Valutazione e comunicazione per le persone con disturbi della coscienza
Özet
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
In questo esperimento, abbiamo dimostrato una serie di paradigmi basati su BCI (Brain-Computer Interface), progettati per due applicazioni: valutare il livello di coscienza di persone in grado di fornire risposta al motore e, in una seconda fase, di creare un canale di comunicazione Per queste persone che consente loro di rispondere alle domande con 'sì' o 'no'. La suite di paradigmi è progettata per testare le risposte di base nel primo passo e per continuare a compiti più completi se i primi test sono riusciti. Questi ultimi comportano funzioni più cognitive, ma potrebbero fornire comunicazione, che non è possibile con i test di base. Tutti i test di valutazione producono diagrammi di precisione che mostrano se gli algoritmi sono stati in grado di rilevare la risposta del cervello del paziente alle attività specifiche. Se il livello di precisione è al di là del livello di significatività, supponiamo che l'oggetto abbia compreso l'operazione e sia stato in grado di seguire la sequenza di comandi pRisentì tramite gli auricolari al soggetto. I compiti richiedono agli utenti di concentrarsi su determinati stimoli o di immaginare di spostare la mano sinistra o destra. Tutte le attività sono progettate attorno all'ipotesi che l'utente non sia in grado di utilizzare la modalità visiva, e quindi tutti gli stimoli presentati all'utente (incluse le istruzioni, i segnali e le risposte) sono uditivi o tattili.
Introduction
La diagnosi dei pazienti in Stato Vegetativo (VS) o Minimal Conscious State (MCS) è difficile e si verificano spesso le classificazioni. Uno studio nel 2009 ha confrontato l'accuratezza della diagnosi tra il consenso clinico e una valutazione neurocorsa 1 . Su 44 pazienti con diagnosi di VS basati sul consenso clinico del team medico, 18 (41%) sono stati trovati in MCS dopo una valutazione standardizzata con la Coma Recovery Scale-Revised (CRS-R). Questo risultato è coerente con gli studi precedenti, che hanno dimostrato che il 37-43% dei pazienti con diagnosi di VS hanno dimostrato segni di consapevolezza 2 , 3 . Le scale di classificazione sono basate sulle osservazioni comportamentali o sulle valutazioni delle funzioni uditive, visive, verbali e motorie, nonché i livelli di comunicazione e di eccitazione. Le nuove tecnologie che potrebbero aggiungere dati sull'attività del cervello sono uno strumento perfetto per superare le restrizioni imposte da behaScale di valutazione viorale. I pazienti potrebbero essere in grado di modulare le loro risposte al cervello nonostante non siano in grado di produrre le variazioni comportamentali necessarie per la scala di rating. Monti et al. 4 hanno dimostrato che la funzione funzionale di risonanza magnetica (fMRI) potrebbe rilevare cambiamenti volontari nelle risposte a livello dipendente dall'ossigenazione del sangue, che sono correlate all'immaginazione dei movimenti del motore o delle funzioni di immagine spaziale, in 5/54 pazienti con diagnosi di disturbo di coscienza (DOC). Quattro di essi erano stati precedentemente classificati per essere in MCS. Così, in una minoranza di casi, i pazienti che soddisfano i criteri comportamentali per uno stato vegetativo hanno funzione cognitiva residua e persino consapevolezza cosciente.
I BCI basati sull'elettroencefalografia (EEG) possono anche rilevare l'attività cerebrale derivante dall'immaginazione o dal tentativo di movimenti motori. Ci sono anche altri paradigmi BCI che possono determinare se una persona può mostrare la consapevolezza volontariamente seguendo una bolla predefinitaK. I BCI basati su EEG hanno altri vantaggi rispetto alle valutazioni basate su fMRI. Ad esempio, i sistemi EEG sono molto più economici e portatili e possono essere facilmente utilizzati al letto del paziente. I principali approcci BCI non invasivi includono i potenziali corticali lenti (SCPs), i P300s, i potenziali visivi a stato stazionario (SSVEPs) e il motore Immagini (MI). Gli SCP hanno fornito bassi tassi di trasferimento di informazioni e richiedono una formazione approfondita (vedi Wolpaw et al. ) 5 , mentre SSVEP richiedono un'attenzione visiva. Entrambi gli approcci non vengono quindi utilizzati in questo protocollo. Con un speller P300, Ortner et al. 5 ha raggiunto un'accuratezza del 70% per le persone con disabilità. Questo numero potrebbe eventualmente aumentare. Ad esempio, Turnip et al. 7 hanno migliorato la loro precisione di classificazione P300 utilizzando un classificatore di rete neurale adattivo. Per questo protocollo, abbiamo selezionato approcci tattili e auditivi P300 oltre al MI, perché entrambiPossono essere utilizzati senza visione e ognuno ha vantaggi unici. MI può fornire una comunicazione più veloce rispetto a un non visuale P300 BCI, mentre i BCI P300 richiedono un po 'di formazione. Pertanto, questo protocollo ibrido BCI può implementare un'intera suite di approcci BCI basati su EEG per i pazienti DOC. Inoltre, poiché i compiti sono relativamente rapidi e facili da ripetere, diversi approcci potrebbero essere esplorati ripetutamente con ogni paziente per ridurre il numero di classificazioni non corrette dei pazienti DOC.
Sono stati esplorati quattro diversi approcci BCI: (i) auditivo P300, (ii) vibrometile P300 con due stimolatori, (iii) vibraattile P300 con tre stimolatori e (iv) MI.
L'approccio P300 uditivo del paradigma utilizza un paradigma auditorio oddball, in cui stimoli devianti (1.000 Hz bip) vengono distribuiti in modo casuale in un treno di stimoli standard più probabili (500 Hz bip). Nel paradigma ii, gli stimoli vengono consegnati tramite stimolatori vibroattili thSono posizionati sui polsi destro e sinistro. Il tattore sul polso sinistro fornisce gli stimoli standard e il tattore sul polso destro fornisce gli stimoli devianti (bersaglio). Per il paradigma iii, uno stimolatore aggiuntivo viene posto sulla caviglia destra del soggetto, o in un'altra posizione, come la metà della schiena. Questo stimolatore fornisce un treno di stimoli standard, mentre i due stimolatori sul polso sinistro e destro forniscono entrambi stimoli devianti. Per valutare la coscienza con i due paradigmi vibroattili, il soggetto viene detto attraverso gli auricolari per contare in modo silenzioso ogni stimolo ad un polso ignorando altri stimoli. Un meccanismo casuale decide se scegliere il polso sinistro o destro, e ogni corsa ha quattro serie di 30 prove ciascuna, con una nuova mano di destinazione per ogni prova.
Per i paradigmi i, ii e iii vengono eseguiti i seguenti processi di segnale: sono stati acquisiti otto canali EEG usando una frequenza di campionamento di 256 Hz. La probabilità di uno stimolo deviante è di 1/8; HENCE, ci saranno sette stimoli standard per ogni stimolo deviante. Ogni corsa ha 480 stimoli totali. Una corsa di paradigma mi prende 7 minuti 20 s, mentre ogni corsa di paradigmi ii e iii dura 2 min 30 s. Se il paziente tiene in silenzio ogni stimolo deviante, questi stimoli generano diversi potenziali correlati all'evento (ERPs), compreso il P300, un picco positivo di circa 300 ms dopo l'innesco dello stimolo. Ogni bip dura 100 ms. Per ogni prova dello stimolo, una finestra di 100 ms prima e 600 ms dopo il segnale acustico viene memorizzata per l'elaborazione del segnale. I dati vengono poi scesi in base a un fattore di 12, risultando in 12 campioni per l'intervallo post-stimolo di 60 ms. Infine, tutte le funzionalità del canale di tempo del campione vengono inserite in un'analisi lineare discriminante 8 , con conseguente funzionalità di 12 x 8 = 96. Per calcolare la trama di precisione ( Figura 1 e 2 ), la seguente procedura viene ripetuta dieci volte e i risultati vengono mediati in una singola trama. Le prove devianti e standardSono assegnati in modo casuale in due piscine di uguale dimensione. Una piscina viene utilizzata per formare un classificatore e l'altra piscina viene utilizzata per testare il classificatore. Il classificatore viene testato su un numero crescente di stimoli mediati dalla piscina di prova. In un primo momento, viene testato su un unico deviante e sette stimoli standard. Se il classificatore ha rilevato correttamente lo stimolo deviante, l'esattezza risultante è del 100% ed è altrimenti 0%. Lo stesso avviene per 2 stimoli devianti medi e 14 stimoli standard medi, per 3 stimoli devianti e 21 stimoli standard, e così via fino a quando non viene utilizzato il pool di test completo. Questo produce una trama di 30 valori singoli (per 30 stimoli devianti nel pool di prova), ognuno dei quali 100% o 0%. La media di 10 singole trame comporta valori compresi tra 0 e 100%. Aumentando il numero di stimoli mediatici aumenterà l'accuratezza se il soggetto può seguire l'attività, poiché la media degli stimoli riduce il rumore casuale nei dati. Una precisione significativamente al di là del livello di chance (12.5%) dimostra che una risposta P300 può essere generata nel soggetto e che una risposta nel cervello del soggetto è apparso. I parametri i e ii possono essere utilizzati solo per valutare la coscienza. Se l'accuratezza raggiunta durante la valutazione è superiore al 40%, si può continuare ad utilizzare la comunicazione del paradigma iii o iv.
Nel compito di comunicazione del paradigma iii, il soggetto sceglie di concentrarsi sugli stimoli sul lato sinistro se vuole rispondere "SÌ" o sul lato destro per rispondere "NO". Il classificatore rileva quale mano l'utente stava concentrando e presenta la risposta.
Il paradigma iv registra 120 prove, ognuna delle quali dura 8 s, separata da 1 s interruzioni. Questo risultato in 10 sx 120 = 18 minuti di sessione complessiva. Paradigm iv utilizza 16 canali EEG distribuiti sulla corteccia sensomotore. La frequenza di campionamento è di 256 Hz. Ogni prova inizia con una segnalazione, presentata tramite auricolari, che insegna il soggettoImmaginare di spostare la mano sinistra o destra. La sequenza di istruzioni di sinistra e di destra è randomizzata. Per la pre-elaborazione del segnale, viene utilizzato il metodo di Common Spatial Patterns (CSP) 10 , 12 , 13 . Questo metodo produce un insieme di filtri spaziali progettati per ridurre al minimo la varianza di una classe mentre massimizza la varianza dell'altra classe. Ciò comporta quattro caratteristiche, che sono classificate dall'analisi lineare discriminante 8 . L'intera procedura di classificazione è descritta in dettaglio in una recente pubblicazione, che mostra una grande precisione di classificazione media dell'80,7% dopo solo 60 minuti di allenamento in utenti sani 13 . Il calcolo dell'esattezza avviene tramite la convalida incrociata. Ciò si riferisce alla partizione di un campione di dati in sottoinsiemi complementari, eseguendo l'analisi su un sottoinsieme (pool di formazione) e convalidando l'analisi sull'altro sottoinsieme (tesTing pool). Prima della separazione dei dati nelle piscine, le prove contenenti artefatti vengono rifiutate. Un trial è considerato contenere artefatti se il valore assoluto dell'ampiezza supera 100 μV in qualsiasi momento durante il processo. L'accuratezza viene calcolata per tutti i movimenti nel pool di prova entro un tempo di 1,5 s dopo l'avvertimento del segnale acustico fino alla fine della prova, a passi di 0,5 s. Per ogni passaggio e ogni prova, il risultato della classificazione è 100 o 0%. Le accuratezza di tutte le prove del pool di test vengono quindi calcolate per ogni singolo passaggio, con conseguente livelli di precisione che vanno dal 0% al 100%. Infine, nella trama di precisione viene mostrata la media di dieci ripetizioni dei risultati di conferma della croce. Esempi sono riportati nelle figure 3 e 4 . Le tracce sono separate per il movimento dell'immagine nella mano sinistra (giallo), destra (blu) e tutti i movimenti insieme (verde). La linea orizzontale in magenta rappresenta il limite di confidenza, che dipendeDs sul numero di prove utilizzate per l'analisi. Questo è il numero di prove totali meno il numero di prove rifiutate. Esso mostra l'intervallo di confidenza del 95% utilizzando il metodo Clopper Pearson 9 . Un livello di precisione rispetto a quella linea indica che il risultato è statisticamente significativo (alfa <0,05).
Protocol
Representative Results
Discussion
La ricerca precedente da numerosi gruppi ha dimostrato che alcuni pazienti DOC possono mostrare consapevolezza attraverso valutazioni basate su fMRI o EEG, anche se le valutazioni basate su comportamenti suggeriscono altrimenti. Pertanto, esiste una chiara necessità di nuovi sistemi e paradigmi che possono più accuratamente valutare la coscienza cosciente e persino fornire comunicazione. Idealmente, questi sistemi dovrebbero essere economici, portatili, robusti per il rumore nelle impostazioni del mondo reale e facili da usare (sia per il paziente che per l'operatore del sistema).
I protocolli e il sistema presentati qui servono due obiettivi: aiutare a valutare il livello di coscienza in persone con DOC e per stabilire un nuovo canale di comunicazione per le persone incapaci di comunicare attraverso l'attività di discorso, di occhio o di altre attività che richiedono il controllo muscolare. I paradigmi all'interno del protocollo sono stati progettati per testare le risposte basilari nei primi passi. Se vengono rilevate le risposte cerebrali di base attese, è possibile andare oltre e tI paradigmi più complessi, che sono il vibraattile P300 con tre tattori e il MI. Questi due paradigmi potrebbero essere utilizzati anche per creare un canale di comunicazione. La qualità del segnale EEG è fondamentale in tutti questi protocolli. A volte, i dati EEG non possono essere distinti dal rumore; Alcune esperienze nell'analisi EEG sono necessarie per riconoscere e gestire dati rumorosi.
I metodi di valutazione standard attuali, oltre ad essere inaffidabili, sono anche di lunga durata e richiedono un team di esperti. Pertanto, i pazienti sono spesso valutati solo una volta, anche se la consapevolezza cosciente di un paziente può fluire drammaticamente in tempi diversi. Il protocollo qui presentato potrebbe essere facilmente ripetuto più volte. I pazienti che non presentano consapevolezza consapevole potrebbero produrre risultati diversi in un'altra volta. Inoltre, una singola prova di valutazione potrebbe essere eseguita prima di ogni tentativo di comunicazione per confermare che il soggetto è attualmente in uno stato cosciente.
AnothLa ragione per implementare diversi paradigmi nel protocollo è perché alcune persone possono eseguire male con un paradigma ma eseguire molto bene con un altro. Allo stesso modo, le persone potrebbero preferire un paradigma perché sembra più facile per loro. Dopo aver esplorato diverse opzioni con diversi paradigmi, i pazienti potrebbero scegliere l'approccio che preferiscono. Ciò è coerente con l'approccio BCI "ibrido", che supporta la fornitura di più opzioni di comunicazione per migliorare l'efficacia della comunicazione e la soddisfazione degli utenti.
I punti di precisione, in combinazione con il livello percentuale di classificazioni corrette, hanno un risultato oggettivo che riflette quanto bene l'algoritmo di riconoscimento dei pattern possa discriminare i diversi stati del cervello durante i compiti. Pertanto, non è necessaria alcuna interpretazione soggettiva dei modelli cerebrali o delle risposte medie.
La comunicazione vibroattile con tre tattori è stata testata su un gruppo di sei pazienti cronici bloccatiTs 15 . Hanno raggiunto una precisione media durante la comunicazione del 55,3%, e tutti erano al di sopra del livello di probabilità del 12,5%. L'attività di comunicazione MI è stata testata su un gruppo di venti utenti sani 13 , con una precisione media di circa l'80%. Solo una delle venti persone ha avuto una precisione di controllo sotto il livello di caso.
È importante menzionare che una corsa o anche una sessione completa con scarsa precisione non dimostra definitivamente che non esiste alcuna risposta al cervello o nessuna coscienza all'interno del soggetto. Significa solo che il sistema non è riuscito a individuare le risposte volontarie del cervello. Ciò potrebbe verificarsi a causa della scarsa qualità del segnale, della difficoltà di sentire o di comprendere le istruzioni di compiti o semplicemente perché una minoranza di soggetti non è in grado di produrre l'attività EEG desiderata, nonostante l'attività.
In linea con i lavori precedenti del nostro gruppo e altri, il lavoro presentato dimostra che è consigliabile valutareIl livello di coscienza nei pazienti affetti da DOC con tecniche di imaging cerebrale. La fMRI è anche una tecnica utile per monitorare l'attività cerebrale attuale del paziente. E 'stato dimostrato che i paradigmi eccentrici che provocano potenziali evocati, nonché motore immagini e altri compiti, possono produrre risposte emodinamiche che possono essere rilevate da fMRI 17, 18. Rispetto a fMRI, l'EEG ha notevoli vantaggi: gli strumenti basati su EEG possono essere applicati a letto, senza attrezzature costose e non portatili e richiedono una notevole esperienza. Il trasporto del paziente allo scanner e il rumore acustico dello scanner possono essere sia stressanti per il paziente. Vicino alla spettroscopia a infrarossi (NIRS) è portatile e può avere una risoluzione spaziale leggermente migliore rispetto a EEG, ma ha peggiore risoluzione temporale 19 . NIRS è adatto per monitorare MI 20 , 21 , ma non per il poto evocatontials. Ad esempio, Naseer e Hong 22 hanno dimostrato un'alta precisione di classificazione per MI-BCI utilizzando fNIRS. Con prove che hanno durato ogni 50 secondi, hanno raggiunto 77,35% per MI e 83% per MI a destra. Con BCI basati su EEG, Guger et al. 23 ha rilevato che circa il 20% di 99 sessioni raggiunse un'accuratezza superiore all'80% e un ulteriore 70% delle 99 sessioni raggiunse un'accuratezza superiore al 60%. Ortner et al. Ha mostrato una precisione media di picco di circa 80% utilizzando il metodo CSP. Questo metodo richiede più elettrodi EEG rispetto a quelli utilizzati da Guger e colleghi, ma si traduce in tassi di precisione più elevati. Utilizzando il metodo CSP, Ramoser et al. 23 ha dimostrato che un aumento degli elettrodi da 18 a 56 non migliora significativamente le prestazioni; Pertanto concludiamo che il numero scelto di 16 elettrodi nel nostro metodo è sufficiente. Recentemente, Coyle et al . Usato CSP per classificare e addestrare MI in DOC patieNts 16 . Tutti e quattro i soggetti hanno dimostrato una significativa e appropriata attivazione del cervello durante la valutazione.
Valutare l'MI attraverso un ibrido NIRS-EEG BCI potrebbe determinare un'elevata precisione di classificazione, come Khan et al. 20 hanno mostrato. Questo potrebbe essere una direzione futura promettente, anche se un ulteriore strumento di neuroimaging aumenta la complessità ei costi del dispositivo.
Il protocollo qui presentato fornisce uno strumento relativamente semplice per valutare le risposte cerebrali all'interno del segnale EEG dei pazienti DOC. L'interpretazione di questi risultati di classificazione e l'attuazione di eventuali modifiche a farmaci, terapie o altri trattamenti medici richiedono ancora esperti medici. Le direzioni future di questo metodo potrebbero essere tecniche di stimolazione più avanzate usando un maggior numero di gradi di libertà. Ad esempio, invece di offrire strumenti per dire solo "SI" o "NO", i dispositivi futuri potrebbero consentire una maggiore possibilità di rispostaRs a una domanda. In un ulteriore passo, si potrebbero anche utilizzare risposte basate sul contesto. Ad esempio, se il paziente ha un lettore musicale in esecuzione, si potrebbe offrire la possibilità di controllare il livello sonoro o passare alla song successiva. Inoltre, il paradigma MI deve essere testato nei pazienti DOC.
Açıklamalar
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 |
Referanslar
- 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).
