dc.contributor.author | Романюк, О. Н. | uk |
dc.contributor.author | Павлов, В. C. | uk |
dc.contributor.author | Тітова, Н. В. | uk |
dc.contributor.author | Романюк, С. О. | uk |
dc.contributor.author | Майданюк, В. П. | uk |
dc.contributor.author | Romaniuk, O. N. | en |
dc.contributor.author | Pavlov, V. S. | en |
dc.contributor.author | Titova, N. V. | en |
dc.contributor.author | Romaniuk, S. O. | en |
dc.contributor.author | Maidanyuk, V. P. | en |
dc.date.accessioned | 2025-07-03T10:57:29Z | |
dc.date.available | 2025-07-03T10:57:29Z | |
dc.date.issued | 2025 | |
dc.identifier.citation | Романюк О. Н., Павлов В. С., Тітова Н. В., Романюк С. О., Майданюк В. П. Використання нейрогарнітур для діагностики захворювань // Оптоелектронні інформаційно-енеретичні технології. 2025. № 1. С. 168–177. | uk |
dc.identifier.issn | 1681-7893 | |
dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/46774 | |
dc.description.abstract | The article highlights modern approaches to the use of neuroheadsets in the diagnosis
of psychoneurological diseases, including depression, anxiety disorders, epilepsy, schizophrenia,
Parkinson's disease, and Alzheimer's disease. The main focus is on the registration and analysis
of electroencephalographic signals, which provide a non-invasive assessment of the functional
state of the brain. The significance of rhythmic activity of various frequency ranges — in
particular, alpha, beta, theta, and delta waves — as markers of certain disorders is revealed. It is
shown that depression typically exhibits a decrease in alpha activity in the left frontal cortex, and
anxiety disorders typically exhibit an increase in high-frequency beta activity. Changes in the
spectral composition of signals in epilepsy are analyzed, in particular, focal disturbances and
paroxysmal complexes, which can be recorded using neuroheadsets in clinical or home
conditions. The article also provides information on the reduction of coherence and variability of
EEG signals in Alzheimer's disease and changes in electrical activity in patients with Parkinson's
disease. Considerable attention is paid to the possibility of using neurofeedback technologies
within the framework of cognitive and everyday rehabilitation, which are based on the patient's
active control of their own electrophysiological reactions. The practical feasibility of using
neuroheadsets for the initial screening of the patient's condition, monitoring the dynamics of
treatment and assessing the effectiveness of psychotherapeutic and pharmacological approaches
is emphasized. As a result, it is concluded that neuroheadsets open up new opportunities for
rapid, safe and economically accessible diagnostics of nervous system disorders in a wide range
of patients of different ages | en |
dc.description.abstract | У статті висвітлено сучасні підходи до використання нейрогарнітур у
діагностиці психоневрологічних захворювань, серед яких депресія, тривожні стани,
епілепсія, шизофренія, хвороба Паркінсона та хвороба Альцгеймера. Основна увага
зосереджена на реєстрації та аналізі електроенцефалографічних сигналів, які
забезпечують неінвазивну оцінку функціонального стану головного мозку. Розкрито
значення ритмічної активності різних частотних діапазонів — зокрема альфа-, бета-, тетаі дельта-хвиль — як маркерів певних розладів. Показано, що при депресії типово
спостерігається зниження альфа-активності у лівій лобовій корі, а при тривожних
розладах — підвищення високочастотної бета-активності. Проаналізовано зміни у
спектральному складі сигналів при епілепсії, зокрема вогнищеві збурення та
пароксизмальні комплекси, які можна реєструвати за допомогою нейрогарнітур у
клінічних або домашніх умовах. У статті також наводиться інформація щодо зменшення
когерентності та варіативності EEG-сигналів при хворобі Альцгеймера та змін
електричної активності у пацієнтів з хворобою Паркінсона. Значна увага приділена
можливості використання нейрофідбек-технологій у рамках когнітивної та повсякденної
реабілітації, що базуються на активному контролі пацієнтом власних
електрофізіологічних реакцій. Наголошено на практичній доцільності використання
нейрогарнітур для початкового скринінгу стану пацієнта, моніторингу динаміки лікування
та оцінювання ефективності психотерапевтичних і фармакологічних підходів. У підсумку
зроблено висновок, що нейрогарнітури відкривають нові можливості для швидкої,
безпечної та економічно доступної діагностики розладів нервової системи у широкому
колі пацієнтів різного віку | uk |
dc.language.iso | uk_UA | uk_UA |
dc.publisher | ВНТУ | uk |
dc.relation.ispartof | Оптоелектронні інформаційно-енеретичні технології. № 1 : 168–177. | uk |
dc.relation.uri | https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/782 | |
dc.subject | нейрогарнітури | uk |
dc.subject | електроенцефалографія | uk |
dc.subject | психоневрологічні розлади | uk |
dc.subject | депресія | uk |
dc.subject | тривожні стани | uk |
dc.subject | нейрофідбек | uk |
dc.subject | функціональна діагностика | uk |
dc.subject | neuroheadsets | en |
dc.subject | electroencephalography | en |
dc.subject | neuropsychological disorders | en |
dc.subject | depression | en |
dc.subject | anxiety states | en |
dc.subject | neurofeedback | en |
dc.subject | functional diagnostics | en |
dc.title | Використання нейрогарнітур для діагностики захворювань | uk |
dc.title.alternative | Use of Neuroheadsets for Diagnostics of Diseases | en |
dc.type | Article, professional native edition | |
dc.type | Article | |
dc.identifier.udc | 004.92 | |
dc.relation.references | Thibault, R. T., Lifshitz, M., Birbaumer, N., & Raz, A. (2020). Neurofeedback, self-regulation, and brain
imaging: Clinical science and fad in the service of mental disorders. Psychotherapy and Psychosomatics,
89(4), 193–207. https://doi.org/10.1159/000506832 | en |
dc.relation.references | Bekkedal, M. Y. V., Rossi, J. S., Panksepp, J., & Davis, M. (2021). EEG asymmetry in major depressive
disorder: State, trait, or artifact? Biological Psychology, 162, 108093.
https://doi.org/10.1016/j.biopsycho.2021.108093 | en |
dc.relation.references | Tavakoli, H., & Motiei-Langroudi, R. (2023). Clinical application of wearable EEG devices in
neuropsychiatric disorders: A review. Frontiers in Human Neuroscience, 17, 1122334.
https://doi.org/10.3389/fnhum.2023.1122334 | en |
dc.relation.references | Mehta, R., Bajaj, H., & Roy, D. (2022). Machine learning for mental health in neurophysiology: EEGbased classification of anxiety and depression. IEEE Transactions on Neural Systems and Rehabilitation
Engineering, 30, 980–991. https://doi.org/10.1109/TNSRE.2022.3170198 | en |
dc.relation.references | Krigolson, O. E. (2018). Event-related brain potentials and the study of decision making: A brief review.
Brain Sciences, 8(8), 132. https://doi.org/10.3390/brainsci8080132 | en |
dc.relation.references | Casson, A. J. (2019). Wearable EEG and beyond. Biomedical Engineering Letters, 9, 53–71.
https://doi.org/10.1007/s13534-019-00096-2 | en |
dc.relation.references | Abiri, R., Borhani, S., Sellers, E. W., Jiang, Y., & Zhao, X. (2019). A comprehensive review of EEGbased brain–computer interface paradigms. Journal of Neural Engineering, 16(1), 011001.
https://doi.org/10.1088/1741-2552/aaf12e | en |
dc.relation.references | Dauwels, J., Vialatte, F., & Cichocki, A. (2017). Diagnosis of Alzheimer’s disease from EEG signals:
Where are we standing? Current Alzheimer Research, 14(4), 394–408.
https://doi.org/10.2174/1567205013666161222143701 | en |
dc.relation.references | An, D., Fahoum, F., & Gotman, J. (2017). Detection of focal epileptic seizures using scalp EEG and
advanced signal processing. Clinical Neurophysiology, 128(6), 958–968.
https://doi.org/10.1016/j.clinph.2017.03.008 | en |
dc.relation.references | Ibrahim, A., & Majid, M. A. (2020). Brain–computer interface for Parkinson’s disease patients: A
systematic review. IEEE Access, 8, 185146–185157. https://doi.org/10.1109/ACCESS.2020.3029941/ | en |
dc.relation.references | Niedermeyer, E., & da Silva, F. L. (Eds.). (2020). Electroencephalography: Basic principles, clinical
applications, and related fields (7th ed.). Oxford University Press. | en |
dc.relation.references | Шевчук, І.М., & Козловська, І.С. (2023). Перспективи застосування нейротехнологій у діагнос-тиці
психічних розладів. Український журнал з проблем медицини та біології, 28(4), 25–31. | uk |
dc.relation.references | Дяченко, В. Ю. (2022). Технології біологічного зворотного зв’язку на основі мозкової активності:
діагностичні можливості. Наукові вісті НТУУ «КПІ», 4, 47–52. | uk |
dc.relation.references | Лавренюк, О. П., & Резнік, С. В. (2021). Електроенцефалографія в практиці психологічної
діагностики. Психологія і суспільство, 2, 119–125. | uk |
dc.relation.references | Майданюк, В. П., & Романюк, О. Н. (2025, 24–27 березня). Неінвазивний нейроінтерфейс
Користувач–Комп’ютер. Матеріали LIII Всеукраїнської науково-технічної конференції підрозділів Вінницького національного технічного університету (2024), м. Вінниця.
https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2025/paper/view/23517/19471 | uk |
dc.relation.references | Grand View Research. (2024). Wearable EEG headsets market to reach USD 244.9 million by 2030,
growing at a CAGR of 10.4% [Press release]. Retrieved from Grand View Research website. | en |
dc.relation.references | Pavlov S. V. Information Technology in Medical Diagnostics //Waldemar Wójcik, Andrzej Smolarz, July
11, 2017 by CRC Press - 210 Pages | en |
dc.relation.references | Wójcik W., Pavlov S., Kalimoldayev M. Information Technology in Medical Diagnostics II. London:
(2019). Taylor & Francis Group, CRC Press, Balkema book. – 336 Pages. | en |
dc.identifier.doi | https://doi.org/10.31649/1681-7893-2025-49-1-168-177 | |