Применение интерфейса мозг-компьютер для распознавания маммограмм с патологиями

Abstract

Несколько лет назад нашими партнерами из Великобритании была впервые предложена технология обнаружения маммограмм с патологиями, основанная на анализе мозговой активности эксперта в процессе просмотра быстро предъявляемых ему изображений маммограмм. Идея построения данной технологии основывается на факте, что сигналы, генерируемые головным мозгом при узнавании заданных объектов (в данном случае это маммограммы с патологиями) обычно содержат отклик, которого не наблюдается при просмотре других объектов. В этой работе мы улучшаем данную технологию, во-первых, применяя специальную предварительную обработку сигналов активности мозга, поступающих с 66 электродов, закрепленных на голове испытуемых, пока они просматривают изображения маммограмм, а во-вторых, применяя метод опорных векторов с двумя специальными видами регуляризации, учитывающими особенности рассматриваемой задачи, что позволяет значительно улучшить качество обнаружения маммограмм с отклонениями. Last few years a trend of using brain-computer interfaces (BCIs) for identifying targets within different image types has emerged. Particularly, some years ago our colleagues from Great Britain first proposed to use BCI as a novel high throughput screening technology for mammography. This technology is based on rapid serial visual presentation of mammograms images to experts end recognition of its brain activity that corresponds to seeing mammograms with pathologies. High performance is provided by the advanced computing power of the human visual system, which has been found to be able to identify and classify the image content as target or non-target with a frequency of more than 10 Hz. In this paper, we improve this technology by, firstly, applying special pre-processing of brain activity signals coming from 66 electrodes fixed on the head of the test persons while they are viewing mammogram images and, secondly, by applying the support vector machines method with two kinds regularization, taking into account the peculiarities of the considered problem, which makes it possible to significantly improve the quality of detection of abnormal mammograms.