Una plataforma experimental para estudiar el comportamiento de circuito cerrado de interfaces cerebro-máquina

Utilizamos la actividad de una interneurona visual en el cerebro de la mosca, la célula H one, para controlar los motores de un robot móvil. El robot se coloca en una plataforma giratoria en constante rotación y la actividad de la célula se utiliza para estabilizar el robot en relación con el entorno contra movimientos externos. Las imágenes del movimiento del patrón registradas desde el robot se muestrean y se envían a dos monitores CRT de computadora, que se colocan frente a la mosca.

Las señales de la celda H uno, medidas en picos por segundo, indican la velocidad del movimiento del patrón. A continuación, se aplican diferentes leyes de control para convertir los picos por segundo registrados en una señal de control para los motores del robot. Hola, soy Navita Josh de Holger Crops Lab en el departamento de Bioingeniería del Imperial College de Londres.

Soy Chris Peterson, también de Holger Cups Lab. Hola, y soy Holger Cup. Hoy te mostraremos un procedimiento para crear una interfaz cerebro-máquina entre células individuales en el sistema visual de la mosca y un robot.

Utilizamos este procedimiento para probar el rendimiento de diferentes estrategias de control utilizando señales neuronales para controlar sistemas robóticos en condiciones de labio cerrado. Así que comencemos. Para comenzar a preparar la mosca, enfríela en hielo y luego use palitos de cóctel desafilados para sujetar las alas hacia abajo y fije la parte posterior de la mosca a un trozo de cinta adhesiva de doble cara en un microscopio Diapositiva A continuación, use cera B para unir las alas a la corredera y también para bloquear la acción del motor de vuelo.

Este paso requiere un manejo rápido y preciso para que la mosca no se caliente durante el procedimiento. Ahora, bajo el microscopio, sostenga cada pierna con pinzas y use un par de tijeras pequeñas para cortarlas en las articulaciones más cercanas al cuerpo. Repita esto para la probóscide.

Para evitar que la mosca se seque, los agujeros deben sellarse con cera. A continuación, corta una de las alas y luego gira la mosca de lado. Retira los restos de ala mientras dejas el katra, cubriendo las lágrimas de Hal y sella el agujero con cera.

Repita este procedimiento para la otra ala. Para estimular una neurona objetivo de una manera definida, la cabeza de la mosca debe estar correctamente alineada con los monitores de la computadora. Para ello, necesitarás un soporte personalizado que tenga un amplio espacio para el cuerpo de la mosca y un apéndice en un extremo con un corte de muesca donde se colocará el cuello de la mosca.

Coloque la mosca en el soporte con el cuello en la muesca, presionándola hacia abajo mientras pega el abdomen en su lugar. Ahora, coloque el soporte para moscas en un soporte para que pueda ver la parte delantera de la cabeza de la mosca a través del microscopio. La observación de la mosca con luz roja y un fenómeno óptico llamado pseudo pupila se puede ver en cada ojo.

Si la pseudo pupila asume una forma determinada, entonces la orientación de la cabeza de la mosca está perfectamente definida. Use un micro manipulador para orientar correctamente la cabeza de la mosca y luego use cera para pegarla al soporte. A continuación, presione el tórax hacia abajo y encérelo en el soporte.

Esto permite abrir la cápsula posterior de la cabeza para que los electrodos se puedan insertar en el cerebro de la mosca, usando un microbisturí o una aguja de inyección fina para cortar cuidadosamente una ventana en la cutícula de la cápsula de la cabeza derecha. Ten cuidado de no cortar el tejido neural justo debajo de la cutícula. Una vez retirado el trozo de cutícula, añade unas gotas de solución de timbre.

Use pinzas para eliminar cualquier vello flotante, depósito de grasa o tejido muscular que pueda cubrir la placa de LOA. La placa LOA se puede identificar por un patrón de ramificación característico de tráquea plateada que cubre su superficie posterior. Corte un pequeño orificio en la cutícula de la cápsula de la cabeza trasera izquierda para colocar un electrodo de referencia con el vuelo preparado.

Veamos cómo posicionar el electrodo registrador. El electrodo de registro debe colocarse muy cerca de la neurona Höna. La neurona H responde principalmente al movimiento horizontal de atrás hacia adelante presentado a su campo receptivo.

Para colocar el electrodo de registro, utilice la tráquea como punto de referencia visual. Inicialmente, coloque el electrodo entre la tráquea superior. Es útil utilizar un amplificador de audio para convertir los potenciales eléctricos registrados en señales acústicas.

Cada pico individual se convierte en un sonido de clic característico. Cuanto más se acerque el electrodo a una neurona individual, más claro se vuelve el sonido de clic. Para identificar la neurona H uno por medio de su preferencia de movimiento, estimulícela con movimiento en la dirección horizontal.

Con el electrodo de registro en su lugar, pasemos a la estimulación visual y las grabaciones. Para comenzar, coloque una mosca frente a dos monitores de computadora CRT. Debido a que el sistema visual de las moscas es 10 veces más rápido que el de los humanos, los monitores deben mostrar la posición de 200 fotogramas por segundo.

Los centros de los monitores están a más o menos 45 grados en relación con la orientación de las moscas. Como se ve desde el ecuador de ojo de mosca, cada monitor tiene un ángulo de más o menos 25 grados en el plano horizontal y más o menos 19 grados en el plano vertical. La entrada a los monitores de la computadora es proporcionada por dos cámaras de video montadas en un pequeño robot SRO de dos ruedas que ha sido modificado para el experimento.

Coloque el robot en una plataforma giratoria dentro de un área cilíndrica cuyas paredes estén revestidas con un patrón de rayas blancas y negras orientadas verticalmente. Al girar la plataforma giratoria en el plano horizontal, los movimientos del robot se limitan a un solo grado de libertad. Inicialmente, tanto la plataforma giratoria como el robot están en reposo.

Cuando la plataforma giratoria comienza a moverse, su rotación lleva al robot en la misma dirección, y las cámaras de video registran el movimiento relativo entre el robot y el patrón de rayas de la arena. Las cámaras de vídeo alimentadas por batería del robot están montadas en una orientación de más o menos 45 grados. Capturan 200 imágenes por segundo para que coincidan con la velocidad de fotogramas de los monitores de computadora frente al registro de moscas.

Las imágenes presentadas a la computadora monitorean a 200 fotogramas por segundo con una resolución de seis 40 por cuatro 80 en escala de grises. Mientras la mosca observa los movimientos del registro del patrón de rayas, la banda pasa filtrada. Por ejemplo, entre señales eléctricas de 302 kilohercios con una placa de adquisición digital que utiliza una frecuencia de muestreo de al menos 10 kilohercios, se aplica un umbral a las señales eléctricas filtradas pasadas por la banda para separar los picos de la actividad de fondo.

Un filtro medio gaussiano causal se convoluciona con los picos para obtener una estimación suave de la actividad de aumento para la celda H one para cerrar el ciclo de la interfaz cerebro-máquina. Se utiliza un algoritmo de control para convertir la tasa de aumento de la celda H one en una velocidad de robot, que se retroalimenta a través de una interfaz Bluetooth para controlar los dos motores de CC que impulsan las ruedas del robot. Las ondas de signo puras se eligen como perfiles de velocidad para la plataforma giratoria.

Las ondas de signo tienen un desplazamiento de CC tal que la plataforma giratoria solo gira en la dirección que estimula la neurona H one a lo largo de su dirección preferida. Todo el sistema de control está configurado de tal manera que la estimulación de la neurona H one hace que el robot compense el movimiento de la plataforma giratoria cuando se configura correctamente. La estabilización visual se logra cuando la contrarrotación del robot coincide con la rotación de la plataforma giratoria, lo que resulta en poco o ningún movimiento de patrón en los monitores de la computadora.

El rendimiento general del sistema depende del algoritmo de control que se utilice para cerrar el bucle. El primer algoritmo que probamos es un controlador proporcional donde la velocidad actualizada del robot es proporcional a la diferencia de velocidades angulares entre el robot omega R y la plataforma giratoria Omega P. Diferentes valores para la ganancia estática. KP y las frecuencias de entrada para la señal de la plataforma giratoria omega P se eligen para probar el rendimiento del controlador.

Aquí se muestran trazas de muestra para omega P y omega R para KP igual a uno y una frecuencia de entrada de 0,6 hercios para omega P, el robot en verde sigue el plato giratorio en azul con un retraso y una amplitud de pico más pequeña. El componente horizontal del movimiento del patrón que estimula la celda H one se muestra a la derecha en frecuencias de entrada rojas para la señal de la plataforma giratoria. Se eligen Omega P entre 0,03 y tres hercios, y se registra la señal de robot omega R correspondiente.

Ambas señales se transforman en el dominio de la frecuencia mediante una transformación rápida de cuatro años, y los valores de amplitud y fase se calculan a la frecuencia de entrada. El gráfico de magnitud BO d para el controlador proporcional con KP igual a uno muestra la respuesta del sistema a las frecuencias de entrada probadas. El rendimiento del controlador generalmente disminuye con el aumento de frecuencias.

El ligero aumento de la ganancia a un hercio es el resultado de las oscilaciones en la señal del robot debido al uso de solo una celda H, una celda cuyo rango de salida dinámico cubre principalmente el movimiento horizontal de atrás hacia adelante. El gráfico de fase de Bodhi muestra un retraso de fase del controlador inferior a PI para frecuencias de entrada inferiores a 0,6 hercios. Esto muestra que el controlador es estable para frecuencias inferiores a 0,6 hercios e inestable para frecuencias de entrada mayores o iguales a un hercio.

El rendimiento del controlador proporcional con un KP estático se comparó con un controlador adaptativo en el que el valor de KP se actualiza cada 50 milisegundos. Basado en la tasa de pico máxima. F max calculado a lo largo del intervalo de tiempo T menos 500 milisegundos para T.As resultado de la gran ventana de tiempo de integración, el controlador proporcional funciona mejor que el controlador adaptativo para el rango de parámetros probado, el controlador adaptativo tenía una característica de fase similar a la del controlador proporcional, se eliminó el patrón de clasificación alrededor de la plataforma giratoria y el entorno de laboratorio se utilizó como una aproximación de la entrada visual naturalista para la mosca H una celda.

En promedio, el gráfico de magnitud de Bodhi para la entrada visual naturalista mostró ganancias ligeramente superiores que el gráfico con entrada visual graduada, probablemente porque se explota el rango más amplio de frecuencias espaciales en las imágenes visuales naturalistas. Las características del diagrama de fase de Bodhi para la graduación frente a las entradas visuales naturalistas fueron similares. Acabamos de mostrarte cómo crear una interfaz cerebro-máquina entre una célula y los cinco sistemas visuales y un robot.

Hay algunos pasos críticos durante este procedimiento. Primero, evite cortes profundos durante la apertura de la cápsula de la cabeza para evitar lesiones en el cerebro. En segundo lugar, coloque el electrodo con cuidado para que grabe desde una sola celda, nosotros registramos desde la celda H uno.

En tercer lugar, mantenga el cerebro húmedo en todo momento y evite que se seque. Así que eso es todo. Gracias por mirar y buena suerte con los experimentos.