Попередня Наступна

ПОТОЧНИЙ НОМЕР

№3' 2021p.

АКУШЕРСТВО І ГІНЕКОЛОГІЯ
DOI (https://doi.org/10.37436/2308-5274-2021-3-8)

ОСОБЛИВОСТІ ЕЛЕКТРОЕНЦЕФАЛОГРАФІЇ В РЕГУЛЯЦІЇ ВЕГЕТАТИВНОЇ НЕРВОВОЇ СИСТЕМИ У ЖІНОК ІЗ БЕЗПЛІДДЯМ

Д. В. ЛЕЦИН
Запорізький державний медичний університет, Україна

Проаналізовано літературу, присвячену особливостям вивчення, оцінці та корекції показників електроенцефалографії в регуляції вегетативної системи у жінок репродуктивного віку. За допомогою даних електроенцефалограми можна визначити біоелектричну активність головного мозку, порушення вегетативної регуляції й виділити групи ризику серед пацієнток із різними патологіями. Це дослідження сприяє підвищенню ефективності програм допоміжних репродуктивних технологій у жінок із безпліддям.

Ключові слова: жінки з безпліддям, електроенцефалографія, вегетативна нервова система, репродуктивне здоров'я.

ОСОБЕННОСТИ ЭЛЕКТРОЭНЦЕФАЛОГРАФИИ В РЕГУЛЯЦИИ ВЕГЕТАТИВНОЙ НЕРВНОЙ СИСТЕМЫ У ЖЕНЩИН С БЕСПЛОДИЕМ

Д. В. ЛЕЦИН

Проанализирована литература, посвященная особенностям изучения, оценке и коррекции показателей электроэнцефалографии в регуляции вегетативной системы у женщин репродуктивного возраста. С помощью данных энцефалограммы можно определить биоэлектрическую активность головного мозга, нарушения вегетативной регуляции и выделить группы риска среди пациенток с различными патологиями. Данное исследование способствует повышению эффективности программ вспомогательных репродуктивных технологий у женщин с бесплодием.

Ключевые слова: женщины с бесплодием, электроэнцефалография, вегетативная нервная система, репродуктивное здоровье.

ELECTROENCEPHALOGRAPHY FEATURES IN REGULATION OF AUTONOMIC NERVOUS SYSTEM IN WOMEN WITH INFERTILITY

D. V. LETSIN

The published reports devoted to the peculiarities of the study, evaluation and correction of electroencephalography in regulation of the autonomic system in the women of reproductive age have been analyzed. Owing to the electroencephalogram data it is possible to determine the bioelectrical activity of the brain, disorders of autonomic regulation and to identify the risk groups among patients with various pathologies. This study contributes to increasing the effectiveness of assisted reproductive technology programs in women with infertility.

Key words: women with infertility, electroencephalography, autonomic nervous system, reproductive health.




REFERENCES


1. Doletskii A. N., Guzenko D. S. Interfeis "mozg−komp'yuter": sovremennyi etap razvitiya i perspektivy. 2017. № 2. S. 15−20. URL: https://cyberleninka.ru/article/n/interfeys−mozg−kompyuter−sovremennyy−etap−razvitiya−i−perspektivy/viewer.

2. Levitskaya O. S. Interfeis mozg−komp'yuter: budushchee v nastoyashchem // Vestn. RGMU. 2016. T. 2. S. 4−16.

3. Mokienko O. A. Interfeis mozg−komp'yuter: pervyi opyt klinicheskogo primeneniya v Rossii // Fiziologiya cheloveka. 2016. № 1. S. 31−39. doi: https://doi.org/10.7868/s0131164616010136

4. Stankevich L. A. Klassifikatsiya elektroentsefalograficheskikh patternov voobrazhaemykh dvizhenii pal'tsami ruki dlya razrabotki interfeisa mozg−komp'yuter // Trudy SPIIRAN. 2015. № 40. S. 163−182.

5. Vdovichenko S. Yu. Rodinno−orієntovanі tekhnologії u zhіnok іz bezplіddyam v anamnezі // Reproduktivnoe zdorov'e zhenshchiny. 2020. № 3. S. 21−23.

6. Gulyaev S. A. Elektroentsefalograficheskoe issledovanie v klinike: problema sovremennoi klassifikatsii // Russkii zhurn. detskoi nevrologii. 2014. № 1. S. 35−41.

7. Busygin A. E. Problematika primeneniya interfeisa "mozg−komp'yuter" // Materialy XXII s"ezda fiziologicheskogo obshchestva imeni I. P. Pavlova. M., 2013. S. 85.

8. Zastosuvannya ukraїns'koї Ґrіd−іnfrastrukturi dlya analіzu elektroentsefalogram ta ul'trazvukovikh dіagnostichnikh zobrazhen' / R. V. Bival'kevich, V. O. Gaidar, S. P. Radchenko, O. O. Sudakov // Medichna іnformatika ta іnzhenerіya. 2015. № 4. S. 76−77.

9. Shishkin S. L. Na puti k vysokoskorostnym interfeisam glaz−mozg−komp'yuter: sochetanie "odnostimul'noi" paradigmy i perevoda vzglyada // Vestn. Moskovskogo universiteta. 2013. № 4. S. 4−19.

10. Mokienko O. A. Osnovannyi na voobrazhenii dvizheniya interfeis mozg−komp'yuter v reabilitatsii patsientov s gemiparezom // Byulleten' sibirskoi meditsiny. 2013. № 2. S. 30−35.

11. Kotov S. V. Primenenie kompleksa "interfeis "mozg−komp'yuter" i ekzoskelet" i tekhniki voobrazheniya dvizheniya dlya reabilitatsii posle insul'ta // Al'manakh klinicheskoi meditsiny. 2015. № 39. S. 15−21.

12. Sotnikov P. I. Vybor optimal'nykh chastotnykh diapazonov signala elektroentsefalogrammy v interfeise "mozg−komp'yuter" // Nauka i obrazovanie. 2015. № 6. S. 217−234.

13. Sotnikov P. I. Vydelenie kharakternykh priznakov signala elektroentsefalogrammy s pomoshch'yu analiza entropii // Nauka i obrazovanie. 2014. № 11. S. 555−570.

14. Kmet' T. І. Chutlivіst' nervovikh ta glіal'nikh klіtin tіm'yanoї chastki kori velikikh pіvkul' do nepovnoї global'noї іshemії−reperfuzії golovnogo mozku // Klіnіchna ta eksperimental'na patologіya. 2014. № 1. S. 54−57.

15. Kaplan A. Ya. Eksperimental'no−teoreticheskie osnovaniya i prakticheskie realizatsii tekhnologii "Interfeis "mozg−komp'yuter"" // Byulleten' sibirskoi meditsiny. 2013. № 2. S. 21−29.

16. Vozdeistvie belogo sveta s var'iruemoi tsvetovoi temperaturoi na elektroentsefalogrammu cheloveka / E. A. Korsakova i dr. // Vestn. novykh meditsinskikh tekhnologii. 2012. № 4. S. 30−33.

17. Chastotnye i prostranstvennye kharakteristiki elektroentsefalogrammy bol'nykh paranoidnoi shizofreniei v zavisimosti ot vyrazhennosti produktivnoi i negativnoi simptomatiki / V. K. Bochkarev i dr. // Zhurn. nevrologii i psikhiatrii imeni S. S. Korsakova. 2015. № 1. S. 66−74.

18. Khaoticheskaya dinamika parametrov elektroentsefalogramm / Yu. V. Vokhmina, V. V. Es'kov, D. V. Gorbunov, G. A. Shadrin // Vestn. novykh meditsinskikh tekhnologii. 2015. № 2. S. 38−43.

19. Nurse E. S. A Generalizable Brain−Computer Interface (BCI) Using Machine Learning for Feature Discovery // PLoS One. 2015. Vol. 10, № 6. P. 1−22. doi: https://doi.org/10.1371/journal.pone.0131328

20. Choi I. A systematic review of hybrid brain−computer interfaces: Taxonomy and usability perspectives // PLoS One. 2017. Vol. 12, № 4. P. e0176674. doi: https://doi.org/10.1371/journal.pone.0176674

21. Vasilyev A. Assessing motor imagery in brain−computer interface training: Psychological and neurophysiological correlates // Neuropsychologia. 2017. Vol. 97. P. 56−65. doi: https://doi.org/10.1016/j.neuropsychologia.2017.02.005

22. Das R. Cognitive Load measurement − a comparative study using Low cost Commercial EEG devices // 3rd Internaltional Conf. Adv. Comp. Vol. Commun. Informatics. 2014. P. 1188−1194.

23. Bamdad M., Zarshenas H., Auais M. A. Application of BCI systems in neurorehabilitation: a scoping review // Disabil. Rehabil. Assist. Technol. 2015. Vol. 10, № 5. P. 355−364. doi: https://doi.org/10.3109/17483107.2014.961569

24. Saha S. Enhanced inter−subject brain computer interface with associative sensorimotor oscillations // Healthc. Technol. Lett. 2017. Vol. 4, № 1. P. 39−43. doi: https://doi.org/10.1049/htl.2016.0073

25. Jeunet C., Jahanpour E., Lotte F. Why standard brain−computer interface (BCI) training protocols should be changed: an experimental study // J. Neural. Eng. 2016. Vol. 13, № 3. P. 36024. doi: https://doi.org/10.1088/1741−2560/13/3/036024

26. Zhang D. Toward a minimally invasive brain−computer interface using a single subdural channel: A visual speller study // Neuroimage. 2013. Vol. 71. P. 30−41. doi: https://doi.org/10.1016/j.neuroimage.2012.12.069

27. Bakun O. V. Vpliv genіtal'nogo endometrіozu ta suputnіkh zakhvoryuvan' na bezplіddya za danimi retrospektivnogo analіzu іstorіi khvorobi // Bukovins'kii medichnii vіsn. 2019. № 40. S. 9−15.

28. Berestovii O. O. Mediko−sotsіal'nі osoblivostі podruzhnіkh par z bezplіddyam // Sіmeina meditsina. 2019. № 5/6. S. 149−152.

29. Homer M. L. Sensors and Decoding for Intracortical Brain Computer Interfaces // Annu. Rev. Biomed. Eng. 2013. Vol. 15, № 1. P. 383−405. doi: https://doi.org/10.1146/annurev−bioeng−071910−124640

30. Gandhi V. Quantum neural network−based EEG filtering for a brain−computer interface. IEEE Trans // Neural Networks Learn. Syst. 2014. Vol. 25, № 2. P. 278−288. doi: https://doi.org/10.1109/tnnls.2013.2274436

31. Pires G., Nunes U., Castelo−Branco M. Statistical spatial filtering for a P300 − based BCI: tests in able−bodied, and patients with cerebral palsy and amyotrophic lateral sclerosis // J. Neurosci. Methods. 2011. Vol. 195, № 2. P. 270−281. doi: https://doi.org/10.1016/j.jneumeth.2010.11.016

32. Murguialday A. R. Afferent effect on brain computer interfaces : an experimental analysis: dissertation. San Sebastian. 2011. P. 102.

33. Lotte F., Larrue F., Mühl C. Flaws in current human training protocols for spontaneous Brain−Computer Interfaces: lessons learned from instructional design // Front. Hum. Neurosci. 2013. Vol. 7, № 568. P. 1−11. doi: https://doi.org/10.3389/fnhum.2013.00568



Завантажити статтю в форматі PDF (1 MB)
Наверх