«Ульяновский медико-биологический журнал»

PHYSIOLOGY

Download  article

DOI 10.34014/2227-1848-2020-2-90-99

DYNAMICS OF INVOLUNTARY FORMATION OF EEG CORRELATION PATTERNS BY BIOFEEDBACK MECHANISM

Ya.A. Turovskiy1,2, S.V. Borzunov1, A.V. Danilova1, E.P. Glagoleva1

1 Voronezh State University, Voronezh, Russia;

2 V.A. Trapeznikov Institute of Control Sciences, Russian Academy of Sciences, Moscow, Russia

 

The purpose of the work is to assess the dynamics of electroencephalogram (EEG) correlation development under involuntary control by biofeedback mechanism.

Materials and Methods. The study involved 33 people (26 men and 7 women) aged 19–27 years. The paradigm of involuntary control was tested. The user did not have to arbitrarily change his/her state to achieve the desired color solution on the screen. The mode of color spectrum variation was determined by RGB channels, where each color was set according to correlation coefficients of EEG signals from a given pair of electrodes. The authors analyzed EEG correlation patterns in the biofeedback system through the color change on the screen. At the beginning, the user selected three most “pleasant” and three least “pleasant” colors. Feedback effect was multidirectional. Whenever the distance increased from the first to the fourth quantile for feedback experiments, the values were less than in the control. Whenever the distance decreased, the control values were less than the experimental ones.

Results. A decrease in the RGB space mean square distance was revealed by the end of the experiment. Differences were also identified between the two study groups in the feedback experiments. The subjects were observed to maintain the dynamics during the experiment: if, in case of feedback, the distance to the preferred colors decreased, it decreased in the control experiment as well. The group approaching the target (preferred color) was initially at a larger distance from it, but had smaller values of roof-mean-square deviation (RMS).

Keywords: brain-computer interfaces, involuntary control.

Conflict of interest. The authors declare no conflict of interest. The study was supported by the RFBR as a part of a project No. 19-29-01156-мк.

 

References

  1. Lebedev M.A., Nicolelis M.A.L. Brain-machine interfaces: from basic science to neuroprostheses and neurorehabilitation. Physiological Reviews. 2017; 97 (2): 767–837.

  2. Wolpaw J.R., Birbaumer N., McFarland D.J., Pfurtscheller G., Vaugan T.M. Brain-computer interface for communication and control. Clinical Neurophysiology. 2002; 113: 767–791.

  3. Frolov A.A., Fedotova I.R., Gusek D., Bobrov P.D. Ritmicheskaya aktivnost' mozga i interfeys mozg-komp'yuter, osnovannyy na voobrazhenii dvizheniy [Brain rhythmic activity and brain-computer interface based on imaginary movements]. Uspekhi fiziologicheskikh nauk. 2017; 48 (3): 72–91 (in Russian).

  4. Kondrakov E.A. Psikhofiziologiya soznaniya i bessoznatel'nogo [Psychophysiology of consciousness and unconscious]. St. Petersburg: Piter; 2004. 167 (in Russian).

  5. Turovskiy Ya.A., Mishin V.V., Bityutskaya L.A., Kiseleva E.V., Yakovlev V.N., Proskurin I.N. Veyvletnyy analiz vremennykh ryadov variabel'nosti serdechnogo ritma [Wavelet analysis of time series of heart rate variability]. Izvestiya vysshikh uchebnykh zavedeniy. Prikladnaya nelineynaya dinamika. 2002; 2 (6): 16–23 (in Russian).

  6. Minsky M. The Emotion Machine: Commonsense Thinking, Artificial Intelligence, and the Future of the Human Mind. Simon and Schuster; 2007. 400.

  7. Yan J., Chen S., Deng S. An EEG-based emotion recognition model with rhythm and time characteristics. Brain Informatics. 2019; 6 (1): 7.

  8. Yue K., Wang D. EEG-based 3D visual fatigue evaluation using CNN. Electronics. 2019; 8 (11): 1208.

  9. Kaplan A.Ya., Lim J.J., Jin K.S., Park B.W., Byeon J.G., Tarasova S.U. Unconscious operant conditioning in the paradigm of brain-computer interface based on color perception. Intern. J. Neuroscience. 2005; 115: 781–802.

  10. Kropotov Yu.D., Ponomarev V.A., Ferri R. Reorganizatsiya prostranstvennoy korrelyatsii EEG, vyzvannaya zritel'noy stimulyatsiey [Reorganization of EEG spatial correlation caused by visual stimulation]. Fiziologiya cheloveka. 1999; 25 (3): 25–33 (in Russian).

  11. Trifonov M.I., Panasevich E.A. Metodicheskie aspekty krosskorrelyatsionnogo analiza EEG [Methodological aspects of EEG cross-correlation analysis]. Rossiyskiy fiziologicheskiy zhurnal im. I.M. Sechenova. 2018; 104 (7): 856–871 (in Russian).

  12. HTML Color Picker. Available at: https://www.w3schools.com/colors/colors_picker.asp (assessed: 26.11.2019).

  13. Protasov V.Yu. Maksimumy i minimumy v geometrii [Maximums and minimums in geometry]. Moscow: MTsNMO; 2005. 56.

Received 16 September 2019; accepted 30 March 2020.

 

Information about the authors

Turovskiy Yaroslav Aleksandrovich, Candidate of Sciences (Medicine). Associate Professor, Voronezh State University. 394018, Russia, Voronezh, Universitetskaya Ploshchad Street, 1; V.A. Trapeznikov Institute of Control Sciences, Russian Academy of Sciences. 117997, Russia, Moscow, Profsoyuznaya Street, 65; e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID ID: https://orcid.org/0000-0002-5290-885X.

Borzunov Sergey Viktorovich, Candidate of Sciences (Physics and Mathematics), Associate Professor, Chair of Digital Technologies, Voronezh State University. 394018, Russia, Voronezh, Universitetskaya Ploshchad Street, 1; e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID ID: https://orcid.org/0000-0002-5099-9655.

Danilova Anna Vyacheslavovna, Student, Department of Computer Sciences, Voronezh State University. 394018, Russia, Voronezh, Universitetskaya Ploshchad Street, 1; e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID ID: https://orcid.org/0000-0001-7750-8118.

Glagoleva Ekaterina Pavlovna, Students, Department of Medical and Biological, Voronezh State University. 394018, Russia, Voronezh, Universitetskaya Ploshchad Street, 1; e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID ID: https://orcid.org/0000-0001-5723-9432.

 

For citation

Turovskiy Ya.A., Borzunov S.V., Danilova A.V., Glagoleva E.P. Dinamika neproizvol'nogo formirovaniya korrelyatsionnykh patternov EEG po mekhanizmu biologicheskoy obratnoy svyazi [Dynamics of involuntary formation of EEG correlation patterns by biofeedback mechanism]. Ul'yanovskiy mediko-biologicheskiy zhurnal. 2020; 2: 90–99. DOI: 10.34014/2227-1848-2020-2-90-99 (in Russian).

 

Скачать статью

УДК 004.5:612.821

DOI 10.34014/2227-1848-2020-2-90-99

ДИНАМИКА НЕПРОИЗВОЛЬНОГО ФОРМИРОВАНИЯ КОРРЕЛЯЦИОННЫХ ПАТТЕРНОВ ЭЭГ ПО МЕХАНИЗМУ БИОЛОГИЧЕСКОЙ ОБРАТНОЙ СВЯЗИ

Я.А. Туровский1,2, С.В. Борзунов1, А.В. Данилова1, Е.П. Глаголева1

1 ФГБОУ ВО «Воронежский государственный университет», г. Воронеж, Россия;

2 ФГБУН «Институт проблем управления им. В.А. Трапезникова Российской академии наук», г. Москва, Россия

 

Цель работы – оценка динамики формирования корреляции электроэнцефалограммы (ЭЭГ) в условиях непроизвольного управления по механизму биологической обратной связи.

Материалы и методы. В исследовании приняли участие 33 чел. (26 мужчин и 7 женщин) в возрасте от 19 до 27 лет. Тестировалась парадигма непроизвольного управления, при которой пользователю не требовалось произвольно менять своё состояние для достижения нужного цветового решения на экране. Режим изменения цветовой гаммы определялся по каналам RGB, где каждый из цветов задавался исходя из корреляционных коэффициентов сигналов ЭЭГ с заданной пары электродов. Проведен анализ корреляционных паттернов ЭЭГ, реализованных в системе биологической обратной связи через изменение цветов на экране монитора. Предварительно пользователь выбирал три наиболее «приятных» и три наименее «приятных» цвета. Влияние обратной связи было разнонаправленным. Там, где от первого к четвёртому квантилю расстояние увеличивалось для экспериментов с обратной связью, значения были меньше, чем в контроле. Там, где расстояние уменьшалось, значения для контроля были меньше значений, полученных в эксперименте.

Результаты. Выявлено уменьшение среднеквадратичного расстояния в пространстве RGB к концу эксперимента. Различия также были установлены между двумя исследуемыми группами в экспериментах с наличием обратной связи. Показано, что испытуемые сохраняют тренд динамики в ходе эксперимента: если при наличии обратной связи расстояние до предпочитаемых цветов уменьшалось, то оно уменьшалось и в контрольном эксперименте. Группа, демонстрировавшая приближение к цели (предпочитаемому цвету), имела изначально большее расстояние до неё, но меньшие значения среднеквадратичного отклонения.

Ключевые слова: интерфейсы «мозг – компьютер», непроизвольное управление.

Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.

 

Литература

  1. Lebedev M.A., Nicolelis M.A.L. Brain-machine interfaces: from basic science to neuroprostheses and neurorehabilitation. Physiological Reviews. 2017; 97 (2): 767–837.

  2. Wolpaw J.R., Birbaumer N., McFarland D.J., Pfurtscheller G., Vaugan T.M. Brain-computer interface for communication and control. Clinical Neurophysiology. 2002; 113: 767–791.

  3. Фролов А.А., Федотова И.Р., Гусек Д., Бобров П.Д. Ритмическая активность мозга и интерфейс мозг-компьютер, основанный на воображении движений. Успехи физиологических наук. 2017; 48 (3): 72–91.

  4. Кондраков Э.А. Психофизиология сознания и бессознательного. СПб.: Питер; 2004. 167.

  5. Туровский Я.А., Мишин В.В., Битюцкая Л.А., Киселева Е.В., Яковлев В.Н., Проскурин И.Н. Вейвлетный анализ временных рядов вариабельности сердечного ритма. Известия высших учебных заведений. Прикладная нелинейная динамика. 2002; 2 (6): 16–23.

  6. Minsky M. The Emotion Machine: Commonsense Thinking, Artificial Intelligence, and the Future of the Human Mind. Simon and Schuster; 2007. 400.

  7. Yan J., Chen S., Deng S. An EEG-based emotion recognition model with rhythm and time characteristics. Brain Informatics. 2019; 6 (1): 7.

  8. Yue K., Wang D. EEG-based 3D visual fatigue evaluation using CNN. Electronics. 2019; 8 (11): 1208.

  9. Kaplan A.Ya., Lim J.J., Jin K.S., Park B.W., Byeon J.G., Tarasova S.U. Unconscious operant conditioning in the paradigm of brain-computer interface based on color perception. Intern. J. Neuroscience. 2005; 115: 781–802.

  10. Кропотов Ю.Д., Пономарев В.А., Ферри Р. Реорганизация пространственной корреляции ЭЭГ, вызванная зрительной стимуляцией. Физиология человека. 1999; 25 (3): 25–33.

  11. Трифонов М.И., Панасевич Е.А. Методические аспекты кросскорреляционного анализа ЭЭГ. Российский физиологический журнал им. И.М. Сеченова. 2018; 104 (7): 856–871.

  12. HTML Color Picker. URL: https://www.w3schools.com/colors/colors_picker.asp (дата обращения: 26.11.2019).

  13. Протасов В.Ю. Максимумы и минимумы в геометрии. М.: МЦНМО; 2005. 56.

Поступила в редакцию 16.09.2019; принята 30.03.2020.

 

Авторский коллектив

Туровский Ярослав Александрович – кандидат медицинских наук, доцент, ФГБОУ ВО «Воронежский государственный университет». 394018, Россия, г. Воронеж, ул. Университетская площадь, 1; ФГБУН «Институт проблем управления им. В.А. Трапезникова Российской академии наук». 117997, Россия, г. Москва, ул. Профсоюзная, 65; e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID ID: https://orcid.org/0000-0002-5290-885X.

Борзунов Сергей Викторович – кандидат физико-математических наук, доцент кафедры цифровых технологий, ФГБОУ ВО «Воронежский государственный университет». 394018, Россия, г. Воронеж, ул. Университетская площадь, 1; e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID ID: https://orcid.org/0000-0002-5099-9655.

Данилова Анна Вячеславовна – студент факультета компьютерных наук, ФГБОУ ВО «Воронежский государственный университет». 394018, Россия, г. Воронеж, ул. Университетская площадь, 1; e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID ID: https://orcid.org/0000-0001-7750-8118.

Глаголева Екатерина Павловна – студент медико-биологического факультета, ФГБОУ ВО «Воронежский государственный университет». 394018, Россия, г. Воронеж, ул. Университетская площадь, 1; e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра., ORCID ID: https://orcid.org/0000-0001-5723-9432.

 

Образец цитирования

Туровский Я.А., Борзунов С.В., Данилова А.В., Глаголева Е.П. Динамика непроизвольного формирования корреляционных паттернов ЭЭГ по механизму биологической обратной связи. Ульяновский медико-биологический журнал. 2020; 2: 90–99. DOI: 10.34014/2227-1848-2020-2-90-99.