На основании исследования предполагается расширить представления о механизмах обучения мысленной имитации движений, разработать методы психофизиологической настройки оператора на управление системой «интерфейс мозг-компьютер» и предложить новые подходы к реабилитации пациентов с нарушениями движений.
Имеющийся у коллектива научный задел по предлагаемому проекту: полученные ранее результаты (с оценкой степени оригинальности), разработанные методы (с оценкой степени новизны), список основных не более 10 публикаций коллектива за последние 5 лет
Участники проекта имеют опыт проведения исследований в разных аспектах, необходимых для выполнения проекта.
1. Большой опыт в разработке, исследовании фундаментальных принципов функционирования и клиническому применению интерфейсов мозг-компьютер, основанных на распознавании паттернов электрической и гемодинамической активности мозга, соответствующих воображению движений, а также в исследовании принципов управления движениями у человека. Результаты этих исследований опубликованы в 20 отечественных и 25 международных периодических изданиях (в т.ч. см. в списке ниже Frolov е.а., 2012, Черникова, Мокиенко, Фролов, 2013, Mokienko е.а., 2013).
2. Опыт работы с анализом активности областей мозга (ЭЭГ-сигналов) при мысленных представлениях и реально выполняемых движений (Антифеев и др., 2013). Были разработаны и проверены методы анализа ЭЭГ для задачи разделения различных функциональных состояний по данным ЭЭГ. В ходе исследования было выявлено, что у каждого индивидуума существует специфическая пространственная организация биопотенциалов мозга, выявляемая при исследованных видах реальных и мысленно имитированных движений пальцев рук. Также удалось показать высокую степень различения на основе ковариационных матриц, построенных на данных регистрируемой ЭЭГ (в среднем 80%) мысленно имитированных движений, как от фонового состояния, так и от состояния реального выполнения движений. Показано, что высокий уровень правильной классификации исследуемых состояний мысленной имитации движений по данным ЭЭГ позволяет использовать регистрируемую ЭЭГ как основу для создания биологической обратной связи в составе реабилитационных систем.
3. Богатый опыт разработки методов анализа электрофизиологических данных, включая оптимальные подходы к обработке многоканальных ЭЭГ/МЭГ измерений (Greenblatt, Ossadtchi, Pflieger 2015; Ossadtchi et al. 2014), решения обратной задачи в ЭЭГ \МЭГ на групповом уровне (Kozunov, Ossadtchi, 2015), использования математических методов обработки ЭЭГ и МЭГ в контексте исследования высокоуровневых когнитивных функций (Shestakova et al. 2012; Shtyrov et al. 2013), а также в задачах анализа сигнала в парадигме «интерфес мозг-компьютер» (Шишкин и др., 2013). Помимо уже опубликованных исследований, хочется упомянуть работу, находящуюся в настоящее время на рецензии в журнале Bilological Psychiatry (ИФ 10) и описывающую систему оценки эффективности психофизиологического тренинга по многоканальным ЭЭГ данным в режиме реального времени.
4. Опыт анализа кинематики движений человека и животных при магнитной и электрической стимуляции, инициирующей шагательные движения. В исследованиях на здоровых испытуемых, на пациентах с вертебро-спинальной патологией, на экспериментальных моделях животных выявлены особенности формирования шагательных паттернов (Богачева и др., 2009, 2012, Мошонкина и др., 2012, 2014, Мусиенко и др., 2013, Gerasimenko е.а., 2009).
5. Опыт психологического тестирования внимания и тревожности у здоровых испытуемых и у пациентов с вертебро-спинальной патологией (Мошонкина, Казакова, 2015).
6.Большой опыт статистического анализа данных, создания систем управления психофизиологическим экспериментом, математического моделирования (Ляховецкий и др., 2013, Боброва и др., 2012, 2015).
7. Опыт исследований полушарной специфичности организации движений. Исследование механизмов регуляции последовательностей движений правой и левой руки дало возможность выдвинуть и подтвердить гипотезу о специализации правого полушария правшей на кодировании положений, левого – на кодировании движений. Было показано, что активация того или иного способа кодирования определяется не только работающей рукой, но и предысторией – работает ли эта рука первой или выполняет задание после противоположной руки (Боброва и др., 2012, 2015, Bobrova e.a., 2013). Было показано, что успешность обучения также зависит от того, какой рукой человек начинает выполнять задание, а также от характера задачи (Боброва и др., 2012, 2015).
Руководитель проекта имеет 20-летний опыт обучения психофизиологическому двигательному тренингу и 6-ти летний опыт преподавания этого тренинга, состоит в Федерации исследований тайцзи-цуань.
Список основных не более 10 публикаций коллектива за последние 5 лет
1. Антифеев И.Е., Крысюк О.Б., Гальперина Е.И. Мысленная имитация движения как основа для создания системы биологической обратной связи, используемой в процессе подготовки спортсменов. Ученые записки университета им. П.Ф. Лесгафта, 2013.N 7(101).С.7-13.
2. Боброва Е.В., Ляховецкий В.А., Скопин Г.Н. Обучение воспроизведению последовательностей движений правой и левой руки: кодирование положений и движений // Журн. высш. нерв. деят. 2012. Т.62, №4. C. 422-430.
3. Боброва Е.В., Ляховецкий В.А., Богачева И.Н. Обучение и заучивание запомненных последовательностей движений правой и левой руки. Журн. высш. нерв. деят.2015. Т.65, N 2. C.212.
4. Черникова Л.А., Мокиенко О.А., Фролов А.А. Новые подходы к нейрореабилитации: интерфейс мозг-компьютер. Современные медицинские технологии. 2013. № 10. С. 44-48.
5. E. V. Bobrova,V. A. Lyakhovetskii, and E. R. Borshchevskaya. The Role of “Prehistory” in the Reproduction of Sequential Movements of the Right and Left Hands: Encoding of Positions, Movements, and Sequence Structure. Neuroscience and Behavioral Physiology, 2013. Vol. 43, No. 1, 56-62.
6. V. Kozunov, A. Ossadtchi, Group Analysis Leads to Accuracy, a novel approach for solving the inverse problem in exploratory analysis of group MEG recordings. Frontiers in Neuroscience 03/2015; 9(107), IF 3.7.
7. Frolov A., Bobrov P., Mokienko O., Húsek D., Korshakov A., Chernikova L., Konovalov R. Sources of EEG activity most relevant to performance of brain-computer interface based on motor imagery. Neural Network World. 2012. Т. 22. № 1. С. 21-37.
8. Mokienko O.A., Chervyakov A.V., Kulikova S.N., Chernikova L.A., Piradov M.A., Bobrov P.D., Frolov A.A. Increased motor cortex excitability during motor imagery in brain-computer interface trained subjects. Frontiers in Computational Neuroscience. 2013. № NOV. С. 168.
9. Ossadtchi A., P. Pronko, S. Baillet, M. Pflieger, T. Stroganova. Mutual information spectrum for selection of eventrelated spatial components. Application to eloquent motor cortex mapping Frontiers in Neuroinformatics. 2014, doi: 10.3389/fninf.2013.00053. IF 3.3.
10. A. Shestakova, J. Rieskamp, S. Tugin, A. Ossadtchi, J. Krutitskaya, and V. Klucharev., Electrophysiological precursors of social conformity., Soc Cogn Affect Neurosci. 2012 doi: 10.1093/scan/nss064 IF 7.3.