CC BY
3
ПРИБОРЫ, СИСТЕМЫ И ИЗДЕЛИЯ МЕДИЦИНСКОГО НАЗНАЧЕНИЯ
УДК 615.851.82:78
ОЦЕНКА ИЗМЕНЕНИЙ ЭЛЕКТРИЧЕСКИХ СИГНАЛОВ ГОЛОВНОГО МОЗГА ЧЕЛОВЕКА В УСЛОВИЯХ АКУСТИЧЕСКОГО ВОЗДЕЙСТВИЯ
Тверская1 С.Ю., Тычков 2 А.Ю., Хизбуллин 3 Р.Н. ^Пензенский государственный университет, Пенза, Россия 3Казанский государственный энергетический университет, Казань, Россия
1 [email protected]., 2(усНкву-а@та11.ги, 3гоЬеН.кЫ2ЬиШп@таИ.ги
Резюме: Актуальность работы заключается в оценке изменений электрических сигналов головного мозга человека с помощью частотных математических методов анализа при внешнем музыкальном воздействии на испытуемого. Цель работы провести экспериментальную выборку из 10 человек, по ранее созданной автором методике, провести математическую обработку полученных данных, сделать выводы о влиянии внешнего акустического, а именно музыкального, воздействия на мозг человека. При решении поставленной задачи применялся частотный метод анализа электроэнцефалограмм, реализованный средствами Ма^аЬ. В статье описана актуальность темы, проведение эксперимента, рассмотрены особенности результатов влияния акустических воздействий на человека. Произведена оценка изменений электрических сигналов головного мозга в спокойном состоянии и в условиях акустического воздействия. В процессе работы была создана программа в среде MatLaЬ, на базе этой программы был проведен автоматизированный анализ оцифрованных энцефалограмм в частотной области. С помощью программы были получены графики периодограмм альфа-ритма, которые были сравнены между собой (в спокойном состоянии и при внешнем музыкальном воздействии). При внешнем музыкальном воздействии, где использовалась классическая музыка, средняя амплитуда а-ритма в лобных и височных долях увеличилась, что свидетельствует о расслаблении человека при прослушивании спокойных, мажорных, классических композиций.
Ключевые слова: ЭЭГ; внешнее музыкальное воздействие; психоэмоциональное напряжение; стресс; эмоциональное здоровье.
Для цитирования: Тверская С.Ю., Тычков А.Ю., Хизбуллин Р.Н. Оценка изменений электрических сигналов головного мозга человека в условиях акустического воздействия // Вестник Казанского государственного энергетического университета. 2024. Т. 16. № 3 (63). С. 14-27.
ASSESSMENT OF CHANGES IN ELECTRICAL SIGNALS OF THE HUMAN BRAIN
UNDER ACOUSTIC INFLUENCE
Tverskaya S.Yu1.,Tychkov A.Yu2., Khizbullin R.N.3
1,2Penza State University, Penza, Russia 3Kazan State Power University, Penza, Russia
'[email protected]., [email protected], [email protected]
Abstract: Relevance of the work lies in assessing changes in electrical signals of the human brain using frequency mathematical methods of analysis under external musical influence on the subject.
The purpose work conducts an experimental sample of 10 people, using a method previously created by the author, carry out mathematical processing of the data obtained, and draw conclusions about the influence of external acoustic, namely musical, influence on the human brain.
When solving the problem, an honest method of analyzing electroencephalograms was used, implemented using MatLab. The article describes the relevance of the topic, the conduct of the experiment, and discusses the features of the results of the influence of acoustic influences on humans. An assessment was made of changes in electrical signals of the brain in a calm state and under conditions of acoustic exposure. In the process of work, a program was created in the Matlab environment; on the basis of this program, an automated analysis of digitized encephalograms in the frequency domain was carried out. Using the program, graphs of alpha rhythm periodograms were obtained, which were compared with each other (in a calm state and under external musical influence). With external musical influence, where classical music was used, the average amplitude of the a-rhythm in the frontal and temporal lobes increased, which indicates a person's relaxation when listening to calm, major, classical compositions.
Key words: EEG; external musical influence; psycho-emotional stress; stress; emotional health.
For citation: Tverskaya S.Yu., Tychkov A.Yu., Khizbullin R.N. Assessment of changes in electrical signals of the human brain under acoustic influence. KAZAN STATE POWER ENGINEERING UNIVERSITY BULLETIN. 2024. T. 16. No. 3 (63). P. 14-27.
Введение (Introduction)
Достаточное число современных научных исследований в области медицины направлено на снижение психоэмоционального напряжения и стресса у людей. В настоящее время учащается использование музыки в терапии для восстановления эмоционального здоровья и для определения клинически значимых параметров психического здоровья инвалидов в условиях его свободной двигательной активности. В работе представлены результаты прохождения алгоритма восстановления психоэмоционального состояния человека с применением биологической обратной связи для оценки состояния человека и дальнейшего улучшения программы восстановления.
Цель исследования заключается в проведении экспериментальной выборки из 10 человек, по ранее созданной автором методике, проведении математической обработки полученных данных, сделать выводы о влиянии внешнего акустического, а именно музыкального, воздействия на мозг человека.
Научная значимость исследования состоит в получении цифровых результатов электрических сигналов головного мозга человека, для физического понимания, как именно акустические сигналы влия т на мозг человека.
Практическая значимость исследования заключается во внедрении данной методики в процесс реабилитации л дей, их эмоционального и психического состояния, а так же двигательных функций.
Литературный обзор (Literary review)
Известны исследования Федотчева А.И. и Радченко Г.С. [1, 2 ] , изучающие терапевтическое применение музыки для коррекции различных патологических состояний и реабилитации. Отдельно следует выделить результаты использования музыки в процедурах тренингов по принципу биологической обратной связи [3] . Отмечается, что музыкальные воздействия облада т повышенной эффективность , если они согласу тся с биоэлектрическими характеристиками нервной системы [4] .
В работе Константинова К.В. [ 5 ] показано, что использование звука в качестве информационного сигнала обратной связи способствует нормализации и коррекции стрессовых состояний. В работе обоснована модификация метода, где предлагается использовать преобразование биопотенциалов мозга человека в музыкальные сигналы в реальном времени в процессе лечебной процедуры.
В работе Урзаевых [6] с использованием электроэнцефалограммы выявляются основные ритмы работы мозга и индивидуально для каждого человека подбира тся ритмы, компенсиру щие баланс в работе нервной системы. Ритм накладывается на музыкальный файл без низких частот, для комфортного восприятия и отсутствия возбужда щего эффекта. Данный патент также реализован в настоящее время.
В работе Воеводина [7] предложен способ, позволяющий корректировать физический, эмоциональный и психологический уровни организма при помощи
разработанных параметров музыкотерапии. Корректирующее воздействие производится акустическим полем, создаваемым музыкальными композициями - треками, написанными с использованием частотных, тембровых и темповых характеристик, определяющих эффект воздействия. Способ позволяет повысить восприимчивость прослушающего к музыкотерапии за счет постепенного усложнения треков по воздействию, соответствующих работе с разными локусами организма - физическое тело, эмоциональный план, психическое состояние - с постепенным усложнением, что позволяет постепенно подготовить организм к максимальному воздействи терапии для дальнейшей корректировки состояния организма на физическом, эмоциональном и психологическом уровнях.
В работе Wang T., Tang J., Wang C., Yang D., Li J., Kong W., Xi X. [8] рассматривается влияние музыкальных стимулов на кортикомышечну связь и функциональну сеть связи мозга. Результаты этого исследования показывают, что терапия музыкальной стимуляции может улучшить поток информации между ЭЭГ (электроэнцефалография) и ЭМГ (электромиография), а также улучшить функциональные сети мозга и эффективность его работы. Данная работа закладывает основу для последующих исследований пациентов с инсультом и нейропластичности.
В работе Wang X., Lu H., He Y., Sun K., Feng T., Zhu X. [9] проводилось исследование ЭЭГ при прослушивании бинауральных ударов 15 Гц в состоянии умственной усталости. Результаты этого исследования показыва т, что прослушивание бинауральных ударов 1 ц является доказанным вмешательством при умственной усталости, которое может способствовать поддержани функции рабочей памяти, улучшени топологической структуры мозга и облегчени снижения функции мозга, которое происходит в умственно усталом состоянии.
Исследование Tervaniemi M., Pousi S., Seppälä M., Makkonen T. [10] проводилось при прослушивании живой музыки. Согласно полученным результатам, можно изучать функции мозга слушателей с помощь ЭЭ во время живых музыкальных выступлений, при этом тета-активность будет отражать наличие импровизации в выступлениях.
В работе Mahmood D., Nisar H., Yap V.V., Tsai C.-Y. [11] рассматривается влияние прослушивания музыки на функциональну связь мозга ЭЭ при краткосрочном и долгосрочном исследовании. Изучение прослушивания музыки в течение короткого времени подтверждает, что л бимая или предпочтительная для человека музыка может повлиять на функциональную связность мозга (FC) и вызывать состояние расслабления. Исследование короткой продолжительности также подтверждает значительну эффективность расслабля щей музыки над л бимой музыкой, чтобы вызвать расслабление у субъекта. При исследовании длительного воздействия сделан вывод, что прослушивание расслабля щей музыки может увеличить функциональну связность и прочность связей в лобной доле субъекта. Значительное увеличение FC в альфа- и тета-диапазоне и значительное снижение FC в бета-диапазоне в лобной и теменной доле мозга подтверждает гипотезу о том, что расслабля щая музыка может помочь субъекту достичь расслабления.
Материалы и методы (Materials and methods)
В настоящее время достаточно актуальна разработка систем, позволя щих оценивать и корректировать физиологическое состояние человека. Такие методы для восстановления состояния человека при помощи акустических воздействий существу т, но нет точного технического подтверждения, как это влияет на мозг человека.
В работе, опубликованной автором ранее [12 , 13] , предложена технология оценки изменений электрических сигналов головного мозга человека в условиях акустического воздействия и её алгоритм позволяющие оценить влияние акустических сигналов на мозг человека.
В предложенной системе оценки изменений электрических сигналов головного мозга человека в условиях акустического воздействия выполняется следу щая последовательность этапов, которая в другой форме была создана и предложена ранее [14 ] :
1. Издание базы данных акустических воздействий и разработка технической классификации музыки.
2. Подбор оборудования для проведения экспериментов и воспроизведения музыкальных композиций.
3. Определение и классификация группы участников исследования, включая школьников и студентов Пензенского осударственного университета, не име щих психических отклонений, в числе не менее 10 человек.
4. Создание опросного листа на основе существующих методик для выявления музыкальных предпочтений участников исследования.
5. Создание методики тестирования для оценки эмоционального состояния испытуемых до и после воздействия на основе име щихся данных.
6. Проведение исследований, вкл чая регистраци и получение электроэнцефалографических сигналов (ЭЭ ) через специальные устройства и сертифицированные медицинские приборы. Регистрация ЭЭ проводится на группе испытуемых до и после акустического воздействия, и результаты заносятся в базу данных для дальнейшего анализа специалистом.
7. Исследование корреляции данных от различных испытуемых во время воздействия внешней музыки. Определение сигнальных маркеров - идентификация информативных сегментов исследуемых электроэнцефалографических сигналов, их распознавание и анализ.
S. Математическая обработка исследуемых электроэнцефалографических сигналов -их анализ и устранение помех с цель выделения значимых параметров сигналов. Сравнение результатов анализа ЭЭ сигналов и результатов тестирования (субъективных и объективных параметров).
9. Создание базы данных сигналов.
На восьмом этапе данной методики применя тся различные методы цифровой обработки электроэнцефалографических сигналов, вкл чая анализ частотной области ЭЭ . Затем на основе результатов этого этапа устанавлива тся пороговые значения для изучаемых электроэнцефалографических сигналов.
Предложенная методика основана на комбинации различных методов и подходов к обработке и анализу изучаемых медицинских сигналов. Для этапов предварительной обработки и определения сигнальных маркеров использу тся спектральные методы анализа.
Для проведения исследований и постановки эксперимента использовалась инфраструктура и технологическое оснащение научно-технологической лаборатории «Биомедицинские и когнитивные технологии» Научно-исследовательского института фундаментальных и прикладных исследований П У. В состав оборудования для проведения эксперимента вошли: 1 . Для проведения эксперимента отобрано 10
добровольцев из числа студентов и профессорско-преподавательского состава. Эксперимент проходил в лаборатории в условиях полной изоляции от посторонних лиц. Для каждого испытуемого регистрировались ЭЭ сигналы в состоянии покоя и терапевтического воздействия. Длительность записи в каждом состоянии составляла 10 мин.
Частота дискретизации регистрируемого сигнала от e- 1 ц, после регистрации программное обеспечение нейро-обруча создает файл формата .C SV (либо - Файл Micro soft Exc , содержащий значения, разделенные запятыми), постобработка файлов данного типа может производиться различным программным обеспечением, таким как: LibreOffice Calc, Gnumeric, Emacs, Micro soft Excel, Numbers, ТаблицаПро, CSVed, KSpread, Google Doc s, AN SY S и LabVIEW, MatLAB.
Полученные файлы содержат массив данных, вкл ча щий 41 столбец и N строк (в зависимости от длительности записи).
Столбцы имеют следующие названия: Time Stamp, Delta_TP9, Delta_AF7, Delta_AF8, Delta_TP10, Theta_TP9, Theta_AF7, Theta_AFS, Theta_TP10, Alpha_TP9, Alpha_AF7, Alpha_AFS, Alpha_TP10, Beta_TP9, Beta_AF7, Beta_AFS, Beta_TP10, Gamma_TP9, Gamma_AF7, Gamma_AFS, Gamma_TP10, RAW_TP9, RAW_AF7, RAW_AFS, RAW_TP10, AUX_RIGHT, Accelerometer_X, Accelerometer_Y, Accelerometer_Z, Gyro_X, Gyro_Y, Gyro_Z, HeadBandOn, H SI_TP9, H SI_AF7, H SI_AF8, H SI_TP10, Battery, Elements. Дельта, тэта, альфа, бета, гамма - основные частотные диапазоны, составляющие сигнал ЭАГМ. TP9, TP10 - левый и правый заушный электрод соответственно, AF7, AF8 - левый и правый лобный электрод.
Результаты и их обсуждение (Results and their discussion)
В работе мы рассмотрели самые основные и информативные данные, полученные при регистрации - RAW_T 9 (левая височная область), RAW_AF7 (левая лобная
область), RAW_AF8 (правая лобная область), RAW_T 10 (правая височная область), это лобные и височные области.
Результаты построения ЭЭ в at ab в спокойном состоянии без музыкального воздействия представлены на рисунке 1. По оси ординат откладывались значения напряжения в мВ, полученные в Muse, по оси абсцисс секунды, в масштабе (1 сек.- 0.001).
□ 0.1 0.2 0.3 0.4 0.5 0.6
Рис. 1 Результаты построения ЭЭГ в спокойствии Fig. 1 Results of EEG construction in calm frontal лобных (AF7, AF8) и височных (TP9, TP10) (AF7, AF8) and temporal (TP9, TP10) regions in областей в Matlab Matlab
*Источник: Составлено авторами Source: compiled by the author.
Результаты построения спектрограммы ЭЭГ в МайаЬ в спокойном состоянии без музыкального воздействия представлены на рисунке 2.
Рис. Результаты построения спектра ЭЭ в спокойствии лобных (AF7, AF8, два верхних графика) и височных (TP9, TP10, два нижних графика) областей в Matlab *Источник: Составлено авторами Source: compiled by the author.
0.25 Time
Fig. 2 Results of the EEG spectrum in calm offrontal (AF7, AF8, top two plots) and temporal (TP9, TP10, bottom two plots) regions in Matlab
Результаты построения графика а-ритма в МайаЬ в спокойном состоянии без музыкального воздействия представлены на рисунке 3. По оси ординат откладывались значения напряжения в мВ, по оси абсцисс секунды, в масштабе (1 сек.- 0.001). На рисунках 4 - 7 представлены АКФ, спектр, периодограмма и спектрограмма для лобных (АБ7, ЛР8) и
височных (TP9, TP10) областей. а-ритм выбран специально, как самый информационный при анализе ЭЭГ.
alpha AF7.txt
0.02 0.01 О
О
0.1
0.2 0.1 о
0.1
0.2
0.3 0.4
alpha TP9.txt
0.5
0.2
0.3
alpha TP10.txt
0.4
0.5
'4 / % 1 :
Г* - I i----J " T— i _
0 0.1 0,2 0,3 alpha AF8.txt 0.4 0.5 0,
---—-——^__—^_-
0.6
0.6
r X__ „ ^---_ _____ 1 . -
I 1 1
О 0.1 0.2 0.3 0.4 0.5 0.6
Рис. 3 Результаты построения а-ритма ЭЭГ в Fig. 3 Results of constructing a-rhythm of EEG in спокойствии лобных (AF7, AF8) и височных calm frontal (AF7, AF8) and temporal (TP9, TP10) (TP9, TP10) областей в Matlab regions in Matlab
*Источник: Составлено авторами Source: compiled by the author.
-0.6 -0.4 -0.2 0 0.2 0.4 0.6
Рис. 4 Результаты построения АКФ а-ритма в Fig. 4 Results ofplotting the ACF of the a-rhythm in спокойствии лобных (AF7, AF8, два верхних calm frontal (AF7, AF8, top two plots) and temporal графика) и височных (TP9, TP10, два нижних (TP9, TP10, bottom two plots) regions in Matlab графика) областей в Matlab
*Источник: Составлено авторами Source: compiled by the author.
-400 -300 -200 -100 0 " 100 200 300 400 Рис. 5 Результаты построения спектра а-ритма в Fig. 5 Results of the a-rhythm spectrum in calm спокойствии лобных (AF7, AF8, два верхних frontal (AF7, AF8, top two plots) and temporal (TP9, графика) и височных (TP9, TP10, два нижних TP10, bottom two plots) regions in Matlab графика) областей в at ab
*Источник: Составлено авторами Source: compiled by the author.
О 50 100 150 200 250 300 350 400 450 500
Рис. 6 Результаты построения периодограммы a- Fig.6 Results of periodogram construction of a-ритма в спокойствии лобных (AF7, AF8, два rhythm in calm frontal (AF7, AF8, two upper graphs) верхних графика) и височных (TP9, TP10, два and temporal (TP9, TP10, two lower graphs) regions нижних графика) областей в Matlab in Matlab
*Источник: Составлено авторами Source: compiled by the author.
Рис.7 Результаты построения спектрограммы a-ритма в спокойствии лобных (AF7, AF8, два верхних графика) и височных (TP9, TP10, два нижних графика) областей в at ab
*Источник: Составлено авторами Source: compiled by the author.
Fig. 7 Results of the spectrogram of a-rhythm in calm frontal (AF7, AF8, top two plots) and temporal (TP9, TP10, bottom two plots) regions in Matlab
Результаты построения ЭЭГ в ММаЬ при внешнем музыкальном воздействии представлены на рисунке 8. Спектрограмма представлена на рисунке 9. Результаты приведены для лобных (АР7, AF8) и височных (ТР9, ТР10) областей.
Результаты построения графика а-ритма в МаНаЬ при внешнем музыкальном воздействии представлены на рисунке 10. На рисунках 11 - 14 представлены АКФ, спектр, периодограмма и спектрограмма для лобных (АР7, ЛР8) и височных (ТР9, ТР10) областей.
О 0.1 0.2 0.3 0.4 0.5 0.6
Рис. 8 Результаты построения ЭЭГ при внешнем Fig. 8 Results of EEG plotting during external музыкальном воздействии в лобных (AF7 М, AF8 musical influence in frontal (AF7 M, AF8 M) and М) и височных (TP9 М, TP10 М) областей в temporal (TP9 M, TP10 M) regions in Matlab Matlab
*Источник: Составлено авторами Source: compiled by the author.
Рис. 9 Результаты построения спектрограммы Fig. 9 Results of the EEG spectrogram during ЭЭ при внешнем музыкальном воздействии в external musical influence in frontal (AF7M, AF8M, лобных (AF7M, AF8M, два верхних графика) и top two plots) and temporal (TP9M, TP10M, bottom височных (TP9M, TP10M, два нижних графика) two plots) regions in Matlab областей в at ab
*Источник: Составлено авторами Source: compiled by the author.
Рис. 10 Результаты построения a-ритма ЭЭГ при Fig. 10 Results of plotting the a-rhythm of EEG внешнем музыкальном воздействии в лобных during external musical influence in frontal (AF7M, (AF7M, AF8M) и височных (TP9M, TP10M) AF8M) and temporal (TP9M, TP10M) regions in областей в at ab Matlab
*Источник: Составлено авторами Source: compiled by the author.
Рис. 11 Результаты построения АКФ a-ритма при Fig.11 The results of the construction of the ACF a-внешнем музыкальном воздействии в лобных rites at the outside of music (AF7M, AF8M, two top (AF7M, AF8M, два верхних графика) и височных graphs) and viscosity (TP9M, TP10M, two lower (TP9M, TP10M, два нижних графика) областей в graphs) areas in Matlab Matlab
*Источник: Составлено авторами Source: compiled by the author.
Рис. 12 Результаты построения спектра a-ритма Fig. 12 Results of plotting a-rhythm spectrum under при внешнем музыкальном воздействии в лобных external musical influence in frontal (AF7M, AF8M, (AF7M, AF8M, два верхних графика) и височных two upper graphs) and temporal (TP9M, TP10M, (TP9M, TP10M, два нижних графика) областей в two lower graphs) regions in Matlab Matlab
*Источник: Составлено авторами Source: compiled by the author.
Рис.13 Результаты построения периодограммы a- Fig. 13 Results of the periodogram of a-rhythm ритма при внешнем музыкальном воздействии в during external musical influence in frontal (AF7M, лобных (AF7M, AF8M, два верхних графика) и AF8M, top two plots) and temporal (TP9M, TP10M, височных (TP9M, TP10M, два нижних графика) bottom two plots) regions in Matlab областей в Matlab
*Источник: Составлено авторами Source: compiled by the author.
Рис. 14 Результаты построения спектрограммы a- Fig.14 Results of the spectrogram of a-rhythm under ритма при внешнем музыкальном воздействии в external musical influence in frontal (AF7M, AF8M) лобных (AF7M, AF8M) и височных (TP9M, and temporal (TP9M, TP10M) regions in Matlab TP10M) областей в Matlab
*Источник: Составлено авторами Source: compiled by the author.
Проведем сравнительный анализ полученных результатов ЭЭГ в спокойном состоянии и при внешнем музыкальном воздействии (рисунки 15-18).
AF7.txt
0,7
0 0.1 0.2 0.3 0.4 0.5 0.6
AF7M.txt
0.5
0 0.1 0.2 0.3 0.4 0.5 0.6
Рис. 15 Результаты ЭЭГ (лобные доли) в Fig. 15 EEG results (frontal lobes) in the calm state спокойном состоянии AF7 при внешнем AF7 under external musical influence AF7M in музыкальном воздействии AF7M в Matlab Matlab
*Источник: Составлено авторами Source: compiled by the author.
AF8.txt
0 0.1 0.2 0.3 0.4 0.5 0.6
AF8M.txt
0 0.1 0.2 0.3 0.4 0.5 0.6
Рис.16 Результаты ЭЭГ (лобные доли) в Fig. 16 EEG results (frontal lobes) in the calm state спокойном состоянии AF8 при внешнем AF8 under external musical influence AF8M in музыкальном воздействии AF8M в Matlab Matlab
*Источник: Составлено авторами Source: compiled by the author.
TP9.txt
21-1-1-1-
Рис. 17 Результаты ЭЭГ (височные доли) в Fig. 17 EEG results (temporal lobes) in the TP9 спокойном состоянии TP9 при внешнем calm state under TP9M external musical influence in музыкальном воздействии T 9М в at ab Matlab
*Источник: Составлено авторами Source: compiled by the author.
TP10.txt
Рис. 18 Результаты ЭЭГ (височные доли) в Fig. 18 EEG results (temporal lobes) in the TP10 спокойном состоянии TP 10 при внешнем calm state under TP10M external musical influence музыкальном воздействии TP 10М в Matlab in Matlab
*Источник: Составлено авторами Source: compiled by the author.
По графикам видно, что средняя амплитуда сигналов ЭЭГ уменьшается.
Результаты и обсуждения
Проведем сравнение a-ритмов в спокойном состоянии и при внешнем музыкальном воздействии для создания объективных выводов. Результаты представлены на рисунках 1619.
В процессе работы была создана программа в среде Matlab, на базе этой программы был проведен автоматизированный анализ оцифрованных энцефалограмм в частотной области. С помощью программы были получены графики периодограмм альфа-ритма, которые были сравнены между собой (в спокойном состоянии и при внешнем музыкальном воздействии). При внешнем музыкальном воздействии, где использовалась классическая музыка, средняя амплитуда a-ритма в лобных и височных долях увеличилась, что свидетельствует о расслаблении человека при прослушивании спокойных, мажорных, классических композиций.
Исходя из полученных значений и их графиков, можно сделать следующие выводы:
1. При сравнении данных без внешнего воздействия и с внешним воздействием, в течении 10 минут, получено, что средняя амплитуда a-ритма при внешнем музыкальном воздействии выше, чем в спокойном состоянии на 3 %.
2. Можно сделать вывод, что при внешнем музыкальном воздействии, с использованием классической музыки, средняя амплитуда a-ритма в лобных и височных долях увеличивается, что свидетельствует о расслаблении человека при прослушивании спокойных, мажорных, классических композиций.
Литература
1. Федотчев А. И., Радченко Г. С. Музыкальная терапия и музыка мозга: состояние, проблемы и перспективы исследований. Успехи физиол. наук. 2013. Т. 44 №4. С. 34-48.
2. Федотчев А.И. Возможности коррекции психофизиологического состояния человека с помощь музыкальных воздействий, управляемых биопотенциалами мозга пациента // Психическое здоровье. 2013. Т. 11. № 3. С. 51-55.
3. Федотчев А. И., Бондарь А. Т., Парин С. Б., Полевая С. А., Бахчина А. В., Радченко . С. Эффекты музыкально-акустических воздействий, управляемых ЭЭ осцилляторами субъекта. Рос.физиол. журн. им. И.М. Сеченова. 2015 .Т.101 №8. С. 970-977.
4. Радченко Г.С. Особенности показателей ЭЭГ и вегетативной регуляции при воздействии музыкальных фрагментов с разной тональной модуляцией: диссертация кандидата наук: 03.03.01/ Нижний Новгород, 2 017
5. Константинов К.В., № 2410025 «Способ нормализации психофизиологического состояния». Опубликовано: 27-01 -2011
6. Уразаева Ф.Х., Уразаев К.Ф., № 2306852 «Способ реабилитации эмоционально-аффективных нарушений человека». 0публиковано:29-09-2007
7. Воеводин Д. Н., № 2740255 «Создание методики музыкотерапии». Опубликовано: 11-01-2021
8. Wang T., Tang J., Wang C., Yang D., Li J., Kong W., Xi X. Effect of music stimuli on corticomuscular coupling and the brain functional connectivity network// Biomedical Signal Processing and Control. 2023. 79. No 104264.
9. Wang X., Lu H., He Y., Sun K., Feng T., Zhu X. Listening to 15 Hz Binaural Beats Enhances the Connectivity of Functional Brain Networks in the Mental Fatigue State—An EEG Study// Brain Sciences. 2022. 12 (9). No 1161.
10. Tervamemi M., Pousi S., Seppala M., Makkonen T. Brain oscillation recordings of the audience in a live concert-like setting// Cognitive Processing. 2022. 23 (2). pp. 329-337.
11. Mahmood D., Nisar H., Yap V.V., Tsai C.-Y. The Effect of Music Listening on EEG Functional Connectivity of Brain: A Short-Duration and Long-Duration Study// Mathematics.
2022. 10 (3). No 349.
12. Тверская С. Ю. Влияние музыки на мозг человека // Тинчуринские чтения - 2023 "Энергетика и цифровая трансформация": Материалы Международной молодежной научной конференции. Казань: Казанский государственный энергетический университет,
2023. - С. 544-547
13. Тверская С. Ю., Тычков А. Ю., Алимурадов А. К. Способ адаптивной коррекции эмоционального состояния посредством музыкального воздействия // Биомедицинская радиоэлектроника. - 2023. - Т. 2 6, № 2. - С. 44-49
14. Тычков А.Ю. Способы и системы определения сигнальных маркеров психогенных психических расстройств: диссертация доктора технических наук: 0 .11.17 / Тычков Александр Юрьевич. Пенза. 2 019.
15. Krigolson, Olav & Williams, Chad & Norton, Angela & Hassall, Cameron & Colino, Francisco. (2017). Choosing MUSE: Validation of a low-cost, portable EEG system for ERP research. Frontiers in Neuroscience. 11. 10.3389/fnins.2017.00109.
Авторы публикации
Тверская Софья Юрьевна - ассистент ФГБОУ ВО Пензенский государственный университет, г. Пенза, Россия.
Тычков Александр Юрьевич - д-р техн. наук, заведующий кафедрой Радиотехники и радиоэлектронных систем, ФГБОУ ВО Пензенский государственный университет, г. Пенза, Россия. E-mail: [email protected]
Хизбуллин Роберт Накибович - д-р. техн. наук, доцент, профессор кафедры «Электротехнические комплексы и системы», ФГБОУ ВО «Казанский государственный энергетический университет» ORCID: https://orcid.org/0000-0002-6239-9681 Email: [email protected]
References
1. Fedotchev A. I., Radchenko G. S. Music therapy and brain music: state, problems and prospects of research. Uspekhi physiol. nauki. 2013. Т. 44 №4. С. 34-48.
2. Fedotchev A.I. Possibilities of human psychophysiological state correction with the help of musical influences controlled by the patient's brain biopotentials // Mental Health. 2013. Т. 11. № 3. С. 51-55.
3. Fedotchev A. I., Bondar A. T., Parin S. B., Polevaya S. A., Bakhchina A. V., Radchenko G. S. Effects of musical and acoustic influences controlled by EEG oscillators of the subject. Ros.physiol. zhurn. named after I.M. Sechenov. 2015. Т.101 №8. С. 970-977.
4. Radchenko G.S. Features of EEG parameters and vegetative regulation under the influence of musical fragments with different tonal modulation: thesis of candidate of sciences: 03.03.01/ Nizhny Novgorod, 2017
5. Konstantinov K.V., No. 2410025 "Method of normalization of psychophy siological state". Published: 27-01-2011
6. Urazaeva F.H., Urazaev K.F., No. 2306852 "Method of rehabilitation of human emotional-affective disorders". Опубликовано:29 -09-2007
7. Voevodin D. N., No. 2740255 "Creation of a method of music therapy". Опубликовано :11 -01-2021
8. Wang T., Tang J., Wang C., Yang D., Li J., Kong W., Xi X. Effect of music stimuli on corticomuscular coupling and the brain functional connectivity network// Biomedical Signal Processing and Control. 2023. 79. No 104264.
9. Wang X., Lu H., He Y., Sun K., Feng T., Zhu X. Listening to 15 Hz Binaural Beats Enhances the Connectivity of Functional Brain Networks in the Mental Fatigue State-An EEG Study// Brain Sciences. 2022. 12 (9). No 1161.
10. Tervaniemi M., Pousi S., Seppala M., Makkonen T. Brain o scillation recordings of the audience in a live concert-like setting// Cognitive Processing. 2022. 23 (2). pp. 329-337.
11. Mahmood D., Nisar H., Yap V.V., Tsai C.-Y. The Effect of Music Listening on EEG Functional Connectivity of Brain: A Short-Duration and Long-Duration Study// Mathematics. 2022. 10 (3). No 349.
12. Tverskaya S. Y. Influence of music on the human brain // Tinchurin Readings -2023 "Energy and Digital Transformation": Proce e dings of the Inte rnational Youth S cientific Conference. Kazan: Kazan State Power Engineering University, 2023. - С. 544-547
13. Tverskaya S. Yu. Yu, Tychkov A. Yu, Alimuradov A. K. Method of adaptive correction of the emotional state by means of musical influence // Biomedical Radioelectronics. - 2023. - Т. 26, № 2. - С. 44-49
14. Tychkov A.Yu. Methods and systems for determining the signaling markers of psychogenic mental disorders: dissertation of Doctor of Technical Sciences: 05.11.17 / Tychkov Alexander Yuryevich. Penza. 2019.
15. Krigolson, Olav & Williams, Chad & Norton, Angela & Hassall, Cameron & Colino, Francisco. (2017). Choosing MUSE: Validation of a low-cost, portable EEG system for ERP research. Frontiers in Neuroscience. 11. 10.3389/fnins.2017.00109.
Authors of the publication
Sofya YU. Tverskaya - Penza State University, Penza, Russia.
Alexander Y. Tychkov - Penza State University, Penza, Russia. E-mail: [email protected]
Robert N. Khizbullin - Kazan State Power Engineering University, Kazan, Russia ORCID: https://orcid.org/0000-0002-6239-9681 Email: [email protected]
Шифр научной специальности: 2.2.14 Приборы, системы и изделия медицинского назначения
Получено 29.02.2024 г.
Отредактировано 13.03.2024 г.
Принято 20.04.2024 г.
