Текущий прогресс

В Центре биоэлектрических интерфейсов осуществляются разработки в ряде cмежных, но, тем не менее, разнообразных областей. В каждой из них на настоящий момент были получены 

следующие результаты (PDF, 1.08 Мб) 

Также можно просмотреть результаты за прошлые года (PDF, 3.83 Мб)

---

Нейрообратная связь

1.1 Опубликована статья A. Ossadtchi, T. Shamaeva, E. Okorokova, V. Moiseeva, M. A. Lebedev. (2017). Neurofeedback learning modifies the incidence rate of alpha spindles, but not their duration and amplitude. Scientific Reports, 7, 3772.
https://www.nature.com/articles/s41598-017-04012-0
В статье рассматриваются измения паттернов альфа-активности, зарегистрированной в ЭЭГ отведении P4, в результате двухдневной тренировки в парадигме нейрообратной связи. Было показано, что итоговый прирост мощности альфа-ритма в результате тренировки был обеспечен за счет увеличения количества эпизодов синхронизации альфа-осцилляций, в то время как их амплитуда и длительность оставались неизменными.

1.2 Разработано программное обеспечение для реализации экспериментальных парадигм в исследованиях нейрообратной связи, по результатам опубликована статья N. Smetanin, K. Volkova, S. zabodaev, M. A. Lebedev, A. Ossadtchi. (2018). NFBLab — A Versatile Software for Neurofeedback and Brain-Computer Interface Research. Frontiers in Neuroinformatics, https://www.frontiersin.org/articles/10.3389/fninf.2018.00100/full

1.3 Мы также разрабатываем методы для сокращения задержки предъявления нейрообратной связи, критичной для эффективности тренировки в рамках НОС парадигмы. Опубликован препринт N. Smetanin, M. A. Lebedev, A. Ossadtchi. (2018). Towards Zero-Latency Neurofeedback, https://www.biorxiv.org/content/10.1101/424846v1.

1.4 В рамках работ 2021 году мы разработали новый подход к локализации речевой коры, не требующий построения референтного распределения. В соответствии с нашей новой методикой отсутствует необходимость записи активности мозга пациента в состоянии покоя, что существенно упрощает реализацию процедуры пассивного картирования невосполнимой речевой коры. Опубликована статья: Artur Petrosyan, Mikhail Sinkin, Mikhail Lebedev and Alexei Ossadtchi (2021). Decoding аnd Interpreting Cortical Signals With A Compact Convolutional Neural Network, Journal of Neural Engineering,  https://doi.org/10.1088/1741- 2552/abe20e 

1.5 В 2022 вышла статья о применении небольшого набора пространственно разделенных инвазивных электродов ЭЭГ для декодирования речи: Artur Petrosyan, Alexey Voskoboinikov, Dmitrii Sukhinin, Anna Makarova, Anastasia Skalnaya Nastasia Arkhipova, Mikhail Sinkin and Alexei Ossadtchi (2022). Speech decoding from a small set of spatially segregated minimally invasive intracranial EEG electrodes with a compact and interpretable neural network. Journal of Neural Engineering, v.19, n.6 066016 https://doi.org/10.1088/1741-2552/aca1e1

1.6 Качество работы идеомоторных ИМК зависит не только от экзогенных параметров, определяемых методами регистрации и обработки активности головного мозга, но также и от эндогенных характеристик нейрональной активности конкретного пользователя. Например, степень выраженности сенсомоторного ритма пользователя достоверно коррелирует с качеством управления, достижимого в контуре идеомоторного ИМК. Однако, как показало наше исследование только лишь у половиныопытных медитаторов активность головного мозга изменяется в сторону повышения мощности альфа-ритма. Вторая половина медитаторов, напротив, демонстрирует достоверное снижение выраженности осцилляций в альфа-диапазоне, в том числе и над сенсомоторными областями коры головного мозга. Статья: Maria Volodina,Nikolai Smetanin,Mikhail Lebedev,Alexei Ossadtchi (2021). Cortical and autonomic responses during staged Taoist meditation: Two distinct meditation strategies. PloS one, 16(12), e0260626.https://doi.org/10.1371/journal.pone.0260626 

---

Обратная задача ЭЭГ и МЭГ

2.1 Разработано программное обеспечение для решения обратной задачи ЭЭГ и визуализации активности мозга в реальном времени. Видео с демонстрацией можно найти на нашем youtube-канале по ссылке https://www.youtube.com/watch?v=nDvEIrZ8oL8.

2.2 Был разработан новый метод поиска коннективностей в МЭГ данных. Метод использует оригинальную операцию проекции, применяемую к матрице кросс-спектра сигнала и позволяющую решить проблему протечки сигнала, при этом сохраняя вклад источников, взаимодействующих с нулевой фазовой задержкой. Алгоритм опубликован в статье A. Ossadtchi, D. Altukhov, K. Jerbi. (2018). Phase shift invariant imaging of coherent sources (PSIICOS) from MEG data. Neuroimage, 183:950-971, https://www.ncbi.nlm.nih.gov/pubmed/30142449

2.3 Разработан новый метод решения обратной задачи МЭГ, позволяющий модифицировать классический бимформер так, чтобы сохранить все преимущества базового метода, и при этом получить возможность восстановления коррелированных источников. Метод описан в статье Aleksandra Kuznetsova , Yulia Nurislamova, Alexei Ossadtchi (2022). Modified covariance beamformer for solving MEG inverse problem in the environment with correlated sources. Neuroimage, 228, 117677. https://doi.org/10.1016/j.neuroimage.2020.117677 

2.4 Также вышла статья о разработанном нами биомиметическом подходе для автоматического обнаружения спайков Daria Kleeva, Gurgen Soghoyan, Ilia Komoltsev, Mikhail Sinkin and Alexei Ossadtchi. Fast parametric curve matching (FPCM) for automatic spike detection (2022). Journal of Neural Engineering, v.19, n.3 036003. https://doi.org/10.1088/1741-2552/ac682a

---

Неинвазивные нейроинтерфейсы

Помимо основной задачи по разработке фундаментальных и технологических основ создания электрокортикографических инвазивных интерфейсов, в которой нам удалось достичь существенного прогресса (https://bioelectric.hse.ru/news/228891005.html), ведутся исследования в области неинвазивных нейро- и миоинтерфейсов для задач реабилитации пациентов.
Для повышения эффективности интерфейсов мозг-компьютер был разработан метод анализа ЭЭГ данных, позволяющий более точно классифицировать состояния при создании идеомоторного интерфейса, результаты опубликованы в работе N. Dagaev, K. Volkova, A. Ossadtchi. (2017). Latent variable method for automatic adaptation to background states in motor imagery BCI. Journal of Neural Engineering, 15(1), https://iopscience.iop.org/article/10.1088/1741-2552/aa8065/meta.
Разработанный идеомоторный интерфейс мы применяем в нейрореабилитации, см. демонстрацию на видео https://www.youtube.com/watch?v=XNRg61bNbNI&t=99s

---

Атомарные магнитометрические сенсоры

Совместно с сотрудниками из Физико-технического института им. А.Ф. Иоффе РАН ведутся разработки нового атомарного магнитометрического сенсора для многоканальной магнитоэнцефалографии. Результаты опубликованы в работах:

4.1 A. E. Ossadtchi, N. K. Kulachenkov, D. S. Chuchelov, S. P. Dmitriev, A. S. Pazgalev, M. V. Petrenko, A. K. Vershovskii. Towards magnetoencephalography based on ultrasensitive laser pumped non-zero field magnetic sensor. IEEE proceedings - 2018 International Conference Laser Optics (ICLO), St. Petersburg, 2018, pp. 543-543, https://ieeexplore.ieee.org/document/8435740

4.2 A. S. Pazgalev, A. E. Ossadtchi, S. P. Dmitriev, V. A. Kartoshkin, M. V. Petrenko, A. K. Vershovskii. High sensitivity laser pumped Cesium magnetic sensor for magnetoencephalography. - Proc. MPLP’2018 - VIII International Symposium "Modern Problems of Laser PHYSICS", Novosibirsk, Russia, 25 August - 01 September 2018, pp.189-190.

4.3 Создан патент A. K. Vershovskii, A. E. Ossadtchi. The method of controlling an atomic quantum magnetometer sensor when operating as part of a multichannel diagnostic system. Patent application # 2018147064, 27.12.2018.

4.4 В 2021 вышла статья, в которой был представлен первый solid-state датчик для МЭГ, который работает при комнатной температуре. Koshev, N., Butorina, A., Skidchenko, E., Kuzmichev, A., Alexei Ossadtchi, Ostras, M., & Vetoshko, P. (2021). Evolution of MEG: A first MEG‐feasible fluxgate magnetometer. Human Brain Mapping, 42(15), 4844-4856. https://doi.org/10.1002/hbm.25582

---

Прикладные исследования

Мы также используем ЭЭГ и МЭГ для исследования функциональных особенностей взаимодействия основных систем головного мозга. Особый интерес представляют исследования работы мозга в состоянии критически высокой когнитивной нагрузки. Нами проведено исследование, в котором при помощи анализа вызванных потенциалов, продемонстрирована зависимость слухового внимания от степени загрузки рабочей памяти синхронных переводчиков. По результатам опубликована статья R. Koshkin, Y. Shtyrov, A. Myachikov, A. Ossadtchi. (2018). Testing the efforts model of simultaneous interpreting: An ERP study. PLOS One, https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0206129.