В Университете Лобачевского продолжается выполнение проекта по разработке СРД-1
В ходе выполнения проекта «Система регистрации и декодирования биоэлектрической активности мозга и мышц человека (СРД-1)» по Соглашению о предоставлении субсидии от 01.12.2014 № 14.581.21.0011 с Минобрнауки России в рамках федеральной целевой программы «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014-2020 годы» на этапе № 2 в период с 01.01.2015 по 30.06.2015 выполнялись следующие работы:
- Разработка методов предварительной обработки данных многоканальной регистрации сигналов биоэлектрической активности мозга и мышц человека.
- Разработка требований к сенсорам биоэлектрических сигналов.
- Разработка концепции и алгоритмов коммуникации системы ПАК СРД-1 с внешними исполнительными устройствами.
- Разработка марковской модели для пространственно-временных фильтров идентификации всплесков активности мозга по данным регистрации электроэнцефалограммы.
- Разработка алгоритмов детектирования и классификации паттернов биоэлектрической активности мозга человека.
- Разработка математической модели формирования внеклеточного потенциала генерируемого ансамблем нейрональных клеток.
- Разработка алгоритмов детектирования и классификации паттернов биоэлектрической активности мышц человека.
- Разработка алгоритмов идентификации синхронных нейросетевых сигналов.
- Разработка критериев детектирования полезного сигнала на фоне спонтанной нейрональной активности.
При этом были получены следующие основные результаты:
- Разработаны средства предварительной обработки сигналов биоэлектрической активности мозга. Предложены алгоритмы классификации сигналов ЭЭГ с возможностью детектирования 4-х управляющих состояний.
- Разработана математическая модель формирования внеклеточного потенциала генерируемого ансамблем нейрональных клеток. С помощью разработанной модели были продемонстрированы эффекты формирования, синхронизации и десинхронизации мю-ритмов, отвечающих за управление воображаемыми движениями и используемых для построения мозго-машинных интерфейсов.
- Разработаны и реализованы в виде программного обеспечения алгоритмы детектирования и классификации паттернов биоэлектрической активности мышц человека. Определены оптимальные параметры классификатора при работе с ЭМГ- сигналами. Предложена схема, реализующая одновременное управление на основе классификации и пропорциональное управление. Разработана гибридная нейронная сеть, решающая задачу детектирования и классификации ЭМГ-паттернов. Разработанный гибридный классификатор сочетает преимущества нейронов, моделируемых в соответствии с нейробиологическими принципами и их математической абстракции (персептроны). Результаты, полученные при детектировании и классификации миопаттернов 15 испытуемых, продемонстрировали возможность классификации 9 паттернов с точностью 86.5-98.3%. При этом ошибка классификации лежит в пределах 1.7-13.5% и существенно зависит от анатомических и физиологических особенностей испытуемых.
- Разработанные средства обработки сигнала включают в себя подавление глазных и миографических артефактов в исходном сигнале ЭЭГ, частотную и пространственную фильтрацию, обеспечивающую попарное разделение команд, используемых в качестве вектора признаков для обучения классификатора. Предложенные алгоритмы классификации сигналов ЭЭГ, реализованы с использованием аппарата нейронных сетей (персептронов) и позволяют с вероятностью в среднем 80% корректно классифицировать паттерн активности. Все полученные результаты являются новыми. Работы первого этапа проекта выполнены на высоком научном уровне, соответствуют мировому уровню и требованиям к выполняемому проекту
Комиссия Минобрнауки России признала обязательства по Соглашению на отчётном этапе исполненными надлежащим образом.
