ОГЛЯД МАТЕМАТИЧНИХ МОДЕЛЕЙ АНОРМАЛЬНИХ НЕВРОЛОГІЧНИХ РУХІВ З УРАХУВАННЯМ КОГНІТИВНИХ FEEDBACK-ВПЛИВІВ НЕЙРОВУЗЛІВ КОРИ ГОЛОВНОГО МОЗКУ
DOI:
https://doi.org/10.32782/KNTU2618-0340/2020.3.2-2.22Ключові слова:
тремор, кора головного мозку (КГМ), електроенцефалограма (ЕЕГ), анормальні неврологічні рухи (АНР), feedback-зв’язок, feedback-модель, feedback взаємодія, функціонал-нев’язка, тремор-об’єкт (Т-об’єкт), спіраль Архімеда, електроенцефалограф, 3D-мікроакселерометр, перетворення Фур’єАнотація
Завдяки використанню сучасних комп’ютерних технологій, можна здійснити цифровий, послідовний та автоматизований підхід до діагностики стану здоров’я. Зокрема, у цій статті наводиться приклад застосування даних технологій до діагностики стану тремору. Будь-яке його відхилення щодо норми показує, що в людини може бути втома, надто збуджений емоційний стан, або ж патологія. Причиною патології можуть бути порушення в корі головного мозку або ж вона може бути безпосередньо на периферії людського тіла (кінцівки, очі). До найпрогресивніших технологій оцифрування тремору можна віднести запис рухів людини в просторі з допомогою високочутливих швидкісних камер та спосіб визначення тремору на площині через розпізнавання рисунку по спіралі Архімеда на перовому графічному планшеті. В основу апаратного рішення покладено планшет із шаблоном спіралі Архімеда, пристрій графічного цифрового пера з вбудованим 3D-мікроакселерометром та електроенцефалограф. За допомогою використання вбудованого модуля 3D-мікроакселерометра в цифрове перо графічного планшета забезпечується умова збереження існуючої задовільної точності вимірів з додатковою можливістю контролю відриву пера від поверхні. Важливі елементи розробки – це алгоритми отримання значень параметрів модельованої системи, можливість візуального представлення отриманих результатів, необхідність динамічного задання параметрів системи. Все це дозволяє з більшою наочністю представляти результати та сприяє цільовому використанню технології. Хорошим рішенням та позитивним елементом даної розробки є імплементація у вигляді окремого модуля з можливістю постійно оновлювати методи та підтримувати актуальність досліджень. Реалізація програмного забезпечення у такий спосіб сприяє підвищенню адаптивності, зручності використання у різноманітних системах в ході ведення досліджень. Математичні методи, а саме алгоритми обчислення, реалізовано у вигляді набору класів з методами, що моделюють поведінку. Програмні модулі, класи, та їх взаємодію реалізовано у вигляді єдиного модуля-бібліотеки, що дозволить гнучко використовувати метод аналізу вхідних даних у різноманітних прикладних задачах та програмах.
Посилання
Rajaraman V., Jack D., Adamovich S. V., Hening W., Sage J., Poizner H. A Novel Quantitative Method for 3D Measurement of Parkinsonian Tremor. Clinical Neurophysiology. 2000. Vol. 11. Issue 2. P. 187−369.
Haubenberger D., Kalowitz D., Nahab F. B, Toro C., Ippolito D., Luckenbaugh D. A., Wittevrongel L., Hallett M. Validation of Digital Spiral Analysis as Outcome Parameter for Clinical Trials in Essential Tremor. Movement Disorders. 2011. Vol. 26. Issue 11. P. 2073−2080.
Legrand A. P., Rivals I., Richard A., Apartis E., Roze E., Vidailhet M., Meunier S., Hainque E. New Insight in Spiral Drawing Analysis Methods – Application to Action Tremor Quantification. Clinical Neurophysiology. 2017. Vol. 128. Issue 10. P. 1823–1834.
Wang J.-S., Chuang F.-C. An Accelerometer-Based Digital Pen with a Trajectory Recognition Algorithm for Handwritten Digit and Gesture Recognition. IEEE Transactions on Industrial Electronics. 2012. Vol. 59. Issue 7. P. 2998−3007.DOI: 10.1109/TIE.2011.2167895.
Louis E. D., Gillman A., Böschung S., Hess C. W., Yu Q., Pullman S. L. High width Variability during Spiral Drawing: Further Evidence of Cerebellar Dysfunction in Essential Tremor. Cerebellum. 2012. Vol. 11. Issue 4. P. 872−879. DOI: 10.1007/s12311-011-0352-4.
Sergienko I. V., Deineka V. S. Optimal Control of Distributed Systems withConjugation Conditions. New York: Kluwer Aсademic Publishers, 2005. 383 p.
Lions J.-L. Perturbations Singulières dans les Problèmes aux Limites et en Contrôle Optimal. New York: Springer, 2008. 645 p.
Sergienko. I. V., Petryk M. R, Leclerc S., Fraissard J. Highly Efficient Methods of the Identification of Competitive Diffusion Parameters in Inhomogeneous Media of Nanoporous Particles. Cybernetics and Systems Analysis. 2015. Vol. 51. Issue 4. P. 529−546. DOI: 10.1007/s10559-015-9744-7.
Ленюк М. П., Петрик М. Р. Методи інтегральних перетворень Фур’є-Бесселя в задачах математичного моделювання масопереносу в неоднорідних середовищах. Київ: Наукова думка, 2000. 372 c.
Xіміч О. М., Петрик М. Р., Михалик Д. М., Бойко І. В., Попов О. В., Сидорук В. А. Методи математичного моделювання та ідентифікації складних процесів і систем на основі висопродуктивних обчислень (нейро- та нанопористі кібер-фізичні системи із зворотніми зв’язками, моделі з даними розрідженої структури, паралельні обчислення). Київ: Національна Академія наук України, Інститут кібернетики імені В. В. Глушкова, 2019. 180 c.
Mykhalyk D., Mudryk I., Hoi A., Petryk M. Modern Hardware and Software Solution for Identification of Abnormal Neurological Movements of Patients with Essential Tremor. Proceeding of the 9th International Conference on Advanced Computer Information Technologies (Czech Republic, Budejovice, June 5-7, 2019). 2019. P. 183−186.
