Artykuł metodologiczny

Ocena i komunikacja dla osób z zaburzeniami świadomości

DOI:

10.3791/53639

1 sierpnia 2017

W tym artykule

Podsumowanie

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dzięki temu eksperymentowi, można wykryć świadomość u osób z zaburzeniami świadomości. Co więcej, podejście to może stworzyć prosty kanał komunikacyjny, który umożliwia ludziom udzielanie prostych odpowiedzi TAK/NIE na pytania.

Streszczenie

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

W tym eksperymencie demonstrujemy zestaw hybrydowych paradygmatów opartych na interfejsie mózg-komputer (BCI), które są przeznaczone do dwóch zastosowań: oceny poziomu świadomości osób niezdolnych do udzielenia odpowiedzi motorycznej oraz, w drugim etapie, ustanowienia kanału komunikacyjnego dla tych osób, który umożliwia im odpowiadanie na pytania "tak" lub "nie". Zestaw paradygmatów ma na celu przetestowanie podstawowych odpowiedzi w pierwszym kroku i kontynuowanie bardziej kompleksowych zadań, jeśli pierwsze testy zakończą się sukcesem. Te ostatnie zadania wymagają więcej funkcji poznawczych, ale mogą zapewnić komunikację, co nie jest możliwe w przypadku podstawowych testów. Wszystkie testy oceniające generują wykresy dokładności, które pokazują, czy algorytmy były w stanie wykryć reakcję mózgu pacjenta na dane zadania. Jeśli poziom dokładności wykracza poza poziom istotności, zakładamy, że badany zrozumiał zadanie i był w stanie postępować zgodnie z sekwencją poleceń prezentowanych badanemu przez słuchawki. Zadania wymagają od użytkowników skoncentrowania się na określonych bodźcach lub wyobrażenia sobie poruszania lewą lub prawą ręką. Wszystkie zadania są zaprojektowane w oparciu o założenie, że użytkownik nie jest w stanie korzystać z modalności wizualnej, a zatem wszystkie bodźce prezentowane użytkownikowi (w tym instrukcje, wskazówki i informacje zwrotne) są słuchowe lub dotykowe.

Wprowadzenie

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Diagnoza pacjentów w stanie wegetatywnym (VS) lub minimalnym stanie świadomości (MCS) jest trudna i często zdarzają się błędne klasyfikacje. W badaniu z 2009 roku porównano dokładność diagnozy między konsensusem klinicznym a oceną neurobehawioralną1. Spośród 44 pacjentów, u których zdiagnozowano VS na podstawie konsensusu klinicznego zespołu medycznego, u 18 (41%) stwierdzono MCS po standaryzowanej ocenie za pomocą zrewidowanej skali odzyskiwania śpiączki (CRS-R). Wynik ten jest zgodny z wcześniejszymi badaniami, które wykazały, że 37 - 43% pacjentów, u których zdiagnozowano VS wykazywało oznaki świadomości2,3. Skale klasyfikacyjne opierają się na obserwacjach behawioralnych lub na ocenach funkcji słuchowych, wzrokowych, werbalnych i motorycznych, a także poziomów komunikacji i pobudzenia. Nowe technologie, które mogą dodawać dane o aktywności mózgu, są doskonałym narzędziem do przezwyciężania ograniczeń narzucanych przez skale ocen behawioralnych. Pacjenci mogą być w stanie modulować reakcje mózgu, mimo że nie są w stanie wywołać zmian w zachowaniu wymaganych w skali ocen. Monti i wsp.4 wykazał, że funkcjonalne obrazowanie metodą rezonansu magnetycznego (fMRI) może wykryć dobrowolne zmiany w odpowiedziach zależnych od poziomu natlenienia krwi, które są związane z wyobrażaniem sobie ruchów motorycznych lub zadań związanych z obrazowaniem przestrzennym, u 5/54 pacjentów, u których zdiagnozowano zaburzenia świadomości (DOC). Cztery z nich zostały wcześniej sklasyfikowane jako należące do MCS. Tak więc w mniejszości przypadków pacjenci, którzy spełniają kryteria behawioralne stanu wegetatywnego, mają szczątkowe funkcje poznawcze, a nawet świadomą świadomość.

Elektroencefalografia (EEG) BCI może również wykrywać aktywność mózgu wynikającą z wyobraźni lub próby ruchów motorycznych. Istnieją również inne paradygmaty BCI, które mogą określić, czy dana osoba może wykazać się świadomością, dobrowolnie wykonując wcześniej zdefiniowane zadanie. BCI oparte na EEG mają inne zalety w porównaniu z ocenami opartymi na fMRI. Na przykład systemy EEG są znacznie bardziej opłacalne i przenośne, a także mogą być łatwo używane przy łóżku pacjenta. Główne nieinwazyjne podejścia BCI obejmują powolne potencjały korowe (SCP), P300, potencjały wizualne w stanie ustalonym (SSVEP) i obrazowanie motoryczne (MI). SCP zapewniają niskie tempo przesyłania informacji i wymagają intensywnego szkolenia (patrz Wolpaw et al.)5, podczas gdy SSVEPy wymagają uwagi wzrokowej. Oba podejścia nie są zatem stosowane w tym protokole. Z pisownią P300, Ortner i wsp.5 osiągnął dokładność 70% dla osób niepełnosprawnych. Z czasem liczba ta może zostać zwiększona. Na przykład Rzepa i wsp.7 poprawiło dokładność klasyfikacji P300, korzystając z adaptacyjnego klasyfikatora sieci neuronowych. Do tego protokołu wybraliśmy podejścia dotykowe i słuchowe P300 oprócz zawału mięśnia sercowego, ponieważ oba mogą być używane bez wzroku, a każde z nich ma unikalne zalety. MI może zapewnić szybszą komunikację niż niewzrokowy P300 BCI, podczas gdy P300 BCI wymaga bardzo niewielkiego szkolenia. W związku z tym ten hybrydowy protokół BCI może implementować cały zestaw podejść BCI opartych na EEG dla pacjentów z DOC. Ponadto, ponieważ zadania są stosunkowo szybkie i łatwe do powtórzenia, różne podejścia mogą być wielokrotnie badane z każdym pacjentem, aby zmniejszyć liczbę nieprawidłowych klasyfikacji pacjentów z DOC.

Zbadano cztery różne podejścia BCI: (i) słuchowe P300, (ii) wibrodotykowe P300 z dwoma stymulatorami, (iii) wibrodotykowe P300 z trzema stymulatorami, oraz (iv) MI.

Paradygmat i podejście słuchowe P300 wykorzystuje paradygmat słuchowy dziwaczny, w którym bodźce dewiacyjne (sygnały dźwiękowe 1,000 Hz) są losowo rozdzielane w ciągu bardziej prawdopodobnych bodźców standardowych (sygnały dźwiękowe 500 Hz). W paradygmacie II bodźce są dostarczane za pomocą stymulatorów wibrodotykowych, które umieszcza się na lewym i prawym nadgarstku. Aktor na lewym nadgarstku dostarcza bodźce standardowe, a aktor na prawym nadgarstku dostarcza bodźce dewiacyjne (docelowe). W przypadku paradygmatu iii, dodatkowy stymulator umieszcza się na prawej kostce badanego lub w innym miejscu, takim jak środek pleców. Ten stymulator dostarcza ciąg standardowych bodźców, podczas gdy dwa stymulatory na lewym i prawym nadgarstku dostarczają bodźce dewiacyjne. Aby ocenić świadomość za pomocą dwóch paradygmatów wibrodotykowych, badanemu mówi się przez słuchawki, aby po cichu liczył każdy bodziec do jednego nadgarstka, ignorując inne bodźce. Losowy mechanizm decyduje, czy wybrać lewy, czy prawy nadgarstek, a każdy bieg składa się z czterech zestawów po 30 prób każdy, z nową ręką docelową dla każdej próby.

Dla paradygmatów i, ii i iii, odbywa się następujące przetwarzanie sygnału: osiem kanałów EEG jest rejestrowanych przy użyciu częstotliwości próbkowania 256 Hz. Prawdopodobieństwo wystąpienia bodźca dewiacyjnego wynosi 1/8; W związku z tym dla każdego bodźca dewiacyjnego będzie siedem standardowych bodźców. Każdy bieg ma łącznie 480 bodźców. Jeden przebieg paradygmatu i trwa 7 min 20 s, natomiast każdy przebieg paradygmatów ii i iii trwa 2 min 30 s. Jeśli pacjent po cichu liczy każdy bodziec dewiacyjny, bodźce te wywołują kilka potencjałów związanych ze zdarzeniami (ERP), w tym P300, dodatni szczyt około 300 ms po wystąpieniu bodźca. Każdy sygnał dźwiękowy trwa 100 ms. Dla każdej próby bodźca zapisywane jest okno 100 ms przed i 600 ms po sygnale dźwiękowym w celu przetworzenia sygnału. Dane są następnie próbkowane w dół o współczynnik 12, co daje 12 próbek dla 60 ms interwału po bodźcu. Na koniec wszystkie cechy kanału czasowego próbki są wprowadzane do liniowej analizy dyskryminacyjnej8, co daje 12 x 8 = 96 obiektów. Aby obliczyć wykres dokładności (Rysunek 1 i 2), poniższa procedura jest powtarzana dziesięć razy, a wyniki są uśredniane na jednym wykresie. Próby dewiacyjne i standardowe są losowo przydzielane do dwóch równych pul. Jedna pula służy do trenowania klasyfikatora, a druga pula służy do testowania klasyfikatora. Klasyfikator jest testowany na coraz większej liczbie uśrednionych bodźców spoza puli testowej. Na początku testuje się go tylko na jednym bodźcu dewiacyjnym i siedmiu standardowych. Jeśli klasyfikator prawidłowo wykrył bodziec odchylający, wynikowa dokładność wynosi 100%, a w przeciwnym razie wynosi 0%. To samo dzieje się dla 2 uśrednionych bodźców dewiacyjnych i 14 uśrednionych bodźców standardowych, dla 3 bodźców dewiacyjnych i 21 bodźców standardowych i tak dalej, aż do wykorzystania pełnej puli testów. W ten sposób powstaje wykres 30 pojedynczych wartości (dla 30 bodźców dewiacyjnych w puli testowej), z których każda wynosi 100% lub 0%. Uśrednienie 10 pojedynczych wykresów daje wartości w zakresie od 0% do 100%. Zwiększenie liczby uśrednionych bodźców zwiększy dokładność, jeśli badany może podążać za zadaniem, ponieważ uśrednianie bodźców zmniejsza losowy szum w danych. Dokładność znacznie wykraczająca poza poziom prawdopodobieństwa (12,5%) pokazuje, że odpowiedź P300 może zostać wywołana u pacjenta i że odpowiedź w mózgu pacjenta się pojawiła. Paradygmaty i i ii mogą być używane tylko do oceny świadomości. Jeśli dokładność osiągnięta podczas oceny jest wyższa niż 40%, można przejść do zastosowania komunikacji z paradygmatu iii lub iv.

W zadaniu komunikacyjnym paradygmatu iii, badany decyduje się skoncentrować na bodźcach po lewej stronie, jeśli chce odpowiedzieć "TAK" lub po prawej stronie, aby odpowiedzieć "NIE". Klasyfikator wykrywa, na której ręce użytkownik się koncentrował i prezentuje odpowiedź.

Paradygmat iv rejestruje 120 prób, z których każda trwa 8 sekund, oddzielonych przerwami na 1 s. Daje to 10 s x 120 = 18 min całkowitego czasu sesji. Paradygmat iv wykorzystuje 16 kanałów EEG rozmieszczonych w korze sensomotorycznej. Częstotliwość próbkowania wynosi 256 Hz. Każda próba rozpoczyna się od sygnału prezentowanego przez słuchawki, który instruuje badanego, aby wyobraził sobie poruszanie lewą lub prawą ręką. Sekwencja instrukcji lewej i prawej ręki jest losowa. Do wstępnego przetwarzania sygnału używana jest metoda Common Spatial Patterns (CSP)10,12,13. Ta metoda daje zestaw filtrów przestrzennych zaprojektowanych w celu zminimalizowania wariancji jednej klasy przy jednoczesnej maksymalizacji wariancji dla drugiej klasy. W ten sposób powstają cztery cechy, które są klasyfikowane przez liniową analizę dyskryminacyjną8. Cała procedura klasyfikacji została szczegółowo opisana w niedawnej publikacji, wykazując średnią dokładność klasyfikacji wynoszącą 80,7% po zaledwie 60 minutach treningu u zdrowych użytkowników13. Obliczanie dokładności odbywa się za pomocą walidacji krzyżowej. Odnosi się to do podzielenia próbki danych na uzupełniające się podzbiory, przeprowadzenia analizy na jednym podzbiorze (puli treningowej) i walidacji analizy na drugim podzbiorze (puli testowej). Przed rozdzieleniem danych do pul próby zawierające artefakty są odrzucane. Uznaje się, że próba zawiera artefakty, jeśli bezwzględna wartość amplitudy przekracza 100 μV w dowolnym momencie badania. Dokładność jest obliczana dla wszystkich ruchów w puli testowej w ciągu 1,5 s po sygnale ostrzegawczym do końca próby, w krokach co 0,5 s. Dla każdego etapu i każdej próby wynik klasyfikacji wynosi 100 lub 0%. Dokładność wszystkich prób w puli testowej jest następnie uśredniana dla każdego pojedynczego kroku, co daje poziomy dokładności w zakresie od 0% do 100%. Na koniec na wykresie dokładności pokazano średnią z dziesięciu powtórzeń wyników walidacji krzyżowej. Przykłady można zobaczyć na rysunkach 3 i 4. Wykresy są rozdzielone w celu obrazowania ruchu lewej ręki (żółty), prawej ręki (niebieski) i wszystkich ruchów razem (zielony). Pozioma linia w kolorze karmazynowym reprezentuje granicę ufności, która zależy od liczby prób, które zostały użyte do analizy. Jest to łączna liczba badań pomniejszona o liczbę odrzuconych badań. Pokazuje 95% przedział ufności przy użyciu metody Cloppera Pearsona9. Poziom dokładności powyżej tej linii oznacza, że wynik jest statystycznie istotny (alfa <0,05).

Protokół

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wszystkie kroki w ramach tego protokołu są zgodne z zasadami Deklaracji Helsińskiej.

1. Ustawienia systemu

  1. Za pomocą USB podłącz amplifier do komputera z uruchomionym oprogramowaniem i włącz amplifier.
  2. Podłącz sprzętowy klucz sprzętowy do wolnego gniazda USB w komputerze.
    UWAGA: Jest to konieczne do uruchomienia oprogramowania.
  3. Załóż antystatyczną opaskę na nadgarstek fotografowanej osoby i podłącz ją do wolnej wtyczki zasilania.
    UWAGA: Ta opaska została zaprojektowana, aby pomóc uziemić obiekt do ziemi w celu zmniejszenia szumów, które mogą wpływać na jakość EEG.
  4. Podłącz skrzynkę sterownika za pomocą USB do wolnego gniazda w komputerze.
  5. Podłącz spustowy do skrzynki sterownika w następujący sposób:
    1. Podłącz złącze oznaczone jako "g.STIMbox OUT 5" do "OUT 5" skrzynki sterownika.
    2. Podłącz złącze oznaczone jako "g.STIMbox OUT 6" do "OUT 6" skrzynki sterownika.
    3. Podłącz złącze oznaczone jako "g.STIMbox OUT 7" do "OUT 7" skrzynki sterownika.
    4. Podłącz złącze oznaczone jako "g.USBamp DIO 1" do gniazda "DIG I/O 1" g.USBamp.
    5. Podłącz trzy aktory do OUT 1, OUT 2 i OUT 3 skrzynki sterownika.
    6. Podłącz złącze oznaczone jako "TRIG OUT" do gniazda "TRIG OUT" w skrzynce adaptera wyzwalacza audio.
  6. Weź taśmę klejącą i przymocuj jednego tora na lewym nadgarstku, drugiego na prawym nadgarstku, a trzeciego na prawej kostce.
  7. Podłącz męski/męski złącza audio do wyjścia audio komputera i do gniazda adaptera wyzwalania audio oznaczonego "AUDIO IN". Włącz moduł adaptera wyzwalania dźwięku i sprawdź, czy dioda LED stanu baterii świeci na zielono.
  8. Uruchom oprogramowanie, obserwuj okno o nazwie "Dodaj lekarza". Wpisz tytuł, nazwę, instytucję i dział w puste pola. Kliknij "Dodaj", aby otworzyć kolejne okno.
  9. Wprowadź imię i nazwisko pacjenta, miasto, kraj, datę urodzenia i datę zameldowania w oknie.
  10. Kliknij zielony przycisk "+" poniżej niebieskiej strzałki w prawej dolnej części programu. Wpisz tekst "Pierwszy test" w polu "Nazwa" i "Zapoznanie się z oprogramowaniem" w pustym polu "Szczegóły".
    UWAGA: Aby kontynuować pracę z programem, konieczne jest wprowadzenie informacji we wszystkich pustych polach.
  11. Na koniec kliknij przycisk "Wybierz tego pacjenta".
  12. Przymocuj 16 kanałów EEG do głowy pacjenta za pomocą nasadki elektrody. Użyj pozycji: FC3, FCz, FC4, C5, C3, C1, Cz, C2, C4, C6, CP3, CP1, CPz, CP2, CP4 i Pz zgodnie z rozszerzonym międzynarodowym systemem 10-2014. Umieść elektrodę odniesienia na prawym płatku ucha, a elektrodę masową na czole.
  13. Aby prawidłowo umieścić nasadkę na głowie badanego, użyj taśmy mierniczej, aby zmierzyć odległość między nasionem a inionem, a także odległość między lewym i prawym punktem przedusznym. Upewnij się, że elektroda w pozycji wierzchołka, Cz, znajduje się w środku tych dwóch odległości. Załóż nasadkę elektrody i wyrównaj tę zmierzoną pozycję z pozycją Cz nasadki elektrody. Nasadka elektrody znajduje się teraz we właściwej pozycji.
  14. Podłącz elektrody do skrzynki przyłączeniowej elektrody, postępując zgodnie z konfiguracją opisaną w kroku 1.12. Podłącz skrzynkę przyłączeniową elektrody do biosygnału amplifier i upewnij się, że amplifier i skrzynka przyłączeniowa są włączone.
  15. Wstrzyknąć wystarczającą ilość żelu elektrodowego do elektrod, aby utworzyć połączenie między skórą a elektrodami.

2. Ocena słuchowa P300

  1. Po wprowadzeniu danych o pacjencie kliknij przycisk "Słuchowy P300" po lewej stronie ekranu. Kliknij przycisk "Ocena" w prawym dolnym rogu, aby rozpocząć proces oceny.
  2. Sprawdź jakość sygnału EEG. Obraz z mózgiem po prawej stronie ekranu zapewnia oznaczony kolorami przewodnik po jakości sygnału każdej elektrody, z czerwonym oznaczającym złą jakość sygnału, żółtym akceptowalną jakość sygnału i zielonym oznaczającym dobrą jakość sygnału.
  3. Otwórz menu ustawień za pomocą przycisku ustawień i upewnij się, że słychać sygnały dźwiękowe. Przedstaw te sygnały dźwiękowe o dwóch różnych częstotliwościach badanemu i wyjaśnij zadanie, które polega na zliczeniu każdego z sygnałów dźwiękowych o wysokiej częstotliwości.
  4. Włóż słuchawki do uszu użytkownika i kliknij przycisk Start.
  5. Po zakończeniu oceny sprawdź stronę wyników i wykres dokładności (rysunki 1 i 2). Jeśli poziom dokładności jest niższy niż 40%, powtórz przebieg.
    UWAGA: Jeśli dokładność obiektu jest mniejsza niż 40%, niezawodna komunikacja jest mało prawdopodobna, przynajmniej w przypadku tego paradygmatu i sesji nagraniowej. Niemniej jednak oceny przeprowadzone przy użyciu innych podejść i/lub przeprowadzone w różnym czasie mogą przynieść różne wyniki.

3. Ocena wibrodotykowa P300 z 2 stymulatorami

  1. Kliknij przycisk "Vibrotactile 2 Tactor" po lewej stronie ekranu, a następnie kliknij przycisk "Ocena" w prawym dolnym rogu, aby rozpocząć test. Powtórz krok 2.2.
  2. Otwórz menu ustawień za pomocą przycisku ustawień, aby potwierdzić, że wibracje aktorów są odczuwalne. Poinstruuj badanego, że poczuje wibracje na lewym i prawym nadgarstku. Zadanie polega na zliczeniu ilości bodźców wibracyjnych na lewym nadgarstku. Po instrukcjach kliknij przycisk Start.
  3. Po zakończeniu przebiegu oceny sprawdź stronę wyników i wykres dokładności. Jeśli poziom dokładności jest niższy niż 40%, powtórz przebieg.
    UWAGA: Jeśli dokładność obiektu jest mniejsza niż 40%, niezawodna komunikacja jest mało prawdopodobna, przynajmniej w przypadku tego paradygmatu i sesji nagraniowej. Niemniej jednak oceny przeprowadzone przy użyciu innych podejść i/lub przeprowadzone w różnym czasie mogą przynieść różne wyniki.

4. Ocena wibrodotykowa P300 z 3 stymulatorami

  1. Kliknij przycisk "Vibrotactile 3 Tactor" po lewej stronie ekranu, a następnie kliknij przycisk "Ocena" w prawym dolnym rogu, aby rozpocząć test.
  2. Powtórz krok 2.2. Otwórz menu ustawień za pomocą przycisku ustawień, aby potwierdzić, że wibracje aktorów są odczuwalne.
  3. Poinstruuj badanego, że poczuje wibracje na lewym i prawym nadgarstku oraz na prawej kostce i usłyszy polecenie "W LEWO" lub "W PRAWO" przez słuchawki. Poproś badanego, aby policzył bodźce na wybranej ręce, aż pojawi się następne polecenie lub bieg dobiegnie końca.
    UWAGA: "LEWY" oznacza, że badany powinien policzyć bodźce wibracyjne po lewej stronie, podczas gdy "PRAWY" instruuje badanego, aby policzył bodźce na prawym nadgarstku.
  4. Podłącz słuchawki do uszu fotografowanej osoby i kliknij przycisk Start.
  5. Po zakończeniu przebiegu oceny sprawdź stronę wyników i wykres dokładności. Jeśli poziom dokładności jest niższy niż 40%, powtórz przebieg.
    UWAGA: Jeśli dokładność obiektu jest mniejsza niż 40%, niezawodna komunikacja jest mało prawdopodobna, przynajmniej w przypadku tego paradygmatu i sesji nagraniowej. Niemniej jednak oceny przeprowadzone przy użyciu innych podejść i/lub przeprowadzone w różnym czasie mogą przynieść różne wyniki.

5. Wibrodotykowa komunikacja P300 z 3 stymulatorami

  1. Kliknij przycisk "Vibrotactile 3 Tactor" po lewej stronie ekranu. Kliknij przycisk "Komunikacja" na dole, aby rozpocząć komunikację.
  2. Powtórz krok 2.2. Otwórz menu ustawień za pomocą przycisku ustawień i potwierdź, że wibracje aktorów są odczuwalne. W menu ustawień wybierz klasyfikator o najwyższym poziomie dokładności. Jest to zazwyczaj klasyfikator o najwyższym poziomie dokładności określonym przez system.
  3. Poinstruuj badanego, że będzie odczuwał wibracje na lewym i prawym nadgarstku oraz na prawej kostce. Poinstruuj badanego, że usłyszy pytanie i powinien odpowiedzieć "TAK" lub "NIE". Aby odpowiedzieć "TAK", poproś badanego o policzenie bodźców na lewej ręce; aby odpowiedzieć "NIE", poproś badanego o policzenie bodźców po prawej ręce.
  4. Zadaj pacjentowi pytanie, na które można odpowiedzieć "TAK" lub "NIE". Następnie kliknij przycisk "Rozpocznij nowe pytanie".
    UWAGA: Po zakończeniu sekwencji oprogramowanie wyświetla odpowiedź. Może to być "TAK", "NIE" lub brak odpowiedzi (jeśli oprogramowanie nie było w stanie dokładnie wykryć wzorców mózgowych).

6. Ocena MI

  1. Kliknij przycisk "Motor Imagery" po lewej stronie ekranu. Kliknij przycisk "Ocena" w prawym dolnym rogu, aby rozpocząć proces oceny.
  2. Powtórz krok 2.2. Otwórz menu ustawień za pomocą przycisku ustawień i potwierdź, że polecenia audio są słyszalne przez słuchawki.
  3. Poinstruuj badanego, że usłyszy sygnał dźwiękowy, po którym nastąpi polecenie mówiące "W LEWO" lub "W PRAWO". Poinstruuj badanego, aby spróbował ścisnąć piłkę lewą ręką po poleceniu "W LEWO" i ścisnąć piłkę prawą ręką po poleceniu "W PRAWO". Poproś badanego, aby przestał wyobrażać sobie ściskanie, gdy tylko usłyszy polecenie "ZRELAKSUJ SIĘ".
    UWAGA: W sumie zostanie odegranych 60 poleceń w losowej kolejności.
  4. Niech bieg trwa 8 minut. Kliknij przycisk pauzy po około 4 minutach, odczekaj około 1 minuty i kontynuuj bieg.
    UWAGA: Pauza ma na celu pomóc badanemu utrzymać koncentrację przez cały bieg.
  5. Po dokonaniu oceny sprawdź stronę z wynikami i wykres dokładności ( Rysunki 3 i 4).
    UWAGA: Jeśli poziom dokładności jest niższy od poziomu istotności, powtórz bieg. Jeśli dokładność pozostaje poniżej tego poziomu istotności, niezawodna komunikacja jest mało prawdopodobna, przynajmniej w przypadku tego paradygmatu i sesji nagraniowej. Niemniej jednak oceny przeprowadzone przy użyciu innych podejść i/lub przeprowadzone w różnym czasie mogą przynieść różne wyniki.

7. Komunikacja MI

  1. Kliknij przycisk "Motor Imagery" po lewej stronie ekranu. Kliknij przycisk "Komunikacja" w lewym dolnym rogu, aby rozpocząć komunikację. Powtórz krok 2.2.
  2. Otwórz menu ustawień za pomocą przycisku ustawień i wybierz klasyfikator o najwyższej dokładności klasyfikacji.
  3. Poinstruuj badanego, mówiąc, że po sygnale dźwiękowym może udzielić odpowiedzi na zadane wcześniej pytanie. Aby powiedzieć "TAK", poproś pacjenta, aby wyobraził sobie, że ściska piłkę lewą ręką. Aby powiedzieć "NIE", pacjent powinien wyobrazić sobie, że ściska piłkę prawą ręką.
  4. Zadaj pacjentowi pytanie, na które można odpowiedzieć "TAK" lub "NIE". Następnie kliknij przycisk "Rozpocznij nowe pytanie".
    UWAGA: Po zakończeniu sekwencji oprogramowanie wyświetli odpowiedź (Rysunek 5). Może to być "TAK" lub "NIE".

Wyniki

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Rysunki 1 i 2 pokazują wyniki dwóch serii oceny P300 (paradygmaty I, II i III). Na rysunku 1 dokładność osiągnęła 100%; W ten sposób mózg podmiotu wyraźnie wskazywał na pomyślne wykonanie zadania. Na rysunku 2 dokładność oscyluje wokół poziomu szansy wynoszącego 12,5%. Nie udało się wykryć żadnej wiarygodnej reakcji mózgu na to zadanie. Gdy dokładność jest niska, zalecamy dwukrotne sprawdzenie jakości sygnału EEG na wszystkich elektrodach i złączach. Wynik z dokładnością na poziomie 12,5% byłby również widoczny, gdyby ktoś nie uzyskał EEG, ale po prostu biały szum. Jeśli poziom dokładności wzrasta wraz z liczbą prób, ale nie przekracza 40%, stwierdzono tylko słabą odpowiedź mózgu. W takim przypadku zalecamy badanie artefaktów w sygnale przy użyciu nieprzetworzonego zakresu danych. Zalecamy również powtórzenie zabiegu w innym dniu, o innej godzinie. Pacjent może być bardziej responsywny w innym czasie i generować lepsze wyniki.

Rysunki 3 i 4 pokazują reprezentatywne wyniki paradygmatu iv. Poziom istotności jest oznaczony linią w kolorze karmazyny. Czerwona pionowa linia oznacza czas rozpoczęcia polecenia. Zanim pojawi się polecenie (czerwona pionowa linia), dokładność wynosi około 50% dla obu wykresów. W tym momencie pacjent nie wie, czy komenda będzie brzmiała "W LEWO" czy "W PRAWO", a tym samym nie może wykonać prawidłowej wyobraźni ruchowej. Na rysunku 3 dokładność wzrasta po prezentacji polecenia do ponad 90%. Oznacza to, że osoba była świadomie, ponieważ była w stanie wykonywać losowe polecenia. Na rysunku 4 dokładność klasyfikacji oscyluje wokół 50%. Oznacza to, że system nie był w stanie wykryć MI po przedstawionych poleceniach. Paradygmaty MI mogą być wyzwaniem w badaniach nad BCI, ponieważ nie wszyscy użytkownicy są w stanie kontrolować MI BCI bez szkolenia, a mniejszość nie może osiągnąć kontroli nawet za pomocą training11. Dlatego w tym przypadku zła dokładność może po prostu oznaczać, że pacjent nie jest w stanie kontrolować BCI za pomocą zawału mięśnia sercowego, przynajmniej bez szkolenia. Ponadto zalecamy sprawdzenie jakości sygnału po złym wyniku, jak opisano powyżej.

Rysunek 5 pokazuje wynik przebiegu komunikacji, który można przeprowadzić za pomocą paradygmatów iii i iv. Obiektyw oznacza wykrytą odpowiedź, która w tym przykładzie brzmi "TAK". Jeśli odpowiedź brzmiała "nie", obiektyw przesunął się na "NIE". Jeśli system nie był w stanie wykryć odpowiedzi, obiektyw pozostał pośrodku dwóch możliwych odpowiedzi. Jeśli obiektyw pozostanie w środku odpowiedzi, mógł zostać wybrany zły klasyfikator. Zalecamy wypróbowanie innego klasyfikatora w oknie konfiguracji.

Długa sesja mogła zmęczyć pacjenta. Aby osiągnąć lepsze wyniki w komunikacji, lepszym rozwiązaniem może być zminimalizowanie ocen i jak najszybsze przejście do kroków opisanych w komunikacji. Byłyby to kroki 4 i 5 dla komunikacji dotykowej oraz 6 i 7 dla komunikacji MI.

figure-results-1
Rysunek 1. Wykres dokładności dla paradygmatów i, ii i iii.
Dobre wyniki skutkują dokładnością sięgającą 100%. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-2
Rysunek 2. Inny wykres dokładności dla paradygmatów i, ii i iii.
Tym razem system nie wykrył żadnej reakcji mózgu. W związku z tym dokładność oscyluje wokół poziomu szansy wynoszącego 12,5%. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-3
Rysunek 3. Wykres dokładności dla paradygmatu iv (MI).
W tym przykładzie dokładność osiąga ponad 90%. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-4
Rysunek 4. Wykres dokładności dla paradygmatu iv (MI).
System nie był w stanie wykryć żadnej reakcji mózgu. W związku z tym dokładność oscyluje wokół poziomu szansy wynoszącego 50%. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-5
Rysunek 5. Wynik zadania komunikacyjnego.
Soczewka oznacza wykrytą odpowiedź: "TAK". Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.

Dyskusja

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Wcześniejsze badania przeprowadzone przez wiele grup wykazały, że niektórzy pacjenci z DOC mogą wykazywać świadomość poprzez oceny oparte na fMRI lub EEG, mimo że oceny oparte na zachowaniu sugerują inaczej. W związku z tym istnieje wyraźna potrzeba nowych systemów i paradygmatów, które mogą dokładniej oceniać świadomą świadomość, a nawet zapewniać komunikację. Idealnie byłoby, gdyby systemy te były niedrogie, przenośne, odporne na hałas w rzeczywistych warunkach i łatwe w użyciu (zarówno dla pacjenta, jak i operatora systemu).

Przedstawione tutaj protokoły i system służą dwóm celom: pomocy w ocenie poziomu świadomości u osób z DOC oraz ustanowieniu nowego kanału komunikacyjnego dla osób niezdolnych do komunikowania się za pomocą mowy, aktywności oczu lub innych zadań wymagających kontroli mięśni. Paradygmaty w ramach protokołu mają na celu przetestowanie podstawowych odpowiedzi w pierwszych krokach. Jeśli zostaną wykryte oczekiwane podstawowe reakcje mózgu, można pójść dalej i wypróbować bardziej złożone paradygmaty, którymi są wibrodotykowy P300 z trzema taktorami i MI. Te dwa paradygmaty można również wykorzystać do ustanowienia kanału komunikacji. Jakość sygnału EEG ma kluczowe znaczenie we wszystkich tych protokołach. Czasami danych EEG nie można odróżnić od szumu; Potrzebne jest pewne doświadczenie w analizie EEG, aby rozpoznać i zarządzać zaszumionymi danymi.

Obecne standardowe metody oceny, oprócz tego, że są niewiarygodne, są również czasochłonne i wymagają zespołu ekspertów. W związku z tym pacjenci są często oceniani tylko raz, mimo że świadomość pacjenta może ulegać dramatycznym wahaniom w różnych momentach. Przedstawiony tu protokół można by z łatwością powtórzyć kilka razy. Pacjenci, którzy nie wykazują świadomej świadomości, mogą osiągać inne wyniki w innym czasie. Ponadto, przed każdą próbą komunikacji można przeprowadzić pojedynczą ocenę w celu potwierdzenia, że pacjent jest obecnie w stanie przytomności.

Innym powodem, dla którego warto zaimplementować różne paradygmaty w protokole, jest to, że niektórzy ludzie mogą słabo radzić sobie z jednym paradygmatem, ale bardzo dobrze radzą sobie z innym. Podobnie, ludzie mogą preferować jeden paradygmat, ponieważ wydaje im się łatwiejszy. Po zbadaniu różnych opcji z różnymi paradygmatami, pacjenci mogą wybrać preferowane przez siebie podejście. Jest to zgodne z "hybrydowym" podejściem BCI, które wspiera dostarczanie wielu opcji komunikacji w celu poprawy skuteczności komunikacji i zadowolenia użytkowników.

Wykresy dokładności, w połączeniu z procentowym poziomem prawidłowych klasyfikacji, dają obiektywny wynik, który odzwierciedla, jak dobrze algorytm rozpoznawania wzorców może rozróżniać różne stany mózgu podczas zadań. W związku z tym nie jest konieczna subiektywna interpretacja wzorców mózgowych ani uśrednionych reakcji.

Komunikację wibrodotykową z trzema terakwilami przetestowano na grupie sześciu pacjentów przewlekle zamkniętych w15. Osiągnęli średnią dokładność podczas komunikacji na poziomie 55,3%, a wszystkie z nich były powyżej poziomu szansy wynoszącego 12,5%. Zadanie komunikacji MI zostało przetestowane na grupie dwudziestu zdrowych użytkowników13, wykazując średnią dokładność około 80%. Tylko jedna z dwudziestu osób miała dokładność kontroli poniżej poziomu szansy.

Ważne jest, aby wspomnieć, że bieg lub nawet cała sesja ze słabą dokładnością nie dowodzi jednoznacznie, że nie ma reakcji mózgu lub świadomości w badanym. Oznacza to po prostu, że system nie był w stanie wykryć dobrowolnych reakcji mózgu. Może się to zdarzyć z powodu słabej jakości sygnału, trudności ze słuchem lub zrozumieniem instrukcji zadania lub po prostu dlatego, że mniejszość badanych nie może wykonać pożądanej aktywności EEG pomimo wykonania zadania.

Zgodnie z wcześniejszymi pracami naszej grupy i innych, przedstawione prace pokazują, że wskazana jest ocena poziomu świadomości u pacjentów cierpiących na DOC za pomocą technik obrazowania mózgu. fMRI jest również przydatną techniką śledzenia bieżącej aktywności mózgu pacjenta. Wykazano, że dziwaczne paradygmaty, które wywołują potencjały wywołane, a także obrazowanie motoryczne i inne zadania, mogą wytwarzać reakcje hemodynamiczne, które można śledzić za pomocą fMRI17,18. W porównaniu z fMRI, EEG ma znaczące zalety: narzędzia oparte na EEG mogą być stosowane przy łóżku pacjenta, bez sprzętu, który jest drogi i nieprzenośny oraz wymaga znacznej wiedzy specjalistycznej. Zarówno transport pacjenta do skanera, jak i hałas akustyczny ze skanera mogą być dla niego stresujące. Spektroskopia bliskiej podczerwieni (NIRS) jest przenośna i może mieć nieco lepszą rozdzielczość przestrzenną niż EEG, ale ma gorszą rozdzielczość czasową19. NIRS nadaje się do monitorowania MI20,21, ale nie do potencjałów wywołanych. Na przykład Naseer i Hong22 wykazali wysoką dokładność klasyfikacji dla MI-BCI przy użyciu fNIRS. W próbach, z których każde trwało 50 sekund, osiągnięto 77,35% dla zawału mięśnia sercowego lewej ręki i 83% dla zawału mięśnia sercowego prawoskrętnego. W przypadku BCI opartych na EEG, Guger i wsp.23 stwierdzono, że około 20% z 99 sesji osiągnęło dokładność powyżej 80%, a kolejne 70% z 99 sesji osiągnęło dokładność powyżej 60%. Ortner i wsp. wykazali średnią dokładność szczytową wynoszącą około 80% przy użyciu metody CSP. Ta metoda wymaga więcej elektrod EEG niż te używane przez Gugera i współpracowników, ale skutkuje wyższymi wskaźnikami dokładności. Korzystając z metody CSP, Ramoser i wsp.23 wykazały, że zwiększenie liczby elektrod z 18 do 56 nie poprawia znacząco wydajności; W związku z tym dochodzimy do wniosku, że wybrana liczba 16 elektrod w naszej metodzie jest wystarczająca. Ostatnio Coyle i wsp. stosował CSP do klasyfikacji i szkolenia zawału mięśnia sercowego u pacjentów z DOC16. Wszyscy czterej badani wykazali znaczącą i odpowiednią aktywację mózgu podczas oceny.

Ocena MI za pomocą hybrydowego NIRS-EEG BCI może skutkować wysoką dokładnością klasyfikacji, jak Khan i wsp.Pokazano 20 . Może to być obiecujący kierunek na przyszłość, chociaż dodatkowe narzędzie do neuroobrazowania zwiększa złożoność i koszty urządzenia.

Przedstawiony tutaj protokół stanowi stosunkowo łatwe narzędzie do oceny reakcji mózgu w obrębie sygnału EEG pacjentów z DOC. Interpretacja tych wyników klasyfikacji i wdrażanie jakichkolwiek zmian w lekach, terapii lub innych zabiegach medycznych nadal wymaga ekspertów medycznych. Przyszłościowym kierunkiem tej metody mogą być bardziej zaawansowane techniki stymulacji wykorzystujące większą liczbę stopni swobody. Na przykład, zamiast oferować narzędzia do mówienia tylko "TAK" lub "NIE", przyszłe urządzenia mogą pozwolić na więcej możliwych odpowiedzi na jedno pytanie. W kolejnym kroku można również skorzystać z odpowiedzi kontekstowych. Na przykład, jeśli pacjent ma uruchomiony odtwarzacz muzyki, można zaoferować możliwość kontrolowania poziomu dźwięku lub przełączenia na następny utwór. Należy również przetestować paradygmat zawału mięśnia sercowego u pacjentów z DOC.

Oświadczenia

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autor Christoph Guger jest dyrektorem generalnym firmy g.tec medical engineering GmbH, która produkuje instrumenty użyte w tym artykule. Współautor Alexander Heilinger jest pracownikiem g.tec medical engineering GmbH.

Podziękowania

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ta praca była wspierana przez projekt DECODER 7 PR Unii Europejskiej oraz projekt ODI COMAWARE Unii Europejskiej.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
g.USBampg.tec medical engineering GmbH1Wzmacniacz biosygnału
ZasilaczGlobTek Inc.1sieciowy g.USBamp
USBg.tec medical engineering GmbH1Łączy g.USBamp z komputerem
Elektrody EEG gSCARABEOg.tec medical engineering GmbH16Aktywne elektrody EEG
Elektroda EEG gSCARABEOgndg.tec medical engineering GmbH1pasywna elektroda uziemiająca
Elektroda EEG g.GAMMAklipsdo uchag.tec medical engineering GmbH1aktywna elektroda referencyjna
g.GAMMAbox g.tecmedical engineering GmbH1Łączy wzmacniacz z elektrodami EEG
g.USBampGAMMAconnector g.tecmedical engineering GmbH1Łączy g.GAMMAbox z g.USBamp
Nasadka EEGg.tec medical engineering GmbH1Do pozycjonowania elektrod
KomputerHewlett-Packard1Aby uruchomić oprogramowanie. Alternatywnie można użyć komputerów innych producentów.
g.VIBROstimg.tec medical engineering GmbH3Aktory do stymulacji sensorycznej
Skrzynka adaptera spustu audiog.tec medical engineering GmbH1Do podziału sygnału audio na polecenia audio dla słuchawek i sygnały wyzwalające. Ta skrzynka łączy się ze wzmacniaczem.
Antystatyczna opaska na nadgarstekg.tec medical engineering GmbH1Do tłumienia szumów w EEG
spustowyg.tec medical engineering GmbH1Do podłączenia skrzynki adaptera wyzwalacza audio i g.STIMbox do g.USBamp
połączeniowy audiog.tec medical engineering GmbH1audio do podłączenia adaptera wyzwalacza audio do komputera
Hardlockg.tec medical engineering GmbH1Aby uruchomić oprogramowanie
SE215-KShure Europe GmbH1Słuchawki douszne z tłumieniem szumów. Alternatywnie można użyć innych słuchawek.
g.STIMboxg.tec medical engineering GmbH1Skrzynka sterownika do stymulatorów dotykowych
mindBEAGLE oprogramowanieg.tec medical engineering GmbH1pakiet oprogramowania
g.GAMMAgelg.tec medical engineering GmbH1do elektrod przewodzących
Zasilacz żel

Bibliografia

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Schnakers, C., Vanhaudenhuyse, A., et al. Diagnostic accuracy of the vegetative and minimally conscious state: Clinical consensus versus standardized neurobehavioral assessment. BMC Neurol. 9, (2009).
  2. Childs, N. L., Mercer, W. N., Childs, H. W. Accuracy of diagnosis of persistent vegetative state. Neurol. 43 (8), 1465-1465 (1993).
  3. Andrews, K., Murphy, L., Munday, R., Littlewood, C. Misdiagnosis of the vegetative state: retrospective study in a rehabilitation unit. Bmj. 313 (7048), 13-16 (1996).
  4. Monti, M. M., Vanhaudenhuyse, A., et al. Willful modulation of brain activity in disorders of consciousness. New England Journal of Medicine. 362 (7), 579-589 (2010).
  5. Wolpaw, J. R., Birbaumer, N., McFarland, D. J., Pfurtscheller, G., Vaughan, T. M. Brain-computer interfaces for communication and control. Clinical Neurophysiology. 113, 767-791 (2002).
  6. Ortner, R., Aloise, F., et al. Accuracy of a P300 Speller for People with Motor Impairments: a Comparison. Clinical EEG and Neuroscience. 42 (4), 214-218 (2011).
  7. Turnip, A., Hong, K. -S. Classifying mental activities from EEG-P300 signals using adaptive neural network. Int. J. Innov. Comp. Inf. Control. 8 (9), 6429-6443 (2012).
  8. Lugger, K., Flotzinger, D., Schlögl, A., Pregenzer, M., Pfurtscheller, G. Feature extraction for on-line EEG classification using principal components and linear discriminants. Med. Biol. Eng. Comput. 36 (3), 309-314 (1998).
  9. Johnson, N. L., Kemp, A. W., Kotz, S. Univariate discrete distributions. 444, John Wiley & Sons. (2005).
  10. Guger, C., Ramoser, H., Pfurtscheller, G. Real-Time EEG Analysis with Subject-Specific Spatial Patterns for a Brain-Computer Interface (BCI). IEEE Trans. Rehab. Eng. 8, 447-456 (2000).
  11. Vidaurre, C., Blankertz, B. Towards a Cure for BCI Illiteracy. Brain Topography. 23 (2), 194-198 (2010).
  12. Blankertz, B., Tomioka, R., Lemm, S., Kawanabe, M., Müller, K. -R. Optimizing Spatial Filters for Robust EEG Single-Trial Analysis. IEEE Signal Process. Mag. 25 (1), 41-56 (2008).
  13. Ortner, R., Scharinger, J., Lechner, A., Guger, C. How many people can control a motor imagery based BCI using common spatial patterns. Proceedings of the 7th Annual International IEEE EMBS Conference on Neural Engineering. , (2015).
  14. Chatrian, G. Ten percent electrode system for topographic studies of spontaneous and evoked EEG activity. Am J Electroencephalogr Technol. 25, 83-92 (1985).
  15. Lugo, Z. R., Rodriguez, J., et al. A vibrotactile p300-based brain-computer interface for consciousness detection and communication. Clin. EEG Neurosci. 45 (1), 14-21 (2014).
  16. Coyle, D., Stow, J., McCreadie, K., McElligott, J., Carroll, Á Sensorimotor Modulation Assessment and Brain-Computer Interface Training in Disorders of Consciousness. Archives of Physical Medicine and Rehabilitation. 96 (3), 62-70 (2015).
  17. Kiehl, K. A., Laurens, K. R., Duty, T. L., Forster, B. B., Liddle, P. F. Neural sources involved in auditory target detection and novelty processing: an event-related fMRI study. Psychophysiology. 38 (1), 133-142 (2001).
  18. Opitz, B., Mecklinger, A., Cramon, D., Kruggel, F. Combining electrophysiological and hemodynamic measures of the auditory oddball. Psychophysiology. 36 (1), 142-147 (1999).
  19. Min, B. -K., Marzelli, M. J., Yoo, S. -S. Neuroimaging-based approaches in the brain-computer interface. Trends in Biotechnology. 28 (11), 552-560 (2010).
  20. Khan, M. J., Hong, M. J., Hong, K. -S. Decoding of four movement directions using hybrid NIRS-EEG brain-computer interface. Frontiers in Human Neuroscience. 8, (2014).
  21. Naseer, N., Hong, K. -S. fNIRS-based brain-computer interfaces: a review. Frontiers in Human Neuroscience. 9, (2015).
  22. Naseer, N., Hong, K. -S. Classification of functional near-infrared spectroscopy signals corresponding to the right- and left-wrist motor imagery for development of a brain-computer interface. Neuroscience Letters. 553, 84-89 (2013).
  23. Guger, C., Edlinger, G., Harkam, W., Niedermayer, I., Pfurtscheller, G. How many people are able to operate an EEG-based brain-computer interface (BCI)? Neural Systems and Rehabilitation Engineering, IEEE Transactions on. 11 (2), 145-147 (2003).
  24. Ramoser, H., Mueller-Gerking, J., Pfurtscheller, G. Optimal spatial filtering of single trial EEG during imagined hand movement. IEEE Transactions on Rehabilitation Engineering. 8 (4), 441-446 (2000).

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Interfejs m zg komputerocena EEGstymulacja dotykowastymulacja s uchowadetekcja wiadomo cikana komunikacyjnyodpowiedzi tak nierozmieszczenie elektrodkontrola jako ci sygna u

Powiązane artykuły