Центр биоэлектрических интерфейсов

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».

• 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.