Name: 同時頭皮脳波（EEG）、筋電図（EMG）、およびマルチモーダル神経復号化するための全身分節慣性録音 (動画) | JoVE Journal
Uploaded: 2013-07-26T13:00:00.000+00:00
Duration: 11 min 25 s
Description: 学ぶモバイル脳イメージングフレームワークによる歩行時の脳・身体ダイナミクス解析法。EEG・EMG・動作捕捉センサーを同期させ、9種類の移動課題で神経・筋・運動学的データを取得し、神経義肢やブレイン・マシン・インターフェースの開発に貢献する。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

この作品は、神経疾患の国立研究所によってサポートされており、ストローク（NINDS）＃R01NS075889-01を付与しました。この研究は、NIH臨床センターの学内研究プログラムによって部分的にサポートされていました。著者はまた、データ収集の支援についてShahriarイクバルとYongtian彼に感謝します。この記事のオープンアクセス出版の費用はAPDM社（;オレゴン州ポートランドが主催した<a href="http://apdm.com" target="_blank">http://apdm.com</a> ）。

1。件名準備<ol><li>対象者の身長、体重を測定し、自分の年齢を記録します。 </li><li>快適まで、それらの自己調整トレッドミルの速度を持っていることによって、被験者の優先トレッドミルの速度を評価する。 </li><li>フェルトペンを使って、対象の[後]とイニオン間の中間点として、頭の頂点をマーク。また、キャップを整列させるための基準とイニオン距離に[後の10％をマーク。 </li></ol> 2。頭皮脳波（EEG） <ol><li> 12のように、対象者に装着EEGキャップを使用して10〜20国際システムによって指定されたEEGの電極を取り付けます。キャップは頭皮上の電極の適切な配置が確保されます。 </li><li> FP1とFp2も電極とマークされた頂点とCzの電極の中間点でステップ1.3から10％のマークを合わせて被写体にEEGキャップを置きます。キャップを配置するための更なる詳細は、12に見出される。 SEあごの下にストラップでキャップを治す。 </li><li>脳波コントロールボックスにEEGの電極を接続してください。地面と参照電極から始まる、グリーン回すLED電極によって示されるように25kΩの以下の各施策のインピーダンスまで、各電極で電解質ゲルを注入する小さなシリンジを使用しています。 EEG電極の準備に関する詳細は、12,13でご利用いただけます。 </li><li>無線EEGトランスミッタにEEGの電極を接続してください。肩の周囲に配置ベルクロストラップに被写体に送信機を固定し、2つの32チャンネルアンプにワイヤレス脳波受信機を接続。 </li><li> USBコンバータに光ファイバを使用してUSBポート経由でホストPCにアンプを接続します。 </li><li> 0.1 DCへμV、ローカットオフ周波数、高カットオフ周波数EEGデータ収集ソフトウェアで1,000 HzまでにEEGチャンネルの解像度を設定します。 </li></ol> 3。表面筋電図（EMG） <ol><li> EMG電極のための準備8筋肉部位での配置は：紙やすりで皮膚、すり減らすを剃ると、イソプロピルアルコールパッドで清掃してください。準備されたサイト上の電極を配置し、ユニットロギングEMGデータに接続します。左または右手首にEMGの接地電極を配置し、データロギングユニットに接続します。 </li></ol> 4。モーションキャプチャ<ol><li>製造元の指示に従って、ドッキングしながらマーグセンサーを同期させます。 </li><li> 表2の場所でベルクロストラップや両面テープを使用して被写体にマーグセンサーと場所を削除します。 </li></ol> 5。環境の準備<ol><li>ベルト上の対角線（水平から45°）をテーピングでトレッドミルを準備します。トレッドミルの前には約1mのビデオカメラに接続されているテレビモニターを配置します。テープテレビで2インチ径黒丸と一枚の紙。 </li><li> IR近接センサ、コーン、テレビ秒の5セットを置くことによって、アリーナを歩いてセットアップcreenは、 図3に位置しています。 </li></ol> 6。トレッドミル<ol><li>被験者は、トレッドミル上に上昇する。安全ハーネスを取り付けます。 </li><li>データ収集に先立って、適切な電極配置、電極接続し、データ伝送を検証するEEGおよびEMG信号を調べる。 </li><li> C + +コンソールアプリケーションを実行することにより、データ収集を開始します。 EMG記録を開始し、実験を開始するためにオーディオキュー（ビープ音）を与えるために手動トリ​​ガプッシュボタンを押してください。 </li><li>対象は30秒間静かなスタンスに留まる。 </li><li> 30秒後には、歩行を開始するトリガボタンを押すと、トレッドミルを徐々に被験者の予め選択された速度まで加速される。 </li><li>対象は、5分間歩く。 </li><li> 5分の終了時に、徐々にトレッドミルを停止することによって移行を立って歩行を開始するトリガーボタンを押してください。停留所に来た後に被験者は30秒間立っているままです。データ収集トンを停止するには &#39;Q&#39;ボタンを押してくださいリアルやデータを保存します。 </li><li> 3つのすべてのトレッドミルの条件について、手順6.2から6.7を繰り返します。 </li><li>遠くに黒い点を見ながらトレッドミル歩行。 </li><li>テレビモニターに自身の足の動きを観察しながら、トレッドミルで歩く。 </li><li>トレッドミル（認知的負荷6をシミュレートするために）上の対角線を避けるために、ビデオのフィードバックを使用しながら、トレッドミルで歩く。 </li></ol> 7。アリーナウォーキング（1） <ol><li>アリーナ歩行ループ（ 図3）の開始時位置の件名。 </li><li> 6.2から6.4のようにデータ収集を開始します。 </li><li>ウォーキング開始するトリガーボタンを押してください。一度トリガが与えられ、第1の方向矢印が（→、←、または↑）主題反対画面（ 図3）に表示されます。 →または←が認められた場合、コーンの入り口セット主題終了すると、その方向に90°になり、入り口コーンにループに戻りを完了します。もし＆UARrは、被写体が赤外線センサーの前に約2メートルに達したときに観察され、被験者は入り口コーンと手動トリガと方向矢印（→または←）からまっすぐに続けが施されています。主題は、IRセンサの最初のセットを介して進行し、対応する90になります°入り口コーンに戻って、ループを完了してください。 （歩行時には、実験者は、無線信号品質を向上させるために車輪カート上のホストPCで約3〜5メートルの距離の被写体に従う。） </li><li>彼/彼女がシングルループを完了した後入り口コーンに到達したときに被写体が歩いて続けています。 3ループはそれぞれ初期の矢印を完了するまでのシーケンス7.3を矢印のランダムな順序で繰り返されている（→、←、または↑）。 </li><li>条件7.4を満足した後、被験者が立っへの移行を通知するために入り口コーンに達し手動トリガーボタンを押してください。対象は、30秒後、静かに立っているデータ収集は、ホストPC上で &#39;q&#39;はボタンを押して終了する。 </li></ol> 8。アリーナウォーキング（2） <ol><li> IRセンサーの5セットは、被験者の前に半円形（ 図4）に配置されるようにアリーナウォーキングコースを並べ替えます。 </li><li>前臨床試験（7.1から7.2）と同様にデータ収集を開始します。 </li><li>私はウォーキングアリーナと同様に、歩行開始する手動トリガを与える。トリガーの時間、5方向の矢印のいずれか（←で、→、 <img src="/files/ftp_upload/50602/50602larr.jpg" alt="左矢印" fo:src="/files/ftp_upload/50602/50602larrhighres.jpg" /> 、 <img src="/files/ftp_upload/50602/50602rarr.jpg" alt="右矢印" fo:src="/files/ftp_upload/50602/50602rarrhighres.jpg" /> 、または↑）画面に表示される。各矢印はアリーナ（ 図4）の周りに配置されているIRセンサの一組に対応する。 </li><li>被験者は、画面とワシントンにある矢印を観察IRセンサの対応するセットにLKS、二センサ（ 図4）を通過し、センサを超えたコーンの周りにUターンを作る。出発点にUターン、主題に戻りを行った後、ウォーキング続けています。 </li><li> 3ループが各方向矢印に対して完了するまで、矢印のランダムな順序で、シーケンス8.3から8.4を繰り返します。 </li><li>被写体が立っへの移行を通知するための出発点に到達したとき、条件8.6を満足した後、手動トリガーボタンを押してください。 7.5のように、データの収集を完了します。 </li></ol> 9。スタンドに座る<ol><li>被写体の後ろに椅子を置き、6.2から6.3のようにデータ収集を開始します。被験者は、データ収集の開始時に15秒間静かに立っている。 </li><li> 15秒後に、手動トリガーボタンを押してください。姿勢を座ってスタンドからキュー主題遷移を聞いた後、次のオーディオキュー（ボタンプッシュ）まで、座った姿勢を保持している。 </li><li&gt;移行を立つために座るためにキューを与えるために、ランダムな間隔（5-15秒）を押すと手動トリガを待ちます。立ち姿勢は次のオーディオキューまで保持されます。 </li><li> 9.2から9.3を繰り返してまで、10の完全な主題は15秒間静かに立っていた後、スタンドツー座ると座るツースタンド演習が完了している。そして、 &#39;q&#39;はボタンを押すことによってデータ収集を終了する。 </li><li>スタンドツー座ると座るツースタンドトランジション自主放置ツー座るプロトコル（9.1から9.4）を繰り返します。むしろ主題の変遷にトリガを与えるよりも、それぞれの操縦の10が完了するまで、対象者は、転送が自分を所有して開始している。 </li></ol> 10。ウォーキング廊下<ol><li> 1/8 番目のマイル、まっすぐに廊下の真ん中に位置の件名とデータ収集カート。トレッドミル歩行実験（6.2から6.4）と同様にデータ収集を開始します。最初の30秒の休息期間の後、歩行を開始する手動トリガを与える。 </li><li> subjeCTが5分間連続して歩く。被写体が廊下の終わりを10メートル以内に到達したときに、彼/彼女はUターン自己開始し、反対方向に歩き続けます。 </li><li> 5分の終わりに歩いて停止するように手動トリ​​ガーボタンを押してください。まっすぐ前を見ながら、対象は30秒間静かに立っている。 &#39;q&#39;はボタンを押すことによってデータ収集を終了する。 </li><li> 10.1のように、第二廊下実験を開始します。 </li><li>歩行のランダムな時間間隔（20〜40秒）した後、対象ストップ歩行を持つように手動トリ​​ガとオーディオキューを与える。 </li><li>対象は、（5-15秒）短く、ランダムな期間放置されたままになります。 </li><li>被験者が歩行を再開しているように手動トリ​​ガーボタンを押してください。 </li><li>ストップスタートの10サイクルが完了するまで繰り返します10.5から10.7までのステップを、10.3のように、データの収集を終了します。 </li></ol>

<ol><li>Choi, J. T., Bastian, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Adaptation+reveals+independent+control+networks+for+human+walking%5BTitle%5D)+AND+%22Nature+Neuroscience%22%5BJournal%5D)">Adaptation reveals independent control networks for human walking.</a> Nature Neuroscience. 10 (8), 1055-1062 (2007).</li>
<li>Grillner, S., Wallen, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+bases+of+goal-directed+locomotion+in+vertebrates+-+an+overview%5BTitle%5D)+AND+%22Brain+Research+Reviews%22%5BJournal%5D)">Neural bases of goal-directed locomotion in vertebrates - an overview.</a> Brain Research Reviews. 57, 2-12 (2008).</li>
<li>Petersen, T. H., Willerslev-Olsen, M., Conway, B. A., Nielsen, J. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+motor+cortex+drives+the+muscles+during+walking+in+human+subjects%5BTitle%5D)+AND+%22Journal+of+Physiology%22%5BJournal%5D)">The motor cortex drives the muscles during walking in human subjects.</a> Journal of Physiology. 590 (10), 2443-2452 (2012).</li>
<li>Fitzsimmons, N. A., Lebedev, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Extracting+kinematic+parameters+for+monkey+bipedal+walking+from+cortical+neuronal+ensemble+activity%5BTitle%5D)+AND+%22Frontiers+in+Integrative+Neuroscience%22%5BJournal%5D)">Extracting kinematic parameters for monkey bipedal walking from cortical neuronal ensemble activity.</a> Frontiers in Integrative Neuroscience. 3, 3(2009).</li>
<li>Harada, T., Miyai, I., Kubota, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gait+capacity+affects+cortical+activation+patterns+related+to+speed+control+in+the+elderly%5BTitle%5D)+AND+%22Experimental+Brain+Research%22%5BJournal%5D)">Gait capacity affects cortical activation patterns related to speed control in the elderly.</a> Experimental Brain Research. 193 (3), 445-454 (2009).</li>
<li>Gwin, J. T., Gramann, K., Makeig, S., Ferris, D. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Electrocortical+activity+is+coupled+to+gait+cycle+phase+during+treadmill+walking%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Electrocortical activity is coupled to gait cycle phase during treadmill walking.</a> Neuroimage. 54, 1289-1296 (2011).</li>
<li>Presacco, A., Goodman, R., Forrester, L., Contreras-Vidal, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+decoding+of+treadmill+walking+from+noninvasive+electroencephalographic+signals%5BTitle%5D)+AND+%22Journal+of+Neurophysiology%22%5BJournal%5D)">Neural decoding of treadmill walking from noninvasive electroencephalographic signals.</a> Journal of Neurophysiology. 106, 1875-1887 (2011).</li>
<li>Presacco, A., Forrester, L. W., Contreras-Vidal, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Decoding+intra-limb+and+inter-limb+kinematics+during+treadmill+walking+from+scalp+electroencephalographic+%28EEG%29+signals%5BTitle%5D)+AND+%22IEEE+Transactions+on+Neural+Systems+and+Rehabilitation+Engineering%22%5BJournal%5D)">Decoding intra-limb and inter-limb kinematics during treadmill walking from scalp electroencephalographic (EEG) signals.</a> IEEE Transactions on Neural Systems and Rehabilitation Engineering. 20 (2), 212-219 (2012).</li>
<li>Wagner, J., Solis-Escalante, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Level+of+participation+in+robotic-assisted+treadmill+walking+modulates+midline+sensorimotor+EEG+rhythms+in+abled-bodied+subjects%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Level of participation in robotic-assisted treadmill walking modulates midline sensorimotor EEG rhythms in abled-bodied subjects.</a> NeuroImage. 63, 1203-1211 (2012).</li>
<li>Makeig, S., Gramann, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Linking+brain%2C+mind%2C+and+behavior%5BTitle%5D)+AND+%22International+Journal+of+Psychophysiology%22%5BJournal%5D)">Linking brain, mind, and behavior.</a> International Journal of Psychophysiology. 73, 95-100 (2009).</li>
<li>Gramann, K., Gwin, J. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cognition+in+action%3A+imaging+brain%2Fbody+dynamics+in+mobile+humans%5BTitle%5D)+AND+%22Reviews+in+the+Neurosciences%22%5BJournal%5D)">Cognition in action: imaging brain/body dynamics in mobile humans.</a> Reviews in the Neurosciences. 22, 593-608 (2011).</li>
<li>Wilson, J. A., Schalk, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+an+EEG-based+brain+computer+interface+for+virtual+cursor+movement+with+BCI2000%5BTitle%5D)+AND+%22J.+Vis.+Exp%22%5BJournal%5D)">Using an EEG-based brain computer interface for virtual cursor movement with BCI2000.</a> J. Vis. Exp. (29), e1319(2009).</li>
<li>Brummer, V., Schneider, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Coherence+between+brain+cortical+function+and+neurocognitive+performance+during+changed+gravity+conditions%5BTitle%5D)+AND+%22J.+Vis.+Exp%22%5BJournal%5D)">Coherence between brain cortical function and neurocognitive performance during changed gravity conditions.</a> J. Vis. Exp. (51), e2670(2011).</li>
<li>Delorme, A., Makeig, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((EEGLAB%3A+an+open+source+toolbox+for+analysis+of+single-trial+EEG+dynamics+including+independent+component+analysis%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis.</a> Journal of Neuroscience Methods. 134 (1), 9-21 (2004).</li>
<li>Makeig, S., Bell, A. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Independent+component+analysis+of+electroencephalographic+data%5BTitle%5D)+AND+%22Advances+in+Neural+Information+Processing+Systems%22%5BJournal%5D)">Independent component analysis of electroencephalographic data.</a> Advances in Neural Information Processing Systems. 8, 145-151 (1996).</li>
<li>Rong, F., Contreras-Vidal, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Magnetoencephalographic+artifact+identification+and+automatic+removal+based+on+independent+component+analysis+and+categorization+approaches%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">Magnetoencephalographic artifact identification and automatic removal based on independent component analysis and categorization approaches.</a> Journal of Neuroscience Methods. 157, 337-354 (2006).</li>
<li>Gwin, J. T., Gramann, K., Makeig, S., Ferris, D. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Removal+of+movement+artifact+from+high-density+EEG+recorded+during+walking+and+running%5BTitle%5D)+AND+%22Journal+of+Neurophysiology%22%5BJournal%5D)">Removal of movement artifact from high-density EEG recorded during walking and running.</a> Journal of Neurophysiology. 103, 3526-3534 (2010).</li>
<li>Liao, L. D., Wang, I. J., Chen, S. F., Chang, J. Y., Lin, C. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Design%2C+fabrication%2C+and+experimental+validation+of+a+novel+dry-contact+sensor+for+measuring+electroencephalography+signals+without+skin+preparation%5BTitle%5D)+AND+%22Sensors%22%5BJournal%5D)">Design, fabrication, and experimental validation of a novel dry-contact sensor for measuring electroencephalography signals without skin preparation.</a> Sensors. 11, 5819-5834 (2011).</li>
<li>Liao, L. D., Lin, C. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Biosensor+technologies+for+augmented+brain-computer+interfaces+in+the+next+decades%5BTitle%5D)+AND+%22Proceedings+of+the+IEEE%22%5BJournal%5D)">Biosensor technologies for augmented brain-computer interfaces in the next decades.</a> Proceedings of the IEEE. 100, 1553-1566 (2012).</li>
<li>Farina, D., Merletti, R., Enoka, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+extraction+of+neural+strategies+from+the+surface+EMG%5BTitle%5D)+AND+%22Journal+of+Applied+Physiology%22%5BJournal%5D)">The extraction of neural strategies from the surface EMG.</a> Journal of Applied Physiology. 96, 1486-1495 (2004).</li>
<li>Flint, R. D., Ethier, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Local+field+potentials+allow+accurate+decoding+of+muscle+activity%5BTitle%5D)+AND+%22Journal+of+Neurophysiology%22%5BJournal%5D)">Local field potentials allow accurate decoding of muscle activity.</a> Journal of Neurophysiology. 108, 18-27 (2012).</li>
<li>Luinge, H. J., Veltink, P. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measuring+orientation+of+human+body+segments+using+miniature+gyroscopes+and+accelerometers%5BTitle%5D)+AND+%22Medical+%26+Biological+Engineering+%26+Computing%22%5BJournal%5D)">Measuring orientation of human body segments using miniature gyroscopes and accelerometers.</a> Medical & Biological Engineering & Computing. 43, 273-282 (2005).</li>
</ol>

この記事の制作、出版料はAPDMによって後援された。

ここで紹介するプロトコルは、同時に機関車のさまざまなタスク間に脳活動、筋活動、および全身運動を記録するために一緒に3つのデータ収集システムをもたらす。プロトコル全体の完了は、主題の準備の1時間を含め、約3時間かかります。各システムは上に取り付けられ、被検体で移動する。したがって、それぞれの新しい試験の開始前に脳波と筋電図の電極の接続を確認することが重要です。これは簡単にデータをホストPC上でグラフィックインターフェースを用いてリアルタイムで検査することができるようにそれぞれのメーカーによって提供されるソフトウェア·パッケージを使用して行うことができる。データ収集アプリケーションは、これらのソフトウェアパッケージは、検証プロセスを簡素化し、実行する必要があり。さらに、注意がMARGセンサーが確実にそれぞれの裁判の前に被検者に接続されていることを注意しなければならない。 EEGとMARGデータが2.4-2.5 GHzのワイヤレスを介して送信されますスペクトル範囲。他の多くの電子機器は、この周波数帯を使用しているので、実験環境内の無線インタフェースの可能性を検討することが重要である。データ収集の重要な態様は、無線干渉に対するロバスト性を提供し、モバイルカートと被写体の間の視線の可視性です。 EEG無線受信機とマーグアクセスポイント（ 図1）の両方が接続忠実度を示すためにLEDを提供します。ホストPCとEEGとMARGセンサー用無線レシーバは、視力の直接ラインを維持し、被写体が地面の上歩いて無線データ伝送を最大化するために、モバイルカートに配置されます。私たちは、堅牢なデータ収集が最良被写体の5メートル、タスクのいずれかの間に被写体の動きを制限するものではありませんでした距離内の移動カートを保つことによって維持されたが見つかりました。 C + +アプリケーションは、無線cが中断によるデータ損失に対するロバスト性を提供するために、データ収集のための複数のスレッドを用いるEEGのonnection。 EEG接続が失われた場合、マーグとEMGデータがまだ記録されますが、EEGデータは、これらの時点で利用できなくなります。 MARGセンサはEMGデータ部をロギングモバイルデータ内のSDカードに保存されている間に、無線接続時のデータ損失を防ぐために、上述のようにバッファリングユニットに提供する。 歩行時の脳波データの収集と共通の問題は、信号におけるアーチファクトの存在である。実験プロトコルの実行中にそのような電極および/またはケーブルの動きなどの生理点滅含むアーティファクトの発生源、目の動き、顔の筋活動、心拍、機械アーティファクト：大まかに言えば、アーティファクトは2つのグループに分割することができます。アーティファクト除去は継続中の研究の話題であり、独立成分分析15,16およびチャネルベースのテンプレート回帰手順17のような技術が含まれています。アーティファクトの最小化と除去は広報の重要なステップです体動の神経復号化のためのデータのeprocessing。ここで紹介する設定は、EEG電極ケーブルにおける先行研究と類似している単一のコネクタにバンドルされていました。これらの研究から得られた結果は、ケーブル揺れや動きによる機械的アーチファクトが神経活動7,8から運動のデコードに役割を果たしていなかったことを示している。これらの結果は、歩行関連する成果物が歩行速度17を緩和するのが遅いで実体のないだったと結論付けて、他の研究によってサポートされています。しかし、この実験は座るツースタンド遷移を含む以前の研究よりも、体の多くの運動を必要とする活動中に脳波測定、地面上のため、ウォーキング、、旋回、そして、生の脳波データの慎重な検討が可能性を識別するために行われなければならない機械的なアーティファクトからの汚染。まだ広く利用されていないが、これらの潜在的な問題は、現在のプロトコルに小説、ハードウェアの統合を通じて解決することができます。このようなハードウェア株式会社運動18時の皮膚電極接触インピーダンスを改善する可能性があるアクティブEEG電極（このプロトコルで使用される）と、バネ式、乾式EEGの電極を、ludes。これらの技術は、モーションアーチファクト19の影響を低減することができる無線EEGシステムに組み込まれている。小説ハードウェアの統合にもかかわらず、このプロトコルは、体のすべてのセグメントがインストルメント16されているため運動とEMGアーチファクト除去のための新規アルゴリズムの開発を継続するためのユニークな機会を提供します。私たちは、EEG、EMG、現在利用可能なEEGセットアップに適用できる堅牢なアーティファクト除去パラダイムを開発するために、セグメントの動きの間に時系列相関と周波数領域の一貫性を研究していく予定です​​。当社のデコード方法はアーティファクト7,8に対するロバスト性を示しているが、これらの方法は、本プロトコルにおいて、より複雑なシナリオの下で検討する。 記録面の特長EMGは、多くの要因に依存していて、神経戦略の研究のための表面筋電図信号の解釈は、その対価20を必要とします。このプロトコルで使用される皮膚の準備とEMG電極配置のための厳密な手順は表面筋電図信号に対して非生理学的因子の影響を最小にするように設計された。このプロトコルによって記録されたEMGの振幅と周波数は、純モータユニット活動に関連しているので、記録を所望筋の神経活性の直接的表現として解釈されるべきではない。しかし、表面筋電図信号と神経活性化の相対的変化（運動単位の放電時間を識別するなど ）を決定するために筋活動パターンに貴重な洞察を提供することができEMG信号を分解することによって筋肉に神経ドライブを推定するためのより高度な方法を慎重に検討20。また、神経復号のコンテキスト内で、脳活動ものの侵襲的に取得された表面筋電図21に関する情報が含まれていることが示されているが、それはEEG頭皮も、歩行運動に加えて、歩行時の下肢の筋活動を復号するために使用することができるかどうかを現時点では不明である。私たちは、このプロトコルは、私たちは、非侵襲的脳イメージングモダリティの減少空間分解能は、個々の筋肉に関連する神経活動を分離するのに十分であるかどうかを調べることができるでしょう期待しています。 以前の研究では、脳からの信号を用いた歩行復元するために、脳マシンインターフェース（BMI）の開発のための原動力を提供する7,8トレッドミル歩行時の運動をデコードするために非侵襲的なEEGを利用しての実現可能性を示している。デルタ帯域EEG信号の振幅変調に基づく時間領域の復号方法はまた、人為的コンポーネント7,8に鈍感であることが示されている。しかし、トレッドミルの研究では、中にユーザのビジョンとモーション制御された環境で行われるそれによって外部の刺激に起因する神経活動の汚染を制限し、制限されています。無線データロギングの取り込みを通じ、このプロトコルは運動タスクとさまざまな環境中に同期、EEG、EMG、そして運動データの収集を可能にします。モーショントラッキングのための慣性センサの統合は、モーションキャプチャシステムよりも運動を抽出するために多くの計算およびオフライン処理を必要とし、得られた対策が小さい含める-が、許容される-システム22基づいて、カメラで存在することができないだろう誤差が。これらの扱いの困難は環境の変化で認知運動行動のモバイル研究を可能にする実験プロトコルを確立するための必需品です。他の場所で10,11論じたように、このようなセットアップは対処することができる研究課題はほぼ無限です。近い将来、我々の焦点は、立って、歩いて、次のリハビリのためにBMIの開発に重要な問題になります脳損傷と神経障害。上記のように一つの重要なコンポーネントは、脳から測定された信号を使用して動きを復元するために、生理学的および機械的なアーティファクトを拒否することができリハビリテーションロボットシステムへのブレインマシンインタフェースのための新規な堅牢なコーディング戦略の開発になります。例えば、廊下歩行プロトコルは、データ収集の間に存在する他の人々と公共空間で実行されるため、自然環境の中で神経復号化技術の開発のためのテストベッドを提供しています。このプロトコルを使用して関心のある他の研究課題では、リズミカルな対非リズミカルな歩行訓練を含むリハビリテーションロボットのパラダイムを比較し、急性および慢性の両相における損傷後の機能回復時の神経活動の研究が含まれています。

このプロトコルは、EMG、EEG同時にを記録するために3つのデータ収集システムを使用し、全身運動（ 図1、表1）。被験者は歩きながら、EEGデータは1,000 Hzでのサンプリング周波数で64チャンネルからワイヤレスで収集されます。前脛骨筋（TA）、腓腹筋（ガスト）、大腿二頭筋（BF）と、外側広筋（VL）：電（EMG）は4筋肉群で両側に配置された表面電極から1,000 Hzで収集されます。キネマティックデータは、歩行時の動きを記録するために頭部、上半身、腰部、腕、太もも、すね、足に取り付けられた11ワイヤレスセンサから128 Hzで収集されます。各センサは三軸磁力計、三軸ジャイロスコープ、および三軸加速度計（ すなわち MARGセンサー）が含まれています。 データは、各システムから収集し、単一のホストPCによって時間的に同期されます。同期は、連続セリを介して送信されるトリガ信号を用いて達成される同時に3つのすべてのデータ·システムによってアクセスら通信リンク。トリガーは、簡単なボタンスイッチとして実装されました。押されていない場合にヌル信号（0）が送信される時にボタンが押されたときにトリガ信号（1）は、ホストPCに送信される。下記のプロトコールに記載されているように、トリガーボタンを押しても、対象のオーディオキューとして使用0.5秒のトーンを引き出す。位置は、後述する実験を歩行時に地面の上にトリガするように赤外線（IR）近接センサ5組を使用するために作製した。 IR信号がトリガ信号を遮断された場合（1）無線周波数（RF）手動トリガ·ボックスとの接続を介してシリアルリンクを介してホストPCに送信される。 カスタムC + +アプリケーション、録画したデータを同期化するために開発された、各システムが提供するソフトウェア開発キット（SDK）を利用する。コー​​ドは、マルチスレッド技術を採用し、各システムからのデータ保存（EEG、EMG、そしてMARGs）のための機能は、個人ラージヒルに含まれていますidualスレッド。ソフトウェアアルゴリズムを図2に示されている。データ収集は、アプリケーションが実行されたときに始まり、 &#39;q&#39;はキーが押されたときに終了する。 5つのスレッドは、アプリケーション実行時に活性化される。一つのスレッド（ 図2）は、シリアル接続からのトリガ信号の値（0または1）を監視します。初期トリガー値はゼロです。トリガを受信したときに（ボタンが押されたり、IRセンサ対の間の視線が壊れているとき、即ち ）グローバルトリガ変数を1に設定される。彼らはデータ収集スレッド内でリセットされるまで、これらの変数は1のまま。 EEGスレッドがリモートTCP / IPプロトコルを使用してリアルタイムで頭皮EEGデータにアクセスします。データは、対応するサンプリング周波数（1,000 Hz）での線で、テキストフ​​ァイルの行に書き込まれる。カラムは2-65 64 EEGチャネルである一方、グローバルEEGトリガー信号が、最初の列に書き込まれる。グローバルEEGトリガ信号が1であった場合、それはゼロにリセットされる。データEEGのスレッドが終了するまで書き込みは継続します。二つの独立したスレッドレコードは、センサデータをマーグ。 11無線MARGセンサが無線伝送に問題が発生した場合にデータの損失を防ぐために、個々のセンサーにデータをバッファリング堅牢なストリーミングモードで製造元のソフトウェアを使用してデータを送信するため、2つのスレッドが必要である。このバッファは、リアルタイムのデータ転送を低下させる。つのセンサは、すべてのセンサー11がそのバッファ内のその時点を保持し、次の利用可能なサンプル点でそれを送信するために与えられたサンプルデータを送信することができない場合。 MARG無線データ転送は必然的にEEG遅れて、データ収集を停止した後従ってマーグセンサはホストPCにオフロードバッファリングされたデータに時間を必要とする。この問題を解決するために、2つのスレッドがMARGデータ収集アルゴリズム（ 図2）に使用される。 EEGスレッドが収集している間、最初のスレッドは、センサーのサンプリング周波数（128 Hz）でグローバルMARGトリガ変数からMARGトリガバッファに移入データ。データ収集は、トリガバッファへの書き込みを停止したときにも終了します。 MARGねじ（ 図2）は、センサからのデータを受信し、EEGデータと同様に、ファイルに書き込み、センサSDKの関数を利用する。つまり、最初の列はグローバルMARGトリガ（MARGトリガバッファから得られる）の値であり、次の99列は11 MARGセンサー（マーグ単位当たり9センサー）からの値です。 MARGトリガ·バッファの時間インデックスがスレッドの実行が終了した時点で、EEGデータの最後の時間インデックスに等しくなるまで。MARGスレッドは、データを書き込む EEGとMARGデータとは異なり、EMGデータはワイヤレスで記録されません。その代わりに、EMGデータは、データ·ロギングユニット内のSDカードに記録されています。信号は、SDカードへのデータ書き込みを開始および停止するBluetooth接続を介して送信される。まず始めに、マニュアルトリガがEEGスレッドによって受信されたときの書き込みが始まります。データの書き込みは、EEGで停止&#39;q&#39;はボタンが押された糸。 以下のプロトコルは、ヒューストン大学の治験審査委員会で検討し、承認された。すべての被験者は、受信、読み取り、および参加の前に同意書に署名した。

<table><tbody><tr><td>BrainAmp Amplifier</td><td>Brain Products, Gmbh</td><td></td><td>数量:</td></tr><tr><td>actiCAP EEGキャップ2個、電極64</td>個 <td>Brain Products, Gmbh</td><td></td><td>数量:1</td></tr><tr><td>Brainvision MOVEワイヤレス脳波計</td><td>Brain Products, Gmbh</td><td></td><td>数量:1</td></tr><tr><td>DataLOG MWX8 筋電図データ収集ユニット</td><td>Biometrics, Ltd.</td><td></td><td>数量:</td></tr><tr><td>SX230 EMG電極</td><td>バイオメトリクス(株)1個</td><td></td><td>数量:8</td></tr><tr><td>R506 EMG接地電極</td><td>Biometrics, Ltd.</td><td></td><td>数量:</td></tr><tr><td>オパールムーブメントモニター(MARGセンサー)</td><td>1台 APDM, Inc.</td><td></td><td>数量:11</td></tr>無線<tr>データストリーミング<td>APDM、Inc.</td><td>のためのオパールドッキングステーション</td><td></td><td>数量:2</td></tr>オ<tr><td>パール無線アクセスポイント</td><td>APDM、Inc.</td><td></td><td>数量:2</td></tr><tr><td>赤外線バリアキット MK120</td><td>Velleman, Inc.</td><td></td><td>数量:5</td></tr><tr><td>Wixel プログラマブル USB ワイヤレス モジュール </td><td>Pololu, Inc.</td><td></td><td>数量:6</td></tr><tr><td colspan="4">表1。装備</強力></td></tr></tbody></table>

同時頭皮脳波（eeg）、筋電図（emg）、およびマルチモーダル神経復号化するための全身分節慣性録音

Simultaneous Scalp Electroencephalography (EEG), Electromyography (EMG), and Whole-body Segmental Inertial Recording for Multi-modal Neural Decoding

最近の研究では、二足歩行の人間の歩行の制御における脊柱上のネットワークの関与をサポートしています。この証拠の一部は、トレッドミル歩行中の歩行運動と四肢の調整が合理的に高いデコード精度と頭皮脳波（EEG）から推測できることを実証し、我々の前の仕事を含め、研究を包含する。これらの結果は、修復および/またはリハビリテーション研究の歩行 - 第一の目標の増強で使用するための非侵襲的脳マシンインターフェース（BMI）システムの開発のための原動力を提供します。現在までに、歩行時の活動の脳波解読​​を調べる研究は、制御された環境でのトレッドミル歩行に限定されていた。しかし、実質的に実行可能であることがBMIシステムは、歩行と旋回地面上などの日常運動の作業で使用するための適用でなければなりません。ここでは、非侵襲的な脳活動の集合（EEG）、筋活動（筋電図（EMG））のための新規なプロトコルを提示し、Wholおよびタスクを歩行両方トレッドミルの間とグランド経由で電子体運動学的データ（頭、胴、および四肢の軌跡）。収集することにより、制御されていない環境洞察力で、これらのデータはEEG頭皮から歩行と表面筋電図を制約のないコーディングの実現可能性について、得ることができる。

図5は 、時間の10秒EEGロック示しMARG、とトレッドミル歩行（プロトコルセクション3）の間に記録されたEMGデータ。各MARGセニョールが実際に9信号（三軸磁力計、ジャイロスコープ、加速度計）を記録だけ垂直加速度を示していることに注意してください。 図5の生データは、事前の分析と神経デコーディングにプリプロセス中に考慮する必要がありアーティファクトが含まれています。 図5の脳波アーチファクトの例としては、約8.5秒であり、全体に存在する低周波モーションアーチファクトに存在する目が点滅しています。 図6はアリーナウォーキング中（1）プロトコルを歩く上地面のつの完全なループ（〜35秒）を示しています。定性的には、タスクを歩く地面の上にアリーナからのデータは、旋回時、被験者の頭と首の付加的な運動による歩行トレッドミルよりもアーティファクトが含まれています。顔面と頭蓋筋活動は参加者をある図6の時間的な電極（チャネルは図1にFTとTというラベルが付いています）にularly目立つ。特に足首アゴニスト-アンタゴニストペアのトレッドミル歩行（ 図5）と比較して、EMG信号活性の増加に注意してください。 図6はまた、イベントが表示されますデータ処理中に考慮する必要があり次善の無線脳波データの収集。 4 番目のトリガの直前に、EEGデータは、ホストPCとEEGシステムとの間の無線伝送の中断を指示する、フラットラインを示しています。データのこのセクションでは、データセット全体（EEG MARG、そしてEMG）からトリミングする必要があります。 図7は 、データをスタンドに座るワンサイクルスタンドツー座るとを示しています。移行の終了時に、頭の両方の他のデータ、移動アーチファクトがEEGに存在している、（またはスタンディング）座っているように推移してされると同じように維持されている。 - 歩いてスタンド含む廊下の歩行の一つ間隔NDウォーク·トゥ·スタンド推移を図8に示します。開始および歩行停止するオーディオキューの後にEMGと加速度データのランピングに注意してください。このランピングと一致するには、EEGデータでモーションアーチファクトの出現と消失です。 図8はまた、約7秒で発生する脳波電極PO10で次善の接続を表示します。この動作は、時折実験中に観測されたと思わEEG電極と頭皮間の接触の喪失に起因している。電極PO10は、この試験のためのデータ分析から削除する必要があります。 EEGデータはリアルタイムで観察することができる、とEEG電極の接続は、プロトコル内の各試験の前に（プロトコルステップ6.2）検証されているので、貧しい電極接続前に次の裁判を改善することができます。 <table border="1"><tbody><tr><td> 名前 </td><td> 会社 </td><td> 量 </td></tr><tr><td> BrainAmpアンプlifier </td><td>脳の製品、社</td><td> 2 </td></tr><tr><td> 64電極を脳波キャップをactiCAP </td><td>脳の製品、社</td><td> 1 </td></tr><tr><td>無線EEGシステムをMOVEブレインビジョン</td><td>脳の製品、社</td><td> 1 </td></tr><tr><td>データログMWX8 EMGデータ収集ユニット</td><td>バイオメトリクス株式会社</td><td> 1 </td></tr><tr><td> SX230 EMG電極</td><td>バイオメトリクス株式会社</td><td> 8 </td></tr><tr><td> R506 EMGの接地電極</td><td>バイオメトリクス株式会社</td><td> 1 </td></tr><tr><td>オパール運動モニタ（MARGセンサ） </td><td> APDM株式会社</td><td> 11 </td></tr><tr><td>ストリーミングワイヤレスデータのオパールドッキングステーション</td><td> APDM株式会社</td><td> 2 </td></tr><tr><td>オパールの無線アクセスポイント</td><td> APDM株式会社</td><td> 2 </td></tr><tr><tD&gt;赤外線ライトバリアキットMK120 </td><td> Vellemanの株式会社</td><td> 5 </td></tr><tr><td>ウィクセルプログラマブルUSB無線モジュール</td><td> Pololuの株式会社</td><td> 6 </td></tr></tbody></table> 表1。機器。 <table border="1"><tbody><tr><td>センサー</td><td>場所</td></tr><tr><td>ヘッド</td><td>眉毛上記の額の中心</td></tr><tr><td>トランク</td><td>胸骨の基部に胸筋の間に</td></tr><tr><td>腰部</td><td>腰椎カーブの最低でも背中のセンター</td></tr><tr><td>アーム1 </td><td>アームの側面;手首の近位に〜10％肘へ</td></tr><tr><td>太もも1 </td><td>太ももの側面、股関節と膝の間に50％ </td></tr><tr><td>シャンク1 </td><td>シャンクの側面、膝から遠位75％ </td></tr><tr><td>脚注1 </td><td>を中心とした<html>足の甲</td></tr><tr><td colspan="2"> 1腕、太もも、すね、足のセンサが両側に配置されます。 </td></tr></tbody></table> 表2。MARGセンサーの場所。 <img alt="図1" fo:content-width="6.5in" fo:src="/files/ftp_upload/50602/50602fig1highres.jpg" src="/files/ftp_upload/50602/50602fig1.jpg" /> 図1。サジタル（）と前頭（b）は 、EEG、EMG、およびデータ収集のために慣性センサをマーグを身に着けている被験者の表示。頭皮上の脳波電極位置の（c）の地形表現、EEGlab Matlabのツールボックス14でプロット。（ホストPC、手動トリガ、EMGブルートゥース、無線アクセスポイントをマーグ、およびEEG無線受信機、増幅器、および電源を含むd）のモバイルデータ収集カート。d/50602/50602fig1large.jpg &quot;ターゲット=&quot; _blank &quot;&gt;より大きい数字を表示するには、ここをクリックしてください。 <img alt="図2" fo:content-width="6in" fo:src="/files/ftp_upload/50602/50602fig2highres.jpg" src="/files/ftp_upload/50602/50602fig2.jpg" /> 図2。カスタム設計された、マルチスレッドのデータ収集ソフトウェアのアルゴリズムを詳述フローチャート。 <a href="https://www.jove.com/files/ftp_upload/50602/50602fig2large.jpg" target="_blank">より大きい数字を表示するには、ここをクリックしてください</a> 。 <img alt="図3" fo:content-width="4in" fo:src="/files/ftp_upload/50602/50602fig3highres.jpg" src="/files/ftp_upload/50602/50602fig3.jpg" /> 図3の回路図（鳥瞰図）（1）実験プロトコルを歩いてアリーナの表現。 One矢印被写体が入り口コーンの端にあるとき（→、←、または↑）ディスプレイモニタ上に提示される<html> S。右（→）または左（←）が提示された場合、被験者は、赤外線（IR）センサ4組（IR1-IR4）を通過し、それぞれ、赤または緑のループが続く。 （↑）ストレートが提示されている場合は、対象者は、ディスプレイモニタ（青線）に向かって歩くと、第二の矢印（→または←）被写体が赤外線センサー（IR5）の前に約1メートルのときに提示されます。 IR5センサセットを通過した後、被験者は、出発点に戻って、対応する（赤または緑）の経路に沿ってループを完了します。 <img alt="図4" fo:content-width="4in" fo:src="/files/ftp_upload/50602/50602fig4highres.jpg" src="/files/ftp_upload/50602/50602fig4.jpg" /> 図4。アリーナウォーキングの回路図（鳥瞰図）表現（2）実験プロトコル。実験の開始時に、単一の矢印（pload/50602/50602larrhighres.jpg &quot;/&gt;、 <img src="/files/ftp_upload/50602/50602rarr.jpg" alt="右矢印" fo:src="/files/ftp_upload/50602/50602rarrhighres.jpg" /> 、→、←、または↑）ディスプレイモニタ上で被験者に提示されます。始点（に対応するループに受信された矢印をもとにして、被験体は、IRセンサの対応する組に直接歩くセンサを通過し、コーンの周りにUターンを完了し、リターン<img src="/files/ftp_upload/50602/50602rarr.jpg" alt="右矢印" fo:src="/files/ftp_upload/50602/50602rarrhighres.jpg" />矢印）の上に表示されます。 <img alt="図5" fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig5highres.jpg" src="/files/ftp_upload/50602/50602fig5.jpg" /> 図5。トレッドミル歩行の10秒からのサンプルデータ。トップパネルには、10〜20国際大会からチャンネル名を持つ64チャンネル生EEGデータを示しています。真ん中<html>パネルは11 MARGセンサから垂直方向の加速度を示しています。ボトムパネルは、8チャネルの生EMGを示しています。 <a href="https://www.jove.com/files/ftp_upload/50602/50602fig5large.jpg" target="_blank">より大きい数字を表示するには、ここをクリックしてください</a> 。 <img alt="図6" fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig6highres.jpg" src="/files/ftp_upload/50602/50602fig6.jpg" /> 図6。アリーナIプロトコルの間に歩行の1ループ（右矢印パス、図3）からのサンプルデータ。 EEG、加速度、EMGデータは、図5のように示されている。縦黒いバーは、ソフトウェアによって受信されたトリガーの位置である。最初のトリガーは、→矢印を提示することによって、ループを開始する手動プッシュボタンからのものである。次の4つのトリガーは、対象者を横断するループとIRセンサーIR1-IR4（ 図3）からのものである。tp_upload/50602/50602fig6large.jpg &quot;ターゲット=&quot; _blank &quot;&gt;より大きい数字を表示するには、ここをクリックしてください。 <img alt="図7" fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig7highres.jpg" src="/files/ftp_upload/50602/50602fig7.jpg" /> 図7。サンプルトランジションを立つ座るスタンドツー座ってからのデータ。脳波、加速度、EMGデータは、 図5のように提示されます。縦棒が立っていると、それぞれに座って開始するには、手動トリガ（およびオーディオキュー）を示す。 <a href="https://www.jove.com/files/ftp_upload/50602/50602fig7large.jpg" target="_blank">ここをクリック大きい数字を表示する</a> 。 <img alt="図8" fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig8highres.jpg" src="/files/ftp_upload/50602/50602fig8.jpg" /> 図8。スタンからの遷移を示す廊下の歩行からのサンプルデータ鼎は、歩いて立って歩く。脳波、加速度、EMGデータは、 図5のように表示されます。縦棒は、それぞれ停止ANSD歩行を開始するには、手動トリガとオーディオキューを示します。 <a href="https://www.jove.com/files/ftp_upload/50602/50602fig8large.jpg" target="_blank">大きい数字を表示するには、ここをクリックしてください</a> 。

二足歩行の復旧·復興のための効果的なブレインマシンインターフェイス（BMI）システムの開発では、ユーザーの意図を正確にデコードが必要になります。ここでは、同時、非侵襲的な神経活動の買収、筋活動、様々な運動タスクと状態の間に全身運動のための新たな実験プロトコルとデータ収集技術を提示する。

同時頭皮脳波（EEG）、筋電図（EMG）、およびマルチモーダル神経復号化するための全身分節慣性録音

Recent  studies support the involvement of supraspinal networks in control of bipedal  human walking. Part of this evidence  encompasses studies, ...

本実験の全体的な目的は、モバイル脳機能イメージングフレームワークの概念を拡張し、広範な移動タスクにおけるヒトの脳と身体のダイナミクスを研究できるようにすることです。これは、まず被験者にEEG、EMG、およびモーションキャプチャセンサーを装着することで実現されます。これら3つのデータ収集システムは、カスタムソフトウェアとプッシュボタン・トリガーデバイスによって同期され、タイムロックされたEEG、EMG、およびモーションキャプチャのデータセットが提供されます。次に、被験者は4つの異なる環境で9つの特定の移動タスクを完了します。さまざまな動作中の脳と身体のダイナミクスを捉えるため、結果として移動タスク中のEEGで測定された脳活動が示されます。この手法は、神経義肢およびブレイン・マシン・インターフェースの分野における重要な疑問に答えるのに役立ちます。例えば、頭皮EEGからGAのキネマティクスや表面EMGパターンの有用な情報を抽出することは可能でしょうか。既存の手法に対するこの技術の主な利点は、モバイルセットアップを用いてEEG、EMG、およびモーションキャプチャデータを無線で収集できることであり、これにより従来のデータ収集手法と比較して、より多くの運動タスクや環境を探索することが可能になります。これらの技術の意義は、基本的にこれらのプロトコルが脳活動の変化や身体の適応に関する情報を私たちに提供するため、運動障害やリハビリテーション医学にも及びます。これから私の大学院生がセンサーの配置を実演します。または、本日のボランティアにEMGセンサーをどのように配置するかを説明します。このプロトコルを開始するため、ジョンが介助し、ケビン・ネイサンが頭皮にEEGセンサーを配置します。まず、被験者の身長、体重、および年齢を記録してください。次に、被験者の好みの歩行速度に合わせてトレッドミルの速度を調整します。続いて、フェルトペンを用いてナジオン（鼻根点）からイニオン（外後頭結節）までの距離を測定します。キャップの位置合わせの基準として、その距離の10%の地点に印を付け、距離の中点を頭頂点としてマークします。次に、被験者にEEGキャップを被せ、基準となるランドマークに合わせて調整します。FP1電極とFP2電極の中点を10%距離のマークに合わせて調整し、CZ電極をマークした頂点に合わせて調整します。あごの下でストラップを締め、キャップを固定します。次に、接地電極と参照電極から順に、小さなシリンジを用いて各電極に電解質ゲルを注入します。電極のLEDが緑色に点灯し、各電極のインピーダンスが25 kilo ohms以下になるまで注入してください。最後に、電極をデータ収集システムのワイヤレス送信機に接続します。続いて、皮膚を剃毛し、その後イソプロピルアルコールパッドで清浄することで、表面筋電図の準備を整えます。次に、各脚の準備された8か所の部位（距骨、外側広筋、外側広筋、大腿二頭筋、大腿筋、および腓腹筋）に電極を配置します。最後に、左右いずれかの手首にEMG接地電極を貼り、すべてのEMG電極をEMGデータロギングユニットに接続します。これでモーションキャプチャの準備が整います。まず、ベルクロストラップまたは両面テープを使用して、被験者にマーカーセンサーを装着します。センサーは、ここに記載されている位置に取り付けてください。その後、データ収集の前に、被験者にトレッドミルに上がり、ここに示すように安全ハーネスを装着させます。EEGおよびEMG信号を確認し、電極の配置、電極の接続、およびデータ送信が正しく行われているかを検証します。その後、C++コンソールアプリケーションを実行してデータ収集を開始します。マニュアルトリガープッシュボタンを押し、EMG記録を開始させると同時に、オーディオキューとしてビープ音を鳴らします。実験を開始するために、被験者に30秒間静止して立つよう指示します。30秒後、トリガーボタンを押して歩行を開始させます。トレッドミルは、あらかじめ設定した被験者の速度までゆっくりと加速します。被験者に5分間歩行させます。5分後、トリガーボタンを押してトレッドミルをゆっくりと停止させ、歩行から起立への移行を開始させます。停止後、被験者は30秒間起立したままの状態を維持してください。次に、キューボタンを押してデータ収集試行を停止し、データを保存します。この実験を、被験者の前方に黒い点を配置してビデオモニター上での脚のリアルタイム観察に集中させ、トレッドミル上の対角線への接触を避ける設定を含む、3つの視覚条件で繰り返します。次に、ウォーキングアリーナに移動します。ウォーキングアリーナは、図のように赤外線近接センサー、コーン、テレビ画面を5セット配置して設置してください。ここで、被験者をアリーナのウォーキングループのスタート地点に配置し、前述の方法でデータ収集を開始します。次に、トリガーボタンを押して歩行実験を開始します。トリガーが押された時点で、被験者の正反対のスクリーンに最初の方向指示矢印が表示されます。右向きまたは左向きの矢印が観察された場合、被験者は入口のコーンから脱出し、その方向に90度方向転換してループを完了し、入口のコーンに戻らなければなりません。上向きの矢印が観察された場合、被験者は入口のコーンからそのまま直進します。その後、被験者がIRセンサーから約2メートルの距離に到達した時点で、手動トリガーと方向指示矢印を提示します。被験者は、最初のIRセンサーセットを通過した後、対応する90度の方向転換を行い、ループを完了させます。歩行して開始地点のコーンに戻る際、実験者は車輪付きカートに搭載したホストPCと共に、被験者から約3〜5メートルの距離を保って追走してください。ワイヤレス信号の品質を確保するため、被験者が開始地点のコーンに到達した際も歩行を継続させる必要があります。1回のループが完了した後、各初期矢印について3回のループが完了するまで、矢印をランダムな順序で提示してこのシーケンスを繰り返します。規定のループ回数を完了した後、マニュアルトリガーボタンを押し、立位への移行を知らせます。被験者は30秒間静かに立位を保持してください。その後、ホストPCのキューボタンを押してデータ収集を終了します。被験者の背後に椅子を配置し、データ収集を開始します。データ収集の開始後、被験者は15秒間静止してください。15秒後、手動トリガーボタンを押します。合図を聞いた後、被験者は立位から座位へと移行し、次の音声合図があるまで座位姿勢を保持します。5秒から15秒のランダムな間隔を空けて待機します。その後、手動トリガーを押して、座位から立位への移行の合図を与えます。被験者に、次の音声合図があるまで立位姿勢を保持させます。この手順を10回まで繰り返します。起立動作（sit to stand）および着席動作（stand to sit）を完了させてください。動作が完了した後、被験者は15秒間静かに立位を保持します。その後、キューボタンを押してデータ収集を終了します。次に、自発的な起立および立位から座位への移行について、同様のプロトコルを繰り返します。今回は、被験者に移行のトリガーを与えるのではなく、各動作が10回完了するまで、被験者自身のタイミングで移動を開始させてください。廊下歩行では、被験者とデータ収集カートを、1/8マイルの直線廊下の中央に配置します。データ収集は、トレッドミル歩行実験と同様に開始してください。最初の32秒間の安静期間の後、被験者に手動の合図またはビープ音を与えて歩行を開始させます。被験者に5分間連続して歩行させてください。被験者が廊下の端の10 m以内に到達した時点で、被験者自身の判断でUターンを行い、反対方向に歩行を継続させます。5分後、マニュアルトリガーボタンを押して歩行を停止させます。被験者は前方を直視したまま、30秒間静かに立機します。その後、データ収集を終了します。次に、2回目の廊下実験を開始します。20〜40秒間のランダムな歩行時間経過後、手動トリガーと音声合図を与えて被験者に歩行を停止させます。その後、被験者は5〜15秒間の短いランダムな時間、直立状態で待機します。次に、手動トリガーボタンを押し、被験者に歩行を再開させます。停止と開始を10サイクル繰り返した後、終了します。ここでは、トレッドミル歩行の10秒間のデータ収集における代表的な結果を示します。上段のパネルは、10-20国際規格に基づいたチャンネル名の64チャンネル生EEGデータを示しています。中段のパネルは、11個のマーカーセンサーによる垂直方向の加速度を示しています。下段のパネルは、8チャンネルの生EMGを示しています。この図は、アリーナ内での歩行1ループにおける代表的なデータを示しています。プロトコルの垂直な黒いバーはトリガーを示しています。最初のトリガーは、右矢印が表示されたプッシュボタンによるものです。最後の4つは、被験者がループを通過する際のIRセンサー1からIRセンサー4によるものであり、ここでは「立ち上がり（Stand to Sit）」および「座り上がり（Sit to Stand）」の移行に関するサンプルデータが表示されています。EEG加速度およびEMGデータを図1と同様に示します。垂直バーは、それぞれ起立および着席を開始するための手動トリガーを示しています。最後に、本図では廊下における起立から歩行への移行、および歩行から起立への移行のサンプルデータを示しています。歩行タスク。垂直線は、それぞれ歩行の開始と停止を示す手動トリガーおよびオーディオキューを表しています。EEGセンサーとEMGセンサーはモーションアーチファクトに敏感であるため、センサーが被験者にしっかりと安全に取り付けられていることを確認することが重要です。この手順に従い、独立成分分析や線形回帰などの他の手法を適用して、アーチファクトから皮質電位信号を分離することで、EEGデータから肢のキネマティクスやEMGプロファイルを抽出することが可能になります。この技術により、神経インターフェース分野において、脳がどのように運動や運動意図に関連しているかという問いに答えることができ、また頭皮EEGから歩行に関する情報を抽出する手段が提供されます。

simultaneous-scalp-electroencephalography-eeg-electromyography-emg

Research

JoVE Journal

Behavior

行動

我々は単純な感覚刺激の処理に関わる脳の領域をマップするために脳磁図（MEG）と脳波を脳波（EEG）を使用します。...

同時MEGおよびEEGとの機能的マッピング

我々は侵襲的なてんかんの監視を受けているヒトから研究目的electrocorticographic信号を収集するための手法を提案する。我々は、データ収集、信号処理と刺激プレゼンテーションのためBCI2000ソフトウェアプラットフォームを使用する方法を示します。具体的には、SIGFRIED、リアルタイム脳機能マッピングのためのBCI2000ベースのツールを示しています。...

神経科学の研究とリアルタイム機能皮質マッピングのためのヒトElectrocorticographic（ECOG）信号を記録

我々は、磁気共鳴画像法（MRI）によって捕捉解剖学的情報と組み合わせ磁気と脳波（MEG /...

同時MEG / EEGおよび解剖学的に制約のある最小ノルム推定値を使用してマッピング皮質ダイナミクス：聴覚注意の例

出典: Papadelis, C., et al., 小児てんかんのバイオマーカーとして、脳磁図と脳波図の同時実施で検出される発作間絡高周波振動. J. Vis. Exp. (2016年)。 このビデオでは、脳波計 (EEG) と脳磁図 (MEG) の記録を使用して、発作間欠性てんかん様放電 (IED) と高周波振動 (HFO)...

発作を起こしやすい脳領域を特定するための脳波と脳磁図の同時実施

直立運動課題中の脳活動を監視することは、運動障害の神経源を調査する際に大きな価値があります。ここでは、機能的な近赤外分光法と、4種類の運動課題における筋肉および運動学的活動の継続的なモニタリングを組み合わせたプロトコルを実演します。...

運動課題中に同時キネマとEMGの監視と感覚運動の脳領域の機能的近赤外分光法

経頭蓋磁気刺激、筋電図、および3Dモーションキャプチャは、人間の神経筋機能を調査するために一般的に使用される非侵襲的技術です。このホワイトペーパーでは、これら3つのツールすべてによって生成されたデータを同期的にサンプリングするプロトコルと、仮想現実刺激のプレゼンテーションとフィードバックの独自の追加について説明します。...

経頭蓋磁気刺激、電、モーションキャプチャ、およびバーチャルリアリティを用いたヒトモータ制御研究のための多機能のセットアップ

イメージング法、イメージング法、時空間的な fMRI に制約のある脳波ソースとして知られている脳波 fMRI マルチ モーダルを次に紹介します。提案手法では、条件付きでアクティブな fMRI...

同時脳波と機能的 MRI 皮質活動の動的イメージングのための統合解析

本研究では、脳、心電図、筋電図、局所電界電位の同時計測と自由行動ラットの信号を呼吸するためのメソッドを紹介します。この技術は、実験のコストを削減し、データの分析を簡素化は、脳と末梢器官との間の相互作用の理解に貢献します。...

皮質局所電界電位、心電図、筋電図、呼吸リズム自由行動ラットからの同時録音

ここでは、脳を記録し、心臓の同時ビデオを用いたマウスで計測される生体信号プロトコルを提案脳波 (EEG) や心電図 (ECG)。また発作、パワー スペクトル、心機能および心拍変動の結果として得られる脳波心電図の分析手法について述べる.

てんかんのマウス ・ モデルにおける Neurocardiac 機能障害を識別するために監視同時ビデオ脳波心電図

本稿では、容易に入手可能な医療製品を利用して、脳波と機能的磁気共鳴画像の同時利用時に、良質の脳波(EEG)データを取得するための簡単なプロトコルを提供します。...

同時脳波と機能MRIにおける脳波データの確実な取得

脳磁図法(MEG)と高密度脳波法(HD-EEG)が同時に記録されることはめったにありませんが、確認的で補完的な情報が得られます。ここでは、MEGとHD-EEGを同時に記録するための実験設定と、薬剤耐性てんかんの小児のてんかん原性および雄弁な脳領域の局在化を目指したこれらのデータの解析方法を紹介します。...

薬剤耐性てんかん小児の術前評価における電磁源イメージング

学ぶモバイル脳イメージングフレームワークによる歩行時の脳・身体ダイナミクス解析法。EEG・EMG・動作捕捉センサーを同期させ、9種類の移動課題で神経・筋・運動学的データを取得し、神経義肢やブレイン・マシン・インターフェースの開発に貢献する。

同時頭皮脳波（EEG）、筋電図（EMG）、およびマルチモーダル神経復号化するための全身分節慣性録音

さらに動画を探す