СПОСОБ ДИАГНОСТИКИ НАРУШЕНИЙ ЦЕНТРАЛЬНОЙ НЕЙРОГОРМОНАЛЬНОЙ РЕГУЛЯЦИИ Российский патент 2004 года по МПК A61B5/02 

Изобретение относится к медицине, а именно к области системной функциональной диагностики, и может быть использовано при массовых скрининг обследованиях населения (диспансеризация разных групп населения, профессиональные осмотры) как на доклиническом этапе с целью ранней профилактики, так и на клиническом с целью оценки динамики развития любых патологических состояний. Обследование может проводиться и в стационарных, и в амбулаторных условиях. Возможно использование в области спортивной медицины для прогнозирования спортивных результатов и оценки риска травматизма у атлетов разного профиля.

Предлагаемый способ в теоретическом плане опирается на классические работы по нейрофизиологии, которые рассматривают процесс нервной регуляции (в более широком плане и нейрогормональной) как волновой и нелинейный по своей физической природе (А.А. Ухтомский).

Аналогом интегрального волнового подхода к анализу регулирующей функции вегетативной нервной системы является способ статистической обработки кардиоритмограммы (Баевский P.M. Математический анализ изменений сердечного ритма при стрессе. - М.: Наука, 1984). В первоначальном виде способ подразумевает регистрацию временных интервалов RR ЭКГ и статистическую обработку производных величин (М₀ - мода, АМ₀ - амплитуда моды, Δ_x - вариационный размах) с последующим расчетом индекса напряжения по формуле

и построением гистограмм. При всех достоинствах метода целью его является определение реактивности вегетативной нервной системы, а не всего организма в целом.

Известны и другие способы статистического анализа вариабельности сердечного ритма с целью выявления нарушений вегетативной регуляции сердца (Миронова Т.Ф., Миронов В.А. SU 1718801 А1, от 15.03.92; Миронов В.А. RU 2068650 С1, от 10.11.96; Миронов В.А. RU 2099004 С1, от 20.12.97; Клочева Е.Г. RU 2172615 С1, от 12.17.1999). При этом указанные авторы используют определение степени симпатико-вагального дисбаланса для оценки состояния не только сердечно-сосудистой системы, но и состояния других систем организма.

По сравнению с первым аналогом помимо гистограммы RR-интервалов строится скатерограмма и диаграммы распределения мощностей волн, т.е. используется метод анализа, который называется спектральным. Суть его основывается на физическом преобразовании колебаний кардиоритма в простые гармонические колебания (быстрое преобразование Фурье, реже ауторегрессивный анализ). При этом последовательность сердечных сокращений преобразуется в спектр мощности колебаний длительности интервалов RR. Такой спектр представляет собой последовательность частот в Гц, характеризующих динамику ритмов сердца, каждой из которых соответствует определенная плотность (амплитуда) колебаний. Наиболее часто оценивается площадь, ограниченная кривой спектральной мощности, соответствующая определенному диапазону частот, т.е. мощность ограниченного диапазона. О степени нарушения вегетативного баланса судят по комплексу индикаторов, в качестве которых выбирают соотношение значения мощностей волн, а также значения дифференциального индекса ритма и триангулярного индекса. Крайняя степень вегетативного дисбаланса отмечается при снижении мощностей всех спектральных составляющих, снижении значения триангулярного индекса и повышении дифференциального индекса ритма. Оценку прогноза заболевания производят по функциональной зависимости полученных ранее результатов при крайне низкой мощности медленных волн второго порядка (МВ2).

Все перечисленные способы анализа вариабельности сердечного ритма не дают интегральной оценки организма. Попытка сделать это в рамках статистического подхода была реализована другими авторами (Савицкий В.В., Суетина Д.А. RU 2083155 С1, от 10.07.97; Дзюба К.В., Говоров B.C. RU 2100958 C1, от 10.01.1998; Успенский В.М. RU 2163088 С1, от 20.02.2001).

Первый способ (Савицкий В.В., Суетина Д.А.) состоит в следующем.

Регистрируют RR-интервалы и проводят энтропийный анализ сердечного ритма по определенной формуле (учитывается как количество интервалов данной длительности в выборке из 100, так и вероятность их появления в этой же выборке). При значении Е 50-70 усл.ед. состояние регуляторных механизмов признается оптимально устойчивым, при Е выше 70 усл.ед. констатируется напряжение регуляторных механизмов или их рассогласование. Способ позволяет, по мнению авторов, оценить состояние организма как целостной системы.

Второй способ (Дзюба К.В. и Говоров B.C.) позволяет проводить экспресс-диагностику злокачественных новообразований и состоит в следующем. Регистрируют от нескольких сотен до нескольких тысяч RR-интервалов и проводят их математическую обработку с определением статистических показателей ритмограммы: среднего значения RR-интервалов (МЧ), дисперсии (ДЧ), асимметрии (АЧ) и эксцессы моды (ЕЧ), гладкости (S4) и вероятности (Р) динамики изменения длительности RR-интервалов в сторону увеличения или уменьшения, формируют так называемый "код" ритмограммы в виде последовательности вычисленных значений МЧ, ДЧ, АЧ, ЕЧ, S4 и Р, определяют ближайший код больного и ближайший код здорового по евклидову расстоянию между кодом обследуемого и имеющимися в выборке кодами ритмограмм групп здоровых и больных онкологическими заболеваниями, вычисляют распознающую функцию по формуле. Способ позволяет, по мнению авторов, выявлять злокачественные новообразования, в том числе на ранних стадиях независимо от локализации.

Третий способ (Успенский В.М.) как наиболее близкий к заявленному имеет принципиальное отличие от второго, т.к. базируется на известных положениях теории передачи сигналов связи (Шеннон К., 1963), согласно которой импульсный процесс любой физической природы, подвергнутый амплитудной, частотной и фазовой модуляции по определенному принципу, согласно кодированию, следует рассматривать как информационный поток, а импульсы, их составляющие, - в качестве сигналов, обладающих семантикой. Применительно к электрокардиосигналу модуляция параметров кардиоимпульсов наиболее ярко проявляется в динамике изменений фактической амплитуды зубца Rn (ф) относительно соответствующей среднестатистической амплитуды зубца Rn (ср) - амплитудно-импульсная модуляция (АИМ), фактического временного интервала Тn (ф) относительно соответствующего среднестатистического временного интервала Тn (ср), которая при изменении частоты импульсов может рассматриваться как частотно-импульсная модуляция (ЧИМ), а при изменении фазы импульсов - в качестве фазово-импульсной модуляции (ФИМ). Существенным элементом способа является кодирование изменений амплитуды каждого фактического зубца Rn (ф) и временного интервала Тn (ф) в сравнении с соответствующими среднестатистическими величинами амплитуд аналогичных зубцов Rn (ср) и временных интервалов Тn (ср). При этом кодирование осуществляется как в одномерном варианте, предусматривающем оценку динамики каждого фактического показателя в сравнении с соответствующим среднестатистическим, так и в многомерном, когда символы представляют собой динамику сочетания изменений нескольких показателей. При этом семантика символов, используемых при каждом варианте кодирования, существенно отличается друг от друга по объему и качеству заложенной информации. На выходе формируются специфические кодограммы (“кодовые портреты”) здорового человека и больных с различными заболеваниями, что предусматривает процедуру их сопоставления с постановкой соответствующего диагноза по “информационному эталону”, хранящемуся в базе данных.

Задачей изобретения является повышение точности диагностики нарушений центральной нейрогормональной регуляции и оценки динамики развития любых патологических состояний.

Предлагаемый способ в отличие от перечисленных выше основан на фундаментальном физиологическом и системологическом представлении о том, что организм как целостность выражает себя в нейрогормональных связях, поддерживающих его единство. Поэтому существование такой системы невозможно без постоянного обмена информацией на всех уровнях организации от клеточного до организменного. Главная идея способа заключена в том, что любая вегетативная функция (ритмическая активность сердца) содержит в себе всю полноту информации о протекании данного процесса на всех уровнях управления им, а значит в ней будет отражена и функция организма в целом.

Согласно существующим анатомо-физиологическим представлениям управление сердечным ритмом выглядит следующим образом (фиг.1).

Уровень А. Периферический контур, автономный уровень. Отражает состояние регуляции сердечной деятельности на уровне сердца.

Уровень В. Центральный контур, вегетативный уровень. Отражает состояние вегетативного гомеостаза на уровне не выше продолговатого мозга.

Уровень С. Центральный контур, гипоталамо-гипофизарный уровень. Отражает состояние высших вегетативных центров, которые не являются симпатическими или парасимпатическими. На этом уровне проявляется двоякая природа регуляции: нервная и гормональная одновременно.

Уровень D. Центральный контур, центральная нервная система (ЦНС). Интегрирует и адаптирует перестройку организма под влиянием воздействий извне.

Все известные и перечисленные способы обработки кардиоритмограмм обеспечивают информацией о состоянии в пределах А и/или В уровней регуляции, но не затрагивают при этом информацию о состоянии ключевых (двуединых по своей природе) центральных структур управления.

Классические нейрофизиологические представления рассматривают идею непрерывности и устойчивости работы механизмов управления только через сопряжение разноинерционных компонентов регуляции (быстрых - нервных и гормональных - медленных) во времени (идея хронотопа А.А. Ухтомского). Поэтому только извлечение сущностной волновой информации о параметрах управления на уровнях С и D обеспечивает выход на организменный уровень регуляции.

Для решения задачи впервые практически реализованы: идея геометрического анализа нелинейных хаотических колебаний кардиоритма с количественной оценкой, основанная на теории детерминированного хаоса (Г. Шустер, 1988) и идея нейродинамического кодирования, которая позволяет решать задачи анализа и синтеза сложных динамических объектов (кардиоритмограмма) посредством отыскания единых закономерностей во всей совокупности поступающих сигналов, что дает возможность синтезировать динамическую информационную структуру объекта (Ф. Розенблатт, 1965). Основной принцип - уход от традиционных статистических приемов (описанных выше способов) обработки последовательности кардиоинтервалов и исследование более точных приемов анализа исходного ЭКС.

Поставленная задача решается тем, что способ диагностики нарушений центральной нейрогормональной регуляции, включает следующие этапы: а) снимают электрокардиосигналы и выделяют из них пять ритмов: RR-интервалограмму (последовательность RR-интервалов), PR-интервалограмму (последовательность PR-интервалов), RT-интервалограмму (последовательность RT-интервалов), отношение амплитуд R и Т зубцов (последовательность значений отношения амплитуд R и Т зубцов) и скважность электрокардиосигнала (ЭКС) (последовательность значений отношения периода следования кардиокомплекса к его длительности);

б) проводят их математическую обработку, которая предусматривает, вариационный анализ RR-интервалограммы с построением гистограмм распределения, автокоррелограмм, скатерограмм и спектрограмм, выделение известных расчетных показателей, построение ломаной линии (хаосграммы) в системе координат, где по оси абсцисс отмечается длительность RR-интервала (в мс), а по оси ординат приращение данного интервала (в мс), разбивание картины хаосграммы на элементарные геометрические фигуры с различным количеством точек в них, далее выстраивание соотношения фигур в виде рейтинга, при этом используют следующие показатели: максимум рейтинга - количество точек, которые образовывались наиболее часто, расчетный показатель N1, который равен отношению суммы числа фигур с количеством точек 4, 5 и 6 к сумме фигур с количеством точек 2 и 3 в них, расчетный показатель N2, равный отношению суммы числа фигур с количеством точек 4, 5 и 6 к общему числу полученных фигур, расчетный показатель N3, равный отношению точек 4, 5, 6 к числу остальных фигур (с количеством точек менее 4 и более 6), все известные и вновь исчисленные показатели сводят в два индекса на основании разной их инерционности по отношению к внешним воздействиям;

в) производят нейродинамический анализ всех 5 ритмов, из каждого ритма выделяют волны 1-го порядка, представляющие собой огибающие этих ритмов: R-R(t)=f1(t), P-R(t)=f2(t), R-T(t)=f3(t), R/T=f4(t), RR(t)/PQRST(t)=f5(t), функцию исходного сигнала при этом заменяют конечным числом дискретных уровней, называемых уровнями квантования, огибающая уровней квантования представляет собой некоторую функцию g(t), с определенным приближением воспроизводящую исходный сигнал, формируют нейродинамический код, соответствующий анализируемому сигналу, в процессе сравнения мгновенных значений, описывающих его функции в моменты времени t₀ t₁, t₂,...t_n, которые последовательно сравниваются со значениями аппроксимирующей функции и в зависимости от знака результата сравнения либо формируется, либо отсутствует импульс нейродинамического кода h(t), при последовательном сравнении функций f(t) и g(t) через интервалы времени Т в моменты времени t₀ t₁, t₂,...t_n формируют сигнал после первичной нейродинамической обработки в виде последовательности бинарных импульсов h(t), причем процесс такого кодирования может быть записан в следующем виде:

где h₁(t) - соответствует появлению бинарного импульса,

h₀(t) - соответствует отсутствию бинарного импульса,

результат нейродинамической обработки ритмов в виде совокупности кодов складывают в виде нейродинамической матрицы, которую формируют тогда, когда сформируются все бинарные элементы нейродинамического кода самой низкочастотной модулирующей функции ЭКС, причем число бинарных элементов нейродинамического кода равно числу временных интервалов, содержащих нейродинамические коды, получаемые в результате обработки самой высокочастотной модуляционной характеристики ЭКС, набор расчетных характеристик нейродинамической матрицы сводят в два индекса на основании разной их инерционности по отношению к внешним воздействиям;

г) выделенные из ЭКС нейродинамические коды переносят в область частот мозговой активности с учетом периодичности временных интервалов в электроэнцефалосигнале (ЭЭС), которые определяются частотными и временными параметрами известных модуляционных характеристик ЭЭС, в основу указанного переноса положен принцип нейродинамического кодирования, который описывает непрерывный процесс перехода динамических параметров сигнала в различные масштабы пространственных, временных и частотных координат, для анализа полученного управляющего сигнала рассчитывают частотные составляющие (α, β, γ, θ, δ-волны) и модуляционные характеристики сигнала, затем результаты сводят в два индекса, которые группируются по принципу разной инерционности в ответ на внешние воздействия.

Согласно изобретению анализ ритмограммы проводится в несколько этапов. Для этого в состоянии покоя снимается ритмограмма сердца, записанная в реальном масштабе времени.

Первый этап анализа кардиоритмограммы включает традиционные статистические способы обработки: построение гистограмм, автокоррелограмм, скатерограмм и спектрограмм с выделением известных показателей.

Принципиально новым является использование геометрических приемов анализа кардиоритма с построением “хаосграммы” и последующей ее количественной оценкой; согласно законам нелинейной динамики изучаемый процесс необходимо рассматривать на фазовой плоскости. Применительно к динамике кардиоритма необходимо определять не только числовой параметр интервала RR (как это делалось во всех приведенных способах), но и рассчитывать первую производную его функции - скорость изменения RR-интервалов. Нелинейная динамика сердечного ритма определяется путем построения ломанной линии “хаосграммы” с последующей ее количественной оценкой.

Все показатели статистические и геометрические сводятся в два индекса; первый отражает степень сбалансированности симпатических и парасимпатических влияний на синусовый узел сердца (уровень А), а второй характеризует влияние более высоко расположенных центров вегетативной регуляции (уровень В).

Второй этап анализа кардиоритмограммы, называется нейродинамическим анализом. В отличие от традиционного подхода, когда анализу подвергается только RR-интервалограмма, в данном случае для технической реализации из электрокардиосигнала (ЭКС) выделяются 5 ритмов:

RR-интервалограмма (последовательность RR-интервалов);

PR-интервалограмма (последовательность PR-интервалов);

RT-интервалограмма (последовательность RT-интервалов);

отношение амплитуд R и Т зубцов (последовательность значений отношения амплитуд R и Т зубцов);

скважность ЭКС (последовательность значений отношения периода следования кардиокомплекса к его длительности).

При таком подходе обеспечивается извлечение из исходной ритмограммы сущностных временных параметров, характеризующих сопряжение в структуре кардиокомплекса медленных и быстрых компонентов волнового процесса управления. Далее из каждого ритма выделяются волны первого порядка, представляющие собой огибающие этих ритмов. Последующая нейродинамическая обработка этих ритмов - преобразование сигналов f1(t), f2(t), f3(t), f4(t), f5(t) в кодовую комбинацию по двоичному основанию, состоящую из последовательности импульсов, все параметры которых одинаковы (фиг.2).

С точки зрения математической статистики этот процесс представляет собой двухальтернативную ситуацию, одна сторона которой соответствует появлению импульса в нейродинамическом коде, а другая его отсутствию. Появление или отсутствие импульсов в нейродинамическом коде представляют собой взаимоисключающие друг друга события, а их совокупность соответствует матрице нейродинамических кодов, и, следовательно, представляет собой полную картину событий. Применение кодирования для анализа сложных биоэлектрических сигналов позволяет: во-первых, обнаружить в них нейродинамические коды, являющиеся достаточно устойчивыми и инвариантными к различным преобразованиям сигнала; во-вторых, определять оптимальное время наблюдения за источником сигнала, необходимое для получения полной информации о его параметрах.

С целью оценки функциональных сдвигов в процессе текущей адаптации была разработана нейродинамическая модель нейронных сетей. Она реализована в виде системы с конечным числом состояний, в которой происходит непрерывный динамический процесс последовательного перехода из одного дискретного состояния в другое. На выходе модели формируются нейродинамические коды, временная структура которых подчиняется единой закономерности, а количество позиций в информационном коде конечно и равно числу состояний модели. При системном рассмотрении нейродинамической модели нейронных сетей функциональные состояния организма человека можно интерпретировать как некоторые энергетические пороги или, что точнее, как уровни нейрогормонального управления. Это позволяет любые внешние и внутренние воздействия оценивать по номеру соответствующего порога, то есть по выделяемым из биоэлектрических сигналов нейродинамическим кодам. Фундаментальное свойство модели состоит в том, что на любые виды случайных воздействий, как единичных, так и совокупных, модель реагирует неслучайным образом.

В соответствии с моделью закономерности протекания всех регуляторных процессов в организме человека определяются структурой кода, которая обеспечивает закономерное строго согласованное функционирование всех органов и систем. Все виды управления протекают в различных масштабах времени, но корреляции между ними, даже при выполнении условий нормировки существующими методами, не обнаруживаются. Корреляция между сигналами, характеризующими работу отдельных органов и систем организма, может быть найдена только после выделения нейродинамических кодов. Эту задачу и решает новая информационная технология (К.Ю. Смирнов: Принципы дискретной нейродинамики, в кн.: Телемедицина, 1998).

Результаты нейродинамического моделирования показали, что все параметры здорового организма изменяются по единому закону, но в различных масштабах времени. Графически результаты обработки представлены в виде цветной нейродинамической матрицы (качественная характеристика быстрого компонента управления на гипоталамо-гипофизарном уровне регуляции), где цвет определяет степень нарушения структуры кода, и гистограммы кодов (количественная характеристика быстрого компонента управления на гипоталамо-гипофизарном уровне регуляции), где коды распределены на 3 группы (нормальные, функционально измененные, патологические), а их доля рассчитывается в процентах.

Качественная и количественная характеристика медленного компонента управления представлена в виде пирамиды, состоящей из двух половин, которая отображает энергетический баланс в системах управления на гипоталамо-гипофизарном уровне (синтез регуляторных гормонов). Соотношение площадей правой и левой частей характеризует динамику анаболических и катаболических процессов. Левая часть пропорциональна времени накопления энергии, правая часть - времени потребления энергии. Чем больше объем пирамиды, тем меньше уровень энергетических затрат, что соответствует минимальному участию данного уровня регуляции в управлении. Вся цифровая информация сведена в два индекса: первый характеризует быстрый компонент регуляции (в процентах от 100), второй медленный (в процентах от 100).

Третий этап анализа кардиоритмограммы, называемый картированием биоритмов мозга, также является оригинальным. Впервые в практике удалось получить искусственно синтезированный управляющий сигнал мозга, аналогичный энцефалографическому, но без транскраниальной регистрации потенциалов. Выделение нейродинамического кода из кардиоритмограммы на предыдущей стадии анализа обеспечило возможность переноса результатов анализа в область частот α-ритма мозговой активности с использованием определенного математического алгоритма.

Теоретически такая возможность обусловлена сопряженностью колебательных процессов на разных уровнях регуляции, при этом знание закономерности фазовых соотношений ритмов обеспечивает переход от одного колебательного процесса к другому.

Как и при анализе на уровне гипоталамо-гипофизарной системы, при математической обработке ритмограммы мозга выделяются две составляющие. Первая представляет собой двухмерное отображение распределения ритмов ЦНС в функциональных пространствах головного мозга и характеризует интегральную активность в этих пространствах. Вторая представляет собой двухмерное же отображение, но уже модуляций, соответствующих частотным составляющим спектра. Речь идет о двух компонентах адаптации, так называемом быстром и медленном (по аналогии с предыдущим уровнем).

Свое отражение быстрый компонент адаптации находит в наборе сплайн карт. Функциональное пространство головного мозга в них образуется дискретно, в периодически повторяющиеся промежутки времени. Они формируются в клеточной структуре головного мозга ансамблями нейронов, которые одновременно активизируются в моменты времени, определяемые периодами их рефрактерности. Сплайн карты формируются в результате интерполяции амплитудных значений основных ритмов мозга относительно друг друга и представляют собой матрицы переходов основных ритмов в функциональных пространствах головного мозга (фиг.3).

Последовательно заполняемый набор сплайн карт соответствует различным функциональным пространствам головного мозга, а цвета сплайн карт определяются различными уровнями электрической активности головного мозга. Медленный компонент адаптации находит свое отражение в фазовом портрете ритмов головного мозга. Цвета соответствуют различным ритмам, а ширина секторов определяется индексами модуляции соответствующих частотных составляющих спектра. Нормальной активности ЦНС соответствует максимальное цветовое насыщение. При патологических нарушениях уровень цветовой насыщенности и ширина лучей уменьшаются. В диаграмме интегральных показателей функционального состояния ЦНС представлены двумя индексами: первый - показатель быстрой адаптации (сплайн индекс), второй - показатель медленной адаптации (фазовый индекс).

Способ осуществляется следующим образом.

Процедура оценки адаптационных резервов обследуемого предусматривает следующий алгоритм действий. Снимают электрокардиосигнал в 1-м стандартном отведении продолжительностью 300 кардиокомплексов в положении сидя или лежа; из записи выделяют 5 ритмов: RR-интервалограмму (последовательность RR-интервалов), PR-интервалограмму (последовательность PR-интервалов), RT-интервалограмму (последовательность RT-интервалов), отношение амплитуд R и Т зубцов (последовательность значений отношения амплитуд R и Т зубцов), скважность ЭКС (последовательность значений отношения периода следования кардиокомплекса к его длительности), информация автоматически вводится в компьютер.

Математическая обработка ритмограмм производится следующим образом.

При вариационном анализе производится обработка RR-интервалограммы с построением гистограмм распределения, автокоррелограмм, скатерограмм и спектрограмм; выделяются расчетные показатели (среднее значение интервалов - М, среднеквадратичное отклонение - σ, индекс вариации, мода, амплитуда моды, вариационный размах, индекс вегетативного равновесия, вегетативный показатель ритма, индекс напряжения, SDNN, SDANN, HRV-index, SDNN-index, SDSD, PNN50, мощность МВ-1, мощность-ДВ, индекс централизации, индекс активности подкорковых нервных центров, период дыхательных волн, период МВ-1).

Принципиальным дополнением является построение ломаной линии (хаосграммы) в системе координат, где по оси абсцисс отмечается длительность RR-интервала (в мс), а по оси ординат - приращение данного интервала (в мс). Для точной количественной оценки вся картина хаосграммы разбивается на элементарные геометрические фигуры с различным количеством точек в них. Соотношение фигур выстраивается в виде рейтинга; для нормальной интервалограммы характерно преобладание фигур с большим количеством точек в них. В количественном анализе используются следующие показатели: максимум рейтинга - количество точек, которые образовывались наиболее часто; расчетный показатель N1, который равен отношению суммы числа фигур с количеством точек 4, 5 и 6 к сумме фигур с количеством точек 2 и 3 в них; расчетный показатель N2, равный отношению суммы числа фигур с количеством точек 4, 5 и 6 к общему числу полученных фигур; расчетный показатель N3, равный отношению точек 4, 5, 6 к числу остальных фигур (с количеством точек менее 4 и более 6). Все перечисленные показатели сводятся в два индекса на основании разной их инерционности по отношению к внешним воздействиям.

При нейродинамическом анализе производится обработка всех 5 ритмов, из каждого выделяются волны 1-го порядка, представляющие собой огибающие этих ритмов: R-R(t)=f1(t), P-R(t)=f2(t), R-T(t)=f3(t), R/T=f4(t), RR(t)/PQRST(t)=f5(t). Функция исходного сигнала при этом заменяется конечным числом дискретных уровней, называемых уровнями квантования. Огибающая уровней квантования представляет собой некоторую функцию g(t), с определенным приближением воспроизводящую исходный сигнал. Формирование нейродинамического кода, соответствующего анализируемому сигналу, происходит в процессе сравнения мгновенных значений описывающей его функции в моменты времени t₀ t₁, t₂,...t_n, которые последовательно сравниваются со значениями аппроксимирующей функции, и в зависимости от знака результата сравнения либо формируется, либо отсутствует импульс нейродинамического кода h(t). При последовательном сравнении функций f(t) и g(t) через интервалы времени Т в моменты времени t₀ t₁, t₂,...t_n формируется сигнал после первичной нейродинамической обработки в виде последовательности бинарных импульсов h(t). Процесс такого кодирования может быть записан в следующем виде:

где h₁(t) - соответствует появлению импульса,

h₀(t) - соответствует отсутствию импульса.

Результатом нейродинамической обработки ритмов является реализация всей совокупности кодов в виде “нейродинамической матрицы”. Матрица полностью формируется тогда, когда сформируются все бинарные элементы нейродинамического кода самой низкочастотной модулирующей функции ЭКС. Число бинарных элементов нейродинамического кода равно числу временных интервалов, содержащих нейродинамические коды, получаемые в результате обработки самой высокочастотной модуляционной характеристики ЭКС. Набор расчетных характеристик нейродинамической матрицы сводится в два индекса на основании разной их инерционности по отношению к внешним воздействиям. Нейродинамический анализ ритмограммы сердца обеспечивает оценку работы гипоталамо-гипофизарной системы - ключевой структуры управления. Как показали клинические исследования (Бибикова Л.А., Ярилов С.В. Системная медицина, 2000) любые изменения на этом уровне регуляции носят прогностический характер и служат средством ранней и сверхранней диагностики функциональных сдвигов в любых системах организма.

Ключевым моментом для перехода от зарегистрированного ЭКС к электроэнцефалосигналу является знание структуры нейродинамического кода, выделенного из ритмограмм сердца и периодичность временных интервалов в электроэнцефалосигнале. Они определяются частотными и временными параметрами модуляционных характеристик электроэнцефалосигнала, которые известны. В основу расчетов положен принцип нейродинамического кодирования, который описывает непрерывный процесс перехода динамических параметров сигнала в различные масштабы пространственных, временных и частотных координат. Полученный управляющий сигнал является, таким образом, искусственно синтезированным. Изучение параметров сигнала включает в себя спектральный анализ частотных составляющих (α, β, γ, θ, δ-волны) и модуляционных характеристик управляющего сигнала, которые сводятся в два индекса. Картирование биоритмов мозга позволяет судить о психофункциональном состоянии организма в целом и его устойчивости по соотношению двух индексов.

Клиническая апробация показала высокую значимость показателей центральной нейрогормональной регуляции (кора и подкорка, уровни 3 и 4) в плане прогнозирования развития функциональных нарушений и прогрессирования любых патологических состояний. Наблюдения свидетельствуют об универсальном неспецифическом характере этих нарушений, в основе которых лежит процесс рассогласования во времени быстрых и медленных (нервных и гормональных) компонентов управления. Те же процессы, только обратимые, наблюдались и у спортсменов в процессе профессиональной деятельности.

Предлагаемый способ оценки адаптационных резервов организма может быть использован для определения реального (системного) “количества и качества здоровья” на протяжении всей жизни человека.

Изобретение относится к медицине, а именно к области системной функциональной диагностики. Способ включает снятие электрокардиосигналов (ЭКС) и выделение из них пяти ритмов. После этого проводят их математическую обработку, которая предусматривает вариационный анализ RR-интервалограммы. Далее проводят нейродинамический анализ всех пяти ритмов, формируют нейродинамический код, совокупность кодов складывают в виде нейродинамической матрицы. Выделенные из ЭКС коды переносят в область частот мозговой активности с учетом периодичности временных интервалов в электроэнцефалосигнале (ЭЭС). Результаты расчета частотных составляющих и модуляционных характеристик ЭЭС сводят в два индекса. Указанная обработка сигналов позволяет повысить точность диагностики нарушений центральной нейрогормональной регуляции и оценки динамики развития патологических состояний. 3 ил.

Способ диагностики нарушений центральной нейрогормональной регуляции, включающий запись пяти ритмограмм, выделенных из электрокардиосигнала обследуемого, в качестве которых используют последовательности R-R-интервалов, P-R-интервалов, R-T-интервалов, отношения амплитуд R и Т зубцов и отношения периода следования кардиокомплекса к его длительности, после чего осуществляют математическую обработку полученных последовательностей, предусматривающую проведение вариационного анализа последовательности R-R-интервалов, отличающийся тем, что осуществляют построение хаосграммы в системе координат, где по оси абцисс отмечают длительность RR-интервала, а по оси ординат - приращение данного интервала, и ее количественную оценку, для чего картину хаосграммы разбивают на элементарные геометрические фигуры с различным количеством точек в них, а для рейтингового анализа полученных фигур используют такие показатели, как максимум рейтинга для количества точек, образовывающихся наиболее часто, расчетный показатель N1, равный отношению суммы числа фигур с количеством точек 4, 5 и 6 в них к сумме фигур с количеством точек 2 и 3, расчетный показатель N2, равный отношению суммы числа фигур с количеством точек 4, 5 и 6 к общему числу полученных фигур, и расчетный показатель N3, равный отношению числа фигур с количеством точек 4, 5 и 6 к числу фигур с количеством точек менее 4 и более 6, после чего все показатели сводят в два индекса, первый из которых характеризует степень сбалансированности симпатических и парасимпатических влияний на синусовый узел сердца, а второй - влияние более высоко расположенных центров вегетативной регуляции, затем осуществляют нейродинамический анализ всех пяти ритмограмм, для чего из них выделяют волны 1-го порядка, представляющие собой огибающие ритмограмм R-R(t)=f1(t), P-R(t)=f2(t), R-T(t)=f3(t), R/T=f4(t), RR(t)/PQRST(t)=f5(t), при этом функцию исходного электрокардиосигнала заменяют конечным числом уровней квантования, огибающая которых представляет собой функцию g(t), формируют нейродинамический код, соответствующий анализируемому электрокардиосигналу путем его сравнения со значениями соответствующей аппроксимирующей функции, осуществляют последовательное сравнение функций f(t) и g(t) через интервалы времени Т в моменты времени t₀, t₁,...t_i...t_n c формированием сигнала в виде последовательности бинарных импульсов

где h₁(t) - соответствует появлению бинарного импульса, a h₀(t) - его отсутствию, результаты кодирования представляют в виде нейродинамической матрицы, бинарные элементы которой формируют для самой низкочастотной модулирующей функции электрокардиосигнала, причем число бинарных элементов нейродинамического кода равно числу временных интервалов, содержащих нейродинамические коды, получаемые для самой высокочастотной модулирующей функции электрокардиосигнала, характеристики нейродинамического кода сводят в два индекса, определяющие соответственно характеристики быстрого и медленного компонентов управления на гипоталамо-гипофизарном уровне регуляции, выделенные нейродинамические коды переносят в область мозговой активности с учетом периодичности временных интервалов в электроэнцефалосигнале, определяемых частотными и временными параметрами модуляционных характеристик электроэнцефалосигнала, полученный управляющий мозговой сигнал анализируют, для чего рассчитывают частотные и модуляционные характеристики сигнала для α, β, γ, θ, δ - волн, после чего результаты анализа сводят в два индекса, характеризующие соответственно показатели быстрой и медленной адаптации центральной нервной системы обследуемого.