Сегментация ЭЭГ без использования статистических подходов при поиске границ между сегментами

Во всех описанных выше подходах поиск моментов изменений характеристик ЭЭГ строился в рамках статистического понимания однородности (стационарности) сегмента. Вместе с тем было предложено немало методов сегментации ЭЭГ, в которых границы между сегментов устанавливались на основе не статистических, а более или менее эмпирических критериев. Такой подход имеет право на существование, поскольку полученные в результате сегментации данные все равно подвергаются статистической обработке, обеспечивающей статистическую значимость результатов. При этом, как и при использовании адаптивной сегментации, удается, в частности, получить описание ЭЭГ как совокупности различных типов активности, что дает возможность приблизить эффективность автоматического анализа ЭЭГ к эффективности визуального анализа, в частности, при исследовании сна (Jansen et al., 1981b), улучшить визуальное представление ЭЭГ в клинической практике (Thomsen et al., 1991), и др.

В большинстве работ этого типа так или иначе использовалась следующая последовательность процедур, предложенная в работах Б. Янсена (B. Jansen): анализ (спектральный и др.) фиксированных коротких эпох ЭЭГ; последующая классификации этих эпох (как правило, на основе кластеризации, в ряде случаев - с использованием дискриминантного анализа), после которой соседние эпохи, попавшие в один кластер, объявлялись сегментом; затем мог проводиться дополнительный анализ последовательностей сегментов (например, синтаксический или с использованием методов искусственного интеллекта), который обеспечивал классификацию более высокого порядка (Jansen, Hasman, 1978; Hasman et al., 1978; Giese et al., 1979; Bourne et al., 1981; Jansen et al., 1981a,b, 1982; Jagannathan et al., 1982; Gath et al., 1983; Jansen, Cheng, 1988; Hilfiker, Egli, 1992). Классификация пространственных паттернов ЭЭГ-спектров с помощью искусственной нейросети типа так называемой самоорганизующейся карты позволила представлять временную структуру динамики многоканальной ЭЭГ как перемещение точки по ячейкам двумерной карты (Joutsiniemi et al., 1995). Использование на начальном этапе алгоритма фиксированных эпох вместо движущихся окон, используемых в собственно адаптивной сегментации, как отмечает Дж.С. Барлоу (Barlow, 1985a), не вводит значительного отличия от последней, за исключением снижения (обычно незначительного) временного разрешения метода.

Кроме подобных "агломеративных" процедур, к "нестрогим" сегментационным методам можно отнести также метод Сороко и Бекшаева, которые предложили делить ЭЭГ на участки с доминированием одного из четырех основных ритмов ЭЭГ человека (альфа, бета, дельта и тета) для того, чтобы оценивать вероятности перехода от одного типа ритмической активности к другому (Сороко, Бекшаев, 1981; Василевский и др., 1988; Сороко и др., 1990, 1995).

Отсутствие процедур, нацеленных на точное определение момента или промежутка времени, в который происходит изменение в ЭЭГ, в методах, описанных в данном подразделе, не позволяли использовать их в рамках нашей экспериментальной работы. Тем не менее предоставляемые ими возможности учитывались нами при теоретическом анализе проблемы выделения из ЭЭГ информации, связанной с ее нестационарностью.