CC BY
3
Российский медико-биологический вестник
ОРИГИНАЛЬНЫЕ ИССЛЕДОВАНИЯ Том 31, № 4, 2023 имени академика И. П. Павлова
йй!: https://doi.org/10.17816/PAVL0VJ1596
Изменение частотной модуляции электроэнцефалографической активности в условиях воображаемого и реального движения конечностями
Я. А. Туровский1, 2 н, А. С . Давыдова1, В . Ю . Алексеев1
1 Воронежский государственный университет, Воронеж, Российская Федерация;
2 Институт проблем управления имени В . А. Трапезникова, Москва, Российская Федерация
АННОТАЦИЯ
Введение. Изучение электроэнцефалографической активности как маркера происходящих в мозге когнитивных процессов традиционно делает упор на анализе в частотной области, рассматривая ритмы электроэнцефалограммы (ЭЭГ) как потенциальные носители требуемой для исследования информации . В тоже время, анализ эффектов частотной модуляции ЭЭГ требует совершенствования подходов в области цифровой обработки сигналов . Учитывая, что частотная модуляции ЭЭГ так же как и амплитудная может являться маркером ряда состояний, перспективным представляется разработка метода детекции этого феномена и оценка с его помощью ряда показателей динамики мозга, связанных с системами биологической обратной связи .
Цель. Оценить феномены частотной модуляции при выполнении пользователем задач, связанных с управлением внешними устройствами на основе интерфейса мозг-компьютер, реализованных на феноменах электрической активности, возникающей в районе моторной коры .
Материалы и методы. Для получения данных была сформирована группа из тридцати добровольцев обоих полов в возрасте от17 до 23 лет .Участники эксперимента должны были выполнить четыре команды и повторить их в неизвестном для них порядке, заданным программой . Эксперимент проводился двумя способами: физически и мысленно . То есть при первом способе каждая команда соответствовала определенному движению человека, при втором—те же команды выполнялись воображаемо, движение представлялось мысленно . Команда считалась успешно исполненной, если добровольцу удавалось повторить и удержать заданное программой положение в течение двух секунд .
Результаты. На основе разработанного метода оценки частотной модуляции ЭЭГ проведено исследование динамики электрической активности мозга в диапазоне 9-12 Гц в условиях выполнения пользователем реального и воображаемого движения . Сравнительный анализ показал, что различия во многом касаются только состояния, когда испытуемый не достигал цели . При этом в большей степени различия затрагивали эксперименты, где испытуемый должен был производить реальные, а не воображаемые движения . Возникновение значимых различий между низко- и высокочастотными модуляциями связано с невозможностью для пользователя сгенерировать требуемую команду, что он может увидеть, по механизму биологической обратной связи Установлено, что чем большее число высокочастотных перестроек наблюдается на ЭЭГ, тем меньшее число низкочастотных перестроек происходит на этой же эпохе анализа
Выводы. Полученные результаты существенно расширяют представления о механизмах частотной модуляции ЭЭГ . В целом методики и алгоритмы, лежащие в основе анализа, позволившего их выявить, могут быть использованы для решения широкого класса задач, связанных с обработкой ЭЭГ-сигналов, включая совершенствование методов детекции по ЭЭГ ошибок пользователя при управлении устройствами интерфейса мозг-компьютер .
Ключевые слова: интерфейс мозг-компьютер; нейрокомпьютерный интерфейс; воображаемые движения; частотная модуляция
Для цитирования:
Туровский Я.А., Давыдова А.С., Алексеев В.Ю. Изменение частотной модуляции электроэнцефалографической активности в условиях воображаемого и реального движения конечностями // Российский медико-биологический вестник имени академика И. П. Павлова. 2023. Т. 31, № 4. С. 623-634. й01: https://doi.org/10.17816/PAVL0VJ159386
Рукопись получена: 30 . 01. 2023
Рукопись одобрена: 16 . 08 . 2023
Опубликована: 31.12 . 2023
© Эко-Вектор, 2023 Все права защищены
ORIGINAL STUDY ARTICLES 624 -
DOI: https://doi.org/10.17816/PAVL0VJ159386
Change in Frequency Modulation of Electroencephalographic Activity in Imaginary and Real Limb Movement
Yaroslav A. Turovskiy1, 2 Anastasiya S . Davydova1, Viktor Yu . Alekseyev1
1 Voronezh State University, Voronezh, Russian Federation;
2 V . A . Trapeznikov Institute of Control Sciences, Moscow, Russian Federation
ABSTRACT
INTRODUCTION: Investigation of electroencephalographic activity as a marker of cognitive processes in the brain traditionally focuses on the analysis in the frequency domain considering rhythms of encephalogram (EEG) as potential carriers of information needed for research . At the same time, analysis of the EEG frequency modulation effects requires improvement of approaches in the field of digital signal processing . Taking into account the fact that frequency modulation of EEG, as well as amplitude modulation, can be a marker of a number of states, it seems promising to develop a method for detecting this phenomenon and using it to evaluate a number of parameters of the brain dynamics associated with biological feedback systems .
AIM: To evaluate the phenomena of frequency modulation when the user performs tasks associated with the control of external devices based on the brain-computer interface, implemented in the phenomena of electrical activity in the motor cortex area .
MATERIALS AND METHODS: To obtain the data, a group of thirty volunteers of both genders aged 17 to 23 years was formed . The participants of the experiment had to execute four commands and repeat them in an unknown order set by the program . The experiment was conducted in two ways: physically and mentally. That is, in the first method, each command corresponded to a certain movement of a person, in the second — the same commands were executed in imagination, the movement was imagined mentally The command was considered successfully executed if the volunteer managed to repeat and hold the position set by the program for two seconds .
RESULTS: Based on the developed method for evaluating the frequency modulation of the EEG, the dynamics of the electrical activity of the brain was studied in the range of 9 Hz to 12 Hz when a user was performing real and imaginary movements . A comparative analysis showed that the differences were mostly recorded in the condition when the subject did not achieve the goal . At the same time, the differences to a greater extent were observed in the experiments where the subject had to make real, rather than imaginary movements . The significant differences between low- and high-frequency modulations were associated with the inability for the user to generate the requested command, which he could see by the biofeedback mechanism It has been established that the greater the number of high-frequency restructures observed on the EEG, the smaller number of low-frequency restructures occur at the same epoch of analysis
CONCLUSION: The results obtained considerably expand the understanding of the mechanisms of frequency modulation of the EEG . In general, the methods and algorithms underlying the analysis that permitted their identification can be used to solve a wide range of tasks related to processing of EEG signals, including improvement of methods for detecting user errors by EEG when controlling brain-computer interface devices .
Keywords: brain-computer interface; neurocomputer interface; imaginary movements; frequency modulation For citation:
Turovskiy YA, Davydova AS, Aiekseyev VYu. Change in Frequency Modulation of Electroencephalographic Activity in Imaginary and Real Limb Movement. I. P. Pavlov Russian Medical Biological Herald. 2023;31(4):623-634. DOI: https://doi.org/10.17816/PAVL0VJ159386
Received: 30 . 01. 2023 Accepted: 16 . 08 . 2023 Published: 31.12 . 2023
ECO. vector © Eco-Vector, 2023
All rights reserved
СПИСОК СОКРАЩЕНИЙ
ВЧ-модуляция — высокочастотная модуляция ИМК — интерфейс мозг-компьютер НЧ-модуляция — низкочастотная модуляция СПМ — спектральная плотность мощности ЦОС — цифровая обработка сигнала ЭЭГ — электроэнцефалограмма
ВВЕДЕНИЕ
Развитие технологии интерфейса мозг-компьютер (ИМК) подстегнуло исследования в области поиска новых и более детального изучения уже известных феноменов мозговой активности [1-3], которые могли бы служить источниками команд для данного типа устройств [4]. Однако, наряду с поиском требуемых феноменов особый интерес представляет и детально изучение уже существующих процессов электроэнцефалограммы (ЭЭГ), происходящих при функционировании систем биологической обратной связи [5] и органично выросших из них нейрокомпьютерного интерфейса — ИМК При этом, под детальным исследованием подразумевается применение и разработка широкого спектра методик из области цифровой обработки сигналов, применённых к задачам анализа электрической активности мозга [6-8] . Очевидна необходимость максимально возможным охватом методологией цифровой обработки сигнала (ЦОС) имеющихся ЭЭГ-феноменов, подразумевая оценку различных особенностей сигнала с точки зрения амплитудных, частотных особенностей [9] и особенностей синхронизации различных элементов исследуемых феноменов [10] .
Традиционно одним из лидирующих асинхронных ИМК является ИМК на основе динамики ЭЭГ-компо-нентов в области моторной коры [11]. Существует несколько подходов в выделении подобного рода феноменов, начиная от эффекта депрессии мю-ритма [12] и заканчивая анализом вызванных потенциалов, предшествующих мышечному сокращению, приводящему к движению той или иной конечности. Широкий набор экспериментальных дизайнов, методов обработки ЭЭГ и методики тренировки пользователей позволил обеспечить порядка 75% точности работы данного класса ИМК [13], что является достаточно высоким для асинхронных ИМК показателей . В то же время, основной упор в исследованиях делается на амплитудные особенности исследуемых сигналов [14], при этом изучение частотных компонентов традиционно сталкивается с рядом методологических ограничений в области ЦОС . Отдельно следует отметить необходимость в рамках разработок алгоритмов ЦОС обеспечить возможность
физиологической интерпретации полученных результатов, что должно дать возможность расширить понимание физиологических процессов, являющихся основой тех или иных наблюдаемых феноменов .
Анализ методов оценки частотной модуляции дискретного сигнала позволил сформулировать, разработать и реализовать в виде программных продуктов концепцию анализа частотной модуляции ЭЭГ [15] . Применение данной методики для исследования эффектов ЭЭГ, возникающих при фотостимуляции, показало высокую информативность такого подхода в сочетании с возможностью осуществления корректной интерпретации наблюдаемых эффектов . В свете сказанного выше актуальным представляется изучение особенностей частотной модуляции ЭЭГ в ходе выполнения воображаемых и реальных движений, в рамках оценки феноменов, возникающих при тренировке и работе с ИМК .
Цель — оценить феномены частотной модуляции при выполнении пользователем задач, связанных с управлением внешними устройствами на основе интерфейса мозг-компьютер, реализованных на феноменах электрической активности, возникающей в районе моторной коры
МАТЕРИАЛЫ И МЕТОДЫ
Для исследования была сформирована группа из 30 испытуемых обоих полов в возрасте от 17 до 23 лет (12 девушек и 18 юношей), не имеющих неврологических и психиатрических патологий Перед проведением ЭЭГ участники не принимали психотропных препаратов и имели нормальное или скорректированное до нормального зрение . Данные электроэнцефалограммы фиксировались прибором «Нейрон-спектр-4ВП» (Нейрософт, Россия) на отведениях F3, F7, C3, T3, F4, F8, C4, T4 с частотой дискретизации 5000 Гц, включенным режекторным фильтром и отключенным фильтром высоких и низких частот. Для сбора и анализа данных было разработано оригинальное программное обеспечение на основе Software Development Kit (SDK) и Application Programming Interface (API), предоставленных ООО «Нейрософт» .
Эксперимент состоял из двух этапов: калибровка и обследование, каждый из которых осуществлялся двумя способами. На первом этапе (калибровка, рис . 1) — человек выполнял определенные движения (первый способ), соответствующие четырем командам, генерируемым программой:
- Влево — напрягать мышцы левой руки и левой ноги;
- Вправо — напрягать мышцы правой руки и правой ноги;
- Отдых — полное расслабление мышц;
- Вперед — напрягать руки и ноги вместе
Рис. 1. Вид программы на этапе калибровки.
Примечания: 1 — рассчитанное среднее значение канала правого полушария, 2 — сигнал с лучшего для детекции канала для левого полушария, 3 — сигнал с лучшего для детекции канала для правого полушария, 4 — рассчитанное среднее по каналу левого полушария, СПМ — спектральная плотность мощности, v — количество отсчетов в секундах.
Вторым способом испытуемый мысленно представлял движения, выполняемы на первом этапе . Задача заключалась в выполнении команды, предъявляемой на форме программы . По результатам этапа калибровки в частотном диапазоне 5-15 Гц с эпохой анализа 1 с и со сдвигом окна временной области на 0,2 с производилось преобразование Фурье . Строилась матрица, где каждая ячейка обозначала пару (электрод левого полушария — электрод правого полушария) . Для каждой пары считалась сумма правильно выполненных команд . По итогу пара с наибольшим счётом выставлялась как лучшая . Таким образом, выбиралось по одному отведению для каждого полушария .
На этапе обследования доброволец точно так же, как при калибровке выполнял указания (вперед, вправо, влево, отдых) Но теперь задача заключалась в прохождении случайной последовательности из 20 команд, которая заранее ему не была известна . Команда считалось успешно исполненной, если электроэнцефалографические показатели, полученные на этапе калибровки, сохранялись достаточными для генерации команды в течение 2 с . Если на протяжении 20 с достичь таких показателей не удавалось, команда считалась
не исполненной и программа переходила к следующей команде . Во время эксперимента испытуемый мог наблюдать гистограммы, адаптировано представляющие активность мозга, связанные с эффективностью выполнения задачи. Также на экране отображался статус выполнения команд (рис 2)
По результатам данных ЭЭГ последние 2 с сигнала содержат информацию об удачном или неудачном выполнении команды . Из последовательности мгновенных амплитуд ЭЭГ, сформировавших указанные две секунды вычитался линейный тренд и рассчитывались Фурье-образ, на основе которого вычислялась спектральная плотность мощности. Фильтрацию с помощью прямого и обратного преобразования Фурье, расчет максимумов и минимумов проводили в частотных диапазонах 9-12 Гц . Для оценки частотной модуляции использовали анализ кривой «пик-пик». Для этого вычислялось расстояние между локальными максимумами и минимумами отфильтрованного ЭЭГ сигнала, откуда получали новую кривую (рис . 3) .
Следует отметить, что диапазон частот, сохраняемый при фильтрации сигнала, играет важную роль в последующей оценке частотной модуляции
Выполняемая команда ВпбрвД (3) Нужно выполнить: Вперед (3)
2
О
ш , 2
80000-1 к
. . А , Л- --А-
V V V
0-
-КПЗ
-ЭЗЛ.ККТЬХИ
-СьКЖЙЛШ
ю V, отсчётов/с
Рис. 2. Вид программы на этапе обследования.
Примечания: 1 — команда, которую удаётся выполнить испытуемому в данный момент, 2 — команда, которую нужно выполнить, СПМ — спектральна плотность мощности, V — количество отсчетов в секундах.
Рис.3. Оценка последовательности «пик-пик» для сигнала ЭЭГ, отфильтрованного с использованием преобразования Фурье в частотном диапазоне 9-12 Гц.
Действительно, в том случае, если последовательность «пик-пик» мы считаем на основе сигнала, полученного при фильтрации в достаточно широком диапазоне частот, то полученные результаты нельзя признать корректными. Более высокие частоты, сформируют свою «пик-пик» последовательность, которая, в силу более часто встречающихся пиков амплитуд высоких частот не будет содержать информации о частотной модуляции низких частот, что существенно исказит результаты . Наблюдение за результатами частотной модуляции ЭЭГ (рис . 4) привело к выводу, что кроме периодических колебаний периодов отфильтрованного сигнала в исследуемом диапазоне наблюдаются единичные, но значительные изменения периодов сигнала,
как в сторону увеличения, так и в сторону уменьшения периода волны ЭЭГ
Полученные изменения, демонстрирующие кратковременные, но значительные изменения частотной модуляции ЭЭГ будем называть модуляцией высокой частоты (в случае уменьшения периода волны ЭЭГ, ВЧ-модуляцией) или же модуляцией низкой частоты (в случае увеличения периода волны ЭЭГ, НЧ-модуляцией) . При этом в ходе обработки полученных данных сосредоточимся именно на числе и направлении значительных изменений периодов колебаний отфильтрованной ЭЭГ Диапазон фильтрации был выбран 9-12 Гц как затрагивающий середину частотного диапазона мю-ритма . С учётом того, что наблюдаемые
I. P. Pavlov Russian
ORIGINAL STUDY ARTICLES Vol. 31 (4) 2023 Medical Biological Herald
П
40
20 0
1 1 1 * 5 67 а 9 16 11 12 11 14 15 16 порядковый номер точки
Рис.4. Пример вариабельности периода пиков электроэнцефалограммы, отфильтрованной с канала Р3 в частотном диапазоне 7-10 Гц при выполнении пользователем команды «Вправо».
рядом авторов [16], два частотных пика данного ритма носят индивидуальный характер, в т . ч .и при локализации в частотном пространстве, выбор центра частотного диапазона позволил избежать ситуации, когда на характеристики сигнала у верхней или нижней границы диапазона ритма ЭЭГ влияют феномены, связанные со смежными частотными диапазонами . Подобный феномен при должном уровне цифровой обработки сигнала достаточно распространён, и в ряде случаев может существенно искажать наблюдаемую картину .
В статистическом анализе использовали методы дескриптивной статистики, критерии Крускала-Уол-леса, Манна-Уитни, Вилкоксона для парных случаев, при этом параметр а принимался равным 5% . Для анализа категориальных переменных использовали точный критерий Фишера . Для статистического изучения связи между явлениями использовали непараметрический метод — коэффициент ранговой корреляции Спирмена . Учитывался эффект множественных сравнений на основе FDR-подхода (англ. : false discovery rate). Для кластерного анализа использовали метод К-средних. Использовались статистические пакеты Statistica 8 . 0 и выше (Stat Soft Inc . , США) и разработанное авторами программное обеспечение
Все процедуры, выполненные в исследовании с участием людей, соответствовали этическим стандартам Хельсинкской декларации 1964 г . и ее последующим изменениям . От всех участников предварительно было получено информированное добровольное согласие на участие в исследовании . Протокол Локального этического комитета по экспертизе биомедицинских исследований Воронежского государственного университета об одобрении исследования № 42-02 от 08 . 06 . 2020 .
РЕЗУЛЬТАТЫ
В ходе анализа числа ВЧ и НЧ переходов получены следующие результаты (табл . 1-4) .
Сравнение различий между каналами при выполнении одной команды показало (при использовании критерия Крускала-Уоллеса), что различия затрагивали при реально выполняемых движениях недостижение результата команды «вперёд» и «отдых» . При этом, для обоих случаев, различия в структуре фазовых перестроек охватывали оба полушария . Схожими были особенности межполушарной асимметрии — различия затрагивали пары Р3-Р4, Т3—Т4, но при этом отсутствовали для пары Р7-Р8.
Недостижение цели при мысленном выполнении движений характеризовалось различиями, как в числе ВЧ так и в НЧ перестроек. Для ВЧ перестройки были характерны различия при выполнении команды «Влево», а для НЧ — при выполнении команды «Вправо» Для последнего случая различия касались высокого числа подобных перестроек в первую очередь для канала Т3 . Для команды «Влево» число фазовых перестроек последовательно понижалось в ряду С4, Т4, Р8, Р4 .
В случае достижения цели НЧ перестройки так же были характерны для команды «Вправо», а ВЧ — при выполнении команды «Вперёд» При этом различия касались показателей левого полушария, причем не только для ВЧ, но и для НЧ перестроек Следует заметить, что модулирующие воздействия носили «зеркальный» характер: если для НЧ перестроек их минимальное количество было для канала Т3, а максимальное для Р3, то для ВЧ перестроек ситуация была обратной
Российский медико-биологический вестник
ОРИГИНАЛЬНЫЕ ИССЛЕДОВАНИЯ Том 31, № 4, 2023 имени академика И. П. Павлова
Таблица 1. Значения низкочастотной и высокочастотной модуляции при реальном движении, выполняемом пользователем, при недостижении цели (Ме; 025; 075)
Цель не достигнута; низкочастотная модуляция; реальное движение
Вперед Влево Вправо Отдых
Р4 Р8 Р7 Р3 Р4** Р8 Р7 Р3 Р4 Р8 Р7 Р3 Р4 Р8** ▼▼ Р7 Р3**
1;1;2 1;0;1 1;0;2 1;0,5;2 1;1;2 1;1;2 1;0;2 1;0;2 1;0;2 1;0;2 1;0;2 1;1;2 1;0;2 2;1;2 1;0;2 0;0;1,5
Т3 Т4 С3 С4*' Т3 Т4 С3 С4* Т3 Т4 С3 С4 Т3- Т4 С3 С4
1;0;2 1;0;2 - 0;0;0 1;0;2 1;0;1 1;1;1 0;0;0 1;0;2 1;0;1 1,5;1;2,5 1;1;1 1;1;2 1;0;1,5 - 0,5;0;1
Цель не достигнута; высокочастотная модуляция; реальное движение
Вперед* Влево Вправо Отдых*
Р4Ж Р8^ Р7'' Р3"* Р4~ Р8 Р7- Р3 Р4 Р8 Р7 Р3 Р4'" Р8 Р7'- Р3-
2;1;4 3;2;6 2,5;1;4 1;1;2 3;1;4 2;1;3 2;1;4 2;1;3 2;1;4 3;1;4 2;1;4 2;1;4 2;0,5;3 3;2;4 1;0;4 5;3;6,5
Т3 С3 С4 Т3 Т4 С3 С4 Т3 Т4* С3 С4 Т3- Т4 С3 С4
4;2;6 2;2;2 - 3,5;1;5 2;1;3 2;0;3 2;0;5 5,5;2;9 2;1;4 3,5;1,5;4 2;1,5;3 3;0;7 2;1;4 4,5;2;7 - 1,5;1;3
Примечания: * — различия между каналами в этом команде при р < 0,05, ** — р < 0,01; • — различия между командами в одном и том же канале при р < 0,05; •• — р < 0,01; * — различия между реальными и воображаемыми движениями, при р < 0,05; * * — р < 0,01; ▼ — различия между достижением и не достижением цели при р < 0,05; " — р < 0,01; ▲ — различия с симметричным электродом при р<0,05, " — р < 0,01; ' — различия в группе ипсилатеральных электродов при р < 0,05, — р < 0,01
Таблица 2. Значения низкочастотной и высокочастотной модуляции при реальном движении, выполняемом пользователем, при достижении цели (Ме; 025; 075)
Цель достигнута; низкочастотная модуляция; реальное движение
Вперед Влево Вправо Отдых
Р4 Р8 Р7 Р3 Р4 Р8 Р7 Р3 Р4 Р8 Р7 Р3 Р4 Р8 Р7 Р3
1;0;2 1;0;1 1;0;2 1;0;2 1,5;1;2 1;0;2 1;0;2 1;0,5;2 1;0;1 1;0;1 1;1;1 1;0;2 1;0;1 1;0;1 1;0;2 1;0;1
Т3 Т4 С3 С4 Т3 Т4 С3 С4 Т3 Т4 С3 С4 Т3 Т4 С3 С4
1,5;1;3 1;0;1 1,5;0;2 - 1;1;2 1;1;1 - 1;1;2 1;0;2 1;1;1 - 0,5;0;1 1;0;1 1;1;1 1;0;2 -
Цель достигнута; высокочастотная модуляция; реальное движение
Вперед* Влево Вправо Отдых*
Р4- Р8 Р7^ Р3" Р4- Р8 Р7 Р3 Р4 Р8 Р7 Р3 Р4- Р8 Р7 Р3
3;2;4 2;1;5 2;1;5 2;0,5;3 1;0,5;1,5 2;1;4 0;0;4 3;1,5;4 2;1;4 4;2;5 4;1;5 2;1;3 2;1;3 2,5;1;4 3;2;5 3;2;4,5
Т3 Т4 С3 С4 Т3 Т4 С3 С4 Т3 Т4 С3 С4 Т3 Т4 С3 С4
2;1;3 2;2;4 2;0;2 - 1;1;3 4;2;6 - 4;2;4 4;3;6 3;1;5 - 2,5;0;5 3;1;4 2;2;6 3;1;5 -
Примечания: * — различия между каналами в этом команде при р < 0,05, ** — р < 0,01; • — различия между командами в одном и том же канале при р < 0,05; •• — р < 0,01; * — различия между реальными и воображаемыми движениями, при р < 0,05; * * — р < 0,01; ▼ — различия между достижением и не достижением цели при р < 0,05; " — р < 0,01; ▲ — различия с симметричным электродом при р < 0,05, " — р < 0,01; ' — различия в группе ипсилатеральных электродов при р < 0,05, " — р < 0,01
Таблица 3. Значения низкочастотной и высокочастотной модуляции при воображаемом движении, выполняемом пользователем, при недостижении цели (Ме; 025; 075)
Цель не достигнута; низкочастотная модуляция; воображаемое движение
Вперед Влево*** Вправо Отдых
Р4^ Р8 Р7 Р3 Р4'" Р8 Р7 Р3 Р4 Р8 Р7 Р3 Р4 Р8 Р7 Р3
1;0;2 1;0;1 1;0;1 1;0;1 0;0;1 1;0;1 1;1;2 1;0;2 1;0;2 1;0;2 1;0;2 1;0;2 1;1;2 1;0;1 1;0;2 1;0;1
Т3 Т4 С3 С4 Т3 Т4 С3 С4 Т3 Т4 С3 С4 Т3 Т4 С3 С4
1;0;2 2;1;2 - 1;0;1 1;0,5;2 1;1;2 - 2;2;3 0;0;2 1;0;2 - 2;1;2 1;0;1 1;0;2 - 1;0;3
Цель не достигнута; высокочастотная модуляция; воображаемое движение
Вперед Влево Вправо** Отдых
Р4 Р8 Р7 Р3 Р4 Р8 Р7 Р3 Р4^ Р8 Р7^ Р3 Р4 Р8 Р7 Р3
2;1;4 3;2;4 2,5;1;4 2;1;4 3;2;4 2;1;4 2;1;4 2;1;4 2;1;3 2;0;3 2;1;3 2,5;1;4 2;1;4 2;1;4 2,5;2;4 2;1;4
Т3 Т4 С3 Т3 Т4 С3 С4 Т3 Т4 С3 С4 Т3 Т4 С3 С4
3;2;4 2;0;4 - 3;0;3 3;2,5; 4,5 2;1;3,5 - 2;1;5 4;2;7 3;1;5 - 1;0;2 2;2;5 3;1;5 - 6;1;10
Примечания: * — различия между каналами в этом команде при р < 0,05, ** — р < 0,01; • — различия между командами в одном и том же канале при р < 0,05; •• — р < 0,01; * — различия между реальными и воображаемыми движениями, при р < 0,05; * * — р < 0,01; ▼ — различия между достижением и не достижением цели при р < 0,05; " — р < 0,01; ▲ — различия с симметричным электродом при р<0,05, " — р < 0,01; ' — различия в группе ипсилатеральных электродов при р < 0,05, — р < 0,01
I. P. Pavlov Russian
ORIGINAL STUDY ARTICLES Vol. 31 (4) 2023 Medical Biological Herald 630 - -
Таблица 4. Значения низкочастотной и высокочастотной модуляции при воображаемом движении, выполняемом пользователем, при достижении цели (Ме; Q25; Q75)
Ц ель достигнута; низкочастотная модуляция; воображаемое движение
Вперед Влево Вправо** Отдых
F4 F8 F7^ F3' F4 F8 F7 F3 F4^ F8* F7 F3 F4 F8 F7 F3
1;0;2 0;0;2 1;0;1 2;1;2 0;0;0 0;0;1 1;0;2 1;0;2 0,5;0;1 1;1;2 0;0;1 1;0;1 3;3;3 1;0,5;1,5 1;0;2 1;0,5;1
Т4 С3 СГ Т3 Т4 С3 С4 Т3 Т4 С3 С4" Т3 Т4 С3 С4
0;0;1 0,5;0;2 - 1;0;2 1;0;2 1;1;2 - - 1;0;1 3,5;1,5;4 - 3;1;3 1;0;1 1;0;1 - 0;0;1
Ц ель достигнута; высокочастотная модуляция; воображаемое движение
Вперед * Влево Вправо Отдых
F4 F8 F7^ F3 F4^ F8 F7 F3 F4 F8 F7 F3 F4 F8 F7 F3
2;1;4,5 4;2;4 3;2;4 2;1;2 2;1,5;2 3;1;4 3;1;5 1,5;0;2 2;2;5 2;0;3 3;2;4 2;1;5 0;0;0 1,5;0,5;2,5 2;0;4 3,5;1,5;6
Т3-" Т4 С3 С4 Т3 Т4 С3 С4 Т3- Т4" С3 С4 Т3 Т4 С3 С4-
5;5;8 3;2;4 - 3;3;4 2;2;3 2;1;4 - - 4;1;6 0,5;0; 1,5 - 4;2;5 3;2;3 2;0;2 - 5;2;5
Примечания: * — различия между каналами в этом команде при р < 0,05, ** — р < 0,01; • — различия между командами в одном и том же канале при р < 0,05; •• — р < 0,01; * — различия между реальными и воображаемыми движениями, при р < 0,05; * * — р < 0,01; ▼ — различия между достижением и не достижением цели при р < 0,05; " — р < 0,01; ▲ — различия с симметричным электродом при р<0,05, " — р < 0,01; ' — различия в группе ипсилатеральных электродов при р < 0,05, " — р < 0,01
При выполнении команды «Вперёд» для реальных движений в случае недостижения цели число частотных модуляций в канале Т4 было наибольшим по сравнению с другими командами . В отличие от выполняемых мысленно движений, где различия между числом фазовых перестроек были единичными, для команд, выполняемых в виде реальных движений, различия были существенно более чётко структурированы и сгруппированы . Ожидаемо, они касались ВЧ-модуляций и затрагивали каналы Р3, Р7, Р8 .
На рисунке 5 представлены результаты анализа (критерий Вилкоксона для парных случаев) . В группе, где не была достигнута цель различий было существенно больше (73% против 50%, р < 0,05) . Во всех случаях доминировала ВЧ-модуляция . Как и в случае анализа встречаемости случаев НЧ- и ВЧ-модуляций различия в воздействиях, вызывающих изменение периода анализируемого сигнала в частотном диапазоне 9-12 Гц, затрагивали в первую очередь те состояния пользователя, где он не достигал желаемой цели . Однако в этом случае не было различий в зависимости от того, выполнял пользователь реальные или воображаемые движения
На рисунке 6 представлены результаты кластерного анализа, демонстрирующего отношение числа случаев ВЧ- и НЧ-модуляции на 2 с отрезках сигнала .
ОБСУЖДЕНИЕ
Сравнение между реальным и воображаемым движением показали, что различия касаются только состояния, когда испытуемый не достигал цели Вероятно, это объясняется тем, что в рамках изменения
ЭЭГ-активности, при наличии обратной связи испытуемый пытается подобрать тот вариант активности, который бы соответствовал ожидаемому результату Соответственно в этом случае требуется больше частотных перестроек, так осуществляет поиск необходимых паттернов ЭЭГ В тоже время, если испытуемый видит, что цель достигнута, в изменении фоновых параметров ЭЭГ нет необходимости . Мало того, требуется их сохранение на существующем уровне, что и выражается в виде снижения частотно-модуляционных воздействий, направленных как на кратковременное увеличение, так и снижение периода модулированной частоты Сравнение ЭЭГ-активности, зарегистрированной с симметричных электродов показало, что различия охватывают только пару электродов Р3 -Р4 и только в состоянии выполнения реального движения (р < 0,01 по критерию х2) . При этом не играло роли, был ли достигнут результат или нет . Таким образом, представляемые пользователем движения, не оказывают существенного влияния на частотную модуляцию ЭЭГ, в то время как реальные движения вызывают подобные изменения Следовательно, можно говорить, что порождаемые воображаемыми движениями ЭЭГ феномены обладают существенно меньшим влиянием на частотную модуляцию, чем реально выполняемые пользователем движения
Рассмотрим вопрос в отношении числа изменения фазы сигнала . Являются ли выявленные феномены равновероятными как в сторону уменьшения, так и в сторону увеличения периода колебаний, или же частоты их появления могут быть связаны с состоянием испытуемого?
Рис.5. Различия между числом случаев низкочастотной и высокочастотной модуляции.
Примечание: критерий Вилкоксона для парных случаев; отмечены значения для р < 0,05.
Рис.6. Результаты кластерного анализа модуляций частот электроэнцефалограммы.
Следует отметить, что если для реальных движений выполняемых пользователем различий в числе случаев ВЧ- и НЧ-модуляций между достижениями цели и неуспехом не было, то для воображаемого движения различия наблюдались (р = 0,004) . Для тех случаев, где различия между числом ВЧ- и НЧ-модуляций были значимы, число правильно выполненных команд составляло только 32% при том, что в обратном случае (пользователь не смог правильно выполнить команды) составляло 72% . Таким образом, возникновение значимых различий между НЧ- и ВЧ-модуляциями связано с невозможностью для пользователя сгенерировать требуемую команду, что он может увидеть по механизму биологической обратной связи Является ли данный феномен результатом активной перестройки ЭЭГ паттернов в данной частотной области связанной именно с активностью моторной коры, или же это является иным механизмом, связанным, например, с эмоциональными или мотивацион-ными системами мозга — ответ на этот вопрос требует дополнительного исследования .
Рассмотрим вопрос взаимосвязи ВЧ- и НЧ-модуляции под другим углом: существует ли связь числа случаев ВЧ модуляции с числом случаев НЧ-модуляции. В этом случае корреляционные связи в целом повторяли друг друга, не давая возможность выделить, в отличие от различий в числе случаев модуляции, особенности, связанные с успешностью выполнения команд Однако следует отметить, что в подавляющем большинстве случаев корреляция была обратная Таким образом, чем большее число ВЧ перестроек наблюдается на ЭЭГ, тем меньшее число НЧ перестроек происходит на этой же эпохе анализа Верно и обратное Таким образом, можно предположить наличие реципрокных отношений между системами нейронов, обеспечивающих частотную модуляцию ЭЭГ в исследуемом частотном диапазоне
Выше были рассмотрены подходы, основанные на оценке выборки без её фрагментации Однако опыт исследований сигналов биомедицинской природы показывает, что в ряде случаев выборка может быть разделена на ряд подгрупп, имеющих различные с точки зрения содержательной, физиологической интерпретации, свойства . Для выделения возможных подгрупп были выбраны данные ВЧ и НЧ модуляций для отведений Р3 и Р4, как наиболее часто показавшие значимые различия как друг с другом, так и при выполнении команд .
И для НЧ-, и для ВЧ- модуляций различия между кластерами были статистически значимы (р << 0,001) . А полученные результаты позволяют утверждать, что существует два типа отношений числа ВЧ-и НЧ-модуляций . Для первого из них, представленного в кластере 1, общее малое число событий, модулирующих ЭЭГ, характеризуется примерным равенством числа НЧ- и ВЧ-модуляций . Учитывая двухсекундную
эпоху анализа и минимальную частоту в отфильтрованном диапазоне, можно получить, что на 15-20 периодов ЭЭГ приходится только один-два частотно-модулирующих сигнал события . В тоже время второй кластер показал существенные различия, выразившиеся в доминировании событий ВЧ-модуляции . При этом кластеры не отличались по характеристикам достижения цели .
Одним из возможных ограничений данного исследования является половая гетерогенность выборки. В частности, можно указать на феномен овариальной синхронизации ЭЭГ [17]. При этом в проведенных исследованиях получены разнонаправленные результаты, что в ряде случаев может быть объяснено пренебрежением эффектом множественных сравнений [17-20] . В тоже время указанные работы используют в первую очередь амплитудный анализ ЭЭГ, и в некоторых случаях — когерентность При этом частотная модуляция не исследовалась, и следовательно, факт её влияния на исследуемый процесс не доказан Отсюда следует вывод о возможности, в первом приближении, использовать в обработке данных группы подход, исходя из гомогенности исследуемой группы
ЗАКЛЮЧЕНИЕ
На основе разработанного метода оценки частотной модуляции электроэнцефалограммы проведено исследование динамики электрической активности мозга в диапазоне 9-12 Гц в условиях выполнения пользователем реального и воображаемого движения Последнее представляло собой одну из технологий синхронного интерфейса мозг-компьютер
Сравнение между реальным и воображаемым движением показали, что различия касаются только состояния, когда испытуемый не достигал цели При этом, в большей степени различия затрагивали эксперименты, где испытуемый должен был производить реальные, а не воображаемые движения Возникновение значимых различий между низко- и высокочастотными модуляциями связано с невозможностью для пользователя сгенерировать требуемую команду, что он может увидеть по механизму биологической обратной связи Чем большее число высокочастотных перестроек наблюдается на электроэнцефалограмме, тем меньшее число низкочастотных перестроек происходит на этой же эпохе анализа .
Полученные результаты существенно расширяют представления о механизмах частотной модуляции электроэнцефалограммы В целом, методики и алгоритмы, лежащие в основе анализа, позволившего их выявить, могут быть использованы для решения широкого класса задач, связанных с обработкой электроэнцефалографических сигналов, включая совершенствование методов детекции по электроэнцефалограмме ошибок пользователя при управлении устройствами интерфейса мозг-компьютер
ДОПОЛНИТЕЛЬНО
Финансирование. Работа поддержана грантом РФФИ 19-29-01 156 МК. Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
Вклад авторов: Туровский Я. А. — концепция и дизайн исследования, разработка алгоритмов программного обеспечения, обработка данных, написание текста; Давыдова А. С. — сбор данных, написание текста; Алексеев В. Ю. — разработка программного обеспечения, обработка данных. Авторы подтверждают соответствие своего авторства международным критериям 1СМ^ (все авторы внесли существенный вклад в разработку концепции и подготовку статьи, прочли и одобрили финальную версию перед публикацией).
Funding. The work was supported by the Russian Foundation for Basic Research grant 19-29-01 156 MK.
Conflict of interests. The authors declare that there is no external funding for the study.
Contribution of the authors: Ya. A. Turovskiy — concept and design of study, development of software algorithms, processing of data, writing the text; A. S. Davydova — collection of data, writing the text; V. Yu. Alekseyev — development of software, processing of data. The authors confirm the correspondence of their authorship to the ICMJE International Criteria. All authors made a substantial contribution to the conception of the work, acquisition, analysis, interpretation of data for the work, drafting and revising the work, final approval of the version to be published and agree to be accountable for all aspects of the work.
СПИСОК ИСТОЧНИКОВ
1. Krausz G., Scherer R., Korisek G., et al. Critical decision-speed and information transfer in the «Graz Brain-Computer Interface» // Appl. Psychophysiol. Biofeedback. 2003. Vol. 28, No. 3. P. 233-240. doi: 10.1023/a:1024637331493
2. Yadav D., Yadav S., Veer K. A comprehensive assessment of Brain Computer Interfaces: Recent trends and challenges // J. Neurosci. Methods. 2020. Vol. 346. P. 108918. doi: 10.1016/j.jneumeth.2020.108918
3. Saravanakumar D., Ramasubba Reddy M. A Visual Keyboard System using Hybrid Dual Frequency SSVEP Based Brain Computer Interface with VOG Integration. In: 2018 International Conference on Cyberworlds (CW); 03-05 October 2018. Singapore; 2018. P. 258-263. doi: 10.1109/CW.2018.00053
4. Müller-Putz G.R., Eder E., Wriessnegger S.C., et al. Comparison of DFT and lock-in amplifier features and search for optimal electrode positions in SSVEP-based BCI // J. Neurosci. Methods. 2008. Vol. 168, No. 1. Р. 174-181. doi: 10.1016/j.jneumeth.2007.09.024
5. Fisher C.J., Moravec C.S., Khorshid L. The «How and Why» of Group Biofeedback for Chronic Disease Management // Appl. Psychophysiol. Biofeedback. 2018. Vol. 43, No. 4. P. 333-340. doi: 10.1007/s10484-018-9411-7
6. Ponomaryov V.I., Badillo L., Juarez C., et al. Storage analysis and compression of signals with application in medicine. In: Proceedings Volume 5021: Storage and Retrieval for Media Databases 2003; 22-23 January 2003. Santa Clara, USA; 2003. Vol. 5021. Р. 429-437. doi: 10.1 1 17/12.476303
7. Dkhil M.B., Chawech N., Wali A., et al. Towards an automatic drowsiness detection system by evaluating the alpha band of EEG signals. In: 2017 IEEE 15th International Symposium on Applied Machine Intelligence and Informatics (SAMI); 26-28 January 2017. Herl'any, Slovakia; 2017. P. 371-376. doi: 10.1109/SAMI.2017.7880336
8. Wang W.J., Zhang G.P., Yang L.M., et al. Revisiting signal processing with spectrogram analysis on EEG, ECG and speech signals // Future Generation Computer Systems. 2019. Vol. 98. P. 227-232. doi: 10.1016/j.future.2018.12.060
9. DeCusatis C.M., Koay J., Litynski D.M., et al. Wavelet transform: fundamentals, applications, and implementation using acousto-optic correlators. In: Proceedings Volume 2643: Acousto-Optics and Applications II; 4 October 1995. Gdansk-Jurata, Poland; 1995. Vol. 2643. Р. 17-37. doi: 10.1 1 17/12.222751
10. Кирой Н.В., Войнов В.Б., Мамин Р.А., и др. Пространственная синхронизация биоэлектрической активности мозга в состоянии интеллектуальной деятельности // Физиология человека. 1988. Т. 14, № 2. С. 326-328.
11. Nam C.S., NijhoLt N.A., Lotte F., editors. Brain-Computer Interfaces Handbook. Technological and Theoretical Advances. N.-Y.: CRC Press; 2018.
12. PfurtscheLLer G., Brunner C., Schlögl A., et aL. Mu rhythm (de) synchronization and EEG singLe-triaL classification of different motor imagery tasks // Neuroimage. 2006. VoL. 31, No. 1. P. 153-159. doi: 10.1016/j.neuroimage.2005.12.003
13. Emami Z., Chau T. The effects of visuaL distractors on cognitive Load in a motor imagery brain-computer interface // Behav. Brain Res. 2020. VoL. 378. P. 1 12240. doi: 10.1016/j.bbr.2019.1 12240
14. HommeLsen M., Schneiders M., SchuLd C., et aL. Sensory Feedback Interferes with Mu Rhythm Based Detection of Motor Commands from ELectroencephaLographic SignaLs // Front. Hum. Neurosci. 2017. VoL. 11. P. 523. doi: 10.3389/fnhum.2017.00523
15. Туровский Я.А., Борзунов С.В., Алексеев В.Ю., и др. Частотная модуляция электроэнцефалограммы при фотостимуляции // Биофизика. 2021. T. 66, № 3. C. 583-589. doi: 10.31857/S0006302921030194
16. Кирой Н.В., Владимирский Б.М., Асланян Е.В., и др. Электрографические корреляты реальных и мысленных движений: спектральный анализ // Журнал высшей нервной деятельности. 2010. Т. 60, № 5. С. 525-533.
17. VasiL'eva V.V. SpectraL and coherent characteristics of EEG in women during various phases of menstruaL cycLe // BuLL. Exp. BioL. Med. 2005. VoL. 140, No. 4. P. 383-384. doi: 10.1007/s10517-005-0496-7
18. Ходырев Г.Н., Циркин В.И. Параметры основных ритмов ЭЭГ в фолликулярную и лютеиновую фазы менструального цикла // Вестник Нижегородского университета им. Н.И. Лобачевского. 2012. № 6 (1). С. 76-82.
19. Фатеев М.М., Беляев Д.А., Ломтева А.И. Изменение показателей электроэнцефалограммы девушек в различные фазы овариально-менструального цикла // ЭНИГМА. 2020. № 22, Ч. 2. С. 123-129.
20. Базанова О.М., Кондратенко А.В., Кузьминова О.И., и др. Альфа-активность ЭЭГ в зависимости от стадии менструального цикла и уровня прогестерона // Физиология человека. 2014. Т. 40, № 2. С. 31-40.
REFERENCES
1. Krausz G, Scherer R, Korisek G, et ai. Critical decision-speed and information transfer in the «Graz Brain-Computer Interface». Appl Psychophysiol Biofeedback. 2003;28(3):233-40. doi: 10.1023/a:1024637331493
2. Yadav D, Yadav S, Veer K. A comprehensive assessment of Brain Computer Interfaces: Recent trends and challenges. J Neurosci Methods. 2020;346:108918. doi: 10.1016/j.jneumeth.2020.108918
3. Saravanakumar D, Ramasubba Reddy M. A Visual Keyboard System using Hybrid Dual Frequency SSVEP Based Brain Computer Interface with VOG Integration. In: 2018 International Conference on Cyberworlds (CW); 03-05 October2018. Singapore; 2018. P. 258-63. doi: 10.1109/CW.2018.00053
4. Müiier-Putz GR, Eder E, Wriessnegger SC, et ai. Comparison of DFT and iock-in amplifier features and search for optimal electrode positions in SSVEP-based BCI. J Neurosci Methods. 2008;168(1):174-81. doi: 10.1016/j.jneumeth.2007.09.024
5. Fisher CJ, Moravec CS, Khorshid L. The «How and Why» of Group Biofeedback for Chronic Disease Management. Appl Psychophysiol Biofeedback. 2018;43(4):333-40. doi: 10.1007/s10484-018-941 1-7
6. Ponomaryov V.I., Badiiio L., Juarez C., et ai. Storage anaiysis and compression of signais with application in medicine. In: Proceedings Volume 5021: Storage and Retrieval for Media Databases 2003; 22-23 January 2003. Santa Ciara, USA; 2003;5021:429-37. doi: 10.1 1 17/12.476303
7. Dkhii MB, Chawech N, Waii A, et ai. Towards an automatic drowsiness detection system by evaiuating the aipha band of EEG signais. In: 2017 IEEE 15th International Symposium on Applied Machine Intelligence and Informatics (SAMI); 26-28 January 2017. Heri'any, Siovakia; 2017. P. 371-6. doi: 10.1109/SAMI.2017.7880336
8. Wang WJ, Zhang GP, Yang LM, et ai. Revisiting signai processing with spectrogram anaiysis on EEG, ECG and speech signais. Future Generation Computer Systems. 2019;98:227-32. doi: 10.1016/j.future.2018.12.060
9. DeCusatis CM, Koay J, Litynski DM, et ai. Waveiet transform: fundamentais, appiications, and impiementation using acousto-optic correiators. In: Proceedings Volume 2643: Acousto-Optics and Applications II; 4 October 1995. Gdansk-Jurata, Poiand; 1995;2643:17-37. doi: 10.1 1 17/12.222751
ОБ АВТОРАХ
*Туровский Ярослав Александрович, д.т.н, к.м.н., доцент;
ORCID: https://orcid.org/0000-0002-5290-885X;
eLibrary SPIN: 6494-4501; е-mail: yaroslav_turovsk@mail.ru
Давыдова Анастасия Сергеевна;
ORCID: https://orcid.org/0000-0001-8546-0986; eLibrary SPIN: 5288-8737; е-mail: asya.dinastija@yandex.ru
Алексеев Виктор Юрьевич;
ORCID: https://orcid.org/0000-0002-4541-9978;
eLibrary SPIN: 8689-7496; е-mail: Quindecim413@mail.ru
* Автор, ответственный за переписку / Corresponding author
10. Kiroï NV, Voïnov VB, Mamin RA, et al. Spatial synchronization of brain bioelectrical activity in a state of intellectual activity. Fiziologiya Cheloveka. 1988;14(2):326-8. (In Russ).
11. Nam CS, Nijholt NA, Lotte F, editors. Brain-Computer Interfaces Handbook. Technological and Theoretical Advances. New-York: CRC Press; 2018.
12. Pfurtscheller G, Brunner C, Schlogl A, et al. Mu rhythm (de) synchronization and EEG single-trial classification of different motor imagery tasks. Neuroimage. 2006;31(1):153-9. doi: 10.1016/j.neuroimage.2005.12.003
13. Emami Z, Chau T. The effects of visual distractors on cognitive load in a motor imagery brain-computer interface. Behav Brain Res. 2020;378:1 12240. doi: 10.1016/j.bbr.2019.1 12240
14. Hommelsen M, Schneiders M, Schuld C, et al. Sensory feedback interferes with mu rhythm based detection of motor commands from electroencephalographic signals. Front Hum Neurosci. 2017;1 1:253. doi: 10.3389/fnhum.2017.00523
15. Turovsky YaA, Borzunov SV, Alekseev VYu, et al. Frequency Modulation of Electroencephalogram under Photostimulation. Biofizika. 2021;66(3):583-9. (In Russ). doi: 10.31857/S0006302921030194
16. Kiroï NV, Vladimirskiï BM, Aslanian EV, et al. Electrographic correlates of real and imaginary movements: spectral analysis. Zhurnal Vysshei Nervnoi Deiatelnosti imeni IP Pavlova. 2010;60(5):525-33. (In Russ).
17. Vasil'eva VV. Spectral and coherent characteristics of EEG in women during various phases of menstrual cycle. Bull Exp Biol Med. 2005;140(4):383-4. (In Russ). doi: 10.1007/s10517-005-0496-7
18. Khodyrev GN, Tsirkin VI Parameters of main eeg rhythms during the follicular and luteal phases of the menstrual cycle. Vestnik Nizhegorodskogo Universiteta imeni N.I. Lobachevskogo. 2012;(6):76-82. (In Russ).
19. Fateev MM, Belyaev DA, Lomteva AI. Changes in the electroencephalogram indicators of girls in different phases of the ovarian-menstrual cycle. ENIGMA. 2020;(22,Pt 2):123-9. (In Russ).
20. Bazanova OM, Kondratenko AV, Kuz'minova OI, et al. EEG alpha indices in dependence on the menstrual cycle phase and salivary progesterone. Fiziologiya Cheloveka. 2014;40(2):31-40. (In Russ).
AUTHOR'S INFO
*Yaroslav A. Turovskiy, Dr. Sci. (Tech.); MD, Cand. Sci. (Med.), Associate Professor;
ORCID: https://orcid.org/0000-0002-5290-885X;
eLibrary SPIN: 6494-4501; е-mail: yaroslav_turovsk@mail.ru
Anastasiya S. Davydova;
ORCID: https://orcid.org/0000-0001-8546-0986; eLibrary SPIN: 5288-8737; е-mail: asya.dinastija@yandex.ru
Viktor Yu. Alekseyev;
ORCID: https://orcid.org/0000-0002-4541-9978; eLibrary SPIN: 8689-7496; е-mail: Quindecim413@mail.ru
