Preview

Тихоокеанский медицинский журнал

Расширенный поиск

КЛАССИФИКАЦИЯ ЭЛЕКТРОЭНЦЕФАЛОГРАФИЧЕСКИХ ПАТТЕРНОВ ВООБРАЖАЕМЫХ И РЕАЛЬНЫХ ДВИЖЕНИЙ ПАЛЬЦЕВ ОДНОЙ РУКИ МЕТОДОМ ОПОРНЫХ ВЕКТОРОВ

Полный текст:

Аннотация

Рассматривается проблема распознавания воображаемых и реальных движений пальцев одной руки по паттернам электроэнцефалографии (ЭЭГ). В исследовании приняли участие 6 здоровых испытуемых. Для классификации паттернов была выбрана биоэлектрическая активность в сенсомоторной коре (отведения C3, Cz) в полосе пропускания 0,53-30 Гц и временном окне 1600 мс (450 мс после предъявления разрешающего стимула). Произведена оценка точности классификации паттернов ЭЭГ, соответствующих реальным и воображаемым движениям большого и указательного пальцев, с помощью метода опорных векторов с использованием линейной и радиальной базисной функций. Показана возможность различения паттернов воображаемых движений пальцев одной руки на основе метода опорных векторов (средняя точность 44,7±11,4 % при суммировании 20 проб).

Об авторах

К. М. Сонькин
Санкт-Петербургский государственный политехнический университет
Россия


Л. А. Станкевич
Санкт-Петербургский государственный политехнический университет
Россия


Ю. Г. Хоменко
Санкт-Петербургский государственный политехнический университет; Институт мозга человека им. Н.П. Бехтеревой РАН
Россия


Ж. В. Нагорнова
Институт эволюционной физиологии и биохимии им. И.М. Сеченова РАН; Санкт-Петербургский институт внешнеэкономических связей экономики и права
Россия


Н. В. Шемякина
Институт эволюционной физиологии и биохимии им. И.М. Сеченова РАН; Санкт-Петербургский институт внешнеэкономических связей экономики и права
Россия


Список литературы

1. Каплан А.Я., Кочетова А.Г., Шишкин С.Л. [и др.]. Экспериментально-теоретические основания и практические реализации технологии «интерфейс мозг - компьютер» // Бюллетень сибирской медицины. 2013. Т. 12, № 2. С. 21-29.

2. Фролов А.А., Бирюкова Е.В., Бобров П.Д. [и др.]. Принципы нейрореабилитации, основанные на использовании интерфейса «мозг-компьютер» и биологически адекватного управления экзоскелетоном // Физиология человека. 2013. Т. 39, № 2. С. 99-113.

3. Сороко С.И. Нейрофизиологические механизмы индивидуальной адаптации человека в Антарктиде. Л.: Наука, 1984. 152 с.

4. Сороко С.И., Трубачев В.В. Нейрофизиологические и психофизиологические основы адаптивного биоуправления. СПб.: Политехника-сервис, 2010. 607 с.

5. Blankertz B., Tangermann M., Vidaurre C. [et al.]. Berlin brain-computer interface: non-medical uses of BCI technology // Frontiers in neuroscience. 2010. Vol. 4, No. 198. P. 17.

6. Chang C.-C., Lin C.-J. LIBSVM: a library for support vector machines // ACM Transactions on Intelligent Systems and Technology. 2011. URL: http://www.csie.ntu.edu.tw/~cjlin/libsvm (дата обращения 12.02.2014).

7. Kaiser V., Kreilinger A., Müller-Putz G.R., Neuper Ch. First steps toward a motor imagery based stroke BCI: new strategy to set up a classifier // Frontiers in Neuroscience. 2011. Vol. 5, No. 86. P. 10.

8. Lotte F., Congedo M., Lecuyer A. [et al.]. Review of classification algorithms for EEG-based brain-computer interfaces // Journal of Neural Engineering. 2007. Vol.4. P. 1-24.

9. Miller K.J., Zanos S., Fetz E.E. [et al.]. Decoupling the cortical power spectrum reveals real-time representation of individual finger movements in humans // The Journal of Neuroscience. 2009. Vol. 29 (10). P. 3132-3137.

10. Morash V., Bai O., Furlani S. [et al.]. Classifying EEG signals preceding right hand, left hand, tongue, and right foot movements and motor imageries // Clinical Neurophysiology 2008. Vol. 119. P. 2570.

11. Neuper C., Scherer R., Reiner M., Pfurtscheller G. Imagery of motor actions: differential effects of kinesthetic and visual-motor mode of imagery in singletrial EEG // Cognitive Brain Research. 2005. Vol. 25. P. 668-677.

12. Quandt F., Reichert C., Hinrichs H. [et al.]. Single trial discrimination of individual finger movements on one hand: A combined MEG and EEG study // Neuroimage. 2012. Vol. 59. P. 3316-3324.

13. Vapnik V.N. An overview of statistical learning theory // IEEE Transact. on Neural Networks. 1999. Vol. 10, No. 5. P. 988-999.

14. Wolpaw J.R., Birbaumer N., McFarland D.J. [et al.]. Brain-computer interfaces for communication and control // Clin. Neurophysiol. 2002. Vol. 113. P. 767-791.

15. Xiao R., Ding L. Evaluation of EEG features in decoding individual finger movements from one hand // Computational and Mathematical Methods in Medicine. 2013. Vol. 2013, Art. ID 243257. 10 p.


Для цитирования:


Сонькин К.М., Станкевич Л.А., Хоменко Ю.Г., Нагорнова Ж.В., Шемякина Н.В. КЛАССИФИКАЦИЯ ЭЛЕКТРОЭНЦЕФАЛОГРАФИЧЕСКИХ ПАТТЕРНОВ ВООБРАЖАЕМЫХ И РЕАЛЬНЫХ ДВИЖЕНИЙ ПАЛЬЦЕВ ОДНОЙ РУКИ МЕТОДОМ ОПОРНЫХ ВЕКТОРОВ. Тихоокеанский медицинский журнал. 2014;(2):30-35.

For citation:


Sonkin K.M., Stankevich L.A., Khomenko Yu.G., Nagornova Z.V., Shemyakina N.V. CLASSIFICATION OF ELECTROENCEPHALOGRAPHIC PATTERNS OF IMAGINED AND REAL MOVEMENTS BY ONE HAND FINGERS USING THE SUPPORT VECTORS METHOD. Pacific Medical Journal. 2014;(2):30-35. (In Russ.)

Просмотров: 7


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1609-1175 (Print)