Поиск по сайту
Адрес редакции
355017, Ставрополь, улица Мира, 310.
Телефоны
(8652) 35-25-11, 35-32-29.
E-mail
medvestnik@stgmu.ru
Журнал включён в Перечень ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы результаты диссертаций на соискание учёной степени кандидата и доктора наук (решение Президиума ВАК Минобрнауки РФ №6/6, февраль 2010).
Журнал включён в Реферативный журнал и Базы данных ВИНИТИ РАН и зарегистрирован в Научной электронной библиотеке в базе данных Российского индекса научного цитирования на основании сублицензионного договора № 07-04/09-14 от 25 марта 2009 года.
Журнал индексируется: БД SCOPUS, Ulrich's International Periodicals Directory.
[Педиатрия]
Щетинин Виталий ; Якайте Ливия ;
Для решения задач оценки развития мозга новорожденных эксперты неонатальных центров в Европе и Северной Америке используют электроэнцефалограммы (ЭЭГ), записанные во время сна новорожденных, для последующего распознавания и анализа прогностических признаков. Эти признаки, однако, варьируют в течение сна, в то время как их параметры различаются в медленной и быстрой стадиях сна. Уровни мускульных и электродных артефактов, как правило, наблюдаются высокими в быстрой фазе сна, что снижает прогностическую значимость признаков в этой фазе. Представлен новый метод, который использует Байесовские древа решений для оценики значимости ЭЭГ признаков, выявленных в медленной и быстрой фазах сна. Использование таких моделей позволило выявить признаки, которые обладают наибольшей прогностической значимостью, и, что крайне важно для снижения риска ошибочных решений, оценить ожидаемые интервалы прогнозов при вариабельности признаков. Результаты были верифицированы на большой выборке ЭЭГ записей, сделанных на 952 пациентах неонатальных центров по проекту университета Йены (Германия). Разработка нового метода была поддержана фондом Leverhulme Trust (Великобритания). ЭЭГ записи были сделаны доступными для исследований при поддержке университета Бедфордшира (Великобритания).
Список литературы:
1. J. Clinical relevance of age-dependent EEG signatures in the detection of neonates at high risk for apnea. Neuroscience Letters. 1999;268(3):123–126. doi: 10.1016/S0304-3940(99)00397-3
2. Cooper R., Binnie C, Schaw J. C. Clinical neurophysiology: EEG, pediatric neurophysiology, special techniques and applications. Elsevier Science, 2003.
3. Scher M. S. Neurophysiological assessment of brain function and maturation: A measure of brain adaptation in high risk infants. Pediatric Neurology. 1997;16(3):191-198. doi: 10.1016/S0887-8994(97)00008-8
4. Kato T., Okumura A., Hayakawa F., Tsuji T., Natsume J., Watanabe K. Evaluation of brain maturation in pre-term infants using conventional and amplitude-integrated electroencephalograms. Clinical Neurophysiology. 2010;122(10):1967-1972. doi: 10.1016/j.clinph.2010. 12.063
5. Boylan G. B., Murray D. M., Rennie J. M. Neonatal cerebral investigation. Cambridge University Press, 2008.
6. Niedermeyer E., da Silva L. F. H., Electroencephalography: basic principles, clinical applications, and related fields, 5th ed., Lippincott Williams & Wilkins, 2005.
7. Paul K., Krajča V., Roth Z., Melichar J., Petránek S. Comparison of quantitative EEG characteristics of quiet and active sleep in newborns. Sleep Medicine. 2003;4(6):543–552. doi: 10.1016/j.sleep.2003.08.008
8. Janjarasjitt S., Scher M. S., Loparo K. Nonlinear dynamical analysis of the neonatal EEG time series: The relationship between neurodevelopment and complexity. Clinical Neurophysiology. 2008;119(8):822–836. doi:10.1016/j.clinph.2007.11.012
9. Löfhede J., Thordstein M., Löfgren N., Flisberg A., Rosa-Zurera M. [et al.] Automatic classification of background EEG activity in healthy and sick neonates. Journal of Neural Engineering. 2010;7(1). doi: 10.1088/1741-2560/7/1/016007
10. Krajča V., Petránek S., Mohylová J., Paul K., Gerla V. [et al.] Modeling the microstructure of neonatal EEG sleep stages by temporal profiles. Proc. IFMBE Proceedings of the 13th International Conference on Biomedical Engineering (CBME2008). 2009;23:133–137.
11. Scher M. S., Steppe D. A., Banks D. L., Guthrie R. D., Sclabassi R. J. Maturational trends of EEG-sleep measures in the healthy preterm neonate. Pediatr. Neurol. 1995;12(4):314-22. doi: 10.1016/0887-8994(95)00052-H
12. 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. Clinical Neurophysiology. 2016;127(8):2910-2918. doi: 10.1016/j.clinph. 2016.02.024
13. Chipman H., George E., McCullock R. Bayesian CART model search. Journal of American Statistics. 1998;93(443):935–960. doi:10.1080/01621459.1998.10473750
14. Denison D. G. T., Holmes C. C., Mallick B. K., Smith A. F. M. Bayesian Methods for Nonlinear Classification and Regression. Wiley, 2012.
15. Schetinin V., Jakaite L. Classification of newborn EEG maturity with Bayesian averaging over decision trees. Expert Systems with Applications. 2012;39(10):9340–9347. doi: 10.1016/j.eswa.2012.02.184
16. Nolan H., Whelan R., and Reilly R. B. FASTER: Fully Automated Statistical Thresholding for EEG artifact Rejection. J. Neurosci Methods. 2010;192(1):152-62. doi: 10.1016/j.jneumeth.2010.07.015
17. Schetinin V., Jakaite L. Extraction of features from sleep EEG for Bayesian assessment of brain development. PLOS ONE. 2017;12(3):e0174027. doi:10.1371/journal.pone.0174027
18. Koolen N., Dereymaeker A., O. Räsänen, Jansen K., Vervisch J. [et al.] Early development of synchrony in cortical activations in the human. Neuroscience. 2016;322:298-307. doi: 10.1016/j.neuroscience.2016.02.017
Ключевые слова: электроэнцефалограммы новорожденных, прогностическая значимость, фазы сна, Байесовский метод, древо решений