Диссертации, представленные на защиту и подготовленные в НИУ ВШЭ

Исследование посвящено разработке алгоритмических средств анализа электрической активности головного мозга. Предложены новые подходы к оценке распределения и динамики нейрональных источников и функциональных сетей на основе обработки неинвазивных ЭЭГ и МЭГ измерений активности головного мозга. Разработана методология анализа МЭГ данных пациентов с эпилепсией с целью обнаружения эпилептогенной коры на основе анализа пространственной динамики локальной и распределенной нейрональной активности. Особое внимание уделено решению задачи декодирования нейрональной активности и приведены примеры применения разработанных  подходов при создании  моторных и речевых нейроинтерфейсов. В основе предлагаемых решений  - компактная нейронная сеть, для которой получены и верифицированы методики интерпретации весовых коэффициентов в призме существующих в нейронауке знаний о происхождении нейрональной активности и физике процесса ее регистрации. Эмпирически исследовано влияние задержки в предъявлении  сигнала обратной связи на эффективность технологии нейрообратной связи и предложены новые алгоритмы оценки параметров ритмической активности головного мозга в реальном времени, использование которых позволяет сократить задержку в предъявлении сигнала обратной связи и повысить эффективность терапии.

Systems that process electrophysiological measurements of brain activity in real time, in particular, brain-computer interfaces (BCIs), are used in a number of fields for various research and practical purposes. Most often, such systems use non-invasive recording methods, which are safe and available but introduce limitations in signal quality and throughput that bound the complexity of BCIs that can be implemented with this technology. Invasive recording techniques, on the other hand, give access to more informative signal but pose their own risks and limitations related to the required medical procedures. A currently emerging trend in BCI development is using electrocorticogram (ECoG), an invasive method that is considered to be safer than microelectrode implantation and is routinely used in clinical practice. ECoG yields high spatial resolution, low noise levels, near absence of oculographic and myographic artifacts, proximity to the signal sources and possibility to conduct cortical stimulation through the electrodes, all of which are desirable characteristics for implementation of a complex BCI. In our work, firstly, we propose methods utilizing additional information to improve decoding in non-invasive interfaces, and, secondly, develop experimental paradigms and signal processing methods for ECoG, allowing to perform real-time finger movement decoding, passive cortical mapping, and explore the artificial haptic feedback that could be carried out through ECoG stimulation.