Abstract
I dette eksperimentet demonstrerer vi en serie hybrid-Brain-Computer Interface (BCI) -baserte paradigmer som er utviklet for to applikasjoner: Vurdering av bevissthetsnivået for personer som ikke kan gi motorrespons, og i et andre trinn etablere en kommunikasjonskanal For disse menneskene som gjør det mulig for dem å svare på spørsmål med enten 'ja' eller 'nei'. Suiten av paradigmer er utformet for å teste grunnleggende svar i første trinn og å fortsette til mer omfattende oppgaver hvis de første tester er vellykkede. Sistnevnte oppgaver krever flere kognitive funksjoner, men de kan gi kommunikasjon, noe som ikke er mulig med grunnleggende tester. Alle evalueringstester produserer nøyaktighetsgrader som viser om algoritmene var i stand til å oppdage pasientens hjernes respons på de oppgitte oppgavene. Hvis nøyaktighetsnivået ligger utenfor signifikansnivået, antar vi at motivet forstod oppgaven og var i stand til å følge rekkefølgen av kommandoer pResented via hodetelefoner til emnet. Oppgavene krever at brukere konsentrerer seg om visse stimuli eller å forestille seg å flytte enten venstre eller høyre hånd. Alle oppgaver er utformet ut fra antakelsen om at brukeren ikke kan bruke visuell modalitet, og dermed er alle stimuli presentert til brukeren (inkludert instruksjoner, signaler og tilbakemelding) hørbare eller taktile.
Introduction
Diagnosen av pasienter i Vegetative State (VS) eller Minimal Conscious State (MCS) er vanskelig, og feil klassifikasjoner forekommer ofte. En studie i 2009 sammenlignet nøyaktigheten av diagnosen mellom den kliniske konsensusen i forhold til en neurobehavioral vurdering 1 . Av 44 pasienter diagnostisert med VS basert på klinisk konsensus av medisinsk team, ble 18 (41%) funnet å være i MCS etter en standardisert vurdering med Coma Recovery Scale-Revised (CRS-R). Dette resultatet stemmer overens med tidligere studier, som viste at 37 - 43% av pasientene diagnostisert med VS viste tegn på bevissthet 2 , 3 . Klassifikasjonsskalaene er basert på atferds observasjoner eller på vurderinger av lyd-, visuelle, verbale og motoriske funksjoner, samt kommunikasjons- og opplevelsesnivåer. Ny teknologi som kan legge til hjernevirksomhetsdata er et perfekt verktøy for å overvinne de restriksjoner som brakes av behaVioral rating skalaer. Pasientene kan være i stand til å modulere hjernens respons til tross for at de ikke er i stand til å produsere de adferdsendringer som kreves for vurderingsskalaen. Monti et al. 4 viste at funksjonell magnetisk resonansimaging (fMRI) kunne påvise frivillige endringer i blodsyresyreansvarlige responser, som er relatert til forestillende motorbevegelser eller romlige bildeoppgaver, hos 5/54 pasienter diagnostisert med en bevissthetssvikt (DOC). Fire av dem hadde tidligere blitt klassifisert for å være i MCS. I en mindre mengde tilfeller har pasienter som oppfyller adferdskriteriene for en vegetativ tilstand, gjenværende kognitiv funksjon og til og med bevisst bevissthet.
Elektroencefalografi (EEG) -baserte BCI kan også oppdage hjerneaktivitet som følge av fantasi eller forsøk på motorbevegelser. Det finnes også andre BCI-paradigmer som kan bestemme om en person kan vise bevissthet ved frivillig å følge en forhåndsdefinert taskek. EEG-baserte BCI har andre fordeler i forhold til fMRI-baserte vurderinger. For eksempel er EEG-systemer mye mer kostnadseffektive og bærbare, og de kan lett brukes på pasientens sengen. De store, ikke-invasive BCI-tilnærmingene inkluderer langsomme kortiske potensialer (SCP), P300s, steady state visuelle potensialer (SSVEPs) og motor Imagery (MI). SCP har gitt lave dataoverføringshastigheter og krever omfattende trening (se Wolpaw et al. ) 5 , mens SSVEPs krever visuell oppmerksomhet. Begge tilnærmingene blir derfor ikke brukt i denne protokollen. Med en P300 speller, Ortner et al. 5 nådde en nøyaktighet på 70% for funksjonshemmede. Dette tallet kunne etter hvert bli økt. For eksempel Turnip et al. 7 forbedret deres P300 klassifikasjonsnøyaktighet ved å bruke en adaptiv neuralt nettverksklassifikator. For denne protokollen valgte vi taktil og auditiv P300 tilnærminger i tillegg til MI, fordi begge oDe kan brukes uten syn, og hver har unike fordeler. MI kan gi raskere kommunikasjon enn en ikke-visuell P300 BCI, mens P300 BCIs krever meget lite trening. Derfor kan denne hybrid BCI-protokollen implementere en hel serie EEG-baserte BCI-tilnærminger for DOC-pasienter. Videre, siden oppgavene er relativt raske og enkle å gjenta, kan ulike tilnærminger utforskes gjentatte ganger med hver pasient å redusere antall feil klassifiseringer av DOC-pasienter.
Fire forskjellige BCI-tilnærminger ble utforsket: (i) auditiv P300, (ii) vibrotaktil P300 med to stimulatorer, (iii) vibrotaktil P300 med tre stimulatorer, og (iv) MI.
Paradigmet i den hørbare P300-tilnærmingen bruker et auditivt oddsballparadigm, hvor avvikende stimuli (1000 Hz pip) er tilfeldig fordelt innenfor et tog med mer sannsynlige standard stimuli (500 Hz pip). I paradigmet ii blir stimuliene levert via vibrotaktile stimulatorer thPå er plassert på venstre og høyre håndledd. Taktoren på venstre håndledd gir standard stimuli, og taktoren på høyre håndled leverer avvikende (mål) stimuli. For paradigme iii, legges en ekstra stimulator på fagets høyre ankel, eller på et annet sted, som midt på ryggen. Denne stimulatoren gir et spor av standard stimuli, mens de to stimulatorene på venstre og høyre håndledd begge leverer avvikende stimuli. For å vurdere bevisstheten med de to vibrotaktile paradigmene, blir motivet fortalt via hodetelefoner for å tydelig telle hver stimulus til ett håndledd mens du ignorerer andre stimuli. En tilfeldig mekanisme bestemmer om du skal velge venstre eller høyre håndledd, og hvert løp har fire sett med 30 prøver hver med en ny målhånd for hvert forsøk.
Følgende signalbehandling er utført for paradigmer i, ii og iii: åtte EEG-kanaler blir anskaffet ved hjelp av en samplingsfrekvens på 256 Hz. Sannsynligheten for en avvikende stimulus er 1/8; hencE, det vil være sju standard stimuli for hver avvikende stimulus. Hver løp har 480 totale stimuli. Et paradigmeskifte jeg tar 7 min 20 s, mens hver kjøring av paradigmer ii og iii tar 2 min 30 s. Hvis pasienten tydelig teller hver avvikende stimulus, fremkaller disse stimuli flere hendelsesrelaterte potensialer (ERPer), inkludert P300, en positiv topp ca. 300 ms etter stimulansutbrudd. Hvert bip varer 100 ms. For hvert stimulusforsøk lagres et vindu på 100 ms før og 600 ms etter pipet for signalbehandling. Data blir så nedsamplet med en faktor på 12, noe som resulterer i 12 prøver for 60 ms post-stimulusintervallet. Til slutt blir alle prøve tidkanalfunksjoner inngått i en lineær diskriminantanalyse 8 , noe som resulterer i 12 x 8 = 96 funksjoner. For å beregne nøyaktighetsdiagrammet ( Figur 1 og 2 ) gjentas følgende prosedyre ti ganger, og resultatene er i gjennomsnitt inn i en enkelt plot. De avvikende og standardforsøkeneEr tilfeldig tildelt i to like store bassenger. Ett basseng brukes til å trene en klassifikator, og det andre bassenget brukes til å teste klassifikatoren. Klassifikatoren blir testet på et økende antall gjennomsnittlige stimuli ut av testbassenget. Først blir det testet på bare en avvikende og syv standardstimuli. Hvis klassifikatoren oppdaget den avvikende stimulansen riktig, er den resulterende nøyaktigheten 100%, og den er 0% ellers. Det samme gjøres for 2 gjennomsnittlige avvikende stimuli og 14 gjennomsnittlige standard stimuli, for 3 avvikende stimuli og 21 standard stimuli, og så videre til hele testbassenget blir brukt. Dette gir et tomt på 30 enkeltverdier (for 30 avvikende stimuli i testbassenget), hver av dem enten 100% eller 0%. Gjennomsnittet av 10 enkle tomter resulterer i verdier som spenner fra 0% til 100%. Økning av antall gjennomsnittlige stimuli vil øke nøyaktigheten dersom emnet kan følge oppgaven, fordi gjennomsnittet av stimuli reduserer tilfeldig støy i dataene. En nøyaktighet betydelig utenfor tilfeldighetsnivået (12.5%) viser at en P300-respons kan fremkalles i faget og at et svar i fagets hjerne viste seg. Parametrene i og ii kan bare brukes til å vurdere bevisstheten. Hvis nøyaktigheten som er nådd under vurderingen er høyere enn 40%, kan man fortsette videre for å bruke kommunikasjonen av paradigmet iii eller iv.
I kommunikasjonsoppgaven av paradigmet iii velger faget å konsentrere seg om stimuli på venstre side hvis han / hun vil svare "JA" eller på høyre side for å svare "Nei". Klassifikatoren oppdager hvilken hånd brukeren konsentrert seg om og presenterer svaret.
Paradigm IV registrerer 120 forsøk, hver av dem varer 8 s, skilt av 1 s pause. Dette resulterer i 10 sx 120 = 18 min av total øktid. Paradigm iv bruker 16 EEG-kanaler fordelt over sensorimotorisk cortex. Samplingsfrekvensen er 256 Hz. Hver prøve begynner med en signal, presentert via øretelefoner, som instruerer emnetÅ forestille seg å flytte enten venstre eller høyre hånd. Sekvensen av venstre og høyre instruksjoner er randomisert. For signalforbehandling brukes metoden for felles romlige mønstre (CSP) 10 , 12 , 13 . Denne metoden gir et sett med romlige filtre designet for å minimere variansen i en klasse, samtidig som variansen for den andre klassen maksimeres. Dette resulterer i fire funksjoner, som er klassifisert av den lineære diskriminantanalysen 8 . Hele klassifiseringsprosedyren er beskrevet i detalj i en nylig publisert, som viser en stor gjennomsnittlig klassifikasjonsnøyaktighet på 80,7% etter bare 60 min trening hos friske brukere 13 . Beregningen av nøyaktighet gjøres via kryssvalidering. Dette refererer til partisjonering av en prøve av data i komplementære delgrupper, utførelse av analysen på en delmengde (treningsbasseng) og validering av analysen på den andre delmengden (tesTing basseng). Før adskillelse av data i bassengene, avvises prøver som inneholder artefakter. En prøving anses å inneholde artefakter hvis den absolutte verdien av amplitude overstiger 100 μV når som helst under forsøket. Nøyaktigheten beregnes for alle bevegelser i testbassenget innen en tidsramme på 1,5 s etter oppmerksomhets pipetonen til slutten av forsøket, i trinn på 0,5 s. For hvert trinn og hvert forsøk er klassifiseringsresultatet enten 100 eller 0%. Nøyaktigheten av alle forsøkene i testbassenget blir da gjennomsnittlig for hvert enkelt trinn, noe som resulterer i nøyaktighetsnivåer som varierer mellom 0% og 100%. Endelig er gjennomsnittet av ti gjentakelser av kryssvalideringsresultatene vist i nøyaktighetsdiagrammet. Eksempler kan ses i figurene 3 og 4 . Plottene er skilt for bildebevegelse i venstre hånd (gul), høyre hånd (blå) og alle bevegelser sammen (grønn). Den horisontale linjen i magenta representerer konfidensgrensen, som depenDs på antall forsøk som ble brukt til analysen. Dette er antall totale forsøk minus antall avslåtte forsøk. Det viser 95% konfidensintervallet ved hjelp av Clopper Pearson-metoden 9 . Et nøyaktighetsnivå over denne linjen betyr at resultatet er statistisk signifikant (alfa <0,05).
Protocol
Alle trinn i denne protokollen er i samsvar med prinsippene i Helsinki-erklæringen.
1. Systemoppsett
- Ved hjelp av en USB-kabel, koble forsterkeren til datamaskinen som kjører programvaren og slå på forsterkeren.
- Koble maskinvare donglen til et ledig USB-spor i datamaskinen.
MERK: Dette er nødvendig for å kjøre programvaren. - Sett det antistatiske armbåndet på motivets håndledd og koble den til en ledig stikkontakt.
MERK: Dette bandet er laget for å hjelpe jorda motivet til å redusere støyen som kan påvirke EEG-kvaliteten. - Koble driverboksen med USB-kabelen til en ledig plass på datamaskinen.
- Koble utløserkabelen til førerkassen som følger:
- Koble den "g.STIMbox OUT 5" -mærkede kontakten til "OUT 5" på førerkassen.
- Koble den "g.STIMbox OUT 6" -mærkede kontakten til "OUT 6" på driveren bokse.
- Koble den "g.STIMbox OUT 7" -mærkede kontakten til "OUT 7" på førerkassen.
- Koble "g.USBamp DIO 1" -merket kontakt til "DIG I / O 1" -kontakten på g.USBamp.
- Koble de tre taktorene til OUT 1, OUT 2 og OUT 3 i førerkassen.
- Koble den "TRIG OUT" -mærkede kontakten til "TRIG OUT" -kontakten på lydutløseradapterboksen.
- Ta tape og fest en taktor på venstre håndledd, en annen på høyre håndledd og en tredje på høyre ankel.
- Koble en mannlig / mannlig lydkabel til lydutgangen på datamaskinen og til kontakten til lydutløseradapterboksen som er merket "AUDIO IN". Slå på lydutløseradapterboksen og kontroller om batteristatuslampen er grønn.
- Start programmet, følg et vindu som heter "Legg til lege." Skriv inn tittel, navn, institusjon og avdeling i de tomme feltene. clicK på "Legg til" for å åpne et annet vindu.
- Skriv inn pasientens navn, by, land, fødselsdato og innsjekkingsdato i vinduet.
- Klikk på den grønne "+" -knappen under den blå pilen nederst til høyre i programmet. Skriv inn teksten "Første test" i feltet "Navn" og "Bli kjent med programvaren" i det tomme "Detaljer" -feltet.
MERK: Det er nødvendig å legge inn informasjon i alle tomme felt for å kunne fortsette med programmet. - Til slutt klikker du på "Velg denne pasienten" -knappen.
- Fest 16 EEG-kanaler til motivets hode ved hjelp av en elektrodehette. Bruk stillingene: FC3, FCz, FC4, C5, C3, C1, Cz, C2, C4, C6, CP3, CP1, CPz, CP2, CP4 og Pz i henhold til det utvidede internasjonale 10-20 systemet 14 . Plasser en referanselektrode på høyre ørefli og en jordelektrode på pannen.
- For å plassere lokket på motivets hode korrekt,Bruk et målebånd for å måle avstanden mellom nasion og inion, samt avstanden mellom venstre og høyre preaurikulære punkter. Sørg for at elektroden i vertexposisjonen, Cz, ligger midt på disse to avstandene. Sett på elektrodehetten og juster denne målte posisjonen med Cz-posisjonen på elektrodehetten. Elektrodehetten er nå i riktig posisjon.
- Koble elektrodene til elektrode tilkoblingsboksen, etter oppsettet beskrevet i trinn 1.12. Koble elektrode tilkoblingsboksen til biosignalforsterkeren og sørg for at forsterkeren og tilkoblingsboksen er slått på.
- Injiser nok elektrodgel i elektrodene for å skape en forbindelse mellom huden og elektrodene.
2. Auditiv P300-vurdering
- Når du har skrevet inn pasientens informasjon, klikker du på "Auditory P300" -knappen på venstre side av skjermen. Klikk på knappen "Vurdering" på bunnen av riGht for å starte vurderingsløpet.
- Kontroller signalkvaliteten til EEG. Bildet med hjernen på høyre side av skjermen gir en fargekodet guide til signalkvaliteten til hver elektrode, med rød for dårlig signalkvalitet, gul for akseptabel signalkvalitet og grønt for god signalkvalitet.
- Åpne innstillingsmenyen via innstillingsknappen og bekreft at lydsignaler kan høres. Presenter disse pipene med to forskjellige frekvenser til motivet og forklar oppgaven, som skal telle hver av de høyfrekvente pipene.
- Sett øretelefonene inn i brukerens ører og klikk på startknappen.
- Etter at vurderingen er ferdig, må du sjekke resultatsiden og nøyaktighetsdiagrammet ( figur 1 og 2 ). Hvis nøyaktighetsnivået er under 40%, gjenta kjøringen.
MERK: Hvis fagets nøyaktighet er under 40%, er pålitelig kommunikasjon usannsynlig, i hvert fall med det paradigmet og innspillingssesjonen. Likevel, vurderinger med andreTilnærminger og / eller på forskjellige tidspunkter kan gi forskjellige resultater.
3. Vibrotaktil P300-vurdering med 2 stimulatorer
- Klikk på "Vibrotactile 2 Tactor " -knappen på venstre side av skjermen; Deretter klikker du på "Vurdering" -knappen nederst til høyre for å starte vurderingen. Gjenta trinn 2.2.
- Åpne innstillingsmenyen via innstillingsknappen for å bekrefte at vibrasjonene til taktorene kan følges. Instruer emnet at han / hun vil føle vibrasjoner på venstre og høyre håndledd. Oppgaven er å telle antall vibrasjonsstimuli på venstre håndledd. Etter instruksjonene, klikk på startknappen.
- Når vurderingsløpet er ferdig, sjekk resultatsiden og nøyaktighetsdiagrammet. Hvis nøyaktighetsnivået er under 40%, gjenta kjøringen.
MERK: Hvis fagets nøyaktighet er under 40%, er pålitelig kommunikasjon usannsynlig, i hvert fall med det paradigmet og innspillingssesjonen. Likevel, eslerSments med andre tilnærminger og / eller på forskjellige tidspunkter kunne gi forskjellige resultater.
4. Vibrotaktil P300-vurdering med 3 stimulatorer
- Klikk på knappen "Vibrotactile 3 Tactor" på venstre side av skjermen, og klikk deretter på "Assessment" -knappen nederst til høyre for å starte vurderingen.
- Gjenta trinn 2.2. Åpne innstillingsmenyen via innstillingsknappen for å bekrefte at vibrasjonene til taktorene kan følges.
- Instruer emnet at han / hun vil føle vibrasjoner på venstre og høyre håndledd og på høyre ankel og vil høre kommandoen "VENSTRE" eller "RETT" via hodetelefonene. Be faget å telle stimuliene på den valgte hånden til neste kommando vises eller kjøringen er over.
MERK: "VENSTRE" betyr at motivet skal telle vibrasjonsstimuli på venstre side, mens "RIGHT" instruerer motivet til å telle stimuliene på høyre håndledd. Koble hodetelefonene til motivets ører og klikk på startknappen. - Etter å ha fullført vurderingsperioden, kontroller resultatsiden og nøyaktighetsdiagrammet. Hvis nøyaktighetsnivået er under 40%, gjenta kjøringen.
MERK: Hvis fagets nøyaktighet er under 40%, er pålitelig kommunikasjon usannsynlig, i hvert fall med det paradigmet og innspillingssesjonen. Likevel kan vurderinger med andre tilnærminger og / eller på forskjellige tidspunkter gi forskjellige resultater.
5. Vibrotactile P300 kommunikasjon med 3 stimulatorer
- Klikk på "Vibrotactile 3 Tactor" -knappen på venstre side av skjermen. Klikk på "Kommunikasjon" -knappen nederst for å starte kommunikasjonsdriften.
- Gjenta trinn 2.2. Åpne innstillingsmenyen via innstillingsknappen og bekreft at vibrasjonene til taktorene kan følges. I innstillingsmenyen, velg klassifiseringsenheten med høyeste nøyaktighetsnivå. Dette er vanligvis klassifiseringen medHøyeste nøyaktighetsnivå som bestemt av systemet.
- Instruer emnet at han / hun vil føle vibrasjoner på venstre og høyre håndledd og på høyre ankel. Oppgi emnet at han / hun vil høre et spørsmål og skal svare enten "JA" eller "Nei". For å svare "JA", spør emnet å telle stimuliene på venstre hånd; Å svare "Nei", spør emnet å telle stimuliene til høyre.
- Spør pasienten et spørsmål som kan besvares med enten "JA" eller "NEI". Deretter klikker du på "Start nytt spørsmål" -knappen .
MERK: Når sekvensen er ferdig, presenterer programvaren svaret. Det kan være "JA," "Nei", eller ikke noe svar (hvis programvaren ikke var i stand til å nøyaktig oppdage hjernemønstre).
6. MI-vurdering
- Klikk på "Motor Imagery" -knappen på venstre side av skjermen. Klikk på knappen "Vurdering" påNederst til høyre for å starte vurderingen.
- Gjenta trinn 2.2. Åpne innstillingsmenyen via innstillingsknappen og bekreft at lydkommandoene kan høres via hodetelefonene.
- Instruer emnet at han / hun vil høre et pip, etterfulgt av en kommando som sier enten "VENSTRE" eller "RIGHT." Instruer emnet å prøve å klemme en ball med venstre hånd etter kommandoen "VENSTRE" og klemme en ball med høyre hånd etter kommandoen "RIGHT." Be faget å slutte å forestille seg klemmen så snart emnet hører kommandoen "RELAX."
MERK: Totalt sett vil 60 kommandoer i tilfeldig rekkefølge bli spilt. - Kjør løp i 8 min. Klikk pauseknappen etter ca 4 minutter, vent i ca 1 minutt, og fortsett kjøringen.
MERK: Pause er utformet for å hjelpe motivet til å opprettholde konsentrasjon gjennom hele løp. - Etter vurderingen, sjekk resultatsiden og nøyaktighetsdiagrammet (figur 3 og 4).
IKKEE: Hvis nøyaktighetsnivået er under signifikansnivået, gjenta kjøringen. Hvis nøyaktigheten ligger under dette signifikansnivået, er pålitelig kommunikasjon usannsynlig, i hvert fall med det paradigmet og innspillingssesjonen. Likevel kan vurderinger med andre tilnærminger og / eller på forskjellige tidspunkter gi forskjellige resultater.
7. MI Kommunikasjon
- Klikk på "Motor Imagery" -knappen på venstre side av skjermen. Klikk på "Kommunikasjon" -knappen nederst til venstre for å starte kommunikasjonsprogrammet. Gjenta trinn 2.2.
- Åpne innstillingsmenyen med innstillingsknappen og velg klassifiseringsenheten med den høyeste klassifikasjonsnøyaktigheten.
- Instruer emnet mitt og si at etter bippet kan han / hun gi svar på spørsmålet som ble spurt tidligere. For å si "JA", be patienten å tenke seg å klemme en ball med venstre hånd. For å si "Nei", må pasienten forestille seg å klemme en ball med høyre hog.
- Spør pasienten et spørsmål som kan besvares med enten "JA" eller "NEI". Deretter klikker du på "Start nytt spørsmål" -knappen .
MERK: Når sekvensen er ferdig, presenterer programvaren svaret ( Figur 5 ). Det kan være enten "JA" eller "Nei".
Representative Results
Figur 1 og 2 viser resultater fra to P300-vurderingsløp (paradigmer i, ii og iii). I figur 1 nådde nøyaktigheten 100%; Derfor indikerte fagets hjerne klart en vellykket oppgavegjennomføring. I figur 2 svinger nøyaktigheten rundt sjansenivået på 12,5%. Ingen pålitelig hjernens respons på oppgaven kunne oppdages. Når nøyaktigheten er dårlig, anbefaler vi at du kontrollerer EEG-signalkvaliteten på tvers av alle elektroder og kontakter. Et resultat med et nøyaktighetsnivå på 12,5% vil også bli sett hvis man ikke skaffer EEG, men bare hvit støy. Hvis nøyaktighetsnivået øker med antall forsøk, men ikke blir høyere enn 40%, ble det bare funnet en svak hjernespons. I dette tilfellet anbefaler vi å undersøke artefakter i signalet ved hjelp av det raske datafeltet. Vi anbefaler også å gjenta prosedyren på en annen dag, på en annen gang. Pasienten kunne væreMer responsiv på en annen gang og generere bedre resultater.
Figur 3 og 4 viser representative resultater av paradigmet iv. Signifikansnivået er merket med den magenta fargede linjen. Den røde vertikale linjen markerer tidspunktet for kommandoinngangen. Før kommandoen vises (rød vertikal linje), er nøyaktigheten rundt 50% for begge tomter. På denne tiden vet pasienten ikke om kommandoen vil være "VENSTRE" eller "RIGHT" og dermed ikke kan utføre den riktige motoriske fantasien. I figur 3 øker nøyaktigheten etter kommandopresentasjonen til mer enn 90%. Dette betyr at personen var bevisst klar over at han var i stand til å følge de randomiserte kommandoene. I figur 4 svinger klassifiseringsnøyaktigheten rundt 50%. Dette betyr at systemet ikke var i stand til å oppdage MI etter de presenterte kommandoene. MI paradigmer kan være utfordrende i BCI rEsearch, siden ikke alle brukere er i stand til å kontrollere en MI BCI uten trening, og et minoritet kan ikke oppnå kontroll selv ved trening 11 . I dette tilfellet kan derfor dårlig nøyaktighet ganske enkelt bety at pasienten ikke er i stand til å kontrollere BCI via MI, i hvert fall uten trening. Videre anbefaler vi at du kontrollerer signalkvaliteten etter dårlig resultat, som beskrevet ovenfor.
Figur 5 viser resultatet av en kommunikasjonsrute som kan gjøres med paradigmer iii og iv. Objektivet markerer det oppdagede svaret, som er "JA" i dette eksemplet. Hvis svaret var nei, ville objektivet bevege seg til "NO." Hvis systemet ikke var i stand til å oppdage et svar, ville linsen være midt i de to mulige svarene. Hvis linsen forblir midt i svarene, kunne det vært valgt en dårlig klassifikator. Vi anbefaler å prøve en annen klassifikator i installasjonsvinduet.
Figur 1. Nøyaktighetsplan for paradigmer i, ii og iii.
Et godt resultat resulterer i en nøyaktighet og når 100%. Vennligst klikk her for å se en større versjon av denne figuren.
Figur 2. En annen nøyaktighet Plot for paradigmer i, ii, og iii.
Denne gangen, ingen bh Som respons kunne detekteres av systemet. Derfor varierer nøyaktigheten rundt sjansenivået på 12,5%. Vennligst klikk her for å se en større versjon av denne figuren.
Figur 3. Nøyaktighet Plot for Paradigm iv (MI).
Nøyaktigheten når over 90% i dette eksemplet. Vennligst klikk her for å se en større versjon av denne figuren.
Figur 4. Nøyaktighet Plot for Paradigm iv (MI).
Ingen hjernespons kunne oppdages av systemet. Derfor svinger nøyaktigheten rundt sjansenivået på 50%.Ttp: //ecsource.jove.com/files/ftp_upload/53639/53639fig4large.jpg "target =" _ blank "> Vennligst klikk her for å se en større versjon av denne figuren.
Figur 5. Resultat av en kommunikasjonsoppgave.
Objektivet markerer det oppdagede svaret, "YES". Vennligst klikk her for å se en større versjon av denne figuren.
Discussion
Tidligere forskning fra en rekke grupper har vist at enkelte DOC-pasienter kan vise bevisst bevissthet gjennom fMRI- eller EEG-baserte vurderinger, selv om vurderinger basert på adferd foreslår noe annet. Dermed er det et klart behov for nye systemer og paradigmer som mer nøyaktig kan vurdere bevisst bevissthet og til og med gi kommunikasjon. Ideelt sett bør disse systemene være rimelige, bærbare, robuste for støy i virkelige omgivelser og enkle å bruke (både for pasienten og systemoperatøren).
Protokollene og systemet som presenteres her, tjener to mål: Å bidra til å vurdere nivået av bevissthet hos personer med DOC og å etablere en ny kommunikasjonskanal for personer som ikke kan kommunisere via tale, øyeaktivitet eller andre oppgaver som krever muskelkontroll. Paradigmene i protokollen er utformet for å teste grunnleggende svar i de første trinnene. Hvis de forventede grunnleggende hjernesponsene oppdages, er det mulig å gå videre og tRy de mer komplekse paradigmene, som er den vibrotactile P300 med tre taktorer og MI. Disse to paradigmene kan også brukes til å etablere en kommunikasjonskanal. EEG-signalkvalitet er kritisk i alle disse protokollene. Noen ganger kan EEG-data ikke skille seg fra støy; Noen erfaring med EEG-analyse er nødvendig for å gjenkjenne og administrere støyende data.
Nåværende standard vurderingsmetoder, i tillegg til å være upålitelige, er også tidkrevende og krever et team av eksperter. Derfor vurderes pasientene kun én gang, selv om pasientens bevisste bevissthet kan variere dramatisk på forskjellige tidspunkter. Protokollen som presenteres her, kan enkelt gjentas flere ganger. Pasienter som ikke viser bevisst bevissthet, kan produsere forskjellige resultater på en annen gang. Det kan også gjøres en enkelt vurderingsrunde før hvert kommunikasjonsforsøk for å bekrefte at motivet for øyeblikket befinner seg i en bevisst tilstand.
anothDet er grunn til å implementere ulike paradigmer i protokollen, fordi noen mennesker kan utføre dårlig med et paradigme, men utfører veldig bra med en annen. På samme måte kan folk foretrekke et paradigme fordi det virker lettere for dem. Etter å ha utforsket ulike alternativer med forskjellige paradigmer, kunne pasientene velge tilnærmingen de foretrekker. Dette er i samsvar med "hybrid" BCI-tilnærmingen, som støtter å tilby flere kommunikasjonsalternativer for å forbedre kommunikasjonseffektivitet og brukertilfredshet.
Nøyaktighetsgraden, kombinert med prosentandelen av korrekte klassifiseringer, gir et objektivt resultat som reflekterer hvor godt mønstergenkjenningsalgoritmen kan diskriminere de forskjellige hjernestatene under oppgavene. Derfor er det ikke nødvendig med en subjektiv tolkning av hjernemønstre eller gjennomsnittlig respons.
Den vibrotaktile kommunikasjonen med tre taktorer ble testet på en gruppe av seks kronisk låst patienTs 15 . De nådde en gjennomsnittlig nøyaktighet under kommunikasjon på 55,3%, og alle var over sjansenivået på 12,5%. MI-kommunikasjonsoppgaven ble testet på en gruppe med tjue sunne brukere 13 , som viste en gjennomsnittlig nøyaktighet på ca. 80%. Bare en av de tjue personer hadde en kontroll nøyaktighet under sjanse nivå.
Det er viktig å nevne at en løp eller til og med en komplett økt med dårlig nøyaktighet ikke bevislig viser at det ikke er hjernespons eller ingen bevissthet i faget. Det betyr bare at systemet ikke var i stand til å oppdage frivillige hjernesponser. Dette kan oppstå på grunn av dårlig signalkvalitet, vanskeligheter med å høre eller forstå oppgaveinstruksjoner, eller bare fordi en minoritet av fag ikke kan produsere den ønskede EEG-aktiviteten til tross for å utføre oppgaven.
I tråd med tidligere arbeid fra vår gruppe og andre, viser det presenterte arbeidet at det er tilrådelig å vurdereNivået av bevissthet hos pasienter som lider av DOC med hjernedekorasjonsteknikker. FMRI er også en nyttig teknikk for å spore pasientens nåværende hjernevirksomhet. Det ble vist at oddballparadigmer som fremkaller fremkalte potensialer, så vel som motorbilder og andre oppgaver, kan gi hemodynamiske responser som kunne spores av fMRI 17 , 18 . Sammenlignet med fMRI, har EEG betydelige fordeler: EEG-baserte verktøy kan brukes på sengen, uten utstyr som er dyrt og ikke-bærbart og krever betydelig kompetanse. Transport av pasienten til skanneren og akustisk støy fra skanneren kan både være stressende for pasienten. Nær infrarødspektroskopi (NIRS) er bærbar og kan ha litt bedre romlig oppløsning enn EEG, men det har verre tidsmessig oppløsning 19 . NIRS er egnet til å overvåke MI 20 , 21 , men ikke for fremkalt potentials. For eksempel viste Naseer og Hong 22 høy klassifikasjonsnøyaktighet for MI-BCI ved bruk av fNIRS. Med forsøk som hver vare i 50 s, oppnådde de 77,35% for venstre MI og 83% for høyre MI. Med EEG-baserte BCIs, Guger et al. 23 fant at ca 20% av 99 økter nådde en nøyaktighet over 80% og ytterligere 70% av de 99 øktene nådde en nøyaktighet over 60%. Ortner et al. Viste en gjennomsnittlig toppnøyaktighet på ca. 80% ved hjelp av CSP-metoden. Denne metoden trenger flere EEG-elektroder enn de som brukes fra Guger og kolleger, men det resulterer i høyere nøyaktighetsnivåer. Ved hjelp av CSP-metoden, Ramoser et al. 23 viste at en økning av elektroder fra 18 til 56 ikke forbedrer ytelsen betydelig; Vi konkluderer derfor med at det valgte antallet av 16 elektroder i vår metode er tilstrekkelig. Nylig har Coyle et al . Brukte CSP for å klassifisere og trene MI i DOC patieNts 16 . Alle fire fagene viste signifikant og hensiktsmessig hjerneaktivering under vurderingen.
Vurdering av MI gjennom et hybrid NIRS-EEG BCI kan resultere i høy klassifikasjonsnøyaktighet, som Khan et al. 20 viste. Dette kan være en lovende fremtidig retning, selv om et ekstra neuroimaging verktøy øker kompleksiteten og kostnadene til enheten.
Protokollen som presenteres her, gir et relativt enkelt verktøy for å vurdere hjernens respons innen EEG-signalet til DOC-pasienter. Tolkning av disse klassifikasjonsresultater og gjennomføring av endringer i medisinering, terapi eller andre medisinske behandlinger krever fortsatt medisinske eksperter. Fremtidige retninger av denne metoden kan være mer avanserte stimuleringsteknikker ved å bruke et høyere antall grader av frihet. For eksempel, i stedet for å tilby verktøy som bare sier "JA" eller "Nei", kan fremtidige enheter tillate mer mulig answeRs til ett spørsmål. I et videre trinn kan man også bruke konteksbaserte svar. Hvis pasienten for eksempel har en musikkspiller som kjører, kan man tilby muligheten til å kontrollere lydnivået eller bytte til neste sang. MI-paradigmet må også testes i DOC-pasienter.
Materials
| Name | Company | Catalog Number | Comments |
| g.USBamp | g.tec medical engineering GmbH | 1 | Biosignal amplifier |
| Power supply | GlobTek Inc. | 1 | Medical mains power supply for the g.USBamp |
| USB cable | g.tec medical engineering GmbH | 1 | Connects the g.USBamp to the computer |
| EEG electrodes gSCARABEO | g.tec medical engineering GmbH | 16 | Active EEG electrodes |
| EEG electrode gSCARABEOgnd | g.tec medical engineering GmbH | 1 | passive ground electrode |
| EEG electrode g.GAMMAearclip | g.tec medical engineering GmbH | 1 | active reference electrode |
| g.GAMMAbox | g.tec medical engineering GmbH | 1 | Connects the amplifier to the EEG electrodes |
| g.USBampGAMMAconnector | g.tec medical engineering GmbH | 1 | Connects the g.GAMMAbox to the g.USBamp |
| EEG cap | g.tec medical engineering GmbH | 1 | To position electrodes |
| Computer | Hewlett-Packard | 1 | To run the software. Alternatively computers from other manufacturers could be used. |
| g.VIBROstim | g.tec medical engineering GmbH | 3 | Tactors for sensory stimulation |
| Audio trigger adapter box | g.tec medical engineering GmbH | 1 | To split up the audio signal into audio commands for the headphones and trigger signals. This box connects to the amplifier. |
| Anti static wrist band | g.tec medical engineering GmbH | 1 | To suppress noise in the EEG |
| Trigger cable | g.tec medical engineering GmbH | 1 | To connect the audio trigger adapter box and the g.STIMbox to the g.USBamp |
| Audio connector cable | g.tec medical engineering GmbH | 1 | Audio cable to connect the audio trigger adapter box to the computer |
| Hardlock | g.tec medical engineering GmbH | 1 | To run the software |
| SE215-K | Shure Europe GmbH | 1 | Noise suppressing earphones. Alternatively other earphones could be used. |
| g.STIMbox | g.tec medical engineering GmbH | 1 | Driver box for tactile stimulators |
| mindBEAGLE software | g.tec medical engineering GmbH | 1 | software package |
| g.GAMMAgel | g.tec medical engineering GmbH | 1 | conductive electrode gel |
References
- 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).
- Childs, N. L., Mercer, W. N., Childs, H. W. Accuracy of diagnosis of persistent vegetative state. Neurol. 43 (8), 1465-1465 (1993).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Johnson, N. L., Kemp, A. W., Kotz, S. Univariate discrete distributions. 444, John Wiley & Sons. (2005).
- 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).
- Vidaurre, C., Blankertz, B. Towards a Cure for BCI Illiteracy. Brain Topography. 23 (2), 194-198 (2010).
- 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).
- 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).
- Chatrian, G. Ten percent electrode system for topographic studies of spontaneous and evoked EEG activity. Am J Electroencephalogr Technol. 25, 83-92 (1985).
- 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).
- 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).
- 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).
- Opitz, B., Mecklinger, A., Cramon, D., Kruggel, F. Combining electrophysiological and hemodynamic measures of the auditory oddball. Psychophysiology. 36 (1), 142-147 (1999).
- Min, B. -K., Marzelli, M. J., Yoo, S. -S.
- 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).
- Naseer, N., Hong, K. -S. fNIRS-based brain-computer interfaces: a review. Frontiers in Human Neuroscience. 9, (2015).
- 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).
- 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).
- 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).
