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.
In diesem Experiment zeigen wir eine Reihe von Hybrid-Gehirn-Computer-Interface (BCI) -basierten Paradigmen, die für zwei Anwendungen konzipiert sind: die Beurteilung des Bewusstseinsgrades von Menschen, die keine motorische Antwort liefern können, und in einem zweiten Schritt den Aufbau eines Kommunikationskanals Für diese Leute, die es ihnen ermöglichen, Fragen mit "ja" oder "nein" zu beantworten. Die Suite von Paradigmen ist entworfen, um grundlegende Antworten im ersten Schritt zu testen und weiter umfassende Aufgaben zu erledigen, wenn die ersten Tests erfolgreich sind. Die letzteren Aufgaben erfordern kognitivere Funktionen, aber sie könnten eine Kommunikation bereitstellen, was bei den Grundversuchen nicht möglich ist. Alle Assessment-Tests erzeugen Genauigkeits-Plots, die zeigen, ob die Algorithmen in der Lage waren, die Reaktion des Patienten auf die gegebenen Aufgaben zu erkennen. Wenn das Genauigkeitsniveau über dem Signifikanzniveau liegt, gehen wir davon aus, dass das Subjekt die Aufgabe verstanden hat und der Reihenfolge der Befehle folgen konnteÄrgerlich über Kopfhörer zum Thema. Die Aufgaben erfordern, dass sich die Benutzer auf bestimmte Reize konzentrieren oder sich vorstellen, die linke oder rechte Hand zu bewegen. Alle Aufgaben sind um die Annahme ausgelegt, dass der Benutzer die visuelle Modalität nicht nutzen kann und somit alle dem Benutzer präsentierten Reize (einschließlich Anleitungen, Cues und Feedback) auditiv oder taktil sind.
Die Diagnose von Patienten im vegetativen Zustand (VS) oder Minimal Conscious State (MCS) ist schwierig, und es liegen häufig Fehlklassifizierungen vor. Eine Studie im Jahr 2009 verglich die Genauigkeit der Diagnose zwischen dem klinischen Konsens gegenüber einer Neurobehavioral Assessment 1 . Von 44 Patienten, die mit VS auf der Grundlage des klinischen Konsenses des medizinischen Teams diagnostiziert wurden, befanden sich 18 (41%) in MCS nach einer standardisierten Bewertung mit dem Coma Recovery Scale-Revised (CRS-R). Dieses Ergebnis stimmt mit früheren Studien überein, was zeigt, dass 37 – 43% der mit VS diagnostizierten Patienten Anzeichen von Bewusstsein 2 , 3 zeigten. Klassifizierungsskalen basieren auf Verhaltensbeobachtungen oder auf Einschätzungen von auditiven, visuellen, verbalen und motorischen Funktionen sowie auf Kommunikations- und Erregungsniveaus. Neue Technologien, die Gehirnaktivitätsdaten hinzufügen könnten, sind ein perfektes Werkzeug, um die von beha auferlegten Beschränkungen zu überwindenVioral Rating Skalen. Patienten können in der Lage sein, ihre Hirnreaktionen zu modulieren, obwohl sie nicht in der Lage sind, die für die Bewertungsskala erforderlichen Verhaltensänderungen zu erzeugen. Monti et al. 4 gezeigt, dass die funktionelle Magnetresonanztomographie (fMRI) in 5/54 Patienten, die mit einer Störung des Bewusstseins (DOC) diagnostiziert wurden, freiwillige Veränderungen der Blut-Oxygenierungs-abhängigen Reaktionen, die mit der Vorstellung von motorischen Bewegungen oder räumlichen Bildaufgaben zusammenhängen, nachweisen kann. Vier von ihnen waren zuvor in MCS eingestuft worden. So haben Patienten, die die Verhaltenskriterien für einen vegetativen Zustand erfüllen, in einer Minderheit von Fällen eine verbleibende kognitive Funktion und sogar ein bewusstes Bewusstsein.
Elektroenzephalographie (EEG) -basierte BCIs können auch die Hirnaktivität erkennen, die sich aus der Vorstellungskraft oder dem Versuch der motorischen Bewegungen ergibt. Es gibt auch andere BCI-Paradigmen, die bestimmen können, ob eine Person das Bewusstsein zeigen kann, indem sie freiwillig einem vordefinierten tas folgtK. EEG-basierte BCIs haben andere Vorteile gegenüber fMRI-basierten Assessments. Zum Beispiel sind EEG-Systeme viel kostengünstiger und tragbarer, und sie können leicht am Krankenbett des Patienten verwendet werden. Die wichtigsten nicht-invasiven BCI-Ansätze umfassen Slow Cortical Potentials (SCPs), P300s, Steady-State Visual Potentials (SSVEPs) und Motor Bild (MI). SCPs haben niedrige Informationsübertragungsraten bereitgestellt und erfordern umfangreiche Schulungen (siehe Wolpaw et al. ) 5 , während SSVEPs visuelle Aufmerksamkeit erfordern. Beide Ansätze werden daher in diesem Protokoll nicht verwendet. Mit einem P300 speller, Ortner et al. 5 erreichte eine Genauigkeit von 70% für behinderte Menschen. Diese Zahl könnte schließlich erhöht werden. Zum Beispiel Turnip et al. 7 verbesserte ihre P300 Klassifikationsgenauigkeit, indem sie einen adaptiven neuronalen Netzwerkklassierer benutzte. Für dieses Protokoll haben wir neben dem MI auch taktile und auditive P300-Ansätze ausgewählt, da beide oSie können ohne Vision verwendet werden, und jeder hat einzigartige Vorteile. MI kann eine schnellere Kommunikation als ein nichtvisuales P300 BCI bieten, während P300 BCIs sehr wenig Training benötigen. Daher kann dieses hybride BCI-Protokoll eine ganze Reihe von EEG-basierten BCI-Ansätzen für DOC-Patienten implementieren. Darüber hinaus, da die Aufgaben relativ schnell und einfach zu wiederholen sind, könnten verschiedene Ansätze wiederholt mit jedem Patienten erforscht werden, um die Anzahl der falschen Klassifikationen von DOC-Patienten zu verringern.
Es wurden vier verschiedene BCI-Ansätze untersucht: (i) auditorisches P300, (ii) vibrotaktiles P300 mit zwei Stimulatoren, (iii) vibrotaktile P300 mit drei Stimulatoren und (iv) MI.
Der paradigme i auditorische P300-Ansatz nutzt ein auditives Oddball-Paradigma, bei dem abweichende Reize (1000 Hz Pieptöne) zufällig innerhalb eines Zuges von wahrscheinlichen Standardreizen (500 Hz Pieptöne) verteilt werden. Im Paradigma ii werden die Reize über vibrotaktile Stimulatoren th geliefertAn sind auf der linken und rechten Handgelenke platziert. Der Taktor am linken Handgelenk liefert die Standardreize, und der Taktor am rechten Handgelenk liefert die abweichenden (Ziel-) Reize. Für das Paradigma iii wird ein zusätzlicher Stimulator auf den rechten Knöchel des Subjekts oder an einen anderen Ort, wie die Mitte des Rückens, platziert. Dieser Stimulator liefert einen Zug von Standardreizen, während die beiden Stimulatoren am linken und rechten Handgelenk abweichende Reize liefern. Um das Bewusstsein mit den beiden vibrotaktilen Paradigmen zu beurteilen, wird das Thema über Kopfhörer erzählt, um jeden Stimulus leise an ein Handgelenk zu zählen, während er andere Reize ignoriert. Ein zufälliger Mechanismus entscheidet, ob man das linke oder rechte Handgelenk wählt, und jeder Lauf hat vier Sätze von jeweils 30 Versuchen mit einer neuen Zielhand für jeden Versuch.
Die folgende Signalverarbeitung erfolgt für die Paradigmen i, ii und iii: acht EEG-Kanäle werden mit einer Abtastfrequenz von 256 Hz erfasst. Die Wahrscheinlichkeit eines abweichenden Stimulus ist 1/8; HencE, es gibt sieben Standardreize für jeden abweichenden Reiz. Jeder Lauf hat 480 Stimuli. Ein Paradigma-Lauf i dauert 7 min 20 s, während jeder Paradigmenlauf ii und iii 2 min 30 s dauert. Wenn der Patient schweigend jeden abweichenden Stimulus zählt, entstehen diese Stimuli mehrere Event-bezogene Potentiale (ERPs), einschließlich des P300, ein positiver Peak von etwa 300 ms nach Stimulus-Beginn. Jeder Piepton dauert 100 ms. Für jede Stimulus-Studie wird ein Fenster von 100 ms vor und 600 ms nach dem Signalton für die Signalverarbeitung gespeichert. Die Daten werden dann um einen Faktor von 12 herunterabgetastet, was zu 12 Abtastungen für das 60-stündige Post-Stimulus-Intervall führt. Schließlich werden alle Abtastzeitkanalmerkmale in eine lineare Diskriminanzanalyse 8 eingegeben, was zu 12 x 8 = 96 Merkmalen führt. Um das Genauigkeitsdiagramm zu berechnen ( Abbildung 1 & 2 ), wird das folgende Verfahren zehnmal wiederholt, und die Ergebnisse werden in einem einzigen Diagramm gemittelt. Die abweichenden und StandardversucheWerden zufällig in zwei gleichgroße Pools vergeben. Ein Pool wird verwendet, um einen Klassifikator zu trainieren, und der andere Pool wird verwendet, um den Klassifikator zu testen. Der Klassifikator wird auf einer zunehmenden Anzahl von gemittelten Stimuli aus dem Testpool getestet. Zuerst wird es auf nur einem abweichenden und sieben Standardreizen getestet. Wenn der Klassifikator den abweichenden Stimulus richtig erkannt hat, beträgt die resultierende Genauigkeit 100% und ist sonst 0%. Das gleiche gilt für 2 gemittelte abweichende Stimuli und 14 gemittelte Standardreize, für 3 abweichende Stimuli und 21 Standardreize und so weiter, bis der volle Testpool verwendet wird. Dies ergibt eine Auftragung von 30 Einzelwerten (für 30 abweichende Stimuli im Testpool), jeweils 100% oder 0%. Die Mittelung von 10 Einzelplots führt zu Werten von 0% bis 100%. Die Erhöhung der Anzahl der gemittelten Stimuli erhöht die Genauigkeit, wenn das Subjekt der Aufgabe folgen kann, da die Mittelung von Reizen das zufällige Rauschen in den Daten reduziert. Eine Genauigkeit deutlich über die Zufallsstufe hinaus (12.5%) zeigt, dass eine P300-Antwort im Subjekt hervorgerufen werden kann und dass eine Reaktion im Gehirn des Subjekts aufgetreten ist.Paradigmen I und II können nur verwendet werden, um das Bewusstsein zu beurteilen. Wenn die bei der Beurteilung erreichte Genauigkeit höher als 40% ist, kann man weiter die Kommunikation des Paradigmas iii oder iv verwenden.
In der Kommunikationsaufgabe des Paradigmas iii entscheidet sich das Thema, sich auf die Reize auf der linken Seite zu konzentrieren, wenn er auf "JA" antworten will oder auf der rechten Seite "NEIN" antwortet. Der Klassifikator erkennt, welche Hand sich der Benutzer konzentrierte und die Antwort präsentiert.
Das Paradigma iv zeichnet 120 Versuche auf, von denen jeder 8 s dauert, getrennt durch 1 s breaks.This Ergebnisse in 10 sx 120 = 18 min der Gesamtsitzungszeit. Paradigma iv verwendet 16 EEG-Kanäle, die über den sensomotorischen Kortex verteilt sind. Die Abtastfrequenz beträgt 256 Hz. Jede Studie beginnt mit einem Cue, präsentiert über Kopfhörer, die das Thema anweistSich vorstellen, die linke oder rechte Hand zu bewegen. Die Reihenfolge der Links- und Rechtsanweisungen ist randomisiert. Zur Signalvorverarbeitung wird die Methode der Common Spatial Patterns (CSP) 10 , 12 , 13 verwendet. Diese Methode liefert einen Satz von räumlichen Filtern, die entworfen sind, um die Varianz einer Klasse zu minimieren, während die Varianz für die andere Klasse maximiert wird. Dies ergibt vier Merkmale, die durch die lineare Diskriminanzanalyse klassifiziert werden 8 . Das gesamte Klassifizierungsverfahren wird in einer neueren Publikation ausführlich beschrieben und zeigt eine durchschnittliche Klassifikationsgenauigkeit von 80,7% nach nur 60 min Training bei gesunden Nutzern 13 . Die Berechnung der Genauigkeit erfolgt über Kreuzvalidierung. Dies bezieht sich auf die Partitionierung einer Stichprobe von Daten in komplementäre Teilmengen, die Durchführung der Analyse auf einer Teilmenge (Trainingspool) und die Validierung der Analyse auf der anderen Teilmenge (tesPool). Vor der Trennung der Daten in die Pools werden Versuche mit Artefakten abgelehnt. Ein Versuch gilt als Artefakte, wenn der Absolutwert der Amplitude während des Versuches jederzeit 100 μV übersteigt. Die Genauigkeit wird für alle Bewegungen des Test-Pools innerhalb eines Zeitrahmens von 1,5 s nach dem Aufmerksamkeitston bis zum Ende des Versuches in Schritten von 0,5 s berechnet. Für jeden Schritt und jede Studie ist das Klassifikationsergebnis entweder 100 oder 0%. Die Genauigkeiten aller Versuche des Test-Pools werden dann für jeden einzelnen Schritt gemittelt, was zu Genauigkeitswerten zwischen 0% und 100% führt. Schließlich wird der Durchschnitt von zehn Wiederholungen der Cross-Validierungsergebnisse in der Genauigkeitskurve gezeigt. Beispiele sind in den Fig. 3 und 4 zu sehen . Die Plots sind für die Bildgebungsbewegung in der linken Hand (gelb), rechts (blau) und alle Bewegungen zusammen (grün) getrennt. Die horizontale Linie in Magenta stellt die Vertrauensgrenze dar, die depenDs über die Anzahl der Versuche, die für die Analyse verwendet wurden. Dies ist die Anzahl der Gesamtversuche abzüglich der Anzahl der abgelehnten Versuche. Es zeigt das 95% Konfidenzintervall mit der Clopper Pearson Methode 9 . Ein Genauigkeitsniveau oberhalb dieser Zeile bedeutet, dass das Ergebnis statistisch signifikant ist (alpha <0,05).
Frühere Untersuchungen aus zahlreichen Gruppen haben gezeigt, dass einige DOC-Patienten durch fMRI- oder EEG-basierte Assessments ein bewusstes Bewusstsein zeigen können, auch wenn auf Verhaltensweisen beruhende Beurteilungen auf andere Weise hindeuten. So gibt es einen klaren Bedarf an neuen Systemen und Paradigmen, die das bewusste Bewusstsein genauer beurteilen und sogar die Kommunikation ermöglichen können. Idealerweise sollten diese Systeme kostengünstig, tragbar, robust gegen Lärm in realen Einstellungen und einfach zu bedienen (sowohl für den Patienten als auch für den Systembetreiber).
Die hier vorgestellten Protokolle und Systeme dienen zwei Zielsetzungen: das Bewusstseinsniveau bei Personen mit DOC zu beurteilen und einen neuen Kommunikationskanal für Personen zu schaffen, die nicht über Sprache, Augenaktivität oder andere Aufgaben, die Muskelkontrolle erfordern, kommunizieren können. Die Paradigmen innerhalb des Protokolls sind entworfen, um grundlegende Antworten in den ersten Schritten zu testen. Wenn die erwarteten grundlegenden Hirnreaktionen erkannt werden, ist es möglich, weiter zu gehen und tRy die komplexeren Paradigmen, die die vibrotactile P300 mit drei Taktoren und die MI sind. Diese beiden Paradigmen könnten auch verwendet werden, um einen Kommunikationskanal zu etablieren. Die EEG-Signalqualität ist in allen diesen Protokollen entscheidend. Manchmal können EEG-Daten nicht von Lärm unterschieden werden; Es sind einige Erfahrungen in der EEG-Analyse erforderlich, um laute Daten zu erkennen und zu verwalten.
Aktuelle Standard-Bewertungsmethoden, zusätzlich zu unzuverlässig, sind auch zeitaufwendig und erfordern ein Team von Experten. Daher werden die Patienten oft nur einmal beurteilt, auch wenn das bewusste Bewusstsein eines Patienten zu unterschiedlichen Zeiten drastisch schwankt. Das hier vorgestellte Protokoll konnte sich mehrmals wiederholen lassen. Patienten, die kein bewusstes Bewusstsein zeigen, können zu einem anderen Zeitpunkt unterschiedliche Ergebnisse erzielen. Auch könnte ein einziger Beurteilungslauf durchgeführt werden, bevor jeder Kommunikationsversuch zu bestätigen, dass das Thema derzeit in einem bewussten Zustand ist.
AnothDer Grund, verschiedene Paradigmen im Protokoll zu implementieren, ist, weil manche Leute mit einem Paradigma schlecht spielen können, aber sehr gut mit einem anderen zusammenarbeiten. Ebenso mögen Menschen ein Paradigma bevorzugen, weil es ihnen leichter scheint. Nach der Erforschung verschiedener Optionen mit verschiedenen Paradigmen, könnten die Patienten wählen Sie den Ansatz, den sie bevorzugen. Dies steht im Einklang mit dem "hybriden" BCI-Ansatz, der die Bereitstellung mehrerer Kommunikationsmöglichkeiten zur Verbesserung der Kommunikationswirksamkeit und der Benutzerzufriedenheit unterstützt.
Die Genauigkeitsdiagramme, in Kombination mit dem prozentualen Niveau der korrekten Klassifikationen, ergeben ein objektives Ergebnis, das reflektiert, wie gut der Mustererkennungsalgorithmus die verschiedenen Gehirnzustände während der Aufgaben unterscheiden könnte. Daher ist keine subjektive Interpretation von Hirnmustern oder gemittelten Reaktionen notwendig.
Die vibrotaktile Kommunikation mit drei Taktoren wurde auf einer Gruppe von sechs chronisch eingesperrten Patien getestetTs 15 Sie erreichten eine durchschnittliche Genauigkeit bei der Kommunikation von 55,3%, und alle waren über dem Zufallsniveau von 12,5%. Die MI-Kommunikationsaufgabe wurde auf einer Gruppe von zwanzig gesunden Nutzern 13 getestet, die eine durchschnittliche Genauigkeit von etwa 80% zeigte. Nur einer der zwanzig Personen hatte eine Kontrollgenauigkeit unter dem Zufallsniveau.
Es ist wichtig zu erwähnen, dass ein Lauf oder sogar eine vollständige Sitzung mit schlechter Genauigkeit nicht schlüssig beweisen, dass es keine Hirnreaktion oder kein Bewusstsein innerhalb des Subjekts gibt. Es bedeutet nur, dass das System nicht in der Lage war, freiwillige Hirnreaktionen zu erkennen. Dies könnte aufgrund einer schlechten Signalqualität, Schwierigkeiten beim Hören oder Verständnis von Task-Anweisungen oder einfach nur, weil eine Minderheit von Probanden nicht die gewünschte EEG-Aktivität trotz der Ausführung der Aufgabe.
Im Einklang mit früheren Arbeiten aus unserer Gruppe und anderen, zeigt die präsentierte Arbeit, dass es ratsam ist zu beurteilenDas Bewusstseinsniveau bei Patienten mit DOC mit Gehirnbildgebungstechniken. FMRI ist auch eine nützliche Technik, um die aktuelle Hirnaktivität des Patienten zu verfolgen. Es wurde gezeigt, dass seltsame Paradigmen, die evozierte Potenziale hervorrufen, sowie motorische Bilder und andere Aufgaben, hämodynamische Reaktionen hervorbringen können, die von fMRI 17 , 18 verfolgt werden könnten. Im Vergleich zu fMRI hat das EEG bemerkenswerte Vorteile: EEG-basierte Werkzeuge können am Bett eingesetzt werden, ohne Ausrüstung, die teuer und nicht tragbar ist und umfangreiches Fachwissen erfordert. Der Transport des Patienten zum Scanner und das akustische Geräusch vom Scanner kann für den Patienten stressig sein. Nahe Infrarotspektroskopie (NIRS) ist tragbar und kann eine etwas bessere räumliche Auflösung als EEG haben, aber es hat eine schlechte zeitliche Auflösung 19 . NIRS eignet sich zur Überwachung von MI 20 , 21 , aber nicht für evozierte PoteNtials Zum Beispiel zeigten Naseer und Hong 22 eine hochklassige Genauigkeit für MI-BCI mit fNIRS. Mit Versuchen, die jeweils 50 s dauerten, erreichten sie 77,35% für linke MI und 83% für rechts MI. Mit EEG-basierten BCIs haben Guger et al. 23 festgestellt, dass etwa 20% der 99 Sitzungen eine Genauigkeit über 80% erreicht und weitere 70% der 99 Sitzungen erreichten eine Genauigkeit über 60%. Ortner et al. Zeigte eine durchschnittliche Spitzengenauigkeit von etwa 80% nach der CSP-Methode. Diese Methode benötigt mehr EEG-Elektroden als die von Guger und Kollegen, aber es führt zu höheren Genauigkeitsraten. Unter Verwendung der CSP-Methode wurden Ramoser et al. 23 zeigte, dass eine Erhöhung der Elektroden von 18 – 56 die Leistung nicht wesentlich verbessert; Wir schließen daraus, dass die gewählte Anzahl von 16 Elektroden in unserer Methode ausreicht. Kürzlich haben Coyle et al . Verwendet CSP für die Klassifizierung und Schulung MI in DOC PatieNts 16 Alle vier Fächer zeigten während der Bewertung eine signifikante und angemessene Hirnaktivierung.
Die Beurteilung von MI durch ein Hybrid-NIRS-EEG BCI könnte zu einer hohen Klassifizierungsgenauigkeit führen, da Khan et al. 20 zeigte. Dies könnte eine vielversprechende zukünftige Richtung sein, obwohl ein zusätzliches Neuroimaging-Tool die Komplexität und die Kosten des Gerätes erhöht.
Das hier vorgestellte Protokoll bietet ein relativ einfaches Werkzeug, um die Hirnreaktionen innerhalb des EEG-Signals von DOC-Patienten zu beurteilen. Die Interpretation dieser Klassifikationsergebnisse und die Umsetzung von Änderungen an Medikamenten, Therapien oder anderen medizinischen Behandlungen erfordert noch medizinische Experten. Zukünftige Richtungen dieser Methode könnten fortgeschrittene Stimulationstechniken mit einer höheren Anzahl von Freiheitsgraden sein. Zum Beispiel, anstatt Werkzeuge anzupassen, um nur "JA" oder "NEIN" zu sagen, könnten zukünftige Geräte mehr möglich seinRs auf eine Frage. In einem weiteren Schritt könnte man auch kontextbasierte Antworten verwenden. Zum Beispiel, wenn der Patient einen Musikplayer läuft, könnte man die Möglichkeit bieten, den Klangpegel zu steuern oder zum nächsten Song zu wechseln. Auch das MI-Paradigma muss bei DOC-Patienten getestet werden.
The authors have nothing to disclose.
This work was supported by the European Union FP 7 project DECODER and the European Union ODI Project COMAWARE.
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 |