ДИНАМИКА МЕЖПОЛУШАРНЫХ ОТНОШЕНИЙ ПРИ БОС-ТРЕНИНГЕ
ДИНАМИКА МЕЖПОЛУШАРНЫХ ОТНОШЕНИЙ ПРИ БОС-ТРЕНИНГЕ
Аннотация
Код статьи
S0205-95920000402-9-1
Тип публикации
Статья
Статус публикации
Опубликовано
Аннотация
Создание и эффективная эксплуатация интерфейсов “мозг-компьютер”, использующих параметры функционирования мозга для управления техническими устройствами, является актуальной проблемой психофизиологии. На 17 добровольцах исследовалась способность человека к произвольному управлению характером межполушарных отношений в центральных областях коры в альфа-диапазоне частот с помощью биологической обратной связи (БОС). Показано, что после непродолжительного обучения человек не только способен произвольно сдвигать фокус максимальной выраженности альфа-частот в сторону левого или правого полушария, но и делать это в достаточно локальной области. Многофакторный дисперсионный анализ показал, что большинство респондентов в ходе тренировок смогли добиться изменений контролируемых параметров. Эффективность управления характером межполушарных отношений различалась у лиц, обладающих разной степенью выраженности таких свойств личности, как психотизм, экстраверсия и уравновешенность нервных процессов. Результаты показали, что необходим индивидуальный подход к разработке программ обучения и реабилитации с помощью БОС-тренингов, учитывающий не только уровень мотивации, но и индивидуальные психологические особенности обучающихся.
Ключевые слова
Электроэнцефалография, биологическая обратная связь, свойства личности, амплитудные спектры, дисперсионный анализ, межполушарная асимметрия
Классификатор
Дата публикации
01.01.2016
Всего подписок
1
Всего просмотров
546
Оценка читателей
0.0 (0 голосов)
Цитировать   Скачать pdf

Библиография



Дополнительные библиографические источники и материалы

  1. Асланян Е.В., Кирой В.Н., Лазуренко Д.М., Бахтин О.М. Свойства нервных процессов и эффективность БОС-тренинга // Психол. журн. 2013. Т. 34. № 2. С. 108-116.
  2. Асланян Е.В., Кирой В.Н., Лазуренко Д.М., Бахтин О.М., Миняева Н.Р. Спектральные характеристики ЭЭГ в динамике произвольной двигательной активности // Журн. высшей нервной деятельности. 2014. Т. 64. № 2. С. 147-158.
  3. Боброва Е.В. Современные представления о корковых механизмах и межполушарной асимметрии контроля позы (обзор литературы по проблеме) // Журн. высшей нервной деятельности. 2007. Т. 57. № 6. С. 663-678.
  4. Джебраилова Т.Д. Индивидуальные особенности взаимодействия функциональных систем при целенаправленной деятельности человека в условиях эмоционального напряжения. Автореф. дисс.. д.б.н. М., 2005. 46 с.
  5. Диагностика доминирующей перцептивной модальности (С. Ефремцева) / Фетискин Н.П., Козлов В.В., Мануйлов Г.М. Социально-психологическая диагностика развития личности и малых групп. М., 2002. С. 237-238.
  6. Дудкин К.Н., Чуева И.В., Макаров Ф.Н. Нейрофизиологические принципы формирования когнитивных функций: роль межполушарной асимметрии корковых структур головного мозга // Материалы конференции с международным участием "Функциональная асимметрия и пластичность мозга". М., 2012. С. 56-60.
  7. Думенко В.Н., Козлов М.К., Курова Н.С., Черемушкин Е.А. Межполушарные соотношения мощности корковых потенциалов в полосе 1-60 Гц при формировании когнитивной установки на лицевую экспрессию // Журн. высшей нервной деятельности. 2009. Т. 55. № 5. С. 658-580.
  8. Жаворонкова Л.А. Правши и левши: особенности межполушарной асимметрии мозга и параметров когерентности ЭЭГ // Журн. высшей нервной деятельности. 2007. Т. 57. № 6. С. 645-662.
  9. Кирой В.Н. Интерфейс мозг-компьютер. Ростов- н/Д., 2011.
  10. Корректурная проба (Тест Бурдона) / Альманах психологических тестов. М., 1995. С. 107-111.
  11. Михайлова Е.С., Розенберг Е.С. Индивидуально - типологические особенности опознания лицевой эмоциональной экспрессии и вызванные потенциалы мозга человека // Журн. высшей нервной деятельности. 2006. Т. 56. № 4. С. 481-490.
  12. Стреляу Я., Краевски А. Индивидуальный стиль деятельности и сила нервной системы // Психофизиологические особенности становления профессионала. 1974. С. 170.
  13. Федотчев А.И., Бондарь А.Т. Метод двойной обратной связи от ЭЭГ ритмов пациента для коррекции функциональных расстройств, вызванных стрессом // Журн. высшей нервной деятельности. 2008. Т. 58. № 3. С. 376-381.
  14. Ханин Ю.Л. Спилбергера-Ханина тест: Краткое руководство к применению шкалы реактивной и личностной тревожности. Л.: ЛНИИФК, 1976.
  15. Annett M. The distribution of manual asymmetry // British Journ. of Psychology. 1972. Т. 63. №. 3. С. 343-358.
  16. Arbib M.A., Mundhenk T.N. Schizophrenia and the mirror system: and essay // Neuropsychologia. 2005. Vol. 43. P. 268-280.
  17. Birbaumer N., Ghanayim N., Hinterberger T., Iversen I., Kotchoubey B., Ktibler A., Perelmouter J., Taub E., Flor H. A spelling device for the paralysed // Nature. 1999. Vol. 398. P. 297-298.
  18. Birbaumer N., Kubler A., Ghanayim N., Hinterberger T., Perelmouter J., Kaiser J., Iversen I., Kotchoubey B., Neumann N., Flor H. The thought translation device (TTD) for completely paralyzed patients // IEEE Trans. Rehabil. Eng. 2000. Vol. 8. P. 190-192.
  19. Curran E.A., Stokes M.J. Learning to control brain activity: A review of the production and control of EEG components for driving brain-computer interface (BCI) systems // Brain Cogn. 2003. Vol. 51. P. 326336.
  20. Dekker M., Sitskoorn M., Denissen A., van Boxtel G. The time-course of alpha neurofeedback training effects in healthy participants // Biological Psychology. 2014. Vol. 95. P. 70-73.
  21. Dornhege G., Millân J.R., Hinterberger T., McFarland D., Müller K.-R. (Eds.) Toward Brain-Computer Interfacing. Cambridge: MIT Press, MA, 2007.
  22. Eysenck H. J. et al. Eysenck personality inventory. San Diego: Educational and Industrial Testing Service, 1968.
  23. Frederick J.A. Psychophysics of EEG alpha state discrimination // Conscious cogn. 2012. Vol. 21. № 3. P. 1345-1354.
  24. Hart T.J. Auto control of EEG Alpha // Psychophysiology. 1968. Vol. 4. P 506-514.
  25. Ince N.F., Tewfik A.H., Arica S. Extraction subject- specific motor imagery time-frequency patterns for single trial EEG classification // Computers in Biology and Medicine. 2007. Vol. 37. Is. 4. P. 499-509.
  26. Kiroi V.N., Vladimirskii B.M., Aslanyan E.V., Bakhtin O.M., Minyaeva N.R. Electrographic Correlates of Actual and Imagined Movements: Spectral Analysis // Neuroscience and Behavioral Physiology. 2012. Vol. 42. № 1. P. 21-27.
  27. Millân J.R. Handbook of Brain Theory and Neural Networks. Cambridge: MIT Press, 2002.
  28. Model D., Zibulevsky M. Learning subject-specific spatial and temporal filters for single-trial EEG classification // NeuroImage. 2006. Vol. 32. Is. 4. P. 1631-1641.
  29. Neuper C., Müller G., Kübler A., Birbaumer N., Pfurtscheller G. Clinical application of an eeg-based brain- computer interface: A case study in a patient with severe motor impairment // EEG and Clin. Neurophysiol. 2003. Vol. 114. N. 3. P. 399-409.
  30. Perelmouter J., Birbaumer N. A binary spelling interface with random errors // IEEE Trans. Rehabil. Eng. 2000. Vol. 8. P. 227-232.
  31. Pfurtscheller G., Neuper C., Guger C., Harkam W., Ramoser R., Schlögl A., Obermaier B., Pregenzer M. Current Trends in Graz Brain-computer Interface (BCI) // IEEE Trans. Rehab. Eng. 2000. Vol. 8. № 2. P. 216-219.
  32. Pribram K.H. The far frontal cortex as executive processor: proprieties, priorities and pratical inference / Downward Processes in the Perception Representation Mechanisms / (Eds) Taddei-Ferretti Cl., Musio K. Singapore, New Jersey, London, Hong Kong: World Science, 1998. P. 546-578.
  33. Vernon D., Egner T., Cooper N., Compton T., Neilands C., Sheri A. et al. The effect of training distinct neurofeedback protocols on aspects of cognitive performance // International Journ. of Psychophysiology. 2003. Vol. 47. № 1. P. 75-85.
  34. Wolpaw J.R., Birbaumer N., McFarlandD.J., Pfurt- scheller G., Vaughan T.M. Brain-computer interfaces for communication and control // EEG and Clin. Neurophysiol. 2002. Vol. 113. № 6. P. 767-791.
  35. Yoon J.W., Roberts St.J., Dyson M., Gan J.Q. Adaptive classification for Brain Computer Interface systems using Sequential Monte Carlo sampling // Neural Networks. 2009. Vol. 22. № 9. P. 1286-1294.

Комментарии

Сообщения не найдены

Написать отзыв
Перевести