![]() |
ИСТИНА |
Войти в систему Регистрация |
ИПМех РАН |
||
В качестве входного программа считывает файл (имя указывается в командной строке) с многоканальной ЭЭГ (или ВП) в стандарте EDF (или EDF+ для пакета BrainWin). Далее вычисляется матрица корреляции, размерность которой соответствует числу активных электродов. С помощью метода главных компонент вычисляются матрицы факторных нагрузок и значений факторов, а затем оценивается число общих факторов или задается априорно, как равное 2 в связи с тем, что существующие пакеты дипольной локализации (в частности программа BrainLoc) используют только модели с двумя или одним подвижными диполями. При этом рассчитывается процент дисперсии, которая описывает выделенные общие факторы и все оставшиеся факторы. Далее осуществляется обратная процедура расчета двух составляющих ЭЭГ как произведения двух частей матрицы факторных нагрузок на матрицу значений факторов. Обе составляющие записываемых в два разных файла (с добавлением к имени исходного файла букв S – сигнал и N-шум, соответственно). Первая составляющая рассчитывается суммарно для двух первых факторов (если не указано иное) с де нормировкой, а вторая – суммарно для всех оставшихся факторов также с де нормировкой на основании первичных значений средних и стандартных отклонений сигнала по каждому из отведений ЭЭГ. В результате сумма этих вычисленных составляющих в точности совпадает с исходной ЭЭГ. При этом восстановленные таким образом составляющие не зависят от вращения факторов, что важно учитывать при интерпретации каждого из полученных факторов в отдельности, но от чего намеренно отказывается предлагаемый алгоритм. В результате первая составляющая ЭЭГ (построенная по общим факторам) будет хорошо соответствовать дипольной модели, применяемой в дальнейшем для расчета локализации мозговой активности (при этом существенно повышается точность и надежность этих расчетов), тогда как другая составляющая (построенная для характерных факторов) может быть исследована другими методами, например картированием активности по поверхности мозга. Таким образом, предлагаемый алгоритм и реализующая его программа для ЭВМ является эффективным средством (апробировано как на модельных, так и на реальных данных) специальной очистки ЭЭГ (и ВП) данных для последующего применения различных процедур пространственной локализации мозговой электрической активности.
№ | Имя | Описание | Имя файла | Размер | Добавлен |
---|---|---|---|---|---|
1. | Svidetelstvo_No2016618769.pdf | Svidetelstvo_No2016618769.pdf | 2,1 МБ | 19 августа 2016 [avv] |