Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Дискретный мониторинг биоэлектрической активности головного мозга в процессе фармакотерапии

Диссертация: Дискретный мониторинг биоэлектрической активности головного мозга в процессе фармакотерапии
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Актуальность и новизна. Диагностика заболеваний в значительной мере базируется на данных многочисленных инструментальных исследований, обычно объединяемых в общее понятие «функциональная диагностика». Широкое внедрение в клиническую практику электроэнцефалографии, реоэнцефалографии и других методов исследования обуславливает растущий спрос на такие показатели данных методик, которые объективно… Читать ещё >

Содержание

  • Глава I. Компьютерный анализ биопотенциалов головного мозга человека. Основные методы и тенденции развития
  • Обзор литературы)
    • 1. 1. Медико-биологический аспект проблемы
      • 1. 1. 1. Общая характеристика биоэлектрической активности мозга
      • 1. 1. 2. Механизмы генерации электрической активности мозга
      • 1. 1. 3. Диагностическое значение ЭЭГ-сигнала
    • 1. 2. Основные методы обработки биопотенциалов головного мозга
      • 1. 2. 1. Традиционные методы анализа ЭЭГ
      • 1. 2. 2. Основные направления автоматизации обработки ЭЭГ
    • 1. 3. Применение математических методов обработки ЭЭГ в научных и клинических исследованиях
      • 1. 3. 1. Развитие применяемых методов автоматической обработки ЭЭГ
      • 1. 3. 2. Спектральный анализ ЭЭГ
      • 1. 3. 3. Топографическое картирование биопотенциалов
      • 1. 3. 4. Экспертные системы на основе баз знаний — следующий этап применения ЭВМ в нейрофизиологии
    • 1. 4. Применение электрофизиологических исследований в психиатрии пограничных состояний. Постановка задачи
  • Глава II. Материалы и методы исследования
    • 2. 1. Материалы и методы исследования
      • 2. 1. 1. Объект исследования
      • 2. 1. 2. Методика ЭЭГ-мониторинга
      • 2. 1. 3. Методы применяемой фармакотерапии
    • 2. 2. Методы анализа ЭЭГ
      • 2. 2. 1. Методы обработки исходного вектора признаков
      • 2. 2. 2. Методы статистической обработки и сжатия многомерного пространства. Метод многомерного шкалирования
        • 2. 2. 2. 1. Метод проверки подчинения статистических данных нормальному закону распределения
        • 2. 2. 2. 2. Критерий Фишера
        • 2. 2. 2. 3. Критерий Стьюдента
        • 2. 2. 2. 4. Кластерный анализ
        • 2. 2. 2. 5. Метод дискриминантный анализ
        • 2. 2. 2. 6. Метод многомерного шкалирования
  • Глава III. Результаты собственных исследований методами классической статистики
    • 3. 1. Биоэлектрическая активность мозга здоровых испытуемых
    • 3. 2. Электроэнцефалографические проявления и мониторинг состояний психоневрологических больных
      • 3. 2. 1. Мониторинг состояния больных принимавших моклобемид (группа II)
      • 3. 2. 2. Мониторинг состояния больных принимавших флуоксетин (группа III)
      • 3. 2. 3. Мониторинг состояния больных принимавших танакан группа IV)
    • 3. 3. Результаты применения дискриминантного анализа данных
      • 3. 3. 1. Результаты применения дискриминантного анализа для разделения многомерных векторов групп испытуемых II и группы «ЭЭГ нормы»
      • 3. 3. 2. Результаты применения дискриминантного анализа для разделения многомерных векторов групп испытуемых III и группы «ЭЭГ нормы»
      • 3. 3. 3. Результаты применения дискриминантного анализа для разделения многомерных векторов групп испытуемых IV и группы «ЭЭГ нормы»
      • 3. 3. 4. Результаты применения дискриминантного анализа для попарного разделения многомерных векторов групп испытуемых и группы «ЭЭГ нормы»
      • 3. 3. 5. Результаты применения дискриминантного анализа для разделения многомерных векторов групп испытуемых и группы «ЭЭГ нормы»
  • Глава IV. Результаты собственных исследований методами многомерного шкалирования
    • 4. 1. Анализ внутригрупповых отношений
    • 4. 2. Исследования динамики внутригрупповых отношений
      • 4. 2. 1. Динамика изменений усредненного вектора больных
    • II. группы в процессе действия разовой дозы моклобемида
      • 4. 2. 2. Динамика изменений усредненного вектора больных
    • III. группы в процессе действия разовой дозы флуоксетина
      • 4. 2. 3. Динамика изменений усредненного вектора больных
    • IV. группы, при их монофармакотерапии танаканом
      • 4. 3. Исследования межгрупповых отношений при полном наборе компонент
      • 4. 4. Исследования межгрупповых отношений отдельно по каждому отведению
        • 4. 4. 1. Исследования межгрупповых отношений в лобных отведениях
        • 4. 4. 2. Исследования межгрупповых отношений в височных отведениях
        • 4. 4. 3. Исследования межгрупповых отношений в теменных отведениях
        • 4. 4. 4. Исследования межгрупповых отношений в затылочных отведениях
      • 4. 5. Исследования межгрупповых отношений по ритмам ЭЭГ
        • 4. 5. 1. Исследования межгрупповых отношений в частотном диапазоне дельта-ритма
        • 4. 5. 2. Исследования межгрупповых отношений в частотном диапазоне тэта-ритма
        • 4. 5. 3. Исследования межгрупповых отношений в частотном диапазоне альфа-ритма
        • 4. 5. 4. Исследования межгрупповых отношений в частотном диапазоне бета-ритма

Дискретный мониторинг биоэлектрической активности головного мозга в процессе фармакотерапии (реферат, курсовая, диплом, контрольная)

Актуальность и новизна. Диагностика заболеваний в значительной мере базируется на данных многочисленных инструментальных исследований, обычно объединяемых в общее понятие «функциональная диагностика». Широкое внедрение в клиническую практику электроэнцефалографии, реоэнцефалографии и других методов исследования обуславливает растущий спрос на такие показатели данных методик, которые объективно оценивают функциональное состояние человека. Ставится вопрос об использовании интегральных показателей включающих наиболее информативные параметры (Жирмунская Е.А., Лосев B.C., 1984, Зенков JI.P., 1996, Michel С.М. et al. 2004). Интегральный подход к диагностике функциональных состояний в настоящее время используется все шире и шире. Современные методы математического анализа позволяют выделить наиболее информативные показатели исследуемых биоэлектрических сигналов с целью диагностики и прогнозирования функциональных состояний организма. Использование новых информационных технологий и математических методов позволяет в значительной степени облегчить задачу врачу-исследователю по выявлению анормальностей имеющихся в биоэлектрической активности мозга и проявляющихся в изменении амплитуды, спектрального состава, организации ритмов, фазовых соотношений и т. д.

Важно в целом определить функциональное состояние мозга, степень отличия его биоэлектрической активности от общепринятых показателей нормы. Для этого удобнее использовать интегральные показатели, которые учитывают все отклонения от нормы и представляют собой точку в многомерном признаковом пространстве. Тогда, по расстоянию до гиперсферы показателей практически здоровых испытуемых, возможно оценить текущее состояние пациента и его изменение в процессе проводимой терапии (Омельченко В.П., 1990).

Для диагностики функционального состояния головного мозга в процессе лечения, целесообразно привлечь к исследованию комплексный подход, включающий в себя методы обработки сигналов, методы классической и многомерной статистики.

Целью исследований является поиск информативных показателей биоэлектрической активности отражающих функциональные состояния головного мозга больных с депрессивными состояниями и дисциркуляторной энцефалопатией, разработка, на их основе, комплексных критериев диагностики функционального состояния и визуализации динамики показателей ЭЭГ в процессе фармакотерапии.

Задачами диссертационного исследования являлись:

1. Создание информационной базы данных ЭЭГ и анализа функционального состояния головного мозга больных с дисциркуляторной энцефалопатией, участвовавших в ликвидации последствий аварии на Чернобыльской АЭС, и больных с депрессивными состояниями.

2. Выявление информативных показателей ЭЭГ, достоверно отличающихся у больных по сравнению с показателями практически здоровых испытуемых, и на их основании разработка метода дифференциальной диагностики функционального состояния больных.

3. Поиск интегрального показателя биоэлектрической характеристики головного мозга для оценки функционального состояния головного мозга больных в процессе лечения.

4. Разработка метода визуализации динамики изменений функционального состояния головного мозга больных в процессе их фармакотерапии.

Научной новизной являются следующие положения и результаты работы.

Выявлены информативные показатели ЭЭГ, полученные в результате применения методов многомерного шкалирования, позволяющие классифицировать по ЭЭГ функциональные состояния головного мозга и визуализировать их изменения в процессе фармакотерапии.

Практическая значимость и внедрение результатов исследования.

Рассмотренная методика может быть использована в практических целях для визуализации динамики изменения функционального состояния головного мозга человека по записям ЭЭГ в процессе фармакотерапии. Полученные результаты позволяют получить предикторы исследованных патологических состояний головного мозга больных, а также проводить прогнозирование эффективности применения медикаментозной терапии на ранних стадиях.

Основные результаты внедрены в рамках научного сотрудничества в научно-исследовательские работы в области биофизики, медицины, медицинского приборостроения, а также в учебный процесс в следующих организациях и учреждениях России: Ростовский государственный медицинский университет (Ростов-на-Дону), ООО «Медиком МТБ» (Таганрог), лечебно-реабилитационный научный Центр «Феникс» (Ростов-на-Дону), Тульский государственный университет (Тула), ГПУ НИИ новых медицинских технологий (Тула), НИИ нейрокибернетики им. А. Б. Когана при Ростовском государственном университете.

Соответствующие акты внедрения приведены в приложении к диссертации.

Работа выполнена в рамках проекта Ростовского государственного медицинского университета «Диагностический центр» в 1993.

2005 гг.

Научные положения, выносимые на защиту. В соответствии с поставленной целью и задачами, на защиту выносятся следующие положения:

1. Классификация состояния больных с психоневрологическими расстройствами по данным ЭЭГ с помощью методов многомерной статистики.

2. Методика компьютерного мониторинга с использованием метода многомерного шкалирования, позволяющая оценить на ранних этапах лечения больных с психоневрологическими расстройствами эффективность применявших фармакологических средств.

3. Визуализация изменения функционального состояния головного мозга в процессе суточного и курсового мониторинга фармакотерапии и вычисления расстояний до нормы на основе многомерных признаков суммарной ЭЭГ активности головного мозга.

Апробация результатов работы.

Основные положения и результаты диссертационной работы докладывались и обсуждались на:

Конференции «Медицинские информационные системы Таганрог, 1998, 2002.

Конференции «Обозрение прикладной и промышленной математики», Сочи, 2000.

55-ой итоговой научной конференция. Аннотация докладов и материалы дня науки студентов, молодых ученых и специалистов РГМУ, 2001 «XII World congress of Psychiatry.» Yokohama. Japan. 2002 XIII The International Congress of Neuropsychopharmacology. Montreal. 2002.

Конференции «Современные проблемы экспериментальной и клинической медицины.» Паттайа, Таиланд, 2005.

Личный вклад автора заключается в постановке задач исследованияанализе современного состояния проблемысоздании базы данных ЭЭГ здоровых испытуемых, больных с депрессивными состояниями и дисциркуляторной энцефалопатиейпостановке биофизических экспериментовстатистической обработке данных и анализе их результатовразработке методики мониторинга функционального состояния головного мозга испытуемых и визуализации их динамики в двумерном пространственахождении параметров ЭЭГ, пригодных для классификации функционального состояния головного мозга испытуемых и для прогнозирования результатов применения медикаментозного лечения больных.

Публикации по теме диссертации. По теме диссертации опубликовано в 1994 — 2005 гг. 17 работ, в том числе 2 статьи в центральной научной литературе, 2 статьи в зарубежной печати.

Заключение

.

В ряде работ показано, что при депрессиях наблюдается формирование фокусов повышенной активности в мозге, приводящих к рассогласованию деятельности передних и задних областей полушарий, а также нарушение взаимоотношений между глубокими структурами мозга и корковыми отделами (Мельникова Т.С. и соавт., 1992; Стрелец В. Б., 1993; Стрелец В. Б. и соавт., 1994; Ohashi Y., 1994; Bruder G.E. et al., 1997). Однако, несмотря на интенсивные исследования нейрофизиологических процессов при депрессивных расстройствах, остаются неясными многие механизмы формирования и терапевтической динамики этих состояний (Mas F. et al., 1993; Knott V.J., 1996). Внедрение компьютерной обработки биопотенциалов мозга позволило обнаружить ряд информативных показателей для дифференциальной диагностики психических расстройств и маркеров тяжести состояния (Сидоренко Г. В., 1995; Зенков JI.P., 1996).

Проведенный нами анализ ЭЭГ спектров мониторируемых групп методами классической статистики показал существенные их изменения в течение суток после приема разовой дозы исследуемых препаратов.

Как видно из результатов описанных в разделе 3.2.1, в процессе суточного ЭЭГ мониторинга в группе принимавших моклобемид статистически значимые различия по сравнению с фоном регистрировались через 6 часов после введения разовой дозы, что соответствует максимуму действия данного лекарства. (Мосолов С.Н., 1995; Galderisi S. et al., 1996). Значимые уменьшения спектральной мощности относительно фона (р<0,05) отмечались в диапазонах ß—ритма, 0-ритма и на частотах 2−3 Гц. При этом имело место увеличение их в частотном диапазоне 11−12 Гц, а в височных отведениях и на частоте 1 Гц. Через сутки значимых отличий от фона уже не наблюдалось, что соответствует прекращению действия разовой дозы моклобемида. Значимые изменения (р<0,05) спектральных мощностей были выявлены и в динамике курсового лечения данным препаратом, о чем свидетельствуют уменьшение спектральной мощности в диапазонах 0- и ß—ритмов и увеличение их на частотах 1 и 10−12 Гц. Описанная динамика ЭЭГ спектров сопровождалась улучшением состояния больных этой группы в процессе их курсовой терапии.

Сравнение мониторируемых состояний данной группы с «ЭЭГ нормой» показало, что спектральные мощности ?- и 0-ритмов в фоновом состоянии значимо (р<0,05) выше мощности таковых «ЭЭГ нормы», и ниже на частотах 1, 10−13 Гц. Аналогичная тенденция с небольшими отличиями в отдельных отведениях наблюдалась через 3 часа и 24 часа после разовой приема дозы моклобемида. Существенно иные результаты наблюдались через 6 часов, особенно в диапазоне а-ритма, а именно: значительное снижение спектральной мощности по сравнению с «ЭЭГ нормой». Перед выпиской больных данной группой статистически значимое снижение мощности спектров наблюдались также на единичных частотах ?- и 0- ритмов.

Все выше сказанное позволяет сделать вывод, о том, что в процессе монофармакотерапии моклобемидом пик действия лекарства наступает в районе 6 часов, после его приема, причем изменения спектральных мощностей имеют тенденцию приближения к таковым «ЭЭГ нормы».

Результаты, полученные при использовании в качестве монофармакотерапии флуоксетина (III группа) методами классической статистики, были описаны в разделе 3.2.2. Анализ этих данных свидетельствует о том, что:

1) при суточном мониторинге максимум изменения спектральной мощности отмечается через 6 часов после введения разовой дозы препарата, что соответствует пику его действия (Мосолов С.Н., 1995; GalderisiS. et al., 1996);

2) эти ЭЭГ изменения схожи с изменениями, регистрирующими в конце успешного курса терапии данным препаратом;

3) динамика спектральных изменений характеризуется увеличением их мощностей в области 8-, 0- ритмов и частотных диапазонов 8−9 Гц, 12−14 Гц и 18−21 Гц, на фоне уменьшения их на частотах 11 Гц, 15−17 Гц и 22−26 Гц;

4) как и в группе II, перечисленные изменения спектральных мощностей приводят к уменьшению достоверных различий между мониторируемыми состояниями (через 6 часов и перед выпиской) с «ЭЭГ нормой»;

5) через 3 и 24 часа изменения относительно фонового состояния выявляются только в области 8-ритме.

Таким образом, полученные результаты позволяют заключить, что:

1) пик действия флуоксетина наступает через 6 часов после принятия препарата;

2) все изменения на этом этапе мониторинга сводятся к приближению спектральных мощностей ЭЭГ к соответствующим спектральным показателям «ЭЭГ нормы»;

3) уже через 3 часа значимые (р<0,05) изменения спектральных мощностей относительно фона отличаются в области 8-активности, причем, преимущественно в теменных и затылочный отведениях;

4) через 24 часа — эффекты действия флуоксетина выражаются в различиях спектральных мощностей по отношению к фоновому состоянию в диапазоне 8-активности лишь в затылочных отведениях.

Изменения спектральных мощностей также наблюдалось и в IV группе больных, принимавших танакан. Результаты сравнения нормированных спектров исследуемых мониторируемых состояний были рассмотрены нами в разделе 3.2.3. Установлены следующие тенденции изменения исследуемых параметров:

1) при суточном мониторинге максимум изменения спектральной мощности отмечался через 3 часов после приема разовой дозы флуоксетина, что соответствует пику его действия (Мосолов С.Н., 1995; ОаИепв! Б. е1 а1., 1996);

2) эти изменения были схожи с изменениями, регистрируемыми в конце курса монофармакотерапии данным препаратам, причем, увеличение спектральных мощностей отмечались в частотном диапазоне 10−13 Гц, а уменьшение — во всех остальных диапазонах;

3) как и в группе II, описанные изменения спектральных мощностей сопровождались уменьшением достоверных различий спектров мониторируемых состояний и «ЭЭГ нормой»;

4) через 6 часов изменения относительно фонового состояния выявлялись только на частоте 11 Гц, а через 24 часа — в единичных отведениях на частотах 11 и 13 Гц.

Выше перечисленные факты позволили сделать следующие выводы:

1. Пик действия флуоксетина наступал через 3 часа после приема препарата;

2. Все изменения, отмечаемые через 3 часа после введения препарата, сводились к приближению спектральных мощностей мониторируемого состояния к «ЭЭГ норме»;

3. Через 6 часов проявлялись признаки остаточного действия лекарства, а именно, значимые (р<0,05) изменения спектральных мощностей относительно фона на частоте 11 Гц,.

4. Через 24 часа — эффекты действия танакана практически нивелировались.

Установленные нами отличия ЭЭГ больных II, III и IV групп от практически здоровых испытуемых, не опровергают данные других авторов (Волынкина Г. Ю., Суворов Н. Ф., 1981; Монахов К. К. и др., 1983;

Синицкий В.Н., 1986; Омельченко В. П., 1990; Заика В. Г., 2001; Солдаткин.

В.А., 2002; и др.), что указывает на устойчивость и специфичность ЭЭГ проявлений рассматриваемых нами патологий. Динамика изменения записей ЭЭГ в процессе действия разовых доз фармакопрепаратов тесно связана с клиническим состоянием больных. Показано, что минимум отличий спектральных мощностей от «ЭЭГ нормы» совпадал с пиком действия лекарственного препарата.

Сравнение фоновых состояний для групп больных с группой «ЭЭГ норма» позволило найти классификационные функции отдельно для каждой группы.

В результате применения дискриминантного анализа установлено, что для больных II группы основной вклад в разделение двух групп вносят лобные, височные и затылочные отведения. Причем, аи ß—ритмы являются наиболее весомыми в дискриминантных функциях полученных для каждого отведения. Для больных III группы основной вклад в разделение двух групп вносят лобные и височные отведения. Причем, 0-ритм вносил наибольший вклад в дискриминантных функциях. В группе ликвидаторов последствий взрыва на ЧАЭС основной вклад в разделение двух групп вносят теменные и затылочные отведения. Наиболее информативными, для данной группы больных, были аи ß—ритмы.

При проведении реклассификации в каждой паре практически все вектора соответствовали своим группам. Так же, следует отметить, что для разделения второй группы и группы «ЭЭГ нормы» основной вклад в разделение вносят затылочные и теменные отведения, а среди частотных составляющих аи ?- ритмы. В третьей группе — теменные и лобные отведения. В четвертой группе — лобные, височные и затылочные отведения и частоты в области аи ?- ритмов.

Применение дискриминантных функций к векторам соответствующих состоянию испытуемых перед выпиской позволило их классифицировать как «ЭЭГ норму».

Такая же динамика действия моклобемида выявляется и при применении методов многомерного шкалирования. Это видно из результатов раздела 4.2.1., по которым установлены значимые различия (р<0,05) между усредненными двумерными векторами фонового состояния группы и «ЭЭГ нормы», а также достоверное (р<0,05) уменьшение эвклидова расстояния между векторами «ЭЭГ нормы» и ЭЭГ, зарегистрированных через 6 часов после приема разовой дозы препарата. Сходная с шестичасовой тенденция наблюдалась и при выписке больных данной группы.

В результате применения методов многомерного шкалирования полученные результаты позволили классифицировать фоновые состояния. Также удалось визуализировать динамику изменения функционального состояния головного мозга в процессе соответствующие терапии.

Как показали результаты многомерного шкалирования, динамика мониторируемых состояний, полученная данным методом, аналогична результатом, полученным методами классической статистики. Однако, метод многомерного шкалирования позволяет наглядно визуализировать изменения положения векторов, характеризирующих состояние больного, а также количественно оценить тенденции изменения их состояний в динамике суточного или курсового ЭЭГ мониторинга.

При сведении исходных групп в одно двумерное пространство получено распределение векторов в этом пространстве. Различия между фоновыми состояниями всех групп были статистически значимы (р<0,05), что свидетельствует о правомерности классификации состояний больных с помощью данного метода.

Помимо этого, установлено, что изменения состояний в исследуемых группах сохраняют выявленные тенденции при объединении их векторов в одном двумерном пространстве. Так в группе II через 6 часов расстояние усредненного группового вектора до «ЭЭГ нормы» существенного уменьшалось, а через 24 часа — возвращалось близко к исходномув III группе — как и во II группе, через 6 часов уменьшение расстояния до «ЭЭГ нормы», но через 24 часа — отмечалось увеличение этого расстояния, в IV группе — наблюдалось уменьшение расстояния группового вектора до «ЭЭГ нормы» через 3 часа и возвращение его к первоначальным координатам через 24 часа.

Как следует из вышесказанного, метод многомерного шкалирования позволяет классифицировать вектора состояний больных не только между группами, но и в пределах исследуемых групп, в одном двумерном пространстве, на фоне наглядной визуализации этих изменений.

В главе 4.4. были исследованы изменения эвклидовых расстояний отдельно по отведениям в процессе различной монофармакотерапии. Во всех отведениях сохранялись те же тенденции изменений взаимного расположения двадцатишестимерных групповых векторов, как и усредненных векторов 208-мерной размерности. При анализе матриц взаимных евклидовых расстояний установлено, что наиболее схожие распределения получены в теменных и затылочных отведениях.

Результаты главы 4.4 позволяют сделать вывод о том, что именно теменные и затылочные отведения вносят основной вклад в разделение векторов на группы в двумерном пространстве методами многомерного шкалирования.

Аналогичным образом нами были проанализированы влияния отдельных ритмов ЭЭГ на общую картину распределения векторов, выявляемую в результате применения многомерного шкалирования. Наибольшая схожесть распределения векторов отмечена в диапазонах аи ß—ритмов, что свидетельствует о том, что именно эти ритмы вносят главный вклад в пространственное распределение полных векторов ЭЭГ.

1. Выявлены следующие значимые отличия спектральных характеристик ЭЭГ испытуемых с психоневрологическими нарушениями (II группаиспытуемые принимающих моклобемид (депрессия, ведущий симптом — апатия), III группа — испытуемые принимающих флуоксетин (депрессия, ведущий симптом — тоска), IV группа — испытуемые, принимающих танакан (дисциркуляторной энцефалопатии)) от ЭЭГ практически здоровых испытуемых (I группа):

1.1. Для испытуемых II группы характерна пониженная а-активность, особенно на частоте 11 Гц, на фоне повышенной спектральной мощности ß—активности практически во всех отведениях, а также повышенная 0-активность в теменных отведениях.

1.2. Для испытуемых III группы характерна пониженная а-активность в теменных и затылочных отведениях и повышенная активность на частоте 11 Гц, пониженные Д-активность во всех отведениях и 0-активности в лобных и затылочных отведениях;

1.3. Для испытуемых IV группы характерно повышенная ß—активность в теменных и затылочных отведениях, пониженная амплитуда а-активности на частоте 11 Гц и повышенная 0-активность в затылочных отведениях.

2. Спектральные характеристики ЭЭГ исследуемых групп разделяются в признаковом пространстве методом дискриминантного анализа с вероятностью (Р>0,95);

3. Выявлена следующая динамика изменения биоэлектрической активности мозга больных в процессе действия разовой дозы фармакопрепарата;

3.1. У испытуемых, принимавших моклобемид в дозе 300 мг и флуоксетин в дозе 20 мг, пик действия препарата (по уменьшению расстояния в признаковом пространстве ЭЭГ) наступал через 6 часов после его приема.

3.2. У испытуемых, принимавших танакан в дозе 120 мг, пик действия препарата (по уменьшению расстояния в признаковом пространстве ЭЭГ) наступал через 3 часов после его приема.

4. При успешной фармакотерапии характеристики биоэлектрической активности головного мозга испытуемых, на момент выписки, приближались к границам «ЭЭГ нормы» или полностью с ней совпадали.

5. Методы многомерного шкалирования позволяют визуализировать динамику изменения параметров ЭЭГ в процессе фармакотерапии;

1. Для классификации состояний и мониторинга действия фармакотерапии наиболее информативными и являются характеристики ЭЭГ теменных и затылочных отведений.

Показать весь текст

Список литературы

  1. CA., Енюков И. О., Мешалкин Л. Д. Прикладная статистика: Основы моделирования и первичная обработка данных. -М., Финансы и статистика, 1983. 471 с.
  2. Ю.А., Барденштейн Л. М., Аведисова A.C. Психофармакотерапия пограничных психических расстройств. М.: ГЭОТАР МЕДИЦИНА, 2000. — 250 с.
  3. Ю.А. Пограничные психические расстройства. -(Руководство для врачей). Ростов-на-Дону: Феникс, 1997. — 576 с.
  4. Ю.А., Поюровский М. В., Незнамов Г. Г. Неврозы и перекисное окисление липидов. М.: Наука, 1991. — 144 с.
  5. Ю.А., Чехонин В. П. Клинико-иммунологические исследования при пограничных психических расстройствах проблемы и решения//Вестник РАМН. -1999-№ 7. С. 12−15.
  6. И.С. Компьютерный мониторинг биоэлектрической активности мозга больных с депрессивным синдромом в процессе лечения. Автореф. дисс. М. 1997. 21 с.
  7. Н.О. Диагностика депрессивных расстройств у пациентов позднего возраста в общемедицинской практике. Российский психиатрический журнал. 2002, № 3, С. 25−28
  8. Биопотенциалы мозга человека. Под. ред. B.C. Русинова. М. Медицина. 1987. 253 с.
  9. Г., Преториус X. Выделение признаков из энцефалограммы методом адаптивной сегментации // ТИИЭР, 1977. Т.65, № 5. -С.59−71.
  10. Г. Н. Межцентральные отношения в коре головного мозга человека в норме и при очаговом поражении диэнцефальных структур (По данным математического анализа ЭЭГ): Автореф. дис.. докт. мед. наук., М., 1978., 34 с.
  11. Г. H. Стабильность спектрально-когерентных характеристик ЭЭГ человека // Успехи физиологических наук. Т.25. № 1. 1994. С. 68.
  12. А.Т., Федотчев А. И. Об активации альфа-ритма ЭЭГ прирывистыми сенсорными воздействиями разной частоты // Физиология человека. Т.20. № 1. 1994. С.5−12.
  13. В.К. Анализ структурной организации ЭЭГ при депрессиях // Физиол. человека. 1981. — Т. 7, № 5. — С. 796−807.
  14. В.К., Никифоров А. И. Использование линейных моделей для исследования ЭЭГ // Физиология человека, 1981.-Т.7, № 5. С.868−879.
  15. В.К., Панюшкина C.B. Исследование динамики интегральных показателей фоновой ЭЭГ при курсовом лечении нейролептиками // Журн.невропатол. и психиатр.-1982.-Т.82, № 2. -С.258−264.
  16. В.К., Никифоров А. И., Даниленко Ю. М. Использование системной организации ЭЭГ при диагностике психопатологичес-ких состояний//Журн.невропатол. и психиатр. 1983, № 12, С. 1805−1811.
  17. В.К., Лазарев В. В., Никифоров А. И. и др. Клинико-электроэнцефалографические корреляции при астеноадинамических субдепрессиях //Журн.невропатол. и психиатр,-1987.- № 4.-С.564−570.
  18. В.К., Панюшкина C.B., Назмутдинов И. Г. и др. Факторный анализ ЭЭГ при курсовой терапии антидепрессантами // Журн. невропатол. и психиатр-1989. -№ 10. -C.I20-I25.
  19. Я., Крекуле И., Брожес Г. Применение ЭВМ в нейрофизиологических исследованиях,. Л., Наука, 1984., 240 с.
  20. О.П. Возможные подходы к типологии депрессий // Депрессия (психопатология, патогенез). М., 1980. — С. 9−16.
  21. В.Я. Электрические явления в головном мозгу // Пер-вые отечественные исследования по электроэнцефалографии.-М.: Медгиз.1949. С.77−88.
  22. Г., Ватте Д. Спектральный анализ и его приложения. М.: Мир, 1971.-T.I. -316 с.
  23. Г., Ватте Д. Спектральный анализ и его приложения. М.: Мир, 1972.- Т.2.-386 с.
  24. Р., Харт П. Распознавание образов и анализ сцен.- М.:Мир, 1976.-512 с.
  25. В.М. Современное представление об ЭЭГ // Успехи физиол.наук. 1979. — Т.10, Т.4. — С.71−95.
  26. М. Многомерное шкалирование: Методы наглядного представления данных. / Пер. с анг. B.C. Каменского. М: Финансы и статистика, 1988, 254 с.
  27. М.Н. Теория ритмических процессов в коре головного мозга. Препр. научн. центр биол.исслед. АН СССР, Пущино, 1982, 37 с.
  28. М.Н. Формирование ритмических процессов вбиоэлектрической активности коры головного мозга// Биофизика. Т.39. № 1. 1994. C.129-I47.
  29. Е.А., Лосев B.C. Системы описания и классификации электроэнцефалограмм человека. М. Наука. 1984. 80 с
  30. Е.А. Биоэлектрическая активность здорового и больного мозга человека // Клиническая нейрофизиология. Л. Наука, 1972. С. 224−265.
  31. Л. Статистическое оценивание. М., Статистика, 1976, 545 с.
  32. Л.Р. Клиническая электроэнцефалография. Издательство ТРТУ. Таганрог. 1996. 357 с.
  33. Л.Р., Ронкин М. А. Функциональная диагностика нервных болезней. М. Медицина. 1991. 639 с.
  34. В.Г. Клинико-патогенетические подходы к неспецифической лекарственной профилактике и терапии депрессивных растройств: Дис. докт. мед. наук. Ростов-на-Дону, 2001. 379 с.
  35. М.И. Цветовое пространство человека, построенное на основе ЭЭГ. / Конференция молодых ученых по нейронаукам. К 80-летию академика РАО, профессора E.H. Соколова. М., Психология, 2000, С. 10.
  36. Иванов-Муромский К. А. Саморегуляция головного мозга, — Киев: Наукова думка, 1971, 248 с.
  37. А., Вейнберг А., Зеттерберг Л. Машинный анализ ЭЭГ-сигналов с использованием параметрических моделей // Тр. Ин-та инженеров по электротехнике и радио электронике, 1981.Т.69, № 4. С. 55−68.
  38. Каплан А. Я, Фингелькурц Ан.А., Фингелькурц Ал.А., Шишкин С. Л., Ивашко P.M. Пространственная синхронность сегментной структуры ЭЭГ человека. Журнал высшей нервной деятельности. 2000, том 26, № 4, С. 624.
  39. А.Я., Борисов C.B., Шишкин СЛ., Ермолаев В. А. Анализ сегментной структуры ос-активности ЭЭГ человека. Российский физиологический журнал им. И. М. Сеченова. 2002, том 88, № 4 С. 432 442.
  40. H.H. Фармакология системной деятельности мозга. Ростов-на-Дону, кн. изд-во, 1975.- 152 с.
  41. H.H. Общие закономерности действия психотропных средств // Фармакол. и токсикол.-1986, — №. 5.-С.45−50.
  42. H.H., Макляков Ю. С., Хоронько В. В. и др. Основы клинической фармакологии. Психофармакология. Учебное пособие. -Ростов-на-Дону, 1982. 170 с.
  43. H.H., Николаева Н. И., Омельченко В. П. Анализ стохастических процессов в психофармакологии // Вероятностно-статистическая организация нейронных механизмов мозга.-Ростов-на-Дону, изд. РТУ.-1974.- C. I30-I49.
  44. H.H., Омельченко В. П. Об одном комплексном методе анализа биопотенциалов мозга на ЦВМ и АВМ // Вопр.кибернетики. Вып.25. Биотехнические системы.-М., 1975.-С.78−85.
  45. H.H., Омельченко В. П. О роли биогенных аминов в пространственной когерентности биопотенциалов мозга // УП Всес. конф. по электрофизиол. центр, нервн.системы.- Каунас, 1976. С. 195.
  46. H.H., Омельченко В. П. Моноаминергические механизмы интрацентральных процессов интеграции // Катехоламинерги-ческие нейроны. М.: Наука, 1979. — С. 110−116.
  47. H.H., Хайтин М. И. Сравнительное исследование некоторых показателей антидепрессивной, активности калия оротата и парацетама // Фармакол. и токсикол.- 1985.- № 2. -С. 32−36.
  48. Клиническая электроэнцефалография / Под ред. В. С. Русинова. -М.: Медицина, 1973.- 340 с.
  49. А.Б. Электрические проявления деятельности коры головного мозга И Частная физиология нервной системы. Л.: Наука, 1983. С. 605−689.
  50. В.А., Мещерский P.M. Современные методы анализа ЭЭГ.-М.: Медгиз. 1963.- 327 с.
  51. Г. А., Власкина JI.A. ЭЭГ проявления межполуарной асимметрии мозга в динамике деятельности // Медицинские информационные системы. Межведоственный тематический научный сборник. Выпуск 2 (IX). Таганрог. 1990. 156 с.
  52. Г. Ф. Биометрия. М. Высшая школа. 1990. 351 с.
  53. О.С., Федорова Н. В., Шток В. Н. Дифференциальная диагностика паркинсонизма. Журнал неврологии и психиатрии. 2003, № 2, С. 54−60.
  54. М.Н. Пространственно-временная организация потенциалов и системная деятельность головного мозга: избранные труды. М. Наука. 1989.400 с.
  55. М.Н. Ритмы электроэнцефалограммы и их функциональное значение //Журн.высш.нервн.деят.- 1984.- Т.34, № 4.-С.613−626.
  56. Н.Л., Морозов Ю. В., Дунаев A.A. Высшая математика. Мн: Выс. шк, 1987,319 с.
  57. В.А., Блудов Ю. М., Плахтиенко В. А. и др. Методы психодиагностики в СПорте. М., 1984.
  58. Н. Нюер Количественный анализ и топографическое картирование ЭЭГ: методики, проблемы, клиническое применение //
  59. Успехи физиологических наук. Т.23. №. 1992. С.20−39.
  60. Т.С., Никифоров А. И. Нейрофизиология глубоких отделов мозга при поздних депрессиях: ее особенности и влияние курсовой терапии //Вестн. РАМН. 1992. — № 8. — С. 21−25.
  61. Т.С., Никифорова А. И., Коптелов Ю. М. и др. Межполушарные соотношения электрической активности мозга при поздних депрессиях. //Журн. невропатол. и психиатр. 1992. — Т. 92, № 1. — С. 88−92.
  62. Т.С., Пантелеева Г. П., Дикая В. И. Клинико-нейро-физиологические маркеры терапевтической резистентности у больных эндогенными депрессиями. //Современные методы биологической терапии психических заболеваний. М., 1994. С. 39.
  63. К.К., Бочкарев В. К., Никифоров А. Н. Прикладные аспекты нейрофизиологии в психиатрии. М., Медицина, 1983. 192 с.
  64. Монахов К. К: Значение ЭЭГ в изучении психической деятельности в норме и патологии // Физиология человека, 1981.- Т.7, № 5. С. 771 783.
  65. К.К., Бочкарев В. К., Никифоров А. Н. Прикладные аспекты нейрофизиологии в психиатрии. -М.: Медицина, 1983. -192 с.
  66. К.К., Бочкарев В. К., Панюшкина C.B. Идентификация нейролептиков при помощи характеристик пространственной организации ЭЭГ // Фармакол. и токсикол., 1986.- № 3.-С.27−32.
  67. К.К., Панюшкина C.B., Бочкарев В. К., Назмутдинов И. Г. Идентификация антидепрессантов при помощи характеристикпространственной организации ЭЭГ // Фармакол. и токсикол.-1987, — N 4.- С.25−29.
  68. Н.М. Сравнительная оценка эффектов психотропных средств по данным компьютерного анализа динамической структуры фармакоэлектроэнцефалограммы // 14.00.25. Ростов-на-Дону. 1988. 19с.
  69. С.Н. Клиническое применение современных антидепрессантов. СПб, Медицинское информационное агентство, 1995, с. 568
  70. A.B., Калинин В. В. Биологические методы прогноза эффективности психофармакотерапии больных шизофренией //Журн. невропатол. и психиатр.-1981.- Т.81, № 8.-C.I232-I243.
  71. Л.И. Методологические аспекты применения математических методов анализа ЭЭГ в клинической нейрофизиологии // Физиология человека, 1981.- Т.7, № 5. С.859−867.
  72. А.И., Бочкарев В. К. Поэтапный факторный анализ пространственной организации ЭЭГ // Физиология человека, 1985.-T.II, N6. -С. 993−996.
  73. В.П. Компьютерный анализ биопотенциалов мозга как основа оценки и фармакологической коррекции психопатологических состояний. Докт. дисс. 1990. 430 с.
  74. В.П., Воронцов Б. И., Гришин А. Д. Критерий однородности спектральных оценок ЭЭГ // Физиология человека., 1988., T.14,N1.C.87−91.
  75. В.П., Матуа С. П., Гришин А. Д. Компьютерный анализ электрограмм мозга при действии некоторых психотропных средств // Журнал «Фармакология и токсикология». № 3. 1989. С. 18−21.
  76. С.М., Гинзбург Д. А., Гурфинкель B.C. и др. Электрическая активность мозга: механизмы и интерпретация // Успехи физических наук. 1983, Т. 141, вып.1., С.103−150.
  77. C.B. Некоторые достижения современной нейрофизиологии в области психиатрии // Журн. невропатол. и психиатр.-1981 а, — Т. 81, № 8, — С.1229−1232.
  78. C.B. Психотропное воздействие и функциональное состояние мозга // Физиология человека, 1981 б.- Т.7, N 5.- С. 833−845.
  79. Г. П., Гнездицкий В. В., Коптелов Ю. М., Бодыхов М. К., Скворцова В. И. Изменения биоэлектрической активности мозга, регистируемые на расстоянии от очага поражения церебральной ткани. 2001, № 5, С. 24−31.
  80. В.Я. Клинико-патогенетические особенности неврозоподобных состояний у участников ликвидации последствий аварии на ЧАЭС // Врачебное дело. 2000. № 2. С. 12−15. ! ! ! ! ! ! ! ! ! ! ! ! !
  81. А.Г. Значение ЭЭГ-показателей для оценки функционального состояния головного мозга // Нейрофизиологические исследования в экспертизе трудоспособности
  82. Под ред. Зимкиной A.M., Климовой-Черкасовой В.И. Л.:Медицина, 1978.- С. 51−78.
  83. П.Ф. Моииторный контроль функций мозга.- М.: Медицина, 1982.-328 с
  84. И.Н. Клиническая наркология. JI. Медицина. 1975. 332с.
  85. B.C., Гриндель О. М., Болдырева.Г.Н. и др. Биопотенциалы мозга человека. Математический анализ. М.: Медицина, 1987, 256 с.
  86. B.C., Гриндель 0. М., Болдырева Г. Н. Исследование динамики межцентральных отношений в коре больших полушарий человека методом спектрального анализа ЭЭГ // Механизмы деятельности головного мозга. Тбилиси, Мецниереба, 1975. — С.365−374.
  87. B.C., Гриндель О. М., Болдырева Г. Н. и др. Симметричность и стабильность спектров ЭЭГ здорового человека // Журн. высш.нервн.деят. 1976. Т.26, №. 3. С.576−587.
  88. B.C., Гриндель О. М., Болдырева Г. Н. и др. Спектральный анализ ЭЭГ и интракортикальные связи при наличии патологического очага на разных уровнях головного мозга человека // Журн.высш.нервн.деят.-1981.- Т.31, № 5.- С.984−993.
  89. Савостьянов А.Н.Ю, Савостьянова Д. А., Изменение электрической активности мозга во время привыкания к вербальному стимулу у людей с высоким и низким уровнем индивидуальной тревожности.2003, том 53, № 3, С. 351−360.
  90. Г. В., Сороко С. И. Применение метода оценки структуры взаимодействия компонентов ЭЭГ для ЭВМ-диагностики патологических состоянии мозга в психиатрии // Журн. нев-ропатол. и психиатр, — 1989.- № 6.-С.92−98.
  91. Г. В., Сороко С. И. Особенности соотношения ЭЭГ у больных с психоорганическим синдромом различной степени тяжести // Физиология человека. 1989.- Т.15, № 1-С.22−33.
  92. Г. В. Электроэнцефалографические маркеры и компьютерная оценка тяжести депрессий. //Журн. невропатол. и психиатр.-1995.-Т. 95, № 1.-С. 75−80.
  93. В.А. Психические расстройства у участников ликвидации последствий аварии на чернобыльской атомной электростанции: клинико-патагенетический подход: Дис. канд. мед. наук. Ростов-на-Дону, 2002.211 с.
  94. В.Б. Меж- и внутриполушарные нарушения при некоторых видах мозговой патологии. //Журн. высш. нерв. деят. 1993. — Т. 43, вып.2. — С. 262.
  95. В.Б. Картирование биопотенциалов мозга при эмоциональной и когнитивной патологии //Журн. высш. нерв. деят. 1997. — Т. 47, вып. 2. — С. 226−241.
  96. В.Б., Иваницкий A.M., Арцеулова O.K. Динамика нейрофизиологических показателей при реактивной (ситуационной) и эндогенной депрессии //Физиол. человека. 1994. — Т. 20, № 6. — С. 64−74.
  97. А.Ю. Анализ данных методами многомерного шкалирования. М., 1986. 168 с.
  98. У.С. Многомерное шкалирование: Теория и метод. М.: Статистика, 1972. С. 95−118.
  99. В. Д., Кориневский A.B. ЭВМ в нейрофизиологических исследова-ниях. М.: Наука, 1978. — 237 с.
  100. Ту Д., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978. -412 с.
  101. Ю.Н., Макаров A.A. Анализ данных на компьютере. М., ИНФРА-М, Финансы и статистика, 1995, 384 с.
  102. Л.Г., Алфимова М. В., Савватеева Н. Ю. Нейроморфологические и психологические корреляты электрической активности мозга у больных шизофренией и их родственников. Журнал неврологии и психиатрии, 2002, № 12, С 35−40
  103. О.В. Биоэффективные частоты и их связь с собственными частотами живых организмов. // Биомедицинские технологии и радиоэлектроника. 2002, № 5, с. 55−66 (World Wide Web resource: http://helios.izmiran.rssi.ru/helioecology/titles/freq/freq.html)
  104. Ю.Л. Краткое руководство к применению шкалы реактивной и личностной тревожности Ч.Д. Спилбергера. Л., 1976
  105. М.А., Шутов A.A. Динамика психовегетативных расстройств у лиц с последствиями легкой боевой черепно-мозговой травмы. Журнал неврологии и психиатрии., 2003, № 1, С. 17−20.
  106. Электронный учебник по статистике: Многомерное шкалирование. М., 1984. С. 1−6. Деп. в http://www.statsoft.com, 2001.
  107. E.D., Matteros В.Н. «The interpretation of potential wav-es in the cortex»//J. Physiol. (Engl.) 1934. V.81. N 4. P.440−471.
  108. Aftanas L.I., Pavlov S.V., Reva N.V., Varlamov A.A. Trait anxiety impact on the EEG theta band power changes during appraisal of threatening and pleasant visual stimuli. International Journal of Psychophysiology, 2003, 50, P. 205−212
  109. Agresti A., Caffjo В., Ohman-Strickland P. Examples in which misspecification of a random effects distribution reduces efficiency, and possible remedies. Computational Statistics & Data Analysis, 2004, 47, P. 639−653
  110. Albo Z., Viana Di Prisco G., Vertes R.P. Anterior thalamic unit discharge profiles and coherence with hippocampal theta rhythm. Thalamus & Related Systems, 2003, 2, P. 133−144
  111. Anemuller J., Sejnowski T.J., Makeig S. Complex independent component analysis of frequency-domain electroencephalographic data. Neural Networks, 2003, 16, P. 1311−1323
  112. Aurlien H., Gjerde I.O., Aarseth J.H., Eldoen G., Karlsen В., Skeidsvoll H., Gilhus N.E. EEG background activity described by a large computerized database. Clinical Neurophysiology, 2004, 115, P. 665−673
  113. Babiloni F., Babiloni C., Carducci F., Romani G.L., Rossini P.M., Angelone L.M., Cincotti F. Multimodal integration of high-resolution EEG and functional magnetic resonance imaging data: a simulation study. Neurolmage, 2003,19, P. 1−15
  114. Basile L.F.H., Baldo M.V.C., de Castro C.C., Gattaz W.F. The generators of slow potentials obtained during verbal, pictorial and spatial tasks. International Journal of Psychophysiology, 2003, 48, P. 55−65
  115. Bell M.A., Fox N.A. Cognition and affective style: Individual differences in brain electrical activity during spatial and verbal tasks. Brain and Cognition, 2003, 53, P. 441−451
  116. H. «Uber Das Elektrenkephalogramm des Menschen’V/Arch. Psychiat. Nervenkr. 1929. Bd.87. S.527−570.
  117. Bertolo H., Paiva T., Pessoa L., Mestre T., Marques R., Santos R. Visual dream content, graphical representation and EEG alpha activity, in congenitally blind subjects. Cognitive Brain Research, 2003, 15, P. 277 284
  118. Bijma F., de Munck J.C., Huizenga H.M., Heethaar R.M. A mathematical approach to the temporal stationarity of background noise in MEG/EEG measurements. Neurolmage, 2003, 20, P. 233−243
  119. Bo P., Soragna D., Specchia C., Chimento P., Favalli L. Quantified EEG analysis monitoring in a novel model of general anaesthesia in rats. Brain Research Protocols, 2003, 11, P. 155−161
  120. Bottger D., Herrmann C.S., Yves von Cramon D. Amplitude differences of evoked alpha and gamma oscillations in two different age groups. International Journal of Psychophysiology. 2002, 45, P. 245−251
  121. Brazier M.A.B., Casby J.U.» An application of the M.I.T. digital electronic correlator to a problem in EEG" // Electroen-cephalog. and Clin. Neurophysol. 1951. V.3. P.375.
  122. Breakspear M., Terry J.R. Detection and description of non-linear interdependence in normal multichannel human EEG data. Clinical Neurophysiology, 2002, 113, P. 735−753
  123. Bruder G.E., Fong R., Tenke C.E. et al. Regional brain asymmetries in major depression with or without an anxiety disorder: a quantitative electroencephalographic study. //Biol. Psychiatry. 1997. — Vol. 41(9). -P. 939−948.
  124. Burgess A.P., Ali L. Functional connectivity of gamma EEG activity is modulated at low frequency during conscious recollection. International Journal of Psychophysiology, 2002, 46, P. 91−100
  125. Cacace A.T., McFarland D.J. Spectral dynamics of electroencephalographic activity during auditory information processing. Hearing Research, 2003, 176, P. 25−41
  126. Caton R." The electric currents of the brain" // Brit. Med J. 1875.-N 2. P.278.
  127. Celka P., Colditz P. Time-varying statistical dimension analysis with application to newborn scalp EEG seizure signals Medical Engineering & Physics, 2002, 24, P. 1−8
  128. Chang T.G., Smith J.K., Principe J.G." An expert system for multi-channel sleep EEG / EOG signal aiialysis 7/ ISA Trans. 1989. V.28. N 1. P.45−51.
  129. Chiou P., Miao W. Shrinkage estimation for the difference between exponential guarantee time parameters. Computational Statistics & Data Analysis, 2005, 48, P. 489−507
  130. Chouinard S., Briere M.-E., Rainville C., Godbout R. Correlation between evening and morning waking EEG and spatial orientation. Brain and Cognition, 2003, 53, P. 162−165
  131. Coger R.W., Dymond A.M., Serafetinides E.A." Classifications ofpsychiatric patients with factor analytic EEG variables" // Proc. San Diego Biomed. 1976. V.15. P. 279−284.
  132. Comani S., Mantini D., Pennesi P., Lagatta A., Cancellieri G. Independent component analysis: fetal signal reconstruction from magnetocardiographic recordings. Computer Methods and Programs in Biomedicine, 2004, 75, P. 163−177
  133. O. «The neuronal generation of the EEG» // Handbook of Electroencephalography and Clinical Neurophysiology / Ed. by Remond A., 2/c. Amsterdam, Elsevier Scientific Publishing. 1974. 2/c. P. 1−55.
  134. Creutzfeldt 0., Watanabe S., Lux H. «Relation between EEG phen-omena and potentials of single cortical cells. Evoked po-tentials after thalamic and epicortical stimulation // EEG and Glin.Neurophysiol., 1966 a.- V.20, N 1.-P.l-18.
  135. Creutzfeldt 0., Watanabe S., Lux H. Relation between .BEG phenom-ena and potentials of single cortical cells. Spontaneous and convulsoid activity //EEG and Clin. .Neurophysiol., 1966 b.-V.20, N 1.-P. 19−37.
  136. Croft, R.J., Barry, R.J., 2000. EOGcorrection: which regression should we use? Psychophysiology 37 (1), 123−125.
  137. Croft R.J., Chandler J.S., Burgess A.P., Barry R.J., Williams J.D., Clarke A.R. Acute mobile phone operation affects neural function in humans. Clinical Neurophysiology, 2002,113, P. 1623−1632
  138. Curran E.A., Stokes M.J. Learning to control brain activity: A review of the production and control of EEG components for driving brain-computer interface (BCI) systems. Brain and Cognition, 2003, 51, P. 326−336
  139. De Carli F., Nobili L., Beelke M., Watanabe T., Smerieri A., Parrino L., Terzano M., Ferrillo F., Quantitative analysis of sleep EEG microstructure in the time-frequency domain. Brain Research Bulletin. 2004, #63, P. 399 405
  140. De Iaco S., Palma M., Posa D. Modeling and prediction of multivariate space-time random fields. Computational Statistics & Data Analysis, 2005, 48, P. 525−547
  141. Daoust A.-M., Limoges E., Bolduc Ch., Mottron L., Godbout R., EEG spectral analysis of wakefulness and REM sleepin high functioning autistic spectrum disorders. Clinical Neurophysiology, 2004, #115, P. 1368−1373
  142. Darvas F., Pantazis D., Kucukaltun-Yildirim E., Leahy R.M. Mapping human brain function with MEG and EEG: methods and validation. Neurolmage, 2004, 23, P. S289-S299
  143. David O., Cosmelli D., Friston K.J.Evaluation of different measures of functional connectivity using a neural mass model. Neurolmage, 2004, 21, P. 659−673
  144. David O., Friston K.J. A neural mass model for MEG/EEG: coupling and neuronal dynamics. Neurolmage, 2003, 20, P. 1743−1755
  145. De Carli F., Nobili L., Beelke M., Watanabe T., Smerieri A., Parrino L., Terzano M.G., Ferrillo F. Quantitative analysis of sleep EEG microstructure in the time-frequency domain. Brain Research Bulletin, 2004, 63, P.399−405
  146. Dirnberger G.,. Duregger C, Trettler E., Lindinger G., Lang W. Fatigue in a simple repetitive motor task: a combined electrophysiological and neuropsychological study Brain Research 2004, 1028, P. 26−30
  147. Dirnberger G., Greiner K., Duregger C., Endl W., Lindinger G., Lang W. The effects of alteration of effector and side of movement on the contingent negative variation. Clinical Neurophysiology, 2003, 114, P. 2018−2028
  148. Douglas R.R., Rogers L. J, Comparative factor analysis models for an empirical study of EEG data // Int.J.Neurosci., 1983.-V.18, N 3−4.-P.211−226.
  149. Durka P.J., Szelenberger W., Blinowska K.J., Androsiuk W., Myszka M. Adaptive time-frequency parametrization in pharmaco EEG. Journal of Neuroscience Methods, 2002, 117, P. 65−71
  150. Duzel E., Habib R., Schott B., Schoenfeld A., Lobaugh N., Mcintosh A.R., Scholz M., Heinze H.J. A multivariate, spatiotemporal analysis of electromagnetic time-frequency data of recognition memory. Neurolmage, 2003, 18, P. 185−197
  151. Elliott M. A, Herrmann C.S., Mecklinger A., Muller H.J. The loci of oscillatory visual-object priming: a combined electroencephalographic and reaction-time study International Journal of Psychophysiology, 2000, 38, P. 225−241
  152. Elul R. The genesis of the EEG 11 Int.Rev.Neurobiol.-1972.-V.15.-P.227−272.
  153. Esslen M., Pascual-Marqui R.D., Hell D., Kochi K., Lehmann D. Brain areas and time course of emotional processing. Neurolmage, 2004, 21, P. 1189−1203
  154. Farenc C., Fabreguette J.-R., Bressolle F. Pk-fit: A Pharmacokinetic/Pharmacodynamic and Statistical Data Analysis Software. Computers and Biomedical Research 2000, 33, P. 315−329
  155. Fingelkurts A.A., Fingelkurts A.A., Kaplan A. Ya. The regularities of the discrete nature of multi-variability of EEG spectral patterns. International Journal of Psychophysiology, 2003, 47, P. 23−41
  156. Fingelkurts A., Fingelkurts A., Krause C., Kaplan A., Borisov S., Sams M. Structural (operational) synchrony of EEG alpha activity during an auditory memory task. Neurolmage, 2003, 20, P. 529−542
  157. Fink A., Schrausser D.G., Neubauer A.C. The moderating influence of extraversion on the relationship between IQ and cortical activation Personality and Individual Differences, 2002, 33, P. 311−326
  158. Freeman, W.J., Baird, B., Relation of olfactory EEG to behavior: spatialanalysis. Behav. Neurosci. 1987, 101, 393−408.
  159. Freeman W.J. Origin, structure, and role of background EEG activity. Part
  160. Analytic amplitude. Clinical Neurophysiology, 2004, 115, P. 2077−2088
  161. Freeman W.J. Origin, structure, and role of background EEG activity. Part
  162. Analytic phase. Clinical Neurophysiology, 2004, 115, 2089−2107
  163. Freeman, W.J., Rogers, L.J., Fine temporal resolution of analytic phase reveals episodic synchronization by state transitions in gamma EEGs. J. Neurophysiol, 2002, 87 (2), 937−945.
  164. Galderisi S., Mucci A,. Bucci P. et. al. Influence of moclobemide on cognitive functions of nine depressed patients: pilot trial with neurophysiological and neuropsychological indices. //Neuropsychobiology. 1996. — Vol. 33(1). — P. 48−54.
  165. Gasser T. General characteristics of the EEG as a signal» //EEG Inform atics. A Didactic Review of Methods and Applicat-ions of EEG Data Processing.- Amsterdam: Elsevier / North-Holland Biomed.Press., 1977.-P.37−54.
  166. Gasser T., Bacher P., Moks J. Transformations towards the nor-mal distribution of broad band spectral parameters of the EEG// Electroencephalogr. and Clin. Neurophysiol., 1982.-V.53, Nl.-P.l 19−124.
  167. Gasser T" Mocks J. Graphical representation of multidimension-al EEG data and class if icatiry aspects // Electroenceph. and Neurophysiol., 1983.-V.55, N 5.-P.609−612.
  168. Gevins A. Pattern recognition of human brain electrical Potentials // IEEE Trans. Pattern. Anal. and Ma. Int.-l-80.-V.2, N 5.-P.383−404.
  169. A., Morgan N. «Classifier-directed signal processing in brainresearch7/IEEE Trans. Biomed. Eng. 1986. V.33. N12. P.1054−1068.
  170. Gevins A.S., Schaffer R.E. A critical review of electroencephalographic (EEG) correlates of higher cortical runction//CriticaI Review in Bioengineering. №.10. 1980. P. l 13−164.
  171. Gevins A.S., Yeager O.L. An interactive, developmental approach to realtime EEG-analysis"//Behav. and Brain. Elect.Activ.-New York-London. 1975. P.221−263.
  172. Gevins A., Yeager C., Dyamond S, et al. Automated analysis of the electrical activity of the human brain: A progress report // proc. IEEE. 1975. V.63,N 10.-P1382−1399.
  173. Gevins A., Zeitlin G., Doyle I., et al. «EEG patterns during cognitive tasks: Part 2, analysis of controlled tasks // Electroencephal and Clin, Neurophysiol., 1979. V.47. P.704−710.
  174. Gigola S., Ortiz F., D’Attellis C.E., Silva W., Kochen S. Prediction of epileptic seizures using accumulated energy in a multiresolution framework. Journal of Neuroscience Methods, 2004, 138, P. 107−111
  175. Glassman R.B. Topology and graph theory applied to cortical anatomy may help explain working memory capacity for three or four simultaneous items. Brain Research Bulletin, 2003, 60, P. 25−42
  176. Godtliebsen F., Qigard T.A. A visual display device for significant features in complicated signals. Computational Statistics & Data Analysis, 2005, 48, P. 317−343
  177. Hao J., Shonchang Z. «The Fourier and Walsh power-spectrum anal-ysis of EEG» // Proc. 9th Annu. Conf. IEEE Eng. Med. and Biol. Soc. Boston. Mass. Nov. 13−16. 1987. V.2. New York, 1987. P.836−837.
  178. Hallschmid M., Molle M., Fischer S., Born J. EEG synchronization upon reward in man. Clinical Neurophysiology, 2002, 113, P. 1059−1065
  179. Hamilton M. Development of rating scale for primary depressive illness. //Brit. J. Soc. Clin. Psychol. 1967. — N 6. — P. 278−296.
  180. K.N. «Computer Analysis and Clinical EEG interpretationperspective and application» // CEAN computerized EEG anal-ysis. Stuttgart. 1975. P.337−343.
  181. Harman D.W., Ray W.J. «Hemispheric activity during affective ver-bal stimuli» //Neurophysiologia. 1977. V.15. P.457−460.
  182. He B., Zhang X., Lian J., Sasaki H., Wu D., Towle V.L. Boundary Element Method-Based Cortical Potential Imaging of Somatosensory Evoked Potentials Using Subjects' Magnetic Resonance Images. Neurolmage, 2002, 16, P. 564−576.
  183. Hellier P., Barillot C. A hierarchical parametric algorithm for deformable multimodal image registration Computer Methods and Programs in Biomedicine, 2004, 75, P. 107−115
  184. Hutter M., Zaffalon M. Distribution of mutual information from complete and incomplete data. Computational Statistics & Data Analysis, 2005, 48, P.633−657
  185. Irwin M., Clark C., Kennedy B., Gillin J.C., Ziegler M. Nocturnal catecholamines and immune function in insomniacs, depressed patients, and control subjects Brain, Behavior, and Immunity, 2003,17, P. 365−372
  186. Inui K., Tran T.D., Qiu Y., Wang X., Hoshiyama M., Kakigi R. A Comparative Magnetoencephlographic Study of Cortical Activations Evoked by Noxious And Innocuous Sometosensory Stimulations. Neuroscience, 2003, 120, P. 235−248
  187. Itil T.M. Elektroencephalographische Befunde zur KLassifikation neuro-und thymoleptischer Medikamente//Med .Exp., 1961. -V.5.-P.347−363.
  188. Itil T.M. Electroencephalographische Studien bei Psychosen und Psychotropen Medikamenten.-Istanbul. Ahmet Sail Metbaasi, 1964.
  189. Itil T.M. Electroencephalography and pharmacopsychiatry // Clinical Psychophamacology. Mod.Probl.Phaimacopsych. /Ed. by Freyhau F.A., Petrilowitsch N., Pichot P.- Karger-Basel, New York.-1968.-V l.-P. 163
  190. Itil T.M. Quantitative pharmacoelectroencephalography // Psychotropic Drugs and the Human EEG. Modern. Problems in Pharmacopsychiatry /Ed. «by Itil T.M. Basel, New York: Karger.-1974.-V.8.-P.43−75.
  191. Itil T.M. Computer EEG-Profiles of Antidepressants // Industrial Pharmacology /Ed. by Fielding S., Lab H.- .Futura Publ, Company. Mt. Kisco, New York 1975.-V.2 .-P.319−351.
  192. Itil T.M. Quantitative pharmaco-electroencephalography in the discovery of psychotropic properties of drugs // Neuro-psychopharniacology.- Proc. 10th Congr.Coll. Int. Quebec, 1976. V.2. Oxford e.a.-1978.-V.2.-P.l 1 831 190.
  193. Itil T.M. Progress of EEG in psychiatry // Psychiat. J. Univ. Ottawa .Rev. de Psychiatrie de L' Univ. d’Ottawa.-1979.-V.4.-Nl.-P.45−56.
  194. Itil T.M. The Discovery of Psychotropic Drugs by Computer-Analysed Cerebral Bioelectrical Potentials (CEEG) // Drug Development Research, 198 l.-V 1 .-P.373−407.
  195. Itil T.M. Psychotropic Drugs and Human EEG // Electroencephalography: Basic Principles, Clinical Applications and Related Fie Ids.-Urban, Schwarzenberg, Baltimore.Munich., 1982.-P.499−514.
  196. Itil T.M., Marasa J., Saletu B. et al. Computerized EEG: predictor of outcome in schizophrenia // The J. of Nerv, and Ment. Disease.- 1975.-V.160.-N 3.-P. 188−203.
  197. Itil T.M., Monon G.H., Itil K.Z. Computer EEG Drug Data Base in Psychopharmacology and in Drug Development // Psychopharmacol. Bull.-1982.- V.18, N 4.-P.165−176.
  198. Itil T.M., Saletu B., Davis S. EEG findings in chronic schizophrenics based on digital computer period analysis and analog power spectra» // Biol.Psychiatry. 1972. V.5. P. l-13 .
  199. Itil T.M., Shapiro D.M., Herrmann W.M. et al. HZI Systems for EEGparametrization and classification of Psychotropic Drugs» // Pharmacopsychiat. 1979. V.12,N 1. P.4−19.
  200. T.M., Soldatos C. «Clinical Neurophysiological Properties of Antidepressants» // Psychotropic Agents. Part I. Anti-psychotics and Antidepressants /Ed. by Hoffmeister F., Stille G.1980. Springer-Verlag, Berlin, Heidelberg, New York. P. 437−469.
  201. Iwasaki M., Nakasato N., Shamoto H., Yoshimoto T. Focal magnetoencephalographic spikes in the superior temporal plane undetected by scalp EEG Journal of Clinical Neuroscience, 2003, 10(2), P. 236−238
  202. Jansen B.H. Nonlinear dynamics and quantitative EEG analysis // Electroencephalography and Clinical Neurophysiology Supplement. V.45. 1996. P.39−56.
  203. Jansen B.H., Hasman A., Lenten R. Piece-wise analysis of EEG using AR-modeling and clastering//Comput. Biomed. Res. №.14. 1981. P.168−178.
  204. B.H. «Automatic interpretation of electroencephalograms by means of an expert system» // Opt. Eng. 1985. V.24, N 6. P.1009−1010.
  205. B.H., Bourne J.K., Ward J.W. «^identification and labeling of EEG graphic elements using autoregressive spectral estimates «// Comput .Biol. Med. 1982. V.12. N2. P.97−106.
  206. Jansen B.H., Dawant B.M. Knowledge-based approach to sleep EEG analysis. A feasibility study» // IEEE Trans.Biomed. Eng. 1989. V.36. N 5. P.510−518.
  207. Jausovec N., Jausovek K. EEG activity during the performance of complex mental problems. Intern. J. Psychophysiology, 2000, 36:73
  208. Jazayeri M., Skinner F.K. Multimodalityin a dynamic feedback network with stochastic input. Neurocomputing, 2003, 52, P. 805−811
  209. Jones N.A., McFall B.A., Diego M.A. Patterns of brain electrical activity in infants of depressed mothers who breastfeed and bottle feed: the mediating role of infant temperament. Biological Psychology, 2004, 67, P. 103−124
  210. Kaplan A., Roschke J., Darkhovsky B., Fell J. Macrostructural EEG characterization based on nonparametric change point segmentation: application to sleep analysis. Journal ofNeuroscience Methods, 2001, 106, P. 81−90
  211. Khan Y.U., Gotman J. Wavelet based automatic seizure detection in intracerebral electroencephalogram. Clinical Neurophysiology, 2003, 114, P. 898−908
  212. Kiebel S.J., Friston K.J. Statistical parametric mapping for event-related potentials: I. Generic considerations. Neurolmage, 2004, 22, P. 492- 502
  213. Knott V.J., Telner J.I., Lapierre Y. D et al. Quantitative EEG in the prediction of antidepressant response to imipramine. //J. Aff. Disord. -1996.- V.39,N3.-P. 175−184.
  214. Knyazev G.G., Slobodskaya H.R., Wilson G.D. Psychophysiological correlates of behavioural inhibition and activation Personality and Individual Differences, 2002, 33, P. 647−660
  215. Kobayashi K., Yoshinaga H., Oka M., Ohtsuka Y., Gotman J. A simulation study of the error in dipole source localization for EEG spikes with a realistic head model. Clinical Neurophysiology 2003, 114, P. 1069−1078
  216. , C., 1999. Biophysics of Computation: Information Processing in Single Neurons. Oxford University Press, New York, NY.
  217. Komssi S., Huttunen J., Aronen H.J., Ilmoniemi R.J. EEG minimum-norm estimation compared with MEG dipole fitting in the localization of somatosensory sources at SI. Clinical Neurophysiology, 2004, 115, P. 534−542
  218. Koulouris A., Papakonstantinou G., Tsanakas P. A Decentralized Multichannel Length Transformation Algorithm and Its Parallel Implementation for Real-Time ECG Monitoring, Computers and Biomedical Research, 2000, 33, P. 227−244
  219. Korn H., Faure P. Is there chaos in the brain? II. Experimental evidence and related models. C. R. Biologies, 2003, 326, P. 787−840
  220. Kovalerchuk B., Triantaphyllou E., Ruiz J.F., Torvik V.I., Vityaev E. The Reliability Issue of Computer-Aided Breast Cancer Diagnosis Computers and Biomedical Research, 2000, 33, P. 296−313
  221. Ktonas P.Y. Automated analysis of abnormal electroencephalograms // GRC Crit.Sev.Biomed, Eng.-1983.-V.9, N 1.-P.39−97.
  222. Ktonas PY. Computer-based recognition of EEG patterns // Electroencephalography & Clinical Neurophysiology Supplement. №.45. 1996. P.23−35.
  223. Kwan A.C.C., Sim A.-B., Wu Y. A comparative study of the finite-sample performance of some portmanteau tests for randomness of a time series Computational Statistics & Data Analysis, 2005, 48, P. 391−413
  224. Lachaux J.-P., Lutz A., Rudrauf D., Cosmelli D., Le Van Quyen M., Martinerie J., Varela F. Estimating the time-course of coherence between single-trial brain signals: an introduction to wavelet coherence Neurophysiol Clin, 2002 — 32, P. 157−74
  225. Lachaux J.Ph., Rudrauf D., Kahane P. Intracranial EEG and human brain mapping. Journal of Physiology Paris, 2003, 97, P. 613−628
  226. Laufs H., Kleinschmidt A., Beyerle A., Eger E., Salek-Haddadi A., Preibisch C., Krakow K. EEG-correlated fMRI of human alpha activity. Neurolmage, 2003, 19, P. 1463−1476
  227. Le Van Quyen M., Foucher J., Lachaux J.-P., Rodriguez E., Lutz A., Martinerie J., Varela F.J. Comparison of Hilbert transform and waveletmethods for the analysis of neuronal synchrony Journal of Neuroscience Methods, 2001, 111, P. 83−98
  228. Lipovetsky S., Conklin W.M. Thurstone scaling via binary response regression Statistical Methodology, 2004, 1, P. 93−104
  229. Lopes da Silva F.H.'Tattern recognition and automatic EEG analysis’V/Trends Neurosci.1981. V.4. N 12. P.294−297.
  230. Lopes da Silva F.H. «EEQ Analysis: Theory and Practice"// Electroencephalography: Basic Principles, Clinical Applications and Related Fields -Urban, Schwarzenberg, Baltimore, Munich. 1982 a. P.685−711.
  231. Lopes da Silva F.H., Dijk A., Smits H. «Detection of nonstation-arities in EEC using the autoregressive model an app-lication to EEGs of epiIeptics"//CEAN-Computerized EEG analysis / Eds.-Dolce G, Kunkel H.-Fischer-Ver-lag. Stuttgart. 1975. P.180−199.
  232. Lopes da Silva F.H., van Hulten K., Lommen T.B. et al. «Automatic detection and localization of epileptic foci"// Elect-roencephalogr. and clin. Neurophysiol. 1977. V.43. P. 1−13.
  233. Lopes da Silva F.H., van Rotterdam A. «Biophysical Aspects of EEG and MEG Generation"// Electroencephalography- Basic Principles, Clinical Applications and Related Fields.-Urban. Schwarzenberg, Baltimore. Munich. 1982. P.15.
  234. Lorenz J., Garcia-Larrea L. Contribution of attentional and cognitive factors to laser evoked brain potentials Modulation attentionnelle et cognitive des reponses evoquees par laser. Neurophysiologie clinique, 2003, 33, P. 293−301
  235. Lubar J.F., Congedo M., Askew J.H. Low-resolution electromagnetic tomography (LORETA) of cerebral activity in chronic depressive disorder. International Journal of Psychophysiology, 2003, 49, P. 175−185
  236. Majumdar D., Martin R.J. Efficient designs based on orthogonal arrays of type I and type II for experiments using units ordered over time or space. Statistical Methodology, 2004, 1, P. 19−35
  237. Matua S, Omelchenko V. // The Electroencephalographic Analysis of Cerebral Disorders in Patients Underwent Ionizing Radiation. Abstr. 2nd International Congress of Pathophysiology. Kyoto, Japan, 1994. P. 463.
  238. Marrufo M.V., Vaquero E., Cardoso M.J., Gomez C.M. Temporal evolution of a and b bands during visual spatial attention. Cognitive Brain Research, 2001, 12, P. 315−320
  239. Mas F., Prichep L.S., Alper K. Treatment resistant depression in a case of minor head injury: an electrophysiological hypothesis. //Clin. Electroencephalography. 1993. — Vol.24, N 3. — P. 118−122.
  240. McGlone F., Kelly E.F., Trulsson M., Francis S.T., Westling G., Bowtell R. Functional neuroimaging studies of human somatosensory cortex. Behavioural Brain Research, 2002, 135, P. 147−158
  241. Michel C.M., Murray M.M., Lantz G., Gonalez S., Spinelli L., Grave de Peralta M.R., EEG source imaging. Clinical Neurophysiology, 2004, #115, p. 2195−2222.
  242. Miwakeichi F., Martinez-Montes E., Valdes-Sosa P.A., Nishiyama N., Mizuhara H., Yamaguchi Y. Decomposing EEG data into space-time-frequency components using Parallel Factor Analysis. Neurolmage, 2004, 22, P. 1035−1045
  243. Moosmann M., Ritter P., Krastel I., Brink A., Thees S., Blankenburg F., Taskin B., Obrig H., Villringer A. Correlates of alpha rhythm in functional magnetic resonance imaging and near infrared spectroscopy. Neurolmage, 2003,20, P. 145−158
  244. Musha T., Mochiduki Y., Kurachi T., Matsuda H., Asada T. Localization of impaired cortical neurons by EEG power fluctuation analysis. International Congress Series, 2004, 1270, P. 20−25
  245. Myers R., Stockard J., Fleming H. et al. «The use of on-line telephonic computer analysis of the EEG in anestriesia» // Brit. J. Anestn.-1973. V.45. P.664−670.
  246. Myhrer T., Skymoen L.R., Aas P. Pharmacological Agents, Hippocampal EEG, and Anticonvulsant Effects on Soman-Induced Seizures in Rats. NeuroToxicology, 2003, 24, P. 357−367
  247. Newton T.F., Cook I.A., Kalechstein A.D., Duran S., Monroy F., Ling W., Leuchter A.F. Quantitative EEG abnormalities in recently abstinent methamphetamine dependent individuals. Clinical Neurophysiology, 2003, 114, P. 410−415
  248. Niedermeyer, E., Lopes da Silva, F.H., Electroencephalography: Basic Principles, Clinical Applications and Related Fields. Williams & Watkins, Baltimore. 1999.
  249. Nocairi H., Qannari E. M., Vigneau E., Bertrand D. Discrimination on latent components with respect to patterns. Application to multicollinear data Computational Statistics & Data Analysis, 2005, 48, P. 139−147
  250. O’Connor, S.C., Robinson, P.A., Wave-number spectrum of electrocorticographic signals. Phys. Rev. 2003. E 67, 51 912
  251. Palagini L., Gemignani A., Feinberg I., Guazzelli M., Campbell I. G. Mental activity after early afternoon nap awakenings in healthy subjects. Brain Research Bulletin, 2004, 63, P. 361−368
  252. Parra L., Alvino C., Tang A., Pearlmutter B., Yeung N., Osman A., Sajda P. Linear Spatial Integration for Single-Trial Detection in Encephalography. Neurolmage, 2002, 17, P. 223−230
  253. Pardalos P.M., Sackellares J.C., Iasemidis L.D., Yatsenko V., Yang M.C.K., Shiau D.-S., Chaovalitwongse W. Statistical information approaches for the modelling of the epileptic brain. Computational Statistics & Data Analysis, 2003, 43, P. 79−108
  254. Pardalos P.M., Yatsenko V., Sackellares J.C., Shiau D.-S, Chaovalitwongse W., Iasemidis L.D. Analysis of EEG data using optimization, statistics, and dynamical system techniques. Computational Statistics & Data Analysis, 2003,44, P. 391−408
  255. Peteranderl C., Antonijevic I.A., Steiger A., Murck H., Held K., Frieboes R.-M., Uhr M., Schaaf L. Nocturnal secretion of TSH and ACTH in male patients with depression and healthy controls. Journal of Psychiatric Research, 2002, 36 P. 189−196
  256. Phillips C., Rugg M.D., Friston K.J. Systematic Regularization of Linear Inverse Solutions of the EEG Source Localization Problem Neurolmage, 2002, 17, P. 287−301
  257. Pizzagalli D., Hendrick A.M., Horras K.A., Davidson R.J., Anteriorcingulate theta activity is associated with degree of treatment response in major depression. International Congress Series 1232 (2002) 711−717
  258. L. «Data processing in EEG. Part2. Discrete Fourier transformation"// Amer. J. EEG Technol.1979. V.19. N 1. P.9−17.
  259. Praamstra P., Oostenveld R. Attention and movement-related motor cortex activation: a highdensity EEG study of spatial stimulus-response compatibility. Cognitive Brain Research, 2003, 16, P. 309−322
  260. Praamstra P., Turgeon M., Hesse C.W., Wing A.M., Perryer L. Neurophysiological correlates of error correction in sensorimotor-synchronization. Neurolmage, 2003, 20, P. 1283−1297
  261. Robinson, P.A., Loxley, P.N., O’Connor, S.C., Rennie, C.J., Modal analysis of corticothalamic dynamics, electroencephalographic spectra, and evoked potentials. Phys. Rev. 200l. E 63 (41 909), 1−13.
  262. Robinson, P.A., Rennie, C.J., Wright, J.J., Bahramali, H., Gordon, E., Rowe, D.L., Prediction of electroencephalographic spectra from neurophysiology. Phys. Rev. 2001. E 63 (21 903), 1−18.
  263. Robinson, P.A., Rennie, C.J., Rowe, D.L., O’Connor, S.C., Estimation of neurophysiological of multiscale neurophysiological parameters by EEGmeans. Human Brain Mapping. 2004. 23 (1), 53−72.
  264. Rodionov V., Goodman C., Fisher L., Rosenstein G.-Z., Sohmer H. A new technique for the analysis of background and evoked EEG activity: time and amplitude distributions of the EEG deflections. Clinical Neurophysiology, 2002, 113, P. 1412−1422
  265. Rodin E.A., Rodin M.J. Dipole sources of the human alpha rhythm // Brain Topography. V.7. № 3. 1995. P.201−208.
  266. Rosso O.A., Martin M.T., Piastino A. Brain electrical activity analysis using wavelet-based informational tools. Physica A, 2002, 313, P. 587−608
  267. Rosso O.A., Martin M.T., Piastino A. Brain electrical activity analysis using wavelet-based informational tools (II): Tsallis non-extensivity and complexity measures. Physica A, 2003, 320, P. 497−511
  268. Rupprecht R. Neuroactive steroids: mechanisms of action and neuropsychopharmacological properties. Psychoneuroendocrinology, 2003, 28, P. 139−168
  269. Rowe D.L., A. Robinson P.A., Rennie Ch.J., Estimation of neurophysiological parameters from the waking EEG using a biophysical model of brain dynamics. Journal of Theoretical Biology, 231, 2004, p. 413−433
  270. Sachs G., Anderer P., Dantendorfer K., Saletu B. EEG mapping in patients with social phobia. Psychiatry Research: Neuroimaging, 2004, 131, P. 237 247
  271. Salek-Haddadi A., Friston K.J., Lemieux L., Fish D.R. Studying spontaneous EEG activity with fMRI. Brain Research Reviews, 2003, 43, P. 110−133
  272. Salenius S., Hari R. Synchronous cortical oscillatory activity during motor action. Current Opinion in Neurobiology, 2003, 13, 678−684
  273. Schack B, Vath N., Petsche H., Geissler H.-G., Moller E. Phase-coupling of theta-gamma EEG rhythms during short-term memory processing. International Journal of Psychophysiology, 2002, 44, P. 143−163
  274. Schmidtke J. I., Heller W. Personality, affect and EEG: predicting patterns of regional brain activity related to extraversion and neuroticism. Personality and Individual Differences, 2004, 36, P. 717−732
  275. Schoonhoven R., Boden C.J.R., Verbunt J.P.A., de Munck J.C. A whole head MEG study of the amplitude-modulation-following response: phase coherence, group delay and dipole source analysis. Clinical Neurophysiology, 2003, 114, P. 2096−2106
  276. Sensitivity and specificity of select biological indices in characterizing psychotic patients and their relatives. Sponheim S.R., Iacono W.G., Thuras P.D., Nugent S.M., Beiser M. Schizophrenia Research, 2003, 63, P. 27−38
  277. Sigmundsson T., Suckling J., Maier M. et al. Structural Abnormalities in Frontal, Temporal and Limbic regions and Interconnecting white matter tracts in schizophrenic patients whit prominent negative symptoms/ Am J Psychiat, 2001, #158:2, P. 234−243
  278. Silva C., Maltez J.C., Trindade E., Arriaga A., Ducla-Soares E. Evaluation of LI and L2 minimum norm performances on EEG localizations. Clinical Neurophysiology, 2004, 115, P. 1657−1668
  279. Skrandies W. Brain mapping of evoked potential correlates of semantic meaning cross-cultural studies. International Congress Series, 2004, 1270, P. 61−66
  280. Stam C.J., van Cappellen van Walsum A.-M., Micheloyannis S. Variability of EEG synchronization during a working memory task in healthy subjects. International Journal of Psychophysiology, 2002, 46, P. 53−66
  281. Steffensen S.C., Lee R.-S., Henriksen S.J., Packer T.L., Cook D.R. A novel electroencephalographic analysis method discriminates alcohol effects from those of other sedative/hypnotics. Journal of Neuroscience Methods, 2002, 115, P. 145−156
  282. Storch C., Hohne A., Holsboer F., Ohl F. Activity patterns as a correlate for sleep-wake behaviour in mice. Journal of Neuroscience Methods. 2004, #133, P. 173−179
  283. Tallon-Baudry C. Oscillatory synchrony and human visual cognition. Journal of Physiology. Paris, 2003, 97, P. 355−363
  284. Tandonnet C., Burle B., Vidal F., Hasbroucq T. The influence of time preparation on motor processes assessed by surface Laplacian estimation. Clinical Neurophysiology, 2003, 114, P. 2376−2384
  285. Teicher M.H., Andersen S.L., Polcari A., Anderson C.M., Navalta C.P., Kim D.M. The neurobiological consequences of early stress and childhood maltreatment. Neuroscience and Biobehavioral Reviews, 2003, 27, P. 3344
  286. Thornton K. The electrophysiological effects of a brain injury on auditory memory functioning. The QEEG correlates of impaired memory. Archives of Clinical Neuropsychology, 2003, 18, P. 363−378
  287. Tong S., Bezerianos A., Malhotra A., Zhu Y., Thakor N. Parameterized entropy analysis of EEG following hypoxic-ischemic brain injury. Physics Letters A, 2003, 314, P. 354−361
  288. Trujillo-Barreto N.J., Aubert-Vazquez E., Valdes-Sosa P.A. Bayesian model averaging in EEG/MEG imaging. Neurolmage, 2004, 21, P. 13 001 319
  289. Vanhatalo S., Voipio J., Kaila K. Full-band EEG (FbEEG): an emerging standard in electroencephalography. Clinical Neurophysiology, 2004, 116, P. 2111−2118
  290. Vecchierini M.-F., d’Allest A.-M., Verpillat P. EEG patterns in 10 extreme premature neonates with normal neurological outcome: qualitative and quantitative data. Brain & Development, 2003, 25, P. 330−337
  291. Volf N.V., Passynkova N.R. EEG mapping in seasonal affective disorder. Journal of Affective Disorders. 2002, 72, P. 61−69
  292. Waberski T.D., Gobbele R., Darvas F., Schmitz S., Buchner H. Spatiotemporal Imaging of Electrical Activity Related to Attention to Somatosensory Stimulation. NeuroImage, 2002, 17, P. 1347−1357
  293. Wackermann J., Putz P., Buchi S., Strauch I., Lehmann D. Brain electrical activity and subjective experience during altered states of consciousness: ganzfeld and hypnagogic states. International Journal of Psychophysiology, 2002, 46, P. 123−146
  294. Wackermann J., Seiter C., Keibel H., Walach H. Correlations between brain electrical activities of two spatially separated human subjects. Neuroscience Letters, 2003, 336, P. 60−64
  295. D.O. «Spectral analysis for electroencephalograms: Mathematic determination of neurophysiological relationship from records of limited duration// Exp. Neurol. 1963. V.8. P.155−181.
  296. Walter D., Rhodes J., Adey W. Discriminating amoung states of consciousness by EEG measurements. A study of four subjects. // Electroencephalography and Clin. Neurophysiol. 1967. V.22.P.22−29.
  297. Walter G. Technique-interpretation. Normal rhythms their development, distribution and significance'7/Electroence-phalography. A symp. on its various aspects. London: Macdonald, 1950. P. 63−91. P. 203−277.
  298. Wieser S., Wieser H.G., Event-related brain potentials in memory: correlates of episodic, semantic and implicit memory. Clinical Neurophysiology, 2001, 14 (3), P. 1144−1152
  299. Winterhalder M., Maiwald T., Voss H.U., Aschenbrenner-Scheibe R., Timmer J., Schulze-Bonhage A. The seizure prediction characteristic: a general framework to assess and compare seizure prediction methods. Epilepsy & Behavior, 200, 34, P. 318−325
  300. Winker P., Gilli M. Applications of optimization heuristics to estimation and modelling problems. Computational Statistics & Data Analysis, 2004, 47, P. 211−223
  301. Young F., De Leeuw J., Takane Y. Multidimensional scaling: Theory and method. Erlbaum, 1986. 240 p.
  302. Zampi Ch., Fagioli I, Salzarulo P. Time course of EEG background activity level before spontaneous awakening in the second semester of human life. Neuroscience Letters. 2003, #349, P. 83−86
  303. Zhang X., van Drongelen W., Hecox K.E., Towle V.L., Frim D.M., McGee A.B., He B. High-resolution EEG: Cortical potential imaging of interictal spikes. Clinical Neurophysiology 2003, 114, P. 1963−1973
  304. Zhang N., Wei B., Lin J. Generalized nonlinear models and variance function estimation. Computational Statistics & Data Analysis, 2005, 48, 549−570
Заполнить форму текущей работой

На отлично!