03.08.2012 Патріціо Кампісі, Даріан Ла Рокка, Гаетано Скарано
Запис електричних сигналів активності головного мозку людини веде свою історію з 1924 року, коли австрійський фізіолог і психіатр Ганс Бергер помістив електроди на голову пацієнта і за допомогою гальванометра отримав першу електроенцефалограму (ЕЕГ). З тих пір дослідження в галузі електроенцефалографії сильно просунулися, а ЕЕГ стала найціннішим інструментом діагностики і лікування пошкоджень спинного мозку, інсультів і розладів головного мозку, таких як епілепсія, шизофренія, хвороба Альцгеймера і хвороба Паркінсона. Сигнали ЕЕГ також є основою інтерфейсів мозок - комп'ютер в реабілітаційних і розважальних програмах. В останні роки зріс інтерес до застосування ЕЕГ для біометричного розпізнавання особистості.
ЕЕГ-біометрія: за і проти
З точки зору надійності і приватності сигнали ЕЕГ мають ряд переваг перед традиційними біометричними ідентифікаторами: відбитками пальців, знімками райдужної оболонки ока і фотографіями особи. Сигнали ЕЕГ не описують зовнішніх особливостей людини, так як генеруються іонними струмами в нейронах мозку. Системи ЕЕГ-біометрії стійкі до фальсифікації - на відміну від традиційних біометричних параметрів атакуючий не може таємно отримати ЕЕГ-сигнали в фізичній формі або синтезувати їх пізніше, а потім передати на датчики. Крім того, не потрібні додаткові датчики, щоб визначити, чи живий ідентифікований.
Ще одна перевага систем розпізнавання на основі ЕЕГ в тому, що вони будуть працювати і з людьми, що мають інвалідність або серйозні травми - наприклад, ампутовані кінцівки, анірідія (відсутність райдужної оболонки) або обпалені пальці.
Більш того, можливість постійно і прозоро стежити за спонтанною активністю мозку або відгуками на когнітивні стимули є захистом від підміни особистості, проти якої безсилі системи з одноразовою перевіркою вірчих даних.
У той же час у сигналів ЕЕГ, як біометричного ідентифікатора, є певні недоліки. По-перше, такі сигнали не можна отримати на відстані, як це можна зробити зі знімками райдужки і особи, в зв'язку з чим обмежується можливість застосування системи. По-друге, прилади реєстрації ЕЕГ поки дорожче пристроїв для класичної біометрії, а підготовка апарату ЕЕГ до роботи і управління ним трудомісткі і витратні за часом, через що ці пристрої менш застосовні в багатьох ситуаціях. По-третє, ЕЕГ-активність - це характеристика генотипу, в зв'язку з чим обмежується унікальність ідентифікатора. Дослідження показали, що у однояйцевих близнюків немає великої різниці між сигналами ЕЕГ.
Системи розпізнавання на основі ЕЕГ
Типова система автоматичного розпізнавання особистості на основі ЕЕГ складається з модуля реєстрації, отримує ЕЕГ-сигнали випробуваного; модуля обробки, видаляє шуми і артефакти з сигналів; модуля вилучення рис, що відокремлює репрезентативні елементи сигналів; модуля зіставлення, що генерує рейтинг, який використовується для виявлення найбільш імовірних особистостей або прийняття рішення про істинність особистості, заявленої випробуваним.
Система може реєструвати ЕЕГ-сигнали під час спонтанної активності мозку (в тому числі коли випробуваний перебуває в спокої з закритими або відкритими очима). Можна також реєструвати сигнали в присутності візуальних, звукових або тактильних стимулів (в тому числі реального світу - таких як музика, мова або відео) або під час виконання реальних або розумових функцій, наприклад рухів тіла або мови. Сигнали, викликані такими стимулами, виходять з різних регіонів мозку і значно варіюються за діапазоном частот і амплітуді.
Прилад для реєстрації ЕЕГ складається з набору підсилювачів, багатоканального аналого-цифрового перетворювача і комплекту електродів, які розміщені на шкіру волосяної частини голови, які сприймають електричну активність мозку. Традиційні пасивні електроди вимагають нанесення проводить гелю для зниження повного електричного опору схеми шкіра-електрод. Ця процедура може викликати неприємні відчуття у випробуваного і займає певний час, але нові активні електроди з вбудованою електронікою вже гелю не вимагають.
Розташування електродів зазвичай виконується за схемою 10-20, рекомендованої Міжнародною федерацією електроенцефалографії і клінічної нейрофізіології. Числа 10 і 20 вказують, що відстань між електродами повинна складати 10 або 20% від довжини лінії, що з'єднує дві референтні точки, назіон (перенісся) і ІНІСН (потиличний бугор).
Мал.1. Розташування електродів ЕЕГ.Схема розміщення 21 електрода, вид (а) зліва і (б) зверху, згідно з міжнародною системою 10-20;(в) 75-електродний схема, що розширює стандарт 10-20 і забезпечує більш високу просторову роздільну здатність.Букви F, T, C, P і Про позначають відповідно лобову, скроневу, центральну, тім'яну і потиличну частки.Парні і непарні числа позначають електроди відповідно на правому і лівому півкулях, а буква Z - електроди, розміщені посередині.(Джерело: Дж. Малмівуо, Р. Плонсі, Bioelectromagnetism: Principles and Applications of Bioelectric and Biomagnetic Fields, Oxford Univ. Press, 1995).
На рис. 1, а і 1, б показана стандартна схема розміщення 21 електрода, а на рис. 1, в - 75-електродний розширена схема, що забезпечує більш високу просторову роздільну здатність.
Найбільш значущою активності головного мозку відповідає діапазон від 0,5 до 40 Гц включно. Існує п'ять основних ритмів, що розрізняються в сигналі ЕЕГ: дельта, тета, альфа, бета і гамма. У табл. 1 наведені частотні діапазони і характеристики цих ритмів, а на рис. 2 наведено приклади кожного. Амплітуда сигналу ЕЕГ становить близько 100 мкВ при вимірюванні на шкірі волосистої частини голови і близько 1-2 мВ при вимірюванні безпосередньо на поверхні мозку.
Фоновий шум, викликаний безперервної спонтанної активністю мозку, зазвичай засмічує ЕЕГ-сигнал і може перекрити електричні ефекти, створювані когнітивними стимулами. У сигналах також присутні біологічні артефакти, обумовлені рухами очей, серцебиттям, м'язовою активністю і т. Д. Існує ряд методів видалення шуму і артефактів, в тому числі адаптивна фільтрація, аналіз головних компонентів і сліпе поділ сигналу.
сучасне становище
Маріос Пулос з колегами одними з перших почали експериментувати з ЕЕГ-біометрією, представивши в 1999 році автоматизовану систему ідентифікації особистості, засновану на ЕЕГ-сигналах, отриманих від чотирьох випробуваних в стані спокою із закритими очима. Дослідники реєстрували сигнали на електроді О2, витягували з них ритм альфа і за допомогою авторегрессівной моделі і методу лінійної квантування векторів Кохонена будували репрезентацію сигналів і класифікували їх характеристики.
Нещодавно автори цієї статті із застосуванням того ж протоколу дій зареєстрували сигнали ЕЕГ у 48 випробовуваних за допомогою декількох конфігурацій електродів. Застосовувалося авторегрессівное моделювання та класифікація на основі поліноміальної регресії.
Рамасвамі Паланіаппан і Данило Мандич, в свою чергу, зареєстрували ЕЕГ-сигнали у 102 випробовуваних в процесі отримання ними візуальних стимулів у вигляді чорно-білих малюнків різних предметів. При цьому використовувалося по 61 електроду. Класифікація спектральних характеристик сигналів виконувалася за допомогою нейромережі.
Таблиця. Ритми сигналів ЕЕГ Ритм Частотний діапазон (Гц) Опис Гамма (γ) 30-40 Мала амплітуда; може вказувати на процес синхронізації подій мозком, може служити для діагностики деяких розладів мозку. Бета (β) 13-30 Вказує на напружений стан, активне мислення і зосередженість. Альфа (α) 8-13 Вказує на розслаблений стан, низький рівень уваги або зосередженості. Тета (θ) 4-8 Вказує на творче натхнення або глибоку медитацію; може також проявлятися при сні зі сновидіннями (в фазі швидкого сну). Дельта (δ) 0,5-4 Пов'язують головним чином з глибоким сном або втратою чутливості тіла, але може відзначатися і в бадьорому стані.
Себастьєн Марсел і Хосе дель Мільян реєстрували сигнали ЕЕГ дев'яти випробуваних на електродах C3, C2, C4, CP1, CP2, P3, Pz і P4 зі стимулами у вигляді уявних рухів правою і лівою рукою. Дослідники екстрагували ритми альфа і бета з отриманих сигналів, відобразили їх з використанням принципу суміші нормальних розподілів і класифікували характеристики із застосуванням методу оцінки апостеріорного максимуму.
Катарін Бригам і Віджая Кумар за допомогою 128 електродів реєстрували сигнали ЕЕГ шести людей, поки вони подумки вимовляли дві голосні, а також за допомогою 64 електродів записували сигнали 120 випробовуваних, яким показували чорно-білі зображення. Проводилось авторегрессівное моделювання сигналу і використовувався метод опорних векторів в якості класифікатора.
***
Нинішні системи розпізнавання особистості покладаються на фізичні атрибути або поведінку суб'єкта. Проведені на сьогодні дослідження показали, що використання сигналів ЕЕГ як біометричного ідентифікатора потенційно є більш безпечним і таким, що відповідає вимогам приватності. Однак дослідникам необхідно подолати ряд проблем, перш ніж можна буде почати на практиці застосовувати системи розпізнавання особистості по ЕЕГ. Зокрема, потрібно ідентифікувати стимули, які дають самі розбірливі «сигнатури» в сигналах ЕЕГ; оптимізувати конфігурацію електродів, щоб звести до мінімуму незручності для досліджуваного, але забезпечити максимальну ефективність; а також оцінити стабільність сигналів в залежності від часу для одного і того ж випробуваного і рівень розбірливості сигналів у різних людей.
Патріціо Кампісі ( [email protected] ) - професор факультету прикладної електроніки Університету Рома Тре, Даріан Ла Рокка ( [email protected] ) - аспірант, Гаетано Скарано ( [email protected] ) - професор факультету інформатики, електроніки та телекомунікацій Римського університету Ла Сапієнца.
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.
