Evaluación y comunicación para las personas con trastornos de la conciencia
Summary
With this experiment, one might be able to detect consciousness in people with disorders of consciousness. Furthermore, the approach can create a simple communication channel that enables people to give simple YES/NO answers to questions.
Abstract
En este experimento, se demuestra una serie de paradigmas híbridos de interfaz cerebro-computadora (BCI) que están diseñados para dos aplicaciones: evaluar el nivel de conciencia de las personas incapaces de proporcionar respuesta motora y, en una segunda etapa, establecer un canal de comunicación Para estas personas que les permite responder preguntas con 'sí' o 'no'. El conjunto de paradigmas está diseñado para probar las respuestas básicas en el primer paso y continuar con tareas más completas si las primeras pruebas tienen éxito. Estas últimas tareas requieren más funciones cognitivas, pero podrían proporcionar comunicación, lo que no es posible con las pruebas básicas. Todas las pruebas de evaluación producen gráficos de precisión que muestran si los algoritmos fueron capaces de detectar la respuesta del cerebro del paciente a las tareas dadas. Si el nivel de precisión está más allá del nivel de significación, asumimos que el sujeto comprendió la tarea y pudo seguir la secuencia de comandos pCon el auricular al sujeto. Las tareas requieren que los usuarios se concentren en ciertos estímulos o imaginen mover la mano izquierda o derecha. Todas las tareas están diseñadas en torno a la suposición de que el usuario no puede utilizar la modalidad visual y, por lo tanto, todos los estímulos presentados al usuario (incluyendo instrucciones, pistas y retroalimentación) son auditivos o táctiles.
Introduction
El diagnóstico de los pacientes en Estado Vegetativo (VS) o Estado Mínimo Consciente (MCS) es difícil, y frecuentemente ocurren malas clasificaciones. Un estudio realizado en 2009 comparó la precisión del diagnóstico entre el consenso clínico versus una evaluación neurocomportamental 1 . De los 44 pacientes diagnosticados con VS basados en el consenso clínico del equipo médico, 18 (41%) se encontraron en MCS después de una evaluación estandarizada con la escala de recuperación de Coma-Revisada (CRS-R). Este resultado es consistente con estudios previos, que mostraron que entre el 37 y el 43% de los pacientes diagnosticados de VS demostraron signos de conciencia 2 , 3 . Las escalas de clasificación se basan en observaciones conductuales o en evaluaciones de las funciones auditivas, visuales, verbales y motoras, así como en los niveles de comunicación y de excitación. Las nuevas tecnologías que podrían agregar datos de actividad cerebral son una herramienta perfecta para superar las restricciones impuestas por behaEscalas de calificación vioral. Los pacientes pueden ser capaces de modular sus respuestas cerebrales a pesar de ser incapaces de producir los cambios de comportamiento requeridos para la escala de calificación. Monti et al. 4 demostraron que la Resonancia Magnética funcional (IRMf) podía detectar cambios voluntarios en las respuestas dependientes del nivel de oxigenación sanguínea, que se relacionan con la imaginación de movimientos motores o de tareas de imágenes espaciales, en 5/54 pacientes diagnosticados con un Trastorno de Conciencia. Cuatro de ellos habían sido previamente clasificados como MCS. Así, en una minoría de casos, los pacientes que cumplen los criterios de comportamiento para un estado vegetativo tienen función cognitiva residual e incluso conciencia consciente.
Electroencefalografía (EEG) BCI basado también puede detectar la actividad cerebral resultante de la imaginación o el intento de los movimientos motores. También hay otros paradigmas BCI que pueden determinar si una persona puede mostrar la conciencia voluntariamente siguiendo una tas predefinidaK Los BCI basados en EEG tienen otras ventajas en relación con las evaluaciones basadas en fMRI. Por ejemplo, los sistemas EEG son mucho más rentables y portátiles, y pueden usarse fácilmente en la cabecera del paciente. Los principales enfoques BCI no invasivos incluyen Potenciales Cortical Lento (PTS), P300s, Potenciales Visuales Estables (SSVEPs) y Motor Imágenes (MI). Los SCP han proporcionado bajas tasas de transferencia de información y requieren un entrenamiento extensivo (ver Wolpaw et al. ) 5 , mientras que SSVEPs requieren atención visual. Ambos enfoques no se utilizan en este protocolo. Con un speller P300, Ortner et al. 5 alcanzó una precisión del 70% para las personas con discapacidad. Este número podría eventualmente aumentarse. Por ejemplo Turnip et al. 7 mejoraron su precisión de la clasificación P300 utilizando un clasificador de redes neuronales adaptativas. Para este protocolo, se seleccionó táctil y auditivo P300 enfoques, además de la MI, ya que tantoF pueden ser utilizados sin visión, y cada uno tiene ventajas únicas. MI puede proporcionar una comunicación más rápida que un BCI P300 no visual, mientras que B300 de P300 requieren muy poco entrenamiento. Por lo tanto, este protocolo BCI híbrido puede implementar una serie de enfoques BCI basados en EEG para pacientes DOC. Además, puesto que las tareas son relativamente rápidas y fáciles de repetir, diferentes enfoques podrían ser explorados repetidamente con cada paciente para disminuir el número de clasificaciones incorrectas de pacientes DOC.
Se exploraron cuatro enfoques BCI diferentes: (i) P300 auditivo, (ii) P300 vibrotactil con dos estimuladores, (iii) P300 vibrotactil con tres estimuladores, e (iv) MI.
El paradigma del P300 auditivo utiliza un paradigma auditivo extraño, en el que los estímulos desviados (pitidos de 1.000 Hz) se distribuyen al azar dentro de un tren de estímulos estándar más probables (bips de 500 Hz). En el paradigma ii, los estímulos se transmiten a través de estimuladores vibrotactilesEn las muñecas izquierda y derecha. El tactor en la muñeca izquierda entrega los estímulos estándar, y el tactor en la muñeca derecha entrega el estímulo desviado (de la blanco). Para el paradigma iii, se coloca un estimulador adicional sobre el tobillo derecho del sujeto, o en otro lugar, como el centro de la espalda. Este estimulador proporciona un tren de estímulos estándar, mientras que los dos estimuladores en la muñeca izquierda y derecha entregan estímulos desviados. Para evaluar la conciencia con los dos paradigmas vibrotactil, el sujeto es informado a través de auriculares para contar en silencio cada estímulo a una muñeca mientras ignorando otros estímulos. Un mecanismo al azar decide si elegir la muñeca izquierda o derecha y cada prueba tiene cuatro series de 30 ensayos cada una, con una nueva mano objetivo para cada ensayo.
El siguiente procesamiento de señal se realiza para los paradigmas i, ii y iii: se adquieren ocho canales EEG usando una frecuencia de muestreo de 256 Hz. La probabilidad de un estímulo desviado es 1/8; HencE, habrá siete estímulos estándar para cada estímulo desviado. Cada carrera tiene 480 estímulos totales. Una carrera de paradigma i toma 7 min 20 s, mientras que cada serie de paradigmas ii y iii toma 2 min 30 s. Si el paciente cuenta en silencio cada estímulo desviado, estos estímulos provocan varios potenciales relacionados con eventos (ERPs), incluyendo el P300, un pico positivo unos 300 ms después del inicio del estímulo. Cada bip dura 100 ms. Para cada ensayo de estímulo, se almacena una ventana de 100 ms antes y 600 ms después del pitido para procesar la señal. Los datos son entonces reducidos por un factor de 12, resultando en 12 muestras para el intervalo post-estímulo de 60 ms. Finalmente, todas las características de canal de tiempo de muestra se introducen en un análisis discriminante lineal 8 , resultando en 12 x 8 = 96 características. Para calcular el gráfico de exactitud ( Figura 1 y 2 ), el siguiente procedimiento se repite diez veces y los resultados se promedian en una sola parcela. Los ensayos desviados y estándarSe asignan aleatoriamente en dos grupos de igual tamaño. Una piscina se utiliza para entrenar a un clasificador, y la otra piscina se utiliza para probar el clasificador. El clasificador se prueba en un número creciente de estímulos promediados fuera del grupo de pruebas. Al principio, se prueba en sólo un estímulo desviado y siete estándar. Si el clasificador detectó el estímulo desviado correctamente, la precisión resultante es 100%, y es 0% de lo contrario. Lo mismo se hace para 2 estímulos desviados promediados y 14 estímulos estándar promediados, para 3 estímulos desviados y 21 estímulos estándar, y así sucesivamente hasta que se use la piscina de prueba completa. Esto produce un gráfico de 30 valores individuales (para 30 estímulos desviados en el grupo de pruebas), cada uno de ellos 100% o 0%. El promedio de 10 parcelas individuales da como resultado valores que oscilan entre 0% y 100%. Aumentar el número de estímulos promediados aumentará la precisión si el sujeto puede seguir la tarea, porque el promedio de los estímulos reduce el ruido aleatorio en los datos. Una precisión significativamente más allá del nivel de probabilidad (12.5%) muestra que una respuesta P300 puede ser provocada en el sujeto y que una respuesta en el cerebro del sujeto apareció.Paradigmas i y ii sólo se puede utilizar para evaluar la conciencia. Si la precisión alcanzada durante la evaluación es superior al 40%, se puede seguir utilizando la comunicación del paradigma iii o iv.
En la tarea de comunicación del paradigma iii, el sujeto decide concentrarse en los estímulos del lado izquierdo si quiere responder "SI" o en el lado derecho para responder "NO". El clasificador detecta en qué mano se concentraba el usuario y presenta la respuesta.
Paradigm iv registra 120 ensayos, cada uno de los cuales dura 8 s, separados por 1 s breaks.This resultados en 10 sx 120 = 18 min del tiempo total de la sesión. Paradigm iv utiliza 16 canales de EEG distribuidos sobre la corteza sensoriomotora. La frecuencia de muestreo es de 256 Hz. Cada ensayo comienza con una señal, presentada a través de auriculares, que instruye al sujetoImaginar moviendo la mano izquierda o derecha. La secuencia de las instrucciones de la izquierda y la mano derecha es aleatoria. Para el preprocesamiento de señal , se utiliza el método de patrones espaciales comunes (CSP) 10 , 12 , 13 . Este método produce un conjunto de filtros espaciales diseñados para minimizar la varianza de una clase mientras que maximiza la varianza para la otra clase. Esto da lugar a cuatro características, que se clasifican por el análisis discriminante lineal [ 8] . El procedimiento de clasificación completo se describe en detalle en una publicación reciente, que muestra una gran precisión de clasificación promedio de 80,7% después de sólo 60 minutos de formación en usuarios sanos [ 13] . El cálculo de la precisión se realiza mediante validación cruzada. Esto se refiere a particionar una muestra de datos en subconjuntos complementarios, realizar el análisis en un subconjunto (grupo de entrenamiento) y validar el análisis en el otro subconjuntoTing piscina). Antes de la separación de datos en las piscinas, los ensayos que contienen artefactos son rechazados. Se considera que un ensayo contiene artefactos si el valor absoluto de la amplitud excede de 100 μV en cualquier momento durante el ensayo. La precisión se calcula para todos los movimientos en el grupo de pruebas dentro de un margen de tiempo de 1,5 s después de la señal de atención hasta el final del ensayo, en pasos de 0,5 s. Para cada paso y cada ensayo, el resultado de la clasificación es 100 o 0%. Las exactitudes de todos los ensayos del grupo de pruebas se promedian entonces para cada paso, dando como resultado niveles de precisión que oscilan entre 0% y 100%. Finalmente, el promedio de diez repeticiones de los resultados de validación cruzada se muestra en el gráfico de precisión. Los ejemplos se pueden ver en las figuras 3 y 4 . Las parcelas se separan para el movimiento de la imagen en la mano izquierda (amarillo), la mano derecha (azul) y todos los movimientos juntos (verde). La línea horizontal en magenta representa el límite de confianza, que depenDs en el número de ensayos que se utilizaron para el análisis. Este es el número de ensayos totales menos el número de ensayos rechazados. Muestra el intervalo de confianza del 95% utilizando el método de Clopper Pearson 9 . Un nivel de precisión por encima de esa línea significa que el resultado es estadísticamente significativo (alfa <0,05).
Protocol
Representative Results
Discussion
La investigación previa de numerosos grupos ha demostrado que algunos pacientes DOC pueden mostrar conciencia a través de evaluaciones basadas en fMRI o EEG, a pesar de que las evaluaciones basadas en el comportamiento sugieren lo contrario. Por lo tanto, existe una clara necesidad de nuevos sistemas y paradigmas que puedan evaluar con mayor precisión la conciencia consciente e incluso proporcionar comunicación. Idealmente, estos sistemas deben ser económicos, portátiles, robustos al ruido en entornos del mundo real y fáciles de usar (tanto para el paciente como para el operador del sistema).
Los protocolos y sistemas presentados aquí tienen dos objetivos: ayudar a evaluar el nivel de conciencia en las personas con DOC y establecer un nuevo canal de comunicación para las personas incapaces de comunicarse a través del habla, la actividad ocular u otras tareas que requieran control muscular. Los paradigmas dentro del protocolo están diseñados para probar las respuestas básicas en los primeros pasos. Si se detectan las respuestas cerebrales básicas esperadas, es posible ir más allá yRy los paradigmas más complejos, que son el P300 vibrotactil con tres tactores y el MI. Estos dos paradigmas podrían utilizarse también para establecer un canal de comunicación. La calidad de la señal EEG es crítica en todos estos protocolos. A veces, los datos de EEG no pueden distinguirse del ruido; Se necesita cierta experiencia en el análisis EEG para reconocer y manejar datos ruidosos.
Los métodos actuales de evaluación estándar, además de ser poco fiables, también requieren mucho tiempo y requieren un equipo de expertos. Por lo tanto, a menudo los pacientes son evaluados sólo una vez, aunque la conciencia consciente de un paciente puede fluctuar dramáticamente en diferentes momentos. El protocolo presentado aquí podría repetirse fácilmente varias veces. Los pacientes que no muestran conciencia pueden producir resultados diferentes en otro momento. Además, se podría realizar una sola ejecución de evaluación antes de cada intento de comunicación para confirmar que el sujeto se encuentra actualmente en un estado consciente.
UnaEr razón para implementar diferentes paradigmas en el protocolo es porque algunas personas pueden funcionar mal con un paradigma, pero se desempeñan muy bien con otro. Del mismo modo, la gente podría preferir un paradigma porque les parece más fácil. Después de explorar diferentes opciones con diferentes paradigmas, los pacientes podrían elegir el enfoque que prefieren. Esto es consistente con el enfoque "híbrido" de BCI, que apoya el suministro de múltiples opciones de comunicación para mejorar la eficacia de la comunicación y la satisfacción del usuario.
Las gráficas de precisión, en combinación con el nivel porcentual de clasificaciones correctas, producen un resultado objetivo que refleja lo bien que el algoritmo de reconocimiento de patrones podría discriminar los diferentes estados cerebrales durante las tareas. Por lo tanto, no es necesaria una interpretación subjetiva de los patrones cerebrales o de las respuestas promedio.
La comunicación vibrotactil con tres tactores se ensayó en un grupo de seis pacientes crónicos bloqueadosTs 15 . Alcanzaron una precisión promedio durante la comunicación del 55,3%, y todos ellos estaban por encima del nivel de probabilidad del 12,5%. La tarea de comunicación MI se probó en un grupo de veinte usuarios saludables [ 13] , mostrando una precisión promedio de alrededor del 80%. Sólo una de las veinte personas tenía una precisión de control por debajo del nivel de probabilidad.
Es importante mencionar que una ejecución o incluso una sesión completa con poca precisión no demuestran de manera concluyente que no hay respuesta cerebral ni conciencia dentro del sujeto. Simplemente significa que el sistema no pudo detectar respuestas voluntarias del cerebro. Esto podría ocurrir debido a la mala calidad de la señal, la dificultad para escuchar o entender las instrucciones de la tarea, o simplemente porque una minoría de sujetos no pueden producir la actividad EEG deseada a pesar de realizar la tarea.
De acuerdo con el trabajo previo de nuestro grupo y otros, el trabajo presentado muestra que es aconsejable evaluarEl nivel de conciencia en los pacientes que sufren de DOC con técnicas de imagen cerebral. La RMf también es una técnica útil para rastrear la actividad cerebral actual del paciente. Se demostró que los paradigmas excéntricos que provocan potenciales evocados, así como imágenes de motor y otras tareas, pueden producir respuestas hemodinámicas que podrían ser rastreados por fMRI 17, 18. En comparación con la fMRI, el EEG tiene notables ventajas: las herramientas basadas en EEG pueden aplicarse a la cabecera de la cama, sin equipo caro y no portátil y que requiere una considerable experiencia. El transporte del paciente al escáner y el ruido acústico del escáner pueden ser estresantes para el paciente. La espectroscopía infrarroja cercana (NIRS) es portátil y puede tener una resolución espacial ligeramente mejor que la EEG, pero tiene una resolución temporal peor 19 . NIRS es adecuado para monitorear MI 20 , 21 , pero no para pote evocadoNtials. Por ejemplo, Naseer y Hong 22 demostraron una alta precisión de clasificación para el MI-BCI usando fNIRS. Con ensayos que duraron 50 s cada uno, lograron 77,35% para MI izquierdo y 83% para MI derecho. Con los BCI basados en EEG, Guger et al. 23 encontraron que aproximadamente el 20% de 99 sesiones alcanzaron una precisión superior al 80% y otro 70% de las 99 sesiones alcanzaron una precisión superior al 60%. Ortner et al. Mostró una precisión de pico promedio de aproximadamente 80% usando el método CSP. Este método necesita más electrodos EEG que los usados por Guger y colegas, pero resulta en mayores tasas de exactitud. Usando el método CSP, Ramoser et al. 23 demostraron que un aumento de electrodos de 18 – 56 no mejora significativamente el rendimiento; Por lo que concluimos que el número elegido de 16 electrodos en nuestro método es suficiente. Recientemente, Coyle et al . Utilizó CSP para clasificar y entrenar MI en DOC patieNts 16 . Los cuatro sujetos demostraron activación cerebral significativa y apropiada durante la evaluación.
Evaluar MI a través de un NIC-EEG híbrido BCI podría dar lugar a una alta precisión de clasificación, como Khan et al. 20 mostró. Esta podría ser una dirección prometedora en el futuro, aunque una herramienta adicional de neuroimagen aumenta la complejidad y los costos del dispositivo.
El protocolo presentado aquí proporciona una herramienta relativamente fácil para evaluar las respuestas cerebrales dentro de la señal EEG de los pacientes DOC. La interpretación de estos resultados de clasificación y la implementación de cualquier cambio en la medicación, la terapia u otros tratamientos médicos requiere de expertos médicos. Las direcciones futuras de este método podrían ser técnicas de estimulación más avanzadas usando un mayor número de grados de libertad. Por ejemplo, en lugar de ofrecer herramientas para decir sólo "SI" o "NO", los dispositivos futuros podrían permitir una respuesta más posibleRs a una pregunta. En otro paso, también se podrían usar respuestas basadas en el contexto. Por ejemplo, si el paciente tiene un reproductor de música en funcionamiento, se podría ofrecer la posibilidad de controlar el nivel de sonido o cambiar a la siguiente canción. Además, el paradigma del MI debe ser probado en pacientes DOC.
Disclosures
The authors have nothing to disclose.
Acknowledgements
This work was supported by the European Union FP 7 project DECODER and the European Union ODI Project COMAWARE.
Materials
| g.USBamp | g.tec medical engineering GmbH | 1 | Biosignal amplifier |
| Power supply | GlobTek Inc. | 1 | Medical mains power supply for the g.USBamp |
| USB cable | g.tec medical engineering GmbH | 1 | Connects the g.USBamp to the computer |
| EEG electrodes gSCARABEO | g.tec medical engineering GmbH | 16 | Active EEG electrodes |
| EEG electrode gSCARABEOgnd | g.tec medical engineering GmbH | 1 | passive ground electrode |
| EEG electrode g.GAMMAearclip | g.tec medical engineering GmbH | 1 | active reference electrode |
| g.GAMMAbox | g.tec medical engineering GmbH | 1 | Connects the amplifier to the EEG electrodes |
| g.USBampGAMMAconnector | g.tec medical engineering GmbH | 1 | Connects the g.GAMMAbox to the g.USBamp |
| EEG cap | g.tec medical engineering GmbH | 1 | To position electrodes |
| Computer | Hewlett-Packard | 1 | To run the software. Alternatively computers from other manufacturers could be used. |
| g.VIBROstim | g.tec medical engineering GmbH | 3 | Tactors for sensory stimulation |
| Audio trigger adapter box | g.tec medical engineering GmbH | 1 | To split up the audio signal into audio commands for the headphones and trigger signals. This box connects to the amplifier. |
| Anti static wrist band | g.tec medical engineering GmbH | 1 | To suppress noise in the EEG |
| Trigger cable | g.tec medical engineering GmbH | 1 | To connect the audio trigger adapter box and the g.STIMbox to the g.USBamp |
| Audio connector cable | g.tec medical engineering GmbH | 1 | Audio cable to connect the audio trigger adapter box to the computer |
| Hardlock | g.tec medical engineering GmbH | 1 | To run the software |
| SE215-K | Shure Europe GmbH | 1 | Noise suppressing earphones. Alternatively other earphones could be used. |
| g.STIMbox | g.tec medical engineering GmbH | 1 | Driver box for tactile stimulators |
| mindBEAGLE software | g.tec medical engineering GmbH | 1 | software package |
| g.GAMMAgel | g.tec medical engineering GmbH | 1 | conductive electrode gel |
References
- Schnakers, C., Vanhaudenhuyse, A., et al. Diagnostic accuracy of the vegetative and minimally conscious state: Clinical consensus versus standardized neurobehavioral assessment. BMC Neurol. 9, (2009).
- Childs, N. L., Mercer, W. N., Childs, H. W. Accuracy of diagnosis of persistent vegetative state. Neurol. 43 (8), 1465-1465 (1993).
- Andrews, K., Murphy, L., Munday, R., Littlewood, C. Misdiagnosis of the vegetative state: retrospective study in a rehabilitation unit. Bmj. 313 (7048), 13-16 (1996).
- Monti, M. M., Vanhaudenhuyse, A., et al. Willful modulation of brain activity in disorders of consciousness. New England Journal of Medicine. 362 (7), 579-589 (2010).
- Wolpaw, J. R., Birbaumer, N., McFarland, D. J., Pfurtscheller, G., Vaughan, T. M. Brain-computer interfaces for communication and control. Clinical Neurophysiology. 113, 767-791 (2002).
- Ortner, R., Aloise, F., et al. Accuracy of a P300 Speller for People with Motor Impairments: a Comparison. Clinical EEG and Neuroscience. 42 (4), 214-218 (2011).
- Turnip, A., Hong, K. -. S. Classifying mental activities from EEG-P300 signals using adaptive neural network. Int. J. Innov. Comp. Inf. Control. 8 (9), 6429-6443 (2012).
- Lugger, K., Flotzinger, D., Schlögl, A., Pregenzer, M., Pfurtscheller, G. Feature extraction for on-line EEG classification using principal components and linear discriminants. Med. Biol. Eng. Comput. 36 (3), 309-314 (1998).
- Johnson, N. L., Kemp, A. W., Kotz, S. . Univariate discrete distributions. 444, (2005).
- Guger, C., Ramoser, H., Pfurtscheller, G. Real-Time EEG Analysis with Subject-Specific Spatial Patterns for a Brain-Computer Interface (BCI). IEEE Trans. Rehab. Eng. 8, 447-456 (2000).
- Vidaurre, C., Blankertz, B. Towards a Cure for BCI Illiteracy. Brain Topography. 23 (2), 194-198 (2010).
- Blankertz, B., Tomioka, R., Lemm, S., Kawanabe, M., Müller, K. -. R. Optimizing Spatial Filters for Robust EEG Single-Trial Analysis. IEEE Signal Process. Mag. 25 (1), 41-56 (2008).
- Ortner, R., Scharinger, J., Lechner, A., Guger, C. How many people can control a motor imagery based BCI using common spatial patterns. Proceedings of the 7th Annual International IEEE EMBS Conference on Neural Engineering. , (2015).
- Chatrian, G. Ten percent electrode system for topographic studies of spontaneous and evoked EEG activity. Am J Electroencephalogr Technol. 25, 83-92 (1985).
- Lugo, Z. R., Rodriguez, J., et al. A vibrotactile p300-based brain-computer interface for consciousness detection and communication. Clin. EEG Neurosci. 45 (1), 14-21 (2014).
- Coyle, D., Stow, J., McCreadie, K., McElligott, J., Carroll, &. #. 1. 9. 3. ;. Sensorimotor Modulation Assessment and Brain-Computer Interface Training in Disorders of Consciousness. Archives of Physical Medicine and Rehabilitation. 96 (3), 62-70 (2015).
- Kiehl, K. A., Laurens, K. R., Duty, T. L., Forster, B. B., Liddle, P. F. Neural sources involved in auditory target detection and novelty processing: an event-related fMRI study. Psychophysiology. 38 (1), 133-142 (2001).
- Opitz, B., Mecklinger, A., Cramon, D., Kruggel, F. Combining electrophysiological and hemodynamic measures of the auditory oddball. Psychophysiology. 36 (1), 142-147 (1999).
- Min, B. -. K., Marzelli, M. J., Yoo, S. -. S. Neuroimaging-based approaches in the brain-computer interface. Trends in Biotechnology. 28 (11), 552-560 (2010).
- Khan, M. J., Hong, M. J., Hong, K. -. S. Decoding of four movement directions using hybrid NIRS-EEG brain-computer interface. Frontiers in Human Neuroscience. 8, (2014).
- Naseer, N., Hong, K. -. S. fNIRS-based brain-computer interfaces: a review. Frontiers in Human Neuroscience. 9, (2015).
- Naseer, N., Hong, K. -. S. Classification of functional near-infrared spectroscopy signals corresponding to the right- and left-wrist motor imagery for development of a brain-computer interface. Neuroscience Letters. 553, 84-89 (2013).
- Guger, C., Edlinger, G., Harkam, W., Niedermayer, I., Pfurtscheller, G. How many people are able to operate an EEG-based brain-computer interface (BCI)?. Neural Systems and Rehabilitation Engineering, IEEE Transactions on. 11 (2), 145-147 (2003).
- Ramoser, H., Mueller-Gerking, J., Pfurtscheller, G. Optimal spatial filtering of single trial EEG during imagined hand movement. IEEE Transactions on Rehabilitation Engineering. 8 (4), 441-446 (2000).
