Оценка депрессивного состояния оператора мобильных технических систем под воздействием электромагнитного шумового излучения

Цель работы, результаты которой приведены в рамках статьи, заключалась в исследовании закономерностей изменений нелинейных параметров электроэнцефалограмм (ЭЭГ), представленных фрактальной размерностью, экспонентой самоподобия при облучении оператора электромагнитным шумовым излучением. Вместе с вышеуказанными нелинейными параметрами исследовалось изменение спектральной плотности мощности ритмических составляющих ЭЭГ: дельта-, тета-, альфа-, бета-ритмов. Изучение фрактальной размерности, экспоненты самоподобия и спектральной плотности мощности ЭЭГ при облучении было связано с возможным изменением данных параметров при депрессии и малой депрессии оператора. В качестве облучателя использовался генератор электромагнитного шумового излучения на транзисторах мощностью 30 мВт в диапазоне частот 5 ГГц. В работе приведено описание методов для расчета нелинейных параметров ЭЭГ, представленных фрактальной размерностью и экспонентой самоподобия. Для определения параметров ЭЭГ: фрактальной размерности, экспоненты самоподобия, спектральной плотности мощности ритмических составляющих при достижении поставленной цели было разработано программное обеспечение на языке Java. Проведено изучение научной литературы, связанной с изменением фрактальной размерности, экспоненты самоподобия, спектральной плотности мощности дельта-, тета-, альфа-, бета-ритмов при депрессии и малой депрессии человека. Регистрация электроэнцефалограмм осуществлялась по схеме «10/20» c использванием электроэнцефалографа «Нейрокартограф» фирмы МБН. Анализируемые отведения ЭЭГ: Fp1, Fp2, T3, T4, Р3, Р4, О1, О2, F3, F4, C3, C4. Результаты работы показали отсутствие четкого депрессивного состояния у оператора при воздействии электромагнитным шумовым излучением, если руководствоваться изменением экспоненты самоподобия, фрактальной размерности и спектральной плотности мощности. Однако при облучении оператора электромагнитным шумовым излучением наблюдалась тенденция изменения параметров, характерная для малой депрессии.

излучение, шум, электроэнцефалограмма, депрессия, человек

1. Markovà E., Malmgren L.O.G., Belyaev I.Y. Microwaves from mobile phones inhibit 53BP1 focus formation in human stem cells stronger than in differentiated cells: possible mechanistic link to cancer risk. Environ. Health Perspect. 2010;118:394-399. DOI: 10.1289/ehp.0900781.

2. Terzi M., Ozberk B., Deniz O.G., Kaplan S. The role of electromagnetic fields in neurological disorders. J Chem Neuroanat., Part B. 2016;75:77-84. DOI: 10.1016/j.jchemneu.2016.04.003.

3. Sidorenko A.V., Saladukha M.A. Assessing the effect of electromagnetic noise radiation on the central nervous system using non-linear parameters of the electroencephalogram. Nonlinear Dynamics and Applications. 2019;25:231-240.

4. Сидоренко А.В., Солодухо Н.А. Эмоциональное состояние оператора при воздействии электромагнитного шумового излучения. Доклады БГУИР. 2019;4:5-10.

5. Сидоренко А.В., Солодухо Н.А. Нелинейный анализ электроэнцефалограмм оператора при действии электромагнитного шумового излучения. Доклады БГУИР. 2017;6:69-75.

6. Harne B.P. Higuchi Fractal Dimension Analysis of EEG Signal before and after OM Chanting to Observe Overall Effect on Brain. IJECE. 2014;4(4):585-592. DOI: 10.11591/ijece.v4i4.5800.

7. Сидоренко А.В. Нейроинтерфейс: принципы действия и реализации. Доклады БГУИР. 2016;7:106-110.

8. Golinska A.K. Detrended Fluctuation Analysis (DFA) in biomedical signal processing: selected examples. SLGR. 2012;29(42):107-115.

9. Сидоренко А.В. Методы информационного анализа биоэлектрических сигналов. Минск: БГУ; 2003.

10. Сидоренко А.В. Оценка состояния оператора в условиях электромагнитных шумовых излучений. Доклады БГУИР. 2018;7:118-122.

11. Wajid Mumtaz. Electroencephalogram (EEG)-based computer-aided technique to diagnose major depressive disorder (MDD). Biomedical Signal Processing and Control. 2017;31:108-115. DOI: 10.1016/j.bspc.2016.07.006.

12. Maie Bachmann. Spectral Asymmetry and Higuchi’s Fractal Dimension Measures of Depression Electroencephalogram. Computational and Mathematical Methods in Medicine. 2013;2013(1394): 251638- 1-251638-8. DOI: 10.1155/2013/251638.

13. Lee J.S. Detrended fluctuation analysis of resting EEG in depressed outpatients and healthy controls. Clinical Neurophysiology. 2007;118:2489-2496. DOI: 10.1016/j.clinph.2007.08.001.

14. Xavier Bornas. Long range temporal correlations in EEG oscillations of subclinically depressed individuals: their association with brooding and suppression. Cogn Neurodyn. 2015;9(1):53-62. DOI: 10.1007/s11571-014-9313-1.