• ВХОД

    •  

    Полное описание


     Павленко, Дмитрий Владимирович. Применение глубокого обучения в интерфейсах мозг-компьютер для распознавания движений / Д. В. Павленко, Ш. Э. Татарис, В. В. Овчаренко. - DOI 10.15827/0236-235X.146.164-169. - Текст : непосредственный // Программные продукты и системы : научный журнал. - 2024. - Том 37, N 2. - С. 164-169. - Библиогр. в конце ст. - ISSN 0236-235X.
    (Шифр в БД Р2959/2024/37/2)
    ГРНТИ УДК
    28.23004.8
    28.23.37004.032.26
    28.23.25004.85
    004.93

    Рубрики:
    Искусственный интеллект
    Нейронные сети
    Машинное обучение
    Медицина

    Кл.слова (ненормированные): сенсомоторный ритм -- сверточная нейронная сеть -- глубокое обучение -- ээг -- нейроинтерфейс -- интерфейс мозг-компьютер
    Аннотация: Перспективными направлениями применения машинного обучения являются анализ электроэнцефалограммы (ЭЭГ) и разработка нейроинтерфейсов, которые служат для помощи людям с ограниченными возможностями, а также в реабилитационных процедурах. Использование искусственных нейронных сетей позволяет значительно упростить разработку подобных устройств. Нейросети дают возможность автоматически выделять паттерны ЭЭГ, связанные с определенными состояниями, и проводить сложную обработку сигнала в режиме реального времени. Важным аспектом при создании нейроинтерфейсов является разработка программного обеспечения, способного детектировать и классифицировать движения пользователя. В рамках данного исследования решались задачи классификации паттернов сенсомоторных ритмов ЭЭГ, которые связаны с воображаемыми и реальными произвольными движениями верхних конечностей. Была разработана модель по аналогии с архитектурой модели EEGNet. Данная модель предназначена для анализа ЭЭГ в режиме реального времени с отечественного энцефалографа NVX52. Для этой цели были собраны два датасета с записями здоровых людей с использованием неполной международной схемы наложения электродов 10-10, которая включала в себя 32 канала. В ходе исследования удалось достичь точности классификации ряда воображаемых движений до 80 %, распознавания признаков реальных движений до 78 % и превысить показатели распознавания по сравнению с изначальной моделью более чем на 10 %. В перспективе планируется использование данной модели в коррекционных тренингах с применением комплекса, состоящего из неинвазивного интерфейса мозг-компьютер и экзоскелетов кистей рук. Такие комплексы используются в рамках мероприятий, направленных на реабилитацию детей, страдающих детским церебральным параличом.
    Доп. точки доступа:
    Татарис, Ш.Э.
    Овчаренко, Владимир Викторович

    Экз-ры полностью Р2959/2024/37/2
    Имеются экземпляры в отделах: всего 1 : ПНТ (1)
    Свободны: ПНТ (1)
    Заказаны экз-ры для отделов: ХРЦ

    Переход по DOI



    Заказ фрагмента документа ₽