Разработка информационного обеспечения для анализа данных гемодинамической активности мозга

Передовым направлением научных исследований на сегодняшний день являются нейронауки. Нейронауки аккумулируют большой объем данных регистрируемой активности головного мозга человека. Для обработки столь масштабного объема данный необходимо использовать современные инструменты анализа данных. При использовании новых технологий регистрации мозговой активности, устаревшие методы обработки данных зачастую не справляются со своей задачей. Одной из главных задач в области нейронаук является получение сведений о различных состояниях человека на основании обработки его мозговой активности. Поэтому для получения качественных результатов исследований необходимо постоянно совершенствовать имеющиеся инструменты обработки данных.
В настоящее время российских инструментов обработки данных мозговой активности крайне мало, основными инструментами работы с такими данными являются зарубежные программные продукты. Однако ввиду некоторых ограничений, многие компании вынуждены отказываться от использования зарубежного программного продукта. Данный факт является стимулом для разработки отечественных программ для работы с данными мозговой активности.
В ходе выполнения выпускной квалификационной работы выполнялись задачи, необходимые для достижения поставленной цели - повышение эффективности процесса классификации мысленно воображаемых движений посредством нейрокомпьютерного интерфейса.
Проведено исследование существующих способов получения сигнала мозговой активности, рассмотрены технологии, основанные на электроэнцефалографии, функциональной спектроскопии в ближнем инфракрасном свете, магнито-резонансное сканирование. Перечисленные технологии являются неинвазивными способами регистрации активности мозга. Также исследована технология, основанная на внедрении нейрохирургических имплантатов, которая относится к инвазивному способу регистрации мозговой активности.
Изучены современные методы анализа и обработки данных, которые способны работать с большим объемом данных и имеют высокие показатели при применении в смежных областях. Рассмотрены методы деревьев решений, машина опорных векторов, сверточные нейронные сети, рекуррентные нейронные сети, метод градиентного бустинга, метод анализа главных компонент.
В ходе исследования методов получения и обработки данных мозговой активности выявлены достоинства и недостатки каждого из методов.
Для разработки информационного обеспечения анализа данных активности мозга, проанализировав результаты исследования, был выбран способ получения данных мозговой активности, основанный на использовании функциональной спектроскопии в ближнем инфракрасном свете (fNIRS), а для анализа и классификации данных был выбран метод использующий рекуррентные нейронные сети.
Используя оборудование NIRSport Model 88 и программу NIRSLab получены данные гемодинамической активности мозга 9 испытуемых, данные были отфильтрованы и нормализированы, что позволило сформировать обучающий набор данных. Полученные данные разделили на обучающую выборку и на тестовую выборку. Реализована и обучена на обучающей выборке модель машинного обучения в виде рекуррентной нейронной сети глубокого обучения. Проверка модели на корректность классификации на тестовой выборке показала точность в 78%, что является очень высоким результатом.
В результате выполнения выпускной квалификационной работы было получено информационное обеспечение в виде модели машинного обучения с высокой точностью классификации.
В дальнейшем разработанное информационное обеспечение возможно интегрировать с бионическим протезом кисти руки и разработав нейрокомпьютерный интерфейс управлять протезом «силой мысли».


Купить