WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 8 | 9 || 11 | 12 |   ...   | 58 |

оценена как матрица частот переходов в Secondly, for each instance in time we can generate the ЭЭГ-записи. Во-первых, мы предполагаем, feedback signal based on the proprietary measure что состояния различаются в зависимости approximating the likelihood of achieving the desired states from the current one. Our results demonstrate that от вероятности перехода к подмножеству the states defined based on the EEG characteristics состояний с оптимальными значениями indeed can be characterized by highly non-uniform ЭЭГ-параметров. Во-вторых, в каждый distribution of interstate transition probabilities and момент времени мы сможем генерировать also it demonstrates the increasing efficacy of the сигнал НОС в соответствии с текущими proposed model based neurofeedback paradigm as opposed to the non-model based approach. величинами ЭЭГ-параметров и вероятностью достижения состояний с Введение оптимальными значениями параметров из текущего состояния.

В стандартной парадигме Мы экспериментировали с нейрообратной связи (НОС) генерация управлением мощностью бета-ритма, где сигнала ОС основана на характеристиках испытуемому было дано задание либо ЭЭГ-измерений в сравнении с желаемыми увеличивать, либо уменьшать отношение величинами параметров. С точки зрения мощностей бета/альфа-ритмов.

теории управления мы видим, что в данном Использовалась зрительная модальность подходе для генерации ОС реализуется, в для сигнала (столбик на экране). Сигнал для простой форме, пропорциональное НОС генерировался с электрода в Fzуправление. Типичными задачами положении в сравнении с ушными испытуемого являются "запоминание" референтами. Затем мы оперативно состояний, для которых он получил определяли текущее состояние на основе положительное подкрепление, и попытки отношения мощностей бета-/альфа-ритмов, достижения таких состояний в дальнейшем. которые рассчитывались с помощью На начальных этапах НОС-тренинга преобразования Гилберта с указанием возникновение состояний с положительным частотных диапазонов ритмов. Проводилось подкреплением происходит очень редко, сравнение стандартного метода генерации что обуславливает его низкую НОС-сигнала и метода на основе модели эффективность. Мы предложили новый дискретных состояний. Мы оценивали метод генерации сигнала НОС и анализа матрицу Маркова по одноканальным ЭЭГполученных результатов, на основе модели данным, после ранжировали состояния в дискретных состояний (DSM). соответствии со значением оптимизационного параметра (бета/альфа - Описание метода отношение). Затем, на основе В модели дискретных состояний вероятностной динамики, генерировалось взята за основу информация о вероятностях положительное подкрепление за высокую Материалы XVI Международной конференции по нейрокибернетике вероятность перехода в состояние с на основе ЭЭГ-данных характеризуются высоким значением отношения из высокой степенью неравномерности текущего состояния. распределения вероятностей переходов (p<0.01). После серии пилотных экспериментов нами показано повышение Результаты эффективности управления НОС в сравнении со стандартной парадигмой.

Используя рандомизационные, тесты мы показали, что состояния определенные 2-Й МЕЖДУНАРОДНЫЙ СИМПОЗИУМ «ИНТЕРФЕЙС “МОЗГ-КОМПЬЮТЕР”» СРАВНЕНИЕ КОМПОНЕНТОВ ЗРИТЕЛЬНЫХ ВЫЗВАННЫХ ПОТЕНЦИАЛОВ ПРИ ИСПОЛЬЗОВАНИИ СИМВОЛЬНОЙ И БУКВЕННОЙ СТИМУЛИРУЮЩИХ МАТРИЦ В ПАРАДИГМЕ НЕЙРОКОМПЬЮТЕРНОГО ИНТЕРФЕЙСА К.А. Салтыков, Е.Д. Барк, С.А. Кожухов, М.А. Куликов Лаборатория физиологии сенсорных систем Учреждение Российской академии наук институт высшей нервной деятельности и нейрофизиологии РАН, Москва K_Saltykov@mail.ru Brain-computer interface (BCI) systems normally have символы (пиктограммы), в целом alphabetic matrices as a rule. However, we believe соответствуют обнаруженным в НКИ при that a matrix consisting of symbols might increase the использовании буквенной матрицы [1]. Мы BCI’s efficiency. In this page we compare the провели количественное сравнение topography of the difference visual event related potential (vERP) in response to stimulation of the характеристик компонентов ЗВП при symbolic and alphabetic (Cyrillic) matrices. Using стимуляции символьной и буквенной independent paired T-test, we compared the amplitude матрицами в рамках ФД-парадигмы.

and latent period of vERP.

Методика Введение Эксперименты проводили на Нейрокомпьютерные интерфейсы взрослых здоровых человек (4 мужчин и (НКИ) или Brain-Computer-Interface (BCI в женщин) с нормальным зрением от 23 до англоязычной литературе) используют лет, все правши с правым ведущим глазом.

биоэлектрические потенциалы мозга для Использовались соразмерные управления техническими или стимуляционные матрицы двух типов 6хпрограммными устройствами.

знаков. В буквенной матрице были Одним из наиболее разработанных и сгруппированы буквы кириллического высокорезультативных систем является алфавита (рис. 1, А), а в символьной НКИ, построенный на основе анализа матрице располагались символы волны Р300 зрительного вызванного (пиктограммы) (рис 1, Б). Геометрические потенциала (ЗВП), впервые реализованный размеры элементов, яркость подсветки и Фаруэллом и Дончиным (ФД -парадигма) параметры стимуляции в обеих матрицах не [1]. Классическим для ФД-парадигмы различались. Серии с символьной и является использование стимулирующих буквенной матрицами чередовались в матриц, в которые группируются буквы для рамках одного эксперимента.

набора текстов [1, 2]. В основу Эксперимент был построен в «oddидентификации положено увеличение ball» парадигме, с двумя стимулами амплитуды волны Р300 в ответ на значимую (частым незначимым и редким значимым).

(задуманную испытуемым или заданную Значимым считался символ, назначаемый экспериментатором) букву. Однако экспериментатором, испытуемый вел счет использование в матрице символов появления значимых стимулов.

(пиктограмм), обозначающих определенное Регистрацию ЭЭГ проводили понятие или действие могло бы сделать непрерывно и монополярно с НКИ более удобным для пациентов и электродов, расположенных по схеме 10операторов, а также повысило бы 10%, индифферентным служил правый быстродействие и эффективность такого ушной электрод (система «Neocortex-Pro», НКИ.

фирма Neurobotics, Россия).

Ранее мы выявили, что основные закономерности реагирования волн ЗВП на Материалы XVI Международной конференции по нейрокибернетике в той же области максимальные значения соответствуют двум отведениям Т5 и О1.

Латентные периоды компонента N1 ЗВП больше при ответе на букву, чем на символ, кроме правой височной и правой фронтальной А Б областей.

Рис. 1. Стимуляционные матрицы. А. Буквенная матрица на основе кириллического алфавита. Б.

Символьная матрица.

Методика анализа различий между ответами на буквенную и символьную матрицы. Мы вычисляли разницу между средними значениями амплитуды и латентности при стимуляции буквами и символами для различных компонентов ЗВП. Принимались во внимание те сдвиги в одну сторону относительно нуля, которые были характерны для 7 и более испытуемых, что являлось достоверным по критерию знаков для девяти испытуемых.

Для поиска областей максимально реагирующих на стимуляцию был проведен анализ топографии различий между разными типами стимулов с помощью парного t-критерия для независимых выборок. Сравнивались амплитуды разных компонентов ЗВП между ответом на Рис. 2. Карты суммы модулей парного t-критерия по значимый стимул в символьной и всем испытуемым для разных компонентов ЗВП.

буквенной матрицах. Затем, по каждому Максимальные значения суммарного t-критерия отведению суммировались модули обозначены белым цветом.

значений t-критерия для всех девяти испытуемых. Значения суммировались по Имеющиеся в литературе данные модулю для учета всех типов реакций. исследования свойств компонента N1 при Таким образом, полученное значение предъявлении одиночных изображений суммарного t-критерия отражает подтверждают, что она отражает процессы разностную чувствительность данного раннего распознавания буквенных и отведения по всей выборке. По полученным псевдобуквенных изображений. Таким данным строились двухмерные карты, (Рис образом, использование этой волны в 2) где уровень серого соответствует работе НКИ устройств, может сократить значению суммарного t-критерия. время распознавания команды. [3, 4].

Наиболее важным для обработки Результаты и обсуждение сигнала ЗВП в рамках ФД-парадигмы считается P3 комплекс. Как было показано, Амплитуда N1 ЗВП при стимуляции комплекс Р3 содержит два субкомпонента - символьной матрицей превышает величину Р3а и Р3b, которые являются отражением аналогичных показателей на буквы в независимых процессов [5]. P3a (более затылочной области, распространяясь и на ранний компонент) отражает процессы левую височную область (достоверно по внимания к редким стимулам, независимо критерию знаков). Максимумы различий по от их значимости. Амплитуда Р3a больше t-критерию при стимуляции символами и на символ, чем на букву в центро- буквами (рис 2а, светлая зона), оказываются фронтальной области. Максимумы 2-Й МЕЖДУНАРОДНЫЙ СИМПОЗИУМ «ИНТЕРФЕЙС “МОЗГ-КОМПЬЮТЕР”» различий при стимуляции символами и выявлено гораздо большее влияние буквами по суммарному t-критерию для P3a индивидуальных отличий, что может занимают 4 достаточно обособленные являться следствием новизны знаков Кроме компактные области – правая и левая того, компоненты P3a, P3b и Nвисочная и теменно-височная области демонстрировали сложноорганизованную (справа несколько сдвинутая ростральнее, а топографию различий по t-критерию. При слева- центральнее), затылочная область, а этом суммарные значения модуля tтакже область под отведением F3. При этом критерия весьма высоки, что заставляет латентные периоды реакций короче для отнестись с доверием к полученным символов, чем для букв в затылочно- результатам.

теменных областях с распространением на висок слева. Выводы Компонент Р3b (более поздний) возникает в ответ на заданный значимый 1. Топография максимальной стимул и отражает процессы, связанные с выраженности различных компонентов ЗВП обновлением памяти [4]. Амплитуда Р3b отличается при стимуляции символьной и больше на символ, во фронтальной области буквенной матрицами.

и лобно-центральной области справа. 2. НКИ на основе символьной Максимумы различий при стимуляции матрицы должен иметь отличающиеся символами и буквами для P3b алгоритмы классификации сигналов и более располагаются в схожих с Р3а областях, гибкие механизм обучения вследствие однако являются более делокализованными. более вариабельной чувствительности к Латентные периоды этой волны короче для символам.

букв, чем для символов в правой лобноСписок литературы височной области. Волна P3b продемонстрировала большую 1. L.A. Farwell, E. Donchin. Talking off the top индивидуальную изменчивость в ответ на of your head: towards а mental prosthesis utilizing стимуляцию символьной матрицей [3].

event-related brain potentials. Electroenceph. and clin.

В задачах, требующих от Neurophysiol. 1988; V. 70, P. 510-523.

испытуемого семантического анализа 2. Е. С. Михайлова, В. А. Чичеров, Е. А. Птушенко, стимула, часто анализируется более И. А. Шевелев. Пространственный градиент волны Р300 зрительного вызванного потенциала мозга поздний компонент N400. Амплитуда Nчеловека в модели нейрокомпьютерного интерфейса больше на символ, чем на букву в центро// Журн. высш. нерв. деят. 2008. Т 58. № 3. С 302фронтальной области. Максимумы 308.

различий при стимуляции символами и 3. Е.Д. Барк, К.А. Салтыков, С.А. Кожухов, М.А.

буквами для N4 располагаются в двух Куликов Использование символьной матрицы в парадигму нейроинтерфейса, построенного на областях – в левой теменно-височной и основе анализа компонентов зрительного правой лобно-височной областях.

вызванного потенциала.// Нейрокомпьютеры, 2011, Латентные периоды реакций короче для №12, с.25-32.

букв, чем для символов в правой лобно4. S.L. Shishkin, I.P. Ganin, A. Y. Kaplan. Event-related височной области.

potentials in a moving matrix modification of the Pbrain–computer interface paradigm. Neuroscience Топография максимальной Letters 496 (2011) P. 95–99.

выраженности различных компонентов ЗВП 5. J. Polich. Updating P300: An integrative theory of для символьной матрицы оказалась P3a and P3b. Clinical Neurophysiology 118 (2007) P.

существенно отличной от буквенной 2128–2148.

матрицы. Для символьной матрицы было Материалы XVI Международной конференции по нейрокибернетике ОБНАРУЖЕНИЕ СПЕЦИФИЧЕСКИХ ПАТТЕРНОВ ЭЭГ ПРИ ВЫПОЛНЕНИИ РЕАЛЬНЫХ И МЫСЛЕННЫХ ДВИЖЕНИЙ Ю.А. Украинский, Б.Б. Олехнович, Б.М. Владимирский НИИ НК им.А.Б.Когана ЮФУ, bmv@sfedu.ru Previously, event-oriented EEG analysis based on the Обычно при анализе ЭЭГ notion of the intrinsic time of physiological processes регистрируемая активность квантуется was introduced. Within this paradigm, EEG extremumчерез равные промежутки related events permit the binary vector representation of астрономического времени, которое multielectrode EEG recordings. To analyze such vectors in the context of the identification of EEG patterns считается независимой переменной. Мы specific to certain real and imagined movements, полагаем, что в суммарную algorithms and software have been developed. These биоэлектрическую активность следует algoritms and software have been successfully validated рассматривать как последовательность and applied in an extensive series of experiments.

событий - квантов элементарных физиологических процессов, реализуемых мозгом. Каждый из этих квантов, Суммарная биоэлектрическая заканчиваясь определенным результатом и активность мозга человека в виде являясь функционально одним и тем же, электроэнцефалограммы (ЭЭГ) последние может иметь разную длительность в годы широко используется при создании обычно используемой шкале времени.

интерфейсов «мозг-компьютер», Таким образом, естественные элементы предназначенных для реализации тех или физиологических и поведенческих иных мысленных команд, используемых, в процессов, регистрируемые в виде ЭЭГ от свою очередь, при управлении отдельных отведений, не эквивалентны разнообразными внешними устройствами.

общепринятым метрическим единицам Успешность функционирования этих времени, а задают разнородный поток интерфейсов зависит от того, насколько событий, определяющих собственные однозначно используемые в них алгоритмы времена тех или иных процессов, могут вычленять из регистрируемой ЭЭГ протекающих в отдельных нервных специфические паттерны, характерные для центрах.

той или иной мысленной команды.

Pages:     | 1 |   ...   | 8 | 9 || 11 | 12 |   ...   | 58 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.