БІОЛОГІЧНІ ТА МЕДИЧНІ ПРИЛАДИ І СИСТЕМИ ХV Міжнародна науково-технічна конференція “Фізичні процеси та поля технічних і біологічних об’єктів” 3 КЛАСИФІКАЦІЯ КОМБІНОВАНИХ УЯВНИХ РУХІВ ЗА ДОПОМОГОЮ БІНАРНИХ КЛАСИФІКАТОРІВ У НЕЙРОКОМП’ЮТЕРНИХ ІНТЕРФЕЙСАХ Авілов О.О., Попов А.О., Тимофєєв В.І. Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського", Київ, Україна. E-mail: lesha.avilov@gmail.com Бугрен Л., Енафф П. Університет Лотарингії, Нансі, Франція. Наведено результати класифікації комбінованих уявних рухів за допомогою трьох паралельно з’єднаних бінарних класифікаторів. Показано переваги фільтрування сигналів одночасно в багатьох вузьких частотних діапазонах. Ключевые слова: нейрокомп’ютерні інтерфейси, машинне навчання, наука про дані, ЕЕГ. COMBINED IMAGINARY MOVEMENTS CLASSIFICATION USING BINARY CLASSIFIERS IN BRAIN- COMPUTER INTERFACES Avilov O., Popov A., Timofeyev V. National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute, Kyiv, Ukraine. E-mail: lesha.avilov@gmail.com Bougrain L., Henaff P. University of Lorraine, Nancy, France. The results of combined imaginary movements classification using three parallel-connected binary classifiers are pre- sented The advantage of filtering signals simultaneously in many narrow frequency bands is shown. Key words: brain-computer interface, machine learning, data science, EEG. АКТУАЛЬНІСТЬ РОБОТИ. Нейрокомп’ютерні інтерфейси, засновані на руховій активності, спрямовані на відновлення рухових навичок у людей з паралічем або надання пристроїв для допомоги таким людям (інтер- фейси з комп'ютерами, роботизовані руки, інвалідні крісла) [1, 2]. Основними напрямками розробки в даній сфері є підвищення точності розпізнавання рухів шляхом розробки нових методів, архітектур машинного нав- чання та наборів ознак, скорочення часу прийняття рішення, збільшення кількості ступенів свободи систем. В таких інтерфейсах широко використовуються уявні рухи. Уявні рухи відбуваються в результаті ментального процесу, під час якого людина уявляє певний рух [3], в наслідок чого модулюється нейронна активність в мо- торних областях кори головного мозку, яка може спостерігатись за допомогою електроенцефалограм [4,5]. Для визначення уявних рухів використовують методи електроенцефалографії, магнітоенцефалографії, функціональ- ної магніто-резонансної томографії. За допомогою кожного з цих методів вимірюється зміна нейронної актив- ності в мю-, альфа-, бета-ритмах в моторних областях кори головного мозку та безпосередньо у первинній мо- торній корі, яка відповідає за свідомі рухи. Зазвичай у нейрокомп’ютерних інтерфейсах використовуються 2-3 уявні рухи (права рука, ліва рука, ноги). Проте, комбінуючи ці рухи можна отримати вісім різних команд. Завдяки збільшенню кількості команд можли- во збільшити кількість ступенів свободи пристрою, що управляється. Комбіновані уявні рухи використовують- ся для управління роботизованою рукою. Точність класифікації для такої 8-класової задачі, суттєво нижче ніж при бінарних задачах, — приблизно 25-30% [6]. Такий рівень точності суттєво вищий ніж випадкова величина (12,5% для 8-класової задачі). Проте даний рівень точності наразі унеможливлює застосування даного підходу для реальних пристроїв і потребує доопрацювання. В цій роботі пропонується використовувати три паралельно зв'язані бінарні класифікатори замість мульти- класового класифікатора. Ідея полягає в тому, щоб навчати три бінарні класифікатори на даних з окремими уявними рухами, а тестувати їх на наборі, який складатиметься з усіх можливих комбінацій цих рухів. МАТЕРІАЛИ ТА МЕТОДИ. В експерименті взяло участь 11 праворуких суб’єктів (8 чоловіків та 3 жінки від 19 до 43 років), яким було запропоновано виконувати уявні рухи. Вони не мали хвороб, які могли б вплинути на завдання. Всі експерименти проводилися за згодою (затвердженою етичним комітетом INRIA) кожного учасника та слідуючи положенням WMA декларації Хельсінкі про етичні принципи проведення медичних досліджень з використанням людей. Сигнали ЕЕГ були записані з частотою дискретизації 256 Гц та стиснені до частоти дискретизації. Сигнали містять 26 каналів ЕЕГ згідно з міжнародною системою 10-20 (Fp1; Fpz; Fp2; Fz; FC5; FC3; FC1; FCz; FC2; FC4; FC6; C5; C3; C1; Cz; C2; C4; C6; CP5; CP3; CP1; CPz; CP2; CP4; CP6 та Pz). Суб’єкти мали виконувати вісім різних уявних моторних завдань (рух правою рукою, лівою рукою, ногами, обома руками, правою рукою та ногами, лівою рукою та ногами, обома руками та ногами та стан відносного спокою), що відображались на екрані за звуковим сигналом впродовж чотирьох сесій. В кожній сесії міститься по 10 уявних рухів кожного виду. ЕКСПЕРИМЕНТ. Сигнали з трьох електродів (C3, C4, Cz), що відповідають моторним зонам кори головного мозку, фільтруються в альфа- та бета-діапазонах частот. Використовується смуговий фільтр Баттерворта 5-го порядку в альфа- та бета-діапазонах частот. По отриманим фільтрованим сигналам розраховується набір ознак на основі «десинхронізації» та «синхронізації» (event-related desynchronization (ERD) and synchronization (ERS) [7]. Використовуючи цей показник, можна побачити спадання та зростання коливань в brought to you by CORE View metadata, citation and similar papers at core.ac.uk provided by INRIA a CCSD electronic archive server