Исследование влияния вибротактильной обратной связи и пропорциональной системы управления на пользовательский опыт пилотов протезов
Авторы: Самсонов Т. (1), Миннебаев Р. (1), Кнышенко М. (1), Лялина Т. (3), Синцов М. (4,5), Лебедев М. (2), Согоян Г. (1)
(1 — Нейроцентр, 2 — Институт искусственного интеллекта МГУ, 3 — ООО «Моторика», 4 — ООО «Исследовательский центр Моторика», 5 — Федеральный центр мозга и нейротехнологий, ФМБА)
Аннотация
В исследовании изучался новый подход к оценке пользовательского опыта пилотов протезов. В течение месяца участники пользовались модифицированным протезным устройством компании ООО «Моторика», оснащённым системой вибротактильной обратной связи (ВТОС). Оценка проводилась до и после этого периода.
Методы
• Дизайн: два повторения эксперимента (до и после длительного использования), N=10.
• Задачи: зрительно-моторная парадигма (частота и длительность взгляда на протез и объекты при манипуляциях), тест Box and Blocks (скорость выполнения), авторский опросник (15 шкал).
• Условия: с включённой стимуляцией ВТОС и без неё.
Результаты
• ВТОС не оказала значимого влияния на длительность и частоту фиксаций взгляда.
• Скорость выполнения трайлов чаще всего показывала общий эффект времени на 2 день (улучшение со временем).
• Тест Box and Blocks также не выявил эффекта стимуляции, но показал разную динамику скорости между 1 и 2 днём.
• Опросные методы выявили взаимосвязь факторов простоты обучения и социализации.
Визуально представлены графики распределения длительности взгляда (TS06, TS08), box-plot’ы времени выполнения заданий и столбчатые диаграммы результатов опросника.
Выводы
Новый подход позволил выявить ограничения вибротактильной системы в эффектах сенсоризации.
Тесты могут быть апробированы на других протезных модификациях.
Постер представлен на IX Международной конференции «Интерфейс Мозг–Компьютер 2026»
(Наука и практика), 21–22 мая 2026 года, Самара, Россия.
Авторы: Самсонов Т. (1), Миннебаев Р. (1), Кнышенко М. (1), Лялина Т. (3), Синцов М. (4,5), Лебедев М. (2), Согоян Г. (1)
(1 — Нейроцентр, 2 — Институт искусственного интеллекта МГУ, 3 — ООО «Моторика», 4 — ООО «Исследовательский центр Моторика», 5 — Федеральный центр мозга и нейротехнологий, ФМБА)
Аннотация
В исследовании изучался новый подход к оценке пользовательского опыта пилотов протезов. В течение месяца участники пользовались модифицированным протезным устройством компании ООО «Моторика», оснащённым системой вибротактильной обратной связи (ВТОС). Оценка проводилась до и после этого периода.
Методы
• Дизайн: два повторения эксперимента (до и после длительного использования), N=10.
• Задачи: зрительно-моторная парадигма (частота и длительность взгляда на протез и объекты при манипуляциях), тест Box and Blocks (скорость выполнения), авторский опросник (15 шкал).
• Условия: с включённой стимуляцией ВТОС и без неё.
Результаты
• ВТОС не оказала значимого влияния на длительность и частоту фиксаций взгляда.
• Скорость выполнения трайлов чаще всего показывала общий эффект времени на 2 день (улучшение со временем).
• Тест Box and Blocks также не выявил эффекта стимуляции, но показал разную динамику скорости между 1 и 2 днём.
• Опросные методы выявили взаимосвязь факторов простоты обучения и социализации.
Визуально представлены графики распределения длительности взгляда (TS06, TS08), box-plot’ы времени выполнения заданий и столбчатые диаграммы результатов опросника.
Выводы
Новый подход позволил выявить ограничения вибротактильной системы в эффектах сенсоризации.
Тесты могут быть апробированы на других протезных модификациях.
Постер представлен на IX Международной конференции «Интерфейс Мозг–Компьютер 2026»
(Наука и практика), 21–22 мая 2026 года, Самара, Россия.
🔥2❤1
«Декодирование жестов кисти с помощью оптомиографии и ROCKET»
Авторы: Дроздов И.Ю., Кабир М.С., Лебедев М.А., Согоян Г.А.
(Сколтех + МГУ им. М.В. Ломоносова)
Конференция: IX Международная конференция «Интерфейс мозг-компьютер: наука и практика», 21–22 мая 2026, Самара.
Аннотация
Оптомиография (OMG) — новый оптический метод регистрации мышечной активности с помощью инфракрасного излучения. Авторы показали, что носимые оптомиографические датчики на кисти в сочетании с моделью ROCKET и Dual-Axis Transformer позволяют в реальном времени с высокой точностью распознавать 7 жестов кисти.
Модели
1. ROCKET (Random Convolutional Kernel Transform)
• Работает с многомерными временными рядами
• Использует 25 случайных свёрточных ядер
• Быстрый и лёгкий: 1D-свёртки + пулинг + линейный классификатор (ridge regression)
2. Dual-Axis Transformer
• Более сложная трансформерная архитектура
• Dual-axis attention: по времени и по каналам
• Patch embedding, positional encoding с учётом расположения датчиков OMG/ЭМГ
• MLP-классификатор
Методика эксперимента
• Жесты: большой палец, флексия, экстензия, кулак, ладонь, «ОК» и др. (всего 7)
• Парадигма: 60 жестов на сессию, 9 повторений на флексию/экстензию, 6 — на остальные
• Устройство: 16 каналов OMG + 2 канала ЭМГ
• Частота: 25 Гц
• Метрика: accuracy на основе расстояния Левенштейна между реальной и декодированной последовательностью жестов в реальном времени
Результаты
• ROCKET показал очень высокую точность: до 0.9833 (средняя ~0.921 по всем испытуемым)
• Задержка декодирования ~0.36 секунды
• При смене положения датчиков точность ROCKET падает незначительно, а Dual-Axis Transformer остаётся устойчивым
• Лучшие результаты на сессиях s1, s4, s5
Выводы
1. Оптомиография — перспективная и недорогая альтернатива поверхностной ЭМГ.
2. Модель ROCKET с малым числом ядер (25) даёт отличное соотношение качество/ресурсы и подходит для реального времени.
3. Dual-Axis Transformer демонстрирует высокую устойчивость к сдвигу датчиков.
4. Технология имеет большой потенциал для управления бионическими протезами кисти.
Контакт: drozdovigor94@gmail.com
Постер демонстрирует, что сочетание оптомиографии + ROCKET — это лёгкое, быстрое и точное решение для декодирования жестов в системах brain-computer interface и протезирования.
Авторы: Дроздов И.Ю., Кабир М.С., Лебедев М.А., Согоян Г.А.
(Сколтех + МГУ им. М.В. Ломоносова)
Конференция: IX Международная конференция «Интерфейс мозг-компьютер: наука и практика», 21–22 мая 2026, Самара.
Аннотация
Оптомиография (OMG) — новый оптический метод регистрации мышечной активности с помощью инфракрасного излучения. Авторы показали, что носимые оптомиографические датчики на кисти в сочетании с моделью ROCKET и Dual-Axis Transformer позволяют в реальном времени с высокой точностью распознавать 7 жестов кисти.
Модели
1. ROCKET (Random Convolutional Kernel Transform)
• Работает с многомерными временными рядами
• Использует 25 случайных свёрточных ядер
• Быстрый и лёгкий: 1D-свёртки + пулинг + линейный классификатор (ridge regression)
2. Dual-Axis Transformer
• Более сложная трансформерная архитектура
• Dual-axis attention: по времени и по каналам
• Patch embedding, positional encoding с учётом расположения датчиков OMG/ЭМГ
• MLP-классификатор
Методика эксперимента
• Жесты: большой палец, флексия, экстензия, кулак, ладонь, «ОК» и др. (всего 7)
• Парадигма: 60 жестов на сессию, 9 повторений на флексию/экстензию, 6 — на остальные
• Устройство: 16 каналов OMG + 2 канала ЭМГ
• Частота: 25 Гц
• Метрика: accuracy на основе расстояния Левенштейна между реальной и декодированной последовательностью жестов в реальном времени
Результаты
• ROCKET показал очень высокую точность: до 0.9833 (средняя ~0.921 по всем испытуемым)
• Задержка декодирования ~0.36 секунды
• При смене положения датчиков точность ROCKET падает незначительно, а Dual-Axis Transformer остаётся устойчивым
• Лучшие результаты на сессиях s1, s4, s5
Выводы
1. Оптомиография — перспективная и недорогая альтернатива поверхностной ЭМГ.
2. Модель ROCKET с малым числом ядер (25) даёт отличное соотношение качество/ресурсы и подходит для реального времени.
3. Dual-Axis Transformer демонстрирует высокую устойчивость к сдвигу датчиков.
4. Технология имеет большой потенциал для управления бионическими протезами кисти.
Контакт: drozdovigor94@gmail.com
Постер демонстрирует, что сочетание оптомиографии + ROCKET — это лёгкое, быстрое и точное решение для декодирования жестов в системах brain-computer interface и протезирования.
Временные паттерны кортикальной ЭЭГ-активности при наблюдении и воспроизведении жестов бионической кисти
Авторы:
Титова Надежда, Бойков Георгий, Согоян Гурген, Стародубцева Надежда, Драгой Ольга, Утяшев Никита, Зуев Андрей, Карпов Олег, Лебедев Михаил
Институт проблем передачи информации им. А. А. Харкевича РАН
Аннотация
Разработана методика одновременной регистрации стереоэлектроэнцефалографии (сЭЭГ) и электромиографии (ЭМГ) при взаимодействии человека с бионической кистью, воспроизводящей движения пальцев.
Подход можно использовать как в нейропротезировании, так и при изучении схемы тела и моторного контроля. Анализ показал, что модуляции сЭЭГ довольно точно отражают производимые движения, имитирующие движения бионического протеза. ЭМГ-активность, в свою очередь, демонстрировала высокую вариабельность.
Дополнительный анализ спектральных характеристик и временных интервалов подтвердил, что наиболее эффективное управление протезом достигается при сочетании сЭЭГ и ЭМГ, а также при учёте как подготовительной фазы, так и фазы непосредственного выполнения движения.
Методы
В эксперименте участвовали 30 пациентов-эпилептиков с имплантированными электродами.
Участники выполняли простое задание: поддержание ладони в расправленном состоянии и сгибание пальцев в ответ на движения бионической кисти Max Bionix (9 вариантов, 8–12 каналов сЭЭГ + 2 канала ЭМГ).
Регистрация велась на частоте 2000 Гц. Анализировались временные и спектральные характеристики сигналов.
Результаты
• Визуализированы вызванные потенциалы (ERP) и время-частотные представления (TFR).
• Построена схема расположения электродов.
• Показаны примеры траекторий движения, спектры мощности, временные ряды ЭЭГ/ЭМГ.
• Выделены характерные паттерны активности в разных фазах движения (подготовка и исполнение).
• Проведён поканальный анализ бегущих волн.
Выводы
1. Медленные ритмы сЭЭГ преобладали в подготовительную фазу движения.
2. Гамма-ритм и высокочастотная гамма-активность были особенно выражены при выполнении движения, что соответствовало модуляциям ЭМГ.
3. Многоканальный анализ выявил наличие бегущих волн со своей спецификой для разных спектральных полос.
4. Полученные результаты согласуются с современными представлениями о ритмах мозга и имеют практическое значение для нейропротезирования.
Конференция
IX Международная конференция «Интерфейс мозг–компьютер 2026. Наука и практика»
21–22 мая 2026 г., Самара, Россия
Постер наглядно демонстрирует современный подход к изучению мозговой активности при управлении бионическим протезом и подчёркивает перспективы комбинированного использования сЭЭГ и ЭМГ для создания более естественных и интуитивных нейропротезов.
Авторы:
Титова Надежда, Бойков Георгий, Согоян Гурген, Стародубцева Надежда, Драгой Ольга, Утяшев Никита, Зуев Андрей, Карпов Олег, Лебедев Михаил
Институт проблем передачи информации им. А. А. Харкевича РАН
Аннотация
Разработана методика одновременной регистрации стереоэлектроэнцефалографии (сЭЭГ) и электромиографии (ЭМГ) при взаимодействии человека с бионической кистью, воспроизводящей движения пальцев.
Подход можно использовать как в нейропротезировании, так и при изучении схемы тела и моторного контроля. Анализ показал, что модуляции сЭЭГ довольно точно отражают производимые движения, имитирующие движения бионического протеза. ЭМГ-активность, в свою очередь, демонстрировала высокую вариабельность.
Дополнительный анализ спектральных характеристик и временных интервалов подтвердил, что наиболее эффективное управление протезом достигается при сочетании сЭЭГ и ЭМГ, а также при учёте как подготовительной фазы, так и фазы непосредственного выполнения движения.
Методы
В эксперименте участвовали 30 пациентов-эпилептиков с имплантированными электродами.
Участники выполняли простое задание: поддержание ладони в расправленном состоянии и сгибание пальцев в ответ на движения бионической кисти Max Bionix (9 вариантов, 8–12 каналов сЭЭГ + 2 канала ЭМГ).
Регистрация велась на частоте 2000 Гц. Анализировались временные и спектральные характеристики сигналов.
Результаты
• Визуализированы вызванные потенциалы (ERP) и время-частотные представления (TFR).
• Построена схема расположения электродов.
• Показаны примеры траекторий движения, спектры мощности, временные ряды ЭЭГ/ЭМГ.
• Выделены характерные паттерны активности в разных фазах движения (подготовка и исполнение).
• Проведён поканальный анализ бегущих волн.
Выводы
1. Медленные ритмы сЭЭГ преобладали в подготовительную фазу движения.
2. Гамма-ритм и высокочастотная гамма-активность были особенно выражены при выполнении движения, что соответствовало модуляциям ЭМГ.
3. Многоканальный анализ выявил наличие бегущих волн со своей спецификой для разных спектральных полос.
4. Полученные результаты согласуются с современными представлениями о ритмах мозга и имеют практическое значение для нейропротезирования.
Конференция
IX Международная конференция «Интерфейс мозг–компьютер 2026. Наука и практика»
21–22 мая 2026 г., Самара, Россия
Постер наглядно демонстрирует современный подход к изучению мозговой активности при управлении бионическим протезом и подчёркивает перспективы комбинированного использования сЭЭГ и ЭМГ для создания более естественных и интуитивных нейропротезов.
❤2
«Ответные реакции на чрескожную стимуляцию спинного мозга в проксимальных и дистальных мышцах руки»
Авторы:
Стародубцева Н.М.¹,², Клеева Д.Ф.², Медведева А.С.², Макарова А.В.², Лебедев М.А.²
(1 — Институт проблем передачи информации РАН, 2 — МГУ им. М.В. Ломоносова)
Конференция: IX Международная конференция «Интерфейс мозг-компьютер: наука и практика», 21–22 мая 2026 г., Самара, Россия.
Введение
Чрескожная стимуляция спинного мозга (tSCS) — неинвазивный метод нейромодуляции, который активирует спинальные нейронные сети и вызывает рефлексоподобные электромиографические (ЭМГ) ответы в мышцах.
Такие ответы преимущественно связаны с активацией афферентных волокон дорсальных корешков. Ранее было показано, что существуют различия в характеристиках ЭМГ-ответов между проксимальными и дистальными мышцами верхней конечности, но данные по руке изучены недостаточно.
Методы
• Стимуляция проводилась на уровне C6–C7.
• У 10 здоровых участников регистрировали ЭМГ-сигналы от 8 мышц правой руки:
• проксимальные: дельтовидная, бицепс, трицепс;
• дистальные: разгибатель запястья, локтевой и лучевой разгибатели пальцев, сгибатель запястья, отводящая мышца большого пальца.
• Анализировали латентность и амплитуду ЭМГ-ответов, удаляли артефакты стимуляции.
Результаты
Рисунок 1. Примеры усреднённых ЭМГ-ответов одного испытуемого.
Видно, что в проксимальных мышцах ответы появляются раньше и имеют более простую форму, в дистальных — позже и сложнее.
Рисунок 2 и 3. Латентности и амплитуды ЭМГ-ответов:
• Латентность значимо больше в дистальных мышцах (больше расстояние от места стимуляции до мышцы).
• Амплитуда в целом выше в проксимальных мышцах, хотя наблюдается значительная вариабельность.
Выводы
Расстояние от места стимуляции спинного мозга до мышцы — важный фактор, определяющий характеристики tSCS-вызванных ЭМГ-ответов.
С увеличением расстояния наблюдается:
• увеличение латентности ответа,
• изменение амплитуды,
• усложнение формы сигнала.
Полученные данные помогают точнее интерпретировать нейрофизиологические ответы при чрескожной стимуляции спинного мозга и могут быть полезны для оптимизации протоколов стимуляции в клинической практике, в частности при реабилитации пациентов после травм спинного мозга.
Постер представляет собой качественное экспериментальное исследование, подтверждающее зависимость параметров моторных ответов от анатомического расстояния «спинной мозг — мышца» при неинвазивной спинальной стимуляции.
Авторы:
Стародубцева Н.М.¹,², Клеева Д.Ф.², Медведева А.С.², Макарова А.В.², Лебедев М.А.²
(1 — Институт проблем передачи информации РАН, 2 — МГУ им. М.В. Ломоносова)
Конференция: IX Международная конференция «Интерфейс мозг-компьютер: наука и практика», 21–22 мая 2026 г., Самара, Россия.
Введение
Чрескожная стимуляция спинного мозга (tSCS) — неинвазивный метод нейромодуляции, который активирует спинальные нейронные сети и вызывает рефлексоподобные электромиографические (ЭМГ) ответы в мышцах.
Такие ответы преимущественно связаны с активацией афферентных волокон дорсальных корешков. Ранее было показано, что существуют различия в характеристиках ЭМГ-ответов между проксимальными и дистальными мышцами верхней конечности, но данные по руке изучены недостаточно.
Методы
• Стимуляция проводилась на уровне C6–C7.
• У 10 здоровых участников регистрировали ЭМГ-сигналы от 8 мышц правой руки:
• проксимальные: дельтовидная, бицепс, трицепс;
• дистальные: разгибатель запястья, локтевой и лучевой разгибатели пальцев, сгибатель запястья, отводящая мышца большого пальца.
• Анализировали латентность и амплитуду ЭМГ-ответов, удаляли артефакты стимуляции.
Результаты
Рисунок 1. Примеры усреднённых ЭМГ-ответов одного испытуемого.
Видно, что в проксимальных мышцах ответы появляются раньше и имеют более простую форму, в дистальных — позже и сложнее.
Рисунок 2 и 3. Латентности и амплитуды ЭМГ-ответов:
• Латентность значимо больше в дистальных мышцах (больше расстояние от места стимуляции до мышцы).
• Амплитуда в целом выше в проксимальных мышцах, хотя наблюдается значительная вариабельность.
Выводы
Расстояние от места стимуляции спинного мозга до мышцы — важный фактор, определяющий характеристики tSCS-вызванных ЭМГ-ответов.
С увеличением расстояния наблюдается:
• увеличение латентности ответа,
• изменение амплитуды,
• усложнение формы сигнала.
Полученные данные помогают точнее интерпретировать нейрофизиологические ответы при чрескожной стимуляции спинного мозга и могут быть полезны для оптимизации протоколов стимуляции в клинической практике, в частности при реабилитации пациентов после травм спинного мозга.
Постер представляет собой качественное экспериментальное исследование, подтверждающее зависимость параметров моторных ответов от анатомического расстояния «спинной мозг — мышца» при неинвазивной спинальной стимуляции.
Исследование использования LLM в качестве систем принятия решений для миографических протезов
Авторы:
Игнатьева А. Д.¹, Кравчук М. С.², Кабир МС.³, Согоян Г. А.³
(¹Первый МГМУ им. И.М. Сеченова, ²МГУ им. М.В. Ломоносова, ³Центр нейробиологии и нейрореабилитации им. В. Зельмана, Сколтех)
Конференция: IX Международная конференция «Интерфейс мозг–компьютер 2026: Наука и практика» (Самара, 21–22 мая 2026)
Введение
Традиционные системы управления миографическими протезами основаны на многоступенчатой обработке сигналов с ручным извлечением признаков. Авторы задались вопросом: можно ли применить большую языковую модель (LLM) напрямую к сырым (необработанным) сигналам отомиографии (ОМГ)?
Они выполнили тонкую настройку модели Phi-3.5-mini-instruct на сырых сигналах ОМГ для классификации трёх состояний кисти: раскрытие, сжатие, покой — без ручного извлечения признаков.
Методы
• Тонкая настройка с Unsloth + LoRA (ранг 32–64).
• Оптимизация гиперпараметров методом решётчатого поиска.
• Оценивались индивидуальные и комбинированные модели (здоровые + ампутированные).
Данные
• 5 здоровых добровольцев (150 испытаний на участника)
• 3 человека с ампутацией (150 испытаний на участника)
• 3 класса жестов: раскрытие, сжатие, покой
• Каждый канал ОМГ — отдельный пример
• Разделение: 70 % обучение, 15 % валидация, 15 % тест
Промпт:
You are an OMG based human hand gesture recognition expert. You analyze raw OMG data to identify what gesture (open, close or relax) was intended by human hand. Respond with only the gesture.
Результаты
• Здоровые испытуемые: ~90 % F1-мера
• Испытуемые с ампутацией: ~70 % F1-мера
• Время инференса: 0,4 секунды на один жест
• При объединении данных: ~81 % (2 эпохи, 830 шагов)
Выводы и дальнейшая работа
• LLM успешно распознают жесты по сырым данным ОМГ без ручного извлечения признаков.
• Смешивание данных здоровых и ампутированных значительно улучшает результаты у пациентов с ампутациями (хороший межпопуляционный перенос).
Планы: повысить точность для ампутированных, сократить время инференса, исследовать моделирование последовательностей жестов.
Постер показывает перспективное направление — прямое использование LLM для управления миографическими протезами.
Авторы:
Игнатьева А. Д.¹, Кравчук М. С.², Кабир МС.³, Согоян Г. А.³
(¹Первый МГМУ им. И.М. Сеченова, ²МГУ им. М.В. Ломоносова, ³Центр нейробиологии и нейрореабилитации им. В. Зельмана, Сколтех)
Конференция: IX Международная конференция «Интерфейс мозг–компьютер 2026: Наука и практика» (Самара, 21–22 мая 2026)
Введение
Традиционные системы управления миографическими протезами основаны на многоступенчатой обработке сигналов с ручным извлечением признаков. Авторы задались вопросом: можно ли применить большую языковую модель (LLM) напрямую к сырым (необработанным) сигналам отомиографии (ОМГ)?
Они выполнили тонкую настройку модели Phi-3.5-mini-instruct на сырых сигналах ОМГ для классификации трёх состояний кисти: раскрытие, сжатие, покой — без ручного извлечения признаков.
Методы
• Тонкая настройка с Unsloth + LoRA (ранг 32–64).
• Оптимизация гиперпараметров методом решётчатого поиска.
• Оценивались индивидуальные и комбинированные модели (здоровые + ампутированные).
Данные
• 5 здоровых добровольцев (150 испытаний на участника)
• 3 человека с ампутацией (150 испытаний на участника)
• 3 класса жестов: раскрытие, сжатие, покой
• Каждый канал ОМГ — отдельный пример
• Разделение: 70 % обучение, 15 % валидация, 15 % тест
Промпт:
You are an OMG based human hand gesture recognition expert. You analyze raw OMG data to identify what gesture (open, close or relax) was intended by human hand. Respond with only the gesture.
Результаты
• Здоровые испытуемые: ~90 % F1-мера
• Испытуемые с ампутацией: ~70 % F1-мера
• Время инференса: 0,4 секунды на один жест
• При объединении данных: ~81 % (2 эпохи, 830 шагов)
Выводы и дальнейшая работа
• LLM успешно распознают жесты по сырым данным ОМГ без ручного извлечения признаков.
• Смешивание данных здоровых и ампутированных значительно улучшает результаты у пациентов с ампутациями (хороший межпопуляционный перенос).
Планы: повысить точность для ампутированных, сократить время инференса, исследовать моделирование последовательностей жестов.
Постер показывает перспективное направление — прямое использование LLM для управления миографическими протезами.
Исследование краткосрочных эффектов неинвазивной стимуляции блуждающего нерва
Авторы: Дудорова А. А.¹,², Лебедев М. А.³,⁴, Согоян Г. А.²
(¹НИУ ВШЭ, ²Сколтех, ³МГУ им. М.В. Ломоносова, ⁴Институт эволюционной физиологии и биохимии им. И.М. Сеченова)
Конференция: IX Международная конференция «Интерфейс мозг–компьютер. Наука и практика», Самара, 21–22 мая 2026 г.
Аннотация
Неинвазивная стимуляция блуждающего нерва (nVNS) рассматривается как перспективный метод модуляции вегетативной нервной системы при депрессии, вегетативных дисфункциях и других состояниях. Однако доказательная база эффективности разных способов стимуляции пока недостаточна.
Цель исследования: оценить краткосрочные эффекты 10-минутной транскутанной стимуляции (tVNS) и магнитной стимуляции (VNS) левой ушной ветви и левой шейной ветви блуждающего нерва у здоровых добровольцев (n=18, возраст 21,5 ± 2,8 года). Девять участников прошли дополнительные сеансы стимуляции ушной ветви.
Материалы и методы
• Дизайн: рандомизированный порядок стимуляции (4 условия: tVNS, taVNS, магнитная, контроль).
• Каждый блок — 10 минут стимуляции + запись физиологических параметров.
• Стимуляция:
• Шейная зона (tVNS / cervical VNS): частота 25 Гц, амплитуда индивидуально подбиралась (средняя 3,3 мА).
• Ушная зона (taVNS / auricular VNS): спираль в форме восьмёрки (d=110 мм), 1 Гц, 80 % индивидуального моторного порога.
• Записывались: ЧСС, вариабельность сердечного ритма (RMSSD, SDNN, LF, HF, LF/HF), частота дыхания, ЭЭГ.
Статистический анализ
• ANOVA с поправкой Грихауса–Гейссера.
• Парные t-тесты с поправкой FDR.
• Уровень значимости p < 0,05.
Основные результаты
1. Изменения частоты сердечных сокращений (ЧСС):
• Шейная стимуляция (tVNS и VNS) достоверно снижала ЧСС по сравнению с контролем (F(3,36) = 5,48, p = 0,008).
• Ушная стимуляция значимого эффекта не показала (p = 0,111).
2. Вариабельность сердечного ритма (RMSSD):
• Значимое влияние шейной стимуляции (F(3,36) = 3,84, p = 0,018).
• Ушная стимуляция — без статистически значимых изменений.
3. Частота дыхания и другие параметры:
• Существенных изменений частоты дыхания не обнаружено ни в одном протоколе.
• Дисперсионный анализ не выявил устойчивых различий между конкретными условиями стимуляции.
Выводы
• Шейная неинвазивная стимуляция (tVNS и магнитная) достоверно влияет на сердечно-сосудистую систему (снижение ЧСС и увеличение RMSSD) у здоровых людей.
• Ушная стимуляция (taVNS) в данных условиях значимого краткосрочного эффекта на изученные параметры не продемонстрировала.
• Результаты подтверждают потенциал шейных методов nVNS для модуляции.
Авторы: Дудорова А. А.¹,², Лебедев М. А.³,⁴, Согоян Г. А.²
(¹НИУ ВШЭ, ²Сколтех, ³МГУ им. М.В. Ломоносова, ⁴Институт эволюционной физиологии и биохимии им. И.М. Сеченова)
Конференция: IX Международная конференция «Интерфейс мозг–компьютер. Наука и практика», Самара, 21–22 мая 2026 г.
Аннотация
Неинвазивная стимуляция блуждающего нерва (nVNS) рассматривается как перспективный метод модуляции вегетативной нервной системы при депрессии, вегетативных дисфункциях и других состояниях. Однако доказательная база эффективности разных способов стимуляции пока недостаточна.
Цель исследования: оценить краткосрочные эффекты 10-минутной транскутанной стимуляции (tVNS) и магнитной стимуляции (VNS) левой ушной ветви и левой шейной ветви блуждающего нерва у здоровых добровольцев (n=18, возраст 21,5 ± 2,8 года). Девять участников прошли дополнительные сеансы стимуляции ушной ветви.
Материалы и методы
• Дизайн: рандомизированный порядок стимуляции (4 условия: tVNS, taVNS, магнитная, контроль).
• Каждый блок — 10 минут стимуляции + запись физиологических параметров.
• Стимуляция:
• Шейная зона (tVNS / cervical VNS): частота 25 Гц, амплитуда индивидуально подбиралась (средняя 3,3 мА).
• Ушная зона (taVNS / auricular VNS): спираль в форме восьмёрки (d=110 мм), 1 Гц, 80 % индивидуального моторного порога.
• Записывались: ЧСС, вариабельность сердечного ритма (RMSSD, SDNN, LF, HF, LF/HF), частота дыхания, ЭЭГ.
Статистический анализ
• ANOVA с поправкой Грихауса–Гейссера.
• Парные t-тесты с поправкой FDR.
• Уровень значимости p < 0,05.
Основные результаты
1. Изменения частоты сердечных сокращений (ЧСС):
• Шейная стимуляция (tVNS и VNS) достоверно снижала ЧСС по сравнению с контролем (F(3,36) = 5,48, p = 0,008).
• Ушная стимуляция значимого эффекта не показала (p = 0,111).
2. Вариабельность сердечного ритма (RMSSD):
• Значимое влияние шейной стимуляции (F(3,36) = 3,84, p = 0,018).
• Ушная стимуляция — без статистически значимых изменений.
3. Частота дыхания и другие параметры:
• Существенных изменений частоты дыхания не обнаружено ни в одном протоколе.
• Дисперсионный анализ не выявил устойчивых различий между конкретными условиями стимуляции.
Выводы
• Шейная неинвазивная стимуляция (tVNS и магнитная) достоверно влияет на сердечно-сосудистую систему (снижение ЧСС и увеличение RMSSD) у здоровых людей.
• Ушная стимуляция (taVNS) в данных условиях значимого краткосрочного эффекта на изученные параметры не продемонстрировала.
• Результаты подтверждают потенциал шейных методов nVNS для модуляции.
🔥1
«Сверхвысокоплотная ЭЭГ в парадигме ИМК: пилотное исследование»
Авторы:
Исаев М.Р.¹, Бобров П.Д.², Керечанин Я.В.², Осадчий А.Е.²
¹ООО «БРЕЙНСТАРТ», ²Национальный исследовательский университет «Высшая школа экономики»
Конференция:
IX Международная конференция «Интерфейс Мозг–Компьютер: наука и практика», 21–22 мая 2026 г., Самара, Россия.
Цель исследования
Пилотное изучение возможностей сверхвысокоплотной ЭЭГ (high-density EEG) в задаче мозг-компьютерного интерфейса (ИМК/BCI) при выполнении изолированных движений пальцев руки. Сравнение с обычной ЭЭГ и ЭМГ.
Методика
• Парадигма: участник выполнял изолированные движения каждым пальцем по визуальной инструкции (на экране появлялась рука с подсвеченным пальцем). Эксперимент состоял из 15 блоков по несколько проб (trials) в каждом. Каждый trial — 6 секунд.
• Регистрация:
• Сверхвысокоплотная матрица ЭЭГ-электродов (расстояние между электродами 8 и 4 мм).
• Одновременная регистрация ЭМГ (мышцы предплечья).
• Стандартная ЭЭГ.
• Анализ: Filter-Bank Common Spatial Patterns (FBCSP), независимый компонентный анализ (ICA), multi-class классификация.
Основные результаты
1. Движения пальцев чётко различались по скорости и паттерну в зависимости от выполняемой задачи (см. цветовую тепловую карту).
2. Сверхвысокоплотная ЭЭГ позволила выделить три независимых компонента, соответствующих дипольным источникам, типичным для стандартной ЭЭГ.
3. Точность классификации:
• ЭМГ — очень высокая (ожидаемо).
• Высокоплотная ЭЭГ — значительно выше случайного уровня.
• Однако точность ЭЭГ пока заметно уступает ЭМГ.
4. Активность выделенных компонентов хорошо коррелирует с комбинацией сигналов от разных электродов матрицы.
Вывод
Несмотря на относительно невысокие значения точности классификации, анализ независимых компонентов показывает, что сверхвысокоплотная ЭЭГ несёт дополнительную информацию о мозговой активности, которая недоступна при использовании обычного (стандартного) расположения электродов.
Таким образом, высокоплотный монтаж перспективен для повышения качества сигналов в системах мозг-компьютерного интерфейса, особенно при тонких движениях пальцев.
Постер демонстрирует начальный, но многообещающий этап работы по переходу от традиционной ЭЭГ к высокоплотным системам в области нейроинтерфейсов.
Авторы:
Исаев М.Р.¹, Бобров П.Д.², Керечанин Я.В.², Осадчий А.Е.²
¹ООО «БРЕЙНСТАРТ», ²Национальный исследовательский университет «Высшая школа экономики»
Конференция:
IX Международная конференция «Интерфейс Мозг–Компьютер: наука и практика», 21–22 мая 2026 г., Самара, Россия.
Цель исследования
Пилотное изучение возможностей сверхвысокоплотной ЭЭГ (high-density EEG) в задаче мозг-компьютерного интерфейса (ИМК/BCI) при выполнении изолированных движений пальцев руки. Сравнение с обычной ЭЭГ и ЭМГ.
Методика
• Парадигма: участник выполнял изолированные движения каждым пальцем по визуальной инструкции (на экране появлялась рука с подсвеченным пальцем). Эксперимент состоял из 15 блоков по несколько проб (trials) в каждом. Каждый trial — 6 секунд.
• Регистрация:
• Сверхвысокоплотная матрица ЭЭГ-электродов (расстояние между электродами 8 и 4 мм).
• Одновременная регистрация ЭМГ (мышцы предплечья).
• Стандартная ЭЭГ.
• Анализ: Filter-Bank Common Spatial Patterns (FBCSP), независимый компонентный анализ (ICA), multi-class классификация.
Основные результаты
1. Движения пальцев чётко различались по скорости и паттерну в зависимости от выполняемой задачи (см. цветовую тепловую карту).
2. Сверхвысокоплотная ЭЭГ позволила выделить три независимых компонента, соответствующих дипольным источникам, типичным для стандартной ЭЭГ.
3. Точность классификации:
• ЭМГ — очень высокая (ожидаемо).
• Высокоплотная ЭЭГ — значительно выше случайного уровня.
• Однако точность ЭЭГ пока заметно уступает ЭМГ.
4. Активность выделенных компонентов хорошо коррелирует с комбинацией сигналов от разных электродов матрицы.
Вывод
Несмотря на относительно невысокие значения точности классификации, анализ независимых компонентов показывает, что сверхвысокоплотная ЭЭГ несёт дополнительную информацию о мозговой активности, которая недоступна при использовании обычного (стандартного) расположения электродов.
Таким образом, высокоплотный монтаж перспективен для повышения качества сигналов в системах мозг-компьютерного интерфейса, особенно при тонких движениях пальцев.
Постер демонстрирует начальный, но многообещающий этап работы по переходу от традиционной ЭЭГ к высокоплотным системам в области нейроинтерфейсов.
Мониторинг психофизиологического состояния участников экспедиций (нейроасессмент) на основе нейрокомпьютерных интерфейсов
Автор:
Рыбников Андрей Константинович, старший преподаватель
МИРЭА — Российский технологический университет
Конференция:
IX Международная конференция «Интерфейс мозг–компьютер 2026. Наука и практика»
21–22 мая 2026, Самара, Россия
Аннотация
В полевых экспедициях сложно проводить регулярную оценку состояния участников. Работа посвящена нейроасессменту — комплексному мониторингу когнитивного, физиологического и психологического состояния на основе данных электроэнцефалограммы (ЭЭГ) с помощью нейрокомпьютерного интерфейса (НКИ) и самооценки участников.
Подход предназначен для автономного применения в экспедиционных условиях: он помогает принимать решения о нагрузке, отдыхе и готовности человека к выполнению задач.
Методы
Метод нейроасессмента включает сбор и обработку трёх групп показателей:
• когнитивных
• физиологических
• психологических
Формируется объективный контур (на основе ЭЭГ с НКИ) и субъективный контур (на основе опросника).
Интегральный показатель состояния рассчитывается по формуле:
U(t) = Σ (wₛSᵢ(t) + wₒOᵢ(t)), где wₛ + wₒ = 1
Математическая обработка включает нормализацию, взвешенное агрегирование, анализ временных рядов, сглаживание динамики и сравнение с индивидуальным базовым уровнем.
Результаты
Разработана модель нейроасессмента, объединяющая когнитивные, физиологические и психологические показатели в единую систему оценки состояния участника экспедиции.
Предложен интегральный коэффициент усталости, учитывающий как субъективные (самооценка), так и объективные (ЭЭГ + НКИ) данные.
Сформирован прикладной протокол проведения сеансов нейроасессмента в полевых условиях:
• регулярные измерения в течение дня,
• локальная обработка данных,
• сохранение результатов,
• анализ динамики состояния.
Аппаратно-программный комплекс состоит из мобильного приложения, устройства НКИ и веб-сервиса.
Апробация проведена в рамках Студенческого экспедиционного корпуса «Команда Арктики» в 2025–2026 годах в следующих местах:
1. Горный массив Рай-Из (ЯНАО)
2. Беловежская пуща (Республика Беларусь)
3. Архипелаг Кузова (Белое море)
4. Побережье Онежской губы (Белое море)
5. Зона отчуждения (Республика Беларусь)
Выводы
Нейроасессмент позволяет комплексно оценивать состояние участника экспедиции по объективным и субъективным данным. Использование НКИ повышает оперативность мониторинга и даёт возможность фиксировать реальные признаки усталости, стресса и снижения функционального состояния.
Предложенный подход может применяться для поддержки экспедиционной безопасности и дальнейшего развития систем полевого мониторинга человека.
Постер представляет собой хорошо структурированную научную работу, демонстрирующую практическое применение технологий нейроинтерфейсов в реальных экспедиционных условиях.
Автор:
Рыбников Андрей Константинович, старший преподаватель
МИРЭА — Российский технологический университет
Конференция:
IX Международная конференция «Интерфейс мозг–компьютер 2026. Наука и практика»
21–22 мая 2026, Самара, Россия
Аннотация
В полевых экспедициях сложно проводить регулярную оценку состояния участников. Работа посвящена нейроасессменту — комплексному мониторингу когнитивного, физиологического и психологического состояния на основе данных электроэнцефалограммы (ЭЭГ) с помощью нейрокомпьютерного интерфейса (НКИ) и самооценки участников.
Подход предназначен для автономного применения в экспедиционных условиях: он помогает принимать решения о нагрузке, отдыхе и готовности человека к выполнению задач.
Методы
Метод нейроасессмента включает сбор и обработку трёх групп показателей:
• когнитивных
• физиологических
• психологических
Формируется объективный контур (на основе ЭЭГ с НКИ) и субъективный контур (на основе опросника).
Интегральный показатель состояния рассчитывается по формуле:
U(t) = Σ (wₛSᵢ(t) + wₒOᵢ(t)), где wₛ + wₒ = 1
Математическая обработка включает нормализацию, взвешенное агрегирование, анализ временных рядов, сглаживание динамики и сравнение с индивидуальным базовым уровнем.
Результаты
Разработана модель нейроасессмента, объединяющая когнитивные, физиологические и психологические показатели в единую систему оценки состояния участника экспедиции.
Предложен интегральный коэффициент усталости, учитывающий как субъективные (самооценка), так и объективные (ЭЭГ + НКИ) данные.
Сформирован прикладной протокол проведения сеансов нейроасессмента в полевых условиях:
• регулярные измерения в течение дня,
• локальная обработка данных,
• сохранение результатов,
• анализ динамики состояния.
Аппаратно-программный комплекс состоит из мобильного приложения, устройства НКИ и веб-сервиса.
Апробация проведена в рамках Студенческого экспедиционного корпуса «Команда Арктики» в 2025–2026 годах в следующих местах:
1. Горный массив Рай-Из (ЯНАО)
2. Беловежская пуща (Республика Беларусь)
3. Архипелаг Кузова (Белое море)
4. Побережье Онежской губы (Белое море)
5. Зона отчуждения (Республика Беларусь)
Выводы
Нейроасессмент позволяет комплексно оценивать состояние участника экспедиции по объективным и субъективным данным. Использование НКИ повышает оперативность мониторинга и даёт возможность фиксировать реальные признаки усталости, стресса и снижения функционального состояния.
Предложенный подход может применяться для поддержки экспедиционной безопасности и дальнейшего развития систем полевого мониторинга человека.
Постер представляет собой хорошо структурированную научную работу, демонстрирующую практическое применение технологий нейроинтерфейсов в реальных экспедиционных условиях.
Формализация когнитивных стратегий в задачах навигации методами MoSeq для гибридных систем ИМК
Авторы: Сударикова О.С.¹, Сварник О.Е.²
¹Московский физико-технический институт, ²ФГБУН Институт психологии РАН, Москва
Основная идея работы
Разработан метод автоматического анализа поведенческого репертуара на основе обучения без учителя. Метод адаптирует нейробиологическую технологию Motion Sequencing (MoSeq) для объективного вычислительного фенотипирования когнитивных стратегий без участия экспертов-оценщиков.
Полученные когнитивные профили предлагается интегрировать в гибридные интерфейсы мозг-компьютер (ИМК) в качестве априорных вероятностей. Это позволит связать неявные поведенческие маркеры с паттернами активности ЦНС.
1. Введение и постановка эксперимента
• Использовалась задача навигации в дискретной среде («мышонок в лабиринте»).
• Животное (или человек) управляет курсором/объектом на экране, выбирая путь в лабиринте с двумя светофорами.
• Записывались траектории движений, скорость, коррекции, время принятия решений и т.д.
MoSeq позволяет автоматически выделять характерные «мотивы» поведения (аналогично тому, как в геномике выделяют паттерны экспрессии генов).
2. Методы
Предложен двухуровневый конвейер агрегации данных:
Уровень I — извлечение 12 системных параметров и динамических маркеров:
• средний темп, латентность, риск-ошибки, скорость исправления, устойчивость поведения и др.
Уровень II — снижение размерности + иерархическая кластеризация + марковский анализ последовательностей.
Также применялась RL-симуляция (reinforcement learning) для моделирования динамики формирования автоматизма.
3. Результаты
• Построена 3D-топология когнитивных профилей участников (визуализация в пространстве главных компонент).
• Тепловая карта признаков и дендрограмма сходства показали чёткое разделение стратегий.
• Выявлены индивидуальные различия в переходах между стратегиями (диаграмма миграции Санкей).
• Метод позволяет отслеживать когнитивную нагрузку, выявлять деструктивные или аномальные стратегии обучения.
Выводы и практическая ценность
Предложенный подход даёт возможность:
• объективно мониторить когнитивную нагрузку в реальном времени;
• автоматически обнаруживать критическое рассогласование между поведением и нейрофизиологическими данными;
• использовать когнитивные профили как априорные знания в гибридных системах ИМК для повышения точности и удобства интерфейса.
Ключевые преимущества:
• полностью автоматический анализ (без экспертов);
• высокая воспроизводимость;
• возможность переноса на человеческие данные и клинические приложения.
Постер демонстрирует успешную интеграцию методов компьютерного зрения, машинного обучения и нейронаук для формализации скрытых когнитивных стратегий в задачах пространственной навигации.
Работа выполнена в рамках междисциплинарного сотрудничества МФТИ и Института психологии РАН.
Авторы: Сударикова О.С.¹, Сварник О.Е.²
¹Московский физико-технический институт, ²ФГБУН Институт психологии РАН, Москва
Основная идея работы
Разработан метод автоматического анализа поведенческого репертуара на основе обучения без учителя. Метод адаптирует нейробиологическую технологию Motion Sequencing (MoSeq) для объективного вычислительного фенотипирования когнитивных стратегий без участия экспертов-оценщиков.
Полученные когнитивные профили предлагается интегрировать в гибридные интерфейсы мозг-компьютер (ИМК) в качестве априорных вероятностей. Это позволит связать неявные поведенческие маркеры с паттернами активности ЦНС.
1. Введение и постановка эксперимента
• Использовалась задача навигации в дискретной среде («мышонок в лабиринте»).
• Животное (или человек) управляет курсором/объектом на экране, выбирая путь в лабиринте с двумя светофорами.
• Записывались траектории движений, скорость, коррекции, время принятия решений и т.д.
MoSeq позволяет автоматически выделять характерные «мотивы» поведения (аналогично тому, как в геномике выделяют паттерны экспрессии генов).
2. Методы
Предложен двухуровневый конвейер агрегации данных:
Уровень I — извлечение 12 системных параметров и динамических маркеров:
• средний темп, латентность, риск-ошибки, скорость исправления, устойчивость поведения и др.
Уровень II — снижение размерности + иерархическая кластеризация + марковский анализ последовательностей.
Также применялась RL-симуляция (reinforcement learning) для моделирования динамики формирования автоматизма.
3. Результаты
• Построена 3D-топология когнитивных профилей участников (визуализация в пространстве главных компонент).
• Тепловая карта признаков и дендрограмма сходства показали чёткое разделение стратегий.
• Выявлены индивидуальные различия в переходах между стратегиями (диаграмма миграции Санкей).
• Метод позволяет отслеживать когнитивную нагрузку, выявлять деструктивные или аномальные стратегии обучения.
Выводы и практическая ценность
Предложенный подход даёт возможность:
• объективно мониторить когнитивную нагрузку в реальном времени;
• автоматически обнаруживать критическое рассогласование между поведением и нейрофизиологическими данными;
• использовать когнитивные профили как априорные знания в гибридных системах ИМК для повышения точности и удобства интерфейса.
Ключевые преимущества:
• полностью автоматический анализ (без экспертов);
• высокая воспроизводимость;
• возможность переноса на человеческие данные и клинические приложения.
Постер демонстрирует успешную интеграцию методов компьютерного зрения, машинного обучения и нейронаук для формализации скрытых когнитивных стратегий в задачах пространственной навигации.
Работа выполнена в рамках междисциплинарного сотрудничества МФТИ и Института психологии РАН.
Ультратонкие биосовместимые полимерные покрытия для нейроинтерфейсов
Авторы:
Гирфатов Р.А., Мухлисамов Д.А., Каримов В.Р.
УУНИТ, БГПУ им. М. Акмуллы, ООО «Биоконструктор»
Контакты: morcovkin4me@mail.ru, +79932783601
Конференция:
IX Международная конференция «Интерфейс мозг–компьютер 2026: Наука и практика»
21–22 мая 2026, Самара, Россия
Аннотация
Исследована возможность применения субмикронных плёнок поливинилов и полимер-углеродных композитов на их основе для создания электродов для носимой электроники.
Обнаружена возможность применения плёнок в конфигурации сухих безгелевых и гелевых электродов.
Показано преимущество использования тонкоплёночных электропроводящих покрытий для защиты электродов.
Методами импедансной спектроскопии продемонстрировано преобладание электронного переноса заряда в тонких плёнках поливинилов.
Материалы и методы
• Полимер: сополимер лактида и гликолида (со-ПЛАЖ)
• Композит: со-ПЛАЖ + графен RG-S1 (Рисграфен)
• Методы формирования плёнок: из филамента, гранул, раствора.
• Анализ: СЭМ, АСМ, импедансная спектроскопия, циклическая вольтамперометрия и др.
• Эксперименты на коже человека (измерение ЭМГ набором Bitronics LAB).
Основные результаты
1. Модификация стандартных электродов полимерным и полимер-углеродным покрытием
Сравнение электродов:
• Без покрытия
• 10 нм покрытие
• 300 нм покрытие
• 300 нм композит (с точечным распределением углерода)
Покрытия значительно улучшают стабильность сигнала ЭМГ, снижают шум и повышают воспроизводимость.
Графики ЭМГ показывают более чистый и стабильный сигнал у покрытых электродов по сравнению с голыми.
2. Защитное биосовместимое покрытие для электродов при погружении в электролит или ткань
• Покрытие со-ПЛАЖ толщиной 50 нм существенно улучшает барьерные свойства.
• Снижается диффузия металла из электрода в окружающую ткань.
• Показаны барьерные свойства плёнки толщиной 25 мкм.
Выводы
• Доказана возможность применения тонких полимерных плёнок со-ПЛАЖ (от 3 нм) для модификации электродов нейроинтерфейсов.
• Покрытие может использоваться как для защиты самих электродов, так и для уменьшения явлений диффузии металла в окружающие ткани.
• Полученные покрытия открывают путь к созданию более долговечных, биосовместимых и комфортных сухих электродов для носимой электроники и нейроинтерфейсов.
На постере также представлены:
• Фотографии СЭМ и АСМ поверхности материалов
• Схемы электродов
• Графики импеданса, диаграммы Боде, Найквиста, хронопотенциограммы
• Фото электродов на коже человека
Постер отмечен рукописной надписью «Графическое!!! Успехов!!!» с подписью.
Это современная разработка в области биомедицинских материалов для Brain-Computer Interfaces (BCI).
Авторы:
Гирфатов Р.А., Мухлисамов Д.А., Каримов В.Р.
УУНИТ, БГПУ им. М. Акмуллы, ООО «Биоконструктор»
Контакты: morcovkin4me@mail.ru, +79932783601
Конференция:
IX Международная конференция «Интерфейс мозг–компьютер 2026: Наука и практика»
21–22 мая 2026, Самара, Россия
Аннотация
Исследована возможность применения субмикронных плёнок поливинилов и полимер-углеродных композитов на их основе для создания электродов для носимой электроники.
Обнаружена возможность применения плёнок в конфигурации сухих безгелевых и гелевых электродов.
Показано преимущество использования тонкоплёночных электропроводящих покрытий для защиты электродов.
Методами импедансной спектроскопии продемонстрировано преобладание электронного переноса заряда в тонких плёнках поливинилов.
Материалы и методы
• Полимер: сополимер лактида и гликолида (со-ПЛАЖ)
• Композит: со-ПЛАЖ + графен RG-S1 (Рисграфен)
• Методы формирования плёнок: из филамента, гранул, раствора.
• Анализ: СЭМ, АСМ, импедансная спектроскопия, циклическая вольтамперометрия и др.
• Эксперименты на коже человека (измерение ЭМГ набором Bitronics LAB).
Основные результаты
1. Модификация стандартных электродов полимерным и полимер-углеродным покрытием
Сравнение электродов:
• Без покрытия
• 10 нм покрытие
• 300 нм покрытие
• 300 нм композит (с точечным распределением углерода)
Покрытия значительно улучшают стабильность сигнала ЭМГ, снижают шум и повышают воспроизводимость.
Графики ЭМГ показывают более чистый и стабильный сигнал у покрытых электродов по сравнению с голыми.
2. Защитное биосовместимое покрытие для электродов при погружении в электролит или ткань
• Покрытие со-ПЛАЖ толщиной 50 нм существенно улучшает барьерные свойства.
• Снижается диффузия металла из электрода в окружающую ткань.
• Показаны барьерные свойства плёнки толщиной 25 мкм.
Выводы
• Доказана возможность применения тонких полимерных плёнок со-ПЛАЖ (от 3 нм) для модификации электродов нейроинтерфейсов.
• Покрытие может использоваться как для защиты самих электродов, так и для уменьшения явлений диффузии металла в окружающие ткани.
• Полученные покрытия открывают путь к созданию более долговечных, биосовместимых и комфортных сухих электродов для носимой электроники и нейроинтерфейсов.
На постере также представлены:
• Фотографии СЭМ и АСМ поверхности материалов
• Схемы электродов
• Графики импеданса, диаграммы Боде, Найквиста, хронопотенциограммы
• Фото электродов на коже человека
Постер отмечен рукописной надписью «Графическое!!! Успехов!!!» с подписью.
Это современная разработка в области биомедицинских материалов для Brain-Computer Interfaces (BCI).
❤1
БОС на КГР и Стабилометрии (Биологическая обратная связь с использованием кожно-гальванической реакции и стабилометрии)
Автор: Павел Рудыч, Новосибирский государственный университет
Задача
Стресс, тревожность, депрессия и суицидальные мысли сложно отслеживать и корректировать традиционными методами.
Опросники (например, шкала депрессивности Ковача) дают социально желаемые ответы.
Лабораторный стресс (речь перед доской, предстартовый мандраж) сложно воспроизвести в реальной жизни.
Нужно больше внимания к проприоцепции (ощущению тела) и сенсомоторной интеграции.
Доступность оборудования
• Коммерческие устройства (умные браслеты Healbe, часы): измеряют ЧСС, вариабельность сердечного ритма (ВСР), КГР, акселерометрию. Показан график корреляции между устройствами.
• DIY-решения на базе Arduino и бытовых весов — недорогой стабилометр.
Варианты тренингов (мультимодальные)
Используются два физиологических датчика одновременно.
Требования к тренингам:
• Модальности не должны пересекаться по времени
• Интуитивно понятная игровая механика
• Учёт реакции ориентировки и ослабления «свент-эффекта»
• Игрок управляет положением тела, ходя по виртуальному лесу/лабиринту
• Внезапно появляются «страшилки» (скримеры) возле целевых точек — чем меньше испугался, тем быстрее открывается сундук
На постере приведены примеры страшных персонажей для игровых сценариев.
Образование и творчество
• Студенческие практики и дипломные работы
• Детское творчество («Сириус-Лето»)
• Кружки юных техников
• Школьные проектные работы
Выводы
Будем повышать доступность:
• БОС-тренингов
• БОС-оборудования
• Знаний про нейрофизиологию
Контакты:
pavel@rudych.ru
+7 913 474 48 31
http://stabilo.rudych.ru
Конференция: BCI: Science and Practice, Самара, 2026
Постер посвящён доступным технологиям биологической обратной связи (БОС), сочетающим кожно-гальваническую реакцию (КГР) и стабилометрию для работы со стрессом и тревогой через игровые мультимодальные тренинги. Особый акцент на низкой стоимости решений и вовлечении школьников и студентов.
Автор: Павел Рудыч, Новосибирский государственный университет
Задача
Стресс, тревожность, депрессия и суицидальные мысли сложно отслеживать и корректировать традиционными методами.
Опросники (например, шкала депрессивности Ковача) дают социально желаемые ответы.
Лабораторный стресс (речь перед доской, предстартовый мандраж) сложно воспроизвести в реальной жизни.
Нужно больше внимания к проприоцепции (ощущению тела) и сенсомоторной интеграции.
Доступность оборудования
• Коммерческие устройства (умные браслеты Healbe, часы): измеряют ЧСС, вариабельность сердечного ритма (ВСР), КГР, акселерометрию. Показан график корреляции между устройствами.
• DIY-решения на базе Arduino и бытовых весов — недорогой стабилометр.
Варианты тренингов (мультимодальные)
Используются два физиологических датчика одновременно.
Требования к тренингам:
• Модальности не должны пересекаться по времени
• Интуитивно понятная игровая механика
• Учёт реакции ориентировки и ослабления «свент-эффекта»
• Игрок управляет положением тела, ходя по виртуальному лесу/лабиринту
• Внезапно появляются «страшилки» (скримеры) возле целевых точек — чем меньше испугался, тем быстрее открывается сундук
На постере приведены примеры страшных персонажей для игровых сценариев.
Образование и творчество
• Студенческие практики и дипломные работы
• Детское творчество («Сириус-Лето»)
• Кружки юных техников
• Школьные проектные работы
Выводы
Будем повышать доступность:
• БОС-тренингов
• БОС-оборудования
• Знаний про нейрофизиологию
Контакты:
pavel@rudych.ru
+7 913 474 48 31
http://stabilo.rudych.ru
Конференция: BCI: Science and Practice, Самара, 2026
Постер посвящён доступным технологиям биологической обратной связи (БОС), сочетающим кожно-гальваническую реакцию (КГР) и стабилометрию для работы со стрессом и тревогой через игровые мультимодальные тренинги. Особый акцент на низкой стоимости решений и вовлечении школьников и студентов.
Поведение и Состояние. Объективный контроль физиологии и нейростимуляции
(Экосистема Heable — комплексное решение для мониторинга и управления физиологическими и поведенческими параметрами в реальном времени).
Основные блоки постера:
1. Аппаратная база: Замкнутый цикл считывания и воздействия (Sense & Act)
• GoBe U — Умный мониторинг (браслет): Измеряет физиологическую активность (КГР/ЭДА), пульс, температуру кожи, контроль калорий, расход энергии.
• NEEM — Нейростимуляция (наушник): Стимуляция блуждающего нерва (tVNS), неинвазивная технология для улучшения эмоционального состояния, снижения стресса и повышения фокуса.
2. Маршрутизация данных: От сенсора к специализированным платформам
• Сбор сырых сигналов → Heable EDA Platform (Хилби Сигнал) → BIOT. Нейромониторинг.
• Поддержка видеосессий, комплексной биометрии и аналитики.
3. Хилби Сигнал (Heable EDA Platform)
Технологическая платформа для исследований:
• Синхронная запись КГР/ЭДА + видео.
• Доступны метрики: кожно-гальваническая реакция и видео.
• Целевая аудитория: исследователи и разработчики методов.
4. BIOT. Нейромониторинг
Прикладная интерпретация физиологических сигналов для специалистов:
• Метрики: Пульс (BPM), КГР, Индекс Баевского (маркер регуляции вегетативной нервной системы), эмоциональный фон.
• Реал-тайм отображение уровня напряжения, эмоционального состояния («Нейтральный / Спокойный» и т.д.).
5. Карта стресса в прямом эфире
Детальный фокус на участнике с показателями:
• Пульс, КГР, уровень напряжения, эмоциональный фон, индекс Баевского и др.
• Интеграция с телеметрией и Bluetooth-устройствами.
6. Управление групповыми сессиями и контроль оборудования
• Сетка участников — одновременный мониторинг нескольких человек с визуальной индикацией состояния (красные алерты).
• Назначение браслета — быстрый старт сессии, поиск участников, готовность системы.
7. Диагностическая матрица: Выбор программной платформы
(Экосистема Heable — комплексное решение для мониторинга и управления физиологическими и поведенческими параметрами в реальном времени).
Основные блоки постера:
1. Аппаратная база: Замкнутый цикл считывания и воздействия (Sense & Act)
• GoBe U — Умный мониторинг (браслет): Измеряет физиологическую активность (КГР/ЭДА), пульс, температуру кожи, контроль калорий, расход энергии.
• NEEM — Нейростимуляция (наушник): Стимуляция блуждающего нерва (tVNS), неинвазивная технология для улучшения эмоционального состояния, снижения стресса и повышения фокуса.
2. Маршрутизация данных: От сенсора к специализированным платформам
• Сбор сырых сигналов → Heable EDA Platform (Хилби Сигнал) → BIOT. Нейромониторинг.
• Поддержка видеосессий, комплексной биометрии и аналитики.
3. Хилби Сигнал (Heable EDA Platform)
Технологическая платформа для исследований:
• Синхронная запись КГР/ЭДА + видео.
• Доступны метрики: кожно-гальваническая реакция и видео.
• Целевая аудитория: исследователи и разработчики методов.
4. BIOT. Нейромониторинг
Прикладная интерпретация физиологических сигналов для специалистов:
• Метрики: Пульс (BPM), КГР, Индекс Баевского (маркер регуляции вегетативной нервной системы), эмоциональный фон.
• Реал-тайм отображение уровня напряжения, эмоционального состояния («Нейтральный / Спокойный» и т.д.).
5. Карта стресса в прямом эфире
Детальный фокус на участнике с показателями:
• Пульс, КГР, уровень напряжения, эмоциональный фон, индекс Баевского и др.
• Интеграция с телеметрией и Bluetooth-устройствами.
6. Управление групповыми сессиями и контроль оборудования
• Сетка участников — одновременный мониторинг нескольких человек с визуальной индикацией состояния (красные алерты).
• Назначение браслета — быстрый старт сессии, поиск участников, готовность системы.
7. Диагностическая матрица: Выбор программной платформы