Скачать статью
DOI 10.23648/UMBJ.2018.32.22689
УДК 616.831-005.1-008-036.838-073.97(045)
ОЦЕНКА РЕЗУЛЬТАТОВ ЭЛЕКТРОЭНЦЕФАЛОГРАФИИ В РЕАБИЛИТАЦИИ ПАЦИЕНТОВ С МОТОРНЫМИ НАРУШЕНИЯМИ
ПОСЛЕ ПЕРЕНЕСЕННОГО ИНСУЛЬТА
Ю.А. Крючков1, Н.В. Щуковский1, И.И. Шоломов1, А.Е. Руннова2, М.О. Журавлев2
1 ФГБОУ ВО «Саратовский государственный медицинский университет им. В.И. Разумовского» Минздрава России, г. Саратов, Россия;
2 ФГБОУ ВО «Саратовский государственный технический университет им. Гагарина Ю.А.», г. Саратов, Россия
e-mail: This email address is being protected from spambots. You need JavaScript enabled to view it.
Нарушение двигательной функции руки в виде пареза отмечается у 80 % пациентов после инсульта, у половины из них парез сохраняется пожизненно. Использование неинвазивных нейрокомпьютерных интерфейсов, основанных на данных электроэнцефалографии, для реабилитации и улучшения качества жизни больных является перспективным и быстроразвивающимся направлением.
Цель исследования – оценить особенности изменения биоэлектрической активности головного мозга в ответ на реальные и воображаемые движения у пациентов с моторными нарушениями после перенесенного инсульта для последующего применения реабилитации методом неинвазивного интерфейса «мозг – компьютер».
Материалы и методы. В исследование включили 20 испытуемых. Основная группа (n=10) была сформирована из пациентов с моторными нарушениями с установленным впервые диагнозом «инфаркт мозга, острейший период», который был подтверждён данными нейровизуализации. Контрольная группа (n=10) была представлена практически здоровыми испытуемыми. Всем испытуемым предлагалось выполнить серию экспериментальных задач, включающих задания на осуществление реальных движений и на их воображение. В течение всего времени эксперимента в обеих группах проводилась регистрация электроэнцефалограммы.
Результаты. При выполнении реальных движений паретичной рукой на ЭЭГ мощность колебательной активности преобладала в низкочастотных диапазонах тета- и дельта-ритмов. При воображении движений частотно-пространственная структура ЭЭГ не имела существенных отличий для здоровой и паретичной конечностей.
Выводы. Таким образом, попытка совершения движения паретичной рукой вызывает у пациента усугубление наблюдаемой ЭЭГ-картины активности головного мозга. При воображаемой двигательной активности подобного эффекта не наблюдается, а ЭЭГ-структура демонстрирует тенденцию к восстановлению нормального состояния активности головного мозга.
Ключевые слова: электроэнцефалография, реабилитация, моторные нарушения, перенесенный инсульт, интерфейс «мозг – компьютер».
Литература
1. Béjot Y., Bailly H., Durier J., Giroud M. Epidemiology of stroke in Europe and trends for the 21st century. PresseMed. 2016; 45 (12): 391–398.
2. Камышникова К.А., Маслова Н.Н., Довгань Е.В. Современные проблемы вторичной профилактики цереброваскулярных заболеваний. Вестник Смоленской государственной медицинской академии. 2018; 17 (1): 171–178.
3. Стаховская Л.В., Котов С.В. Инсульт: руководство для врачей. М.: МИА; 2013. 400.
4. Lawrence E.S., Coshall C., Dundas R., Stewart J., Rudd A.G., Howard R. Estimates of the prevalence of acute stroke impairments and disability in a multiethnic population. Stroke. 2001; 32 (6): 1279–1284.
5. Hatem S.M., Saussez G., Della Faille M., Prist V., Zhang X., Dispa D., Bleyenheuft Y. Rehabilitation of Motor Function after Stroke: A Multiple Systematic Review Focused on Techniques to Stimulate Upper Extremity Recovery. J. Frontiers in human neuroscience. 2016; 10: 442.
6. Иванова Г.Е. Медицинская реабилитация в России. Перспективы и развитие. Consilium Medicum. 2016; 18 (2.1): 25–33.
7. Хижникова А.Е., Клочков А.С., Котов-Смоленский А.М., Черникова Л.А., Супонева Н.А., Пирадов М.А. Двигательное обучение пациентов с постинсультным парезом на механотерапевтическом комплексе. Вопросы курортологии, физиотерапии и лечебной физической культуры. 2017; 95 (1): 20–25.
8. Супонева Н.А., Клочков А.С., Хижникова А.Е., Люкманов Р.Х., Гнедовская Е.В., Янкевич Д.С. Роботизированные и механотерапевтические технологии для восстановления функции верхних конечностей: перспективы развития (обзор). Современные технологии в медицине. 2016; 8 (4): 206–215.
9. Клочков А.С., Черникова Л.А. Роботизированные и механотерапевтические устройства для восстановления функции руки после инсульта. РМЖ. 2014; 22: 1589–1592.
10. Мокиенко О.А., Черникова Л.А., Фролов А.А. Интерфейс мозг-компьютер как новая технология нейрореабилитации. Анналы клинической и экспериментальной неврологии. 2011; 5 (3): 46–52.
11. María A.C., Surjo R.S., Junichi U., José del R.M., Meigen L., Niels B., Gangadhar G. Brain-Computer Interfaces for Post-Stroke Motor Rehabilitation: A Meta-Analysis. Annals of Clinical and Translational Neurology. 2017; 303.
12. Ramos-Murguialday A., Broetz D., Rea M., Laer L., Yilmaz O., Brasil F.L. Brain-machine interface in chronic stroke rehabilitation: a controlled study. Annals of Neurology. 2013; 74 (1): 100–108.
13. Ang K.K., Chua K.S., Phua K.S. A Randomized Controlled Trial of EEG Based Motor Imagery Brain-Computer Interface Robotic Rehabilitation for Stroke. Clinical EEG andneuroscience. 2015; 46 (4): 310–320.
14. Мокиенко О.А., Люкманов Р.Х., Черникова Л.А., Супонева Н.А., Пирадов М.А., Фролов А.А. Интерфейс мозг-компьютер: первый опыт применения в клинической практике в России. Физиология человека. 2016; 42 (1): 31–39.
15. Руннова А.Е. Математическая модель выделения паттернов сложных многоканальных сигналов в применении к обработке электроэнцефалографических данных. Информационно-управляющие системы. 2018; 4: 39–44.
16. Жирмунская Е.А. Клиническая электроэнцефалография (цифры, гистограммы, иллюстрации). М.: ВЕга-Принт; 1993. 118.
17. Зенков Л.Р. Клиническая электроэнцефалография (с элементами эпилептологии): руководство для врачей. М.: МЕДпресс-информ; 2004. 368.
18. Руннова А.Е., Максименко В.А., Пчелинцева С.В., Куланин Р.А., Храмов А.Е. Метод вейвлет-анализа паттернов двигательной активности на экспериментальных данных многоканальной электроэнцефалографии человека для управления внешними устройствами. Информационно-управляющие системы. 2018; 1: 106–115.
19. Руннова А.Е., Мусатов В.Ю., Куланин Р.А., Пчелинцева С.В., Ефремова Т.Ю., Грубов В.В., Лопатин Д.В. Классификация паттернов двигательной активности на ЭЭГ-данных. Вестник ТГУ. 2017; 22 (5): 1127–1130.
20. Юматов Е.А., Храмов А.Е., Грубов В.В., Глазачев О.С., Дудник Е.Н., Каратыгин Н.А. Исследование возможности распознавания психической деятельности мозга на основе вейвлетного анализа электроэнцефалограммы. Биомедицинская радиоэлектроника. 2018; 4: 3–12.
Download article
DOI 10.23648/UMBJ.2018.32.22689
ASSESSMENT OF ELECTROENCEPHALOGRAPHY RESULTS IN REHABILITATION OF AFTER-STROKE PATIENTS WITH MOTOR DISORDERS
Yu.A. Kryuchkov1, N.V. Shchukovskiy1, I.I. Sholomov1, A.E. Runnova2, M.O. Zhuravlev2
1 Saratov State Medical University named after V.I. Razumovsky, Saratov, Russia;
2 Yuri Gagarin State Technical University of Saratov, Saratov, Russia
e-mail: This email address is being protected from spambots. You need JavaScript enabled to view it.
The disordered motor activity of the hand (paresis) is observed in 80 % of patients after a stroke. Half of them suffer from paresis for life. The use of non-invasive neurocomputer interfaces based on electroencephalographic data in the rehabilitation and improving the patient’s quality of life is a promising and rapidly developing trend.
The purpose of the study is to assess the changes in the bioelectrical brain activity in response to real and imaginary movements in patients with motor impairments after a stroke for subsequent rehabilitation by means of the non-invasive brain-computer interface method.
Materials and Methods. The study involved 20 trial subjects. The main group (n=10) enrolled patients with motor disorders who were newly diagnosed with cerebral infarction, peracute period. The diagnosis was confirmed by neuroimaging data. The control group (n=10) included practically healthy trial subjects. All of them were asked to undergo a series of experimental tasks, including tasks with real and imaginary movements. During the whole experiment, electroencephalogram data ware recorded in both groups.
Results. According to EEG data, the power of vibrational activity prevailed in the low-frequency ranges of theta and delta rhythms, while trial subjects were performing real movements with a paretic hand. In case of imaginary movements, the frequency-spatial EEG structure had no significant difference for healthy and paretic limbs.
Conclusion. Thus, an attempt to move a paretic hand aggravates the EEG pattern of brain activity. This effect is not observed in case of imaginary motor activity, and the EEG structure shows a tendency to restore normal brain activity.
Keywords: electroencephalography, rehabilitation, motor disorders, stroke, brain-computer interface.
Reference
1. Béjot Y., Bailly H., Durier J., Giroud M. Epidemiology of stroke in Europe and trends for the 21st century. PresseMed. 2016; 45 (12): 391–398.
2. Kamyshnikova K.A., Maslova N.N., Dovgan' E.V. Sovremennye problemy vtorichnoy profilaktiki tserebrovaskulyarnykh zabolevaniy [Modern problems of secondary prevention of cerebrovascular diseases]. Vestnik Smolenskoy gosudarstvennoy meditsinskoy akademii. 2018; 17 (1): 171–178 (in Russian).
3. Stakhovskaya L.V., Kotov S.V. Insul't: rukovodstvo dlya vrachey [Stroke: Phtsician’s guide]. Moscow: MIA; 2013. 400 (in Russian).
4. Lawrence E.S., Coshall C., Dundas R., Stewart J., Rudd A.G., Howard R. Estimates of the prevalence of acute stroke impairments and disability in a multiethnic population. Stroke. 2001; 32 (6): 1279–1284.
5. Hatem S.M., Saussez G., Della Faille M., Prist V., Zhang X., Dispa D., Bleyenheuft Y. Rehabilitation of Motor Function after Stroke: A Multiple Systematic Review Focused on Techniques to Stimulate Upper Extremity Recovery. J. Frontiers in human neuroscience. 2016; 10: 442.
6. Ivanova G.E. Meditsinskaya reabilitatsiya v Rossii. Perspektivy i razvitie [Medical rehabilitation in Russia. Development prospects]. Consilium Medicum. 2016; 18 (2.1): 25–33 (in Russian).
7. Khizhnikova A.E., Klochkov A.S., Kotov-Smolenskiy A.M., Chernikova L.A., Suponeva N.A., Piradov M.A. Dvigatel'noe obuchenie patsientov s postinsul'tnym parezom na mekhanoterapevticheskom komplekse [Motor learning of post-stroke patients with upper limb paresis on the mechanotherapeutic complex]. Voprosy kurortologii, fizioterapii i lechebnoy fizicheskoy kul'tury. 2017; 95 (1): 20–25 (in Russian).
8. Suponeva N.A., Klochkov A.S., Khizhnikova A.E., Lyukmanov R.Kh., Gnedovskaya E.V., Yankevich D.S. Robotizirovannye i mekhanoterapevticheskie tekhnologii dlya vosstanovleniya funktsii verkhnikh konechnostey: perspektivy razvitiya (obzor) [Robotic and mechanotherapeutic technology to restore the functions of the upper limbs: Prospects for development (review)]. Sovremennye tekhnologii v meditsine. 2016; 8 (4): 206–215 (in Russian).
9. Klochkov A.S., Chernikova L.A. Robotizirovannye i mekhanoterapevticheskie ustroystva dlya vosstanovleniya funktsii ruki posle insul'ta [Robotic and mechanotherapeutic devices for hand activity restoration after a stroke]. RMZh. 2014; 22: 1589–1592 (in Russian).
10. Mokienko O.A., Chernikova L.A., Frolov A.A. Interfeys mozg-komp'yuter kak novaya tekhnologiya neyroreabilitatsii [Brain-computer interface as a new neurorehabilitation technology]. Annaly klinicheskoy i eksperimental'noy nevrologii. 2011; 5 (3): 46–52 (in Russian).
11. María A.C., Surjo R.S., Junichi U., José del R.M., Meigen L., Niels B., Gangadhar G. Brain-Computer Interfaces for Post-Stroke Motor Rehabilitation: A Meta-Analysis. Annals of Clinical and Translational Neurology. 2017; 303.
12. Ramos-Murguialday A., Broetz D., Rea M., Laer L., Yilmaz O., Brasil F.L. Brain-machine interface in chronic stroke rehabilitation: a controlled study. Annals of Neurology. 2013; 74 (1): 100–108.
13. Ang K.K., Chua K.S., Phua K.S. A Randomized Controlled Trial of EEG Based Motor Imagery Brain-Computer Interface Robotic Rehabilitation for Stroke. Clinical EEG andneuroscience. 2015; 46 (4): 310–320.
14. Mokienko O.A., Lyukmanov R.Kh., Chernikova L.A., Suponeva N.A., Piradov M.A., Frolov A.A. Interfeys mozg-komp'yuter: pervyy opyt primeneniya v klinicheskoy praktike v Rossii [Brain-computer interface: First experience of clinical application in Russia]. Fiziologiya cheloveka. 2016; 42 (1): 31–39 (in Russian).
15. Runnova A.E. Matematicheskaya model' vydeleniya patternov slozhnykh mnogokanal'nykh signalov v primenenii k obrabotke elektroentsefalograficheskikh dannykh [Mathematical model of pattern selection for complex multichannel data in EEG]. Informatsionno-upravlyayushchie sistemy. 2018; 4: 39–44 (in Russian).
16. Zhirmunskaya E.A. Klinicheskaya elektroentsefalografiya (tsifry, gistogrammy, illyustratsii) [Clinical electroencephalography (numbers, histograms, illustrations)]. Moscow: VEga-Print; 1993. 118 (in Russian).
17. Zenkov L.R. Klinicheskaya elektroentsefalografiya (s elementami epileptologii): rukovodstvo dlya vrachey [Clinical electroencephalography (with elements of epileptology): Physician’s guide]. Moscow: MEDpress-inform; 2004. 368 (in Russian).
18. Runnova A.E., Maksimenko V.A., Pchelintseva S.V., Kulanin R.A., Khramov A.E. Metod veyvlet-analiza patternov dvigatel'noy aktivnosti na eksperimental'nykh dannykh mnogokanal'noy elektroentsefalografii cheloveka dlya upravleniya vneshnimi ustroystvami [Wavelet method for motor activity pattern analysis on experimental data from human multichannel electroencephalography for external device control]. Informatsionno-upravlyayushchie sistemy. 2018; 1: 106–115 (in Russian).
19. Runnova A.E., Musatov V.Yu., Kulanin R.A., Pchelintseva S.V., Efremova T.Yu., Grubov V.V., Lopatin D.V. Klassifikatsiya patternov dvigatel'noy aktivnosti na EEG-dannykh [Classification of motor activity patterns on EEG-data]. Vestnik TGU. 2017; 22 (5): 1127–1130 (in Russian).
20. Yumatov E.A., Khramov A.E., Grubov V.V., Glazachev O.S., Dudnik E.N., Karatygin N.A. Issledovanie vozmozhnosti raspoznavaniya psikhicheskoy deyatel'nosti mozga na osnove veyvletnogo analiza elektroentsefalogrammy [Investigation of recognition possibility of brain mental activity on the basis of electroencephalogram wavelet analysis]. Biomeditsinskaya radioelektronika. 2018; 4: 3–12 (in Russian).