Целью проекта является развитие физико-математических методов и моделей для анализа функциональных сетей мозга и выявление интегративных процессов, сопровождающих развитие сенсорных, моторных, когнитивных функций и неврологических заболеваний. Проект направлен на решение фундаментальной научной проблемы, лежащей на стыке нейронауки, нелинейной динамики и теории сложных сетей и связанной с исследованием механизмов нейронного взаимодействия в кортикальной сети головного мозга во время восприятия и обработки внешней сенсорной информации. Поставленная задача является масштабной и междисциплинарной. Ее решение затрагивает постановку серии детально проработанных нейрофизиологических экспериментов по регистрации активности нейронной сети головного мозга, с последующей обработкой большого объема экспериментальных данных с целью выявления функциональных связей в кортикальной сети головного мозга. Также необходимо проведение обширных теоретических работ по моделированию процессов обработки сенсорной информации в нейронной сети головного мозга на базе модельных нейронных сетей со сложной топологией, позволяющих детально исследовать условия формирования когерентных структур и дать обоснование обнаруженным экспериментальным эффектам.

Конкретные задачи:

● Разработка методов восстановления функциональных сетей мозга на основе подходов нелинейной динамики и методов машинного обучения.

● Анализ особенностей функциональных сетей при решении когнитивных и моторных задач и развитии патологий нервной системы.

● Построение математических моделей искусственных нейронный сетей для воспроизведения различных аспектов динамики сетей мозга in-silico.

● Развитие методов машинного обучения на основе резервуарных вычислений для предсказания различных режимов работы математических моделей и функциональных сетей мозга.

Цель - разработка методов неинвазивного мониторинга состояния мозга ребенка в процессе обучения (показателей внимания, вовлеченности в решение задач, сконцентрированности и других важных критериев успешности учебной деятельности) и управление образовательной траекторией для улучшения усвоения материала.

Конкретные задачи:

● Экспериментальные исследования по регистрации активности мозга и поведения ребенка в процессе решения задач, вовлекающих элементарные когнитивные функции (память, внимание, скорость восприятия сенсорной информации).

● Разработка методов анализа полученных данных для выявления биомаркеров, характеризующих состояние когнитивных функций, усталость и психофизиологические особенности ребенка.

● Разработка численных алгоритмов для обнаружения биомаркеров в режиме реального времени с высокой точностью.

● Создание интерактивной образовательной среды, включающей блоки заданий различной направленности и сложности, а также алгоритмы обратной связи, позволяющие изменить сложность и тип задания с учетом особенностей состояния мозга.

Цель - изучение физических процессов деградации моторных и когнитивных функций человека в процессе старении с целью разработки методов ранней диагностики, предупреждения и реабилитации патологий нервной системы на основе выявленных закономерностей.

Конкретные задачи:

● Разработка экспериментальных парадигм и проведение экспериментов для регистрации активности мозга и поведенческих характеристик в разных возрастных группах.

● Разработка физико-математических методов анализа физиологических данных для выявления особенностей возрастной реконфигурации функциональных нейронных связей.

● Поиск взаимосвязи между особенностями нейронной и поведенческой активности испытуемых пожилого возраста при выполнении моторных и когнитивных задач с результатами медицинской диагностики.

● Построение прогностической модели для определения риска развития патологий ЦНС на основе накопленных данных нейронной и поведенческой активности

● Разработка методов тренировки когнитивных и моторных функций в пожилом возрасте с использованием биологических обратных связей.

Основной фундаментальной задачей проекта является разработка физико-математических методов для объективной оценки психофизиологического состояния ребенка в процессе обучения на основе анализа данных биоэлектрической активности головного мозга и развитие педагогической концепции использования полученных данных для персонализации обучения младших школьников. Основной задачей естественно-научной компоненты исследования является выявление фундаментальных особенностей частотно-временной и пространственно-временной структуры многоканальных нейрофизиологических сигналов, ассоциирующихся с изменением таких характеристик психофизиологического состояния, как, например, степень внимания ребенка в конкретный момент времени и уровень вовлеченности в процесс решения задач. На основании полученных фундаментальных результатов о динамике нейронных ансамблей головного мозга планируется разработка методов обработки электроэнцефалографических (ЭЭГ) сигналов на основе частотно-временного анализа и машинного обучения для оценки психофизиологического состояния обучаемого (младшего школьника) в режиме реального времени с использованием нейроинтерфейса «мозг-компьютер». Основной задачей психолого-педагогической компоненты проекта является выявление наиболее общих особенностей и взаимосвязей между экспериментальными нейрофизиологическими (в особенности, электроэнцефалографическими) данными как входными параметрами и логикой построения персонализированных траекторий обучения. На основании полученных фундаментальных результатов будет разработана педагогическая модель адаптивной технологии для построения персонализированной траектории обучения младшего школьника на основе результатов обработки электроэнцефалографических данных.

Основной идеей проекта является развитие физико-математических методов управления характеристиками функциональных сетей в головном мозге человека, формирующихся в процессе сенсомоторной интеграции, которые, в частности, позволят корректировать структуру сети в соответствии с поставленной целью. Такая корректировка перспективна с точки зрения разработки подходов для ускорения обучения человека выполнению поставленной задачи (например, воображение движений для интерфейса мозг-компьютер) и/или повышения

эффективности её решения (например, улучшения скорости реакции на визуальные стимулы). Фундаментальная значимость работ по развитию таких методов управления определяется возможностью понимания сложных механизмов функционирования головного мозга человека, включая процессы интеграции и сегрегации функциональных сетей мозга. Развиваемые в настоящем проекте методы управления характеристиками функциональных сетей основываются на современных достижениях в области неинвазивых способов воздействия на кору головного мозга. Для модуляции активности различных зон мозга используется транскраниальная магнитная стимуляция (ТМС), которая является безопасным и эффективным методом локального воздействия (активация или ингибирование) на кору головного мозга при помощи коротких магнитных импульсов. Восстановление функциональных сетей, формирующихся в головном мозге, проводятся на базе результатов электроэнцефалографических (ЭЭГ) исследований.

Коллектив центра проводит междисциплинарные исследования на стыке нейронауки, теории сетей и машинного обучения с целью разработки методов выявления рисков развития неврологических патологий и мониторинга течения заболеваний. Разрабатываемые методы являются основой для создания систем поддержки принятия врачебных решений (СППВР) для неврологии и эпилептологи. Основная идея разрабатываемых подходов заключается в комбинировании методов статистического анализа для выявления общих фундаментальных особенностей, определяющих развития исследуемой патологии в большой группе пациентов, с методами машинного обучения для учета индивидуальных особенностей конкретного пациента. Для выявления фундаментальных закономерностей, характеризующих состояния человека, используются передовые методы анализа больших объемов взаимосвязанных биологических данных, в частности методы сетевой физиологии (англ. Network Physiology) и сложные корреляционные модели, описывающие связи между данными различных модальностей. Для выявления и учета индивидуальных особенностей разрабатываются подходы для поиска сложных взаимосвязях в данных каждого отдельного испытуемого. Это позволяет сформировать персональный профиль пациента в анализируемом объеме данных, проследить его эволюцию во времени и обнаружить отклонения от нормы на ранней стадии. Обнаруженные фундаментальные закономерности и индивидуальные

особенности позволяют сформировать репрезентативные и понятные наборы признаков для обучения машинных методов, делая этот процесс интерпретируемым и «прозрачным» для врачей и исследователей. Последнее является необходимым условием для развития интеллектуальных систем в медицине.