Известия высших учебных заведений

Прикладная нелинейная динамика

ISSN 0869-6632 (Print)
ISSN 2542-1905 (Online)


Для цитирования:

Журавлев М. О., Акимова А. С., Панина О. С., Киселев А. Р. Колебательные характеристики в электрической активности головного мозга новорожденных и их корреляция с различным возрастом гестации // Известия вузов. ПНД. 2023. Т. 31, вып. 5. С. 650-660. DOI: 10.18500/0869-6632-003063, EDN: SOMZPJ

Статья опубликована на условиях лицензии Creative Commons Attribution 4.0 International (CC-BY 4.0).
Полный текст в формате PDF(Ru):
Полный текст в формате PDF(En):
(загрузок: 11)
Язык публикации: 
русский
Тип статьи: 
Научная статья
УДК: 
530.182
EDN: 

Колебательные характеристики в электрической активности головного мозга новорожденных и их корреляция с различным возрастом гестации

Авторы: 
Журавлев Максим Олегович, Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского (СГУ)
Акимова Алеся Сергеевна, Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского (СГУ)
Панина Ольга Сергеевна, Саратовский государственный медицинский университет имени В.И. Разумовского (СГМУ)
Киселев Антон Робертович, Саратовский НИИ Кардиологии Росздрава
Аннотация: 

Цель настоящего исследования — детекция характерных особенностей колебательной электрической активности головного мозга в раннем постнатальном развитии в зависимости от гестационного возраста новорожденных.

Методы. Исследование основано на автоматической обработке клинических материалов электроэнцефалографии новорожденных на третьи сутки после рождения. По поведенческим характеристикам грубо оценивались поведенческие периоды сна и бодрствования без детекции различных стадий сна и состояний бодрствования. Обработка многоканальных сигналов электроэнцефалографии велась на основе метода модификации непрерывного вейвлетного преобразования (НВП), позволяющего произвести оценки средних характеристик количества, длительности и энергии колебательных компонент (паттернов), развивающихся в различных частотных диапазонах.

Результаты. Продемонстрирована парадоксальная картина, описывающая состояния сна и бодрствования у слабо недоношенных новорожденных. Для этой группы детей количество и средняя энергии паттернов, детектируемых в частотных диапазонах от 1 до 20 Гц, во время сна ведёт себя отраженным образом по сравнению с детьми, рожденными в обычный срок. В то же время средняя длительность колебательных паттернов сохраняется неизменной.

Заключение. В первые дни жизни ребенка возможно выявление достоверных отличий в активности головного мозга новорожденных, слабо отличающихся сроком гестации, во время грубых оценок поведенческих состояний сна/бодрствования. Количественные оценки параметров колебательных НВП паттернов перспективны для использования в качестве основы систем автоматической обработки активности головного мозга новорожденных, дополнительных к оценкам амплитудной электроэнцефалографии. Подобные системы могут быть актуальны для поиска ранних признаков аномалий в развитии центральной нервной системы.

Благодарности: 
Работа выполнена при поддержке Российского научного фонда (Проект No. 22-22-00517)
Список источников: 
  1. Massimini M., Huber R., Ferrarelli F., Hill S., Tononi G. The sleep slow oscillation as a traveling wave // J. Neurosci. 2004. Vol. 24, no. 31. P. 6862–6870. DOI: 10.1523/JNEUROSCI.1318- 04.2004.
  2. Габдракипова А. А., Черватюк М. И., Мищенко А. Н. Сон как маркер здоровья // European Research. 2017. № 7(30). С. 69–71.
  3. Loddo G., Calandra-Buonaura G., Sambati L., Giannini G., Cecere A., Cortelli P., Provini F. The treatment of sleep disorders in Parkinson’s disease: From research to clinical practice // Front. Neurol. 2017. Vol. 8. P. 42. DOI: 10.3389/fneur.2017.00042.
  4. Stevenson N. J., Oberdorfer L., Koolen N., O’Toole J. M., Werther T., Klebermass-Schrehof K., Vanhatalo S. Functional maturation in preterm infants measured by serial recording of cortical activity // Sci. Rep. 2017. Vol. 7, no. 1. P. 12969. DOI: 10.1038/s41598-017-13537-3.
  5. O’Toole J. M., Boylan G. B., Vanhatalo S., Stevenson N. J. Estimating functional brain maturity in very and extremely preterm neonates using automated analysis of the electroencephalogram // Clin. Neurophysiol. 2016. Vol. 127, no. 8. P. 2910–2918. DOI: 10.1016/j.clinph.2016.02.024.
  6. Koolen N., Oberdorfer L., Rona Z., Giordano V., Werther T., Klebermass-Schrehof K., Stevenson N., Vanhatalo S. Automated classification of neonatal sleep states using EEG // Clin. Neurophysiol. 2017. Vol. 128, no. 6. P. 1100–1108. DOI: 10.1016/j.clinph.2017.02.025.
  7. Pillay K., Dereymaeker A., Jansen K., Naulaers G., Van Huffel S., De Vos M. Automated EEG sleep staging in the term-age baby using a generative modelling approach // J. Neural Eng. 2018. Vol. 15, no. 3. P. 036004. DOI: 10.1088/1741-2552/aaab73.
  8. Kiselev A. R., Drapkina O. M., Novikov M. Y., Panina O. S., Chernenkov Y. V., Zhuravlev M. O., Runnova A. E. Examining time-frequency mechanisms of full-fledged deep sleep development in newborns of different gestational age in the first days of their postnatal development // Sci. Rep. 2022. Vol. 12, no. 1. P. 21593. DOI: 10.1038/s41598-022-26111-3.
  9. Heraghty J. L., Hilliard T. N., Henderson A. J., Fleming P. J. The physiology of sleep in infants // Arch. Dis. Child. 2008. Vol. 93, no. 11. P. 982–985. DOI: 10.1136/adc.2006.113290.
  10. Scher M. S., Loparo K. A. Neonatal EEG/sleep state analyses: a complex phenotype of developmental neural plasticity // Dev. Neurosci. 2009. Vol. 31, no. 4. P. 259–275. DOI: 10.1159/000216537.
  11. Villa M. P., Calcagnini G., Pagani J., Paggi B., Massa F., Ronchetti R. Effects of sleep stage and age on short-term heart rate variability during sleep in healthy infants and children // Chest. 2000. Vol. 117, no. 2. P. 460–466. DOI: 10.1378/chest.117.2.460.
  12. Anders T. F., Keener M. A., Kraemer H. Sleep-wake state organization, neonatal assessment and development in premature infants during the first year of life. II // Sleep. 1985. Vol. 8, no. 3. P. 193–206. DOI: 10.1093/sleep/8.3.193.
  13. Runnova A., Zhuravlev M., Ukolov R., Blokhina I., Dubrovski A., Lezhnev N., Sitnikova E., Saranceva E., Kiselev A., Karavaev A., Selskii A., Semyachkina-Glushkovskaya O., Penzel T., Jurgen Kurths J. Modified wavelet analysis of ECoG-pattern as promising tool for detection of the blood–brain barrier leakage // Sci. Rep. 2021. Vol. 11, no. 1. P. 18505. DOI: 10.1038/s41598- 021-97427-9.
  14. Sergeev K., Runnova A., Zhuravlev M., Kolokolov O., Akimova N., Kiselev A., Titova A., Slepnev A., Semenova N., Penzel T. Wavelet skeletons in sleep EEG-monitoring as biomarkers of early diagnostics of mild cognitive impairment // Chaos. 2021. Vol. 31, no. 7. P. 073110. DOI: 10.1063/5.0055441.
  15. Runnova А. E., Zhuravlev M. O., Pysarchik A. N., Khramova M. V., Grubov V. V. The study of cognitive processes in the brain EEG during the perception of bistable images using wavelet skeleton // In: Proc. SPIE. Vol. 10063. Dynamics and Fluctuations in Biomedical Photonics XIV. 3 March 2017, San Francisco, California, United States. SPIE, 2017. P. 1006319. DOI: 10.1117/ 12.2250403.
  16. Maksimenko V. A., Runnova A. E., Zhuravlev M. O., Makarov V. V., Nedayvozov V., Grubov V. V., Pchelintceva S. V., Hramov A. E., Pisarchik A. N. Visual perception affected by motivation and alertness controlled by a noninvasive brain-computer interface // PLoS ONE. 2017. Vol. 12, no. 12. P. e0188700. DOI: 10.1371/journal.pone.0188700.
  17. Simonyan M., Fisun A., Afanaseva G., Glushkovskaya-Semyachkina O., Blokhina I., Selskii A., Zhuravlev M., Runnova A. Oscillatory wavelet-patterns in complex data: mutual estimation of frequencies and energy dynamics // Eur. Phys. J. Spec. Top. 2023. Vol. 232, no. 5. P. 595–603. DOI: 10.1140/epjs/s11734-022-00737-w.
Поступила в редакцию: 
22.05.2023
Принята к публикации: 
19.08.2023
Опубликована онлайн: 
19.09.2023
Опубликована: 
29.09.2023