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).

 

Идентификация по электроэнцефалограмме
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.

 

Идентификация по электроэнцефалограмме
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.

 

Таблица. Ритмы сигналов ЭЭГ
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.

Patrizio Campisi, Daria La Rocca, Gaetano Scarano, EEG for Automatic Person Recognition, IEEE Computer, July 2012, IEEE Computer Society. All rights reserved. Reprinted with permission.

Поделитесь материалом с коллегами и друзьями

Купить номер с этой статьей в PDF