Eşzamanlı Derisi Elektroensefalografi (EEG), elektromiyografi (EMG) ve Multi-modal Sinir kod çözme için Tüm vücut bölüm Ataletsel Kayıt
Summary
Iki ayaklı hareket restorasyonu ve rehabilitasyonu için etkili bir beyin-makine arayüzü (BMI) sistemi geliştirilmesi kullanıcının niyet doğru çözme gerektirir. Burada aynı anda non-invaziv nöral aktivitenin satın alma, kas aktivitesi ve çeşitli hareket görevleri ve koşullarında tüm vücut kinematik için yeni bir deneysel protokol ve veri toplama tekniği mevcut.
Abstract
Son çalışmalar iki ayaklı insan yürüme kontrolü supraspinal ağların katılımını destekler. Bu kanıt bir parçası koşu bandı yürüyüş sırasında yürüyüş kinematik ve bacak koordinasyonu oldukça yüksek çözme doğruluk ile kafa derisi elektroensefalografi (EEG) da anlaşılacağı gösteren, daha önceki çalışmaları dahil olmak üzere, çalışmaları kapsar. Bu sonuçlar restorasyon ve / veya rehabilitasyon araştırma yürüyüş-birincil hedef büyütme kullanılmak üzere non-invaziv beyin-makine arayüzü (BMI) sistemlerinin geliştirilmesi için ivme sağlar. Bugüne kadar, yürüyüş sırasında aktivite EEG çözme inceleyen çalışmalar kontrollü bir ortamda koşu bandı yürüyüş ile sınırlı kalmıştır. Ancak, pratik olarak uygulanabilir olduğu bir BMI sistemi, yürüme ve dönüm zemin üzerinde gibi günlük lokomotor görevleri kullanmak için geçerli olmalıdır. Burada, bir beyin aktivitesinin non-invaziv toplama için yeni protokol (EEG), kas aktivitesi (elektromiyografi (EMG)), ve whol mevcuthem koşu bandı sırasında ve zemin üzerinde e-vücut kinematik veri (baş, gövde ve bacak yörüngeleri) görevleri yürüme. Toplayarak kontrolsüz ortamda fikir bu verilerin EEG derisi yürüyüş ve yüzey EMG kısıtsız çözme fizibilite ile ilgili elde edilebilir.
Introduction
Bu protokol aynı zamanda EEG, EMG, ve tüm vücut kinematik (Şekil 1, Tablo 1) kaydetmek için üç veri toplama sistemleri kullanır. Konular yürürken EEG veri 1.000 Hz örnekleme frekansında 64 kanal kablosuz olarak toplanır. Tibialis anterior (TA), gastrokinemius (Gast), biseps femoris (BF) ve vastus lateralis (VL): Elektromiyografi (EMG) dört kas grupları üzerinde bilateral yerleştirilen yüzey elektrotları ile 1000 Hz toplanır. Kinematik veri yürüyüş sırasında hareket kaydetmek için 11 kafasına monte kablosuz sensörler, üst gövde, bel bölgesi, kollar, uyluk, Shanks ve ayak 128 Hz toplanır. Her sensör bir üç eksenli manyetometresi, üç eksenli jiroskop ve üç eksenli ivme (yani MARG sensörü) içerir.
Veri her sistem toplanan ve tek bir ana bilgisayar ile zaman içinde eşitlenir. Senkronizasyon sürekli bir seri üzerinden gönderilen bir tetikleme sinyali kullanılarak gerçekleştiriliraynı anda her üç veri sistemleri tarafından erişilebilir al iletişim bağlantısı. Tetikleyici basit bir düğmeyi olarak uygulanmıştır. Basılı değil zaman boş bir sinyal (0) gönderilir, düğmeye bir tetikleme sinyali basıldığında (1), ana bilgisayara gönderilir. Aşağıdaki protokolde tarif edildiği gibi tetik tuşuna basılması, konu ile ilgili bir ses işaret olarak kullanılan 0,5 saniye tonu ortaya çıkarır. Konumu aşağıda açıklanan deneyler yürüme üzerinde zemin sırasında tetikler olarak kızılötesi (IR) yakınlık sensörleri beş çift kullanımı için hazırlandı. IR sinyali tetikleme sinyali kesildiğinde (1) bir radyo frekansı (RF) el tetik kutusu bağlantısı ile seri bağlantı üzerinden ana bilgisayara gönderilir.
Özel bir C + + uygulama, kayıt ve verileri senkronize için geliştirilmiştir, her sistem tarafından sağlanan yazılım geliştirme kiti (SDK) kullanarak. Kod, çoklu iş parçacığı tekniği kullanır; her sisteminden tasarruf veri (EEG, EMG ve Margs) fonksiyonları indiv bulunuridual konuları. Yazılım algoritması Şekil 2'de gösterilmiştir. Veri toplama, uygulama çalıştırıldığında başlar ve 'q' tuşuna basıldığında sona erer. Beş konuları uygulama yürütme üzerine aktif hale gelir. Bir iş parçacığı (Şekil 2) seri bağlantı gelen tetikleme sinyalinin değeri (0 veya 1) izler. İlk tetiği değeri sıfırdır. Bir tetikleyici alındığında (düğmesine basıldığında veya kızılötesi sensör çifti arasındaki görüş hattı kırık olduğunda yani) küresel tetik değişkenler 1 olarak ayarlanır. Onlar veri toplama konuları içinde sıfırlanır kadar bu değişkenler 1 kalır.
EEG iplik uzaktan TCP / IP protokolü kullanarak gerçek zamanlı olarak kafa derisi EEG verileri erişir. Veri karşılık gelen örnekleme frekansı (1000 Hz) doğrultusunda bir metin dosyasına satır yazılır. Sütunlar 2-65 64 EEG kanalı ise küresel EEG tetikleme sinyali, ilk sütun yazılır. Küresel EEG tetikleme sinyali 1 ise, bu sıfırlanır. VeriEEG iplik sona kadar yazma devam eder. İki bağımsız konuları kayıt sensör verileri Marg. 11 kablosuz MARG sensörler kablosuz iletim sorunları durumunda veri kaybını önlemek için bireysel sensörler veri tamponlar sağlam akışı modunda üreticinin yazılımını kullanarak veri iletimi için iki iş parçacığı gereklidir. Bu tamponlama gerçek zamanlı veri transferi düşürür: Bir sensör Tüm 11 sensörleri kendi tampon o zaman noktası korumak ve bir sonraki örnek noktada iletmek belirli bir örnek için veri iletimi mümkün olup olmadığını. MARG kablosuz veri transferi kaçınılmaz EEG gerisinde kalıyor; veri toplama durdurulduktan sonra böylece Marg sensörler ana bilgisayara boşaltma tamponlu veri için zamana ihtiyacım var. Bu sorunu aşmak için, iki konuları MARJ veri toplama algoritması (Şekil 2) kullanılmaktadır. EEG iplik topluyor ise ilk iplik sensörü örnekleme frekansında küresel MARG tetik değişken (128 Hz) bir MARG tetik tampon doldururveri. Veri toplama tetiği tampon yazılı durduğunda da sona erer. MARG Konu (Şekil 2) sensörlerden gelen verileri almak ve EEG veri olarak aynı şekilde bir dosyaya yazmak için sensör SDK fonksiyonları kullanır. Yani, ilk sütun 11 MARG sensörler (MARG birim başına 9 sensörleri) değerleri olan küresel MARG tetik (MARG tetik tampon elde edilen) ve aşağıdaki 99 sütun değerdir. MARG tetik tampon zaman indeksi noktası iplik yürütme sona hangi EEG verilerinin en son ne zaman indeksi eşittir kadar MARG Konu veri yazar.
EEG ve MARG verileri farklı olarak, EMG verileri kablosuz olarak kaydedilmez. Bunun yerine, EMG verileri veri kaydı birim içinde bir SD kartına kaydedilir. Bir sinyal SD kartına yazma veri başlatmak ve durdurmak için bir Bluetooth bağlantısı üzerinden gönderilir. Ilk manuel tetik EEG iş parçacığı tarafından alındığında Yazma başlar. Veri yazma EEG ile durur'q' düğmesine basıldığında konu.
Aşağıdaki protokol Houston Üniversitesi Kurumsal Değerlendirme Kurulu tarafından incelenmiş ve onaylanmıştır. Tüm olgular alınan, okuma, ve katılım öncesinde bir onam formunu imzaladı.
Protocol
Representative Results
Discussion
Burada sunulan protokol lokomotif çeşitli görevleri sırasında birlikte üç aynı anda beyin aktivitesini kaydetmek için veri toplama sistemleri, kas aktivitesi, ve tüm vücut kinematiği getiriyor. Tüm protokol tamamlanması konusu hazırlanması 1 saat de dahil olmak üzere, yaklaşık 3 saat sürer. Her sistem üzerine monte edilmiş, ve konu ile hareket eder. Bu nedenle, önce her yeni deneme başlangıcına EEG ve EMG elektrot bağlantıları doğrulamak için çok önemlidir. Bu kolayca ana bilgisayar üzerinde grafik arayüz kullanarak gerçek zamanlı olarak incelenmesi gereken veri sağlayan ilgili üretici tarafından sağlanan yazılım paketleri kullanılarak yapılabilir. Veri toplama uygulaması bu yazılım paketleri doğrulama sürecinin basitleştirilmesi, çalışıyor olması gerekir. Ayrıca, bakım MARG sensörler sağlam her deneme önce konuya bağlı dikkat edilmelidir.
EEG ve MARG veri 2.4-2.5 GHz üzerinden kablosuz olarak iletilirspektrum aralığı. Diğer birçok elektronik cihazlar bu frekans bandı kullandığı için, bu deney ortamında kablosuz arayüz olasılığını dikkate almak önemlidir. Veri toplama bir kritik yönü kablosuz müdahale için dayanıklılık sağlayan mobil kart ve konu arasında line-of-görüş görünürlük. EEG kablosuz alıcı ve MARG erişim noktaları (Şekil 1) Her iki bağlantı sadakat göstermek için LED'ler sağlar. Ana bilgisayar ve EEG ve MARG sensörler için kablosuz alıcıları doğrudan görüş hattında korumak ve bu konuda zemin üzerinde yürürken kablosuz veri iletimi üst düzeye çıkarmak için bir mobil kart yerleştirilir. Biz sağlam veri toplama iyi konunun 5 metre, görevleri sırasında herhangi bir hedefin hareket kısıtlamak değil bir mesafe içinde mobil kart tutarak devam edildi bulundu. C + + uygulama nedeniyle kablosuz c kesintiye veri kaybına sağlamlık sağlamak için veri toplama için birden çok iş parçacığı kullanırEEG onnection. EEG bağlantısı kesilirse, MARG ve EMG veriler hala kaydedilir, ancak EEG veri o zaman noktaları için geçerli olacak. EMG verileri mobil veri giriş birimi içinde bir SD kartta kayıtlı ise, kablosuz bağlantı durumunda veri kaybını önlemek için yukarıda anlatıldığı gibi Marg sensörleri-birim tamponlama sağlar.
Yürüme sırasında EEG veri toplama ile ortak bir sorunu sinyalleri eser varlığıdır. Yanıp söner, göz hareket, yüz kas aktivitesi, kalp atım ve bu deneysel protokol yürütülmesi sırasında elektrotlar ve / veya kabloların hareket gibi mekanik eserler de dahil olmak üzere eserler fizyolojik kaynakları: Genel olarak, eserler iki gruba ayrılabilir. Artifact kaldırma devam eden araştırma bir konudur ve bağımsız bileşen analizi 15,16 ve kanal tabanlı şablon regresyon işlemleri 17 gibi tekniklerini içerir. Artifact minimizasyonu ve kaldırma pr çok önemli bir adımdırvücut hareketlerinin nöral çözme için veri eprocessing. Burada sunulan kurulum bu EEG elektrot kablolarında önceki çalışmalarda tek bir bağlantı bindirildiğini edildi benzer. Bu çalışmalardan elde edilen sonuçlar kablo sallanma veya hareket nedeniyle mekanik eserler sinirsel aktivite 7,8 den hareket çözme rol oynamadı göstermektedir. Bu sonuçlar, yürüyüş benzeri el hızları 17 yürüyüş orta yavaş olarak asılsız olduğu sonucuna diğer çalışmalarla desteklenmektedir. Ancak, bu deney sit-kalk geçişler dahil olmak üzere önceki çalışmalarda bulunan sonuçlara göre vücudun daha fazla hareket gerektiren faaliyetleri sırasında EEG ölçer, zemin üzerinde böylece yürüme ve dönüm, ve, ham EEG verilerin dikkatle incelenmesi potansiyel belirlemek için yapılmalıdır mekanik eserler bulaşma. Henüz yaygın olmasa da, bu olası sorunları mevcut protokole yeni donanım entegrasyonu ile çözülebilir. Bu donanım inchareketi 18 sırasında cilt elektrot temas empedansı artırmak için potansiyeline sahip aktif EEG elektrotları (Bu protokolde kullanılan) ve yaylı, kuru EEG elektrotları, Ludes. Bu teknolojiler hareket eserler 19 etkisini azaltabilir hangi kablosuz EEG sistemleri dahil edilmektedir. Yeni donanım entegrasyonu rağmen, bu protokol vücudun her kesimi aletli 16 olmuştur, çünkü hareket ve EMG eser reddi için yeni algoritmalar geliştirmek devam etmek için eşsiz bir fırsat sunuyor. Biz EEG, EMG, ve mevcut EEG kurulumları için geçerli sağlam eser ret paradigmaları geliştirmek segmentinde hareket arasındaki zaman serisi korelasyon ve frekans uyumu çalışma planlıyoruz. Bizim çözme yöntemleri eserler 7,8 karşı dayanıklılık göstermiştir; bu yöntemlerin mevcut protokolde daha karmaşık senaryolar altında incelenecektir.
Kaydedilen yüzey özellikleriEMG birçok faktöre bağlıdır, ve sinir stratejilerinin çalışma için yüzey EMG sinyallerinin yorumlanması onların dikkate 20 gerektirir. Bu protokolde kullanılan cilt hazırlığı ve EMG elektrot yerleştirme için sıkı kurallara yüzey EMG sinyalleri olmayan fizyolojik faktörlerin etkisini en aza indirmek için tasarlanmıştır. Bu protokol tarafından kaydedilen EMG genliği ve frekansı net motor ünite aktivitesi ile ilgili, ve bu nedenle kayıt istenilen kas nöral aktivitenin doğrudan bir temsili olarak yorumlanmamalıdır. Ancak, yüzey EMG sinyal ve nöral aktivasyon göreli değişiklikleri (motor ünitelerinin deşarj kez tanımlayarak gibi) belirlemek için kas aktivasyon kalıpları içine değerli bilgiler sağlayabilir EMG sinyal ayrıştırarak kas sinir sürücü tahmin etmek için daha gelişmiş yöntemler dikkatli bir değerlendirme 20. Ayrıca, sinir çözme bağlamında, her ne kadar beyin aktivitesiinvazif satın yüzey EMG 21 hakkında bilgi içeren gösterilmiştir, bu EEG kafa derisi de yürüme kinematik ek olarak yürüme sırasında alt ekstremite kas aktivitesi çözmek için kullanılabilir olup olmadığını şu anda bilinmemektedir. Bu protokol bize non-invaziv beyin görüntüleme yöntemlerinin düşük uzaysal çözünürlüğü bireysel kasları ile ilgili sinirsel aktivite izole etmek için yeterli olup olmadığını incelemek için izin verecek bekliyoruz.
Önceki çalışmalar geri yüklemek için bir beyin makine arayüzü (BMI) geliştirilmesi için 7,8 sağlayan ivme beyin den gelen sinyalleri kullanan yürüme yürüyüş koşu bandı sırasında kinematik çözmek için invaziv olmayan EEG kullanan fizibilite göstermiştir. Delta-bant EEG sinyallerinin genlik modülasyonu dayanan ve zaman etki alanı çözme yöntemleri de artefakt bileşenleri 7,8 duyarsız olduğu gösterilmiştir. Ancak, koşu bandı çalışmalar kontrollü bir ortamda gerçekleşecek sırasında kullanıcının vizyon ve hareketböylece dış uyaranlara bağlı nöral aktivitenin kirlenme sınırlayıcı, sınırlıdır. Kablosuz veri kaydı dahil edilmesi sayesinde, bu protokol hareket görev ve ortamlarda çeşitli sırasında senkronize, EEG EMG ve kinematik verilerin toplanması sağlar. Hareket izleme için atalet sensörlerin entegrasyonu daha hesaplama ve hareket yakalama sistemi daha kinematik ayıklamak için çevrimdışı işleme gerektirir ve çıkan önlemler küçük içerir – ama kabul edilebilir – sistemi 22 tabanlı bir kamera mevcut olmaz hata payı. Bu yönetilebilir zorluklar ortamlarda değişen bilişsel-motor davranışlarının mobil çalışma sağlayan bir deney protokolünde kurmak için bir gerekliliktir. Başka bir yerde 10,11 tartışıldığı gibi, böyle bir kurulum ele alınabilir araştırma soruları neredeyse sınırsızdır. Yakın gelecekte bizim odak duran rehabilitasyonu için bir BMI geliştirilmesi için kritik konularda olmak ve ardından yürüyüş olacakbeyin hasarı ve nöropati. Yukarıda da belirtildiği gibi bir anahtar bileşeni, beyin ölçülen sinyalleri kullanarak hareket geri fizyolojik ve mekanik eserler reddedebilirsiniz rehabilitasyon robot sistemleri için beyin-makine arayüzleri için yeni sağlam çözme stratejilerinin geliştirilmesi olacaktır. Örneğin, koridorda yürüyen protokol veri toplama sırasında mevcut diğer insanlarla bir kamusal alanda yapılır ve böylece doğal ortamda sinir çözme tekniklerinin geliştirilmesi için bir test yatağı sağlar. Bu protokolü kullanarak diğer ilgi araştırma soruları akut ve kronik fazda yaralanma sonrası fonksiyonel iyileşme sırasında rehabilitasyon robot ritmik karşı olmayan ritmik yürüme eğitimi içeren paradigmalar ve nöral aktivitenin çalışma karşılaştırarak içerir.
Disclosures
The authors have nothing to disclose.
Acknowledgements
Bu çalışma Nörolojik Bozukluklar Ulusal Enstitüsü tarafından desteklenen ve Stroke (NINDS) # R01NS075889-01 hibe edildi. Bu araştırma NIH, Klinik Merkezi'nin İntramural Araştırma Programı tarafından kısmen desteklenmiştir. Yazarlar ayrıca veri toplama konusunda yardım almak için Şehriyar İkbal ve Yongtian O teşekkür ederim. Bu makalenin açık erişim yayın maliyeti APDM, Inc (, Portland, OR tarafından sponsor oldu 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).
