Информационная модель электрофизиологических сигналов мозга

Informational model of electrophysiological brain signals
Цитировать:
Артемов С.И. Информационная модель электрофизиологических сигналов мозга // Universum: химия и биология : электрон. научн. журн. 2015. № 12 (19). URL: https://7universum.com/ru/nature/archive/item/2809 (дата обращения: 31.10.2020).
Прочитать статью:
Keywords: electrophysiology, electroencephalography, study of perception, interface, brain-computer

АННОТАЦИЯ

Целью исследования является разработка и обоснование модели электрофизиологических сигналов мозга, позволяющей преодолеть ограничение модели вызванных потенциалов при разработке интерфейсов мозг-компьютер. Ограничением модели вызванных потенциалов является интерпретация «спонтанной активности» как помехи. Следствием этого ограничения является необходимость накопления при обработке. В качестве альтернативной модели выбрана информационная модель электрофизиоло-гических сигналов мозга. Информационная модель электрофизиологических сигналов мозга основана на модели вызванных потенциалов. Отличием информационной модели электрофизиологических сигналов мозга от модели вызванных потенциалов является интерпретация «спонтанной активности» как волн вызванных потенциалов, связанных с последовательной переработкой информации областями мозга. С точки зрения информационной модели электрофизиологические сигналы мозга включают повторяющиеся фазоамплитудные последовательности экстремумов, при помощи которых происходит обмен информацией между областями мозга. На основе информационной модели разработан метод структурно-лингвистического анализа сигналов. Выполнено определение качественного и количественного состава множества паттернов электрофизиологических сигналов мозга методом структурно-лингвистического анализа сигналов. Выполнен анализ качественного и количественного состава множества паттернов электрофизиологических сигналов мозга. Выявлена связь между восприятием стимулов и составом множества паттернов электрофизиологических сигналов мозга при выделении паттернов методом структурно-лингвистического анализа сигналов. Результаты использования метода структурно-лингвистического анализа сигналов доказывают эффективность использования информационной модели электрофизиологических сигналов мозга в интерфейсах мозг-компьютер.

ABSTRACT

The aim of research is to develop and explain the model of electrophysiological brain signals which allows overcoming the limitations of the model of evoked potentials in the development of brain-computer interface. The limitation of models evoked potentials is the interpretation of "spontaneous activity" as the interference. The consequence of this limitation is the accumulation necessity during processing. As an alternative model, information model of electrophysiological brain signals is selected. Information model of electrophysiological brain signals is based on the model of evoked potentials. The difference of informational model of electrophysiological signals from the brain patterns of evoked potentials is the interpretation of "spontaneous activity" as waves of evoked potentials associated with consistent information processing areas of the brain. In terms of information model, electrophysiological brain signals include repeating phase-amplitude sequence of extreme by which information is exchanged between the regions of the brain. Based on the information model, a method of structural and linguistic analysis of the signals is developed. Definition of certain qualitative and quantitative composition of the set patterns of electrophysiological brain signals is made by structural and linguistic analysis of the signals. The analysis of the qualitative and quantitative composition of the set patterns of electrophysiological brain signals is carried out. The connection between the perception of stimuli and the composition of the set patterns of electrophysiological signals the brain patterns by the allocation of structural and linguistic analysis of the signals is identified. The results of using the method of structural and linguistic analysis of signals prove the effectiveness of the information model use of electrophysiological signals in the brain-computer interface.

 


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. – Новосибирск, 2015. – № 3 (27). – С. 48–57.

2. Артемов С.И. Увеличение пространственного разрешения электроэнцефалографии при использовании обработки на основе метода структурно-лингвистического анализа сигналов // Естественные и математические науки в современном мире. – Новосибирск, 2015. – № 8 (32). – С. 65–71.
3. Артемов С.И., Дюк В.А., Попова Е.А. и др. Поиск устойчивых паттернов в электроэнцефалограмме человека в ответ на предъявление ему коротких подпороговых визуальных стимулов / С.И. Артемов, Дюк В.А., Е.А. Попова, Ю.И. Сенкевич // Биотехносфера. – 2013. – № 1. – С. 50–54.
4. Ганин И.П., Шишкин С.Л., Кочетова А.Г. и др. Интерфейс – мозг – компьютер «На волне p300»: исследование эффекта номера стимулов в последовательности их предъявления / И.П. Ганин, С.Л. Шишкин, А.Г. Кочетова, А.Я. Каплан / [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).
5. Каплан А.Я., Кочетова А.Г., Шишкин С.Л. и др. Экспериментально-теоретические основания и практические реализации технологии «интерфейс – мозг – компьютер» / А.Я. Каплан, А.Г. Кочетова, С.Л. Шишкин, И.А. Басюл, И.П. Ганин, А.Н. Васильев, С.П. Либуркина / [Электронный ресурс]. – Режим доступа: URL: http://brain.bio.msu.ru/papers/ (дата обращения: 22.09.2013).
6. Линдсей П., Норман Д. Переработка информации у человека. – М.: «Мир», 1974. – 555 с.
7. 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.
8. Ухтомский А.А. Избранные труды. – Л.: «Наука», 1978.
9. 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).
10. Gerson A., Parra L., Sajda P. 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).
11. Huang Y., Erdogmus D., Hild K. et al. 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).
12. Saeid S., Chambers J.A. EEG signal processing / [Электронный ресурс]. – Режим доступа: URL: http://classes.engineering.wustl.edu/ese497/images/2/20/EEG_Book.pdf (дата обращения: 31.01.2015).

 


References:

 1. Artemov S.I. Detection of the perception of stimuli on the basis of the dynamics of the distribution parameters of the structural composition of signal-lead EEG, determined by structural and linguistic analysis of signals. Estestvennye I matematicheskie nauki v sovremennom mire. [Natural and mathematical sciences in the modern world], Novosobirsk, 2015, no. 3 (27), pp. 48–57. (In Russian). 

2. Artemov S.I. The increase in the spatial resolution of EEG using the processing on the basis of structural and linguistic analysis of signals Estestvennye I matematicheskie nauki v sovremennom mire. [Natural and mathematical sciences in the modern world], Novosobirsk, 2015, no. 8 (32), pp. 65–71 (In Russian).
3. Artemov S.I., Diuk V.A., Popova E.A. Search of sustainable patterns in human EEG in response to the presentation of his short subliminal visual stimuli. Biosfera. [Biosphere], 2003, no. 1, pp. 50–54 (In Russian).
4. Ganin I.P., Shishkin S.L., Kochetova A.G. Interface – the brain – the computer “In the wake of p300”: study the effect of number of stimuli in their order of presentation. Available at: http://brain.bio.msu.ru/papers/Ganin_Shishkin_Kochetova_Kaplan_2012_FizChel_P300_BCI_Effect_of_Stimulus_Position_in_a%20Stimulus_Train.pdf (accessed: 25 October 2014).
5. Kaplan A.Ia., Kochetova A.G., Shishkin S.L. Experimental and theoretical basis and practical implementation of technology “interface – the brain – the computer”. Available at: http://brain.bio.msu.ru/papers/ (accessed: 22 September 2013).
6. Lindsei P., Norman D. Processing of information in humans. Moscow, “Mir” Publ., 1974. 555 p. (In Russian).
7. Senkevich Iu.I., Iuldashev Z.M., Artemov S.I. Certificate of state registration of computer programs number 2013613966 ("Program display dynamics of the functional state of the biological object according to the measurement of electrophysiological signals (version 1.0). Moscow, ROSPATENT FGU FIPS Publ., 2013. (In Russian).
8. Ukhtomskii A.A. Selected works. Leningrad, “Nauka” Publ. 1978. (In Russian).
9. Ciniburk Jindˇrich Suitability of Huang Hilbert Transformation for ERP detection 1. 3. October 2008, Izola, Slovenia. Available at: http://dsc.ijs.si/files/papers/S104%20Ciniburk.pdf (accessed: 25 October 2014).
10. Gerson A., Parra L., Sajda P. Single-trial analysis of EEG for Enabling Cognitive User Interfaces. Available at: http://bme.ccny.cuny.edu/faculty/lparra/publish/NEChapter2006.pdf (accessed: 31 January 2015).
11. Huang Y., Erdogmus D., Hild K. 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. Available at: 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 (accessed: 25 October 2014.
12. Saeid S., Chambers J.A. EEG signal processing. Available at: http://classes.engineering.wustl.edu/ese497/images/2/20/EEG_Book.pdf (accessed: 31 January 2015).

 


Информация об авторах

аспирант, кафедра биотехнических систем, Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина), 197376, Россия, Санкт-Петербург, улица Профессора Попова, дом 5

 

Post-graduate Student, Chair of Biotechnical Systems, Saint-Petersburg State Electrotechnical University, 197376, Russia, Saint-Petersburg, Professor Popov Street, 5

Журнал зарегистрирован Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор), регистрационный номер ЭЛ №ФС77-55878 от 17.06.2013
Учредитель журнала - ООО «МЦНО»
Главный редактор - Ларионов Максим Викторович.
Top