В настоящее время всё большее количество людей склонны заполнять любые паузы «сёрфингом» в интернете и просмотром различных развлекательных видеороликов, при этом необходимое для отдыха состояние спокойного бодрствования подменяется восприятием и анализом новой информации. Целью данной работы было проанализировать изменения функционального состояния головного мозга при активном просмотре медиаконтента и пассивном созерцании природы с использованием различных математических методов обработки электроэнцефалограммы (ЭЭГ). В пилотном исследовании участвовали 16 испытуемых 21-25 лет, с каждым из них проводилось 2 тридцатиминутные экспериментальные сессии в разные дни - «активный» просмотр видеороликов и «пассивное» созерцание природы и леса, во время которых регистрировали ЭЭГ. Кроме того, в работе анализировали оптимальность применения различных методов обработки длительных записей электроэнцефалограммы без разделения на эпохи: были выполнены преобразование Гилберта, вейвлет преобразование Event-Related Spectral Perturbation (ERSP), а также рассчитаны когерентность Inter-Trial Coherence (ITC) и суммарная электрическая активность мозга относительно начала стимуляции. Обработка и предобработка, для которой использовался метод независимых компонент (ICA), осуществлялись в программах EEGLAB и Brainstorm. В результате были выявлены различия динамики биоэлектрической активности мозга: в активной сессии на протяжении всей записи преобладали бета- ритмы, во второй половине сессии увеличивалась мощность тета-ритма; в пассивной сессии амплитуда сигнала меньше, преобладают альфа- и бета- ритмы, причём мощность альфа-активности повышается вначале сессии, а бета-ритма - во второй половине. Были сделаны некоторые выводы об адекватности используемых методов для анализа длительных записей электроэнцефалограммы: наиболее информативный метод - ERSP преобразование, а преобразование Гилберта в свою очередь оказалось очень чувствительно к наличию артефактов, так как основано на выделении огибающей.
электроэнцефалограмма (ЭЭГ), метод независимых компонент, функциональное состояние, частотно-временной анализ, Вейвлет-преобразование
1. Nielsen. The Comparable Metrics Report: Q1 2016 [Internet]. 2016. Available from: http://www.nielsen.com/us/en/insights/reports/2016/the-comparable-metrics-report-q1-2016.html
2. Nielsen. The Total Audience Report: Q1 2016 [Internet]. 2016. Available from: http://www.nielsen.com/us/en/insights/reports/2016/the-total-audience-report-q1-2016.html
3. Torkel K. The Overflowing Brain: Information Overload and the Limits of Working Memory: Information Overload and the Limits of Working Memory. Oxford University Press, 2008, 224 p.
4. Andreu-Sanchez C., Martín-Pascual M.A., Gruart A., Delgado-García J.M. Looking at reality versus watching screens: Media professionalization effects on the spontaneous eyeblink rate, 2017., doi:https://doi.org/10.1371/journal.pone.0176030
5. Acqualagna L., Bosse S., Porbadnigk A.K., Curio G., Muller K.-R., Wiegand T., Blankertz B. EEG-based classification of video quality perception using steady state visual evoked potentials (SSVEPs). Journal of Neural Engineering, 2015, vol. 12, no. 2. doihttps://doi.org/10.1088/1741-2560/12/2/026012
6. Дружилов С.А. Негативные воздействия современной информационной среды на человека: психологические аспекты. Психологические исследования, 2018. том 11, № 59, с. 11. @@Druzhilov S.A. The negative impact of the modern information environment: the psychological aspects. Psikhologicheskie Issledovaniya, 2018, vol. 11, no. 59, p. 11. (In Russ.)
7. Лебедева Н.Н., Каримова Е.Д., Потапов В.В., Потапова Р.К. Комплексное исследование изменения функционального состояния человека при восприятии медиа контента разной модальности, 2020. @@Lebedeva N.N., Karimova E.D., Potapov V.V., Potapova R.K.Comprehensive study of changes in the functional state of a person when perceiving media content of different modality (In Russ.)
8. Bertrand O., Tallon-Baudry C. Oscillatory gamma activity in humans: a possible role for object representation.Int. J. Psychophysiol., 2000, vol. 38, iss. 3, pp. 211-223. doi:https://doi.org/10.1016/s0167-8760(00)00166-5
9. Fourier B.A. Hilbert and wavelet-based signal analysis: are they really different approaches? Journal of Neuroscience Methods, 2004, vol. 137, iss. 2, pp. 321-332. doi:https://doi.org/10.1016/j.jneumeth.2004.03.002
10. Le Van Quyen M., Foucher J., Lachaux J., Rodriguez E., Lutz A., Martinerie J., Varela F.J.Comparison of Hilbert transform and wavelet methods for the analysis of neuronal synchrony. Journal of Neuroscience Methods, 2001, vol. 111, iss. 2, pp. 83-98. doi:https://doi.org/10.1016/s0165-0270(01)00372-7
11. Delorme A., Makeig S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods, 2004, vol. 134, iss. 1, pp. 9-21. doi:https://doi.org/10.1016/j.jneumeth.2003.10.009
