Abstract
この実験では、2つのアプリケーション、すなわちモーター応答を提供できない人の意識レベルを評価し、第2段階でコミュニケーションチャネルを確立するために設計されたハイブリッドブレイン - コンピューターインターフェース(BCI)ベースのパラダイムのセットを実証します。これらの人々は、「はい」または「いいえ」のいずれかで質問に答えることができます。一連のパラダイムは、最初のステップで基本的な応答をテストし、最初のテストが成功すればより包括的なタスクを続行するように設計されています。後者のタスクはより多くの認知機能を必要とするが、基本的なテストでは不可能なコミュニケーションを提供することができる。すべての評価テストはアルゴリズムが与えられたタスクに対する患者の脳の応答を検出できるかどうかを示す精度プロットを生成します。精度レベルが有意水準を超えている場合、被験者はタスクを理解し、コマンドpのシーケンスに従うことができたと仮定するイヤホンを介して被験者に憤慨した。タスクは、ユーザーが特定の刺激に集中するか、または左手または右手のいずれかを動かすことを想像することを要求する。すべてのタスクは、ユーザが視覚モダリティを使用できないことを前提として設計されており、したがって、ユーザに提示されるすべての刺激(指示、手掛かりおよびフィードバックを含む)は聴覚または触覚である。
Introduction
植生状態(VS)または最小意識状態(MCS)の患者の診断は困難であり、誤分類がしばしば起こる。 2009年の研究では、臨床的コンセンサスと神経行動評価の間の診断の正確さが比較されました1 。医療チームの臨床コンセンサスに基づいてVSと診断された44人の患者のうち、18人(41%)が昏睡回復尺度改訂(CRS-R)で標準化された評価に従ってMCSにあることが判明した。 VSと診断された患者の43%意識2、3の兆候を示した-この結果は、37があることを示した以前の研究と一致しています。分類尺度は、行動観察または聴覚、視覚、口頭、および運動機能の評価、ならびにコミュニケーションおよび覚醒レベルに基づく。脳の活動データを追加する可能性のある新しい技術は、behaによって課せられた制限を克服するのに最適なツールですvioral rating scale。患者は、評価尺度に要求される行動変化を生じさせないにもかかわらず、脳反応を調節することができるかもしれない。 Monti et al。 4は、機能的磁気共鳴画像法(fMRI)が、意識障害(DOC)と診断された5/54人の患者において、運動運動または空間画像のタスクを想起させることに関連する血液酸素レベル依存性応答の自発的変化を検出できることを実証した。そのうちの4人は以前にMCSに分類されていた。したがって、少数の場合において、栄養状態の行動基準を満たす患者は、残留認知機能および意識的意識を有する。
脳波記録(EEG)ベースのBCIはまた、想像力または運動運動の試みから生じる脳活動を検出することができる。あらかじめ定義されたtasに自発的に従って意識を表明できるかどうかを判断できる他のBCIのパラダイムもありますk。脳波ベースのBCIは、fMRIベースの評価と比較して他の利点を有する。例えば、脳波システムははるかに費用対効果が高く、ポータブルであり、患者のベッドサイドで簡単に使用できます。BCIの主な非侵襲的アプローチには、低速皮質電位(SCP)、P300、定常視覚電位(SSVEP)イメージ(MI)。 SCPは低情報転送速度を提供しており、SSVEPは視覚的注意を必要とするが、広範な訓練を必要とする(Wolpaw et al。参照) 5 。したがって、両方のアプローチはこのプロトコルでは使用されません。 Ortner et al。障害のある人にとって、 5 %は70%の精度に達しました。この数字は最終的に増加する可能性があります。例えば、Turnip et al。 7は 、適応ニューラルネットワーク分類器を用いてP300分類精度を改善した。このプロトコルでは、MIに加えて触覚と聴覚のP300アプローチを選択しました。彼らは視覚を使わずに使うことができ、それぞれにユニークな利点があります。 MIは非ビジュアルP300 BCIよりも高速な通信を提供することができますが、P300 BCIはほとんどトレーニングを必要としません。したがって、このハイブリッドBCIプロトコルは、DOC患者のためのEEGベースのBCIアプローチの全スイートを実装することができる。さらに、タスクが比較的迅速かつ容易に繰り返されるので、DOC患者の誤った分類の数を減らすために、各患者について異なるアプローチを繰り返し調査することができる。
(i)聴覚P300、(ii)2つの刺激装置を有する振動触覚P300、(iii)3つの刺激装置を有する振動触感P300、および(iv)MIの4つの異なるBCIアプローチを検討した。
パラダイムI聴覚P300アプローチは、逸脱した刺激(1000Hzビープ音)がより確率の高い標準刺激(500Hzビープ音)の列内にランダムに分布する聴覚的な奇妙なパラダイムを使用する。パラダイムiiでは、刺激は、振動触覚刺激装置thatは左右の手首に配置されています。左手の手首の触手は標準的な刺激を送り、右手の手首の触手は逸脱した(目標)刺激を与える。パラダイムiiiについては、被験者の右足首または背中の中央などの別の位置に追加の刺激装置を配置する。この刺激装置は標準的な刺激の列を送出するが、左右の手首の2つの刺激装置は両方とも逸脱した刺激を送出する。 2つの振動触覚パラダイムの意識を評価するために、被験者は、イヤホンを介して、他の刺激を無視しながら、各刺激を静かに1つの手首にカウントするように指示される。ランダムなメカニズムによって左右の手首を選択するかどうかが決定され、各試行にはそれぞれ30回の試行が4セットあり、試行ごとに新しいターゲットハンドがあります。
パラダイムi、ii、およびiiiについて、次の信号処理が行われます。サンプリング周波数256 Hzを使用して8つのEEGチャネルが取得されます。逸脱刺激の確率は1/8である。ヘンクe、各偏向刺激に対して7つの標準的な刺激が存在する。それぞれの実行には合計480の刺激があります。パラダイムiの1回の実行には7分20秒かかりますが、パラダイムiiとiiiの各実行には2分30秒かかります。患者が逸脱した各刺激を静かにカウントすると、これらの刺激は刺激発症後約300msの正のピークであるP300を含むいくつかの事象関連電位(ERP)を引き出す。各ビープ音は100 ms持続します。各刺激トライアルについて、信号処理のためにビープ音の約100ms前と600ms後の窓が記憶される。次いで、データを12の係数でダウンサンプリングし、刺激後の60 msのインターバルについて12サンプルを得る。最後に、すべてのサンプル時間チャネルのフィーチャが線形判別分析8に入力され、12×8 = 96フィーチャが得られる。精度プロット( 図1と図 2 )を計算するために、以下の手順を10回繰り返し、その結果を平均して1つのプロットにします。逸脱した標準試験2つの等しいサイズのプールにランダムに割り当てられます。 1つのプールは分類子をトレーニングするために使用され、もう1つのプールは分類子をテストするために使用されます。クラシファイアは、テストプールから平均化された刺激の数が増加するにつれてテストされる。最初に、それはただ1つの偏差と7つの標準的な刺激でテストされます。分類器が偏差刺激を正しく検出した場合、結果の精度は100%であり、そうでない場合は0%である。 3つの偏差刺激と21の標準刺激については、2つの平均偏差刺激と14の平均標準刺激についても同様であり、全試験プールが使用されるまで同様である。これにより、30個の単一値のプロットが生成されます(テストプール内の30個の偏差刺激の場合)、それぞれ100%または0%です。 10個の単一プロットの平均化は、0%〜100%の範囲の値をもたらす。平均化された刺激の数を増やすと、刺激の平均化がデータのランダムノイズを減らすため、被験者がタスクに従うことができれば精度が向上します。チャンスレベルを大幅に超える精度(12.5%)は、被験者においてP300応答が誘発され、被験者の脳における応答が現れたことを示している.Paradigms iおよびiiは、意識を評価するためにのみ使用することができる。評価中に達成された精度が40%を超える場合、パラダイムiiiまたはivの通信を使用することができます。
パラダイムiiiのコミュニケーション課題では、「はい」と答えるか、右側で「いいえ」と答える場合には、左側の刺激に集中することを選択する。分類器は、ユーザがどの手に集中しているかを検出し、答えを提示する。
Paradigm ivは120回の試行を記録し、それぞれの試行は1秒ごとに分けられて8秒間続きます。これにより、セッション時間全体で10秒120 = 18分になります。パラダイムivは、感覚運動皮質上に分布する16のEEGチャネルを使用する。サンプリング周波数は256Hzです。各試行は、イヤホンを介して提示されたキューから始まり、被験者に指示する左手か右手のどちらかを動かす想像する。左手と右手の命令のシーケンスはランダム化されています。信号前処理のために、共通の空間パターンの方法(CSP)10、12、13が用いられます。この方法は、一方のクラスの分散を最小化し、他方のクラスの分散を最大化するように設計された空間フィルタのセットをもたらす。これにより、線形判別分析によって分類される4つの特徴が得られる8 。全体的な分類手順は、最近の刊行物に詳細に記載されており、健常者ではわずか60分間の訓練の後に80.7%の壮大な平均分類精度を示している13 。精度の計算は、相互検証によって行われます。これは、データのサンプルを相補的サブセットに分割すること、1つのサブセット(トレーニングプール)について分析を実行すること、および他のサブセット(tesティンプール)。データをプールに分割する前に、アーティファクトを含む試行は拒否されます。トライアル中に振幅の絶対値が100μVを超えると、トライアルはアーチファクトを含むとみなされます。精度は、注意喚起後1.5秒の時間内に試験プール内のすべての動きについて、試行が終了するまで0.5秒で計算されます。各ステップおよび各試行について、分類結果は100または0%のいずれかです。テストプールのすべての試行の精度は、1ステップごとに平均化され、0%から100%の間の精度レベルになります。最後に、相互検証結果の10回の繰り返しの平均が精度プロットに表示されます。例を図3および図 4に見ることができる。プロットは、左手(黄色)、右手(青色)、およびすべての動きをまとめて(緑色)イメージングの動きのために分離されています。マゼンタの横線は信頼限界を表し、分析に使用された試行回数に対するds。これはトータルトライアル数から拒否されたトライアル数を差し引いた数です。これは、Clopper Pearson法9を用いて95%信頼区間を示す。その線より上の精度レベルは、結果が統計的に有意であることを意味する(アルファ<0.05)。
Protocol
このプロトコル内のすべてのステップは、ヘルシンキ宣言の原則に従っています。
1.システムセットアップ
- USBケーブルを使用して、ソフトウェアを実行しているコンピュータにアンプを接続し、アンプをオンにします。
- ハードウェアドングルをコンピュータの空きUSBスロットに接続します。
注記:これはソフトウェアを実行するために必要です。 - 静電気防止用リストバンドを被験者の手首に置き、自由な電源プラグに接続します。
注:このバンドは、EEGの質に影響を与える可能性のあるノイズを低減するために、被験者を地面に接地するのに役立つように設計されています。 - USBケーブルを使用してドライバボックスをコンピュータの空きスロットに接続します。
- 次のようにして、トリガケーブルをドライバボックスに接続します。
- 「g.STIMbox OUT 5」ラベル付きコネクタをドライバボックスの「OUT 5」に接続します。
- 「g.STIMbox OUT 6」ラベル付きコネクタをドライバbの「OUT 6」に接続します牛。
- 「g.STIMbox OUT 7」ラベル付きコネクタをドライバボックスの「OUT 7」に接続します。
- g.USBampの "DIG I / O 1"ソケットに "g.USBamp DIO 1"のラベル付きコネクタを接続します。
- ドライバボックスのOUT 1、OUT 2、OUT 3に3つのタクタを接続します。
- 「TRIG OUT」ラベル付きコネクタをオーディオトリガアダプタボックスの「TRIG OUT」ソケットに接続します。
- 粘着テープを取って、左側の手首に1つの触手、右側の手首にもう1つ、右側の足首に3つの触手を固定する。
- オス/オスのオーディオコネクタケーブルをコンピュータのオーディオ出力に接続し、オーディオトリガアダプタボックスの「AUDIO IN」とラベルの付いたソケットに接続します。オーディオトリガーアダプターボックスをオンにして、バッテリー状況LEDが緑色であることを確認します。
- ソフトウェアを起動し、「Add physician」というウィンドウを観察します。タイトル、名前、所属、および部門を空欄に入力します。 Clickを押して別のウィンドウを開きます。
- 患者の名前、都市、国、生年月日、およびチェックイン日付をウィンドウに入力します。
- プログラムの右下にある青い矢印の下にある緑色の「+」ボタンをクリックします。 「名前」フィールドにテキスト「First test」を入力し、空の「Details」フィールドに「ソフトウェアに詳しいこと」を入力します。
注:プログラムを続行するには、空のフィールドに情報を入力する必要があります。 - 最後に、[この患者を選択]ボタンをクリックします。
- 電極キャップを使用して被験者の頭に16 EEGチャンネルを取り付けます。拡張国際10-20システム14に従って、FC3、FCz、FC4、C5、C3、C1、Cz、C2、C4、C6、CP3、CP1、CPz、CP2、CP4およびPzの位置を使用してください。右の耳たぶに基準電極を、額に接地電極を置きます。
- 被験者の頭にキャップを適切に配置するには、テープメジャーを使用して、ネイションとイオンの間の距離、および左右の耳介点の間の距離を測定します。頂点位置の電極Czがこれらの2つの距離の中間点にあることを確認します。電極キャップをはめ、この測定位置を電極キャップのCz位置に合わせます。電極キャップは正しい位置にあります。
- ステップ1.12で説明した設定に従って、電極を電極接続ボックスに接続します。電極接続ボックスを生体信号増幅器に接続し、アンプと接続ボックスがオンになっていることを確認します。
- 皮膚と電極との間に接続部を形成するために電極に十分な電極ゲルを注入する。
2.聴覚P300アセスメント
- 患者の情報を入力したら、画面の左側にある「Auditory P300」ボタンをクリックします。下のriの "Assessment"ボタンをクリックしてくださいghtを実行して評価を開始します。
- EEGの信号品質を確認します。画面の右側にある脳の画像は、各電極の信号品質に色分けされたガイドを提供します。赤色は信号品質が悪く、黄色は許容できる信号品質、緑色は良好な信号品質です。
- 設定ボタンで設定メニューを開き、鳴っているビープ音が聞こえることを確認します。これらのビープ音を2つの異なる周波数で被験者に提示して、それぞれの高周波ビープ音をカウントするというタスクを説明します。
- イヤホンをユーザーの耳に入れ、スタートボタンをクリックします。
- 評価作業が終了したら、結果ページと精度プロットを確認します( 図1と図 2 )。精度レベルが40%以下の場合は、繰り返し実行してください。
注:被験者の正確度が40%以下の場合、少なくともそのパラダイムとレコーディングセッションでは、信頼性の高い通信はありそうにありません。それにもかかわらず、他者との評価および/または異なる時間に異なる結果をもたらす可能性がある。
3. 2つの刺激装置による振動触知P300評価
- 画面の左側にある「Vibrotactile 2 Tactor 」ボタンをクリックします。右下の "Assessment"ボタンをクリックして、評価実行を開始します。手順2.2を繰り返します。
- 設定ボタンで設定メニューを開き、タクサーの振動を感じることを確認します。被験者に左右の手首に振動を感じさせる。課題は、左手の手首の振動刺激の数を数えることです。指示の後、開始ボタンをクリックします。
- 評価の実行が終了したら、結果ページと精度プロットを確認します。精度レベルが40%以下の場合は、繰り返し実行してください。
注:被験者の正確度が40%以下の場合、少なくともそのパラダイムとレコーディングセッションでは、信頼性の高い通信はありそうにありません。それにもかかわらず、お尻他のアプローチを用いて、および/または異なる時間に、異なる結果をもたらす可能性がある。
4. 3つの刺激装置による振動触知P300評価
- 画面の左側にあるボタン "Vibrotactile 3 Tactor"をクリックし、右下の "Assessment"ボタンをクリックして評価を開始してください。
- 手順2.2を繰り返します。設定ボタンで設定メニューを開き、タクサーの振動を感じることを確認します。
- 被験者に左右の手首と右の足首に振動を感じさせ、ヘッドホンを介して「左」または「右」のコマンドを聞くように指示します。被験者に、次のコマンドが表示されるか、実行が終了するまで、選択した手の刺激を数えさせる。
注: "LEFT"は、被験者が左側の振動刺激をカウントすることを意味し、 "RIGHT"は、被験者に右手の手首の刺激をカウントするように指示することを意味する。 イヤホンを被験者の耳に差し込み、スタートボタンをクリックします。 - 評価実行が終了したら、結果ページと精度プロットを確認します。精度レベルが40%以下の場合は、繰り返し実行してください。
注:被験者の正確度が40%以下の場合、少なくともそのパラダイムとレコーディングセッションでは、信頼性の高い通信はありそうにありません。それにもかかわらず、他のアプローチおよび/または異なる時期の評価は、異なる結果をもたらす可能性がある。
5. 3つの刺激装置との振動触覚P300通信
- 画面の左側にある「Vactactactile 3 Tactor」ボタンをクリックします。下の「通信」ボタンをクリックして通信を開始します。
- 手順2.2を繰り返します。設定ボタンで設定メニューを開き、タクサーの振動が感じられることを確認します。設定メニューで、最も高い精度レベルの分類子を選択します。これは通常、システムによって決定される最高精度レベル。
- 被験者に左右の手首と右足に振動を感じさせるよう指示します。被験者に質問を聞き、「はい」または「いいえ」のどちらかと答えなければならないことを教えてください。 「はい」と答えるには、被験者に左手の刺激を数えるように依頼します。 「いいえ」と答えるには、被験者に右手の刺激を数えるように依頼します。
- 患者に「はい」または「いいえ」のいずれかで回答できる質問をします。その後、[新しい質問を開始]ボタンをクリックします。
注記:シーケンスが終了すると、ソフトウェアから回答が提示されます。 「YES」、「NO」、または無回答(ソフトウェアが脳のパターンを正確に検出できなかった場合)です。
6. MI評価
- 画面左側の "Motor Imagery"ボタンをクリックしてください。 「評価」ボタンをクリックします右下は評価実行を開始するためのものです。
- 手順2.2を繰り返します。設定ボタンで設定メニューを開き、イヤホンで音声コマンドが聞こえることを確認します。
- 被験者にビープ音が鳴り、 "LEFT"または "RIGHT"のいずれかを指示するように指示します。 "LEFT"コマンドの後に左手でボールを握り、 "RIGHT"コマンドの後で右手でボールを握るように指示します。被験者が「リラックス」コマンドを聞くとすぐに、スクイズを想像するのを止めるように被験者に依頼してください。
注:合計で、無作為注文の60のコマンドが再生されます。 - 8分間走り続ける。約4分後に一時停止ボタンをクリックし、約1分間待ってから実行を続けます。
注:一時停止は、被験者が手術中に集中を維持するのを助けるように設計されています。 - 評価後、結果ページと精度プロットを確認します(図3と図4)。
NOTE:精度レベルが有意水準を下回っている場合は、実行を繰り返します。精度がこの有意水準を下回っている場合、少なくともそのパラダイムと記録セッションでは、信頼性の高い通信はありそうにありません。それにもかかわらず、他のアプローチおよび/または異なる時期の評価は、異なる結果をもたらす可能性がある。
7. MIコミュニケーション
- 画面左側の "Motor Imagery"ボタンをクリックしてください。左下の「通信」ボタンをクリックして通信を開始してください。手順2.2を繰り返します。
- 設定ボタンで設定メニューを開き、分類精度が最も高い分類器を選択します。
- ビープ音が聞こえたら、前に聞いた質問に答えることができます。 「はい」と言うには、左手でボールを握ると想像するように患者に頼んでください。 「いいえ」と言うには、患者は右手でボールを握っていると想像してくださいそして。
- 患者に「はい」または「いいえ」のいずれかで回答できる質問をします。その後、[新しい質問を開始]ボタンをクリックします。
注記:シーケンスが終了すると、ソフトウェアから回答が提示されます( 図5 )。 「はい」または「いいえ」のいずれかになります。
Representative Results
図1と図 2は、2回のP300アセスメントの結果(パラダイムi、ii、およびiii)の結果を示しています。 図1では 、精度は100%に達しました。したがって、被験者の脳は、成功したタスク完了を明確に示した。 図2では 、精度は12.5%のチャンスレベルの周りを変動します。タスクに対する信頼性の高い脳応答は検出されなかった。精度が悪い場合は、すべての電極とコネクタでEEG信号品質を再確認することをお勧めします。 EEGを取得せず、単に白色ノイズを取得した場合にも、12.5%の精度レベルの結果が表示されます。精度のレベルが試行回数とともに増加するが、40%を上回らない場合、弱い脳応答しか見出されない。この場合、生データスコープを使用して信号内のアーチファクトを調べることをお勧めします。また別の日にこの手順を繰り返すことをお勧めします。患者は、別の時間に反応しやすくなり、より良い結果が得られます。
図3および図 4は、パラダイムivの代表的な結果を示しています。重要度レベルは、マゼンタ色の線でマークされています。赤い垂直線は、コマンドの開始時刻を示します。コマンドが表示される前に(赤い垂直線)、両方のプロットの精度は約50%です。この時点で、患者はコマンドが「左」か「右」になるかどうかわからず、従って正しいモータ想像力を実行することができない。 図3では、コマンドの提示後に精度が90%以上に向上しています。これは、彼がランダム化されたコマンドに従うことができたので、その人が意識的に意識していたことを意味します。 図4において 、分類精度は約50%変動する。これは、提示されたコマンドに続いてシステムがMIを検出できなかったことを意味します。 MIのパラダイムはBCI rすべてのユーザがトレーニングなしにMI BCIを制御できるわけではなく、少数派でもトレーニング11であっても制御を達成することができないためです。したがって、この場合、不正確さは、患者が少なくともトレーニングなしでMIを介してBCIを制御することができないことを単に意味する可能性がある。さらに、上記のように、悪い結果が出た後に信号品質をチェックすることをお勧めします。
図5は、パラダイムiiiとivで実行できる通信実行の結果を示しています。レンズは、この例では「はい」と検出された答えをマークする。答えが「いいえ」の場合、レンズは「いいえ」に移動します。システムが応答を検出できなかった場合、レンズは2つの可能な回答の中間にとどまります。レンズが回答の途中にとどまっていると、悪い分級機が選択されている可能性があります。セットアップウィンドウで別の分類子を試すことをおすすめします。
図1.パラダイムi、ii、およびiiiの精度プロット
パフォーマンスが良いと精度は100%に達します。 この図の拡大版を見るには、ここをクリックしてください。
図2.パラダイムの別の精度プロットi、ii、およびiii。
今回は、ブラジャーなしそれに応答してシステムによって検出することができる。したがって、精度は12.5%のチャンスレベルの周りで変動する。 この図の拡大版を見るには、ここをクリックしてください。
図3.パラダイムiv(MI)の精度プロット
この例では、精度は90%を超えています。 この図の拡大版を見るには、ここをクリックしてください。
図4.パラダイムiv(MI)の精度プロット
システムによって脳の応答は検出されなかった。したがって、精度は50%のチャンスレベルの周りで変動する。ttp://ecsource.jove.com/files/ftp_upload/53639/53639fig4large.jpg "target =" _ blank ">この図の拡大版を表示するには、ここをクリックしてください。
図5.通信タスクの結果
レンズは、検出された答え「YES」をマークする。 この図の拡大版を見るには、ここをクリックしてください。
Discussion
多くのグループの先行研究では、行動に基づいた評価がそうでないことを示唆しているにもかかわらず、いくつかのDOC患者がfMRIまたはEEGベースの評価を通じて意識的な意識を示すかもしれないことが示されている。したがって、より正確に意識的な意識を評価し、さらにはコミュニケーションを提供できる新しいシステムとパラダイムが明らかに必要です。理想的には、これらのシステムは、安価で持ち運び可能で、現実の設定でノイズに強く、使いやすい(患者とシステムオペレータの両方にとって)必要があります。
ここで提示されているプロトコルとシステムは、DOCを持つ人の意識レベルを評価し、発言、目の活動、または筋肉制御を必要とする他のタスクを介してコミュニケーションできない人に新しいコミュニケーションチャネルを確立するという2つの目的を果たします。プロトコル内のパラダイムは、最初のステップで基本的な応答をテストするように設計されています。期待される基本的な脳応答が検出されれば、さらに進んでtより複雑なパラダイム、3つの触手とMIを持つ振動触感P300です。これらの2つのパラダイムは、通信チャネルを確立するためにも使用できます。 EEGの信号品質は、これらのプロトコルのすべてにおいて重要である。時々、EEGデータはノイズと区別できません。ノイズの多いデータを認識して管理するためには、脳波解析の経験が必要です。
現在の標準的な評価方法は、信頼性に欠けるだけでなく、時間がかかり、専門家のチームが必要です。したがって、患者は意識の認識が異なる時代に劇的に変動しても、患者はしばしば1回だけ評価される。ここに示したプロトコールは、容易に数回繰り返すことができた。意識的な意識を示さない患者は、別の時に異なる結果を生じることがある。また、各通信が対象者が現在意識状態にあることを確認する前に、1回の評価実行を行うことができる。
アノプロトコルに異なるパラダイムを実装する理由は、ある人が1つのパラダイムではうまく機能しないかもしれないが、別のパラダイムではうまくいくかもしれないからです。同様に、人々はパラダイムがもっと好きかもしれないので、パラダイムを好むかもしれません。異なるパラダイムで異なる選択肢を探索した後、患者は彼らが好むアプローチを選択することができます。これは、通信の有効性とユーザー満足度を向上させるための複数の通信オプションの提供をサポートする「ハイブリッド」BCIアプローチと一致しています。
精度プロットは、正しい分類のパーセンテージレベルと組み合わされて、パターン認識アルゴリズムがタスク中に異なる脳状態をいかに良好に識別できるかを反映する客観的結果をもたらす。したがって、脳のパターンや平均化された応答の主観的な解釈は必要ありません。
3人のタクタとの振動触知は、6人の慢性閉塞性パティエンts 15 。彼らは55.3%のコミュニケーション中に平均的な精度に達し、それらのすべては12.5%のチャンスレベル以上でした。 MIコミュニケーションタスクは、約80%の平均精度を示す、20人の健康なユーザ13のグループについてテストされた。 20人のうちの1人だけが、チャンスレベル以下の制御精度を有していた。
正確さが低いランまたは完全なセッションでさえ、被験者の中に脳の反応がない、または意識がないことを決定的に証明していないことに言及することは重要です。それは、システムが自発的な脳反応を検出できなかったことを意味します。これは、信号品質が悪い、聴覚が難しい、または作業指示を理解しているために、または少数の被験者が作業を実行しても所望のEEG活動を生成できないために生じる可能性がある。
私たちのグループやその他の先行研究と一致して、提示された研究は、脳画像技術を用いたDOCに苦しんでいる患者の意識レベル。 fMRIはまた、患者の現在の脳活動を追跡するのに有用な技術である。これは、誘発電位、ならびに運動イメージや他のタスクを誘発オドボールパラダイムは、fMRIの17、18によって追跡することができた血行力学的応答を生成することができることが示されました。 fMRIと比較して、EEGには顕著な利点があります.EEGベースのツールは、高価で持ち運びが難しく、かなりの専門知識を必要とする機器なしで、ベッドサイドで使用できます。患者をスキャナに運び、スキャナからの騒音を患者にストレスを与えることができる。近赤外分光法(NIRS)はポータブルであり、EEGよりもわずかに優れた空間分解能を有することができるが、時間分解能がより悪い19 。 NIRSは、誘発PoteのためMI 20、21を監視するのに適しているではなく、ntials。たとえば、NaseerとHong 22は、fNIRSを使用してMI-BCIの高分類精度を実証しました。それぞれ50秒間の試行で、左心筋梗塞で77.35%、右心筋梗塞で83%の成績を収めました。 EEGベースのBCIを用いると、Guger らは 、 23では 、99セッションの約20%が80%を超える精度に達し、99セッションのうちの70%が60%を超える精度に達したことがわかりました。 Ortner et al。 CSP法を用いて約80%の平均ピーク精度を示した。この方法は、Gugerおよび同僚から使用されたものよりも多くのEEG電極を必要とするが、より高い精度の結果となる。 CSP法を用いて、Ramoser et al。 23は、18〜56からの電極の増加が性能を有意に改善しないことを実証した;したがって、本発明者らの方法では16電極の選択数が十分であると結論づける。最近、Coyle et al 。 DOC patieでMIを分類およびトレーニングするためにCSPを使用nts 16 。 4人の被験者全てが、評価中に有意で適切な脳活性化を示した。
ハイブリッドNIRS-EEG BCIを介してMIを評価することは、高度な分類精度をもたらす可能性がある(Khan et al。 20が示した。これは有望な将来の方向性である可能性がありますが、追加の神経イメージングツールはデバイスの複雑さとコストを増加させます。
ここに提示されたプロトコルは、DOC患者のEEG信号内の脳応答を評価する比較的容易なツールを提供する。これらの分類結果を解釈し、投薬、療法、または他の医療処置の変更を実施するには依然として医学的専門家が必要である。この方法の将来の方向は、より高い自由度の数を使用する、より高度な刺激技術であり得る。たとえば、「YES」または「NO」としか言わないツールを提供するのではなく、将来のデバイスでより多くの回答を可能にすることができます1つの質問にrs。さらなるステップでは、コンテキストベースの回答を使用することもできる。例えば、患者が音楽プレーヤーを走らせている場合、音量を制御したり、次の曲に切り替えることができます。また、MIのパラダイムはDOC患者で検査する必要があります。
Materials
Name | Company | Catalog Number | Comments |
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 |
References
- 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, John Wiley & Sons. (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, Á 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).