Анализ связи различных патологий со степенью мультифрактальности электрической активности мозга
- Авторы: Дик О.Е.1
-
Учреждения:
- Институт физиологии им. И.П. Павлова РАН
- Выпуск: Том 55, № 1 (2024)
- Страницы: 63–73
- Раздел: Статьи
- URL: https://journals.rcsi.science/0301-1798/article/view/255717
- DOI: https://doi.org/10.31857/S0301179824010064
- ID: 255717
Цитировать
Аннотация
Обзор посвящен анализу связи динамических изменений в паттернах электрической активности мозга при возникновении психических расстройств в форме параноидной шизофрении и депрессии и в паттернах активности мозга при сердечно-сосудистой патологии, связанной с фибрилляцией предсердий постоянной формы, а также показателей мультифрактальности исследуемых паттернов. Для оценки этих показателей электроэнцефалографических паттернов описаны метод мультифрактального анализа на основании поиска максимумов модулей вейвлет-коэффициентов, а для выделения в спектре мощности фрактальной компоненты паттерна – метод автоспектрального анализа с нерегулярной передискретизацией. Показано, что основные отличия мультифрактальных свойств электрической активности мозга в норме и при патологии заключаются в разной ширине спектра мультифрактальности и его расположении, связанном с различными типами последовательных значений паттернов. В связи с этим показатели мультифрактальности могут служить информативными маркерами нейрональных нарушений и могут быть включены в комплекс тестов для исследования различных патологий.
Ключевые слова
Полный текст
Об авторах
О. Е. Дик
Институт физиологии им. И.П. Павлова РАН
Автор, ответственный за переписку.
Email: dickviola@gmail.com
Россия, 199034, Санкт-Петербург
Список литературы
- Дик О.Е. Анализ степени мультифрактальности различных компонент электроэнцефалограмм при сердечно-сосудистой патологии // Интегративная физиология. 2022. Т. 3, № 4. С. 463–473.
- Дик О.Е., Ноздрачев А.Д. Механизмы изменения динамической сложности паттернов физиологических сигналов: научная монография. СПб.: Изд-во Санкт-Петербургского университета, 2019. 200 с. ISBN 978-5-288.
- Acharya UR, Faust O, Kannathal N, Chua T, Laxminarayan S. Affiliations expand. Non-linear analysis of EEG signals at various sleep stages // Comput. Methods Programs Biomed. 2005. V. 80. P. 37–45.
- Alamian G., Lajnef T., Pascarella A., et al. Altered brain criticality in schizophrenia: new insights from magnetoencephalography // Front. Neural Circuits. 2022. V. 16. P. 167–178. https://doi.org/10.3389/fncir.2022.630621
- Arneodo A, Bacry E, Muzy J.F. The thermodynamics of fractals revisited with wavelets // Physica A. 1995. V. 213. P. 232–275.
- Bachmann M., Suhhova A., Lass J., et al. Detrended fluctuation analysis of EEG in depression // In: Roa Romero, L. (eds) XIII Mediterranean conference on medical and biological engineering and computing. 2013. IFMBE Proc. 41. Springer, Cham.
- Bacry E, Muzy JF, Arneodo A. Singularity spectrum of fractal signals: exact results // J. Statist. Phys. 1993. V. 70. P. 635–674.
- Begic D., Hotujac L., Jokic-Begic N. Quantitative EEG in 'positive' and 'negative' schizophrenia // Acta Psychiatrica Scandinavica. 2000. V. 101. P. 307–311.
- Dick O.E. From healthy to pathology through a fall in dynamical complexity of involuntary oscillations of the human // Neurocomputing. 2017. V. 243. P. 142–154.
- Dick O.E., Mochovikova I.A. Multifractal and wavelet analysis of epileptic seizures // In: Skiadas C.H., Dimotikalis I., Skiadas C, eds. Chaos Theory: Modeling, Simulation and Applications, World Scientific Publishing. 2011. P. 159–166.
- Dick O.E., Svyatogor I.A. Potentialities of the wavelet and multifractal techniques to evaluate changes in the functional state of the human brain // Neurocomputing. 2012. V. 82. P. 207–215.
- Dick O.E., Murav’eva S.V., Lebedev V.S., Shelepin Yu.E. Fractal structure of brain electrical activity of patients with mental disoders // Front. Physiol. 2022. V. 13. P. 1–13.
- Eke A., Hermann P., Kocsis L., Kozak L.R. Fractal characterization of complexity in temporal physiological signals // Physiol. Meas. 2002. V. 23. P. 1–38.
- Eke A., Herman P., Bassingthwaighte J.B, et al. Physiological time series: distinguish fractal noises from motions // Eur. J. Physiol. 2000. V. 439. P. 403–414.
- Harris A., Melkonian D., Williams L., Gordon E. Dynamic spectral analysis findings in first episode and chronic schizophrenia // Int. J. Neuroscience. 2006. V. 116. P. 223–246.
- Harris A.W.F., Bahramali H., Slewa-Younan S. et al. The topography of quantified electroencephalography in three syndromes of schizophrenia // Int. J. Neuroscience. 2001. V. 107. P. 265–278.
- Ihlen E.A.F. Introduction to multifractal detrended fluctuation analysis in Matlab // Front. Physiol. 2012. V. 3. P. 141–159.
- Ihlen E.A.F., Vereijken B. Interaction dominant dynamics in human cognition: beyond 1/fα fluctuations // J. Exp. Psychol. Gen. 2010. V. 139. P. 436–463.
- Ivanov PC, Amaral LA, Goldberger AL, et al. Multifractality in human heartbeat dynamics // Nature. 1999. V. 399. P. 461–465.
- John J.P., Rangaswamy M., Thennarasu K., et al. EEG power spectra differentiate positive and negative subgroups in neuroleptic-naive schizophrenia patients // J. Neuropsych. Clin. Neurosci. 2009. V. 21. P. 160–172.
- Knott V., Labelle A., Jones B., Mahoney C. Quantitative EEG in schizophrenia and in response to acute and chronic clozapine treatment // Schizophrenia Res. 2001. V. 50. P. 41–53.
- Kwok C.S., Loke Y.K., Hale R. et al. Atrial fibrillation and incidence of dementia: a systematic review and meta-analysis // Neurology. 2011. V. 76. P. 914–922.
- Lee Y.J., Huang S.Y., Lin C.P. et al. Alteration of power law scaling of spontaneous brain activity in schizophrenia // Schizophr. Res. 2021. V. 238. P. 10–19.
- Mielke M.M., Rosenberg P.B., Tschanz J. et al. Vascular factors predict rate of progression in Alzheimer disease // Neurology. 2007. V. 69. P. 1850–1858.
- Mukli P., Nagy Z., Racz F.S., Herman P., Eke A. Impact of healthy aging on multifractal hemodynamic fluctuations in the human prefrontal cortex // Front. Physiol. 2018. V. 9. P. 1072–1085.
- Muzy J.F., Bacry E., Arneodo A. Multifractal formalism for fractal signals: the structure-function approach versus the wavelet-transform modulus-maxima method // Phys. Rev. 1993. V. 47. P. 875–884.
- Nikulin V.V., Jönsson E.G., Brismar T. Attenuation of long-range temporal correlations in the amplitude dynamics of alpha and beta neuronal oscillations in patients with schizophrenia // NeuroImage. 2012. V. 61. P. 162–169.
- Nurujjaman M., Narayanan R., Iyengar S. Comparative study of nonlinear properties of EEG signals of normal persons and epileptic patients // Nonlinear Biomed. Physics. 2009. V. 3. P. 6–12.
- Pavlov A.N., Anishenko V.C. Multifractal analysis of complex signals // Phys.-Uspekhi. 2007. V. 177. P. 859–876.
- Popivanov D., Stomonyakov V., Minchev Z. et al. Multifractality of decomposed EEG during imaginary and real visual-motor tracking // Biol. Cyber. 2006. V. 94. P. 149–156.
- Qianli M.A., Xinba N., Jun W., Bian C. A new measure to characterize multifractality of sleep electroencephalogram // Chinese Science Bulletin. 2006. V. 51. P. 3059–3064.
- Racz F.S., Stylianou O., Mukli P., Eke A. Multifractal and entropy-based analysis of delta band neural activity reveals altered functional connectivity dynamics in schizophrenia // Front. Syst. Neurosci. 2020. V. 14. P. 49–53.
- Racz F.S, Farkas K., Stylianou O., et al. Separating scale-free and oscillatory components of neuralactivity in schizophrenia // Brain Behav. 2021. V. 11. P. 47–58.
- Ranlund S., Nottage J., Shaikh M., et al. Resting EEG in psychosis and at-risk populations -A possible endophenotype? // Schizophrenia Research. 2014. V. 153. P. 96–102.
- Santangeli P., Di Biase L., Bai Rong et al. Atrial fibrillation and the risk of incident dementia: a meta-analysis // Heart Rhythm. 2012. V. 9. P. 1761–1780.
- Sassi R., Signorini M.G., Cerutti S. Multifractality and heart rate variability // Chaos. 2009. V. 19. P. 028507-1-5.
- Scafetta N., Moon R.E., West B.J. Fractal response of physiological signals to stress conditions, environmental changes, and neurodegenerative diseases // Complexity. 2007. V. 12. P. 12–17.
- Scafetta N., Marchi D., West B.J. Understanding the complexity of human gait dynamics // Chaos. 2009. V. 19. P. 026108-1-10.
- Slezin V., Korsakova E.A., Dytjatkovsky M.A. et al. Multifractal analysis as an aid in the diagnostics of mental disorders // Nordic J. Psych. 2007. V. 61. P. 339–342.
- Song I.H., Lee D.S. Fluctuation dynamics in electroencephalogram time series // In: Mira J., Alvarez J.R., eds. IWINAC: Springer-Verlag Berlin Heidelberg. 2005. P..281–304.
- Suckling J., Wink A.M., Bernard F.A., Barnes A., Bullmore E. Endogenous multifractal brain dynamics are modulated by age, cholinergic blockade and cognitive performance // J. Neurosci. Methods. 2008. V. 17. P.2 92–300.
- Takahashi T., Kosaka H., Murata T., et al. Application of a multifractal analysis to study brain white matter abnormalities of schizophrenia on T2-weighted magnetic resonance imaging // Psychiatry Res. Neuroimaging. 2009. V. 171. P. 177–188.
- Tislerova B., Brunovsky M., Horacek J. et al. LORETA functional imaging in antipsychotic-naive and olanzapine-, clozapine-and risperidone-treated patients with schizophrenia // Neuropsychobiology. 2008. V. 58. P. 1–10.
- Wang W., Zhang S., Ning X. A significant increase of multifractal behavior of schizophrenia's EEG // Chinese Biomed. Engin. Trans. 2004. V. 23. P. 511–515.
- Watters P.A., Martin F. A method for estimating long-range power law correlations from the electroencephalogram // Biol. Psychol. 2004. V. 66. P..79–89.
- Wen H.G., Liu Z.M. Separating fractal and oscillatory components in the power spectrum of neurophysiological signa // Brain Topography. 2016. V. 29. P. 13–26.
- Wend H., Abry P. Multifractality tests using bootstrapped wavelet leaders // IEEE Trans. Signal Process. 2007. V. 55. P. 4811–4820.
- Wink A.M., Bullmore E., Barnes A., Bernard F., Suckling J. Monofractal and multifractal dynamics of low frequency endognous brain oscillations in functional MRI // Human Brain Mapping. 2008. V. 29. P. 791–801.