Projekt vedeckej grantovej agentúry VEGA 2/7087/27

Doba riešenia: 01/2007 - 12/2009

Vedúci projektu: RNDr. Anna Krakovská CSc.

Anglický názov: Advanced methods of classification and prediction of attention decrease and sleep stages based on EEG analyses

Anotácia projektu

Návrh projektu je smerovaný k využitiu a ďalšiemu rozvoju moderných metód nelineárnych dynamických systémov, umelých neurónových sietí a matematickej štatistiky na analýzu elektroencefalografických signálov (EEG). Jeho cieľom je skúmanie dynamiky stavov EEG a návrh pôvodných algoritmov, schopných spoľahlivo charakterizovať, prípadne predikovať špecifické stavy činnosti mozgu (fázy spánku, relaxácia, strata pozornosti). Výsledky môžu nájsť uplatnenie v neurodiagnostike, neuroterapii, ako aj pri návrhu efektívnych stratégií kontroly poklesu pozornosti. Jednotlivé metódy môžu prispieť aj k analýze a predikcii zložitých časových radov z iných experimentálnych oblastí.

Dosiahnuté výsledky

Výskum v oblasti teórie chaosu a fraktálov priniesol nové možnosti nazerania na zložitosť systémov, napríklad aj prostredníctvom fraktálnej dimenzie. V prípade mnohých zdanlivo zložitých reálnych procesov sa zistilo, že ich dimenzia je nízka a sú modelovateľné malým počtom nelineárnych diferenciálnych rovníc s chaotickou dynamikou. Ďalšie výskumy ale ukázali, že nízke dimenzie môžu byť aj prejavom špeciálnej triedy stochastických systémov, ktoré generujú škálovo-invariantné, fraktálom podobné štruktúry. Ku znakom, čiastočne odlišujúcim dané dva typy správania patrí rýchlosť poklesu výkonového spektra v oblasti vysokých frekvencií. Kým exponenciálny pokles je typický pre chaotický signál, mocninný pokles (tzv. fraktálny exponent) charakterizuje stochastický systém typu 1/f šumu.

Aj u elektrickej aktivity mozgu, reprezentovanej elektroencefalogramom (EEG), viedli odhady fraktálnej dimenzie k prekvapivo nízkym hodnotám. Náš výskum ukázal, že signály EEG sa vyznačujú mocninným poklesom spektra s fraktálnym exponentom okolo hodnoty 2,8. Našli sme aj výraznú koreláciu medzi dimenziou a fraktálnym exponentom. Dokazuje to, že nízke odhady dimenzií EEG majú byť pripísané prítomnosti škálovo invariantných, fraktálom podobných štruktúr v dátach, v pozadí ktorých ale už nehľadáme deterministický chaos, ale stochastický systém typu 1/f šumu (Krakovská, Štolc, 2008).

Aj keď sa teda zdá, že v prípade EEG sa hypotéza deterministického chaosu nepotvrdzuje, prítomnosť škálovo invariantných štruktúr v dynamike fungovania ľudského mozgu zostáva významným objavom. To, že ide o kľúčovú vlastnosť mozgovej aktivity, začína byť zrejmé aj z úspešnosti fraktálneho exponentu detekovať špecifické stavy činnosti mozgu (fázy spánku, relaxácia, strata pozornosti). Potvrdili to aj naše testy veľkého počtu tradičných a moderných mier, u ktorých sme porovnávali schopnosť klasifikovať stavy zaspávania a spánku (Šušmáková, Krakovská, 2008).

Popri fraktálnom exponente sme vyselektovali aj ďalšie miery, použiteľné pri klasifikácii spánkových stavov. K najťažším problémom patrí rozlíšenie stavu S1 (ľahký spánok, zaspávanie) a REM stavu. Zistili sme, že v tomto prípade sú najúspešnejšie miery, počítané z elektromyogramu (na čele opäť s fraktálnym exponentom). Pri jednoduchších úlohách je možné úspešne použiť najmä pomer výkonu v delta a beta frekvenčných pásmach EEG. Ak ale chceme roztriediť všetky spánkové stavy pomocou jedinej miery, potom chyba klasifikácie je vyššia ako 40%. Použitie ďalších charakteristík je nevyhnutné a naše výpočty ukazujú, že pridávaním ďalších mier (minimálne štyroch) je možné dosiahnuť chybu automatickej klasifikácie nižšiu, ako 20%. To je výsledok, porovnateľný s úrovňou špecialistu na vizuálnu detekciu spánkových stavov (Šušmáková, Krakovská, 2008).

Publikácie:

• KRAKOVSKÁ, A. - ŠTOLC, S.: Spectral decay vs. correlation dimension of EEG. Neurocomputing, 71, 2008, 13-15, 2978-2985.
• ŠUŠMÁKOVÁ, K. - KRAKOVSKÁ, A.: Discrimination ability of individual measures used in sleep stages classification. Artificial Intelligence in Medicine, 44, 2008, 261-277.
• ŠUŠMÁKOVÁ, K. - KRAKOVSKÁ, A. - CIMERMANOVÁ, K.: Spectral and nonlinear measures computed for all-night sleep EEG, ECG, EOG, and EMG. In: MEDITECH. Proceedings of the ESF Project Conference. Bratislava, Slovak University of Technology, 2008, 137-141.
• FARKAŠ, I.: Konceptuálne východiská pre model stelesnenej mysle. V knihe Kvasnička V., Kelemen J., Pospichal J. (zost.): Modely mysle. Vydavateľstvo Európa, 35-64.
• FARKAŠ, I. - CROCKER, M.: Syntactic systematicity in sentence processing with a recurrent self-organizing network. Neurocomputing, 71, 2008, 1172-1179.