epilepsiaEpilepsy and paroxysmal conditionsЭпилепсия и пароксизмальные состояния2077-83332311-4088IRBIS LLC10.17749/2077-8333/epi.par.con.2025.267epilepsia-1253Research ArticleORIGINAL ARTICLESОРИГИНАЛЬНЫЕ СТАТЬИProtocol for developing an Open Base of gRAduated EEG Signals (OBRAS)Протокол для создания Открытой Базы РАзмеченных ЭЭГ-Записей (ОБРАЗ)https://orcid.org/0000-0003-2605-6830ИвановА. А.IvanovA. A.

Иванов Алексей Алексеевич

ул. Воронина, д. 5, Иваново 153032

Alexey A. Ivanov

5 Voronin Str., Ivanovo 153032

iva@neurosoft.comhttps://orcid.org/0000-0002-3367-9844БлиновД. В.BlinovD. V.

Блинов Дмитрий Владиславович, д.м.н.

WoS ResearcherID: E-8906-2017

Scopus Author ID: 6701744871

Лялин пер., д. 11-13/1, Москва 101000;

ул. 2-я Брестская, д. 5, стр. 1-1а, Москва 123056;

Алтуфьевское ш., д. 37А, стр. 1, Москва 127410

Dmitry V. Blinov, Dr. Sci. Med., MBA 

WoS ResearcherID: E-8906-2017

Scopus Author ID: 6701744871

11-13/1 Lyalin Passage, Moscow 101000;

5 bldg 1-1a 2nd Brestskaya Str., Moscow 123056;

37А bldg 1 Altufyevskoe Shosse, Moscow 127410

https://orcid.org/0000-0003-1111-6378ВоронковаК. В.VoronkovaK. V.

Воронкова Кира Владимировна, д.м.н., проф. 

Scopus Author ID: 20434946200

ул. Островитянова, д. 1, Москва 117513;

Абрикосовский пер., д. 2, Москва 119435

Kira V. Voronkova, Dr. Sci. Med., Prof. 

Scopus Author ID: 20434946200

1 Ostrovityanov Str., Moscow 117513;

2 Abrikosovskiy Passage, Moscow 119435

https://orcid.org/0000-0001-9961-0199ПетрухинА. С.PetrukhinA. S.

Петрухин Андрей Сергеевич, д.м.н., проф.

Scopus Author ID: 7005313493

ул. Островитянова, д. 1, Москва 117513

Andrey S. Petrukhin, Dr. Sci. Med., Prof. 

Scopus Author ID: 7005313493

1 Ostrovityanov Str., Moscow 117513

https://orcid.org/0000-0002-5211-5518ЗайцеваО. В.ZaytsevaO. V.

Зайцева Ольга Сергеевна

Абрикосовский пер., д. 2, Москва 119435

Olga S. Zaytseva

2 Abrikosovskiy Passage, Moscow 119435

АбрамовМ. О.AbramovM. O.

Абрамов Михаил Олегович

ул. Академика Анохина, д. 9, Москва 119571

Mikhail О. Abramov

9 Academician Anokhin Str., Moscow 119571

Общество с ограниченной ответственностью «Нейрософт»РоссияNeurosoft LLCRussian FederationИнститут Превентивной и Социальной Медицины; Автономная некоммерческая организация дополнительного профессионального образования «Московский медико-социальный институт им. Ф.П. Гааза»; Федеральное государственное бюджетное учреждение «Федеральный научно-клинический центр медицинской реабилитации и курортологии Федерального медико-биологического агентства»РоссияInstitute for Preventive and Social Medicine; Moscow Haass Medical Social Institute; Federal Scientific and Clinical Center for Medical Rehabilitation and Balneology of the Federal Medical and Biological AgencyRussian FederationФедеральное государственное автономное образовательное учреждение высшего образования «Российский государственный научно-исследовательский медицинский университет им. Н.И. Пирогова» Министерства здравоохранения Российской Федерации; Федеральное государственное бюджетное научное учреждение «Российский научный центр хирургии им. академика Б.В. Петровского»РоссияPirogov Russian National Research Medical University; Petrovsky National Research Centre of SurgeryRussian FederationФедеральное государственное автономное образовательное учреждение высшего образования «Российский государственный научно-исследовательский медицинский университет им. Н.И. Пирогова» Министерства здравоохранения Российской ФедерацииРоссияPirogov Russian National Research Medical UniversityRussian FederationФедеральное государственное бюджетное научное учреждение «Российский научный центр хирургии им. академика Б.В. Петровского»РоссияPetrovsky National Research Centre of SurgeryRussian FederationОбщество с ограниченной ответственностью «Институт детской и взрослой неврологии и эпилепсии им. Святителя Луки»РоссияSt. Luke's Institute of Child and Adult Neurology and EpilepsyRussian Federation202515012026174340350Copyright © Ivanov A.A., Blinov D.V., Voronkova K.V., Petrukhin A.S., Zaytseva O.V., Abramov M.O., 20262026Иванов А.А., Блинов Д.В., Воронкова К.В., Петрухин А.С., Зайцева О.В., Абрамов М.О.Ivanov A.A., Blinov D.V., Voronkova K.V., Petrukhin A.S., Zaytseva O.V., Abramov M.O.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.epilepsia.su/jour/article/view/1253Background

Background. Artificial intelligence (AI) systems based on neural networks enabling the automatic analysis of electroencephalography (EEG) examinations, such as detecting episodes of paroxysmal activity are currently being actively developed. Large datasets are required for training neural network algorithms.

Objective

Objective: To develop a roadmap for the Open Base of Graduated EEG Signals (OBRAS) project, designed to eliminate the shortage of high-quality, annotated EEG recordings suitable for developing and training AI algorithms, as well as for creating educational programs and digital EEG atlases.

Material and methods

Material and methods. The project protocol was drafted, which includes the collection of native EEG signals from open sources and from clinical practice of the participants, their deidentification and structured mapping. A two-tier data organization system was proposed: i) primary grouping into folders (e.g., Normal, Epi, NonEpi) and ii) main, flexible classification using a system of tags for age, sex, examination type, pathology, presence of specific EEG patterns, etc. Eligibility criteria and technical requirements for the recordings (format, number of channels, sampling frequency) were defined.

Conclusion

Conclusion. The OBRAS project roadmap outlines the protocol, logical sequence of work, annotation methodology, funding model (non-profit partnership), and solutions in the areas of ethics and information security. The creation of such publicly accessible database will accelerate development of AI algorithms for automated EEG analysis. Implementation of the OBRAS project may significantly contribute to developing medical, research, and information technologies in neurophysiology.

Актуальность

Актуальность. В настоящее время активно развиваются системы искусственного интеллекта (ИИ) на базе нейронных сетей, которые позволяют проводить автоматический анализ электроэнцефалографических (ЭЭГ) обследований, например выделять эпизоды пароксизмальной активности. Для обучения нейросетевых алгоритмов требуются большие наборы данных.

Цель

Цель: сформировать «дорожную карту» проекта Открытой базы размеченных ЭЭГ-записей (проекта ОБРАЗ) для устранения дефицита качественных аннотированных ЭЭГ-данных, пригодных для разработки и обучения алгоритмов ИИ, создания образовательных программ и цифровых атласов ЭЭГ.

Материал и методы

Материал и методы. Составлен протокол проекта, включающий сбор нативных ЭЭГ-записей из открытых источников и клинической практики участников проекта, их обезличивание, а также структурированную разметку. Предложена двухуровневая система организации данных: первичная группировка по папкам (например, Normal, Epi, NonEpi) и основная, гибкая классификация с использованием системы меток (тегов) по возрасту, полу, типу обследования, патологии, наличию специфических ЭЭГ-паттернов и т.д. Определены критерии отбора и технические требования к записям (формат, количество каналов, частота дискретизации).

Заключение

Заключение. «Дорожная карта» проекта ОБРАЗ определяет протокол, логическую последовательность работ, методологию разметки, модель финансирования (некоммерческое партнерство) и решения в области этики и информационной безопасности. Создание такой общедоступной базы данных позволит ускорить разработку отечественных ИИ-алгоритмов для автоматического анализа ЭЭГ. Реализация проекта внесет существенный вклад в развитие медицинских, научных и информационных технологий в области нейрофизиологии.

электроэнцефалографияавтоматизированный анализискусственный интеллектмашинное обучениенейронные сетипротоколдорожная картаelectroencephalographyautomated analysisartificial intelligencemachine learningneural networksprotocolroadmapReferencesЛамоткин А.И., Корабельников Д.И., Ламоткин И.А. Искусственный интеллект: основные термины и понятия, применение в здравоохранении и клинической медицине. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2024; 17 (3): 409–15. https://doi.org/10.17749/2070-4909/farmakoekonomika.2024.267.Lamotkin A.I., Korabelnikov D.I., Lamotkin I.A. Artificial intelligence: basic terms and concepts, the application in healthcare and clinical medicine. FARMAKOEKONOMIKA. Sovremennaya farmakoekonomika i farmakoepidemiologiya / FARMAKOEKONOMIKA. Modern Pharmacoeconomics and Pharmacoepidemiology. 2024; 17 (3): 409–15 (in Russ.). https://doi.org/10.17749/2070-4909/farmakoekonomika.2024.267.Корабельников Д.И., Ламоткин А.И. Эффективность применения искусственного интеллекта в клинической медицине. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2025; 18 (1): 114–24. https://doi.org/10.17749/2070-4909/farmakoekonomika.2025.287.Korabelnikov D.I., Lamotkin A.I. The effectiveness of using artificial intelligence in clinical medicine. FARMAKOEKONOMIKA. Sovremennaya farmakoekonomika i farmakoepidemiologiya / FARMAKOEKONOMIKA. Modern Pharmacoeconomics and Pharmacoepidemiology. 2025; 18 (1): 114–24 (in Russ.). https://doi.org/10.17749/2070-4909/farmakoekonomika.2025.287.Корабельников Д.И., Ламоткин А.И. Искусственный интеллект в онкологии: мировой опыт использования и перспективы развития. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2025; 18 (3): 437–47. https://doi.org/10.17749/2070-4909/farmakoekonomika.2025.302.Korabelnikov D.I., Lamotkin A.I. Artificial intelligence in oncology: global experience and future prospects. FARMAKOEKONOMIKA. Sovremennaya farmakoekonomika i farmakoepidemiologiya / FARMAKOEKONOMIKA. Modern Pharmacoeconomics and Pharmacoepidemiology. 2025; 18 (3): 437–47 (in Russ.). https://doi.org/10.17749/2070-4909/farmakoekonomika.2025.302.Gulshan V., Peng L., Coram M., et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA. 2016; 316 (22): 2402–10. https://doi.org/10.1001/jama.2016.17216.Gulshan V., Peng L., Coram M., et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA. 2016; 316 (22): 2402–10. https:// doi.org/10.1001/jama.2016.17216.Esteva A., Kuprel B., Novoa R.A., et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017; 542 (7639): 115–8. https://doi.org/10.1038/nature21056.Esteva A., Kuprel B., Novoa R.A., et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017; 542 (7639): 115–8. https://doi.org/10.1038/nature21056.Корабельников Д.И., Ламоткин А.И. Искусственный интеллект в дерматовенерологии: сравнительный анализ применяемых программ компьютерного зрения на основе моделей машинного обучения. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2025; 18 (4): 571–81. https://doi.org/10.17749/2070-4909/farmakoekonomika.2025.340.Korabelnikov D.I., Lamotkin A.I. Artificial intelligence in dermatology: a comparative analysis of computer vision programs based on machine learning models. FARMAKOEKONOMIKA. Sovremennaya farmakoekonomika i farmakoepidemiologiya / FARMAKOEKONOMIKA. Modern Pharmacoeconomics and Pharmacoepidemiology. 2025; 18 (4): 571–81 (in Russ.). https://doi.org/10.17749/2070-4909/farmakoekonomika.2025.340.Ламоткин А.И., Корабельников Д.И. Сверточные нейронные сети и визуальные трансформеры в диагностике опухолей кожи: сравнительный анализ эффективности моделей искусственного интеллекта в программах компьютерного зрения. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2025; 18 (3): 365–75. https://doi.org/10.17749/2070-4909/farmakoekonomika.2025.327.Lamotkin A.I., Korabelnikov D.I. Convolutional neural networks and transformers in skin tumor diagnostics: a comparative analysis of the efficiency of artificial intelligence models in computer vision programs. FARMAKOEKONOMIKA. Sovremennaya farmakoekonomika i farmakoepidemiologiya / FARMAKOEKONOMIKA. Modern Pharmacoeconomics and Pharmacoepidemiology. 2025; 18 (3): 365–75 (in Russ.). https://doi.org/10.17749/2070-4909/farmakoekonomika.2025.327.Ламоткин А.И., Корабельников Д.И., Олисова О.Ю., Ламоткин И.А. Эффективность предварительной дифференциальной диагностики доброкачественных и злокачественных новообразований кожи с помощью программы искусственного интеллекта Derma Onko Check. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2025; 18 (2): 261–70. https://doi.org/10.17749/2070-4909/farmakoekonomika.2025.294.Lamotkin A.I., Korabelnikov D.I., Olisova O.Yu., Lamotkin I.A. Effectiveness of preliminary differential diagnosis of benign and malignant skin neoplasms using the Derma Onko Check artificial intelligence program. FARMAKOEKONOMIKA. Sovremennaya farmakoekonomika i farmakoepidemiologiya / FARMAKOEKONOMIKA. Modern Pharmacoeconomics and Pharmacoepidemiology. 2025; 18 (2): 261–70 (in Russ.). https://doi.org/10.17749/2070-4909/farmakoekonomika.2025.294.McKinney S.M., Sieniek M., Godbole V., et al. International evaluation of an AI system for breast cancer screening. Nature. 2020; 577 (7788): 89–94. https://doi.org/10.1038/s41586-019-1799-6.McKinney S.M., Sieniek M., Godbole V., et al. International evaluation of an AI system for breast cancer screening. Nature. 2020; 577 (7788): 89–94. https://doi.org/10.1038/s41586-019-1799-6.Ardila D., Kiraly A.P., Bharadwaj S., et al. End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography. Nat Med. 2019; 25 (6): 954–61. https://doi.org/10.1038/s41591-019-0447-x.Ardila D., Kiraly A.P., Bharadwaj S., et al. End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography. Nat Med. 2019; 25 (6): 954–61. https://doi.org/10.1038/s41591-019-0447-x.Миронов М.Б., Абрамов М.О., Кондратенко В.В. и др. Применение искусственного интеллекта в диагностике абсансной эпилепсии с одновременным тестированием уровня сознания пациента в период иктального события. Эпилепсия и пароксизмальные состояния. 2024; 16 (1): 8–17. https://doi.org/10.17749/2077-8333/epi.par.con.2024.178.Mironov M.B., Abramov M.O., Kondratenko V.V., et al. Artificial intelligence applied for the diagnosis of absence epilepsy with simultaneously tested patient’s consciousness level in ictal event. Epilepsia i paroksizmal'nye sostoania / Epilepsy and Paroxysmal Conditions. 2024; 16 (1): 8–17 (in Russ.). https://doi.org/10.17749/2077-8333/epi.par.con.2024.178.Tveit J., Aurlien H., Plis S., et al. Automated interpretation of clinical electroencephalograms using artificial intelligence. JAMA Neurol. 2023; 80 (8): 805–12. https://doi.org/10.1001/jamaneurol.2023.1645.Tveit J., Aurlien H., Plis S., et al. Automated interpretation of clinical electroencephalograms using artificial intelligence. JAMA Neurol. 2023; 80 (8): 805–12. https://doi.org/10.1001/jamaneurol.2023.1645.Иванов А.А. Обзор возможностей современного программного обеспечения для регистрации и анализа ЭЭГ. Эпилепсия и пароксизмальные состояния. 2023; 15 (1): 53–69. https://doi.org/10.17749/2077-8333/epi.par.con.2023.144.Ivanov A.A. Overview of current software capabilities for EEG recording and analyzing. Epilepsia i paroksizmal'nye sostoania / Epilepsy and Paroxysmal Conditions. 2023; 15 (1): 53–69 (in Russ.). https://doi.org/10.17749/2077-8333/epi.par.con.2023.144.Kleen J.K., Guterman E.L. The new era of automated electroencephalogram interpretation. JAMA Neurol. 2023; 80 (8): 777–8. https://doi.org/10.1001/jamaneurol.2023.1082.Kleen J.K., Guterman E.L. The new era of automated electroencephalogram interpretation. JAMA Neurol. 2023; 80 (8): 777–8. https://doi.org/10.1001/jamaneurol.2023.1082.Bosch-Bayard J., Galan L., Vazquez E.A., et al. Resting state healthy EEG: the first wave of the Cuban normative database. Front Neurosci. 2020; 14: 555119. https://doi.org/10.3389/fnins.2020.555119.Bosch-Bayard J., Galan L., Vazquez E.A., et al. Resting state healthy EEG: the first wave of the Cuban normative database. Front Neurosci. 2020; 14: 555119. https://doi.org/10.3389/fnins.2020.555119.Beniczky S., Aurlien H., Brøgger J.C., et al. Standardized computerbased organized reporting of EEG: SCORE. Epilepsia. 2013; 54 (6): 1112–24. https://doi.org/10.1111/epi.12135.Beniczky S., Aurlien H., Brøgger J.C., et al. Standardized computerbased organized reporting of EEG: SCORE. Epilepsia. 2013; 54 (6): 1112–24. https://doi.org/10.1111/epi.12135.Beniczky S., Aurlien H., Brøgger J.C., et al. Standardized computerbased organized reporting of EEG: SCORE – Second version. Clin Neurophysiol. 2017; 128 (11): 2334–46. https://doi.org/10.1016/j.clinph.2017.07.418.Beniczky S., Aurlien H., Brøgger J.C., et al. Standardized computerbased organized reporting of EEG: SCORE – Second version. Clin Neurophysiol. 2017; 128 (11): 2334–46. https://doi.org/10.1016/j.clinph.2017.07.418.Rutkowski J., Saab M. AI-based EEG analysis: new technology and the path to clinical adoption. Clin Neurophysiol. 2025: 179: 2110994. https://doi.org/10.1016/j.clinph.2025.2110994.Rutkowski J., Saab M. AI-based EEG analysis: new technology and the path to clinical adoption. Clin Neurophysiol. 2025: 179: 2110994. https://doi.org/10.1016/j.clinph.2025.2110994.Shah V., von Weltin E., Lopez S., et al. The Temple University Hospital seizure detection corpus. Front Neuroinform. 2018; 12: 83. https://doi.org/10.3389/fninf.2018.00083.Shah V., von Weltin E., Lopez S., et al. The Temple University Hospital seizure detection corpus. Front Neuroinform. 2018; 12: 83. https://doi.org/10.3389/fninf.2018.00083.Kemp B., Olivan J. European data format ‘plus’ (EDF+), an EDF alike standard format for the exchange of physiological data. Clin Neurophysiol. 2003; 114 (9): 1755–61. https://doi.org/10.1016/s1388-2457(03)00123-8.Kemp B., Olivan J. European data format ‘plus’ (EDF+), an EDF alike standard format for the exchange of physiological data. Clin Neurophysiol. 2003; 114 (9): 1755–61. https://doi.org/10.1016/s1388-2457(03)00123-8.Новикова Е.Ю., Иванов А.А. Минимальные стандарты проведения рутинных ЭЭГ-обследований и ЭЭГ сна IFCN & ILAE 2023: общий обзор и оценка применимости в России. Эпилепсия и пароксизмальные состояния. 2024; 16 (3): 281–90. https://doi.org/10.17749/2077-8333/epi.par.con.2024.189.Novikova E.Yu., Ivanov A.A. 2023 IFCN & ILAE minimum recording standards for routine and sleep EEG. Applicability assessment in Russia. Epilepsia i paroksizmal'nye sostoania / Epilepsy and Paroxysmal Conditions. 2024; 16 (3): 281–90 (in Russ.). https://doi.org/10.17749/2077-8333/epi.par.con.2024.189.Рекомендации экспертного совета по нейрофизиологии Российской Противоэпилептической Лиги по проведению рутинной ЭЭГ. Эпилепсия и пароксизмальные состояния. 2016; 8 (4): 99–108Guidelines for carrying out of routine EEG of Neurophysiology Expert Board of Russian League Against Epilepsy. Epilepsia i paroksizmal'nye sostoania / Epilepsy and Paroxysmal Conditions. 2016; 8 (4): 99–108 (in Russ.).Jasper H.H. The ten-twenty electrode system of the International Federation. Electroencephalogr Clin Neurophysiol Suppl. 1958; 10: 371–5.Jasper H.H. The ten-twenty electrode system of the International Federation. Electroencephalogr Clin Neurophysiol Suppl. 1958; 10: 371–5.Seeck M., Koessler L., Bast T., et al. The standardized EEG electrode array of the IFCN. Clin Neurophysiol. 2017; 128 (10): 2070–7. https://doi.org/10.1016/j.clinph.2017.06.254.Seeck M., Koessler L., Bast T., et al. The standardized EEG electrode array of the IFCN. Clin Neurophysiol. 2017; 128 (10): 2070–7. https://doi.org/10.1016/j.clinph.2017.06.254.Синкин М., Кваскова Н., Ноговицын В. и др. Перевод и адаптация для русского языка пересмотренного глоссария терминов, наиболее часто используемых в клинической электроэнцефалографии, и обновлённого предложения по форме заключения ЭЭГ (IFCN, 2017 г.). Clin Neurophysiol Pract. 2024: 9: 138–61. https://doi.org/10.1016/j.cnp.2024.01.004Sinkin M., Kvaskova N., Nogovitsyn V., et al. Translation and adaptation for the Russian language of the revised glossary of the terms most commonly used by clinical electroencephalographers and the updated proposal of the EEG report format (IFCN Revision 2017). Clin Neurophysiol Pract. 2024: 9: 138–61 (in Russ.). https://doi.org/10.1016/j.cnp.2024.01.004.Lüders H., Noachtar S. Atlas and classification of electroencephalography. Saunders; 2000: 203 pp.Lüders H., Noachtar S. Atlas and classification of electroencephalography. Saunders; 2000: 203 pp.Lüders H.O., Noachtar S., Rémi J. Electroencephalography: textbook and atlas. Oxford University Press; 2024: 520 pp.Lüders H.O., Noachtar S., Rémi J. Electroencephalography: textbook and atlas. Oxford University Press; 2024: 520 pp.

The authors declare that there are no conflicts of interest present.