Моделирование биофизических реакций в интеллектуальных системах

Тип работы:
Реферат
Предмет:
Биология


Узнать стоимость

Детальная информация о работе

Выдержка из работы

УДК 004. 89
с.г. золкин
МОДЕЛИРОВАНИЕ БИОФИЗИЧЕСКИХ РЕАКЦИЙ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ & gt-
Abstract: The development of models of activation and interaction of systems of processing sensory information is described on the basis of researching bioelectrical activity of cerebral cortex. The regressive polynomials, reflecting statistical modeling reactions of the brain of the man on external irritants. These regressive polynomials may be used when forecasting formation of associative connections in cerebral cortex of the man.
Keywords: bioelectrical activity brain, associative connections, cerebral cortex, sensory information.
Анотація: У статті описано розробку активації та взаємодії систем обробки сенсорної інформації на основі дослідження біоелектричної активності кори головного мозку людини. Отримано регресійні поліноми, які відображають статистичне моделювання реакцій головного мозку людини на зовнішні подразники. Ці регресійні поліноми можуть бути використані при прогнозуванні формування асоціативних зв’язків у корі головного мозку людини.
Ключеві слова: біоелектрична активність мозку, кора головного мозку, асоціативна зв’язкі, сенсорна інформація.
Аннотация: Описана разработка моделей активации и взаимодействия систем обработки сенсорной информации на основе исследования биоэлектрической активности коры головного мозга человека.
, Получены регрессионные полиномы отражающие статистическое моделирование реакций головного иозга человека на внешние раздражители. Эти резрессионные полиномы могут быть использованы при прогнозировании формирования ассоциативных связей в коре головного мозга человека.
Ключевые слова: биоэлектрическая активность мозга, кора головного мозга, ассоциативные связи,
1. Введение
Постанови проблемы. При создании интеллектуальных систем, как правило, используются методы, базирующиеся на имитации особенностей восприятия, переработки и отображения информации высшими животными и человеком. Разработанные алгоритмы робототехнических I комплексов ориентированы на непосредственную обработку звуковой и видеоинформации с фиксированной реакцией системы. Потребность в оценке случайных изменений внешней среды и I выработке искусственными интеллектуальными системами адекватных решений составляет актуальность исследований реакций человека.
Анализ литературных источников. Интегративные функции центральной нервной системы (ЦНС) -еловека — это такие функции, которые не связаны непосредственно с обработкой сенсорных сигналов или управлением двигательными и вегетативными центрами. Согласно физиологическим данным, интегративные функции ЦНС лежат в основе сознания, речи, мышления (понимания и манипулирования понятиями), памяти (включая процессы обучения), эмоций. Структуры, гтвечающие за реализацию этих функций, локализованы главным образом в новой коре головного •юзга (неокортексе) [1]. В качестве одного из основных методов изучения механизмов обработкиформации и управления поведением человека в настоящее время применяется апектроэнцефалографическое исследование (ЭЭГ), результаты которого позволяют делать 15& lt-лючения о состоянии коры головного мозга и процессах, протекающих в ней (реакции
О Золкін С.Г., 2005
BSN 1028−9763. Математичні машини і системи, 2005, № 2 147
пробуждения, активации, торможения и т. д.). Так, регистрация 5-ритма (1−4 Гц) и 0-ритма (4−8 Гц) характерна для мозговой деятельности взрослого человека в состоянии сна, а-ритм (8−13 Гц) доминирует у человека в состоянии бодрствования с закрытыми глазами. При открытых глазах или поступлении сигналов от других органов чувств а-волны исчезают (блокада а-ритма) и сменяются волнами р-ритма (13−30 Гц), что характеризует (3-ритм как одну из реакций коры на внешние раздражители [1,2].
Постановка задачи. Целью работы является создание математических моделей прогноза биофизической реакции коры головного мозга на воздействие различных стимулов: зрительных, слуховых, соматосенсорных и комплекса этих раздражителей, а также определение возможности использования полученных моделей для прогнозирования в интеллектуальных системах. Для реализации поставленной задачи используются спектральный и корреляционный анализы ЭЭГ, а таюке методы статистической обработки вызванных потенциалов (ВП) коры при воздействии зрительных, слуховых и соматосенсорных раздражителей.
2. Моделирование прогноза биофизических реакций коры головного мозга на воздействие различных стимулов
Для регистрации биоэлектрической активности мозга в виде электроэнцефалограммы (ЭЭГ) был использован нейрофизиологический комплекс, который включает-
1) 8-канальный электроэнцефалограф фирмы Мейюог-
2) персональный компьютер с аналого-цифровым преобразователем и специальным программным обеспечением «ВРА!ЫМАР» для сохранности и обработки электроэнцефалограмм (топографическое картирование ЭЭГ) —
3) раздражающие устройства (РУ): фотостимуляция, наушники и т. д.
В эксперименте участвовали 150 здоровых индивидуумов, правшей, в возрасте от 18 до 25 лет Испытуемый помешался на стул в затемненную комнату. Запись ЭЭГ осуществлялась по" чувствительности ЭЭГ-канала 100 мкВ/см. Постоянная времени составляла 0,3 сек, а филь~? верхних частот ¦ 50 Гц, что отвечает полосе регистрируемых колебаний 0,5−50 Гц, в которой находятся измеряемые ритмы ЭЭГ: 5-ритм (1−4 Гц), 0-ритм (4−8 Гц), а1-ритм (8−13 Гц), а2-ритм (9-& quot-1 Гц), р1-ритм (13−20 Гц), р2-ритм (20−30 Гц).
Проведенная классификация позволила определить совокупность измеряемых на объекте
исследования переменных как у^, где / = 1,7, / =1,9 — хр, р =1,4 (факторы хи х2, *з, х*|
ранжированы):
Уд — значение ВП (вызванного потенциала) /-го ритма (табл. 1) на /-ом контрольном электроде (табл. 2) —
х? — зрительные раздражители, где фактор ранжирован следующим образом: х& lt-=1 — белый свет (2Гц), Х1=2 — белый свет (5Гц), Хч=3 — белый свет (10Гц), х-|=4 — красный свет, х-|=5 — синим свет, х^б — зеленый свет, Х1=7 — открытые глаза, х-1=8 — двумерное изображение-
х2 — слуховые раздражители, где фактор ранжирован следующим образом: х2=1 — звук на оба уха (10Гц), х2=2 — звук на левое ухо (10Гц), Хг=3 — звук на правое ухо (10Гц) —
Хз обонятельные раздражители, где фактор ранжирован следующим образом: Хз=1 — запах камфоры, х3=2 — запах апельсина, хз=3 — запах мяты-
Х4 комплекс раздражителей, где фактор ранжирован следующим образом: Х4=1 -зрительные раздражители, Х4=2 — слуховые раздражители, х^=3 — обонятельные раздражители.
[ аблица 1. Соответствие /-го индекса вызванного потенциала Уу регистрируемому ритму
ГГ h5 1 2 3 4 5 6 7
Регистрируемый ритм 5 (1−4Гц) 0 (4−8 Гц) а1 (8−13 Гц) Р1 (13−20Гц) Р2 (20−30 Гц) а.2 (9−11 Гц) Среднее (1-ЗОГц)
Таблица 2. Соответствие J-го индекса вызванного потенциала у, расположению контрольных ____________электродов '-
J 1 2 3 4 5 6 7 8 9
Сигнал на І датчике Fp1 Fp2 СЗ С4 01 02 ТЗ Т4 Среднее
Схематическое изображение всех положений злектродов на поверхности головы
испытуемого в виде проекции сверху и их обозначения приведены на рис. 1.
Основные точки отведения биопотенциалов были наложены соответственно международной
системе «10−20″, в которой соответствие между положениями каждого электрода с анатомическими структурами и областями коры головного мозга точно установлено рентгенологически, определены исходные точки отсчёта, учтена вариабельность анатомических структур, а также размеров и формы черепа. Точки отведения соответствуют тем областям мозга, на которые они проецируются: лобная — Fp1, Fp2 (frontalis), центральная -СЗ, С4 (centralis), затылочная — 01, 02 (occipitalis), височная -ТЗ, Т4 (temporalis). Применялось монополярное отведение, Рис. 1. Схема размещения ПРИ котором колебания потенциала регистрируются только
нГоГдениТбГо- П0Д электР°Д°м. расположенным над активной тканью.
Л0Б в качестве математического аппарата моделирования
принят статистический корреляционно-регрессионный анализ. Возможность проведения множественного корреляционно-регрессионного анализа
обусловлена наличием достаточной по объему выборочной совокупности входных и выходных переменных, характеризующей объект исследования и полученной на основе проведения лабораторных экспериментов.
Согласно алгоритму регрессионного анализа, для оценки влияния на величину ВП входящих факторов, а также взаимного влияния ВП в зависимости от ритмов колебаний и морфологии априори был задан вид многофакторных полиномов (1):
iSSN 1028−9763. Математичні машини і системи, 2005, № 2
149
где-значение вызванного потенциала /-го ритма (табл. 1) на j-ом электроде (табл. 2) при применении р-ro фактора-
ут ~ значение вызванного потенциала m-го ритма на }-ом электроде при применении р-го фактора-
ут — значение вызванного потенциала /-го ритма на /7-ом электроде при применении р-го фактора-
Ъй, bmj, bin, bp — оценки значений коэффициентов регрессии-
hmjYmj = о, если /77=/- bin Ую = о, если n=j.
В результате эксперимента были составлены информационные матрицы, на основании которых рассчитывались коэффициенты корреляции, оценки коэффициентов регрессии и все необходимые виды статистических оценок для случаев воздействия:
а) зрительными раздражителями x-i-
б) слуховыми раздражителями х2-
в) запаховыми раздражителями х3-
г) комплексом всех раздражителей х4.
Для каждого воздействия было построено 63 регрессионных полинома, которые подверглись каскадной процедуре оптимизации. Регрессионным полиномам
соответствуют статистические оценки jSTz — остаточная дисперсия масштабированной случайной величины z, F1 — критерий Фишера, R — коэффициент множественной детерминации. Для оценок коэффициентов регрессии рассчитаны значения f-критерия Стьюдента. которые указывают на степень влияния факторов на отклик и учитываются при исключении незначимых факторов в каскадной регрессионной процедуре. Б ходе дальнейшего анализа, на основании полученных статистических оценок, с учетом погрешностей измерения, вносимых субъективной оценкой оператора и техническими средствами, получены следующие результаты:
1. Под действием факторов хр на контрольных электродах происходит уменьшение уровня 6-ритма (1−4 Гц) при возникновении сигналов 0-ритма (4−8 Гц), а-ритма (8−13 Гц), р-ритма (13−30 Гц), что соответствует большинству проведенных ранее научных исследований. Статистические оценки полученных полиномов находятся в следующих пределах:
— 0,0028 & lt- Sz & lt- 0,1 376 — рассчитанные значения показывают учет статистического материала регрессионными полиномами-
150
ISSN 1028−9763. Математичні машини і системи, 2005, № 2
— 8,16 473 & lt- Р1 & lt- 179,0041 — рассчитанные значения показывают статистическую надежность полученных регрессионных полиномов, т. е. соответствие представленных полиномами связей реально существующим-
— 0,87 752 & lt- Я & lt- 0,9944 — рассчитанные значения оценивают долю вариации результативного фактора за счет представленных в полиноме факторов в общей вариации результата, т. е показывают близость полученных регрессионных полиномов к функциональной связи.
2. На контрольных электродах происходит уменьшение уровня 6-ритма (4−8 Гц) при возникновении сигналов 5-ритма (1−4 Гц), а-ритма (8−13 Гц), (3-ритма (13−30 Гц), что соответствует большинству проведенных ранее научных исследований. Статистические оценки полученных полиномов находятся в следующих пределах:
— 0,72 & lt- ?Тг & lt- 0,9 654-
— 10,43 282 & lt- Я, & lt- 93,79 019-
— 0,91 085 & lt-/?<- 0,9958.
3. На контрольных электродах происходит падение уровня (блокада) а-ритма (813 Гц) при возникновении сигналов 5-ритма (1−4 Гц), 0-ритма (4−8 Гц), р-ритма (13−30 Гц), что соответствует большинству проведенных ранее научных исследований. Статистические оценки полученных полиномов находятся в следующих пределах:
— 0,78 & lt- & lt- 0,9 434-
— 8,73 054 & lt- р1 & lt- 943,96 295-
— 0,88 546 & lt- /? & lt- 0,99 913.
4. Наиболее информативными представляются регрессионные полиномы, полученные при воздействии факторов хр на частотных поддиапазонах р-ритма
(13−30 Гц): р1 (13−20 Гц) и р2 (20−30 Гц). Статистические оценки полученных полиномов находятся в следующих пределах:
— 0,14 179 & lt- *5Т2 & lt- 0,46 673-
— 2,14 578 & lt- Р1 & lt- 7,7 129-
— 0,53 397 & lt- /?& lt-0,85 858.
Поскольку процедура регрессионного анализа чувствительна к исключению факторов 1-ой степени,
в качестве статистических моделей были выделены полиномы (2) — (16), для которых 51 & lt- 0.2:
У45 = & quot-°'0868 У15 '°'1013 У25 — 0,1169 у35 +0,2501 У55 -0,0280 у.е.5 + 0,5973 у75 — 0,1573 у42 — 0,2371 у44 +
+ 0,0802 у^ - 0,3959 у+1,6981 у49 — 0,0058×1-
V = -0,1269 у16 — 0,1096 у26 — 0,2665 узє + 0,1962 у56 -0,0201 у66 + 0,9327 у76 — 0,4376 у41 -0,2139 у42 —
^ 46
— 0,5018 у43 + 0,1190 у45 — 0,2912 у47 + 2,0833 у49 — 0,0096 Хі- (3)
Vі = -0,3530 у17 — 0,3765 у27 — 0,4188 у37 — 0,1568 у57 — 0,0287 у37 + 1,9787 у77 + 0,2827 у41 +
47
+ 0,1660 у43 — 0,0449 у44 + 0,0471 у45 — 0,1424 У46 — 0,3573 у48 + 0,8419 у49 — 0,0008 х, — (4)
у = -0,1469 у15 — 0,2047 у25 — 0,2946 У35 + 0,2541 у55 — 0,0266 у65 + 1,0785 у75 — 0,6463 у4і -
? 45
— 0,2599у44 -0,1788у47 + 2,2187у49 + 0,0156×2- (5)
у& quot- = -0,1878 у16 — 0,2209 у26 — 0,4304 у36 + 0,1119 у56 -0,0330 ут +1,5050 у75 — 0,1721 у41 — 0,1113 у42 —
-0,2702 у43 + 0,0579 у44 + 0,0613 у45 — 0,3504 у47- 0,2481 у^ + 1,9117 у^ + 0. 0021×2 — (6)
у = -0,2539 у17 — 0,2854 у27 — 0,3164 у37 + 1,4045 у77 + 0,1629 у43 — 0,0795 У44 — 0,1156 у45 —
— 0,0В64 у4б -0,2577 у4 В + 1,3507 у49 + 0,0177×2- (7)
у»? = -0,2438 у17 — 0,3136 у27 — 0,3538 у37 — 0,0454 у47 + 0,0319 у67 + 1,4057 у77 + 0,7053 у51 —
— 0,2203 у52 + 0,2659 узз — 0,3678 у54 — 0,3161 у58 + 0,7690 у59 — 0,0046×2 — (8)
у = -0,2022 У15 — 0,2056 у25 — 0,4028 У35 — 0,0060 у65 + 1,4005 у75 — 0,2292 у4і - 0,2623 у42 —
-0,2062 у43 -0,2133 у44 + 0,0705 У46 — 0,3771 У4 В + 2,0083 у49 + 0,0066×3 — (9)
У = -0,1562 Уі6 — 0,1729 у26 — 0,4146 у36 + 0,3302 у" - 0,0065 у^ + 1,2803 у76 — 0,4252 у4і -
«У 46
-0,1288 у42 -0,0763 у43 — 0,0380 у44 + 0,0272 у45 — 0,3261 у47 + 1,9482 у49 + 0,0033×3 — (10)
у = -0,2930 уі7 — 0,3014 у27 — 0,3417 у37 + 0,2188 у57 — 0,0226 у67 + 1,6427 у77 — 0,1419 у42 +
+ 0,2506 у'-45 -0,1542 у4Є -0 1459 у4» + 0 8199 у4? — 0 0062×3 — (11'-
= -0,0137 у15 — 0,0747 у25 — 0,1052 у35 — 0,0066 у45 — 0,0085 у65 + 0,4479 у75 — 0,4321 у5і + 0,2487у52 —
— 0,0725 у53 — 0,0322 у54 + 0,3018 у56 + 0,1452 у57 — 0,0107 уза + 0,3894 у59 — 0,0001×3 — (12)
У = -0,2465 уі7 — 0,2714 у27 — 0,3271 у37 + 1,3579 у77 + 0,4390 у5і - 0,1787 у52 + 0,2493 у53 —
— 0,2324 у54 -0,0576 уж — 0,2367 у58 + 0,8937 у59 — 0,0042×3 — (13)
у = -0,1124 у15 — 0,1305 у25 — 0,1737 у35 + 0,2421 у55 — 0,0175 у65 + 0,7332 у75 — 0,1310у4і - 0,1109у42 +
+ 0,0344 у43 — 0,2359 у44 + 0,1037 У4в — 0,3347 у4 В + 1,6722 у4д + 0,0020 Х4- (14)
у = -0,1343 у16 — 0,1280 у26 — 0,2916 у^ + 0,2198 у56 — 0,0144 у66 + 0,9937 у7б- 0,4756 у41 —
— 0,1888 у42 -0,3439 у43 + 0,0909 у45 — 0,3253 у47 + 2,0698 у49 + 0,0110 Х4 — (15)
V = -0,2955 У17 — 0,3188 у27 — 0,3354 у37 — 0,0267 у67 + 1,6337 у77 + 0,1906 у41 + 0,2027 у43 —
7 47
— 0,0656 у44 -0,1308 у46 — 0,3108 у^ + 0,9604 у49 — 0,0085 Х4 — (16)
Значения статистических оценок полиномов (2) — (16) приведены в таблице 3.
Таблица 3, Значения статистических оценок полиномов (2) — (16)
№ полинома s: Fi R
2 0,14 179 7,7 129 0,85 858
3 0,18 462 5,43 081 0,81 587
4 0,19 873 5,4 513 0,80 179
5 0,16 198 6,21 701 0,83 915
6 0,19 625 5,13 148 0,80 512
7 0,19 543 5,15 296 0,80 594
8 0,16 239 6,20 151 0,83 875
9 0,14 571 6,91 244 0,85 533
10 0,17 576 5,73 051 0,82 550
11 0,17 387 5,79 279 0,82 737
12 0,19 335 5,20 908 0,80 803
13 0,16 494 6,10 651 0,83 624
14 0,14 736 6,79 649 0,85 287
15 0,18 389 5,44 612 0,81 638
16 0,19 827 5,5 117 0,80 203
В каждом из полиномов (2) — (16) роль искомого отклика выполняет уровень ВП выбранного поддиапазона р-ритма на одном из контрольных электродов, а роль факторов — уровни ВП всех других измеряемых ритмов на этом электроде, уровни ВП выбранного поддиапазона (3-ритма на всех других контрольных электродах и фактор внешнего воздействия. Согласно физиологическим данным, регистрация сигналов 13-ритма свидетельствует об активации исследуемого участка неокортекса. Можно предположить, что указанные полиномы содержат информацию (знаки и величины оценок значений коэффициентов регрессии Ьу и значений критерия Стьюдента для каждой оценки), характеризующую активацию участков коры головного мозга, а также направленность и степень взаимодействия между участками коры под влиянием примененных раздражителей. В полиномах проявляется межполушарная функциональная асимметрия и межполушарные связи участков коры, зависящие от типа раздражителя, что также характеризуется знаковыми и численными значениями оценок коэффициентов Ь-/ при соответствующих Уф измеренных на контрольных электродах в разных полушариях.
3. Заключение
В результате проведенных исследований показано, что статистическое моделирование реакций головного мозга человека на внешние раздражители, отраженное полученными регрессионными полиномами, определяет научную новизну данной работы т. е. позволяет прогнозировать реакцию человека, перенося ее на адекватное поведение интеллектуальных систем и роботов. Практическое значение данной работы заключается в том, что регрессионные полиномы (2) — (16) могут быть использовань! при прогнозировании формирования ассоциативных связей в коре головного мозга человека, что может повлиять на изменение скорости принятия решений интеллектуальной системой робота.
СПИСОК ЛИТЕРАТУРЫ
1. Шмидт Р., Теве Г. Физиология человека: В 3-т. — М.: МИР, 1996.
2. Жадин Н. М. Биофизические механизмы формирования электроэнцефалограммы. — М.: Наука, 1984.

ПоказатьСвернуть
Заполнить форму текущей работой