Сегодня: 29.03.2024
RU / EN
Последнее обновление: 01.03.2024
Нейроинтерфейс с двойной обратной связью от ЭЭГ в коррекции стресс-вызванных расстройств

Нейроинтерфейс с двойной обратной связью от ЭЭГ в коррекции стресс-вызванных расстройств

А.И. Федотчев, А.А. Земляная, Л.В. Савчук, С.А. Полевая
Ключевые слова: нейроинтерфейс; электроэнцефалограмма; ЭЭГ; двойная обратная связь от ЭЭГ; трансформация ЭЭГ в музыкоподобные сигналы; фотостимуляция, управляемая биопотенциалами мозга; коррекция функциональных расстройств.
2019, том 11, номер 1, стр. 150.

Полный текст статьи

html pdf
1677
1496

Цель исследования — сравнительная оценка эффективности нейроинтерфейсов, использующих одинарную (звуковую) и двойную (светозвуковую) обратную связь от ЭЭГ человека при подавлении стресс-индуцированных состояний.

Материалы и методы. В одном из трех обследований 16 испытуемым-добровольцам, находящимся в состоянии стресса, предъявляли классические музыкальные произведения (контроль). В двух других обследованиях использовали либо одинарную обратную связь, при которой испытуемым предъявляли звуковые стимулы, получаемые путем преобразования текущих значений ЭЭГ-осцилляторов в музыкоподобные сигналы, либо двойную обратную связь от ЭЭГ, при которой эти музыкоподобные сигналы дополнялись ритмическими световыми воздействиями, управляемыми суммарной ЭЭГ испытуемого.

Результаты. Наиболее выраженные эффекты — достоверное увеличение мощности альфа-ритма ЭЭГ относительно фона и значимые позитивные сдвиги в субъективных показателях состояния — отмечены при удвоении обратной связи от ЭЭГ-характеристик испытуемых благодаря вовлечению интегративных, адаптационных и резонансных механизмов деятельности центральной нервной системы в процессы нормализации функционального состояния.

Заключение. Использование двойной аудиовизуальной обратной связи от ЭЭГ человека представляется перспективным путем повышения эффективности нейроинтерфейсов при коррекции стресс-вызванных функциональных состояний.

  1. Kotozaki Y., Takeuchi H., Sekiguchi A., Yamamoto Y., Shinada T., Araki T., Takahashi K., Taki Y., Ogino T., Kiguchi M., Kawashima R. Biofeedback-based training for stress management in daily hassles: an intervention study. Brain Behav 2014; 4(4): 566–579, https://doi.org/10.1002/brb3.241.
  2. Dillon A., Kelly M., Robertson I.H., Robertson D.A. Smartphone applications utilizing biofeedback can aid stress reduction. Front Psychol 2016; 7: 832, https://doi.org/10.3389/fpsyg.2016.00832.
  3. Phneah S.W., Nisar H. EEG-based alpha neurofeedback training for mood enhancement. Australas Phys Eng Sci Med 2017; 40(2): 325–336, https://doi.org/10.1007/s13246-017-0538-2.
  4. Subhani A.R., Kamel N., Mohamad Saad M.N., Nandagopal N., Kang K., Malik A.S. Mitigation of stress: new treatment alternatives. Cogn Neurodyn 2018; 12(1): 1–20, https://doi.org/10.1007/s11571-017-9460-2.
  5. Thibault R.T., Lifshitz M., Raz A. The self-regulating brain and neurofeedback: experimental science and clinical promise. Cortex 2015; 74: 247–261, https://doi.org/10.1016/j.cortex.2015.10.024.
  6. Slutzky M.W., Flint R.D. Physiological properties of brain-machine interface input signals. J Neurophysiol 2017; 118(2): 1329–1343, https://doi.org/10.1152/jn.00070.2017.
  7. Fedotchev А.I., Parin S.B., Polevaya S.A., Velikova S.D. Brain-computer interface and neurofeedback technologies: current state, problems and clinical prospects (review). Sovremennye tehnologii v medicine 2017; 9(1): 175, https://doi.org/10.17691/stm2017.9.1.22.
  8. Федотчев А.И., Радченко Г.С. Музыкальная терапия и «музыка мозга»: состояние, проблемы и перспективы исследований. Успехи физиологических наук 2013; 44(4): 35–50.
  9. Fedotchev A.I., Oh S.J., Semikin G.I. Combination of neurofeedback technique with music therapy for effective correction of stress-induced disorders. Sovremennye tehnologii v medicine 2014; 6(3): 60–63.
  10. Fedotchev A.I., Bondar A.T., Bakhchina A.V., Grigorieva V.N., Katayev A.A., Parin S.B., Radchenko G.S., Polevaya S.A. Transformation of patient’s EEG oscillators into music-like signals for correction of stress-induced functional states. Sovremennye tehnologii v medicine 2016; 8(1): 93, https://doi.org/10.17691/stm2016.8.1.12.
  11. Roy C., Lagarde J., Dotov D., Dalla Bella S. Walking to a multisensory beat. Brain Cogn 2017; 113: 172–183, https://doi.org/10.1016/j.bandc.2017.02.002.
  12. Доскин В.А., Лаврентьева Н.А., Мирошников М.Н., Шарай В.В. Тест дифференцированной самооценки функ­ционального состояния. Вопросы психологии 1973; 19(6): 141–145.
  13. Григорьева В.М., Тхостов А.Ш. Способ оценки эмо­ционального состояния человека. Патент РФ 2291720 С1. 2007.
  14. Катаев А.А., Бахчина А.В., Полевая С.А., Федот­чев А.И. Связь между субъективными и объективными оценками функционального состояния человека (ап­ро­­бация методики экспресс-оценки уровня стрес­си­ро­ванности). Вестник психофизиологии 2017; 2: 62–68.
  15. Федотчев А.И., Бондарь А.Т., Бахчина А.В., Па­рин С.Б., Полевая С.А., Радченко Г.С. Музыкально-акус­тические воздействия, управляемые биопотенциалами мозга, в коррекции неблагоприятных функциональных сос­то­яний. Успехи физиологических наук 2016; 47(1): 69–79.
  16. de Graaf T.A., Gross J., Paterson G., Rusch T., Sack A.T., Thut G. Alpha-band rhythms in visual task performance: phase-locking by rhythmic sensory stimulation. PLoS One 2013; 8(3): e60035, https://doi.org/10.1371/journal.pone.0060035.
  17. Choi I., Rhiu I., Lee Y., Yun M.H., Nam C.S. A systematic review of hybrid brain-computer interfaces: taxonomy and usability perspectives. PLoS One 2017; 12(4): e0176674, https://doi.org/10.1371/journal.pone.0176674.
  18. Sollfrank T., Ramsay A., Perdikis S., Williamson J., Murray-Smith R., Leeb R., Millán J.D.R., Kübler A. The effect of multimodal and enriched feedback on SMR-BCI performance. Clin Neurophysiol 2016; 127(1): 490–498, https://doi.org/10.1016/j.clinph.2015.06.004.
  19. Hong K.S., Khan M.J. Hybrid brain-computer interface techniques for improved classification accuracy and increased number of commands: a review. Front Neurorobot 2017; 11: 35, https://doi.org/10.3389/fnbot.2017.00035.
  20. Gui K., Liu H., Zhang D. Towards multimodal human-robot interaction to enhance active participation of users in gait rehabilitation. IEEE Trans Neural Syst Rehabil Eng 2017; 25(11): 2054–2066, https://doi.org/10.1109/tnsre.2017.2703586.
Fedotchev A.I., Zemlyanaya А.А., Savchuk L.V., Polevaya S.A. Neurointerface with Double Feedback from Subject’s EEG for Correction of Stress-Induced States. Sovremennye tehnologii v medicine 2019; 11(1): 150, https://doi.org/10.17691/stm2019.11.1.17


Журнал базах данных

pubmed_logo.jpg

web_of_science.jpg

scopus.jpg

crossref.jpg

ebsco.jpg

embase.jpg

ulrich.jpg

cyberleninka.jpg

e-library.jpg

lan.jpg

ajd.jpg