ISBN 5-7262-0634-7. НЕЙРОИНФОРМАТИКА – 2006. Часть 3

Г.А. Иваницкий

Институт высшей нервной деятельности и нейрофизиологии РАН, Москва

geivanit@aha.ru

РАСПОЗНАВАНИЕ ТИПА РЕШАЕМОЙ В УМЕ ЗАДАЧИ

ПО НЕСКОЛЬКИМ СЕКУНДАМ ЭЭГ С ПОМОЩЬЮ

ОБУЧАЕМОГО КЛАССИФИКАТОРА

Аннотация

Разработана методика распознавания типа решаемой человеком когнитивной задачи по коротким единичным записям энцефалограммы (ЭЭГ), основанная на оценке пространственно-частотного распределения ритмов мозга. Распознавание осуществлялось с помощью простой двухслойной искусственной нейросети «Pattern Associator».

Данная работа имела своей целью показать, что:

1. Выполнение в уме задач различного типа сопровождается перестройками ритмов ЭЭГ.

2. Характер ритмических рисунков, возникающих в результате этих перестроек, специфичен для каждого типа мыслительных задач и для каждого испытуемого.

3. Признаки характерных ритмических рисунков для данного испытуемого устойчивы во времени и воспроизводимы (сохраняются на протяжении, по крайней мере, нескольких месяцев).

4. Эти признаки хорошо выражены, что дает возможность на основе минимума показателей, полученных в результате предварительной обработки нескольких секунд ЭЭГ, распознавать тип решаемой задачи с помощью обучаемого классификатора.

5. Обучаемый классификатор также позволяет решать обратную задачу – находить характерные для данного типа задач признаки ЭЭГ. С его помощью также можно проводить очистку исходной выборки записей ЭЭГ и извлекать из нее подвыборку типичных записей.

Методы

Было проведено две серии экспериментов. В первой серии участвовали пять здоровых испытуемых, правшей, мужского пола, в возрасте от 21 до 41 года, средний возраст 32 года. Запись ЭЭГ велась по 14 каналам (F3, F4, C3, C4, P3, P4, O1, O2, F7, F8, T3, T4, T5, T6). Сигналы были оцифрованы с частотой опроса 200 Гц и в последующем хранились в памяти компьютера. Испытуемым предъявлялись на экране монитора задачи двух типов – арифметические и пространственные. В первом случае нужно было в уме произвести арифметические действия, во втором – найти из трех фигур такую, которая при совмещении с помеченной образовывала бы квадрат (рис. 1). Решив задачу, испытуемый произносил ответ (число или цвет искомой фигуры) и нажимал кнопку. Задачи появлялись в случайной последовательности со случайными в пределах от 10 до 20 с интервалами; время выполнения задач не было ограничено. Всего во время эксперимента испытуемый решал около 70 задач каждого типа.

Рис. 1. Примеры заданий

Из общего непрерывного массива записи ЭЭГ данного испытуемого выбирались отрезки, соответствующие решению задач в уме, и отрезки, соответствующие интервалам между предъявлением задач (несколько секунд перед предъявлением). Для дальнейшей обработки брались только отрезки ЭЭГ свободные от неглазодвигательных артефактов, а от глазодвигательных производилась отстройка. Выбранные отрезки формировали выборку данных испытуемого, которая случайным образом разделялась на две подвыборки – обучающую и контрольную.

Все отрезки ЭЭГ были затем подвергнуты предварительной обработке согласно методам, перечисленным в табл. 1. Предобработка имела целью редуцировать число показателей, соответствующих одному отрезку ЭЭГ.

Полученные таким образом вектора (размерностью от 1 до 4326, в зависимости от метода) служили входами обучаемых классификаторов. Использовались два их типа: двухслойная нелинейная искусственная нейросеть с обучением по дельта-правилу [Rumelhart et al., 1986] и система линейных уравнений. Последняя могла быть, в зависимости от размерности векторов, недоопределенной или переопределенной и решалась обобщенной инверсией с требованием, соответственно, минимальной нормы решения или наилучшего квадратичного приближения правой части.

Таблица 1