Академический Документы
Профессиональный Документы
Культура Документы
Обзор Треморография1
Обзор Треморография1
Треморограмма представляет собой отрезок временных рядов, отражающих либо мускульные усилия,
либо электрическую активность нейронов [1]. Целью данной работы является построение математической
модели представления и анализа треморограмм отражающих мускульные усилия, прилагаемые для
совершения шаблонных действий в разрабатываемом программном комплексе. Такие модели могут
служить для определения различных функциональных характеристик испытуемого. Разрабатываемый
программный комплекс позволяет анализировать треморограммы, как массивы числовых данных,
полученные в результате выполнение некоторых стандартных тестов. Очевидно, что набор таких тестов
должен регулярно пополняться. Характеристики каждого отдельного теста определяются спецификой
поставленной цели, и именно набор характеристик теста позволяет говорить о возможности достижения
этой цели, т.е. выявления определённого функционального состояния. Таким образом, первоначально
тестирование выполняется на произвольном наборе тестов и требуется выявить общие черты полученных в
результате треморограмм. Т.е., необходимо отыскать некоторую совокупность характеристик
треморограмм, которые можно было бы использовать в качестве ключевых признаков определённого
функционального состояния. В частности, на первом этапе предполагается сосредоточиться на реализации
математического аппарата дифференциальной диагностики людей с болезнью Паркинсона (БП),
характеризующейся специфическими моторными нарушениями. Залогом успешной терапии является
правильный и как можно раньше установленный диагноз. Разработка программного обеспечения (ПО),
направленного на помощь в установлении диагноза, и является одной из целей данной работы.
***********
Болезнь Паркинсона
Болезнь Паркинсона (БП) – это хроническое неврологическое заболевание, характеризующееся
медленной и прогрессирующей дегенерацией дофаминергических (ДА) нейронов в черной субстанции
(ЧС). Недостаточная выработка дофамина ведет к нарушению нормального функционирования базальных
ганглиев нигростриарного тракта, клинически проявляясь замедленностью и обеднением рисунка
движений (гипокинезией), пластическим повышением тонуса (ригидностью) мышц, неустойчивостью при
изменении позы (постуральная неустойчивость), тремором покоя, нарушением ходьбы, а также широким
спектром вегетативных и психических расстройств. [2] [3] [4] [5]
БП является частью паркинсонизма, обширного полиэтиологического неврологического синдрома,
ядро клинической картины которого составляет акинетико-ригидный синдром – двигательные
расстройства, проявляющиеся бедностью и замедлением активных движений и своеобразным повышением
мышечного тонуса [5]. БП выделена в отдельную нозологическую форму, так как другие заболевания, имея
общий синдром двигательных нарушений, значительно отличаются по этиологии и патогенезу и часто не
чувствительны к классической противопаркинсонической терапии [5] [6].
При БП поражаются структуры экстрапирамидной системы – базальные ядра и чёрная субстанция
(ЧС), голубое пятно, красные ядра. Наиболее выраженные изменения отмечают в передних отделах ЧС.
Характерные для БП симптомы, однако, возникают при гибели порядка 70 % нейронов, что остро ставит
проблему ранней диагностики БП [5] [6].
Для включения в группу риска сегодня широко используются маркеры в виде нарушения
немоторных функций, которые являются составной частью клинической картины БП и могут появляться за
несколько лет до развития основных двигательных симптомов заболевания [8] [7] [9] [47]. Например, такой
признак как снижение обоняния (гипоосмия) является одним из наиболее частых немоторных симптомов
при БП и наблюдается примерно у 80% пациентов [7] [5] [13] [14] [16] [47]. Распространены нарушения
сна, такие как, нарушение поведения в фазу сна с быстрыми движениями глаз, инсомния, гиперсомния,
фрагментация сна, избыточная дневная сонливость [7] [5] [11] [14] [15] [19] [47]. Депрессия, апатия,
различные психотические нарушения, бред, делирий, психоз, могут наблюдаться по различным оценкам от
30% до 70% случаев БП [7] [5] [14] [15] [20] [21] [22]. Также распространены различные зрительные
нарушения [17] [18] [47]. Нередко встречается ортостатическая гипотензия, вероятно обусловленная
кардиосимпатической и вазомоторной денервацией [7]. Запор также является частым проявлением БП и
встречается у 30–60% пациентов [7] [8] [5] [11] [47]. Также выделяют профузное потоотделение в
холодную погоду, учащенное и/или императивное мочеиспускание, усиленное слюнотечение в ночное
время, эректильную дисфункцию и многое другое [47].
Другую группу ранних маркеров БП составляют биохимические изменения состава ликвора и крови,
а также изменения экспрессии генов и фенотипа клеток крови. Выявляют содержание в крови и ликворе
нейротрансмиттеров и их метаболитов, специфические картины цитокинового профиля про- и
противовоспалительных цитокинов и др. [10] [12].
Очевидно, однако, что вышеперечисленные признаки не являются специфичными для БП, и, как
правило, их наличие отмечается уже постфактум, при проявлении типичных моторных симптомов.
Более четкую информацию сегодня могут дать различные нейровизуализационные методики.
Например, данные сонографического исследования показывают корреляционную зависимость между
суммарной площадью гиперэхогенной черной субстанции, связанной с накоплением в ней железа, и
стадией развития БП [24] [23] [25] [47]. Данные МРТ головного мозга позволяют заметить выявленные
характерные закономерности изменения структур мозга [26] [27] [47]. Исследования на ПЭТ и ОФЭКТ с
применением специфических радиоизотопных лигандов, таких как, F18-флюородопа, 11С-раклоприд
(лиганд D2-рецепторов), 11C-метилпиперидилпропионат ацетилхолинестеразы (маркер холинергической
системы), позволяют определять дефицит синтеза и хранения дофамина в пределах пресинаптических
стриарных терминалей и фиксировать количество специфических рецепторов ДА-системы [28] [5] [29] [10]
[30] [31] [47]. Аналогично и технология 1Н-ЯМР-спектроскопии (магнитно-резонансная спектроскопия,
МРС), предназначена для изучения церебрального метаболизма, позволяя выявлять региональное снижение
пластичности мозга, вызванное при БП снижением активности ДА-системы [32] [33]. Очевидно, однако,
что повсеместное и регулярное применение таких технологий невозможно в связи с их сложностью и
дороговизной.
***********
Тремор
Существует клиническая классификация тремора, описанная группой исследования тремора
Международного Фонда Тремора (Tremor Investigation Group (TRIG) Criteria) и Обществом Расстройства
Движения (Movement Disorder Society (MDS)). Важно, что тремор, далеко не всегда есть синоним
патологии. Физиологический тремор – лёгкий быстрый типично низкоамплитудный тремор пальцев рук,
век, иногда головы, возникает и усиливается при мышечном напряжении, утомлении, охлаждении или
эмоциональном возбуждении, и может достигать высокой частоты (8-12 Гц). Наиболее простой, легко
распознаваемый вариант паталогического тремора – первичный ортостатический тремор – постуральный
тремор низких структур ствола мозга, и, возможно, верхней группы мышц во время определённого
положения, сидя или откинувшись в кресле, в большинстве случаев подавляется при ходьбе, обычно
характеризуется высокой частотой в диапазоне 13-18 Гц. Другие виды паталогического тремора имеют
гораздо более расплывчатые характеристики. Можно выделить: дистонический тремор; тремор
определённого положения; синдром паркинсонического тремора; старческий (сенильный) тремор; тремор
при эмоциональном напряжении; истерический тремор; тремор при метаболических отклонениях
(тиреотоксикоз, гипогликемия, феохромацитома) и применении лекарственных средств (симпатомиметики,
литий, вальпроаты); алкогольный тремор; ознобоподобный тремор; синдром невротического тремора;
миоритмия; психогенный тремор; тремор при поражениях мозжечка и другие [51] [52].
Тремор часто классифицируют на основании числа повторений полных форм волны в секунду
(частота). У физиологического тремора, например, обычно довольно высокая частота (8-12 Гц),
паталогический тремор, напротив, характеризуется низкой частотой 2-7 Гц, и, иногда, наоборот,
увеличенной, более 12 Гц [51]. Но, как было отмечено выше, идентифицировать заболевание на основании
только фиксации частотно-амплитудных характеристик тремора, почти не возможно.
Патофизиология тремора может быть сведена к четырем основным механизмам [72]. Первый -
механический тремор, второй – рефлекторный, возникающий в результате осцилляций в рефлекторных
дугах, третий – обусловленный активностью центрального осциллятора (группы нейронов ЦНС,
являющейся источником осцилляций), четвертый – тремор, возникающий в результате дисбаланса
контролирующих связей в ЦНС.
Механический тремор [84] является наиболее простым. Он представляет собой собственную
резонансную частоту колебаний конечностей возникающих даже в полном покое, при отсутствии какой-
либо активности на ЭМГ, за счет жесткости и инертности колеблющейся системы. В качестве
возбуждающих резонансные колебания факторов могут выступать биения сердца, дыхательные движения и
т.п. Физиологический тремор, согласно [84], также имеет механическую составляющую. Характерное для
различных поз и движений различное напряжение мышц повышает нестабильность колебательной
системы. Таким образом, при акселерометрическом исследовании можно наблюдать некоторую различную
для разных положений преобладающую частоту, в то время как ЭМГ-спектр имеет «плоскую» форму без
какого-либо выделяющегося частотного пика [72].
Второй механизм опосредуется осцилляцией в рефлекторных дугах. Любое движение
сопровождаться растяжением мышц-антагонистов, что вызывает поток афферентной импульсации, тем
самым, напряжение разгибателей вызовет растяжение сгибателей и наоборот [72]. Рефлекторная
составляющая тремора при ЭМГ анализе выглядит как преобладающий частотный пик, смещающийся в
сторону более низких значений частоты при нагрузке весом на конечность [72].
Ведущую роль в патологии имеют центральные механизмы. Существует две гипотезы, объясняющие
природу центрального осциллятора [72]. Одна из них предполагает наличие нейронных контуров, по
которым циркулирует волна деполяризации, генерируя осцилляции определенной частоты. В соответствии
со второй гипотезой центральный осциллятор представляет собой группу нейронов, обладающих
спонтанной ритмической активностью и синхронизированных посредством межнейрональных связей. В
результате, когерентный анализ с одновременной регистрацией нескольких сигналов, например ЭМГ с
двух мышечных групп или ЭМГ и ЭЭГ, играет большое значение в изучении патофизиологии тремора,
поскольку позволяет сравнивать два различных осцилляторных процесса и выявлять наличие и свойства
центрального осциллятора [34] [71] [72]. При наличии единственного центрального осциллятора все
вовлеченные в тремор мышцы должны демонстрировать активность с высокой когерентностью на
определенной частоте, что было показано лишь для первичного ортостатического тремора [72]. Для других
видов тремора такой анализ сложнее, но обладает высокой информативностью.
***********
Сравнение ЭТ и БП тремора
Типичной, наиболее подробно рассмотренной проблемой в этой области является различение
эссенциального тремора (ЭТ) и БП по особенностям тремора (частота, амплитуда, паттерны,
распределение). Отличить ЭТ от БП зачастую довольно сложно, как на ранних стадиях этих заболеваний,
так и при их прогрессировании. Различные типы тремор (покоя, постуральный, движения) могут
присутствовать как при ЭТ, так и при БП. Еще больше усложняет картину тот факт, что ЭТ и БП часто
встречаются совместно у одного и того же пациента. Поэтому помимо неврологического обследования
клинической картины заболеваний, необходимы и другие методы различения ЭТ и БП.
Количественный анализ тремора обычно включает в себя акселерометрию и/или поверхностную
ЭМГ, позволяя оценить частоту и амплитуду тремора . Например, в исследовании при оценке тремора 22
пациентов с БП и 20 с ЭТ с помощью акселерометрии и ЭМГ конечностей в различных положениях, более
95% случаев БП показали частоту тремора в диапазоне 4-6 Гц, а в 95% случаев ЭТ – в диапазоне 5-8 Гц. То
есть, по этому показателю, хотя диапазоны частот тремора значительно отличаются, наблюдается
существенное их перекрытие. Средняя амплитуда тремора достоверно не отличается в большинстве
позиций за исключением тремора покоя.
Широко распространен тест с рисованием спирали Архимеда, оценка которой может проводиться
визуально или при помощи компьютерного анализа. Исследования ЭТ чаще всего выявляют у пациентов
четко выделенный сектор спирали, характеризующийся наибольшим отклонением, тогда как при БП таких
осей отклонения обычно несколько. Коррелируют также показатели тяжести тремора с плотностью и
диаметром спирали.
Существуют работы, анализирующие широко распространённый дистонический тремор. Этот вид
тремора имеет частоту ниже, чем у классического эссенцииального тремора, в среднем около 5 Гц (от 4 до
10 Гц, чаще всего 3-7 Гц). Кроме того, у больных с дистонией также может возникать тремор в части тела,
не вовлеченной в дистонический гиперкинез, что еще больше усложняет выявление таких состояний. При
развитии дистонии, как и при развитии БП, отмечают постепенное изменение почерка. Причем, что важно в
контексте предлагаемой работы, часто наблюдается усиление тремора при статическом напряжении. ЭМГ-
треморография таких больных выявляет свои особенности треморограмм. Например, в дистальных отделах
руки могут наблюдаться отрывистые, нерегулярные низкочастотные осцилляции, усиливающиеся в
определенных фиксированных позах («дистонический» тип кривой).
***********
Суть компонентного анализа можно описать следующим образом [47] [1]. Несмотря на то, что как
отмечено выше, существует концепция центрально осциллятора, наряду с этим в организме существует
достаточно много генераторов колебаний, наложение (суперпозиция) которых формирует картину в
отдельно взятой точке [1]. В итоге, процесс f(t) можно описывать как сумму колебаний fi(t), где каждое
отдельное колебание (компонента) формируется отдельным генератором. Задачей компонентного анализа
является выделение компонент в результирующем процессе. Автором методики [47] предложен
следующий алгоритм: 1. Отыскиваются характерные точки исходных кривых. 2. Строится
интерполяционная кривая по выделенным точкам. 3. Найденная кривая вычитается из исходной, получая
отдельную компоненту. 4. Если найденная компонента достаточно гладкая, то завершаем процесс. 5. Иначе
повторяем алгоритм для выделенной компоненты.
При подходе с анализом рекуррентных функций треморограммы также рассматриваются как
результат наложения большого числа колебаний с меняющимися амплитудой и частотой [48] [1]. Ряды
Фурье хорошо описывают линейные системы, однако имеются некоторые существенные ограничения в
случае нелинейных систем [1]. Рекуррентные функции на основе почти периодических функций уже не
составляют линейного пространства. Множество рекуррентных функций, однако, разлагается на так
называемые эргодические классы, неразложимые, возвратные или существенные классы, каждый из
которых имеет свои средние характеристики.
***********
t2
1 b i 2 f t
(t) e
e c
b
где, fc – центральная частота функции ψ(t) (положение глобального максимума преобразования Фурье
Ψ материнского вейвлета ψ), и b>0 - параметр пропускной способности.
Вейвлет-анализ позволяет исследовать неустойчивый и нелинейный сигнал ЭМГ [86] [98]. Найдя
подходящий глобальный параметр (или набор параметров), извлеченный из локальных вейвлет-спектров
мощности, можно надеяться достаточно точно классифицировать сигнал.
Вейвлеты (wavelet) представляют собой математические функции, позволяющие анализировать
частотные компоненты сигнала. Впервые вейвлеты были предложены еще в начале XX века. Альфредом
Хааром. Однако активное их использование началось только с середины 80-х гг. XX века. В это время были
построены большинство вейвлетов, используемых сегодня для разложения сигналов по масштабу и
времени. К сегодняшнему дню они были опробованы на различных проблемах в различных областях
прикладной математики, инженерии, биологии и медицины [86]. Несмотря на то, что теория вейвлет-
преобразования уже в основном разработана, активное практическое использование вейвлетов только
начинается. По данным базы PubMed, начиная с 2010 года, было опубликовано 3138 статей с ключевыми
словами wavelet transform (вейвлет-преобразования), а за весь период до 2010 года – 3152 статей. Благодаря
возможности анализа переходных процессов и нестационарных сигналов, вейвлеты стали мощным
инструментом, расширяющим стандартные методики преобразования Фурье. Существуют различные
работы, использующие вейвлет-преобразование сигналов с целью анализа ЭКГ [87] [94], ЭЭГ [88] [95] [96]
[97], давления в микрососудах легких [89], а также различные работы для анализа результатов
поверхностной ЭМГ [86] [90] [91] [93].
Причем, в этом случае, функция 1.4 не совсем соответствует условию 1.3. Лишь принимая условие
fc=6, можно рассматривать условие практически выполненным, что, однако, на практике не мешает
использованию вейвлета.
Как правило, именно выбор вейвлета и масштаба преобразования и становится основной проблемой,
возникающей при вейвлет-анализе. Необходимо подобрать вейвлет, который позволит эффективно
преобразовать сигнал и выделить его значимые характеристики. Такой выбор, в сущности, является
интуитивным. Разработка полноценного программного обеспечения для такого рода анализа, позволит
включать в состав программного комплекса различные алгоритмы анализа и анализировать одни и те же
треморограммы разными способами, что в перспективе позволит выявить существенные
характеристики треморограмм и определить рекомендуемые для выявления определённых
функциональных состояний типы анализа.
В работе [86] проводили вейвлет кросс-анализ ЭМГ сигнала большой грудной мышцы и задней части
дельтовидной мышцы во время совершения горизонтальных маховых движений. Локальный вейвлет-
спектр для частоты k определяли по формуле:
2
1 k
P(k, t) W ( 0 , t) ,k 0
2C k0 k
Рис 1. Вейвлет кросс-спектра при БП. Показаны ЭМГ большой грудной мышцы (mp) и задней части
дельтовидной мышцы (pd). Центральный эскиз отражает вейвлет кросс-спектр с частотой в
логарифмическом масштабе. Справа показан глобальный вейвлет-спектр мощности сигнала. Рисунок из
[86].
Рис 2. Вейвлет кросс-спектра здорового человека. Рисунок из [86].
Даже на первый взгляд можно отметить, что для пациентов с БП распределение мощности по
времени и частоте оказывается очень широким, с высокими интегральными значениями мощности
вейвлета. Для здоровых испытуемых, мощности хорошо локализованы на меньшем спектре частот и,
следовательно, имеют более низкое интегральное значение вейвлет-мощности. (можно сравнить с вейвлет-
спектрами других ЭМГ сигналов в приложении) Т.е., ожидаемо хорошо проявляется распределенная по
всему спектру низкочастотная нерегулярная активность поврежденных нейронов ЧС. Авторы [86] также
отмечают, что интегральные величины, вычисленные с помощью вейвлет-анализа, существенно
отличаются от результата обработки любой эквивалентной функцией Фурье, поскольку в данном случае
можно выбрать отдельные временные интервалы, действительно значимые с точки зрения тех или иных
энергетических особенностей сигнала.
Непрерывное вейвлет-преобразование, как можно видеть на рисунках 1 и 2, содержит существенное
количество информации, зачастую избыточной, что может и помешать проанализировать полученную
картину. Этот набор данных, однако, вполне можно и отфильтровать, найдя среди всей полученной
совокупности, наиболее существенные для данного типа анализа характеристики. В частности, в [86]
подсчитали интегральный показатель, названный ими глобальной мощностью вейвлета (PCQ),
представляющий результирующую 10 исследований пациента, проведенных с интервалами 30-120 секунд.
Ниже, на рис. 3 представлен эскиз из работы [94]. Обработка сигналов ЭКГ в ней велась при помощи
вейвлета Добеши шестого порядка. В итоге видно, что обработанный сигнал в масштабе 2 5 позволяет
выявить наиболее существенные элементы сигнала. Тогда как масштаб 2 1 и 22 усиливает высокочастотные
компоненты, которые в данном сигнале являются шумом. На рис.1 в масштабе 2 5 можно четко видеть не
только пики R, но и очищенные от шума Q- и S-морфемы, находящиеся в пределах 0.1 сек от R-пика.
Рис 3. Обработка ЭКГ вейвлетом Добеши шестого порядка. Исходный сигнал показан сверху, ниже
расположены сигналы, обработанные в разном масштабе a. Рисунок из [94].
Далее рассмотрим варианты анализа ЭЭГ [96] [97]. На рис. 4 представлен вариант анализа ЭЭГ
сигнала при помощи вейвлета Морле (1.1) для распознавания σ-ритма [96].
Рис. 4. Пример анализа ЭЭГ сигнала для распознавания σ-ритма. S(t) – исходный сигнал; F’(t) –
сигнал, полученный в результате вейвлет-преобразования и пропущенный через фильтр; Sp(t) – сигнал
F’(t), преобразованный в пороговый ориентируясь на значения th1 и th2; Se(t) – пороговый сигнал,
полученный из исходного экспертом. Рисунок из [96].
Интересно, что у пациентов с 3-й, более тяжелой, стадией заболевания отчетливо наблюдалось общее
снижение частоты вспышек в район 6,5-8 Гц [97]. Тогда как, у всех пациентов с начальной стадией БП на
вейвлет-спектрограммах вспышечная активность наиболее высокой амплитуды наблюдалась в частотном
диапазоне от 7 до 13 Гц (рис. 8). Эти данные хорошо соотносятся с другими работами, отмечающими
смещение мощности сигнала в низкочастотный спектр. В частности анализ ЭМГ также показывает
появление низкочастотных вспышек у больных с БП [72].
Итак, в ряде работ сегодня проведены различные варианты вейвлет-анализа ЭМГ с выделением
некоторых возможных параметров оценки полученного вейвлет-спектра. Точного ответа, какие параметры
сигнала характеризуют определённые функциональные состояния, сегодня нет. Очевидна необходимость
продолжения такой работы, с более тщательным статистическим анализом результатов, вовлечением все
большего числа пациентов и расширением набора тестов. Чему может помочь разрабатываемое нами
программное обеспечение.
***********
Методика
Опишем методику проведения исследования и сформулируем принципиальную схему
программного комплекса для проведения исследования.
Для получения треморограммы разработано программное обеспечение (ПО), фиксирующее
перемещение компьютерной мыши рукой испытуемого. Формирование треморограммы происходит в
результате фиксации перемещения указателя мыши в генерируемом программой лабиринте. Длина, ширина
и число поворотов в лабиринте задается исследователем или выбирается случайным образом. Кроме этого,
имеется набор фиксированных стандартных лабиринтов. Программа предполагает возможность создания
таких стандартных лабиринтов. Очевидно, что их число и вид будет меняться по мере набора статистики по
различным исследованиям.
Помимо окна фиксации треморограммы, разрабатываемое ПО должно включать в себя базу данных
(БД) с первичной информацией о пациентах и их треморограммах. После прохождения испытания,
параметры лабиринта в этом испытании и числовой массив, представляющий собой набор точек
треморограммы, сохраняется в базе данных для этого испытуемого. Таким образом, создается возможность
анализа данных треморограмм конкретного пациента, например, для отслеживания динамики изменения
состояния. Также необходимо включить возможность анализа треморограмм групп пациентов, для
выявления типичных черт заболевания конкретной этиологии. Учитывая сложность подобного анализа,
очевидно, что система будет включать в себя большой набор утилит, анализирующих различные аспекты
содержащихся в БД данных. Такая система может постепенно пополняться различного рода утилитами, что
позволит неограниченно расширять возможности разрабатываемого ПО.
Вейвлет кросс-спектр при БП. Показаны ЭМГ большой грудной мышцы (mp) и задней дельтовидной
мышцы (pd). Центральный эскиз отражает вейвлет кросс-спектр с частотой в логарифмическом масштабе.
Справа показан глобальный вейвлет-спектр мощности сигнала. Рисунок из [86].
Вейвлет кросс-спектр здорового человека. Рисунок из [86].
Вейвлет кросс-спектр при БП. До и после приема медикаментов, ЭМГ сигналы с бицепса и трицепса.
Показаны Рисунок из [93].
Список литературы