Нейроинтерфейс делится на синхронный и асинхронный режимы в зависимости от метода обработки исходных данных. Синхронный интерфейс мозг-компьютер (англ. synchronous brain-computer interface) – это заранее установленные фиксированные различные временные интервалы. Таким образом, субъекту разрешается выполнять лишь определенные умственные задачи в соответствии с заданной концепцией, разработанной ранее и связанной с конкретным сигналом или триггером. В отличие от синхронного ИМК, асинхронная ИМК-система (англ. asynchronous brain-computer interface) не требует никакого стимула. Субъект может управлять ИМК с помощью умственной деятельности в любое время, если пожелает. Асинхронный ИМК обеспечивает более естественный режим взаимодействия человек-устройство, чем синхронный. Однако мозговую активность необходимо постоянно анализировать и классифицировать. Мышление опознается и преобразуется в команды в кратчайшие сроки, следовательно требуется большие вычислительные мощности для обработки сигнала.
Первоначально ИМК разрабатывался синхронным. С развитием производительности компьютера асинхронный ИМК в последние годы стал приобретать большую популярность.
Синхронные и асинхронные ИМК должны разрабатываться под конкретные приложения. В целом, асинхронные системы удобны для пользователя. Однако трудность заключается в постоянном обнаружении активности мозга интерфейсом мозг-компьютер.
Синхронные интерфейсы
Этот тип интерфейсов при помощи ЭЭГ анализирует вызванные потенциалы мозга, полученные от конкретного пользователя (могут быть использованы визуальные, звуковые или тактильные стимулы). В этом случае система выполняет функцию связи, а пользователь просто реагирует или же не реагирует на серию раздражителей. Не происходит обработки спонтанной мозговой активности. Анализируется только активность, связанная с ответом на стимуляцию, далее превращаясь в соответствующие команды. Для каждого интерфейса требуется индивидуальное обучение.1
Синхронные ИМК используют следующие типы сигналов:
- Устойчивые визуально-вызванные потенциалы (УВВП);
- Потенциалы, связанные с событием.
Асинхронные интерфейсы
Этот тип интерфейсов воспринимает произвольную мозговую активность пользователя на протяжении всего времени подключения. В этом случае она непрерывно анализируется, а также периодически отслеживается психическое состояние пользователя. Помимо этого, нейрокомпьютерный интерфейс способен оценивать временные колебания частот, связанных с двигательной активностью пользователя. Каждая из амплитудных вариаций может быть распознана и переведена в команду. Анализ двигательной активности требует длительных тренировок.2
Ученые разработали асинхронный ИМК-переключатель.3 ROC-кривая (англ. receiver operating characteristic – кривая соотношений правильного и ложного обнаружения сигналов) была применена для оценки асинхронных характеристик моторных образов. Впоследствии другая команда ученых определила верхний и нижний пороги для классификации «периода покоя» и «мыслительного периода» для выявления умственной активности .4
Спонтанная мозговая активность вызывает следующие типы сигналов, используемых ИМК:
- Изменение медленных корковых потенциалов;
- Сенсомоторная колебательная активность;
- Спонтанные ЭЭГ-сигналы.
Footnotes
- Avid Roman-Gonzalez. EEG Signal Processing for BCI Applications. Human – Computer Systems Interaction: Backgrounds and Applications 2, Advances in Intelligent and Soft Computing, 2012, 98 (1), pp.51-591. doi: 10.1007/978-3-642-23187-2_36. ⟨hal-00742211⟩
- Avid Roman-Gonzalez. EEG Signal Processing for BCI Applications. Human – Computer Systems Interaction: Backgrounds and Applications 2, Advances in Intelligent and Soft Computing, 2012, 98 (1), pp.51-591. doi: 10.1007/978-3-642-23187-2_36. ⟨hal-00742211⟩
- Zhang W, Tan C, Sun F, Wu H, Zhang B. A Review of EEG-Based Brain-Computer Interface Systems Design. Brain Science Advances. 2018;4(2):156-167. doi: 10.26599/BSA.2018.9050010.
- Blustein DL, Guarino PA. Work and Unemployment in the Time of COVID-19: The Existential Experience of Loss and Fear. Journal of Humanistic Psychology. 2018;4(2):702-709. doi: 10.1177/0022167820934229.