Имел сегодня честь быть рецензентом на защите Марины Ивановой из ВШЭ. Диссертация Марины фокусируется на биполярном аффективном расстройстве (БАР) в фазе эутимии, когда настроение стабильно, но остаются нарушения в принятии решений на основе вознаграждений в изменчивой среде.
Марина использовали вычислительную психиатрию, чтобы понять, как мозг пациентов с БАР переоценивает нестабильность окружающего мира и слабо адаптируется к ошибкам предсказаний, что приводит к хаотичным решениям. Методы включали три эксперимента: два с фиксацией мозговой активности через магнитоэнцефалографию (МЭГ) — неинвазивный способ измерения магнитных полей мозга (306 каналов), плюс запись электрокардиограммы и электроокулограммы для удаления помех от сердца и глаз; третий — чисто поведенческий. Участники — пациенты с БАР в ремиссии (около 20–30 человек), здоровые с высокой или низкой тревожностью и контрольные группы, всего 50–100 на эксперимент, отобранные по шкалам STAI для тревоги и HADS для депрессии.
Задачи строились на вероятностном обучении с подкреплением: люди выбирали моторные последовательности (нажатия клавиш) или стимулы, ведущие к награде (деньги или музыка — приятный консонанс vs неприятный диссонанс) с меняющимися шансами, например 70/30%, чтобы имитировать волатильность; в МЭГ-экспериментах 320 попыток, в музыкальном — 80 на тип награды, с неделей перерыва. Данные МЭГ предобрабатывали в MNE Python: фильтровали шум, убирали артефакты через анализ независимых компонент (ICA), исключали плохие каналы. Источники сигналов реконструировали моделью граничных элементов (BEM) на основе МРТ-атласа DKT и бимформером LCMV, который фокусируется на зонах вроде префронтальной коры, минимизируя шум.
Временно-частотные ответы моделировали общей линейной моделью (GLM), связывая активность с ошибками прогнозирования, взвешенными по точности (pwPE) — разницей между ожиданием и реальностью, умноженной на уверенность; анализировали частоты альфа (8–13 Гц для подавления), бета (14–30 Гц для контроля) и гамма (30–100 Гц для обработки). Функциональную связность проверяли методом Грейнджера с обратным временем (TRGC), чтобы увидеть причинно-следственные связи между зонами мозга в бета-диапазоне. Статистику вели с коррекцией FDR на ложные открытия, байесовскими факторами для сравнения моделей и многоуровневым регрессионным моделированием (BML). Поведение симулировали иерархическим гауссовским фильтром (HGF) — байесовской моделью, где мозг иерархично обновляет убеждения о вероятностях через pwPE, с параметрами вроде μ3 (ожидание волатильности) и ω2 (скорость обновления); параметры оценивали методом Монте-Карло с марковскими цепями (MCMC), выбирали лучшую модель байесовским отбором (BMS).
Марина показала, что при БАР пациенты ожидают чрезмерной изменчивости (высокий μ3), реже повторяют успешные действия, решения случайны, pwPE слабо отражены в мозге — с ослабленной гамма-активностью и аномальной альфа/бета в префронтальных зонах вроде передней поясной коры, плюс нарушенная связность в бета-диапазоне, что объясняет медленное обучение. В музыкальном эксперименте награды от денег и музыки дают похожие паттерны, но толерантность к диссонансу усиливает стохастичность и ускоряет обновления. Это открывает путь к биомаркерам для диагностики и терапии.
Марина использовали вычислительную психиатрию, чтобы понять, как мозг пациентов с БАР переоценивает нестабильность окружающего мира и слабо адаптируется к ошибкам предсказаний, что приводит к хаотичным решениям. Методы включали три эксперимента: два с фиксацией мозговой активности через магнитоэнцефалографию (МЭГ) — неинвазивный способ измерения магнитных полей мозга (306 каналов), плюс запись электрокардиограммы и электроокулограммы для удаления помех от сердца и глаз; третий — чисто поведенческий. Участники — пациенты с БАР в ремиссии (около 20–30 человек), здоровые с высокой или низкой тревожностью и контрольные группы, всего 50–100 на эксперимент, отобранные по шкалам STAI для тревоги и HADS для депрессии.
Задачи строились на вероятностном обучении с подкреплением: люди выбирали моторные последовательности (нажатия клавиш) или стимулы, ведущие к награде (деньги или музыка — приятный консонанс vs неприятный диссонанс) с меняющимися шансами, например 70/30%, чтобы имитировать волатильность; в МЭГ-экспериментах 320 попыток, в музыкальном — 80 на тип награды, с неделей перерыва. Данные МЭГ предобрабатывали в MNE Python: фильтровали шум, убирали артефакты через анализ независимых компонент (ICA), исключали плохие каналы. Источники сигналов реконструировали моделью граничных элементов (BEM) на основе МРТ-атласа DKT и бимформером LCMV, который фокусируется на зонах вроде префронтальной коры, минимизируя шум.
Временно-частотные ответы моделировали общей линейной моделью (GLM), связывая активность с ошибками прогнозирования, взвешенными по точности (pwPE) — разницей между ожиданием и реальностью, умноженной на уверенность; анализировали частоты альфа (8–13 Гц для подавления), бета (14–30 Гц для контроля) и гамма (30–100 Гц для обработки). Функциональную связность проверяли методом Грейнджера с обратным временем (TRGC), чтобы увидеть причинно-следственные связи между зонами мозга в бета-диапазоне. Статистику вели с коррекцией FDR на ложные открытия, байесовскими факторами для сравнения моделей и многоуровневым регрессионным моделированием (BML). Поведение симулировали иерархическим гауссовским фильтром (HGF) — байесовской моделью, где мозг иерархично обновляет убеждения о вероятностях через pwPE, с параметрами вроде μ3 (ожидание волатильности) и ω2 (скорость обновления); параметры оценивали методом Монте-Карло с марковскими цепями (MCMC), выбирали лучшую модель байесовским отбором (BMS).
Марина показала, что при БАР пациенты ожидают чрезмерной изменчивости (высокий μ3), реже повторяют успешные действия, решения случайны, pwPE слабо отражены в мозге — с ослабленной гамма-активностью и аномальной альфа/бета в префронтальных зонах вроде передней поясной коры, плюс нарушенная связность в бета-диапазоне, что объясняет медленное обучение. В музыкальном эксперименте награды от денег и музыки дают похожие паттерны, но толерантность к диссонансу усиливает стохастичность и ускоряет обновления. Это открывает путь к биомаркерам для диагностики и терапии.
👍8👌1
Forwarded from Центр ИИ МГУ
Центр ИИ МГУ и Институт ИИ МГУ на фестивале «НАУКА 0+»
В Шуваловском корпусе МГУ прошли открытые лекции ученых в области искусственного интеллекта в рамках юбилейного Международного фестиваля «НАУКА 0+», лекции можно посмотреть онлайн:
➡️ Дария Клеева – «Киберпанк отменяется? Нейроинтерфейсы без иллюзий», смотреть ВКонтакте
➡️ Михаил Лебедев – «Нейроинтерфейсы: от партий отдельных нейронов до симфоний их ансамблей», смотреть ВКонтакте
➡️ Кьяра Макиевская – «Рождение оракула — как Пифия стала самой умной крысой?», смотреть ВКонтакте
➡️ Михаил Пукемо – «Хайп на паузу: ближайшее будущее ИИ без паники», смотреть ВКонтакте
➡️ Василий Раменский – «Искусственный интеллект в мире биологических молекул», смотреть ВКонтакте
В этом году Фестиваль проводился в 20-й раз, мероприятия проходили 10-12 октября и собрали более 19 миллионов участников в очном и дистанционном формате🎉 🎉 🎉
В Шуваловском корпусе МГУ прошли открытые лекции ученых в области искусственного интеллекта в рамках юбилейного Международного фестиваля «НАУКА 0+», лекции можно посмотреть онлайн:
В этом году Фестиваль проводился в 20-й раз, мероприятия проходили 10-12 октября и собрали более 19 миллионов участников в очном и дистанционном формате
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤🔥4🔥4👍2
Был, кстати, фильм «Замороженный». Весь Советский Союз с удовольствием смотрел.
https://t.iss.one/lonely_oocyte/6255
https://t.iss.one/lonely_oocyte/6255
Telegram
Одинокий ооцит эволюции
По мнению Валерии Удаловой-Прайд-Маямсиной главная проблема в крионике - это тупость недоклиентов.
Ну и деньги
Недоклиент - это вероятно тот, кто еще живой. Мертвый - это уже полный клиент и он тупым быть не может.
Напомним, что именно Прайд многократно…
Ну и деньги
Недоклиент - это вероятно тот, кто еще живой. Мертвый - это уже полный клиент и он тупым быть не может.
Напомним, что именно Прайд многократно…
🥰1
Мамонты перестали чувствовать запах роз и вымерли в связи с этим
https://t.iss.one/lonely_oocyte/6263
https://t.iss.one/lonely_oocyte/6263
Telegram
Одинокий ооцит эволюции
Злые языки сообщают, что с обонятельными генами у мамонтов острова Врангеля правда было не фонтан
В связи с чем претензия "не посмотрел статью" снимается и направляется ооцитом в зеркало
Занимательный и бесполезный факт состоит в том, что, кроме обонятельных…
В связи с чем претензия "не посмотрел статью" снимается и направляется ооцитом в зеркало
Занимательный и бесполезный факт состоит в том, что, кроме обонятельных…
😁3❤1
Иногда встречаешь умных людей и удивляешься. А вот откуда это:
Древнее воздействие свинца могло повлиять на эволюцию человеческого мозга
Международное исследование показывает, что воздействие токсичного свинца на наших предков происходило более двух миллионов лет и могло повлиять на эволюцию мозга, поведения и даже развитие языка. Анализ 51 зуба гоминид выявил следы периодического воздействия свинца, начиная с древнейших времен. Лабораторные эксперименты с органоидами мозга показали, что современный ген NOVA1 защищал мозг человека от вредного воздействия свинца лучше, чем у неандертальцев, что, возможно, дало нам эволюционное преимущество. Это также повлияло на активность гена FOXP2, связанного с речью и языком. Исследование подчеркивает, как окружающая среда формировала эволюцию человека и напоминает о современных рисках воздействия свинца.
https://phys.org/news/2025-10-ancient-exposure-evolution-human-brain.html
Древнее воздействие свинца могло повлиять на эволюцию человеческого мозга
Международное исследование показывает, что воздействие токсичного свинца на наших предков происходило более двух миллионов лет и могло повлиять на эволюцию мозга, поведения и даже развитие языка. Анализ 51 зуба гоминид выявил следы периодического воздействия свинца, начиная с древнейших времен. Лабораторные эксперименты с органоидами мозга показали, что современный ген NOVA1 защищал мозг человека от вредного воздействия свинца лучше, чем у неандертальцев, что, возможно, дало нам эволюционное преимущество. Это также повлияло на активность гена FOXP2, связанного с речью и языком. Исследование подчеркивает, как окружающая среда формировала эволюцию человека и напоминает о современных рисках воздействия свинца.
https://phys.org/news/2025-10-ancient-exposure-evolution-human-brain.html
phys.org
Ancient lead exposure may have shaped evolution of human brain
An international study changes the view that exposure to the toxic metal lead is largely a post-industrial phenomenon. The research reveals that our human ancestors were periodically exposed to lead for ...
❤3
83_omg2letters_Translating_Mus.pdf
7.7 MB
Kabir, M. S., Soghoyan, G., & Lebedev, M. A. omg2letters: Translating Muscle Activity into Written Language. In IEEE-EMBS International Conference on Biomedical and Health Informatics 2025.
Несмотря на значительные успехи в технологиях интерфейса мозг-компьютер (BCI), системы, способные использовать физиологические сигналы для обнаружения и распознавания человеческих намерений в реальном времени, всё ещё недостаточно развиты. Для достижения нового уровня взаимодействия человека и машины необходимо интегрировать корреляты моторной активности с передовыми архитектурами искусственного интеллекта (ИИ). В этом исследовании мы представляем первую демонстрацию декодирования почерка — сложной моторной задачи — с использованием новой миографической метода, называемого оптической миографией (OMG). В отличие от предыдущих подходов на основе электромиографии (EMG), которые рассматривают декодирование почерка как задачу классификации, мы формулируем её как проблему непрерывной реконструкции траектории. Мы оценили GRUScribe (декодер на основе GRU) и TransScribe (декодер на основе трансформера), успешно декодировав 10 цифровых цифр и 33 русских буквы от 20 здоровых участников и 4 ампутантов, без необходимости в сложной предобработке. Наши результаты демонстрируют выдающийся потенциал OMG для распознавания сложной моторной активности. Мы считаем, что наша работа устанавливает новый эталон в неинвазивном декодировании мышечной активности, предлагая прямые применения в продвинутом протезировании и интерфейсах человек-машина.
Несмотря на значительные успехи в технологиях интерфейса мозг-компьютер (BCI), системы, способные использовать физиологические сигналы для обнаружения и распознавания человеческих намерений в реальном времени, всё ещё недостаточно развиты. Для достижения нового уровня взаимодействия человека и машины необходимо интегрировать корреляты моторной активности с передовыми архитектурами искусственного интеллекта (ИИ). В этом исследовании мы представляем первую демонстрацию декодирования почерка — сложной моторной задачи — с использованием новой миографической метода, называемого оптической миографией (OMG). В отличие от предыдущих подходов на основе электромиографии (EMG), которые рассматривают декодирование почерка как задачу классификации, мы формулируем её как проблему непрерывной реконструкции траектории. Мы оценили GRUScribe (декодер на основе GRU) и TransScribe (декодер на основе трансформера), успешно декодировав 10 цифровых цифр и 33 русских буквы от 20 здоровых участников и 4 ампутантов, без необходимости в сложной предобработке. Наши результаты демонстрируют выдающийся потенциал OMG для распознавания сложной моторной активности. Мы считаем, что наша работа устанавливает новый эталон в неинвазивном декодировании мышечной активности, предлагая прямые применения в продвинутом протезировании и интерфейсах человек-машина.
👍1🔥1👏1
Искусственный интеллект и машинное обучение революционизируют протезы рук, особенно с использованием технологии Regenerative Peripheral Nerve Interface (RPNI) — это хирургический метод, который улучшает связь между нервами и протезом. Несмотря на прогресс, протезы пока не идеальны: они не всегда позволяют естественные движения, и нужна лучшая система управления. Ключевые достижения включают применение фильтров Калмана и Винера для плавных движений, которые переводят сигналы мышц в точные жесты пальцев — в экспериментах на обезьянах это позволило контролировать руку в реальном времени. Для распознавания поз используют алгоритмы вроде Наивного Байеса и Скрытых Марковских Моделей с точностью выше 96% у обезьян и людей. Система стабильна и работает на данных, собранных 246 дней тому назад. В практике человек с протезом успешно приготовил кофе, используя разные захваты. Это открывает путь к более интуитивным протезам, но впереди ещё много работы для полной интеграции с телом.
https://www.oaepublish.com/articles/ais.2025.03
https://www.oaepublish.com/articles/ais.2025.03
Artificial Intelligence Surgery
Machine learning for Regenerative Peripheral Nerve Interface-based prosthetic control: current applications and clinical translation
Machine learning algorithms and control systems have changed the design of modern-day prosthetic devices. This narrative review explores the evolution and application of machine learning in advanced prosthetic devices. Despite all the advancements created…
🔥4
Alpha power increases no matter what during a neurofeedback session
Нейрофидбек на основе электроэнцефалографии часто считается способом волевого контроля над нейронными осцилляциями, особенно альфа-ритмом. Однако доказательства модуляции альфа в одной сессии спорны из-за отсутствия контроля неспецифических эффектов, таких как усталость. В исследовании проверяли, могут ли здоровые люди снижать альфа-мощность в париетальной области за одну сессию, учитывая правдивость обратной связи и направление модуляции. Участники проходили три блока тренировки с визуальной стимуляцией, отражающей реальную альфа-мощность (группа Alpha-Down), обратную (Alpha-Up) или записанную заранее (Sham), с частотой обновления 1, 5 или 10 Гц, плюс блок без обратной связи. Результаты: альфа-мощность росла во всех группах, независимо от направления, правдивости и частоты. Тета- и сенсомоторные ритмы тоже увеличивались, бета оставалась стабильной. Вывод: видимая модуляция — это спонтанный неспецифический рост осцилляций, а не волевой контроль. Это обобщает данные по повышению альфа на попытки снижения, подчеркивая роль временных факторов (возбуждение, усталость). Нужны строгие методические контроли для оценки нейрофидбека.
Нейрофидбек на основе электроэнцефалографии часто считается способом волевого контроля над нейронными осцилляциями, особенно альфа-ритмом. Однако доказательства модуляции альфа в одной сессии спорны из-за отсутствия контроля неспецифических эффектов, таких как усталость. В исследовании проверяли, могут ли здоровые люди снижать альфа-мощность в париетальной области за одну сессию, учитывая правдивость обратной связи и направление модуляции. Участники проходили три блока тренировки с визуальной стимуляцией, отражающей реальную альфа-мощность (группа Alpha-Down), обратную (Alpha-Up) или записанную заранее (Sham), с частотой обновления 1, 5 или 10 Гц, плюс блок без обратной связи. Результаты: альфа-мощность росла во всех группах, независимо от направления, правдивости и частоты. Тета- и сенсомоторные ритмы тоже увеличивались, бета оставалась стабильной. Вывод: видимая модуляция — это спонтанный неспецифический рост осцилляций, а не волевой контроль. Это обобщает данные по повышению альфа на попытки снижения, подчеркивая роль временных факторов (возбуждение, усталость). Нужны строгие методические контроли для оценки нейрофидбека.
❤2👍1
Трудная проблема сознания решена окончательно и бесповоротно
"Трудная проблема сознания" — почему физические процессы в мозге рождают субъективные переживания, вроде ощущения "красноты" — мучает философов с 1995 года. Но новая теория из работы Нури (2025) её решает! Всё сводится к четырём идеям: мир — это timeless (вневременная) конфигурация квантовых полей, как статичная многомерная карта; время возникает от "движения" по этой карте с разной скоростью на уровнях от частиц до организмов; сознание — это внутренняя сущность сложных структур мозга, когда их причинная связь превышает порог в 10^8–10^10 элементов; а качества переживаний (квалиа) — это и есть сама структура, а не что-то отдельное. Нет никакого "зазора объяснения": "краснота" — это просто, как работает нейронная сеть на 650 нм в области V4. Теория проверяема экспериментами с индексами сложности мозга, интегрированной информацией и сравнением видов. Она отличает реальное сознание от панпсихизма или дуализма, объясняет, почему время кажется текущим в статичном "блок-вселенной", и даёт критерии для ИИ: когда машина станет сознательной. В итоге — прощай, загадка сознания, привет этике для роботов!
"Трудная проблема сознания" — почему физические процессы в мозге рождают субъективные переживания, вроде ощущения "красноты" — мучает философов с 1995 года. Но новая теория из работы Нури (2025) её решает! Всё сводится к четырём идеям: мир — это timeless (вневременная) конфигурация квантовых полей, как статичная многомерная карта; время возникает от "движения" по этой карте с разной скоростью на уровнях от частиц до организмов; сознание — это внутренняя сущность сложных структур мозга, когда их причинная связь превышает порог в 10^8–10^10 элементов; а качества переживаний (квалиа) — это и есть сама структура, а не что-то отдельное. Нет никакого "зазора объяснения": "краснота" — это просто, как работает нейронная сеть на 650 нм в области V4. Теория проверяема экспериментами с индексами сложности мозга, интегрированной информацией и сравнением видов. Она отличает реальное сознание от панпсихизма или дуализма, объясняет, почему время кажется текущим в статичном "блок-вселенной", и даёт критерии для ИИ: когда машина станет сознательной. В итоге — прощай, загадка сознания, привет этике для роботов!
🤣6👍2😱2
program2025.pdf
948.8 KB
20 октября:
ПЛЕНАРНОЕ ЗАСЕДАНИЕ 2
Председатель: В.Л. Дунин-Барковский, д.ф.-м.н.
Конференц-зал Студенческого офиса МИФИ
П3. Пленарное заседание - М.А. Лебедев
МГУ им. М.В. Ломоносова
ИЭФБ РАН, Санкт-Петербург
Нейрональная и нейросетевая доктрины: кто в результате победил в случае нейроинтерфейсов?
Отцы-основатели нейронаук Гольджи и Кахал выдвинули в свое время две противоборствующие концепции: нейрональную и нейросетевую доктрины, которые неявно разбили ученых на две большие школы. Но это и к лучшему: если бы не были разработаны методы для записи отдельных нейронов, то не было бы и имплантов нейралинка, революционирующих современные нейротехнологии. В лекции будет рассмотрено, какой вклад каждая из концепций вносит в развитие нейроинтерфейсов.
14:30 - 15:30
https://neuroinfo.ru/index.php/en/
ПЛЕНАРНОЕ ЗАСЕДАНИЕ 2
Председатель: В.Л. Дунин-Барковский, д.ф.-м.н.
Конференц-зал Студенческого офиса МИФИ
П3. Пленарное заседание - М.А. Лебедев
МГУ им. М.В. Ломоносова
ИЭФБ РАН, Санкт-Петербург
Нейрональная и нейросетевая доктрины: кто в результате победил в случае нейроинтерфейсов?
Отцы-основатели нейронаук Гольджи и Кахал выдвинули в свое время две противоборствующие концепции: нейрональную и нейросетевую доктрины, которые неявно разбили ученых на две большие школы. Но это и к лучшему: если бы не были разработаны методы для записи отдельных нейронов, то не было бы и имплантов нейралинка, революционирующих современные нейротехнологии. В лекции будет рассмотрено, какой вклад каждая из концепций вносит в развитие нейроинтерфейсов.
14:30 - 15:30
https://neuroinfo.ru/index.php/en/
👍4
Обновленный препринт:
Beyond Traditional Poincare Analysis: Second-Order Plots Reveal Respiratory Effects in Heart Rate Variability
Диаграммы Пуанкаре, которые визуализируют вариабельность сердечного ритма (ВСР) путём построения графика каждого интервала RR относительно последующего, служат стандартным инструментом для оценки как медленных, так и быстрых динамик ВСР. Метрики быстрой ВСР обычно получаются из временных рядов разностей между последовательными интервалами, ΔRR, что предполагает естественное расширение: диаграмму Пуанкаре второго порядка, которая фиксирует временную структуру ΔRR путём построения графика ΔRR относительно следующего ΔRR. Наш усовершенствованный метод вводит эти диаграммы Пуанкаре второго порядка для раскрытия динамик ВСР более высокого порядка. Мы проверили этот подход на наборе данных PhysioNet, включающем 20 здоровых индивидов. Непрерывные представления RR и ΔRR были сгенерированы с помощью сплайн-интерполяции дискретных данных интервалов, чтобы обеспечить кросс-спектральный анализ корреляций между параметрами ВСР и дыханием. Мы также разработали модель связанных осцилляторов для моделирования модуляции сердечного ритма дыханием. В отличие от традиционных диаграмм Пуанкаре, которые часто демонстрируют эллиптические паттерны, отражающие медленную ВСР, наш метод фильтрует эти паттерны, чтобы подчеркнуть быструю вариабельность. Кольцеобразные паттерны были обнаружены у нескольких участников, указывая на синхронизацию между сердечным ритмом и дыхательными циклами. Диаграммы также выявили характерные серийные корреляционные паттерны для ΔRR у разных индивидов, с положительными корреляциями, связанными с медленным дыханием, и отрицательными — с быстрым дыханием, при этом отношение частоты дыхания к частоте сердечных сокращений выступает в качестве ключевого фактора. Наша модель связанных осцилляторов, включающая быстрый кардиальный осциллятор типа “интегрируй-и-выстреливай”, модулируемый более медленной дыхательной синусоидой, подтвердила эти наблюдения. Таким образом, диаграммы Пуанкаре второго порядка предлагают мощный инструмент для расчленения сложных динамик ВСР.
https://www.biorxiv.org/content/10.1101/2025.08.13.670042v2.full.pdf
Beyond Traditional Poincare Analysis: Second-Order Plots Reveal Respiratory Effects in Heart Rate Variability
Диаграммы Пуанкаре, которые визуализируют вариабельность сердечного ритма (ВСР) путём построения графика каждого интервала RR относительно последующего, служат стандартным инструментом для оценки как медленных, так и быстрых динамик ВСР. Метрики быстрой ВСР обычно получаются из временных рядов разностей между последовательными интервалами, ΔRR, что предполагает естественное расширение: диаграмму Пуанкаре второго порядка, которая фиксирует временную структуру ΔRR путём построения графика ΔRR относительно следующего ΔRR. Наш усовершенствованный метод вводит эти диаграммы Пуанкаре второго порядка для раскрытия динамик ВСР более высокого порядка. Мы проверили этот подход на наборе данных PhysioNet, включающем 20 здоровых индивидов. Непрерывные представления RR и ΔRR были сгенерированы с помощью сплайн-интерполяции дискретных данных интервалов, чтобы обеспечить кросс-спектральный анализ корреляций между параметрами ВСР и дыханием. Мы также разработали модель связанных осцилляторов для моделирования модуляции сердечного ритма дыханием. В отличие от традиционных диаграмм Пуанкаре, которые часто демонстрируют эллиптические паттерны, отражающие медленную ВСР, наш метод фильтрует эти паттерны, чтобы подчеркнуть быструю вариабельность. Кольцеобразные паттерны были обнаружены у нескольких участников, указывая на синхронизацию между сердечным ритмом и дыхательными циклами. Диаграммы также выявили характерные серийные корреляционные паттерны для ΔRR у разных индивидов, с положительными корреляциями, связанными с медленным дыханием, и отрицательными — с быстрым дыханием, при этом отношение частоты дыхания к частоте сердечных сокращений выступает в качестве ключевого фактора. Наша модель связанных осцилляторов, включающая быстрый кардиальный осциллятор типа “интегрируй-и-выстреливай”, модулируемый более медленной дыхательной синусоидой, подтвердила эти наблюдения. Таким образом, диаграммы Пуанкаре второго порядка предлагают мощный инструмент для расчленения сложных динамик ВСР.
https://www.biorxiv.org/content/10.1101/2025.08.13.670042v2.full.pdf
👍1🔥1