Взаємна інформація між активністю мозку та серця перед епілептичним нападом
Основний зміст сторінки статті
Анотація
Робота присвячена аналізу зв’язку між електричною активністю мозку та серцево-судинної системи людини у хворих на епілепсію в період перед початком епілептичного нападу. Запропоновано кількісно оцінювати зв’язок з використанням взаємної інформації між повними потужностями електроенцефалограми та кардіоритмограми в часових вікнах протягом години до початку нападу. Результати клінічних досліджень для десяти сигналів, які містять напади, показали суттєве зниження взаємної інформації за 5 хвилин перед початком нападу. Бібл. 19, рис. 3.
Блок інформації про статтю
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
Посилання
Cao Y., Wen-wen Tung, J. B. Gao, V. A. Protopopescu, and L. M. Hively. (2004), Detecting dynamical changes in time series using the permutation entropy. Physical review E70.
Chen W., C.-L. Guo, P.-S. Zhang, C. Liu, H. Qiao, J.-G. Zhang, and F.-G. Meng, (2014), Heart rate changes in partial seizures: analysis of influencing factors among refractory patients.,” BMC Neurol., vol. 14, no. 1, p. 135, Jan. 2014.
Cover, T.M., Thomas. (1991), Elements of information theory. New York: Wiley.
Doquire, G., Verleysen, M. A (2012), “Comparison of Multivariate Mutual Information Estimators for Feature Selection,” SciTePress. Science and and Technology Publications.
Evrengül H., H. Tanriverdi, D. Dursunoglu, A. Kaftan, O. Kuru, U. Unlu, and M. Kilic, “Time and frequency domain analyses of heart rate variability in patients with epilepsy.,” Epilepsy Res., vol. 63, no. 2–3, pp. 131–9, Feb. 2005.
Finsterer J., Wahbi K. (2014), “CNS-Disease Affecting the Heart: Brain–heart Disorders,” Journal of the Neurological Sciences. Vol. 345(1-2). Pp. 8-14.
Kolsal E., A. Serdaroğlu, E. Cilsal, S. Kula, A. Ş. Soysal, A. N. Ç. Kurt, and E. Arhan. (2014), “Can heart rate variability in children with epilepsy be used to predict seizures?,” Seizure, Vol. 23, No. 5, Pp. 357–62, May 2014.
Legg, P.A., Rosin, P.L., Marshall, D., Morgan, J.E. (2007), Improving accuracy and efficiency of registration by mutual information using Sturges’ histogram rule,” Proc. Med. Image Understand. Anal. Pp. 26–30.
Lehnertz K. (1999), “Chaos in Brain”, World Scientific, Singapore, ISBN [978-981-4493-58-1.]
Li X., Ouyang G., Richards D.A. (2007), “Predictability analysis of absence seizures with permutation entropy,” Epilepsy Research, Vol. 77, Pp. 70-74.
Marek, T., Tichavsky, P.(2008), “On the estimation of mutual information,” ROBUST 2008, Pp. 263–269.
Mormann F., Andrzejak R.G., Elger C.E., Lehnertz K. (2007), “Seizure prediction: the long and winding road,” Brain, Vol. 130, No. Pt 2. Pp. 314–333.
Popov A., Avilov O. Oleksii Kanaykin, (2013), “Permutation entropy of EEG signals for different sampling rate and time lag combinations,” Proceedings of Signal Processing Symposium SPS. Pp. 1-4.
A. Popov, S. Zaunseder, H. Malberg. (2012), “Interdependency estimation between brain and cardiovascular activity,” XXXII International Scientific Conference "ELNANO 2012", April 10 12, 2012: Proceedings. Kyiv (Ukraine). Pp. 150-151.
O. Avilov, A. Popov, O. Kanaikin. (2013), “Saturation of electroencephalogram permutation entropy for large time lags,” XXXIII International Scientific Conference Electronics and Nanotechnology, 16-19 April 2013: proceedings. Kyiv, Pp. 251-254.
Schiecke K., Wacker M., D. Piper, F. Benninger, M. Feucht, and H. Witte. (2014), “Time-variant, frequency- selective, linear and nonlinear analysis of heart rate variability in children with temporal lobe epilepsy.,” IEEE Trans. Biomed. Eng., Vol. 61, No. 6, Pp. 1798–1808, Jun. 2014.
Sorjamaa, A., Hao, J., Lendasse, A. (2005), Mutual information and k-nearest neighbors approximator
for time series prediction. Springer.
Zhukov M. (2014), Analysis of interconnection between central nervous and cardiovascular systems. Electronics and Communications, Vol. 19. No 1(78). Pp. 26-36.
Zhukov, M.; Popov, A. (2014), "Bin number selection for equidistant mutual information estimaton," 2014 IEEE 34th International Conference on Electronics and Nanotechnology (ELNANO), Pp.259,263, 15-18 April 2014.