שימוש EEG מבוסס מוחי המחשב ממשק עבור תנועת הסמן וירטואלי עם BCI2000
29 ביולי 2009
בסרטון הזה, אנחנו מדגימים את הצעדים הנדרשים כדי להפעיל ניסוי המוח למחשב ממשק, כולל הגדרת כובע EEG, כיול המערכת, הדרכה למשתמש להזיז סמן בשני ממדים באמצעות תנועות דמיינתי.
ממשק מחשב מוח או BCI מתפקד על ידי תרגום אות עצבי כגון אלקטרואנצפלוגרמה או EEG, לאות שניתן להשתמש בו כדי לשלוט במחשב או במכשיר אחר. ההליך מתחיל בהצמדת מכסה האלקטרודה EEG לקרקפת של הנבדק כדי לתעד את הפעילות המוחית. לאחר מכן הנבדק מתבקש לדמיין מספר תנועות רצוניות עם הידיים והרגליים, ואז מבוצע הליך כיול, המנתח את מאפייני ה- EEG כתוצאה מהליך הכיול.
ניתן להשתמש בערכי R בריבוע ובטומוגרפיה של הקרקפת כדי לקבוע אילו אלקטרודות וסלי תדרים ישמשו להנחיית סמן על מסך המחשב. לאחר מכן הנבדקים יוכלו להזיז את הסמן במהירות לאזורים ממוקדים רק על ידי מחשבה על זה. היי, אני אדם וילסון, ואני עובד במעבדה של ג'סטין וויליאמס במחלקה להנדסה ביו-רפואית באוניברסיטת ויסקונסין-מדיסון.
היום אשתף את ההליך לרישום פעילות מוחית שנקרא אלקטרואנצפלוגרמה או EEG לשליטה ביישום ממשק מחשב מוח. אז בואו נתחיל. אתה מתחיל את הפרוטוקול הזה על ידי חיבור אלקטרודות EEG לקרקפת של הנבדק דרך מכסה EEG, שממקם את האלקטרודות בהתאם למערכת הבינלאומית 10 20.
כדי למקם נכון את הכובע על הקרקפת של הנבדק, השתמש בעט קצה לבד כדי לסמן את הנזיון, שהוא ההצטלבות של עצמות האף הקדמיות וההודי, הבליטה הגדולה ביותר של עצם העורף. מצא את נקודת האמצע בין nasn ל-inion ו-Market. מיקום זה נקרא קודקוד.
מצא את האלקטרודה CZ על הכובע ומקם אותה על הקודקוד תוך שמירה על CZ קבוע. החלק את הכובע על הראש. ודא שהאלקטרודות FC cz ו-PZ נמצאות בקו האמצע של הקרקפת, שהאלקטרודות O one עד O2 אופקיות ומפולסות עם oz, וש-FP אחד עד FP 2 מאוזנות עם FPZ.
כעת חבר את אלקטרודת הייחוס, שבדרך כלל נצמדת לתנוך האוזן. כעת, לאחר שהאלקטרודות הוצבו כראוי, יש לוודא שנוצר מגע חשמלי תקין עם הקרקפת. לשם כך, ג'ל מוליך נמשך תחילה במזרק קטן עם מחט קצה קהה.
לאחר מכן הכניסו את המחט לאלקטרודה וקיבעו בעדינות את הקרקפת עם המחט כדי להסיר עור מת. התחל עם אלקטרודת הייחוס לאוזן וחזור על כל האלקטרודות, כולל האדמה, מלא את האלקטרודה בכמות קטנה של ג'ל. היזהר לא למלא אותו יתר על המידה.
בדוק את העכבות עבור כל הערוצים, שכולם צריכים להיות פחות מחמישה קילו אוהם. השיטה שלך תשתנה בהתאם למערכת המגבר שלך. כדי לעשות זאת עם מגבר ה-GUSB ב-BCI 2000, תשנה את פרמטר מצב הרכישה לעכבה ותלחץ על הגדרת תצורה כדי לברר ערכי עכבה עבור כל הערוצים.
אם לאלקטרודה יש עכבה גדולה מחמישה קילו אוהם, הכנס שוב את המחט ולחץ על הקרקפת עוד קצת כדי לחזק את החיבור. ואז בדוק שוב את העכבה. כעת מכסה ה- EEG מוכן להקלטה.
כדי להתחיל, הגדר את מערכת המחשב למצב צג כפול. הפעל את BCI 2000 ממשגר BCI 2000 על ידי בחירת מודול מקור המגבר שלך, מודול עיבוד אותות הדמה ומודול הצגת הגירוי. הוסף את קבצי הפרמטרים עבור הנושא שלך, המגבר ומשימות הסינון המוטורי, שעליך להגדיר מראש במהלך הפגישה, המסך ריק או מציג הוראה כגון יד ימין, יד שמאל, שתי הידיים או שתי הרגליים למשך שלוש שניות בכל פעם.
במהלך כל פרק של שלוש שניות, על הנבדק לדמיין ללא הרף את התנועה המצוינת. תנועות הידיים צריכות להיות פתיחה וסגירה של הידיים כמו סחיטת כדור טניס, ותנועות כף הרגל צריכות להזיז את כפות הרגליים קדימה ואחורה כמו לחיצה על דוושת גז בשתי הרגליים. כאשר המסך ריק, הנושא צריך להרפות לחלוטין את הגוף במהלך ריצה.
חזור על כל חלק בגוף 20 פעמים ובצע חמש ריצות בסך הכל מאה נקודות נתונים. כעת אתם יכולים לנתח את הנתונים כדי לקבוע את תכונות ה-EEG הייחודיות לכל תנועת דמיון. כעת, לאחר שסיימתם לאסוף את נתוני הסינון, הגיע הזמן להשתמש בכלי הניתוח הלא מקוון BCI 2000 כדי לקבוע אילו תכונות באות ה-EEG המשתמשים מסוגלים לווסת מרצון.
כלי הניתוח הלא מקוון ממיר את אות ה- EEG לתחום התדרים שבו ניתן לקבוע אילו ערוצים ואילו תכונות תדר באות היו בקורלציה מקסימלית עם המשימות. כדי להתחיל בניתוח, הפעל את תוכנית מעבדת המתמטיקה ונווט אל תיקיית הניתוח הלא מקוון BCI 2000 ולאחר מכן הפעל את התוכנית. השתמש בתוכנית כדי לקבוע אילו תכונות EEG נמצאות בקורלציה חזקה עם כל תנועה.
עבור כל תנועה, שרטט את הנתונים, ולאחר מכן מצא את התרשימים עם ערכי ה-R הגדולים ביותר בריבוע או המתאם החזק ביותר. לאחר מכן תוכל להשתמש בערוצים ובסלי התדרים עם ערכי ה-R הגדולים ביותר בריבוע כאותות בקרה כדי להזיז את הסמן לכיוון מסוים. לדוגמה, הגדר תכונות המשתנות עבור מצב יד ימין כדי להזיז את הסמן לצד השמאלי של המסך.
בעת ניתוח הנתונים שלך, ודא שהערוצים והתדרים שנבחרו תואמים את המאפיינים הידועים של מקצבים מוטוריים חושיים בקליפת המוח. לדוגמה, אתה אמור לראות שינויים משמעותיים התואמים לתנועה מדומיינת של יד ימין מעל קליפת המוח המוטורית הנגדית ליד C3 ו-CP 3, ומרוכזת ליד 8 עד 12 הרץ ו-18 עד 28 הרץ בהתאמה. אם המיקומים והערכים הללו שונים, סביר להניח שמדדת רעש או אפקט אקראי כלשהו ולא צריך להגדיר את הקצב המסוים הזה כתכונת בקרה.
עבור כל תנאי, בחר את מספר הערוץ ואת סלי התדרים עם ארבעת ערכי ה- R הגדולים ביותר בריבוע. עם ערכים אלה ביד, באפשרותך להגדיר את המערכת עבור משימת בקרת הסמן. כעת, לאחר שקבעתם את התכונות המתואמות עם כל תנועת Imagine, הגיע הזמן להגדיר את מערכת ה-BCI לשימוש בתכונות אלו כדי לשלוט בתנועת הסמן.
ראשית, נגדיר את הפעלת תנועת הסמן במשגר BCI 2000 על ידי בחירת מודול מקור המגבר שלך, מודול עיבוד אותות AR ומודול משימה. תחילה, הגדר את המסנן המרחבי עם הפניה ממוצעת משותפת. לשם כך, לחץ על config באופרטור BCI 2000 כדי להעלות את רשימת ההגדרות ולחץ על לשונית הסינון.
עבור אל סינון מרחבי ושנה את התיבה הנפתחת של סוג המסנן המרחבי להתייחסות ממוצעת נפוצה או CAR תחת מסנן מרחבי, פלט CAR. פרט את שמות הערוצים או המספרים שבחרת בהפעלת הכיול. לאחר מכן, הגדר את מטריצת הסיווג כך שתשתמש בתכונות שבחרת בכרטיסיית הסינון.
עבור לפרמטר המסווג ולחץ על עריכת מטריצה. הגדר את מספר העמודות לארבע ואת מספר השורות למספר הכולל של התכונות שנבחרו. כל שורת מטריצה מתאימה לתכונה בודדת.
בעמודה הראשונה, הזן את כל שמות הערוצים. בעמודה השניה, הזן את סלי התדרים שבחרת כדי לשלוט בכל תנועה. בעמודה השלישית, ערוץ הפלט נכנס לתנועת הסמן הנשלטת על ידי התכונה.
ערך של אחד מתאים לתנועה אופקית ושניים מתאים לתנועה אנכית. יש להגדיר את הערוצים C3, CP שלוש, C ארבע ו-CP ארבע לאחד לבקרת סמן אופקית. יש להגדיר את משימה C3 CP שלוש, C ארבע CP ארבע ו-CZ לשתיים עבור משימת בקרת קללה אנכית.
לבסוף, בעמודה הרביעית, הזן את משקל התכונה, המתאים לכיוון המיועד ההפוך. לדוגמה, כדי להזיז את הסמן ימינה, עליך להמתין C3 ו-CP 3 כמינוס אחד, וכדי להזיז אותו שמאלה, עליך להמתין C ארבע ו-CP 4 כאחד. באופן דומה, כדי להזיז את הסמן למטה, עליך להמתין CZ ו-CPZ כאחד, וכדי להזיז את הסמן למעלה, עליך להמתין C3 ו-C ארבע כמינוס אחד.
כעת, לאחר שהגדרת את המערכת עם ההגדרות הנכונות, הגיע הזמן להתחיל במשימת הניסיון. ערכו את הניסויים בחדר מואר עמום עם כיסא נוח לנושא. במהלך הניסויים, הנבדק צריך לשמור על תנועה מינימלית.
כדי להפחית חפצים, יהיו הפסקות בין הניסויים. עבור הניסויים הראשונים, הגבל את הסמן לציר המטרה. כלומר, אם המטרה נמצאת בחלק העליון או התחתון, ניתן להזיז את הסמן רק למעלה או למטה, ואם הוא נמצא משמאל או מימין למסך, הנושא יכול להזיז את הסמן רק שמאלה או ימינה.
אחת המטרות מופיעה לשנייה אחת. הסמן מופיע באמצע המסך. לאחר מכן יש לנבדק חמש שניות להשתמש בתנועות המדומיינות המתאימות כדי לכוון את הסמן אל המטרה.
אם הנושא פוגע במטרה, הוא משנה את צבעו לאחר חמש שניות ללא פגיעה, פסק הזמן של ההפעלה ונספר כהחמצה. לאחר הניסוי, יש מרווח של שתי שניות בין ניסויים שבמהלכו הנבדק יכול להירגע, למצמץ, לבלוע או להתאים מחדש תנוחות לאחר 20 ניסיונות, VCI 2000 נכנס למצב מושעה. במהלך תקופה זו, ייתכן שיהיה עליך להתאים מחדש חלק מההגדרות אם הנושא אינו מסוגל להזיז את הסמן.
אם לאחר ארבע ריצות, הנבדק עדיין לא יכול להזיז את הסמן, ייתכן שיהיה עליך לנתח מחדש את הנתונים שנאספו בכלי הניתוח הלא מקוון BCI 2000. בחר את הערוצים והתדרים החדשים על סמך עלילות התכונות החדשות. ייתכן שיידרשו מספר ריצות או אולי מספר מפגשים לפני שהנבדק יוכל להיות מיומן במשימה.
תמונות אלה מציגות את ערכי ה-R בריבוע ואת הטופוגרפיה של הקרקפת עבור הליך הכיול המציין אילו ערוצים וסלי תדרים יש לבחור. לשליטה בסמן, נושא מאומן אמור להיות מסוגל להזיז במהירות את הסמן למטרה המוצגת תוך שנייה או שתיים. זה עתה הראינו לכם כיצד להגדיר ממשק מחשב מוח כדי לאסוף EEG ולאמן משתמש לשלוט בסמן וירטואלי באמצעות הפעילות המוחית שלו.
חשוב לזכור שיכול לקחת הרבה אימונים כדי שמישהו ילמד איך להשתמש במערכת הזו, אבל עם קצת התמדה, כמעט כל אחד יכול ללמוד לעשות את זה. אז זהו. תודה על הצפייה ובהצלחה בניסויים שלך.
צפו בתמליל המלא וקבלו גישה לאלפי סרטונים מדעיים
סקירה
הסרטון הזה מדגים את השלבים לביצוע ניסוי בממשק מוח-מחשב (BCI), תוך התמקדות בהגדרת EEG, כיול המערכת והכשרת משתמשים לשליטה בנקודה באמצעות תנועות מדומיינות.
מרכיבי מחקר עיקריים
תחום המדע
- מדעי המוח
- ממשקי מוח-מחשב
- אלקטרופיזיולוגיה
רקע
- BCI מתרגם אותות עצביים לפקודות עבור מכשירים.
- כובעי EEG משמשים להקלטת פעילות מוחית.
- כיול חיוני לפרשנות מדויקת של אותות.
- תנועות מדומיינות משמשות לשליטה בנקודה.
מטרת המחקר
- להדגים את תפקודו של BCI.
- להכשיר משתמשים בשליטה בנקודה באמצעות מחשבה.
- לנתח אותות EEG להנחיית נקודה יעילה.
שיטות שבהן נעשה שימוש
- חיבור כובע אלקטרודות EEG לקרקפת.
- נוהל כיול לניתוח מאפייני EEG.
- שימוש בערכי R-squared וטומוגרפיה של הקרקפת לבחירת אלקטרודות.
- אימון נבדקים לדמיין תנועות לשליטה בנקודה.
תוצאות עיקריות
- הנבדקים יכולים להזיז נקודה לאזורי יעד באמצעות תנועות מדומיינות.
- כיול משפר את הדיוק של השליטה ב-BCI.
- אלקטרודות ותיבות תדרים ספציפיות משפרות את הביצועים.
- הוכחה לכדאיות של שליטה בנקודה על סמך מחשבה.
מסקנות
- BCIs יכולים לתרגם ביעילות תנועות מדומיינות לפעולות.
- כיול EEG חיוני להפעלה מוצלחת של BCI.
- לטכנולוגיה זו יש פוטנציאל ליישומים בהתקנים עזר.
שאלות נפוצות
Executive Industry Relevance
This EEG-based BCI protocol enables non-invasive neural signal decoding for cursor control, offering a platform to evaluate brain-computer interface feasibility in preclinical and translational research. By translating imagined motor activity into quantifiable cursor movements, the method supports target validation through functional neural readouts. It provides a scalable, reproducible system for assessing neurotechnological interventions in disease-relevant motor or cognitive models.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of sensorimotor cortex engagement during imagined movement, supporting target hypothesis testing in neural pathways.
- Operational Value: Uses R-squared values and scalp topography to objectively identify EEG features correlated with motor intent, reducing false-positive target assignments.
- Predictive Value: Facilitates mechanistic de-risking by linking neural signal modulation to behavioral output, improving confidence in target engagement assays.
Screening & Assay Development
- Scientific Value: Calibration procedure identifies subject-specific EEG channels and frequency bins (mu and beta bands) that reliably modulate with imagined movement, enabling assay standardization.
- Operational Value: BCI2000 offline analysis tool quantifies feature-task correlation, providing reproducible metrics for screening neural responsiveness across models.
- Scalability: System configuration allows reuse of validated spatial filters and classification matrices for longitudinal screening campaigns.
Translational & Preclinical Research
- Translational Continuity: Demonstrates proof-of-concept for thought-driven device control, supporting advancement of neuroprosthetic or assistive technology candidates.
- Disease-Relevant System: Applicable to models of motor impairment, stroke, or neurodegenerative disease where imagined movement paradigms assess residual neural function.
- Risk-Adjusted Advancement: Enables iterative refinement of neural features based on real-time feedback, reducing attrition due to poor signal-to-noise in later-stage validation.
Pipeline & Workflow Integration
The method integrates into early discovery for target validation, progresses through assay development for screening neural responsiveness, and supports translational research by validating brain-device interface fidelity in preclinical models.
- Discovery Biology: Supports hypothesis testing of motor cortex involvement in imagined movement, enabling pathway clarification and biological de-risking of neural targets.
- Screening: Provides assay readiness through calibrated EEG feature selection, ensuring reproducible, quantitative outputs for evaluating neural modulation capacity.
- Analytics: Generates R-squared values and scalp topography as key readouts to compare conditions and rank feature suitability for cursor control.
- Translational Research: Connects neural signal decoding to functional output, supporting preclinical continuity for assistive device development.
- Enterprise Reuse: BCI2000 configuration (spatial filter, classification matrix) is portable across studies, enabling platform-level implementation for repeated neural interface evaluations.
Operational & Enterprise Impact
- Scientific Value: Delivers predictive confidence in neural target validation by transforming imagined movement into measurable cursor kinematics.
- Operational Value: Ensures reproducibility via impedance-controlled electrode placement and standardized calibration protocols across users and sessions.
- Strategic Value: Informs go/no-go decisions by quantifying neural controllability, reducing investment in targets with insufficient brain-signal engagement.
- Portfolio Impact: Enables risk-adjusted prioritization of neurotechnology candidates based on demonstrated brain-computer interface efficacy in controlled settings.
Implementation Considerations
- Requires expertise in EEG neurophysiology, BCI signal processing, and motor imagination paradigms.
- Dependent on amplifier systems compatible with BCI2000 (e.g., GUSB amp) and impedance monitoring below 5 kΩ for signal quality.
- Necessitates cross-team standardization of electrode placement (10-20 system), calibration procedures, and feature selection criteria (R-squared thresholds).
- Adaptation across model systems may require validation of mu/rhythm modulation in non-human species or disease models with altered cortical rhythms.
- Practical limitations include user-dependent learning curves and susceptibility to muscle or motion artifacts during imagined movement tasks.
Biopharma FAQs
Chapters in this video
0:05
Title
0:57
Introduction
3:41
Obtaining EEG Calibration Features
1:18
Connecting the EEG Electrodes
4:58
Analyzing the EEG Data
6:53
Online Feedback Session Configuration
9:21
Cursor Movement Task
11:17
Representative Data Correlating Imagined Right-Hand Motion to EEG Changes
11:40
Conclusion
