Description

(подробнее см. прилагаемый файл Заявка2-2.docx
В современном мире развитие технологической сферы ускоряется с каждым днем, что заставляет каждого человека учиться и адаптироваться к ней на протяжении всей жизни. Особое место занимает задача интеграции в общество людей с ограниченными возможностями и предоставления им возможностей для взаимодействия с технологиями. Мозг человека генерирует различные ритмы, при решении разного рода задач. Его состояния можно различать, используя биомаркеры, в качестве которых могут выступать те или иные характеристики ритмов головного мозга. Например, сенсомоторный ритм (мю-ритм), локализованный над моторной корой, тесно связан с двигательной активностью человека. Подавление мю-ритма происходит, когда человек выполняет какое-либо движение или, после определённой тренировки, когда он представляет выполнение движений. Сенсомоторный ритм хорошо выражен у спортсменов, однако у обычных людей его можно зарегистрировать не всегда. Существует также бета-ритм, который регистрируется в области передних и центральных извилин и распространяется на задние центральные и лобные извилины. Бета-волны в норме связаны с высшими когнитивными процессами и фокусированием внимания, в обычном бодрствующем состоянии, когда человек с открытыми глазами наблюдает за происходящими событиями, или сосредоточен на решении каких-либо текущих проблем. Бета-ритм связан с соматическими, сенсорными и двигательными корковыми механизмами и даёт реакцию угасания на двигательную активацию или тактильную симуляцию. При выполнении или даже умственном представлении движения бета-ритм исчезает в зоне соответствующей активности. Наличие этих ритмов у человека имеет место даже при отсутствии каких-либо конечностей, предоставляя возможность их использования для разработки различных протезов, для управления инвалидным креслом и т.д.

Ритмы головного мозга можно регистрировать с помощью простого и широко распространенного метода - электроэнцефалографии (ЭЭГ). ЭЭГ - один из ключевых неинвазивных методов исследования головного мозга, который характеризуется высоким временным разрешением, но достаточно низкой пространственной разрешающей способностью, особенно в сравнении с МРТ, фБИКС или инвазивными электродными методами. Одно из возможных решений низкого пространственного разрешения основано на взаимодополняющих преимуществах методов, обеспечивающих доступ к различным аспектам нейронной, метаболической и гемодинамической активности. Сегодня одними из наиболее перспективных и взаимодополняющих подходов к исследованию активности головного мозга является сочетание неинвазивных методов нейровизуализации, таких как электроэнцефалография и функциональная спектроскопия ближнего инфракрасного диапазона (фБИКС).
ЭЭГ позволяет исследовать закономерности суммарной электрической активности мозга, отводимой с поверхности кожи головы, в то время как фБИКС обеспечивает надежные и высокоточные измерения локализованных гемодинамических реакций на поверхности коры головного мозга.
Принцип действия фБИКС основан на дифференциальных оптических свойствах гемоглобиновых состояний в ближней инфракрасной области спектра; фБИКС может определять изменения локальной концентрации окси- и дезоксигемоглобина.
Кроме того, феномен нейроваскулярного связывания позволяет интерпретировать изменения концентрации окси- и дезоксигемоглобина с точки зрения нервной активности.
Следует отметить, что ЭЭГ и фБИКС часто используются для реализации парадигмы нейрообратной связи – технологии, позволяющей человеку регулировать параметры своего головного мозга для решения разного рода задач. В частности, мю и бета ритмы часто используются в нейрообратной связи для распознавания движений или представления движений человеком. Для улучшения результатов работы нейрообратной связи предлагается выделить биомаркеры, классифицирующие движения человека, с помощью использования современных методов искусственного интеллекта. Использование методов искусственного интеллекта требует большую базу данных с записями электроэнцефалограмм. Для составления такой базы данных представляется интересным использовать математические модели нейрональной активности для генерации сигналов, аналогичных ЭЭГ. Разработка таких моделей также является актуальной задачей.

Key findings for the project

В настоящее время выполняется первый этап проекта. Основные результаты по проекту в целом совпадают с основными результатами по этапу (см. ниже).

Key findings for the stage (in detail)

__ За отчетный период решены следующие задачи: проведены совместные семинары и совещания с исполнителями по пяти направлениям (темам) с целью обсуждения постановок задач для совместной работы и выработки новых, междисциплинарных подходов к их решению. Выполнены исследования по распознаванию нейрофизиологических сигналов человеческого мозга, связанных с подготовкой и выполнением самоинициированных произвольных движений, а также движений в ответ на предъявление целевого стимула. Построена база данных ПСС в группе больных шизофренией и в группе здоровых испытуемых. С помощью кластерного анализа выделены пространственно-временные кластеры, в которых ПСС больных шизофрений статистически значимо отличаются от ПСС здоровых испытуемых. Эти данные послужат основой для последующего использования ИИ для диагностики нарушений когнитивного контроля и в прогностике методов нейромодуляции для коррекции этих нарушений. Разработан дизайн нейрофизиологического эксперимента на основе теста Штернберга, направленного на анализ активности головного мозга в условиях длительной когнитивной нагрузки. Исследованы синхронизация и десинхронизация в сетях из макроскопических нейромассовых моделей. Совместно научными группами матмеха и биофака СПбГУ поставлена задача классификации вызванных потенциалов (ВП) при самоинициированном произвольном движении и ВП при движениях в ответ на стимул. Для решения поставленной задачи будет использоваться база данных ЭЭГ человека, подготовленная биофаком СПбГУ. Также поставлена задача классификации сигналов ЭЭГ здоровых людей и людей, которым был поставлен диагноз шизофрении, обсессивно-компульсивного расстройства или синдрома дефицита внимания и гиперактивности. Задача поставлена совместно научными группами матмеха СПбГУ и ИМЧ РАН и для ее решения будет использоваться база данных электроэнцефалограмм человека, подготовленная ИМЧ РАН. Разработан адаптивный алгоритм настройки силы связи в гетерогенных сетях моделей биологических нейронов Хиндмарша-Роуза. Получены условия синхронизации узлов в исследуемой сети. Систематизированы основные результаты, связанные с устойчивостью и отказоустойчивостью адаптивных систем и обучением неизвестным параметрам.

Key findings for the stage (summarized)

Поставлены основные задачи и проведен ряд совместных семинаров рабочих групп, где обсуждались вопросы взаимодействия групп при проведении исследований. Полученные в 2021 году результаты закладывают фундамент для дальнейших работ по проекту.

Academic ownership of participants (text description)

Все участники внесли равный вклад в работу по проекту (по 10%).

Transfer of the full copy of the report to third parties for non-commercial use: permitted/not permitted

не разрешается

Check of the report for improper borrowing in external sources (plagiarism): permitted/not permitted

не разрешается

Rationale of the interdisciplinary approach

Проект посвящен разработке обучаемых математических моделей нейронной активности мозга человека и их применению для поиска биомаркеров состояний мозга человека с помощью методов искусственного интеллекта и экспериментальных исследований. Область проекта лежит на стыке математики, компьютерных наук и нейробиологических наук.

Rationale of the intersectoral approach

Проект направлен на разработку обучаемых математических моделей нейронной активности мозга человека и поиск биомаркеров различных состояний мозга человека на основе разработанных моделей с помощью методов искусственного интеллекта. Найденные биомаркеры могут применяться для разработки нейроинтерфейсов и реализации парадигмы нейрообратной связи для обучения испытуемых регулированию ритмов головного мозга для решения разного рода задач, например, задач когнитивной психологии, задач управления инвалидными колясками, мобильными робототехническими системами и т.п.
Short titleGZ-2021
AcronymM1_2021 - 1
StatusFinished
Effective start/end date24/08/2131/12/21

ID: 84912397