2023 / 02

Следующая статья
DOI: 10.24075/vrgmu.2023.013

ОРИГИНАЛЬНОЕ ИССЛЕДОВАНИЕ

Источники и значимость вариативности потенциалов мозга человека в интерфейсе мозг–компьютер

И. П. Ганин1, А. Н. Васильев1,2, Т. Д. Глазова1, А. Я. Каплан1
Информация об авторах

1 Московский государственный университет имени М. В. Ломоносова, Москва, Россия

2 Центр нейрокогнитивных исследований (МЭГ-центр), Московский государственный психолого-педагогический университет, Москва, Россия

Для корреспонденции: Илья Петрович Ганин
Ленинские горы, д. 1, стр. 12, к. 246, Москва, 119234, Россия; ur.liam@ninagpi

Информация о статье

Финансирование: исследование выполнено за счет гранта Российского научного фонда № 21-75-00021, https://rscf.ru/project/21-75-00021/

Благодарности: авторы благодарят Ю. Нуждина из НИЦ «Курчатовский институт» за разработку и поддержку программного обеспечения для регистрации ЭЭГ, при помощи которого проведено исследование

Вклад авторов: И. П. Ганин — проведение исследования, анализ и интерпретация данных, анализ литературы, подготовка текста рукописи; А. Н. Васильев — анализ и интерпретация данных, анализ литературы, подготовка текста рукописи; Т. Д. Глазова — проведение исследования, анализ литературы; А. Я. Каплан — интерпретация данных.

Соблюдение этических стандартов: исследование одобрено этическим комитетом МГУ имени М. В. Ломоносова (протокол № 113-д от 19 июня 2020 г.); все участники подписали добровольное информированное согласие на участие в исследовании.

Статья получена: 14.04.2023 Статья принята к печати: 27.04.2023 Опубликовано online: 28.04.2023
|
  1. Mridha MF, Das SC, Kabir MM, Lima AA, Islam MR, Watanobe Y. BrainComputer Interface: Advancement and Challenges. Sensors (Basel). 2021; 21 (17): 5746.
  2. Orban M, Elsamanty M, Guo K, Zhang S, Yang H. A Review of Brain Activity and EEG-Based Brain-Computer Interfaces for Rehabilitation Application. Bioengineering (Basel). 2022; 9 (12): 768.
  3. Carelli L, Solca F, Faini A, Meriggi P, Sangalli D, Cipresso P, Riva G, Ticozzi N, Ciammola A, Silani V, Poletti B. Brain-Computer Interface for Clinical Purposes: Cognitive Assessment and Rehabilitation. Biomed Res Int. 2017; 2017: 1695290.
  4. Ганин И. П., Косиченко Е. А., Соколов А. В., Иоаннисянц О. М., Арефьев И. М., Басова А. Я., и др. Адаптация технологии интерфейсов мозг-компьютер на волне P300 для оценивания состояния больных нервной анорексией. Вестник Российского государственного медицинского университета. 2019; 2: 36–43.
  5. Eldeeb S, Susam BT, Akcakaya M, Conner CM, White SW, Mazefsky CA. Trial by trial EEG based BCI for distress versus non distress classification in individuals with ASD. Sci Rep. 2021; 11 (1): 6000.
  6. Abiri R, Borhani S, Sellers EW, Jiang Y, Zhao X. A comprehensive review of EEG-based brain-computer interface paradigms. J Neural Eng. 2019; 16 (1): 011001.
  7. Luck SJ. An introduction to the event related potential technique. MIT Press, Cambridge, MA; 2005.
  8. Pan J, Chen X, Ban N, He J, Chen J, Huang H. Advances in P300 brain-computer interface spellers: toward paradigm design and performance evaluation. Front Hum Neurosci. 2022; 16: 1077717.
  9. Farwell LA, Donchin E. Talking off the top of your head: toward a mental prosthesis utilizing event-related brain potentials. Electroencephalography and Clinical Neurophysiology. 1988; 70: 510–523.
  10. Krusienski DJ, Sellers EW, McFarland DJ, Vaughan TM, Wolpaw JR. Toward enhanced P300 speller performance. J Neurosci Methods. 2008; 167 (1): 15–21.
  11. Rezeika A, Benda M, Stawicki P, Gembler F, Saboor A, Volosyak I. Brain–Computer Interface Spellers: A Review. Brain Sciences. 2018; 8 (4): 57.
  12. Allison BZ, Kübler A, Jin J. 30+ years of P300 brain-computer interfaces. Psychophysiology. 2020; 57 (7): e13569.
  13. Makeig S, Onton J. ERP features and EEG dynamics: an ICA perspective. Oxford handbook of event-related potential components. Oxford University Press, New York; 2011.
  14. Dowdall JR, Luczak A, Tata MS. Temporal variability of the N2pc during efficient and inefficient visual search. Neuropsychologia. 2012; 50 (10): 2442–53.
  15. Dinstein I, Heeger DJ, Behrmann M. Neural variability: friend or foe? Trends Cogn. Sci. 2015; 19 (6): 322–328.
  16. Ouyang G. Hildebrandt A, Sommer, W, Zhou C. Exploiting the intra-subject latency variability from single-trial event-related potentials in the P3 time range: A review and comparative evaluation of methods. Neurosci. Biobehav. Rev. 2017; 75: 1–21.
  17. Aricò P, Aloise F, Schettini F, Salinari S, Mattia D, Cincotti F. Influence of P300 latency jitter on event related potentialbased brain–computer interface performance. Journal of neural engineering. 2014; 11 (3): 035008.
  18. Ганин И. П., Каплан А. Я. Изучение эффектов вариативности потенциалов мозга человека в интерфейсе мозг–компьютер на волне P300. Вестник Российского государственного медицинского университета. 2022; 3: 78–85.
  19. Yagi Y, Coburn KL, Estes KM, Arruda JE. Effects of aerobic exercise and gender on visual and auditory P300, reaction time, and accuracy. Eur J Appl Physiol Occup Physiol. 1999; 80 (5): 402–8.
  20. Kovarski K, Malvy J, Khanna RK, Arsène S, Batty M, Latinus M. Reduced visual evoked potential amplitude in autism spectrum disorder, a variability effect? Translational Psychiatry. 2019; 9 (1): 1–9.
  21. Gonen-Yaacovi G, Arazi A, Shahar N, Karmo A, Haar S, Meiran N, Dinstein I. Increased ongoing neural variability in ADHD. Cortex. 2016; 81: 50–63.
  22. Tou SLJ, Warschausky SA, Karlsson P, Huggins JE. Individualized Electrode Subset Improves the Calibration Accuracy of an EEG P300-design Brain-Computer Interface for People with Severe Cerebral Palsy. bioRxiv. 2023: 533775.
  23. Pires G, Nunes U, Castelo-Branco M. Statistical spatial filtering for a P300-based BCI: tests in able-bodied, and patients with cerebral palsy and amyotrophic lateral sclerosis. Journal of neuroscience methods. 2011; 195 (2): 270–281.
  24. Thompson DE, Warschausky S, Huggins JE. Classifier-based latency estimation: a novel way to estimate and predict BCI accuracy. Journal of neural engineering. 2013; 10 (1): 016006.
  25. Milne E. Increased intra-participant variability in children with autistic spectrum disorders: evidence from single-trial analysis of evoked EEG. Front Psychol. 2011; 2: 51.
  26. Басюл И. А., Каплан А. Я. Изменения N200 и P300 компонентов потенциалов, связанных с событиями, при варьировании условий внимания в системе Brain Computer Interface. Журнал высшей нервной деятельности им. ИП Павлова. 2014; 64 (2): 159–65.
  27. Hillyard SA, Vogel EK, Luck SJ. Sensory gain control (amplification) as a mechanism of selective attention: electrophysiological and neuroimaging evidence. Philos Trans R Soc L. B Biol Sci. 1998; 353 (1373): 1257–70.
  28. Zhang B, Stevenson SS, Cheng H, Laron M, Kumar G, Tong J, et al. Effects of fixation instability on multifocal VEP (mfVEP) responses in amblyopes. Journal of Vision. 2008; 8 (3): 16.
  29. Polich J. Updating P300: an integrative theory of P3a and P3b. Clin. Neurophysiol. 2007; 118 (10): 2128–48.
  30. Zhang Y, Zhou G, Zhao Q, Jin J, Wang X, Cichocki A. SpatialTemporal Discriminant Analysis for ERP-Based Brain-Computer Interface. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2013; 21 (2): 233–43.