Статья посвящена разработке алгоритма предварительной обработки нейрофизиологических данных, полученных при помощи fNIRS (функциональной ближней инфракрасной спектроскопии). Данный алгоритм может применяться при сборе и систематизации набора данных для обучения и тестирования нейронных сетей глубокого обучения c целью выявления нейрофизиологических паттернов движений человек, а также для статистического анализа данных, полученных экспериментальным путем. Отличительной особенностью разработанного алгоритма является гибкость настройки алгоритма, а также возможность адаптации под требования к обработке, предъявляемые в зависимости от специфики решаемой задачи. Полученный алгоритм позволил сформировать набор данных, на котором обучалась нейронная сеть для распознавания паттернов активности кисти руки.
The article is devoted to the development of an algorithm for pre-processing of neurophysiological data obtained using fNIRS (functional near- infrared spectroscopy). The developed algorithm can be used for the picking and systematization of a data set for training and testing deep learning neural networks to identify neurophysiological patterns of human movements. Also, the algorithm can be used for statistical analysis of data obtained experimentally. A distinctive singularity of the developed algorithm is the flexibility of constructing and the adapt ability to the processing requirements presented, depending on the specifics of the problem. The developed algorithm allows to form a data set for neural network training and to recognize patterns of activity of the human wrist.