Запись электрических сигналов активности головного мозга человека ведет свою историю с 1924 года, когда австрийский физиолог и психиатр Ганс Бергер поместил электроды на голову пациента и с помощью гальванометра получил первую электроэнцефалограмму (ЭЭГ). С тех пор исследования в области электроэнцефалографии сильно продвинулись, а ЭЭГ стала ценнейшим инструментом диагностики и лечения повреждений спинного мозга, инсультов и расстройств головного мозга, таких как эпилепсия, шизофрения, болезнь Альцгеймера и болезнь Паркинсона. Сигналы ЭЭГ также являются основой интерфейсов мозг – компьютер в реабилитационных и развлекательных приложениях. В последние годы вырос интерес к применению ЭЭГ для биометрического распознавания личности.
ЭЭГ-биометрия: за и против
С точки зрения надежности и приватности сигналы ЭЭГ имеют ряд преимуществ перед традиционными биометрическими идентификаторами: отпечатками пальцев, снимками радужной оболочки глаза и фотографиями лица. Сигналы ЭЭГ не описывают внешних особенностей человека, так как генерируются ионными токами в нейронах мозга. Системы ЭЭГ-биометрии устойчивы к фальсификации — в отличие от традиционных биометрических параметров атакующий не может тайно получить ЭЭГ-сигналы в физической форме или синтезировать их позднее, а затем передать на датчики. Кроме того, не нужны дополнительные датчики, чтобы определить, жив ли идентифицируемый.
Еще одно преимущество систем распознавания на основе ЭЭГ в том, что они будут работать и с людьми, имеющими инвалидность или серьезные травмы — например, ампутированные конечности, аниридию (отсутствие радужной оболочки) или обожженные пальцы.
Более того, возможность постоянно и прозрачно следить за спонтанной активностью мозга или откликами на когнитивные стимулы является защитой от подмены личности, против которой бессильны системы с однократной проверкой верительных данных.
В то же время у сигналов ЭЭГ, как биометрического идентификатора, есть определенные недостатки. Во-первых, такие сигналы нельзя получить на расстоянии, как это можно сделать со снимками радужки и лица, в связи с чем ограничивается применимость системы. Во-вторых, приборы регистрации ЭЭГ пока дороже устройств для классической биометрии, а подготовка аппарата ЭЭГ к работе и управление им трудоемки и затратны по времени, из-за чего эти устройства менее применимы во многих ситуациях. В-третьих, ЭЭГ-активность — это характеристика генотипа, в связи с чем ограничивается уникальность идентификатора. Исследования показали, что у однояйцевых близнецов нет большой разницы между сигналами ЭЭГ.
Системы распознавания на основе ЭЭГ
Типичная система автоматического распознавания личности на основе ЭЭГ состоит из модуля регистрации, получающего ЭЭГ-сигналы испытуемого; модуля обработки, удаляющего шумы и артефакты из сигналов; модуля извлечения черт, отделяющего репрезентативные элементы сигналов; модуля сопоставления, генерирующего рейтинг, используемый для выявления наиболее вероятных личностей или принятия решения об истинности личности, заявленной испытуемым.
Система может регистрировать ЭЭГ-сигналы во время спонтанной активности мозга (в том числе когда испытуемый находится в покое с закрытыми или открытыми глазами). Можно также регистрировать сигналы в присутствии визуальных, звуковых или тактильных стимулов (в том числе реального мира — таких как музыка, речь или видео) либо во время выполнения реальных или мыслительных функций, например телодвижений или речи. Сигналы, вызванные такими стимулами, исходят из разных регионов мозга и значительно варьируются по диапазону частот и амплитуде.
Прибор для регистрации ЭЭГ состоит из набора усилителей, многоканального аналого-цифрового преобразователя и комплекта электродов, помещаемых на кожу волосяной части головы, которые воспринимают электрическую активность мозга. Традиционные пассивные электроды требуют нанесения проводящего геля для снижения полного электрического сопротивления схемы кожа-электрод. Эта процедура может вызывать неприятные ощущения у испытуемого и занимает определенное время, но новые активные электроды со встроенной электроникой уже геля не требуют.
Расположение электродов обычно выполняется по схеме 10-20, рекомендованной Международной федерацией электроэнцефалографии и клинической нейрофизиологии. Числа 10 и 20 указывают, что расстояние между электродами должно составлять 10 или 20% от длины линии, соединяющей две референтные точки, назион (переносицу) и инион (затылочный бугор).
.png) |
| Рис. 1. Расположение электродов ЭЭГ. Схема размещения 21 электрода, вид (а) слева и (б) сверху, согласно международной системе 10-20; (в) 75-электродная схема, расширяющая стандарт 10-20 и обеспечивающая более высокое пространственное разрешение. Буквы F, T, C, P и О обозначают соответственно лобную, височную, центральную, теменную и затылочную доли. Четные и нечетные числа обозначают электроды соответственно на правом и левом полушариях, а буква Z — электроды, размещенные посередине. (Источник: Дж. Малмивуо, Р. Плонси, Bioelectromagnetism: Principles and Applications of Bioelectric and Biomagnetic Fields, Oxford Univ. Press, 1995). |
На рис. 1, а и 1, б показана стандартная схема размещения 21 электрода, а на рис. 1, в — 75-электродная расширенная схема, обеспечивающая более высокое пространственное разрешение.
Наиболее значимой активности головного мозга соответствует диапазон от 0,5 до 40 Гц включительно. Существует пять основных ритмов, различаемых в сигнале ЭЭГ: дельта, тета, альфа, бета и гамма. В табл. 1 приведены частотные диапазоны и характеристики этих ритмов, а на рис. 2 даны примеры каждого. Амплитуда сигнала ЭЭГ составляет около 100 мкВ при измерении на коже волосистой части головы и около 1–2 мВ при измерении непосредственно на поверхности мозга.
.png) |
| Рис. 2. Примеры сигналов ЭЭГ, полученных в состоянии покоя с закрытыми глазами. |
Фоновый шум, вызванный непрерывной спонтанной активностью мозга, обычно засоряет ЭЭГ-сигнал и может перекрыть электрические эффекты, создаваемые когнитивными стимулами. В сигналах также присутствуют биологические артефакты, обусловленные движениями глаз, сердцебиением, мышечной активностью и т. д. Существует ряд методов удаления шума и артефактов, в том числе адаптивная фильтрация, анализ главных компонентов и слепое разделение сигнала.
Современное положение
Мариос Пулос с коллегами одними из первых начали экспериментировать с ЭЭГ-биометрией, представив в 1999 году автоматизированную систему идентификации личности, основанную на ЭЭГ-сигналах, полученных от четырех испытуемых в состоянии покоя с закрытыми глазами. Исследователи регистрировали сигналы на электроде О2, извлекали из них ритм альфа и с помощью авторегрессивной модели и метода линейной квантизации векторов Кохонена строили репрезентацию сигналов и классифицировали их характеристики.
Недавно авторы этой статьи с применением того же протокола действий зарегистрировали сигналы ЭЭГ у 48 испытуемых с помощью нескольких конфигураций электродов. Применялось авторегрессивное моделирование и классификация на основе полиномиальной регрессии.
Рамасвами Паланиаппан и Данило Мандич, в свою очередь, зарегистрировали ЭЭГ-сигналы у 102 испытуемых в процессе получения ими визуальных стимулов в виде черно-белых рисунков различных предметов. При этом использовалось по 61 электроду. Классификация спектральных характеристик сигналов выполнялась с помощью нейросети.
| Ритм | Частотный диапазон (Гц) | Описание |
|---|---|---|
| Гамма (γ) | 30–40 | Малая амплитуда; может указывать на процесс синхронизации событий мозгом, может служить для диагностики некоторых расстройств мозга. |
| Бета (β) | 13–30 | Указывает на напряженное состояние, активное мышление и сосредоточенность. |
| Альфа (α) | 8–13 | Указывает на расслабленное состояние, низкий уровень внимания или сосредоточенности. |
| Тета (θ) | 4–8 | Указывает на творческое вдохновение или глубокую медитацию; может также проявляться при сне со сновидениями (в фазе быстрого сна). |
| Дельта (δ) | 0,5–4 | Связывают главным образом с глубоким сном или потерей чувствительности тела, но может отмечаться и в бодрствующем состоянии. |
Себастьен Марсел и Хосе дель Мильян регистрировали сигналы ЭЭГ девяти испытуемых на электродах C3, C2, C4, CP1, CP2, P3, Pz и P4 со стимулами в виде воображаемых движений правой и левой рукой. Исследователи экстрагировали ритмы альфа и бета из полученных сигналов, отобразили их с использованием принципа смеси нормальных распределений и классифицировали характеристики с применением метода оценки апостериорного максимума.
Катарин Бригам и Виджая Кумар с помощью 128 электродов регистрировали сигналы ЭЭГ шести людей, пока они мысленно произносили две гласные, а также с помощью 64 электродов записывали сигналы 120 испытуемых, которым показывали черно-белые изображения. Проводилось авторегрессивное моделирование сигнала и использовался метод опорных векторов в качестве классификатора.
***
Нынешние системы распознавания личности полагаются на физические атрибуты или поведение субъекта. Проведенные на сегодня исследования показали, что использование сигналов ЭЭГ в качестве биометрического идентификатора потенциально является более безопасным и отвечающим требованиям приватности. Однако исследователям необходимо преодолеть ряд проблем, прежде чем можно будет начать на практике применять системы распознавания личности по ЭЭГ. В частности, нужно идентифицировать стимулы, которые дают самые разборчивые «сигнатуры» в сигналах ЭЭГ; оптимизировать конфигурацию электродов, чтобы свести к минимуму неудобства для испытуемого, но обеспечить максимальную эффективность; а также оценить стабильность сигналов в зависимости от времени для одного и того же испытуемого и уровень разборчивости сигналов у различных людей.
Патрицио Камписи (campisi@uniroma3.it) — профессор факультета прикладной электроники Университета Рома Тре, Дариа Ла Рокка (dlarocca@uniroma3.it) — аспирант, Гаэтано Скарано (gaetano.scarano@uniroma.it) — профессор факультета информатики, электроники и телекоммуникаций Римского университета Ла Сапиенца.
