Книги по разным темам Pages:     | 1 |   ...   | 2 | 3 | 4 | 5 | 6 |   ...   | 58 |

следов, хранящихся в памяти) слогов для Различия, связанные с быстрыми корректировки решения. Мы обозначали частотами, помимо перечисленных выше, их как саккады мысленной перцепции затрагивали также центральные, височные или мысленные саккады (рис. 1).

2-Й МЕЖДУНАРОДНЫЙ СИМПОЗИУМ ИНТЕРФЕЙС УМОЗГ-КОМПЬЮТЕРФ и правую заднелобную (F8) области коры. Сравнения значений Ког позволило Особенно отчетливо это проявлялось при обнаружить достоверные различия между сравнении Р и П. М-П и Р-П (соответственно, F=13.21, p<0.0016 и F=17.12, p<0.0005).

FF FF TC T PT OO Гамма 1 Гамма Бета 1 Бета Тета Альфа Сравниваемые пары: М - П f3 f4 f3 f4 f3 f f7 f8 f3 f4 f3 f4 f3 f4 f7 f8 f7 f f7 f8 f7 f8 f7 fc3 c4 c3 cc3 c4 c3 c4 c3 c4 t3 tc3 ct3 t4 t3 t4 t3 t4 t3 t4 t3 tР p3 pp3 p4 p4 p3 p4 ppp3 pp3 t5 tt5 t 6 t5 t6 t5 t6 t5 tt5 to1 o2 oo1 o2 o1 o 2 o1 o2 oo1 oСравниваемые пары: Р - П f3 f4 f3 f4 f3 f4 f3 f4 f3 ff3 f4 f7 f8 f7 f8 f7 f 8 f7 ff7 f8 f7 f c3 c4 c3 c4 c3 c4 c3 c4 c3 c c3 c t3 t4 t3 t4 t3 t4 t3 t4 t3 t4 t3 tР p3 pp3 p4 p3 p4 p3 p4 p3 p4 ppt5 t6 t5 t6 t5 t6 t5 t6 t5 t6 t5 to1 o2 o1 o2 o1 o2 o1 o2 o1 o2 o1 oСравниваемые пары: М - Р f3 f4 f3 f4 f3 f4 f3 f4 f3 f4 f3 ff7 f8 f7 f8 f7 f8 f7 f8 f7 f 8 f7 fc3 c4 c3 c4 c3 c4 c3 c 4 c3 c4 c3 cМ t3 t4 t3 t4 t3 t4 t3 t4 t3 t4 t3 tp3 p4 p3 p4 p3 p4 p3 p 4 p3 p4 p3 ptt5 t6 t5 t6 t5 t6 t5 t6 t6 t5 to1 o 2 o1 o2 o1 o2 o1 o 2 o1 o2 o1 oРис. 3. Различия между СпМ ЭЭГ на разных этапах Рис. 4. Графическое изображение пар отведений, обследования. Обозначения: тёмные круги - рост уровень когерентности которых позволяет СпМ, светлые - снижение, большие круги - достоверно разделять идентифицированные достоверные различия (p<0,05), малые - тренд фрагменты ЭЭГ (0,05

М отличался от Р большей СпМ бетаТаким образом, выделены пары 2-частот в электрограммах правых отведений (рис. 4), формирующие на центральной (С4) и височных (Т4, Т6) разных ЭЭГ-частотах паттерны областей коры. От П - более существенной пространственной синхронизации, выраженностью тета-частот в ЭЭГ правой характерные для разных типов теменной (Р4) и затылочных (О1, О2) анализируемых электрограмм. В указанных областей коры и гамма-1-частот - в паттернах при всех сравнениях электрограммах правых нижнелобной, преобладают отведения левого полушария, височной (F8, Т4) и левой нижнетеменной что связано, по-видимому, с вербальных (Т5) зон, и менее существенной - бета-1характером задания. Следует также частот в электрограммах правого отметить как общий признак наличие центрального (С4), височных (Т4, Т5, Т6), межполушарных взаимодействий между теменных и правого затылочного задними отделами правого полушария и отведений.

обными отделами левого полушария, за исключением пары МЦР на гамма -2Пространственная синхронизация ЭЭГ частотах.

ANOVA - анализ (процедура Выявленные достоверные различия Repeated Measures при фиксированных между сравниваемыми фрагментами ЭЭГ ритмах и отведениях) выявил достоверные базируются на усилении синхронизации различия на уровне Main - эффекта (dF между ключевыми отведениями на этапах (1,3), F=1.07, p<0.38) между П и. а также П Р и М, по сравнению с этапом П, во всех и Р. Использование процедуры planned частотных диапазонах.

comparisons (ритмы фиксированы) При сравнении М и Р показано, что в позволило выделить пары отведений, Ког Р во всех частотных диапазонах более ЭЭГ которых различалась в П, Р и М, а высокий уровень синхронизации именно, О1-Т5, О1-Т3, О1-С3, О1-F7, O1демонстрируют пары, включающие F3, O2-C3, O2-F7, O2-F3, P4-F3, P3-T3, P3затылочные (o1 и o2), центральноC3, P3-F7, P3-F3, T6-F7, T6-F3, T5-F3, C3теменные (c3, t3) и заднелобные (f7) F3.

отведения. В М синхронизация выше Материалы XVI Международной конференции по нейрокибернетике между теменными и центральными 3. Картирование пространственноотведениями левого полушария временного распределения мгновенных На рисунках 5-6 приведены амплитуд ЭЭГ в процессе выполнения примеры пространственно-временного задания показывает локальное усиление картирования мгновенных амплитуд активации привязанное к моментам разных областей коры, зарегистрированной саккадических движений на разных этапах деятельности. 4. Выделенные нами этапы восприятия Быстрое и успешное выполнение слогов и их семантической обработки и задания (рис.5) характеризовался формированием исполнительной команды повышением активности в период формируют специфические рассматривания слогов и в период, пространственно-временные паттерны предшествующий моменту нажатия на локальной и пространственной кнопку. При длительном, но успешном синхронизации биопотенциалов, что выполнении задания (рис.6) аналогичное согласуется с данными о роли правого и повышение активации фиксируется в левого полушарий в анализе вербальной и период рассматривания слогов и в период, пространственно-конструктивной предшествующий возникновению информации (7, 8, 9, 10).

возвратной (лмысленной) саккады.

Список литературы 1. Назаров А.И., Мещерякова Б.Г. Движение глаз в процессе чтения //Психологический журнал "мысленная" саккада Международного университета природы, общества 800 мс и человека Дубна 2009.-№ 2.- с.1-12.

этап принятия решения этап выполнения просмотр изображения (формирование слова) моторной команды 2. Radach R., Kennedy A. (2004) Theoretical perspectives on eye movements in reading: Past Рис. 5. Картирования пространственно-временной controversies, current issues, and an agenda for future динамики амплитуд ЭЭГ-активности и динамики research.// European Journal of Cognitive Psychology, формирования горизонтальных саккад vol.16, №, p.3-26.

3. Ruz M., Madrid E., Lupianez J., Tudela P. High density ERP indiced of conscious and unconscious semantic priming //Cogn. Brain Res. 2003. 17. 719-731.

4. S.-N. Yang, G.W. McConkie Eye movements during reading a theory of saccsde initiation time //Vision Research.- 2001.- t.41. P.3567-3585.

800 мс просмотр изображения 5. Keith Rayner, Barbara Juhasz, Jane Ashby, Charles и выполнение моторной команды Clifton Jr. Inhibition of saccade return in reading //Vision Research.- 2003.- t.43. P.1027-1034.

Рис. 6. Пример картирования пространственно6. В.Н. Кирой, Б.М. Владимирский, Е.В. Асланян, временной динамики амплитуд ЭЭГ-активности и О.М. Бахтин, Н.Р. Миняева Электрографические динамики формирования вертикальных саккад корреляты реальных и мысленных движений:

спектральный анализ / // Ж. высш. нерв. деят.- 2010.

Заключение Цт.60. №5. с.517-525.

7. Хомская Е.Д. Об асимметрии блоков мозга.

Нейропсихология сегодня. М.:Изд-во МГУ. 1995. С.

Результаты представленных здесь 14-37.

экспериментов позволяют сделать 8. Разумникова О.М. Мышление и функциональная некоторые выводы:

асимметрия мозга. Новосибирск:Изд-во СО РАМН.

1. При длительных временных интервалах 2004. 272 с.

формирования семанитически значимых 9. Симонов П.В. Лекции о работе мозга. М.:Изд-во Института психологии. 1998. 94 с.

слов регистрируются саккады, которые 10. Иваницкий А. М. Фокусы взаимодействия, обусловлены мысленным прочтением по системы информации, психическая деятельность.

памяти слогов.

Журн. Высш. Нервн. Деят. 1993. Т. 43. № 2. С. 2122. Эти саккады позволяют выделять на 228.

записи ЭЭГ этапы непосредственно мысленной деятельности.

2-Й МЕЖДУНАРОДНЫЙ СИМПОЗИУМ ИНТЕРФЕЙС УМОЗГ-КОМПЬЮТЕРФ СТАТИСТИЧЕСКИЙ ПОДХОД К КЛАССИФИКАЦИИ СПЕКТРАЛЬНЫХ ПАТТЕРНОВ ЭЭГ ДЛЯ ИНТЕРФЕЙСОВ МОЗГ-КОМПЬЮТЕР А.Н. Васильев, С.П. Либуркина, Ю.О. Нуждин, А.Я. Каплан Биологический факультет МГУ имени М.В. Ломоносова anatoly@anvmail.com Brain-computer interface (BCI) allows the use of brain activities for people to directly control external devices without participation of any peripheral nerves and muscles. It is К текущему моменту широкое possible to use electroencephalogram (EEG) changes распространение получили линейные induced by different mental states as a control (linear) и нелинейные (non-linear) command. In this research, we take a statistical классификаторы, не позволяющие достичь (Bayesian) approach to>

периферической нервной системы и мышц.

Внутренняя активность головного мозга Методика служит управляющим элементом, а модель ИМК определяет способ ее трансляции и В нашем исследование был преобразования в управляющий сигнал.

применен метод электроэнцефалографии В последние несколько лет (ЭЭГ) с 14 отведениями по наибольший интерес направлен на модифицированной международной парадигму эндогенных асинхронных ИМК системе л10-20. Регистрация ЭЭГ [1, 2]. В отличие от экзогенных, в производилась на энцефалографе NVX-52.

эндогенных интерфейсах управляющий Частота дискретизации записи составляла сигнал возникает исключительно под 500 Гц. К данным применялся частотный действием внутренних стимулов - желаний фильтр в диапазоне 2-35 Гц. Для усиления и волевых усилий пользователя, и фильтрации сигнала, а также для записи изменяющих режим функционирования данных была использована программа мозга или отдельных его элементов.

BCI2000 [3] с интегрированным драйвером Основными преимуществами такого типа NVX-52. Анализ и полученных данных интерфейсов являются (а) обеспечение осуществлялось в среде программы более естественного управления вследствие MATLAB 2011а (MathWorks). Для независимости от внешних стимулов (б) статистической обработки и представления возможность работы в асинхронном данных использовались программы режиме, когда управляющий сигнал Statistica 8.1 (StatSoft) и Microsoft Office возникает в произвольный, определяемый Excel 2010.

только пользователем момент, не В исследовании приняли участие зависящий от готовности к нему приемника студентов в возрасте 20-25 лет.

сигнала.

В качестве внутренних состояний в Одной из ключевых проблем в нашей модели ИМК, были использованы данной области является выбор поверхностные движения (квази-движения оптимальной методики классификации состояний на основании их ЭЭГ паттернов.

Материалы XVI Международной конференции по нейрокибернетике [4]), воображение движений и просто среднего значению спектрального двигательный покой [5]. компонента, но функции плотности его Для каждого испытуемого вероятности. Для оценки изменения этих эксперимент состоял из выполнения двух вероятностей мы подсчитывали сдвиг последовательных задач по следующим функций плотности, сравнивая их схемам. В рамках первой задачи человеку перцентили для значений мощности предлагалось воспроизводить одно из компонентов при переходе от одного перечисленных выше состояний в ответ на состояния к другому.

предъявление на мониторе Для наиболее различающихся между соответствующего стимула (это - состояниями спектральных компонентов по тренировочные попытки во время обучающей выборке восстанавливались обучающей сессии). Согласно второй функции плотностей их распределений.

схеме, испытуемому сообщалось о связях Сумма таких функций для нескольких двух его внутренних состояний с состояний в каждой своей точке описывает направлением движения (вверх-вниз) полную вероятность значения мощности на шара на дисплее, а задача заключалась в множестве, характерном для этих управлении этим шаром в заданную в состояний. Таким образом, вероятность начале попытки сторону (это - рабочие отнесения состояния к классу 1 (при двух попытки). классах 1 и 2) при значении мощности А P(1|A) равна:

Результаты P(A |1) P(1| A) = (1) P(A |1) + P(A | 2) Для выявления изменений электрической активности мозга при Где P(A|1) и P(A|2) - вероятности различных внутренних состояниях были мощности А для класса 1 и использованы пространственные фильтры соответственно.

(spatial filters), определяющие схему Эта вероятность - т.н.

выходных каналов как линейную апостериорная вероятность, оценивает комбинацию сигналов регистрируемых гипотезу о принадлежности данного отведений. Так же были опробованы состояния к классу 1, если выпадает различные вариации алгоритма определенное значение мощности. Такие индивидуальной оптимизации этих функции (1), полученные для спектральных фильтров (CSP, common spatial patterns [6]).

элементов, наиболее отличающихся между В этой работе сделан акцент на состояниями, будут образовывать профили согласование стадий выявления и этих состояний, по которым они могут классификации ключевых спектральных быть классифицированы:

паттернов, характеризующих то или иное N P(n | i) состояние. Это проявлялось в n= A P(i | A,B,..., N) = (2) k N использовании одного алгоритма { P(n | i) } i=1 n= A преобразования данных для обеих стадий.

Данные обучающей сессии Где P(n|i) - вероятность мощности n для подвергались спектральному разложению в класса i.

перекрывающихся окнах по методике Апостериорная вероятность быстрого оконного преобразования Фурье отнесения состояния при комбинации (БПФ). Такой подход дает представление значений выбранных n компонентов не только о средних или максимальных спектра к одному из k классов (2) является амплитудах/мощностях спектральных выходным параметром классификатора.

компонентов (частот разложения) сигнала, Это значение используется как сила но и о распределении их значений для управляющей команды, исходящей от каждого отдельного состояния. Таким пользователя. Иначе говоря, подаваемая образом, мы делаем предположение о команда тем четче, чем точнее соответствии режиму работы мозга не 2-Й МЕЖДУНАРОДНЫЙ СИМПОЗИУМ ИНТЕРФЕЙС УМОЗГ-КОМПЬЮТЕРФ воспроизводится паттерн ЭЭГ, типов пространственной фильтрации. А описывающий какое-либо состояние из также предлагается оригинальный метод обучающей сессии. выявления и классификации спектральных На следующем этапе данные, паттернов ЭЭГ, вызванных внутренними соответствующие неудачным попыткам, состояниями индивида.

Pages:     | 1 |   ...   | 2 | 3 | 4 | 5 | 6 |   ...   | 58 |    Книги по разным темам