3.2.1 Метод фиксированных интервалов
В принципе, если длительность минимального участка стационарности составляет, как правило, не менее 2 секунд, то процедура сегментации ЭЭГ сигнала на квази-стационарные фрагменты могла бы состоять из четырех этапов. На первом этапе запись ЭЭГ предварительно разбивается на равные элементарные участки длительностью 2 с. Затем каждый из этих участков получает статистическое описание, состоящее из некоторого набора признаков, например, спектральных оценок. На третьем этапе элементарные участки ЭЭГ классифицируются в соответствии со своими признаками одним из методов многомерной статистики, получая каждый свое классификационное наименование. Наконец, на четвертом этапе "стираются" границы между одноименными элементарными участками, что превращает всю запись ЭЭГ в последовательность сегментов, в рамках которых параметры ЭЭГ остаются относительно постоянными. Каждый такой квази-стационарный сегмент будет отличаться конкретной длительностью и соответствующими типовыми признаками. Если число сегментных классов в реальной ЭЭГ окажется не слишком большим, то идея о кусочно-стационарной организации ЭЭГ получит явное преимущество перед своей альтернативой - изначальным пониманием ЭЭГ как континуального процесса.
Именно такой подход с предварительным разбиением записи ЭЭГ на равные участки (fixed-interval segmentation) использовали в первых работах по сегментации ЭЭГ [11,12]. Количество типовых сегментов ЭЭГ действительно оказалось весьма ограниченным - для разных ЭЭГ не более 15-35 [12], а длительность большинства сегментов не превышала 4 с, что явно свидетельствовало в пользу идеи о кусочно-стационарном устройстве ЭЭГ. Однако существенным недостатком метода сегментации с предварительным разбиением ЭЭГ на элементарные участки равной длительности было то, что какая-то часть из этих участков обязательно должна была прийтись на "стыки" между стационарными сегментами ЭЭГ. Это приводило к появлению целого кластера фрагментов ЭЭГ, содержащих в себе переходные процессы, и потому не являющихся собственно стационарными сегментами. Кроме того, границы между стационарными сегментами определялись, таким образом, достаточно приблизительно, с точностью не менее величины интервала фиксированного разбиения ЭЭГ.
Чтобы избежать появления подобного рода погрешностей в поиске квази-стационарных участков ЭЭГ, требовалась такая технология сегментации, которая включала бы в себя последовательный перебор возможных расстановок межсегментных границ с выбором оптимального варианта. Эта методология была названа адаптивной сегментацией.
- 1. Введение
- 1.1 Электроэнцефалография человека
- 1.2 Природа электрической активности мозга
- 1.3 Регистрация электроэнцефалограммы по системе "10-20"
- 1.4 Электроэнцефалографическая семиотика
- 1.5 Ритмы ЭЭГ
- 1.6 Применение ЭЭГ
- 1.7 Нестационарность ЭЭГ
- 1.8 Важность сегментации в решении задач ЭЭГ
- 1.8.1 Классификация сна на основе ЭЭГ
- 1.8.2 Фундаментальные исследования работы мозга
- 2. Постановка задачи
- 3. Математический аппарат
- 3.1 Стационарный случайный процесс
- 3.2 Алгоритмы сегментации ЭЭГ
- 3.2.1 Метод фиксированных интервалов
- 3.2.2 Параметрическая сегментация
- 121. Автоматические стационарные системы пожаротушения.
- Глава 7. Роль электроэнцефалографического
- Многоуровневая временная сегментация речевых сигналов
- Системы автоматической оптимизации записи
- 49 Автоматические стационарные системы пожаротушения
- Автоматические стационарные системы пожаротушения.
- Сегментация изображения
- 3.2 Автоматические стационарные системы пожаротушения
- 2.14.6. Автоматические стационарные системы пожаротушения
- 50. Автоматические стационарные системы пожаротушения.