Для описания динамики процесса используется создание его моделей, которые должны содержать основные механизмы, приводящие к наблюдаемым электрофизиологическим эффектам. Одной из таких моделей является экспериментальная модель сенсорной аудиогенной дезинтеграции, важнейшим центральным звеном которой является гиппокамп. Гиппокамп реагирует на все виды сенсорной стимуляции, но особенно чувствителен к звуковым стимулам. Аудиогенные воздействия с участием гиппокампа модулируют множество электрофизиологических реакций: синхронизацию-десинхронизацию, усвоение и забывание ритма, аудиогенный киндлинг, аудиогеное сенсорное прекондиционирование. Обработка ЭЭГ нами проводилась методами Фурье и вейвлет-анализа. Метод вейвлет-анализа является более информативным в выявлении частотных характеристик электроэнцефалограмм, чем анализ Фурье. В хронических опытах у крыс на модели аудиогенной сенсорной дезинтеграции методами спектрального преобразования Фурье и дискретного вейвлет-преобразования с расчетом вейвлет-энергии изучена электрическая активность поля СА1 гиппокампа. Использованный метод вейвлет-анализа является более информативным в выявлении частотно-временных характеристик электроэнцефалограмм, чем анализ Фурье. На 10 и 20 дни аудиогенных воздействий происходит уменьшение долей вейвлет-энергии декомпозиционного уровня D5, который соответствует тета-ритму, при этом максимум спектра приходится на области тета- и альфа-ритмов. Выявленные электрофизиологические перестройки гиппокампа могут быть связаны с формированием очага застойного возбуждения в лимбической системе мозга.
гиппокамп, ЭЭГ, дискретное вейвлет-преобразование, вейвлет-энергия, тета-ритм.
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-
