26 luglio 2013
Sviluppo di un sistema efficace cervello-macchina-interfaccia (BMI) per il restauro e la riabilitazione della locomozione bipede richiede accurata decodifica di intenti dell'utente. Qui vi presentiamo un protocollo sperimentale romanzo e la tecnica di raccolta dei dati per l'acquisizione simultanea non invasiva di attività neurale, l'attività muscolare, e al corpo intero cinematica durante i vari compiti e le condizioni di locomozione.
L'obiettivo generale del seguente esperimento è quello di estendere il concetto di un framework di imaging cerebrale mobile per consentire lo studio delle dinamiche del corpo cerebrale umano in un'ampia gamma di compiti di locomotiva. Ciò si ottiene posizionando prima i sensori E-E-G-E-M-G e di motion capture su un soggetto umano come secondo passo. I tre sistemi di raccolta dati sono sincronizzati con un software personalizzato e un dispositivo di attivazione a pulsante, che fornisce un set di dati E-E-G-E-M-G e motion capture.
Successivamente, il soggetto completa nove compiti specifici della locomotiva all'interno di quattro diversi ambienti. Al fine di catturare le dinamiche del corpo cerebrale durante una varietà di movimenti, i risultati mostrano l'attività cerebrale misurata tramite EEG durante i compiti della locomotiva. Questo metodo può aiutare a rispondere a domande chiave nel campo delle neuroprotesi e delle interfacce cervello-macchina.
Ad esempio, è possibile estrarre informazioni utili sulla cinematica GA o sui modelli EMG di superficie da un EEG del cuoio capelluto? Il vantaggio principale di questa tecnica rispetto ai metodi esistenti è che possiamo raccogliere in modalità wireless i dati E-E-G-E-M-G e di motion capture utilizzando una configurazione mobile, che ci consente di esplorare più attività e ambienti motori rispetto alle tradizionali tecniche di raccolta dati. Le implicazioni di queste tecniche si estendono anche ai disturbi del movimento e alla medicina riabilitativa perché fondamentalmente questi protocolli ci informano sui cambiamenti nell'attività cerebrale e sull'adattamento del corpo.
I miei studenti laureati dimostreranno ora il posizionamento dei sensori o JI osir mostrerà come posizionare i sensori EMG sul nostro volontario oggi. Kevin Nathan, con l'assistenza di John, colui che posizionerà i sensori EEG sul suo cuoio capelluto Per iniziare questo protocollo. Innanzitutto, registra l'altezza, il peso e l'età del soggetto.
Quindi regolare la velocità del tapis roulant in modo che corrisponda alla velocità di camminata preferita dal soggetto. Quindi, misura la distanza tra il nasion e Inion usando un pennarello. Segnare il 10% della distanza come riferimento per l'allineamento del cappuccio e contrassegnare il punto medio della distanza come vertice della testa.
Ora posiziona la cuffia EEG sul soggetto e allineala ai punti di riferimento di riferimento. Allineare il punto medio tra gli elettrodi FP uno e FP due con il segno di distanza del 10% e allineare l'elettrodo CZ con il vertice contrassegnato. Fissare il cappuccio legandolo sotto il mento.
Successivamente, iniziando con gli elettrodi di terra e di riferimento, utilizzare una piccola siringa per iniettare il gel elettrolitico in ciascun elettrodo fino a quando l'impedenza di ciascuno misura al di sotto di 25 kiloohm come indicato dal LED dell'elettrodo che diventa verde. Infine, collegare gli elettrodi al trasmettitore wireless per il sistema di acquisizione dati. Successivamente, prepararsi per l'elettromiografia di superficie radendo prima la pelle e poi pulendo con un tampone di alcol isopropilico.
Quindi posizionare un elettrodo su ciascuno degli otto siti preparati per ogni gamba per il tali, il vasto anteriore, il lateralis, il bicipite, il fems e il gastroc. Infine, si prega di mettere a terra gli elettrodi EMG sul polso sinistro o destro e collegare tutti gli elettrodi EMG all'unità di registrazione dati EMG. Per impostare il motion capture.
Per prima cosa posizionare i sensori di tacca sul soggetto utilizzando cinghie in velcro o nastro biadesivo. Collegare i sensori nelle posizioni elencate qui. Quindi chiedi al soggetto di salire sul tapis roulant e di attaccare un'imbracatura di sicurezza come mostrato qui prima della raccolta dei dati.
Esaminare i segnali EEG ed EMG per verificare il corretto posizionamento degli elettrodi, la connessione degli elettrodi e la trasmissione dei dati. Iniziare quindi la raccolta dei dati eseguendo l'applicazione console c plus plus. Premere il pulsante a grilletto manuale per avviare la registrazione EMG ed emettere un segnale acustico.
Per iniziare l'esperimento, istruire il soggetto a rimanere in una posizione tranquilla per 30 secondi. Quindi, dopo 30 secondi, premere il pulsante di attivazione per iniziare a camminare. Il tapis roulant dovrebbe accelerare lentamente fino alla velocità preselezionata dal soggetto.
Chiedi al soggetto di camminare per cinque minuti. Dopo cinque minuti, premere il pulsante di attivazione per avviare la transizione dalla camminata alla posizione eretta fermando lentamente il tapis roulant. Dopo essersi fermato, il soggetto deve rimanere in piedi per 30 secondi.
Ora, premi il pulsante della coda per interrompere la prova di raccolta dei dati e salvare i dati. Ripeti questo esperimento con tre condizioni visive, incluso un nero. a distanza di fronte al soggetto per concentrarsi sull'osservazione in tempo reale delle gambe su un monitor video ed evitare una linea diagonale sul tapis roulant.
Quindi, passa all'arena pedonale. L'arena pedonale dovrebbe essere allestita posizionando cinque set di sensori di prossimità a infrarossi, coni e schermi televisivi come si vede. Qui, posiziona il soggetto all'inizio del circuito di camminata nell'arena e inizia la raccolta dei dati come descritto in precedenza.
Ora, premi il pulsante di attivazione per avviare l'esperimento di camminata. Al momento in cui viene dato il grilletto. La prima freccia direzionale viene visualizzata sullo schermo di fronte al soggetto.
Se si osserva una freccia destra o una freccia sinistra, il soggetto deve uscire dalla serie di coni all'ingresso, ruotare di 90 gradi in quella direzione, completare il ciclo e tornare ai coni d'ingresso. Se si osserva una freccia verso l'alto, il soggetto deve continuare direttamente fuori dai coni d'ingresso. È quindi necessario fornire un grilletto manuale e una freccia di direzione quando il soggetto raggiunge circa due metri dai sensori IR.
Il soggetto deve quindi procedere attraverso la prima serie di sensori IR e quindi effettuare la rotazione di 90 gradi corrispondente per completare il ciclo. Tornando ai coni d'ingresso durante la deambulazione, lo sperimentatore deve seguire il soggetto a una distanza di circa tre-cinque metri con il PC host su un carrello a ruote Per garantire la qualità del segnale wireless, il soggetto deve continuare a camminare quando raggiunge i coni d'ingresso. Dopo aver completato un singolo ciclo, la sequenza deve essere ripetuta con un ordine casuale delle frecce fino a quando non sono stati completati tre cicli per ogni freccia iniziale.
Dopo aver completato il numero richiesto di loop, premere il pulsante di attivazione manuale per segnalare il passaggio alla posizione eretta. Il soggetto deve rimanere in silenzio per 30 secondi. Quindi terminare la raccolta dei dati premendo il pulsante cue sul pc host.
Posiziona una sedia dietro il soggetto e inizia la raccolta dei dati. Il soggetto deve stare in silenzio per 15 secondi all'inizio della raccolta dei dati. Dopo 15 secondi, premere il pulsante di attivazione manuale.
Dopo aver ascoltato il segnale, il soggetto dovrebbe passare dalla posizione eretta a quella seduta, postura, mantenimento, posizione seduta fino alla coda audio successiva. Attendi un intervallo casuale da cinque a 15 secondi. Quindi premere il grilletto manuale per dare un segnale per la transizione da seduto a in piedi.
Chiedi al soggetto di mantenere la postura eretta fino alla coda audio successiva. Ripetere questa procedura fino a 10. Supporto completo per sedersi e sedersi per stare in piedi.
Le manovre sono complete, dopodiché il soggetto dovrebbe stare in silenzio per 15 secondi. Quindi terminare la raccolta dei dati premendo il pulsante cue. Quindi, ripeti il protocollo stando in piedi per la transizione auto-avviata in piedi per sedersi e sedersi per stare in piedi.
Questa volta, invece di dare al soggetto un innesco per la transizione, chiedi al soggetto di iniziare il trasferimento da solo fino a quando non sono state completate le 10 di ogni manovra. Per la camminata nel corridoio, posizionare il carrello per la raccolta del soggetto e dei dati al centro di un corridoio rettilineo di un ottavo di miglio. Inizia la raccolta dei dati come con gli esperimenti di camminata sul tapis roulant.
Dopo il 32° periodo di riposo iniziale, emettere un grilletto manuale o un segnale acustico al soggetto per iniziare a camminare. Chiedi al soggetto di camminare continuamente per cinque minuti. Quando il soggetto raggiunge entro 10 metri dalla fine del corridoio, deve avviare autonomamente un'inversione a U e continuare a camminare nella direzione opposta.
Dopo cinque minuti, premere il pulsante di attivazione manuale per smettere di camminare. Il soggetto dovrebbe stare in silenzio per 30 secondi guardando dritto davanti a sé. Quindi termina l'elezione per la raccolta dei dati.
Quindi, inizia un secondo esperimento nel corridoio. Dopo un intervallo di tempo casuale di camminata compreso tra 20 e 40 secondi, emettere un trigger manuale e un segnale audio per far smettere di camminare il soggetto. Il soggetto dovrebbe quindi rimanere in piedi per una breve durata casuale da cinque a 15 secondi.
Quindi premere il pulsante di attivazione manuale per far riprendere a camminare il soggetto. Ripetere questi passaggi fino al completamento di 10 cicli di arresto dell'avvio, quindi terminare. I risultati rappresentativi della raccolta dei dati da 10 secondi di camminata sul tapis roulant sono mostrati qui.
Il pannello superiore mostra i dati EEG grezzi a 64 canali con il nome del canale Dalla Convention Internazionale 10 20, il pannello centrale mostra l'accelerazione in direzione verticale da 11 sensori di segno. Il pannello inferiore mostra l'EMG grezzo a otto canali. Questa figura mostra i dati rappresentativi di un giro di camminata durante l'arena.
Un protocollo: le barre nere verticali indicano i trigger. Il primo trigger è dal pulsante che presenta la freccia destra. Gli ultimi quattro provengono da sensori IR, da IR uno a IR quattro mentre il soggetto attraversa il ciclo, e qui vediamo i dati di esempio dalla transizione da stand a Sit e da sit a stand.
I dati di accelerazione EEG ed EMG sono presentati come nella prima figura. Le barre verticali indicano i grilletti manuali per iniziare rispettivamente la posizione eretta e quella seduta. Infine, questa figura mostra i dati di esempio dal passaggio dalla posizione eretta alla deambulazione e dalla deambulazione alla posizione eretta durante il corridoio.
Compito di camminare. Le barre verticali indicano i trigger manuali e i segnali audio per iniziare e interrompere la camminata rispettivamente. È importante ricordare che i sensori EEG e i sensori EMG sono sensibili agli artefatti di movimento, quindi dovremmo assicurarci che i sensori siano sicuri e fissati in modo sicuro a questo soggetto.
Seguendo questa procedura, è possibile applicare altre tecniche come l'analisi indipendente dei componenti o la regressione lineare per isolare i segnali elettrocorticali dagli artefatti, consentendo di estrarre la cinematica degli arti o i profili EMG dai dati EEG. Questa tecnica consentirà alla comunità dell'interfaccia neurale di rispondere a domande su come il cervello si relaziona al movimento e all'intento di movimento e fornirà un mezzo per estrarre informazioni sull'andatura da un EEG del cuoio capelluto.
Questo studio presenta un nuovo protocollo sperimentale per l'acquisizione non invasiva di dati neurali, muscolari e cinematici durante compiti di locomozione. L'approccio mira a migliorare i sistemi di interfaccia cervello-macchina per la riabilitazione della locomozione bipede.
Questo protocollo consente la decodifica neurale multimodale durante la locomozione non vincolata, affrontando una sfida chiave nello sviluppo di interfacce cervello-macchina per la neuroriabilitazione. Sincronizzando dati EEG, EMG e cinetici dell'intero corpo in ambienti reali, supporta la riduzione dei rischi meccanicistici delle interfacce neurali destinate al ripristino della deambulazione. L'approccio fornisce un valore predittivo per la validazione degli obiettivi nei programmi di neuroprotesi, collegando l'attività corticale all'intenzione di movimento in diversi contesti locomotori.
Il metodo si integra nel percorso di scoperta, passando dalla verifica delle ipotesi sul controllo neurale del movimento all'identificazione di potenziali candidati per i sistemi BMI, fornendo risultati che orientano le attività precliniche sulle tecnologie di neuroriabilitazione.