Мы используем cookie файлы.
Пользуясь сайтом, вы соглашаетесь с нашей Политикой конфиденциальности.

Приглашенный ученый Лебедев Михаил Альбертович США, Россия
Номер договора
14.641.31.0003
Период реализации проекта
2018-2020
18
Количество специалистов
8
научных публикаций
1
Объектов интеллектуальной собственности
Общая информация

Последнее десятилетие ознаменовано возросшим интересом к изучению возможности прямой коммуникации между головным мозгом и внешними устройствами. Эксперименты на животных показали, что, используя глубинные электроды, регистрирующие активность большого числа отдельных нейронов, можно создать управляемые мозгом устройства, воспроизводящие естественные моторные действия, такие как захват и перемещение предметов и хождение на двух ногах. Применение такой технологии к созданию интерфейсов на людях ограничено высокими рисками. Разумным компромиссом является использование субдуральных или эпидуральных сеток электродов, позволяющих с низкими рисками для здоровья пользователя существенно увеличить пропускную способность прямого коммуникационного канала с мозгом, а также посредством электростимуляции реализовывать соматосенсорную обратную связь. Ученые лаборатории разрабатывают  информационную технологию двунаправленных коммуникаций с использованием кортикографического интерфейса в сочетании с современными методами обработки многомерных данных и соматосенсорной обратной связью посредством электростимуляции или сенсорного замещения..

Название проекта: Двунаправленные электрокортикографические интерфейсы мозг-компьютер для управления, стимуляции и коммуникации

Приоритет СНТР: а, в


Цели и задачи

Направления исследований: Двунаправленные коммуникации мозг-компьютер с соматосенсорной обратной связью посредством электростимуляции или сенсорного замещения, создание нейроинтерфейсов для нейрореабилитации и бионического протезирования

Цель проекта: Разработка информационной технологии двунаправленных коммуникаций с мозгом человека с использованием электрокортикографического интерфейса в сочетании с современными методами обработки многомерных данных и соматосенсорной обратной связью посредством электростимуляции или сенсорного замещения



Практическое значение исследования

Научные результаты:

  • Разработаны и реализованы алгоритмы предобработки сигнала ЭКоГ от артефактов, связанных с движением глаз и межсудорожной активностью.
  • Реализованы методы сокращения размерности пространства признаков.
  • Реализованы алгоритмы декодирования параметров движения на основе классических методов оценивания параметров сигнала.
  • Разработаны и реализованы архитектуры глубинного обучения, используемые для декодирования параметров движения.
  • Разработаны методы интерпретации параметров алгоритмов декодирования.
  • Создана и протестирована исследовательская установка для синхронной регистрации непрерывных движений (при помощи трехосного акселерометра) и многоканальной электрокортикограммы (ЭКоГ).
  • Получены синхронные записи сигнала ЭКоГ, параметров движения и видеозапись исследования.
  • Реализовано декодирование параметров движения по сигналу ЭКоГ с использованием методов глубинного обучения и классических методов обработки сигнала.
  • Проведено сравнение точности декодирования при декодировании с использованием существующих и разработанных алгоритмов. Получены результаты сравнительного анализа существующих и разработанных в рамках проекта алгоритмов. Показано существенное преимущество методов на основании сверточных сетей в задаче декодирования кинематических параметров из ЭКоГ. Подготовлено программное обеспечение для поддержки декодирования в режиме реального времени.
  • Модифицирована и подготовлена для проведения исследования по декодированию параметров движения в режиме реального времени исследовательская установка. Получены синхронные записи сигнала ЭКоГ, параметров движения и видеозапись исследования, реализовано успешное декодирование движения в режиме реального времени. Разработана уникальная методика тренировки пациента. Получены результаты декодирования для данных, записанных в ходе исследования.
  • Реализовано он-лайн управление аватром конечности на основе декодирования ЭКоГ сигнала глубинной нейросетевой архитектурой.
  • Реализовано дополнительное программное обеспечение для поддержки декодирования в режиме реального времени и поддержки процедуры обучения пациента с использованием интерфейса.
  • Разработан модуль для NFBLab, реализующей парадигму center-out, получены синхронизированные записи сигнала ЭКоГ, курсора и видеозапись исследования, охарактеризованы вызванные ответы, связанные со стимулами парадигмы. Выделены каналы и признаки, позволяющие попарно сопоставлять направления движения, коррелированные с направлением движения в интервале предъявления цели и после момента начала движения.
  • Разработаны критерии и алгоритмы отбора пациентов для практических испытаний нейроинтерфейсов.

Внедрение результатов исследования:

  • Разработанные алгоритмы анализа активности головного мозга используются врачами клинки МГМСУ в задачах предоперационного картирования нейрохирургических больных с целью локализации эпилептогенных зон и функционально невосполнимой коры.

  • Подана заявка на патент «Способ оценки мощности осцилляторных компонент ЭЭГ-сигналов в психофизиологических состояниях на основе квантильного анализа».

  • Сотрудники Центра регулярно принимают участие в международных соревнованиях людей с ограниченными возможностями, использующих ассистивные технологии «Нейротлон». Цель таких соревнований – популяризация высоких технологий, расширение возможностей человеческого тела, восполнение утраченных частей тела.

Образование и переподготовка кадров:

Подготовлены и читаются: курс «Анализ данных и искусственный интеллект» на факультете компьютерных наук НИУ ВШЭ, курс на английском языке Digital Signal Processing (DSP) для студентов первого курса магистратуры программы «Когнитивные науки и технологии» департамента психологии НИУ ВШЭ.

Организационные и инфраструктурные преобразования:

Создана совместная лаборатория инвазивных интерфейсов НИУ ВШЭ и МГМСУ, для которой приобретено и введено в эксплуатацию новейшее современное оборудование и создана научная установка.

Другие результаты:

  • Создана интегрированная система на основе нейроинтерфейса для управления экзоскелетом нижних конечностей «Экзоатлет» для использования в нейрореабилитации .

  • Подана заявка на Патент 27.11.18 №069239 рег. № 2018141556 «Способ оценки мощности осцилляторных компонент ЭЭГ-сигналов в психофизиологических состояниях на основе квантильного анализа».

Сотрудничество:

  • Московский государственный медико-стоматологический университет имени А. И. Евдокимова (Россия): совместная лаборатория инвазивных интерфейсов НИУ ВШЭ и МГМСУ
  • Российский научно-исследовательский нейрохирургический институт имени проф. А. Л. Поленова (филиал ФГБУ «НМИЦ имени В. А. Алмазова» Минздрава России), Университет г. Тюбинген (Германия), Технический университет Берлина (Германия), Компания Exoatlet (Россия): совместные исследования и экспериментальная деятельность.




Скрыть Показать полностью
. Koshkin R., Shtyrov Y., Myachykov A., Ossadtchi A.
Testing the Efforts Model of Simultaneous Interpreting: An ERP Study. PLoS ONE 13(10): e0206129 (2018).
Smetanin N., Volkova K., Zabodaev S., Lebedev M., Ossadtchi A.
NFBLab – A Versatile Software for Neurofeedback and Brain-Computer Interface Research. Frontiers in Neuroinformatics 12: 100 (2018).
Volk D., Dubinin I., Myasnikova A., Gutkin B., Nikulin V.
Generalized Cross-Frequency Decomposition: A Method for the Extraction of Neuronal Components Coupled at Different Frequencies. Frontiers in Neuroinformatics 12: 72 (2018).
Lebedev M., Pimashkin A., Ossadtchi A.
Navigation Patterns and Scent Marking: Underappreciated Contributors to Hippocampal and Entorhinal Spatial Representations? Frontiers in Behavioral Neuroscience 12: 98 (2018).
Другие лаборатории и ученые
Лаборатория, принимающая организация
Область наук
Город
Приглашенный ученый
Период реализации проекта
Нейроморфные оптические системы

Федеральное государственное учреждение «Федеральный научно-исследовательский центр «Кристаллография и фотоника» Российской академии наук»

Компьютерные и информационные науки

Шатура

Бычков Евгений Алексеевич

Россия

2019-2021

Вычислительно-информационный исследовательский центр (C&IRC)

Федеральное государственное бюджетное учреждение науки Институт прикладной математики Дальневосточного отделения Российской академии наук

Компьютерные и информационные науки

Владивосток

Окадзима Джунносуке

Япония

2019-2021

Лаборатория перспективных методов анализа многомерных данных

Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский Нижегородский государственный университет имени Н. И. Лобачевского»

Компьютерные и информационные науки

Нижний Новгород

Горбань Александр Николаевич

Великобритания, Россия

2018-2020