Обзор систем сбора и анализа церебральных сигналов

СОДЕРЖАНИЕ

Реферат..................................................................................................... 7

1. Обзор систем сбора и анализа церебральных сигналов.................... 9

1.1. Роль ЭЭГ........................................................................................ 9

 1.2. Характеристики сигналов............................................................ 11

1.3. Устройства съёма и усиления церебральных сигналов............... 14

1.4. Характеристики систем передачи ЦС........................................... 16

2. Разработка структурной схемы радиосистемы................................. 30

2.1. Выбор стандартов связи. Основные характеристики стандартов 30

2.2. Выбор формата передаваемых данных....................................... 33

2.3. Выбор системы электропитания................................................... 34

2.4. Структура каналов «вверх» и «вниз».......................................... 35

2.5. Программное обеспечение модулей радиосистемы.................... 37

2.6. Общая схема радиосистемы.......................................................... 39

2.7. Перспективы передачи мозговых сигналов................................. 42

3. Расчёт структурной схемы передачи ЦС........................................... 44

3.1. Расчёт усилителя........................................................................... 44

3.2. Расчёт ФНЧ.................................................................................... 48

3.3. Расчёт характеристик схемы......................................................... 50

3.3.1. Расчёт отношения «сигнал/шум»............................................ 50

3.3.2. Расчёт коэффициента передачи............................................... 51

3.3.3. Расчёт шага квантования......................................................... 52

3.3.4. Расчёт шума квантования........................................................ 52

3.4. Структурная схема........................................................................ 53

Заключение.............................................................................................. 54

Список использованных источников..................................................... 55

Приложение 1. Схема выводов и схематическая диаграмма ОУ OP-07 57

Приложение 2. Характеристики OP-07................................................. 58

Приложение 3. Схема выводов и схематическая диаграмма ОУ uA741 59

Приложение 4. Характеристики uA741................................................. 60

Приложение 5. Диагностика артефактов при ЭЭГ исследованиях...... 61

 

 

РЕФЕРАТ

Тема дипломной работы – «Радиосистема передачи церебральных сигналов».

Дипломная работа содержит 61 страницу и 45 рисунков.

Ключевые слова: биоэлектрические сигналы, мозговые волны, электроэнцефалография, сигналы УНЧ и НЧ, усиление и оцифовка сигналов, беспроводная передача данных.

Цель работы состоит в разработке структурной схемы автономного устройства, позволяющего детектировать сигналы мозга, обрабатывать их и передавать на какое-либо устройство по беспроводным линиям связи. В качестве примера были использованы как простые устройства «грубой» обработки сигналов, так и сложные, профессиональные комплексы медицинского и экспериментального исследовательского назначения.

Моделирование схемы и проверка её работоспособности проводились в программе Multisim. Схема построена с учётом всех технических требований и может использоваться в самых разных целях, как в медицинских, так и для создания устройств с управлением мозговыми сигналами.

 

 

ОБЗОР СИСТЕМ СБОРА И АНАЛИЗА ЦЕРЕБРАЛЬНЫХ СИГНАЛОВ

Роль ЭЭГ

Электроэнцефалография – методика наблюдения за активностью головного мозга. Современная медицинская аппаратура позволяет проводить эти наблюдения дистанционно, при помощи простых беспроводных сетей (Bluetooth) или используя сети мобильной связи, как в технологии OTELO, использующей стандарт 3,5G. Наблюдение за процессами в мозге человека – одно из самых необходимых в медицинской практике. Состояние мозга определяет состояние всей нервной системы в целом, и для того, чтобы предупреждать и предотвращать различные заболевания и сбои в работе мозга, необходимо проводить тщательный и эффективный мониторинг, который собирает данные и выводит их в виде временных графиков, позволяющих в перспективе обрабатывать полученную информацию для возможного автоматического манипулирования биоэлектрическими процессами в мозге.

Человеческий мозг – невероятно сложный орган как с биологической, так и с технической точки зрения. Проходящие в нём процессы являются результатом работы мельчайших (от 3 до 130 мкм) клеток, называемых нейронами. Эти клетки вследствие множеств электрохимических реакций создают слабые энергетические импульсы, распространяющиеся по всей нервой системе или на отдельные её участки. Выполняемые нейронами функции не сводятся к одной только генерации и передаче сигналов. Нервная сеть позволяет живому организму воспринимать окружающие (внешние) и внутренние явления при помощи миллиардов микроимпульсов, которые, обрабатываясь мозгом – ядром нервной системы – позволяют провести аналогию с микропроцессорой системой обрабоки информации, где каждый нейрон может быть представлен в виде отдельного микропроцессора. Благодаря этой аналогии был достигнут большой успех в медицине: для людей, потерявших конечности, началась разработка специальных протезов (бионические или «умные» протезы) сначала с искусственными мышечными тканями (разработка компании Touch Bionics), затем совместив мышечные ткани с нервными окончаниями (разработка Технического университета Чалмерса) и, наконец, управляемых полностью нервными сигналами: нейробиолог Эндрю Шварц из Университета Питсбурга вмотнитровал в мозг парализованной 53-летней женщине специальные электроды, благодаря которым она смогла двигать специально созданной искусственной рукой [Л. 1]. Умные протезы прекрасно демонстрируют возможность эффективной передачи биоэлектрических сигналов по искусственным мышечным и нервным волокнам. Более сложные нейронные сети – первый шаг в создании искуственного интеллекта и тактильных протезов, то есть протезов, позволяющих не просто двигаться и выполнять функции конечности, но позволять человеку чувствовать и его, и предмет, который он держит, а в перспективе – температуру предмета, гладкость, твёрдость и другие свойства. Такие разработки способны положить начало созданию не только конечностей, но и повреждённых участков нервной системы вплоть до самого мозга. Однако, это только теория, ведь мало просто собрать нейронную сеть. Для того, чтобы это получилось, важно не столько её «синтезировать», сколько разобраться в её работе, рассмотреть характеристики биоэлектрических сигналов и понять, как именно из множества сигналов складывается общая картина восприятия информации, как протекает реакция мозга на внешнее воздействие и прочее. Данная технология также позволит вести постоянное наблюдение за состоянием человека и разрабатывать способы лечения нервных расстройств и болезней, поможет при создании умных протезов и различных вспомогательных устройств, работающих от команд мозга (эффект телекинеза).

Уже сейчас создано множество устройств, которые позволяют на простейшем уровне считывать церебральные сигналы и выполнять определённые операции при помощи программных кодов. В основном эти устройства связаны с наблюдением за психологическим состоянием человека и степенью его усталости. Один из примеров – умная кепка для водителей-дальнобойщиков от австралийской компании EdanSafe, считывающая сигналы мозга и включающая световую и звуковую сигнализацию, если водитель засыпает за рулём [Л. 2]. Но этим дело и ограничивается – простейшее считывание информации не всегда верное. Если же требуется считать сигнал таким, какой он есть, без помех и искажений (т.н. артефактов), требуется тщательная обработка. Полученный «чистый» сигнал можно будет использовать в самых различных целях.

Одной из основных проблем в ЭЭГ явлются неудобства, связанные со снятием церебральных сигналов. Напряжения, генерируемые нейронами, малы настолько, что могут быть легко заглушены различными артефактами – шумами других источников электрических и биоэлектрических сигналов. Конечно, церебральные сигналы могут быть сняты непосредственно с коры головного мозга, минуя череп, скальп и волосяной покров, затрудняющие прохождение сигналов, но этот способ неудобен в повседневных наблюдениях вне медицинских центров и требует профессионального подхода. Погрешности измерений, возникающие при фиксации сигналов без проникноверия в мозг, приводят к получению искажённой информации. Отрицательно влияют на снятие биопотенциалов мозга шумы аппаратуры и биопотенциалы других систем и органов. Ещё одна трудность связана с долгим восстановлением нервных клеток. Это означает, что любое вмешательство может быть губительным, а потому съём и обработка церебральных сигналов должны проводиться без каких-либо факторов риска. Таким образом, основная задача – выделение церебральных сигналов удобным и безопасным способом, его фильтрация, усиление и выделение информации и/или её передача по радиотракту.

 

Характеристики сигналов

Сигналы мозга периодические, но их временная характеристика непостоянна и зависит от внешних факторов. Основными же характеристиками, которые необходимы для обработки и передачи церебральных сигналов, являются динамический диапазон, значения мощности/напряжения и спектральная характеристика. Следует отметить, что сигналы мозга – это не столько волны пяти основных ритмов, опрееляющих общее состояние человека, сколько сигналы, отвечающие за конкретные действия, как например, движение. Передача любых церебральных сигналов по радиолинии означает, что мозг, при помощи ряда вспомогательных элементов, становится радиопередатчиком, любое устройство, принимающее сигнал – радиоприёмником.

Одна из характеристик не является числовым значением, но её роль крайне велика. Это – принадлежность какого-нибудь сигнала к определённому участку мозга. Различные процессы в организме вызывают ответную реакцию в «своих» участках мозга. Например, зрительная информация обрабатывается в затылочной части мозга, память – в лобной, все рефлексы регулируются мозжечком. Слуху, обанянию, осязанию, мышлению и прочим так же соответсвуют свои участки мозга. Определить источник сигнала при помощи ЭЭГ довольно трудно, потому что она даёт лишь общую картину мозговой активности, как на рис. 1.1.

 

 

Рис. 1.1. Мозговая активность по полушариям

 

Следует учесть важный факт – по своей сути мозговые волны есть ни что иное, как совокупности импульсов, возникающих в разных участках мозга (рис. 1.2). Экспериментально можно подтвердить, что, если человек, например, спит, в его мозге преобладают низкочастотные (дельта) волны, поскольку такие функции, как зрение, слух и осязание практически не работают. Во время пробуждения, когда человек начинает воспринимать окружающую его обстановку, мозг «разгоняется», начинаются новые нейронные процессы и обработка зрительной, слуховой и прочей информации. Это может помочь в анализе мозговой актвности, поскольку любое отклонение сразу же можно будет в реальном времени проследить на энцефалограмме. Зная характер церебральных сигналов вполне возможно составлять прогнозы и выявлять патологиеские нарушения нервной системы.

 

 

Рис. 1.2. Электроэнцефалограмма здорового бодрствующего человека в состоянии покоя. Одновременное отведение по восьми каналам

 

Основная информация содержится в амлитуде и спектре частот регистрируемых сигналов. Если взглянуть на примеры электроэнцефаллограмм (рис. 1.3), то можно обнаружить, что сигналы мозга имею несколько хаотичный вид. Вполне возможно, что это побочный эффект от воздействия на мозг сисгналов от других систем организма, либо искажения, вызванные огромным количеством реакций внутри мозга. Тем не менее, несмотря на хаотичность, церебральные сигналы являются периодическими, их диапазон разбит на пять основных групп, где самая низкая частота составляет полгерца, самая высокая варьируется от 70 до 100 Гц и выше. Амплитуды мозговых волн так же различны, максимальная составляет приблизительно 100 мкВ.

 

 

Рис. 1.3. Виды мозговых волн и их графики.

Общая схема радиосистемы

Исходя из всего вышеизложенного можно составить структуру радиосистемы для передачи церебральных сигналов (рис. 2.7).

 

 

Рис. 2.7. Структура радиосистемы передачи ЦС

 

Напоследок стоит отметить три самых ответственных этапа построения радиосистемы: создание высококачественного и автономного головного модуля, организация стабильного Bluetooth-соединения для передачи данных между головным модулем (или сразу несколькими) и коммутатором и оснащение всех модулей необходимым ПО.

Подробный вариант радиосистемы представлен на рис. 2.8. Можно с уверенностью сказать, что она практически ничем не отличается от любой другой системы для передачи данных. Разница заключается лишь в виде передаваемых данных. Посколку в повседневной жизни по каналам связи передаётся информация рамого различного вида – от простых текстовых сообщений до множества потоков видео- и аудиоинформации для телевидения, можно сказать, что передача мозговых сигналов после соответствующей обработки – лишь вариант этих данных, причём достаточно простой, но обладающий большой значимостью во многих отраслях современных технологий.

 

 

Рис. 2.8. Подробная структурная схема радиосистемы

 

В модуле оцифровки в данной радиосистеме можно применить 12-ти разрядную систему сбора информации ADuC812 (рис. 2.9). Она имеет прецизионный многоканальный АЦП с самокалибровкой, два 12-разрядных ЦАП и программируемое 8-битное микропроцессорное ядро (совместимое с 8051, MCU) [Л. 11].

Рис. 2.9. Функциональная блок-схема ADuC812

 

Расчёт усилителя

Усилитель является одним из самых важных элементов обработки мозговых сигналов в виду малых значений их напряжений (от 2 мкВ до 100 мкВ). Обычно в медицинском оборудовании для усиления биопотенциалов используют измерительные или инструментальные усилители на ОУ. Они могут представлять собой как цельную микросхему, например, усилители AD620, так и схему на 1-3 одинаковых ОУ, причём от количества ОУ зависит качество всего усилителя. Достоинства инструментального усилителя: очень малое смещение постоянного тока, малый дрейф, малый шум, очень высокий коэффициент усиления при разомкнутой обратной связи, очень высокий коэффициент ослабления синфазного сигнала, и очень высокие входные сопротивления. Такие усилители применяются, когда требуются большая точность и высокая стабильность схемы, как кратковременно, так и долговременно [Л. 20]. Спроектируем инструментальный усилитель на трёх ОУ (рис. 3.1).

Рис. 3.1. Инструментальный усилитель на трёх ОУ

Коэффициент усиления:

(2.1)

Для реализации усилителя в качестве основных элементов возьмём ОУ OP07AH [Л. 21], схема которого показана в приложении 1, технические характеристики – в приложении 2.

Рассчитаем элементы схемы.

Максимальное напряжение на входе усилителя составляет 100 мкВ, входной ток ОУ I_os равен 3.8 нА. Рассчитаем регулировочный резистор R_g:

R_g = U_in/I_os = 100*10^-6/3.8*10^-9 = 26.3 КОм           (2.2)

Зададим для первого каскада усилителя К_у = 1000, для второго К_у = 10.

К_у1 = 1+(2R₁/R_g) => R₁ = 1000*(R_g/2) = 13.15 МОм (2.3)

К_у2 = R₂/R₃ = 10. Примем R₂ = 1 кОм, R₃ = 10 кОм (2.4)

Построим усилитель в программе Multisim (рис. 12) и проверим сигнал на выходе.

Рис. 3.2. Реализация инструментального усилителя в программе Multisim.

Пусть на схеме напряжение источника ЭДС V2 (нижний) будет неизменным, а на источнике V1 по очереди зададим два его варианта – минимальное, но с другой частотой (6о Гц), и максимально возможное (100 мкВ / 13 Гц). Выходное напряжение для первого случая представлено на рис. 3.3, для второго – на рис. 3.4 соответственно.

Рис. 3.3. Напряжение на выходе усилителя при значении U1 = 2 мкВ / 60 Гц (синий цвет)

Рис. 3.4. Напряжение на выходе усилителя при значении U1 = 100 мкВ / 13 Гц (синий цвет)

Значения усиленных напряжений:

- 2 мкВ: U_max = 49.56 мВ, U_min = –49.56 мВ;

- 100 мкВ: U_max = 1.43 В, U_min = –1.38 В.

Расчёт ФНЧ

ФНЧ в данной схеме будет активным, т.е. с использованием активного элемента – операционного усилителя. Возьмём для фильтра ОУ uA741CD. Усилители данной серии чаще всего используются в фильтрах и измерительных приборах [Л. 22]. Схема ОУ – приложение 3, характеристики – прилодение 4.

Для расчёта фильтра воспользуемся инструментарием «Создатель фильтров» в программе Multisim. Поскольку максимальная частота сигналов мозга может достигать 100 Гц, зададим программе следующие параметры фильтра (рис. 3.5):

Рис. 3.5. Окно расчёта фильтра в Multisim

Спроектированный фильтр показан на рис. 3.6. Полученная АЧХ фильтра представлена на рис. 3.7. Максимальное ослабление сигнала в АЧХ составляет -154.8 дБ на частоте 7.4 кГц.

Рис. 3.6. Полученная схема ФНЧ

Рис.3.7. АЧХ ФНЧ

Ослабление сигнала на отметке 100 Гц составляет примерно -3.4 дБ.

Напряжения сигналов после прохождения через фильтр:

- 2 мкВ – Umax = 44.35 мВ, Umin = -44.94 мВ;

- 100 мкВ – Umax = 1.42 В, Umin = -1.37 В.

По АЧХ определим:

- полосу пропускания (по уровню -3 дБ) – 150 Гц

- крутизну спада – 12 дБ/окт

- коэффициент прямоугольности (по уровням -3 дБ и – 20 дБ) – 0.63

 

Расчёт характеристик схемы

Расчёт шага квантования

Шаг квантования

Δ = (U_max-U_min)/2ⁿ     (2.14)

где n – число разрядов АЦП. Выбранный для обработки сигнала AduC812 имеет 8-ми канальный 12-разрядный АЦП. Следовательно, n = 12.

Для минимального сигнала Δ = 89.29/4096 = 0.022 мВ (2.15)

Для максимального сигнала Δ = 2.79/4096 = 0.00068 В (2.16)

Расчёт шума квантования

Средняя мощность шума квантования (дисперсионная ошибка квантования):

 σ² = Δ²/12      (2.17)

Для минимального сигнала σ² = 40*10^-12;

Для максимального сигнала σ² = 38*10^-9.

Следует учесть один факт: поскольку используемый АЦП имеет 8 каналов входа, то к нему можно подсоединить только 8 датчиков биоэлектрической активности. При таком количестве можно будет следить только за общим состоянием мозга и выявлять грубые нарушения в его работе. Для более точных и тонких исследований рекомендуется иметь 16 и более датчиков.

СТРУКТУРНАЯ СХЕМА

Ниже представлен окончательный вариант схемы детектирования, обработки и передачи ЦС (рис. 3.8). Она может быть как 8-ми, так и 16-ти канальной в зависимости от поставленной задачи.

Рис. 3.8. Структурная схема радиосистемы передачи ЦС

Поскольку нельзя быть уверенным в том, что артефакты полностью отсутствуют, альтернативой их сведению на нет в самом начале является их обнаружение и предпринятие соответствующих мер по их устранению. Это можно сделать внедрив, например, установив до АЦП какой-либо визуализатор сигналов (небольшой монитор). Наиболее характерные признаки артефактов указаны в приложении 5 [Л. 25].

 

ЗАКЛЮЧЕНИЕ

Целью дипломной работы была разработка структурной схемы устройства для съёма, обработки и передачи мозговых сигналов по беспроводным линиям связи.

Данная дипломная работа построена на основе различных исследований в области анализа мозговой деятельности человека и её применении в различных устройствах, чему посвящены главы 1 и 2. Разработанная схема является упрощённой версией серьёзных медицинских приборов и подходит для анализа активности мозга человека и создания устройств, использующих сигналы мозга в качестве управлящих сигналов.

Так же было доказано, что мозговые сигналы легко поддаются тем же операциям обработки, что и сигналы от искусственных источников. Это означает, что в скором времени возможно создание средств связи, по которым можно будет передавать информацию, выделяемую из сигналов мозга, упростив схемы приёмопередающих аппаратов и уменьшив тем самым затраты на канальные ресурсы и преобразование сигналов для их передачи.

 

Приложение 1. Схема выводов и схематическая диаграмма ОУ OP -07

 

 

Приложение 2. Характеристики OP-07

 

 

Приложение 3. Схема выводов и схематическая диаграмма uA 741

Приложение 4. Характеристки uA741

 

 

Приложение 5. Диагностика артефактов при ЭЭГ исследованиях

Примечание: ЭКГ – электрокардиограмма, РЭГ – реограмма, ЭМГ – электромиограмма, КГР – кожно-гальваническая реакция, ЭОГ – электроокулограмма, ДЭПД – доброкачественный эпилептиформный паттерн детства, ЧСС – частота сердечных сокращений, комплекс QRS – желудочковый комплекс, который регистрируется во время возбуждения желудочков сердца.

СОДЕРЖАНИЕ

Реферат..................................................................................................... 7

1. Обзор систем сбора и анализа церебральных сигналов.................... 9

1.1. Роль ЭЭГ........................................................................................ 9

 1.2. Характеристики сигналов............................................................ 11

1.3. Устройства съёма и усиления церебральных сигналов............... 14

1.4. Характеристики систем передачи ЦС........................................... 16

2. Разработка структурной схемы радиосистемы................................. 30

2.1. Выбор стандартов связи. Основные характеристики стандартов 30

2.2. Выбор формата передаваемых данных....................................... 33

2.3. Выбор системы электропитания................................................... 34

2.4. Структура каналов «вверх» и «вниз».......................................... 35

2.5. Программное обеспечение модулей радиосистемы.................... 37

2.6. Общая схема радиосистемы.......................................................... 39

2.7. Перспективы передачи мозговых сигналов................................. 42

3. Расчёт структурной схемы передачи ЦС........................................... 44

3.1. Расчёт усилителя........................................................................... 44

3.2. Расчёт ФНЧ.................................................................................... 48

3.3. Расчёт характеристик схемы......................................................... 50

3.3.1. Расчёт отношения «сигнал/шум»............................................ 50

3.3.2. Расчёт коэффициента передачи............................................... 51

3.3.3. Расчёт шага квантования......................................................... 52

3.3.4. Расчёт шума квантования........................................................ 52

3.4. Структурная схема........................................................................ 53

Заключение.............................................................................................. 54

Список использованных источников..................................................... 55

Приложение 1. Схема выводов и схематическая диаграмма ОУ OP-07 57

Приложение 2. Характеристики OP-07................................................. 58

Приложение 3. Схема выводов и схематическая диаграмма ОУ uA741 59

Приложение 4. Характеристики uA741................................................. 60

Приложение 5. Диагностика артефактов при ЭЭГ исследованиях...... 61

 

 

РЕФЕРАТ

Тема дипломной работы – «Радиосистема передачи церебральных сигналов».

Дипломная работа содержит 61 страницу и 45 рисунков.

Ключевые слова: биоэлектрические сигналы, мозговые волны, электроэнцефалография, сигналы УНЧ и НЧ, усиление и оцифовка сигналов, беспроводная передача данных.

Цель работы состоит в разработке структурной схемы автономного устройства, позволяющего детектировать сигналы мозга, обрабатывать их и передавать на какое-либо устройство по беспроводным линиям связи. В качестве примера были использованы как простые устройства «грубой» обработки сигналов, так и сложные, профессиональные комплексы медицинского и экспериментального исследовательского назначения.

Моделирование схемы и проверка её работоспособности проводились в программе Multisim. Схема построена с учётом всех технических требований и может использоваться в самых разных целях, как в медицинских, так и для создания устройств с управлением мозговыми сигналами.

 

 

ОБЗОР СИСТЕМ СБОРА И АНАЛИЗА ЦЕРЕБРАЛЬНЫХ СИГНАЛОВ

Роль ЭЭГ

Электроэнцефалография – методика наблюдения за активностью головного мозга. Современная медицинская аппаратура позволяет проводить эти наблюдения дистанционно, при помощи простых беспроводных сетей (Bluetooth) или используя сети мобильной связи, как в технологии OTELO, использующей стандарт 3,5G. Наблюдение за процессами в мозге человека – одно из самых необходимых в медицинской практике. Состояние мозга определяет состояние всей нервной системы в целом, и для того, чтобы предупреждать и предотвращать различные заболевания и сбои в работе мозга, необходимо проводить тщательный и эффективный мониторинг, который собирает данные и выводит их в виде временных графиков, позволяющих в перспективе обрабатывать полученную информацию для возможного автоматического манипулирования биоэлектрическими процессами в мозге.

Человеческий мозг – невероятно сложный орган как с биологической, так и с технической точки зрения. Проходящие в нём процессы являются результатом работы мельчайших (от 3 до 130 мкм) клеток, называемых нейронами. Эти клетки вследствие множеств электрохимических реакций создают слабые энергетические импульсы, распространяющиеся по всей нервой системе или на отдельные её участки. Выполняемые нейронами функции не сводятся к одной только генерации и передаче сигналов. Нервная сеть позволяет живому организму воспринимать окружающие (внешние) и внутренние явления при помощи миллиардов микроимпульсов, которые, обрабатываясь мозгом – ядром нервной системы – позволяют провести аналогию с микропроцессорой системой обрабоки информации, где каждый нейрон может быть представлен в виде отдельного микропроцессора. Благодаря этой аналогии был достигнут большой успех в медицине: для людей, потерявших конечности, началась разработка специальных протезов (бионические или «умные» протезы) сначала с искусственными мышечными тканями (разработка компании Touch Bionics), затем совместив мышечные ткани с нервными окончаниями (разработка Технического университета Чалмерса) и, наконец, управляемых полностью нервными сигналами: нейробиолог Эндрю Шварц из Университета Питсбурга вмотнитровал в мозг парализованной 53-летней женщине специальные электроды, благодаря которым она смогла двигать специально созданной искусственной рукой [Л. 1]. Умные протезы прекрасно демонстрируют возможность эффективной передачи биоэлектрических сигналов по искусственным мышечным и нервным волокнам. Более сложные нейронные сети – первый шаг в создании искуственного интеллекта и тактильных протезов, то есть протезов, позволяющих не просто двигаться и выполнять функции конечности, но позволять человеку чувствовать и его, и предмет, который он держит, а в перспективе – температуру предмета, гладкость, твёрдость и другие свойства. Такие разработки способны положить начало созданию не только конечностей, но и повреждённых участков нервной системы вплоть до самого мозга. Однако, это только теория, ведь мало просто собрать нейронную сеть. Для того, чтобы это получилось, важно не столько её «синтезировать», сколько разобраться в её работе, рассмотреть характеристики биоэлектрических сигналов и понять, как именно из множества сигналов складывается общая картина восприятия информации, как протекает реакция мозга на внешнее воздействие и прочее. Данная технология также позволит вести постоянное наблюдение за состоянием человека и разрабатывать способы лечения нервных расстройств и болезней, поможет при создании умных протезов и различных вспомогательных устройств, работающих от команд мозга (эффект телекинеза).

Уже сейчас создано множество устройств, которые позволяют на простейшем уровне считывать церебральные сигналы и выполнять определённые операции при помощи программных кодов. В основном эти устройства связаны с наблюдением за психологическим состоянием человека и степенью его усталости. Один из примеров – умная кепка для водителей-дальнобойщиков от австралийской компании EdanSafe, считывающая сигналы мозга и включающая световую и звуковую сигнализацию, если водитель засыпает за рулём [Л. 2]. Но этим дело и ограничивается – простейшее считывание информации не всегда верное. Если же требуется считать сигнал таким, какой он есть, без помех и искажений (т.н. артефактов), требуется тщательная обработка. Полученный «чистый» сигнал можно будет использовать в самых различных целях.

Одной из основных проблем в ЭЭГ явлются неудобства, связанные со снятием церебральных сигналов. Напряжения, генерируемые нейронами, малы настолько, что могут быть легко заглушены различными артефактами – шумами других источников электрических и биоэлектрических сигналов. Конечно, церебральные сигналы могут быть сняты непосредственно с коры головного мозга, минуя череп, скальп и волосяной покров, затрудняющие прохождение сигналов, но этот способ неудобен в повседневных наблюдениях вне медицинских центров и требует профессионального подхода. Погрешности измерений, возникающие при фиксации сигналов без проникноверия в мозг, приводят к получению искажённой информации. Отрицательно влияют на снятие биопотенциалов мозга шумы аппаратуры и биопотенциалы других систем и органов. Ещё одна трудность связана с долгим восстановлением нервных клеток. Это означает, что любое вмешательство может быть губительным, а потому съём и обработка церебральных сигналов должны проводиться без каких-либо факторов риска. Таким образом, основная задача – выделение церебральных сигналов удобным и безопасным способом, его фильтрация, усиление и выделение информации и/или её передача по радиотракту.

 

Характеристики сигналов

Сигналы мозга периодические, но их временная характеристика непостоянна и зависит от внешних факторов. Основными же характеристиками, которые необходимы для обработки и передачи церебральных сигналов, являются динамический диапазон, значения мощности/напряжения и спектральная характеристика. Следует отметить, что сигналы мозга – это не столько волны пяти основных ритмов, опрееляющих общее состояние человека, сколько сигналы, отвечающие за конкретные действия, как например, движение. Передача любых церебральных сигналов по радиолинии означает, что мозг, при помощи ряда вспомогательных элементов, становится радиопередатчиком, любое устройство, принимающее сигнал – радиоприёмником.

Одна из характеристик не является числовым значением, но её роль крайне велика. Это – принадлежность какого-нибудь сигнала к определённому участку мозга. Различные процессы в организме вызывают ответную реакцию в «своих» участках мозга. Например, зрительная информация обрабатывается в затылочной части мозга, память – в лобной, все рефлексы регулируются мозжечком. Слуху, обанянию, осязанию, мышлению и прочим так же соответсвуют свои участки мозга. Определить источник сигнала при помощи ЭЭГ довольно трудно, потому что она даёт лишь общую картину мозговой активности, как на рис. 1.1.

 

 

Рис. 1.1. Мозговая активность по полушариям

 

Следует учесть важный факт – по своей сути мозговые волны есть ни что иное, как совокупности импульсов, возникающих в разных участках мозга (рис. 1.2). Экспериментально можно подтвердить, что, если человек, например, спит, в его мозге преобладают низкочастотные (дельта) волны, поскольку такие функции, как зрение, слух и осязание практически не работают. Во время пробуждения, когда человек начинает воспринимать окружающую его обстановку, мозг «разгоняется», начинаются новые нейронные процессы и обработка зрительной, слуховой и прочей информации. Это может помочь в анализе мозговой актвности, поскольку любое отклонение сразу же можно будет в реальном времени проследить на энцефалограмме. Зная характер церебральных сигналов вполне возможно составлять прогнозы и выявлять патологиеские нарушения нервной системы.

 

 

Рис. 1.2. Электроэнцефалограмма здорового бодрствующего человека в состоянии покоя. Одновременное отведение по восьми каналам

 

Основная информация содержится в амлитуде и спектре частот регистрируемых сигналов. Если взглянуть на примеры электроэнцефаллограмм (рис. 1.3), то можно обнаружить, что сигналы мозга имею несколько хаотичный вид. Вполне возможно, что это побочный эффект от воздействия на мозг сисгналов от других систем организма, либо искажения, вызванные огромным количеством реакций внутри мозга. Тем не менее, несмотря на хаотичность, церебральные сигналы являются периодическими, их диапазон разбит на пять основных групп, где самая низкая частота составляет полгерца, самая высокая варьируется от 70 до 100 Гц и выше. Амплитуды мозговых волн так же различны, максимальная составляет приблизительно 100 мкВ.

 

 

Рис. 1.3. Виды мозговых волн и их графики.