ОБРОБКА СИГНАЛІВ ЕЛЕКТРОЕНЦЕФАЛОГРАМ З УРАХУВАННЯМ ДИПОЛЬНОЇ ПРИРОДИ СИГНАЛІВ МОЗКУ ТА ПЕРСПЕКТИВИ МОДЕЛЮВАННЯ NEURAL ODE
DOI:
https://doi.org/10.34185/1991-7848.itmm.2026.01.050Ключові слова:
ЕЕГ, ICA, підбір диполя, класифікація станів мозку, нейронна мережа, Neural ODE, сліпе розділення сигналів, локалізація джерел, NeuroAnalyzer, JuliaАнотація
Запропоновано підхід до класифікації стану очей (відкриті/закриті) за 64-канальними ЕЕГ-даними на основі декомпозиції незалежних компонент (ICA) з валідацією компонент підбором еквівалентних диполів. Для підбору диполя розроблено оригінальну функцію втрат із L2-регуляризацією та еліпсоїдним анатомічним обмеженням на основі тривимірної моделі мозку. Серед ICA-компонент ідентифіковано джерела з характерними альфа-, мю-, бета- та гамма-ритмами, що підтверджує фізіологічну інтерпретованість методу. Класифікація нейронною мережею досягла точності 97% на навчальній та 90% на тестовій вибірці. Обговорюються перспективи застосування нейронних звичайних диференціальних рівнянь (Neural ODE) для моделювання очищених ICA-сигналів як перспективного напрямку подальших досліджень.
Посилання
Panasenko Ye. S., Belozyorov V. Ye.. THE APPLICATION OF SPECTRAL ANALYSIS OF EEG DATA FOR THE IDENTIFICATION OF OPEN AND CLOSED EYE STATES. System technologies. 2024. Т. 6, № 155, 155. С. 101–115. DOI: 10.34185/1562-9945-6-155-2024-11.
Panasenko Ye. S., Belozyorov V.Y. CLASSIFICATION OF EYE STATE BASED ON EEG DATA USING RECURRENCE ANALYSIS. Системні технології. 2025. Т. 3, № 158, 158. С. 58–73. DOI: 10.34185/1562-9945-3-158-2025-07.
Hyvärinen A., Oja E. Independent Component Analysis: Algorithms and Applications. Neural Networks. 2000. Т. 13, № 4. С. 411–430. DOI: 10.1016/S0893-6080(00)00026-5.
Malmivuo J., Plonsey R. Bioelectromagnetism: Principles and Applications of Bioelectric and Biomagnetic Fields. New York: Oxford University Press, 1995. 512 с. DOI: 10.1093/acprof:oso/9780195058239.001.0001.
Belozyorov V.Y., Volkova S.A., Zaytsev V.G. Singular Differential Equations and Their Applications for Modeling Strongly Oscillating Processes. Journal of Optimization, Differential Equations and Their Applications. 2023. Т. 31, № 1, 1. С. 22–52. DOI: 10.15421/142302.
Inkin O.A., Belozyorov V.E. Hybrid Modeling of Eeg: The Fitzhugh-Nagumo-Lorenz Model. System technologies. 2025. Т. 3, № 158. С. 87–95. DOI: 10.34185/1562-9945-3-158-2025-09.
