To describe the dynamics of the process, the authors use the creation of its models, which should contain the basic mechanisms leading to the observed electrophysiological effects. One of such models is an experimental model of sensory audiogenic disintegration. The hippocampus is the main central element. The hippocampus reacts to all kinds of touch stimulation, but it is especially sensitive to sound stimulus. Audiogenic effects with participation of the hippocampus modulate set of electrophysiological reactions: synchronisation-desynhronisation, mastering and forgeting a rhythm, audiogenic kindling, audiogenic sensory precondition. The authors conducted the processing of the EEG using the Fourier methods and wavelet analysis. The method of wavelet analysis is more informative in identifying frequency characteristics of the EEG than the Fourier analysis. Electrical activity in field CA1 of the hippocampus was studied in chronic experiments in rats to model audiogenic sensory disintegration spectral methods Fourier transform and discrete wavelet transform calculating wavelet energy . Used method of the wavelet analysis is more informative in identifying time-frequency characteristics of the EEG than the Fourier analysis. At 10 and 20 days audiogenic effects there is a reduction of the lobes of the wavelet energy decomposition levels D5, which corresponds to the theta rhythm, while the maximum of the spectrum falls on the field of theta and alpha rhythms. Revealed electrophysiological restructuring of the hippocampus may be associated with the formation of the center of stagnant excitation in the limbic system of the brain.
hippocampus, EEG, discrete wavelet transform, wavelet energy, theta rhythm.
Появление современных теорий в науке о деятельности живых организмов стимулировало возникновение новых методов их изучения и использование другой идеологии в принципах функционирования сложных систем [4,14]. Благодаря этому для выявления изменений электрической активности мозговых структур появилась возможность применять эффективные современные стратегии и алгоритмы, к числу которых относится вейвлет-анализ [3,12]. Выбор метода вейвлет-анализа (непрерывного или дискретного) зависит от целей эксперимента, задач исследования и вида обрабатываемого сигнала [2]. Вейвлеты несколько необычны для исследователей, так как они не могут быть записаны в аналитической форме, а характеризуются набором численных коэффициентов в некоторых функциональных уравнениях, содержащих изменение масштаба и сдвиг аргументов исследуемых данных. В практических вычислениях для определения конкретной формы вейвлетов не используются абсолютные значения, а только величины их коэффициентов. Специальная процедура многомасштабного (мультирезолюционного) анализа в прикладных программах делает возможными быстрые численные расчеты локальных характеристик на разных масштабах [2]. Каждая шкала содержит независимую неперекрывающуюся информацию о сигнале в виде вейвлет-коэффициентов, которые вычисляются с помощью процедуры быстрого вейвлет-преобразования. Вейвлеты помогают распознать и описать скрытые характеристики сигнала, но не позволяют объяснять лежащую в их основе динамику и физическую природу процесса, при этом приходится проводить физиологическую интерпретацию полученных данных с учетом классических представлений о нейрофизиологических механизмах мозга [13]. Для описания динами-
