Ученые любят искать первые упоминания о своей науке.
Например, я видел статью, где всерьез утверждалось, что первые эксперименты по электрическая стимуляция мозга были проведены в Древнем Риме, когда кого-то поразил электрический угорь.
Так или иначе, историю электрофизиологии принято отсчитывать примерно от экспериментов Луиджи Гальвани (XVIII век).
В этой серии статей мы попытаемся рассказать небольшую часть того, что наука узнала за последние 300 лет об электрической активности человеческого мозга, о том, какую прибыль можно извлечь из всего этого.
Откуда возникает электрическая активность в мозге?
Мозг состоит из нейронов и глии.Нейроны проявляют электрическую активность, глия тоже может это делать, но другим способом [ 1 ], [ 2 ], и мы сегодня не будем обращать на это внимание.
Электрическая активность нейронов заключается в перекачке ионов натрия, калия и хлора между клеткой и окружающей средой.
Сигналы передаются между нейронами с помощью химических медиаторов.
Когда передатчик, высвобождаемый одним нейроном, поражает подходящий рецептор на другом нейроне, он может открыть химически активированные ионные каналы, пропуская небольшое количество ионов в клетку.
В результате ячейка незначительно меняет свой заряд. Если в клетку попадает достаточное количество ионов (например, сигнал поступает одновременно в несколько синапсов), открываются другие потенциалзависимые ионные каналы (их больше), и клетка в считанные миллисекунды полностью активируется по принципу «всего».
или ничего», после чего он возвращается в прежнее состояние.
Этот процесс называется потенциалом действия.
Как я могу его зарегистрировать?
Лучший способ записать активность отдельных клеток — воткнуть электрод в кору.Это может быть тот провод , Может быть матрица с несколькими десятками каналов , Может быть булавка с несколькими сотнями , а может и гибкая плата с несколькими тысячами (как вам такое, Илон Маск ).
Это уже давно делается на животных.
Иногда по жизненным показаниям (эпилепсия, болезнь Паркинсона, полный паралич) делают это на людях.
Пациенты с имплантатами способны силой мысли набирать текст, управлять экзоскелетами и даже управлять всеми степенями свободы промышленного манипулятора.
Выглядит впечатляюще, но в ближайшее время подобные методы придут не в каждую районную поликлинику, а тем более к здоровым людям.
Во-первых, это очень дорого – стоимость процедуры для каждого пациента измеряется сотнями тысяч долларов.
Во-вторых, имплантация электродов в кору — это все же серьезная нейрохирургическая операция со всеми возможными осложнениями и повреждением нервной ткани вокруг имплантата.
В-третьих, сама технология несовершенна — неясно, что делать с тканевой совместимостью имплантатов и как не допустить их зарастания глией, в результате чего нужный сигнал со временем перестает регистрироваться.
Кроме того, обучение каждого пациента использованию имплантата может занять более года ежедневных тренировок.
Можно не втыкать провода глубоко в кору, а аккуратно расположить их на ней – вы получите электрокортикограмму.
Здесь сигнал отдельных нейронов уже невозможно зарегистрировать, но можно увидеть активность очень маленьких участков (общее правило: чем дальше от нейронов, тем хуже пространственное разрешение метода).
Уровень инвазивности ниже, но череп все равно необходимо вскрывать, поэтому этот метод используют в основном для наблюдения во время операций.
Можно ставить провода даже не на кору, а на твердую мозговую оболочку (тонкий череп, расположенный между мозгом и настоящим черепом).
Здесь уровень инвазивности и возможных осложнений еще ниже, но сигнал все равно достаточно качественный.
Это окажется эпидуральная анестезия?ЭG. Метод хорош для всех, однако операция все же необходима.
Наконец, малоинвазивным методом изучения электрической активности головного мозга является электроэнцефалограмма, а именно запись с помощью электродов, расположенных на поверхности головы.
Метод является наиболее распространенным, относительно дешевым (топовые устройства стоят не более нескольких десятков тысяч долларов, а большинство в несколько раз дешевле, расходные материалы практически бесплатны), имеет самое высокое временное разрешение среди неинвазивных методов – можно изучайте процессы восприятия, которые занимают несколько миллисекунд. Недостатками являются низкое пространственное разрешение и зашумленный сигнал, который, однако, содержит достаточное количество информации для некоторых медицинских и нейроинтерфейсных целей.
На изображении потенциала действия можно увидеть, что кривая состоит из двух основных частей — самого потенциала действия (большого пика) и синаптического потенциала (небольшого изменения амплитуды перед большим пиком).
Логично было бы предположить, что то, что мы записываем на поверхности головы, — это сумма потенциалов действия отдельных нейронов.
Однако на самом деле все работает наоборот – потенциал действия занимает около 1 миллисекунды и, несмотря на свою большую амплитуду, не проходит через череп и мягкие ткани, а вот синаптические потенциалы благодаря большей продолжительности хорошо суммируются.
и зафиксированы на поверхности черепа.
Это было доказано с помощью одновременной записи инвазивными и неинвазивными методами.
Немаловажно и то, что активность не каждого нейрона можно зарегистрировать с помощью ?ЭG (подробнее здесь ).
Важно, что в мозге содержится около 86 миллиардов нервных клеток (о том, как это можно вычислить с такой точностью, читайте здесь).
здесь ), и в таком шуме невозможно посчитать активность одного нейрона.
Однако некоторую информацию все же можно извлечь.
Представьте, что вы стоите в центре футбольного стадиона.
Пока фанаты только шумят и разговаривают друг с другом, слышен ровный гул, но как только хотя бы небольшая часть присутствующих начинает скандировать, его уже можно услышать достаточно отчетливо.
То же самое и с нейронами — значимый сигнал можно увидеть на поверхности черепа только в том случае, если большое количество нейронов одновременно проявляют синхронную активность.
Для неинвазивного ?ЭG это примерно 50 тысяч синхронно работающих нейронов.
Идея измерения напряжения на голове человека впервые была реализована в 1924 г.
Первая запись выглядела так: 
Трудно понять, что означает этот сигнал, но сразу понятно, что он не похож на белый шум — он содержит веретена колебаний большой амплитуды и разных частот. Это альфа-ритм — самый заметный ритм мозга, который можно увидеть невооруженным глазом.
Сейчас, конечно, G-ритмы анализируются не на глаз, а математическими методами, простейшими из которых являются спектральные.
Спектр Фурье электроэнцефалограммы, разделенной на полосы ( источник ) Существует несколько полос, в которых обычно анализируется ритмическая деятельность, вот самые популярные: 8-14 Гц — Альфа-ритм.
Представлен преимущественно в затылочных областях.
Сильно увеличивается при закрытии глаз, подавляется также при умственном напряжении и увеличивается при расслаблении.
Этот ритм возникает, когда возбуждение циркулирует между корой и таламусом.
Таламус — это своего рода маршрутизатор, который решает, как перенаправить поступающую информацию в кору.
Когда человек закрывает глаза, ему нечего делать, он начинает генерировать фоновую активность, которая вызывает альфа-ритм в коре.
Кроме того, важную роль играет сеть режима по умолчанию — сеть структур, активных во время тихого бодрствования, но это тема для отдельной статьи.
Разновидностью альфа-ритма, с которой его легко спутать, является мю-ритм.
Он имеет схожие характеристики, но фиксируется в центральных областях головы, где расположена моторная кора.
Важной особенностью является то, что его мощность уменьшается, когда человек двигает конечностями или даже думает об этом.
14-30 Гц — Бета-ритм.
Более выражена в лобных долях головного мозга.
Увеличивается при умственном напряжении.
30+ Гц — Гамма-ритм.
Возможно, оно находится где-то внутри мозга, но большая часть того, что можно записать с поверхности, исходит от мышц.
Нашел это следующим образом : Необходимо как-то снять мышечную активность с головы, чтобы зафиксировать G с мышцами и без них.
К сожалению, не существует простого способа отключить мышцы головы, не отключая их по всему телу.
Берем ученого (на это больше никто не согласится), накачиваем его миорелаксантом, в результате чего у него отключаются все мышцы.
Проблема в том, что если отключить все мышцы, включая диафрагму и межреберные мышцы, он не сможет дышать.
Решение — подключить его к аппарату искусственной вентиляции легких.
Проблема в том, что он также не может говорить без мышц.
Решение — наложить ему на руку жгут, чтобы туда не попал миорелаксант, тогда он сможет подавать сигналы этой рукой.
Проблема в том, что если затянуть эксперимент, рука отвалится.
Решение состоит в том, чтобы остановить эксперимент, когда ученый перестанет чувствовать свою руку, и надеяться, что все закончится хорошо.
В результате доля в спектре частот выше 20 Гц на фоне миорелаксанта становится в 10-200 раз меньше; чем выше частота, тем выше падение.
1–4 Гц — Дельта-ритм.
Выраженный в фазе внезапности дельта-сон (самый глубокий сон), усиливается и при стрессе.
Помимо ритмической активности, в ?ЭG имеется и вызванная активность.
Если мы точно знаем, в какой момент мы показываем человеку стимул (это может быть картинка, звук, тактильное ощущение или даже запах ), мы можем увидеть, какова была реакция на этот конкретный стимул.
Отношение сигнал/шум такого ответа по отношению к фону ?ЭG достаточно низкое, но если предъявить стимул, например, 10 раз, срез ?ЭG относительно момента предъявления и усреднить, то мы можем получить довольно подробные кривые, которые называются вызванными потенциалами (не путать с потенциалами действия).
Это вызванный потенциал звука.
Подробности оставим психофизиологам — здесь нам достаточно понять, что каждая крайность что-то значит. При достаточном усреднении будут видны ответы структур начиная от слухового нерва (I) и заканчивая ассоциативной корой (Р2).
Что ты можешь сделать с этим?
Есть много вещей, которые можно сделать, но сегодня мы сосредоточимся на интерфейсах «мозг-компьютер».Это системы анализа в реальном времени, которые позволяют подавать команды компьютеру или роботу без использования мышц — самое близкое к телекинезу, что может предоставить современная наука.
Самое очевидное, что приходит в голову — сделать интерфейс, основанный на ритмической активности.
Мы помним, что альфа-ритма мало, когда человек напряжен, и много, когда он расслаблен? Так что расслабься.
Пишем ?ЭG, делаем преобразование Фурье, когда мощность в окне около 10 герц стала выше определенного порога, зажигаем лампочку - вот и управление компьютером силой мысли.
Тот же принцип может позволить управлять другими ритмами.
Благодаря простоте и нетребовательности к оборудованию появилось довольно много игрушек, работающих по такому принципу – Нейроски , Эмотив , их тысячи.
В принципе, если очень постараться, человек может научиться приходить к желаемому состоянию, которое будет правильно классифицировано.
Проблема потребительских устройств в том, что они часто пишут сигнал низкого качества, и большинство из них не умеет вычитать артефакты из движений глаз и мышц лица.
В результате появляется реальная возможность научиться управлять своими мышцами и глазами, а не мозгом (а подсознание работает так, что чем больше вы будете стараться этого не делать, тем хуже получится).
Кроме того, соотношение сигнал/шум в самих ритмах достаточно низкое, а интерфейс работает медленно и неточно (если правильно угадать состояние с точностью более 70% — это уже достижение).
А научная основа состояний, отличных от расслабления и концентрации, мягко говоря, шаткая.
Однако при правильной реализации метод может найти свое применение.
Важным подтипом интерфейсов по ритмам является представление движений.
Здесь человека просят не представлять себе что-то абстрактно расслабляющее, а представить движение, скажем, правой руки.
Если сделать это правильно (а выучить правильное представление сложно), можно обнаружить снижение мю-ритма в левом полушарии.
Точность таких интерфейсов также составляет около 70%, но они находят свое применение в симуляторах для восстановление после инсультов и травм , в том числе и с помощью различных экзоскелетов, так что они еще нужны.
Другой класс G-нейроинтерфейсов основан на использовании всех видов вызванной активности.
Эти интерфейсы отличаются очень высокой надежностью, при удачном стечении обстоятельств приближающемся к 100%.
К наиболее популярному типу нейроинтерфейсов относится потенциал P300. Оно возникает, когда человек пытается выделить один нужный ему стимул среди множества ненужных.
Например, если мы попытаемся посчитать, сколько раз загорится буква «А», и при этом проигнорируем все остальные, то в ответ на этот стимул при усреднении мы увидим красную линию, а при усреднении все остальные мы увидим синюю линию.
Разница между ними заметна невооруженным глазом, и подготовить классификатор, который будет их различать, не составит труда.
Такие интерфейсы обычно не очень красивы и не очень быстры (набор одной буквы занимает около 10 секунд), но могут быть полезны полностью парализованным пациентам.
Кроме того, у BCI-P300 есть когнитивная составляющая — недостаточно просто посмотреть на букву, на нее необходимо активно обращать внимание.
Это позволяет при определенных условиях заработать с помощью данной технологии довольно большие деньги.
интересный игры (но это тема для другой статьи).
В связи с тем, что Р300 представляет собой когнитивный потенциал, для него не очень важно, что на самом деле показано человеку, главное, что он сможет на это отреагировать.
В результате интерфейс будет работать, даже если буквы сменят друг друга в одной и той же точке — это полезно для пациентов, которые не могут пошевелить глазами.
Есть и другие интересные вызванные потенциалы, в частности ССВЭП (Потенциалы стабильного состояния).
Если искать аналогии в сфере связи, то Р300 работает как рация — сигналы от разных стимулов разделены по времени, а ССВЭП — это классическая FDMA — разделение по несущей частоте, как в GSM-связи.
будь осторожен, эпилептические огни Вам нужно показать человеку несколько стимулов, которые мигают с разной частотой.
Выбирая стимул, просто внимательно посмотрите на него, и через несколько секунд его частота волшебным образом появится в зрительной коре, откуда ее можно будет вытащить корреляционным или спектральным методами.
Это быстрее и проще, чем считать буквы для P300, но долго смотреть на такое мерцание тяжело.
Там, где есть FDMA, есть место и CDMA: будьте осторожны, еще больше эпилептических мигалок 
Серый цвет — бинарная последовательность, цвет — вызванная им активность во всех каналах, карта — распределение интенсивности потенциала в ?ЭG. Видно, что максимум находится на затылке – в зрительных зонах.
Модулировать моргание стимулов можно не по частотам и фазам, а по ортогональные двоичные последовательности , который также попадет в зрительную кору и классифицируется с помощью корреляционного анализа.
Это может помочь немного оптимизировать обучение классификатора и ускорить интерфейс — на одну букву может уйти менее 2 секунд. Подбирая правильные цвета, вы можете сделать интерфейс чуть менее бросающимся в глаза, хотя полностью избавиться от моргания не получится.
К сожалению, когнитивная составляющая здесь не столь выражена — отслеживание движений глаз дает сопоставимые результаты, но технически проще, дешевле и удобнее.
Когда я говорю о том, насколько хорошо могут работать определенные типы интерфейсов, мне постоянно приходится иметь дело с соотношением сигнал/шум.
Действительно, вызванные потенциалы имеют небольшую амплитуду – около 5 микровольт, несмотря на то, что фоновый альфа-ритм легко может иметь амплитуду 20. Кажется, такой слабый сигнал довольно сложно классифицировать, но на самом деле все довольно просто, если провести эксперимент. выполняется правильно и хорошо записать ?ЭГ.
В настоящее время большая часть академических исследований сосредоточена на разработке новых классификаторов, в том числе с использованием нейронных сетей, но достаточно хорошего уровня можно достичь с помощью простейших линейных классификаторов из scikit-learn. Например, хороший набор данных с P300 и кодом: Здесь .
Мозговые компьютерные интерфейсы — это новая технология, которая выглядит волшебством, особенно для неподготовленного человека.
Однако на самом деле это метод со многими неочевидными трудностями.
Секрет здесь, как и в любой технологии, в том, чтобы учесть все ограничения и найти приложения, где эти ограничения не мешают работе.
Теги: #Машинное обучение #Популярная наука #мозг #нейрофизиология #нейронаука #eeg #eeg #нейронные сети #bci #Neiry. #P300 #Управляемые разумом VR-игры #Impulse Neiry #Kaplan
-
Автоматизация: Правильный Подход
19 Oct, 24 -
Бретонский Язык
19 Oct, 24 -
101 Бесплатный Сервис Для Дизайнеров
19 Oct, 24 -
Геокодер Osm На Java
19 Oct, 24
