Avaliação e Comunicação para Pessoas com Distúrbios da Consciência
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
Neste experimento, demonstramos um conjunto de paradigmas híbridos baseados em interface Brain-Computer (BCI) que são projetados para duas aplicações: avaliar o nível de consciência de pessoas incapazes de fornecer resposta motora e, em uma segunda etapa, estabelecer um canal de comunicação Para essas pessoas que lhes permitem responder perguntas com "sim" ou "não". O conjunto de paradigmas é projetado para testar respostas básicas no primeiro passo e continuar a tarefas mais abrangentes se os primeiros testes forem bem-sucedidos. As últimas tarefas exigem mais funções cognitivas, mas podem fornecer comunicação, o que não é possível com os testes básicos. Todos os testes de avaliação produzem gráficos de precisão que mostram se os algoritmos foram capazes de detectar a resposta do cérebro do paciente às tarefas dadas. Se o nível de precisão estiver além do nível de significância, assumimos que o sujeito compreendeu a tarefa e foi capaz de seguir a seqüência de comandos pRessentido através de fones de ouvido para o assunto. As tarefas exigem que os usuários se concentrem em certos estímulos ou para imaginar movendo a mão esquerda ou direita. Todas as tarefas são projetadas em torno do pressuposto de que o usuário não consegue usar a modalidade visual e, portanto, todos os estímulos apresentados ao usuário (incluindo instruções, sugestões e feedback) são auditivos ou táteis.
Introduction
O diagnóstico de pacientes em estado vegetativo (VS) ou Mínimo Estado Consciente (MCS) é difícil, e as classificações erradas geralmente ocorrem. Um estudo em 2009 comparou a precisão do diagnóstico entre o consenso clínico versus uma avaliação neurocomportamental 1 . Dos 44 pacientes diagnosticados com VS com base no consenso clínico da equipe médica, 18 (41%) foram encontrados em MCS após uma avaliação padronizada com o Coma Recovery Scale-Revised (CRS-R). Este resultado é consistente com estudos anteriores, que mostraram que 37 a 43% dos pacientes diagnosticados com VS demonstraram sinais de consciência 2 , 3 . As escalas de classificação baseiam-se em observações comportamentais ou em avaliações de funções auditivas, visuais, verbais e motoras, bem como níveis de comunicação e excitação. Novas tecnologias que poderiam adicionar dados de atividade cerebral são uma ferramenta perfeita para superar as restrições impostas pelo behaEscalas de avaliação de vioral. Os pacientes podem ser capazes de modular suas respostas cerebrais apesar de serem incapazes de produzir as mudanças comportamentais necessárias para a escala de classificação. Monti et al. 4 demonstraram que a imagem funcional de Ressonância Magnética (fMRI) pode detectar mudanças voluntárias nas respostas dependentes do nível de oxigenação do sangue, que estão relacionadas à imaginação de movimentos motores ou tarefas de imagens espaciais, em 5/54 pacientes diagnosticados com Disorder of Consciousness (DOC). Quatro deles já foram classificados como MCS. Assim, em uma minoria de casos, os pacientes que atendem aos critérios comportamentais para um estado vegetativo têm função cognitiva residual e até consciência consciente.
Os BCI baseados em eletroencefalografia (EEG) também podem detectar a atividade cerebral resultante da imaginação ou a tentativa de movimentos motores. Existem também outros paradigmas do BCI que podem determinar se uma pessoa pode mostrar consciência, voluntariamente seguindo uma tas predefinidaK. Os BCI baseados em EEG têm outras vantagens em relação às avaliações baseadas em fMRI. Por exemplo, os sistemas de EEG são muito mais rentáveis e portáteis e podem ser facilmente utilizados na cabeceira do paciente. As principais abordagens BCI não invasivas incluem Potenciais de Cortical Lentos (SCPs), P300s, Potenciais Visuais de Estado Permanente (SSVEPs) e Motor Imagery (MI). Os SCPs forneceram baixas taxas de transferência de informações e exigem treinamento extensivo (ver Wolpaw et al. ) 5 , enquanto os SSVEPs precisam de atenção visual. Ambas as abordagens não são, portanto, usadas neste protocolo. Com um speller P300, Ortner et al. 5 atingiram uma precisão de 70% para pessoas com deficiência. Esse número poderia eventualmente ser aumentado. Por exemplo, Turnip et al. 7 melhoraram a precisão da classificação P300 usando um classificador de rede neural adaptativo. Para este protocolo, selecionamos abordagens T300 tátil e auditiva, além do MI, porque ambos oSe eles podem ser usados sem visão, e cada um tem vantagens únicas. O MI pode fornecer uma comunicação mais rápida do que um BCI P300 não visual, enquanto os BCI P300 exigem muito pouco treinamento. Portanto, este protocolo BCI híbrido pode implementar um conjunto inteiro de abordagens BCI baseadas em EEG para pacientes DOC. Além disso, uma vez que as tarefas são relativamente rápidas e fáceis de repetir, diferentes abordagens podem ser exploradas repetidamente com cada paciente para diminuir o número de classificações incorretas de pacientes DOC.
Foram exploradas quatro abordagens BCI diferentes: (i) P300 auditivo, (ii) P300 vibrotactil com dois estimuladores, (iii) P300 vibrotactil com três estimuladores e (iv) MI.
A abordagem do paradigma i auditivo P300 usa um paradigma auditório estranho, em que os estímulos desviantes (1.000 Hz) são distribuídos aleatoriamente dentro de um trem de estímulos padrão mais prováveis (beeper de 500 Hz). No paradigma ii, os estímulos são administrados por meio de estimuladores vibrotacteis.São colocados nos pulsos esquerdo e direito. O tactor no pulso esquerdo entrega os estímulos padrão, e o tactor no pulso direito entrega os estímulos desviantes (alvo). Para o paradigma iii, um estimulador adicional é colocado no tornozelo direito do sujeito, ou em outro local, como o meio das costas. Este estimulador oferece um trem de estímulos padrão, enquanto os dois estimuladores no pulso esquerdo e direito ambos oferecem estímulos desviantes. Para avaliar a consciência com os dois paradigmas vibrotactil, o sujeito é contado através de fones de ouvido para contar silenciosamente cada estímulo em um pulso, ignorando outros estímulos. Um mecanismo aleatório decide se escolher o pulso esquerdo ou direito, e cada execução tem quatro conjuntos de 30 ensaios cada, com uma nova mão alvo para cada teste.
O processamento de sinal a seguir é feito para os paradigmas i, ii e iii: oito canais de EEG são adquiridos usando uma freqüência de amostragem de 256 Hz. A probabilidade de um estímulo desviante é 1/8; HencE, haverá sete estímulos padrão para cada estímulo desviante. Cada rodada tem 480 estímulos totais. Uma série de paradigmas eu demoro 7 min 20 s, enquanto cada série de paradigmas ii e iii demora 2 min 30 s. Se o paciente considerar silenciosamente cada estímulo desviante, esses estímulos provocam vários Potenciais Relacionados a Eventos (ERPs), incluindo o P300, um pico positivo cerca de 300 ms após o início do estímulo. Cada bip dura 100 ms. Para cada teste de estímulo, uma janela de 100 ms antes e 600 ms após o sinal sonoro é armazenado para processamento de sinal. Os dados são então amostrados por um factor de 12, resultando em 12 amostras para o intervalo pós-estímulo de 60 ms. Finalmente, todos os recursos do canal de tempo de amostra são inseridos em uma análise discriminante linear 8 , resultando em 12 x 8 = 96 recursos. Para calcular o gráfico de precisão ( Figura 1 e 2 ), o seguinte procedimento é repetido dez vezes, e os resultados são calculados em média em um único gráfico. Os ensaios desviantes e padrãoSão distribuídos aleatoriamente em duas piscinas de tamanho igual. Um pool é usado para treinar um classificador e o outro pool é usado para testar o classificador. O classificador é testado em um número crescente de estímulos em média fora do grupo de teste. No início, ele é testado em apenas um desviante e sete estímulos padrão. Se o classificador detectou o estímulo desviante corretamente, a precisão resultante é 100%, e é 0% de outra forma. O mesmo é feito para 2 estímulos desviantes médios e 14 estímulos padronizados padrão, para 3 estímulos desviantes e 21 estímulos padrão, e assim por diante até que o pool de teste completo seja usado. Isso produz um gráfico de 30 valores únicos (para 30 estímulos desviantes no grupo de teste), cada um 100% ou 0%. A média de 10 parcelas simples resulta em valores variando de 0% a 100%. Aumentar o número de estímulos em média aumentará a precisão se o sujeito puder acompanhar a tarefa, pois a média dos estímulos reduz o ruído aleatório nos dados. Uma precisão significativamente além do nível de chance (12.5%) mostra que uma resposta P300 pode ser provocada no assunto e que uma resposta no cérebro do sujeito apareceu. Os paradigmas i e ii só podem ser usados para avaliar a consciência. Se a precisão alcançada durante a avaliação for superior a 40%, pode-se seguir usando a comunicação do paradigma iii ou iv.
Na tarefa de comunicação do paradigma iii, o sujeito escolhe concentrar-se nos estímulos no lado esquerdo se ele quer responder "SIM" ou no lado direito para responder "NÃO". O classificador detecta em qual mão o usuário estava concentrado e apresenta a resposta.
Paradigma iv registra 120 testes, cada um dos quais dura 8 s, separado por 1 s. Isso resulta em 10 sx 120 = 18 min do tempo total da sessão. Paradigma iv usa 16 canais de EEG distribuídos pelo córtex sensório-motor. A frequência de amostragem é de 256 Hz. Cada tentativa começa com uma sugestão, apresentada através de fones de ouvido, que instrui o sujeitoPara imaginar movendo a mão esquerda ou direita. A sequência das instruções à esquerda e à direita é aleatorizada. Para o pré-processamento de sinal, é utilizado o método de Padrões Espaciais Comuns (CSP) 10 , 12 , 13 . Este método produz um conjunto de filtros espaciais projetados para minimizar a variância de uma classe, ao mesmo tempo em que maximiza a variação para a outra classe. Isso resulta em quatro características, que são classificadas pela análise discriminante linear 8 . Todo o procedimento de classificação é descrito em detalhes em uma publicação recente, mostrando uma grande precisão de classificação média de 80,7% após apenas 60 min de treinamento em usuários saudáveis 13 . O cálculo da precisão é feito via validação cruzada. Isso se refere ao particionamento de uma amostra de dados em subconjuntos complementares, realizando a análise em um subconjunto (pool de treinamento) e validando a análise no outro subconjunto (tesTing pool). Antes da separação de dados nas piscinas, os ensaios contendo artefatos são rejeitados. Considera-se que um ensaio contém artefatos se o valor absoluto da amplitude exceder 100 μV a qualquer momento durante o teste. A precisão é calculada para todos os movimentos no pool de testes dentro de um período de 1,5 s após o sinal sonoro até o final do teste, em passos de 0,5 s. Para cada etapa e cada teste, o resultado da classificação é 100 ou 0%. As precisões de todos os ensaios do pool de teste são então calculadas em média para cada passo único, resultando em níveis de precisão variando entre 0% e 100%. Finalmente, a média de dez repetições dos resultados de validação cruzada é mostrada na trama de precisão. Exemplos podem ser vistos nas Figuras 3 e 4 . As parcelas são separadas para o movimento de imagem na mão esquerda (amarelo), mão direita (azul) e todos os movimentos juntos (verde). A linha horizontal em magenta representa o limite de confiança, que dependeDs sobre o número de testes que foram utilizados para a análise. Este é o número de ensaios totais menos o número de ensaios rejeitados. Mostra o intervalo de confiança de 95% usando o método 9 de Clopper Pearson. Um nível de precisão acima dessa linha significa que o resultado é estatisticamente significativo (alfa <0,05).
Protocol
Representative Results
Discussion
A pesquisa prévia de vários grupos mostrou que alguns pacientes DOC podem apresentar consciência através de avaliações baseadas em fMRI ou EEG, mesmo que as avaliações com base no comportamento sugerem o contrário. Assim, existe uma clara necessidade de novos sistemas e paradigmas que possam avaliar com mais precisão a conscientização consciente e até mesmo fornecer comunicação. Idealmente, esses sistemas devem ser baratos, portáteis, robustos para o ruído em configurações do mundo real e fáceis de usar (tanto para o paciente como para o operador do sistema).
Os protocolos e o sistema apresentados aqui servem dois objetivos: ajudar a avaliar o nível de consciência em pessoas com DOC e estabelecer um novo canal de comunicação para pessoas incapazes de se comunicar via fala, atividade ocular ou outras tarefas que requerem controle muscular. Os paradigmas dentro do protocolo são projetados para testar respostas básicas nas primeiras etapas. Se as respostas cerebrais básicas esperadas forem detectadas, é possível ir mais longe e tOs paradigmas mais complexos, que são o P300 vibrotactil com três tactores e o MI. Esses dois paradigmas poderiam ser usados também para estabelecer um canal de comunicação. A qualidade do sinal EEG é crítica em todos esses protocolos. Às vezes, os dados EEG não podem ser distinguidos do ruído; É necessária alguma experiência em análise EEG para reconhecer e gerenciar dados ruidosos.
Os métodos de avaliação padrão atuais, além de não confiáveis, também são demorados e requerem uma equipe de especialistas. Portanto, os pacientes geralmente são avaliados apenas uma vez, mesmo que a consciência consciente de um paciente possa flutuar dramaticamente em momentos diferentes. O protocolo aqui apresentado pode ser facilmente repetido várias vezes. Os pacientes que não apresentam consciência podem produzir resultados diferentes em outro momento. Além disso, uma única execução de avaliação pode ser feita antes de cada tentativa de comunicação confirmar que o assunto está atualmente em um estado consciente.
AnothO motivo para implementar diferentes paradigmas no protocolo é porque algumas pessoas podem ter um desempenho fraco com um único paradigma, mas se apresentam muito bem com outro. Da mesma forma, as pessoas podem preferir um paradigma porque parece mais fácil para eles. Depois de explorar diferentes opções com diferentes paradigmas, os pacientes podem escolher a abordagem que preferem. Isso é consistente com a abordagem "BCI" híbrida, que oferece suporte a múltiplas opções de comunicação para melhorar a eficácia da comunicação e a satisfação do usuário.
Os gráficos de precisão, em combinação com o nível percentual de classificações corretas, produzem um resultado objetivo que reflete o quão bem o algoritmo de reconhecimento de padrões pode discriminar os diferentes estados cerebrais durante as tarefas. Portanto, não é necessária uma interpretação subjetiva de padrões cerebrais ou respostas médias.
A comunicação vibrotactil com três tactores foi testada em um grupo de seis pacientes com paciência crônicaTs 15 . Eles atingiram uma precisão média durante a comunicação de 55,3%, e todos estavam acima do nível de chance de 12,5%. A tarefa de comunicação MI foi testada em um grupo de vinte usuários saudáveis 13 , mostrando uma precisão média de cerca de 80%. Apenas uma das vinte pessoas teve uma precisão de controle abaixo do nível de chance.
É importante mencionar que uma execução ou mesmo uma sessão completa com má precisão não provam conclusivamente que não há resposta cerebral ou nenhuma consciência dentro do assunto. Significa apenas que o sistema não conseguiu detectar respostas voluntárias do cérebro. Isso pode ocorrer devido à má qualidade do sinal, dificuldade em ouvir ou entender as instruções da tarefa, ou simplesmente porque uma minoria de assuntos não pode produzir a atividade de EEG desejada, apesar de executar a tarefa.
Consistente com o trabalho anterior de nosso grupo e outros, o trabalho apresentado mostra que é aconselhável avaliarO nível de consciência em pacientes que sofrem de DOC com técnicas de imagem cerebral. O IRMF também é uma técnica útil para rastrear a atividade cerebral atual do paciente. Foi demonstrado que paradigmas estranhos que suscitam potenciais evocados, bem como imagens motoras e outras tarefas, podem produzir respostas hemodinâmicas que podem ser rastreadas pela fMRI 17 , 18 . Em comparação com o fMRI, o EEG tem vantagens notáveis: as ferramentas baseadas em EEG podem ser aplicadas à cabeceira, sem equipamentos que sejam caros e não portáteis e requerem conhecimentos consideráveis. Transportar o paciente para o scanner e o ruído acústico do scanner podem ser estressantes para o paciente. A espectroscopia de infravermelho próximo (NIRS) é portátil e pode ter uma resolução espacial ligeiramente melhor do que o EEG, mas tem uma menor resolução temporal 19 . NIRS é adequado para monitorar MI 20 , 21 , mas não para poto evocadoNtials. Por exemplo, Naseer e Hong 22 demonstraram alta precisão de classificação para MI-BCI usando fNIRS. Com testes que cada um durou 50 s, eles alcançaram 77,35% para MI esquerdo e 83% para MI direito. Com BCIs com base em EEG, Guger et al. 23 descobriram que cerca de 20% das 99 sessões atingiram uma precisão acima de 80% e mais 70% das 99 sessões atingiram uma precisão acima de 60%. Ortner et al. Mostrou uma precisão de pico média de cerca de 80% usando o método CSP. Este método precisa de mais eletrodos de EEG do que os usados de Guger e colegas, mas resulta em maiores taxas de precisão. Usando o método CSP, Ramoser et al. 23 demonstraram que um aumento de eletrodos de 18 a 56 não melhora significativamente o desempenho; Concluimos que o número escolhido de 16 eletrodos em nosso método é suficiente. Recentemente, Coyle et al . Usado CSP para classificar e treinar MI em DOC patie16 . Todos os quatro indivíduos demonstraram ativação cerebral significativa e adequada durante a avaliação.
Avaliar MI através de um NIC-NIRS-EEG BCI pode resultar em alta precisão de classificação, como Khan et al. 20 mostraram. Esta poderia ser uma direção futura promissora, embora uma ferramenta de neuroimagem adicional aumente a complexidade e os custos do dispositivo.
O protocolo aqui apresentado fornece uma ferramenta relativamente fácil para avaliar as respostas cerebrais dentro do sinal de EEG dos pacientes DOC. Interpretar esses resultados de classificação e implementar qualquer alteração na medicação, terapia ou outros tratamentos médicos ainda requer especialistas médicos. As orientações futuras deste método poderiam ser técnicas de estimulação mais avançadas usando um maior número de graus de liberdade. Por exemplo, em vez de oferecer ferramentas para apenas dizer "SIM" ou "NÃO", os dispositivos futuros poderiam permitir uma resposta maiorRs para uma pergunta. Num outro passo, também se pode usar respostas baseadas em contexto. Por exemplo, se o paciente tiver um jogador de música em execução, pode-se oferecer a possibilidade de controlar o nível de som ou mudar para a próxima música. Além disso, o paradigma MI precisa ser testado em 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).
