А.Л. Еремин1, Н.М. Богатов2, А. Рейес Монкада3

1–3 Кубанский государственный университет (г. Краснодар, Россия)

1 aeremin@yandex.ru, 2 bogatov@phys.kubsu.ru, 3 alejoreyes666@gmail.com

Постановка проблемы. При накоплении больших объемов данных в различных системах нейрокомпьютинга отсутствуют физические 3D-модели визуализации по данным функциональной магнитно-резонансной томографии (фМРТ) локусов умственных функций в мозге. Создание таких моделей актуально, так как они используются в интерфейсах мозг–компьютер.

Цель. Сконструировать структурно-функциональную физическую модель расположения умственных функций в трехмерном пространстве головного мозга человека на основе данных фМРТ.

Результаты. Разработаны: табличная матрица классификации «стандартов умственных функций по Международной классификации функционирования – экспериментальных данных фМРТ – локусов в трехмерной структуре мозга»; методика размещения светодиодов по точным координатам в физической модели структуры мозга для отражения локусов конкретных умственных функций; методики сегментации изображений для получения трехмерной сетки мозга; 3D-печатная модель человеческого мозга с использованием технологий печати послойным наплавлением и лазерной стереолитографии; 3D-сетка для многослойной структуры массивов светодиодов и их программирование для отображения локализации функций внутри созданной 3D-модели мозга.

Практическая значимость. Разработанная методология на практике способствует совершенствованию, оптимизации и прогрессу в понимании важности функциональной специализации структур в нейрокомпьютерной доктрине; преподавании и научных исследованиях в нейронауках и нейротехнологиях, психиатрии, психологии, неврологии, биофизике, нейрофизике, психофизике, биоинженерии; визуализации в медицинской физике, диагностике и лечении нервных и психических заболеваний, планировании в нейрохирургии и радиотерапии.

Еремин А.Л., Богатов Н.М., Рейес Монкада А. Нейрофизическая программируемая модель визуализации локусов умственных функций в мозге // Биомедицинская радиоэлектроника. 2025. T. 28. № 1. С. 6−17. DOI: https://doi.org/10.18127/j15604136-202501-01

1. Axer M., Amunts K. Scale matters: the nested human connectome // Science. 2022. V. 378. № 6619. P. 500–504.
2. Adams A. et al. International brain initiative: an innovative framework for coordinated global brain research efforts // Neuron. 2020. V. 105. № 2. P. 212–216.
3. Анохин К.В. Когнитом: в поисках фундаментальной нейронаучной теории сознания // Журнал высшей нервной деятельности им. ИП Павлова. 2021. Т. 71. № 1. С. 39–71.
4. Международная классификация функционирования, ограничений жизнедеятельности и здоровья. Женева: Всемирная Организация Здравоохранения. 2001.
5. Еремин А.Л., Рейес Монкада А. Матрица локусов умственных функций в трехмерном пространстве мозга по нейровизуализации фМРТ / Современные проблемы физики, биофизики и инфокоммуникационных технологий. Краснодар: ЦНТИ. 2023. С. 84–100.
6. Zinchenko O., Arsalidou M. Brain responses to social norms: Meta‐analyses of MRI studies // Human brain mapping. 2018. V. 39. № 2. P. 955–970.
7. Owen A.M. et al. Detecting awareness in the vegetative state // Science. 2006. V. 313. № 5792. P. 1402–1402.
8. Boly M. et al. When thoughts become action: an fMRI paradigm to study volitional brain activity in non-communicative brain injured patients // Neuroimage. 2007. V. 36. № 3. P. 979–992.
9. Ameller A. Les troubles de la familiarité dans la schizophrénie. Lille: Université du Droit et de la Santé-Lille II. 2014.
10. Yang Z. et al. Using fMRI to decode true thoughts independent of intention to conceal // NeuroImage. 2014. V. 99. P. 80–92.
11. Harlé K.M., Sanfey A.G. Social economic decision-making across the lifespan: An fMRI investigation // Neuropsychologia. 2012. V. 50. № 7. P. 1416–1424.
12. Hao X. et al. Enhancing insight in scientific problem solving by highlighting the functional features of prototypes: An fMRI study // Brain research. 2013. V. 1534. P. 46–54.
13. Rilling J.K. et al. A neural basis for social cooperation // Neuron. 2002. V. 35. № 2. P. 395–405.
14. Franzan M.E. Activación cerebral diferencial en la prueba de reconocimiento de emociones faciales UNCEEF mediante la utilización de resonancia magnética functional. Buenos Aires: Instituto Universitario Hospital Italiano de Buenos Aires. 2019.
15. Lévesque J. Neuroanatomie fonctionnelle sous-tendant la régulation consciente et volontaire de la tristesse chez l'enfant et l'adulte sains. 2005.
16. Fusar-Poli P. et al. Functional atlas of emotional faces processing: a voxel-based meta-analysis of 105 functional magnetic resonance imaging studies // Journal of psychiatry and neuroscience. 2009. V. 34. № 6. P. 418–432.
17. Wu Y. et al. Religious beliefs influence neural substrates of self-reflection in Tibetans // Social Cognitive and Affective Neuroscience. 2010. V. 5. № 2-3. P. 324–331.
18. Han S. et al. Neural consequences of religious belief on self-referential processing // Social Neuroscience. 2008. V. 3. № 1. P. 1–15.
19. Christensen J.F. et al. Roman Catholic beliefs produce characteristic neural responses to moral dilemmas // Social Cognitive and Affective Neuroscience. 2014. V. 9. № 2. P. 240–249.
20. Beauregard M., Paquette V. Neural correlates of a mystical experience in Carmelite nuns // Neuroscience letters. 2006. V. 405. № 3. P. 186–190.
21. Poldrack R.A., Mumford J.A., Nichols T.E. Handbook of functional MRI data analysis. Cambridge University Press. 2024.