Research and Development: User projects

By zrozumieć egzekwowanie funkcji poznawczych przez ludzki mózg, konieczne jest zbadanie jak aktywność neuronalna jest odzwierciedlona w rejestrowanym sygnale elektroencefalograficznym (EEG) lub sygnale pochodzącym z funkcjonalnego rezonansu magnetycznego (fMRI). Każda z tych dwóch technik ma swoje specyficzne ograniczenia: jest nią niska rozdzielczość przestrzenna w przypadku EEG oraz niska rozdzielczość czasowa w przypadku fMRI. Mimo, iż jednoczesna rejestracja sygnału EEG-fMRI pozwala na równoczesne wykorzystanie zalet obu systemów, wysoki poziom szumu pochodzącego ze skanera nie pozwala na precyzyjną lokalizację źródeł aktywności, w szczególności w przypadku najsłabiej widocznych oscylacji w EEG (wysokie pasma częstotliwości, powyżej rytmu alfa: 8-12 Hz). Głównym celem projektu jest zidentyfikowanie sieci mózgowych odpowiedzialnych za generację oscylacji EEG rejestrowanych ze skalpu. Dąży się do wykrycia unikalnych map przestrzenno-czasowych, tzw. fingerprintów EEG (EEG-fp) procesów poznawczych. EEG-fp rozumiane jest jako stabilne (w krótkich odcinkach czasu) ślady aktywności bioelektrycznej związanej z przetwarzaniem bodźca, które mogą być opisane za pomocą cech przestrzenno-czasowych dostępnych po ekstrakcji z sygnału EEG.
Jedną z najważniejszych części projektu jest zbadanie różnych metod, za pomocą których można uzyskać brain fingerprint. Bieżące prace dotyczą implementacji i rozwijania metody Spectral Fingerprints zaproponowanej przez A. Keitel i J. Grossa ("Individual Human Brain Areas Can Be Identified from Their Characteristic Spectral Activation Fingerprints", PLOS Biology, 2016). Autorzy opracowali obiecujący potok przetwarzania umożliwiający klasyfikację 116 różnych obszarów mózgu na podstawie spoczynkowego sygnału magnetoencefalograficznego (MEG). Efektem dotychczasowej pracy jest wersja procedury zaadaptowana do analizy sygnału EEG. Planowane są dalsze udoskonalenia bazujące na oryginalnych pomysłach oraz najnowszych metodach analizy źródeł. Obecnie analizowane są dane 66 osób badanych (jeden zbiór danych MEG: 22 badanych, dwa zbiory danych EEG: każdy po 22 badanych). Planowane są dalsze rejestracje.
Przetwarzanie danych z neuroobrazowania jest problemem złożonym i kosztownym obliczeniowo. Klasyfikacja kory mózgowej dla wybranego zbioru parametrów wymaga pięciu dni nieprzerwanych kalkulacji na komputerze wyposażonym w procesor Intel(R) Core(TM) i5-6200U CPU (2.4 GHz) z 16 GB pamięci RAM, oraz kartą graficzną Intel(R) HD Graphics z 8 GB wbudowanej pamięci. Wymagane jest obliczenie dziesiątek różnych konfiguracji parametrów, więc zasoby Trójmiejskiej Akademickiej Sieci Komputerowej z pewnością znacznie skrócą czas potrzebny na uzyskanie wyników i udoskonalanie proponowanego algorytmu.
Badania nt. poszukiwania źródeł aktywności poznawczej ludzkiego mózgu odbywają się dzięki wsparciu finansowemu Narodowego Centrum Nauki (UMO-2016/20/W/NZ4/00354), grant przyznany Prof. dr hab. Andrzejowi Cichockiemu.