Интерфейс мозг-компьютер на волне Р300: исследование эффектов повторения и движения стимулов тема диссертации и автореферата по ВАК РФ 03.03.01, кандидат биологических наук Ганин, Илья Петрович

• Ганин, Илья Петрович
• кандидат биологических наук
• 2013

Оглавление диссертации кандидат биологических наук Ганин, Илья Петрович

Оглавление

СПИСОК СОКРАЩЕНИЙ

ВВЕДЕНИЕ И ЦЕЛИ РАБОТЫ

ОБЗОР ЛИТЕРАТУРЫ

Интерфейс мозг-компьютер на основе волны Р300

Суть ИМК-Р300 и общий принцип работы

Электрофизиологическая основа ИМК-Р300

Алгоритмы классификации

Свойства стимульного материала в ИМК-Р300

Организация стимулов и схемы предъявления

Частотно-временные характеристики стимулов

Позиции электродов

Возможность тренировки/обучения пользователя в ИМК-Р300

Проблема многократных предъявлений стимулов

Предъявление небольшого числа стимулов и режим однократного

предъявления в ИМК-Р300

Предпосылки возможности тренировки испытуемых на предмет контроля

физиологических показателей

Продолжительная работа в ИМК-Р300 как фактор обучения

Значение мотивации и роль игрового дизайна ИМК для обучения в

ИМК-Р300

Особенности реакций мозга в ответ на первые стимулы при их многократном

предъявлении

Движение в стимульной среде ИМК-Р300

Целесообразность использования движущихся объектов в ИМК-Р300

Использование начала движения как самостоятельного стимула для

получения ПСС в ИМК-Р300

Восприятие движущихся объектов и представление этого процесса в мозге

МЕТОДИКА

Часть 1. Многодневная работа испытуемых в ИМК-Р300 со стимулами,

предъявляемыми на движущихся объектах

Часть 2. Использование начала движения объекта в качестве стимула в

ИМК-Р300

Часть 3. Исследование эффекта расстояния между стимулами в ИМК-Р300 с

началом движения объекта в качестве стимула

РЕЗУЛЬТАТЫ

Часть 1. Многодневная работа испытуемых в ИМК-Р300 со стимулами,

предъявляемыми на движущихся объектах

Точность классификации

Интерес

Общий обзор потенциалов, связанных с событиями

Сравнение ПСС на протяжении четырех сессий в группах с однократным и

трехкратным предъявлением стимула

Сравнение индивидуальных показателей на протяжении четырех сессий

Исследование эффекта позиции стимулов в последовательности их

предъявления

Точность классификации для каждого из трех целевых стимулов в

отдельности в группе «3» с трехкратным предъявлением стимулов

ПСС в ответ на каждый из трех целевых стимулов в отдельности в группе

«3» с трехкратным предъявлением стимулов

Точность классификации в зависимости от положения целевого стимула в

последовательности нецелевых

Исследование возможного влияния характеристик стимулов на

результативность работы в ИМК-Р300

Часть 2. Использование начала движения объекта в качестве стимула в

ИМК-Р300

Точность классификации

Баллы предпочтения

Связь точности работы в трех режимах и их субъективной оценки

Общий обзор потенциалов, связанных с событиями

Сравнение ПСС в режимах с разными типами стимулов

Исследование эффекта позиции стимулов в последовательности их

предъявления

Точность классификации для каждого из пяти целевых стимулов в

отдельности

ПСС в ответ на каждый из пяти целевых стимулов в отдельности

Часть 3. Исследование эффекта расстояния между стимулами в ИМК-Р300 с

началом движения объекта в качестве стимула

Точность классификации

Сравнение ПСС в режимах при различном расстоянии между стимулами в матрице

ОБСУЖДЕНИЕ

Часть 1. Многодневная работа испытуемых в ИМК-Р300 со стимулами,

предъявляемыми на движущихся объектах

Точность работы в разработанном ИМК

Оценка ПСС в парадигме с движущимися позициями стимулов

Особенности ПСС в ответ на целевые и нецелевые стимулы

Компонент N1 в ИМК-Р300 с движущимися позициями стимулов

Сравнение ПСС в группах с однократным и трехкратным предъявлением

стимулов

Динамика показателей работы испытуемых в течение четырех сессий

Исследование возможного влияния характеристик стимулов на

результативность работы в ИМК-Р300

Исследование эффекта позиции стимулов в последовательности их

предъявления

Часть 2. Использование начала движения объекта в качестве стимула в

ИМК-Р300

Сравнение характеристик ИМК-Р300 с тремя различными типами

стимулов

Исследование эффекта позиции стимулов в последовательности их

предъявления

Часть 3. Исследование эффекта расстояния между стимулами в ИМК-Р300 с

началом движения объекта в качестве стимула

Заключение

ВЫВОДЫ

СПИСОК ЛИТЕРАТУРЫ

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

БЛАГОДАРНОСТИ

СПИСОК СОКРАЩЕНИЙ

Дов.инт. - доверительный интервал ИМК - интерфейс мозг-компьютер

ИМК-Р300 - интерфейс мозг компьютер «на волне Р300»

Макс. - максимум

Мин. - минимум

Ош.сред. - ошибка среднего

ПСС - потенциалы, связанные с событиями

Ст.откл. - стандартное отклонение

ЭОГ - электроокулограмма

ЭЭГ - электроэнцефалограмма

Введение диссертации (часть автореферата) на тему «Интерфейс мозг-компьютер на волне Р300: исследование эффектов повторения и движения стимулов»

ВВЕДЕНИЕ И ЦЕЛИ РАБОТЫ

Интерфейс мозг-компьютер (ИМК) - это новая нейрокомпьютерная технология, позволяющая на основе регистрации и расшифровки электроэнцефалограммы (ЭЭГ) человека дать ему возможность управлять внешними исполнительными устройствами или осуществлять коммуникацию с внешними объектами без посредства нервов и мышц, напрямую от мозга (Wolpaw et al., 2002). Трудно сейчас переоценить теоретическую и практическую значимость технологии ИМК, которая, с одной стороны, становится совершенно новой экспериментальной парадигмой в психофизиологии, а, с другой стороны, все более ориентируется на применение в медицине для целей реабилитации пациентов с тяжелыми нарушениями двигательной сферы, например, путем создания нейропультов для информационного контакта со средой (набор текстов, командных символов и др.) или нейроманипуляторов для реальных физических манипуляций (протезы, экзопротезы, тренажеры и др.).

Масштабные научно-исследовательские опытно-конструкторские работы в области ИМК начались в 90-х годах прошлого столетия и к настоящему времени вышли уже на уровень реальных научных и практических достижений: по версии журнала Science одним из 10 прорывных достижений 2012 года было создание действующих нейрокомпьютерных интерфейсов (Каплан, 2012), о чем свидетельствовали успешные клинические испытания на пациентах, лишенных возможности движений (Collinger et al., 2012; Hochberg et al., 2012).

Однако следует отметить, что достигнутые значительные успехи в области теоретических, экспериментальных и практических разработок технологии ИМК касаются преимущественно инвазивных подходов, т.е. связанных с вживлением электродных систем непосредственно в мозг пациентов. Если не принимать во внимание значительную сложность этих подходов, связанную с необходимостью выполнения нейрохирургической операции, то открывающиеся возможности непосредственного контакта электродов с нервной тканью и достаточно точного их анатомического позиционирования значительно упрощают технологию ИМК в ее информационно-аналитической части, по сравнению с неинвазивными подходами, когда электроды устанавливаются на кожной поверхности головы для регистрации суммарной электрической активности.

В неинвазивных ИМК каждый электрод регистрирует активность не отдельных нервных клеток, и даже не отдельных их функциональных кластеров, а суммарную активность сотен тысяч функционально различных нервных клеток. Произвольно вызвать

специфические изменения в такой суммарной активности ЭЭГ становится для пациента или здорового пользователя не такой простой задачей. Между тем, именно такие стабильные сдвиги в ЭЭГ нужно научиться вызывать пользователю, чтобы использовать их в качестве команд для внешних исполнительных устройств, т.е. чтобы управлять этими устройствами, манипулируя собственной ЭЭГ. При успешном решении этих проблем пользователи смогут работать с технологиями ИМК без необходимости обращаться к медперсоналу, непосредственно в домашних условиях. Более того, технологии ИМК войдут в жизнь здорового человека в управлении электромеханическими и роботизированными устройствами, в игровой индустрии и, быть может, в производственных процессах.

Таким образом, именно неинвазивные подходы к построению эффективных ИМК могут быть востребованы в гораздо больших масштабах, чем инвазивные, и потому в настоящее время их разработка особенно актуальна, и разработки в этой области еще ожидают своих прорывных решений. Настоящая работа посвящена теоретической и экспериментальной разработке именно неинвазивных ИМК.

Одним из направлений в разработке неинвазивных ИМК является их построение на волне РЗОО - кратковременной реакции ЭЭГ на ожидаемый стимул, но более редкий, чем другие стимулы, появляющийся в поле внимания человека (Sutton et al., 1965). Реакцию ЭЭГ на конкретный ожидаемый стимул, распознаваемую специальными алгоритмами, можно использовать в качестве сигнала для исполнения во внешней среде заранее ассоциированной именно с этим стимулом конкретной команды. Если иметь целый набор стимулов-команд, каждый из которых последовательно предъявляется пользователю, то назначая для себя тот или иной стимул «ожидаемым» пользователь может с помощью ИМК-РЗОО подавать в среду те или иные командные сигналы (Farwell et al., 1988; Wolpaw et al., 2002; Mak et al., 2011). В частности, пользователь сможет набирать буквы из кратковременно подсвечиваемой по отдельным символам виртуальной клавиатуры, или выбирать символы-команды из точно так же подсвечиваемого пульта управления. Таким образом, выбор команды происходит за счет детекции фокусирования внимания оператора на одном из стимулов, которыми служат кратковременные подсветки символов.

Алгоритмическое распознавание сделанного человеком выбора в ИМК РЗОО основывается на сравнении реакций мозга на разные стимулы из имеющегося набора: более высокая амплитуда волны РЗОО на определенный стимул указывает на то, что именно он выбран пользователем в качестве командного на данный момент (Farwell et al., 1988, Shishkin et al., 2009, Mak et al., 2011,Wolpaw et al., 2002). В последние годы, в том числе и в нашей лаборатории, показано, что значительный вклад в детектирование фокуса

внимания человека на основе анализа реакций ЭЭГ могут вносить и другие компоненты ПСС, например, компонент N1 (Krusienski et al., 2008; Shishkin et al., 2009; Bianchi et al., 2010; Kaufmann et al., 2011; Kaplan et al., 2013, in press) учет которых еще более повышает эффективность ИМК Р300.

Однако эти и многие другие достижения (см. обзор литературы) в разработках ИМК любых типов не привели еще к созданию нейроинтерфейсов, органично реализующих способность мозга к выработке нового навыка, если этот навык реализуется не на привычных сенсомоторных путях, а в контуре управления реакциями ЭЭГ. Несмотря на имеющиеся в этом направлении отдельные находки, свидетельствующие, в частности, о возможности неосознаваемого управления внешними объектами в контуре ИМК (Kaplan et al., 2005), до настоящего времени все существующие регламенты ИМК требуют от пользователя значительных ресурсов внимания для надежной работы. Это означает, что известные прототипы ИМК еще не достигли того уровня взаимодействия с мозгом, чтобы их можно было уверенно использовать в практической деятельности человека и в медицине.

Вот почему особенно актуальными в настоящее время становятся исследования возможности создания практичных технологий ИМК, во-первых, защищенных от отвлекающих стимулов среды, во-вторых, требующих минимального времени для получения обратной связи по результатам управления в ИМК, т.е. наименьшего числа повторений стимулов, в третьих, способных работать в более естественных условиях, когда стимулы и сами пульты их расположения могут перемещаться в пространстве и, наконец, в целом, не требующих значительных ресурсов внимания человека и, по возможности, обладающих аттрактивными свойствами для пользователя.

В теоретической части настоящей работы подробно проанализированы возможные причины недостаточной практичности современных неинвазивных ИМК и намечены пути возможных решений построения высокоэффективных ИМК.

Таким образом, целью диссертационного исследования был поиск эффективных регламентов предъявления стимулов в контуре ИМК-Р300 для оптимизации работы его пользователя.

Для реализации этой цели были поставлены следующие задачи:

Задачи исследования:

1. Выяснить возможность создания принципиально новых интерфейсов на волне Р300 с использованием подвижных стимулов и оценить их эффективность.

2. Изучить возможности регламентов ИМК с минимальным числом повторений подсветок одного и того же символа, чтобы обеспечить испытуемому наиболее быструю обратную связь как результат его мыслительных действий. Тем самым может возникнуть основа для автоматизации навыка работы в ИМК.

3. Изучить динамику поведенческих и электрофизиологических (амплитуды компонентов Р300 и N1) показателей работы испытуемых в ИМК-Р300 при многократной тренировке и разной скорости обратной связи, чтобы выявить возможные эффекты обучения испытуемых навыку работы в контуре ИМК.

4. Изучить возможность создания гибридных интерфейсов на волне Р300 на основе совмещения подсветки и движения командных символов, а также оценить устойчивость таких интерфейсов к значительным вариациям пространственного расположения командных символов.

Заключение диссертации по теме «Физиология», Ганин, Илья Петрович

ВЫВОДЫ

1. Впервые разработан высокоэффективный интерфейс мозг-компьютер на волне Р300 (ИМК-Р300), в котором командные стимулы располагаются на движущихся объектах, что существенно расширяет варианты различных приложений технологии.

2. Разработанный ИМК обеспечил всем испытуемым рекордно высокую скорость ввода команды: при трехкратном предъявлении целевого стимула выбор команды возможен за 3,4 секунды, а точность при этом была выше, чем при однократном предъявлении, где время на выбор команды составляет 1,1 секунды. Амплитуды компонентов ПСС были выше при однократном предъявлении стимула, чем при трехкратном, свидетельствуя о более высоком уровне внимания в этом режиме.

3. Многократное применение здоровыми испытуемыми интерфейса с движущимися позициями стимулов не ухудшает показателей его работы: в четырех последовательных сессиях не было обнаружено значимого снижения точности работы испытуемых в ИМК и амплитуд компонентов Р300 и N1 потенциалов мозга, а оцененный с помощью визуальных шкал уровень интереса испытуемых к задаче оставался на высоком и стабильном уровне, несмотря на идентичность задания во всех сессиях.

4. Часть ошибок в данном интерфейсе может быть обусловлена визуальными особенностями стимулов, поэтому тщательный и направленный подбор стимульного материала может повысить эффективность его работы.

5. Предложен новый «гибридный» ИМК-Р300 в виде компактного пульта управления, где в качестве стимула кроме подсветки используется также начало движения объекта. Этот ИМК обеспечил сравнимую со стандартной стимуляцией точность работы и был выбран многими испытуемыми как наиболее удобный и простой режим работы по сравнению с другими типами стимулов.

6. Амплитуда волны Р300 в этом ИМК была максимальной для стимулов-подсветок, а также для нового типа стимулов «подсветка+движение», обеспечивающих поддержание внимания на более высоком уровне за счет уменьшения монотонности задачи испытуемого. Амплитуда компонента N1 была максимальной для стимулов-подсветок.

7. В обоих разработанных вариантах ИМК-Р300 с движением стимулов были выявлены эффекты позиции целевых стимулов в последовательности их предъявления: амплитуда Р300 для первых стимулов была более высокая, чем для последующих. Учет этих особенностей может позволить разработать более совершенные алгоритмы распознавания в ИМК-Р300.

8. Была показана устойчивость «гибридных» ИМК с движущимися стимулами к значительным вариациям пространственного расположения командных символов, что создает перспективу для дальнейшего развития такого рода ИМК-пультов управления с плотным расположением команд без снижения их эффективности.

Заключение

В ходе проведенного исследования были предложены различные регламенты предъявления стимулов и организации самого контура ИМК-Р300. Целью всех этих модификаций была оптимизация работы пользователя в интерфейсе и поиск возможных перспектив, а также ограничений для развития этой нейротехнологии.

Мы впервые показали, что построение ИМК-Р300 на основе движущихся позиций стимулов обеспечивает стабильное управление в виде выбора из предлагаемых команд тех, на которые направлено внимание пользователя. Достаточный уровень надежности управления сохранялся даже при минимальном числе предъявлений стимулов (однократном и трехкратном). Мы не обнаружили эффектов обучения при длительной работе в нашем ИМК в течение четырех сессий, проходивших в разные дни. Вместе с тем наше исследование показывает, что многократное применение здоровыми испытуемыми интерфейса с движущимися позициями стимулов не ухудшает показателей его работы, а уровень интереса испытуемых к задаче оставался стабильным и достаточно высоким в течение всех сессий. По-видимому, негативные эффекты движения позиций стимулов, наличие которых можно было предположить из литературных данных, в нашей работе могли отсутствовать, или частично компенсироваться игровым дизайном и элементами движения в нашем ИМК, что могло обеспечивать высокий уровень внимания при работе в нем. Несмотря на отмеченные возможные причины отсутствия эффектов обучения при длительной работе в ИМК, результаты нашего исследования создают положительную перспективу для последующей оптимизации и внедрения подобного ИМК в самые разнообразные системы управления. Кроме того, в этой части работы мы выявили, что часть ошибок в данном интерфейсе может возникать из-за визуальных особенностей стимулов, а именно, наличие важных зрительных элементов в составе стимула, вероятно, сопровождается меньшим количеством ошибок на данный стимул. Наше предположение заключается в том, что тщательный и направленный подбор стимульного материала может быть одним из способов повышения эффективности работы ИМК-Р300.

Также мы исследовали применение в ИМК-Р300 комплексного типа стимуляции, где в качестве управляющего стимула используется начало движения символьной команды наряду с ее подсветкой. Показанная нами эффективность такого ИМК представляется особенно высокой в условиях, где требуется применение компактного пульта управления с относительно небольшим числом команд (например, для управления подвижными роботами-манипуляторами). В этих случаях применение комплексных стимулов может быть компенсирующим фактором в условиях негативных эффектов внешней среды, ослабляющих внимание и затрудняющих управление.

В двух описанных вариантах ИМК-Р300 мы изучили эффект позиции целевых стимулов в последовательности их предъявления на характеристики работы ИМК. Были выявлены особенности позиции преимущественно первых стимулов, для которых была характерна повышенная амплитуда Р300. Учет этих особенностей при модификации алгоритмов классификации может способствовать повышению эффективности интерфейсов на волне Р300, в особенности при использовании комплексных стимулов «подсветка+движение» по сравнению с обычными подсветками.

В последней части работы были исследованы эффекты расстояния между стимульными командами в ИМК-Р300 со стимулами на основе движения. Было показано отсутствие значимых различий при компактном и очень далеком расположении стимулов в стимульной матрице, что создает перспективу для дальнейшего развития такого рода ИМК-пультов управления с плотным расположением команд без снижения их эффективности.

Список литературы диссертационного исследования кандидат биологических наук Ганин, Илья Петрович, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1. Ганин И.П.. Устойчивость компонента N1 потенциалов коры мозга в интерфейсе мозг-компьютер «на волне Р300» к вариациям пространственных характеристик стимулов. XVII Международная конференция студентов, аспирантов и молодых учёных «Ломоносов». Москва. 12-15 апреля 2010 г. С. 219.

2. Ганин И.П., Шишкин С.Л., Кочетова А.Г., Каплан А.Я. Интерфейс мозг-компьютер «на волне Р300»: исследование эффекта номера стимулов в последовательности их предъявления. Физиология человека. 2012а;38(2):5-13.

3. Ганин И.П., Шишкин С.Л., Григорян Р.К., Басюл И.А., Каплан А.Я. Интерфейс мозг-компьютер на волне РЗОО со стимулами, предъявляемыми на движущихся объектах. В сб.: Материалы XVI Междунар. конф. по нейрокибернетике. Ростов-на-Дону, 24-28 сентября 2012 г. Изд-во ЮФУ, 20126. Т. 2. Симпозиум «Интерфейс мозг-компьютер». С. 22-25.

4. Конышев В.А., Карловский Д.В., Михайлова Е.С. Славуцкая A.B., Авдейчик В.Г., Шмелев A.C., Шевелев И.А. Исследование опознания задуманных букв и слов по волне РЗОО вызванного потенциала мозга человека с помощью нейрокомпьютерного интерфейса. Российский физиологический журнал им. И.И. Сеченова. 2007. Т. 93 (2). - С. 141-149.

5. Каплан А.Я. Нейрокомпьютерный симбиоз: движение силой мысли. Наука из первых рук. 2012. №6(48):29-37

6. Михайлова Е.С., Чичеров В.А., Птушенко И.А., Шевелев И.А. Пространственный градиент волны РЗОО зрительного вызванного потенциала мозга человека в модели нейрокомпьютерного интерфейса. Журнал высшей нервной деятельности им. И.П. Павлова. 2008. Т. 58 (3). С. 302-8.

7. Шишкин С.Л., Ганин И.П., Николаев A.A., Каплан А.Я. Психофизиологические и вычислительные перспективы использования компонента N1 мозговых потенциалов в интерфейсе мозг-компьютер «на волне РЗОО». Труды всероссийской конференции «Нейроинформатика-2011» (МИФИ, 24 января - 28 января 2011 г.). С. 192-201.

8. Allison B.Z., Pineda J.A. Effects of SOA and flash pattern manipulations on ERPs, performance, and preference: implications for a BCI system. Intern J Psychophys. 2006. V. 59(2). P. 127-140.

9. Allison B.Z., Pineda J.A. ERPs evoked by different matrix sizes: implications for a brain computer interface (BCI) system. IEEE Trans Neural Syst Rehabil Eng. 2003. V. 11 (2). P. 110-3.

10. Angeloni C., Salter D., Corbit V., Lorence T., Yu Y-C., and Gabel L.A. P300-based brain-computer interface memory game to improve motivation and performance. In 38th Northeast Bioengineering Conf. (NEBEC), Philadelphia, PA, 2012, pp. 35-36.

11. Arico P., Aloise F., Schettini F., Salinari S.,Santostasi S., Mattia D., Cincotti F. On the Effect of ERPs-Based BCI Practice on User's Performances. In: Proceedings of the Fifth International BCI Conference. Graz, Austria, 22-24 September, 2011. P. 240-243.

12. Bayliss J D 2003 Use of the evoked potential P3 component for control in a virtual apartment IEEE Trans. Neural. Syst. Rehabil. Eng. 11 113-6

13. Bettencourt K.C. Effects of target enhancement and distractor suppression on multiple object tracking capacity. J of Vision. 2009. V. 9(7). P. 1-11.

14. Bianchi L., Sami S., Hikkerbrand A., Fawcett I.P., Quitadamo L.R., Seri S. Which physiological components are more suitable for visual ERP based brain-computer interface? A preliminary MEG/EEG study. Brain Topogr. 2010. V. 23 (2). P. 180-5.

15. Birbaumer N., Cohen L. Brain-computer interfaces: communication and restoration of movement in paralysis. The Journal of Physiology. 2007. 579, 621-636.

16. Blankertz B, Lemm S, Treder M, Haufe S, Müller KR. Single-trial analysis and classification of ERP components—a tutorial. Neuroimage. 2011; 56(2):814-25.

17. Chapman, R.M. & Bragdon, H.R. Evoked responses to numerical and non-numerical visual stimuli while problem solving. Nature, 1964. 203, 1155-1157.

18. Cinel C, Poli R and Citi L 2004 Possible sources of perceptual errors in P300-based speller paradigm Biomedizinische Technik (Proc 2nd Int BCI Workshop and Training Course (Graz)) 49 pp 39-40

19. Citi L, Poli R and Cinel C. Documenting, modelling and exploiting P300 amplitude changes due to variable target delays in Donchin's speller J Neural Eng. 2010. 7, 056006

20. Collinger JL, Wodlinger B, Downey JE, Wang W, Tyler-Kabara EC, Weber DJ, MeMorland AJ, Velliste M, Boninger ML, Schwartz AB. High-performance neuroprosthetic control by an individual with tetraplegia. The Lancet. 2012. № 6736(12). P. 61816—61819

21. Congedo M, Goyat M, Tarrin N, Ionescu G, Varnet L, Rivet B, Phlypo R, Jrad N, Acquadro M and Jutten C. 'Brain Invaders': a prototype of an open-source P300-based video game working with the OpenViBE platform, in Proc. 5th Int. BCI Conf. 2011, Graz, 2011, pp. 280-283.

22. Courchesne E., Hillyard S.A., Courchesne R.Y. P3 Waves to the Discrimination of Targets in Homogeneous and Heterogeneous Stimulus Sequences. Psychophysiology. 1977. Vol. 14, № 6. P. 590-598.

23. Craston P, Wyble B, Chennu S, Bowman H. The attentional blink reveals serial working memory encoding: evidence from virtual and human event-related potentials. J Cogn Neurosci. 2009;21(3):550-66.

24. Croft R.J., Gonsalvez C.J., Gabriel C., Barry R.J. Target-to target interval versus probability effects on P300 in one- and two-tone tasks. Psychophysiology. 2003. 40. 322328.

25. D. P.-O. Bos, B. Reuderink, B. van de Laar, et al. "Brain-computer interfacing and games," in Brain-Computer Interfaces: Applying our Minds to Human-Computer Interaction. D. S. Tan and A. Nijholt, Eds. London: Springer-Verlag, 2010, pp. 149-178.

26. Delorme A., Makeig S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J Neurosci Methods. 2004. V. 134(1). P. 9-21.

27. Donchin E. Presidential address, 1980. Surprise!...Surprise?. Psychophysiology. 1981. Vol. 18, №5. P. 493-514.

28. Drew T., Vogel E.K. Neural measures of individual differences in selecting and tracking multiple moving objects. J Neurosci. 2008. V. 28 (16). P. 4183-4191.

29. Duncan-Johnson C.C., Donchin E. On Quantifying Surprise: The Variation of Event-Related Potentials With Subjective Probability. Psychophysiology. 1977. Vol. 14, № 5. P. 456^168.

30. Engbert R and Mergenthaler K. Microsaccades are triggered by low retinal image slip. PNAS. 2006. 103, 7192-7

31. Escolano C, Antelis JM, Minguez J. A telepresence mobile robot controlled with a noninvasive brain-computer interface. IEEE Trans Syst Man Cybern B Cybern. 2012;42(3):793-804.

32. Farwell L.A., Donchin E. Talking off the top of your head: toward a mental prosthesis utilizing event-related brain potentials. Electroencephalogr Clin Neurophysiol. 1988. V. 70 (6). P. 510-23.

33. Fazel-Rezai R. Human error in P300 speller paradigm for brain-computer interface Conf. Proc. IEEE Eng. Med. Biol. Soc. 2007; pp 2516-9

34. Fazel-Rezai R, Abhari K. A region-based P300 speller for brain-computer interface. Canadian Journal of Electrical and Computer Engineering. 2009;34:81-85.

35. Finke A, Lenhardt A and Ritter H 2009 The MindGame: a P300-based brain-computer interface game. Neural Netw. 22 1329-33

36. Franconeri S.L., Lin J.Y., Pylyshyn Z.W., Fisher B., Enns J.T. Evidence against a speed limit in multiple-object tracking. Psychonomic Bulletin and Review. 2008. V. 15 (4). P. 802-808.

37. Frenzel S. and Neubert E. Is the P300 Speller Independent? arXiv:1006.3688 (published 06/2010)

38. Frenzel S, Neubert E, Bandt C. Two communication lines in a 3 x 3 matrix speller. J Neural Eng. 2011;8(3):036021.

39. Fruhstorfer H, Soveri P, Jarvilehto T. Short-term habituation of the auditory evoked response in man. Electroencephalogr Clin Neurophysiol. 1970;28(2):153-61.

40. Frye GE, Hauser CK, Townsend G, Sellers EW. Suppressing flashes of items surrounding targets during calibration of a P300-based brain-computer interface improves performance. J Neural Eng. 2011;8(2):025024.

41. Furdea A., Haider S., Krusienski D.J., Bross D., Nijboer F., Birbaumer N., Kuebler A. Psychophysiology. 2009. V. 46. P. 617-625.

42. Ganin I.P., Shishkin S.L., Kaplan A.Y. A P300 BCI with stimuli presented on moving objects. In: Proceedings of the Fifth International BCI Conference. Graz, Austria, 22-24 September, 2011. P. 308-311.

43. Ganin I.P., Shishkin S.L., Kaplan A.Ya. A P300-based brain-computer interface with stimuli on moving objects: four-session single-trial and triple-trial tests with a game-like task design. PLOS. 2013 (in press).

44. Geisler MW, Polich J. P300 habituation from visual stimuli? Physiol Behav. 1994;56(3):511-6.

45. Gibert G., Attina V., Mattout J., Maby E., Bertrand. Size enhancement coupled with intensification of symbols improves P300 Speller accuracy. 4th International Brain-Computer Interface Workshop and Training Course. 2008.

46. Gonsalvez C.J. Gordon, E., Anderson, J., Pettigrew, G., Barry, R.J., Rennie, C., Meares, R. Numbers of preceding nontargets differentially affect responses to targets in normal volunteers and patients with schizophrenia: A study of event-related potentials. Psychiatry Research. 1995. Vol. 58. P. 69-75.

47. Gonsalvez C.J., Gordon E., Grayson S., Barry R.J., Lazzaro I., Bahramali H. Is the targetto-target interval a critical determinant of P3 amplitude? Psychophysiology. 1999. Vol. 36, № 5. P. 643-654.

48. Gonsalvez C.J., Polich J. P300 amplitude is determined by target-to-target interval. Psychophysiology. 2002. Vol. 39, № 3. P. 388-396.

49. Gonsalvez C J., Barry R.J., Rushby J.A., Polich J. Target-to target interval, intensity, and P300 from an auditory single-stimulus task. Psychophysiology. 2007. 44. 245-250.

50. Groenegress, C., Holzner, C., Guger, C., & Slater, M. Effects of P300-based BCI use on reported presence in a virtual environment. Presence: Teleoperators and virtual environments. 2010. 19(1), 1-11.

51. Guger C., Daban S., Sellers E., Holzner C., Krausz G., Carabalona R., Gramatica F., Edlinger G. How many people are able to control a P300-based brain-computer interface (BCI)? Neurosci Lett. 2009. V. 462 (1). P. 94-8.

52. Guo F., Hong B., Gao X., Gao S. A brain-computer interface using motion-onset visual evoked potential. J. Neural Eng. 2008. V. 5. P. 477-485.

53. Giirkok H., Nijholt A., and Poel M. "Brain-Computer Interface Games: Towards a Framework," in ICEC 2012, LNCS vol. 7522, 2012, pp. 373-380.

54. Heinrich S.P. A primer on motion visual evoked potentials. Doc Ophtalmol. 2007. V. 114. P. 83-105.

55. Hill J., Farquhar J., Martens S., Biessmann F., Schoelkopf B. Effects of stimulus type and of error-correcting code design on BCI speller performance. Proc. NIPS'09. 2009. P. 665-672.

56. Hillyard SA, Anllo-Vento L. Event-related brain potentials in the study of visual selective attention. Proc Natl Acad Sci USA. 1998;95(3):781-7.

57. Hochberg LR, Bacher D, Jarosiewicz B, Masse NY, Simeral JD, Vogel J, Haddadin S, Liu J, Cash SS, van der Smagt P, Donoghue JP. Reach and grasp by people with tetraplegia using a neurally controlled robotic arm. Nature. 2012;485(7398):372-5.

58. Hoffmann U., Vesin J.M., Ebrahimi T., Diserens K. An efficient P300-based brain-computer interface for disabled subjects. J Neurosci Methods. 2008. V. 167 (1). P. 11525.

59. Hoffmann MB, Unsold AS, Bach M. Directional tuning of human motion adaptation as reflected by the motion VEP. Vision Res. 2001 ;41(17):2187-94.

60. Hong B., Guo F., Liu T., Gao X., Gao S. N200-speller using motion-onset visual response. Clinical Neurophysiology. 2009. V. 120(9). P. 1658-66.

61. Iordanescu L. Demand-based dynamic distribution of attention and monitoring of velocities during multiple-object tracking. Journal of vision. 2009. V. 9 (4):1. P. 1-12

62. Itier RJ, Latinus M, Taylor MJ. Face, eye and object early processing: what is the face specificity? Neuroimage. 2006;29(2):667-76.

63. Iturrate I., Antelis J., Kubler A., Minguez J. Non-Invasive Brain-Actuated Wheelchair Based on a P300 Neurophysiological Protocol and Automated Navigation. IEEE Transactions on robotics. 2009. V. 25 (3). P. 614-627.

64. Jin J., Allison B.Z., Wang X., Neuper C. A combined brain-computer interface based on P300 potentials and motion-onset visual evoked potentials. J Neurosci Methods. 2012a. V. 205(2). P. 265-76.

65. Jin J, Allison BZ, Kaufmann T, Kubler A, Zhang Y, Wang X, Cichocki A. The changing face of P300 BCIs: a comparison of stimulus changes in a P300 BCI involving faces, emotion, and movement. PLoS One. 2012b;7(l l):e49688.

66. Johnson R. A Triarchic Model of P300 Ampitude. Psychophysiology. 1986. Vol. 23, № 4. P. 367-384.

67. Johnson R., Donchin E. Sequential Expectancies and Decision Making in a Changing Environment: An Electrophysiological Approach. Psychophysiology. 1982. Vol. 19, № 2. P. 183-200.

68. Kaplan A J and Logachev S V 2009 Patent RU 2406554.

69. Kaplan A.Ya., Shishkin S.L., Ganin I.P., Basyul I.A., Zhigalov A.Y. Adapting the P300-based brain-computer interface for gaming: a review. IEEE Transactions on Computational Intelligence and AI in Games (Special Issue on Brain/Neuronal-Computer Games Interfaces and Interaction). 2013. 5(2): 141-149.

70. Katayama J, Polich J. P300 from one-, two-, and three-stimulus auditory paradigms. Int J Psychophysiol. 1996;23(l-2):33-40.

71. Kaufmann T., Hammer E. M., Kubler A. ERPs Contributing to Classification in the "P300" BCI In: Proceedings of the Fifth International BCI Conference. Graz, Austria, 2224 September, 2011a. P. 136-139.

72. Kaufmann T, Schulz SM, Griinzinger C, Kubler A. Flashing characters with famous faces improves ERP-based brain-computer interface performance. J Neural Eng. 201 lb;8(5):056016.

73. Kleih S C, Nijboer F, Haider S and Kubler A 2010 Motivation modulates the P300 amplitude during brain-computer interface use Clin. Neurophysiol. 121 1023-31

74. Kok A. On the utility of P3 amplitude as a measure of processing capacity. Psychophysiology. 2001;38(3):557-77.

75. Kramer AF, Wickens CD, Donchin E. An analysis of the processing requirements of a complex perceptual-motor task. Hum Factors. 1983;25(6):597-621.

76. Kramer A, Schneider W, Fisk A, Donchin E. The effects of practice and task structure on components of the event-related brain potential. Psychophysiology. 1986;23(l):33-47.

77. Kranczioch C, Bryant D. Attentional awakening, resource allocation and the focus of temporal attention. Neuroreport. 2011 ;22(4): 161-5.

78. Krusienski D.J., Sellers E.W., Cabestaing F., Bayoudh S., McFarland D.J., Vaughan T.M., Wolpaw J.R. A comparison of classification techniques for the P300 speller. J Neural Eng. 2006. V. 3. P. 299-305.

79. Krusienski D.J., Sellers E.W., McFarland D.J., Vaughan T.M., Wolpaw J.R. Toward enhanced P300 speller performance. J Neurosci Methods. 2008. V. 167 (1). P. 15-21.

80. Kuba M., Kubova Z. Visual evoked potentials specific for motion onset. Documenta Ophthalmologics 1992. V. 80. P. 83-89.

81. Lammers WJ, Badia P. Habituation of P300 to target stimuli. Physiol Behav. 1989;45(3):595-601.

82. Lee PL, Hsieh JC, Wu CH, Shyu KK, Wu YT. Brain computer interface using flash onset and offset visual evoked potentials. Clin Neurophysiol. 2008;119(3):605-16.

83. Lencer R, Trillenberg P. Neurophysiology and neuroanatomy of smooth pursuit in humans. Brain Cogn. 2008;68(3):219-28.

84. Lew GS, Polich J. P300, habituation, and response mode. Physiol Behav. 1993;53(1):111-7.

85. Liu T., Goldberg L., Gao S., Hong B. An online brain-computer interface using non-flashing visual evoked potentials. J. Neural Eng. 2010. V. 7. P. 036003.

86. Lovejoi L.P., Fowler G.A., Krauzlis R.j. Spatial allocation of attention during smooth pursuit eye movements. Vision Res. 2009. V. 49. P. 1275-1285.

87. Luck, S.J. An Introduction to the Event-Related Potential Technique. The MIT Press. 2005.

88. Mak J N, Arbel Y, Minett J W, McCane L M, Yuksel B, Ryan D, Thompson D, Bianchi L and Erdogmus D. Optimizing the P300-based brain-computer interface: current status, limitations and future directions. J. Neural Eng. 2011. 8, 025003

89. Makovski T., Jiang Y. V. The role of visual working memory in attentive tracking of unique objects. J Exp Psychol Hum Percept Perform. 2009. V. 35 (6). P. 1687-1697.

90. Manyakov NV, Chumerin N, Combaz A, Van Hulle MM. Comparison of classification methods for P300 brain-computer interface on disabled subjects. Comput Intell Neurosci. 2011;2011:519868.

91. Martens S M M, Hill N J, Farquhar J and Scholkopf B. Overlap and refractory effects in a brain-computer interface speller based on the visual P300 event-related potential. J. Neural Eng. 2009. 6 026003

92. McCarthy G., Donchin E. A metric for thought: A comparison of P300 latency and reaction time.. Science. 1981. Vol. 211. P. 77-80.

93. McFarland DJ, Sarnacki WA, Townsend G, Vaughan T, Wolpaw JR. The P300-based brain-computer interface (BCI): effects of stimulus rate. Clin Neurophysiol. 2011 ;122(4):731-7.

94. Michalski A. Feedback processing as parallel task in P300 conditioning. Acta neurobiologiae experimentalis. 1999. 59, 123-30

95. Mugler E., Bensch M., Haider S., Rosenstiel W., Bogdanc M., Birbaumer N., Ktibler A. Control of an Internet Browser Using the P300 Event-Related Potential. International J. of Bioelectromagnetism. 2008. V. 10 (1). P. 56-63.

96. Miihl C., Giirkok H., Bos D. P.-O., et al. Bacteria Hunt: a multimodal, multiparadigm BCI game. In 5th Int. Summer Workshop on Multimodal Interfaces (eNTERFACE'09), Genua, Italy, 2009, pp. 41-62.

97. Murphy TI, Segalowitz SJ. Eliminating the P300 rebound in short oddball paradigms. Int J Psychophysiol. 2004;53(3):233-8.

98. Nijholt A, Reuderink B and Bos D O. Turning shortcomings into challenges: brain-computer interfaces for games. Entertainment Computing. 2009. 1, 85-94

99. Nittono H. The action-perception paradigm: a new perspective in cognitive neuroscience. International Congress Series. 2004. 1270, 26-31.

100. Nittono H. Voluntary stimulus production enhances deviance processing in the brain. International Journal of Psychophysiology. 2006. 59(1), 15-21.

101. Perez-Marcos, D., Slater, M., & Sanchez-Vives, M. V. Inducing a virtual hand ownership illusion through a brain-computer interface. NeuroReport. 2009. 20(6), 589-594.

102. Picton, W. T. The P300 wave of the human event-related potential. Journal of Clinical Neurophysiology. 1992. 456-479. doi: 1464675

103. Pires G, Nunes U, Castelo-Branco M. Comparison of a row-column speller vs. a novel lateral single-character speller: assessment of BCI for severe motor disabled patients. Clin Neurophysiol. 2012;123:1168-1181.

104. Polich J. P300 development from auditory stimuli. Psychophysiology. 1986;23(5):590-7.

105. Polich J, Kok A. Cognitive and biological determinants of P300: an integrative review. Biol Psychol. 1995;41 (2): 103-46.

106. Polich J., Heine M.R.D. P300 topography and modality effects from a single-stimulus paradigm. Psychophysiology. 1996. 33. 747-752.

107. Polich J, Bondurant T. P300 sequence effects, probability, and interstimulus interval. Physiol Behav. 1997;61(6):843-9.

108. Polich, J. Overview of P3a and P3b. In J. Polich (Ed.), Detection of Change: Event-Related Potential and fMRI Findings. Kluwer Academic Press: Boston. 2003. P. 83-98.

109. Putnam L.E., Roth W.T. Effects of Stimulus Repetition, Duration, and Rise Time on Startle Blink and Automatically Elicited P300. Psychophysiology. 1990. Vol. 27, № 3. P. 275-298.

110. Ratcliff R, Philiastides MG, Sajda P. Quality of evidence for perceptual decision making is indexed by trial-to-trial variability of the EEG. Proc Natl Acad Sci USA. 2009;106(16):6539-44.

111. Ravden D, Polich J. On P300 measurement stability: habituation, intra-trial block variation, and ultradian rhythms. Biol Psychol. 1994;51(l):59-76.

112. Ravden D, Polich J. Habituation of P300 from visual stimuli. Int J Psychophysiol. 1998;30(3):359-65.

113. Rebsamen B, Guan C, Zhang H, Wang C, Teo C, Ang M H Jr and Burdet E. A brain controlled wheelchair to navigate in familiar environments. IEEE Trans. Neural Syst Rehab Eng. 2010. 18,590-8

114. Roger M and Galand G. Operant conditioning of visual evoked potentials in man. Psychophysiology. 1981. 18,477-82

115. Romero R, Polich J. P3(00) habituation from auditory and visual stimuli. Physiol Behav. 1996;59(3):517-22.

116. Roser M.E., Fugelsang J.A., Handy T.C., Dunbar K.N., Gazzaniga M.S. Representations of physical plausibility revealed by event-related potentials. Neuroreport. 2009. V. 20(12). P. 1081-6.

117. Salvaris M and Sepulveda F 2009 Visual modifications on the P300 speller BCI paradigm J Neural Eng 6 046011

118. Salvaris M., Cinel C., Poli R., Citi L., Sepulveda F. Exploring multiple protocols for a brain-computer interface mouse. Conf Proc IEEE Eng Med Biol Soc. 2010. P. 4189-92.

119. Salvaris M., Sepulveda F. Visual modifications on the P300 speller BCI paradigm. J Neural Eng. 2009. V. 6 (4). P. 046011.

120. Santana-Vargas A.D., Perez M.L., Ostrosky-Solis F. Communication based on the P300 component of event-related potentials: a proposal for a matrix with images. Rev Neurol. 2006. V. 43 (11). P. 653-658.

121. Schütz A C, Braun D I and Gegenfurtner K R. Eye movements and perception: A selective review. J Vision. 2011. 11, 1-30

122. Schütz AC, Braun DI, Kerzel D, Gegenfurtner KR. Improved visual sensitivity during smooth pursuit eye movements. Nat Neurosci. 2008; 11(10): 1211-6.

123. Sellers EW, Donchin E. A P300-based brain-computer interface: initial tests by ALS patients. ClinNeurophysiol. 2006a;l 17(3):538-48.

124. Sellers E.W., Krusienski D.J., McFarland D.J., Vaughan T.M., Wolpaw J.R. A P300 event-related potential brain-computer interface (BCI): the effects of matrix size and inter stimulus interval on performance. Biol Psychol. 2006b. V. 73 (3). P. 242-52.

125. Shim W.M., Alvarez G.A., Jiang Y.V. Spatial separation between targets constrains maintenance of attention on multiple objects. Psychonomic Bulletin and Review. 2008. V. 15 (2). P. 390-397.

126. Shishkin S.L., Ganin I.P., Basyul I.A., Zhigalov A.Y., Kaplan A.Y. N1 wave in the P300 BCI is not sensitive to the physical characteristics of stimuli. J. of Integrative Neuroscience. 2009. V. 8 (4). P. 471-485.

127. Shishkin S.L., Ganin I.P., Kaplan A.Y. Event-related potentials in a moving matrix modification of the P300 BCI paradigm. Neuroscience Letters. 2011;496(2):95-99.

128. Smallwood J, Schooler JW. The restless mind. Psychol Bull. 2006;132(6):946-58.

129. Sommer W and Schweinberger S. Operant conditioning of P300. Biol Psychol. 1992. 33, 37-49

130. Spering M., Gegenfurtner K.R. Contrast and assimilation in motion perception and smooth pursuit eye movements. J Neurophysiol. 2007. V. 98. P. 1355-1363.

131. Suchow JW, Alvarez GA. Motion silences awareness of visual change. Curr Biol. 2011;21(2):140-3.

132. Sutton S, Braren M, Zubin J, John ER. Evoked-potential correlates of stimulus uncertainty. Science. 1965; 150(3700): 1187-8.

133. Squires N.K., Squires K.C., Hillyard S.A. Two Varieties of Long-latency positive Waves Evoked by Unpredictavle Audiatory Stimuli in Man. Electroencephalography and Clinical Neurophysiology. 1975. Vol. 38. P. 387-401.

134. Squires KC, Wickens C, Squires NK, Donchin E. The effect of stimulus sequence on the waveform of the cortical event-related potential. Science. 1976;193(4258):1142-6.

135. Squires K. C., Petuchowski S., Wickens C., Donchin E. The effects of stimulus sequence on ERPs: A comparison of visual and auditory sequences. Perception and Psychophysics 1977. Vol. 22, P. 31-40.

136. Striiber D, Polich J. P300 and slow wave from oddball and single-stimulus visual tasks: inter-stimulus interval effects. Int J Psychophysiol. 2002;45(3): 187-96.

137. Sutton, S., Braren, M., Zubin, J., & John, E.R. Evoked-Potential Correlates of Stimulus Uncertainty. Science. 1965. 150, 1187-1188.

138. Sutton, S., Tueting, P., Zubin, J., & John, E.R. Information delivery and the sensory evoked potential. Science. 1967. 155, 1436-1439.

139. Takano K., Komatsu T., Hata N., Nakajima Y., Kansaku K. Visual stimuli for the P300 brain-computer interface: a comparison of white/gray and green/blue flicker matrices. Clin Neurophysiol. 2009. V. 120 (8). P. 1562-6.

140. Tchernikov I., Fallah M. A color hierarchy for automatic target selection. PLoS ONE. 2010. V. 5(2). P. e 9338.

141. Townsend G, LaPallo B K, Boulay C B, Krusienski D J, Frye G E, Hauser C K, Schwartz N E, Vaughan T M, Wolpaw J R, Sellers E W. A novel P300-based brain-computer interface stimulus presentation paradigm: moving beyond rows and columns. Clin Neurophysiol. 2010. 121, 1109-20

142. Townsend G, Shanahan J, Ryan DB, Sellers EW. A general P300 brain-computer interface presentation paradigm based on performance guided constraints. Neurosci Lett. 2012;531(2):63-8.

143. Treder MS, Schmidt NM, Blankertz B. Gaze-independent brain-computer interfaces based on covert attention and feature attention. J Neural Eng. 2011;8: 066003.

144. Wang AL, Mouraux A, Liang M, Iannetti GD. The enhancement of the N1 wave elicited by sensory stimuli presented at very short inter-stimulus intervals is a general feature across sensory systems. PLoS One. 2008;3(12):e3929.

145. Wang P.T., King C.E., Do A.H., Nenadic Z. Pushing the Communication Speed Limit of a Noninvasive BCI Speller. arXiv:1212.0469vl [cs.HC] 3 Dec 2012

146. Wickens C, Kramer A, Vanasse L, Donchin E. Performance of concurrent tasks: a psychophysiological analysis of the reciprocity of information-processing resources. Science. 1983;221(4615): 1080-2.

147. Wolpaw J. R. Brain-computer interfaces as new brain output pathways. J. Physiol. 2007. vol. 579 (Pt3), pp. 613-619.

148. Yuksel B, Donnerer M, Tompkin J and Steed A. Using a P300 brain-computer interface in an immersive virtual environment. Proc. CHI 2010 (Atlanta, 10-15 April 2010) pp 855-8.

149. Zhang Y, Zhao Q, Jin J, Wang X, Cichocki A. A novel BCI based on ERP components sensitive to configural processing of human faces. J Neural Eng. 2012;9(2):026018.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

Публикации в журналах, рекомендованных ВАК РФ

1. Ganin I.P., Shishkin S.L., Kaplan A.Ya. A РЗОО-based brain-computer interface with stimuli on moving objects: four-session single-trial and triple-trial tests with a game-like task design. PLOS ONE. 2013 (in press).

2. Ганин И.П., Каплан А.Я. Интерфейс мозг-компьютер на основе волны Р300: предъявление комплексных стимулов «подсветка + движение». Журн. высш. нерв, деят. 2013 (принято в печать).

3. Ганин И.П., Шишкин C.JI., Кочетова А.Г., Каплан А.Я. Интерфейс мозг-компьютер «на волне Р300»: исследование эффекта номера стимулов в последовательности их предъявления. Физиология человека. 2012;38(2):5-13.

4. Каплан А.Я., Кочетова А.Г., Шишкин СЛ., Басюл И.А., Ганин И.П., Васильев А.Н., Либуркина С.П. Экспериментально-теоретические основания и практические реализации технологии интерфейс мозг-компьютер. Бюллетень Сибирской медицины. 2013. Т.12, №2, С. 21-29.

5. Kaplan A.Ya., Shishkin S.L., Ganin I.P., Basyul I.A., Zhigalov A.Y. Adapting the РЗОО-based brain-computer interface for gaming: a review. IEEE Transactions on Computational Intelligence and AI in Games. 2013. 5(2): 141-149. [ doi: 10.1109/TCIAIG.2012.2237517 ]

6. Shishkin S.L., Ganin I.P., Kaplan A.Y. Event-related potentials in a moving matrix modification of the P300 BCI paradigm. Neuroscience Letters. 2011;496(2):95-99.

7. Shishkin S.L., Ganin I.P., Basyul I.A., Zhigalov A.Yu., Kaplan A.Y. N1 wave in the P300 BCI is not sensitive to the physical characteristics of stimuli. J. of Integrative Neuroscience. 2009;8(4):471-485.

Публикации в других изданиях

8. Ганин И.П., Половицкая М.М., Каплан А.Я. Интерфейс мозг-компьютер на волне Р300 с комплексными стимулами «подсветка+движение». В сб.: Когнитивная наука в Москве: новые исследования. Москва. 19 июня 2013 г. С. 79.

9. Ганин И.П., Шишкин С.Л., Григорян Р.К., Басюл И.А., Каплан А.Я. Интерфейс мозг-компьютер на волне Р300 со стимулами, предъявляемыми на движущихся

объектах. В сб.: Материалы XVI Междунар. конф. по нейрокибернетике. Ростов-на-Дону, 24-28 сентября 2012 г. Изд-во ЮФУ, 2012. Т. 2. Симпозиум «Интерфейс мозг-компьютер». С. 22-25.

10. Шишкин С.Л., Николаев A.A., Нуждин Ю.О., Ганин И.П., Каплан А.Я. «Одностимульный» интерфейс мозг-компьютер: оффлайн-тест. В сб.: Материалы XVI Междунар. конф. по нейрокибернетике. 24-28 сентября 2012 г. Изд-во ЮФУ, 2012. Т. 2. «Интерфейс мозг-компьютер». С. 57-60.

11. Мигалев A.C., Шишкин СЛ., Осадчий А.Е., Николаев A.A., Ганин И.П., Пупышев A.A., Каплан А.Я. Попытка использования априорной информации о компонентах N1 и Р300 для предобработки ЭЭГ в интерфейсе мозг-компьютер «на волне Р300». В сб.: Материалы XVI Междунар. конф. по нейрокибернетике. 24-28 сентября 2012 г. Изд-во ЮФУ, 2012. Т. 2. «Интерфейс мозг-компьютер». С. 41-44.

12. Ganin I.P., Shishkin S.L., Kaplan A.Y. A P300 BCI with stimuli presented on moving objects. In: Proceedings of the Fifth International BCI Conference. Graz, Austria, 22-24 September, 2011. P. 308-311.

13. Shishkin S.L., Nikolaev A.A., Nuzhdin Y.O., Zhigalov A.Y., Ganin I.P., Kaplan A.Y. Calibration of the P300 BCI with the single-stimulus protocol. In: Proceedings of the Fifth International BCI Conference. Graz, Austria, 22-24 September, 2011. P. 256-259.

14. Шишкин С.Л., Ганин И.П., Николаев A.A., Каплан А.Я. Психофизиологические и вычислительные перспективы использования компонента N1 мозговых потенциалов в интерфейсе мозг-компьютер «на волне Р300». Труды XIII всероссийской научно-технической конференции «Нейроинформатика-2011» (МИФИ, 24 января - 28 января 2011 г.). С. 192-201.

15. Ганин И.П. Интерфейс мозг-компьютер на волне Р300 с однократным предъявлением стимулов. В сб.: Международная научная конференция и молодежная школа «На пути к нейроморфному интеллекту: эксперименты, модели и технологии». Нижний Новгород. 3-7 октября 2011 г. С. 7.

16. Шишкин C.JI., Ганин И.П., Каплан А.Я. Ваше внимание жмет на кнопки! Сможете ли вы стать внимательнее? В сб.: Когнитивная наука в Москве: новые исследования. Москва. 16 июня 2011 г. С. 287.

17. Ганин И.П. Анализ компонентов N1 и Р300 потенциалов мозга в новых модификациях интерфейса мозг-компьютер "на волне Р300". Научная сессия

НИЯУ МИФИ-2011. 14-я Международная телекоммуникационная конференция молодых ученых и студентов «Молодежь и наука». Секция 24. Биофизика и когнитивные исследования. Москва, 2011. (http://www.mephi.ru/molod/docs.php)

18. Каплан А.Я., Шишкин C.JL, Басюл И.А., Ганин И.П., Жигалов А.Ю. Демонстрация игрового интерфейса мозг-компьютер, основанного на дискриминации целевых объектов в зрительном поле. Сборник научных трудов. XIV выставка-конференция «Телекоммуникации и новые информационные технологии в образовании». Москва, НИЯУ МИФИ, 2010. С. 110-111.

19. Ганин И.П.. Устойчивость компонента N1 потенциалов коры мозга в интерфейсе мозг-компьютер «на волне Р300» к вариациям пространственных характеристик стимулов. XVII Международная конференция студентов, аспирантов и молодых учёных «Ломоносов». Москва. 12-15 апреля 2010 г. С. 219.

20. Ганин И.П., Компонент N1 потенциалов коры мозга и пространственные факторы в интерфейсе мозг-компьютер «на волне Р300». В сб.: Материалы XIV Науч. конф. молодых ученых ИВНД и НФ РАН. Москва. 21-22 октября 2010 г. С. 37.

21. Ганин И.П., Позиционный интерфейс мозг-компьютер с движущимися элементами. В сб.: IV Научно-практическая конференция "Перспективы развития инноваций в биологии" (У.М.Н.И.К.). Москва. 8-10 декабря 2010 г.

22. Шишкин С.Л., Ганин И.П., Басюл И.А., Каплан А.Я. Интерфейс мозг-компьютер на основе волны Р300: волна N1 и проблема дистракторов. В сб.: Материалы XV Междунар. конф. по нейрокибернетике. Ростов-на-Дону, 23-25 сентября 2009 г. Изд-во ЮФУ, 2009. Т. 2. Симпозиум «Интерфейс мозг-компьютер». С. 30-33.

23. Kaplan A.Y., Shishkin S.L., Zhigalov A.Yu., Ganin I.P., Basyul I.A.. On the way to symbiotyc brain-computer interface. In: II International Symposium: Topical Problems of Biophotonics - 2009. Proceedings. Nizhny Novgorod, 19-24 July, 2009. P. 208-209.

24. Ганин И.П., N1-компонент электрических потенциалов мозга в интерфейсе мозг-компьютер. XVI Международная конференция студентов, аспирантов и молодых учёных «Ломоносов». Москва. 13-18 апреля 2009 г. С. 202.

25. Басюл И.А., Ганин И.П., Шишкин С.Л., Каплан А.Я.. Устойчивость работы в "символьном" интерфейсе мозг-компьютер при наличии дистракторов. Вторая всероссийская научно-практическая конференция «Количественная ЭЭГ и нейротерапия». Санкт-Петербург, 27-30 апреля 2009 г.

26. Ганин И.П.. Использование компонента N1 потенциалов коры мозга в интерфейсе мозг-компьютер. В сб.: Материалы XIII Науч. конф. молодых ученых ИВНД и НФ РАН. Москва. 14-16 октября 2009 г. С. 43.

27. Shishkin S.L., Ganin I.P., Kaplan A.Y. The P300 BCI is more than an oddball and more than a P300 BCI. In: Society for Psychophysiological Research. 49th Annual Meeting. Berlin. 21-24 October 2009. Psychophysiology, 2009. V. 46, Suppl. 1. P. S47.

28. Ганин И.П.. Позиционный интерфейс мозг-компьютер с движущимися элементами. В сб.: Материалы III Научно-практической конференции "Перспективы развития инноваций в биологии" (У.М.Н.И.К.). Москва. 11-13 ноября 2009 г. С. 43-45.

Я выражаю благодарность:

А.Я. Каплану - за организацию и руководство исследованием, за независимое мнение и ценную критику, а также за возможность обучения и работы в нашей лаборатории в столь интересном проекте.

C.JI. Шишкину - за организацию и руководство существенной частью исследования, за обучение навыкам постановки и проведения эксперимента и осмысленному подходу к интерпретации его результатов.

A.A. Преображенскому - за создание специализированных программ, обеспечивающих высокоточную генерацию движущихся стимулов и синхронизацию их предъявления с ЭЭГ.

В.А. Ермолаеву - за высококвалифицированную инженерную поддержку. Arno Delorme, Scott Makeig - за создание пакета для обработки ЭЭГ EEGLAB и обеспечение его бесплатного использования.

Всем участникам исследований, без которых не был бы получен обширный объем экспериментального материала.

Моей семье и всем тем, кто оказывал ценную поддержку в ходе работы.