Сенсорные системы, 2019, T. 33, № 2, стр. 157-165

ВВЕДЕНИЕ

Значительный интерес к интерфейсам мозг-компьютер (нейрокомпьютерным интерфейсам) привел к разработке большого количества устройств, реализующих широкий спектр принципов регистрации и обработки мозговой активности (Blankertz, 2002; Zhu, 2010; Hochberg, 2012). Однако при текущем уровне развития данного направления приходится констатировать, что скорость, точность, эргономичность и в конечном счете эффективность данного класса устройств существенно по всем параметрам уступают не только “классическим” интерфейсам человек-компьютер (клавиатура, джойстик, мышь), но и альтернативным интерфейсам, основанным на движении глаз пользователя (Туровский, 2017), его мышечной активности (Кисть Микеланджело, Ottobock, 2016), изменению дыхательного паттерна. Одним из путей совершенствования интерфейсов мозг-компьютер (ИМК), наряду с поиском новых физиологических феноменов и совершенствования программно-аппаратных решений, является углубление знаний об уже открытых феноменах, лежащих в основе функционирования ИМК. Одним из таких феноменов являются стабильные (устойчивые, установившиеся) зрительные вызванные потенциалы (steady state visually evoked potentials; SSVEP), в свою очередь служащие основой для одного из самых быстрых и точных ИМК. Являясь электрическим колебанием, близким к гармоническoму (Lin, 2007; Garsia, 2008), SSVEP представляет собой сигнал, детектирование которого не вызывает серьезных сложностей в плане цифровой обработки. Традиционно в большинстве публикаций анализируются показатели точности распознавания тех или иных частот фотостимуляции, которые вызывают появление SSVEP соответствующей частоты (Cecotti, 2010). Работа с интерфейсом, основанным на данных вызванных потенциалах, заключается не только в детекции каких-либо отдельно взятых частот, на которых пользователь сосредоточил свое внимание, но и в учете изменения частотно-временных характеристик вызванного потенциала (ВП) при переключении внимания со светодиода, мигающего с одной частотой, на светодиод, работающий на другой частоте. Очевидно, что наличие особенностей перестройки ЭЭГ-активности, возникающих при этом, могут повлиять на успешность распознавания соответствующего стимула, а следовательно, сказаться на функционировании всего комплекса ИМК (рис. 1).

Рис. 1.

Схема времени обработки ЭЭГ для выделения SSVEP. Пояснения в тексте.

Согласно рис. 1, в варианте а, обработка следующего отрезка времени начинается тотчас по генерации команды, сформированной программным комплексом ИМК после обработки предыдущего отрезка. При этом серый прямоугольник соответствует отрезку времени, когда происходит перестройка ЭЭГ-паттернов с одной частоты фотостимуляции (ФС) на другую. Очевидно, что при этом второй отрезок времени будет “зашумлен” переходным процессом в ВП, что не может не сказаться на точности детекции генерируемой пользователем команды. В варианте б, после генерации команды в программно-аппаратной части интерфейса формируется прерывание сбора и/или обработки данных (серый прямоугольник с черной рамкой) на время, достаточное для того, чтобы обеспечить перестройку SSVEP с одной частоты на другую. Подобную перестройку с SSVEP одной частоты на другую в дальнейшем будем называть р-SSVEP. При этом доля времени, содержащая переходный процесс, существенно снижена. Следовательно, информация, содержащая только параметр успешности распознания SSVEP на заданной частоте в фоновой ЭЭГ, является недостаточной. Необходимо оценить переходные процессы, возникающие при перестройке режима фотостимуляции. Подобный подход был использован, например, в работе (Божокин, 2010). Однако авторы используют свой, оригинальный поправочный коэффициент, для характеристики амплитудно-частотных компонентов сигнала, что делает затруднительным сравнительный анализ с работами, где применялись стандартные подходы в вейвлет-преобразовании (Астафьева, 1996). Предпринимались попытки триггерной фотостимуляции в задачах ИМК (Каплан, 2010).

Цель работы – оценка частотно-временных характеристик SSVEP и р-SSVEP в условиях переключения частоты стимуляции.

МАТЕРИАЛЫ И МЕТОДЫ

В исследовании приняли участие 30 человек обоего пола (14 девушек и 16 юношей) в возрасте от 18 до 24 лет. Все испытуемые ранее не имели опыта управления с использованием ИМК. Фотостимуляция осуществлялась шестью диодами белого цвета (0.5 Вт), расположенными на специальной рамке по краям 21^// LCD монитора. Испытуемый располагался в кресле, заняв удобную позу перед монитором на удобном для себя расстоянии (не ближе 0.5 м и не дальше 1.5 м), с задачей внимательно смотреть на любой из светодиодов или группу светодиодов в зависимости от удобства. Тем самым имитировали работу с ИМК. Регистрацию проводили во второй половине дня, начиная с 14 ч. Нейрокомпьютерный (мозг-компьютер) интерфейс являлся синхронным и основывался на детекции SSVEP. Регистрация ЭЭГ осуществлялась “Нейрон-Спектр-4 ВП” производства ООО “Нейрософт” со включенным режекторным фильтром и выключенными фильтрами высоких и низких частот. ЭЭГ активность регистрировалась электродами в позициях O₁, O₂, Oz, P₃, P₄, Pz; индифферентным электродом служил объединенный ушной электрод. Фотостимуляцию осуществляли на одной частоте П-образными стимулами всеми диодами без сдвига по фазе. С целью снижения утомления испытуемых было выбрано три серии стимуляции: переход с 9.01 на 13.86 Гц и обратно; с 9.01 на 10.10 Гц и обратно; с 13.86 на 12.65 Гц и обратно. Переключение частот осуществляли в отрезок времени, соответствующий выключенному светодиоду так, что следующий период его свечения соответствовал уже другой частоте. Выбор частот был определен несколькими требованиями: наименьшее общее кратное должно быть максимальным, по сравнению с другими наборами частот, во избежание кратковременной синхронизации при фотостимуляции; число осцилляций должно быть максимально приближенное к целому в одну секунду; не иметь частот, кратных 50 Гц. При этом частотный диапазон ФС должен находиться внутри частотного диапазона альфа-ритма, иметь максимально возможные расстояния между частотами фотостимуляции в частотном пространстве, но не затрагивать нижние частоты альфа-ритма, так как использование их снижает скорость работы ИМК. Порядок серий для каждого испытуемого определялся случайным образом. Таким образом, было реализовано переключение с низких частот фотостимуляции на высокие, с высоких на низкие, а так же два варианта работы при частотах, расположенных относительно близко друг к другу. Предварительные исследования, реализованные на семи испытуемых, не вошедших в основную группу, показали, что при используемом числе накоплений, равном 100, проведение четвертой, пятой и более серий вызывает серьезное утомление и снижение концентрации внимания. Полученный в результате накоплений сигнал для каждой из серий представлял собой двухсекундную последовательность (частота дискретизации 1 кГц, разрядность АЦП 16 бит), где первая секунда соответствовала первой частоте в серии, а вторая – второй.

В качестве методов спектральной обработки рассматривались вейвлет- и чирплет-преобразования. Очевидно, что чирплет, являясь линейно-модулированной по частоте функцией, имеет более широкий спектр, чем, например, вейвлет Морлет, что делает затруднительной физиологическую интерпретацию результатов чирплет-преобразования.

Таким образом, в работе в качестве метода спектральной обработки применялся вейвлет анализ, с действительной частью вейвлета Морлет (ω₀ = 2π) в качестве базисной функции. На первом этапе исследования вейвлеты использовались как фильтры исходного сигнала. При этом центральная частота каждого вейвлета подбиралась в соответствии с частотой фотостимуляции. Далее по полученным отфильтрованным сигналам для соответствующих частот строилась огибающая по локальным максимумам сигнала. Оценивалось время, в течение которого сигнал одной частоты по амплитуде огибающей превосходил сигнал другой для состояния до изменения и после изменения частоты фотостимуляции.

Полученные в результате непрерывного вейвлет-преобразования коэффициенты (называемые коэффициентами вейвлет-преобразования) возводились в квадрат. Получившаяся поверхность в пространстве масштаб вейвлет-преобразования (величина обратная частоте) – время, содержит цепочки локальных максимумов (ЦЛМ). Это области, где наиболее выражены амплитуды квадратов коэффициентов вейвлет-преобразования (рис. 2) и, следовательно, в исходном сигнале выражен соответствующий пул частот. Исследовался диапазон от 7 до 40 Гц. На рис. 2 представлены локальные максимумы квадратов коэффициентов вейвлет-преобразования, вертикальная линия на 1000 мс разделяет две частоты фотостимуляции (9.01 и 10.10 Гц). Области а и б соответствуют краевым эффектам при вейвлет-преобразовании и не учитываются в дальнейшем анализе. Согласно работе (Туровский, 2014) анализировались параметры цепочек локальных максимумов (ЦЛМ) спектров в W²(a,b): частоты их начала и завершения, суммарная длительность. Выделялись четыре типа ЦЛМ (рис. 2), в пределах которых частота локальных максимумов: монотонно нарастала (область 1 соответствует типу 1); – монотонно убывала (область 2 – типу 2); – сначала нарастала, затем держалась на одном уровне и потом убывала (тип 3); – сначала убывала, затем держалась на одном уровне и потом нарастала (тип 4). В работе были выбраны следующие варианты детекции сигнала: 100, 150, 200 мс эпохи анализа с 80- и 60%-ным “заполнением” для каждой. Иными словами, например, при 200 мс скользящем окне в 80% от времени в означенной временной локализации (160 мс) должен присутствовать частотный пик соответствующего сигнала, сформированный одной или несколькими ЦЛМ.

Рис. 2.

Структура локальных максимумов накопленного SSVEP. Пояснения в тексте.

В статистическом анализе полученных результатов использовались методы дескриптивной статистики, а учитывая, что распределения большинства показателей не являются нормальными, применялись критерии непараметрической статистики: критерии Крускайла-Уоллеса, Манна-Уитни, Фридмана и Вилкоксона для парных случаев (Рунион, 1982; Гланц, 1998), при этом параметр α принимался равным 5%. Для выявления индивидуальных и групповых особенностей исследуемых показателей применялся кластерный анализ (метод К-средних). Учитывался эффект множественных сравнений.

РЕЗУЛЬТАТЫ

Анализ динамики изменения спектральных компонент ВП во временной области

Полученные результаты представлены в табл. 1. Следует обратить внимание, что для оптимизации представления данных для каждого сравнения выбраны показатели только одной частоты. Действительно, если в течение 744 из 1000 мс огибающая сигнала ЭЭГ с частотой А была выше огибающей сигнала с частотой Б, то в оставшееся время имеет место быть обратная ситуация. Следовательно, например, различия по частотам А симметричных отведений означают различия и для частот Б, не указанных в таблице в явном виде.

Таблица 1.

Сравнение амплитуды исследуемых частот фотостимуляции в структуре SSVEP при изменении частоты воздействия (М ± m)

Серии экспериментов и ЭЭГ-отведения		Амплитуда огибающей для частоты 9.01 Гц (А) выше амплитуды огибающей для частоты 13.86 Гц (Б) (мс); эксперимент I		Амплитуда огибающей для частоты 9.01 Гц (А) выше амплитуды огибающей для частоты 10.10 Гц (Б) (мс); эксперимент II		Амплитуда огибающей для частоты 13.86 Гц (А) выше амплитуды огибающей для частоты 12.65 (Б) (мс); эксперимент III
		Первая половина сигнала	Вторая половина сигнала	Первая половина сигнала	Вторая половина сигнала	Первая половина сигнала	Вторая половина сигнала
Серия №1 (переключение с частоты А на частоту Б)	O1	774 ± 37*■	744 ± 42*	701 ± 36*	604 ± 38*	271 ± 33*	325 ± 37*
	O2	691 ± 46*	713 ± 53*♦	663 ± 41*	610 ± 44*	344 ± 42*	365 ± 37*
	Oz	704 ± 48*	698 ± 49*	700 ± 44*	552 ± 38*♦♦	337 ± 46*	375 ± 38*
	P3	793 ± 38*■	765 ± 38*	721 ± 41*	639 ± 39*	303 ± 37*	277 ± 30*
	P4	767 ± 39*	785 ± 37*	747 ± 42*	667 ± 42*	308 ± 44*	307 ± 30*
	Pz	734 ± 40*	754 ± 37*	717 ± 39*	637 ± 38*	297 ± 36*	312 ± 31*
Серия №2 (Переключение с частоты Б на частоту А)	O1	753 ± 44*■	788 ± 38*	598 ± 39*■	679 ± 32*	306 ± 36*	318 ± 35*
	O2	715 ± 52*	696 ± 46*	589 ± 50*	663 ± 39*	388 ± 39*	362 ± 36*
	Oz	658 ± 60*	727 ± 49*	548 ± 46*	686 ± 39*♦	358 ± 44*	318 ± 42*
	P3	767 ± 41*	774 ± 34*	640 ± 40*	723 ± 34*	303 ± 37*	310 ± 40*
	P4	745 ± 43*	765 ± 43*	628 ± 40*	711 ± 38*	315 ± 35*	329 ± 42*
	Pz	751 ± 44*	740 ± 39*	581 ± 44*	679 ± 39*	357 ± 35*	314 ± 38*

Примечание: * – p < 0.001 при сравнении с другой частотой в этом же отрезке времени. ■ – p < 0.05 при сравнении c симметричным отведением в этом же эксперименте, ♦ – p < 0.05, ♦♦ – p < 0.001 при сравнении между первой и второй половинами зарегистрированного SSVEP.

При переключении частот фотостимуляции с 9.01 на 13.86 Гц и обратно видно, что сигнал на первой из частот значимо выше, чем на второй даже при фотостимуляции на частоте 13.86 Гц. Вероятно, этот эффект связан с тем, что высокая частота фотостимуляции находится на границе α-ритма, что отрицательно сказывается на ее усвоении. Именно для этих частот наиболее выражена асимметрия реакций между соответствующими отведениями: в левом полушарии низкочастотный компонент SSVEP доминировал большее время. При этом различия в амплитуде отфильтрованных сигналов в зависимости от частоты фотостимуляции наблюдались и для частот 9.01 и 10.10 Гц (отведение Oz), в отличие от более высокочастотных компонентов.

Надо учитывать, что полученные результаты усреднены по выборке, однако известно, что успешность освоения интерфейсов мозг-компьютер разная для разных пользователей, следовательно, необходимо выявить типовые реакции для групп пользователей. Для этого воспользуемся кластерным анализом (метод К-средних), объединив данные со всех отведений всех испытуемых. Проведя разделение на два, три, четыре и пять кластеров установлено, что разделение на более чем три кластера лишь детализирует уже полученные в случае трех кластеров закономерности (рис. 3). В эксперименте I, где взаимодействуют ЭЭГ-реакции на низкочастотные и высокочастотные воздействия, выявлена группа, в которой SSVEP на частоте в 9.01 Гц практически не формировался (кластер 1 – 76 наблюдений). Следует отметить, что кластеризация проводилась не по испытуемым, а по каждому из полученных SSVEP и p-SSVEP. Иными словами, с одного человека было получено шесть наблюдений в соответствии с числом каналов регистрации сигнала. Кластер 2 (133 наблюдений) и кластер 3 (139 наблюдений) продемонстрировали доминирование в ВП частоты 9.01 Гц вне зависимости от фотостимуляции (один испытуемый был исключен из рассмотрения по причине наличия “выбросов” данных, формирующих отдельный кластер). В случае высокочастотной фотостимуляции (эксперимент III) сформировался компактный кластер, при этом ФС на частоте в 12.65 Гц вновь выделила кластер 1 в отдельную группу, в которой продемонстрирована чувствительность к отсутствию ФС на исследуемой частоте (и присутствию частоты 13.86 Гц). В эксперименте II (две близко расположенные низкие частоты) каждый из кластеров продемонстрировал свои особенности. Кластер 3 снизил выраженность частоты 9.01 Гц при отсутствии ФС. Реакция кластера 2 обратная – отсутствие ФС приводит к выраженному увеличению амплитуды соответствующей частоты, и наконец, кластер 1 не показал динамики в зависимости от ФС.

Рис. 3.

Результаты кластерного анализа для трех экспериментов с переключением частот фотостимуляции. (ФС) – проводилась фотостимуляция на указанной частоте; (–) – фотостимуляция на указанной частоте не проводилась, осуществлялась фотостимуляция на другой частоте в соответствии с протоколом эксперимента; *** – р < 0.001, ** – p < 0.01.

Кластеризация проходила по всем отведениям, используемым в эксперименте, следовательно, доля тех или иных каналов ЭЭГ-записи, сформировавших кластер, может быть различна. Рассмотрим распределение каналов для каждого из кластеров. Сравнение с использованием критерия χ² частот встречаемости каждого из каналов в кластерах показало тенденцию к различию (p = = 0.08). Для выявления возможных различий отведения были сгруппированы в “теменные” и “затылочные”. В этом случае различия между частотами встречаемости отведений в кластерах статистически значимы (р < 0.005). При этом кластеры 2 и 3, будучи наиболее многочисленными, продемонстрировали противоположное распределение каналов (рис. 4) в зависимости от серии эксперимента. Кластер 1 в значительной степени сформировал затылочные отведения, что подтверждает гипотезу о плохом усвоении высокочастотного ритма (13.86 Гц) испытуемыми, чьи сигналы сформировали эту группу.

Рис. 4.

Распределение отведений (каналов) по кластерам.

Поскольку кластеризация проходила по показателю времени, в течение которого одна из частот в SSVEP – p-SSVEP превышала другую, то полученные результаты можно интерпретировать как функциональное разделение каналов ЭЭГ по ответу на фотостимуляцию. К примеру, кластер 2 сформирован преимущественно по принципу максимальной реакции в сериях экспериментов, где осуществлялось переключение частот с 13.86 на 9.01 Гц (эксперимент I), с 10.10 на 9.01 Гц (эксперимент II) и с 12.65 на 13.86 Гц (эксперимент III). Обратная ситуация с кластером 1.

Сравнение частотно-временной структуры переходных процессов при изменении частоты фотостимуляции

С практической точки зрения наиболее важным является не только разделение пользователей по реакции на ФС, или же топографическое картирование ответов, но и время, которое занимает перестройка частотно-временного паттерна. Очевидно, что этот показатель является важным лимитирующим значением для скорости работы интерфейса мозг-компьютер. Действительно, если перестройка занимает достаточно большое время, то возможна ситуация, когда интерфейс не сможет работать с требуемой скоростью или же точностью, поскольку в процессе формирования p-SSVEP будут появляться новые частоты, которые могут быть ошибочно интерпретированы программно-аппаратными решениями интерфейса как команды. Рассмотрим рис. 5, где продемонстрирован пример структуры локальных максимумов квадратов вейвлет-коэффициентов, сформированных при изменении частоты фотостимуляции, которой соответствует нулевой отсчет времени. Текущая частота фотостимуляции составила 10.10 Гц, при коридоре поиска частотного пика, отнесенного к данной частоте от 9.7 до 10.6 Гц. Следует обратить внимание, что частоты при вейвлет-преобразовании изменяются нелинейно: лучшее разрешение по частоте находится как раз в области более низких частот. Вертикальный маркер А соответствует выполнению условия, когда в течение 100 мс был детектирован частотный пик в искомом диапазоне на вейвлет-диаграмме. При этом данная последовательность сфoрмирована несколькими ЦЛМ разных типов (в данном случае первого и второго).

Рис. 5.

Выявление частотно-временных областей SSVEP, содержащих частотные пики, порожденные фотостимуляцией. Пояснение в тексте.

Латентное время появления данных выраженных частотных компонент для исследуемых сигналов колебалось от 150 до 420 мс, однако различий по отведениям, частотам и экспериментам выявить не удалось. Также не удалось выявить различий в зависимости от процента “заполнения” сигналом заданного временного отрезка. При этом следует обратить внимание, что искомый сигнал детектировался не у всех 29 испытуемых (табл. 2). В ряде случаев число людей, генерирующих сигнал требуемой частоты после изменения режима фотостимуляции, было значительно ниже. Так, при 80%-ном “заполнении” число пользователей, у которых бы был детектирован сигнал в искомом частотном диапазоне, значимо меньше, чем при 60%-ном заполнении, что является очевидным следствием более низких требований к наличию частотных компонентов в сигнале. В то же время увеличение эпохи анализа приводит к снижению числа наблюдений SSVEP заданной частоты. Данный феномен наблюдался для всех экспериментов и может быть интерпретирован как неустойчивость в частотном пространстве исследуемого паттерна. Из рис. 5 видно, что ЦЛМ 1- и 2-го типов формируются в частотных диапазонах, значительно превышающих диапазон, в котором детектируется сигнал. Это приводит к формированию областей времени, в которых частотный пик отсутствует, что и приводит к снижению числа наблюдений при увеличении эпохи анализа, поскольку требует большего (в абсолютном значении) времени нахождения частотного пика в исследуемом диапазоне. Сравнение двух частот (9.01 и 13.86 Гц) ФС, которые применялись в двух разных экспериментах, показало, что для первой из них различия во встречаемости среди испытуемых отсутствуют. В то же время для второй частоты эти различия были статистически значимыми, но только в случае 80% “заполнения”: частота детекции сигнала при переходе от низкой частоты ФС к высокой была значимо ниже, чем при переключении с относительно высокой частоты (12.65 Гц) на близко расположенную (13.86 Гц). Возможно, здесь имеет место сохранение частотных компонент от сигнала при ФС в 12.65 Гц, которые частично присутствуют в достаточно близком частотном диапазоне. При 60%-ном заполнении установлено, что число сигналов, детектированных для всех эпох анализа в парах частот ФС 9.01–13.86 и 13.86–12.65 Гц, менялось в зависимости от частоты ФС. В обоих случаях высокочастотный компонент идентифицировался лучше, чем низкочастотный. При сравнении с результатами экспериментов, где ФС была представлена частотами 9.01 и 10.10 Гц, видно, что в последнем случае различия касались только эпохи анализа в 100 мс. При больших отрезках различия не наблюдались, что опять же можно объяснить наличием близкорасположенных частот SSVEP, которые могут “маскировать” друг друга при изменении режима ФС, т.е. формировании p-SSVEP. Отсутствие различий в частотах одной серии экспериментов для 80%-ного заполнения может быть объяснено низкой чувствительностью статистических критериев в связи с небольшим числом наблюдений.

Таблица 2.

Число детектированных ЦЛМ в заданных частотных диапазонах при ФС

“Заполнение” 60%
Экспери-мент I	O1	O2	Oz	P3	P4	Pz	O1	O2	Oz	P3	P4	Pz
9.01 Гц*							13.86Гц*♦
100●	16	15	11	16	14	10	26	21	23	24	22	26
150●	9	11	6	8	10	7	19	17	17	19	17	19
200●	5	7	3	6	4	5	10	12	15	11	12	12
Экспери- мент II	9.01 Гц *						10.10 Гц *
100●	11	17	16	14	17	17	22	17	19	20	20	20
150	7	13	11	12	11	10	18	9	13	14	13	12
200	5	8	8	11	8	8	11	6	12	8	9	9
Эксперимент III	13.86 Гц *♦						12.65* Гц
100●	28	24	24	25	27	26	22	19	22	23	25	23
150●	25	22	20	20	21	21	17	15	17	15	17	16
200●	19	20	16	16	17	14	14	12	15	11	12	11
“Заполнение” 80%
Эксперимент I	9.01 Гц *						13.86 Гц*♦
100●	13	10	9	8	9	11	5	5	3	5	5	1
150	3	9	7	2	4	4	2	1	1	3	2	1
200	2	5	6	2	2	2	1	0	0	3	1	1
Эксперимент II	9.01 Гц *					10.10 Гц *
100	9	6	9	9	9	8	4	8	6	10	6	8
150	3	2	4	1	4	3	2	4	3	3	2	4
200	1	0	3	0	4	1	0	2	1	3	1	0
Эксперимент III	13.86 Гц*					12.65 Гц *
100	10	10	14	9	13	8	17	15	13	12	14	14
150	8	7	10	4	6	5	6	10	7	6	5	7
200	3	3	4	4	3	3	4	8	6	5	3	4

Примечание: * – р < 0.01 различия в зависимости от эпохи анализа при одной частоте и одном эксперименте; ♦ – р < 0.01 различия по одной и той же частоте в разных экспериментах; ● – р < 0.01 различия по одной и той же эпохе анализа для разных частот ФС.

Сравнивая данные, полученные при вейвлет-фильтрации и при детекции частот на основе ЦЛМ, нетрудно заметить, что в первом случае лучше детектируются низкие частоты, во втором – высокие. Данные различия можно объяснить тем, что в случае вейвлет-фильтрации анализируется только один масштаб вейвлет-преобразования, т.е. одна пиковая частота. В случае оценки на основе ЦЛМ выбирается частотный диапазон, и анализируется представление данной частоты без сравнения с другими частотами. Иными словами, оценивается только факт наличия в данном диапазоне ЦЛМ.

ЗАКЛЮЧЕНИЕ

В работе проведен анализ SSVEP и переходных процессов в условиях изменения частоты фотостимуляции, что имитирует работу с интерфейсом мозг-компьютер. Показано, что в случае переключения частоты фотостимуляции с 9.01 на 13.86 Гц и обратно амплитуда огибающей сигнала после вейвлет-фильтрации на первой из частот значимо выше, чем на второй, даже при фотостимуляции на частоте 13.86 Гц. При этом различия в амплитуде отфильтрованных сигналов в зависимости от частоты фотостимуляции наблюдались для частот 9.01 и 10.10 Гц, в отличие от более высокочастотных компонентов. Метод К-средних выявил три кластера, различающихся особенностями реакции на ФС и распределениями каналов ЭЭГ, ее демонстрирующих.

Установлено, что в ряде случаев число людей, генерирующих сигнал требуемой частоты после изменения режима фотостимуляции, было значительно ниже 100%, вплоть до случаев полного отсутствия детекции сигнала. При этом увеличение эпохи анализа приводит к снижению числа наблюдений SSVEP заданной частоты. Сравнение двух частот (9.01 и 13.86 Гц), участвующих в двух разных экспериментах, показало, что для первой различия во встречаемости среди испытуемых отсутствуют. В то же время для второй частоты эти различия были статистически значимыми: частота детекции сигнала при переходе от ФС с низкой частотой к высокой была значимо ниже, чем при переключении с относительно высокой частоты (12.65 Гц) на близко расположенную (13.86 Гц). Установлено, что число сигналов, детектированных для всех эпох анализа в парах частот ФС 9.01–13.86 и 13.86–12.65 Гц, зависело от частоты ФС. В обоих случаях высокочастотный компонент идентифицировался лучше, чем низкочастотный. При сравнении с результатами, где ФС представлена частотами 9.01 и 10.10 Гц, установлено, что различия касались только эпохи анализа в 100 мс.

Полученные результаты расширяют представление о формировании SSVEP при изменении частот фотостимуляции и могут быть использованы при конструировании синхронных интерфейсов мозг-компьютер, основанных на данном электрофизиологическом феномене.

Работа выполнена при поддержке РФФИ (грант № 16-29-08342-офи_м).