Логотип МИЭМ НИУ ВШЭ
Рабочий
Логотип типа проекта Программный
Программный
2025 / 2026
Логотип проекта Разработка ПО для экстракции и анализа кортико-спинальной возбудимости посредством различных харрактеристик моторных вызванных потенциалов (МВП)

    2353 Разработка ПО для экстракции и анализа кортико-спинальной возбудимости посредством различных харрактеристик моторных вызванных потенциалов (МВП)

    Старт
    17.11.2025
    Представление
    26.01.2026 – 06.02.2026
    Постерная сессия
    06.04.2026 – 17.04.2026
    Защита
    08.06.2026 – 19.06.2026

    Паспорт проекта

    Аннотация

    Проект направлен на создание и совершенствование программного комплекса для автоматического анализа моторных вызванных потенциалов (MEP) на основе электромиографических (ЭМГ) данных. Актуальность проекта обусловлена необходимостью стандартизировать и ускорить анализ MEP, который традиционно требует значительных временных затрат и зависит от субъективной оценки исследователя/клинического специалиста. Автоматизация данного процесса повысит точность и воспроизводимость нейрофизиологических...

    Отрасль

    Информатика

    Теги

    Neuroscience
    Coding
    Python
    Neuro signal analysi
    GUI

    Цель

    Создать модульный программный комплекс с графическим интерфейсом для автоматического анализа моторных вызванных потенциалов (MEP) по данным ЭМГ-записей. Конечным результатом станет полностью функционирующее приложение, позволяющее пользователю проводить обработку, визуализацию и статистический анализ MEP в несколько кликов, с возможностью последующего расширения функционала. В перспективе - интеграция нейросетевых алгоритмов для автоматического определения латентностей и предсказания параметров...

    Ожидаемые результаты

    • Архитектурная реорганизация кода: разделение функционала на независимые модули с возможностью масштабирования и добавления новых алгоритмов.
      • Загрузка данных
      • Предобработка
      • Анализ (RMS, AUC, peak-to-peak, NN latencies)
      • Сохранение результатов
      • Визуализация сигнала и метрик из анализа (PyQt)
    • Оптимизация графического интерфейса (GUI)
      • Доработка существующих окон PyQt/PyQtGraph
      • Улучшение интерактивности, стабильности и визуального оформления
      • Добавление панели управления параметрами анализа и логов действий

    Форма и способы промежуточного контроля

    Еженедельные встречи в удобное время

    Форма представления результатов

    1. Python script для автоматической экстракции и анализа данных MEP возможностью мануального маркирования с проверками и без утечек памяти\неожиданной модификации анализируемых данных и с уверенностью в анализе и визуализации данных + сравнение с результатами решений для анализа других сигналов (ЭЭГ) в других средах (Matlab) 2. .exe для запуска конечным нативным программированию пользователем 3. Документация к проекту 4. Переделанная и прозрачная архитектура, с возможностью расширения...

    Ресурсное обеспечение

    Проект реализуется в среде Python (Anaconda) с использованием библиотек NumPy, SciPy, Pandas, PyQt6, PyQtGraph, MNE, TensorFlow, scikit-learn, Zarr, Polars. Для профилирования и оптимизации применяются cProfile, Numba, Nuitka, pytest. Работа с кодом и документацией ведётся через GitHub, Notion/Overleaf и облачные хранилища (OneDrive, Google Drive). Требуемое оборудование: ПК с Intel i7/Ryzen 7, 16–32 ГБ RAM, SSD-накопителем. Используются экспериментальные ЭМГ-данные и тестовые наборы для...

    Имеющийся задел

    На текущем этапе выполнена значительная часть базовой архитектуры проекта. Разработаны основные модули обработки и визуализации ЭМГ-данных, включая загрузку, предобработку сигналов, фильтрацию и отображение с использованием PyQt6 и PyQtGraph. Реализованы инструменты ручной и полуавтоматической разметки MEP, поддерживается работа с форматами Zarr и Parquet, обеспечивающими быструю загрузку и сохранение больших массивов данных. Создана структура для автоматического вычисления параметров MEP...

    Заказчик

    НИУ ВШЭ / ИКН