Name: Jednoczesna elektroencefalografia skóry głowy (EEG), elektromiografia (EMG) i segmentalny zapis inercyjny całego ciała do multimodalnego dekodowania neuronalnego (Wideo) | JoVE Journal
Uploaded: 2013-07-26T13:00:00.000+00:00
Duration: 11 min 25 s
Description: Odkryj metodę jednoczesnego rejestrowania EEG, EMG i ruchu całego ciała w celu multimodalnego dekodowania neuronalnego podczas zadań lokomocyjnych. Technika ta wspiera rozwój interfejsów mózg-maszyna w neurorehabilitacji.

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

Ta praca była wspierana przez grant Narodowego Instytutu Zaburzeń Neurologicznych i Udaru Mózgu (NINDS) # R01NS075889-01. Badania te były częściowo wspierane przez Intramural Research Program Centrum Klinicznego NIH. Autorzy dziękują również Shahriarowi Iqbalowi i Yongtianowi He za pomoc w zbieraniu danych. Koszt publikacji tego artykułu w otwartym dostępie był sponsorowany przez APDM, Inc. (Portland, OR; <a href="http://apdm.com" target="_blank">http://apdm.com</a>).

1. Przygotowanie badanego obiektu
<ol>
 <li>Zmierzyć wzrost i wagę badanego oraz zapisać jego wiek.</li>
 <li>Określić preferowaną prędkość bieżni dla badanego, pozwalając mu na samodzielną regulację prędkości do momentu osiągnięcia komfortu.</li>
 <li>Za pomocą pisaka zaznaczyć wierzchołek głowy jako punkt środkowy między nasion a inion badanego. Dodatkowo zaznaczyć 10% odległości od nasion do inion jako punkt odniesienia do dopasowania czepek.</li>
</ol>
2. Elektroencefalografia (EEG) skóry głowy
<ol>
 <li>Przymocuj elektrody EEG zgodnie z międzynarodowym systemem 10-20, używając czepka EEG dopasowanego do badanego zgodnie z 12. Czepek zapewnia prawidłowe rozmieszczenie elektrod na skórze głowy.</li>
 <li>Załóż czepek EEG na badanego, wyrównując znacznik 10% z kroku 1.3 w punkcie środkowym między elektrodami Fp1 i Fp2 oraz elektrodę Cz z zaznaczonym wierzchołkiem głowy. Więcej szczegółów dotyczących zakładania czepka znajduje się w 12. Zabezpiecz czepek, zapinając pasek pod brodą.</li>
 <li>Podłącz elektrody EEG do jednostki sterującej EEG. Zaczynając od elektrod masy i referencyjnych, użyj małej strzykawki, aby wstrzyknąć żel elektrolityczny do każdej elektrody, aż impedancja każdej z nich spadnie poniżej 25 kΩ, co zostanie zasygnalizowane zmianą koloru diody LED elektrody na zielony. Dalsze szczegóły dotyczące przygotowania elektrod EEG są dostępne w 12,13.</li>
 <li>Podłącz elektrody EEG do bezprzewodowego nadajnika EEG. Przymocuj nadajnik do badanego za pomocą paska rzepowego założonego wokół ramion i podłącz bezprzewodowy odbiornik EEG do dwóch wzmacniaczy 32-kanałowych.</li>
 <li>Podłącz wzmacniacze do komputera hosta poprzez port USB, korzystając z konwertera światłowód-USB.</li>
 <li>W oprogramowaniu do zbierania danych EEG ustaw rozdzielczość kanałów EEG na 0.1 μV, dolną częstotliwość odcięcia na DC oraz górną częstotliwość odcięcia na 1,000 Hz.</li>
</ol>
3. Powierzchniowa elektromiografia (EMG)
<ol>
 <li>Przygotować skórę do umieszczenia elektrod EMG w 8 miejscach mięśniowych: ogolić skórę, zetrzeć naskórek papierem ściernym i oczyścić wacikiem z alkoholem izopropylowym. Umieścić elektrody w przygotowanych miejscach i podłączyć do jednostki rejestrującej dane EMG. Umieścić elektrodę uziemiającą EMG na lewym lub prawym nadgarstku i podłączyć do jednostki rejestrującej dane.</li>
</ol>
4. Przechwytywanie ruchu
<ol>
 <li>Zsynchronizuj czujniki MARG podczas podłączenia do stacji dokującej zgodnie z instrukcjami producenta.</li>
 <li>Zdejmij czujniki MARG i umieść je na badanym, używając pasków rzepowych lub taśmy dwustronnej w lokalizacjach podanych w Tabeli 2.</li>
</ol>
5. Przygotowanie środowiska
<ol>
 <li>Przygotuj bieżnię, wyklejając na pasie linię ukośną (pod kątem 45° do poziomu). Ustaw monitor telewizyjny podłączony do kamery wideo w odległości około 1 m przed bieżnią. Przyklej do telewizora kartkę papieru z czarnym kołem o średnicy 2 cali.</li>
 <li>Przygotuj arenę do chodzenia, rozmieszczając 5 zestawów czujników zbliżeniowych IR, pachołków oraz ekran telewizora zgodnie z układem przedstawionym na Rysunku 3.</li>
</ol>
6. Bieżnia
<ol>
 <li>Badany wchodzi na bieżnię. Zapięcie uprzęży bezpieczeństwa.</li>
 <li>Przed rozpoczęciem zbierania danych należy sprawdzić sygnały EEG i EMG, aby zweryfikować prawidłowe rozmieszczenie elektrod, ich połączenie oraz transmisję danych.</li>
 <li>Rozpoczęcie zbierania danych poprzez uruchomienie aplikacji konsolowej w języku C++. Naciśnięcie ręcznego przycisku wyzwalającego w celu zainicjowania pomiaru EMG i podanie sygnału dźwiękowego (beeper), aby rozpocząć eksperyment.</li>
 <li>Badany pozostaje w spokojnej pozycji stojącej przez 30 s.</li>
 <li>Po 30 s należy nacisnąć przycisk wyzwalający, aby zainicjować chód; bieżnia jest powoli przyspieszana do wcześniej wybranej prędkości badanego.</li>
 <li>Badany idzie przez 5 min.</li>
 <li>Po upływie 5 min należy nacisnąć przycisk wyzwalający, aby zainicjować przejście z chodu do stania poprzez powolne zatrzymanie bieżni. Po zatrzymaniu badany pozostaje w pozycji stojącej przez 30 s. Naciśnięcie klawisza „q” w celu zakończenia próby zbierania danych i zapisania wyników.</li>
 <li>Powtórzenie kroków 6.2-6.7 dla wszystkich trzech warunków chodu na bieżni:</li>
 <li>Chód na bieżni podczas patrzenia na czarną kropkę w oddali.</li>
 <li>Chód na bieżni podczas obserwowania ruchu własnych nóg na monitorze telewizyjnym.</li>
 <li>Chód na bieżni z wykorzystaniem sprzężenia zwrotnego wideo w celu unikania linii przekątnej na bieżni (aby symulować obciążenie poznawcze 6).</li>
</ol>
7.	Chód w arenie (1)
<ol>
 <li>Ustaw badanego na początku pętli spacerowej w arenie (Rysunek 3).</li>
 <li>Rozpocznij gromadzenie danych zgodnie z punktami 6.2-6.4.</li>
 <li>Naciśnij przycisk wyzwalacza, aby zainicjować chód. W momencie aktywacji wyzwalacza na ekranie naprzeciwko badanego wyświetla się pierwsza strzałka kierunkowa (→, ← lub ↑) (Rysunek 3). Jeśli pojawi się strzałka → lub ←, badany opuszcza wejściowy zestaw pachołków, skręca o 90° w wskazanym kierunku, pokonuje pętlę i wraca do pachołków wejściowych. Jeśli pojawi się strzałka ↑, badany kontynuuje marsz prosto poza pachołki wejściowe, a ręczny wyzwalacz i strzałka kierunkowa (→ lub ←) są aktywowane, gdy badany znajduje się około 2 metrów przed czujnikami IR. Badany przechodzi przez pierwszy zestaw czujników IR, a następnie wykonuje odpowiedni skręt o 90°, aby ukończyć pętlę i wrócić do pachołków wejściowych. (Podczas marszu eksperymentator podąża za badanym w odległości około 3-5 metrów z komputerem głównym na wózku kołowym, aby poprawić jakość sygnału bezprzewodowego).</li>
 <li>Badany kontynuuje marsz po dotarciu do pachołków wejściowych po ukończeniu pojedynczej pętli. Procedura z punktu 7.3 jest powtarzana z losową kolejnością strzałek, aż do momentu ukończenia 3 pętli dla każdej początkowej strzałki (→, ← lub ↑).</li>
 <li>Po spełnieniu warunku z punktu 7.4, naciśnij przycisk ręcznego wyzwalacza w momencie dotarcia badanego do pachołków wejściowych, aby zasygnalizować przejście do pozycji stojącej. Badany stoi w bezruchu przez 30 sec, po czym gromadzenie danych zostaje zakończone poprzez naciśnięcie przycisku 'q' na komputerze głównym.</li>
</ol>
8. Chodzenie po arenie (2)
<ol>
 <li>Zreorganizuj tor spacerowy w arenie w taki sposób, aby pięć zestawów czujników IR znajdowało się w układzie półkola przed badanym (Rysunek 4).</li>
 <li>Rozpocznij zbieranie danych analogicznie jak w poprzednich próbach (7.1-7.2).</li>
 <li>Podobnie jak w przypadku Arena Walking I, użyj wyzwalacza ręcznego, aby zainicjować chód. W momencie uruchomienia wyzwalacza na ekranie zostanie wyświetlona jedna z 5 strzałek kierunkowych (←, →, <img src="/files/ftp_upload/50602/50602larr.jpg" alt="Symbol graficzny strzałki wskazującej od prawego dolnego do lewego górnego rogu, określający kierunek lub ruch." fo:src="/files/ftp_upload/50602/50602larrhighres.jpg" data-altupdatedat="1787630408000" data-alt="strzałka w lewo">, <img src="/files/ftp_upload/50602/50602rarr.jpg" alt="Wektory w równowadze statycznej; schemat przedstawiający zasadę ΣF=0 z reprezentacją strzałek sił." fo:src="/files/ftp_upload/50602/50602rarrhighres.jpg" data-altupdatedat="1787630408000" data-alt="strzałka w prawo"> lub ↑). Każda strzałka odpowiada jednemu zestawowi czujników IR rozmieszczonych wokół areny (Rysunek 4).</li>
 <li>Badany obserwuje strzałkę na ekranie i idzie w kierunku odpowiadającego jej zestawu czujników IR, wykonując zawrotkę wokół stożka znajdującego się za czujnikami, co powoduje dwukrotne przejście przez czujniki (Rysunek 4). Po wykonaniu zawrotki badany wraca do punktu startowego i kontynuuje chód.</li>
 <li>Powtarzaj sekwencję 8.3-8.4 z losową kolejnością strzałek, aż do momentu ukończenia 3 pętli dla każdej strzałki kierunkowej.</li>
 <li>Po spełnieniu warunku 8.6, naciśnij przycisk wyzwalacza ręcznego, gdy badany dotrze do punktu startowego, aby zasygnalizować przejście do pozycji stojącej. Zakończ zbieranie danych zgodnie z punktem 7.5.</li>
</ol>
9. Przejście z pozycji siedzącej do stojącej
<ol>
 <li>Ustaw krzesło za badanym i rozpocznij zbieranie danych zgodnie z instrukcjami w punktach 6.2-6.3. Na początku zbierania danych badany stoi spokojnie przez 15 sec.</li>
 <li>Po 15 sec naciśnij przycisk wyzwalacza ręcznego. Po usłyszeniu sygnału badany przechodzi z pozycji stojącej do siedzącej, utrzymując pozycję siedzącą do momentu następnego sygnału dźwiękowego (naciśnięcia przycisku).</li>
 <li>Odczekaj losowy odstęp czasu (5-15 sec) i naciśnij wyzwalacz ręczny, aby podać sygnał do przejścia z pozycji siedzącej do stojącej. Pozycja stojąca jest utrzymywana do następnego sygnału dźwiękowego.</li>
 <li>Powtarzaj kroki 9.2-9.3, aż zostanie wykonanych 10 pełnych manewrów przejścia ze stania do siedzenia oraz z siedzenia do stania, po czym badany stoi spokojnie przez 15 sec. Następnie zakończ zbieranie danych, naciskając przycisk „q”.</li>
 <li>Powtórz protokół przejścia ze stania do siedzenia (9.1-9.4) dla przejść ze stania do siedzenia i z siedzenia do stania inicjowanych samodzielnie. Zamiast podawać badanemu sygnał do przejścia, poproś, aby badany sam zainicjował transfer, aż do momentu wykonania 10 powtórzeń każdego manewru.</li>
</ol>
10. Chodzenie po korytarzu
<ol>
 <li>Ustaw badanego oraz wózek do gromadzenia danych w połowie prostego korytarza o długości 1/8th mili. Rozpocznij gromadzenie danych analogicznie do eksperymentów z chodzeniem na bieżni (6.2-6.4). Po początkowym 30 s okresie spoczynku, użyj wyzwalacza ręcznego, aby zainicjować chodzenie.</li>
 <li>Badany idzie w sposób ciągły przez 5 min. Gdy badany znajdzie się w odległości 10 metrów od końca korytarza, samodzielnie wykonuje zawrót i kontynuuje chodzenie w przeciwnym kierunku.</li>
 <li>Po upływie 5 min naciśnij przycisk wyzwalacza ręcznego, aby zatrzymać chodzenie. Badany stoi spokojnie przez 30 s, patrząc przed siebie. Zakończ gromadzenie danych, naciskając przycisk „q”.</li>
 <li>Rozpocznij drugi eksperyment w korytarzu zgodnie z punktem 10.1.</li>
 <li>Po losowym odstępie czasu chodzenia (20-40 s), użyj wyzwalacza ręcznego i sygnału dźwiękowego, aby badany przestał iść.</li>
 <li>Badany pozostaje w pozycji stojącej przez krótki, losowy czas (5-15 s).</li>
 <li>Naciśnij przycisk wyzwalacza ręcznego, aby badany wznowił chodzenie.</li>
 <li>Powtarzaj kroki 10.5-10.7 aż do momentu ukończenia 10 cykli zatrzymania i startu; zakończ gromadzenie danych zgodnie z punktem 10.3.</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>

Opłaty za produkcję i publikację tego artykułu były sponsorowane przez APDM.

Przedstawiony tutaj protokół łączy trzy systemy gromadzenia danych, aby jednocześnie rejestrować aktywność mózgu, aktywność mięśni i kinematykę całego ciała podczas różnych zadań lokomotywowych. Ukończenie całego protokołu zajmuje około 3 godzin, w tym 1 godzinę przygotowania obiektu. Każdy system jest zamontowany na obiekcie i porusza się wraz z nim. Dlatego tak ważne jest, aby zweryfikować połączenia elektrod EEG i EMG przed rozpoczęciem każdego nowego badania. Można to łatwo zrobić za pomocą pakietów oprogramowania dostarczonych przez danego producenta, które umożliwiają analizę danych w czasie rzeczywistym za pomocą interfejsów graficznych na komputerze głównym. Aplikacja do zbierania danych wymaga, aby te pakiety oprogramowania były uruchomione, co upraszcza proces weryfikacji. Ponadto należy zadbać o to, aby czujniki MARG były solidnie przymocowane do obiektu przed każdym badaniem.
Dane EEG i MARG są przesyłane bezprzewodowo w zakresie widma 2,4-2,5 GHz. Ponieważ wiele innych urządzeń elektronicznych korzysta z tego pasma częstotliwości, ważne jest, aby rozważyć możliwość interfejsu bezprzewodowego w środowisku eksperymentalnym. Krytycznym aspektem gromadzenia danych jest widoczność w linii wzroku między wózkiem mobilnym a obiektem, co zapewnia odporność na zakłócenia bezprzewodowe. Zarówno odbiornik bezprzewodowy EEG, jak i punkty dostępowe MARG (rysunek 1) są wyposażone w diody LED wskazujące wierność połączenia. Komputer główny i bezprzewodowe odbiorniki czujników EEG i MARG są umieszczane na mobilnym wózku, aby utrzymać bezpośrednią linię wzroku i zmaksymalizować bezprzewodową transmisję danych, gdy badany poruszał się po ziemi. Stwierdziliśmy, że solidne gromadzenie danych było najlepiej utrzymane, gdy wózek mobilny znajdował się w odległości nie większej niż 5 metrów od badanego, co nie ograniczało ruchów obiektu podczas żadnego z zadań. Aplikacja C++ wykorzystuje wiele wątków do zbierania danych, aby zapewnić odporność na utratę danych z powodu przerwy w połączeniu bezprzewodowym EEG. Jeśli połączenie EEG zostanie utracone, dane MARG i EMG są nadal rejestrowane, ale żadne dane EEG nie będą dostępne dla tych punktów czasowych. Czujniki MARG zapewniają buforowanie na urządzeniu, jak omówiono powyżej, aby zapobiec utracie danych w przypadku połączenia bezprzewodowego, podczas gdy dane EMG są przechowywane na karcie SD w mobilnej jednostce rejestrującej dane.
Częstym problemem związanym z gromadzeniem danych EEG podczas chodzenia jest obecność artefaktów w sygnałach. Ogólnie rzecz biorąc, artefakty można podzielić na dwie grupy: fizjologiczne źródła artefaktów, w tym mrugnięcia, ruchy gałek ocznych, aktywność mięśni twarzy, bicie serca oraz artefakty mechaniczne, takie jak ruch elektrod i/lub kabli podczas wykonywania protokołu eksperymentalnego. Usuwanie artefaktów jest przedmiotem trwających badań i obejmuje takie techniki, jak analiza niezależnych komponentów 15,16 i procedury regresji szablonowej oparte na kanałach 17. Minimalizacja i usuwanie artefaktów jest kluczowym krokiem we wstępnym przetwarzaniu danych do neuronowego dekodowania ruchu ciała. Przedstawiona tutaj konfiguracja jest podobna do poprzednich badań, ponieważ kable elektrod EEG zostały połączone w jedno złącze. Wyniki tych badań wskazują, że artefakty mechaniczne spowodowane kołysaniem się lub ruchem kabla nie odgrywały roli w dekodowaniu ruchu na podstawie aktywności neuronalnej 7,8. Wyniki te są poparte innymi badaniami, w których stwierdzono, że artefakty związane z chodem były nieistotne przy niskich i umiarkowanych prędkościach chodu17. Jednak ten eksperyment mierzy EEG podczas czynności, które wymagają większego ruchu ciała niż poprzednie badania, w tym przejścia z pozycji siedzącej do stojącej, chodzenia po ziemi i obracania się, a zatem należy przeprowadzić dokładne badanie surowych danych EEG w celu zidentyfikowania potencjalnego zanieczyszczenia artefaktami mechanicznymi. Chociaż te potencjalne problemy nie są jeszcze powszechnie dostępne, można je rozwiązać poprzez integrację nowatorskiego sprzętu z obecnym protokołem. Taki sprzęt obejmuje aktywne elektrody EEG (używane w tym protokole) i sprężynowe, suche elektrody EEG, które mogą poprawić impedancję kontaktową skóra-elektroda podczas ruchu 18. Technologie te są włączane do bezprzewodowych systemów EEG, które mogą zmniejszać efekt artefaktów ruchowych 19. Pomimo integracji nowatorskiego sprzętu, protokół ten stanowi wyjątkową okazję do dalszego opracowywania nowatorskich algorytmów odrzucania artefaktów ruchu i EMG, ponieważ każdy segment ciała został oprzyrządowany 16. Planujemy zbadać korelację szeregów czasowych i spójność domeny częstotliwości między EEG, EMG i ruchem segmentu, aby opracować solidne paradygmaty odrzucania artefaktów mające zastosowanie do obecnie dostępnych konfiguracji EEG. Nasze metody dekodowania wykazały odporność na artefakty 7,8; Metody te zostaną zbadane w ramach bardziej złożonych scenariuszy zawartych w niniejszym Protokole.
Cechy rejestrowanego EMG powierzchniowego są zależne od wielu czynników, a interpretacja powierzchniowych sygnałów EMG do badania strategii neuronalnych wymaga ich uwzględnienia 20. Rygorystyczne procedury przygotowania skóry i umieszczania elektrod EMG stosowane w tym protokole zostały zaprojektowane tak, aby zminimalizować wpływ czynników niefizjologicznych na powierzchniowe sygnały EMG. Amplituda i częstotliwość EMG rejestrowana przez ten protokół są związane z aktywnością netto jednostek motorycznych, dlatego zapis nie powinien być interpretowany jako bezpośrednia reprezentacja aktywności neuronalnej pożądanego mięśnia. Jednak staranne rozważenie powierzchniowego sygnału EMG i bardziej zaawansowane metody szacowania popędu neuronalnego do mięśni poprzez dekompozycję sygnału EMG w celu określenia względnych zmian w aktywacji neuronalnej (np. poprzez identyfikację czasów rozładowania jednostek motorycznych) mogą dostarczyć cennych informacji na temat wzorców aktywacji mięśni 20. Co więcej, w kontekście dekodowania neuronalnego, chociaż wykazano, że aktywność mózgu nabyta inwazyjnie zawiera informacje o powierzchniowym EMG 21, obecnie nie wiadomo, czy EEG skóry głowy może być również wykorzystywane do dekodowania aktywności mięśni kończyn dolnych podczas chodzenia oprócz kinematyki chodu. Spodziewamy się, że ten protokół pozwoli nam zbadać, czy zmniejszona rozdzielczość przestrzenna nieinwazyjnych modalności obrazowania mózgu jest wystarczająca do wyizolowania aktywności neuronalnej związanej z poszczególnymi mięśniami.
Wcześniejsze badania wykazały możliwość wykorzystania nieinwazyjnego EEG do dekodowania kinematyki podczas chodzenia na bieżni 7,8 , dając impuls do opracowania interfejsu mózg-maszyna (BMI) w celu przywrócenia chodzenia za pomocą sygnałów z mózgu. Wykazano również, że metody dekodowania w dziedzinie czasu oparte na modulacji amplitudy sygnałów EEG w paśmie delta są niewrażliwe na sztuczne składniki 7,8. Jednak badania na bieżni odbywają się w kontrolowanym środowisku, podczas którego wzrok i ruch użytkownika są ograniczone, ograniczając w ten sposób zanieczyszczenie aktywności neuronalnej spowodowane bodźcami zewnętrznymi. Dzięki włączeniu bezprzewodowej rejestracji danych, protokół ten umożliwia zbieranie zsynchronizowanych danych EEG, EMG i kinematycznych podczas różnych zadań i środowisk lokomocyjnych. Integracja czujników inercyjnych do śledzenia ruchu wymaga więcej obliczeń i przetwarzania offline w celu wyodrębnienia kinematyki niż system przechwytywania ruchu, a wynikające z tego środki zawierają niewielki - ale akceptowalny - margines błędu, który nie byłby obecny w systemie opartym na kamerach 22. Te możliwe do opanowania trudności są niezbędne do ustanowienia eksperymentalnego protokołu, który umożliwia mobilne badanie zachowań poznawczo-motorycznych w zmieniającym się środowisku. Jak omówiono w innym miejscu 10,11, taki układ jest prawie nieograniczony w pytaniach badawczych, które można rozwiązać. W najbliższej przyszłości skupimy się na zagadnieniach kluczowych dla opracowania BMI do rehabilitacji stania i chodzenia po urazie mózgu i neuropatii. Jednym z kluczowych elementów, jak wspomniano powyżej, będzie opracowanie nowatorskich, solidnych strategii dekodowania interfejsów mózg-maszyna do rehabilitacyjnych systemów robotycznych, które mogą odrzucać artefakty fizjologiczne i mechaniczne w celu przywrócenia ruchu za pomocą sygnałów mierzonych z mózgu. Na przykład protokół chodzenia po korytarzu jest wykonywany w przestrzeni publicznej z udziałem innych osób obecnych podczas zbierania danych, a tym samym stanowi poligon doświadczalny do rozwoju technik dekodowania neuronowego w środowisku naturalnym. Inne interesujące pytania badawcze z wykorzystaniem tego protokołu obejmują porównanie paradygmatów robotyki rehabilitacyjnej obejmujących rytmiczny i nierytmiczny trening chodu oraz badanie aktywności neuronalnej podczas funkcjonalnej rekonwalescencji po urazie zarówno w fazie ostrej, jak i przewlekłej.

Ten protokół wykorzystuje trzy systemy zbierania danych do jednoczesnego rejestrowania EEG, EMG i kinematyki całego ciała (Rysunek 1, Tabela 1). Dane EEG są zbierane bezprzewodowo z 64 kanałów z częstotliwością próbkowania 1,000 Hz podczas chodzenia badanych. Elektromiografia (EMG) jest pobierana z częstotliwością 1000 Hz z elektrod powierzchniowych umieszczonych obustronnie na czterech grupach mięśni: piszczelowym przednim (TA), mięśniu brzuchatym łydki (Gast), mięśniu dwugłowym uda (BF) i obszernym bocznym (VL). Dane kinematyczne zbierane są z częstotliwością 128 Hz z 11 bezprzewodowych czujników zamontowanych na głowie, górnej części tułowia, odcinku lędźwiowym, ramionach, udach, podudziach i stopach w celu rejestrowania ruchu podczas chodzenia. Każdy czujnik zawiera magnetometr trójosiowy, żyroskop trójosiowy i akcelerometr trójosiowy (tj. czujnik MARG).
Dane są zbierane z każdego systemu i synchronizowane w czasie przez pojedynczy komputer hosta. Synchronizacja odbywa się za pomocą sygnału wyzwalającego wysyłanego przez ciągłe łącze komunikacji szeregowej, do którego dostęp mają jednocześnie wszystkie trzy systemy danych. Spust został zaimplementowany jako prosty przełącznik przyciskowy. Po naciśnięciu przycisku sygnał wyzwalający (1) jest wysyłany do komputera hosta, podczas gdy sygnał zerowy (0) jest wysyłany, gdy nie jest naciśnięty. Naciśnięcie przycisku spustu wywołuje również sygnał dźwiękowy o długości 0,5 sekundy, który służy jako wskazówka dźwiękowa dla obiektu, zgodnie z opisem w poniższym protokole. Pięć par czujników zbliżeniowych w podczerwieni (IR) zostało wyprodukowanych do użytku jako wyzwalacze lokalizacji podczas eksperymentów chodzenia po ziemi opisanych poniżej. Gdy sygnał podczerwieni zostanie przerwany, sygnał wyzwalający (1) jest wysyłany do komputera hosta przez łącze szeregowe za pośrednictwem połączenia o częstotliwości radiowej (RF) z ręczną skrzynką wyzwalającą.
Niestandardowa aplikacja C++, wykorzystująca zestaw narzędzi do tworzenia oprogramowania (SDK) dostarczany przez każdy system, została opracowana do rejestrowania i synchronizowania danych. Kod wykorzystuje technikę wielowątkowości; Funkcje zapisu danych z każdego systemu (EEG, EMG i MARG) są zawarte w poszczególnych wątkach. Algorytm oprogramowania pokazano na rysunku 2. Zbieranie danych rozpoczyna się w momencie uruchomienia aplikacji i kończy po naciśnięciu "q". Pięć wątków jest aktywowanych po uruchomieniu aplikacji. Jeden gwint (Rysunek 2) monitoruje wartość (0 lub 1) sygnału wyzwalającego z połączenia szeregowego. Początkowa wartość wyzwalacza wynosi zero. Po odebraniu wyzwalacza (tj. po naciśnięciu przycisku lub przerwaniu linii wzroku między parą czujników podczerwieni) globalne zmienne wyzwalania są ustawiane na 1. Te zmienne pozostają 1, dopóki nie zostaną zresetowane w wątkach zbierania danych.
Wątek EEG zdalnie uzyskuje dostęp do danych EEG skóry głowy w czasie rzeczywistym za pomocą protokołu TCP/IP. Dane są zapisywane w pliku tekstowym wiersz po wierszu z odpowiednią częstotliwością próbkowania (1 000 Hz). Globalny sygnał wyzwalający EEG jest zapisywany w pierwszej kolumnie, podczas gdy kolumny 2-65 to 64 kanały EEG. Jeśli globalny sygnał wyzwalający EEG wynosił 1, jest resetowany do zera. Zapis danych trwa do momentu zakończenia wątku EEG. Dwa niezależne wątki rejestrują dane z czujnika MARG. Konieczne są dwa wątki, ponieważ 11 bezprzewodowych czujników MARG przesyła dane za pomocą oprogramowania producenta w niezawodnym trybie strumieniowania, które buforuje dane na poszczególnych czujnikach, aby zapobiec utracie danych w przypadku problemów z transmisją bezprzewodową. To buforowanie pogarsza transfer danych w czasie rzeczywistym: jeśli jeden czujnik nie jest w stanie przesłać danych dla danej próbki, wszystkie 11 czujników zatrzymuje ten punkt czasowy w swoim buforze i przesyła go do następnego dostępnego punktu próbkowania. Bezprzewodowy transfer danych MARG nieuchronnie pozostaje w tyle za EEG; w związku z tym czujniki MARG potrzebują czasu, aby odciążyć zbuforowane dane do komputera hosta po zatrzymaniu zbierania danych. Aby rozwiązać ten problem, w algorytmie zbierania danych MARG zastosowano dwa wątki (rysunek 2). Pierwszy wątek wypełnia bufor wyzwalający MARG z globalnej zmiennej wyzwalającej MARG przy częstotliwości próbkowania czujnika (128 Hz), podczas gdy wątek EEG zbiera dane. Gdy zbieranie danych zostanie zatrzymane, zapis w buforze wyzwalacza również zostanie zakończony. Wątek MARG (ilustracja 2) wykorzystuje funkcje z zestawu SDK czujnika do odbierania danych z czujników i zapisywania ich do pliku w taki sam sposób, jak dane EEG. Oznacza to, że pierwsza kolumna to wartość globalnego wyzwalacza MARG (uzyskana z bufora wyzwalacza MARG), a kolejne 99 kolumn to wartości z 11 czujników MARG (9 czujników na jednostkę MARG). Wątek MARG zapisuje dane do momentu, gdy indeks czasu bufora wyzwalacza MARG będzie równy indeksowi czasu ostatniego czasu danych EEG, w którym to momencie wykonywanie wątku zostanie zakończone.
W przeciwieństwie do danych EEG i MARG, dane EMG nie są rejestrowane bezprzewodowo. Zamiast tego dane EMG są zapisywane na karcie SD w module rejestrującym dane. Sygnał jest wysyłany przez połączenie Bluetooth, aby rozpocząć i zatrzymać zapisywanie danych na karcie SD. Zapis rozpoczyna się, gdy pierwszy ręczny wyzwalacz zostanie odebrany przez nić EEG. Zapis danych zatrzymuje się wraz z gwintem EEG po naciśnięciu przycisku "q".
Następujący protokół został zbadany i zatwierdzony przez Institutional Review Board na Uniwersytecie w Houston. Wszyscy badani otrzymali, przeczytali i podpisali formularz zgody przed wzięciem udziału.

<table><tbody><tr><td>BrainAmp Amplifier</td><td>Brain Products, Gmbh</td><td></td><td>Ilość: 2</td></tr><tr><td>actiCAP EEG cap z 64 elektrodami</td><td>Produkty dla mózgu, Gmbh</td><td></td><td>Ilość:1</td></tr><tr><td>Bezprzewodowy system EEG Brainvision MOVE</td><td>Produkty dla mózgu, Gmbh</td><td></td><td>Ilość:1</td></tr><tr><td>DataLOG MWX8 Jednostka zbierająca dane EMG</td><td>Biometrics, Ltd.</td><td></td><td>Ilość: 1</td></tr><tr><td>elektrody EMG SX230</td><td>Biometrics, Ltd.</td><td></td><td>Ilość: 8</td></tr><tr><td>R506 Elektroda uziemiająca EMG</td><td>Biometrics, Ltd.</td><td></td><td>Ilość:1</td></tr><tr><td>Monitor ruchu opalizu (czujnik MARG)</td><td>APDM, INC.</td><td></td><td>Ilość:Stacja dokująca 11</td></tr><tr><td>Opal do bezprzewodowego przesyłania danych</td><td>APDM, Inc.</td><td></td><td>Ilość:2</td></tr><tr><td>Opal bezprzewodowy punkt dostępowy </td><td>APDM, Inc.</td><td></td><td>Ilość:2</td></tr><tr><td>Zestaw bariery światła podczerwonego MK120</td><td>Velleman, Inc.</td><td></td><td>Ilość:5</td></tr><tr><td>Programowalny moduł bezprzewodowy USB Wixel Pololu</td><td>, Inc.</td><td></td><td>Ilość: 6</td></tr><tr><td colspan="4">Tabela 1. Sprzęt</mocny></td></tr></tbody></table>

jednoczesna elektroencefalografia skóry głowy (eeg), elektromiografia (emg) i segmentalny zapis inercyjny całego ciała do multimodalnego dekodowania neuronalnego

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

Ostatnie badania potwierdzają udział sieci nadrdzeniowych w kontroli dwunożnego chodzenia człowieka. Część tych dowodów obejmuje badania, w tym nasze poprzednie prace, wykazujące, że kinematykę chodu i koordynację kończyn podczas chodzenia na bieżni można wywnioskować z elektroencefalogramu skóry głowy (EEG) z rozsądnie wysoką dokładnością dekodowania. Wyniki te stanowią bodziec do opracowania nieinwazyjnych systemów interfejsu mózg-maszyna (BMI) do stosowania w przywracaniu i/lub wzmacnianiu chodu – co jest głównym celem badań nad rehabilitacją. Do tej pory badania oceniające dekodowanie EEG aktywności podczas chodu ograniczały się do chodzenia na bieżni w kontrolowanym środowisku. Jednak, aby system BMI był praktycznie wykonalny, musi być stosowany do użytku w codziennych zadaniach lokomotorycznych, takich jak chodzenie po ziemi i skręcanie. W tym miejscu przedstawiamy nowatorski protokół nieinwazyjnego zbierania danych o aktywności mózgu (EEG), aktywności mięśni (elektromiografia (EMG)) i danych kinematycznych całego ciała (trajektorie głowy, tułowia i kończyn) zarówno podczas zadań związanych z bieżnią, jak i chodzeniem po ziemi. Zbierając te dane w niekontrolowanym środowisku, można uzyskać wgląd w możliwość dekodowania nieskrępowanego chodu i powierzchniowego EMG z EEG skóry głowy.

Rysunek 5 przedstawia 10 s zsynchronizowanych danych EEG, MARG oraz EMG zarejestrowanych podczas chodzenia na bieżni (Protokół, sekcja 3). Należy zauważyć, że każdy czujnik MARG rejestruje w rzeczywistości 9 sygnałów (trójosiowe magnetometry, żyroskopy i akcelerometry), jednak pokazano jedynie przyspieszenie w pionie. Surowe dane na Rysunku 5 zawierają artefakty, które muszą zostać uwzględnione podczas preprocessingu przed analizą i dekodowaniem neuronowym. Przykłady artefaktów EEG na Rysunku 5 obejmują mruganie powiekami występujące w około 8,5 s oraz niskoczęstotliwościowy artefakt ruchowy występujący przez cały czas trwania pomiaru.
Rysunek 6 przedstawia jeden pełny cykl (~ 35 sec) chodzenia po podłożu podczas protokołu chodzenia w arenie (1). Jakościowo dane z zadań chodzenia po podłożu w arenie zawierają więcej artefaktów niż chodzenie na bieżni ze względu na dodatkowy ruch głowy i szyi badanego podczas skręcania. Aktywność mięśni twarzy i czaszki jest szczególnie zauważalna na elektrodach skroniowych (kanały oznaczone jako FT i T na Rysunku 1) na Rysunku 6. Należy zwrócić uwagę na wzrost aktywności sygnału EMG w porównaniu do chodzenia na bieżni (Rysunek 5), szczególnie w parze agonistyczno-antagonistycznej stawu skokowego. Rysunek 6 przedstawia również zdarzenia suboptimalnego zbierania danych bezprzewodowego EEG, które muszą zostać uwzględnione podczas przetwarzania danych. Bezpośrednio przed 4tym wyzwalaczem dane EEG wykazują linie płaskie, co wskazuje na przerwanie transmisji bezprzewodowej między komputerem hostem a systemem EEG. Ta sekcja danych musi zostać wycięta z całego zestawu danych (EEG, MARG i EMG).
Rysunek 7 przedstawia dane z jednego cyklu przejścia z pozycji stojącej do siedzącej oraz z siedzącej do stojącej. Podobnie jak w przypadku innych danych, w zapisie EEG występują artefakty ruchowe, zarówno pod koniec przejścia, jak i w momencie stabilizacji głowy podczas utrzymywania pozycji siedzącej (lub stojącej). Jeden interwał chodzenia po korytarzu, obejmujący przejście ze stania do chodzenia oraz z chodzenia do stania, przedstawiono na Rysunku 8. Zwróć uwagę na narastanie danych EMG i akcelerometrycznych po sygnałach dźwiękowych rozpoczęcia i zakończenia chodzenia. Narastaniu temu towarzyszy pojawienie się i znikanie artefaktów ruchowych w danych EEG. Rysunek 8 pokazuje również suboptimalne połączenie elektrody EEG PO10, które występuje mniej więcej w 7 s. Takie zjawisko jest sporadycznie obserwowane podczas eksperymentu i wynika prawdopodobnie z utraty kontaktu między elektrodą EEG a skórą głowy. Elektroda PO10 musi zostać usunięta z analizy danych dla tej próby. Ponieważ dane EEG można obserwować w czasie rzeczywistym, a połączenie elektrod EEG jest weryfikowane (krok protokołu 6.2) przed każdą próbą w protokole, słabe połączenie elektrody można naprawić przed kolejną próbą.
<table border="1">
 <tbody>
 <tr>
 <td>Nazwa</td>
 <td>Firma</td>
 <td>Ilość</td>
 </tr>
 <tr>
 <td>BrainAmp Wzmacniacz</td>
 <td>Brain Products GmbH</td>
 <td> 2</td>
 </tr>
 <tr>
 <td>actiCAP czepek EEG z 64 elektrodami</td>
 <td>Brain Products GmbH</td>
 <td>1</td>
 </tr>
 <tr>
 <td>bezprzewodowy system EEG Brainvision MOVE</td>
 <td>Brain Products GmbH</td>
 <td>1</td>
 </tr>
 <tr>
 <td>DataLOG jednostka do zbierania danych EMG MWX8</td>
 <td>Biometrics, Ltd.</td>
 <td>1</td>
 </tr>
 <tr>
 <td>SX230 Elektrody EMG</td>
 <td>Biometrics, Ltd. </td>
 <td>8</td>
 </tr>
 <tr>
 <td>R506 Elektroda uziemiająca EMG</td>
 <td>Biometrics, Ltd. </td>
 <td>1</td>
 </tr>
 <tr>
 <td>monitor ruchu Opal (czujnik MARG)</td>
 <td>APDM, Inc.</td>
 <td>11</td>
 </tr>
 <tr>
 <td>stacja dokująca Opal do bezprzewodowego przesyłania danych</td>
 <td>APDM, Inc.</td>
 <td>2</td>
 </tr>
 <tr>
 <td>bezprzewodowy punkt dostępu Opal </td>
 <td>APDM, Inc. </td>
 <td>2</td>
 </tr>
 <tr>
 <td>Zestaw Bariery Podczerwonej MK120</td>
 <td>Velleman, Inc.</td>
 <td>5</td>
 </tr>
 <tr>
 <td>Wixel Programowalny Bezprzewodowy Moduł USB </td>
 <td>Pololu, Inc.</td>
 <td>6</td>
 </tr>
 </tbody>
</table>
Tabela 1. Sprzęt.
<table border="1">
 <tbody>
 <tr>
 <td>Czujnik</td>
 <td>Lokalizacja</td>
 </tr>
 <tr>
 <td>Głowa</td>
 <td>Środek czoła nad brwiami</td>
 </tr>
 <tr>
 <td>Tułów</td>
 <td>Pomiędzy mięśniami piersiowymi u podstawy mostka</td>
 </tr>
 <tr>
 <td>Lędźwia</td>
 <td>Środek pleców w miejscu minimalnym krzywizny lędźwiowej</td>
 </tr>
 <tr>
 <td>Ramię1</td>
 <td>Boczna strona ramienia; proksymalnie względem nadgarstka w odległości ok. 10% w stronę łokcia</td>
 </tr>
 <tr>
 <td>Udo1</td>
 <td>Boczna strona uda; w 50% odległości między biodrem a kolanem</td>
 </tr>
 <tr>
 <td>Podudzie1</td>
 <td>Boczna strona podudzia; w 75% odległości dystalnie od kolana</td>
 </tr>
 <tr>
 <td>Stopa1</td>
 <td>Wycentrowany na podbiciu stopy</td>
 </tr>
 <tr>
 <td colspan="2">1Czujniki ramienia, uda, podudzia i stopy są rozmieszczone obustronnie.</td>
 </tr>
 </tbody>
</table>
Tabela 2. Lokalizacje czujników MARG.
<img alt="Schemat EEG i EMG z rozmieszczeniem czujników do eksperymentu z analizą ruchu i zapisem fal mózgowych." fo:content-width="6.5in" fo:src="/files/ftp_upload/50602/50602fig1highres.jpg" src="/files/ftp_upload/50602/50602fig1.jpg" data-altupdatedat="1787630408000" data-alt="Rysunek 1"> 
Rysunek 1. Widok strzałkowy (a) i czołowy (b) badanego z założonymi czujnikami EEG, EMG i inercyjnymi MARG do zbierania danych. (c) Reprezentacja topograficzna rozmieszczenia elektrod EEG na skórze głowy, wygenerowana przy użyciu narzędzi MATLAB EEGlab 14. (d) Mobilny wózek do zbierania danych zawierający komputer host, wyzwalacz ręczny, moduł Bluetooth EMG, punkty dostępu bezprzewodowego MARG oraz bezprzewodowy odbiornik EEG, wzmacniacze i zasilacz. <a href="https://www.jove.com/files/ftp_upload/50602/50602fig1large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić większy rysunek</a>.
<img alt="Schemat komunikacji wątków w systemie akwizycji danych EEG i EMG, diagram procesu." fo:content-width="6in" fo:src="/files/ftp_upload/50602/50602fig2highres.jpg" src="/files/ftp_upload/50602/50602fig2.jpg" data-altupdatedat="1787630408000" data-alt="Rycina 2"> 
Rycina 2. Schemat blokowy szczegółowo przedstawiający algorytm autorskiego, wielowątkowego oprogramowania do zbierania danych. <a href="https://www.jove.com/files/ftp_upload/50602/50602fig2large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną rycinę</a>.
<img alt="Schemat ścieżki nawigacji robota; układ czujników IR; ścieżki z prawą, lewą i prostą strzałką do analizy." fo:content-width="4in" fo:src="/files/ftp_upload/50602/50602fig3highres.jpg" src="/files/ftp_upload/50602/50602fig3.jpg" data-altupdatedat="1787630408000" data-alt="Rysunek 3"> 
Rysunek 3. Schematyczne (z lotu ptaka) przedstawienie protokołu eksperymentalnego chodzenia w arenie (1). Jedna strzałka (→, ← lub ↑) jest wyświetlana na monitorze, gdy badany znajduje się na końcu pachołków wejściowych. Jeśli wyświetlona zostanie strzałka w prawo (→) lub w lewo (←), badany podąża odpowiednio czerwoną lub zieloną pętlą, przechodząc przez cztery zestawy czujników podczerwieni (IR1-IR4). Jeśli wyświetlona zostanie strzałka prosto (↑), badany idzie w stronę monitora (niebieska linia), a druga strzałka (→ lub ←) pojawia się, gdy badany znajduje się w odległości około 1 metra przed czujnikami IR (IR5). Po przejściu przez zestaw czujników IR5 badany kończy pętlę wzdłuż odpowiedniej (czerwonej lub zielonej) ścieżki, wracając do punktu startowego.
<img alt="Schemat śledzenia ruchu, czujniki IR, pachołki, punkt startowy, wyświetlacz; wizualizacja ścieżki w badaniu ruchu." fo:content-width="4in" fo:src="/files/ftp_upload/50602/50602fig4highres.jpg" src="/files/ftp_upload/50602/50602fig4.jpg" data-altupdatedat="1787630408000" data-alt="Rycina 4"> 
Rycina 4. Schematyczny rysunek (widok z góry) protokołu eksperymentalnego chodzenia w arenie (2). Na początku eksperymentu badanej osobie wyświetlana jest na monitorze pojedyncza strzałka (<img src="/files/ftp_upload/50602/50602larr.jpg" alt="Symbol graficzny strzałki wskazującej z prawego dolnego rogu w lewy górny, wskazującej kierunek lub ruch." fo:src="/files/ftp_upload/50602/50602larrhighres.jpg" data-altupdatedat="1787630408000" data-alt="strzałka w lewo">, <img src="/files/ftp_upload/50602/50602rarr.jpg" alt="Wektory w równowadze statycznej; schemat przedstawiający zasadę ΣF=0 z reprezentacją strzałek sił." fo:src="/files/ftp_upload/50602/50602rarrhighres.jpg" data-altupdatedat="1787630408000" data-alt="strzałka w prawo">, →, ← lub ↑). W zależności od otrzymanej strzałki, badany idzie bezpośrednio do odpowiadającego jej zestawu czujników IR, przechodzi przez czujniki, wykonuje zawrót wokół pachołka i wraca do punktu startowego (powyżej pokazano pętlę odpowiadającą strzałce <img src="/files/ftp_upload/50602/50602rarr.jpg" alt="Wektory w równowadze statycznej; schemat przedstawiający zasadę ΣF=0 z reprezentacją strzałek sił." fo:src="/files/ftp_upload/50602/50602rarrhighres.jpg" data-altupdatedat="1787630408000" data-alt="strzałka w prawo">).
<img alt="Wykres danych EEG, akcelerometru i EMG; analiza aktywności neuronalnej, ruchu i sygnałów mięśniowych." fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig5highres.jpg" src="/files/ftp_upload/50602/50602fig5.jpg" data-altupdatedat="1787630408000" data-alt="Rycina 5"> 
Rycina 5. Przykładowe dane z 10 s chodzenia na bieżni. Górny panel przedstawia surowe dane EEG z 64 kanałów z nazwami kanałów zgodnie z międzynarodowym systemem 10-20. Środkowy panel przedstawia przyspieszenie w kierunku pionowym z 11 czujników MARG. Dolny panel przedstawia surowe dane EMG z 8 kanałów. <a href="https://www.jove.com/files/ftp_upload/50602/50602fig5large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić większą rycinię</a>.
<img alt="Analiza danych EEG, ACC, EMG; wykres przebiegu fali; monitorowanie aktywności mózgu, badanie neurofizjologiczne." fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig6highres.jpg" src="/files/ftp_upload/50602/50602fig6.jpg" data-altupdatedat="1787630408000" data-alt="Rycina 6"> 
Rycina 6. Przykładowe dane z jednego cyklu (ścieżka strzałki w prawo, Rycina 3) podczas chodzenia w ramach protokołu arena I. Dane EEG, akceleracji i EMG przedstawiono analogicznie jak na Rycynie 5. Pionowe czarne paski wskazują miejsca wyzwalaczy odebranych przez oprogramowanie. Pierwszy wyzwalacz pochodzi z ręcznego przycisku inicjującego cykl poprzez wyświetlenie strzałki →. Kolejne cztery wyzwalacze pochodzą z czujników IR IR1-IR4 (Rycina 3) w momencie, gdy badany pokonuje pętlę. <a href="https://www.jove.com/files/ftp_upload/50602/50602fig6large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną rycinię</a>.
<img alt="Analiza EEG, akcelerometru i EMG; wykres; dane dotyczące aktywności neuronalnej i fizycznej w cyklu stania-siadania." fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig7highres.jpg" src="/files/ftp_upload/50602/50602fig7.jpg" data-altupdatedat="1787630408000" data-alt="Rysunek 7"> 
Rysunek 7. Przykładowe dane z przejścia ze stania do siadania oraz z siadania do stania. Dane EEG, akcelerometrii i EMG przedstawiono analogicznie jak na Rysunku 5. Pionowe paski wskazują ręczne wyzwalacze (oraz sygnały dźwiękowe) do rozpoczęcia odpowiednio stania i siadania. <a href="https://www.jove.com/files/ftp_upload/50602/50602fig7large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększony rysunek</a>.
<img alt="Analiza sygnałów EEG, akcelerometru i EMG podczas chodzenia i stania, wykres przedstawia trendy danych." fo:content-width="5.5in" fo:src="/files/ftp_upload/50602/50602fig8highres.jpg" src="/files/ftp_upload/50602/50602fig8.jpg" data-altupdatedat="1787630408000" data-alt="Rycina 8"> 
Rycina 8. Przykładowe dane z chodzenia po korytarzu, pokazujące przejście ze stania do chodzenia oraz z chodzenia do stania. Dane EEG, przyspieszenia i EMG są przedstawione tak jak na Rycynie 5. Pionowe paski wskazują odpowiednio wyzwalacze ręczne oraz sygnał dźwiękowy do rozpoczęcia i zakończenia chodzenia. <a href="https://www.jove.com/files/ftp_upload/50602/50602fig8large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić większą rycinę</a>.

Opracowanie skutecznego systemu interfejsu mózg-maszyna-(BMI) do przywracania i rehabilitacji dwunożnej lokomocji wymaga dokładnego dekodowania intencji użytkownika. W tym miejscu przedstawiamy nowatorski protokół eksperymentalny i technikę zbierania danych do jednoczesnego nieinwazyjnego nabywania aktywności neuronalnej, aktywności mięśni i kinematyki całego ciała podczas różnych zadań i warunków lokomocyjnych.

Jednoczesna elektroencefalografia skóry głowy (EEG), elektromiografia (EMG) i segmentalny zapis inercyjny całego ciała do multimodalnego dekodowania neuronalnego

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

Ogólnym celem poniższego eksperymentu jest rozszerzenie koncepcji mobilnego systemu obrazowania mózgu, aby umożliwić badanie dynamiki zależności między mózgiem a ciałem u ludzi w szerokim zakresie zadań lokomocyjnych. Osiąga się to poprzez umieszczenie czujników EEG, EMG oraz sensorów przechwytywania ruchu na badanym człowieku w drugim kroku. Trzy systemy zbierania danych są synchronizowane za pomocą specjalistycznego oprogramowania i urządzenia wyzwalającego w postaci przycisku, co zapewnia zsynchronizowany w czasie zestaw danych EEG, EMG i przechwytywania ruchu.Następnie badany wykonuje dziewięć określonych zadań lokomocyjnych w czterech różnych środowiskach. Aby zarejestrować dynamikę mózg-ciało podczas różnorodnych ruchów, wyniki prezentują aktywność mózgu mierzoną za pomocą EEG podczas zadań lokomocyjnych. Metoda ta może pomóc w udzieleniu odpowiedzi na kluczowe pytania w dziedzinie neuroprotetyki i interfejsów mózg-maszyna.Na przykład, czy możliwe jest wyodrębnienie użytecznych informacji na temat kinematyki GA lub wzorców powierzchniowego EMG z EEG skóry głowy? Główną zaletą tej techniki w porównaniu z istniejącymi metodami jest możliwość bezprzewodowego gromadzenia danych EEG-EMG oraz danych z przechwytywania ruchu za pomocą mobilnego zestawu, co pozwala na zbadanie większej liczby zadań motorycznych i środowisk w porównaniu z tradycyjnymi technikami zbierania danych. Zastosowanie tych technik rozciąga się również na zaburzenia ruchowe i medycynę rehabilitacyjną, ponieważ protokoły te informują nas w zasadzie o zmianach w aktywności mózgu oraz adaptacji organizmu.Moi studenci studiów magisterskich zademonstrują teraz rozmieszczenie czujników lub JI osir pokaże, jak umieścić czujniki EMG na naszym dzisiejszym ochotniku. Kevin Nathan, z pomocą Johna, który będzie umieszczał czujniki EEG na skórze głowy, rozpocznie ten protokół. Najpierw należy zapisać wzrost, wagę oraz wiek badanego.Następnie dostosuj prędkość bieżni do preferowanej prędkości chodu badanego. Dalej, za pomocą pisaka z filcu, zmierz odległość między nasion a Inion. Zaznacz 10% tej odległości jako punkt odniesienia do dopasowania czepek oraz zaznacz punkt środkowy tej odległości jako wierzchołek głowy.Następnie załóż czepek EEG na badanego i dopasuj go do punktów orientacyjnych. Wyrównaj punkt środkowy między elektrodami FP1 a FP2 z zaznaczonym punktem 10% odległości, a elektrodę CZ z zaznaczonym wierzchołkiem głowy. Zabezpiecz czepek, zapinając pasek pod podbródkiem.Następnie, zaczynając od elektrod uziemiającej i referencyjnej, za pomocą małej strzykawki wstrzyknij żel elektrolityczny do każdej elektrody, aż impedancja każdej z nich spadnie poniżej 25 kilo ohms, co zostanie zasygnalizowane zmianą koloru diody LED elektrody na zielony. Na koniec podłącz elektrody do nadajnika bezprzewodowego systemu akwizycji danych. Następnie przygotuj się do powierzchniowej elektromiografii, najpierw goląc skórę, a następnie oczyszczając ją wacikiem nasączonym alkoholem izopropylowym.Następnie umieść elektrody w ośmiu przygotowanych miejscach dla każdej nogi: nad kością skokową (tali), mięśniem obszernym przednim (anterior vastus), mięśniem obszernym bocznym (lateralis), mięśniem dwugłowym uda (biceps fems) oraz mięśniem brzuchatym łydki (gastroc). Na koniec umieść elektrody uziemiające EMG na lewym lub prawym nadgarstku i podłącz wszystkie elektrody EMG do jednostki rejestrującej dane EMG. Przygotuj system do przechwytywania ruchu.W pierwszej kolejności umieść czujniki markerów na badanym, używając rzepów lub dwustronnej taśmy klejącej. Przymocuj czujniki w lokalizacjach wymienionych tutaj. Następnie poproś badanego o wejście na bieżnię i przypnij pas bezpieczeństwa, jak pokazano tutaj, przed rozpoczęciem gromadzenia danych.Przeanalizuj sygnały EEG i EMG, aby zweryfikować prawidłowe rozmieszczenie elektrod, ich podłączenie oraz transmisję danych. Następnie rozpocznij zbieranie danych, uruchamiając aplikację konsolową w języku C++. Naciśnij ręczny przycisk wyzwalający, aby zainicjować rejestrację EMG i wyemitować sygnał dźwiękowy w postaci sygnału beep.Aby rozpocząć eksperyment, poproś badanego o pozostanie w spokojnej pozycji stojącej przez 30 sekund. Następnie po 30 sekundach naciśnij przycisk wyzwalający, aby rozpocząć chód. Bieżnia powinna powoli przyspieszać do wcześniej wybranej prędkości badanego.Poproś badanego o marsz przez pięć minut. Po upływie pięciu minut naciśnij przycisk spustowy, aby zainicjować przejście z marszu do stania poprzez powolne zatrzymanie bieżni. Po całkowitym zatrzymaniu badany powinien pozostać w pozycji stojącej przez 30 sekund.Teraz naciśnij przycisk kolejki, aby zatrzymać próbę zbierania danych i zapisać dane. Powtórz ten eksperyment w trzech warunkach wizualnych, w tym z czarnym punktem w pewnej odległości przed badanym, aby skupić się na obserwacji kończyn w czasie rzeczywistym na monitorze wideo i uniknąć linii przekątnej na bieżni.Następnie przejdź do areny do chodzenia. Arenę do chodzenia należy przygotować, rozmieszczając pięć zestawów podczerwonych czujników zbliżeniowych, stożków i ekranów telewizyjnych zgodnie z przedstawionym schematem. W tym miejscu ustaw badanego na początku pętli chodzeniowej areny i rozpocznij zbieranie danych zgodnie z wcześniejszym opisem.Teraz naciśnij przycisk wyzwalający, aby rozpocząć eksperyment związany z chodzeniem. W momencie aktywacji wyzwalacza na ekranie naprzeciwko badanego pojawi się pierwsza strzałka kierunkowa.W przypadku zauważenia strzałki w prawo lub w lewo, badany powinien wyjść z obszaru pachołków przy wejściu, obrócić się o 90 stopni w wskazanym kierunku, pokonać pętlę i powrócić do pachołków wejściowych. Jeśli pojawi się strzałka w górę, badany powinien kontynuować marsz prosto z pachołków wejściowych. Następnie, gdy badany znajdzie się w odległości około dwóch metrów od czujników IR, należy podać sygnał manualny i strzałkę kierunkową.Następnie badany powinien przejść przez pierwszy zestaw czujników IR, a następnie wykonać odpowiedni zwrot o 90 stopni, aby domknąć pętlę. Podczas powrotu do pachołków startowych w trakcie marszu, eksperymentator powinien podążać za badanym w odległości około trzech do pięciu metrów, prowadząc komputer sterujący na wózku. Aby zapewnić jakość sygnału bezprzewodowego, badany powinien kontynuować marsz po dotarciu do pachołków startowych. Po wykonaniu jednej pętli, sekwencję należy powtórzyć z losową kolejnością strzałek, aż do momentu wykonania trzech pętli dla każdej początkowej strzałki.Po wykonaniu wymaganej liczby pętli naciśnij przycisk wyzwalacza ręcznego, aby zasygnalizować przejście do pozycji stojącej. Badany powinien stać nieruchomo przez 30 s. Następnie zakończ zbieranie danych, naciskając przycisk sygnałowy (cue button) na komputerze głównym.Ustaw krzesło za badanym i rozpocznij gromadzenie danych. Badany powinien stać nieruchomo przez 15 sekund na początku pomiaru. Po upływie 15 sekund naciśnij przycisk ręcznego wyzwalacza.Po usłyszeniu sygnału badany powinien przejść z pozycji stojącej do pozycji siedzącej i utrzymać ją do następnego sygnału dźwiękowego. Należy odczekać losowy odstęp czasu od 5 do 15 sekund. Następnie należy nacisnąć wyzwalacz ręczny, aby podać sygnał do przejścia z pozycji siedzącej do stojącej.Poproś badanego o utrzymanie pozycji stojącej do następnego sygnału dźwiękowego. Powtórz tę procedurę do 10. Dokończ sekwencję przejścia ze stania do siedzenia oraz z siedzenia do stania.Po zakończeniu manewrów badany powinien stać w spokoju przez 15 sekund. Następnie należy zakończyć zbieranie danych, naciskając przycisk sygnałowy. W dalszej kolejności należy powtórzyć protokół przejścia ze stanu stojącego do siedzącego dla samodzielnie zainicjowanego przejścia ze stanu stojącego do siedzącego oraz ze stanu siedzącego do stojącego.W tym przypadku, zamiast podawać badanemu sygnał do przejścia, należy pozwolić mu na samodzielne zainicjowanie transferu, aż do momentu wykonania 10 powtórzeń każdego manewru. W przypadku chodzenia po korytarzu należy ustawić badanego oraz wózek do zbierania danych na środku prostego korytarza o długości jednej ósmej mili. Rozpocznij zbieranie danych w taki sam sposób, jak w przypadku eksperymentów z chodzeniem na bieżni.Po początkowym 32-sekundowym okresie spoczynku, należy podać badanemu manualny sygnał lub sygnał dźwiękowy w celu rozpoczęcia marszu. Badany powinien maszerować w sposób ciągły przez pięć minut. Gdy badany znajdzie się w odległości 10 metrów od końca korytarza, powinien samodzielnie wykonać zwrot w kształcie litery U i kontynuować marsz w przeciwnym kierunku.Po pięciu minutach naciśnij ręczny przycisk wyzwalacza, aby zatrzymać chód. Badany powinien stać nieruchomo przez 30 sekund, patrząc prosto przed siebie. Następnie zakończ proces zbierania danych.Następnie rozpocznij drugi eksperyment w korytarzu. Po losowym odstępie czasu marszu, trwającym od 20 do 40 sekund, podaj sygnał manualny i dźwiękowy, aby badany przestał iść. Następnie badany powinien pozostać w pozycji stojącej przez krótki, losowy czas od 5 do 15 sekund.Następnie naciśnij przycisk spustu ręcznego, aby badany wznowił marsz. Powtarzaj te kroki, aż zostanie wykonanych 10 cykli zatrzymania i startu, a następnie zakończ pomiary. Przedstawione tutaj reprezentatywne wyniki zbierania danych pochodzą z 10 sekund marszu na bieżni.Górny panel przedstawia surowe dane EEG z 64 kanałów z nazwami kanałów zgodnie z Międzynarodowym Systemem 10-20, panel środkowy pokazuje przyspieszenie w kierunku pionowym z 11 czujników markerów. Dolny panel przedstawia surowe dane EMG z ośmiu kanałów. Rysunek ten prezentuje reprezentatywne dane z jednego cyklu chodu w arenie.Pionowe czarne paski protokołu wskazują wyzwalacze. Pierwszy wyzwalacz pochodzi z przycisku z prawą strzałką. Ostatnie cztery pochodzą z czujników IR, od IR 1 do IR 4, w miarę jak badany pokonuje pętlę; tutaj przedstawiono przykładowe dane z przejścia z pozycji stojącej do siedzącej oraz z siedzącej do stojącej.Przyspieszenie EEG oraz dane EMG przedstawiono tak, jak na pierwszej rysunku. Pionowe słupki wskazują ręczne wyzwalacze służące odpowiednio do zainicjowania stania i siedzenia. Na koniec, rysunek ten przedstawia przykładowe dane z przejścia ze stania do chodzenia oraz z chodzenia do stania w korytarzu.Zadanie polegające na chodzeniu. Pionowe paski wskazują odpowiednio manualne wyzwalacze oraz sygnały dźwiękowe rozpoczynające i kończące chód. Należy pamiętać, że czujniki EEG i EMG są wrażliwe na artefakty ruchowe, dlatego należy upewnić się, że czujniki są stabilne i bezpiecznie przymocowane do badanego.Po przeprowadzeniu tej procedury można zastosować inne techniki, takie jak analiza niezależnych komponentów lub regresja liniowa, aby oddzielić sygnały korowe od artefaktów, co umożliwia wyodrębnienie kinematyki kończyn lub profilów EMG z danych EEG. Technika ta pozwoli społeczności zajmującej się interfejsami neuronowymi odpowiedzieć na pytania dotyczące relacji między mózgiem a ruchem i intencją ruchu, a także zapewni sposób na wyodrębnienie informacji o chodzie z EEG skóry głowy.

simultaneous-scalp-electroencephalography-eeg-electromyography-emg

Research

JoVE Journal

Behavior

Zachowanie

Jednoczesne rejestrowanie aktywności elektrycznej skóry głowy (EEG), mięśni (EMG) i całej aktywności inertialnej segmentów ciała dla wielomodalnego dekodowania neuronowego

Stosujemy magnetoencefalografię (MEG) oraz elektroencefalografię (EEG) w celu zmapowania obszarów mózgu zaangażowanych w przetwarzanie prostych bodźców sensorycznych.

Mapowanie funkcjonalne z jednoczesną rejestracją MEG i EEG

Przedstawiamy metodę pozyskiwania sygnałów elektrokortykograficznych do celów badawczych u ludzi poddawanych inwazyjnemu monitorowaniu epilepsji. Pokazujemy, jak wykorzystać platformę programową BCI2000 do zbierania danych, przetwarzania sygnałów oraz prezentacji bodźców. W szczególności prezentujemy SIGFRIED, narzędzie oparte na BCI2000 służące do funkcjonalnego mapowania mózgu w czasie rzeczywistym.

Rejestracja ludzkich sygnałów elektrokortykograficznych (ECoG) w badaniach neuronaukowych i funkcjonalnym mapowaniu kory mózgowej w czasie rzeczywistym

Wykorzystujemy magnetoencefalografię i elektroencefalografię (MEG/EEG), w połączeniu z informacjami anatomicznymi uzyskanymi za pomocą obrazowania rezonansem magnetycznym (MRI), aby zmapować dynamikę sieci korowej związanej z uwagą słuchową.

Mapowanie dynamiki korowej z wykorzystaniem jednoczesnej MEG/EEG oraz oszacowań minimalnej normy z ograniczeniami anatomicznymi: przykład uwagi słuchowej

Źródło: Papadelis, C., et wsp., Międzynapadowe oscylacje wysokiej częstotliwości wykryte za pomocą jednoczesnej magnetoencefalografii i elektroencefalografii jako biomarker padaczki dziecięcej. J. Vis. exp.{{TAG_ 27}} (2016).  Ten film demonstruje metodę wykorzystania zapisów elektroencefalografii (EEG) i magnetoencefalografii (MEG) do identyfikacji międzynapadowych wyładowań padaczkowych (IED) i oscylacji o wysokiej częstotliwości (HFO) w celu zlokalizowania obszarów mózgu podatnych na napady.

 Jednoczesna elektroencefalografia i magnetoencefalografia w celu identyfikacji obszarów mózgu podatnych na napady padaczkowe 

Monitorowanie aktywności mózgu podczas wykonywania zadań motorycznych w pozycji pionowej jest bardzo przydatne podczas badania neuronalnego źródła zaburzeń ruchowych. Tutaj demonstrujemy protokół, który łączy funkcjonalną spektroskopię w bliskiej podczerwieni z ciągłym monitorowaniem aktywności mięśniowej i kinematycznej podczas 4 rodzajów zadań motorycznych.

Funkcjonalna spektroskopia w bliskiej podczerwieni czuciowych i ruchowych obszarów mózgu z jednoczesnym monitorowaniem kinematycznym i EMG podczas zadań motorycznych

Przezczaszkowa stymulacja magnetyczna, elektromiografia i przechwytywanie ruchu 3D są powszechnie stosowanymi nieinwazyjnymi technikami badania funkcji nerwowo-mięśniowych u ludzi. W tym artykule opisujemy protokół, który synchronicznie próbkuje dane generowane przez wszystkie trzy z tych narzędzi wraz z unikalnym dodatkiem prezentacji bodźców rzeczywistości wirtualnej i informacji zwrotnych.

Wielofunkcyjny zestaw do badania kontroli motorycznej człowieka za pomocą przezczaszkowej stymulacji magnetycznej, elektromiografii, przechwytywania ruchu i rzeczywistości wirtualnej

Metoda obrazowania multimodalnego EEG-fMRI, znana jako metoda obrazowania źródła EEG ograniczona czasoprzestrzennie za pomocą fMRI, jest opisana tutaj. Przedstawiona metoda wykorzystuje warunkowo aktywne submapy fMRI lub wcześniejsze mapy, aby pokierować lokalizacją źródła EEG w sposób, który poprawia specyficzność przestrzenną i ogranicza błędne wyniki.

Jednoczesny zapis EEG i funkcjonalny rezonans magnetyczny oraz analiza integracji w celu dynamicznego obrazowania aktywności kory mózgowej

To badanie wprowadza metodę jednoczesnego rejestrowania lokalnych potencjałów pola w mózgu, elektrokardiogramów, elektromiogramów i sygnałów oddechowych swobodnie poruszającego się szczura. Technika ta, która obniża koszty eksperymentów i upraszcza analizę danych, przyczyni się do zrozumienia interakcji między mózgiem a narządami obwodowymi.

Jednoczesne zapisy lokalnych potencjałów pola korowego, elektrokardiogram, elektromiogram i rytm oddychania swobodnie poruszającego się szczura

Tutaj prezentujemy protokół do rejestrowania sygnałów biologicznych mózgu i serca u myszy za pomocą jednoczesnego wideo, elektroencefalografii (EEG) i elektrokardiografii (EKG). Opisano również metody analizy wynikowych zapisów EEG-EKG pod kątem napadów, mocy spektralnej EEG, funkcji serca i zmienności rytmu serca.

Jednoczesne monitorowanie wideo-EEG-EKG w celu identyfikacji dysfunkcji neurosercowej w mysich modelach padaczki

Ten artykuł przedstawia prosty protokół pozyskiwania dobrej jakości danych elektroencefalograficznych (EEG) podczas jednoczesnego obrazowania EEG i funkcjonalnego rezonansu magnetycznego za pomocą łatwo dostępnych produktów medycznych.

Niezawodna akwizycja danych elektroencefalograficznych podczas jednoczesnej elektroencefalografii i funkcjonalnego rezonansu magnetycznego

Magnetoencefalografia (MEG) i elektroencefalografia o wysokiej gęstości (HD-EEG) rzadko są rejestrowane jednocześnie, chociaż dostarczają informacji potwierdzających i uzupełniających. W tym miejscu ilustrujemy eksperymentalną konfigurację do jednoczesnego rejestrowania MEG i HD-EEG oraz metodologię analizy tych danych mającą na celu zlokalizowanie padaczkowych i elokwentnych obszarów mózgu u dzieci z padaczką lekooporną.

Obrazowanie źródeł elektromagnetycznych w ocenie przedoperacyjnej dzieci z padaczką lekooporną

Odkryj metodę jednoczesnego rejestrowania EEG, EMG i ruchu całego ciała w celu multimodalnego dekodowania neuronalnego podczas zadań lokomocyjnych. Technika ta wspiera rozwój interfejsów mózg-maszyna w neurorehabilitacji.

Jednoczesna elektroencefalografia skóry głowy (EEG), elektromiografia (EMG) i segmentalny zapis inercyjny całego ciała do multimodalnego dekodowania neuronalnego (Wideo) | JoVE Journal

Jednoczesna elektroencefalografia skóry głowy (EEG), elektromiografia (EMG) i segmentalny zapis inercyjny całego ciała do multimodalnego dekodowania neuronalnego

Przeglądaj więcej filmów