同時頭皮脳波（EEG）、筋電図（EMG）、およびマルチモーダル神経復号化するための全身分節慣性録音
Summary
二足歩行の復旧·復興のための効果的なブレインマシンインターフェイス（BMI）システムの開発では、ユーザーの意図を正確にデコードが必要になります。ここでは、同時、非侵襲的な神経活動の買収、筋活動、様々な運動タスクと状態の間に全身運動のための新たな実験プロトコルとデータ収集技術を提示する。
Abstract
最近の研究では、二足歩行の人間の歩行の制御における脊柱上のネットワークの関与をサポートしています。この証拠の一部は、トレッドミル歩行中の歩行運動と四肢の調整が合理的に高いデコード精度と頭皮脳波（EEG）から推測できることを実証し、我々の前の仕事を含め、研究を包含する。これらの結果は、修復および/またはリハビリテーション研究の歩行 – 第一の目標の増強で使用するための非侵襲的脳マシンインターフェース（BMI）システムの開発のための原動力を提供します。現在までに、歩行時の活動の脳波解読を調べる研究は、制御された環境でのトレッドミル歩行に限定されていた。しかし、実質的に実行可能であることがBMIシステムは、歩行と旋回地面上などの日常運動の作業で使用するための適用でなければなりません。ここでは、非侵襲的な脳活動の集合（EEG）、筋活動（筋電図（EMG））のための新規なプロトコルを提示し、Wholおよびタスクを歩行両方トレッドミルの間とグランド経由で電子体運動学的データ（頭、胴、および四肢の軌跡）。収集することにより、制御されていない環境洞察力で、これらのデータはEEG頭皮から歩行と表面筋電図を制約のないコーディングの実現可能性について、得ることができる。
Introduction
このプロトコルは、EMG、EEG同時にを記録するために3つのデータ収集システムを使用し、全身運動（ 図1、表1）。被験者は歩きながら、EEGデータは1,000 Hzでのサンプリング周波数で64チャンネルからワイヤレスで収集されます。前脛骨筋（TA）、腓腹筋（ガスト）、大腿二頭筋（BF）と、外側広筋（VL）：電（EMG）は4筋肉群で両側に配置された表面電極から1,000 Hzで収集されます。キネマティックデータは、歩行時の動きを記録するために頭部、上半身、腰部、腕、太もも、すね、足に取り付けられた11ワイヤレスセンサから128 Hzで収集されます。各センサは三軸磁力計、三軸ジャイロスコープ、および三軸加速度計（ すなわち MARGセンサー）が含まれています。
データは、各システムから収集し、単一のホストPCによって時間的に同期されます。同期は、連続セリを介して送信されるトリガ信号を用いて達成される同時に3つのすべてのデータ·システムによってアクセスら通信リンク。トリガーは、簡単なボタンスイッチとして実装されました。押されていない場合にヌル信号（0）が送信される時にボタンが押されたときにトリガ信号（1）は、ホストPCに送信される。下記のプロトコールに記載されているように、トリガーボタンを押しても、対象のオーディオキューとして使用0.5秒のトーンを引き出す。位置は、後述する実験を歩行時に地面の上にトリガするように赤外線（IR）近接センサ5組を使用するために作製した。 IR信号がトリガ信号を遮断された場合（1）無線周波数（RF）手動トリガ·ボックスとの接続を介してシリアルリンクを介してホストPCに送信される。
カスタムC + +アプリケーション、録画したデータを同期化するために開発された、各システムが提供するソフトウェア開発キット（SDK）を利用する。コードは、マルチスレッド技術を採用し、各システムからのデータ保存（EEG、EMG、そしてMARGs）のための機能は、個人ラージヒルに含まれていますidualスレッド。ソフトウェアアルゴリズムを図2に示されている。データ収集は、アプリケーションが実行されたときに始まり、 'q'はキーが押されたときに終了する。 5つのスレッドは、アプリケーション実行時に活性化される。一つのスレッド（ 図2）は、シリアル接続からのトリガ信号の値（0または1）を監視します。初期トリガー値はゼロです。トリガを受信したときに（ボタンが押されたり、IRセンサ対の間の視線が壊れているとき、即ち ）グローバルトリガ変数を1に設定される。彼らはデータ収集スレッド内でリセットされるまで、これらの変数は1のまま。
EEGスレッドがリモートTCP / IPプロトコルを使用してリアルタイムで頭皮EEGデータにアクセスします。データは、対応するサンプリング周波数（1,000 Hz）での線で、テキストファイルの行に書き込まれる。カラムは2-65 64 EEGチャネルである一方、グローバルEEGトリガー信号が、最初の列に書き込まれる。グローバルEEGトリガ信号が1であった場合、それはゼロにリセットされる。データEEGのスレッドが終了するまで書き込みは継続します。二つの独立したスレッドレコードは、センサデータをマーグ。 11無線MARGセンサが無線伝送に問題が発生した場合にデータの損失を防ぐために、個々のセンサーにデータをバッファリング堅牢なストリーミングモードで製造元のソフトウェアを使用してデータを送信するため、2つのスレッドが必要である。このバッファは、リアルタイムのデータ転送を低下させる。つのセンサは、すべてのセンサー11がそのバッファ内のその時点を保持し、次の利用可能なサンプル点でそれを送信するために与えられたサンプルデータを送信することができない場合。 MARG無線データ転送は必然的にEEG遅れて、データ収集を停止した後従ってマーグセンサはホストPCにオフロードバッファリングされたデータに時間を必要とする。この問題を解決するために、2つのスレッドがMARGデータ収集アルゴリズム（ 図2）に使用される。 EEGスレッドが収集している間、最初のスレッドは、センサーのサンプリング周波数（128 Hz）でグローバルMARGトリガ変数からMARGトリガバッファに移入データ。データ収集は、トリガバッファへの書き込みを停止したときにも終了します。 MARGねじ（ 図2）は、センサからのデータを受信し、EEGデータと同様に、ファイルに書き込み、センサSDKの関数を利用する。つまり、最初の列はグローバルMARGトリガ（MARGトリガバッファから得られる）の値であり、次の99列は11 MARGセンサー（マーグ単位当たり9センサー）からの値です。 MARGトリガ·バッファの時間インデックスがスレッドの実行が終了した時点で、EEGデータの最後の時間インデックスに等しくなるまで。MARGスレッドは、データを書き込む
EEGとMARGデータとは異なり、EMGデータはワイヤレスで記録されません。その代わりに、EMGデータは、データ·ロギングユニット内のSDカードに記録されています。信号は、SDカードへのデータ書き込みを開始および停止するBluetooth接続を介して送信される。まず始めに、マニュアルトリガがEEGスレッドによって受信されたときの書き込みが始まります。データの書き込みは、EEGで停止'q'はボタンが押された糸。
以下のプロトコルは、ヒューストン大学の治験審査委員会で検討し、承認された。すべての被験者は、受信、読み取り、および参加の前に同意書に署名した。
Protocol
Representative Results
Discussion
ここで紹介するプロトコルは、同時に機関車のさまざまなタスク間に脳活動、筋活動、および全身運動を記録するために一緒に3つのデータ収集システムをもたらす。プロトコル全体の完了は、主題の準備の1時間を含め、約3時間かかります。各システムは上に取り付けられ、被検体で移動する。したがって、それぞれの新しい試験の開始前に脳波と筋電図の電極の接続を確認することが重要です。これは簡単にデータをホストPC上でグラフィックインターフェースを用いてリアルタイムで検査することができるようにそれぞれのメーカーによって提供されるソフトウェア·パッケージを使用して行うことができる。データ収集アプリケーションは、これらのソフトウェアパッケージは、検証プロセスを簡素化し、実行する必要があり。さらに、注意がMARGセンサーが確実にそれぞれの裁判の前に被検者に接続されていることを注意しなければならない。
EEGとMARGデータが2.4-2.5 GHzのワイヤレスを介して送信されますスペクトル範囲。他の多くの電子機器は、この周波数帯を使用しているので、実験環境内の無線インタフェースの可能性を検討することが重要である。データ収集の重要な態様は、無線干渉に対するロバスト性を提供し、モバイルカートと被写体の間の視線の可視性です。 EEG無線受信機とマーグアクセスポイント（ 図1）の両方が接続忠実度を示すためにLEDを提供します。ホストPCとEEGとMARGセンサー用無線レシーバは、視力の直接ラインを維持し、被写体が地面の上歩いて無線データ伝送を最大化するために、モバイルカートに配置されます。私たちは、堅牢なデータ収集が最良被写体の5メートル、タスクのいずれかの間に被写体の動きを制限するものではありませんでした距離内の移動カートを保つことによって維持されたが見つかりました。 C + +アプリケーションは、無線cが中断によるデータ損失に対するロバスト性を提供するために、データ収集のための複数のスレッドを用いるEEGのonnection。 EEG接続が失われた場合、マーグとEMGデータがまだ記録されますが、EEGデータは、これらの時点で利用できなくなります。 MARGセンサはEMGデータ部をロギングモバイルデータ内のSDカードに保存されている間に、無線接続時のデータ損失を防ぐために、上述のようにバッファリングユニットに提供する。
歩行時の脳波データの収集と共通の問題は、信号におけるアーチファクトの存在である。実験プロトコルの実行中にそのような電極および/またはケーブルの動きなどの生理点滅含むアーティファクトの発生源、目の動き、顔の筋活動、心拍、機械アーティファクト：大まかに言えば、アーティファクトは2つのグループに分割することができます。アーティファクト除去は継続中の研究の話題であり、独立成分分析15,16およびチャネルベースのテンプレート回帰手順17のような技術が含まれています。アーティファクトの最小化と除去は広報の重要なステップです体動の神経復号化のためのデータのeprocessing。ここで紹介する設定は、EEG電極ケーブルにおける先行研究と類似している単一のコネクタにバンドルされていました。これらの研究から得られた結果は、ケーブル揺れや動きによる機械的アーチファクトが神経活動7,8から運動のデコードに役割を果たしていなかったことを示している。これらの結果は、歩行関連する成果物が歩行速度17を緩和するのが遅いで実体のないだったと結論付けて、他の研究によってサポートされています。しかし、この実験は座るツースタンド遷移を含む以前の研究よりも、体の多くの運動を必要とする活動中に脳波測定、地面上のため、ウォーキング、、旋回、そして、生の脳波データの慎重な検討が可能性を識別するために行われなければならない機械的なアーティファクトからの汚染。まだ広く利用されていないが、これらの潜在的な問題は、現在のプロトコルに小説、ハードウェアの統合を通じて解決することができます。このようなハードウェア株式会社運動18時の皮膚電極接触インピーダンスを改善する可能性があるアクティブEEG電極（このプロトコルで使用される）と、バネ式、乾式EEGの電極を、ludes。これらの技術は、モーションアーチファクト19の影響を低減することができる無線EEGシステムに組み込まれている。小説ハードウェアの統合にもかかわらず、このプロトコルは、体のすべてのセグメントがインストルメント16されているため運動とEMGアーチファクト除去のための新規アルゴリズムの開発を継続するためのユニークな機会を提供します。私たちは、EEG、EMG、現在利用可能なEEGセットアップに適用できる堅牢なアーティファクト除去パラダイムを開発するために、セグメントの動きの間に時系列相関と周波数領域の一貫性を研究していく予定です。当社のデコード方法はアーティファクト7,8に対するロバスト性を示しているが、これらの方法は、本プロトコルにおいて、より複雑なシナリオの下で検討する。
記録面の特長EMGは、多くの要因に依存していて、神経戦略の研究のための表面筋電図信号の解釈は、その対価20を必要とします。このプロトコルで使用される皮膚の準備とEMG電極配置のための厳密な手順は表面筋電図信号に対して非生理学的因子の影響を最小にするように設計された。このプロトコルによって記録されたEMGの振幅と周波数は、純モータユニット活動に関連しているので、記録を所望筋の神経活性の直接的表現として解釈されるべきではない。しかし、表面筋電図信号と神経活性化の相対的変化（運動単位の放電時間を識別するなど ）を決定するために筋活動パターンに貴重な洞察を提供することができEMG信号を分解することによって筋肉に神経ドライブを推定するためのより高度な方法を慎重に検討20。また、神経復号のコンテキスト内で、脳活動ものの侵襲的に取得された表面筋電図21に関する情報が含まれていることが示されているが、それはEEG頭皮も、歩行運動に加えて、歩行時の下肢の筋活動を復号するために使用することができるかどうかを現時点では不明である。私たちは、このプロトコルは、私たちは、非侵襲的脳イメージングモダリティの減少空間分解能は、個々の筋肉に関連する神経活動を分離するのに十分であるかどうかを調べることができるでしょう期待しています。
以前の研究では、脳からの信号を用いた歩行復元するために、脳マシンインターフェース（BMI）の開発のための原動力を提供する7,8トレッドミル歩行時の運動をデコードするために非侵襲的なEEGを利用しての実現可能性を示している。デルタ帯域EEG信号の振幅変調に基づく時間領域の復号方法はまた、人為的コンポーネント7,8に鈍感であることが示されている。しかし、トレッドミルの研究では、中にユーザのビジョンとモーション制御された環境で行われるそれによって外部の刺激に起因する神経活動の汚染を制限し、制限されています。無線データロギングの取り込みを通じ、このプロトコルは運動タスクとさまざまな環境中に同期、EEG、EMG、そして運動データの収集を可能にします。モーショントラッキングのための慣性センサの統合は、モーションキャプチャシステムよりも運動を抽出するために多くの計算およびオフライン処理を必要とし、得られた対策が小さい含める-が、許容される-システム22基づいて、カメラで存在することができないだろう誤差が。これらの扱いの困難は環境の変化で認知運動行動のモバイル研究を可能にする実験プロトコルを確立するための必需品です。他の場所で10,11論じたように、このようなセットアップは対処することができる研究課題はほぼ無限です。近い将来、我々の焦点は、立って、歩いて、次のリハビリのためにBMIの開発に重要な問題になります脳損傷と神経障害。上記のように一つの重要なコンポーネントは、脳から測定された信号を使用して動きを復元するために、生理学的および機械的なアーティファクトを拒否することができリハビリテーションロボットシステムへのブレインマシンインタフェースのための新規な堅牢なコーディング戦略の開発になります。例えば、廊下歩行プロトコルは、データ収集の間に存在する他の人々と公共空間で実行されるため、自然環境の中で神経復号化技術の開発のためのテストベッドを提供しています。このプロトコルを使用して関心のある他の研究課題では、リズミカルな対非リズミカルな歩行訓練を含むリハビリテーションロボットのパラダイムを比較し、急性および慢性の両相における損傷後の機能回復時の神経活動の研究が含まれています。
Disclosures
The authors have nothing to disclose.
Acknowledgements
この作品は、神経疾患の国立研究所によってサポートされており、ストローク（NINDS）＃R01NS075889-01を付与しました。この研究は、NIH臨床センターの学内研究プログラムによって部分的にサポートされていました。著者はまた、データ収集の支援についてShahriarイクバルとYongtian彼に感謝します。この記事のオープンアクセス出版の費用はAPDM社（;オレゴン州ポートランドが主催した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).
