АкушерствоАнатомияАнестезиологияВакцинопрофилактикаВалеологияВетеринарияГигиенаЗаболеванияИммунологияКардиологияНеврологияНефрологияОнкологияОториноларингологияОфтальмологияПаразитологияПедиатрияПервая помощьПсихиатрияПульмонологияРеанимацияРевматологияСтоматологияТерапияТоксикологияТравматологияУрологияФармакологияФармацевтикаФизиотерапияФтизиатрияХирургияЭндокринологияЭпидемиология

ИСПОЛЬЗОВАНИЕ СРЕДСТВ ВЫЧИСЛИТЕЛЬНОЙ ТЕХНИКИ ДЛЯ ФИЗИОЛОГИЧЕСКИХ ИССЛЕДОВАНИЙ И АНАЛИЗА РЕЗУЛЬТАТОВ

Электронная вычислительная техника нашла широкое применение в обработке физиологических данных.

Так, с помощью ЭВМ проводят выделение слабого сигнала из помех при анализе вызванных потенциалов мозга. Частотные методы анализа сигналов дают возмож­ность в физиологическом процессе отделять детерминиро­ванные периодические составляющие от случайной состав­ляющей даже в тех случаях, когда глаз экспериментатора не может обнаружить ничего, кроме хаотических изменений амплитуды процесса. Методы корреляционного анализа успешно применяются при анализе степени связи между отдельными показателями. В частности, производят опре­деление кросскорреляционной функции, показывающей степень связи между 2—3 процессами в определенные моменты времени, например частоты дыхания и сердечно­го ритма, длительности фаз сердечного цикла и повыше­ния давления крови, взаимосвязи различных структур моз­га и т. д.

Универсальные ЭВМ позволяют применять алгоритмы многофакторного анализа для оценки степени влияния каждого отдельного фактора. Это имеет важное значение, так как сложность организации биологических систем про­является в том, что ни один из современных методов математического анализа не является исчерпывающим для анализа физиологических процессов. Поэтому исполь­зуют сочетание различных методов анализа, построение моделей изучаемых процессов и проверки соответствия этих моделей изучаемым явлениям. Обработка данных на ЭВМ представляет собой сложный процесс, осуществляе­мый по определенному плану. Он включает получение первичных данных, ввода их в ЭВМ, преобразование по определенным правилам (алгоритмам) и сообщение ре­зультатов.

Первичные данные могут быть различного происхождения и иметь разнообразную форму. К первич­ным данным относятся результаты измерения физиологи­ческих показателей, мгновенных значений амплитуды лю­бых физиологических процессов (ЭЭГ, ЭКГ, ЭМГ и т. д.), результаты биохимического анализа и т. д.

Трудоемкость подготовки первичных данных для вве­дения в ЭВМ весьма высокая (нанесение на перфоленту или перфокарты), поэтому разработаны специальные устройства для автоматического сбора данных. Автома­тическая запись информации осуществляется с помощью магнитофонов. Обработка такой информации на ЭВМ может осуществляться позднее момента ее записи.

Физиологические сигналы могут иметь форму непре­рывных сигналов (ЭЭГ, ЭКГ, ЭМГ и др.) или дискрет­ную форму (импульсная активность мозга, результаты измерения температуры тела, артериального давления и т. д.). Ввод непрерывной информации в ЭВМ требует использования аналогоцифровых преобразователей (АЦП). АЦП иногда входят в состав периферических устройств ЭВМ («Искра-1256», «Искра-226» «СМ-4» и др.).

При получении первичных данных большое внимание уделяют проверке их полноты и достоверности. Предва­рительно исключают записи с артефактами (физиологи­ческого или технического происхождения).

После ввода данные обрабатываются в ЭВМ в соот­ветствии с программой. Программы составляются по определенным правилам (алгоритмам). Алгоритм пред­ставляет собой совокупность операций, действий, которые необходимо произвести при обработке данных. Результаты любого анализа печатаются в виде графиков, таблиц.

Промежуточные и окончательные результаты Обработки могут выводиться на магнитные диски, магнитные ленты для повторного использования.

Накопление и усреднение вызванного потенциала с помощью электронно-вычислительной техники. При изуче­нии механизмов деятельности мозга широко применяют метод вызванных потенциалов (ВП). С появлением элект­ронных высокочувствительных усилителей и специализи­рованных усредняющих вычислительных средств этот метод стал широко применяться при проведении нейрофи­зиологических, психологических и других исследований.

Амплитуда вызванного потенциала, особенно его первых компонентов, невелика, она составляет единицы микровольт, в то время как амплитуда спонтанной элек­трической активности мозга может достигать 50 мкВ и более. Поэтому для выделения вызванных ответов из «шума» используют принцип повторной подачи раздраже­ний. Он основан на том, что компоненты ВП связаны с моментом подачи сигналов жесткими временными па­раметрами. Колебания спонтанной ЭЭГ, в отличие от ВП, по отношению к моменту раздражения представляют собой случайный процесс, поэтому все методы выделения ВП основаны на многократном синхронном суммировании потенциалов.

В последние годы для выделения ВП из «шума» при­меняют электронно-вычислительную технику, позволяю­щую получать более надежные результаты. В основе ра­боты ЭВМ лежит принцип суммации определенного числа ответов. Начало суммирования синхронизируется с моментом начала раздражения. При этом амплитуда колебаний вызванного ответа синхронизирована с мо­ментом раздражения жесткими временными характерис­тиками и увеличивается с увеличением числа накоплений. Отношение сигнала к «шуму» возрастает пропорциональ­но корню квадратному из числа накоплений.

Например, при 100 накоплениях амплитуда выделяемого сигнала будет выше в 3 раза, чем при 10 накоплениях. Однако большое число накоплений может быть осуществлено при большом числе раздражений, что вызывает утомление ис­пытуемого, отражающееся на амплитуде вызываемых ответов, особенно поздних компонентов, амплитуда кото­рых уменьшается. Изменения ВП, наступающие при многократном раздражении, характеризуются как «привы­кание ВП». Чаще всего используется от 10—15 до 50—64 накоплений. Число их зависит от задачи исследований и условий регистрации.

При анализе вызванных потенциалов после выделения сигнала из шума необходимо измерить параметры ком­понентов ВП. К ним относятся: амплитуда более крупных колебаний, их латентный период и длительность. Если для выделения ВП используют универсальные малогаба­ритные ЭВМ, то измерение параметров ВП может осу­ществляться автоматически по специальным программам. В этом случае появляется возможность изучения вариа­бельности ВП, характеристик спонтанной активности мето­дами математический статистики.

Для выделения ВП применяют главным образом специализированные ЭВМ, так как они значительно проще в эксплуатации и дешевле. К ним относятся такие ус­тройства как «Сигнал», «Нейрон», «Ритм» и др. При использовании универсальных ЭВМ необходимо наличие аналогоцифровых преобразователей. В этом случае, так же как и при использовании специализированных ЭВМ, ана­лиз вызванных потенциалов мозга может производиться в реальном масштабе времени.

Построение гистограмм. Методы математической ста­тистики с построением гистограмм широко применяются при анализе любых физиологических показателей.

Это особенно необходимо при изучении сотен и тысяч значений амплитуды волн ЭЭГ, ЭКГ, ЭМГ и т. д. Прежде всего производят уплотнение первичных данных, что мо­жет быть достигнуто объединением в группы тех значе­ний показателя, которые колеблются в каких-либо задан­ных пределах, например, в пределах каждых 5 мм. рт. ст. (при измерении артериального давления) или 0,1 мкВ при измерении значений амплитуды электрической спон­танной активности мозга.

Следовательно, общая амплитуда в каждом случае будет заменена несколькими вспомога­тельными подразделениями (интервалами).

Можно свести воедино имеющиеся первичные данные, если указать число лиц, попадающих в каждый из интервалов (или мгно­венных значений амплитуды спонтанной активности), т. е. групповую численность. Таким образом будет получено распределение численностей, которую можно для нагляд­ности представить на экране дисплея графически. Для этого на горизонтальной оси изображаются интервалы, а на вертикальной — столбики, высота которых соответ­ствует групповой (интервальной) численности. Если уменьшить интервал и в то же время увеличивать число наблюдений, то гистограмма будет приближаться к плав­ной кривой, называемой кривой распределения.

На следующем этапе определяют показатели, отража­ющие характерные особенности распределения: его поло­жение и степень вариабельности. С этой целью рассчи­тывают среднее арифметическое значение и дисперсию. Среднее арифметическое значение является важнейшей характеристикой положения. Срединное (центральное) значение в упорядоченном ряду значений признака, распо­ложенных в порядке их возрастания, носит название ме­дианы. Максимальная точка кривой распределения являет­ся модой. Мода и медиана также относятся к характери­стикам положения. Если распределение относится к нормальному виду, то два показателя — среднеарифметиче­ское значение и дисперсия — полностью отражают харак­терные особенности распределения. Во всех других случаях необходимо иметь дополнительные характеристики, опи­сание которых можно найти в любом учебнике по стати­стике. В настоящее время для ЭВМ любого типа разработан комплекс программ для осуществления статистического анализа.

После получения любых статистических характеристик необходимо проверить достоверность результатов. Для этого по определенным программам вычисляются коэффи­циенты достоверности (значимости) результатов. Не­обходимость этого обусловлена тем, что одна и та же величина, характеризующая, например, уровень артериаль­ного давления в покое, может быть признана достаточной и недостаточной в зависимости от количества испытуемых, включенных в исследование, и других факторов.

Наиболее часто для определения уровня достоверности различий вычисляется коэффициент Стьюдента.

Современная физиология использует математическое моделирование как один из важных этапов научного иссле­дования. Прежде чем построить модель изучаемой системы проводится эксперимент.

Получаемые экспериментальные данные подвергаются математической обработке (постро­ение таблиц, графиков, гистограмм).

Этот материал служит основой для разработки рабочей гипотезы.

Математическая обработка данных, как правило, проводится с помощью ЭВМ. На втором этапе моделирования, на основании имеющихся данных, строится упрощенная схема реального процесса и производится формализация модели, т. е. сос­тавляются формулы, математические выражения, уравне­ния, описывающие происходящие явления. Выясняются за­висимости между переменными процессами.

Точное описание процессов в сложных системах требует соответственно и сложных моделей. Однако большую практическую пользу приносит рассмотрение даже простых математических моделей.

Модель позволяет предсказать поведение системы.

Обязательным условием является экспериментальная проверка выводов, предсказанных моделью. Модель может правильно описывать поведение системы, хотя механизмы, лежащие в основе наблюдаемых в эксперименте физиоло­гических процессов, могут быть и не раскрыты.

На следующем этапе проводятся исследования, направ­ленные на более глубокое изучение биологической системы. Конечной целью такого исследования является создание теории, которая позволяла бы объяснить свойства и поведе­ние сложной биологической системы.

Многими исследователями разработаны модели, описы­вающие особенности работы сердечно-сосудистой систе­мы, системы дыхания, функции анализаторов и других си­стем.

Результаты моделирования физиологических процессов для состояний нормы и патологии используются при диагностике различных заболеваний организма, прогноза течения болезни, действия лекарственных веществ. Боль­шинство из разработанных математических моделей, про­цессов, протекающих в живом организме, достаточно слож­ны и требуют для реализации мощных вычислительных машин. Некоторые модели (например, фармакологическая модель) могут строиться на малых вычислительных маши­нах и устройствах типа «Искра-1256» (такая модель при­ведена в разделе «Физиологическая кибернетика»).

Вычислительный комплекс в психофизиологических ис­следованиях.

При проведении психофизиологических иссле­дований широко используют метод тестов. Основное значе­ние любого теста состоит в оценке соответствия извест­ному стандарту. Стандартизация достигается за счет того, что тестом ставится то или иное испытание после много­кратной проверки на большом количестве испытуемых. Для того чтобы приступить к интерпретации результатов тестирования, приходится затратить большое количество времени уже на первом этапе рутинной обработки данных. Благодаря тому что все тесты имеют ту или иную стандарт­ную форму, они могут быть достаточно просто реализованы на ЭВМ. В этом случае достигается высокая степень объек­тивности оценки результатов и точности анализа. Испыту­емый работает над тестом в режиме диалога с ЭВМ, при этом достигается определенный психологический ком­форт.

Универсальные ЭВМ все шире используют для высоко­эффективных методов многомерного статистического ана­лиза в психофизиологических исследованиях: дисперсион­ного, корреляционного, факторного и др.

Корреляционный анализ используется для оценки степе­ни связи между любыми показателями физиологических и психологических процессов. Роль отдельных факторов в любом изучаемом процессе позволяет оценить метод фак­торного анализа.

В качестве информативного показателя при определении готовности испытуемого к той или иной деятельности часто служит латентный период двигательной реакции на световой, звуковой или другой раздражитель. Время реакции измеряется многократно, при большом числе испытуемых на обработку данных затрачивается много времени. В настоящее время измерение времени реакции и многок­ратная его проверка все чаще производится с помощью ЭВМ. В настоящем практикуме представлены задачи (см. раздел «Физиологическая кибернетика»), в которых измере­ние латентного периода простой двигательной реакции осуществляется с помощью вычислительного устройства «Искра-1256».

Дата добавления: 2015-12-15 | Просмотры: 830 | Нарушение авторских прав