Beoordeling en communicatie voor mensen met aandoeningen van bewustzijn
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
In dit experiment laten we een reeks hybridische Brain-Computer Interface (BCI) -gebaseerde paradigma's zien die zijn ontworpen voor twee toepassingen: het beoordelen van het bewustzijnsniveau van mensen die geen motorrespons kunnen bieden en in een tweede fase een communicatiekanaal opzetten Voor deze mensen die hen in staat stellen om vragen te beantwoorden met 'ja' of 'nee'. De suite van paradigma's is ontworpen om de basisreacties in de eerste stap te testen en verder te gaan met uitgebreide taken als de eerste tests succesvol zijn. Deze laatste taken vereisen meer cognitieve functies, maar ze kunnen communicatie leveren, die niet mogelijk is met de basisproeven. Alle evaluatietesten produceren nauwkeurigheidsniveaus die tonen of de algoritmen het antwoord van de patiënt op de gegeven taken kunnen detecteren. Als het nauwkeurigheidsniveau boven het significantieniveau ligt, gaan we ervan uit dat het onderwerp de taak begreep en de volgorde van commando's p kon volgenVia de koptelefoon naar het onderwerp. De taken vereisen dat gebruikers zich concentreren op bepaalde stimuli of zich voorstellen dat ze de linker- of rechterhand verplaatsen. Alle taken zijn ontworpen uit de veronderstelling dat de gebruiker de visuele modaliteit niet kan gebruiken, en dus zijn alle stimuli die de gebruiker voorstelt (inclusief instructies, cues en feedback) auditief of tactiel.
Introduction
De diagnose van patiënten in de Vegetatieve Staat (VS) of de Minimale Bewuste Staat (MCS) is moeilijk, en vaak zijn er misclassificaties. Een studie in 2009 vergeleken de nauwkeurigheid van de diagnose tussen de klinische consensus en een neurobehaviorale beoordeling 1 . Uit 44 patiënten gediagnosticeerd met VS op basis van de klinische consensus van het medisch team, bleken 18 (41%) in MCS te zijn na een gestandaardiseerde beoordeling met de Coma Recovery Scale-Revised (CRS-R). Dit resultaat is consistent met eerdere studies, waaruit bleek dat 37-43% van de patiënten met VS gediagnosticeerd tekenen van bewustzijn 2 , 3 hebben aangetoond. Classificatieschalen zijn gebaseerd op gedragswaarnemingen of op evaluaties van auditieve, visuele, verbale en motorische functies, evenals communicatie- en opwekkingsniveaus. Nieuwe technologieën die de gegevens van hersenactiviteit zouden kunnen toevoegen, zijn een perfect hulpmiddel om de beperkingen die door BR worden opgelegd te overwinnenViorale beoordelingsschalen. Patiënten kunnen hun hersenrespons moduleren, ondanks het feit dat ze de gedragsveranderingen die nodig zijn voor de beoordelingsschaal kunnen produceren. Monti et al. 4 heeft aangetoond dat functionele magnetische resonantiebeeldvorming (fMRI) vrijwillige veranderingen kan detecteren in responses op het niveau van bloedoxygen op zuurstofniveau, die verband houden met bewegende bewegingen of ruimtelijke beeldvormingstaken, bij 5/54 patiënten die met een bewusteloosheidsstoornis (DOC) gediagnosticeerd zijn. Vier van hen waren eerder geclassificeerd als MCS. Dus, in een minderheid van gevallen, hebben patiënten die voldoen aan de gedragscriteria voor een vegetatieve staat een resterende cognitieve functie en zelfs bewust bewustzijn.
Electroencephalography (EEG) -based BCI's kunnen ook de hersenactiviteit detecteren die voortvloeit uit verbeelding of de poging tot motorische bewegingen. Er zijn ook andere BCI-paradigma's die kunnen bepalen of een persoon bewustzijn kan tonen door vrijwillig een vooraf gedefinieerde tas te volgenk. EEG-gebaseerde BCI's hebben andere voordelen ten opzichte van fMRI-gebaseerde evaluaties. Bijvoorbeeld, EEG-systemen zijn veel meer kosteneffectief en draagbaar en kunnen gemakkelijk worden gebruikt in het bed van de patiënt. De belangrijkste niet-invasieve BCI-benaderingen omvatten Slow Cortical Potentials (SCP's), P300s, Steady State Visuele Potenties (SSVEPs) en Motor Imagery (MI). SCP's hebben lage informatie overdrachtsnelheden en vereisen uitgebreide training (zie Wolpaw et al. ) 5 , terwijl SSVEPs visuele aandacht vereisen. Beide benaderingen worden daarom niet in dit protocol gebruikt. Met een P300 speller, Ortner et al. 5 bereikte een nauwkeurigheid van 70% voor gehandicapten. Dit nummer kan uiteindelijk worden verhoogd. Bijvoorbeeld Turnip et al. 7 verbeterde hun P300 classificatie nauwkeurigheid door gebruik te maken van een adaptieve neurale netwerk classifier. Voor dit protocol hebben we naast de MI gekozen tactiele en auditieve P300 benaderingen, omdat beide oZe kunnen zonder visie worden gebruikt, en elk heeft unieke voordelen. MI kan sneller communiceren dan een nonvisual P300 BCI, terwijl P300 BCI's heel weinig training nodig hebben. Daarom kan dit hybride BCI-protocol een hele reeks EEG-gebaseerde BCI-benaderingen voor DOC-patiënten implementeren. Bovendien, aangezien de taken relatief snel en gemakkelijk te herhalen zijn, kunnen verschillende benaderingen herhaaldelijk worden onderzocht met elke patiënt om het aantal onjuiste classificaties van DOC-patiënten te verminderen.
Er werden vier verschillende BCI benaderingen onderzocht: (i) auditieve P300, (ii) vibrotactiele P300 met twee stimulatoren, (iii) vibrotactiele P300 met drie stimulatoren, en (iv) MI.
Het paradigma in de auditieve P300-aanpak maakt gebruik van een auditief oddball-paradigma, waarbij afwijkende stimuli (1.000 Hz pieptonen) willekeurig worden verdeeld binnen een trein van meer waarschijnlijke standaard stimuli (500 Hz pieptonen). In paradigma II worden de stimuli geleverd via trillingsactieve stimulatoren thBij zijn geplaatst aan de linker en rechter polsen. De tactor op de linker pols levert de standaard stimuli, en de tactor op de rechter pols levert de afwijkende stimulansen op. Voor paradigma iii wordt een extra stimulator geplaatst op het rechter enkel van het onderwerp, of op een andere plaats, zoals het midden van de rug. Deze stimulator levert een trein van standaard stimuli, terwijl de twee stimulatoren aan de linker en rechter pols beide afwijkende stimuli leveren. Om het bewustzijn te beoordelen met de twee vibrotactiele paradigma's, wordt het onderwerp via de koptelefoon verteld om elke stimulus stil te stemmen op één pols terwijl andere prikkels worden genegeerd. Een willekeurig mechanisme bepaalt of u de linker of rechter pols wilt kiezen, en elke run heeft vier sets van 30 proeven elk, met een nieuwe doelwit voor elke proef.
De volgende signaalverwerking wordt gedaan voor paradigma's i, ii en iii: acht EEG-kanalen worden verkregen met behulp van een bemonsteringsfrequentie van 256 Hz. De kans op een afwijkende stimulus is 1/8; HencE, er zullen zeven standaard stimuli voor elke afwijkende stimulus zijn. Elke run heeft 480 totale stimuli. Een paradigma loopt ik 7 min 20 s, terwijl elke ronde van paradigma's ii en iii 2 min 30 s duurt. Als de patiënt stilweg elke afwijkende stimulus telt, ontlenen deze stimuli een aantal Event-Related Potentials (ERP's), waaronder de P300, een positieve piek van ongeveer 300 ms na de start van de stimulus. Elke piep duurt 100 ms. Voor elke stimulusproef wordt een venster van 100 ms voor en 600 ms na de pieptoon opgeslagen voor signaalverwerking. Gegevens worden dan met een factor van 12 afgemeten, resulterend in 12 monsters voor het post-stimulusinterval van 60 ms. Tenslotte worden alle sample time channel features ingevoerd in een lineaire discriminant analyse 8 , wat resulteert in 12 x 8 = 96 functies. Om de nauwkeurigheidsopgave te berekenen ( Figuur 1 en 2 ) wordt de volgende procedure tien keer herhaald en worden de resultaten gemeten in een enkele grafiek. De afwijkende en standaardproevenWorden willekeurig toegewezen in twee gelijke pools. Een pool wordt gebruikt om een classifier op te leiden, en het andere zwembad wordt gebruikt om de classifier te testen. De classificator wordt getest op een steeds groter aantal gemiddelde stimuli uit het testbad. In eerste instantie wordt het getest op slechts één afwijkende en zeven standaard stimuli. Als de classificator de deviant stimulus correct heeft gedetecteerd, is de nauwkeurigheid 100% en is het 0% anders. Hetzelfde geldt voor 2 gemiddelde deviant stimuli en 14 gemiddelde standaard stimuli, voor 3 afwijkende stimuli en 21 standaard stimuli, enzovoort tot het volledige test pool wordt gebruikt. Dit levert een plot van 30 enkele waarden (voor 30 afwijkende stimuli in het testbad), elk 100% of 0%. De gemiddelde van 10 enkele plots resulteert in waarden die variëren van 0% tot 100%. Door het aantal gemiddelde stimuli te verhogen, wordt de nauwkeurigheid verhoogd als het onderwerp de taak kan volgen, omdat het gemiddelde van stimuli willekeurig geluid in de gegevens vermindert. Een nauwkeurigheid aanzienlijk boven kansniveau (12.5%) blijkt dat een P300 reactie in het onderwerp kan worden opgewekt en dat er een reactie in de hersenen van het subject verscheen. Parameters I en II kunnen alleen gebruikt worden om het bewustzijn te beoordelen. Als de nauwkeurigheid tijdens de beoordeling hoger is dan 40%, kan men verder gaan om de communicatie van het paradigma iii of iv te gebruiken.
In de communicatietaak van paradigma iii kiest het onderwerp zich te concentreren op de stimuli aan de linkerkant als hij / zij "JA" of aan de rechterkant wilt beantwoorden om "NEE" te beantwoorden. De classifier detecteert welke hand de gebruiker zich concentreerde en geeft het antwoord aan.
Paradigm IV records 120 proeven, die elk 8 s bevatten, gescheiden door 1 s breaks.This resulteert in 10 sx 120 = 18 min van de totale sessie tijd. Paradigm iv maakt gebruik van 16 EEG kanalen verspreid over de sensorimotorische cortex. De bemonsteringsfrequentie is 256 Hz. Elke proef begint met een cue, gepresenteerd via oortelefoons, die het onderwerp oplevertVoorstellen dat u de linker- of rechterhand verplaatst. De volgorde van links en rechts instructies is gerandomiseerd. Voor signaalvoorbehandeling wordt de methode van gemeenschappelijke ruimtelijke patronen (CSP) 10 , 12 , 13 gebruikt. Deze methode levert een reeks ruimtelijke filters op om de variantie van een klasse te minimaliseren terwijl de variantie voor de andere klasse wordt maximaliseerd. Dit resulteert in vier kenmerken, die worden ingedeeld door de lineaire discriminantanalyse 8 . De gehele classificatieprocedure is gedetailleerd beschreven in een recente publicatie, waarbij een gemiddelde gemiddelde classificatie nauwkeurigheid van 80,7% blijkt na slechts 60 minuten training bij gezonde gebruikers 13 . De berekening van de nauwkeurigheid wordt gedaan via kruiswaardering. Dit verwijst naar het verdelen van een steekproef van gegevens in complementaire subsets, het uitvoeren van de analyse op een subset (trainingspool) en het valideren van de analyse op de andere subset (tesDing pool). Voordat de gegevens worden gescheiden in de zwembaden, worden proeven die artefacten bevatten, afgewezen. Een proef wordt geacht artefacten te bevatten als de absolute waarde van de amplitude op elk moment tijdens het proces meer dan 100 μV overschrijdt. De nauwkeurigheid wordt berekend voor alle bewegingen in het testbad binnen een tijdsduur van 1,5 s nadat de aandacht piept tot aan het einde van de proef, in stappen van 0,5 s. Voor elke stap en elke proef is het classificatie resultaat ofwel 100 of 0%. De nauwkeurigheden van alle proeven van het testbad worden dan voor elke stap gemeten, wat resulteert in nauwkeurigheidsniveaus tussen 0% en 100%. Tenslotte wordt het gemiddelde van tien herhalingen van de kruiswaarderingsresultaten weergegeven in de nauwkeurigheidsopgave. Voorbeelden zijn te zien in figuren 3 en 4 . De percelen worden gescheiden voor beeldvormende beweging in de linkerhand (geel), rechts (blauw) en alle bewegingen samen (groen). De horizontale lijn in magenta vertegenwoordigt de vertrouwensgrens, die afneemtDs op het aantal proeven die werden gebruikt voor de analyse. Dit is het aantal totale proeven minus het aantal afgewezen proeven. Het toont het 95% betrouwbaarheidsinterval met behulp van de Clopper Pearson methode 9 . Een nauwkeurigheidsniveau boven die regel betekent dat het resultaat statistisch significant is (alpha <0,05).
Protocol
Representative Results
Discussion
Voorafgaand onderzoek van talrijke groepen heeft aangetoond dat sommige DOC-patiënten bewust bewustzijn kunnen tonen door middel van fMRI- of EEG-gebaseerde evaluaties, hoewel evaluaties op basis van gedrag anders voorstellen. Zo is er een duidelijke behoefte aan nieuwe systemen en paradigma's die het bewuste bewustzijn nauwkeuriger kunnen beoordelen en zelfs communicatie bieden. Ideaal gezien zouden deze systemen goedkoop, draagbaar, robuust zijn op geluid in real-world instellingen en makkelijk te gebruiken zijn (voor zowel de patiënt als de systeembeheerder).
De hier gepresenteerde protocollen en systemen dienen twee doelen: het helpen bij het beoordelen van het niveau van bewustzijn bij personen met DOC en het opzetten van een nieuw communicatiekanaal voor personen die niet kunnen communiceren via spraak, oogactiviteit of andere taken die spiercontrole nodig hebben. De paradigma's in het protocol zijn ontworpen om de basisreacties in de eerste stappen te testen. Als de verwachte basisbreinresponsen worden gedetecteerd, is het mogelijk om verder en t te gaanRij de complexere paradigma's, die de vibrotactiele P300 zijn met drie tactoren en de MI. Deze twee paradigma's kunnen ook gebruikt worden om een communicatiekanaal op te zetten. EEG-signaalkwaliteit is kritisch in al deze protocollen. Soms kunnen EEG-gegevens niet worden onderscheiden van geluid; Er is wat ervaring in EEG-analyse nodig om lawaaierige gegevens te herkennen en te beheren.
De huidige standaardbeoordelingsmethoden zijn naast de onbetrouwbaarheid ook tijdrovend en vereisen een team van deskundigen. Daarom worden patiënten vaak slechts een keer beoordeeld, hoewel de bewuste bewustzijn van een patiënt op verschillende tijden dramatisch kan fluctueren. Het hier gepresenteerde protocol kan meerdere malen gemakkelijk herhaald worden. Patiënten die niet bewust bewust zijn, kunnen op een andere tijd verschillende resultaten opleveren. Ook kan een enkele evaluatie uitgevoerd worden voor elke communicatie poging om te bevestigen dat het onderwerp momenteel in een bewuste staat staat.
anothEr is reden om verschillende paradigma's in het protocol te implementeren, omdat sommige mensen slecht met één paradigma kunnen presteren, maar goed presteren met een ander. Op dezelfde manier zouden mensen misschien een paradigma verkiezen omdat het makkelijker lijkt. Na het onderzoeken van verschillende opties met verschillende paradigma's, kunnen patiënten de aanpak kiezen die zij verkiezen. Dit is in overeenstemming met de 'hybrid' BCI-aanpak, die ondersteunt het verschaffen van meerdere communicatie-opties om de communicatie-efficiëntie en de tevredenheid van de gebruikers te verbeteren.
De nauwkeurigheid plots, in combinatie met het percentage niveau van de juiste classificaties, geeft een objectief resultaat dat weerspiegelt hoe goed het patroonherkenningsalgoritme de verschillende hersentanden tijdens de taken kan onderscheiden. Daarom is geen subjectieve interpretatie van hersenpatronen of gemiddelde reacties noodzakelijk.
De vibrotactiele communicatie met drie tactoren werd getest op een groep van zes chronische ingesloten patienTs 15 Ze bereikten een gemiddelde nauwkeurigheid tijdens de communicatie van 55,3%, en ze waren allemaal boven het kansniveau van 12,5%. De MI communicatie taak werd getest op een groep van twintig gezonde gebruikers 13 , die een gemiddelde nauwkeurigheid van ongeveer 80% vertoonde. Slechts een van de twintig personen had een controle-nauwkeurigheid onder kansniveau.
Het is belangrijk om te vermelden dat een run of zelfs een volledige sessie met een slechte nauwkeurigheid niet afdoende bewijst dat er geen hersenrespons of geen bewustzijn in het vak is. Het betekent gewoon dat het systeem niet in staat was vrijwillige hersenreacties te detecteren. Dit kan optreden vanwege de slechte signaalkwaliteit, het moeilijk horen of begrijpen van instructie instructies, of gewoon omdat een minderheid onderwerpen de gewenste EEG-activiteit niet kan produceren ondanks het uitvoeren van de taak.
In overeenstemming met eerdere werkzaamheden van onze groep en anderen blijkt uit het gepresenteerde werk dat het raadzaam is om te beoordelenHet niveau van bewustzijn bij patiënten die aan DOC lijden met hersenbeeldvormingstechnieken. FMRI is ook een nuttige techniek om de huidige hersenactiviteit van de patiënt te volgen. Er werd aangetoond dat oddballparadigma's die opgewekte potenties veroorzaken, evenals motorbeelden en andere taken, hemodynamische reacties kunnen opleveren die kunnen worden gevolgd door fMRI 17 , 18 . In vergelijking met fMRI heeft het EEG opmerkelijke voordelen: EEG-gebaseerde gereedschappen kunnen worden toegepast op bed, zonder apparatuur die duur en niet draagbaar is en vereist veel expertise. Het transport van de patiënt naar de scanner en het akoestische geluid van de scanner kunnen beide voor de patiënt stressvol zijn. Bijna infrarood spectroscopie (NIRS) is draagbaar en kan een iets betere ruimtelijke resolutie hebben dan EEG, maar het heeft een slechtere temporale resolutie 19 . NIRS is geschikt om MI 20 , 21 te controleren , maar niet voor opgeroepen potentials. Bijvoorbeeld, Naseer en Hong 22 aangetoond hoge classificatie nauwkeurigheid voor MI-BCI met behulp van fNIRS. Bij proeven die elk 50 s deden, behaalde ze 77,35% voor de linker MI en 83% voor de rechter MI. Met EEG-gebaseerde BCI's, Guger et al. 23 bleek dat ongeveer 20% van de 99 sessies een nauwkeurigheid boven 80% behaalde en nog eens 70% van de 99 sessies bereikte een nauwkeurigheid boven 60%. Ortner et al. Vertoonde een gemiddelde piek nauwkeurigheid van ongeveer 80% met behulp van de CSP methode. Deze methode heeft meer EEG-elektroden nodig dan die van Guger en collega's, maar het resulteert in hogere nauwkeurigheidsprijzen. Met behulp van de CSP-methode, Ramoser et al. 23 toonde aan dat een toename van elektroden van 18 tot 56 de prestatie niet aanzienlijk verbeterde; We concluderen daarom dat het gekozen aantal 16 elektroden in onze methode voldoende is. Onlangs hebben Coyle et al . Gebruikte CSP voor het classificeren en trainen van MI in DOC patieNts 16 . Alle vier de onderwerpen hebben significante en passende hersenactivering tijdens de beoordeling aangetoond.
Het beoordelen van MI via een hybride NIRS-EEG BCI kan leiden tot hoge classificatie nauwkeurigheid, zoals Khan et al. 20 toonden. Dit kan een veelbelovende toekomstige richting zijn, hoewel een extra neuroimaging tool de complexiteit en de kosten van het apparaat verhoogt.
Het hier gepresenteerde protocol biedt een relatief eenvoudig hulpmiddel om de hersenresponsen in het EEG-signaal van DOC-patiënten te beoordelen. Het interpreteren van deze classificatie resultaten en het uitvoeren van wijzigingen in medicatie, therapie of andere medische behandelingen vereist nog medische deskundigen. Toekomstige aanwijzingen van deze methode zouden meer geavanceerde stimulatie technieken kunnen zijn met een hoger aantal vrijheidsgraden. Bijvoorbeeld, in plaats van het aanbieden van gereedschappen om alleen "JA" of "NEE" te zeggen, kunnen toekomstige apparaten meer mogelijk answe toestaanRs op een vraag. In een verdere stap kan men ook contextgebaseerde antwoorden gebruiken. Bijvoorbeeld, als de patiënt een muziekspeler heeft die draait, kan men de mogelijkheid bieden om het geluidsniveau te regelen of naar het volgende nummer te schakelen. Ook moet het MI-paradigma in DOC-patiënten worden getest.
Offenlegungen
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 |
Referenzen
- 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).
