Уче­ные Ново­си­бир­ско­го госу­дар­ствен­но­го тех­ни­че­ско­го уни­вер­си­те­та (НГТУ) пред­ста­ви­ли инно­ва­ци­он­ное про­грамм­ное обес­пе­че­ние для ана­ли­за элек­тро­эн­це­фа­ло­грамм (ЭЭГ), спо­соб­ное адап­ти­ро­вать­ся под инди­ви­ду­аль­ные осо­бен­но­сти поль­зо­ва­те­ля. Раз­ра­бот­ка обе­ща­ет повы­сить эффек­тив­ность ней­ро­фи­зио­ло­ги­че­ских иссле­до­ва­ний в науч­ных лабо­ра­то­ри­ях и кли­ни­че­скую диа­гно­сти­ку в меди­цин­ских учреждениях.

Элек­тро­эн­це­фа­ло­гра­фия — фун­да­мен­таль­ный метод изу­че­ния элек­три­че­ской актив­но­сти голов­но­го моз­га. Тех­но­ло­гия бази­ру­ет­ся на фик­са­ции элек­три­че­ских потен­ци­а­лов с поверх­но­сти кожи голо­вы при помо­щи спе­ци­аль­ных элек­тро­дов с после­ду­ю­щей ком­пью­тер­ной обра­бот­кой сиг­на­лов. Ана­лиз пат­тер­нов этой актив­но­сти явля­ет­ся клю­че­вым инстру­мен­том для выяв­ле­ния нев­ро­ло­ги­че­ских нару­ше­ний, вклю­чая эпи­леп­сию, а так­же диа­гно­сти­ки струк­тур­ных пато­ло­гий моз­га, таких как ново­об­ра­зо­ва­ния, кисты или послед­ствия ост­рых нару­ше­ний моз­го­во­го кровообращения.

Новиз­на раз­ра­бот­ки НГТУ заклю­ча­ет­ся в созда­нии интел­лек­ту­аль­ной систе­мы, кото­рая не про­сто реги­стри­ру­ет сиг­на­лы, но и авто­ма­ти­че­ски иден­ти­фи­ци­ру­ет, клас­си­фи­ци­ру­ет спе­ци­фи­че­ские пат­тер­ны моз­го­вой актив­но­сти, воз­ни­ка­ю­щие в ответ на кон­тро­ли­ру­е­мые внеш­ние сти­му­лы (визу­аль­ные обра­зы, зву­ки, вер­баль­ные сиг­на­лы и т.д.). Как пояс­ни­ли в уни­вер­си­те­те, клю­че­вым резуль­та­том рабо­ты плат­фор­мы явля­ет­ся фор­ми­ро­ва­ние пер­со­на­ли­зи­ро­ван­но­го про­фи­ля пользователя.

Этот про­филь интегрирует:

  1. Необ­ра­бо­тан­ные и обра­бо­тан­ные сиг­на­лы ЭЭГ.
  2. Клас­си­фи­ка­цию при­ме­нен­ных внеш­них раздражителей.
  3. Точ­ную при­вяз­ку реак­ций моз­га к кон­крет­ным предъ­яв­лен­ным стимулам.

Реше­ние постро­е­но на попу­ляр­ном язы­ке про­грам­ми­ро­ва­ния Python, что обес­пе­чи­ва­ет его гиб­кость и широ­кие воз­мож­но­сти для инте­гра­ции и моди­фи­ка­ции. Алго­ритм обра­бот­ки дан­ных пред­став­ля­ет собой после­до­ва­тель­ный конвейер:

  • Загруз­ка дан­ных: импорт фай­лов с запи­сью ЭЭГ и мета­дан­ны­ми, содер­жа­щи­ми точ­ные вре­мен­ные отмет­ки предъ­яв­ле­ния каж­до­го сти­му­ла (изоб­ра­же­ния, зву­ка, слова).
  • Пред­ва­ри­тель­ная обра­бот­ка и очист­ка: устра­не­ние арте­фак­тов, вызван­ных дви­же­ни­ем глаз, мышеч­ной актив­но­стью или поме­ха­ми от элек­три­че­ских при­бо­ров, для выде­ле­ния “чисто­го” ней­ро­фи­зио­ло­ги­че­ско­го сигнала.
  • Извле­че­ние при­зна­ков: ана­лиз очи­щен­но­го сиг­на­ла и вычис­ле­ние инфор­ма­тив­ных харак­те­ри­стик (при­зна­ков), опи­сы­ва­ю­щих реак­цию моз­га на каж­дый кон­крет­ный стимул.
  • Клас­си­фи­ка­ция реак­ций: при­ме­не­ние алго­рит­мов машин­но­го обу­че­ния (искус­ствен­но­го интел­лек­та) для опре­де­ле­ния того, какой имен­но внеш­ний сти­мул спро­во­ци­ро­вал зафик­си­ро­ван­ный пат­терн моз­го­вой актив­но­сти. ИИ обу­ча­ет­ся рас­по­зна­вать инди­ви­ду­аль­ные “отпе­чат­ки” реакций.

  • Хра­не­ние и визу­а­ли­за­ция: сохра­не­ние всех исход­ных дан­ных, про­ме­жу­точ­ных резуль­та­тов обра­бот­ки, клас­си­фи­ци­ро­ван­ных реак­ций и ито­го­вых отче­тов в струк­ту­ри­ро­ван­ной базе дан­ных. Систе­ма предо­став­ля­ет инстру­мен­ты для нагляд­но­го пред­став­ле­ния результатов.

По сло­вам руко­во­ди­те­ля про­ек­та Сер­гея Сви­ри­дю­ка, аспи­ран­та НГТУ, глав­ны­ми кон­ку­рент­ны­ми пре­иму­ще­ства­ми раз­ра­бот­ки являются:

  1. Упро­щен­ная уста­нов­ка и настрой­ка по срав­не­нию со слож­ны­ми ком­мер­че­ски­ми и науч­ны­ми паке­та­ми для ана­ли­за ЭЭГ.
  2. Еди­ный сквоз­ной кон­вей­ер обра­бот­ки: от пер­вич­ной загруз­ки “сырых” дан­ных до гене­ра­ции гото­во­го ана­ли­ти­че­ско­го отче­та, что мини­ми­зи­ру­ет руч­ной труд и риск ошибок.
  3. Акцент на ско­рость и нагляд­ность: предо­став­ле­ние резуль­та­тов в фор­ме, удоб­ной для интер­пре­та­ции иссле­до­ва­те­ля­ми и врачами.

Авто­ма­ти­за­ция ана­ли­за слож­ных ЭЭГ-дан­ных с помо­щью ИИ явля­ет­ся одним из клю­че­вых трен­дов в этой обла­сти. Раз­ра­бот­ки, подоб­ные ново­си­бир­ской, направ­ле­ны на пре­одо­ле­ние основ­ных огра­ни­че­ний тра­ди­ци­он­ных мето­дов: тру­до­ем­ко­сти руч­ной рас­шиф­ров­ки, субъ­ек­тив­но­сти интер­пре­та­ции и необ­хо­ди­мо­сти высо­кой ква­ли­фи­ка­ции спе­ци­а­ли­ста. Про­грамм­ная плат­фор­ма для интел­лек­ту­аль­но­го ана­ли­за ЭЭГ, создан­ная в НГТУ, пред­став­ля­ет собой зна­чи­мую оте­че­ствен­ную раз­ра­бот­ку на сты­ке ней­ро­на­ук, про­грам­ми­ро­ва­ния и искус­ствен­но­го интел­лек­та. Ее клю­че­вые досто­ин­ства — адап­тив­ность к поль­зо­ва­те­лю, сквоз­ная авто­ма­ти­за­ция обра­бот­ки дан­ных от вво­да до отче­та, а так­же акцент на прак­ти­че­скую при­ме­ни­мость в реаль­ных усло­ви­ях науч­ных и меди­цин­ских организаций.

Успеш­ное внед­ре­ние и даль­ней­шее раз­ви­тие это­го реше­ния спо­соб­но вне­сти вклад в повы­ше­ние уров­ня ней­ро­фи­зио­ло­ги­че­ских иссле­до­ва­ний в Рос­сии и улуч­шить каче­ство диа­гно­сти­ки нев­ро­ло­ги­че­ских забо­ле­ва­ний. Потен­ци­аль­ны­ми направ­ле­ни­я­ми раз­ви­тия плат­фор­мы могут стать:

  1. Инте­гра­ция с раз­лич­ны­ми типа­ми ЭЭГ-оборудования.
  2. Рас­ши­ре­ние биб­лио­те­ки алго­рит­мов машин­но­го обу­че­ния для реше­ния спе­ци­фи­че­ских диа­гно­сти­че­ских задач.
  3. Раз­ра­бот­ка спе­ци­а­ли­зи­ро­ван­ных моду­лей для кон­крет­ных кли­ни­че­ских при­ме­не­ний (напри­мер, авто­ма­ти­че­ский детек­тор эпи­леп­ти­форм­ной активности).
  4. Созда­ние облач­ной вер­сии для уда­лен­но­го досту­па и ана­ли­за данных.

Внед­ре­ние подоб­ных циф­ро­вых инстру­мен­тов в ней­ро­на­у­ку и кли­ни­че­скую прак­ти­ку соот­вет­ству­ет гло­баль­ным тен­ден­ци­ям циф­ро­ви­за­ции меди­ци­ны и пер­со­на­ли­зи­ро­ван­но­го под­хо­да к диагностике.

Похожие посты