Оценка влияния электромагнитного шумового излучения диапазона WiFi на эмоциональное состояние оператора

Проведены экспериментальные исследования электроэнцефалограмм оператора, находящегося в условиях электромагнитного шумового излучения диапазона WiFi. Регистрация электроэнцефалограмм проводилась в стандартных отведениях Fp1, Fp2, F3, F4, C3, C4, P3, P4, O1, O2, F7, F8, T3, T4, T5, T6, Fpz, Fz, Cz, Pz, Oz. Проанализированы количественные параметры эмоционального состояния оператора, выраженные спектральной плотностью мощности ритмических компонент мозга, а также такими информационными параметрами, как выборочная энтропия, фрактальная размерность, сложность Лемпеля-Зива, усредненные для 10 испытуемых. Показано, что при действии излучения оператор испытывает депрессию. Показано, что тенденция изменения параметров спектральной плотности мощности тета-, альфа-, гамма-ритмов, фрактальной размерности, сложности Лемпеля-Зива, выборочной энтропии в большинстве отведений электроэнцефалограмм совпадает с тенденцией изменения этих параметров, представленных в научной литературе, при депрессии. Установлено, что оператор испытывает страх, что определяется увеличением параметра фрактальной размерности электроэнцефалограмм не более чем на 0,4 % по отношению к фону.

1. Sidorenko, A.V. Assessing the effect of electromagnetic noise radiation on the central nervous system using non-linear parameters of the electroencephalogram / A.V. Sidorenko, M.A. Saladukha // Nonlinear Dynamics and Applications. ‒ 2019. ‒ Vol. 25. ‒ Pр. 231-240.

2. Сидоренко А.В., Солодухо Н.А. Исследование эмоции страха оператора при воздействии электромагнитного шумового излучения / А.В. Сидоренко, Н.А. Солодухо // Нейронаука для медицины и психологии, Материалы 15-ого международного междисциплинарного конгресса, Судак, 30 мая-10 июня 2019 г. ‒ Судак, 2019. – С. 375-376. doi: https://doi.org/10.29003/m553.sudak.ns2019-15/375-376

3. Сидоренко, А.В. Оценка депрессивного состояния оператора мобильной системы при наличии генератора электромагнитных шумовых излучений и человека при некоторых патологиях / А.В. Сидоренко, Н.А. Солодухо // Нейронаука для медицины и психологии : тез. докл. 19-ого международного междисциплинарного конгресса, Судак, 30 мая-10 июня 2023 г. / Российское Физиологическое Общество им. и.п. Павлова [и др.] ‒ Судак, 2023. – С. 256. doi: https://doi.org/10.29003/m3368.sudak.ns2023-19/256-257

4. Санитарные нормы и правила «Требования к электромагнитным излучениям радиочастотного диапазона при их воздействии на человека» [Электронный ресурс] : постановление Министерства здравоохранения Респ. Беларусь, 5 марта 2015 г., № 23 // Национальный правовой Интернет-портал Республики Беларусь. – Режим доступа: https://pravo.by/document/?guid=12551&p0=W21529716p&p1=1 . – Дата доступа: 10.10.2023.

5. Harne, B.P. Higuchi Fractal Dimension Analysis of EEG Signal before and after OM Chanting to Observe Overall Effect on Brain / B.P. Harne // IJECE. ‒ 2014. ‒ Vol. 4, № 4. ‒ Pр. 585-592. doi: http://dx.doi.org/10.11591/ijece.v4i4.5800

6. Richman, J.S. Physiological time-series analysis using approximate entropy and sample entropy / J.S. Richman and J.R. Moorman // Am. J. Physiol. Heart Circ. Physiol. – 2000. – Vol. 278, № 6. – Pр. 2039-2049. doi: 10.1152/ajpheart.2000.278.6.H2039

7. Petrov, L.A. On the Applicability of Nonlinear Time series Methods for Partial Discharge Analysis / L. A. Petrov, P.L. Lewin, T. Czaszejko // IEEE Transactions on Dielectrics and Electrical Insulation. ‒ 2014. ‒ Vol. 21. ‒ Pр. 284-293. doi: 10.1109/TDEI.2013.003983

8. Oostenveld, Robert. The five percent electrode system for high-resolution EEG and ERP measurements / Robert Oostenveld, Peter Praamstra // Clinical Neurophysiology. ‒ 2001. ‒ Vol. 112. ‒ Pр. 713-719. doi: 10.1016/S1388-2457(00)00527-7

9. Подавитель Скорпион Wi-Fi ‒ 15 [Электронный ресурс] // Интернет магазин mrGadget.by. Режим доступа: https://mrgadget.by/product/podavitel-skorpion-wi-fi---15/ Дата доступа 10.10.2023

10. Сидоренко, А.В. Методы информационного анализа биоэлектрических сигналов / А.В. Сидоренко. Мн.: БГУ, 2003. 187 с.

11. Aleksic, Z. Estimating the embedding dimension / Z. Aleksic // Physica D. ‒ 1991. ‒ Vol. 52. ‒ Pр. 362-368. doi: https://doi.org/10.1016/0167-2789(91)90132-S

12. Das, J. Resting State Quantitative Electroencephalogram Power Spectra in Patients with Depressive Disorder as Compared to Normal Controls: An Observational Study / J. Das, Sh. Yadav // Indian Journal of Psychological Medicine. ‒ 2020. ‒ Vol. 42, iss. 1. ‒ Pр. 30-38. doi: 10.4103/IJPSYM.IJPSYM_568_17

13. Bachmann, М. Spectral Asymmetry and Higuchi’s Fractal Dimension Measures of Depression Electroencephalogram / Maie Bachmann [et al.] // Computational and Mathematical Methods in Medicine. ‒ 2013. ‒ Vol. 2013. ‒ Pр. 251638-1-251638-8. doi: https://doi.org/10.1155/2013/251638

14. Čukić М. EEG machine learning with Higuchi’s fractal dimension and Sample Entropy as features for successful detection of depression / Milena Čukić [et. al.] // arXiv.org [Electronic resource]. – 2018. – Mode of access : https://arxiv.org/abs/1803.05985 – Date of access : 26.04.2021.

15. Cerquera, A. Nonlinear Recurrent Dynamics and Long-Term Nonstationarities in EEG Alpha Cortical Activity: Implications for Choosing Adequate Segment Length in Nonlinear EEG Analyses / A. Cerquera, M. A. Vollebregt, M. Arns // Clin EEG Neurosci. ‒ 2018. ‒ Vol. 49, № 2. ‒ Pр. 71-78. doi: 10.1177/1550059417724695

16. Čukić М. Nonlinear analysis of EEG complexity in episode and remission phase of recurrent depression / Milena Čukić [et al.] / Int J Methods Psychiatr Res. – 2020. – Vol. 29, № 2. – Pр. 1-11. doi: 10.1002/mpr.1816

17. Ruiz Padial, E. Fractal dimension of EEG signals and heart dynamics in discrete emotional states / E. Ruiz Padial and A.J. Ibáñez-Molina // Biol Psychol. – 2018. – Vol. 137. – Pр. 42-48. doi: 10.1016/j.biopsycho.2018.06.008