人工智能流程诊断抑郁症脑电活动,大脑控制设备等等

HSE大学研究人员Skoltech和RAS研究所的高级神经活动和神经生理学已经开发出一种工具箱和在线分析脑电图数据的众包平台。自动化解决方案确定有意义的组件在脑电图信号比人类更快和更持续的专家。随着越来越多的研究者和临床医生为平台,其创作者希望算法变得越来越精确。他们设想的平台作为社区中心医学科学家们横跨睡眠研究中,中风康复,癫痫诊断,脑-机接口等等。本文中走了出来Neuroinformatics前沿。

脑电图是一种无创的技术措施大脑的电活动通过电极放置在头皮上。由此产生的脑电波数据用于研究睡眠,昏迷和诊断癫痫患者,让用户心理与设备交互,和帮助人们恢复中风或其他条件,损害正常的大脑活动。

脑电图是廉价的和非侵入性,但记录的信号非常嘈杂的相比,那些被植入电极。由于传感器放置在头皮上,每个人都拿起许多神经元的电活动的总和,并通过骨信号被传播扭曲,皮肤和其他组织。此外,脑电图可能包含不必要的电活动,包括来源,要么是接近大脑(如眼睛闪烁)或者只是强(心跳),甚至是电流驱动诊断设备本身。

“所以有两个问题。首先,我们记录的信号是混乱,我们必须减去任何不是:呼吸的影响,头部运动,出汗,等等。第二,有这么多的大脑在任何给定的时间,即便是一个“干净”的信号实际上是许多信号的组合代表不同的认知过程。根据脑电图用于什么,可能需要一个零在非常特定的信号组件,如马达活动负责肢体运动,”首席研究员格言Sharaev,资深研究科学家Skoltech,评论。

在现实环境中,吵闹的脑电图可能是由许多独立的声音和实际大脑活动组件。扫描预处理一般包括一个有经验的医生认识到各自的乏味和相当主观分析信号的贡献。

“我们自动化这个过程并使用机器学习变得更加一致。现在有一种算法训练数以百计的脑电图记录标记由多个人类专家。它可以消除干扰信号和识别特定信号分量,”Sharaev说。

他还指出,虽然类似尝试之前,新的解决方案具有重要的优势,它是由一个专门的众包平台。其他专家可以上传自己的脑电图记录与不同的设备和与其他病人,并评估原始扫描。这意味着这个平台有潜力成为一个主要的脑电图分析中心,吸引了更多的专家,AI会产生更好的结果。

随着越来越多的数据积累,可想而知,脑电图将在某种程度上成为一个有效的方法来诊断不仅仅是更明显的障碍,例如epilepsy-where异常大脑活动很容易recognizable-but其他更好的条件,比如重度抑郁症、精神分裂症、自闭症。”的今天,这方面的研究才刚刚兴起,而不是临床实践的一部分。我们正在做这个,”Sharaev补充道。

与另一个主要的应用程序脑-机接口。这指的是技术,将大脑信号被脑电图为外部命令或植入设备,以弥补失去的功能在体内或乐趣。命令可以从移动的手臂外骨骼所穿的一个瘫痪的人打开电视。“例如,我们表明本文算法可以识别所谓μ波,信号组件负责自愿的肢体动作,”科学家指出。

一个相关但又截然不同的应用程序是中风后康复。这涉及到培训病人反复生成一个特定的大脑区域的活动使精神努力和在屏幕上得到视觉反馈。

基本的研究人类认知能力也使用脑电图数据。与人,包括睡眠研究和实验监测他们的大脑活动时的执行认知任务检测的大脑区域参与特定的认知过程。

“我们认为这个项目是合作的重要平台,“Sharaev说。在Skoltech”,这意味着自己的研究中心之间的协作应用人工智能和减少碳足迹和弗拉基米尔Zelman神经生物学和脑部康复中心。Skoltech之外,希望这将成长为一个主要的社区脑电图的研究和应用。”