Met behulp van een EEG-Based Brain-Computer Interface voor virtuele cursor Movement met BCI2000
July 29th, 2009
In deze video, tonen we de stappen die nodig zijn om een hersen-computer interface experiment, inclusief het opzetten van de EEG dop, het kalibreren van het systeem en het trainen van de gebruiker om een cursor te verplaatsen in twee dimensies met behulp van ingebeelde bewegingen uit te voeren.
Een hersencomputerinterface of BCI werkt door een neurologisch signaal, zoals het elektro-encefalogram of EEG, om te zetten in een signaal dat kan worden gebruikt om een computer of ander apparaat te besturen. De procedure begint met het bevestigen van de EEG-elektrodenkap aan de hoofdhuid van de proefpersoon om hersenactiviteit op te nemen. De proefpersoon wordt vervolgens gevraagd om zich verschillende vrijwillige bewegingen van hun handen en voeten voor te stellen, waarna een kalibratieprocedure wordt uitgevoerd, die de kenmerken van het EEG als resultaat van de kalibratieprocedure analyseert.
De R-squared waarden en schedeltomografie kunnen worden gebruikt om te bepalen welke elektroden en frequentiebins worden gebruikt om een cursor op het computerscherm te leiden. Proefpersonen zullen vervolgens in staat zijn om een cursor snel naar doelgebieden te verplaatsen, gewoon door erover na te denken. Hoi, ik ben Adam Wilson, en ik werk in het laboratorium van Justin Williams in de afdeling Biomedische Technologie aan de Universiteit van Wisconsin-Madison.
Vandaag zal ik de procedure delen voor het opnemen van hersenactiviteit, genoemd het elektro-encefalogram of EEG, voor het besturen van een hersencomputerinterfaceapplicatie. Dus laten we beginnen. Je begint dit protocol door EEG-elektroden aan te sluiten op de hoofdhuid van de proefpersoon via een EEG-kap, die de elektroden plaatst volgens het internationale 10 20-systeem.
Om de kap correct op de hoofdhuid van de proefpersoon te plaatsen, gebruik een viltstift om het nasion te markeren, dat is de kruising van de voorste neusbeenderen en de inion, de grootste uitsteeksel van het achterhoofdsbeen. Zoek het middelpunt tussen nasn en inion en markeer dit. Deze positie wordt de vertex genoemd.
Zoek de CZ-elektrode op de kap en plaats deze op de vertex met CZ vast. Schuif de kap over het hoofd. Zorg ervoor dat de FC cz en PZ-elektroden op de middenlijn van de schedel staan, dat de O1 naar O2-elektroden horizontaal en op gelijke hoogte met O2 zijn en dat FP1 naar FP2 op gelijke hoogte zijn met FPZ.
Bevestig nu de referentie-elektrode, die meestal op een oorlel wordt geklemd. Nu de elektroden correct zijn geplaatst, moet worden gezorgd voor een goede elektrische verbinding met de schedel. Om dit te doen, wordt geleidend gel eerst opgezogen in een kleine spuit met een stompe naald.
Steek vervolgens de naald in een elektrode en schuur voorzichtig de schedel met de naald om dode huid te verwijderen. Begin met de oorreferentie-elektrode en herhaal dit voor alle elektroden, inclusief de grond, vul de elektrode met een kleine hoeveelheid gel. Wees voorzichtig om het niet te veel te vullen.
Controleer de impedanties voor alle kanalen, die allemaal minder dan vijf kilo ohm zouden moeten zijn. Uw methode zal variëren afhankelijk van uw versterkersysteem. Om dit te doen met de GUSB-versterker in BCI 2000, verandert u de acquisitiemodusparameter naar impedantie en drukt u op set config om de impedantiewaarden voor alle kanalen te ondervragen.
Als een elektrode een impedantie heeft van meer dan vijf kilo ohm, steekt u de naald opnieuw in en schuurt u de schedel wat meer om de verbinding te versterken. Controleer vervolgens de impedantie opnieuw. Nu is de EEG-kap klaar voor opname.
Om te beginnen, configureert u het computersysteem voor dual-monitormodus. Start BCI 2000 vanaf de BCI 2000-launcher door uw versterkerbronmodule, de dummy-signaalverwerkingsmodule en de stimuluspresentatiemodule te selecteren. Voeg de parameterbestanden toe voor uw proefpersoon, de versterker en de motorscreeningtaken, die u vooraf tijdens de sessie zou moeten configureren, het scherm is ofwel leeg of toont een instructie zoals rechterhand, linkerhand, beide handen of beide voeten gedurende drie seconden per keer.
Tijdens elke beweging van drie seconden moet de proefpersoon continu de aangegeven beweging voorstellen. De handbewegingen moeten het openen en sluiten van de handen zijn, zoals het knijpen van een tennisbal, en de voetbewegingen moeten het bewegen van de voeten heen en weer zijn, zoals het drukken op een gaspedaal met beide voeten. Wanneer het scherm leeg is, moet de proefpersoon het lichaam volledig ontspannen tijdens een run.
Herhaal elk lichaamsdeel 20 keer en voer vijf runs uit voor een totaal van honderd datapunten. Nu kunt u de gegevens analyseren om de EEG-kenmerken te bepalen die uniek zijn voor elke voorgestelde beweging. Nu u de screeninggegevens hebt verzameld, is het tijd om de BCI 2000 offline-analysetool te gebruiken om te bepalen welke kenmerken in het EEG-signaal de gebruikers vrijwillig kunnen moduleren.
De offline-analysetool converteert het EEG-signaal naar het frequentiedomein waar u kunt bepalen welke kanalen en welke frequentiekenmerken in het signaal maximaal gecorreleerd waren met de taken. Om met de analyse te beginnen, start u het math lab-programma en navigeert u naar de BCI 2000 offline-analysemap en start u vervolgens het programma. Gebruik het programma om te bepalen welke EEG-kenmerken sterk gecorreleerd zijn met elke beweging.
Voor elke beweging, plot de gegevens, zoek vervolgens de grafieken met de grootste R-squared waarden of de sterkste correlatie. U kunt vervolgens de kanalen en frequentiebins met de grootste R-squared waarden gebruiken als controlesignalen om de cursor in een bepaalde richting te bewegen. Stel bijvoorbeeld functies in die veranderen voor de rechterhandconditie om de cursor naar de rechterkant van het scherm te verplaatsen.
Zorg er bij het analyseren van uw gegevens voor dat de gekozen kanalen en frequenties consistent zijn met bekende eigenschappen van corticale sensorische motorische ritmen. U zou bijvoorbeeld significante veranderingen moeten zien die overeenkomen met de voorgestelde rechterhandbeweging over de contralaterale motorische cortex nabij C3 en CP drie, en gecentreerd nabij acht tot twaalf hertz en of achttien tot achtentwintig hertz respectievelijk. Als deze locaties en waarden anders zijn, dan hebt u waarschijnlijk ruis of een willekeurig effect gemeten en zou u dat specifieke ritme niet moeten configureren als een controlefunctie.
Kies voor elke conditie het kanaalnummer en de frequentiebins met de vier grootste R-squared waarden. Met deze waarden in handen, kunt u het systeem configureren voor de
View the full transcript and gain access to thousands of scientific videos
Overzicht
Deze video toont de stappen om een hersen-computer interface (BCI) experiment uit te voeren, met focus op EEG opstelling, systeem calibratie, en gebruikerstraining voor cursorbesturing via ingebeelde bewegingen.
Belangrijke studiecomponenten
Wetenschapsgebied
- Neurowetenschappen
- Hersen-computer interfaces
- Elektrofysiologie
Achtergrond
- Een BCI vertaalt neurale signalen naar commando's voor apparaten.
- EEG-kappen worden gebruikt om hersenactiviteit op te nemen.
- Calibratie is essentieel voor nauwkeurige signaalinterpretatie.
- Ingebeelde bewegingen worden gebruikt om de cursor te besturen.
Doel van de studie
- Om de functionaliteit van BCI te demonstreren.
- Om gebruikers te trainen in het besturen van een cursor door gedachten.
- Om EEG-signalen te analyseren voor effectieve cursorbegeleiding.
Gebruikte methoden
- Bevestiging van EEG-elektrodenkap op de hoofdhuid.
- Calibratieprocedure om EEG-karakteristieken te analyseren.
- Gebruik van R-squared waarden en scalp tomografie voor elektrodeselectie.
- Training van proefpersonen om bewegingen in te beelden voor cursorbesturing.
Belangrijkste resultaten
- Proefpersonen kunnen een cursor naar doelgebieden verplaatsen met behulp van ingebeelde bewegingen.
- Calibratie verbetert de nauwkeurigheid van BCI-besturing.
- Specifieke elektroden en frequentiebins verbeteren de prestaties.
- Aangetoonde haalbaarheid van gedachte-gebaseerde cursorbesturing.
Conclusies
- BCI's kunnen effectief ingebeelde bewegingen vertalen naar acties.
- EEG-kalibratie is cruciaal voor een succesvolle BCI-operatie.
- Deze technologie heeft potentiële toepassingen in assistieve apparaten.
Veelgestelde vragen
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
