Интерфейс мозг-компьютер: опыт построения, использования и возможные пути повышения рабочих характеристик

Журнал высшей нервной деятельности им. И.П. Павлова. 2017. Т. 67. № 4. С. 504–520.

Волкова К. В., Дагаев Н. И., Киселёв А. С., Касумов В. Р., Александров М. В., Осадчий А. Е.

Нейрокомпьютерные интерфейсы, или, как их принято называть в отечественной литературе, интерфейсы мозг-компьютер (ИМК), находят применение в ряде областей и имеют потенциал использования для решения как исследовательских, так и практических задач. В настоящее время ведутся пилотные исследования клинического применения ИМК в пост­инсультной нейрореабилитации [Frolov et al., 2013; Ang et al., 2010], кроме того, существует перспектива использования ИМК для непосредственного восстановления возможностей движения/коммуникации путём создания альтернативного канала обмена информацией с интеллектуальными протезами и окружающей средой. При работе с электрофизиологическими данными возникает необходимость обработки многомерных, нестационарных сигналов, которые отражают сложные физиологические процессы. Интерфейсы, основанные на неинвазивных технологиях регистрации активности головного мозга, до сих пор не обеспечивают надёжного информационного контакта с мозгом пользователя. Результаты нашего исследования показывают, что улучшение рабочих характеристик таких систем возможно за счёт построения новых алгоритмов машинного обучения, учитывающих физиологические и психоэмоциональные особенности использования ИМК. Разработка таких алгоритмов может вестись как в классической Байесовской парадигме, так и с использованием современных технологий глубинного обучения. Кроме того, создание методик физиологической интерпретации нелинейных решающих правил, найденных многослойными структурами, открывает новые перспективы автоматического и объективного извлечения знаний из данных нейрофизиологических экспериментов. Несмотря на всю привлекательность неинвазивных технологий, радикальное повышение пропускной способности коммуникационного канала ИМК и применение этой технологии для управления протезами возможно лишь при помощи инвазивных методов регистрации активности головного мозга. Электрокортикограмма (ЭКоГ) - наименее инвазивная из таких технологий, и в заключительной части работы мы демонстрируем возможность использования ЭКоГ для декодирования кинематических характеристик движения пальца.

Ключевые слова: EEG, ЭЭГ, deep learning, глубинное обучение, ECoG, brain-computer interface, mu-rhythm, мозг-компьютер интерфейс, ЭКоГ, сенсомоторный ритм

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА: Активное и пассивное декодирование нейрональных процессов при выполнении когнитивных и нейроэкономических задач (2017)