Простая нейросеть смогла по сигналам ЭКоГ распознать сон и бодрствование
Автоматическое распознавание различных физиологических состояний лабораторных животных имеет большое значение для нейронауки и медицины. Это особенно ценно и полезно при долгосрочном мониторинге показателей: например, именно подобные эксперименты на крысах позволили прояснить ряд важных аспектов развития судорожной активности при эпилепсии.
Качество сна влияет на важнейшие процессы в нашем организме, и его изучение требует комплексного анализа электроэнцефалографической (ЭЭГ), электромиографической (ЭМГ), а также электроокулографической активности (в случае человека), которые вместе образуют так называемую полисомнограмму. Такая оценка признана «золотым стандартом» для определения состояния цикла сон/бодрствование у большинства видов животных, но ручная обработка даже двух-трехдневных записей не всегда оказывается достаточно точной при всей своей трудозатратности и дороговизне.
Российские исследователи предложили метод, позволяющий распознавать сон в реальном времени без сложных вычислений. Электрокортикографические (ЭКоГ) сигналы, характеризующие активность коры головного мозга (авторы анализировали активность лобной левой, лобной правой и затылочной правой областей), снимают при помощи электродов, расположенных непосредственно на ее поверхности. Далее по достаточно простым формулам высчитываются всего две характеристики, а именно среднее значение и стандартное отклонение. Эти значения с двух любых каналов (можно использовать и все три), поступают на четыре входных нейрона, а вычисления осуществляются всего лишь одним нейроном. В фазу медленного сна — наиболее длительную, когда активность мозга низка, — сигналы нейронов особым образом синхронизируются, что можно видеть на ЭЭГ в виде так называемых дельта-волн. На ЭКоГ при этом наблюдается одновременное увеличение вычисленных значений средних и стандартных отклонений. В период быстрого сна и бодрствования все с точностью наоборот, а отличить их можно по тому, что амплитуды в первом состоянии в «гиппокампальном» сигнале, полученном с затылочной правой области коры, стабильнее, а значит, стандартное отклонение ниже. Исходя из этих принципов и расчетов, на выходе получается ответ «0» или «1» — данные относятся к животному в состоянии бодрствования или сна соответственно.
Нейросеть обучалась на средних и стандартных отклонениях сигналов ЭКоГ, извлеченных из роликов длительностью от 1000 до 2000 с. Фрагменты выбирали таким образом, чтобы на них продолжительность сна и бодрствования были равны. После обучения на данных от одной крысы нейросеть использовалась для анализа данных от десяти других. Результаты исследования показали, что точность определения состояния животного не зависит от канала ЭКоГ — при любых комбинациях из двух каналов она была не менее 80%. Интересно, что сложная глубокая нейросеть, с которой исследователи начинали работу, давала точность немногим выше — порядка 80-90%.
Предложенный метод показал высокую скорость работы и простоту вычислений, поэтому его можно использовать в экспериментах в реальном времени. Как считают авторы, он может быть востребован в доклинических исследованиях на грызунах, где требуется мониторинг режима сна и бодрствования.
