ईईजी क्या है और इसकी आवश्यकता क्यों है

वैज्ञानिकों को अपने विज्ञान के पहले उल्लेख के लिए खोज करना पसंद है। उदाहरण के लिए, मैंने एक लेख देखा जहां यह गंभीरता से कहा गया था कि मस्तिष्क की विद्युत उत्तेजना पर पहला प्रयोग प्राचीन रोम में किया गया था, जब किसी को इलेक्ट्रिक ईल द्वारा झटका लगा था। एक रास्ता या दूसरा, आमतौर पर, इलेक्ट्रोफिजियोलॉजी का इतिहास आमतौर पर लुइगी गलवानी (XVIII सदी) के प्रयोगों से गणना की जाती है। इस लेख की श्रृंखला में हम मानव मस्तिष्क की विद्युत गतिविधि के बारे में पिछले 300 वर्षों में विज्ञान ने जो कुछ सीखा है, उसका एक छोटा सा हिस्सा यह बताने की कोशिश करेंगे कि इस सब से क्या मुनाफा निकाला जा सकता है।

मस्तिष्क विद्युत गतिविधि कहाँ से आती है?

मस्तिष्क न्यूरॉन्स और ग्लिया से बना है। न्यूरॉन्स विद्युत गतिविधि का प्रदर्शन करते हैं, ग्लिया भी ऐसा कर सकती है, लेकिन एक अलग तरीके से [ 1 ], [ 2 ], और आज हम इस पर ध्यान नहीं देंगे।

न्यूरॉन्स की विद्युत गतिविधि सेल और पर्यावरण के बीच सोडियम, पोटेशियम और क्लोरीन आयनों को पंप करने में होती है। न्यूरॉन्स के बीच, रासायनिक मध्यस्थों का उपयोग करके संकेत प्रेषित होते हैं। जब एक न्यूरॉन द्वारा स्रावित एक मध्यस्थ दूसरे न्यूरॉन के उपयुक्त रिसेप्टर में प्रवेश करता है, तो यह रासायनिक रूप से सक्रिय आयन चैनल खोल सकता है और सेल में आयनों की एक छोटी मात्रा को दे सकता है। नतीजतन, सेल अपना चार्ज थोड़ा बदल देता है। यदि पर्याप्त आयनों ने सेल में प्रवेश किया है (उदाहरण के लिए, एक संकेत एक ही समय में कई सिंकैप्स पर आ गया है), वोल्टेज के आधार पर अन्य आयन चैनल (अधिक हैं) खुले हैं, और सेल एक "सभी या कुछ नहीं" सिद्धांत के आधार पर मिलीसेकंड के मामले में सक्रिय होता है, और फिर वापस आ जाता है पिछली स्थिति। इस प्रक्रिया को एक्शन पोटेंशिअल कहा जाता है।

मैं इसे कैसे पंजीकृत कर सकता हूं

व्यक्तिगत कोशिकाओं की गतिविधि को रिकॉर्ड करने का सबसे अच्छा तरीका एक इलेक्ट्रोड को प्रांतस्था में छड़ी करना है। यह एक तार हो सकता है, यह कई दसियों चैनलों के साथ एक मैट्रिक्स हो सकता है, यह कई सैकड़ों के साथ एक पिन हो सकता है, या यह कई हजार के साथ एक लचीला बोर्ड हो सकता है (जैसे कि यह आपके लिए, मुखौटा मुखौटा )।

जानवरों पर, यह लंबे समय से किया गया है। कभी-कभी स्वास्थ्य कारणों (मिर्गी, पार्किंसंस रोग, पूर्ण पक्षाघात) के लिए, वे एक व्यक्ति पर किए जाते हैं। प्रत्यारोपण वाले रोगी विचार की शक्ति के साथ पाठ को प्रिंट करने में सक्षम होते हैं, एक्सोस्केलेटन को नियंत्रित करते हैं, और यहां तक ​​कि औद्योगिक जोड़तोड़ की स्वतंत्रता के सभी डिग्री को नियंत्रित करते हैं।

यह प्रभावशाली दिखता है, लेकिन निकट भविष्य में, इस तरह के तरीके हर जिला क्लिनिक में नहीं आएंगे, और विशेष रूप से स्वस्थ लोगों के लिए। सबसे पहले, यह बहुत महंगा है - प्रत्येक रोगी के लिए प्रक्रिया की लागत सैकड़ों हजारों डॉलर में मापा जाता है। दूसरे, कॉर्टेक्स में इलेक्ट्रोड का आरोपण अभी भी सभी संभावित जटिलताओं और प्रत्यारोपण के आसपास तंत्रिका ऊतक को नुकसान के साथ एक गंभीर न्यूरोसर्जिकल ऑपरेशन है। तीसरा, प्रौद्योगिकी ही अपूर्ण है - यह स्पष्ट नहीं है कि प्रत्यारोपण की ऊतक अनुकूलता के साथ क्या करना है, और ग्लिया के साथ उनके फाउलिंग को कैसे रोकना है, जिसके परिणामस्वरूप वांछित संकेत समय के साथ दर्ज किया जाना बंद हो जाता है। इसके अलावा, प्रत्येक रोगी को एक इम्प्लांट का उपयोग करने का तरीका सिखाना दैनिक प्रशिक्षण के एक वर्ष से अधिक समय ले सकता है।

आप छाल में गहरे तारों को नहीं चिपका सकते हैं, लेकिन धीरे से उस पर रख सकते हैं - आपको एक इलेक्ट्रोकॉर्टिकोग्राम मिलता है। यहां व्यक्तिगत न्यूरॉन्स के संकेत को पंजीकृत नहीं किया जा सकता है, लेकिन आप बहुत छोटे क्षेत्रों की गतिविधि देख सकते हैं (सामान्य नियम है, न्यूरॉन्स से बहुत दूर, विधि का स्थानिक संकल्प)। आक्रमण का स्तर कम है, लेकिन आपको अभी भी खोपड़ी को खोलने की आवश्यकता है, इसलिए इस पद्धति का उपयोग मुख्य रूप से संचालन के दौरान निगरानी के लिए किया जाता है।

आप तारों को कॉर्टेक्स पर भी नहीं डाल सकते हैं, लेकिन ड्यूरा पर (पतली खोपड़ी जो मस्तिष्क और वास्तविक खोपड़ी के बीच है)। यहां आक्रमण और संभावित जटिलताओं का स्तर और भी कम है, लेकिन संकेत अभी भी काफी उच्च गुणवत्ता वाला है। यह एपिड्यूरल ईईजी को बंद कर देगा। विधि सभी के लिए अच्छी है, हालांकि, यहां अभी भी एक ऑपरेशन की आवश्यकता है।

अंत में, मस्तिष्क की विद्युत गतिविधि का अध्ययन करने के लिए एक न्यूनतम इनवेसिव विधि एक इलेक्ट्रोएन्सेफलोग्राम है, अर्थात्, सिर की सतह पर इलेक्ट्रोड का उपयोग करके रिकॉर्डिंग। यह विधि सबसे व्यापक है, अपेक्षाकृत सस्ती है (टॉप-एंड डिवाइसेस की लागत कई दसियों डॉलर से अधिक नहीं है, और अधिकांश कई बार सस्ती हैं, उपभोग्य वस्तुएं लगभग मुफ्त हैं), और गैर-इनवेसिव तरीकों का उच्चतम समय रिज़ॉल्यूशन है - आप धारणा की प्रक्रियाओं का अध्ययन कर सकते हैं, जो कुछ मिलीसेकंड लेते हैं। नुकसान - कम स्थानिक संकल्प और शोर संकेत, जो, हालांकि, कुछ चिकित्सा और न्यूरो-इंटरफ़ेस उद्देश्यों के लिए पर्याप्त जानकारी शामिल है।

एक्शन पोटेंशिअल वाली तस्वीर में, यह देखा जा सकता है कि वक्र के दो मुख्य भाग हैं - वास्तव में, एक्शन पोटेंशिअल (बड़ी चोटी) और सिनैप्टिक क्षमता (बड़े शिखर से पहले आयाम में छोटा परिवर्तन)। यह मानना ​​तर्कसंगत होगा कि हम सिर की सतह पर जो रजिस्टर करते हैं, वह व्यक्तिगत न्यूरॉन्स की कार्रवाई क्षमता का योग है। हालांकि, वास्तव में, सब कुछ दूसरे तरीके से काम करता है - एक्शन पोटेंशिअल में लगभग 1 मिली सेकेंड लगता है और इसके उच्च आयाम के बावजूद, खोपड़ी और नरम ऊतकों से नहीं गुजरता है, लेकिन उनकी लंबी अवधि के कारण सिनैप्टिक क्षमता खोपड़ी की सतह पर अच्छी तरह से व्यवस्थित और दर्ज की जाती है। यह आक्रामक और गैर-इनवेसिव तरीकों द्वारा एक साथ रिकॉर्डिंग द्वारा सिद्ध किया गया है। यह भी महत्वपूर्ण है कि ईईजी ( यहां अधिक विवरण) का उपयोग करके प्रत्येक न्यूरॉन की गतिविधि को रिकॉर्ड नहीं किया जा सकता है।

यह महत्वपूर्ण है कि मस्तिष्क में लगभग 86 अरब तंत्रिका कोशिकाएं हैं (इस तरह की सटीकता के साथ इसकी गणना कैसे की जा सकती है, यहां पढ़ें), और इस तरह के शोर में एक न्यूरॉन की गतिविधि को गिनना असंभव है। हालाँकि, कुछ जानकारी अभी भी निकाली जा सकती है। कल्पना कीजिए कि आप एक फुटबॉल स्टेडियम के केंद्र में खड़े हैं। जबकि प्रशंसक केवल शोर कर रहे हैं और आपस में बात कर रहे हैं, आप एक स्थिर गुनगुनाहट सुनते हैं, लेकिन जैसे ही उन उपस्थित लोगों का एक छोटा सा हिस्सा भी एक जप शुरू करता है, यह पहले से ही काफी स्पष्ट रूप से सुना जा सकता है। इसी तरह से न्यूरॉन्स के साथ - खोपड़ी की सतह पर आप केवल तभी एक सार्थक संकेत देख सकते हैं जब तुरंत बड़ी संख्या में न्यूरॉन्स सिंक्रोनस गतिविधि दिखाते हैं। गैर-इनवेसिव ईईजी के लिए, यह लगभग 50 हजार तुल्यकालिक रूप से काम कर रहे न्यूरॉन्स हैं।

पहली बार, किसी व्यक्ति के सिर पर तनाव को मापने का विचार 1 9 24 में एक दिलचस्प व्यक्ति द्वारा महसूस किया गया था। पहला ईईजी रिकॉर्ड इस तरह देखा गया:

यह समझना मुश्किल है कि इस संकेत का क्या मतलब है, लेकिन यह तुरंत स्पष्ट है कि यह सफेद शोर जैसा नहीं दिखता है - उच्च आयाम वाले दोलनों के स्पिंडल और विभिन्न आवृत्तियां इसमें ध्यान देने योग्य हैं। यह अल्फा लय सबसे अधिक ध्यान देने योग्य मस्तिष्क लय है जिसे नग्न आंखों से देखा जा सकता है।

अब, बेशक, ईईजी लय का विश्लेषण आंख से नहीं किया जाता है, लेकिन गणितीय तरीकों से, जिनमें से सबसे सरल वर्णक्रमीय हैं।

इलेक्ट्रोएन्सेफलोग्राम ( स्रोत ) के स्ट्रिप्ड फूरियर स्पेक्ट्रम

कुल में कई बैंड हैं जिनमें ईईजी की लयबद्ध गतिविधि का आमतौर पर विश्लेषण किया जाता है, यहां सबसे लोकप्रिय हैं:

8-14 हर्ट्ज - अल्फा लय। मुख्य रूप से पश्चकपाल क्षेत्रों में प्रस्तुत किया गया। आँखें बंद करते समय बहुत बढ़ जाती है, मानसिक तनाव से भी दबा हुआ है और विश्राम के साथ बढ़ता है। यह लय तब उत्पन्न होती है जब उत्तेजना कॉर्टेक्स और थैलेमस के बीच फैलती है। थैलेमस एक प्रकार का राउटर है जो यह तय करता है कि आने वाली सूचनाओं को कॉर्टेक्स पर पुनर्निर्देशित कैसे करें। जब कोई व्यक्ति अपनी आँखें बंद करता है, तो उसके पास करने के लिए कुछ नहीं होता है, वह पृष्ठभूमि गतिविधि उत्पन्न करना शुरू कर देता है, जो प्रांतस्था में एक अल्फा लय का कारण बनता है। इसके अलावा, डिफ़ॉल्ट मोड नेटवर्क एक महत्वपूर्ण भूमिका निभाता है - संरचनाओं का एक नेटवर्क जो शांत जागृति के दौरान सक्रिय है, लेकिन यह एक अलग लेख के लिए एक विषय है।

एक प्रकार की अल्फा लय जिसके साथ भ्रमित करना आसान है, म्यू लय है। इसकी समान विशेषताएं हैं, लेकिन सिर के मध्य क्षेत्रों में दर्ज की जाती हैं, जहां मोटर कॉर्टेक्स स्थित है। एक महत्वपूर्ण विशेषता यह है कि इसकी शक्ति कम हो जाती है जब कोई व्यक्ति अपने अंगों को स्थानांतरित करता है, या यहां तक ​​कि इसके बारे में भी सोचता है कि यह कैसे करना है।

14-30 हर्ट्ज - बीटा लय। मस्तिष्क के ललाट लोब में अधिक स्पष्ट। मानसिक तनाव से बढ़ता है।

30+ हर्ट्ज - गामा ताल। यह मस्तिष्क के अंदर कहीं हो सकता है, लेकिन सतह से जो कुछ भी रिकॉर्ड किया जा सकता है वह मांसपेशियों से आता है। हमने निम्न प्रकार से पाया:

ईईजी को मांसपेशियों के साथ और बिना रिकॉर्ड करने के लिए सिर से मांसपेशियों की गतिविधि को किसी तरह निकालना आवश्यक है। दुर्भाग्य से, पूरे शरीर में उन्हें डिस्कनेक्ट किए बिना सिर पर मांसपेशियों को निष्क्रिय करने का कोई आसान तरीका नहीं है। हम एक वैज्ञानिक लेते हैं (कोई और इस तरह से सहमत नहीं होगा), इसे मांसपेशियों के आराम के साथ पंप करें, जिसके परिणामस्वरूप सभी मांसपेशियों को काट दिया जाता है। समस्या यह है कि यदि आप डायाफ्राम और इंटरकोस्टल सहित सभी मांसपेशियों को बंद कर देते हैं, तो वह सांस लेने में सक्षम नहीं होगा। समाधान - इसे वेंटिलेटर पर रखें। समस्या यह है कि वह बिना मांसपेशियों के भी नहीं बोल सकता है। समाधान - हमने उसकी बांह पर एक टूर्निकेट रखा ताकि मांसपेशियों को आराम न मिले। तब वह इस हाथ से संकेत दे सकता है। समस्या यह है कि यदि आप प्रयोग को कस लेंगे तो हाथ टूट जाएगा। समाधान - हम प्रयोग बंद कर देते हैं जब वैज्ञानिक अपने हाथ को महसूस करना बंद कर देता है, और हम आशा करते हैं कि सब कुछ अच्छी तरह से समाप्त हो जाएगा। परिणाम - मांसपेशी आराम की पृष्ठभूमि के खिलाफ 20 हर्ट्ज से अधिक ईईजी आवृत्ति स्पेक्ट्रम में एक हिस्सा 10-200 गुना कम हो जाता है, आवृत्ति जितनी अधिक होती है, उतनी ही अधिक गिरावट होती है।

1-4 हर्ट्ज - डेल्टा लय। चरण के दौरान व्यक्त, अचानक, डेल्टा नींद (सबसे गहरी नींद), तनाव के साथ भी बढ़ जाती है।

लयबद्ध गतिविधि के अलावा, ईईजी में एक विकसित भी है। अगर हमें यह पता है कि हम किस क्षण किसी व्यक्ति को एक प्रोत्साहन दिखाते हैं (यह एक तस्वीर, ध्वनि, स्पर्श संवेदना या यहां तक ​​कि गंध हो सकती है ), हम देख सकते हैं कि इस विशेष उत्तेजना के लिए क्या प्रतिक्रिया थी। पृष्ठभूमि ईईजी के संबंध में इस तरह की प्रतिक्रिया का संकेत-से-शोर अनुपात कम है, लेकिन अगर हम उत्तेजना दिखाते हैं, उदाहरण के लिए, 10 बार, प्रस्तुति और औसत के क्षण के सापेक्ष ईईजी में कटौती, हम काफी विस्तृत वक्र प्राप्त कर सकते हैं, जिन्हें विकसित क्षमता कहा जाता है (संभावितों के साथ भ्रमित नहीं होना) कार्रवाई)।

यह ध्वनि के लिए विकसित क्षमता है। हम मनोचिकित्सकों के लिए विवरण छोड़ देंगे - यहां हमारे लिए यह समझना पर्याप्त है कि प्रत्येक चरम का मतलब कुछ है। पर्याप्त औसत के साथ, श्रवण तंत्रिका (I) से शुरू होने और साहचर्य प्रांतस्था (P2) के साथ समाप्त होने वाली संरचनाओं की प्रतिक्रियाएं दिखाई देंगी।

उसके साथ क्या किया जा सकता है

आप बहुत सारी चीजें कर सकते हैं, लेकिन आज हम न्यूरो कंप्यूटर इंटरफेस पर ध्यान केंद्रित करेंगे। ये वास्तविक समय ईईजी विश्लेषण प्रणालियां हैं जो मांसपेशियों की मदद के बिना कंप्यूटर या रोबोट को आदेश भेजने की अनुमति देती हैं - आधुनिक विज्ञान प्रदान कर सकने वाले टेलीकिनेसिस के सबसे करीब।

सबसे स्पष्ट बात जो मन में आती है वह लयबद्ध गतिविधि पर एक इंटरफ़ेस बनाना है। हमें याद है कि जब व्यक्ति तनाव में होता है तो अल्फ़ा लय छोटा होता है, और जब वह तनावमुक्त होता है तो बहुत कुछ? इसलिए आराम करो। हम ईईजी लिखते हैं, फूरियर रूपांतरण करते हैं, जब खिड़की के चारों ओर 10 हर्ट्ज की शक्ति एक निश्चित सीमा से ऊपर हो गई है, तो प्रकाश बल्ब चालू करें - यह विचार की शक्ति से कंप्यूटर नियंत्रण है। वही सिद्धांत आपको अन्य लय को नियंत्रित करने की अनुमति दे सकता है। उपकरण की सादगी और निंदा के कारण, बहुत सारे खिलौने दिखाई दिए हैं जो इस सिद्धांत पर काम करते हैं - न्यूरोस्की , इमोटिव , उनमें से हजारों। सिद्धांत रूप में, यदि आप कड़ी मेहनत करते हैं, तो एक व्यक्ति सही स्थिति में आना सीख सकता है, जिसे सही ढंग से वर्गीकृत किया जाएगा। उपभोक्ता उपकरणों के साथ समस्या यह है कि वे अक्सर बहुत उच्च-गुणवत्ता वाले संकेत नहीं लिखते हैं, और वे आंख और चेहरे की मांसपेशियों के आंदोलनों से कलाकृतियों को निकालने में सक्षम नहीं हैं। नतीजतन, मांसपेशियों और आंखों को नियंत्रित करने का तरीका सीखने का एक वास्तविक मौका है, न कि मस्तिष्क (और अवचेतन मन काम करता है ताकि जितना अधिक आप ऐसा करने की कोशिश न करें, उतना ही बुरा यह निकलेगा)। इसके अलावा, लय में सिग्नल-टू-शोर अनुपात काफी कम है, और इंटरफ़ेस धीमा और गलत है (यदि आप 70% से अधिक की सटीकता के साथ राज्य का सही अनुमान लगा सकते हैं - यह पहले से ही एक उपलब्धि है)। हां, और राज्य का वैज्ञानिक आधार विश्राम और एकाग्रता को छोड़कर, इसे हल्के ढंग से रखने के लिए, अस्थिर है। हालांकि, उचित कार्यान्वयन के साथ, विधि का आवेदन हो सकता है।

लय पर इंटरफेस का एक महत्वपूर्ण सबसेट आंदोलनों का प्रतिनिधित्व है। यहां व्यक्ति को कुछ आराम करने की कल्पना नहीं करने के लिए आमंत्रित किया जाता है, लेकिन दाहिने हाथ को कहने, कहने के आंदोलन का प्रतिनिधित्व करने के लिए। यदि आप इसे सही करते हैं (और सही प्रस्तुति सीखना मुश्किल है), तो आप बाएं गोलार्ध में म्यू लय में कमी का पता लगा सकते हैं। ऐसे इंटरफेस की सटीकता भी 70% के आसपास घूमती है, लेकिन उन्हें विभिन्न एक्सोस्केलेटन का उपयोग करने सहित स्ट्रोक और चोटों से वसूली के लिए सिमुलेटर में उपयोग किया जाता है, इसलिए उन्हें अभी भी आवश्यक है।

ईईजी न्यूरोएन्थेफेसेस का एक अन्य वर्ग सभी प्रकार की विकसित गतिविधि के उपयोग पर आधारित है। ये इंटरफेस बहुत विश्वसनीय हैं, 100% तक पहुंचने वाली परिस्थितियों के सफल संयोजन के साथ।

तंत्रिका इंटरफेस के सबसे लोकप्रिय रूप में P300 की क्षमता शामिल है। यह तब उत्पन्न होता है जब एक व्यक्ति एक उत्तेजना को बाहर निकालने की कोशिश करता है जिसे उसे कई अनावश्यक लोगों के बीच की आवश्यकता होती है।

उदाहरण के लिए, यदि यहाँ हम गणना करने का प्रयास करते हैं कि "A" अक्षर कितनी बार प्रकाश करता है, और साथ ही साथ अन्य सभी पर ध्यान नहीं देता है, तो इस उत्तेजना के जवाब में, जब हम औसत रूप से एक लाल रेखा देखेंगे, और जब अन्य सभी, एक नीली रेखा। उनके बीच का अंतर नग्न आंखों के साथ ध्यान देने योग्य है, और क्लासिफायर को प्रशिक्षित करना जो उन्हें अलग कर देगा मुश्किल नहीं है।

इस तरह के इंटरफेस आमतौर पर बहुत सुंदर नहीं होते हैं, और बहुत तेज़ नहीं होते हैं (एक अक्षर को प्रिंट करने में लगभग 10 सेकंड का समय लगेगा), लेकिन पूरी तरह से लकवाग्रस्त रोगियों के लिए उपयोगी हो सकता है।

इसके अलावा, IMC-P300 में एक संज्ञानात्मक घटक है - बस एक पत्र को देखना पर्याप्त नहीं है, आपको इसे सक्रिय रूप से ध्यान देने की आवश्यकता है। यह कुछ शर्तों के तहत, इस तकनीक पर काफी दिलचस्प गेम बनाने की अनुमति देता है (लेकिन यह एक अन्य लेख के लिए एक विषय है)।

इस तथ्य के कारण कि P300 एक संज्ञानात्मक क्षमता है, यह उसके लिए बहुत महत्वपूर्ण नहीं है कि वास्तव में किसी व्यक्ति को क्या दिखाया गया है, मुख्य बात यह है कि वह इस पर प्रतिक्रिया कर सकता है। नतीजतन, इंटरफ़ेस तब भी काम करेगा भले ही पत्र एक-दूसरे को एक बिंदु पर बदल दें - यह उन रोगियों के लिए उपयोगी है जो अपनी आंखों को स्थानांतरित नहीं कर सकते हैं।

अन्य दिलचस्प विकसित संभावनाएं हैं, विशेष रूप से SSVEP (ZVPUS) - एक स्थिर स्थिति की क्षमता। यदि आप संचार के क्षेत्र में उपमाओं की तलाश करते हैं, तो P300 वॉकी-टॉकी की तरह काम करता है - विभिन्न उत्तेजनाओं से संकेत समय के अनुसार अलग हो जाते हैं, और SSVEP एक क्लासिक FDMA है - वाहक आवृत्ति द्वारा अलग-अलग, जैसे जीएसएम-संचार में।

एक व्यक्ति को कई उत्तेजनाओं को दिखाने के लिए आवश्यक है जो विभिन्न आवृत्तियों पर फ्लैश करते हैं। एक उत्तेजना का चयन करते समय, यह ध्यान से देखने के लिए पर्याप्त है, और कुछ सेकंड के बाद इसकी आवृत्ति जादुई रूप से दृश्य प्रांतस्था में दिखाई देगी, जहां से इसे सहसंबंध या वर्णक्रमीय तरीकों से बाहर निकाला जा सकता है। यह P300 के अक्षरों को पढ़ने की तुलना में तेज़ और आसान है, लेकिन लंबे समय तक इस तरह के पलक को देखना मुश्किल है।

जहां FDMA है, वहां CDMA का स्थान है:

ग्रे बाइनरी अनुक्रम है, रंग सभी चैनलों में इसके कारण होने वाली गतिविधि है, नक्शा ईईजी में क्षमता का वितरण है। यह देखा जाता है कि सिर के पीछे का दृश्य क्षेत्रों में अधिकतम होता है

उत्तेजनाओं के निस्तारण को आवृत्तियों और चरणों से नहीं, बल्कि ऑर्थोगोनल बाइनरी अनुक्रमों द्वारा संभव करना संभव है, जो इसी तरह दृश्य कॉर्टेक्स में समाप्त होते हैं और सहसंबंध विश्लेषण का उपयोग करके वर्गीकृत किया जाता है। यह क्लासिफायरियर प्रशिक्षण को थोड़ा अनुकूलित करने और इंटरफ़ेस को तेज करने में मदद कर सकता है - एक अक्षर 2 सेकंड से कम समय ले सकता है। रंगों के सफल चयन के कारण, आप इंटरफ़ेस को थोड़ा कम vvviglaznym बना सकते हैं, हालांकि पूरी तरह से निमिष से छुटकारा पा सकते हैं। दुर्भाग्य से, यहां संज्ञानात्मक घटक इतना स्पष्ट नहीं है - आंखों के आंदोलनों को ट्रैक करना तुलनीय परिणाम देता है, लेकिन तकनीकी रूप से सरल, सस्ता और अधिक सुविधाजनक है।

जब मैं बात करता हूं कि ये या अन्य प्रकार के इंटरफेस कितनी अच्छी तरह काम कर सकते हैं, तो मुझे लगातार सिग्नल-टू-शोर अनुपात के साथ काम करना होगा। वास्तव में, विकसित क्षमता में लगभग 5 माइक्रोवोल्ट का कम आयाम होता है, इस तथ्य के बावजूद कि पृष्ठभूमि अल्फा लय में आसानी से 20 का आयाम हो सकता है। इस तरह के एक कमजोर संकेत को वर्गीकृत करना मुश्किल लगता है, लेकिन वास्तव में यह काफी सरल है यदि प्रयोग सही ढंग से किया जाता है और ईईजी रिकॉर्ड करने के लिए अच्छा है। अब अधिकांश शैक्षणिक अनुसंधान, नए क्लासिफायर का आविष्कार करने के क्षेत्र में केंद्रित है, जिसमें तंत्रिका नेटवर्क का उपयोग भी शामिल है, लेकिन एक अच्छा-खासा स्तर पहले से ही स्किकिट-लर्न से सरलतम रैखिक क्लासिफायरियर के साथ प्राप्त किया जा सकता है। उदाहरण के लिए, P300 और कोड के साथ एक अच्छा डेटासेट यहां है ।

न्यूरोकम्प्यूटर इंटरफेस - एक विकसित तकनीक, जादू की तरह दिखता है, विशेष रूप से एक अप्रस्तुत व्यक्ति के लिए। हालांकि, वास्तव में यह एक ऐसी विधि है जिसमें बहुत सी असहनीय कठिनाइयाँ हैं। किसी भी तकनीक के साथ यहां रहस्य, सभी सीमाओं को ध्यान में रखना है और इसके आवेदन के क्षेत्रों को खोजना है जिसमें ये प्रतिबंध काम में हस्तक्षेप नहीं करते हैं।