ВВЕДЕНИЕ 5
1 АНАЛИТИЧЕСКИЙ ОБЗОР 7
1.1 Обзор методов нейровизуализации 7
1.1.1 Основные понятия о нейровизуализации 7
1.1.2 Характеристика основных методов 8
1.1.3 Методы компьютерного анализа ЭЭГ мозга 13
1.2 Обзор реализованных проектов и НИ. в области нейровизуализации 17
1.2.1 Проекты в области нейровизуализации 17
1.2.2 НН в области нейровизуализации 21
2 ПАТЕНТНЫЙ ПОИСК 34
3 ЗАДАЧИ ПРОЕКТА 39
4 ВЫБОР ФОРМАТОВ ДАННЫХ 41
4.1 ABF 41
4.2 DAQ 43
4.3 NLX 47
4.4 EDF 49
5 ВЫБОР ЯЗЫКА ПРОГРАММИРОВАНИЯ 53
5.1 Язык Python 53
5.2 Библиотеки для анализа и визуализации данных в Python 56
6 ОПИСАНИЕ РЕЗУЛЬТАТОВ ПРОЕКТА И ВЫВОДЫ 63
7 ТЕХНИКО-ЭКОНОМИЧЕСКАЯ ОЦЕНКА РЕЗУЛЬТАТОВ 67
ЗАКЛЮЧЕНИЕ 70
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 71
ПРИЛОЖЕНИЕ
Активное развитие нейровизуализации поможет определять функциональные или структурные отклонения, характерные для различных умственных расстройств, и позволит своевременно выявить патологию, а также назначить лечение на ранних стадиях заболевания, пока процесс не зашел слишком далеко. И успехи, достигнутые в последние годы в нейробиологии, молекулярной генетике и нейровизуализации головного мозга, позволяют надеяться, что ученым удастся найти новые подходы к диагностике заболеваний мозга.
Используя методы нейровизуализации и генетического тестирования, врачи смогут перейти от субъективной диагностики психических заболеваний с применением стандартного опроса к диагностике, основанной на результатах обследования. Г генетическое тестирование позволит определить, относится ли пациент к группе риска, а дальнейшая нейровизуализация покажет, болен ли он на самом деле.
Несмотря на то, что основные принципы организации головного мозга записаны на уровне наших генов, электрическая активность головного мозга играет немаловажную роль в формировании функционально различных отделов центральной нервной системы. На данный момент регистрация электрической активности головного мозга осуществляется множеством методов, которые можно классифицировать в зависимости от уровня, где происходит запись сигнала.
На сегодняшний день существует множество коммерческих решений, которые позволяют производить как запись, так и анализ нейрональной активности. Однако такое многообразие приводит к усложнению анализа и интерпретации результатов, что расширяет пропасть между учеными - биологами, клиническими врачам и нейрофизиологами, и затрудняет совместные исследования и диалог между учеными и клиницистами.
Настоящая работа направлена на создание высокотехнологичного продукта, использование которого бы позволило врачам и биологам не только унифицировано анализировать данные полученные с использованием разных методик, но и создавать модели функционирования головного мозга с последующей их апробацией в клинических условиях.
Целью данной дипломной работы является модернизация программы OpenElectrophy путем разработки унифицированного инструмента для визуального анализа электрофизиологических данных, полученных по различным методикам.
Для достижения поставленной цели необходимо решить следующие задачи:
1) Изучить теоретический и методический материал о методах нейровизуализации, а также реализованные проекты и программные продукты в данной области;
2) Освоить язык программирования Python;
3) В разрабатываемый инструмент внедрить дополнительные
форматы данных;
4) Разработать единую графическую оболочку с интуитивно понятным интерфейсом для пользователей, которые ранее не сталкивались с математическим анализом электрической активности головного мозга;
5) Реализовать функцию синхронизации сигналов головного мозга между собой.
В процессе выполнения дипломной работы была модернизирована программа OpenElectrophy путем разработки унифицированного инструмента для визуального анализа электрофизиологических данных, полученных по различным методикам. В ходе решения поставленной цели были реализованы следующие пункты:
1) Изучен теоретический и методический материал о методах нейровизуализации, а также реализованные проекты и программные продукты в данной области;
2) Освоен язык программирования Python, с помощью которого был разработан инструмент для ПО OpenElectrophy;
3) Созданы конвертеры разных форматов, где выходной сигнал стал унифицированным, а также стал содержать стандартный набор параметров вне зависимости от формата исходного сигнала;
4) Разработана единая графическая оболочка с интуитивно понятным интерфейсом для пользователей, которые ранее не сталкивались с математическим анализом электрической активности головного мозга;
5) Реализована функция синхронизации сигналов головного мозга между собой.
Таким образом, все задачи решены в полном объеме, и цель дипломной работы достигнута.