СПОСОБ ИНТЕЛЛЕКТУАЛЬНОЙ ОБРАТНОЙ СВЯЗИ С ЦЕЛЬЮ СТИМУЛИРОВАНИЯ МОЗГА ДЛЯ РЕАЛИЗАЦИИ РЕАБИЛИТАЦИИ И/ИЛИ ПРОФИЛАКТИКИ НЕЙРОДЕГЕНЕРАЦИИ Российский патент 2024 года по МПК G16H10/00 A61B5/05 

ОБЛАСТЬ ТЕХНИКИ

Настоящее техническое решение относится к области цифровой медицины, а именно к способам адаптационного обучения с помощью интеллектуальной обратной связи, сопряженным с морфо-функциональным изменением вещества головного мозга, позволяющего увеличить количество синапсов, нейронов, служебных клеток и сосудов в веществе мозга, применяемым с целью повышения когнитивных способностей, реабилитации и профилактики нейродегенерации, и/или позволяющего повысить уровень интеллектуальной функции мозга, и/или развить и/или приобрести интеллектуальные способности.

УРОВЕНЬ ТЕХНИКИ

Из уровня техники известен источник информации AU 2018202658 B2, опубликованный 25.06.2020 г., и раскрывающий компьютерную систему и способ для обеспечения среды виртуальной реальности для улучшения памяти. Решение, раскрытое в источнике информации, включает следующие шаги. Посредством по меньшей мере одного модуля тренировки виртуальной памяти, включающего в себя одну или более задач по тренировке памяти, пользователь выполняет данные задачи в навигационной трехмерной (3D) среде. Осуществляют отображение навигационной 3D-среды посредством вывода на дисплей. Принимают входные данные от интерактивного навигационного контроллера. В частном случае реализации выполняется одно или более сканирований мозговой активности пользователя, в процессе выполнения задания, посредством чего может быть измерена эффективность по меньшей мере одного модуля тренировки памяти виртуальной реальности для области мозга. На основе измеренной эффективности предыдущего сеанса тренировки модуля тренировки виртуальной памяти определяют какие модули тренировки виртуальной памяти необходимо выполнять для улучшения памяти.

Из уровня техники известен источник информации WO 2020139108 A1, опубликованный 02.07.2020 г., и раскрывающий способ проведения когнитивных исследований с использованием системы нейровизуализации и механизма обратной связи. Способ содержит этап обучения системы и этап тестирования, на этапе обучения системы испытуемому демонстрируют триггеры ментального состояния, одновременно производя запись в режиме реального времени многоканального сигнала ЭЭГ, определяя зоны активности мозга, далее проводят обучение генератора триггеров системы нейровизуализации преобразовывая признаки сигнала в новые образцы изображений, далее на этапе тестирования испытуемый самостоятельно воображает увиденные им ранее триггеры ментального состояния, видя формирующийся на экране целевой триггер. Техническим результатом исследований является определение набора доступных для распознавания ментальных состояний испытуемого на основе проведения когнитивного теста с предъявлением внешних триггеров ментального состояния. Кроме того, результатом является обучение испытуемого самостоятельно генерировать ментальные состояния на основе воображения целевых триггеров без их непосредственного предъявления и оптимизация числа и расположения точек съема сигналов электроэнцефалограммы (ЭЭГ) с поверхности черепа испытуемого.

Отличием предлагаемого решения от известных из уровня техники решений является то, что в предлагаемом решении, выявляют области головного мозга с дегенеративными изменениями больных людей и в результате адаптивной настройки параметров классификатора нейроитнерфейса происходит задействование, в ментальном управлении, выявленных областей головного мозга с дегенеративными изменениями или выбранных областей головного мозга для улучшения желаемых интеллектуальных функций при осуществлении ментального управления командами движений в виртуальной среде с помощью интерфейса мозг-компьютер, что приводит к увеличения количества синапсов, нейронов, служебных клеток и сосудов в веществе головного мозга.

Кроме того, отличием предлагаемого решения от известных из уровня техники решений является то, что в предлагаемом решении, используют симуляционную модель мозга с центрами интереса (морфо-функциональными структурами мозга) для моделирования их активации (единично и/или в комбинации) в симуляции и решают обратную задачу формирования весов классификатора мозговой активности, согласно выбранным центрам интереса мозга, для обучения испытуемого активировать определенные зоны мозга и/или их комбинацию без ограничения по морфологии и функции центров.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

Технической задачей, на решение которой направлено заявленное техническое решение, является морфофункциональное изменение центральной нервной системы человека и животных с целью повышения интеллектуальных (когнитивных, эмоциональных) функций и/или приобретения новых интеллектуальных способностей и умений больных и здоровых людей, нейро-реабилитации и профилактики нейродегенерации, за счет увеличения количества синапсов, увеличения размеров нейронов, служебных клеток, улучшения кровоснабжения (за счет увеличения размера сосудов и появления новых сосудов (например, капилляров) в веществе головного мозга при осуществлении предлагаемого способа.

Техническим результатом, достигающимся при решении вышеуказанной технической задачи, является повышение интеллектуальных (когнитивных, эмоциональных) функций и/или приобретения новых интеллектуальных способностей и умений больных и здоровых людей, нейро-реабилитация и профилактика нейродегенерации.

Заявленный технический результат достигается за счет осуществления способа интеллектуальной обратной связи с целью активации морфофункциональных структур головного мозга для реализации реабилитации и/или профилактики нейродегенерации и/или улучшения интеллектуальных функций и/или приобретения новых интеллектуальных способностей и умений больных или здоровых людей, содержащий следующие этапы:

осуществляют оценку морфофункционального состояния областей головного мозга для выявления областей мозга с дегенеративными изменениями больных людей, посредством сравнения морфофункциональных характеристик головного мозга пользователя на медицинских изображениях и/или морфофункциональных тестах, полученных в результате обследования пользователя, с нормальными значениями соответствующей социальной группы или выбирают области головного мозга для улучшения желаемых интеллектуальных функций здоровых людей;

осуществляют обучение пользователя и классификатора в составе инвазивного и/или неинвазивного интерфейса мозг-компьютер, причем пользователя обучают использованию инвазивного и/или неинвазивного интерфейса мозг-компьютер как устройства ввода для осуществления ментального управления в виртуальной среде с помощью обратной связи на основе сигнала пользователю, сообщающего о эффективности управления с помощью интерфейса мозг-компьютер, а классификатор обучают на основе сигналов мозга для классификации паттернов мозговой активности, поступающих от пользователя, с целью задействования областей мозга при осуществлении ментального управления в виртуальной среде с помощью интерфейса мозг-компьютер;

осуществляют адаптивную настройку параметров классификатора интерфейса мозг-компьютер с целью изменения паттернов ментального управления так, что при дальнейшем использовании пользователем инвазивного и/или неинвазивного интерфейса мозг-компьютер происходит задействование в ментальном управлении выявленных областей головного мозга с дегенеративными изменениями или выбранных областей головного мозга для улучшения желаемых интеллектуальных функций при осуществлении ментального управления командами в виртуальной среде с помощью интерфейса мозг-компьютер;

осуществляют адаптивное обучение пользователя и классификатора с адаптивно настроенными параметрами в составе инвазивного и/или неинвазивного интерфейса мозг-компьютер, причем классификатор с адаптивно настроенными параметрами обрабатывает информацию от сигналов мозга согласно настроенным параметрам на предыдущем этапе для задействования выявленных областей головного мозга с дегенеративными изменениями и/или выбранных областей головного мозга для улучшения желаемых интеллектуальных функций при осуществлении ментального управления командами движений в виртуальной среде с помощью интерфейса мозг-компьютер с целью активации нейропластичности в данных областях головного мозга.

В частном варианте реализации предлагаемого способа, морфофункциональными характеристиками головного мозга является морфологический размер областей головного мозга и/или интенсивность поглощения сигнала на медицинском изображении и/или расположение областей и/или изменение электрод-магнитной активности мозга, измеряемой функциональными тестами и/или измерения насыщения области мозга оксигинированной кровью, и/или изменение метаболизма области мозга.

В другом частном варианте реализации предлагаемого способа, инвазивным интерфейсом мозг-компьютер является нейроимплант или сосудистый стент с функцией электрода и/или датчика флуоресцентной или люминесцентной, или химической, или магнитной, или электромагнитной характеристики мозговой активности.

В другом частном варианте реализации предлагаемого способа, неинвазивный интерфейс мозг-компьютер основан на электроэнцефалограмме и/или методике измерения флуоресцентной и/или люминесцентной и/или химической и/или магнитной и/или электромагнитной характеристики мозговой активности.

В другом частном варианте реализации предлагаемого способа, активация нейропластичности, в областях головного мозга, активирует процессы синаптогенеза и/или цитогенеза и/или регенерации и/или нейропластичности центральной нервной системы и периферической нервной системы.

ОПИСАНИЕ ЧЕРТЕЖЕЙ

Реализация изобретения будет описана в дальнейшем в соответствии с прилагаемыми чертежами, которые представлены для пояснения сути изобретения и никоим образом не ограничивают область изобретения. К заявке прилагаются следующие чертежи:

Фиг. 1 - иллюстрирует систему для реализации предлагаемого способа интеллектуальной обратной связи с целью стимулирования морфофункциональных структур головного мозга для реализации реабилитации и/или профилактики нейродегенерации и/или улучшения интеллектуальных функций больных или здоровых людей.

Фиг. 2 - иллюстрирует последовательность выполнения операций способа интеллектуальной обратной связи с целью стимулирования морфофункциональных структур головного мозга для реализации реабилитации и/или профилактики нейродегенерации и/или улучшения интеллектуальных (когнитивных, эмоциональных) функций и/или приобретения новых интеллектуальных способностей и умений больных или здоровых людей.

ДЕТАЛЬНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ

В приведенном ниже подробном описании реализации изобретения приведены многочисленные детали реализации, призванные обеспечить отчетливое понимание настоящего изобретения. Однако, квалифицированному в предметной области специалисту, будет очевидно каким образом можно использовать настоящее изобретение, как с данными деталями реализации, так и без них. В других случаях хорошо известные методы, процедуры и компоненты не были описаны подробно, чтобы не затруднять понимание особенностей настоящего изобретения.

Кроме того, из приведенного изложения будет ясно, что изобретение не ограничивается приведенной реализацией. Многочисленные возможные модификации, изменения, вариации и замены, сохраняющие суть и форму настоящего изобретения, будут очевидными для квалифицированных в предметной области специалистов.

Предлагаемый способ осуществляется посредством программно-аппаратного комплекса для реализации интеллектуальной обратной связи с целью стимулирования морфофункциональных структур головного мозга человека или животных для реализации нейрореабилитации, профилактики нейродегенерации и/или улучшения интеллектуальных (когнитивных, эмоциональных) функций и/или приобретения новых интеллектуальных способностей и умений больных или здоровых людей.

Аппаратная часть комплекса включает следующие устройства и представлена на Фиг.1:

· Неинвазивный интерфейс мозг-компьютер или инвазивный интерфейс мозг-компьютер (1), располагающийся на голове или вводимый эндоваскулярно или иным способом - специализированное устройство ввода для получения электромагнитной или иной информации о мозге. Интерфейс мозг-компьютер включает, аналогово-цифровой преобразователь, микроконтроллеры для предобработки информации (1.1), может содержать программные и аппаратные преобразователи информации, например, в виде модулей получения частотного спектра, пространственного и временного домена в сигнале мозга, GPU/TPU/CPU/нейроморфный процессор (1.2) для обучения и работы классификатора, который может быть встроен в интерфейс мозг-компьютер или располагаться отдельно, включая расположение на сервере обучения, аппаратный модуль для хранения и работы обучаемого/обученного/настроенного классификатора (1.3) (например, нейронной сети, математического алгоритма без использования нейронной сети и т.д.), аппаратный модуль для хранения и работы обработчика, представляющий собой преобразователь команд для обратной связи (1.4), имплементированный на микроконтроллеры интерфейса мозг-компьютер и/или располагающийся на сервере обучения.

· сенсоры для получения сигналов мозговой активности (2), например, электроды, акселерометры, темплодатчики, фотодетекторы и т.д.),

· сервер обучения для обучения классификатора в режиме обучения (на Фиг.1 не отображен);

· устройство для реализации биологической обратной связи, которое может быть представлено экраном/дисплеем (3.1) (для визуальной обратной связи) и/или электростимулятором органов чувств (например, может быть представлен транслингвальным электростимулятором) (3.2), и/или кожным электростимулятором (3.3)) и/или устройством, воспроизводящим аудиальный сигнал (3.4) (применяется в предлагаемом способе для создания взаимодействия в виртуальной среде). Биологически обратная связь на Фиг.1 указана под цифрой 4;

· транслингвальный электрод-стимулятор (3.2) - специализированное устройство вывода для реализации биологической обратной связи и/или дополненной реальности (AR), которое представляет собой матрицу электродов, расположенную на языке, получающую сигнал обратной связи.

Дополнительными устройствами аппаратной части комплекса являются:

· полимерная перчатка - специализированное устройство ввода-вывода для получения информации с мышц пользователя (миография) и динамического положения руки в пространстве (на Фиг.1 не отображена) и для получения сигнала обратной связи;

· транскраниальный стимулятор или инвазивный эндоваскулярный стимулятор - специализированные устройства для электромагнитной стимуляции мозга, применяемые при необходимости усилить эффект активации определенной зоны мозга (на Фиг.1 не отображен);

Программная часть комплекса включает следующее:

· программное обеспечение для оценки морфофункционального состояния областей мозга с целью сегментации структур мозга и автоматического обнаружения участков областей мозга с дегенеративными изменениями по медицинским изображениям (КТ, МРТ, и др.);

· программное обеспечение для предобработки сигнала от мозга, включающее статистические методы, методы машинного обучения, спектральные методы, методы анализа частотного, временного и пространственного доменов. Данное программное обеспечение может исполняться на процессорах интерфейса мозг-компьютер ( включая микроконтроллеры, одноплатные решения, нейроморфные процессоры и т.д.), настольных ПК и/или на сервере обучения;

· программное обеспечение, реализующее симуляционную модель мозга с центрами интереса (морфофункциональными структурами мозга) для моделирования их активации (единично и/или в комбинации) в симуляции. Данное программное обеспечение строит модель мозга с центрами интереса и решает задачу формирования весов классификатора мозговой активности, в выбранных центрах интереса мозга, для активации у пользователя интересующих зон мозга, без ограничения по морфологии и функции центров. Данное программное обеспечение развернуто на сервере обучения;

· классификатор паттернов мозговой активности, в составе интерфейса мозг-компьютер, с целью задействования областей головного мозга при осуществлении ментального управления в виртуальной среде с помощью интерфейса мозг-компьютер;

· программное обеспечение для подбора режима (частоты, длительности, силы) и картирования (расположения источника относительно структур мозга) электромагнитной стимуляции мозга через эндоваскулярные электроды и/или транскраниальный стимулятор, или другое.

Неинвазивный интерфейс мозг-компьютер содержит классификатор для классификации паттернов мозговой активности и может быть основан на электроэнцефалограмме и/или методике измерения флуоресцентной или люминесцентной, или химической, или магнитной, или электромагнитной характеристике мозговой активности.

Инвазивный интерфейс мозг-компьютер содержит классификатор для классификации паттернов мозговой активности и является нейроимплантом или сосудистым стентом с функцией электрода и/или датчиком флуоресцентной и/или люминесцентной, и/или химической, и/или магнитной, и/или электромагнитной характеристики мозговой активности.

Под ментальным управлением (ввод команд, квазидвижения и др.) понимается - ввод команд через интерфейс мозг-компьютер путем сознательного или бессознательного формирования пользователем мозговой активности, которая распознается классификатором интерфейса мозг-компьютер как команда и/или другая служебная информация (информация об эмоциональном состоянии пользователя, например, но не ограничиваясь, депривированное состояние, сонливость, ажитационное состояние, сопор, ступор, алкогольное или наркотическое опьянение и т.д.).

Виртуальная среда может быть представлена в виде интерактивной системы или в виде видеоигры, или в виде метавселенной или в виде иной системы.

Предлагаемый способ интеллектуальной обратной связи с целью стимулирования морфофункциональных структур головного мозга для реализации реабилитации и/или профилактики нейродегенерации и/или улучшения интеллектуальных (когнитивных, эмоциональных) функций и/или приобретения новых интеллектуальных способностей и умений больных или здоровых людей, включает следующие этапы.

Первый этап. С помощью морфофункциональных методов регистрации (например, фМРТ, ЭЭГ, МРТ, КТ, магнитометрия и т.д.) записываются пространственные временные и частотные паттерны мозговой активности пользователя при выполнении определенных когнитивных задач (речевые тесты, счет, прослушивание музыки и др.), также могут быть сняты паттерны мозговой активности в состоянии покоя. Полученные паттерны мозговой активности используются для выявления центров и областей мозга, которые активируются при выполнении вышеуказанных когнитивных задач. Соответствующие области мозга далее используются для активного вовлечения их в направленную нейропластичность и для сравнения с паттернами активности мозга при выполнении тех же задач и/или в состоянии покоя после проведения процедуры активации нейропластичности (шаги 200-201 Фиг.2).

Далее (шаг 202) строится трехмерная морфофункциональная карта мозга с использованием картографирования (представления мозга в виде, например, графа или коннектома), анализа данных сигнала мозга, анализа архитектуры нейронных связей мозга и плотно связанных центров мозга, анализа морфофункциональных структур. Выделяются основные морфофункциональные центры мозга (центры интереса). На данном этапе происходит выявление центров мозга и других структур пользователя, которые имеют морфофункциональные отличая со средними популяционными значениями данной социальной группы.

Для построения трехмерной морфофункциональной карты мозга, например, используются методы построения коннектома (графа мозга) и решения обратной задачи получения морфофункциональной карты мозга при симуляции активности морфофункциональных центров мозга и/или симуляции активности смоделированных морфофункциональных центров мозга.

Во-первых, строится матрица смежности, которая может быть двухмерной (для статичного анализа), трёхмерной (для анализа функциональных связей, например, во времени). Дополнительные данные могут увеличивать размерность матрицы. Для вычисления матриц смежности или матриц функциональной связности могут быть использованы, например, взаимная корреляция, средняя фазовая когерентность, взаимная информация, значение фазовой синхронизации и другие.

Во-вторых, полученная матрица смежности прореживается, например, с помощью симуляционного анализа данных и сохранения связей со статистически значимыми значениями корреляции. В результате этого шага получается матрица, содержащая только значимые связи. Для оценки значимости полученных связей можно дополнительно использовать анализ синтетических данных и задавать уровень значимости, позволяющий пользователям сохранять только статистически значимые связи.

В-третьих, на основе полученной матрицы строится граф, где вершины - это области интереса (источники сигнала в мозге, представленные в трёхмерном пространстве), а ребра соответствуют функциональной связности. Анализ данных структурной МРТ, осуществляется, например, с помощью FreeSurfer, с применением соответствующих анатомических атласов сегментации мозга (например, Desikan¹ (¹Desikan RS, Ségonne F, Fischl B, Quinn BT, Dickerson BC, Blacker D, et al. An automated labeling system for subdividing the human cerebral cortex on MRI scans into gyral based regions of interest. Neuroimage. 2006; 31(3):968–80. PMID: 16530430) и Destriux² (²Destrieux C, Fischl B, Dale A, Halgren E. Automatic parcellation of human cortical gyri and sulci using standard anatomical nomenclature. NeuroImage. 2010; 53(1):1–15. doi: 10.1016/j.neuroimage.2010. 06.010 PMID: 20547229) и позволяет решить задачу восстановления источника (коркового или подкоркового) электромагнитной активности мозга по проективному сигналу на поверхности головы, в соответствии с расположением каналов сбора информации об электромагнитной и/или химической активности мозга (например, каналов ЭЭГ). Эта задача, например, может быть решена различными непараметрическими методами оценки минимальной нормы и их обобщения, такими как: минимальная норма (the minimum norm (MN)), взвешенная минимальная норма (weighted minimum norm (WMN)), электромагнитной томографией низкого разрешения (Low resolution electromagnetic tomography - LORETA, и вариации: VARETA, bc-VARETA, sLORETA, eLORETA, swLORETA, Shrinking LORETA FOCUSS (SLF) и другие)¹ (¹Baillet S: Toward Functional Brain Imaging of Cortical Elec- trophysiology Markovian Models for Magneto and Electroen- cephalogram Source Estimation and Experimental Assessments. In Ph.D thesis University of Paris-ParisXI, Orsay, France; 1998.), методом Бэкуса-Гилберта (Backus-Gilbert), Weighted Resolution Optimization (WROP), S-MAP, ST-MAP, Бэкуса-Гилберта (Backus-Gilbert), LAURA, SSLOFO и ALF. Эта задача, например, может быть решена различными параметрическими методами, такими как методы формирования луча, методами Крыловского типа, проекционными методами решения линейных уравнений, методами локализации источников (BESA), другими методами подпространства, MUSIC и производными от него методами² (²Mosher JC, Leahy RM: Recursive MUSIC: A Framework for EEG and MEG Source Localization. IEEE Transactions on Biomed- ical Engineering 1998, 45(11):1342-1354.), ³ (³Mosher JC, Leahy RM: Source Localization Using Recursively Applied and Projected (RAP) MUSIC. IEEE Transactions on Sig- nal Processing 1999, 47(2):332-340.), ⁴ (⁴Ermer JJ, Mosher JC, Huang M, Leahy RM: Paired MEG Data Set Source Localization Using Recursively Applied and Pro- jected (RAP) MUSIC. IEEE Transactions on Biomedical Engineering 2000, 47(9):1248-1260.), FINES, алгоритмами имитации отжига и др. Кроме того эта задача может быть решена методами искусственного интеллекта (например, нейронными сетями).

Далее проводится симуляция активности основных морфофункциональных центров мозга, полученных в результате построения трехмерной морфофункциональной карты мозга, на шаге 202. С использованием восстановленных источников электромагнитной активности мозга производят симуляцию активации этих источников и получают данные проективного сигнала на каналы сбора информации об электромагнитной и/или иной (например, химической, фотоактивности) активности мозга (например, каналы ЭЭГ). Полученные данные сохраняются в виде набора значений активности мозга, соответствующего каналам сбора информации об электромагнитной и/или иной (например, химической, фотоактивности) активности мозга (например, каналам ЭЭГ).

На этапах 300-303 осуществляют оценку морфофункционального состояния областей мозга для выявления областей головного мозга с дегенеративными изменениями больных людей, посредством сравнения морфофункциональных характеристик головного мозга пользователя на медицинских изображениях (фМРТ, ЭЭГ, МЭГ и др) и морфофункциональных текстах, полученных в результате обследования пользователя, с нормальными значениями соответствующей социальной группы с помощью, например, FreeSurfer, с применением соответствующих анатомических атласов сегментации мозга (например, Desikan 2006) и Destriux 2010).

Для оценки морфофункционального состояния областей мозга используются медицинские изображения и данные морфофункциональных тестов (МРТ, КТ, фМРТ, ЭЭГ, рентген и др). В состоянии покоя записывается морфофункциональное состояние мозга пользователя, например, с использованием МРТ и/или КТ. Полученные данные снимков мозга сегментируются в автоматическом режиме на структуры и части: белое вещество, серое вещество, сосуды, ядра мозга, патологические структуры, структуры соединительной и костной ткани, с последующим измерением данных частей и структур с помощью специализированного программного обеспечения (например, с помощью FreeSurfer (https://surfer.nmr.mgh.harvard.edu/), с применением соответствующих анатомических атласов сегментации мозга (например, Desikan 2006) и Destriux 2010).

Сегментация происходит в автоматическом режиме, например, с использованием искусственного интеллекта и могут быть применены следующие алгоритмы: алгоритмы кластеризации, нейронные сети различных архитектур для решения задач сегментации и автоматической разметки, математические алгоритмы сегментации без использования искусственного интеллекта и др. Сегментация структур мозга может быть адаптирована под современные методы при появлении новых возможностей науки и техники. В обучении искусственного интеллекта могут быть использованы как открытые данные КТ и/или МРТ и/или других изображений мозга, так и вновь собранные данные, при этом сегментация структур мозга может производиться в автоматическом режиме для субъекта, к которому применяется методика, на основе настроенных (обученных и/или откалиброванных) методов автоматической сегментации (например, может применяться методика, описанная по ссылке: https://www.frontiersin.org/articles/10.3389/fnana.2022.894606/full).

Оценка состояния структур мозга производится путем сравнения таких параметров как: морфологический размер областей мозга и/или интенсивность поглощения сигнала на медицинском изображении и/или расположение областей и/или изменение электромагнитной активности мозга, измеряемой морфофункциональными тестами и/или измерения насыщения области мозга оксигенированной кровью, и/или изменение метаболизма области мозга с нормальными популяционными значениями соответствующей социальной группы. При этом нормальные популяционные значения рассчитываются по открытым данным медицинских снимков и их анализа (например, Desikan¹ (¹Desikan RS, Ségonne F, Fischl B, Quinn BT, Dickerson BC, Blacker D, et al. An automated labeling system for subdividing the human cerebral cortex on MRI scans into gyral based regions of interest. Neuroimage. 2006; 31(3):968–80. PMID: 16530430)) и Destriux² (²Destrieux C, Fischl B, Dale A, Halgren E. Automatic parcellation of human cortical gyri and sulci using standard anatomical nomenclature. NeuroImage. 2010; 53(1):1–15. doi: 10.1016/j.neuroimage.2010. 06.010 PMID: 20547229)). Обнаружение статистически значимых отклонений от нормы, свидетельствующие о дегенеративных и/или иных (например, гипо- и гиперплазии) изменениях, отмечается как основные мишени стимуляции (шаг 302 на Фиг.2).

Далее формируется список областей мозга, имеющих дегенеративные и/или патологические изменения (шаг 303 на Фиг.2).

Далее осуществляется симуляция (как на шаге 203) активности областей мозга, которые имеют дегенеративные и/или патологические изменения (полученные на шаге 303), и/или области для улучшения желаемых интеллектуальных функций здоровых людей. При этом, эти области могут не выявляться на шаге 202. Например, проводится симуляция активности речевого центра, который имеет признаки нейродегенерации вследствие инсульта и не активируется при выполнении речевых задач, для данного пользователя.

В другом варианте предлагаемого способа, когда здоровый пользователь обращается за улучшением желаемых интеллектуальных функций, и с этой целью выбираются области головного мозга. При этом, эти области могут не выявляться на шаге 202 как патологические. Например, проводится симуляция активности речевого центра, который не имеет признаков нейродегенерации у данного пользователя. При этом учитывают паттерны мозговой активности, полученные при выполнении соответствующих задач (из выбранной для улучшения когнитивной сферы) и/или в покое на подготовительном этапе.

В результате строят карты и получают паттерны мозговой активности (шаг 205 на Фиг.2), характерные для активации в симуляции. Для каждого морфофункционального метода исследования мозга эти карты и паттерны имеют свои особенности. Например, для ЭЭГ результатом данного шага является получение в симуляции проективного сигнала мозговой активности на соответствующие активированным (в симуляции) областям электроды. Полученные данные сохраняются в виде набора значений электромагнитной активности мозга, соответствующего каналам сбора информации об электромагнитной активности мозга (например, каналам ЭЭГ) после симуляции активности тех центров, которые планируются к тренировке/активации описанными в патенте методами с помощью интерфейса мозг-компьютер.

Вторым этапом является конвергентное обучение пользователя и классификатора в составе инвазивного и/или неинвазивного интерфейса мозг-компьютер. Пользователя обучают использованию инвазивного и/или неинвазивного интерфейса мозг-компьютер как устройства ввода для осуществления ментального управления в виртуальной среде с помощью обратной связи на основе сигнала пользователю, сообщающего об эффективности управления с помощью интерфейса мозг-компьютер. Также в процессе обучения и использования интерфейса мозг-компьютер, пользователь также может использовать наушники и/или полимерную перчатку, для получения информации с мышц пользователя и динамического положения руки в пространстве. Виртуальная среда использования может быть подобрана индивидуально для каждого пользователя с учетом режима дня, утомляемости индивида и персональных особенностей. Например, может быть использована среда видео игры, в которой пользователь осуществляет управление (играет) через интерфейс мозг-компьютер. Например, закрепляют на пользователе сенсоры для получения электроэнцефалограммы или флуоресцентной или люминесцентной, или химической, или магнитной, или электромагнитной характеристики мозговой активности и пользователь должен выполнять ментальное управление в игре, которая проецируется на дисплее. В другом варианте пользователю вводят нейроимплант или сосудистый стент с функцией электрода или датчика флуоресцентной или люминесцентной, или химической, или магнитной, или электромагнитной характеристики мозговой активности, а также надевают пользователю специализированное устройство для погружения в виртуальную среду (например, VR-очки) и пользователь должен выполнять ментальное управление в метавселенной, проецируемой в VR-очках. В другом варианте, на пользователе закрепляют сенсоры получения электроэнцефалограммы или флуоресцентной или люминесцентной, или химической, или магнитной, или электромагнитной характеристики мозговой активности, а также вводят нейроимплант или сосудистый стент с функцией электрода или датчика флуоресцентной или люминесцентной, или химической, или магнитной, или электромагнитной характеристики мозговой активности и пользователь должен выполнять ментальное управление в интерактивной системе, которая проецируется на дисплей.

Классификатор паттернов мозговой активности обучают на основе сигналов мозга, поступающих от пользователя, с целью активации областей мозга при ментальном управлении посредством интерфейса мозг-компьютер в виртуальной и/или аудиальной и/или другой сенсорной (трансклингвальный электрод-стимулятор) среде. В предлагаемом решении может быть использован классификатор на основе классификации с учителем или без учителя, классификатор на основе глубоко обучения и другие. Обучение классификатора (например, k-классификатора k-средних или нейронной сети), продолжается до тех пор, пока точность классификации вводимых пользователем ментальных команд управления будет не ниже заданного значения порога точности. Порог точности, заданный для классификатора, должен превосходить уровень точности классификации (например, k команд) случайного классификатора.

Пример 1. Обучение классификатора на основе алгоритма k-средних на данных магнитоэнцефалографии (МЭГ) осуществляется в режиме реального времени, путем подачи на вход алгоритму k-средних данных мозга, представленных в виде n-мерного вектора. Количество классов классификатору задаётся заранее на основе выбранных для управления с помощью интерфейса мозг-компьютер набора команд. Получение новых данных от пользователя продолжается до тех пор, пока точность классификации вводимых пользователем ментальных команд управления будет не ниже заданного значения порога точности (например, 95%). Порог точности, заданный для классификатора, должен превосходить уровень точности классификации (например, k команд) случайного классификатора.

Пример 2. Обучение классификатора на основе нейронной сети на ЭЭГ данных от интерфейса мозг-компьютер происходит следующим образом. Во-первых, данные предобрабатываются так, что из многоканального ЭЭГ сигнала формируется n-мерный вектор, состоящий из: набора частот; параметров, характеризующие расположение электродов на голове; временных параметров, характеризующих начало и конец выполнения квазидвижений; статистических данных и других паттернов. Во-вторых, добавляется метка квазидвижения, которая соответствует данному вектору. В-третьих, полученные вектора подаются на вход нейронной сети и нейронная сеть обучается на сформированной размеченной выборки методом обратного распространения ошибки. Результатом работы обученной нейронной сети является классификатор, который с заданной точностью выполняет классификацию сигнала с интерфейса мозг-компьютер в отношении соответствия данного сигнала одному из квазидвижений.

Момент обучения пользователя использованию нового устройства ввода и/или новой среды (например, игровой среды) стимулирует синаптогенез, нейрогенез и другие процессы нейропластичности. После достижения заданной точности классификации процессы нейропластичности, синаптогенеза и нейрогенеза замедляются.

На третьем этапе осуществляется адаптивная настройка классификатора посредством настройки параметров классификатора и/или весов нейронной сети, с целью изменения паттернов ментального управления так, что при дальнейшем использовании пользователем инвазивного и/или неинвазивного интерфейса мозг-компьютер происходит задействование в ментальном управлении выявленных областей головного мозга с дегенеративными изменениями или выбранных областей головного мозга для улучшения желаемых интеллектуальных функций при осуществлении ментального управления командами движений в виртуальной среде с помощью интерфейса мозг-компьютер.

Адаптивная настройка параметров классификатора или перераспределение весов нейронной сети, заключается в повышение вклада сигнала мозговой активности, полученного от определенных областей мозга (с дегенеративными изменениями или областей мозга для улучшения желаемых интеллектуальных функций) для классификации паттернов мозговой активности (частотных, временных, пространственных и других признаков электрод-магнитной или иной активности мозга), поступающих от пользователя на вход классификатора в составе интерфейса мозг-компьютер для ментального управления в виртуальной среде с помощью интерфейса мозг-компьютер. Например, веса нейронной сети адаптивно настраиваются таким образом, что нейронная сеть повышает вклад информации, поступающей на k-классификатор от электродов, которые собирают информацию от областей мозга, выбранных для активации нейропластичности в этих областях (с дегенеративными изменениями или областей мозга для улучшения желаемых интеллектуальных функций).

Настройка параметров классификатора может проводиться не единовременно, а постепенно - после каждой сессии классификатор перераспределяет веса так, что вклад выбранных областей мозга (с дегенеративными изменениями или областей мозга для улучшения желаемых интеллектуальных функций) повышается постепенно.

На четвертом этапе осуществляется адаптивное конвергентное обучение пользователя и классификатора интерфейса мозг-компьютер с адаптивно настроенными параметрами.

Пользователь уже частично обучен на управление интерфейсом мозг-компьютер с помощью ментального управления. Классификатор с адаптивно настроенными параметрами обрабатывает информацию от сигналов мозга, согласно настроенным параметрам на предыдущем этапе, для задействования выявленных областей головного мозга с дегенеративными изменениями и/или выбранных областей головного мозга для улучшения желаемых интеллектуальных функций при осуществлении ментального управления командами движений в виртуальной среде с помощью интерфейса мозг-компьютер с целью активации нейропластичности в данных областях головного мозга. То есть, классификатор начинает «требовать» от пользователя вовлекать (активировать) в привычное для пользователя управление, с помощью интерфейса мозг-компьютер, области мозга с дегенеративными изменениями и/или области мозга для улучшения интеллектуальных (когнитивных, эмоциональных) функций и/или приобретения новых интеллектуальных способностей и умений.

Результатом данного этапа является активация нейропластичности в областях мозга с дегенеративными изменениями или в областях мозга для улучшения интеллектуальных (когнитивных, эмоциональных) функций и/или приобретения новых интеллектуальных способностей и умений, тем самым активируя процессы синаптогенеза, цитогенеза, регенерации, нейропластичности мозга и периферической нервной системы. Активация нейропластичности носит адаптивный и направленный характер.

Перед сессией обучения (использования интерфейса мозг-компьютер для ментального управления командами движения в виртуальной реальности) возможно проведение электромагнитной стимуляции областей мозга с дегенеративными изменениями или областей мозга, выбранных для улучшения интеллектуальных (когнитивных, эмоциональных) функций и/или приобретения новых интеллектуальных способностей и умений, с использованием транскраниального стимулятора или инвазивного эндоваскулярного стимулятора.

Проводимая до сессии транскраниальная стимуляции, меняет метаболизм и активирует активность нейронов и других клеток мозга данных областей. Такое изменение может стимулировать эффект от обучения работы с адаптированным интерфейсом мозг-компьютер и может субъективно восприниматься пользователем, как активность этой области мозга. Области мозга, после стимуляции, могут быстрее вовлекаться в обучение управлением интерфейсом мозг-компьютер с уже настроенными параметрами классификатора (адаптированным интерфейсом мозг-компьютер). Кроме того, электромагнитная стимуляция может усилить эффект активации областей мозга с дегенеративными изменениями или областей мозга для улучшения интеллектуальных (когнитивных, эмоциональных) функций и/или приобретения новых интеллектуальных способностей и умений. Неформально, такая стимуляция “подсказывает” индивиду, какие области нужно вовлечь для управления интерфейсом мозг-компьютер с уже настроенными параметрами классификатора.

На пятом этапе, после прохождения всех предыдущих этапов предлагаемого способа осуществляют верификацию активации нейропластичности с помощью получения медицинских изображений мозга субъекта после прохождения всех этапов методики.

Верификация - это процесс сравнения МРТ и/или КТ и/или фМРТ и/или ПЭТ и/или других методов визуализации морфофункциональных свойств мозга, снимков мозга пользователя и результатов психо-функциональных тестов, полученных до и после 3-х месячного использования (могут быть применены и другие временные границы использования предлагаемого способа), описанного способа. При верификации МРТ и/или КТ и других снимков сравнивается толщина коры головного мозга, объем структур мозга, сосудистый рисунок мозга (обеспечивается, например, 3Т МРТ томографом), фиксируется появление новых нейронов и служебных клеток при высоком разрешении (обеспечивается, например, >6,9Т томографом), сравнивается количество нейронов в коре головного мозга и в других морфофункциональных структурах (обеспечивается, например, >6,9Т МРТ томографом).

Способ подтверждается следующими примерами применения методики.

Пример 1. Здоровый мужчина 33 лет обратился с жалобами на слабость, сонливость после перенесенного COVID-19. Терапевт, невролог и психиатр не выявили патологии. Мужчина здоров, не принимает лекарственную и другую терапию. Биохимические анализы крови, общий анализ мочи и крови в норме. При осмотре: состояние удовлетворительное. Сознание ясное. МРТ головного мозга - патологических образований не выявлено. Результат анкетирования и когнитивного тестирования - в норме.

Выполнена МРТ (3Т) путем проведения импульсной последовательности Т1- и T2- взвешенного градиентного эхо с использованием протоколов MPRAGE, FLASH, T2-SPACE¹ (¹https://surfer.nmr.mgh.harvard.edu/fswiki/FreeSurferWiki?action=AttachFile&do=get&target=FreeSurfer_Suggested_Morphometry_Protocols.pdf). Во время исследования мужчина находился в состоянии покоя, в положении лежа с закрытыми глазами. Сегментация структур мозга была произведена с помощью Advanced Normalization Tools (ANTs, https://github.com/ANTsX/ANTs), FreeSurfer (https://surfer.nmr.mgh.harvard.edu/) и с использованием автоматической разметки собственной многослойной рекуррентной нейронной сети. Толщина коры, полученная с помощью Freesurfer каждой области интереса, была нормализована к средней толщине полушария данного испытуемого для учёта индивидуальных различий в общей средней толщине коры, которые могли повлиять на перекрестные сравнения участников. Анализ морфологических структур мозга патологии не выявил. Толщина коры зафиксирована по всей поверхности мозга. Например, в области речевого центра слева она составляла в среднем 3,1 мм.

Выполнена фМРТ: полученные изображения совмещены с анатомическими структурами головного мозга путем проведения импульсной последовательности Т1-взвешенного градиентного эхо с подготовкой намагниченности и быстрым сбором данных. Во время исследования мужчина находился в состоянии покоя, в положении лежа с закрытыми глазами. Выполнена фМРТ с когнитивной нагрузкой (речевая задача, задача на счет). Анализ карт функциональных связей показал снижение коннективности между структурами мозга, латерализацию полушарий при выполнении когнитивных задач, расширение функционального центра при выполнении задач. Выполнен ЭЭГ с когнитивной нагрузкой (речевая задача, задача на счет). Анализ электрод-магнитной активности выявил повышение доли высоких частот (> 50 Гц), латерализацию полушарий при когнитивной нагрузке, снижение вклада альфа-ритма в частотную картину мозга, гиперактивность в структурах речевого центра. Проведены психо-функциональные тесты: когнитивные тесты, тесты на пространственную ориентировку, тесты на объем краткосрочной памяти, тест на счет, психоэмоциональное состояние.

После использования предлагаемого способа, в течение 3 месяцев (по 3 дня в неделю, продолжительность сессии 3 часа) с акцентом на направленную активацию нейропластичности речевого центра повторно выполнены психо-функциональные тесты и исследования МРТ, фМРТ и фМРТ и ЭЭГ с когнитивной нагрузкой.

По данным МРТ выявлено статистически достоверное увеличение толщины коры в речевом центре (в среднем 0.4 мм), появление новых сосудов капиллярного типа в области Зоны Вернике и аудиальной коры. По данным фМРТ выявлено статистически достоверное снижение латерализации полушарий и повышение коннективности между структурами мозга. По данным анализа ЭЭГ выявлено снижение высоких частот в частотной картине мозга, повышение вклада альфа- и бета-ритма в частотной картине мозга. Когнитивные тесты показали статистически достоверное повышение результатов на речевом тесте, повышение краткосрочной памяти и снижение уровня стресса.

Пример 2. Здоровая женщина 37 лет обратилась с жалобами на быструю утомляемость в условиях стрессовой ситуации на работе. Терапевт, невролог, гинеколог, эндокринолог и психиатр не выявили патологии. Женщина здорова, не принимает лекарственную и другую терапию. Биохимические анализы крови, общий анализ мочи и крови в норме. При осмотре: состояние удовлетворительное. Сознание ясное. МРТ головного мозга - патологических образований не выявлено. Результат анкетирования и когнитивного тестирования - в норме.

Выполнена МРТ (3Т) путем проведения импульсной последовательности Т1- и T2- взвешенного градиентного эхо с подготовкой намагниченности и быстрым сбором данных, с использованием протоколов MPRAGE, FLASH, T2-SPACE. Во время исследования женщина находилась в состоянии покоя, в положении лежа с закрытыми глазами. Сегментация структур мозга была произведена с помощью Advanced Normalization Tools (ANTs, https://github.com/ANTsX/ANTs), FreeSurfer (https://surfer.nmr.mgh.harvard.edu/) и с использованием автоматической разметки собственной многослойной нейронной сети класса трансформер. Толщина коры, полученная с помощью Freesurfer каждой области интереса, была нормализована к средней толщине полушария данного испытуемого для учёта индивидуальных различий в общей средней толщине коры, которые могли повлиять на перекрестные сравнения участников. Анализ морфологических структур мозга патологии не выявил. Толщина коры зафиксирована по всей поверхности мозга. Например, в области речевого центра слева она составляла в среднем 2,8 мм. Анализ морфологических структур мозга патологии не выявил. Толщина коры зафиксирована по всей поверхности мозга.

Выполнена фМРТ: полученные изображения совмещены с анатомическими структурами головного мозга путем проведения импульсной последовательности Т1-взвешенного градиентного эхо с подготовкой намагниченности и быстрым сбором данных. Во время исследования женщина находилась в состоянии покоя, в положении лежа с закрытыми глазами. Выполнена фМРТ с когнитивной нагрузкой (речевая задача, задача на счет). Анализ карт функциональных связей показал снижение коннективности между структурами мозга, расширение функционального центра при выполнении речевых задач. Выполнен ЭЭГ с когнитивной нагрузкой (речевая задача, задача на счет). Анализ электрод-магнитной активности выявил значительное повышение доли высоких частот (> 50 Гц), снижение вклада альфа-ритма в частотную картину мозга. Проведены психо-функциональные тесты: когнитивные тесты, тесты на пространственную ориентировку, тесты на объем краткосрочной памяти, тест на счет, психоэмоциональное состояние.

После использования предлагаемого способа, в течение 3 месяцев (по 3 дня в неделю, продолжительность сессии 3 часа) с акцентом на направленную активацию нейропластичности речевого центра и областей мозга, активирующийся при выполнении задач на счет, повторно выполнены психо-функциональные тесты и исследования МРТ, фМРТ, фМРТ и ЭЭГ с когнитивной нагрузкой.

По данным МРТ выявлено статистически достоверное увеличение толщины коры в речевом центре (в среднем на 0.5 мм) и областей мозга, активирующийся при выполнении задач на счет (в среднем на 0.2 мм). По данным фМРТ выявлено статистически достоверное повышение коннективности между структурами мозга. По данным анализа ЭЭГ выявлено снижение высоких частот в частотной картине мозга, повышение вклада альфа- и бета-ритма в частотной картине мозга. Когнитивные тесты показали статистически достоверное повышение результатов на речевом тесте, тесте на счет и снижение уровня стресса.

Пример 3. Мужчина 30 лет с приобретенной полной слепотой (повреждение наружных глаз в результате взрыва) обратился для когнитивной тренировки для повышения функциональности затылочных долей мозга с последующим применение транслингвальной матрицы для альтернативной ориентировки в пространстве. Терапевт, невролог и психиатр не выявили иной патологии кроме зрительной. Мужчина здоров, не принимает лекарственную и другую терапию. Биохимические анализы крови, общий анализ мочи и крови в норме. При осмотре: состояние удовлетворительное. Сознание ясное. МРТ головного мозга - патологических образований не выявлено. Результат анкетирования и когнитивного тестирования - в норме.

Выполнена МРТ (3Т) путем проведения импульсной последовательности Т1- и T2- взвешенного градиентного эхо с подготовкой намагниченности и быстрым сбором данных, с использованием протоколов MPRAGE, FLASH, T2-SPACE. Во время исследования мужчина находился в состоянии покоя, в положении лежа.

Сегментация структур мозга была произведена с помощью Advanced Normalization Tools (ANTs, https://github.com/ANTsX/ANTs), FreeSurfer (https://surfer.nmr.mgh.harvard.edu/) и с использованием автоматической разметки собственной многослойной рекуррентной нейронной сети. Толщина коры, полученная с помощью Freesurfer каждой области интереса, была нормализована к средней толщине полушария данного испытуемого для учёта индивидуальных различий в общей средней толщине коры, которые могли повлиять на перекрестные сравнения участников. Анализ морфологических структур мозга показал снижение толщины серого вещества в затылочных областях мозга, с двух сторон. Толщина коры в затылочных долях не превышала 1,1 мм, что в два раза ниже возрастной нормы.

Выполнена фМРТ: полученные изображения совмещены с анатомическими структурами головного мозга, полученными при сегментации структур. Во время исследования мужчина находился в состоянии покоя, в положении лежа. Выполнена фМРТ с когнитивной нагрузкой (навигация в двухмерном лабиринте с использованием трнанслингвальной матрицы как устройства ввода-вывода). Анализ карт функциональных связей показал снижение коннективности в затылочных областях и между структурами мозга. Выполнено ЭЭГ с когнитивной нагрузкой (речевая задача, задача на счет). Анализ электрод-магнитной активности выявил незначительное повышение доли высоких частот (> 50 Гц), снижение вклада альфа-ритма в частотную картину мозга. Проведены психо-функциональные тесты: когнитивные тесты, тесты на пространственную ориентировку, тесты на объем краткосрочной памяти, тест на счет, психоэмоциональное состояние.

После использования предлагаемого способа, в течение 3 месяцев (по 3 дня в неделю, продолжительность сессии 3 часа) с акцентом на направленную активацию нейропластичности зрительных центров затылочных долей повторно выполнены психо-функциональные тесты и исследования МРТ, фМРТ, фМРТ и ЭЭГ с когнитивной нагрузкой.

По данным МРТ выявлено статистически достоверное увеличение толщины коры в затылочных долях (в среднем на 0.7 мм). По данным фМРТ выявлено статистически достоверное повышение коннективности между структурами мозга. По данным анализа ЭЭГ выявлено снижение высоких частот в частотной картине мозга, повышение вклада альфа- и бета-ритма в частотной картине мозга. Когнитивные тесты показали статистически достоверное повышение результатов на речевом тесте, повышение краткосрочной памяти, снижение уровня стресса и повышение точности управления транслингвальной матрицей как устройством ввода-вывода для навигации в двумерном лабиринте.

Пример 4: женщина 27 лет обратилась для когнитивной тренировки для развития у себя способности к синестизии - свойства нервной системы, при котором раздражение в одной сенсорной системе ведет к отклику в другой сенсорной системе. Женщина хотела научиться испытывать визуальные вспышки при прослушивании музыки. Терапевт, невролог, гинеколог, эндокринолог и психиатр не выявили патологии. Женщина здорова, не принимает лекарственную и другую терапию. Биохимические анализы крови, общий анализ мочи и крови в норме. При осмотре: состояние удовлетворительное. Сознание ясное. МРТ головного мозга - патологических образований не выявлено. Результат анкетирования и когнитивного тестирования - в норме.

Выполнена МРТ (3Т) путем проведения импульсной последовательности Т1- и T2- взвешенного градиентного эхо с подготовкой намагниченности и быстрым сбором данных, с использованием протоколов MPRAGE, FLASH, T2-SPACE. Во время исследования женщина находилась в состоянии покоя, в положении лежа с закрытыми глазами. Сегментация структур мозга была произведена с помощью Advanced Normalization Tools (ANTs, https://github.com/ANTsX/ANTs), FreeSurfer (https://surfer.nmr.mgh.harvard.edu/) и с использованием автоматической разметки собственной многослойной нейронной сети класса трансформер. Толщина коры, полученная с помощью Freesurfer каждой области интереса, была нормализована к средней толщине полушария данного испытуемого для учёта индивидуальных различий в общей средней толщине коры, которые могли повлиять на перекрестные сравнения участников. Анализ морфологических структур мозга патологии не выявил. Толщина коры зафиксирована по всей поверхности мозга. В области зрительного центра она составляла в среднем 2,8 мм, в области слухового центра - в среднем 3 мм. Анализ морфологических структур мозга патологии не выявил. Толщина коры зафиксирована по всей поверхности мозга.

Выполнена фМРТ: полученные изображения совмещены с анатомическими структурами головного мозга путем проведения импульсной последовательности. Во время исследования женщина находилась в состоянии покоя, в положении лежа с закрытыми глазами.

Выполнена фМРТ с когнитивной нагрузкой (речевая задача, задача на счет, задача на анализ цветных карточек, тест на музыкальный слух). Анализ карт функциональных связей не показал отклонения от нормы. Выявлены морфофункциональные паттерны активности мозга при звуковом и зрительном раздражении.

Выполнен ЭЭГ с когнитивной нагрузкой (речевая задача, задача на счет, задача на анализ цветных карточек, тест на музыкальный слух). Анализ электрод-магнитной активности не выявил отклонений от нормы. Проведены психо-функциональные тесты: когнитивные тесты, тесты на пространственную ориентировку, тесты на объем краткосрочной памяти, тест на счет, тест на музыкальный слух, психоэмоциональное состояние.

После использования предлагаемого способа, в течение 3 месяцев (по 3 дня в неделю, продолжительность сессии 3 часа) с акцентом на одновременную активацию нейропластичности слухового центра и зрительной коры при слушании музыки. Повторно выполнены психо-функциональные тесты и исследования МРТ, фМРТ, фМРТ и ЭЭГ с когнитивной нагрузкой.

По данным опроса выявлено статистически достоверное появление зрительных синестезий при прослушивании громкой музыки. Морфофункциональные тесты показали увеличение толщины коры в слуховом центре (в среднем на 0.5 мм) и затылочных долях мозга (в среднем на 0.6 мм). По данным фМРТ выявлено статистически достоверное повышение коннективности между структурами мозга. По данным анализа ЭЭГ выявлено повышение вклада альфа- и бета-ритма в частотной картине мозга. Когнитивные тесты показали статистически достоверное повышение результатов на тесте музыкального слуха и вовлечение активности зрительной коры при прослушивании громкой музыки.

Вычислительная система, обеспечивающие обработку данных, необходимую для реализации заявленного решения, в общем случае содержат такие компоненты, как: один или более процессоров, по меньшей мере одну память, средство хранения данных, интерфейсы ввода/вывода, средство ввода, средства сетевого взаимодействия. При исполнении машиночитаемых команд, содержащихся в оперативно памяти, конфигурируют процессор устройства для выполнения основных вычислительные операции, необходимых для функционирования устройства или функциональности одного, или более его компонентов. Память, как правило, выполнена в виде ОЗУ, куда загружается необходимая программная логика, обеспечивающая требуемый функционал. При осуществлении работы предлагаемого решения выделяют объем памяти, необходимы для осуществления предлагаемого решения. Средство хранения данных может выполняться в виде HDD, SSD дисков, рейд массива, сетевого хранилища, флэш-памяти и т.п. Средство позволяет выполнять долгосрочное хранение различного вида информации. Интерфейсы представляют собой стандартные средства для подключения и работы периферийных и прочих устройств, например, USB, RS232, RJ45, COM, HDMI, PS/2, Lightning и т.п. В качестве средств ввода данных в любом воплощении системы, реализующей описываемый способ, может использоваться клавиатура, джойстик, дисплей (сенсорный дисплей), проектор, тачпад, манипулятор мышь, трекбол, световое перо, динамики, микрофон и т.п. Средства сетевого взаимодействия выбираются из устройства, обеспечивающий сетевой прием и передачу данных, например, Ethernet карту, WLAN/Wi-Fi модуль, Bluetooth модуль, BLE модуль, NFC модуль, IrDa, RFID модуль, GSM модем и т.п. С помощью средств обеспечивается организация обмена данными по проводному или беспроводному каналу передачи данных, например, WAN, PAN, ЛВС (LAN), Интранет, Интернет, WLAN, WMAN или GSM. Компоненты устройства сопряжены посредством общей шины передачи данных.

В настоящих материалах заявки было представлено предпочтительное раскрытие осуществление заявленного технического решения, которое не должно использоваться как ограничивающее иные, частные воплощения его реализации, которые не выходят за рамки испрашиваемого объема правовой охраны и являются очевидными для специалистов в соответствующей области техники.

Изобретение относится к способу стимулирования морфофункциональных структур мозга для реализации реабилитации или профилактики нейродегенерации для улучшения интеллектуальных функций или приобретения новых интеллектуальных способностей и умений больных или здоровых людей с использованием обратной связи. Технический результат заключается в повышении точности классификации сигнала интерфейса мозг-компьютер. В способе осуществляют оценку морфофункционального состояния областей головного мозга для выявления областей мозга с дегенеративными изменениями больных людей, посредством сравнения морфофункциональных характеристик головного мозга пользователя на медицинских изображениях и/или морфофункциональных тестах, полученных в результате обследования пользователя, с нормальными значениями соответствующей социальной группы или выбирают области головного мозга для улучшения желаемых интеллектуальных функций здоровых людей; осуществляют обучение пользователя и классификатора в составе инвазивного и/или неинвазивного интерфейса мозг-компьютер, причем пользователя обучают использованию инвазивного и/или неинвазивного интерфейса мозг-компьютер как устройства ввода для осуществления ментального управления в виртуальной среде с помощью обратной связи на основе сигнала пользователю, сообщающего об эффективности управления с помощью интерфейса мозг-компьютер; а классификатор обучают на основе сигналов мозга пользователя для классификации паттернов мозговой активности, поступающих от пользователя, при осуществлении ментального управления в виртуальной среде или устройствами с помощью интерфейса мозг-компьютер; осуществляют адаптивную настройку параметров классификатора интерфейса мозг-компьютер с целью изменения паттернов ментального управления так, что при дальнейшем использовании пользователем инвазивного и/или неинвазивного интерфейса мозг-компьютер происходит задействование в ментальном управлении выявленных областей мозга с дегенеративными изменениями или выбранных областей мозга для улучшения интеллектуальных функций и/или приобретения новых интеллектуальных способностей и умений при осуществлении ментального управления в виртуальной среде или устройствами с помощью интерфейса мозг-компьютер; осуществляют адаптивное обучение пользователя и классификатора с адаптивно настроенными параметрами в составе инвазивного и/или неинвазивного интерфейса мозг-компьютер, причем классификатор с адаптивно настроенными параметрами обрабатывает информацию от сигналов мозга согласно настроенным параметрам на предыдущем этапе для задействования выявленных областей головного мозга с дегенеративными изменениями или выбранных областей головного мозга для улучшения интеллектуальных функций и/или приобретения новых интеллектуальных способностей и умений при осуществлении ментального управления командами в виртуальной среде или устройствами с помощью интерфейса мозг-компьютер с целью активации нейропластичности в данных областях головного мозга. 4 з.п. ф-лы, 2 ил.

1. Способ стимулирования морфофункциональных структур мозга для реализации реабилитации, и/или профилактики нейродегенерации для улучшения интеллектуальных функций, и/или приобретения новых интеллектуальных способностей и умений больных или здоровых людей с использованием обратной связи, содержащий следующие этапы:

осуществляют оценку морфофункционального состояния областей головного мозга для выявления областей мозга с дегенеративными изменениями больных людей, посредством сравнения морфофункциональных характеристик головного мозга пользователя на медицинских изображениях и/или морфофункциональных тестах, полученных в результате обследования пользователя, с нормальными значениями соответствующей социальной группы или выбирают области головного мозга для улучшения желаемых интеллектуальных функций здоровых людей;

осуществляют обучение пользователя и классификатора в составе инвазивного и/или неинвазивного интерфейса мозг-компьютер, причем пользователя обучают использованию инвазивного и/или неинвазивного интерфейса мозг-компьютер как устройства ввода для осуществления ментального управления в виртуальной среде с помощью обратной связи на основе сигнала пользователю, сообщающего об эффективности управления с помощью интерфейса мозг-компьютер; а классификатор обучают на основе сигналов мозга пользователя для классификации паттернов мозговой активности, поступающих от пользователя, при осуществлении ментального управления в виртуальной среде или устройствами с помощью интерфейса мозг-компьютер;

осуществляют адаптивную настройку параметров классификатора интерфейса мозг-компьютер с целью изменения паттернов ментального управления так, что при дальнейшем использовании пользователем инвазивного и/или неинвазивного интерфейса мозг-компьютер происходит задействование в ментальном управлении выявленных областей мозга с дегенеративными изменениями или выбранных областей мозга для улучшения интеллектуальных функций и/или приобретения новых интеллектуальных способностей и умений при осуществлении ментального управления в виртуальной среде или устройствами с помощью интерфейса мозг-компьютер;

осуществляют адаптивное обучение пользователя и классификатора с адаптивно настроенными параметрами в составе инвазивного и/или неинвазивного интерфейса мозг-компьютер, причем классификатор с адаптивно настроенными параметрами обрабатывает информацию от сигналов мозга согласно настроенным параметрам на предыдущем этапе для задействования выявленных областей головного мозга с дегенеративными изменениями или выбранных областей головного мозга для улучшения интеллектуальных функций и/или приобретения новых интеллектуальных способностей и умений при осуществлении ментального управления командами в виртуальной среде или устройствами с помощью интерфейса мозг-компьютер с целью активации нейропластичности в данных областях головного мозга.

2. Способ по п. 1, отличающийся тем, что морфофункциональными характеристиками головного мозга является морфологический размер областей головного мозга, и/или интенсивность поглощения сигнала на медицинском изображении и/или расположение областей, и/или изменение электромагнитной активности мозга, измеряемой морфофункциональными тестами.

3. Способ по п. 1, отличающийся тем, что инвазивным интерфейсом мозг-компьютер является нейроимплант или сосудистый стент с функцией электрода и/или датчика флуоресцентной, или люминесцентной, или химической, или магнитной, или электромагнитной характеристики мозговой активности.

4. Способ по п. 2, отличающийся тем, что неинвазивный интерфейс мозг-компьютер основан на электроэнцефалограмме и/или методике измерения флуоресцентной, и/или люминесцентной, и/или химической, и/или магнитной, и/или электромагнитной характеристики мозговой активности.

5. Способ по п. 1, отличающийся тем, что активация нейропластичности, в областях головного мозга, активирует процессы синаптогенеза, и/или цитогенеза, и/или регенерации, и/или нейропластичности мозга и периферической нервной системы.