Projektová činnosť

Zuzana Rošťáková

Medzinárodné projekty

ReHaB – Smerovanie k spoľahlivej a uživateľsky prijateľnej symbióze BCI a VR: zameranie na kolaboratívnu neurorehabilitáciu po cievnej mozgovej príhode
Towards an ecologically valid symbiosis of BCI and head-mounted VR displays: focus on collaborative post-stroke neurorehabilitation
Program:	ERANET
Doba trvania:	1.1.2022 – 31.12.2024
Zodpovedný riešiteľ:	Ing. Mgr. Rosipal Roman, DrSc.
Anotácia:	Rastúci počet dôkazov naznačuje, že integrované technológie rozhrania mozog-počítač (BCI) a prostredia virtuálnej reality (VR) poskytujú flexibilnú platformu pre sériu neurorehabilitačných terapií, vrátane významnej motorického zotavenia po mozgovej príhode a kognitívno-behaviorálnej terapie. Keď sa subjekt ponorí do takéhoto prostredia, jeho percepčná úroveň sociálnej interakcie je často narušená v dôsledku suboptimálnej kvality rozhrania, ktorému chýba sociálny aspekt ľudských interakcií.Projekt navrhuje užívateľsky prívetivý inteligentný BCI systém s nízkou spotrebou energie s vhodným prostredím VR, v ktorom pacient aj terapeut spolupracujú prostredníctvom svojich reprezentácií avatarov špecifických pre osobu. Na jednej strane pacient dobrovoľne a vlastným tempom riadi svoju aktivitu v prostredí a interaguje s terapeutom prostredníctvom procesu mentálnych predstáv riadeného BCI. Tento proces je vypočítaný a vykreslený v reálnom čase na energeticky efektívnom nositeľnom zariadení. Na druhej strane neobmedzené motorické a komunikačné schopnosti terapeuta umožňujú plne ovládať prostredie. Prostredie VR teda môže flexibilne upravovať terapeut, čo umožňuje vytvárať a vyberať rôzne scenáre pracovnej terapie podľa potrieb pacienta na zotavenie, duševných stavov a okamžitých reakcií.

Národné projekty

EDABSS – Analýza EEG signálu pomocou metód hľadania skrytých zdrojov
EEG data analysis by blind source separation methods
Program:	Plán obnovy EÚ
Doba trvania:	1.9.2024 – 31.8.2026
Zodpovedný riešiteľ:	Mgr. Rošťáková Zuzana, PhD.
Anotácia:	Metódy hľadania skrytých, priamo nepozorovateľných (latentných) štruktúr (blind source separation methods, BSS) v reálnych dátach patria do skupiny metód strojového učenia bez učiteľa. V nemalej miere sa využívajú pri spracovaní obrazu, medicínskom zobrazovaní alebo v hudbe. Tento projekt sa zameriava najmä na analýzu ľudského elektroencefalogramu (EEG), v ktorom je možné pomocou BSS detegovať úzkopásmové oscilácie reprezentujúce procesy v mozgu, či už u zdravých ľudí alebo pacientov s neurologickými ochoreniami a poškodeniami. Na tento účel sa v praxi často využívajú dvojdimenzionálne BSS, ako je napríklad metóda hlavných alebo nezávislých komponentov, pretože sú ľahko implementovateľné a zrozumiteľné aj pre medicínsku a neurologické komunitu. Vlastnosti získaných latentných komponentov však nie vždy korešpondujú s charakterom reálneho signálu a strácajú tak neurofyziologickú interpretáciu. Metódy tenzorickej dekompozície sú síce komplexnejšie z matematického hľadiska, ale vyznačujú sa vysokou flexibilitou modelu a jeho adaptabilitou na konkrétne reálne dáta. Predkladaný projekt bude skúmať možnosti využitia tenzorickej dekompozície i) pri predspracovaní EEG signálu, detekcií a odstránení artefaktov a nežiadúcich komponentov z EEG, ii) analýze latentnej štruktúry EEG pomocou modelov tenzorickej dekompozície s blokovou štruktúrou umožňujúcou lepšie modelovať vzťahy medzi latentnými komponentami, a iii) analýzu dynamických vlastností EEG latentných komponentov. Nové informácie o latentnej štruktúre EEG ako aj navrhnuté algoritmy prispejú k hlbšiemu pochopeniu procesov prebiehajúcich v mozgu a následne k návrhu procedúr pre liečbu a rehabilitáciu pacientov s neurofyziologickým ochorením alebo poškodením.

Inteligentná hĺbková mozgová stimulácia ako inovatívna stratégia pre liečbu mozgových porúch
Smart deep brain stimulation as a treatment strategy in treatment-resistant depression
Program:	VEGA
Doba trvania:	1.1.2022 – 31.12.2025
Zodpovedný riešiteľ:	Ing. Mgr. Rosipal Roman, DrSc.
Anotácia:	Narušená spojitosť medzi rôznymi oblasťami mozgu vedie k patofyziológií činnosti mozgu a viacerým mozgovým poruchám. Existujú indikácie, že narušená spojitosť medzi prefrontálnou kôrou a ventrálnym palidom sa podieľajú na vzniku depresie. Inteligentná hĺbková mozgová simulácia založená na kombinácií detekcie neuronálnej aktivity v prefrontálnom kortexe v reálnom čase a následnej stimulácie ventrálnej tegmentálnej oblasti môže byť teda účinná pri liečbe depresie. Naším cieľom je preskúmať kortiko-tegmentálnu konektivitu a otestovať antidepresívnu účinnosť inteligentnej hĺbkovej stimulácie mozgu na zvieracom modeli.

Kauzálna analýza nameraných signálov a časových radov
Causal analysis of measured signals and time series
Program:	VEGA
Doba trvania:	1.1.2022 – 31.12.2025
Zodpovedný riešiteľ:	RNDr. Krakovská Anna, CSc.
Anotácia:	Projekt je zameraný na kauzálnu analýzu nameraných časových radov a signálov. Nadväzuje na predchádzajúce výsledky riešiteľov projektu, týkajúce sa zovšeobecnení Grangerovho testu a návrhov nových testov v rekonštruovaných stavových priestoroch. Cieľom je rozvoj nových metód a algoritmov pre bivariátnu a mnohorozmernú kauzálnu analýzu. Skúmané časové rady a signály budeme chápať ako jednorozmerné prejavy zložitejších systémov alebo subsystémov. Detekciu kauzality medzi dvomi systémami rozšírime aj na multivariátne prípady – dynamické siete s uzlami charakterizovanými časovými radmi. Takéto komplexné siete sú v reálnom svete veľmi časté. Biomedicínske aplikácie patria k najznámejším. Mozgová aktivita, určená viackanálovými elektroencefalografickými signálmi, je dôležitým príkladom. Ukážeme, že výskum kauzality sa v súčasnosti dostáva do štádia, ktoré umožňuje dosiahnuť ambiciózne ciele pri štúdiu efektívnej konektivity (t.j. smerovaných interakcií, nie štrukturálnych alebo funkčných prepojení) v mozgu.