Исследование динамики альфа-активности ЭЭГ человека в контуре интерфейса мозг-компьютер тема диссертации и автореферата по ВАК РФ 03.00.13, кандидат биологических наук Жигалов, Александр Юрьевич

• Жигалов, Александр Юрьевич
• кандидат биологических наук
• 2009

Оглавление диссертации кандидат биологических наук Жигалов, Александр Юрьевич

СПИСОК СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

1. Обзор литературы.

1.1 Типы интерфейсов мозг-компьютер (ИМК).

1.2 Альфа-активность как управляющий сигнал в контуре ИМК.

1.3 Пространственно-временная организация альфа-активности

1.4 Функциональные модели альфа-активности

1.5 Саморегуляция альфа-активности

1.6 Альфа-активность и функциональные состояния.

1.7 Прерывистая фотостимуляция и альфа-активность.

2 МАТЕРИАЛЫ И МЕТОДЫ ИССЛЕДОВАНИЙ.

2.1 Испытуемые.

2.2 Регистрация ЭЭГ.

2.3 Разработка технологии и устройства для экспериментов.

2.4 Схемы экспериментов.

2.5 Алгоритмы анализа данных.

3 РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ И ОБСУЖДЕНИЕ.

3.1 Исследование с ритмической световой стимуляцией: результаты и обсуждение.

3.2 Исследование с управляемой световой стимуляцией: результаты и обсуждение.

3.3 Исследование с управляемыми аффективными раздражителями: результаты и обсуждение.

Введение диссертации (часть автореферата) на тему «Исследование динамики альфа-активности ЭЭГ человека в контуре интерфейса мозг-компьютер»

Впервые альфа-активность ЭЭГ человека, или «ритм Бергера» по имени ее первооткрывателя Ганса Бергера (1928), была продемонстрирована научной общественности английскими исследователями Эдгаром Эдрианом (Adrian) и Брайаном Мэттьюсом (Metthews) в 1934 году на собрании Физиологического общества в Кембридже. С тех пор и до самого последнего времени этот тип активности ЭЭГ, отличающийся высокой ритмичностью в диапазоне 8-13 колебаний в секунду, динамичностью в широком диапазоне амплитудных значений, высокой чувствительностью к функциональным нагрузкам и пространственно-временной структурированностью, остается предметом интенсивных исследований для нейрофизиологов всего мира. К настоящему времени результаты этих исследований обобщены в многочисленных обзорных статьях и книжных изданиях (Sauseng et al., 2008; Lopes da Silva 1991; Basar et al., 1997; Klimesch, 1999; Shaw, 2006).

Однако только в самое последнее время открылся совершенно новый аспект изучения этого типа активности ЭЭГ — возможность использования паттернов ЭЭГ в качестве управляющего сигнала в интерфейсах мозг-компьютер (ИМК) (Каплан, 2008; Kaplan et al., 2005; Wolpaw et al., 2002; Allison et al., 2007). Согласно определению Джонатана Волпау (Wolpaw et al., 2002) ИМК - это технология, позволяющая осуществлять коммуникацию между мозгом и внешней средой без посредства нервов и мышц, только на основе регистрации ЭЭГ. Основой этому направлению послужила находка Джое Камия (Kamiya, 1971), свидетельствующая о том, что человек способен обучиться произвольным образом вызывать изменения в ЭЭГ, если ему демонстрировать эту ЭЭГ, например, на экране монитора. Человек, таким образом, оказывался в контуре обратной связи, в котором обучался находить такие внутренние произвольные усилия, которые приводили к необходимым по инструкции изменениям в ЭЭГ, например, увеличивать амплитуду альфа-колебаний ЭЭГ. Это открытие дало началу целому направлению в психофизиологии и поведенческой медицине, названному в США как EEG biofeedback или neurofeedback, а в русскоязычной литературе - как «биологическая обратная связь по ЭЭГ» (БОС-ЭЭГ, БОС-тренинг) (Mulholland et al., 1977; Штарк, 2002).

Технология ЭЭГ БОС-тренинга оказалась очень полезной для целей саморегуляции организма, например в альфа-тренинге. Обучаясь произвольно повышать альфа-активность ЭЭГ испытуемые часто достигали состояний релаксации, снижения нервно-психической напряженности, поскольку именно при таких состояниях альфа-активность ЭЭГ становилась наиболее выраженной. Однако, как видно, «работа» испытуемого в контуре альфа-тренинга замыкалась даже не столько на регуляцию собственного состояния, сколько на достижение заданных по инструкции изменений в ЭЭГ. Внутренние состояния оказывались лишь инструментами для достижения критериев по ЭЭГ. Поэтому объектом управления в БОС ЭЭГ по сути дела является не внутреннее состояние, а сама ЭЭГ, для изменения которой каждый испытуемый подыскивал индивидуальные внутренние ресурсы.

Около 20 лет назад исследователи задумались о том, что если человек способен волевым путем производить изменения в ЭЭГ, то будучи зарегистрированными аппаратно, эти изменения могут послужить человеку, как команды для внешних исполнительных устройств (электронных переключателей, сигнальных лампочек и пр.), которые в свою очередь могут транслировать во внешнюю среду его намерения. Как ни фантастично это выглядело в прагматическом аспекте, но для целей медицины это было вполне реально. Дело в том, что только в США насчитывается около полумиллиона пациентов полностью или почти полностью лишенных способности к владению своими мышцами. Для таких пациентов актуален любой «немышечный» способ коммуникации с внешней средой. Таким образом, возникло теоретическое, экспериментальное и технологическое направление: «Интерфейс мозг-компьютер», востребованное прежде всего в медицине.

Однако, по мере развития практических аспектов ИМК, в какой-то момент стала очевидной общетеоретическая значимость этого направления для психофизиологии и когнитологии (Каплан, 2008). «Вечный» вопрос электроэнцефалографии о том, какие же функции головного мозга отражаются в ритмах его корковых электрических потенциалов, получил новую парадигму для экспериментальной разработки. Можно было тестировать те или иные паттерны ЭЭГ в тех или иных отведениях на их способность принимать на себя функции команд для управления внешними исполнительными устройствами. Тем самым можно было оценить, насколько те или иные ритмы ЭЭГ в тех или иных корковых локализациях отражают работу мозговых механизмов «занятых» во внутренних автоматических регуляциях или, наоборот, «доступных» для включения в произвольное управление. Кроме того, парадигма ИМК позволяет изучать такие пластические функции мозга, которые до сих пор не были доступны для экспериментальной разработки, а именно, насколько мозг способен формировать новые «функциональные органы» по Ухтомскому для манипулирования во внешней среде. В данном случае таким органом становится функциональная система, выходным звеном которой впервые в жизни индивидуума оказывается не мышечные группы, а паттерны ЭЭГ.

Принципиальным в технологии ИМК является придание (навязывание) тому или иному паттерну ЭЭГ определенной командной функции, например, функции перемещения курсора на экране компьютера, или функции включения/выключения внешнего электронного устройства и т.д. Нейрофизиологическим механизмом этого процесса является классическое инструментальное обусловливание, однако, в этом заключается одна из самых больших трудностей в технологии ИМК. Действительно, исходно паттерны ЭЭГ не несут никакой функции, так как являются всего лишь отражением или эпифеноменом работы мозговых механизмов. Поэтому, далеко не каждый паттерн ЭЭГ может быть вовлечен в какую-то функциональную систему, тем более, такую «неестественную», как контур ИМК.

Таким образом, в связи с открытием этой новой сферы исследований в психофизиологии и когнитологии, становится все более актуальной разработка новых экспериментальных парадигм и теоретических подходов для изучения механизмов приобретения новых навыков и перестройки ритмов ЭЭГ при работе человека в контуре ИМК.

Целью нашего исследования было определить, насколько механизмы мозга, определяющие альфа-активность ЭЭГ, могут быть вовлечены в процессы формирования навыка управления внешними объектами посредством модификации этой активности.

В рамках этой цели была сформулирована рабочая гипотеза о том, что существуют паттерны альфа-активности ЭЭГ и схема их оперантного обусловливания, при которых становится возможной выработка автоматизированного навыка управления внешними объектами посредством дискретных изменений ЭЭГ.

Для проверки рабочей гипотезы были поставлены следующие задачи исследования:

1. Разработать экспериментальную модель для тестирования различных компонентов ЭЭГ в контуре ИМК.

2. На основе разработанной модели изучить динамику альфа-активности ЭЭГ как управляющего сигнала в контуре ИМК.

3. Изучить возможность автоматизированного (неосознаваемого) изменения ЭЭГ при оперантном обусловливании паттернов альфа-активности.

Научная новизна и практическая значимость

Принципиально новым в настоящем исследовании было то, что одной из задач было не создание какого-то конкретного ИМК, а разработка экспериментальной модели для тестирования самой возможности использования тех или иных паттернов ЭЭГ для разных схем формирования контура ИМК.

Новым является экспериментально доказанный факт о том, что наиболее эффективными схемами автоматизированного оперантного обусловливания ЭЭГ являются схемы с предварительной установкой испытуемого на релаксацию в процессе тренировки. Здесь следует отметить, что в отличие от других исследований, в настоящей работе несмотря на предварительную установку, испытуемые не знали характер связи ЭЭГ с успешностью выполнения теста и потому само оперантное обусловливание осуществлялось автоматически, а состояние испытуемого было лишь фоном.

Наконец, в настоящей работе впервые изучалась собственно динамика альфа-активности ЭЭГ в процессе оперантного обусловливания, что позволило определить какие именно структурные перестройки в ЭЭГ происходят во время оперантного обусловливания.

Положения, выносимые на защиту

1. Разработана экспериментальная модель, которая позволяет реализовать процесс выработки у человека автоматизированного навыка управления внешними объектами посредством изменения характеристик ЭЭГ.

2. Ритмическая фотостимуляция с частотой индивидуального альфа-ритма без контура обратной связи не влияет на структурные характеристики альфа-активности ЭЭГ.

3. Прерывистая фотостимуляция с управлением стимулами от альфа-волн ЭЭГ и их паттернов вызывает структурные перестройки в ЭЭГ, свидетельствующие о включении автоматизированных механизмов формирования адаптивного управления.

4. Паттерны альфа-активности ЭЭГ поддаются инструментальному обусловливанию, что может служить основой для формирования на их основе командных операторов в контурах ИМК.

1. ОБЗОР ЛИТЕРАТУРЫ

Первые работы, посвященные ИМК, были опубликованы почти 20 лет назад, но в настоящее время интерес к ним необычайно возрос. С развитием информационных и компьютерных технологий системы ИМК находят все больше приложений в различных областях. С момента появления первых ИМК систем, стало очевидно, что для их исследования и развития необходим междисциплинарный подход. В настоящее время вопросам ИМК посвящено огромное количество работ, но, тем не менее, многие вопросы остаются до конца не изученными.

Заключение диссертации по теме «Физиология», Жигалов, Александр Юрьевич

выводы

1. Разработана экспериментальная модель интерфейса мозг-компьютер на основе инструментального обусловливания паттернов альфа-активности ЭЭГ сенсорными фото-, аудио и электрокожными стимулами.

2. Ритмическая фотостимуляция в частотном диапазоне альфа-ритма, не включенная в контур интерфейса мозг-компьютер, не влияет на структурные особенности альфа-активности ЭЭГ.

3. Прерывистая фотостимуляция, управляемая альфа-волнами, вызывает динамические структурные перестройки в ЭЭГ, что свидетельствуют об интеграции мозговых механизмов в контур интерфейса мозг-компьютер.

4. На примере адаптивного контроля электрокожной стимуляции показано, что кратковременные паттерны альфа-активности ЭЭГ могут быть инструментально обусловлены в качестве управляющих сигналов в контуре интерфейса мозг-компьютер.

5. В процессе инструментального обусловливания паттернов альфа-активности в одном из гомологичных каналов ЭЭГ билатеральная асимметрия альфа-активности ЭЭГ не изменяется, что свидетельствует о целостном, а не только в управляющем канале, включении механизмов мозга в адаптивные перестройки.

6. При инструментальном обусловливании альфа-активности ЭЭГ не обнаружено зависимости между эффективностью обучения и индивидуальными особенностями ЭЭГ.

ЗАКЛЮЧЕНИЕ

В настоящей работе представлены результаты, полученные в рамках разработанной нами парадигмы ИМК, в которой реализована биотехническая возможность «прямого подключения» показателей альфа-активности ЭЭГ к управляемому внешнему объекту, к фотостимулятору или к генератору электрокожной стимуляции. Основное внимание уделено анализу изменений характеристик сигнала ЭЭГ в контуре ИМК. В качестве сигнала управления внешним объектом в ИМК использовались структурные особенности ЭЭГ, а именно: отдельные альфа-волны ЭЭГ и образованные ими паттерны.

Принципиальная новизна предложенной системы ИМК заключается в использовании подхода неосознаваемого (автоматизированного) оперантного обусловливания «натуральных» паттернов ЭЭГ.

Для более детального рассмотрения изменений ЭЭГ, возникающих при управлении в ИМК, применялись наиболее простые объекты управления, а именно, световая, звуковая и электрокожная стимуляция. По сравнению с типичными для приложений ИМК внешними объектами, например, виртуальной реальностью, роботизированной техникой, симуляторами операторской работы, эти стимулы задействуют значительно меньшую часть мозговых механизмов, что в принципе позволяет изучать адаптивные перестройки мозговых механизмов в ходе работы в составе ИМК на примере динамики различных компонентов ЭЭГ.

В исследовании с управляемой световой стимуляцией были определены показатели структурности альфа-активности, которые наилучшим образом поддаются обусловливанию. При этом были показаны некоторые особенности изменения ЭЭГ при данном виде управления, в частности, структуризация альфа-активности. В качестве логического продолжения данного исследования можно рассматривать эксперименты с управляемой аффективной стимуляцией. С учетом полученных результатов была предложена более эффективная парадигма для тестирования показателей ЭЭГ, в качестве управляющих сигналов в контуре ИМК. В качестве операциональной единицы применялись уже не отдельные альфа-волны, а образованные ими паттерны, спонтанная генерация которых, как оказалось, более естественна для мозга. Помимо этого большее внимание было уделено выбору внешних стимулов. В качестве таковых были использованы электрокожные стимулы и негативные эмоциогенные звуки. Их выбор обусловлен в первую очередь тем, что они обладают большей мотивационной силой, нежели световые стимулы. В данных экспериментах было показано, что за относительно небольшое время происходит оперантное обусловливание паттернов альфа-волн, и эффективность этого процесса может быть повышена за счет предварительной инструкции для испытуемых, заключающейся том, что наибольшей эффективности тестовой деятельности, например, наибольшего числа отмен ABC можно добиться при стабильной релаксации.

Результаты, представленные в трех разделах исследования, показывают, что более трети всех испытуемых достигли высокого уровня обученности управлению внешними стимулами в разработанной системе ИМК. Эти данные отражают общую тенденцию процентного соотношения успешно обучающихся испытуемых, которая наблюдается в системах с биологической обратной связью и асинхронных системах ИМК, однако принципиальным в нашей системе является меньшее время, необходимое для обучения. При этом существует возможность повышения количества обучившихся людей, за счет построения адаптивных алгоритмов управления и использовании предварительной установки, с учетом личных особенностей испытуемого.

Список литературы диссертационного исследования кандидат биологических наук Жигалов, Александр Юрьевич, 2009 год

1. Базанова О.М., Афтанас Л.И. Успешность обучения и индивидуальные частотно-дианамические характеристики альфа-активности электроэнцефалограммы // Вестник РАМН. — 2006. Т. 6. — С. 30-43.

2. Биоуправление-4. Теория и практика // Под ред. М.Б. Штарк. -М.: Изд. Церис, 2002. 343 с.

3. Бондарь А.Т., Федотчев А.И. Еще раз о тонкой структуре альфа-ритма ЭЭГ человека: два спектральных компонента в состоянии покоя. // Физиология человека. 2001. - Т. 27. -№ 4. - С. 15-22.

4. Гетманенко О.В., Белов Д.Р., Кануников И.Е. Фазовые взаимоотношения электроэнцефалограммы человека // Росс, физиол. журн. им. И.М. Сеченова. 2004. - Т. 90. - № 8. - С. 431

5. Исайчев С.А., Деревянкин В.Т., Коптелов Ю.М., Соколов Е.Н. Генераторы ритмической альфа-активности ЭЭГ человека // Журн. высш. нервн. деят. 1999. - Т. 49. - № 6. - С. 919-925.

6. Каплан А .Я. Нестационарность ЭЭГ: методологический и экспериментальный анализ // Успехи физиологических наук. — 1998. — Т. 29. -№3. С. 35-55.

7. Каплан А.Я. Вариабельность ритма сердца и характер обратной связи по результату операторской деятельности у человека // Журнал высшей нервной деятельности. 1999. — Т. 48. - №6. - С. 345-350.

8. Каплан А.Я., Борисов С.В., Шишкин C.JI., Ермолаев В.А. Анализ сегментной структуры альф а-активности ЭЭГ человека // Российский физиол журн им. И.М.Сеченова. 2002. - Т. 4. - С. 84-95.

9. Каплан А.Я., Борисов С.В. Динамика сегментных характеристик альфа-активности ЭЭГ человека в покое и при когнитивных нагрузках // Журнал высш. нервн. деят. 2003. - Т.53. - №1. - С. 22-32.

10. Каплан А.Я. Интерфес «Мозг-компьютер» новая экспериментальная парадигма в нейрокогнитивных исследованиях // Тезисы третье

11. Международной конференции по когнитивной науке. 2008. — С. 2124.

12. П.Кулаичев А.П. Компьютерная электрофизиология. М.: Изд-во МГУ, 2002.-379 с.

13. Лайонс Р. Цифровая обработка сигналов. М.: Изд. БИНОМ, 2007. -656 с.

14. Федотчев А.И., Бондарь А.Т. Неспецифические механизмы адаптации ЦНС к прерывистым раздражениям, спектральная структура ЭЭГ и оптимальные параметры ритмических сенсорных воздействий // Успехи физиол. наук. 1996. - Т. 27. - № 4. - С. 44-62.

15. Федотчев А.И. Фотоиндуцированные резонансные явления в электроэнцефалограмме человек как функция частоты, интенсивности и длительности стимуляции//Биофизика. — 2001. — Т. 46. — №1. — С. 112-117.

16. Федотчев А.И., Бондарь А.Т., Матрусов С.Г. Использование сигналов обратной связи от эндогенных ритмов пациента для нелекарственной коррекции функциональных расстройств // Успехи физиол. наук. -2006. Т. 37. - № 4. - С. 82-92.

17. Adrian E.D. Brain rhythms //Nature. 1944. - V. 153.-P. 360-362.

18. Adrian E.D. and Matthews B.H.C. The Berger rhythm: potential changes from the occipital lobes in man//Brain. 1934. - V. 57.-P. 354-385.

19. Allison B.Z., Wolpaw E.W., Wolpaw J.R. Brain-computer interface systems: progress and prospects // Expert Rev. Med Devices. 2007. - V. 4. -P. 463-474.

20. Barlow J.S. The Electroencephalogram: Its Patterns and Origins // MIT Press, Cambridge, MA. 1993. - P. 456.

21. Barlow J.S. Some aspects of alpha activity in relation to a new generalized model for the EEG // Int. J. Psychophysiol. 1997. - V. 26. - P. 342-352.

22. Barry R.J., Kirkaikul S. and Hodder D. EEG alpha activity and the ERP to target stimuli in an auditory oddball paradigm // Int. J. Psychophysiol. -2000.-V. 39.-P. 39-50.

23. Bartley S.H. The relation between cortical response to visual stimulation and changes in the alpha rhythm // J. Exp. Psychol. 1940. - V. 27. - P. 624639.

24. Basar E. EEG-Brain Dynamics: Relation between EEG and Brain Evoked Potentials // Elsevier, Amsterdam, 1980. 411 pp.

25. Basar E., Schurmann M., Basar-Eroglu C. and Karakas S. Alpha oscillations in brain functioning: an integrative theory // Int. J. Psychophysiol. 1997. — V. 39.-P. 5-29.

26. Berger H. Unber das Elektroenkephalogramm des Menschen // Arch. Psychiatr. Nervenkr. 1929. - V. 87. - P. 527-570.

27. Birbaumer N., Ghanayim N., Hinterberger Т., Iversen I., Kotchoubey В., Kubler A., Perelmouter J., Taub E. and Flor H. A spelling device for the paralysed //Nature. 1999. - V. 398. - P. 297-298.

28. Birbaumer N., Hinterberger Т., Kubler A. and Neumann N. The thought translation device (TTD): neurobehavioral mechanisms and clinical outcome // IEEE Transactions on Neural Systems and Rehabilitation Engineering. -2003.-V. 11. — № 2. P. 799-805.

29. Birbaumer N. and Cohen L. A brain-computer-interface (BCI) for chronic stroke // In 35th Annual Meeting of the Society for Neuroscience, Washington, DC. 2005.

30. Brandt, M.E. and Jansen. B.H. The relationship between prestimulus alpha amplitude and visual evoked potential amptitude // Int. J. Neurosci. 1991. -V. 61.-P. 261-268.

31. Випсе S. C., Izzetoglu M., Izzetoglu K., Onaral B. and Pourrezaei K. Functional near-infrared spectroscopy // IEEE Engineering in Medicine and Biology Magazine. -2006. V. 25. - № 4. - P. 54-62.

32. Busch N.A., Dubois J., VanRullen R. The phase of ongoing EEG oscillations predicts visual perception // J Neurosci. 2009. - V. 29. - № 24. -P. 7869-7876.

33. Celesia G.G., Peachey N.S., Brigell M. and DeMarco P.J. Visual evoked potentials: recent advances. In: Barber C., Celesia G., Comi G.C. and Mauguiere F. (Eds.), Functional Neuroscience // Electroencephalogr. Clin. Neurophysiol. 1996. -V. 46. - P. 3-14.

34. Chen W. and S. Ogawa. Principles of BOLD functional MM. In Functional MRI, edited by C. Moonen and P. Bandettini. Berlin Heidelberg: Springer, 2000.

35. Cooper R., Winter A.L., Crow H.J. and Walter W.G. Comparison of subcortical, cortical and scalp activity using chronically indwelling electrodes in man // Electroencephalogr. Clin. Neurophysiol. 1965. - V. 1(5).-P. 217-228.

36. Creutzfeldt O.D. (Ed.) Handbook of Electroencephalography and Clinical Neurophysiology. The Neuronal generation of the EEG. Elsevier, Amsterdam, 1974. -P. 77-88.

37. Creutzfeldt O.D., Watanabe S. and Lux H.D. Relations between EEG phenomena and potentials of single cortical cells. Evoked responses afterthalamic and epicortical stimulation // Electroencephalogr. Clin. Nelurophysiol. 1966(a). - V. 20. - P. 1-18.

38. Creutzfeldt O.D., Watanabe S. and Lux H.D. Relations between EEG phenomena and potentials of single cortical cells. Spontaneous and convulsoid activity // Electroencephalogr. Clin. Neurophysiol. 1966(b). -Y. 20.-P. 19-37.

39. Davidson R.J. EEG measures of cerebral asymmetry: conceptual and methodological issues // Int. J. Psychophysiol. 1988. - V. 39. - P. 71-89.

40. Dopplmayr M., Klimesch W., Pachinger T. and Ripper B. Individual differences in brain dynamics: important implications for the calculation of event-related band power // Biol. Cybernetics. 1998. - Y. 79. - P. 49-57.

41. DeLucchi M.R., Garoutte B. and Aird R.B. The scalp as an electroencephalographic averager // Electroencephalogr. Clin. Neurophysiol. 1962.-V. 14.-P. 191-196.

42. Deuschl G. and Eisen A. (Eds.) Recommendation for the Practice of Clinical Neurophysiology // Clinical Neurophysiology, Elsevier, Amsterdam, 1999. — V. 56.-P. 304.

43. Eckmiller R. Learning retina implants with epiretinal contacts // Ophthalmic research. 1997.-V. 29.-№ 5.-P. 281-289.

44. Ellingson R.J. Brain waves and problems of psychology // Psychol. Bull. — 1956.-V. 53. -№ l.-p. 1-34.

45. Fabiani M., Gratton G., Karis D. and Donchin E. Definition, identification, and reliability of measurement of the P300 component of the event-related brain potential. Advances in Psychophysiology. 1987. - V. 2. - P. 1-78.

46. Farwell L. A. and E. Donchin. Talking off the top of your head: toward a mental prosthesis utilizing event-related brain potentials // Electroencephalography and Clinical Neurophysiology. 1988. - V. 70. -№6.-P. 510-523.

47. Fernandez Т., Harmony Т., Rodriguez M., Reyes A., Marosi E. and Bernal J. Test-retest reliability of EEG spectral parameters during cognitive tasks.

48. Absolute and relative power // Int. J. Neurosci. 1993. - V. 68. - P. 255261.

49. Fetz E.E. Volitional control of neural activity: implications for brain-computer interfaces // J. Physiol. 2007. - V. 579. - № 79. - P. 571-579.

50. Gan W.S., Kuo S.M. Embedded Signal Processing with the Micro Signal Architecture // John Wiley & Sons, 2007. 486 pp.

51. Gao, X., D. Xu, M. Cheng, and S. Gao. A BCI-based environmental controller for the motion-disabled // IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2003. - V. 11. - № 2. - P. 137-140.

52. Gasser Т., Bacher P. and Steinberg H. Test-retest reliability of spectral parameters of the EEG // Electroencephalogr. Clin. Neurophysiol. 1985. -V. 60.-P. 312-319.

53. Goncharova I.I. and Barlow J.S. Changes in mean frequency and spectral purity during spontaneous alpha blocking // Electroencephalogr. Clin. Neurophysiol. 1990. - V. 76. - P. 197-204.

54. Haynes J. D. and G. Rees. Decoding mental states from brain activity in humans // Nature Reviews Neuroscience. 2006. - V. 7. - № 7. - P. 523534.

55. He В., Lian J., Spencer К. M., Dien J. and Donchin E. A cortical potential imaging analysis of the P300 and novelty P3 components // Human Brain Mapping.-2001.-V. 12.-№2.-P. 120-130.

56. Hinterberger Т., Veil R., Strehl U., Trevorrow Т., Erb M., Kotchoubey В., Flor H. and Birbaumer N. Brain areas activated in fMRI during self-regulation of slow cortical potentials (SCPs) // Experimental Brain Research. -2003.-V. 152. -№ l.-P. 113-122.

57. Hinterberger Т., Neumann N., Pham M., Kubler A., Grether A., Hofmayer N., Wilhelm В., Flor H. and Birbaumer N. A multimodal brain-based feedback and communication system // Experimental Brain Research. — 2004. V. 154. - № 4. - P. 521-526.

58. Hyvarinen A., and Oja E. A fast fixed-point algorithm for independent component analysis // Neural Computation. 1997. - V. 9. - № 7. - P. 1483-1492.

59. Jasper H.H. Report of the committee on methods of clinical examination in electroencephalography // Electroencephalogr. Clin. Neurophysiol. 1958. -V. 10.-P. 370-375.

60. Johnson R. Jr. and Donchin E. On how P300 amplitude varies with the utility of the eliciting stimuli // Electroencephalogr. Clin. Neurophysiol. -1978. V. 44. - № 4). - P. 424-437.

61. Kamiya J. Biofeedback Training in Voluntary Control of EEG Alpha Rhythms // Calif Med. 1971. - V. 3. - P. 44.

62. Kaper M., Meinicke P., Grossekathoefer U., Lingner T. and Ritter H. BCI Competition 2003 Data set II: support vector machines for the P300 speller paradigm // IEEE Transactions on Biomedical Engineering. - 2004. - V. 51. - № 6. - P. 1073-1076.

63. Kaplan A. Unconscious operant conditioning in the paradigm of brain-computer interface based on color perception // Intern. J. Neuroscience. -2005.-V. 115.-P. 781-802.

64. Kaplan A., Kildani P., Minikes L. How Does the Brain Evaluate Frontal EEG Alpha Asymmetry in Terms of Attractiveness? // Psychophysiology. -2008.-V. 59.-P. 111.

65. Kirschfeld К. Relationship between the amplitude of alpha waves and reaction time // Neuroreport. 2008. - V. 19. - № 9. - P. 907-910.

66. Klimesch W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis // Brain Res. 1999. - V. 29. - P. 169— 195.

67. Klimesch W. Memory processes, brain oscillations and EEG synchronization // Int. J. Psychophysiol. 1996. — V. 24. - № 1. - P. 61100.

68. Klimesch W., Schimke H., Ladurner G. and Pfurtscheller G. Alpha frequency and memory performance // J. Psychophysiol. 1990. - V. 4. - № 4.-P. 381-390.

69. Klimesch W. EEG-alpha rhythms and memory processes // Int. J. Psychophysiol. 1997.-V. 26.-№ l.-P. 319-340.

70. Klimesch W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis // Brain Res. 1999. - V. 29. -P. 169195.

71. Klimesch W. EEG alpha and cognitive processes. In R. Miller (Ed.), Time and the Brain, Harwood Academic Publishers, 2000. P. 225-239.

72. Kotchoubey В., Schleichert H., Lutzenberger W. and Birbaumer N. A new method for self-regulation of slow cortical potentials in a timed paradigm // Applied Psychophysiology and Biofeedback. 1997. - V. 22. - № 2. - P. 77-93.

73. Kubler A., Kotchoubey В., Kaiser J., Wolpaw J. R. and Birbaumer N. Brain-computer communication: unlocking the locked in // Psychological Bulletin. -2001.-V. 127.-№ 3. P. 358-375.

74. Kubler A. and Neumann N. Brain-computer interfaces the key for the conscious brain locked into a paralysed body // Progress in Brain Research. - 2005(a).-V. 150.-P. 513-525.

75. Lebedev M. A. and Nicolelis M. A. L. Brain machine interfaces: Past, present and future // Trends in Neurosciences. 2006. - V. 29. - № 9. - P. 536-546.

76. Lee P. L., Hsieh J. C., Wu С H., Shyu K. 1С., Chen S. S., Yeh Т. C. The brain computer interface using flash visual evoked potential and independent component analysis. Annals of Biomedical Engineering. — 2006. — V. 34. -№ 10.-P. 1641-1654.

77. Lehtonen J.B. and Lehtinen I. Alpha rhythm and uniform visual field in man // Electroencephalogr. Clin. Neurophysiol. 1972. - V. 32. - P. 139-147.

78. Li C.L. and Jasper H.H. Microelectrode studies of the electrical activity of the cerebral cortex in the cat // J. Physiol. (London). 1953. - V. 121. - P. 117-140.

79. Lopes da Silva F.H. Neural mechanisms underlying brain waves: from neural membranes to networks // Electroencephalogr. Clin. Neurophysiol. — 1991.-V. 79. P. 81.

80. Lutzenberger W., Elbert Т., Rockstroh B. and Birbaumer N. Biofeedback produced slow brain potentials and task performance // Biological Psychology. 1982.-V. 14. -№ 1. - P. 99-1 11.

81. Mecklinger A., Kramer A. and Strayer, D. Event-related potentials and EEG components in a semantic memory search task // Psychophysiology. — 1992. -V. 29.-P. 104-119.

82. Merzenich M. M., Schindler D. N. and White M. W. Feasibility of multichannel scala tympani stimulation // Laryngoscope. 1974. - V. 84. -№ 11.-P. 1887-1893.

83. Mulholland T.B. Biofeedback as scientific method. In: G. Schwartz and J. Beatty (Eds.), Biofeedback Theory and Research. Academic Press, New York, 1977.-P. 9-28.

84. Mulholland T.B. and Peper E. Occipital alpha, accommodative vergence pursuit tracking and fast eye movements // Psychophysiology. 1971. - V. 8.-P. 556-575.

85. Mulholland T.B. Variation in the response-duration curve of successive cortical activation by a feed-back stimulus // Electroencephalogr. Clin. Neurophysiol. 1964. -V. 16.-P. 394-395.

86. Muller-Putz G. R., Scherer R., Pfurtscheller G. and Rupp R. 2005. EEG-based neuroprosthesis control: a step towards clinical practice // Neuroscience Letters. 2005.-V. 382.-№ l.-P. 169-174.

87. Muller K.-R., Krauledat M., Dornhege G., Curio G. and Blankertz B. 2004a. Machine learning techniques for brain-computer interfaces // Biomedizinische Technik. 2004(a). - V. 49. - № 1). - P.l 1-22

88. Muller K.-R. and Blankertz B. Toward non-invasive brain-computer interfaces // IEEE Signal Processing Magazine. 2006.

89. Mundy-Castle A.C. An analysis of central responses to photic stimulation in normal adults // Electroencephalogr. Clin. Neurophysiol. 1953. - V. 5. — № l.-P. 1-22.

90. Muthuswamy J., Thakor N.V. Spectral analysis methods for neurological signals //J. Neurosci. Methods.-1998. V.83. -№. l.-P. 1-14.

91. Napalkov D.A., Shishkin S.L., Kolikoff M.B., Salykhova R.N., Ratmanova P.O., Shulgovsky V.V. Paradoxical increase of the alpha rhythm during the aiming in marksmen: Component analysys // Int. J. Psychophysiol. 2008. — V. 69.-№3.-P. 256.

92. Neuper С., Scherer R., Reiner M. and Pfiirtscheller G. Imagery of motor actions: differential effect of kinesthetic and visual-motor mode of imagery in single-trial EEG Brain Research // Cognitive Brain Research. 2005. - V. 25. - № 3. - P. 668-677.

93. Nicolelis M. A. Brain-machine interfaces to restore motor function and probe neural circuits // Nature Reviews Neuroscience. — 2003. — V. 4. № 5. -P. 417-422.

94. Niedermeyer E. The normal EEG of the waking adult. In Electroencephalography—Basic Principles, Clinical Applications, and Related Fields, edited by E. Niedermeyer and F. H. Lopes da Silva. Philadelphia: Lippincott Williams & Wilkins, 5th edition, 2005.

95. Obermaier В., Muller G. R. and Pfurtscheller G. "Virtual keyboard" controlled by spontaneous EEG activity // IEEE Transactions on Neural Systems and Rehabilitation Engineering 2003. - V. 11. - № 4. - P. 422426.

96. Osselton J.W., Binnie CD., Cooper R., Fowler C.J., Mauguiere F. and Prior P. Clinical Neurophysiology: EMG, Nerve Conduction and Evoked Potentials. Butterworth Heinemann, Oxford, 1995. 572 pp.

97. Pineda J.A., Silverman D.S., Vankov A., Hestenes J. Learning to control brain rhythms: making a brain-computer interface possible // IEEE Trans Neural Syst. Rehabil. 2003. - V. 11. - № 2.-P. 181-184.

98. Pfingst В. E. Auditory prostheses. In Neural Prostheses for Restoration ofSensory and Motor Function, edited by J. K. Chapin and K. A. Moxon. Boca Raton, Florida: CRC Press, Inc., 2000.

99. Pigeau R.A. and Frame A.M. Steady-state visual evoked responses in high and low alpha subjects // Electro-encephalogr. Clin. Neurophysiol. -1992. V. 84. - P. 101-109.

100. Pfurtscheller G. and Lopes da Silva F. H. Event-related EEG/MEG synchronization and desynchronization: basic principles // Clinical Neurophysiology. 1999.-V. 110. -№ 11. -P. 1842-1857.

101. Pulvermuller E, Mohr В., Schleichert H. and Veit R. Operant conditioning of left-hemispheric slow cortical potentials and its effect on word processing // Biological Psychology. 2000. - V. 53. - № 2. - P. 177125.

102. Regan D. Evoked Potentials in Psychology, Sensory Physiology and Clinical Medicine, John Wiley, London, 1972. 328 pp.

103. Roclcstroh В., Elbert Т., Lutzenberger W. and Birbaumer N. The effects of slow cortical potentials on response speed // Psychophysiology. — 1982.-V. 19.-№2).-P. 211-217.

104. Santhanam G., Ryu S. I., Yu В. M., Afshar A. and Shenoy К. V. A high-performance brain-computer interface // Nature. 2006. - V. 442. - № 7099.-P. 195-198.

105. Sauseng P., Klimesch W., Gruber W.R. and Birbaumer N. Oscillatory phase synchronization: a brain mechanism of memory matching and attention // Neuroimage. 2008. - V. 40. - P. 308-317.

106. Sellers E. W. and Donchin E. A РЗОО-based brain-computer interface: initial tests by ALS patients // Clinical Neurophysiology. 2006. - V. 117.-№ 3. - P. 538-548.

107. Serby H., Yom-Tov E. and Inbar G. F. An improved РЗОО-based brain-computer interface // IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2005. - V. 13. - № 1. - P. 89-98.

108. Speckmann E. J., Caspers H. and Elger C. W. Neuronal mechanisms underlying me generation of field potentials. Berlin: Springer, 1984.

109. Squires К. C, Donchin E., Herning R. I. and McCarthy G. On the influence of task relevance and stimulus probability on event-related-potential components // Electroencephalogr. Clin. Neurophysiol. 1977. -V. 42.-№ l.-P. 1-14.

110. Squires К. C, Wicjkens C., Squires N. K. and Donchin E. The effect of stimulus sequence on the waveform of the cortical event-related potential // Science. 1976.-V. 193. - № 4258. - P. 1142-1146.

111. Stassen H.H. The similarity approach to EEG analysis // Methods Inf. Med. 1985. - V. 24. - P. 200-212.

112. Steriade M., Gloor P., Llinas R.R., Lopes da Silva F.H. and Mesulam M.M. Basic mechanism of cerebral rhythmic activities // Electroencephalogr. Clin. Neurophysiol. 1990. - V. 76. - P. 481-508.

113. Taylor D. M, Tillery S. I. H. and Schwartz A. B. Direct cortical control of 3D neuroprosthetic devices // Science. 2002. - V. 296. - № 5574.-P. 1829-1832.

114. The Brain's Alpha Rhythms and The Mind. Ed. J. C. Shaw, West Sussex, UK, 2006.

115. Thulasidas M., Guan С. and Wu J. Robust classification of EEG signal for brain-computer interface // IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2006. - V. 14. - № 1. - P. 24-29.

116. Tomarken A.J., Davidson R.J., Wheeler R.E. and Kinney L. Psychometric properties of resting anterior EEG asymmetry: temporal stability and internal consistency // Psychophysioiogy. 1992. - V. 29. - № 5. — P. 576592.

117. Townsend RE., Lubin A. and Naitoh P. Stabilization of alpha frequency by sinusoidally modulated light // Electro-encephalogr. Clin. Neurophysiol. -1975.-V. 39. P. 515-518.

118. Van der Tweel L.H. and Lunel H.F.E. Human visual response to sinusoidally modulated light // Electroencephalogr. Clin. Neurophysiol. -1965.-V. 18.-P. 587-598.

119. Vaughan Т. M. and Wolpaw J. R., editors. The third international meething on brain-computer interface technology: Making a difference, 2006.-V. 14.

120. Walter W. G., Cooper R., Aldridge V. J., McCallum W. C. and Winter A. L. Con-tingent negative variation: An electric sign of sensorimotor association and expectancy in the human brain // Nature. 1964. - V. 25. -P. 380-384.

121. Wang Y., Wang R., Gao X., Hong B. and Gao S. A practical VEP-based brain-computer interface // IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2006. - V. 14. - № 2. - P. 234-239.

122. Wolpaw J. R., Birbaumer N., McFarland D. J., Pfurtscheller G. and Vaughan Т. M. Brain-computer interfaces for communication and control // Clinical Neurophysiology. 2002. - V. 113. - № 6. - P. 767-791.

123. Zrenner E. Will retinal implants restore vision? // Science. 2002. - V. 295.-№ 5557.-P. 1022-1025.1. СПИСОК ПУБЛИКАЦИИ1. В реферируемых журналах:

124. Каплан А.Я., Жигалов А.Ю. Динамика альфа-активности ЭЭГ у человека при триггерной фотостимуляции в контуре интерфейса мозг-компьютер (ИМК) // Бюллетень СО РАМН. 2010. -№ 2. (в печати).

125. Zhigalov A.Yu., Kaplan A.Ya. Operant conditioning of alpha patterns in human EEG using affective reinforcing stimulation // Psychophysiology. 2009. - V.46. - № 1. - P. 85.

126. Kaplan A.Ya., Levichkina E.V., Zhigalov A.Yu. Interhemispheric EEG asymmetries of ERP old/new effects in visual perception of simple nonverbal stimuli // Psychophysiology. 2009. — V.46.-№ l.-P. 45.

127. Жигалов А.Ю., Каплан А.Я. Адаптивная фотостимуляция как экспериментальная модель асинхронного интерфейса «мозг-компьютер» // Матер. XV Международная конференция по нейрокибернетике. Ростов-на-Дону, 2009. С. 11.

128. Жигалов А.Ю., Каплан А.Я. Оперантное обусловливание паттернов альфа-активности ЭЭГ при аффективном подкреплении у человека // Матер. Всероссийской научно-практической конференции "Количественная ЭЭГ и нейротерапия". Санкт-Петербург, 2009. С. 22.

129. Каплан А.Я., Жигалов А.Ю. Адаптивная фотостимуляция на базе интерфейса "мозг-компьютер" // Матер. Всероссийской научно-практической конференции "Количественная ЭЭГ и нейротерапия". Санкт-Петербург, 2007. С. 129-130.

130. Жигалов А.Ю. Моделирование алгоритма подавления узкополосных помех в системах DS-CDMA при помощи метода анализа независимых // Матер. Всероссийской научно-технической конференции «Наука-производство-технологии-экология». Киров, 2006. — Т. 1.-С. 269-272.