СИСТЕМА И СПОСОБ НЕЙРОТРЕНИНГА С ИСПОЛЬЗОВАНИЕМ ИГРОВОЙ СРЕДЫ Российский патент 2024 года по МПК A61B5/375 A61B5/16 A63F13/212 A63B24/00 G09B5/02 G09B19/22 

ОБЛАСТЬ ТЕХНИКИ

Настоящее техническое решение относится к системе и способу реализации нейротренинга с использованием интерфейса «мозг-компьютер» для тренировки мозга с целью, в том числе и для усиления моторных и когнитивных функций пользователя.

УРОВЕНЬ ТЕХНИКИ

Известна система и способ формирования команд управления на основании биоэлектрических данных оператора (RU2738197C2 от 24.09.2018, класс МПК A61B 5/04) содержащая: средство сбора биоэлектрических данных при мысленном выполнении оператором по меньшей мере одного из заданных действий; средство выделения признаков, описывающих полученные биоэлектрические данные оператора в собранных биоэлектрических данных на основании заданного правила выделения признаков; средство определения шаблона действия, соответствующего указанному мысленно выполненному действию, средство формирования команд управления на основании полученного шаблона действия с обеспечением их передачи на управляемое внешнее средство, при этом указанная система дополнительно содержит средство переобучения, которое в случае, если отличие параметров указанной команды управления, передаваемой на управляемое внешнее средство, от параметров соответствующей эталонной команды управления этим внешним средством, больше заданного значения, выполнено с возможностью получения признаков, соответствующих указанной команде управления, от средства определения шаблонов действия в ответ на соответствующий запрос от управляемого внешнего средства и переобучения указанной модели классификации шаблонов, используемой в средстве определения шаблонов действия, на основании указанных полученных признаков.

Недостатком технического решения является являются ограниченные рамки использования указанного изобретения, так как оно нацелено только на формирование команд управления моделью руки и захват появляющихся на экране монитора объектов с целью реабилитации и не позволяет осуществить развитие моторных и когнитивных функций пользователя.

Известна система и программа для тренировки когнитивных функций (US20180286272A1 от 29.08.2016, класс МПК A61B5/16; A61B5/296; A61B5/375; A63F13/46; A63F13/67; A63F13/69; A63F13/85; G09B19/00; G09B5/02) представляющая собой виртуальную обучающую программу на основе игры для целенаправленного развития основных когнитивных навыков исполнительных функций. Методы и системы изобретения обеспечивают создание и использование эффективной и быстрой видеоигровой обучающей программы для развития таких когнитивных навыков, как концентрация внимания, устойчивое внимание, когнитивное торможение, поведенческое торможение, селективное внимание, чередование внимания, разделение внимания, контроль помех, торможение новизны, отсрочка удовлетворения, внутренний голос, мотивационное торможение и саморегуляция. В данной программе используются: каждый из когнитивных процессов, лежащих в основе контроля внимания и торможения импульсов; определение измеримых и поддающихся тренировке когнитивных навыков; игровой дизайн и игровые механики, позволяющие эффективно тренировать и закреплять эти навыки. Указанное техническое решения принято в качестве прототипа.

Недостатком технического решения являются ограниченные рамки использования указанного изобретения, так как оно нацелено только на измерение и тренинг конкретных когнитивных функций, таких как различные виды внимания, когнитивные и поведенческие торможения, но не затрагивает моторные функции.

Проведенный заявителем анализ по критерию уровня техники, включающий в себя поиск по патентным и научно-техническим источникам информации и выявление источников, содержащих сведения об аналогах заявляемого технического решения, позволил установить: аналог, характеризующийся признаком тождественности (идентичности) всем существенным признакам заявляемого изобретения заявителем не обнаружен.

Критерий изобретения «промышленная применимость» подтверждается тем, что заявляемое техническое решение реализовано на практике и использовано в тренировочных процессах спортсменов, в частности, футболистов.

Задачей заявляемого технического решения является разработка системы и способа нейротренинга с автоматической генерацией виртуальных игровых эпизодов, где за счет улучшения моторных и когнитивных функций пользователя, в его мозге развиваются центры управления движениями, что приводит к улучшению физических возможностей выполнения этих движений пользователя за определенное время.

РАСКРЫТИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯ

Техническим решением вышеприведенной задачи является разработка системы, предназначенной для целенаправленного развития моторных и когнитивных функций пользователя посредством нейротренинга, включающей в себя средства: регистрации биоэлектрической активности головного мозга пользователя в виде многоканальных электроэнцефалограмм (ЭЭГ); усиления и передачи многоканальных ЭЭГ; обработки многоканальных ЭЭГ; реализации искусственной среды, в которой производятся тренировочные действия; изменения искусственной среды; визуального отображения тренировочных действий пользователя в искусственной среде, где искусственная среда является игровой, изменяется в соответствии с запросом пользователя и обеспечивает активизацию и выполнение тренировочного действия пользователя с использованием нейрональной обратной связи при максимальных значениях ее параметров. Указанное техническое решение обеспечивает безопасное воздействие на мозг пользователя с целью развития моторных и когнитивных функций пользователя

Особенностью технического решения является возможность автоматической генерации виртуальных игровых эпизодов для искусственной среды, соответствующих запросам пользователя и предоставленным им видеоматериалам, в целях тренировки пользователя. Указанное техническое решение обеспечивает адаптацию системы нейротренинга к потребностям пользователя.

Особенностью технического решения является также автоматическое определение в процессе нейротренинга момента начала расчета и визуализации параметров нейрональной обратной связи таких, как концентрация и степень активности головного мозга пользователя. Указанное техническое решение обеспечивает активизацию и выполнение его тренировочных действий в нужные моменты времени.

Техническим решением вышеприведенной задачи является разработка способа реализации нейротренинга, включающая в себя процедуры: автоматической генерации виртуального игрового эпизода для искусственной игровой среды по видеофайлу фрагмента реального игрового эпизода; вычисления и визуализации параметров нейрональной обратной связи - уровня концентрации и степени активации соответствующих зон головного мозга - по многоканальным сигналам ЭЭГ, регистрируемым в зонах головного мозга, соответствующих тренируемым навыкам; определения момента начала расчета системой параметров нейрональной обратной связи; и собственно выполнение тренировочного действия пользователем при достижении максимальных значений визуализируемых параметров нейрональной обратной связи. Указанное техническое решение обеспечивает реализацию предлагаемой системы нейротренинга.

КРАТКИЙ ПЕРЕЧЕНЬ ЧЕРТЕЖЕЙ

Техническое решение поясняется далее на примере реализации заявляемого решения для нейротренинга спортсменов-футболистов, однако должно быть понятно, что этот пример приведен исключительно с целью пояснения работы системы и способа ее реализации, и его не следует интерпретировать как ограничение объема заявляемого технического решения, поскольку предлагаемое решение может быть использовано и для нейротренинга спортсменов, занимающихся баскетболом, волейболом, теннисом, сквошем, гольфом и другими тому подобными ударно-двигательными видами спорта.

Для описания изобретения используются следующие рисунки и чертежи:

фиг. 1 - модель футбольного поля;

фиг. 2 - примеры сопоставления кадров реального матча и модели поля;

фиг. 3 - последовательность выполнения процедуры построения сцены;

фиг. 4 - результат построения виртуальной сцены;

фиг. 5 - отслеживание перемещения мяча;

фиг. 6 - пример траектории движения мяча;

фиг. 7 - пример визуализации параметров нейрональной связи;

фиг. 8 - схема классификации критических ситуаций игрового процесса.

ОСУЩЕСТВЛЕНИЕ ТЕХНИЧЕСКОГО РЕШЕНИЯ

В заявляемом техническом решении приняты следующие определения и термины:

электроэнцефалограмма (ЭЭГ) - кривая, отображающая на экране монитора биоэлектрическую активность мозга на определенном участке и в определенном временном интервале, регистрируемая путем размещения электродов в определенных зонах на поверхности головы;

многоканальные ЭЭГ - сигналы ЭЭГ, регистрируемые параллельно в нескольких отведениях (каналах); может использоваться 4-24 и более каналов;

искусственная игровая среда (она же игровое виртуальное пространство, игровая виртуальная площадка, игровой виртуальный мир) - отображаемая на экране монитора игровая среда, в которой реализуются разные игровые эпизоды для нейротренинга;

виртуальный эпизод - виртуальный игровой эпизод, автоматически создаваемый системой по видеофрагменту игры для искусственной игровой среды;

тренировочное действие - игровое действие (удар, бросок, пас и пр.), выполняемое пользователем в процессе взаимодействия с системой после распознавания критической ситуации в моменты максимальных значений параметров концентрации и степени активации выбранных зон головного мозга пользователя, определяемых через нейрональную обратную связь;

моторная функция - функция мозга, реализующая движения рук, ног и тела человека в процессе выполнения разных работ;

когнитивная функция - функция мозга, реализующая ментальные способности человека, связанные с активизацией мозговой деятельности, концентрацией внимания, принятием решений и пр.;

нейротренинг - многократное выполнение тренировочных действий в режиме повторения виртуального игрового эпизода под влиянием нейрональной обратной связи;

критическая ситуация - состояние искусственной игровой среды, в которой пользователь, наблюдающий за своим аватаром (виртуальным игроком, находящимся под управлением пользователя), должен реализовать тренировочное действие, например, удар по воротам или пас партнеру;

нейрональная обратная связь - набор параметров, вычисляемых по многоканальным сигналам ЭЭГ и отображаемых на экране монитора (концентрация, степень активности выбранных зон головного мозга и пр.);

реальный игровой эпизод - эпизод реальной спортивной игры, зафиксированный в виде фрагмента видеофайла, используемый для получения виртуального игрового эпизода для нейротренинга;

спортивная игра - футбол, баскетбол, волейбол, тенниса, сквош, гольф и другие тому подобные ударно-двигательные виды спорта;

видеофрагмент - выделенная последовательность видеокадров игрового эпизода и/или требуемой сцены.

Предлагаемая система включает в себя основные средства регистрации и обработки сигналов головного мозга, а также, собственно, нейротренинга моторных и когнитивных функций пользователя. Дополнительно система имеет средства автоматической генерации виртуального игрового эпизода непосредственно по выбранным самим пользователем видеофрагментам реального игрового эпизода. Эти дополнительные средства направлены на анализ видеофрагмента с целью обнаружения игроков и их координатно-временной привязки к реальной спортивной площадке (реальному игровому полю) в формате виртуальной игры.

При этом основными для регистрации и обработки сигналов мозга являются средства:

- регистрации биоэлектрической активности головного мозга пользователя в виде многоканальных ЭЭГ (используется 4-24 и более каналов);

- усиления и передачи многоканальных ЭЭГ (осуществляется за счет использования электроэнцефалографов и устройств связи с компьютером);

- обработки многоканальных ЭЭГ (осуществляется путем выполнения разработанных в соответствии с предлагаемым способом программ на компьютере);

Автоматическая генерация виртуальных игровых эпизодов реализуется с использованием средств:

- реализации искусственной среды, в которой выполняются тренировочные действия, представляющих собой программу, генерирующую виртуальную игровую среду, отображаемую на мониторе компьютера, и необходимый для нейротренинга эпизод игры;

- изменения искусственной среды, которые заключаются в реализации виртуальных игровых эпизодов, автоматически сгенерированных системой по запросам и материалам, представленным пользователем;

- визуального отображения тренировочных действий пользователя в искусственной игровой среде, при этом количество тренировочных действий не ограничено.

Сам способ реализации нейротренинга включает в себя ряд процедур, обеспечивающих реализацию системы:

- автоматическую генерацию виртуального игрового эпизода для искусственной игровой среды по видеофайлу фрагмента реального игрового эпизода, где видеофайл, предоставляемый для генерации такого эпизода, имеет размер, определяемый пользователем;

- вычисление параметров нейрональной обратной связи и их отображение в искусственной игровой среде; параметрами являются: концентрация и степень активности головного мозга пользователя в период активации тренировочного действия;

- распознавание критических ситуаций, после чего происходит активизация тренировочных действий пользователя (приостановка игры и ожидание воображаемой команды пользователя на выполнение действий с использованием нейрональной обратной связи);

- выполнение тренировочного действия пользователем при достижении максимальных значений визуализируемых параметров нейрональной обратной связи, которые отображаются на мониторе компьютера в виде меняющих форму фигурами (в том числе круги, овалы, лучи и т.д.), размер которых соответствует значениям параметров, варьируемых от 1 до 100%.

Реализация технического решения поясняется на примере системы нейротренинга с автоматической генерацией виртуальных игровых эпизодов в формате искусственной игровой среды по видеофрагментам реальной игры.

ОПИСАНИЕ ПРЕДЛАГАЕМОЙ СИСТЕМЫ

Система нейротренинга включает в себя устройство регистрации электроэнцелографических сигналов мозга и программные средства их обработки. Основные программные средства выполняют регистрацию и обработку сигналов мозга, а также, собственно, нейротренинг моторных и когнитивных функций. Дополнительные средства обеспечивают автоматическую генерацию виртуальных игровых эпизодов в формате искусственной среды непосредственно по выбранным видеофрагментам реальной игры. По существу, выполняется автоматическое преобразование фрагмента из нескольких видеокадров реальной игры в сценарные последовательности кадров виртуальной игры, отображаемые в искусственной среде. По сравнению с описанным ранее прототипом системы предлагается использовать отличающиеся от описанных процедуры обнаружения игровой площадки, обнаружения игроков разных команд, а также новую процедуру обнаружения и классификации критических ситуаций, наиболее подходящих для эффективного выполнения целевых действий игроков (например, выбора момента и силы удара по воротам или броска по кольцу, паса партнеру). Эти процедуры реализуются с использованием сверточных нейронных сетей.

Для примера представлен процесс автоматического преобразования фрагмента из нескольких видеокадров реальной командной игры в футбол в сценарные последовательности кадров виртуальной игры в футбол. Для реализации этого процесса требуется выполнить следующие процедуры:

1) определение ключевых точек и границ футбольного поля в кадре;

2) определение позиций игроков и построение виртуальной двумерной сцены игровой ситуации;

3) обнаружение и отслеживание мяча;

4) построение виртуальных трехмерных сцен текущих ситуаций и создание на их основе сценарной последовательности кадров виртуального игрового эпизода;

5) обнаружение и классификация критических ситуаций, а также выполнение тренировочных действий.

Первая процедура:

определяет ключевые точки футбольного поля в кадре, что необходимо для вычисления координат позиций футболистов на двумерной схеме виртуального футбольного поля, отслеживания их движения, расстановки игроков команды, оценки тактики игры, а также траекторий мяча. Так как в видеокадр попадает лишь часть футбольного поля, требуется правильным образом сопоставлять найденные в видеокадре ключевые точки с ключевыми точками всей площадки. Наиболее распространенная модель футбольного поля с изображением ключевых точек представлена на фиг. 1. Красные точки обозначают пересечения линий площадки и две штрафные отметки. Сначала выполняется калибровка видеокамер методом, использующим только две точки. После этого ключевые точки футбольного поля определяются по дескрипторам признаков.

При узком угле обзора обработка новых изображений с использованием традиционных методов сравнения изображений трудоемка. Поскольку каждое изображение охватывает только небольшую часть футбольного поля, при обработке нового изображения необходимо просматривать большое количество изображений с соседних видеокадров, чтобы найти наиболее подходящее, что не всегда обеспечивает достаточное количество ключевых точек. Для решения этой проблемы предлагается использовать специальную процедуру панорамирования и наклона, которая эффективно ассоциирует данные из множества изображений. Эта процедура предсказывает углы панорамы и наклона на основе локальных описаний областей изображения без необходимости сопоставления признаков между изображениями, что значительно ускоряет решение задачи.

Предлагаемый двухточечный метод для калибровки неподвижных камер и процедура для надежного предсказания углов панорамы и наклона ускоряют автоматическую калибровку камер. Метод устойчив к шумам, связанным с положением точек на изображении и положением камеры. Более того, метод калибрует изображения на реальных наборах данных с высокой точностью и требует меньше времени выполнения, чем другие подобные реализации, что подтверждает его практическую ценность в реальных приложениях. Совместное применение метода калибровки по двум точкам и алгоритма панорамирования и наклона обеспечивает точную и эффективную калибровку камер узкого поля зрения, которые часто применяются при видеосъемках футбольных матчей. Этот оригинальный метод был применен к реальным наборам данных футбольных матчей. Результаты представлены на фиг. 2.

Вторая процедура:

определяет позиции игроков обеих команд на футбольном поле и выполняет построение виртуальной двумерной схемы футбольного поля с локализацией игроков в соответствии с текущей игровой ситуацией. Она включает в себя: (1) определение границ поля; (2) преобразование перспективы; (3) определение локальных координат игроков; (4) преобразование локальных координат игроков на выправленном изображении в глобальные координаты футбольного поля; (5) построение виртуальной схемы футбольного поля с размещением игроков в соответствии с текущей ситуацией.

Первая реализация процедуры обработки видеозаписи футбольного матча и создания виртуальных двумерных сцен игровых ситуаций для каждого видеокадра была выполнена на языке программирования C# с использованием игрового движка Unity и библиотеки компьютерного зрения OpenCVForUnity. Последовательность выполняемых вычислений с указанием разработанных программных модулей представлена на фиг. 3.

Unity имеет набор встроенных методов для выполнения действий в разные моменты игры. Нужные методы вызывались автоматически по ходу выполнения программы.

OpenCVForUnity - это плагин для Unity, который обеспечивает интеграцию библиотеки компьютерного зрения OpenCV в проекты, созданные с использованием Unity. OpenCVForUnity позволяет использовать функции OpenCV в проектах Unity, таких как обнаружение, распознавание и трекинг объектов, распознавание образов, извлечение признаков, обработка изображений и видео, анализ цвета и многое другое. Плагин предоставляет возможность работать с изображениями и видео в формате Texture2D, который является основным типом текстур в Unity.

Библиотека OpenCVForUnity предоставляет инструменты для решения задач компьютерного зрения, что значительно упрощает и ускоряет процесс разработки приложений, связанных с обработкой изображений.

Реализованная программа выполняет определение координат футболистов относительно ключевых точек футбольного поля и, используя эти координаты, строит виртуальную двумерную сцену, соответствующую игровой ситуации, в среде Unity.

Основные модули реализованной программы выполняют:

извлечение кадра из видеозаписи футбольного матча;

определение границ той части футбольного поля, которая находится в кадре;

преобразование перспективы, получение выправленного изображения кадра;

определение позиций игроков на выправленном изображении;

преобразование локальных координат игроков на выправленном изображении в глобальные координаты на игровом футбольном поле;

построение двумерной сцены игровой ситуации в среде Unity с отображением игроков обеих команд.

Третья процедура:

выполняет обнаружение и отслеживание мяча, что является одной из ключевых задач в области анализа футбольных матчей. Отслеживание мяча подвержено множеству дополнительных проблем, связанных с высокой скоростью событий, частым заслонением мяча игроками, изменениями размера, формы, цвета, текстуры и скорости мяча. Кроме того, игровая спортивная среда нестабильна, динамична и непредсказуема.

Для решения этой задачи использовались сверточные нейронные сети. Они моделируют взаимодействие между мячом и игроками и решают такие задачи, как автоматическое обнаружение мяча, перекрытие игроками и потери при отслеживании.

При использовании сверточных нейронных сетей выполняется:

(1) инициализация нейронной сети, взятие первого кадра, определение строк и столбцов матрицы изображения, моделирование фона); (2) автоматический поиск мяча (выделение кандидатов, обнаружение мяча и подтверждение результатов поиска); (3) отслеживание мяча (отслеживание при помощи построения ограничительных рамок - фиг. 5 - белая точка с красной ограничительной рамкой показывает отслеживаемый мяч, другие белые точки обозначают предыдущие положения мяча, желтый круг указывает область поиска мяча на следующем кадре, а желтые линии обозначают траектории мяча); (4) отслеживание игроков (используется в том случае, если в процессе поиска мяч найти не удалось, отслеживание переносится на игрока, который располагается в области последнего момента обнаружения мяча).

Пример результата работы процедуры представлен на фиг. 6. Зеленые и белые точки демонстрируют результаты обнаружения и отслеживания. Желтые линии демонстрируют траекторию мяча.

Четвертая процедура:

выполняет построение сценарной последовательности виртуальных кадров, соответствующих игровым ситуациям тренировочного игрового эпизода в формате искусственной среды. При этом сначала производится построение двумерных сцен с локализацией игроков обеих команд и мяча для каждой текущей игровой ситуации (она соответствует обрабатываемому кадру видеофрагмента реального эпизода игры) по результатам выполнения второй и третьей процедур. Далее для каждой текущей игровой ситуации создается виртуальный трехмерный кадр в формате искусственной игровой среды, на котором отображаются виртуальные игроки и мяч в соответствии с текущей игровой ситуацией, соответствующей текущему видеокадру. Конечным результатом выполнения этой процедуры является виртуальный игровой эпизод из сценарной последовательности виртуальных трехмерных кадров, который может использоваться пользователем для нейротренировки в искусственной игровой среде. При этом в процессе тренировки один из игроков может выполнять роль аватара пользователя и его действия в процессе тренинга анализируются при выполнении пятой процедуры. Дополнительно в каждом виртуальном кадре визуализируются параметры нейрональной обратной связи (фиг. 7), которые используются пользователем для управления выполнением тренировочных действий своим аватаром в процессе нейротренинга.

Пятая процедура:

обнаруживает и классифицирует критические ситуации, наиболее подходящие для эффективного выполнения тренировочных действий пользователя, а также реализует само тренировочное действие пользователя в критической ситуации с учетом нейрональной обратной связи. Критические ситуации соответствуют состояниям игры, в которых игрок, выполняющий роль аватара пользователя, должен реализовать тренировочное действие, например, удар по воротам или пас партнеру. Именно в таком состоянии пользователь должен максимально сконцентрироваться не только физически, но и мысленно, чтобы добиться наиболее эффективного выполнения тренировочного действия. Воспринимаемый им игровой процесс в видеофрагменте анализируется на состояния, соответствующие критическим ситуациям. Каждое из таких состояний определяется по пространственно-временному паттерну (ПВП), интегрирующему пространственные паттерны (ПП), формируемые по видеокадрам во множестве точек изображения в выбранном временном интервале. Для определения состояний используется функция классификации ПВП, включающая в себя преобразование сенсорной информации в наборы ПП, классификацию ПВП, кластеризацию решений, оценку принадлежности ПВП к определенному в результате обучения классу ПВП и формирования индекса класса.

На фиг. 8 под сенсорами понимаются процедуры, в ходе которых вычисляются траектории игроков и мяча при анализе нескольких (не менее трех) кадров фрагмента. Сверточная нейронная сеть, выполняющая этот анализ, обучается классификации критических ситуаций (состояний игры), связанных с моментами наиболее эффективного выполнения удара по мячу в створ ворот или паса партнеру Классификация таких состояний в процессе нейротренинга позволяет подсказывать тренирующемуся субъекту моменты наиболее эффективных действий. Это позволяет в итоге тренировать мозг спортсмена на принятие рациональных решений при выполнении игрового эпизода.

Заявленная система и способ реализации нейротренинга с использованием интерфейса «мозг-компьютер» для тренировки мозга направлено на улучшение моторных и когнитивных функций пользователя, в его мозге развиваются центры управления движениями, это приводит к улучшению физических возможностей и выполнению этих движений пользователя за определенное время.

Группа изобретений относится к медицине, а именно к системе и способу для развития моторных и когнитивных функций пользователя путем нейротренинга. Система содержит средства регистрации многоканальных ЭЭГ пользователя, усиления, передачи и обработки многоканальных ЭЭГ, а также средства вычисления и визуализации параметров нейрональной обратной связи по многоканальным ЭЭГ. Система содержит средства реализации искусственной среды для выполнения тренировочных действий пользователя и средства визуального отображения тренировочных действий пользователя в искусственной среде. Искусственная среда выполнена игровой с возможностью изменения в соответствии с запросом пользователя. При этом обеспечивают автоматическую генерацию виртуального игрового эпизода для искусственной игровой среды по представленному в виде видеофайла реальному эпизоду игры. Вычисляют и визуализируют параметры нейрональной обратной связи. Определяют момент начала расчета системой параметров нейрональной обратной связи. Выполняют тренировочное действие при достижении максимальных значений визуализируемых параметров нейрональной обратной связи. Обеспечивается адаптация системы нейротренинга к потребностям пользователя, а также активизация и выполнение тренировочных действий в нужные моменты времени. 2 н.п. ф-лы, 8 ил.

1. Система для развития моторных и когнитивных функций пользователя путем нейротренинга, включающая в себя средства:

регистрации биоэлектрической активности головного мозга пользователя в виде многоканальных электроэнцефалограмм (ЭЭГ);

усиления и передачи многоканальных ЭЭГ;

обработки многоканальных ЭЭГ;

вычисления и визуализации параметров нейрональной обратной связи – уровня концентрации и степени активации соответствующих зон головного мозга – по многоканальным сигналам ЭЭГ, регистрируемым в зонах головного мозга, соответствующих усиливаемым функциям;

реализации искусственной среды для выполнения тренировочных действий пользователя;

изменения искусственной среды;

визуального отображения тренировочных действий пользователя в искусственной среде, отличающаяся тем, что она выполнена игровой с возможностью изменения в соответствии с запросом пользователя;

автоматической генерацией виртуального игрового эпизода по представленному в виде видеофайла реальному эпизоду игры и автоматического определения момента начала расчета визуализируемых параметров нейрональной обратной связи, а также с возможностью активизации и выполнения тренировочного действия пользователя с использованием нейрональной обратной связи при максимальных значениях ее параметров.

2. Способ реализации нейротренинга с использованием системы по п. 1, характеризующийся тем, что ее средства обеспечивают автоматическую генерацию виртуального игрового эпизода для искусственной игровой среды по представленному в виде видеофайла реальному эпизоду игры;

вычисляют и визуализируют параметры нейрональной обратной связи – уровень концентрации и степень активации соответствующих зон головного мозга – по многоканальным сигналам ЭЭГ, регистрируемым в зонах головного мозга, соответствующих усиливаемым функциям;

определяют момент начала расчета системой параметров нейрональной обратной связи; и выполняют тренировочное действие при достижении максимальных значений визуализируемых параметров нейрональной обратной связи.