УВЕЛИЧЕНИЕ  ПРОСТРАНСТВЕННОГО  РАЗРЕШЕНИЯ  ЭЛЕКТРОЭНЦЕФАЛОГРАФИИ  ПРИ  ИСПОЛЬЗОВАНИИ  ОБРАБОТКИ  НА  ОСНОВЕ  МЕТОДА  СТРУКТУРНО-ЛИНГВИСТИЧЕСКОГО  АНАЛИЗА  СИГНАЛОВ

Артемов  Станислав  Игоревич

аспирант,  кафедра  биотехнических  систем,  «Санкт-Петербургский  государственный  электротехнический  университет  “ЛЭТИ”  им.  В.И.  Ульянова  (Ленина)»,  РФ,  г.  Санкт-Петербург

E -mail:  thethingzero@mail.ru

THE  INCREASE  IN  SPATIAL  RESOLUTION  OF  ELECTROENCEPHALOGRAPHY  USING  PROCESSING  BASED  ON  THE  METHOD  OF  STRUCTURAL-LINGUISTIC  ANALYSIS  OF  SIGNALS

Artemov  Stanislav

post-graduate  Student,  Department  of  Biotechnical  Systems,

Saint-Petersburg  State  Electrotechnical  University  “LETI”  n.  a .  V.I.  Ulyanov  (Lenin),  Russia,  Saint-Petersburg

АННОТАЦИЯ

Целью  исследования  является  увеличение  пространственного  разрешения  электроэнцефалографии.  В  основе  представленного  метода  структурно-лингвистический  подход  к  обработке  сигналов.  Выполнена  проверка  распределения  структурного  состава  сигнала  электроэнцефалограммы  при  различном  разрешении  метода.  Полученные  результаты  доказывают  увеличение  разрешения  электроэнцефалографии  при  использовании  структурно-лингвистического  анализа  сигналов  и  не  противоречат  аддитивной  модели  электрофизиологических  сигналов  мозга.

ABSTRACT

The  aim  of  the  study  is  to  increase  the  spatial  resolution  of  electroencephalography.  In  the  basis  of  the  presented  method  structural-linguistic  approach  to  signal  processing.  Check  the  distribution  of  the  structural  composition  of  the  EEG  signal  at  different  the  resolution  of  the  method.  The  results  demonstrate  the  increase  in  resolution  electroencephalography  when  using  the  structural-linguistic  analysis  of  signals  and  are  consistent  with  an  additive  model  electrophysiological  signals  of  the  brain.

Ключевые  слова :  электрофизиология;  электроэнцефалография;  исследование  восприятия.

Keywords :  electrophysiology;  electroencephalography;  perception  survey.

Введение

Большинство  современных  разработок  в  области  интерфейсов  мозг-компьютер  основаны  на  обнаружении  электрофизиологических  реакций  мозга  на  предъявление  стимулов.  При  обнаружении  реакций  мозга  в  электрофизиологическом  сигнале  используется  метод  вызванных  потенциалов  и  электроэнцефалография(ЭЭГ)  [3,  с.  1],  [4,  с.  1],  [7,  с.  1],  [9,  с.  1],  [8,  с.  1]. 

Одним  из  существенных  ограничений  электроэнцефалографии  является  низкое  пространственное  разрешение  [10,  с.  1].  Проблема  низкого  пространственного  разрешения  метода  анализа  сигнала  ЭЭГ  на  основе  метода  вызванных  потенциалов  обусловлена  аддитивностью  электрофизиологических  сигналов  областей  мозга  и  «спонтанной  активностью».  В  соответствии  с  известной  из  литературы  аддитивной  моделью  [11,  с.  83],  сигнал,  регистрируемый  отведением  электроэнцефалографа,  может  быть  представлен  взвешенной  суммой  сигналов  областей  мозга.  Весовые  коэффициенты  определяются  расстоянием  областей  мозга  от  места  крепления  отведения  электроэнцефалографа.  Различные  области  мозга  постоянно  производят  сигнал,  известный  как  «спонтанная  активность».  Спонтанная  активность  и  аддитивность  сигнала,  регистрируемого  отведением  электроэнцефалографа,  являются  причиной  присутствия  в  сигнале  отведения  электроэнцефалографа  сигналов  от  множества  областей  мозга.  Этим  обусловлены  низкая  пространственная  локализация  и  низкое  пространственное  разрешение  методов  электроэнцефалографии  и  вызванных  потенциалов.

Цель

В  настоящем  исследовании  предпринята  попытка  увеличения  пространственного  разрешения  электроэнцефалографии  использованием  обработки  данных  электроэнцефалографии  на  основе  метода  структурно-лингвистического  анализа  сигналов  (СЛАС).

Рабочая  гипотеза

В  качестве  рабочей  гипотезы  принята  возможность  выделения  паттернов,  генерируемых  областью  мозга,  интересующей  исследователя.  Эта  возможность  обеспечивается  выделением  паттернов  методом  структурно-лингвистического  анализа  сигналов  [2,  с.  50]  с  использованием  инструментального  средства  [6,  с.  1].  Так  как  методом  СЛАС  используются  экстремумы  сигнала,  для  пространственной  локализации  достаточно  ввести  нижнее  ограничение  на  модуль  амплитуды  выделяемых  экстремумов.  Тогда,  в  соответствии  с  приведенной  выше  аддитивной  моделью,  будут  выделены  экстремумы,  производимые  областями  мозга,  ближайшими  к  отведению  электроэнцефалографа.

Методика

Пример  использования  метода  СЛАС  для  обнаружения  восприятия  стимулов  и  полученные  результаты  приведены  в  источнике  [1,  с.  48]. 

В  качестве  испытуемых  служили  мужчины  и  женщины  в  возрасте  от  28  до  50  лет,  без  заболеваний  на  момент  исследования.  Испытуемым  предъявлялись  последовательности  статичных  изображений.  Данные  ЭЭГ  испытуемого  регистрировались  при  помощи  стандартного  ЭЭГ  с  частотой  дискретизации  500  Гц  и  подключением  отведений  по  системе  10—20.  В  одно  из  отведений  ЭЭГ  поступали  метки  события  смены  предъявляемого  испытуемому  стимула.

В  результате  эксперимента  получены  данные  ЭЭГ  8  испытуемых.

Полученные  данные  ЭЭГ  обработаны  методом  СЛАС.  Обработка  проводилась  в  скользящем  окне  размером  500  отсчетов  и  коэффициентом  перекрытия  0,8.  При  частоте  дискретизации  500  Гц  такое  окно  достоверно  включает  в  себя  область  неосознанной  реакции  мозга,  длительность  которой  известна  из  литературы  (300  мс  по  данным  [4]).

В  настоящем  исследовании  обработка  на  основе  метода  СЛАС  включала  только  выделение  экстремумов  сигнала  ЭЭГ.  Из  них  выбирались  только  те,  для  которых  модуль  разности  амплитуды  и  средней  амплитуды  превышал  задаваемый  нижний  порог,  умноженный  на  вычисляемое  в  каждом  текущем  окне  стандартное  отклонение.  Порог  позволяет  выделить  экстремумы,  производимые  областями  мозга,  ближайшими  к  отведению  электроэнцефалографа.

Выделение  множеств  экстремумов  производилось  при  значениях  порога  1,0,  2,0  и  3,0.

Результаты

В  качестве  результатов  обработки  представлена  динамика  количества  экстремумов  при  различных  значениях  порога.  Графики  для  1  испытуемого  приведены  на  рисунках  Рисунок  1,  Рисунок  2  и  Рисунок  3.

График  динамики  во  времени  отношений  количества  экстремумов  при  значениях  порога  1,0  и  2,0  для  1  испытуемого  приведен  на  рисунке  Рисунок  4.  Для  других  испытуемых  графики  имеют  аналогичный  вид.

Рисунок  1.  Динамика  количества  экстремумов  при  значении  порога  1,0

Рисунок  2.  Динамика  количества  экстремумов  при  значении  порога  2,0

Рисунок  3.  Динамика  количества  экстремумов  при  значении  порога  3,0

Рисунок  4.  Динамики  отношений  количества  экстремумов  при  значениях  порога  1,0  и  2,0

Среднее  отношение  количества  экстремумов  при  значениях  порога  1,0  и  2,0  по  495  окнам  и  8  испытуемым  равно  7,569. 

Теоретически  области  мозга,  производящие  электрофизиологические  реакции,  распознаваемые  как  экстремумы,  располагаются  относительно  отведения  электроэнцефалографа  внутри  сферы  с  некоторым  радиусом.  В  соответствии  с  аддитивной  моделью  сигналы  областей  мозга  затухают  под  влиянием  расстояния  и  суммируются.  Поэтому  радиус  сферы  зависит  от  порога  обнаружения  экстремума.  Затухание  сигнала  пропорционально  квадрату  расстояния,  радиус  сферы  обратно  пропорционален  квадратному  корню  порога.  Мощность  множества  обнаруживаемых  экстремумов  пропорциональна  объему  сферы,  то  есть  третьей  степени  радиуса  сферы.  Радиус  сферы  обратно  пропорционален  квадратному  корню  порога.  Тогда  при  значениях  порога  1,0  и  2,0  отношение  мощностей  множеств  экстремумов  должно  составлять  2,828. 

Выводы

Полученное  значение  7,569  может  быть  объяснено  тем,  что  затухание  сигнала  пропорционально  расстоянию  в  степени  меньшей,  чем  2,0,  благодаря  активной  ретрансляции  сигналов  удаленных  областей  мозга  ближайшими  областями  мозга.  Это  не  противоречит  известным  из  литературы  принципам  распространения  сигналов  в  мозге  [5,  с.  108].  Экспериментально  полученное  значение  степени  равно  1,028.

Сравнение  динамики  количества  экстремумов,  выделяемых  при  использовании  различных  значений  порога,  показывает  уменьшение  влияния  сигналов  удаленных  областей  мозга  на  результат  выделения  экстремумов  сигнала  при  увеличении  порога.  При  использовании  порога  обработке  подвергаются  экстремумы  сигналов,  производимые  областями  мозга,  ближайшими  к  отведению  электроэнцефалографа.  Так  увеличивается  пространственная  локализация  областей  мозга,  производящих  сигналы,  и  пространственное  разрешение  электроэнцефалографии.  При  этом  открываются  перспективы  для  исследований  в  области  разработки  интерфейсов  мозг-компьютер.  Решение  проблемы  пространственного  разрешения  ЭЭГ  обработкой  методом  СЛАС  позволяет  использовать  ЭЭГ  с  обработкой  методом  СЛАС  в  качестве  альтернативы  таким  сложным  методам,  как  MRI  и  fMRI  и  PET.

Список  литературы:

1.Артемов  С.И.  «Обнаружение  восприятия  стимулов  на  основе  динамики  распределения  параметров  структурного  состава  сигнала  электроэнцефалограммы  по  отведениям,  определяемой  методом  структурно-лингвистического  анализа  сигналов»  /  «Естественные  и  математические  науки  в  современном  мире»  №  3  (27)  Новосибирск,  2015  —  с.  48—57.

2.Артемов  С.И.,  Дюк  В.А.,  Попова  Е.А.,  Сенкевич  Ю.И.  «Поиск  устойчивых  паттернов  в  электроэнцефалограмме  человека  в  ответ  на  предъявление  ему  коротких  подпороговых  визуальных  стимулов»  —  Биотехносфера  —  №  1,  —  2013.  —  стр.  50—54.

3.Ганин  И.П.,  Шишкин  С.Л.,  Кочетова  А.Г.,  А.Я.  Каплан  "ИНТЕРФЕЙС  МОЗГ  КОМПЬЮТЕР  “НА  ВОЛНЕ  P300”:  ИССЛЕДОВАНИЕ  ЭФФЕКТА  НОМЕРА  СТИМУЛОВ  В  ПОСЛЕДОВАТЕЛЬНОСТИ  ИХ  ПРЕДЪЯВЛЕНИЯ"  \\  [Электронный  ресурс]  —  Режим  доступа.  —  URL:  http://brain.bio.msu.ru/papers/Ganin_Shishkin_Kochetova_Kaplan_2012_FizChel_P300_BCI_Effect_of_Stimulus_Position_in_a%20Stimulus_Train.pdf  (дата  обращения:  25.10.2014).

4.Каплан  А.Я.,  Кочетова  А.Г.,  Шишкин  С.Л.,  Басюл  И.А.,  Ганин  И.П.,  Васильев  А.Н.,  Либуркина  С.П.1  Экспериментально-теоретические  основания  и  практические  реализации  технологии  «интерфейс  мозг  –  компьютер»  //  [Электронный  ресурс]  —  Режим  доступа.  —  URL:  http://brain.bio.msu.ru/papers/  (дата  обращения:  22.09.2013).

5.Линдсей  П.  Норман  Д.  «Переработка  информации  у  человека»  М.:  «Мир»,  1974,  —  555  с.

6.Сенкевич  Ю.И.,  Юлдашев  З.М.,  Артемов  С.И.  Свидетельство  о  государственной  регистрации  программ  для  ЭВМ  №  2013613966  («Программа  отображения  динамики  показателей  функционального  состояния  биообъекта  по  данным  измерения  электрофизиологических  сигналов  (версия  1.0))  М.:  РОСПАТЕНТ  ФГУ  ФИПС,  2013.  —  стр.  1.

7.Ciniburk  Jindˇrich  "Suitability  of  Huang  Hilbert  Transformation  for  ERP  detection"  1.  -  3.  October  2008,  Izola,  Slovenia\\  [Электронный  ресурс]  —  Режим  доступа.  —  URL:  http://dsc.ijs.si/files/papers/S104%20Ciniburk.pdf  (дата  обращения:  25.10.2014).

8.Gerson  Adam,  Parra  Lucas,  Sajda  Paul  "Single-trial  analysis  of  EEG  for  Enabling  Cognitive  User  Interfaces"  \\  [Электронный  ресурс]  —  Режим  доступа.  —  URL:  http://bme.ccny.cuny.edu/faculty/lparra/publish/NEChapter2006.pdf  (дата  обращения:  31.01.2015).

9.Huang  Yonghong  a,  Erdogmus  Deniz,  Hild  Kenneth,  Pavel  Misha,  Mathan  Santosh  "Mixed  Effects  Models  for  Single-Trial  ERP  Detection  in  Noninvasive  Brain  Computer  Interface  Design"  E-Book  Preprint  Bentham  Science  Publishers  October  20,  2009  \\[Электронный  ресурс]  —  Режим  доступа.  —  URL:  http://www.ohsu.edu/xd/research/centers-institutes/institute-on-development-and-disability/reknew/research/upload/Mixed-Effects-Models-for-Single-Trial-ERP-Detection.pdf  (дата  обращения:  25.10.2014).

10.Karakaş  H.M.,  Karakaş  S.,  Özkan  Ceylan  A.,  Tali  E.T."Recording  event-related  activity  under  hostile  magnetic  resonance  environment:  Is  multimodal  EEG/ERP-MRI  recording  possible?"  //[Электронный  ресурс]  —  Режим  доступа.  —  URL:  http://sirelkarakas.azurewebsites.net/Uploads/Documents/  c849d527e2584ee5b80bb1a2af46937f.pdf  (дата  обращения:  2.04.2015).

11.Saeid  Sanei  and  J.A.  Chambers"EEG  SIGNAL  PROCESSING"  John  Wiley  &  Sons  Ltd,  The  Atrium,  Southern  Gate,  Chichester,  2007\\  [Электронный  ресурс]  —  Режим  доступа.  —  URL:  http://classes.engineering.wustl.edu/ese497/images/2/20/EEG_Book.pdf  (дата  обращения:  2.04.2015).