Интерфейс «мозг-компьютер»: современный этап развития и перспективы

Интерфейс «мозг-компьютер»: современный этап развития и перспективы

Автор: Долецкий А.Н., Гузенко Д.С.

Журнал: Волгоградский научно-медицинский журнал @bulletin-volgmed

Рубрика: Обзорные статьи

Статья в выпуске: 2 (54), 2017 года.

Бесплатный доступ

В работе приведена общая структура интерфейсов мозг-компьютер, основанных на распознавании типов движений, мысленно представляемых испытуемым. Представлен обзор основных методов, используемых на каждой из стадий обработки сигнала ЭЭГ. Показано, что, несмотря на наличие широкого спектра подходов к количественному анализу ЭЭГ в приложениях ИМК, они не обеспечивают требуемой точности классификации, необходимой для создания систем, удобных для использования в повседневной жизни. Рассмотрены перспективы повышения эффективности методов.

Интерфейс мозг-компьютер, ээг

Короткий адрес: https://sciup.org/142149220

IDR: 142149220

Список литературы Интерфейс «мозг-компьютер»: современный этап развития и перспективы

  • Антипов, О. И. Показатель Херста биоэлектрических сигналов/О. И. Антипов, М. Ю. Нагорная//Инфокоммуникационные технологии. -2011. -№ 1. -С. 75-77.
  • Бусыгин, А. Е. Проблематика применения интерфейса «мозг-компьютер»/А. Е. Бусыгин, А. Н. Долецкий//Материалы XXII съезда физиологического общества имени И. П. Павлова. -2013. -С. 85.
  • Владимирский, Б. М. Пути создания интерфейса «Мозг-компьютер» для людей/Б. М. Владимирский, В. Н. Кирой, А. А. Скоморохов//Известия Южного федерального университета. Технические науки. -2008. -№ 6. -С. 210-212.
  • Выявление индивидуальных особенностей произвольной моторной активности человека при управлении манипулятором по интерфейсу мозг-компьютер/Я. А. Туровский //Вестник Тамбовского государственного технического университета. -2013. -Т. 19, № 3. -С. 537-543.
  • Голуб, В. А. Выявление патологических паттернов ЭЭГ с помощью вейвлет-преобразования/B. А. Голуб, И. Н. Козлова, Н. П. Сереженко//Вестник ВГУ, Серия Системный анализ и информационные технологии. -2007. -№ 2. -С. 61-64.
  • Гончаров, С. М. Идентификация пользователей на основе электроэнцефалографии с использованием технологий «Интерфейс мозг-компьютер»/C. М. Гончаров, М. С. Вишняков//Доклады Томского государственного университета систем управления и радиоэлектроники. -2012. -№ 1-2. -С. 166-170.
  • Интерфейс Мозг-Компьютер: первый опыт клинического применения в России/О. А. Мокиенко //Физиология человека. -2016. -Т. 42, № 1. -С. 31-39.
  • Кирой В. Н. Интерфейс мозг -компьютер (история, современное состояние, перспективы)/В. Н. Кирой. -Ростов н/Д: ЮФУ, 2011. -240 с.
  • Классификация электроэнцефалографических паттернов воображаемых движений пальцами руки для разработки интерфейса мозг-компьютер/Л. А. Станкевич //Труды СПИИРАН. -2015. -Т. 3, № 40. -С. 163-182.
  • Левицкая, О. С. Интерфейс мозг-компьютер: будущее в настоящем/О. С. Левицкая, М. А. Лебедев//Вестник РГМУ. -2016. -Т. 2. -С. 4-16.
  • Мокиенко, О. А. Интерфейс мозг-компьютер как новая технология нейрореабилитации/О. А. Мокиенко, Л. А. Черникова, А. А. Фролов//Анналы клинической и экспериментальной неврологии. -2011. -№ 3. -С. 46-52.
  • На пути к высокоскоростным интерфейсам глаз-мозг-компьютер: сочетание «одностимульной» парадигмы и перевода взгляда/С. Л. Шишкин //Вестник Московского университета. Серия 14 Психология. -2013. -№ 4. -С. 4-19.
  • Основанный на воображении движения интерфейс мозг -компьютер в реабилитации пациентов с гемипарезом/О. А. Мокиенко //Бюллетень сибирской медицины. -2013. -Т. 12, № 2. -С. 30-35.
  • Павлов, А. Н. Мультифрактальный анализ сигналов на основе вейвлет-преобразования/А. Н. Павлов, В. С. Анищенко//Известия Саратовского университета. Новая серия. Серия: Физика. -2007. -Т. 7, № 1. -С. 3-25.
  • Применение комплекса «интерфейс «мозг-компьютер» и экзоскелет» и техники воображения движения для реабилитации после инсульта/С. В. Котов //Альманах Клинической Медицины. -2015. -№ 39. -С. 15-21.
  • Сотников П. И. Выбор оптимальных частотных диапазонов сигнала электроэнцефалограммы в интерфейсе мозг-компьютер/П. И. Сотников//Наука и образование. -2015. -№ 6. -С. 217-234.
  • Сотников П. И. Выделение характерных признаков сигнала электроэнцефалограммы с помощью анализа энтропии/П. И. Сотников//Наука и образование. -2014. -№ 11. -С. 555-570.
  • Сотников П. И. Обзор методов обработки сигнала электроэнцефалограммы в интерфейсах мозг -компьютер/П. И. Сотников//Инженерный вестник. -2014. -№ 10. -С. 612-632.
  • Технологии «интерфейс мозг-компьютер» и нейробиоуправление: современное состояние, проблемы и возможности клинического применения (обзор)/А. И. Федотчев //Современные технологии в медицине. -2017. -Т. 9, № 1. -С. 175-184.
  • Улучшение работы интерфейса глаз-мозг-компьютер при использовании частотных компонентов электроэнцефалограммы/С. Л. Шишкин //Вестник РГМУ. -2016. -№ 2. -С. 39-44.
  • Экспериментально-теоретические основания и практические реализации технологии «Интерфейс мозг -компьютер»/А. Я. Каплан //Бюллетень сибирской медицины. -2013. -Т. 12, № 2. -С. 21-29.
  • Электрографические корреляты реальных и мысленных движений: спектральный анализ/В. Н. Кирой //Журнал высшей нервной деятельности им. И. П. Павлова. -2010. -Т. 60, № 5. -С. 525-533.
  • A brain controlled wheelchair to navigate in familiar environments/B. Rebsamen //IEEE Trans. Neural Syst. Rehabil. Eng. -2010. -Vol. 18, № 6. -P. 590-598.
  • A Generalizable Brain-Computer Interface (BCI) Using Machine Learning for Feature Discovery/E. S. Nurse //PLoS One. -2015. -Vol. 10, № 6. -P. 1-22.
  • A review of classification algorithms for EEG-based brain-computer interfaces/F. Lot //J. Neural Eng. -2007. -Vol. 4, № 2. -P. 1-13.
  • A survey of signal processing algorithms in brain-computer interfaces based on electrical brain signals/Bashasha, A. //J. Neural Eng. -2007. -Vol. 4, № 2. -P. 32-57.
  • A systematic review of hybrid brain-computer interfaces: Taxonomy and usability perspectives/I. Choi //PLoS One. -2017. -Vol. 12, № 4. -P. e0176674.
  • Aberg, M. C. J. Evolutionary optimization of classifiers and features for single-trial EEG Discrimination/M. C. Aberg, J. Wessberg//Biomed. Eng. Online. -BioMed Central. -2007. -Vol. 6, № 32. -P. 1-8.
  • Assessing motor imagery in brain-computer interface training: Psychological and neurophysiological correlates/A. Vasilyev //Neuropsychologia. -2017. -Vol. 97. -P. 56-65.
  • Bamdad, M. Application of BCI systems in neurorehabilitation: a scoping review/M. Bamdad, H. Zarshenas, M. A. Auais//Disabil. Rehabil. Assist. Technol. -2015. -Vol. 10, № 5. -P. 355-364.
  • Boostani, R. A new approach in the BCI research based on fractal dimension as feature and Ada-boost as classifier/R. Boostani, M. H. Moradi//J. Neural Eng. -2004. -Vol. 1, № 4. -P. 212-217.
  • Clinical application of an EEG-based brain-computer interface: a case study in a patient with severe motor impairment/C. Neuper //Clin. Neurophysiol. -2003. -Vol. 114, № 3. -P. 399-409.
  • Cognitive Load measurement -A comparative study using Low cost Commercial EEG devices/R. Das //3rd Internaltional Conf. Adv. CompuVol. Commun. Informatics. -2014. -P. 1188-1194.
  • Durka P. J. From wavelet to adaptive approximations: time-frequency parametrization of EEG/P. J. Durka//Biomed. Eng. Online. -2003. -Vol. 2. -P. 30.
  • EEGLAB, SIFVol. NFVol. BCILAB, and ERICA: new tools for advanced EEG processing/A. Delorme //Computational intelligence and neuroscience. -2011. -Vol. 2011. -P. 130714.
  • Enhanced inter-subject brain computer interface with associative sensorimotor oscillations/S. Saha //Healthc. Technol. Lett. -2017. -Vol. 4, № 1. -P. 39-43.
  • Exploiting Prior Neurophysiological Knowledge to Improve Brain Computer Interface Performance/A. Ewald //17th International Conference on Biomagnetism Advances in Biomagnetism -Biomag 2010. -Berlin: Heidelberg. -2010. -P. 370-373.
  • Feature Selection and Blind Source Separation in an EEG-Based Brain-Computer Interface/D. A. Peterson //EURASIP J. Adv. Signal Process. -2005. -Vol. 2005, № 19. -P. 3128-3140.
  • Hammond D. C. The need for individualization in neurofeedback: heterogeneity in QEEG patterns associated with diagnoses and symptoms/D. C. Hammond//Appl. Psychophysiol. Biofeedback. -2010. -Vol. 35, № 1. -P. 31-36.
  • How many people are able to operate an EEG-based brain-computer interface (BCI)?/C. Guger //IEEE Trans. neural Syst. Rehabil. Eng. -2003. -Vol. 11, № 2. -P. 145-147.
  • Hsu W.-Y. Continuous EEG signal analysis for asynchronous BCI application/W.-Y. Hsu//Int. J. Neural SysVol. -2011. -Vol. 21, № 4. -P. 335-350.
  • Improved rejection of artifact from EEG data using high-order statistics and independent component analysis/A. Delorme //Neuroimage. -2007. -Vol. 34, № 2015. -P. 1443-1449.
  • Jeunet, C. Why standard brain-computer interface (BCI) training protocols should be changed: an experimental study/C. Jeunet, E. Jahanpour, F. Lotte//J. Neural Eng. -2016. -Vol. 13, № 3. -P. 36024.
  • Lotte, F. Flaws in current human training protocols for spontaneous Brain-Computer Interfaces: lessons learned from instructional design/F. Lotte, F. Larrue, C. Mühl//Front. Hum. Neurosci. -2013. -Vol. 7, № 568. -P. 1-11.
  • Machine-Learning-Based Coadaptive Calibration for Brain-Computer Interfaces/C. Vidaurre //Neural Comput. -2010. -Vol. 23, № 3. -P. 791-816.
  • McFarland, D. J. Brain-computer interface signal processing at the Wadswort Center: mu and sensorimotor beta rhythms/D. J. McFarland, D. J. Krusienski, J. R. Wolpaw//Event-Related Dyn. Brain Oscil./Ed. C. N. Klimesch and W. Elsevier. -2006. -№ 159. -P. 411-419.
  • Murguialday A. R. Afferent effect on brain computer interfaces: an experimental analysis/Murguialday A. R.//San Sebastian, 2011. -102 p.
  • Pfurtscheller G. The hybrid BCI/Pfurtschel-ler G.//Front. Neurosci. -2010. -Vol. 4, № 30.
  • Pires, G. Statistical spatial filtering for a P300-based BCI: tests in able-bodied, and patients with cerebral palsy and amyotrophic lateral sclerosis/G. Pires, U. Nunes, M. Castelo-Branco//J. Neurosci. Methods. -2011. -Vol. 195, № 2. -P. 270-281.
  • Probabilistic Common Spatial Patterns for Multichannel EEG Analysis/W. Wu //IEEE Trans. Pattern Anal. Mach. Intell. -2015. -Vol. 37, № 3. -P. 639-653.
  • Quantum neural network-based EEG filtering for a brain-computer interface/V. Gandhi //IEEE Trans. Neural Networks Learn. Syst. -2014. -Vol. 25, № 2. -P. 278-288.
  • Review of the BCI Competition IV/M. Tangermann //Front. Neurosci. -2012. -№ 6. -P. 55.
  • Rutten W. L. C. Selective Electrical Interfaces with the Nervous System/W. L. C. Rutten//Annu. Rev. Biomed. Eng. -2002. -Vol. 4, № 1. -P. 407-452.
  • Schwartz A. B. Cortical neural prosthetics/A. B. Schwartz//Annu. Rev. Neurosci. -2004. -Vol. 27, № 1. -P. 487-507.
  • Sensors and Decoding for Intracortical Brain Computer Interfaces/M. L. Homer //Annu. Rev. Biomed. Eng. -2013. -Vol. 15, № 1. -P. 383-405.
  • Sitaram, R. Hemodynamic brain-computer interfaces for communication and rehabilitation/R. Sitaram, A. Caria, N. Birbaumer//Neural Networks. -2009. -Vol. 22, № 9. -P. 1320-1328.
  • Thulasidas, M. Robust classification of EEG signal for brain-computer interface/M. Thulasidas, C. Guan, J. Wu//IEEE Trans. Neural Syst. Rehabil. Eng. -2006. -Vol. 14, № 1. -P. 24-29.
  • Toward a minimally invasive brain-computer interface using a single subdural channel: A visual speller study/D. Zhang //Neuroimage. -2013. -Vol. 71. -P. 30-41.
  • Toward emotion aware computing: an integrated approach using multichannel neurophysiological recordings and affective visual stimuli/C. A. Frantzidis //IEEE Trans. Inf. Technol. Biomed. -2010. -Vol. 14, № 3. -P. 589-597.
  • Yang, B. Adaptive subject-based feature extraction in brain-computer interfaces using wavelet packet best basis decomposition/B. Yang, G. Yan//Med. Eng. Phys. -2007. -Vol. 29, № 1. -P. 48-53.
  • Yang, R. Feature Extraction of Motor Imagery Eeg Based on Wavelet Transform and Higher-Order Statistics/R. Yang, A. Song, B. Xu//Int. J. Wavelets, Multiresolution Inf. Process. -2010. -Vol. 8, № 3. -P. 373-384.
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp