500 руб
Журнал «Биомедицинская радиоэлектроника» №1 за 2026 г.
Статья в номере:
Анализ вызванных потенциалов с использованием эмпирического вейвлет-преобразования
Тип статьи: научная статья
DOI: https://doi.org/10.18127/j15604136-202601-14
УДК: 616
Авторы:

Н.В. Мясникова1, Л.А. Долгих2, М.Г. Мясникова3

1–3 ФГБОУ ВО «Пензенский государственный университет» (г. Пенза, Россия)
1genok123@mail.ru, 2dolgikhla@pnzgu.ru, 3mariagen@yandex.ru

Аннотация:

Постановка проблемы. Выделение вызванных потенциалов (ВП) с помощью анализа электроэнцефалограммы (ЭЭГ) – хорошо зарекомендовавший себя метод получения объективной информации о когнитивных функциях. Для повышения отношения сигнал/шум сигналы часто фильтруются. В качестве альтернативы можно рассматривать декомпозицию сигнала с последующим отбором нужных для анализа составляющих. Применение эмпирического вейвлет-преобразования способствует качественному выполнению данной процедуры.

Цель. Рассмотреть возможность применения эмпирического вейвлет-преобразования для анализа ВП.

Результаты. Показано, что применение эмпирического вейвлет-преобразования на синтезированных данных существенно уменьшило фоновую ЭЭГ, сохранив при этом форму и амплитуду ВП.

Практическая значимость. Использование эмпирического вейвлет-преобразования дает возможность выделить вызванный потенциал, применяя небольшой объем данных.

Страницы: 73-78
Для цитирования

Мясникова Н.В., Долгих Л.А., Мясникова М.Г. Анализ вызванных потенциалов с использованием эмпирического вейвлет-преобразования // Биомедицинская радиоэлектроника. 2026. T. 29. № 1. С. 73−78. DOI: https:// doi.org/10.18127/j156 04136-202601-14

Список источников
  1. Григорьев Ф.Н., Кузнецов Н.А. Выделение вызванных потенциалов с использованием стохастической теории фильтрации» // Информационные процессы. 2014. Т. 14. № 4. С. 285–294.
  2. Quian Quiroga R., Garcia H. Single-trial event-related potentials with wavelet denoising. Clinical Neurophysiology. 2003. V. 114. № 2. P. 376–390.
  3. Gilles J. Empirical Wavelet Transform. IEEE Transactions on Signal Processing. 2013. V. 61(16). P. 3999–4010.
  4. Kappenman E.S., Luck, S.J. The effects of electrode impedance on data quality and statistical significance in ERP recordings. Psychophysiology. 2010. V. 47. P. 888–904.
  5. Tseng S.Y., Chen R.C., Chong F.C., Kuo T.S. Evaluation of parametric methods in EEG signal analysis. Medical Engineering and Physics. 1995. V. 17. № 1. P. 71–78.
Дата поступления: 08.12.2025
Одобрена после рецензирования: 15.12.2025
Принята к публикации: 22.12.2025