Назва навчального закладу

Вид роботи
Назва дисципліни
на тему:
тема роботи

Хто виконав

Хто перевірив

Місто – рік
2 Мета та завдання роботи
 Додати текст
3 Матеріали дослідження
37 добровольців [вік від 18 до 55]
90 записів 40 хвилинних ЕЕГ [Tredex ExpertNet]
5 різних аудіо доріжок [темп від 90 до 145 bpm]
bpm — позначає кількість долей або, відповідно, ударів метроному на хвилину.

Джерело звуку

Tredex
Звуко
передаючий Досліджува Електроди АЦП Процесор
пристрій ний

ПК
(ExpertNet)

Рисунок 1 – Структура взаємодії апаратної частини комплексу із досліджуваним

4 Програмна частика комплексу

в)

а)

б)
г)
Рисунок 2 - Приклад можливостей програмної частини Tredex ExpertNet: а) опис ЕЕГ в табличному вигляді;
б) опис ЕЕГ в текстовому вигляді; в) опис ЕЕГ у вигляді кругових гістограм; г) створення текстових міток
 5 Оцінка характеристик звукового впливу

Цифрова звукова робоча станція (DAW) і секвенсор для написання музики FL Studio

1 стимул 100 bpm

2 стимул 142 bpm

3 стимул 120 bpm

4 стимул 94 bpm

5 стимул 128 bpm

Рисунок 3 – Частотне відображення 5 стимульних матеріалів, робочий простір програми FL Studio.

6 Методи обробки показників ЕЕГ

Метод фазових
Статистичний аналіз
портретів
•Перевірка на •Знаходження
нормальність розподілу медіального значення
•Перевірка на •Логістичне
достовірність відображення
•Кореляційний аналіз •Побудова фазових
портретів
7 Методика дослідження

4.Визначення
1.Створення 2.Визначення 3.Інтелектуальне
стану після
особистої картки початкового стану навантаження
навантаження

5.Запис ЕЕГ, 6.Визначення

прослуховування стану після аудіо
аудіо файлу навантаження

Рисунок 4 - Функціональна схема методології дослідження впливу звуку на психофізіологічний стан

біоелектричної активності мозку.
 8 Результати статистичного аналізу
База даних №1
База даних №2
• 360 спостережень
• 1080 спостережень
• вклади ритмів та значення міжпівкульної
• Вклади ритмів (2сек)
асиметрії (ма) (2хв)

Таблиця 2- Кореляційний аналіз по критерію

Таблиця 1 – Кореляційний аналіз по критерію Пірсона Спірмена залежності вкладу ритмів від бітності по Базі 2.
залежності вкладу ритмів від бітності по Базі 1.
тета альфа бета1 бета2 bpm
bpm ма тета бета2
N 189 189 189 189 189
Кореляція
1 -0,106 -0,063 -0,024
Пірсона Ро
Коефіцієнт
,062 -,046 -,012 ,021 1,000
кореляції
bpm Спірма
Знач. Знач. (2-х
0,419 0,633 0,856 на bpm ,399 ,528 ,867 ,772 .
(двустороння) стороння)

N 60 60 60 60 N 189 189 189 189 189

**. Кореляція значима на рівні 0,01 (двостороння).

9 Відмінність початкових значень ЕЕГ в
залежності від статті

а)
в)
б)
Група 1 – жінки
Рисунок 5 - Реакція відсоткового вкладу
Група 2 – чоловіки
ритму на звуковий вплив:
1,7 – фон
а) δ-ритм б) θ-ритм в) β2-ритм
2-6 – звукові стимули
10 Вираженість реакції зміни вкладу
ритмів в залежності від статті

а) в)
б)
Група 1 – жінки
Рисунок 6 - Реакція відсоткового вкладу Група 2 – чоловіки
ритму на звуковий вплив 1,7 – фон
а) θ-ритм б) α-ритм в) β2-ритм 2-6 – звукові стимули
11 Динаміка зміни відсоткового вкладу
ритмів відповідь на аудіо стимули

а)
в)
б)
Група 1 – жінки
Рисунок 7 - Реакція відсоткового вкладу
Група 2 – чоловіки
ритму на звуковий вплив:
1,7 – фон
а) δ-ритм б) α-ритм в) β1-ритм
2-6 – звукові стимули
 12 Стійкість систем до зовнішніх впливів
3 группи аудіо стимулів:
1 група – 94,100 bpm 2 група – 120,128 bpm 3 група – 142 bpm

Рисунок 9 - Фазовий портрет тета ритму у відповідь на

аудіо стимул бітністю: а) 128 bpm; б) 120 bpm
Рисунок 10 - Фазовий портрет відповідь на аудіо стимул
бітністю 128 bpm: а) α ритм; б) δ ритм
 13 Висновки
1. За результатами літературного огляду було визначено параметри, що будуть досліджуватися: це є залежність відсоткового вкладу
ритмів в ЕЕГ в залежності від темпу музики, та різниця цього показника в залежності від статі.
2. Для статистичного аналізу даних ЕЕГ було використано пакети прикладних програм для вирішення задач статистичної обробки
IBM SPSS Statistics,. Для побудови фазових програм було використано можливості програмного продукту Microsoft Excel 10,13. Для
визначення темпу композиції було використано цифрової звукової робочої станції(DAW) та програми FL Studio та її стандартний
програмний модуль визначити темп (Detect tempo). Програмне забезпечення Tredex дає можливість оцінити вклади кожного з ритмів у
відсотковому значенні, як у певний момент так і під час дії різних стимулів.
3. Була розроблена власна методологія дослідження, яка складається з 6 етапів: створення особистої справи, визначення
початкового стану, інтелектуальне навантаження, визначення стану після навантаження, запис ЕЕГ під час прослуховування аудіо файлу
та визначення стану після аудіо навантаження.
4. Було проведено 90 досліджень на 37 добровольцях. Було створено стимульний матеріал, що складався з 5 різних за жанрами
аудіо доріжок, які містили лише музичний ряд без вербального супроводу, що були відмінні за показником бітності та АЧХ.
5. Було створено дві бази даних, перша складалася з 360ти спостережень на 10 досліджуваних, друга містила 1080 спостережень
на 27 досліджуваних.
6. Результати статистичного аналізу залежності показників електричної активності головного мозку від характеристик звукового
впливу не виявили значимого коефіцієнту кореляції між показниками. Тоді як при дослідженні різниці реакції в залежності від статі
показало характерні відмінності. При побудові фазових портретів було показано, що найбільш стійкі до зовнішніх впливів є реакції на
аудіо стимули від 120 до 128 bpm.
 Публікація тез по темі роботи на конференції біомедичної інженерії 19-22 квітня 2016 року, м. Києві.
 Робота проводилася в рамках спільного інноваційного дослідження «Вплив звукових коливань слухового діапазону на
характеристики електричної активності різних відділів головного мозку», кафедра біомедичної інженерії ФБМІ та кафедра акустики
та акустоелектроніки ФЕЛ.
 ДЯКУЮ ЗА УВАГУ!

Дипломна робота
на тему:
Залежність показників електричної активності головного
мозку від характеристик звукового впливу
Виконала:
студентка групи БМ-23 Камкова Ю. О.
Науковий керівник:
ст. викл. Овчаренко Г. Р.
Консультант:
к.б.н, доцент Калашникова Л.Є.

Київ 2016