Примечания:

1. Таблица построена по результатам распознавания данных тех же исследований, из которых взяты данные для обучения (распознавание "внутри одного исследования").

2. Приведены средние по испытуемым и по двум типам задач значения ппр.

3. Затемнением отмечен ппр ниже достоверно неслучайного уровня, который равен 60% для двух классов и 35 векторов.

Классификация отрезков ЭЭГ только по усредненной мощности ритмов альфа-диапазона дала ППР (средний по всем испытуемым и по обоим типам задач) равный 67,1 ± 12%. Клас­сификация отрезков ЭЭГ только по топографии наиболее выраженных ритмов альфа- диапазона дала ППР 60,3 ±9,1% (что ниже достоверно неслучайного уровня). Наконец, клас­сификация только по распределению частоты главного ритма дала ППР равный 67 ± 9,7%. Из 13 испытуемых ППР был наиболее высоким при классификации по мощности у 5 чело­век, при классификации по частоте главного пика альфа-спектра - у 5 человек, и при класси­фикации по топографии наиболее выраженных ритмов альфа-диапазона - у 3 человек. На­помним, что при классификации состояний по спектрам мощности альфа-диапазона средний ППР был равен 83,1 ± 12,4%. Таким образом, распознавание состояний по частным парамет­рам ритмов альфа-диапазона было всегда хуже, чем по всей совокупности этих параметров. Ухудшение распознавания при применении методов №2 и №3 можно связать также с тем, что в этих методах оценивались параметры только одного (главного) ритма альфа-диапазона, в то время как характерных для разных ментальных модальностей ритмов в этом диапазоне часто бывает несколько.

Обращает на себя внимание тот факт, что в первой серии экспериментов классификация по данным, редуцированным согласно методу №1, дала неудовлетворительные результаты, в то время как во второй серии классификация по методу №1 дала ППР выше достоверно не­случайного. Дело в том, что указанные методы в первой и во второй серии различались. В первой серии вычислялась суммарная мощность сигнала ЭЭГ по всем каналам в широком частотном диапазоне, а во второй серии суммирование мощности проводилось только по тем отведениям, в которых ритмическая активность в альфа-диапазоне заметно различалась в двух состояниях испытуемого, и только по альфа-диапазону.

С целью определить, присутствуют ли характерные ритмы на протяжении всего времени решения задачи или же появляются лишь в коротких временных интервалах, мы уменьшили эпоху анализа в тестируемых выборках с полного времени решения до 4 с и поместили четы- рехсекундные окна в разные места исходных реализаций ЭЭГ - в начало, в середину и в ко­нец. Затем мы провели тестирование четырехсекундных эпох нейросетыо, обученной на полных отрезках ЭЭГ. При этом получили средний по испытуемым и типам задач ППР рав­ный 84,5 ± 11,3%, 86,3 ± 10,8% и 87,1 ± 10,0 % для отрезков, помещенных, соответственно, в начало, середину и конец полной эпохи соответственно. Эти цифры близки к значению ППР, полученному при тестировании полных отрезков (87,9 ± 9,6%). Результат говорит о тониче­ском характере изменения ритмов ЭЭГ, т.е. о том, что характерные ритмы присутствуют на всем протяжении решения задачи и не связаны с каким-либо определенным его этапом.

Обсуждение результатов

Основные выводы из результатов работы

Краткий итог результатов работы может быть сформулирован следующим образом.

Во время выполнения когнитивных заданий в электрической активности мозга человека появляются характерные ритмы тета-, альфа- и бета-диапазонов частот. Эти ритмы являются специфическими для каждого данного типа заданий. Обычно одновременно наблюдают не­сколько таких ритмов, различающихся по частоте и распределению амплитуды по поверхно­сти головы. Характерные ритмы образуют совокупности, которые мы называем ритмически­ми паттернами. Паттерны, соответствующие разным типам выполняемых заданий, обладают уникальными и определенными пространственными, частотными и амплитудными характе­ристиками входящих в них ритмических компонент. Все три измерения - пространство, час­тота, мощность - одинаково важны для описания ритмического паттерна.

Ритмические паттерны высоко индивидуальны, они сильно различаются у разных людей, но для каждого данного индивида они устойчивы и сохраняются на протяжении всего экспе­римента. Более того, у многих людей характерные ритмические паттерны сохраняются на протяжении месяцев. В этом случае при выполнении задания того же типа возникает тот же ритмический паттерн, что и несколько месяцев тому назад.

Характерные ритмы устанавливаются только на время выполнения когнитивного задания и исчезают сразу же по его завершении. В то же время, на протяжении всего когнитивного усилия паттерны демонстрируют стабильность, что говорит о тонической природе характер­ных ритмов.

Характерные ритмические паттерны отражают специфику мышления, а не степень ин­теллектуального напряжения.

Характерные ритмы хорошо выражены и достаточно высокоамплитудны, что позволяет классифицировать тип выполняемого задания всего по нескольким секундам энцефалограм­мы, т.е. практически в реальном времени.

Последний результат оказался достижим во многом благодаря применению в качестве классификатора искусственной нейросети. ИНС в процессе обучения выделяет из сигналов наиболее информативные признаки классов. В дальнейшем сеть осуществляет классифика­цию, основываясь на взвешенном учете одновременно нескольких значимых признаков, что и обеспечивает помехоустойчивость.

Природа характерных ритмических паттернов

Предположения о возможной физиологической роли характерных ритмов (замечания общего характера)

Как уже было отмечено в литературном обзоре, ритмы мозга, по всей видимости, выпол­няют троякую функциональную роль. Это стробирование информационных потоков, удер­жание информационных паттернов в кратковременной памяти и интегрирование частной информации в целое. Наиболее доказаны эти функции ритмов для сенсорных систем, но мы предположили, что эти же три функции осуществляются в ходе всех информационных про­цессов в мозге, в том числе и тех, в которых одновременно задействованы (и взаимодейст­вуют) несколько разных его областей.

Из литературных данных можно сделать общий вывод о роли ритмов разных частотных диапазонов в мозговых процессах. Ритмы гамма-диапазона - это преимущественно локаль­ные внутримодальные ритмы, с помощью которых происходит удержание и синтез инфор­мационных единиц внутри одной области коры и в пределах одной модальности. Ритмы бе­та-диапазона - это межмодальные внутрикорковые ритмы, на которых взаимодействуют функционально разные области коры больших полушарий, включая ассоциативные. Вероят­но, эти ритмы обеспечивают выполнение собственно когнитивных операций - таких, напри­мер, как пространственное вращение или построение логических схем (Николаев, 1995). Ритмы более низких диапазонов ответственны за взаимодействие подкорковых структур с корой. По всей видимости ритмы нижнего бета- и верхнего альфа-диапазона подлежат под корково-таламическими процессами, а ритмы нижнего альфа- и верхнего тета-диапазона от­ветственны за интеграцию лимбической системы (в т.ч. гиппокампа) с корой. Альфа-частоту также имеют мю-ритм, связанный с движениями, и альфа-ритм покоя.

Очевидно, что три вышеперечисленные функции ритмов (стробирование, удержание и синтез информации) должны осуществляться в мозге во время выполнения когнитивных за­даний на всех уровнях и, соответственно, на разных частотах. В зрительной коре эти процес­сы протекают при восприятии стимула, предъявляемого на экране. В ассоциативных облас­тях коры - во время выполнения собственно когнитивных операций. В дополнительной мо­торной коре и в моторной коре - при планировании и осуществления испытуемыми ответов; в коре больших полушарий и в лимбической системе одновременно - при оценке биологиче­ской значимости стимула и задания, при включении внимания, активации среднесрочной памяти, и т.д. Таким образом, широкий спектр самых разных информационных процессов в мозге может бьггь связан с характерными ритмами. Это, однако, не означает, что все ритмы одинаково важны для классификации.

Результаты настоящей работы не предоставляют нам возможности однозначно судить о том, какие именно психофизиологические механизмы лежат в основе наблюдаемых нами ха­рактерных воспроизводящихся ритмических паттернов. Ниже мы постараемся оценить сте­пень участия тех или иных физиологических процессов в их формировании.

Вклад локальной гамма-активности в формирование характерных ритмических пат­тернов и классификацию

Классификация по гамма-диапазону (табл.10) дала неудовлетворительный результат: ППР = 57% при уровне достоверно неслучайной (р=0,05) классификации 60%. Амплитуда гамма-компонент, в большинстве своем отражающих локальные сенсорные процессы, неве­лика по сравнению с амплитудой ритмов других частот. Гамма-ритмы хорошо регистриру­ются точечными интракраниальными электродами, но при поверхностной регистрации они выделяются в спектрах только после усреднения. В единичных спектрах ЭЭГ эти ритмы не­достаточно хорошо выражены.

Очевидно, в наших экспериментах процессы восприятия сложных зрительных образов имели место, ведь задания предъявлялись на экране. Однако подлежащие под этими процес­сами ритмы гамма-диапазона, виду относительной малости их амплитуд, практического зна­чения для распознавания не имели.

Вклад бета-активности в формирование характерных ритмических паттернов и клас­сификацию

Из табл. 10 видно, что и для верхнего, и для нижнего бета-диапазонов классификация оказалась достоверной вблизи порога достоверности.

Если судить по данным, приведенным в литературе, связанные с бета-ритмом физиоло­гические функции имеют непосредственное отношение к нашему случаю и должны быть ак­тивно задействованы при выполнении испытуемыми когнитивных заданий.

Прежде всего, многие авторы (напимер, Миг&у & 1992) находят, что бета- активность усиливается при выполнении сложных, требующих интеллектуальных усилий заданий. Будучи по мнению большинства исследователей чисто корковой, бета-активность должна быть связана с собственно когнитивными операциями, такими как пространственное вращение фигур (Николаев, 1994; 1995) или семантический анализ фразы (ИнпезсЬ, 1997).

Бета-активность (в том числе в верхнем бета-диапазоне) связывают также с моторными актами и с двигательным вниманием (МаэЬпи а/., 1994; Нал е1 а!., 1997; 8а1шеНп е1 а1, 1995). Последний автор, в частности, считает, что бета-отдача в моторной области есть знак иммобилизации после активного выполнения движения (о том, какова, вообще, возможная

роль моторных процессов при решении испытуемыми задач, будет сказано ниже, в парагра­фе, посвященном мю-ритму).

Ритмы бета-диапазона, очевидно, также участвуют в формировании целостного зритель­ного образа, наряду с ритмами гамма-диапазона. Отличие состоит в том, что на бета-частотах осуществляется межполушарная интеграция визуальных признаков (Knyazeva et al., 2006), а на гамма-частотах - внутриполушарная локальная (Engel & Singer, 2001).

Итак, ритмы бета-диапазона, играя важную роль в осуществлении функций, необходи­мых для выполнения когнитивных заданий, могли бы считаться главными кандидатами на роль наиболее значимых классифицирующих признаков, если бы распознавание по бета- диапазонам не давало результат лишь ненамного выше порога неслучайности (табл. 10). В чем может быть причина малой классифицирующей эффективности бета-ритмов?

Перечисленные выше физиологические процессы, коррелированные с ритмами бета- диапазона, являются, очевидно, достаточно быстро протекающими, иными словами, фазиче- скими. Разнородные, короткие по продолжительности, близкие по частоте, разные по фазе бета-процессы при вычислении преобразования Фурье от сигнала длительностью в несколь­ко секунд интерферируют друг с другом и не дают выраженных спектральных пиков. Имеет значение и тот факт, что амплитуда бета-ритмов много меньше амплитуды ритмов альфа- и тета-диапазонов.

Тем не менее, мы считаем, что бета-ритмы вносят свой вклад в распознавание. Доказа­тельством служит и тот факт, что средний 111 IF для диапазона частот 5-20 Гц, который вклю­чает в себя нижний бета-диапазон, существенно выше, чем ППР для альфа-диапазона 8-13 Гц (88% против 83%).

Вклад мю-ритма в формирование характерных ритмических паттернов и классифика­цию

По нашему мнению, во время решения задач описанного типа в мозге испытуемого про­исходят процессы, которые вполне могут отразиться в изменениях параметров мю-ритма.

Во-первых, можно предположить, что мысленные вращение и перемещение фигур, кото­рые испытуемый производит во время решения пространственных задач, представляют со­бой скрытый моторный акт. Эти действия сходны с воображаемыми движениями, когда пла­нирование движений в моторной коре осуществляется, но команды на их исполнение тормо­зятся другими отделами коры. В этом случае наблюдали десинхронизацию мю-ритма, как и при выполнении реального моторного акта (Pfurtscheller et al., 1997).

Во-вторых, при решении вербально-логических задач испытуемый, вероятно, проговари­вает ход рассувдений про себя; в некоторых случаях, возможно, он даже непроизвольно сла­бо шевелит языком и губами. При этом активируется зона Брока, примыкающая к моторной коре, что тоже может вызывать изменение параметров мю-ритма.

Вообще, абстрактное мышление можно понимать как высший моторный акт (Ford & Mathalon, 2004).

Наконец, в первой серии экспериментов испытуемый совершал явный речевой акт, назы­вая ответ вслух, а во второй серии - явный моторный акт, давая ответ перемещением джой­стика.

Вклад ритмов тета- и альфа-диапазонов, коррелированных с эмоциями, памятью, вни­манием и мотивацией

Эмоциональные процессы играют, по-видимому, одну из ключевых ролей в формирова­нии характерных ритмических паттернов.

Результаты нескольких авторов свидетельствуют о том, что изменение эмоционального состояния приводит к перераспределению мощности частотных составляющих верхнего те­та- и нижнего альфа-диапазонов. Так, И.Р. Ильюченок определила, что при положительных эмоциях происходит увеличение мощности ЭЭГ в полосе 7-7,5 Гц, а при отрицательных - в полосе 7,5-8 Гц (Ильченок, 1996). Наиболее выражены эти изменения оказались в централь­ных отведениях, но также были заметны в лобных и теменных отведениях. М.Б. Костюнина нашла, что эмоция радости приводит к повышению частоты главного пика альфа-ритма, в то время как эмоция горя - к ее понижению (Костюнина, 1998). Автор указывает, что «эмоция радости является стенической эмоцией, повышающей уровень активации мозга, а эмоция го­ря - астенической эмоцией, снижающей тонус коры. Соответственно, первая повышает час­тоту альфа-ритма, а вторая - понижает». Вообще, создается впечатление, что «яркие» эмо­ции приводят к общему повышению частоты ритмов ЭЭГ в тета- и альфа диапазонах, а «тя­желые» - к ее понижению.

Здесь нужно сказать, что, согласно самоотчету многих испытуемых, разные типы заданий получали у них разную эмоциональную окраску. Весьма типично, например, такое высказы­вание испытуемого после опыта: «Пространственные задачи решать интересно, а логические - трудно и скучно. В перерывах (между предъявлениями стимула) я ждал задачу с фигурами и испытывал досаду, когда на экране появлялись слова». При этом время решения и процент правильных решений были у этого человека примерно одинаковыми для двух типов заданий. Другим лицам, напротив, больше нравилось решать логические (или арифметические) зада­чи. Наконец, третьи говорили, что им было безразлично, какую задачу решать. Таким обра­зом, изменения эмоционального фона в зависимости от типа задания были индивидуальны, но для некоторых людей весьма выражены.

Усредненные спектры по крайне мере одного испытуемого (№5 в первой серии, рис. 10) демонстрируют последовательное изменение частоты и амплитуды главного альфа-пика в зависимости от типа задания. На основании «поведения» альфа-пика можно предположить, что в данном случае ожидание нового стимула было наименее интересным занятием. Реше­ние арифметических задач вызывало больше энтузиазма и требовало большей мобилизации, а решение пространственных задач вызывало наибольший эмоциональный подъем и наи­большую общую активацию. Соответственно, амплитуда главного альфа-пика уменьшалась, а его частота - увеличивалась. Отметим, что наиболее выраженными эти процессы оказались в центральных и лобных отведениях, что согласуется с наблюдениями И.Р. Ильюченок.

Ритмы тета- и альфа-диапазонов, отражающие процессы памяти и внимания, как нам представляется, тоже играют большую роль в формировании характерных ритмических пат­тернов и в их классификации.

В соответствии с данными В. Климеша, процессы внимания (а также активация проце­дурной памяти) находят свое отражения в изменении ритмов верхнего тета- и нижнего аль­фа-диапазонов, а активация семантической памяти - в изменении параметров ритмов верхне­го альфа- и нижнего бета-диапазонов (Klimesch, 1997). На спектрах и весовых функциях не­которых испытуемых мы можем видеть эти процессы. Рассмотрим усредненные спектры ис­пытуемого №3 из второй серии опытов (рис. 15). При решении пространственных задач мож­но наблюдать пик тета-ритма частотой 6,1 Гц во фронтальных, центральных и теменных отведениях, больше справа, чем слева (стрелка si). Также можно видеть появление двух пи­ков, имеющих частоты 7,9 Гц и 8,6 Гц и принадлежащих нижнему альфа-диапазону (стрелка s2). При решении вербально-логических задач наблюдается выраженный пик на частоте 9,8­9,9 Гц (стрелка s3). Этот пик наиболее заметен в центральных и теменных отведениях, также больше справа, чем слева. В правом задне-височном отведении (Т6) этот пик раздвоен на два пика: 9,1 Гц и 9,8 Гц. Эти результаты заставляют нас предположить, что у данного испытуе­мого решение пространственной задачи было (в большей степени) связано с процессами внимания и процедурной памяти, а решение вербальной задачи - с семантической обработ­кой. Тета ритм также связывают с влиянием лимбической системы на кору больших полуша­рий мозга (Симонов, 1981; Miller, 1991), поэтому тета-ритм 6,1 Гц на рис. 15 можно ассоции­ровать и с мотивационными процессами, которые у данного испытуемого оказались более выражены при решении пространственных задач.

В то же время у испытуемого, например, №2 из второй серии опытов (рис. 13) также можно видеть выраженные пики в альфа-диапазоне, совершенно различные по топографии и амплитуде при двух типах заданий, но напрямую связать эти пики с процессами памяти и внимания, как это сделано выше для испытуемого №3, затруднительно

.

A - scale (1) B - scale (2) F - band S - smooth (1) T - smooth (2) P - peaks (1) - cursor Esc - exit

Fr.bin 0.06 Hz

5.00 Hz 20.00

5.00 15.00

5 . 00

W0-3T.PSA

Smooth 3

W0-3W.PSA

01

Р4

Т4

02

200.00 200.00

цУ²/Hz

РЗ

тз

Т5

Тб

мжш

Рис. 15 (копия экрана, программа построения и анализа спектров). Усредненные спектры испытуемо­го №3 для двух ментальных состояний (вторая серия экспериментов). Красные кривые - вербально- логические задачи; зеленые - пространственные. Стрелки показывают основные спектральные при­знаки состояний, упомянутые в тексте. По оси ординат - спектральная плотность в мкВ²/Гц (от 0 до 200), по оси абсцисс - частота от 5 до 15 Гц.

Smooth

3

Подробно рассматривая спектры и весовые функции испытуемых, можно для многих из них найти ритмические признаки процессов внимания, памяти, эмоций и мотивации. Спек­тральные характеристики разных индивидов сильно различаются между собой. На некото­рых спектрах мы видим, скорее, отражение эмоциональных и общеактивационных процессов (например, исп. №№ 4 и 5 в первой серии), на других - в большей степени процессов внима­ния и памяти (например, исп. №3 во второй серии). Для каждого испытуемого характерен свой индивидуальный набор таких процессов (и, соответственно, спектральных признаков ЭЭГ в тета- и альфа-диапазонах). Этот набор также можно назвать «спектром» - спектром характерных неспецифических процессов, которые протекают в мозге испытуемого при вы­полнении им определенного типа когнитивных заданий. Эти «спектры неспецифических процессов», очевидно, отражают особенности индивидуальных схем вовлечения мотиваци- онных, эмоциональных ресурсов и ресурсов памяти и внимания, которые вырабатываются у

каждого человека в ходе его развития. Конкретные схемы вовлечения означенных ресурсов окончательно формируются и приобретают устойчивый характер в ходе эксперимента, в процессе решения испытуемым многих сходных задач немногих типов.

Тонический характер процессов, отраженных в характерных ритмах. Преднастройка на определенный тип задания. «Рельсы и поезд»

Как было отмечено в конце раздела «Результаты», характерные ритмы носят тонический характер. Они устанавливаются на все время решения задачи и исчезают сразу по его завер­шении. Мы предполагаем, что тонический характер наблюдаемых нами ритмов отражает пролонгированный характер неспецифических процессов внимания, памяти, эмоций, моти­вации. Психика испытуемого, как бы, настраивается на определенный лад, привычный при выполнении данного рода деятельности и обеспечивающий наибольшую эффективность этой деятельности. То, что мы здесь назвали «лад», и есть упомянутый в конце предыдущего параграфа «спектр характерных неспецифических процессов».

Дальнейшие наши предположения относительно природы характерных ритмов связаны с понятиями «холостого ритма» (с одной стороны) и «десинхронизации ритма под воздействи­ем информационной нагрузки» (с другой стороны). Эти понятия по отдельности рассматри­ваются в разных работах. Термин «холостой ритм», например, упоминается в работе И. А. Шевелева 2001 г.

Представления о «холостом ритме» и его «десинхронизации под нагрузкой» можно по­пытаться обрисовать следующим образом. Пока область коры больших полушарий, ответст­венная за выполнение какой-либо функции, остается незадействованной и не получает ин­формационных входов от сенсорных систем или других отделов мозга, в ней (при опреде­ленных обстоятельствах) может наличествовать и сохраняться «холостой» ритм покоя. При этом в ненагруженной области все нейронные осцилляторы работают на одной частоте син­хронно, не выполняя никаких функций и формируя высокоамплитудный «холостой» ритм. Если на вход локуса поступит некоторый объем информации (состоящий из многих частных информационных единиц), то рассматриваемый отдел коры должен будет, прежде всего, удержать поступившую информацию (для того, чтобы в последующем ее обработать). Как мы говорили, удержание информации осуществляется ее ритмической реверберацией в це­пях с возбуждающими и тормозными связями. Эти цепи и являются, очевидно, корковыми нейронными осцилляторами. Возможно, что один осциллятор морфологически совпадает с одной корковой колонкой.

Каждый осциллятор удерживает свою элементарную порцию информации. Возможно, количественные характеристики элементов удерживаемого информационного паттерна ко- даруются величиной отклонения частот осцилляторов от исходного «холостого» значения (Dinse et al., 1997). Так или иначе, разные осцилляторы, предназначенные для удержания разных информационных единиц, должны разнести свои частоты. Таким образом, под дейст­вием информационной нагрузки и в целях удержания различных единиц информационного паттерна осцилляторы локуса рассинхронизируются. В дальнейшем некоторые из информа­ционных единиц могут быть объединены в синтетическое целое уже за счет выборочной, ча­стной синхронизации осцилляторов.

Внешне описанные явления проявляются следующим образом. Над незагруженной обла­стью коры накожно регистрируется высокоамплитудный «холостой» ритм покоя. При акти­вации данной области осцилляторы десинхронизируются и амплитуда ритма падает. Рас­сматриваемая концепция лежит в основе метода «десинхронизации, связанной с событием», ERD (Pfurtscheller & Lopes da Silva, 1999).

Возникает вопрос: зачем нужен «холостой» ритм покоя? Иначе говоря, зачем всем осцил­ляторам работать на одной частоте в отсутствие информационной нагрузки? Мы предполага­ем, что «холостой» ритм нужен для того, чтобы поддерживать локус коры и его осцилляторы в состоянии готовности к поступлению и обработке информации. Локус, работающий на «холостом» ритме, выражаясь техническим языком, находится в «горячем резерве». Переход из «холодного резерва» в «горячий резерв» происходит по команде высших центров, распо­ложенных, возможно, в лобной ассоциативной коре. Возникновение «холостого» ритма при переходе какого-либо локуса коры в состояние готовности под воздействием внешнего со­бытия лежит в основе понятия «синхронизации, связанной с событием», ERS (Pfurtscheller & Lopes da Silva, 1999).

Можно привести несколько известных примеров «холостых» ритмов, их десинхрониза­ции, когда связанные с ними области коры «встают под нагрузку», и перехода этих отделов коры из «холодного резерва» в «горячий резерв». Все нижеприведенные примеры относятся к ритмам альфа-диапазона, (а) Первый пример - это альфа-ритм покоя. В состоянии спокой­ного бодрствования в темноте или с закрытыми глазами зрительная кора находится в «горя­чем резерве», в то время как ее «холодный резерв» соответствует дремоте и сну, при которых альфа-ритм отсутствует. Зрительный вход рассинхронизирует зрительные колонки, и ампли­туда альфа-ритма падает - зрительная кора «встает под нагрузку», (б) Второй пример - это мю-ритм. В состоянии полного покоя его не наблюдают ни у человека в норме, ни у живот­ных. Вместе с двигательным побуждением появляется выраженный мю-ритм в центральных отведениях - моторная кора переходит в состояние готовности (Rougeul-Buser & Buser, 1997). В ходе планирования движения, его выполнения или при воображаемом движении амплитуда мю-ритма над центральными отведениями уменьшается - моторная кора создает

и исполняет двигательную программу, (с) Наконец, еще один пример - это тау-ритм, или «третий ритм». Он возникает при слуховом внимании над зоной Гешля, а блокируется аку­стическими стимулами (Niedermeyer, 1997; Нал et al., 1997).

В перечисленных примерах речь идет об относительно простых процессах, когда «холо­стой» ритм регистрируется над специализированными областями коры. В нашем случае мы можем предположить, что «холостые» ритмы устанавливаются в более сложных, составных системах, включающих в себя корковые и подкорковые образования. Установление меж­структурных «холостых» ритмов означает приведение соответствующих функциональных систем памяти, внимания, эмоций, мотивации в состояние, позволяющее быстро и в привыч­ном режиме решить стандартную задачу.

Возможно затем, в ходе выполнения задания, на различных его этапах происходит «на­грузочная» десинхронизация ритмов, связанная собственно с актами внимания, обращения к среднесрочной памяти и т.д. Вероятно, мы не «ловим» эти фазические, быстрые изменения ритмической активности на спектрах, вычисленных по эпохе в несколько секунд. Вместо то­го мы, вероятно, регистрируем общую активацию означенных функциональных систем и факт их пребывания в состоянии готовности к осуществлению присущих им функций. Воз­можно, что методы сегментного анализа ЭЭГ (Каплан, 1999; Каллан & Борисов, 2003) позво­лили бы выявить более тонкие фазические процессы.

М.Н. Ливанов (1972) использовал аналогию «Рельсы и поезд». «Рельсы» - это наличие ритмических колебаний одинаковой частоты в разных участках мозга. «Поезд» - это изби­рательная точная синхронизация ритмов, означающая акт их функционального объедине­ния.¹ Таким образом, пользуясь терминологией Ливанова, можно сказать, что при регистра­ции характерных ритмических паттернов мы видим оперативную прокладку «рельсов», а не проход по ним «поездов».

Дополнительные аргументы в пользу неспецифичности характерных ритмов

Есть еще аргумент в пользу того, что наблюдаемые нами характерные воспроизводящие­ся ритмы отражают не непосредственно процессы совершения конкретных когнитивных операций, а более общие вспомогательные процессы, которые мы условно назвали неспеци­фическими.

У одного из наших испытуемых (№ 5 во второй серии опытов, рис. 16) спектральные признаки типа решаемой задачи были плохо выражены. На рисунке видно, что спектры близки. Различий в них не хватило для успешной классификации, и ППР пространственных

задач был ниже порога достоверности (52% при пороге 60%). Тем не менее, время решения задач было невелико и примерно одинаково для двух их типов (5,6 и 6,6 с), а процент пра­вильных решений высок (92% и 99%). Иными словами, при плохой выраженности спек­тральных признаков типа решаемых задач испытуемый вполне успешно справлялся с ними. Следовательно, не собственно когнитивные операции находят отражение в характерных ритмах.

А -	scale (1)
В -	scale (2)
F -	band
S -	smooth (1)
Т -	smooth (2)
Р -	peaks (1)
	- cursor
Esc	- exit
Fr.bin 0.06 Hz
18:	88'
MV2	/Hz
5.00 Hz 20.00
5.00 15.00
	5 . 00
GO-ZS.PSA
Smooth 3
GO-ZV.PSA
Smooth 3

С4

сз

F8

F7

щШ шш шш

Р4

Т4

ТЗ

РЗ

Тб

01

Т5

Рис. 16 (захват экрана, программа построения и анализа спектров). Пример мало различающихся ус­редненных спектров. Испытуемый №5, вторая серия экспериментов. По оси ординат - спектральная плотность в мкВ²/Гц (от 0 до 50), по оси абсцисс - частота от 5 до 15 Гц.

В литературе мы нашли описание случая, когда вполне определенный ритмический пат­терн возникал у вполне определенного животного и только при вполне определенных об­стоятельствах (К.ои£еи1-Визег & Вивег, 1997). Авторы описывают следующую эксперимен­тальную ситуацию: кошка сидит перед стенкой с небольшой дырой, за которой бегает живая мышь. Кошка чувствует и слышит мышь, но отверстие в стене слишком мало, чтобы просу­нуть в него лапу. В экспериментах кошки могли десятки минут сидеть перед дырой, как за­вороженные. Все это время у них регистрировался ритм альфа-частоты в центральных и те

-менных отведениях. Примечательно, что явление было выражено в разной степени у разных экспериментальных животных, у некоторых из них оно не наблюдалось вовсе. Но для каждо­го данного животного характерный паттерн ритмической активности в парадигме «кошка- мышка-дырка» (как ее называют авторы) сохранялся годами в присущей этой особи степени. Стоило посадить животное в такого рода (уже знакомое ему) окружение, как индивидуаль­ный ритмический паттерн тут же возникал и оставался все время, пока кошка была в указан­ном положении. У животных же, у которых такой характерной ритмической активности не было с самого начала, она не появлялась никогда.

Воспроизводимость ритмических паттернов при когнитивной нагрузке и в покое

Наши данные о сохранности и воспроизводимости ритмических свойств ЭЭГ противоре­чат данным Бёрджеса и Грузелье (Burgess & Gruzelier, 1993; 1997). Авторами измерялись ко­эффициенты корреляции (КК) между полосными картами мощности, полученными в опытах, отстоящих друг от друга на несколько недель. В работе 1993 г. исследовался вопрос сохран­ности спектральных карт на индивидуальной основе, а в работе 1997 - у групп испытуемых. В обоих случаях воспроизводимость пространственно-частотных свойств ЭЭГ оказалась не­достаточно высокой: в большинстве случаев величины КК между картами были ниже порога достоверного различения. Исключение составили сглаженные по пространству карты альфа- диапазона. В этом случае наблюдались как относительная сохранность индивидуальных карт во времени, так и сходство между картами разных групп индивидов.

Противоречие результатов мы объясняем различием экспериментальных парадигм. Бёрджес и Грузелье записывали энцефалограмму во время выполнения испытуемым просто­го моторного теста Лурии. По мнению авторов, именно при выполнении простого теста можно ожидать как наименьшей вариабельности между испытуемыми, так и наилучшей со­хранности признаков ЭЭГ во времени. С первым из этих положений мы готовы согласиться. Что же касается второго, то наши данные свидетельствуют о другом - при выполнении стандартных сложных заданий пространственно-частотные паттерны хорошо выражены и сохранны во времени. Возможно, при выполнении таких заданий параметры ЭЭГ «притяги­ваются» к аттрактору, т.е. определенному динамическому состоянию (R6schke et al., 1997). Свойства ЭЭГ вследствие этого оказываются более выраженными и постоянными. Можно сделать и такое предположение: при выполнении простого теста Лурии психика испытуемо­го не занята тестом полностью, испытуемый параллельно думает о многих других вещах. Выполняя же трудное, но вполне конкретное, задание в ограниченные сроки испьпуемый полностью отдает ему свои психические ресурсы, в том числе эмоциональные и связанные с памятью и вниманием. Так или иначе, пространственно-частотные паттерны, сопутствующие трудным (но стандартным) заданиям, сохраняются во времени лучше, чем паттерны, возни­кающие при выполнении простых заданий и в покое.

Что же касается хорошей воспроизводимости сглаженных по пространству полосных альфа-карт у Бёрджеса и Грузелье, то эти карты, по нашему мнению, просто показывали со­хранность альфа-ритма покоя при выполнении простого теста. Возможно, помимо этого ритма у испытуемых присутствовали и другие, более тонко организованные ритмы, но про­странственное сглаживание нивелировало их, оставив только наиболее амплитудный и за­метный альфа-ритм - а его топография стандартна в большинстве случаев.

Индивидуальная вариабельность

Зарегистрированные нами характерные ритмические паттерны глубоко индивидуальны. Попытка применить нейросеть, обученную на данных одного испытуемого, к распознаванию данных другого испытуемого дала неудовлетворительные результаты. Возникает вопрос: существуют ли инвариантные относительно индивидуальных различий признаки выполне­ния той или иной конкретной производимой в уме операции? В литературе можно найти по­ложительный ответ на этот вопрос (Николаев, 1995; 8с1шск г/ а!., 1996). Однако во всех этих случаях результат получен усреднением многих ответов на предъявление стимула, а не на основе анализа единичных реализаций ЭЭГ. Иначе говоря, в неусредненных данных, кото­рыми мы пользуемся, инвариантные «специфические» признаки когнитивных операций «то­нут» в более высокоамплитудных «неспецифических» индивидуальных признаках.

«Специфические неспецифические» процессы

Мы пришли к заключению, что, вероятнее всего, наблюдаемые нами характерные ритмы отражают процессы памяти, внимания, эмоций, мотивации, которые условно можно назвать неспецифическими - в том смысле, что они отражают не собственно специальные и частные когнитивные процедуры (такие, например, как пространственное вращение фигур или опре­деление семантики слова), а лишь процессы, тонически сопровождающие эти специальные когнитивные акты на протяжении всего выполнения задания. Спектры этих «неспецифиче­ских» процессов являются, однако, в очень высокой степени специфичными для каждого данного типа мышления и каждого данного индивида. Поэтому их можно было бы назвать «специфическими неспецифическими» процессами.

Особенности методики и перспективы ее применения на практике

Помехоустойчивость и хорошее временное разрешение метода

Как уже было отмечено, обучаемый классификатор производит взвешенную оценку од­новременно нескольких признаков, характеризующих ментальное состояние. Это придает методике помехоустойчивость, а помехоустойчивость, в свою очередь, позволяет различать состояния испытуемого всего по нескольким секундам записи ЭЭГ, т.е. практически в реаль­ном времени. Это, в свою очередь, позволяет отслеживать достаточно тонкую временную структуру изменений спектра неспецифических активационных процессов, сопровождающих когнитивные акты.

На указанных свойствах может основываться одно из возможных применений разрабо­танной нами методики. Речь идет об отслеживании в реальном времени характера когнитив­ной деятельности операторов сложных технических систем, например, летательных аппара­тов. При выполнении, скажем, ручной стыковки космических кораблей пилот-космонавт должен в равной степени задействовать пространственно-образное и логическое мышление, чередуя их. «Увлечение» только одним из этих двух видов когнитивной деятельности чрева­то ошибкой. Автоматическая система могла бы отслеживать тип мышления оператора и при нежелательном развитии процесса выдавать предупреждение. Для реализации такой техно­логии на практике необходимо разработать компактное регистрирующее устройство и пакет программ, работающий в реальном времени.

Определение типа осуществляемой когнитивной деятельности по ЭЭГ в режиме реально­го времени, о котором только что шла речь, по сути дела, является одним из методов сег­ментации ЭЭГ. В литературе считается, что сегментация на основе отслеживания изменений единичных (неусредненных) Фурье-спектров ненадежна ввиду того, что в этом случае дис­персия оценки спектральных отсчетов равна их математическому ожиданию (Каплан, 1999). На это замечание у нас есть три возражения. Во-первых, утверждение о 100% дисперсии справедливо для случайных процессов, к которым ЭЭГ, очевидно, относится не полностью. Во многих случаях в ЭЭГ закономерно возникают частотные компоненты, которые можно считать «детерминированными», например мю-ритм при планировании движений. Во- вторых, в нашем случае распознавание нового сегмента ЭЭГ, соответствующего новому типу когнитивной деятельности, будет осуществляться на основе взвешенной оценки одновре­менно нескольких спектральных признаков/Поэтому, даже если каждая из спектральных компонент имеет высокую дисперсию, их совокупная оценка может оказаться достаточно надежной. Иначе можно сказать, что многопараметрическое классифицирующее устройство производит усреднение по пространству признаков, повышая их совокупную надежность.

Наконец, в-третьих, классификатор заранее обучается на отрезках ЭЭГ с известным типом когнитивной деятельности, т.е. на основе данных, уже отсегментированных экспертом. При сегментации же «с нуля» приходится опираться только на анализ изменений внутренних па­раметров сигнала, при том, что о характере этих изменений заранее ничего не известно. При предварительном обучении сегментации, классификатор, опираясь на «экспертные знания», адаптивно находит оптимальные решающие правила.

«Электронцефалографический портрет» личности и его изменчивость

Можно сказать, что определенный характер пространственно-частотных перестроек рит­мов ЭЭГ при решении определенного типа задач составляет устойчивый во времени «элек­троэнцефалографический портрет» личности. Возникает вопрос, насколько этот «портрет» в действительности устойчив и насколько подвержен влиянию внешних и внутренних факто­ров - таких, в частности, как степень утомления и психическая и/или физическая патология. Разработка этого вопроса может дать объективный метод диагностики и мониторинга со­стояния человека.

Наши опыты показали, что индивидуальный «энцефалографический портрет» сохранился через несколько месяцев не у всех испытуемых, а только у некоторых из них (а именно, у се­ми из двенадцати). Следует напомнить, что на протяжении месяцев, разделявших экспери­менты, испытуемые проходили курс искусственной антиортостатической гипокинезии в Ин­ституте медико-биологических проблем РАН. Весь этот срок испытуемые находились в пол­ной неподвижности в условиях искусственной невесомости, претерпевая значительные и субъективно трудно переживаемые физические и психологические неудобства. Характерно, что в повторных опытах, отложенных на несколько дней, профиль пространственно- частотных паттернов остался неизменным у всех испытуемых.

Мы предполагаем, что приведенные соображения могут лечь в основу методики объек­тивного контроля состояния человека-оператора перед его выходом на работу. Тестируемо­му будет предложено выполнить несколько стандартных заданий, связанных с его профес­сиональной деятельностью, при этом параллельно будет записываться его ЭЭГ. Критерием готовности оператора к исполнению профессиональных обязанностей может служить быст­рота и правильность установления характерных для данного индивида и данного вида дея­тельности ритмических паттернов. Разумеется, вопрос требует тщательной проработки и большого объема дополнительных исследований. Прежде всего, необходимо выяснить, дей­ствительно ли уход параметров пространственно-частотного паттерна от стандартных (для данного вида деятельности) значений коррелирует с ухудшением качества операторской дея­тельности. Для того чтобы надежно ответить на этот вопрос, необходимо иметь большую выборку наблюдений, сделанных в реальных условия производственной деятельности.

Обучаемый классификатор как исследовательский инструмент

Классификатор с настраиваемыми в процессе обучения весами сам по себе может ока­заться полезным исследовательским инструментом. Анализ графиков весовых функций по­зволяет выявить наиболее значимые для классификации (а, следовательно, и наиболее важ­ные по существу) признаки состояний. Примером могут служить весовые функции для ис­пытуемого №4 (рис.9). Позитивным признаком решения пространственной задачи у него яв ляются пики частотой 5,5,6,5 и 7,5 Гц в центральных и теменных отведениях (стрелки \у4, \у5 и \у6 на рисунке). В то же время на усредненных спектрах эти пики заметны слабо. По сути дела, для классификации важна не амплитудность признака, а его надежность и повто­ряемость.

Выводы

1. В процессе выполнения когнитивных заданий в электрической активности мозга челове­ка появляются характерные ритмы тета-, альфа- и бета-диапазонов. Совокупность одно­временно присутствующих ритмов образует характерный пространственно-частотный рисунок (паттерн) ЭЭГ.

2. Паттерны специфичны для разных типов когнитивной деятельности и высоко индивиду­ально-специфичны. Способность индивида к установлению определенных ритмических паттернов ЭЭГ при выполнении им определенных когнитивных заданий составляет «электроэнцефалографический портрет» его личности.

3. «Электроэнцефалографический портрет» устойчив во времени, в некоторых случаях он сохраняется неизменным в течение нескольких месяцев.

4. Характерные ритмы имеют тоническую природу и присутствуют на протяжении всего когнитивного усилия, но сразу по окончании выполнения задания они исчезают.

5. Задачи одного типа, но разных уровней сложности, приводят к установлению сходных паттернов. Характерные ритмические паттерны отражают специфику мышления, а не степень интеллектуального напряжения.

6. Можно предположить, что характерные ритмы отражают «неспецифические» процессы, сопровождающие собственно когнитивные операции. Примерами «неспецифических» процессов могут служить процессы памяти, внимания, а также эмоции и мотивация. Ус­тановление на время когнитивного усилия привычной комбинации сопроводительных «неспецифических» процессов помогает человеку быстро и надежно выполнить стан­дартное задание.

7. Применение обучаемого классификатора, производящего взвешенную оценку одновре­менно нескольких признаков ЭЭГ, позволяет распознавать тип выполняемого задания с надежностью > 85 % по единичным реализациям ЭЭГ длительностью в несколько (начи­ная с 3-5) секунд, т.е. в режиме времени, близком к реальному. Этот результат может быть использован в практических целях.

Программное обеспечение, использованное в работе

Практически все компьютерные программы, использованные в работе, были написаны нами самостоятельно на языке С под DOS. Исключение составили лишь некоторые стан­дартные подпрограммы - например, подпрограмма быстрого преобразования Фурье или подпрограмма разложения матрицы по сингулярным значениям, примененная при решении системы линейных уравнений, когда последняя выступала в качестве обучаемого классифи­катора. Эти подпрограммы были взяты из «Книги прикладных программ на С» (Press et al., 1994).

В процессе выполнения работы, представленной в диссертации, были созданы програм­мы для предъявления стимулов, регистрации ЭЭГ, отстройки от артефактов, анализа спек­тров, сегментации записи ЭЭГ, классификации данных (в т.ч. эмулятор искусственной ней- росети) и другие.

В последнее время в своей работе исследователи все чаще прибегают к использованию готовых коммерческих программных продуктов, которые обладают несомненными достоин­ствами, главное из которых - удобный и красивый пользовательский интерфейс. Важно и то, что коммерческие программы создаются профессиональными программистами, математика­ми или глубокими специалистами в какой-либо конкретной области. Мы, однако, до сих пор видим пользу в создании «самодельных» компьютерных программ, которые разрабатывают­ся под конкретные нужды и идеи непосредственно в лабораториях, где проводятся исследо­вания. Конечно, такой подход влечет за собой большие траты времени и сил, которые могут показаться непроизводительными. Однако, полное владение инструментом анализа научных данных (а таким инструментом ныне являются, по большей части, компьютерные програм­мы) дает исследователю самое главное - свободу в выборе путей научного поиска. Пользо­вание же готовым продуктом привязывает исследователя к уже разработанным методам, тем самым часто обрекая его на вторичность результатов.

Разумеется, готовые коммерческие программные продукты успешно справляются со многими стандартными задачами (такими, например, как регистрация ЭЭГ или построение ПСС). Очевидно, ныне нет смысла тратить время на дублирование этих стандартных функ­ций. С другой стороны, есть много примеров, когда принципиально новые наблюдения были сделаны с использованием традиционных методов анализа и готовых компьютерных про­грамм (Sysoeva et al.. 2005). И все же, иметь возможность разрабатывать собственные мето­ды полезно.