Vestnik of Samara State Technical University. Technical Sciences SeriesVestnik of Samara State Technical University. Technical Sciences SeriesВестник Самарского государственного технического университета. Серия «Технические науки»1991-85422712-8938Samara State Technical University2020610.14498/tech.2016.4.%uArticlesСтатьиResearch ArticleIdentification of significant leads in the EEG during recognition imaginary movementsВыявление значимых отведений в электроэнцефалографии при распознавании воображаемых движенийAgapovSergey NАгаповСергей Николаевич

Specialist of Laboratory

специалист лаборатории математической обработки биологической информации

BulanovVladimir AБулановВладимир Александрович

Head of Laboratory

начальник лаборатории математической обработки биологической информации

GubanovNikolay GГубановНиколай Геннадьевич

(Ph.D. (Techn.)), Associate Professor

(к.т.н., доц.), заведующий кафедрой «Автоматизация и управление технологическими процессами»

ZakharovAlexander VЗахаровАлександр Владимирович

(Ph.D. (Medical.)), Associate Professor

(к.м.н.), доцент кафедры «Неврология и нейрохирургия»

SergeevaMariya SСергееваМария Станиславовна

(Ph.D. (Biolog.)), Associate Professor

(к.б.н.), доцент кафедры «Физиология»

IT Universe LLCООО «IT Universe»Samara State Technical UniversityСамарский государственный технический университетSamara State Medical UniversityСамарский государственный медицинский университет15122016244NO4 (2016)№4 (2016)71410022020Copyright ©; 2016, Agapov S.N., Bulanov V.A., Gubanov N.G., Zakharov A.V., Sergeeva M.S.Copyright ©; 2016, Агапов С.Н., Буланов В.А., Губанов Н.Г., Захаров А.В., Сергеева М.С.2016Agapov S.N., Bulanov V.A., Gubanov N.G., Zakharov A.V., Sergeeva M.S.Агапов С.Н., Буланов В.А., Губанов Н.Г., Захаров А.В., Сергеева М.С.https://creativecommons.org/licenses/by/4.0https://journals.eco-vector.com/1991-8542/article/view/20206

Modern technology is actively use the brain-computer interface (BCI). Human interaction with the environment through a communication with the electrical and chemical activity of the brain is one of the most important components of the next stage of scientific and technological development in the XXI century. In recent years there has been significant progress in tasks of recognition and classification of various types of motor imagery. At the moment, one of the main methods of control in BCI are the EEG correlates of imaginary movements. The aim of this study is to identify the localization of most significant EEG electrodes in task of pattern recognition the motor imagery of the dominant arm. Using the fewer EEG electrodes should lead to increase the efficiency and reduce the cost of the EEG-equipment.

В современной технике активно развивается направление нейрокомпьютерных интерфейсов (НКИ). Взаимодействие человека с окружающей средой через ее связь с электро- и химической активностью мозга будет одной из важнейших составляющих следующей ступени научно-технического развития в XXI веке. В последние годы достигнут значительный прогресс в распознавании и классификации выполнения различных видов воображаемых задач. На текущий момент одним из основных методов управления в НКИ являются ЭЭГ-корреляты воображаемых движений. Целью настоящего исследования является выявление локализации наиболее значимых ЭЭГ-отведений при распознавании паттерна воображаемого движения в ведущей руке. Меньшее количество используемых ЭЭГ-отведений должно привести к увеличению эффективности и уменьшению стоимости разрабатываемого оборудования.

EEGmotor imageryStudent's t-testBCIЭЭГвоображаемые движенияt-критерий СтьюдентаПодходы к формированию и запуску новых отраслей промышленности в контексте Национальной технологической инициативы, на примере сферы «Технологии и системы цифровой реальности и перспективные «человеко-компьютерные» интерфейсы (в части нейроэлектроники)» // Агентство стратегических инициатив. URL: https://asi.ru/nti/docs/Doklad.pdf (дата обращения: 08.11.2016).Vaughan, Heetderks, Trejo, Rymer, Weinrich, Moore, Kübler, Dobkin, Birbaumer, Donchin, Wolpaw EW, Wolpaw JR. Brain-computer interface technology: a review of the Second International Meeting // IEEE Trans. Neural Syst. Rehabil. Eng., vol. 11, no. 2, pp. 94-109, 2003.Lotte, Congedo, Lécuyer, Lamarche, Arnaldi. A review of classification algorithms for EEG-based brain-computer interfaces // J. Neural Eng., vol. 4, no. 2, pp. R1-R13, 2007.Leuthardt, Schalk, Roland, Rouse, Moran. Evolution of brain-computer interfaces: going beyond classic motor physiology // Neurosurg. Focus, vol. 27, no. 1, p. E4, 2009.Yong, Menon. EEG classification of different imaginary movements within the same limb // PLoS One, vol. 10, no. 4, 2015.Alotaiby, El-Samie, Alshebeili, Ahmad. A review of channel selection algorithms for EEG signal processing // EURASIP J. Adv. Signal Process., vol. 2015, no. 1, p. 66, 2015.Li, Chen, Yan, Wei, Wang. Classification of EEG Signals Using a Multiple Kernel Learning Support Vector Machine // Sensors, vol. 14, no. 7, pp. 12784-12802, 2014.Binnie, Dekker, Smit, Van Der Linden. Practical considerations in the positioning of EEG electrodes // Electroencephalogr. Clin. Neurophysiol., vol. 53, no. 4, pp. 453-458, 1982.Johns. A new method for measuring daytime sleepiness: the Epworth sleepiness scale // Sleep, vol. 14, no. 6. pp. 540-545, 1991.Kaida, Takahashi, Åkerstedt, Nakata, Otsuka, Haratani, Fukasawa. Validation of the Karolinska sleepiness scale against performance and EEG variables // Clin. Neurophysiol., vol. 117, no. 7, pp. 1574-1581, 2006.Hoddes, Dement, Zarcone. The development and use of the Stanford sleepiness scale (SSS) // Psychophysiology, vol. 9, p. 150, 1972.Shapiro, Francia. An approximate analysis of variance test for normality // J. Am. Stat. Assoc., vol. 67, no. 337, pp. 215-216, 1972.Boneau. The effects of violations of assumptions underlying the t test // Psychol. Bull., vol. 57, no. 1, pp. 49-64, 1960.Neuhäuser. Two-sample tests when variances are unequal // Anim. Behav., vol. 63, no. 2000, pp. 823-825, 2002.Posten. Robustness of the two-sample t-test // Robustness of Statistical Methods and Nonparametric Statistics, vol. 1, 1984, pp. 92-99.Lo, Chien, Chen, Tsai, Fang, Lin. A Wearable Channel Selection-Based Brain-Computer Interface for Motor Imagery Detection // Sensors, vol. 16, no. 2, p. 213, 2016.