CC BY
289
АНАЛИЗ СОВРЕМЕННЫХ МЕТОДОВ РЕГИСТРАЦИИ СИГНАЛОВ МОЗГОВОЙ АКТИВНОСТИ ПОСРЕДСТВОМ
«и» ___
НЕЙРОКОМПЬЮТЕРНОГО ИНТЕРФЕЙСА
Представлен сравнительный анализ современных методов регистрации сигналов головного мозга человека с целью определения наиболее эффективного для работы неинвазивных нейрокомпьютерных интерфейсов (НКИ) в городских условиях при наличии большого количества внешних шумов и наводок постоянной сетевой составляющей в 50Гц, также отвечающего требованиям мобильности.
В исследовании были рассмотрены следующие методы регистрации сигналов мозговой активности: электроэнцефалограмма (ЭЭГ, EEG), магнитоэнцефалограмма (МЭГ, MEG), функциональная магнитно-резонансная томография (фМРТ, fMRI), функциональная ближняя инфракрасная спектроскопия (фБИКС, fNIRS).
В результате, выявлено, что методы ЭЭГ и МЭГ позволяют осуществлять регистрацию сигналов мозговой активности в реальном времени, но МЭГ являются слишком маломобильными устройствами, что не позволяет их использовать для современных НКИ. фМРТ не может быть использован из-за отсутствия мобильности и низкого временного разрешения. Наиболее приемлемыми показателями обладают ЭЭГ-методы регистрации: высокое временное разрешение, возможность мобильного применения, но недостаточно высокое пространственное разрешение. Отдельный интерес представляет метод фБИКС, который в отличие от метода ЭЭГ имеет высокое пространственное разрешение. фБИКС не требует громоздкой аппаратной части и специального помещения в отличие от фМРТ и МЭГ. Проблемой применения фБИКС является не всегда приемлемое пространственное разрешение. Таким образом, для создания мобильного, эргономичного НКИ, способного работать в городских условиях, в настоящее время, кроме метода ЭЭГ, невозможно использование альтернативных методов, за исключением метода фБИКС, датчики на базе которого в настоящее время получили техническое развитие, а проблема низкого временного разрешения близка к решению. Следовательно, эффективным решением будет использование в ЭЭГ как основного метода регистрации, но электроды, размещаемые на лобной доле можно реализовать с использованием технологии фБИКС, что позволит получить часть значений при работе НКИ с высоким пространственным разрешением. Создание гибридной системы ЭЭГ-фБИКС повысит качество распознавания сигналов.
Денисова Елена Николаевна,
ПАО "МГТС", Москва, Россия, [email protected]
Махров Станислав Станиславович,
МТУСИ, Москва, Россия, [email protected]
Ключевые слова: интерфейс мозг-компьютер, нейрокомпьютерный интерфейс, мозго-машинный интерфейс, ЭЭГ, МЭГ, фМРТ, фБИКС.
Информация об авторах:
Денисова Елена Николаевна, инженер, ПАО "МГТС", Москва, Россия
Махров Станислав Станиславович, к.т.н., старший научный сотрудник, Московский технический университет связи и информатики, Москва, Россия
Для цитирования:
Денисова Е.Н., Махров С.С. Анализ современных методов регистрации сигналов мозговой активности посредством нейрокомпьютерного интерфейса // T-Comm: Телекоммуникации и транспорт. 2017. Том 11. №12. С. 14-17.
For citation:
Denisova E.N., Makhrov S.S. (2017). Analysis of modern methods for recording brain activity signals via a brain-computer interface. T-Comm, vol. 11, no.12, рр. 14-17. (in Russian)
ЭЛЕКТРОНИКА. РАДИОТЕХНИКА
Введение
Нейрокомпьютерный интерфейс (НКИ) - устройство, осуществляющее прием/передачу сигналов с головного мозга человека для управления внешними цифровыми приборами [2]. НКИ могут быть инвазивными или иеинвазивными. Первые предполагают прямой доступ к тканям коры головного мозга и позволяют снять сигналы более точно, но требуют оперативного вмешательства в организм человека. Вторые располагаются на волосяном покрове головы и не требуют имплантации электродов в мозг, но для их работы требуется плотное сцепление с кожей головы, зачастую с использованием электропроводного геля, имеющего тенденцию высыхать с течением времени. Также снятие данных возможно не с конкретных участков, а с целых групп нейронов, сигналы которых накладываются друг на друга, что требует дополнительного анализа и фильтрации.
В виду серьезного недостатка инвазивных методов, связанных с оперативным вмешательством, что также законодательно запрещено рядом стран, в том числе в Российской Федерации, наибольшее распространение получили неинва-зивные НКИ, Рассматривается именно этот тип НКИ,
При регистрации сигналов мозговой активности важную роль играет выбранная технология регистрации, от которой зависит точность и качество получаемых сигналов.
Наиболее известными и современными методами являются следующие: электроэнцефалограмма (ЭЭГ, EEG), маг-Ei итоэнцефалограмма (МЭГ, MEG), функциональная магнитно-резонансная томография (фМРТ, fMRI), функциональная ближняя инфракрасная спектроскопия (фБИКС, fNIRS). Несмотря на использование указанных методов регистрации сигналов в медицине, сравнительного анализа, с указанием конкретных значимых параметров для их применения в НКИ не производилось.
Одновременно стоит отметить, что в настоящее время для самого распространённого метода регистрации, применяемого в НКИ - метода ЭЭГ, требуется решение проблемы состоящей в плохом контакте с поверхностью головы, а также проблемы низкого пространственным разрешения данного метода. Для решения обозначенных проблем требуется использование альтернативных методов регистрации, либо разработка ЭЭГ-шлема, обеспечивающего надежный контакт. Следовательно, на основании указанных выше проблем, а также отсутствия сравнения методов регистрации, возникла необходимость в проведении данного исследования.
Анализ методов регистрации сигналов
мозговой активности
Для сравнения методов, в качестве значимых параметров для НКИ были выделены следующие: вид сигнала, временное разрешение, пространственное разрешение, скорость передачи данных, частота ошибок и возможность мобильного использования [2].
ЭЭГ - метод (рис. 1), основанный на регистрации электрических импульсов порядка 10 мкВ, получаемых от отдельных областей головного мозга посредством электродов. Характеризуется хорошим временным - порядка ! мс, но относительно низким пространственным разрешением - порядка 1 см. Это обусловлено прохождением мозговых обо-
лочек, после чего сигнал уменьшается по амплитуде и «размазывается» по скальпу. В результате поиск паттернов ЭЭГ является сложной задачей. По за счет мобильности и, поскольку метод не инвазивеп, он получил широкое распространение для НКИ [2, 3].
МЭГ - метод, использующий поля, возникающие вследствие электрической активности мозга. Для детекции полей используются высокоточные сверхпроводниковые квантовые интерферометры, или СКВИД-датчики. Метод может применяться только в изолированном помещении, поскольку чувствителен к тонким изменениям магнитного поля. Устройства, реализующие данные метод являются очень громоздкими и па их базе не могут быть построены мобильные НКИ. Обладает высоким временным разрешением порядка 1 мс, а также высокое пространственное - пространственное -до 5 мм [3, 5, 7].
фМРТ - метод, основанный на регистрации мозгового кровотока. Имеет высокое пространственное разрешение -порядка 1 мм, но недостаточное временное разрешение -порядка 1 с. Для регистрации мозгового кровотока используется массивное стационарное оборудование, которое не является мобильным относительно использования НКИ [3],
Рис. 2. Метод МЭГ
T-Comm Vol. 11. #12-201 7
ЭЛЕКТРОНИКА. РАДИОТЕХНИКА
Рис. 3. Метод фМРТ
фБИКС - метод регистрации активности мозга, использующий отслеживание концентрации оксигемоглобина (НЬО) и деОКсигемо глобина (ПЬО) в мозговом кровотоке. Имеет низкое временное разрешение - порядка 1 с, но высокое пространственное разрешение - около 30 мм [3]. Регистрацию сигналов обычно осуществляют со лба пользователя, так как волосы могут внести шум в сигнал. Показатели указанных методов регистрации сведены в табл. I,
Рис. 4. Метод фБИКС
Таблица 1
Сравнение методов регистрации мозговой активности
Параметр ЭЭГ МЭГ фМРТ фБИКС
Вид сигнала электрический импульс магнитные поля мозговой кровоток (изменение в токе крови) концентрация НЬО HbD в мозговом кровотоке
Временное разрешение 1 мс 1 мс 1 с 1 с
Пространственное разрешение 1 см 5 мм 1 мм 30 мм
Частота ошибок Высокая Низкая Низкая Низкая
Возможность мобильного использования Есть Отсутствует Отсутствует Есть
Выводы и применение результатов исследования
По результатам проведенного анализа, выявлено следующее. Методы ЭЭГ и МЭГ позволяют осуществлять регистрацию сигналов мозговой активности в реальном времени, но МЭГ являются слишком маломобильными устройствами, что не позволяет их использовать для современных НКИ. фМРТ не может быть использован из-за отсутствия мобильности и низкого временного разрешения. Следовательно, наиболее приемлемыми показателями обладают ЭЭГ-методы регистрации; высокое временное разрешение, возможность мобильного применения, но недостаточно высокое пространственное разрешение. Отдельный интерес представляет метод фБИКС, который в отличие от метода ЭЭГ имеет высокое пространственное разрешение. фБИКС не требует громоздкой аппаратной части и специального помещения в отличие от фМРТ и МЭГ. Среди исследователей множество споров возникает относительно такого важного параметра как временное разрешение данного метода. В большинстве источников указано достаточно низкое разрешение - 1 с [3, 2]. Но такая величина данного показателя скорее обусловлена устаревшими данными. Так, современные источники указывают на временное разрешение порядка от 200 мс [6, 7, 8].
Для создания мобильного, эргономичного НКИ, способного работать в городских условиях, в настоящее время, кроме метода ЭЭГ, невозможно использование альтернативных методов, за исключением метода фБИКС, датчики на базе которого в настоящее время получили техническое развитие, а проблема низкого временного разрешения близка к решению.
Полученные в данном исследовании результаты в настоящее время используются при разработке гибридного НКИ, применяющего в качестве основного метода регистрации мозговой активности - ЭЭГ, а второстепенного -фБИКС. Часть датчиков, которая использует фБИКС реализована на микросхемах МАХ30102 [1].
Литература
1. Чистяков И. Пульсокснмегрия от Maxim: новый датчик МАХ30102 // Новости Электроники. 2016. № 7. С. 36-39.
2. Сонькин К.М. Система классификации электроэнцефалографических сигналов воображаемых движений мелкой моторики для интерфейса мозг-компыотер: диссертация канд. техн. наук: 05.1 Ыб: М., 20! 6. http://www.spbstu.ru/defenceS_fi les/067d-thesis;pdf.
3. Ш N. Мок С. Witt ЕЕ. Pradhan АН. Chen JE. Reiss AL. NIRS-Based Ну рог scanning Reveals Inter-brain Neural Synchronization during Cooperative Jenga Game with Face-to-Faee Communication. Frontiers in Human Neuroscience. 201 ft; 10:82, doi; I0,3389/fnhum,2016.00082,
4. Lyssad RP. Pollard H. functional n euro imaging: a brief overview and feasibility for use in chiropractic research. The Journal of the Canadian Chiropractic Association. 2009;53< 1 ):59-72.
5. Hajipour S.S., Shamsollaht M.S. Selection of efficient features for discrimination of hand movements from MEG using а ВС! competition IV datasel 11 Frontiers in Neuroscience. 2012. Vol. 6. №. 42.
6. Луп? H.. Ortaral В.. Izzetoglu К., Shewtikis P.A.. McKenilrick R., Paraxuraman R. Continuous monitoring of brain dynamics with functional near infrared spectroscopy as a tool for neuroergonomic research: Empirical examples and a technological development!/ Frontiers in Human Neuroscience 7(871), 2013, pp. 1-1.
7. Rima Solianik. Andrett Sttjeta. Asia Terentjeviene, and Albertas Skurvydas, "Effect of 48 h Fasting on Autonomic Function. Brain Activity, Cognition, and Mood in Amaieur Weight Lifters," BioMed Research Internationa I, vol. 2016, Article ID 1503956, X pages, 2016, doi: 10.1155/2016/1503956.
8. Functional Near-Infrared Neuroimaging; [Электронный ресурс| Департамент электротехники вычислительного центра Национального университета Тайваня. Режим доступа: hltp://cc.ee.ntu.edti.lW-ultrasound/belab/mid-t ermora I _ fi I es/2 014_ 102 2/ 102-2-miii-9.pdf(Дата обращения: 14.02.2017).
ELECTRONICS. RADIO ENGINEERING
ANALYSIS OF MODERN METHODS FOR RECORDING BRAIN ACTIVITY SIGNALS
VIA A BRAIN-COMPUTER INTERFACE
Elena N. Denisova, PJSC "MGTS", Moscow, Russia, [email protected] Stanislav S. Makhrov, MTUCI, Moscow, Russia, [email protected]
Abstract
The article presents a comparative analysis of modern methods of recording human brain signals in order to determine the most effective non-invasive brain-computer interfaces (BCI) in urban environments in the presence of a large number of external noises and interference of a constant network component in 50Hz that also meets mobility requirements.
The following methods of recording brain activity signals were examined: electroencephalogram (EEG), magnetic-encephalogram (MEG), functional magnetic resonance imaging (fMRI), functional near infrared spectroscopy (fNIRS).
As a result, found that EEG and MEG methods allow real-time recording of brain activity signals, but MEGs are too small mobile devices, which does not allow them to be used for modern BCIs. fMRI cannot be used because of lack of mobility and low temporal resolution. The most acceptable parameters have are EEG-methods of registration: high temporal resolution, the possibility of mobile application, but not high spatial resolution. There is a particular interest for the fNIRS method, which, unlike the EEG method, has a high spatial resolution. fNIRS does not require bulky hardware and a special room unlike fMRI and MEG. The problem of using fNITRS is not always an acceptable spatial resolution.
Thus, to create a mobile, ergonomic BCI capable of working in urban conditions, nowadays, in addition to the EEG method, it is impossible to use alternative methods, except for the fNIRS method, the sensors on the basis of which have now been further development, and the problem of low temporal resolution is close to the solution.
Therefore, the use of the EEG as the main method of registration will be an effective solution, but the electrodes placed on the frontal lobe can be realized using the fNIRS technology, which will allow obtaining a part of the values from BCI with high spatial resolution. The creation of a hybrid EEG-fNIRS system will improve the quality of signal recognition.
Keywords: brain-computer interface, direct neural interface, mind-machine interface, EEG, MEG, fMRI, fNIRS. References
1. Chistyakov V. (2016). Pulse oxymetry from Maxim: a new sensor MAX30102. News of Electronics, no. 7, pp. 36-39.
2. Sonkin K.M. (2016). The system of classification of electroencephalographic signals of imaginary motions of fine motor skills for the brain-computer interface: the thesis of Cand. Tech. Sciences: 05.11.16: Moscow. http://www.spbstu.ru/defences_files/067d-thesis.pdf.
3. Liu N, Mok C, Witt EE, Pradhan AH, Chen JE, Reiss AL. (2016). NIRS-Based Hyperscanning Reveals Inter-brain Neural Synchronization during Cooperative Jenga Game with Face-to-Face Communication. Frontiers in Human Neuroscience. 2016;10:82. doi:10.3389/fnhum.2016.00082.
4. Lystad RP, Pollard H. Functional neuroimaging: a brief overview and feasibility for use in chiropractic research. The Journal of the Canadian Chiropractic Association. 2009;53(1):59-72.
5. Hajipour S.S., Shamsollahi M.B. (2012). Selection of efficient features for discrimination of hand movements from MEG using a BCI competition IV dataset. Frontiers in Neuroscience, vol. 6, no. 42.
6. Ayaz H., Onaral B., Izzetoglu K., Shewokis P.A., McKendrick R., Parasuraman R. (2013). Continuous monitoring of brain dynamics with functional near infrared spectroscopy as a tool for neuroergonomic research: Empirical examples and a technological development. Frontiers in Human Neuroscience, 7(871), pp. 1-1.
7. Rima Solianik, Art?ras Sujeta, Asta Terentjevien, and Albertas Skurvydas (2016). Effect of 48?h Fasting on Autonomic Function, Brain Activity, Cognition, and Mood in Amateur Weight Lifters. BioMed Research International, vol. 2016, Article ID 1503956, 8 p. doi:10.1155/2016/1503956
8. Functional Near-Infrared Neuroimaging: http://cc.ee.ntu.edu.tw/~ultrasound/belab/midterm_oral_files/2014_ 102_2/102-2-mid-9.pdf (14.02.2017).
T-Comm Vol. 11. #12-201 7
