https://github.com/stanford-crfm/pubmedgpt

Code used for pre-training and fine-tuning the PubMed GPT 2.7B model.

​​Обзор мобильной ЭЭГ
#neuroimaging

Публикация: Niso, G., Romero, E., Moreau, J. T., Araujo, A., & Krol, L. R. (2022). Wireless EEG: An Survey of Systems and Studies. NeuroImage, 119774.

На днях в Neuroimage вышел обзор, сопоставляющий характеристики 44 устройств регистрации беспроводной ЭЭГ, а также рассматривающий ключевые исследования с использованием этого метода.

На основе этого обзора можно сформировать список вопросов, на который следует ответить, прежде чем выбирать подходящее вам устройство:

- Нужен ли широкий захват активности с различных областей мозга или достаточно регистрировать ее с пространственно ограниченной небольшой области?
- Понадобятся ли данные о дополнительной физиологической активности (движениях глаз, сокращениях сердца, дыхании, мышечной активности)?
- Что важнее – комфорт пользователя или качество сигнала? В первом случае допустимо использование сухих электродов, не требующих нанесения геля на скальп. Впрочем, оптимизация их конфигурации и использование проводящих полимеров, графена и прочих материалов минимизируют их чувствительность к шуму. Также доступно использование промежуточного варианта – влажных электродов, окруженных губкой с солевым раствором.
- Важна ли возможность проверять импеданс, определяющий качество контакта электрода со скальпом, непосредственно во время регистрации активности?
- Какие спектральные характеристики сигнала будут представлять интерес? Это обусловит допустимую частоту дискретизации с учетом теоремы Найквиста – Шеннона, в соответствии с которой что для любого периодического сигнала заданной частоты требуется частота дискретизации, более чем в два раза превышающая частоту сигнала, чтобы точно определить его присутствие.
- Необходимо ли отслеживать сигнал в режиме реального времени, на каком расстоянии и с какой допустимой задержкой? В зависимости от этого выбирается оптимальный протокол беспроводной передачи данных (по Bluetooth или через Wi-Fi), а также протокол передачи данных в пакеты обработки (стандартом является LSL).
- Какой длины записи будут регистрироваться? Это определит необходимое количество часов работы устройства от аккумулятора.

Обзор исследований с использованием мобильной ЭЭГ выделил четыре основные сферы применения:

- Когнитивный мониторинг: регистрация ЭЭГ в реальном времени для оценки характеристик той или иной когнитивной деятельности (например, уровня внимания или усталости) и – в ряде случаев – обеспечения обратной связи.
- Клинические цели: диагностика заболеваний, длительный мониторинг патологических состояний на протяжении 24 часов с возможностью пациента свободно перемещаться, спать и т. д.
- Коммуникация и контроль: использование мозговой активности для управления внешними устройствами (в частности, роботизированными конечностями).
- Методологические проверки самих устройств.

Как сами подчеркивают авторы, несмотря на широту охваченных параметров сопоставления, обзор не касается самого важного критерия выбора устройства (помимо мобильности передвижений) – качества регистрируемого сигнала. Этот параметр сильно зависит от дизайна исследования: например, допустимые пороги качества отличаются для спектрального анализа ЭЭГ или для регистрации ранних усредненных вызванных ответов ЭЭГ на стимул. Поэтому для более полноценного сопоставления портативных ЭЭГ-устройств важно использование стандартизованных процедур оценки. Вдохновиться можно ERP CORE ( набором парадигм для регистрации основных вызванных потенциалов ЭЭГ человека) и сопоставлять получаемые с помощью портативной ЭЭГ результаты в условиях, когда участник сидит, стоит или перемещается. В качестве метрики качества сигнала можно использовать standardized measurement error, не так давно разработанную для универсальной оценки качества вызванных потенциалов.

Высокоскоростное декодирование attempted speech & silent speech

Появился препринт, описывающий рекордно быстрый и высокоточный ввод текста, который парализованный пациент пытается проговаривать (attempted speech) и произносит про себя (silent speech):

Here, we demonstrate the first speech-to-text BCI that records spiking activity from intracortical microelectrode arrays. Enabled by these high-resolution recordings, our study participant, who can no longer speak intelligibly due amyotrophic lateral sclerosis (ALS), achieved a 9.1% word error rate on a 50 word vocabulary (2.7 times fewer errors than the prior state of the art speech BCI2) and a 23.8% word error rate on a 125,000 word vocabulary (the first successful demonstration of large-vocabulary decoding). Our BCI decoded speech at 62 words per minute, which is 3.4 times faster than the prior record for any kind of BCI and begins to approach the speed of natural conversation (160 words per minute).

Francis R Willett, ... Leigh R. H Hochberg, Shaul Druckmann, Krishna Shenoy, Jaimie Henderson. A high-performance speech neuroprosthesis. bioRxiv, January 21, 2023 https://doi.org/10.1101/2023.01.21.524489

Этот проект получил вторую премию BCI Award в прошлом году. Вот тут можно посмотреть видео, представленное на конкурс. Но на нем видно, что и при attempted, и при silent speech пациент делает сложные движения головой (та же история была с пациентом в проекте, получившем третью премию). Это почти наверняка дает большой вклад в точность декодирования, и в этом случае, увы, точность сильно снизится, когда из-за ухудшения контроля над мышцами эти движения исчезнут или станут более хаотичными.

В 2021 году у того же коллектива была статья в Нейче с предыдущим рекордом, там использовалась более тяжелая для пациента методика воображения процесса написания слов от руки. Надо признать, что в моем обзоре нейроинтерфейсных итогов 2022 года я допустил ошибку -- утверждал, что вторая премия 2022 года была дана за это декодирование воображения рукописного ввода. Слишком похожее название было у той статьи -- High-performance brain-to-text communication via handwriting... Исправлю в ближайшее время.

A novel description of the network dynamics underpinning working memory

https://www.biorxiv.org/content/10.1101/2023.01.20.524895v1

Coherence-based interhemispheric EEG functional connectivity changes in distinct frequency bands during eyes open meditation

https://doi.org/10.1101/2023.02.06.527252

Default Mode and Dorsal Attention Network functional connectivity associated with alpha and beta peak frequency in individuals.

https://doi.org/10.1101/2023.02.19.529136

Distinct roles of forward and backward alpha-band waves in spatial visual attention

https://doi.org/10.1101/2022.08.18.504422

Integrating simultaneous motor imagery and spatial attention for EEG-BCI control

https://doi.org/10.1101/2023.02.20.529307