Повышение эффективности гибридного интерфейса мозг–компьютер на основе NIRS и ЭЭГ

Неинвазивные интерфейсы мозг–компьютер (BCI) были предложены для применения в нейропротезировании. Однако публикации о применении электроэнцефалографии (ЭЭГ) указывают на необходимость повышения точности и стабильности. В настоящей работе исследуется возможность использования спектроскопии в ближней инфракрасной области (NIRS) для улучшения подхода на основе ЭЭГ. В исследовании оба метода одновременно применялись в режиме реального времени в парадигме интерфейса мозг–компьютер, основанной на сенсомоторном ритме (SMR) и включавшей как выполнение движений, так и воображение движений. Мы проверили, может ли классификация данных NIRS дополнять текущую классификацию данных ЭЭГ в реальном времени. Результаты показывают, что одновременная регистрация сигналов NIRS и ЭЭГ может значительно повысить точность классификации воображаемых движений более чем у 90% рассмотренных испытуемых и в среднем увеличить эффективность на 5% (p<0.01). Однако большая задержка гемодинамического ответа может препятствовать общему увеличению скорости передачи информации. Кроме того, мы обнаружили, что ЭЭГ и NIRS дополняют друг друга по информационному содержанию и поэтому представляют собой перспективную мультимодальную технологию визуализации, пригодную для интерфейсов мозг–компьютер.