Способ выделения веретеноподобных паттернов по временным данным электроэнцефалограмм



Способ выделения веретеноподобных паттернов по временным данным электроэнцефалограмм
Способ выделения веретеноподобных паттернов по временным данным электроэнцефалограмм
Способ выделения веретеноподобных паттернов по временным данным электроэнцефалограмм

 


Владельцы патента RU 2565993:

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Саратовский государственный технический университет имени Гагарина Ю.А." (СГТУ имени Гагарина Ю.А.) (RU)

Изобретение относится к области медицины, а именно к электрофизиологии. Регистрируют сигнал ЭЭГ и осуществляют непрерывное вейвлетное преобразование. Определяют мгновенное и интегральное распределения энергии вейвлетного спектра по временным масштабам, которые соответствуют частотным диапазонам 5-9 Гц для веретеноподобных паттернов и 9-16 Гц для сонных веретен. В каждый момент времени определяют суммарное значение энергии вейвлетного спектра и на основании мгновенных распределений энергии вейвлетного спектра определяют фазы поведения системы таким образом, чтобы в одной из фаз на выбранные диапазоны временных масштабов приходилась большая часть энергии вейвлетного спектра. Усредняют мгновенные распределения энергий вейвлетного спектра по интервалу времени в диапазоне 1-1.5 с, задают пороговые значения энергии и по значениям энергии вейвлетного спектра, приходящимся на диапазоны 5-9 Гц и 9-16 Гц, определяют веретеноподобные паттерны. Способ позволяет повысить достоверность автоматического выявления сонных веретен и других веретеноподобных паттернов, что достигается за счет использования метода вейвлетного преобразования и нахождения пороговых значений энергии вейвлетного спектра. 1 з.п. ф-лы, 3 ил.

 

Изобретение относится к области биомедицинских технологий и предназначено для выделения характерных фаз поведения биологических систем по временным данным. В частности, изобретение может быть эффективно использовано в задачах автоматического выделения различных паттернов на временных рядах электроэнцефалограмм (ЭЭГ), электрокардиограмм, соннограмм и других сигналов физиологической природы, а также при исследовании перемежающегося поведения, широко распространенного в динамических системах различной природы.

Выделение характерных фаз поведения систем важно в задачах различных областей, включая нейрофизиологию. В частности, достаточно важной и актуальной технической задачей является создание способов автоматической разметки (выделения) различных паттернов на электроэнцефалограммах (пик-волновые эпилептические разряды, неэпилептическая активность - сонные веретена, фоновая активность, дельта-волны и т.д.) для диагностики заболеваний центральной нервной системы. В настоящее время широко известны способы выделения характерных фаз поведения систем, основанные на анализе «текущего» периода или амплитуды колебаний системы [Берже П., Помо И., Видаль К. Порядок в хаосе. М.: Мир, 1991, R.G. Andrzejak, G. Widman, К. Lehnertz, С. Rieke, С.Е. David, P. Elder, Epilepsy Res. 44 (2001), 129-140, A. Subasi, Expert Systems with Applications 29 (2005), 343-355, Короновский А.А., Храмов A.E., Письма в ЖТФ 27(1), (2001), 3-11 и др.]. Такие способы работают достаточно хорошо, если одна из фаз (обычно ее называют ламинарной фазой) представляет собой сигнал, очень близкий к строго регулярному, либо другая (турбулентная) фаза характеризуется существенно большей амплитудой по сравнению с ламинарной фазой. В то же самое время, такие способы оказываются непригодными при анализе реальных сигналов, в первую очередь, физиологической и биологической природы.

Наиболее близким к заявляемому способу является способ выделения характерных фаз поведения систем по временным данным, предложенный в [Грубов В.В., Ситникова Е.Ю., Назимов А.И., Руннова А.Е., Храмов А.Е., Храмова М.В. Возрастная динамика частотно-временных особенностей сонных веретен на ЭЭГ крыс с генетической предрасположенностью к эпилепсии. Вестник ТГУ. 18, 4 (2013) 1288-1291].

В этом способе используется непрерывное вейвлетное преобразование [Короновский А.А., Храмов А.Е. Непрерывный вейвлетный анализ и его приложения. М.: Физматлит, 2003]. Суть метода заключается в следующем: осуществляют непрерывное вейвлетное преобразование анализируемого сигнала, выбирают характерный диапазон временных масштабов и в каждый момент времени определяют суммарное значение энергии вейвлетного спектра, приходящейся на этот диапазон. Далее задают диапазон допустимых значений и по вхождению мгновенной энергии вейвлетного спектра в этот диапазон определяют наличие той или иной фазы поведения системы. Отличительной чертой этого способа от известных аналогов, использующих вейвлетное преобразование, является то, что в ходе его осуществления пороговое значение энергии вейвлетного спектра понижают на 40% и возвращают к исходной величине, когда суммарное значение энергии достигает заданного порогового значения.

Такой способ позволяет с высокой степенью точности проводить выделение ламинарных и турбулентных фаз по временным реализациям динамических систем различной природы, включая живые системы. При помощи такого способа возможно диагностировать наличие эпилептических пик-волновых разрядов в электроэнцефалограммах человека и животных, однако, для автоматического выделения сонных веретен и 5-9 Гц-колебаний этот способ оказывается непригодным из-за большого числа ложных срабатываний.

Задачей изобретения является разработка универсального способа, позволяющего проводить автоматическое выделение сонных веретен и других веретеноподобных паттернов по временным рядам электроэнцефалограмм.

Техническим результатом изобретения по сравнению с прототипом является возможность определения различных веретеноподобных паттернов на ЭЭГ, регистрируемой во время сна животных или человека.

Поставленная задача решается тем, что в способе выделения характерных веретеноподобных паттернов по временным рядам ЭЭГ снимают сигнал с системы с последующим непрерывным вейвлетным преобразованием, определяют мгновенное и интегральное распределения энергии вейвлетного спектра по временным масштабам, выбирают диапазоны характерных временных масштабов исследуемого сигнала, соответствующие частотным диапазонам 5-9 Гц для 5-9 Гц веретеноподобных паттернов и 9-16 Гц для сонных веретен, в течение каждой из фаз на основании мгновенных распределений энергии вейвлетного спектра для различных фаз поведения системы таким образом, чтобы в одной из фаз на выбранный характерный диапазон временных масштабов приходилась большая часть энергии вейвлетного спектра, усредняют мгновенные распределения энергий вейвлетного спектра по интервалу времени в диапазоне 1-1.5 с, задают пороговые значения энергии и путем сравнения суммарных значений энергии вейвлетного спектра, приходящихся на выбранные диапазоны характерных временных масштабов, в различные моменты времени с выбранными пороговыми значениями выделяют различные веретенообразные паттерны.

Изобретение поясняется чертежами, где на фиг. 1 представлен типичный фрагмент электроэнцефалограммы с веретеноподобным паттерном (а), мгновенная энергия вейвлетного спектра w(t) (б) и усредненная по характерному временному интервалу Т=1.5 с энергия <w(t)> (в), где также отмечено пороговое значение энергии wкр; на фиг. 2 - типичный фрагмент электроэнцефалограммы с веретеноподобным паттерном (а), усредненная по характерному временному интервалу T=1.5 с энергия вейвлетного спектра <w(t)> с отмеченными пороговыми значениями энергии вейвлетного спектра wкр (б) и w′кр (в); на фиг. 3 - типичный фрагмент электроэнцефалограммы с несколькими характерными веретеноподобными паттернами (а), проекция вейвлетной поверхности |W(t,f)| на плоскость (t,f) для сигнала ЭЭГ U(t) (б), энергии вейвлетного спектра w1(t) и w2(t), приходящиеся на характерные частотные диапазоны f∈(5,9) и f∈(9,16) Гц (в), усредненные по характерному временному интервалу T=1.5 с энергии вейвлетного спектра <w1(t)> и <w2(t)> с отмеченными пороговыми значениями энергии вейвлетного спектра w1кр, w2кр и w′1кр, w′2кр (г).

Изобретение поясняется чертежами, где на фиг. 1 представлен фрагмент электроэнцефалограммы с характерным веретеноподобным паттерном и высокочастотным артефактом (а), а также мгновенная энергия вейвлетного спектра w(t) (б); на фиг. 2 приведен типичный фрагмент электроэнцефалограммы с веретеноподобным паттерном сложной формы (а) и усредненная по характерному временному интервалу T=1.5 с энергия вейвлетного спектра <w(t)> (б); на фиг. 3 приведен фрагмент типичной электроэнцефалограммы, состоящей из фоновой активности и веретеноподобных паттернов двух типов (а), проекция вейвлетной поверхности |W(t,f)| (б), зависимости энергий вейвлетного спектра w1(t) и w2(t), приходящиеся на характерные частотные диапазоны f∈(5,9) и f∈(9,16) Гц (в) и усредненные по характерному временному интервалу Т=1.5 с энергии вейвлетного спектра <w1(t)> и <w2(t)> (г).

Заявляемый способ выделения веретеноподобных паттернов на ЭЭГ осуществляется следующим образом.

Снимают сигнал ЭЭГ U(t) с исследуемой системы и проводят его непрерывное вейвлетное преобразование:

где ψ(t) - базисный вейвлет (звездочка обозначает комплексное сопряжение), s - временной масштаб, t0 - временной сдвиг вейвлетной функции вдоль оси времени. В качестве базисного вейвлета нужно использовать вейвлет Морле [Daubechies I., Ten lectures on wavelets. SIAM, 1992]. Параметр базисного вейвлета выбирают равным ω0=2π, что, с одной стороны, обеспечивает хорошее соотношение между локализациями вейвлетной функции во времени и Фурье-пространстве [Короновский А.А., Храмов А.Е., Непрерывный вейвлетный анализ и его приложения. М.: Физматлит, 2003], а с другой стороны, позволяет легко сопоставлять временные масштабы s вейвлетного преобразования (1) с частотами f спектрального представления сигнала, поскольку для данного значения параметра ω0 выполняется соотношение s≈1/f.

По аналогии со спектром мощности Фурье-преобразования вводят в рассмотрение мгновенное E(f)=|W(f,t0)|2 и интегральное распределения энергии по частотам. Поскольку веретеноподобные паттерны существенно отличаются от фоновой ЭЭГ, то и структура вейвлетной поверхности W(t,f) для веретеноподобных паттернов и фоновой ЭЭГ также будет различна [Короновский А.А., Храмов А.Е., Письма в ЖТФ 27(1), (2001), 3-11; Короновский А.А., Храмов А.Е., Непрерывный вейвлетный анализ и его приложения. М.: Физматлит, 2003]. Иными словами, энергия вейвлетного спектра E(f,t) будет распределена по характерным частотам f, которые будут для разных фаз сигнала ЭЭГ U(t) разными, причем доля энергии, приходящейся на эти характерные частоты, также будет различаться. Таким образом, можно перейти от анализа структуры вейвлетной поверхности W(f,t) к анализу распределения энергии вейвлетного спектра по характерным частотам.

Для выделения веретеноподобных паттернов в каждый момент времени t определяют суммарные значения энергии вейвлетного спектра wi(t), приходящейся на выбранные характерные частотные диапазоны Fi.

Выбор частотных диапазонов зависит от рассматриваемого сигнала, и в каждом конкретном случае выбирается на основании мгновенных распределений энергии вейвлетного спектра. Наиболее часто веретеноподобные паттерны находятся в диапазонах F1∈(5;9) Гц (так называемые 5-9 Гц колебания) и F2∈(9;16) Гц (сонные веретена). В то же самое время ЭЭГ является сложным сигналом, в котором могут появляться отдельные резкие всплески активности и в других частотных диапазонах. Подобные события могут вызвать кратковременный рост мгновенной энергии вейвлетного спектра wi(t), что приводит к ошибкам при диагностике (ложное детектирование). На фиг. 1 представлен фрагмент электроэнцефалограммы с характерным веретеноподобным паттерном и высокочастотным артефактом (а), а также мгновенная энергия вейвлетного спектра w(t) (б). Как видно из фиг. 1б, помимо веретеноподобного паттерна 1 детектируется также высокочастотный всплеск, не являющийся веретеноподобным паттерном 2. Для снижения вероятности ложного детектирования на следующем этапе заявляемого метода мгновенные значения энергий wi(t) дополнительно усредняются по характерному интервалу времени Т∈[1, 1.5] с (см. фиг. 1в).

Регистрация веретеноподобных паттернов производится на основе анализа усредненных энергий <wi(t)> и заданных пороговых значений энергии wiкр. Условия для регистрации веретеноподобных паттернов первого (5-9 Гц колебания) и второго (сонные веретена) типов, соответственно, имеют вид:

Однако следует учитывать сложную динамику частоты в течение веретеноподобных паттернов. На фиг. 2 приведен типичный фрагмент электроэнцефалограммы с веретеноподобным паттерном сложной формы (а) и усредненная по характерному временному интервалу T=1.5 с энергия вейвлетного спектра <w(t)> (б). Как видно из фиг. 2б при детектировании происходит ошибка - дробление одно паттерна на несколько. Для ослабления данного эффекта в заявляемый метод вводится следующая процедура.

Если в момент времени t выполняется один из критериев (4), (5), то для последующих моментов времени значение wiкр понижают на 40%: w′iкр=0.4 wiкр. Первоначальное значение wiкр возвращают в момент времени, для которого выполняется условие: wi(t)<w′iкр. Такое понижение порога детектирования позволяет значительно ослабить влияние сложной динамики частоты в течение веретеноподобных паттернов на качество детектирования (см. фиг. 2в).

Рассмотрим пример конкретной реализации заявляемого способа на примере временной реализации записи электрической активности головного мозга крысы линии WAG/Rij. На фиг. 3а приведен фрагмент типичной электроэнцефалограммы, состоящей из фоновой активности и веретеноподобных паттернов двух типов (серые прямоугольники на фиг. 3а, г). Проекция вейвлетной поверхности |W(f,t)|, полученная после выполнения непрерывного вейвлетного преобразования исследуемого сигнала ЭЭГ, показана на фиг. 3б. Видно, что фрагменты вейвлетной поверхности, соответствующие фоновой активности и веретеноподобным паттернам, оказываются принципиально различными. Энергии вейвлетного спектра w1(t) и w2(t), приходящиеся на характерные частотные диапазоны f∈(5,9) и f∈(9,16) Гц, показаны на фиг. 3в. На фиг. 3г приведены усредненные по характерному временному интервалу Т=1.5 с энергии вейвлетного спектра <w1(t)> и <w2(t)>. Рассмотрим для примера усреденную энергию вейвлетного спектра <w1(t)>. При появлении веретеноподобного паттерна величина <w1(t)> превышает порог w1кр и в соответствующий момент времени детектируется веретеноподобный паттерн первого типа. Кроме того, пороговое значение энергии понижается с w1кр до w′1кр и детектирование продолжается. Когда величина <w1(t)> перестает превышать порог w′1кр, детектирование прекращается и пороговому значению энергии возвращается исходное значение w1кр. Аналогично происходит детектирование веретеноподобных паттернов второго типа с помощью энергии <w2(t)> и порогов w2кр до w′2кр.

Таким образом, техническим результатом заявляемого способа выделения характерных фаз поведения является обеспечение возможности выделения сонных веретен и других веретеноподобных паттернов по временным рядам электроэнцефалограмм.

1. Способ выделения веретеноподобных паттернов по временным данным электроэнцефалограммы (ЭЭГ), характеризующийся тем, что регистрируют сигнал ЭЭГ и осуществляют непрерывное вейвлетное преобразование; определяют мгновенное и интегральное распределения энергии вейвлетного спектра по временным масштабам, которые соответствуют частотным диапазонам 5-9 Гц для веретеноподобных паттернов и 9-16 Гц для сонных веретен; в каждый момент времени определяют суммарное значение энергии вейвлетного спектра и на основании мгновенных распределений энергии вейвлетного спектра определяют фазы поведения системы таким образом, чтобы в одной из фаз на выбранные диапазоны временных масштабов приходилась большая часть энергии вейвлетного спектра; усредняют мгновенные распределения энергий вейвлетного спектра по интервалу времени в диапазоне 1-1.5 с, задают пороговые значения энергии и по значениям энергии вейвлетного спектра, приходящимся на диапазоны 5-9 Гц и 9-16 Гц, определяют веретеноподобные паттерны.

2. Способ по п.1, характеризующийся тем, что при выделении характерных фаз поведения систем пороговое значение энергии понижают на 40% и возвращают к исходной величине, когда суммарное значение энергии достигает заданного порогового значения.



 

Похожие патенты:

Изобретение относится к области биологии и медицины, а именно к нейробиологии, нейрофизиологии, неврологии. Регистрируют электроэнцефалограмму (ЭЭГ).

Изобретение относится к медицинской технике, а именно к устройствам измерения электрической активности головного мозга. Устройство позиционирования сухих электродов на коже головы пользователя содержит множество сухих электродов, установленных на гибких поверхностях, корпус, выполненный с возможностью расположения, по меньшей мере, частично вокруг головы пользователя, по меньшей мере, одну упругую ленту на внутренней стороне корпуса.
Изобретение относится к медицине, а именно к неврологии и педиатрии, и может быть использовано для выбора пациентов с хроническими тикозными расстройствами (ХТР) для назначения лечения вальпроатами.

Изобретение относится к медицине и предназначено для определения функционального и метаболического состояния нервной ткани в норме и при патологии. Одновременно регистрируют уровень постоянного потенциала (УПП) и электроэнцефалограмму (ЭЭГ) при физических и фармакологических воздействиях.

Изобретение относится к области медицины, а именно к педиатрии и неврологии. Выявляют клинические признаки заболевания при неврологическом осмотре; регистрируют компьютерную электроэнцефалограмму, проводят эмисионно-позитронную томографию; регистрируют коротколатентные вызванные потенциалы: зрительные, слуховые, когнитивные, соматосенсорные (ССВП); проводят нейромиографию.

Изобретение относится к области биомедицинских технологий. Регистрируют сигналы электроэнцефаллограмм и электроокулограмм.

Изобретение относится к медицине, в частности к авиационной медицине. В процессе профессиональной деятельности регистрируют электроэнцефалограмму (ЭЭГ).
Изобретение относится к медицине, а именно электроэнцефалографии. Проводят регистрацию и оцифровку сигнала ЭЭГ в симметричных зонах правого и левого полушарий головного мозга монополярным или биполярным способом.

Изобретение относится к медицине. При осуществлении способа регистрируют ЭЭГ и обрабатывают ее как в режиме реального времени, так и в режимах с временной задержкой путем непрерывного вейвлет-преобразования.

Изобретение относится к медицине, в частности к неврологии, и может быть использовано для определения качества ночного сна у детей в возрасте старше 5 лет в норме и при различной неврологической патологии.
Изобретение относится к неврологии, в частности к нейродегенеративному заболеванию болезни Гентингтона. Регистрируют электроэнцефалограмму (ЭЭГ) в состоянии спокойного бодрствования при закрытых глазах. Определяют абсолютную спектральную мощность стандартных тета-диапазонов и узких частотных одногерцовых поддиапазонов. Также определяют относительную спектральную мощность узких частотных одногерцовых поддиапазонов 7-8 Гц и 4-5 Гц и находят разность между ними. Рассчитывают величину отношения абсолютной спектральной мощности диапазона 7-8 Гц к абсолютной спектральной мощности тета-диапазона и при значениях разности полученной величины ≤-1 и снижении рассчитанного отношения ≤20% диагностируют преклиническую стадию болезни Гентингтона. Способ позволяет повысить достоверность диагностики при выявлении ранней стадии болезни, что достигается за счет учета показателей узких частотных поддиапазонов электрической активности мозга. 3 пр.

Изобретение относится к медицинской технике, в частности к приборам для контроля и оценки состояния системы «мать-плод» в заключительной фазе родов. Устройство контроля и прогнозирования состояния системы «мать-плод» в процессе родовспоможения состоит из электрокардиографического канала (1) плода, электрогистерографического канала (9) матери, эхокардиографического канала (15) плода, электрокардиографического канала (22) матери, электроэнцефалографического канала (28) матери, канала контроля системы дыхания (30) матери, интегрального блока тревожной сигнализации (32) и устройства обработки информации (33). Первый вход устройства обработки информации (33) подсоединен к первому выходу электрокардиографического канала (1) плода, второй вход - к первому выходу эхокардиографического канала (15) плода, третий вход - к третьему выходу электрогистерографического канала (9) матери, четвертый вход - к выходу электроэнцефалографического канала (28) матери, пятый вход - к выходу электрокардиографического канала (22) матери, шестой и седьмой входы - к первому и второму выходам канала контроля системы дыхания (30) матери соответственно, а его выход посредством шины подсоединен к блоку цифровой индикации и записи (24). Применение изобретения позволит повысить эффективность контроля и коррекции процесса родов за счет повышения надежности и достоверности оценки состояния как системы «мать-плод» в целом, так и отдельных физиологических систем роженицы. 5 з.п. ф-лы, 1 ил.
Изобретение относится к области медицины, в частности неврологии и сомнологии. Проводят электроэнцефалографию в период бодрствования с наложением электродов в отведениях F, С, О. Выбирают два участка электроэнцефалограммы длительностью от 10 до 30 секунд. В первом участке альфа-ритм должен отсутствовать. Вычисляют частоту спектрального пика альфа-активности (ЧАП) отдельно для первого и второго участков в левых отведениях, первого участка в правых отведениях. Полученные значения усредняют по всем отведениям. Длительность засыпания вычисляют по оригинальной математической формуле. Способ позволяет повысить достоверность определения длительности засыпания в течение ближайших суток. 2 пр.

Изобретение относится к медицине, а именно к неврологии, нейрофизиологии и экспериментальной нейробиологии. Трехмерную локализацию источников электроэнцефалограммы (ЭЭГ) осуществляют при решении обратной задачи распределения потенциалов на поверхности скальпа. При этом поиск исходной амплитуды, фазы и коэффициента затухания источника электроэнцефалограммы, представленного точечным источником экспоненциально затухающего в объеме мозга электрического сигнала, осуществляют с помощью методов нелинейной оптимизации и решения систем нелинейных уравнений. Способ позволяет повысить информативность и точность локализации, что достигается за счет представления источника ЭЭГ в виде точечного электрического сигнала, экспоненциально затухающего в объеме мозга, и использования для расчета методов нелинейной оптимизации и нелинейных уравнений. 3 ил., 1 пр.

Изобретение относится к области медицины, а именно к неврологии, нейропсихологии и профессиональной патологии. Пациенту с клинически выявленным синдромом умеренных когнитивных расстройств проводят фоновую регистрацию ЭЭГ с открытыми (фон ОГ) и закрытыми глазами (фон ЗГ) и на фоне предъявления двух вербальных тестов - «Слова» и «Растения». Начало и окончание выполнения каждого фрагмента записи ЭЭГ и теста отмечают на записи. Затем проводят анализ спектральных характеристик выделенных участков. Значения мощности каждого ритма ЭЭГ каждого отведения подставляют в значения дискриминантных функций и вычисляют их значения. Если значения дискриминантных функций двух тестов и фрагментов ЭЭГ фон ОГ и фон ЗГ во всех четырех случаях попадают в интервалы Fрастения от -2743,1 до -2676,6, Fслова от 261,2 до 316,6, Fфон ОГ от 73,7 до 156,3, Fфон ЗГ от 52,4 до 91,5 - диагностируют когнитивные расстройства сосудистого происхождения и пациента относят к группе лиц с хронической ишемией мозга, при невыполнении этих условий - диагностируют когнитивные расстройства иного происхождения. Способ позволяет повысить достоверность диагностики, что достигается за счет дифференциального исследования и оценки фрагментов ЭЭГ в двух функциональных состояниях и на фоне двух вербальных тестов. 3 ил., 1 табл., 4 пр.

Изобретение относится к области медицины, а именно к неврологии, нейрофизиологии, психиатрии и функциональной диагностике. Регистрируют скальповую электроэнцефалограмму (ЭЭГ) от 19 отведений в монополярном режиме с референтными ипсилатеральными электродами по международной системе «10-20» в состоянии бодрствования. Дополнительно ЭЭГ регистрируют на фоне фотостимуляции. Вычисляют параметры кросскорреляционного и автокорреляционного анализа электроэнцефалограммы: интервал автокорреляции в отведении F4A2 при фоновой записи, интервал автокорреляции в отведении CzA2 при фоновой записи, интервал автокорреляции в отведении Т6А2 при фоновой записи, среднюю частоту автокорреляции в отведении F7A1 при фоновой записи, среднюю частоту автокорреляции в отведении Т3А1 при фоновой записи, среднюю частоту кроскорреляции в отведениях F7F8 при фоновой записи, среднюю частоту кросскорреляции в отведениях Р3Р4 после фотостимуляциии. Рассчитывают математические формулы и при значении (а+b+с)<197 совместно с одним или более из следующих условий: (d+e)>31 и/или f>18 и/или g>14 диагностируют психастению. Способ позволяет повысить достоверность диагностики, что достигается за счет дополнительной регистрации ЭЭГ на фоне стимуляции и проведения кросскорреляционного и автокорреляционного анализа ЭЭГ. 3 табл., 3 пр.
Наверх