Классификация нейроинтерфейсов

Рисунок 1. Устройство ИМК

Нейрокомпьютерный интерфейс (интерфейс «мозг-компьютер, нейроинтерфейс, НКИ) – это система, которая обеспечивает связь между мозгом и различными устройствами (компьютером, протезом, средствами дополненной и виртуальной реальности и т. д.).
Как правило НКИ состоит из трех основных этапов: 

  1. регистрация сигнала;
  2. интерпретация сигнала;  
  3. вывод команд на подключенное устройство в соответствии с полученным сигналом. 

НКИ можно применять для множества задач, включая, нейробиоуправление, нейрогейминг, нейрофитнес, восстановление двигательной функции парализованных пациентов, обеспечение связи с пациентами, находящимися в коме, и улучшение обработки сенсорной информации.

На сегодняшний день существуют большое количество различных нейроинтерфейсов, которые можно классифицировать по методу регистрации данных и  инвазивности, по способу обработки данных, по используемым мыслительным паттернам и когнитивным механизмам взаимодействия, по их прикладному применению и т. д.

По методу регистрации или степени инвазивности

Рисунок 2. Виды ИМК в зависимости от глубины погружения электрода

Сигналы биоэлектрической активности головного мозга могут быть зарегистрированы на поверхности кожи головы при помощи методов электроэнцефалографии (ЭЭГ), электрокортикографии (ЭКоГ), либо при помощи электродов имплантированных  в структуры мозга.
Таким образом можно разделить использование технологии НКИ на инвазивные – требующие интракраниального внедрения электродов или непосредственно в мозг, и неинвазивные, фиксирующие сигнал с поверхности скальпа.1

Инвазивные НКИ

Инвазивные виды ИМК имплантируются непосредственно в мозг посредством нейрохирургой операции. Существуют однокомпонентные ИМК, которые регистрируют сигнал от одной области клеток мозга, и составные, которые регистрируют сигнал от нескольких областей.  Электроды имеют разную длину – от 1,5 (Юта, Blackrock Microsystems) до 10 мм (FMA, MicroProbes).

Качество сигнала, получаемого этим методом, самое высокое, однако само внедрение электрода сопряжено с риском инфицирования головного мозга, а его продолжительное пребывание в коре или более глубоких отделах головного мозга может привести к образованию рубцовых тканей, что ведет к ухудшению сигнала и как следствие снижению функциональных качеств и работоспособности НКИ. 

Инвазивные НКИ различаются по глубине погружения электрода или электродов в головной мозг, так электрокортикографию (ЭКоГ),  которая использует электроды, размещенные на открытой поверхности мозга, иногда относят к полуинвазивным (или малоинвазвиным) методам регистрации биоэлектрической активности головного мозга. 

Также инвазивные НКИ различают по площади регистрируемого сигнала в зависимости от используемых электродов и целей исследования. Это может быть запись с целой популяции нейронов, так называемая регистрация мультиюнитной активности (англ. multiunit recording, MUR), регистрация локального поля – потенциалы локального поля (англ. local field potentials, LFP) или регистрация активности одиночного нейрона (англ.singleunit recording, SUR). 

На сегодняшний день, инвазивные НКИ в силу их дороговизны и возможных рисках при имплантации,  используют для экспериментальных исследований, например, для парализованные пациенты, для которых данная технология становится единственным шансом снова обрести утраченные способности.2 

Неинвазивные НКИ

Неинвазивные ИМК исходя из названия не требуют хирургического вмешательства3, и следовательно наиболее безопасны в эксплуатации, и, как правило, менее дорогие в использовании. 

Также неинвазивные НКИ более мобильны и доступны для исследований, благодаря чему, превалирующая часть исследований нейроинтерфейса на сегодняшний день относится к неинвазивным.

К неинвазивным методам исследования биоэлектрической активности головного мозга, которые используются в НКИ можно отнести следующие методы:

  • Электроэнцефалография (ЭЭГ);
  • Магнитоэнцефалография (МЭГ);
  • Позитронно-эмиссионная томография (ПЭТ);
  • Функциональная магнитно-резонансная томография (фМРТ);
  • fNIRS – спектроскопия в ближнем инфракрасном диапазоне.

Данные методы посредством косвенной (как фМРТ, которая определяет оксигенированный гемоглобин в крови, и таким образом может свидетельствовать об наиболее энергозатратных участках головного мозга) или прямой (как ЭЭГ, которая путем помещения датчиков на волосистую часть головы регистрирует биоэлектрическую активность мозга) информации о работе мозга позволяют осуществлять связь с компьютером и другими устройствами.

Однако, неинвазивные ИМК из-за естественной преграды для любого сигнала в виде костей черепа, мышц и кожи регистрируют меньше информации и следовательно являются менее точными для ежедневной эксплуатации. Такие нейроинтерфейсы можно использовать для нейрогейминга, нейрофитнеса, для биопротезирования.

Наиболее широко представленным неинвазивным НКИ является электроэнцефалография. Именно поэтому нейроинтерфейсы на основе ЭЭГ или гибридные технологии ее включающие наиболее широко изучены и имеют самую масштабную научную библиотеку. 

Гибридные НКИ

Гибридные НКИ обычно сочетают в себе несколько типов нейроинтерфейсов, соединенных последовательно или параллельно4. Такой вид интерфейсов повышает качество считывания сигналов. Однако, не все комбинации нейрокомпьютерных интерфейсов одинаково реализуемы и эффективны. Кроме того, гибридный нейроинтерфейс на базе ЭЭГ может включать магнитоэнцефалографию (МЭГ), электрокортикографию (ЭкоГ), функциональную магнитно-резонансную томографию (фМРТ) и ближнюю инфракрасную спектроскопию  (БИКС/fNIRS). В некоторых случаях, НКИ на базе ЭЭГ может совместно использоваться с электромиографией (ЭМГ), электроокулографией (ЭОГ) не основанными на НКИ. 

Таким образом гибридные ИМК позволяют регистрировать биоэлектрическую активность головного мозга более точно, так как используют несколько методов регистрации, однако данные технологии более сложные и дорогие в реализации, а также требуют больше вычислительных мощностей для обработки данных. 

Классификация НКИ в зависимости от метода обработки исходных данных

➥ Основная статья: Синхронный и асинхронный ИМК

В зависимости от метода обработки исходных данных можно выделить два подхода: синхронный и асинхронный режим. Синхронный НКИ производит обработку данных в заранее установленные временные интервалы. При синхронной обработки данных пациент выполняет ряд определенных интеллектуальных задач в соответствии с ранее оговоренной программой исследования и связанных с конкретным сигналом или триггером, например визуальный, звуковой или тактильный стимул. В случае использования  синхронного ИМК, интерфейс выполняет функцию связи, в то время как пациент реагирует или не реагирует на раздражитель или стимул. В такой системе не происходит регистрации спонтанной мозговой активности. Происходит обработка только той мозговой активности, которая является ответом на проводимую стимуляцию, в последующем трансформируясь в ряд определенных исследованием команд. Для взаимодействия с синхронным нейроитерфейсом требуется специальное обучение.

Асинхронные НКИ позволяет пациенту взаимодействовать в любое время, не опираясь на определенное время или активирующий триггер. Система сама определяет, когда человек “обращается” к ИМК и классифицирует его задачи, таким образом она является более естественной для потребителя. Однако асинхронные НКИ более сложные в исполнении и требует более сильные вычислительные мощности для работы.

Footnotes

  1. Millán Jdel R, Carmena JM. Invasive or noninvasive: understanding brain-machine interface technology. IEEE Eng Med Biol Mag. 2010 Jan-Feb;29(1):16-22. doi: 10.1109/memb.2009.935475.
  2. Claudine Botte-Lecocq, François Cabestaing. Les interfaces cerveau-machine pour la palliation du handicap moteur sévère. Handicap’2008, Jun 2008, Paris, France. pp.180-189. doi: 10.3166/sth.3.95-121.
  3. Asif Mansoor, Muhammad Waleed Usman, Noreen Jamil, M. Asif Naeem, “Deep Learning Algorithm for Brain-Computer Interface“, Scientific Programming, vol. 2020, Article ID 5762149, 12 pages, 2020. doi: 10.1155/2020/5762149
  4. 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