Неинвазивные нейрокомпьютерные интерфейсы (BCI) претерпели большое развитие в последние двадцать лет. Неинвазивный нейрокомпьютерный интерфейс можно определить как устройство, позволяющее взаимодействовать, не используя движения, в частности между человеком и каким-либо внешним устройством. Нейрокомпьютерные интерфейсы в настоящий момент применяются в различных приложениях: для ввода текста с помощью мысли, для контроля протезов или инвалидных колясок людьми с ограниченными возможностями, для тренировки спортсменов, в компьютерных играх и приложениях дополненной реальности в качестве дополнения к традиционным устройствам управления [1, 2].

Однако наиболее востребованной областью применения нейрокомпьютерных интерфейсов в человеческой жизни является их применение в качестве инструмента для хотя бы частичной реабилитации людей с ограниченными возможностями для осуществления взаимодействия с окружающей средой [3]. Множество исследований было проведено в этой области, но в них применялось дорогостоящее громоздкое медицинское ЭЭГ оборудование, не подходящее для использования в повседневной жизни.

В последние 5 лет появилось несколько групп ученых и разработчиков, которые создают и развивают портативные, недорогие нейрокомпьютерные интерфейсы, а также стремятся найти им применение в повседневной жизни, к ним относятся NeuroSky, MindFlex, Emotiv EPOC [4]. Однако данных по использованию этих устройств в научных целях чрезвычайно мало, многие исследователи сомневаются в возможности использования данных устройств в научных целях и точности их работы.

Данная статья посвящена обзору возможностей применения нейрокомпьютерного интерфейса Emotiv EPOC для регистрации вызванных потенциалов P300.

Характеристика Emotiv EPOC

Нейрокомпьютерный интерфейс Emotiv EPOC имеет 14 датчиков считывания сигналов головного мозга, а также четыре дополнительных датчика опорных каналов. Датчики имеют следующий тип: пассивные, мокрые. При работе BCI ловит электрические сигналы не только от мозга, но и от мышц. Эти сигналы сильнее, чем от мозга и их нужно фильтровать. Для этого считывается дополнительный сигнал оттуда, где есть сигналы от мышц, но нет сигналов от мозга – это точки в височной области или районе ушей. Так как с каждой стороны возможны два варианта расположения опорных каналов (висок и за ухом), то получаем 4 дополнительных разъема для датчиков. Схема расположения датчиков на голове изображена на Рисунке 1.

Рисунок 1 – Схема расположения электродов Emotiv EPOC на голове

Устройство беспроводное и автономное, заряда встроенного аккумулятора хватает на 12 часов работы. Частота дискретизации достигает 128 Гц, более подробная спецификация Emotiv EPOC дана в Таблице 1.

Таблица 1 – Спецификация Emotiv EPOC

При проведении экспериментов были использованы все доступные датчики сигналов головного мозга. Для уменьшения сопротивления для смачивания электродов использовалась жидкость для глазных линз, пока уровень сигнала не достиг значения, требуемого специальным программным обеспечением, поставляемым с устройством.

Описание подхода на основе детектирования вызванного потенциала P300

P300 (P3) – один из компонентов волны отклика мозга на стимул (Рисунок 2). Это положительное отклонение с амплитудой 2 – 5 мкВ с задержкой 300 – 600 мс после подачи стимула. Обычно P300 измеряется при помещении электродов в следующих областях головы Fz, Cz, Pz (Рисунок 3). Так как амплитуда сигнала отклика мозга на стимул очень небольшая, то обычно данный сигнал скрыт шумом и не виден на обычном сигнале ЭЭГ. Поэтому для того, чтобы обнаружить сигнал отклика мозга на стимул необходимо усреднить сегменты каждой попытки получения сигнала отклика мозга на стимул (эпоха), которые получаются путем повторения эксперимента несколько раз. Перед усреднением необходимо сигнал ЭЭГ пропустить через полосовой фильтр (обычно с полосой пропускания 1 – 20 Гц) и удалить артефакты из различных источников, например, таких как движение глазами.

Рисунок 2 – Компоненты волны отклика мозга на стимул

Рисунок 3 – 64-канальная схема расположения электродов на голове

Наиболее часто используемый эксперимент для получения P300 называется детектор P300 (P300-speller) (Рисунок 4), который представляет собой матрицу 6 x 6 числовых и буквенных символов, где в каждый момент времени один из символов подсвечивается в случайном порядке, результатом является последовательность вспышек. Во время каждой такой последовательности субъект фокусируется на одном из символов в матрице, и когда субъект видит вспышку в ячейке, содержащей символ, фиксируется сигнал отклика мозга на данный стимул. Данный эксперимент повторяется несколько раз, на основе полученных данных производится обучение детектора P300 для распознавания сигналов отклика головного мозга на каждый символ, а также определение строк и столбцов. После проведения эксперимента усредненный ЭЭГ сигнал (для каждого канала считывания ЭЭГ), полученный для целей (вспышка в ячейке с символов, на которой фокусировался субъект эксперимента) сравнивается с усредненным ЭЭГ сигналом для не целей (вспышка в ячейке с символов, на которой не фокусировался субъект эксперимента). Ожидается, что сигналы для целей после усреднения и фильтрации должны будут иметь характеристики вызванных потенциалов, а нецелевые сигналы должны представляться в виде случайного шума. Однако случайные артефакты ЭЭГ и задержки событий могут значительно искажать полученные в результате сигналы вызванных потенциалов.

Вызванные потенциалы P300 широко используются при применении нейрокомпьютерных интерфейсов для разработки средств коммуникации для людей с ограниченными возможностями.

Рисунок 4 – Детектор P300

Краткое описание эксперимента

Все эксперименты проводились с одним субъектом мужского пола в возрасте 24 лет без физических недостатков. Для получения визуальных стимулов P300 использовалось программное обеспечение OpenVibe версии 0.16.1. OpenVibe – открытое программное обеспечение для проведения экспериментов с вызванными потенциалами P300 и проектирования других приложений, использующих биологическую обратную связь. Схема эксперимента представлена на Рисунке 5. Длительность периодов вспышек и отсутствия вспышек была установлена равной 125 миллисекунд. Данные сигналов головного мозга записывались с помощью нейроинтерфейса Emotiv EPOC Research Edition. Записанные ЭЭГ данные были отфильтрованы с полосой пропускания 1 – 20 Гц. Вся последующая обработка данных производилась с использованием MATLAB и EEGLAB toolbox.

Рисунок 5 – Схема эксперимента

На первом этапе эксперимента были записаны данные ЭЭГ, с помощью которых OpenVibe произвел обучение детектора P300. Было подсвечено 10 символов для обучения, повторенных 12 раз. Далее данные ЭЭГ обрабатывались xDAWN фильтром [5] для сокращения числа каналов, оказывающих вклад в вызванный потенциал. Программа просчитывает весовые коэффициенты для каждого из 14-ти каналов Emotiv EPOC, определяя какой канал оказывает наибольший вклад в вызванный потенциал, а какой только мешает. В итоге из 14-каналов OpenVibe получает 3, значение которых дальше передает на вход классификатора.

Второй этап эксперимента был направлен на обучение системы различению строк и столбцов. Обучение производилось по методике первого этапа эксперимента. После обучения классификатора OpenVibe выдает оценку точности работы обученного классификатора:

Classifier performance on whole set is 71.3927%.

Результаты и выводы

Далее производилась оценка точности работы обученного классификатора. Субъекту опять предлагалось фиксировать взгляд на буквах и цифрах. Если программа угадала символ, он подсвечивался в строке зеленым, если угадала строку или столбец, то оранжевым, не угадала – черным.

Получившийся результат: из 10 букв:

6 – угадано правильно,

2 – угадан столбец или строка,

2 – не угадано.

Рисунок 6 – График волн отклика мозга на целевой стимул по всем каналам

Рисунок 7 – График мозговых волн нецелевых сигналов по всем каналам

На Рисунке 6 видно, что, спустя 305 миллисекунд после стимула, по всем ЭЭГ каналам появляются сигналы вызванных потенциалов. В то время как на Рисунке 7 данная тенденция для мозговых волн нецелевых сигналов не наблюдается. Также следует отметить, что амплитуда мозговых волн нецелевых сигналов ниже амплитуды мозговых волн для целевых сигналов отклика на стимул.

Рисунок 8 – График волн отклика мозга на целевой стимул отдельно по каждому каналу

Рисунок 9 – График мозговых волн нецелевых сигналов отдельно по каждому каналу

На Рисунке 8 видно, что наибольшую амплитуду сигналы отклика мозга на целевой стимул имеют по каналам 7 и 8, что соответствует местам расположению датчиков Emotiv EPOC O1 и O2 соответственно.

Таким образом, можно сделать вывод, что нейроинтерфейс Emotiv EPOC позволяет детектировать актуальные сигналы головного мозга, уровень шума получаемых сигналов может быть минимизирован с помощью применения специальных техник, таких как усреднение и фильтрация. Однако стоит отметить, что точность детектирования сигналов не такая высокая, как у профессионального медицинского ЭЭГ оборудования. Таким образом, Emotiv EPOC может использоваться в приложениях, не критичных к качеству сигнала, таких как компьютерные игры, системы удаленного взаимодействия; и задача разработки недорогого, удобного в повседневном использовании нейрокомпьютерного интерфейса с высоким качеством детектирования сигналов головного мозга по-прежнему остается актуальной.

Как уже было отмечено выше, в спортивной деятельности одним из важных компонентов является индивидуальность спортсмена и его поведенческие особенности. И многие исследования указывают на большой интерес к поиску физиологических и биохимических коррелятов темперамента [13-15], а также анализу роли психологических характеристик в механизмах изменения функциональной активности мозга [13, 16]. Кроме того, современные технологии предоставляют широкие возможности для топографического картирования спектральной плотности ЭЭГ при сравнении типов темперамента [17].  Таким образом, возникла существенная необходимость для расчётов ЭЭГ сигнала в процессе активных действий для их анализа и сравнения со стандартными расчетами мозговой активности на предмет их качественных или количественных сходств, либо их различий.

В литературе приводятся нижеследующие разновидности и описания прибора. Так, потребительские технологии, доступные на рынке в настоящее время, включают в себя аксессуары гарнитуры, предназначенной, в основном, для применения на нейрокомпьютерном интерфейсе (Brain-Computer Interface -BCI)  (например, “Emotiv” [Гонконг], “NeuroSky” [Сан-Хосе, США]). Портативные устройства при этом используют ограниченное количество электродов. Устройства бывают в виде надетого на голову обруча (повязки) (рис.1) [18] или эластичной шапочки (рис.2) [19], которые предназначены для регистрации психофизиологических показателей, а в качестве обратной нейронной связи “B-Alert серии X” – усовершенствованный интеллектуальный регистратор [Карлсбад, США] и “Комплекс Нейробит” [Гдыня, Польша]. Данные устройства  были разработаны преимущественно для использования в личных целях (для различных игр) и мониторинга за состоянием здоровья, а не для использования в научных исследованиях как таковых. Однако при этом бурный рост серийного производства указывает на обоснованность производства мобильных технологий ЭЭГ для удовлетворения имеющихся потребностей спортивных врачей в данной сфере. Тем не менее, несмотря на возникший энтузиазм по внедрению мобильной ЭЭГ для широкого использования, вопрос достоверности результатов данных систем для их применения в фундаментальных исследованиях большей частью оставался нерешенным [20]. В настоящее время работа по проверке допустимости мобильных технологий ЭЭГ для их применения в фундаментальных исследованиях продолжается и предварительные данные указывают на их перспективность. На сегодняшний день основная часть исследований, направленных на обоснованность мобильных технологий ЭЭГ, была сфокусирована на результатах P₃₀₀, который обеспечивает высокую надежность сигнала, полученного даже при единичном пробном измерении [21]. В тоже время имеющая в спортивной деятельности нацеленность на результаты P₃₀₀ (событийно – связанные вызванные потенциалы – ССВП) в валидационных исследованиях, обусловлена главным образом целесообразностью эффективности P₃₀₀ для исследований с применением нейрокомпьютерного интерфейса (BCI).

Рисунок 1 – Устройство в виде надетого на голову обруча (повязки), использующееся  преимущественно при активных физических нагрузках

Рисунок 2  – Устройство в виде эластичной кольцевидной шапочки

К примеру, можно привести недавнее исследование BCI по непосредственному сравнению беспроводного мобильного и традиционного стационарного усилителя, используемого в качестве составной части в лабораторных условиях. Так, авторами показана высокая степень корреляции амплитуды и топографии результатов Р₃₀₀ во всей системе, что указывает на возможность  получения  аналога ЭЭГ данных,  используя при этом мобильные усилители [22]. Эти исследования имеют большое значение и по мере того, как лабораторные испытания, выявляющие базис достоверности мобильного оборудования, продемонстрировали, что имеющийся нервный сигнал может быть замерен с высокой точностью,  однако это не решает основную проблему – способность записывать четкие сигналы во время движения. Наглядная демонстрация, что надежные результаты P₃₀₀ могут быть получены во время движений, была показана при выполнении задания на исключение лишнего предмета (т.е. от участников требовалось распознать редко встречающиеся объекты, находящиеся в потоке часто повторяющихся ложных целей). К примеру, с помощью ЭЭГ, записанной в сидячем положении в помещении при сравнении с её регистрацией на открытом пространстве во время ходьбы, было получено надежное единичное испытание эффективности Р₃₀₀ с использованием слухового задания на исключение лишнего предмета [23]. При этом беспроводная установка применялась с датчиками на сухих электродах, заимствованных из производимой “Emotiv” гарнитуры, встроенной в эластичную шапочку с головкой смонтированного усилителя. Важно отметить, что эти результаты подтвердились и в более позднем исследовании с использованием такого же мобильного оборудования, где испытуемые  свободно передвигались на открытом пространстве [24]. В своей совокупности данные исследования подтверждают обоснованность мобильных технологий ЭЭГ для записи эффектов P₃₀₀ при движении. Наряду с этим, для раскрытия истинных возможностей необходима дальнейшая проверка полученных результатов в различных видах спорта, относящихся к показателям мозговой активности при выполнении практических действий, а также проверка имеющихся данных в обзоре достижений в сфере мобильных технологий, существующих на данный момент. С учётом достижений в области мобильных технологий ЭЭГ, прогресс в обработке сигналов также позволит решить некоторые проблемы, традиционно связанные с записью нейронных показателей при активных действиях в спортивной деятельности [25]. Следует также  заметить, что  преобразование Фурье (т.е. сопоставление одной функции вещественной переменной с другой функцией) и извлечение производственной мощности с надетого на голову обруча,  безусловно, является  наиболее часто  применяемым  методом при обработке сигнала и анализа [26].

Таким образом, изучение практического значения влияния нейронной активности и индивидуальных особенностей поведения, позволит выявить различия в процессе запоминания в ходе обучения для использования нового устройства и овладения новыми навыками в спорте. Важно отметить, что результаты, описанные в данной статье, дополнили предыдущие исследования и подтвердили, что нейронная эффективность в двигательной системе не только  меняется в процессе обучения и повышения мастерства в специфической области [27], но также может варьироваться в отношении индивидуальных различий в когнитивных (познавательных) способностях [28].