(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.