность мо щности второ го канала

    7. Булево значе ние кнопки, ре ализующей от крытие лице вой панели по дприбора д ля выделен ия ритмов в но вом окне.

    Выделение ритмов ЭКоГ было решино реализовать в новом окне. Чтобы откр ыть лицеву ю панель по дприпора во вре мя выполне ния основно го прибора, б ыли использо ваны структур ы invoke nodes на блок-с хеме подпр ибора, отвеч ающей за у правления по ведением л ицевой пане ли.

    Была созда на ссылка VI Server Reference на данный в иртуальный пр ибор на бло к-диаграмме по дприбора.

    Реализация по казана на р исунке 9.

    Рисунок 9 - Реализ ация открыт ия лицевой п анели подпр ибора


    Выбор ритм а осуществ ляется с по мощью Ring P roperties с в ыставленны ми параметр ами как по казанно на р исунке 10. В этом элементе выставленны соответствия наименований ритмов и чисел от 0-8.
    Рисунок 10 – Элемент Ring Prope rties с внесенными параметрами
    Затем эти числа подаются на силектор Case Structu re, содержащей выбираютс я частоты, соот ветствующие ч астотам рит мов, которые представлены в таблице 1. Блок – диаграмму можно увидеть на рисунке 13.

    Рисунок 11 - Выбор частот р итмов
    Сигнал фил ьтруется с по мощью полосо пропускающе го Butterworth F ilter, пор ядок которо го выбирает по льзователь. Ч астоты рит мов являютс я частотам и среза. Блок диаграмма показана на рисунке 11.
    Рисунок 11 - Фильтрация с игнала




    Рисунок 12 - Отфильтрованный с игнал
    Для выделе ния частот, котор ые характер ны для рит мов воспол ьзуемся фор мулой 5. С помощью функции unbundle разбиваем кластер, содержащий данные СПМ и выбираем необходимые отчеты. Затем используя bundle получаем кластер СПМ для ритма.

    Лицевая панель и блок- диаграмма итоговой подпрограммы для выделения сигнала во времени и СПМ, харакктерных каждому ритму показаны на рисунках 13 и 14.
    Рисунок 18 - Л ицевая пане ль подприбор а




    Рисунок 19 - Блок- д иаграмма по дприбора

    ЗАКЛЮЧЕНИЕ


    В статье был разработан виртуальный прибор поиска гамма-ритмов в составе измеренных потенциалов локального поля обонятельной луковицы в среде графического программирования LabVIEW для анализа и обработки сигнала с электроэнцефолограммы. В ходе разработки были использованы алгоритмы построения спектральной плотности мощности.

    СПИСОК ЛИТЕРАТУРЫ





    1. Давыдов А.В. ЦИФРОВАЯ ОБРАБОТКА СИГНАЛОВ. ЕКАТЕРИНБУРГ, 2010.

    2. Ю. Магда LabVIEW практический курс для инженеров и разработчиков – М.: ДМК Пресс, 2014.

    3. José R. García Oya, et. al. (2012) Subsampling Receivers with Applications to Software Defined Radio Systems. In-tech..

    4. Джеффри Трэвис LabVIEW для всех (4-ое издание) / Кринг Джим, Трэвис Джеффри – Москва, 2015.

    5. Теоретические основы электротехники - лабораторный

    6. практикум: руководство пользователя / Москва: National Instruments, 2013.

    7. Холодная М. А., Щербакова О. В., Горбунов И. А., Голованова И. В., Паповян М. И. Информационно-энергетические характеристики различных типов когнитивной деятельности. // Психологический журнал, 2013, том 34, № 5,.

    8. Cory L.Clark, LabVIEW Digital Signal Processing and DigitalCommunication. McGraw-Hill Companies. 2015,

    написать администратору сайта