Electroencephalography סימולטני קרקפת (EEG), (EMG), והקלטת אינרציה מגזרי כל גוף לMulti-מודאלית עצבית פענוח
Summary
פיתוח של ממשק המוח מכונה מערכת (BMI) יעילה לשיקום ושיקום של תנועת גפיים דורש פענוח מדויק של כוונתו של המשתמש. כאן אנו מציגים פרוטוקול ניסוי רומן וטכניקת איסוף הנתונים לרכישה בו זמנית לא פולשנית של פעילות עצבית, פעילות שרירים, וגוף כולו קינמטיקה במהלך משימות תנועה שונות ותנאים.
Abstract
מחקרים שנעשה לאחרונה תומכים במעורבות של רשתות supraspinal בשליטה של שני הגפיים הליכה אנושית. חלק מראיות זה כולל לימודים, ובכלל זה העבודה הקודמת שלנו, הוכחה כי ניתן להסיק קינמטיקה ההליכה ותיאום גפיים במהלך הליכה על הליכון מקרקפת אלקטרואנצפלוגרם (EEG) עם דיוקי פענוח גבוהים למדי. תוצאות אלו מספקות תנופה לפיתוח (BMI) מערכות מוח ממשק מכונת בלתי פולשניות לשימוש בשיקום ו / או הגדלת של הליכה-מטרתו העיקרית של מחקר שיקום. עד כה, מחקרים הבוחנים פענוח EEG של פעילות במהלך ההליכה היו מוגבלים הליכה על הליכון בסביבה מבוקרת. עם זאת, כדי להיות בת קיימא כמעט מערכת BMI חייבת להיות ישימה לשימוש במשימות של תנועה יומיומית כגון הליכה על קרקע והפיכת. כאן, אנו מציגים פרוטוקול חדש לאוסף לא פולשנית של פעילות מוחית (EEG), פעילות שרירים ((EMG)), וולנתוני kinematic דואר גוף (ראש, פלג גוף עליון, ואיבר מסלולים) במהלך שני הליכון ומעל קרקע משימות הליכה. על ידי איסוף ניתן להשיג נתונים אלה בסביבה לא מבוקרת תובנה לגבי הכדאיות של פענוח בלתי מוגבלת בהליכה ובמשטח EMG מקרקפת EEG.
Introduction
פרוטוקול זה משתמש בשלוש מערכות איסוף נתונים כדי להקליט בו זמנית EEG, EMG, קינמטיקה וכל גוף (איור 1, טבלת 1). נתוני ה-EEG נאספים באופן אלחוטי מ64 ערוצים בתדר דגימה של 1,000 הרץ ואילו נושאים ללכת. (EMG) שנאסף ב 1000 הרץ ממשטח אלקטרודות המונחות בילטרלי על ארבע קבוצות שרירים: עצם שוקה קדמית (ת"א), הגסטרוקנמיוס (גסט), שרירי femoris (BF), וvastus lateralis (VL). הנתונים נאספים בkinematic 128 הרץ מ11 חיישנים אלחוטיים רכובים על הראש, פלג גוף עליון, אזור המותניים, זרועות, ירכיים, שוקיים וכפות רגליים כדי להקליט תנועה בזמן ההליכה. כל חיישן מכיל מגנטומטר תלת צירי, גירוסקופ תלת צירי, ותאוצה תלת צירית (כלומר חיישן MARG).
הנתונים נאספים מכל מערכת ומסונכרנת בזמן על ידי מחשב מארח אחד. סנכרון מתבצע באמצעות אות הדק נשלחה על סרי רציףקישור תקשורת אל גישה על ידי כל מערכות נתוני שלוש בו זמנית. ההדק יושם כמתג כפתור פשוט. כאשר לוחצים על כפתור אות הדק (1) נשלח למחשב המארח, ואילו אות אפס (0) תישלח כאשר לא נלחצה. לחיצה על כפתור ההדק גם מעוררת טון 0.5 שניות משמש כאות אודיו לנושא, כפי שתוארה בפרוטוקול בהמשך. חמישה זוגות של חיישנים (IR) אינפרא אדום קירבה היו מפוברקים לשימוש כמיקום מעורר בקרקע על ניסויים המתוארים להלן הליכה. כאשר אות IR נקטעה אות הדק (1) נשלח למחשב המארח על קישור הסדרה באמצעות תדר רדיו (RF) חיבור עם התיבה הידנית ההדק.
מנהג C + + יישום, תוך שימוש בערכת פיתוח התוכנה (SDK) הניתנת על ידי כל אחת ממערכות, פותח כדי להקליט ולסנכרן נתונים. הקוד מעסיק טכניקה רבת השחלה; פונקציות לשמירת נתונים מכל מערכת (EEG, EMG, וMARGs) כלולות בindivאשכולות idual. אלגוריתם התוכנה שמוצג באיור 2. איסוף הנתונים מתחיל כאשר היישום מתבצע ומסתיים כאשר המפתח 'ש' נלחץ. חמישה אשכולות מופעלים על ביצוע יישום. חוט אחד (איור 2) מנטר את הערך (0 או 1) לאות ההדק מחיבור הטורים. ערך הדק ראשוני הוא אפס. כאשר הדק הוא קיבל (כלומר, כשהוא לחץ על הכפתור או קו הראיה בין זוג חיישן IR שבור) משתני ההדק הגלובליים מוגדרים 1. משתנה אלה יישארו 1 עד שהם מתאפסים בתוך אשכולות איסוף נתונים.
חוט EEG מרחוק ניגש נתוני ה-EEG קרקפת בזמן אמת באמצעות פרוטוקול TCP / IP. הנתונים נכתבים לקובץ טקסט שורה אחרת שורה בתדר הדגימה המקבילה (1,000 הרץ). אות הדק EEG הגלובלית נכתבת בעמודה הראשונה, ואילו עמודות 2-65 הן 64 ערוצי ה-EEG. אם אות הדק EEG הגלובלית הייתה 1, הוא יאופסו. נתוניםהכתיבה ממשיכה עד להפסקה את חוט ה-EEG. שיא אשכולות עצמאי שניים מרג נתוני חיישן. שני נושאים שהם הכרחיים משום ש11 החיישנים האלחוטיים מרג לשדר נתונים באמצעות התוכנה של היצרן במצב זרימה חזק, אשר אוגר נתונים על החיישנים הנפרדים כדי למנוע אובדן נתונים במקרה של בעיות שידור אלחוטיות. חציצה זו מדרדרת העברת נתונים בזמן אמת: אם חיישן אחד אינו יכול להעביר נתונים למדגם נתון כל 11 החיישנים ששומרים על נקודת הזמן במאגר שלהם ולהעביר אותו בנקודת המדגם זמינה הבאה. העברת נתונים האלחוטית MARG בהכרח מפגרת אחרי ה-EEG, ולכן חיישני מרג זקוקים לזמן כדי לפרוק נתונים שנאגרו למחשב המארח לאחר איסוף הנתונים הוא עצר. כדי להתגבר על בעיה זו, שני נושאים שנמצאים בשימוש באלגוריתם איסוף נתוני MARG (איור 2). החוט הראשון מאכלס חיץ הדק MARG ממשתנה הדק MARG הגלובלי בתדר דגימת החיישן (128 הרץ) ואילו את חוט EEG הוא איסוףנתונים. כאשר איסוף הנתונים מפסיק לכתוב למאגר ההדק גם מסתיים. חוט MARG (איור 2) מנצל פונקציות מSDK החיישן לקבל נתונים מהחיישנים ולכתוב אותו לקובץ באותו אופן כמו את נתוני ה-EEG. כלומר, העמודה הראשונה היא הערך של הדק MARG הגלובלי (המתקבל ממאגר הדק MARG) ואת 99 העמודים הבאים הם הערכים מחיישני מרג 11 (9 חיישנים ליחידת MARG). חוט MARG כותב נתונים עד למדד הזמן של חיץ הדק MARG שווה למדד הפעם האחרון של נתוני ה-EEG שבו מסתיים חוט ביצוע נקודה.
בניגוד לנתוני ה-EEG ומארג', נתונים EMG אינם מתועד באופן אלחוטי. במקום זאת, נתוני EMG נרשמים על כרטיס SD בתוך יחידת רישום נתונים. אות נשלחה על חיבור Bluetooth כדי להתחיל ולהפסיק נתוני כתב לכרטיס SD. כתיבה מתחילה כאשר מדריך ההדק הראשון מתקבל על ידי חוט ה-EEG. הכתיבה של נתונים מפסיקה עם EEGחוט כאשר הכפתור 'ש' נלחץ.
הפרוטוקול הבא נבדק ואושר על ידי דירקטוריון סקירה המוסדי באוניברסיטת יוסטון. כל הנבדקים קיבל, לקרוא, וחתמו על טופס הסכמה לפני ההשתתפות.
Protocol
Representative Results
Discussion
הפרוטוקול המובא כאן מפגיש שלוש מערכות איסוף נתונים כדי לתעד את פעילות המוח בו זמנית, פעילות שרירים, וקינמטיקה כל גוף במגוון רחב של משימות קטר. השלמת הפרוטוקול כולו לוקחת בערך 3 שעות, כולל שעה 1 של הכנת נושא. כל מערכת היא רכוב על, ועוברת איתו, את הנושא. לכן, חשוב לבדוק את החיבורים של אלקטרודות EEG ו EMG לפני תחילתו של כל משפט חדש. ניתן לעשות זאת בקלות תוך שימוש בחבילות התוכנה המסופקות על ידי היצרן המתאים, המאפשר לנתונים לבדיקה בזמן אמת באמצעות ממשקים גרפיים במחשב המארח. היישום דורש איסוף נתונים חבילות תוכנה אלה כדי לפעול, לפשט את תהליך האימות. בנוסף, יש להקפיד כי חיישני מרג מצורפים חסון לנושא לפני כל משפט.
נתוני ה-EEG וMARG מועברים באופן אלחוטי ב2.4-2.5 GHzטווח ספקטרום. כי הרבה מכשירים אלקטרוניים אחרים משתמשים בתדר זה, חשוב להביא בחשבון את האפשרות של ממשק אלחוטי בסביבה הניסויית. היבט קריטי של איסוף נתונים הוא נראות קו ראייה בין העגלה הניידת והנושא, המספק עמידות להפרעות אלחוטיות. שניהם מקלט האלחוטי EEG ואת הנקודות הגישה מרג (איור 1) לספק נוריות כדי לציין נאמנות חיבור. המחשב המארח והמקלטים אלחוטיים עבור חיישני EEG וMARG מונחים על עגלה ניידת כדי לשמור על קו ראיה ישיר ולמקסם את העברת נתונים אלחוטית כנושא ניגש קרקע. מצאנו אוסף נתונים חזק היה הטוב ביותר שמר על ידי שמירה על העגלה הניידת בתוך 5 מטרים של הנושא, מרחק שלא להגביל את תנועת נושא בכל אחת מהמשימות. + + C היישום מעסיק אשכולות מרובים לאיסוף נתונים על מנת לספק לחוסן אובדן נתונים עקב הפסקה האלחוטית גonnection של ה-EEG. אם חיבור EEG הולך לאיבוד, מארג' וEMG הנתונים עדיין נרשמו, אבל אין נתונים EEG יהיו זמינים לנקודות זמן אלה. חיישני מרג לספק חציצה על יחידה כפי שפורט לעיל, כדי למנוע אובדן נתונים במקרה של חיבור אלחוטי, ואילו חברת EMG הנתונים מאוחסנים על כרטיס SD בתוך יחידת רישום נתונים הניידת.
בעיה נפוצה עם אוסף של נתוני ה-EEG בזמן ההליכה היא נוכחותו של חפץ באותות. באופן כללי, ניתן לפצל חפצים לשתי קבוצות: מקורות פיסיולוגיים של חפצים כולל מהבהב, תנועת עיניים, פעילות שרירים פנים, פעימות לב, וחפצים מכאניים כגון תנועה של אלקטרודות ו / או כבלים במהלך ביצוע פרוטוקול ניסוי. הסרת חפץ היא נושא למחקר מתמשך, וכוללת טכניקות כגון ניתוח מרכיבים עצמאי 15,16 ונהלי רגרסיה תבנית מבוססי ערוץ 17. מזעור חפץ וההסרה הוא צעד חיוני ביחסי הציבורeprocessing נתונים עבור עצבי פענוח של תנועת גוף. ההגדרה המובאת כאן היא דומה למחקרים קודמים בכך שכבלי אלקטרודה EEG שהכניסו את מחבר יחיד. תוצאות ממחקרים אלה מצביעים על כך שחפצים מכאניים בשל תנודת כבלים או תנועה לא משחקים תפקיד בפענוח של תנועה מפעילות עצבית 7,8. תוצאות אלה נתמכות על ידי מחקרים אחרים, שהמסקנה כי חפצים הקשורים בהליכה איטית היו חסרי ממשות בלמתן מהירויות הליכה 17. עם זאת, ניסוי זה מודד EEG במהלך פעילויות הדורשות יותר תנועה של הגוף ממחקרים קודמים, כולל כפיפות לעמידת מעברים, על פני קרקע הליכה, ומפנה, וכך, בחינה מדוקדקת של נתוני ה-EEG הגלם חייבת להתבצע כדי לזהות פוטנציאל זיהום מחפצים מכאניים. אם כי עדיין לא זמינה לציבור רחב, אפשר לפתור בעיות פוטנציאליות אלה באמצעות שילוב של חומרת רומן לפרוטוקול הנוכחי. כגון החומרה incכדורי הרגעת אלקטרודות פעילים EEG (שימוש בפרוטוקול זה) וקפיץ, אלקטרודות EEG יבשות, שבו יש פוטנציאל לשפר את עכבת מגע עור אלקטרודה במהלך התנועה 18. טכנולוגיות אלה נמצאים ישולבו במערכות ה-EEG אלחוטיות אשר עשוי לצמצם את ההשפעה של ממצא תנועה 19. שילוב של חומרת רומן יחד עם זאת, פרוטוקול זה מספק הזדמנות ייחודית להמשיך ולפתח אלגוריתמים חדשניים לתנועה ודחיית חפץ EMG בגלל כל קטע של הגוף כבר instrumented 16. אנחנו מתכננים ללמוד קורלציה זמן סדרה ולכידות תחום תדר בין EEG, EMG, ותנועת קטע לפתח פרדיגמות דחיית ממצא חזקות החלים על מערכי ה-EEG הקיימים כיום. שיטות פענוח שלנו הראו חוסן נגד חפצים 7,8; שיטות אלה תיבחנה תחת התרחישים המורכבים יותר בפרוטוקול הנוכחי.
תכונות של משטח רשםEMG תלויה בגורמים רבים, והפרשנות של אותות משטח EMG ללימוד אסטרטגיות עצביות דורשת שיקול הדעת שלהם 20. הנהלים המחמירים להכנת עור ומיקום האלקטרודה EMG שימוש בפרוטוקול זה נועדו למזער את השפעתם של גורמים שאינם פיסיולוגיים על אותות EMG פני השטח. המשרעת והתדירות של EMG נרשם על ידי פרוטוקול זה קשור לפעילות יחידת המנוע נטו, ולכן ההקלטה לא צריכה להתפרש כייצוג ישיר של פעילות העצבית של השריר הרצוי. עם זאת, שיקול דעת של פני השטח EMG האות ושיטות מתקדמות יותר כדי להעריך כונן עצבי לשריר על ידי פירוק את אות EMG כדי לקבוע שינויים יחסיים בהפעלה עצבית (למשל על ידי זיהוי פעמים פריקה שיחידות מוטוריות) יכול לספק תובנה חשובה דפוסי הפעלת שרירים 20. יתר על כן, בהקשר של עצבי פענוח, למרות שפעילות מוחיתרכש פולשני הוכח להכיל מידע על פני השטח EMG 21, לא ידוע כרגע האם יכול לשמש גם קרקפת EEG כדי לפענח פעילות שרירים גפה תחתונה בזמן הליכה בנוסף לקינמטיקה ההליכה. אנו מצפים פרוטוקול זה יאפשר לנו לבחון האם הרזולוציה מרחבית המופחתת של שיטות הדמיה בלתי פולשניות מוח מספיק כדי לבודד את הפעילות עצבית הקשורה לשרירים בודדים.
מחקרים קודמים הראו היתכנות בניצול EEG פולשני כדי לפענח קינמטיקה בהליכון ההליכה תנופת מתן 7,8 לפיתוח ממשק מוח מכונה (BMI) כדי לשחזר את ההליכה באמצעות אותות מהמוח. שיטות פענוח תחום בזמן המבוססים על אפנון משרעת של אותות EEG דלתא להקה יש גם הוכח להיות רגיש לרכיבי artifactual 7,8. עם זאת, מחקרי הליכון יתקיימו בסביבה מבוקרת שבמהלכו החזון והתנועה של המשתמשמוגבל, וכך להגביל את הזיהום של פעילות עצבית עקב גירויים חיצוניים. באמצעות שילוב של רישום נתונים אלחוטי, פרוטוקול זה מאפשר לאוסף של EEG המסונכרן, EMG, ונתונים kinematic במגוון רחב של משימות תנועה וסביבות. שילוב של חיישני אינרציה למעקב אחר תנועה דורש יותר חישוב ועיבוד לא מקוון כדי לחלץ קינמטיקה ממערכת לכידת תנועה, וכתוצאה מכך צעדים מכילים קטן – אך מקובל – מרווח טעות שלא יהיה נוכח במצלמה מבוססת מערכת 22. קשיי ניהול אלה הם הכרח להקים פרוטוקול ניסוי המאפשר לימוד סלולרי של התנהגותי קוגניטיבי, מוטורית בסביבות משתנה. כפי שנאמר במקום אחר 10,11, התקנה כזו היא כמעט בלתי מוגבלת בשאלות המחקר שניתן לטפל. ההתמקדות שלנו בעתיד הקרוב תהיה בנושאים קריטיים לפיתוח של ה-BMI לשיקום של עמידה והליכה בעקבותפגיעה מוחית ונוירופתיה. מרכיב מרכזי אחד, כפי שהוזכר לעיל, יהיה פיתוח של אסטרטגיות חדשניות לפענוח חזק ממשקי המוח מכונה למערכות רובוטיות שיקום שיכול לדחות את הממצאים פיסיולוגיים ומכאניים כדי לשחזר את התנועה באמצעות אותות שנמדדו מהמוח. לדוגמה, ההליכה במסדרון הפרוטוקול מתבצע במרחב ציבורי עם אנשים אחרים הנמצאים במהלך איסוף הנתונים, ובכך מספק מיטת בדיקה לפיתוח טכניקות פענוח העצבית בסביבה הטבעית. שאלות מחקר אחרות בעלי עניין בשימוש בפרוטוקול זה כוללים השוואת הפרדיגמות שיקום רובוטיות מעורבות אימוני הליכה קצביים לעומת הלא קצביים, ולימוד של פעילות עצבית במהלך התאוששות תפקודית בעקבות פציעה בשלבים אקוטיים וכרוניים.
Disclosures
The authors have nothing to disclose.
Acknowledgements
עבודה זו נתמכה על ידי המכון הלאומי להפרעות נוירולוגיות והשבץ (NINDS) להעניק # R01NS075889-01. מחקר זה נתמך בחלקו על ידי תכנית המחקר העירונית של NIH, המרכז קליני. המחברים גם להודות Shahriar איקבל וYongtian הוא לסיוע באיסוף הנתונים. עלות פרסום גישה הפתוחה של מאמר זה מומנה על ידי APDM, Inc (פורטלנד, או; http://apdm.com).
Materials
| Name | Company | Quantity | |
| BrainAmp Amplifier | Brain Products, Gmbh | Quantity: 2 | |
| actiCAP EEG cap with 64 electrodes | Brain Products, Gmbh | Quantity:1 | |
| Brainvision MOVE wireless EEG system | Brain Products, Gmbh | Quantity:1 | |
| DataLOG MWX8 EMG data collection unit | Biometrics, Ltd. | Quantity:1 | |
| SX230 EMG electrodes | Biometrics, Ltd. | Quantity:8 | |
| R506 EMG ground electrode | Biometrics, Ltd. | Quantity:1 | |
| Opal movement monitor (MARG sensor) | APDM, Inc. | Quantity:11 | |
| Opal docking station for wireless data streaming | APDM, Inc. | Quantity:2 | |
| Opal wireless access point | APDM, Inc. | Quantity:2 | |
| Infrared Light Barrier Kit MK120 | Velleman, Inc. | Quantity:5 | |
| Wixel Programmable USB Wireless Module | Pololu, Inc. | Quantity:6 | |
| Table 1. Equipment |
References
- Choi, J. T., Bastian, A. J. Adaptation reveals independent control networks for human walking. Nature Neuroscience. 10 (8), 1055-1062 (2007).
- Grillner, S., Wallen, P., et al. Neural bases of goal-directed locomotion in vertebrates – an overview. Brain Research Reviews. 57, 2-12 (2008).
- Petersen, T. H., Willerslev-Olsen, M., Conway, B. A., Nielsen, J. B. The motor cortex drives the muscles during walking in human subjects. Journal of Physiology. 590 (10), 2443-2452 (2012).
- Fitzsimmons, N. A., Lebedev, M. A., et al. Extracting kinematic parameters for monkey bipedal walking from cortical neuronal ensemble activity. Frontiers in Integrative Neuroscience. 3, 3 (2009).
- Harada, T., Miyai, I., Kubota, K. Gait capacity affects cortical activation patterns related to speed control in the elderly. Experimental Brain Research. 193 (3), 445-454 (2009).
- Gwin, J. T., Gramann, K., Makeig, S., Ferris, D. P. Electrocortical activity is coupled to gait cycle phase during treadmill walking. Neuroimage. 54, 1289-1296 (2011).
- Presacco, A., Goodman, R., Forrester, L., Contreras-Vidal, J. L. Neural decoding of treadmill walking from noninvasive electroencephalographic signals. Journal of Neurophysiology. 106, 1875-1887 (2011).
- Presacco, A., Forrester, L. W., Contreras-Vidal, J. L. Decoding intra-limb and inter-limb kinematics during treadmill walking from scalp electroencephalographic (EEG) signals. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 20 (2), 212-219 (2012).
- Wagner, J., Solis-Escalante, T., et al. Level of participation in robotic-assisted treadmill walking modulates midline sensorimotor EEG rhythms in abled-bodied subjects. NeuroImage. 63, 1203-1211 (2012).
- Makeig, S., Gramann, K., et al. Linking brain, mind, and behavior. International Journal of Psychophysiology. 73, 95-100 (2009).
- Gramann, K., Gwin, J. T., et al. Cognition in action: imaging brain/body dynamics in mobile humans. Reviews in the Neurosciences. 22, 593-608 (2011).
- Wilson, J. A., Schalk, G., et al. Using an EEG-based brain computer interface for virtual cursor movement with BCI2000. J. Vis. Exp. (29), e1319 (2009).
- Brummer, V., Schneider, S., et al. Coherence between brain cortical function and neurocognitive performance during changed gravity conditions. J. Vis. Exp. (51), e2670 (2011).
- Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods. 134 (1), 9-21 (2004).
- Makeig, S., Bell, A. J., et al. Independent component analysis of electroencephalographic data. Advances in Neural Information Processing Systems. 8, 145-151 (1996).
- Rong, F., Contreras-Vidal, J. L. Magnetoencephalographic artifact identification and automatic removal based on independent component analysis and categorization approaches. Journal of Neuroscience Methods. 157, 337-354 (2006).
- Gwin, J. T., Gramann, K., Makeig, S., Ferris, D. P. Removal of movement artifact from high-density EEG recorded during walking and running. Journal of Neurophysiology. 103, 3526-3534 (2010).
- Liao, L. D., Wang, I. J., Chen, S. F., Chang, J. Y., Lin, C. T. Design, fabrication, and experimental validation of a novel dry-contact sensor for measuring electroencephalography signals without skin preparation. Sensors. 11, 5819-5834 (2011).
- Liao, L. D., Lin, C. T., et al. Biosensor technologies for augmented brain-computer interfaces in the next decades. Proceedings of the IEEE. 100, 1553-1566 (2012).
- Farina, D., Merletti, R., Enoka, R. M. The extraction of neural strategies from the surface EMG. Journal of Applied Physiology. 96, 1486-1495 (2004).
- Flint, R. D., Ethier, C., et al. Local field potentials allow accurate decoding of muscle activity. Journal of Neurophysiology. 108, 18-27 (2012).
- Luinge, H. J., Veltink, P. H. Measuring orientation of human body segments using miniature gyroscopes and accelerometers. Medical & Biological Engineering & Computing. 43, 273-282 (2005).
