УДК 61:004

Биопротезирование на основе электроэнцефалографии: взаимодействие медицинских и информационных технологий

Бабкина Милана Романовна – студент Санкт-Петербургского государственного педиатрического медицинского университета.

Котиков Павел Евгеньевич – кандидат технических наук, доцент кафедры Медицинской информатики Санкт-Петербургского государственного педиатрического медицинского университета.

Аннотация: Исследование сосредоточено на анализе научной литературы по проблеме разработки и внедрения ИМК на основе ЭЭГ в контексте создания современных биопротезов для решения актуальных задач медицины. Рассмотрены биофизические механизмы ЭЭГ как метода изучения мозговой деятельности. Прояснены преимущества ЭЭГ в качестве управляющего компонента бионическими протезами в сравнении с другими методами. Описаны различные типы нейрокомпьютерных интерфейсов – обсуждены их преимущества и недостатки. Рассмотрены проблемы применения ИМК на основе ЭЭГ и показаны некоторые способы их преодоления.

Ключевые слова: биопротез, интерфейс, информационные технологии, нейросистемы, электроэнцефалография.

Введение

Реабилитация пациентов с последствиями различных видов травматизма представляет собой важную медико-социальную задачу. Для её решения представляется перспективным развитие и применение биопротезирования с использованием нейрокомпьютерных интерфейсов. В настоящем в этой области большое внимание уделяется интерфейсам «мозг-компьютер» (ИМК) на основе электроэнцефалографии (ЭЭГ).

Проблема реабилитации детей с последствиями тяжёлых травм, в т.ч. сопровождающихся потерей конечностей, составляет важную медико-социальную задачу во всякое историческое время [1],[2],[6].

Вместе с тем, бурное развитие информационных технологий (в широком смысле – включая развитие компьютерной техники и создание инновационного программного обеспечения, ПО) породило не только смелые ожидания в области конструирования бионических протезов, управляемых человеческим мозгом непосредственно, но и первые практические образцы.

Среди исследователей и биоинженеров растёт интерес к биопротезированию с использованием ИМК на основе такого традиционного метода исследования мозга, как электроэнцефалография. За период с 2009 по 2019 год общее количество материалов научных конференций, опубликованных по ИМК на основе ЭЭГ, превысило число опубликованных по этой теме статей (из 202 публикаций 117 – труды конференций, 85 – статьи).

В исследовании решались следующие задачи: выявить преимущества и недостатки ИМК на основе ЭЭГ (в сравнении с аналогичными технологиями на основе, например, электромиографии, ЭМГ), обозначить и прояснить значение ИМК на основе ЭЭГ в семействе действующих нейрокомпьютерных интерфейсов, сформулировать и описать принципиальную схему биопротезирования с использованием ИМК на основе ЭЭГ с указанием отдельных решений в рамках данной технологии.

Биофизика технологии ЭЭГ

Несмотря на солидный срок практического применения ЭЭГ, метод до сих пор не потерял своей диагностической ценности. Его суть сводится к регистрации электрических потенциалов головного мозга. Электроэнцефалограмма представляет собой отражение сложного колебательного электрического процесса, который является результатом временной и пространственной суммации элементарных процессов, протекающих в корковых нейронах [7]. Данный диагностический инструмент является наиболее часто используемым методом при обследовании пациентов с подозрением на эпилепсию и с наличием судорожных приступов. В последние годы фиксируется увеличение интереса к ЭЭГ в качестве составляющей блока управления бионическими протезами.

В то же время, в отечественной литературе в основном описываются системы управления бионическими протезами на основе ЭМГ [3], [5]. В частности, исследователи отмечают, что идея функционирования одного из первых биоэлектрически управляемых протезов в случае ампутации на уровне кисти заключалась в управлении искусственной кистью посредством биопотенциалов, регистрируемых на коже в области проекции брюшка сокращающейся мышцы. Сигналы снимались электродами поверхностной ЭМГ с двух групп мышц культи (сгибателей и разгибателей) и через усилители передавались к блоку управления электромеханической кистью [5]. Однако сами разработчики биопротезов на основе ЭМГ отмечают, что при использовании мышечных биопотенциалов существует ряд серьёзных трудностей.

Во-первых, при таком типе конструкции отмечается дефицит управляющей информации, которой недостаточно для управления независимыми движениями пальцев и ориентацией протеза. Необходимо решать сложную задачу вживления электродов непосредственно в периферические нервы или создавать интерфейс связи протеза непосредственно с мозгом (т.е. на основе ЭЭГ, а не ЭМГ).

Во-вторых, нервы и электрические провода при попытке их соединения передают совершенно разные типы сигналов – преодоление этого факта представляет принципиальную трудность.

В-третьих, нельзя игнорировать ответ иммунной системы на чужеродные имплантаты – со временем запускается защитная реакция организма по рубцеванию ткани вокруг имплантата, что приводит к нарушению его работы.

В-четвёртых, в некоторых случаях (тяжёлые травмы, сопровождающиеся, например, полной утратой верхней конечности) ЭМГ попросту неэффективна. При вычленении плеча отсутствует мышца на руке, откуда обычно регистрируют биопотенциалы для управления протезом [4].

Принципиальное и очень важное преимущество технологии ИМК на основе ЭЭГ состоит в том, что ЭЭГ фиксирует фактически прямую биоэлектрическую активность корковых нейронов. В то время как ЭМГ регистрирует сигналы, опосредованно вызванные деятельностью центральной нервной системы. Строго говоря, при использовании ЭМГ термин ИМК (или «нейрокомпьютерный интерфейс») неприменим, поскольку прямая связь между компьютером и мозгом отсутствует.

Электрический сигнал, регистрируемый на ЭЭГ, генерируется ионными токами в дендритной мембране пирамидных нейронов в корковых слоях IV-V – в т.н. «сером веществе» головного мозга. ЭЭГ фиксирует электрический ток внеклеточного пространства. Локальные биопотенциалы вырабатываются внеклеточными нейронными генераторами – возбуждающими (ВПСП) и тормозными постсинаптическими потенциалами (ТПСП), проходящими через мозговую ткань и кости черепа к записывающим электродам, расположенным на скальпе. 

Преимуществами ЭЭГ в качестве компонента блока управления протезом также являются высокое временное разрешение, хорошая портативность, высокое временное разрешение, относительно низкая стоимость, меньшая инвазивность по сравнению с функциональной магнитно-резонансной томографией (фМРТ) и независимость от необходимости сложной среды по сравнению с магнитоэнцефалографией (МЭГ). Общим недостатком применения ЭЭГ в приложениях для ИМК является её низкое пространственное разрешение.

Биопротезирование с использованием ИМК на основе ЭЭГ

В приложениях ИМК на основе ЭЭГ анализ сигналов разделён на четыре этапа: сбор необработанных данных ЭЭГ, предварительная обработка сигнала, извлечение признаков и классификация. Собранные необработанные данные ЭЭГ включают все данные, поступающие от электродов ЭЭГ-устройства (современные модели позволяют собирать информацию дистанционно).

После сбора необработанных данных ЭЭГ предварительная обработка используется для очистки от шума и для повышения качества собранных данных ЭЭГ для дальнейшего анализа. Во время извлечения признаков из данных ЭЭГ сепарируется особая информация для формирования набора признаков (это задача соответствующего программного обеспечения). Извлеченные функции будут фиксировать различные характеристики сигналов, которые можно использовать в качестве основы для дифференциации состояний мозга, специфичных для конкретной задачи.

На этапе классификации определяется задача, выполняемая субъектом, и система выполняет соответствующее действие. В системах, эксплуатирующих виброактивный вызванный потенциал, физические вибрации на разных частотах генерируются, например, на руках и ногах субъекта. В зависимости от фокуса субъекта регистрируется соответствующий паттерн ЭЭГ, эквивалентный конкретной физической вибрации, и его можно использовать для контроля над внешним устройством (протезом).

Представляется целесообразным несколько подробнее обсудить тип ИМК на основе ЭЭГ, в котором используется зрительный вызванный потенциал (сокр. ЗВП; в англоязычной литературе также фигурирует термин «устойчивый зрительный потенциал» – steady-state visual evoked potential, сокр. SSVEP), поскольку в настоящем у различных исследователей данная система вызывает наибольший интерес.

ЗВП активно исследовался ещё в 1980х гг. в контексте диагностики поражения сетчатки и зрительного нерва, а в качестве метода изучения зрительной перцепции известен уже более 80 лет. Парадигма зрительных вызванных потенциалов широко распространена среди приложений ИМК. Суть этого способа основана на том простом факте, что внешняя зрительная стимуляция существенно влияет на деятельность головного мозга и соответствующим образом отражается на электроэнцефалограмме.

Исследователи пришли к выводу, что частоты, вызывающие СЗВП, имеют широкий диапазон от 1 до, по крайней мере, 90 Гц, а стационарные потенциалы демонстрируют явные резонансные явления около 10, 20, 40 и 80 Гц [22]. Наиболее часто используемые частоты находятся в диапазоне от 4 до 60 Гц. Что касается вызова СЗВП, повторяющиеся зрительные стимулы в основном включают простое квадратное мерцание, шахматную доску, решетки и светодиод.

ИМК на основе СЗВП позволяют пользователям выбирать цель с помощью взгляда в глаза. Пользователь визуально фиксирует внимание на цели, а ИМК идентифицирует цель посредством анализа функций СЗВП. Чтобы вызвать СЗВП, пользователю необходимо предъявить повторяющийся зрительный стимул. На экране компьютера он может быть отражен путём чередования графических рисунков или при помощи внешних источников света, способных излучать модулированный свет.

Чередующиеся графические паттерны преимущественно включают одиночные графические стимулы и стимулы разворота паттернов. Отдельные графические стимулы могут быть представлены изображением прямоугольника, квадрата, стрелки или изображением робота. Картинки отображаются на экране компьютера и при этом появляются и исчезают на заднем плане с заданной скоростью. Стимулами разворота паттерна могут служить шахматная доска или решётка, отображаемая в результате колебательного чередования графических паттернов. Последние состоят, как минимум, из двух паттернов, которые чередуются с заданным количеством мерцаний в секунду. Внешний источник света может мигать с любой частотой, а графические узоры – только с определённой частотой из-за ограничения на частоту обновления монитора.

Проблемы использования ИМК на основе ЭЭГ и пути их преодоления

К одной из наиболее распространённых проблем при использовании ИМК на основе ЭЭГ относится сравнительно высокая рыночная стоимость устройств. Решение об использовании конкретного устройства ЭЭГ зависит от типа приложения ИМК на основе ЭЭГ, определяющего потребность в определённом количестве каналов ЭЭГ.

Проблема в том, что в парадигмах визуального пробуждения, как СЗВП, вызывающее устройство имеет важное значение, но ЖК-экран или светодиодное устройство не подходят для реального применения. Необходимо более портативное устройство для регистрации ЭЭГ. К счастью, устройство визуального восприятия с элементами технологии дополненной реальности (как, например, очки Google) может решить эту проблему.

Для классификации данных, извлекаемых в приложениях ИМК на основе ЭЭГ, часто используются различные алгоритмы машинного обучения. Другие алгоритмы машинного обучения составляют не более 5%. Актуальной проблемой, связанной с применяемыми алгоритмами машинного обучения, является то, что их характеризует низкая вычислительная сложность. Другими словами, машинные алгоритмы не дотягивают до уровня нашего мозга.

Выводы

1. Использование ИМК на основе ЭЭГ в реабилитационных целях для пациентов, нуждающихся в протезировании, является перспективной научно-прикладной областью.
2. Создание приложений с применением нейрокомпьютерных интерфейсов в области биопротезирования имеет принципиальное преимущество в сравнении с процессом конструирования электромеханических протезов на основе ЭМГ.
3. Наибольший исследовательский и прикладной интерес представляют активные системы ИМК на основе ЭЭГ, в которых в качестве конкретной технологии сбора данных могут использоваться различные способы. В настоящем самым перспективным выглядит способ управления бионическим протезом через зрительный вызванный потенциал.
4. Процесс анализа ЭЭГ-сигналов в обсуждаемых типах ИМК состоит из четырёх этапов: сбор необработанных данных, фильтрация данных, извлечение признаков и классификация.
5. Главной проблемой использования ИМК на основе ЭЭГ являются трудности обработки и точной интерпретации данных для оптимального управления биопротезами. Одним из путей преодоления проблемы может быть конструирование гибридных систем, где данные собираются не только при помощи ЭЭГ, но и других неинвазивных технологий регистрации мозговой активности.

Список литературы

1. Альбицкий В.Ю., Шер С.А., Устинова Н.В. Уроки борьбы с детским военным травматизмом в СССР в послевоенный период (1946-1950 гг.) // Бюллетень Национального научно-исследовательского института общественного здоровья имени Н. А. Семашко. 2022. №4. URL: https://cyberleninka.ru/article/n/uroki-borby-s-detskim-voennym-travmatizmom-v-sssr-v-poslevoennyy-period-1946-1950-gg (дата обращения: 22.10.2023).
2. Баиндурашвили А.Г., Соловьева К.С., Залетина А.В., Долженко Н.В., Лапкин Ю.А. Детский травматизм и оказание специализированной помощи детям Санкт-Петербурга // Ортопедия, травматология и восстановительная хирургия детского возраста. 2013. №1. URL: https://cyberleninka.ru/article/n/detskiy-travmatizm-i-okazanie-spetsializirovannoy-pomoschi-detyam-sankt-peterburga (дата обращения: 22.10.2023).
3. Буров Г.Н., Большаков В.А., Дробаха А.С. Инновационный протез предплечья с одновременным управлением тремя функциями искусственной кисти // Физическая и реабилитационная медицина. 2020. Т.2. № 1. С. 54-60. DOI: 10.26211/2658-4522-2020-2-1-54-60.
4. Воробьев В.И., Дорофеев В.О., Михеев А.В. Антропоморфные биороботы и биопротезы // Инженерный вестник. Издатель ФГБОУ ВПО «МГТУ им. Н.Э. Баумана». 2015. №6. С.15-28.
5. Горохова Н.М., Головин М.А., Чежин М.С. Методы управления протезами верхних конечностей // Научно-технический вестник информационных технологий, механики и оптики. 2019. №2. URL: https://cyberleninka.ru/article/n/metody-upravleniya-protezami-verhnih-konechnostey (дата обращения: 01.10.2023).
6. Гречухин И.В. Состояние проблемы травматизма по данным официальной статистики и научное обоснование совершенствования его учёта // Менеджер здравоохранения. 2017. №7. URL: https://cyberleninka.ru/article/n/sostoyanie-problemy-travmatizma-po-dannym-ofitsialnoy-statistiki-i-nauchnoe-obosnovanie-sovershenstvovaniya-ego-uchyota (дата обращения: 22.10.2023).
7. Гусев Е. И., Абабков В. А., Белоусова О. Б. и др. Неврология. Национальное руководство. Том 1 / Под ред. Е. И. Гусева, А. Н. Коновалова, В. И. Скворцовой. М.: ГЭОТАР-Медиа, 2022. С.82-99.