Исследование специфичности признаков болезни Паркинсона на ранней стадии, полученных методом анализа всплескообразной электрической активности коры мозга

Abstract

Разработан метод анализа сигналов для детального исследования частотно- временной динамики электрической активности коры головного мозга, основанный на вейвлет-анализе, ROC-анализе и непараметрической статистике. Идея метода заключается в том, что электроэнцефалограмма (ЭЭГ) рассматривается как набор всплесков, то есть, локальных максимумов на вейвлет-спектрограмме ЭЭГ. Всплески рассматриваются как типичные компоненты ЭЭГ, а не как особый вид сигналов ЭЭГ. Вычисляются следующие параметры всплесков: частота, амплитуда, длительность, ширина полосы частот, количество всплесков в секунду. Степень различия между группой пациентов с болезнью Паркинсона первой стадии и группой здоровых добровольцев в пространстве этих параметров оценивается с помощью ROC-анализа, а именно, с помощью анализа функциональной зависимости AUC от границ диапазонов этих параметров. Используя этот метод, мы определили три частотных диапазона, где выявляются различия между группой пациентов и группой здоровых добровольцев. В статье описываются результаты исследования специфичности обнаруженных ранее групповых признаков ранней стадии болезни Паркинсона. A new method of signal analysis based on wavelet analysis, ROCanalysis, and non-parametric statistics for detailed investigation of the timefrequency dynamics of the electrical activity of the cerebral cortex is developed. The idea of the method is in that the electroencephalogram (EEG) is considered as a set of wave trains (WT). WT are detected as local maxima in the wavelet spectrogram of EEG. We consider WT as a typical component of EEG, but not as a special kind of EEG signals. The following parameters of WT are accounted: the frequency, the duration, the bandwidth, the number of WT per second, and PSD. The extent of differences between the group of the first stage Parkinson’s disease patients and the healthy volunteers in the space of these parameters is investigated. ROC-analysis is used for this purpose. The functional dependence of AUC on the boundaries of the ranges of these parameters is analyzed. Using this method, we have identified three frequency ranges, where differences between the group of the patients and the healthy volunteers were discovered. The paper describes the results of investigation of specificity of these features of early stage of Parkinson’s disease.