Программно-аппаратный комплекс для реализации полного цикла нейрореабилитации на основе нейроинтерфейса с биологическими обратными связями

Работа посвящена созданию программно-аппаратного комплекса нейрореабилитации на основе моторного воображения, реализующего полный цикл работы интерфейса мозг–компьютер – от регистрации и предобработки ЭЭГ до классификации, управления мультимодальной обратной связью и формирования клинически ориентированных отчётов.

Материалы и методы: Архитектура комплекса включает базы данных пациентов и сценариев, модуль синхронизации потоков данных, автоматическое удаление глазодвигательных артефактов методом независимых компонент (ICA), классификатор на основе римановой геометрии ковариационных матриц и механизм адаптивного согласования признаков для снижения межиндивидуальной вариабельности.

Результаты: Разработанный комплекс обеспечивает надёжную работу в реальном времени и формирует отчёты, включающие нейрофизиологические показатели (спектральные мощности в диапазонах дельта, тета, альфа и бета ритмов, ERD, индекс латерализации) и поведенческие характеристики (скорость формирования моторного образа, количество успешных воображений). Система обеспечивает объективный мониторинг состояния пациента и динамики восстановления, включая оценку изменений фоновой ритмической активности и функциональных ответов сенсомоторной коры.

Выводы: Разработанное решение сочетает современные алгоритмические методы и клиническую применимость, что делает его перспективным инструментом для нейрореабилитации и когнитивно-моторных тренировок.

1. Feigin VL, et al. World Stroke Organization: Global Stroke Fact Sheet 2025. International Journal of Stroke. 2025; 20(2): 132-144. doi: 10.1177/17474930241308142.

2. Мокиенко О.А., Супонева Н.А., Азиатская Г.А. Инсульт у взрослых: центральный парез верхней конечности. Клинические рекомендации / Под ред. О.А. Мокиенко, Н.А. Супоневой. — М.: МЕДпресс-Информ, 2018. — 222 с.

3. Joundi RA, et al. Magnitude and time-course of dementia risk in stroke survivors: a population-wide matched cohort study. Neurology. 2025; 104(1): e210131. doi: 10.1212/WNL.0000000000210131.

4. Пирадов М.А., Черникова А.С., Супонева Н.А. и др. Перспективы развития роботизированных устройств для восстановления движений руки // Роботические технологии в медицине. — 2016. — С.122-130.

5. Khorev V, Kurkin S, Badarin A, et al. Review on the use of brain computer interface rehabilitation methods for treating mental and neurological conditions. Journal of Integrative Neuroscience. 2024; 23(7): 125. doi: 10.31083/j.jin2307125.

6. Hramov AE, Maksimenko VA, Pisarchik AN. Physical principles of brain-computer interfaces and their applications for rehabilitation, robotics and control of human brain states. Physics Reports. 2021; 918: 1-133. doi: 10.1016/j.physrep.2021.03.002.

7. Фролов А.А., Мокиенко О.А., Люкманов Р.Х. и др. Предварительные результаты контролируемого исследования эффективности технологии ИМК-экзоскелет при постинсультном паре- зе руки // Вестник Российского государственного медицинского университета. — 2016. — №2. — С.17-2

8. Фролов А.А., Черникова Л.А., Люкманов Р.Х. и др. Использование медицинской технологии «Неинвазивный интерфейс мозг — компьютер — экзоскелет кисти». Методические рекомендации. 2016.

9. Фролов А.А., Азиатская Г.А., Бобров П.Д. и др. Электрофизиологическая активность мозга при управлении интерфейсом мозг-компьютер, основанным на воображении движения // Физиология человека. — 2017. — №43(5). — С.17-25.

10. Alonso-Valerdi LM, Salido-Ruiz RA, Ramirez-Mendoza RA. Motor imagery based brain–computer interfaces: an emerging technology to rehabilitate motor deficits. Neuropsychologia. 2015; 79: 354-363. doi: 10.1016/j.neuropsychologia.2015.09.012.

11. Almufareh MF, Alsumayt A, Alageely AS, et al. Leveraging motor imagery rehabilitation for individuals with disabilities: a review. Healthcare. 2023; 11(19): 2681. doi: 10.3390/healthcare11192653.

12. Антипов В.М., Бадарин А.А., Куркин С.А. и др. Программно-аппаратный комплекс для реабилитации пациентов с когнитивными и моторными нарушениями // Врач и информационные технологии. — 2024. — №4. — С.38-47.

13. Антипов В.М., Смирнов Н.М., Бадарин А.А. и др. Использование интерфейсов мозг–компьютер для персонализированной нейрореабилитации: роль субъективного восприятия и нейрофизиологических показателей // Врач и информационные технологии. — 2025. — №2. — С.84-97.

14. Kothe C, Shirazi SY, Stenner T, et al. The lab streaming layer for synchronized multimodal recording. Imaging Neuroscience. 2025; 3: IMAG-a. doi: 10.1162/IMAG.a.136.

15. Yger F, Berar M, Lotte F. Riemannian approaches in brain-computer interfaces: a review. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 2016; 25(10): 1753-1762. doi: 10.1109/TNSRE.2016.2627016.

16. Brokaw K, Tishler W, Manceor S, et al. Resting state EEG correlates of memory consolidation. Neurobiology of Learning and Memory. 2016; 130: 17-25. doi: 10.1016/j.nlm.2016.01.008.

17. Wan W, Gao Z, Zhang Q, et al. Resting state EEG complexity as a predictor of cognitive performance // Physica A: Statistical Mechanics and its Applications. 2023; 624: 128952. doi: 10.1016/j.physa.2023.128952.

18. Nam CS, Jeon Y, Kim YJ, Lee., Park K. Movement imagery-related lateralization of event-related (de) synchronization (ERD/ERS): motor-imagery duration effects. Clinical Neurophysiology. 2011; 122(3): 567-577. doi: 10.1016/j.clinph.2010.08.002.

19. Ramos-Murguialday A, Broetz D, Rea M, et al. Brain-machine interface in chronic stroke rehabilitation: a controlled study. Annals of Neurology. 2013; 74(1): 100-108. doi: 10.1002/ana.23879.

20. Cervera MA, Soekadar SR, Ushiba J, et al. Brain-computer interfaces for post-stroke motor rehabilitation: a meta-analysis. Annals of Clinical and Translational Neurology. 2018; 5(5): 651-663. doi: 10.1002/acn3.544.

21. Yang W, Zhang X, Li Z, et al. The effect of brain-computer interface training on rehabilitation of upper limb dysfunction after stroke: a meta-analysis of randomized controlled trials. Frontiers in Neuroscience. 2022; 15: 766879. doi: 10.3389/fnins.2021.766879.

22. Hu Y, Li Y, Leung AY, et al. A scoping review on motor imagery-based rehabilitation: Potential working mechanisms and clinical application for cognitive function and depression. Clinical Rehabilitation. 2025; 39(4): 504-523. doi: 10.1177/02692155241303259.

23. Gu J, Wang X, Liu C, et al. Cognitive and neural mechanisms of mental imagery supporting creative cognition. Communications Biology. 2025; 8: 1386. doi: 10.1038/s42003-025-08513-x.