6. Сегментационный анализ ЭЭГ

Адаптивная сегментация ЭЭГ означает разбиение ее на сегменты различной длины, каждый из которых однороден (стационарен), но отличается по своим характеристикам от соседних сегментов. Каждый из полученных сегментов анализируется раздельно, и затем они обычно классифицируются в соответствии с их характеристиками. В итоге вместо описания ЭЭГ единым усредненным набором параметров (например, одним спектром мощности) получают более приближенное к реальным данным описание нескольких выделенных классов сегментов (например, усредненные спектры мощности для каждого из классов). Поскольку биомедицинские данные часто можно, с теми или иными допущениями, представить в виде последовательности стационарных сегментов, сегментационный подход стал применяться и к другим биомедицинским сигналам (напр.: Koski, Juhola, 1996; Moussavi et al., 1996).

В основу этого подхода его авторы, Боденштайн и Преториус (1977), положили опыт работы клинических электроэнцефалографистов, которые анализируют ЭЭГ не как неизменный во времени сигнал (что фактически предполагается методами автоматического анализа), а как совокупность участков с различными паттернами, имеющими качественно разное значение с диагностической точки зрения, в связи с чем представляется особенно неуместным глобальное усреднение информации, выделяемой из различных участков ЭЭГ. В методологическом плане данный поход также является развитием идеологии, предложенной Ремоном (R(mond, Renault, 1972; см. выше).

Используя сегментационный анализ, удается достичь определенного приближения к результатам классического визуального анализа ЭЭГ, хотя полная автоматизация клинического анализа пока не представляется возможной (Боденштайн, Преториус, 1977; Praetorius et al., 1977; Creutzfeldt et al., 1985; Krajca et al., 1991; Hasan et al., 1993; Wendling et al., 1996; и др.).

Особенностью работ по сегментации ЭЭГ, однако, является то, что, хотя ЭЭГ в целом анализируется с точки зрения способности отражать состояние мозга, ее динамика в большинстве случаев рассматривается сама по себе, без учета того, что она может отражать динамику мозговой активности. Исключение представляют, главным образом, работы Д. Лемана и его сотрудников, в которых стационарные сегменты ЭЭГ рассматриваются как отражение функциональных микросостояний мозга (Gath et al., 1983; Lehmann, 1984; Lehmann et al., 1987; Lehmann, 1993; Pasqual-Marqui et al., 1995; и др.). Такой подход, с нашей точки зрения, не только представляет особенный интерес с точки зрения анализа работы мозга, но и более перспективен с точки зрения разработки диагностических систем, поскольку именно в его рамках в принципе возможно получение новых показателей, оценивающих общее состояние мозга более корректно и точно, чем это возможно в традиционных подходах к диагностике патологии по ЭЭГ. Тем не менее опыт разработки методов сегментации ЭЭГ, имеющих чисто клиническую направленность, заслуживает специального рассмотрения в нашем обзоре, т.к. все эти методы "по определению" направлены на выделение в ЭЭГ участков с различными характеристиками, которые могут быть отражением различных функциональных микросостояний мозга или его отдельных систем.

Поскольку, по нашим данным, существует лишь один достаточно полный обзор работ по адаптивной сегментации ЭЭГ (Barlow, 1985a), который, во-первых, вышел достаточно давно и в связи с этим не рассматривает многие важные работы, прежде всего использующие так называемую топографическую сегментацию, а во-вторых, опубликован в малодоступном для отечественных специалистов журнале, мы решили сделать данный раздел обзора более обширным, чем остальные, и привести здесь подробную библиографию сегментационных работ с кратким анализом достоинств и недостатков предлагавшихся методических подходов.