Выполнена проверка распределения структурного состава сигнала электроэнцефалограммы при различном разрешении метода. Полученные результаты доказывают увеличение разрешения электроэнцефалографии при использовании структурно-лингвистического анализа сигналов и не противоречат аддитивной модели электрофизиологических сигналов мозга.

ABSTRACT

The aim of the study is to increase the spatial resolution of electroencephalography. In the basis of the presented method structural-linguistic approach to signal processing. Check the distribution of the structural composition of the EEG signal at different the resolution of the method. The results demonstrate the increase in resolution electroencephalography when using the structural-linguistic analysis of signals and are consistent with an additive model electrophysiological signals of the brain.

Ключевые слова : электрофизиология; электроэнцефалография; исследование восприятия.

Внимание!

Если вам нужна помощь с академической работой, то рекомендуем обратиться к профессионалам. Более 70 000 экспертов готовы помочь вам прямо сейчас.

Расчет стоимости Гарантии Отзывы

Keywords : electrophysiology; electroencephalography; perception survey.

Введение

Большинство современных разработок в области интерфейсов мозг-компьютер основаны на обнаружении электрофизиологических реакций мозга на предъявление стимулов. При обнаружении реакций мозга в электрофизиологическом сигнале используется метод вызванных потенциалов и электроэнцефалография(ЭЭГ) [3, с. 1], [4, с. 1], [7, с. 1], [9, с. 1], [8, с. 1].

Одним из существенных ограничений электроэнцефалографии является низкое пространственное разрешение [10, с. 1]. Проблема низкого пространственного разрешения метода анализа сигнала ЭЭГ на основе метода вызванных потенциалов обусловлена аддитивностью электрофизиологических сигналов областей мозга и «спонтанной активностью». В соответствии с известной из литературы аддитивной моделью [11, с. 83], сигнал, регистрируемый отведением электроэнцефалографа, может быть представлен взвешенной суммой сигналов областей мозга. Весовые коэффициенты определяются расстоянием областей мозга от места крепления отведения электроэнцефалографа. Различные области мозга постоянно производят сигнал, известный как «спонтанная активность». Спонтанная активность и аддитивность сигнала, регистрируемого отведением электроэнцефалографа, являются причиной присутствия в сигнале отведения электроэнцефалографа сигналов от множества областей мозга. Этим обусловлены низкая пространственная локализация и низкое пространственное разрешение методов электроэнцефалографии и вызванных потенциалов.

Цель

В настоящем исследовании предпринята попытка увеличения пространственного разрешения электроэнцефалографии использованием обработки данных электроэнцефалографии на основе метода структурно-лингвистического анализа сигналов (СЛАС).

Рабочая гипотеза

В качестве рабочей гипотезы принята возможность выделения паттернов, генерируемых областью мозга, интересующей исследователя. Эта возможность обеспечивается выделением паттернов методом структурно-лингвистического анализа сигналов [2, с. 50] с использованием инструментального средства [6, с. 1]. Так как методом СЛАС используются экстремумы сигнала, для пространственной локализации достаточно ввести нижнее ограничение на модуль амплитуды выделяемых экстремумов. Тогда, в соответствии с приведенной выше аддитивной моделью, будут выделены экстремумы, производимые областями мозга, ближайшими к отведению электроэнцефалографа.

Методика

Пример использования метода СЛАС для обнаружения восприятия стимулов и полученные результаты приведены в источнике [1, с. 48].

В качестве испытуемых служили мужчины и женщины в возрасте от 28 до 50 лет, без заболеваний на момент исследования. Испытуемым предъявлялись последовательности статичных изображений. Данные ЭЭГ испытуемого регистрировались при помощи стандартного ЭЭГ с частотой дискретизации 500 Гц и подключением отведений по системе 10—20. В одно из отведений ЭЭГ поступали метки события смены предъявляемого испытуемому стимула.

В результате эксперимента получены данные ЭЭГ 8 испытуемых.

Полученные данные ЭЭГ обработаны методом СЛАС. Обработка проводилась в скользящем окне размером 500 отсчетов и коэффициентом перекрытия 0,8. При частоте дискретизации 500 Гц такое окно достоверно включает в себя область неосознанной реакции мозга, длительность которой известна из литературы (300 мс по данным [4]).

Нужна работа? Есть решение!

Более 70 000 экспертов: преподавателей и доцентов вузов готовы помочь вам в написании работы прямо сейчас.

Расчет стоимости Гарантии Отзывы

В настоящем исследовании обработка на основе метода СЛАС включала только выделение экстремумов сигнала ЭЭГ. Из них выбирались только те, для которых модуль разности амплитуды и средней амплитуды превышал задаваемый нижний порог, умноженный на вычисляемое в каждом текущем окне стандартное отклонение. Порог позволяет выделить экстремумы, производимые областями мозга, ближайшими к отведению электроэнцефалографа.

Выделение множеств экстремумов производилось при значениях порога 1,0, 2,0 и 3,0.

Результаты

В качестве результатов обработки представлена динамика количества экстремумов при различных значениях порога. Графики для 1 испытуемого приведены на рисунках Рисунок 1, Рисунок 2 и Рисунок 3.

График динамики во времени отношений количества экстремумов при значениях порога 1,0 и 2,0 для 1 испытуемого приведен на рисунке Рисунок 4. Для других испытуемых графики имеют аналогичный вид.

Среднее отношение количества экстремумов при значениях порога 1,0 и 2,0 по 495 окнам и 8 испытуемым равно 7,569.

Теоретически области мозга, производящие электрофизиологические реакции, распознаваемые как экстремумы, располагаются относительно отведения электроэнцефалографа внутри сферы с некоторым радиусом. В соответствии с аддитивной моделью сигналы областей мозга затухают под влиянием расстояния и суммируются. Поэтому радиус сферы зависит от порога обнаружения экстремума. Затухание сигнала пропорционально квадрату расстояния, радиус сферы обратно пропорционален квадратному корню порога. Мощность множества обнаруживаемых экстремумов пропорциональна объему сферы, то есть третьей степени радиуса сферы. Радиус сферы обратно пропорционален квадратному корню порога. Тогда при значениях порога 1,0 и 2,0 отношение мощностей множеств экстремумов должно составлять 2,828.

Выводы

Полученное значение 7,569 может быть объяснено тем, что затухание сигнала пропорционально расстоянию в степени меньшей, чем 2,0, благодаря активной ретрансляции сигналов удаленных областей мозга ближайшими областями мозга. Это не противоречит известным из литературы принципам распространения сигналов в мозге [5, с. 108]. Экспериментально полученное значение степени равно 1,028.

Закажите работу от 200 рублей

Если вам нужна помощь с академической работой, то рекомендуем обратиться к профессионалам. Более 70 000 экспертов готовы помочь вам прямо сейчас.

Расчет стоимости Гарантии Отзывы

Сравнение динамики количества экстремумов, выделяемых при использовании различных значений порога, показывает уменьшение влияния сигналов удаленных областей мозга на результат выделения экстремумов сигнала при увеличении порога. При использовании порога обработке подвергаются экстремумы сигналов, производимые областями мозга, ближайшими к отведению электроэнцефалографа. Так увеличивается пространственная локализация областей мозга, производящих сигналы, и пространственное разрешение электроэнцефалографии. При этом открываются перспективы для исследований в области разработки интерфейсов мозг-компьютер. Решение проблемы пространственного разрешения ЭЭГ обработкой методом СЛАС позволяет использовать ЭЭГ с обработкой методом СЛАС в качестве альтернативы таким сложным методам, как MRI и fMRI и PET.

Список литературы:

1.Артемов С.И. «Обнаружение восприятия стимулов на основе динамики распределения параметров структурного состава сигнала электроэнцефалограммы по отведениям, определяемой методом структурно-лингвистического анализа сигналов» / «Естественные и математические науки в современном мире» № 3 (27) Новосибирск, 2015 — с. 48—57.

2.Артемов С.И., Дюк В.А., Попова Е.А., Сенкевич Ю.И. «Поиск устойчивых паттернов в электроэнцефалограмме человека в ответ на предъявление ему коротких подпороговых визуальных стимулов» — Биотехносфера — № 1, — 2013. — стр. 50—54.

3.Ганин И.П., Шишкин С.Л., Кочетова А.Г., А.Я. Каплан «ИНТЕРФЕЙС МОЗГ КОМПЬЮТЕР “НА ВОЛНЕ P300”: ИССЛЕДОВАНИЕ ЭФФЕКТА НОМЕРА СТИМУЛОВ В ПОСЛЕДОВАТЕЛЬНОСТИ ИХ ПРЕДЪЯВЛЕНИЯ» \ [Электронный ресурс] — Режим доступа. — URL: http://brain.bio.msu.ru/papers/Ganin_Shishkin_Kochetova_Kaplan_2012_FizChel_P300_BCI_Effect_of_Stimulus_Position_in_a%20Stimulus_Train.pdf (дата обращения: 25.10.2014).

4.Каплан А.Я., Кочетова А.Г., Шишкин С.Л., Басюл И.А., Ганин И.П., Васильев А.Н., Либуркина С.П.1 Экспериментально-теоретические основания и практические реализации технологии «интерфейс мозг – компьютер» // [Электронный ресурс] — Режим доступа. — URL: http://brain.bio.msu.ru/papers/ (дата обращения: 22.09.2013).

5.Линдсей П. Норман Д. «Переработка информации у человека» М.: «Мир», 1974, — 555 с.

6.Сенкевич Ю.И., Юлдашев З.М., Артемов С.И. Свидетельство о государственной регистрации программ для ЭВМ № 2013613966 («Программа отображения динамики показателей функционального состояния биообъекта по данным измерения электрофизиологических сигналов (версия 1.0)) М.: РОСПАТЕНТ ФГУ ФИПС, 2013. — стр. 1.

7.Ciniburk Jindˇrich «Suitability of Huang Hilbert Transformation for ERP detection» 1. — 3. October 2008, Izola, Slovenia\ [Электронный ресурс] — Режим доступа. — URL: http://dsc.ijs.si/files/papers/S104%20Ciniburk.pdf (дата обращения: 25.10.2014).

8.Gerson Adam, Parra Lucas, Sajda Paul «Single-trial analysis of EEG for Enabling Cognitive User Interfaces» \ [Электронный ресурс] — Режим доступа. — URL: http://bme.ccny.cuny.edu/faculty/lparra/publish/NEChapter2006.pdf (дата обращения: 31.01.2015).

9.Huang Yonghong a, Erdogmus Deniz, Hild Kenneth, Pavel Misha, Mathan Santosh «Mixed Effects Models for Single-Trial ERP Detection in Noninvasive Brain Computer Interface Design» E-Book Preprint Bentham Science Publishers October 20, 2009 \[Электронный ресурс] — Режим доступа. — URL: http://www.ohsu.edu/xd/research/centers-institutes/institute-on-development-and-disability/reknew/research/upload/Mixed-Effects-Models-for-Single-Trial-ERP-Detection.pdf (дата обращения: 25.10.2014).

10.Karakaş H.M., Karakaş S., Özkan Ceylan A., Tali E.T.»Recording event-related activity under hostile magnetic resonance environment: Is multimodal EEG/ERP-MRI recording possible?» //[Электронный ресурс] — Режим доступа. — URL: http://sirelkarakas.azurewebsites.net/Uploads/Documents/ c849d527e2584ee5b80bb1a2af46937f.pdf (дата обращения: 2.04.2015).

11.Saeid Sanei and J.A. Chambers»EEG SIGNAL PROCESSING» John Wiley & Sons Ltd, The Atrium, Southern Gate, Chichester, 2007\ [Электронный ресурс] — Режим доступа. — URL: http://classes.engineering.wustl.edu/ese497/images/2/20/EEG_Book.pdf (дата обращения: 2.04.2015).