Summary

Eletroencefalografia simultânea Scalp (EEG), eletromiografia (EMG), e gravação de inércia segmentar de corpo inteiro para Multi-modal Neural Decoding

Published: July 26, 2013
doi:

Summary

Desenvolvimento de um sistema cérebro-máquina-interface eficaz (IMC) para a restauração e reabilitação da locomoção bípede requer decodificação precisa da intenção do usuário. Aqui apresentamos um protocolo experimental romance e técnica de coleta de dados para aquisição simultânea não-invasivo de atividade neural, a atividade muscular e cinemática do corpo inteiro durante várias tarefas e condições de locomoção.

Abstract

Estudos recentes apoiar o envolvimento das redes supra-espinhal no controle de andar bípede humano. Parte desta evidência engloba estudos, incluindo o nosso trabalho anterior, demonstrando que a cinemática da marcha e coordenação dos membros durante a caminhada na esteira pode ser inferida a partir do couro cabeludo eletroencefalograma (EEG) com razoavelmente altas precisões de decodificação. Estes resultados fornecem impulso para o desenvolvimento de sistemas não-invasivos cérebro-máquina interface (IMC) para uso em restauração e / ou aumento de marcha-a meta principal da pesquisa em reabilitação. Até o momento, estudos que examinam a decodificação da atividade EEG durante a marcha têm sido limitados a caminhada na esteira em um ambiente controlado. No entanto, para ser praticamente viável um sistema IMC deve ser aplicável para uso em tarefas motoras diárias, como caminhar sobre a terra e transformando. Aqui, apresentamos um protocolo para coleta de romance não-invasivo de atividade cerebral (EEG), a atividade muscular (eletromiografia (EMG)), e de jóiadados cinemáticos e-corpo (cabeça, tronco e membros trajetórias) durante tanto esteira e caminhar sobre a terra tarefas. Ao coletar esses dados na visão ambiente não controlado pode ser adquirida a respeito da viabilidade de decodificação irrestrita marcha e EMG de superfície do couro cabeludo EEG.

Introduction

Este protocolo utiliza três sistemas de recolha de dados para gravar, simultaneamente, EEG, EMG, e a cinemática do corpo todo (Figura 1, Tabela 1). Os dados de EEG são coletados sem fio de 64 canais, com uma frequência de amostragem de 1000 Hz, enquanto assuntos andar. A eletromiografia (EMG) é coletado a 1.000 Hz a partir de eletrodos de superfície colocados bilateralmente em quatro grupos musculares: tibial anterior (TA), gastrocnêmio (Gast), bíceps femoral (BF) e vasto lateral (VL). Os dados cinemáticos são coletados em 128 Hz de 11 sensores sem fio montado na cabeça, tronco superior, região lombar, braços, coxas, canelas e pés, para gravar o movimento durante a caminhada. Cada sensor contém um magnetômetro triaxial, giroscópio triaxial, e acelerômetro triaxial (ou seja, um sensor MARG).

Os dados são coletados a partir de cada sistema e sincronizados no tempo por um único PC host. A sincronização é realizada utilizando um sinal de disparo enviado sobre um seri contínuaal link de comunicação acessado por todos os três sistemas de dados simultaneamente. O gatilho foi implementado como um interruptor simples. Quando o botão é pressionado um sinal de disparo (1) é enviado para o computador hospedeiro, enquanto que um sinal nulo (0) é enviada quando não está premido. Ao premir o botão de disparo também provoca um segundo tom de 0,5 utilizado como uma pista áudio para o sujeito, tal como descrito no protocolo abaixo. Cinco pares de sensores de proximidade de infravermelhos (IR) foram fabricados para utilização como local desencadeia sobre o solo durante o andar experiências descritas abaixo. Quando o sinal de IR é interrompida um sinal de disparo (1) é enviado para o PC host sobre o link serial através de uma freqüência de rádio (RF) conexão com a caixa de gatilho manual.

Um costume C + + aplicação, utilizando o kit de desenvolvimento de software (SDK) fornecido por cada sistema, foi desenvolvido para gravar e sincronizar dados. O código utiliza uma técnica multi-threading; funções para salvar os dados de cada sistema (EEG, EMG, e MARGS) estão contidos em indivtópicos idual. O algoritmo de software é mostrado na Figura 2. Recolha de dados começa quando a aplicação é executada e termina quando a tecla 'q' é pressionado. Cinco linhas são ativadas durante a execução do aplicativo. Um segmento (Figura 2) controla o valor (0 ou 1), do sinal de disparo a partir da ligação em série. Valor de disparo inicial é zero. Quando o gatilho é recebido (ou seja, quando o botão for pressionado ou linha de visão entre IR par de sensores está quebrado), as variáveis ​​globais de gatilho são definidos a 1. Estas variáveis ​​permanecem um até que são repostas dentro dos tópicos de coleta de dados.

O fio EEG acessa remotamente os dados de EEG do couro cabeludo em tempo real usando o protocolo TCP / IP. Os dados são gravados em um arquivo de texto linha por linha com a frequência de amostragem correspondente (1.000 Hz). O sinal de disparo EEG global está escrito para a primeira coluna, enquanto colunas 2-65 são os 64 canais de EEG. Se o sinal de disparo EEG global era um, é reposto a zero. Dadosa escrita prossegue até a rosca do EEG é terminada. Dois tópicos registro independente MARG dados do sensor. Dois tópicos são necessárias porque os 11 sensores sem fio MARG transmitir dados usando o software do fabricante no modo de transmissão robusto, que isola os dados sobre os sensores individuais para evitar perda de dados em caso de problemas de transmissão sem fio. Este buffer degrada a transferência de dados em tempo real: se um sensor não é capaz de transmitir dados para uma determinada amostra de todos os 11 sensores conservem esse ponto de tempo em seu buffer e transmiti-la ao próximo ponto de amostra disponível. MARG transferência de dados sem fio, inevitavelmente, fica atrás EEG, assim sensores Marg precisam de tempo para descarregar os dados em buffer para o PC host após a coleta de dados é interrompido. Para superar este problema, dois segmentos são utilizados no algoritmo de recolha de dados MARG (Figura 2). O primeiro segmento preenche um buffer gatilho MARG da variável trigger MARG mundial na freqüência de amostragem do sensor (128 Hz), enquanto o segmento de EEG está coletandodados. Quando a coleta de dados pára de escrever para o buffer de gatilho também termina. O fio MARG (Figura 2) utiliza funções a partir do SDK do sensor para receber dados dos sensores e gravá-lo em um arquivo da mesma maneira como os dados de EEG. Isto é, a primeira coluna é o valor do gatilho MARG global (obtido a partir do tampão de disparo MARG) e os seguintes 99 colunas são os valores dos sensores 11 MARG (9 sensores por unidade MARG). O segmento MARG escreve dados até que o índice de tempo do tampão de disparo MARG é igual ao último índice de tempo dos dados de EEG em que ponto de execução segmento é encerrado.

Ao contrário dos dados de EEG e Marg, dados EMG não são gravados sem fio. Em vez disso, os dados de EMG são gravadas em um cartão SD dentro da unidade de registro de dados. Um sinal é enviado através de uma conexão Bluetooth para iniciar e parar a gravação de dados para o cartão SD. A gravação começa quando o primeiro disparo manual é recebido pelo segmento de EEG. Gravação de dados para com o EEGthread quando o botão 'q' é pressionado.

O protocolo a seguir foi analisado e aprovado pelo Comitê de Ética da Universidade de Houston. Todos os indivíduos receberam, ler e assinaram um termo de consentimento para a participação.

Protocol

1. Assunto Preparação Meça a altura da pessoa, peso e gravar sua idade. Avaliar a velocidade da esteira preferido do assunto, tendo-lhes velocidade da esteira auto-ajustar até que confortável. Usando uma caneta de ponta de feltro, marque o vértice da cabeça como o ponto médio entre o násio e inion do assunto. Além disso, a marca de 10% da distância entre o nasion ínion como uma referência para o alinhamento do tampão. 2. Scalp Eletroencefalografia (EEG) Anexar eléctrodos de EEG, tal como especificado pelo sistema internacional 10-20 utilizando um tampão de EEG montado no assunto como em 12. A tampa garante a colocação correta dos eletrodos no couro cabeludo. Colocar a tampa de EEG sobre o assunto, alinhando a marca de 10% a partir do passo 1.3, no ponto médio dos FP1 e FP2 eléctrodos e o eléctrodo Cz com o vértice marcado. Mais detalhes para a colocação da tampa são encontrados em 12. Securar a tampa por cintas abaixo do queixo. Ligação eletrodos de EEG para a caixa de controle de EEG. Começando com o chão e eletrodos de referência, use uma pequena seringa para injetar gel eletrolítico em cada eletrodo até impedância de cada medidas abaixo de 25 kW, conforme indicado pelo eletrodo LED verde de viragem. Mais detalhes sobre a preparação do eletrodo EEG estão disponíveis em 12,13. Conecte os eletrodos de EEG para o transmissor sem fio EEG. Fixe o transmissor para o assunto em uma cinta de velcro colocado ao redor dos ombros e ligar o receptor EEG sem fio para dois amplificadores de 32 canais. Ligar os amplificadores para o PC host através de uma porta USB usando uma fibra óptica para conversor USB. Defina a resolução do canal EEG para 0,1 mV, a baixa freqüência de corte para DC, e alta freqüência de corte de 1000 Hz no software de coleta de dados de EEG. 3. A eletromiografia de superfície (EMG) Prepare-se para eletrodo EMGcolocação em oito locais musculares: raspar a pele, raspe com uma lixa e limpar com uma compressa embebida em álcool isopropílico. Coloque os eletrodos em locais preparados e se conectar a EMG unidade de registro de dados. Coloque o eletrodo terra EMG no pulso esquerdo ou direito, e se conectar com os dados da unidade de registro. 4. Motion Capture Sincronizar MARG sensores enquanto encaixado de acordo com as instruções do fabricante. Remover Marg sensores e coloque sobre o assunto usando tiras de velcro ou fita dupla face em locais na Tabela 2. 5. Ambiente Preparação Prepare a esteira gravando uma linha diagonal (45 ° a partir da horizontal) da correia. Coloque um monitor de televisão ligado a uma câmera de vídeo de cerca de 1 m na frente da esteira. Tape um pedaço de papel com a 2 polegadas de diâmetro círculo preto na televisão. Setup andando Arena, colocando 5 conjuntos de sensores infravermelhos de proximidade, cones e televisão screen localizado como na Figura 3. 6. Esteira Assunto sobe na escada rolante. Anexar cinto de segurança. Antes da coleta de dados, examinar sinais de EEG e EMG para verificar o correto posicionamento do eletrodo, eletrodo de conexão e transmissão de dados. Comece a coleta de dados, executando o C + + aplicativo de console. Pressione o botão de pressão manual do gatilho para iniciar a gravação EMG e dar uma sugestão de áudio (beep) para iniciar o experimento. O assunto permanece em posição tranquila por 30 segundos. Após 30 segundos o botão disparador de envio para iniciar a caminhada, a esteira é lentamente acelerou a velocidade pré-selecionada do assunto. O assunto anda durante 5 min. No final de 5 min, pressione o botão disparador para iniciar caminhada para ficar transição parando lentamente na esteira. Depois de chegar a uma parada o assunto permanece em pé por 30 segundos. Pressione o botão 'q' para parar a coleta de dados trial e salvar os dados. Repita os passos de 6,2-6,7 para as três condições da escada rolante: Esteira andando enquanto olha para ponto preto na distância. Caminhada na esteira, observando o movimento das pernas próprias no monitor de TV. Esteira caminha usando o feedback de vídeo para evitar a linha diagonal na esteira (para simular a carga cognitiva 6). 7. Arena Walking (1) Posição sujeito no início do ciclo da arena curta (Figura 3). Comece a coleta de dados como em 6,2-6,4. Pressione o botão disparador para iniciar a caminhada. No momento em que o gatilho é dado, a primeira seta direccional (→, ← ou ↑) é exibida na tela oposto ao objecto (Figura 3). Se → ou ← for observado, as saídas sujeitas a conjunto de entrada de cones, gira 90 ° nesse sentido, completa o ciclo e retorna para os cones de entrada. Se & uarr; se observa, o assunto continua em linha reta fora dos cones de entrada e um disparo manual e seta de direção (→ ou ←) é dado quando o assunto atinge cerca de 2 metros antes de os sensores IR. Os rendimentos sujeitos através do primeiro conjunto de sensores de infravermelhos e, em seguida, faz com que os correspondentes 90 ° girar para completar o ciclo, voltando aos cones de entrada. (Durante a caminhada, o experimentador segue o assunto a uma distância de cerca de 3-5 metros, com o PC host em um carrinho de rodas para melhorar a qualidade de sinal sem fio). O assunto continua andando quando ele / ela atinge os cones de entrada depois de completar um único loop. Seqüência 7.3 é repetido com ordenação aleatória de setas até três ciclos foram concluídos para cada flecha inicial (→, ← ou ↑). Depois de satisfazer condição 7.4, pressione o botão manual do gatilho quando sujeito atinge os cones de entrada para sinalizar transição para a posição. Assunto fica em silêncio por 30 segundos e, em seguida,coleta de dados é encerrado pressionando a tecla 'q' no PC host. 8. Arena Walking (2) Rearranjar curso curta arena de maneira a que os cinco conjuntos de sensores de infravermelhos estão posicionadas em um semi-círculo em frente do objecto (Figura 4). Iniciar a coleta de dados, com os ensaios anteriores (7,1-7,2). Semelhante ao Arena Andando I, dar um disparo manual para iniciar a caminhada. No momento do disparo, uma das cinco setas de direcção (←, →, , Ou ↑) é apresentada no ecrã. Cada seta corresponde a um conjunto de sensores de infravermelhos que são posicionados em torno da arena (Figura 4). O sujeito observa a seta na tela e walks para o correspondente conjunto de sensores infravermelhos, fazendo uma curva em U ao redor do cone além dos sensores, passando pelos sensores duas vezes (Figura 4). Depois de fazer a inversão de marcha, o sujeito retorna ao ponto de partida, e continua a andar. Repita a seqüência 8,3-8,4, com ordem aleatória de flechas, até 3 ciclos foram concluídos para cada seta direcional. Depois de satisfazer condição 8.6, pressione o botão de disparo manual quando o assunto atinge o ponto de partida para sinalizar a transição para a posição. Coleta de dados completa, como em 7.5. 9. Sente-to Stand Posicione uma cadeira atrás do assunto e começar a coleta de dados como em 6,2-6,3. O assunto fica em silêncio por 15 segundos no início da coleta de dados. Depois de 15 segundos, pressione o botão de disparo manual. Depois de ouvir as transições sujeitos sinalização de posição para sentar-se a postura, mantendo posição sentada até a próxima dica de áudio (botão). <li> Espere um intervalo aleatório (5-15 segundos) e manual de imprensa gatilho para dar sugestão para sentar-se ao pé de transição. Postura ereta é mantida até a próxima dica de áudio. Repita 9,2-9,3 até o dia 10 completa-se a sentar-se e sentar-se-to-Stand manobras estão completos, depois que o sujeito fica em silêncio por 15 segundos. Em seguida, encerrar a coleta de dados, pressionando o botão 'q'. Repita o stand-to-sentar protocolo (9,1-9,4) para auto-iniciada stand-to-sentar transição e sit-to-stand. Ao invés de dar o assunto um gatilho para a transição, temos o assunto iniciar a transferência possuem seu próprio até o dia 10 de cada manobra é completa. 10. Walking corredor Posição de sujeito e carrinho de coleta de dados no meio de 1/8 ª milha, corredor em linha reta. Iniciar a coleta de dados, com as experiências de caminhar do tapete rolante (6,2-6,4). Após o período de repouso inicial de 30 segundos, dá um disparo manual para iniciar a caminhada. O tópct caminha continuamente por 5 min. Quando o assunto chega a 10 metros do final corredor, ele / ela auto-inicia um U-turn e continua andando na direção oposta. Ao fim de 5 minutos de empurrar o botão manual do gatilho para parar de andar. O assunto fica em silêncio por 30 segundos, enquanto olhando para a frente. Terminar a coleta de dados, pressionando o botão 'q'. Começar uma segunda experiência como corredor em 10,1. Após um intervalo de caminhada (20-40 seg) tempo aleatório, dar um disparo manual e sugestão de áudio para que o sujeito parar de andar. O assunto permanece em pé por curta duração, random (5-15 segundos). Pressione o botão de disparo manual para ter assunto currículo caminhada. Repita os passos de 10,5-10,7 até 10 ciclos de stop-start são completos; finalizar a coleta de dados como em 10.3.

Representative Results

A Figura 5 mostra de 10 segundos de tempo bloqueado EEG, Marg, e os dados de EMG registrado durante a caminhada em esteira (seção Protocol 3). Note que cada MARG senor realmente registra nove sinais (magnetômetros triaxiais, giroscópios e acelerômetros), mas somente aceleração vertical é exibido. Os dados brutos na Figura 5 contém artefatos que devem ser contabilizados, durante o pré-processamento antes da análise e decodificação neural. Exemplos de artefatos de EEG na Figura 5 incluem piscar de olhos presentes em cerca de 8,5 segundos e baixa freqüência de artefatos de movimento presente por toda parte. A Figura 6 mostra um ciclo completo (~ 35 segundos) de caminhar sobre o solo durante a caminhada Arena (1) protocolo. Qualitativamente, os dados da arena em terreno andando tarefas contêm mais artefatos do que esteira pé devido ao movimento adicional de cabeça e pescoço do sujeito durante a viragem. A atividade muscular facial e craniana é particcularmente perceptível sobre os eléctrodos (canais temporais rotulado FT e T na figura 1) na Figura 6. Notar o aumento da actividade em comparação com o sinal de EMG caminhada na esteira (Figura 5), mais especificamente no tornozelo par agonista-antagonista. Figura 6 também mostra os eventos da coleta de EEG sem fio de qualidade inferior dados que devem ser contabilizadas durante o processamento de dados. Imediatamente antes da 4 ª gatilho, os dados de EEG mostram linhas planas, indicando uma interrupção de transmissão sem fio entre o PC host eo sistema de EEG. Esta seção de dados devem ser aparadas a partir de todo o conjunto de dados (EEG, Marg, e EMG). A Figura 7 mostra um ciclo de stand-a a sentar-se e sentar-se para os dados. Tal como acontece com outros dados, os artefactos de movimento estão presentes no EEG, tanto durante o fim da passagem e, como a cabeça é estabilizada como assento (ou de pé) é mantida. Um intervalo de corredor andando incluindo stand-a-andar umª walk-to-stand transição é mostrada na Figura 8. Note a rampa de EMG e dados de aceleração após os sinais de áudio para iniciar e parar de andar. Coincidente com esta rampa é o aparecimento e desaparecimento de artefactos de movimento nos dados de EEG. Figura 8 também mostra uma ligação de qualidade inferior em EEG PO10 eléctrodo, que ocorre em cerca de 7 s. Este comportamento é observado, ocasionalmente, durante o experimento, e é provavelmente devido à perda de contato entre o eletrodo de EEG e do couro cabeludo. Eléctrodo PO10 deve ser removido a partir da análise dos dados para este ensaio. Como os dados de EEG pode ser observado em tempo real e conexão dos eletrodos de EEG é verificado (protocolo passo 6.2) antes de cada julgamento no protocolo, a conexão eletrodo pobres podem ser corrigidas antes do próximo julgamento. Nome Companhia Quantidade BrainAmp Amplifier Produtos cerebrais, GmbH 2 actiCAP cap EEG com 64 eletrodos Produtos cerebrais, GmbH 1 Brainvision MOVER sistema de EEG sem fio Produtos cerebrais, GmbH 1 DATALOG MWX8 EMG unidade de coleta de dados Biometria, Ltd. 1 SX230 eletrodos EMG Biometria, Ltd. 8 R506 EMG eletrodo terra Biometria, Ltd. 1 Opal monitor de movimento (sensor MARG) APDM, Inc. 11 Opal docking station de dados sem fio de streaming APDM, Inc. 2 Opal ponto de acesso sem fio APDM, Inc. 2 <td> Infravermelho Luz Barreira Kit MK120 Velleman, Inc. 5 Wixel programável Módulo USB Wireless Pololu, Inc. 6 Tabela 1. Equipamento. Sensor Localização Cabeça Centro da testa acima das sobrancelhas Tronco Entre peitorais na base do esterno Lombar Centro de costas no mínimo de curva lombar Braço 1 Face lateral do braço; proximal ao pulso de ~ 10% para cotovelo Coxa 1 Face lateral da coxa, de 50% entre quadril e joelho Shank 1 Lateral da haste; 75% distal do joelho Pé 1 Centrado em o peito do pé Um braço, coxa, Shank, e Pé sensores são colocados bilateralmente. Tabela 2. MARG Locais sensor. Figura 1. Sagital (a) e frontal (b) vista de um sujeito usando EEG, EMG, e MARG sensores inerciais para coleta de dados. (C) a representação topográfica dos locais de eletrodos de EEG no couro cabeludo, plotados com EEGlab Matlab toolbox 14. ( d) Mobile carrinho de coleta de dados contendo PC host, gatilho manual, EMG Bluetooth, MARG pontos de acesso sem fio e receptor sem fio EEG, amplificadores e fonte de alimentação.d/50602/50602fig1large.jpg "target =" _blank "> Clique aqui para ver a figura maior. Figura 2. Fluxograma detalhando o algoritmo para o design personalizado, software de coleta de dados multi-threaded. Clique aqui para ver a figura maior . Figura 3. Representação esquemática (olho de pássaro) da arena de pé (1) protocolo experimental. Uma seta (→, ← ou ↑) é apresentada no monitor quando o sujeito está na extremidade do cone de entrada s. Se a direita (→) ou esquerda (←) é apresentado, o sujeito segue o laço vermelho ou verde, respectivamente, que passa através de quatro conjuntos de sensores de infravermelhos (IR) (IR1-IR4). Se a reta (↑) é apresentado, o sujeito caminha em direção ao monitor (linha azul), e uma segunda seta (→ ou ←) é apresentado quando o assunto é de aproximadamente um metro antes de os sensores IR (IR5). Depois de passar através do conjunto sensor de IR5, o sujeito termina a circular ao longo do caminho correspondente (vermelho ou verde), voltando ao ponto de partida. Figura 4. Representação esquemática (olho de pássaro) de arena de pé (2) protocolo experimental. No início do experimento, uma única seta (pload/50602/50602larrhighres.jpg "/>, , →, ← ou ↑) é apresentado ao assunto no monitor. Baseado na seta recebido, o sujeito passa directamente para o correspondente conjunto de sensores de infravermelhos, passa através dos sensores, completa uma curva em U em torno do cone, e regressa ao ponto de partida (circular correspondente seta é mostrado acima). Figura 5. Os dados da amostra de 10 segundos de caminhada na esteira. Painel superior mostra 64 canais de dados de EEG-primas com o nome do canal 10-20 convenção internacional. Meio painel mostra aceleração na direção vertical de 11 sensores Marg. Painel inferior mostra 8 canais matéria EMG. Clique aqui para ver a figura maior . Figura 6. Os dados da amostra de um loop (caminho seta para a direita, Figura 3) de caminhada durante a arena protocolo I. EEG, aceleração e dados EMG são apresentados como na Figura 5. Barras pretas verticais são localização de gatilhos recebidos pelo software. O primeiro gatilho é a partir do botão manual do impulso de início do ciclo, apresentando a seta →. Os quatro seguintes são gatilhos de sensores infravermelhos IR1-IR4 (Figura 3) como o sujeito atravessa o laço.tp_upload/50602/50602fig6large.jpg "target =" _blank "> Clique aqui para ver a figura maior. Figura 7. Os dados da amostra de stand-to-sentar transição e sit-to-stand. EEG, aceleração e dados EMG é apresentado como na Figura 5. Barras verticais indicam disparadores manuais (e sinais de áudio) para iniciar em pé e sentado, respectivamente. Clique aqui para ver maior figura . Figura 8. Os dados da amostra do corredor andando mostrando transição de standing para caminhar e caminhar a pé. EEG, aceleração e dados EMG são mostrados como na Figura 5. barras verticais indicam disparadores manuais e sinalização de áudio para começar ansd parar de andar, respectivamente. Clique aqui para ver a figura maior .

Discussion

O protocolo aqui apresentado reúne três sistemas de coleta de dados para gravar simultaneamente a atividade do cérebro, a atividade muscular e cinemática todo o corpo durante uma variedade de tarefas de locomotivas. Conclusão de todo o protocolo leva cerca de 3 horas, incluindo 1 hora de preparação assunto. Cada sistema é montado em, e move-se com o assunto. Portanto, é essencial para verificar as ligações de eléctrodos de EEG e EMG antes do início de cada nova tentativa. Isso pode ser feito facilmente usando os pacotes de software fornecidos pelo respectivo fabricante, que permite que os dados sejam analisados ​​em tempo real, utilizando interfaces gráficas no PC host. O aplicativo de coleta de dados exige que esses pacotes de software para ser executado, simplificando o processo de verificação. Além disso, os cuidados devem ser tomados para que os sensores MARG são robustamente ligada ao assunto antes de cada julgamento.

Os dados de EEG e MARG são transmitidos sem fio ao longo do 2,4-2,5 GHzfaixa do espectro. Porque muitos outros dispositivos eletrônicos usam essa faixa de frequência, é importante considerar a possibilidade de interface sem fio no ambiente experimental. Um aspecto crítico da coleta de dados é a visibilidade da linha de visão entre o carrinho móvel e objeto, que fornece robustez à interferência wireless. Tanto o receptor sem fios de EEG e os pontos de acesso MARG (Figura 1) proporcionar os LEDs para indicar fidelidade ligação. O PC host e receptores sem fio para sensores de EEG e MARG são colocados em um carrinho móvel para manter a linha de visão direta e maximizar a transmissão de dados sem fio como o sujeito se aproximou do solo. Encontramos a coleta de dados robusto foi melhor mantida, mantendo o carrinho móvel dentro de 5 metros do assunto, uma distância que não restrinja o movimento do assunto durante qualquer uma das tarefas. A aplicação C + + emprega vários segmentos para a coleta de dados para fornecer robustez à perda de dados devido à interrupção de wireless connection de EEG. Se a ligação é perdida do EEG, e EMG MARG é gravada, mas não há dados de EEG estarão disponíveis para os pontos de tempo. Os sensores Marg fornecer on-unidade de buffer como discutido acima para evitar a perda de dados em caso de conexão sem fio, enquanto os dados EMG é armazenado em um cartão SD dentro da unidade de registro de dados móvel.

Um problema comum com coleta de dados de EEG durante a caminhada é a presença de artefato nos sinais. De um modo geral, os artefatos podem ser divididos em dois grupos: fontes fisiológicas de artefatos, incluindo pisca, movimento dos olhos, a atividade muscular facial, batimentos cardíacos e artefatos mecânicos, tais como movimento de eletrodos e / ou cabos durante a execução do protocolo experimental. Remoção de artefato é um tema de investigação em curso, e inclui técnicas como a análise de componentes independentes 15,16 e procedimentos de regressão de modelos baseados em canal 17. Minimização artefato e remoção é um passo crucial no preprocessing de dados para decodificação neural do movimento do corpo. A configuração aqui apresentada é semelhante a estudos anteriores em que os cabos eletrodos de EEG foram agrupados em um único conector. Os resultados desses estudos indicam que os artefatos mecânicos, devido à influência de cabo ou movimento não desempenhar um papel na decodificação do movimento da atividade neural 7,8. Esses resultados são compatíveis com outros estudos que concluem que marcha artefatos relacionados foram insubstancial em lenta a moderada andando velocidades 17. No entanto, esta experiência mede EEG durante atividades que exigem mais movimento do corpo do que os estudos anteriores, incluindo sit-to-stand transições, sobre a terra a pé, e girando, e assim, um exame cuidadoso dos dados de EEG-primas devem ser realizados para identificar o potencial contaminação de artefatos mecânicos. Embora ainda não amplamente disponíveis, estes potenciais problemas poderiam ser resolvidos por meio da integração de hardware novo para o protocolo atual. Hardware, inclui eletrodos ativos de EEG (usado neste protocolo) e molas, eletrodos de EEG secas, que têm potencial para melhorar a impedância pele-eletrodo durante o movimento 18. Estas tecnologias são incorporados em sistemas de EEG sem fio que pode reduzir o efeito de artefactos de movimento 19. Integração de hardware novo, não obstante, este protocolo proporciona uma oportunidade única de continuar desenvolvendo novos algoritmos de movimento e EMG artefato rejeição, porque cada segmento do corpo tem sido instrumentado 16. Pretendemos estudar a correlação de séries temporais e coerência no domínio da frequência entre EEG, EMG, e movimento segmento para desenvolver robustos paradigmas de rejeição de artefatos aplicáveis ​​a instalações de EEG atualmente disponíveis. Nossos métodos de decodificação têm demonstrado robustez contra artefatos 7,8; estes métodos serão analisados ​​sob os cenários mais complexos do presente protocolo.

Características da superfície gravadoEMG é dependente de muitos fatores, e interpretação de sinais de EMG de superfície para o estudo de estratégias neurais exige sua consideração 20. Os procedimentos rigorosos para a preparação da pele e colocação de eletrodos EMG utilizados neste protocolo foram projetados para minimizar a influência de fatores não-fisiológicos sobre os sinais EMG de superfície. A amplitude e frequência da EMG gravado por este protocolo estão relacionados com a actividade de líquido agregado do motor, e, portanto, a gravação não deve ser interpretada como uma representação directa da actividade neural do músculo desejado. No entanto, uma análise cuidadosa do sinal de EMG de superfície e métodos mais avançados para estimar a unidade neural para o músculo pela decomposição do sinal EMG para determinar as mudanças relativas na ativação neural (por exemplo, através da identificação dos tempos de descarga de unidades motoras) pode fornecer informações valiosas sobre padrões de ativação muscular 20. Por outro lado, dentro do contexto da descodificação neural, embora a actividade cerebralinvasiva adquirida demonstrou conter informação sobre a superfície 21, EMG, é actualmente desconhecido se EEG também pode ser utilizado para descodificar a actividade dos músculos dos membros inferiores durante o caminhar para além cinemática da marcha. Esperamos que este protocolo permitiria verificar se a resolução espacial reduzida de modalidades de imagem cerebral não-invasiva é suficiente para isolar a atividade neural relacionada com músculos individuais.

Estudos anteriores demonstraram viabilidade na utilização de EEG não invasivo para decodificar cinemática durante esteira andando 7,8 impulso que prevê o desenvolvimento de uma interface cérebro-máquina (BMI) para restaurar a marcha usando sinais vindos do cérebro. No domínio do tempo de descodificação baseado em métodos de modulação de amplitude de sinais de EEG-delta banda também têm demonstrado ser insensível aos componentes artefatuais 7,8. No entanto, os estudos de esteira ocorrer em um ambiente controlado, durante o qual a visão do usuário e movimentoé restrito, limitando assim a contaminação da actividade neural devido a estímulos exteriores. Através da incorporação de registro de dados sem fio, este protocolo permite a coleta de sincronizado EEG, EMG, e dados cinemáticos durante uma variedade de tarefas de locomoção e ambientes. Integração de sensores inerciais para rastreamento de movimento requer mais computação e processamento off-line para extrair cinemática de um sistema de captura de movimento, e as medidas resultantes contêm uma pequena – mas aceitável – a margem de erro, que não estaria presente em um sistema de câmera com base 22. Estas dificuldades gerenciáveis ​​são uma necessidade de estabelecer um protocolo experimental que permite estudo móvel do comportamento cognitivo-motor em ambientes mutáveis. Como foi discutido em outros lugares 10,11, tal configuração é quase ilimitada nas questões de pesquisa que podem ser abordados. Nosso foco no futuro próximo será em questões críticas para o desenvolvimento de um IMC de Reabilitação de pé e caminhar seguindolesão cerebral e neuropatia. Um componente-chave, como mencionado acima, será o desenvolvimento de novas estratégias robustas de decodificação para as interfaces cérebro-máquina para a reabilitação de sistemas robóticos que pode rejeitar artefatos fisiológicos e mecânicos para restaurar o movimento através de sinais medidos a partir do cérebro. Por exemplo, o protocolo andando corredor é realizado em um espaço público com outras pessoas presentes durante a coleta de dados e, portanto, fornece uma plataforma de teste para o desenvolvimento de técnicas de decodificação neural no ambiente natural. Outras questões de investigação de interesse que utilizam este protocolo incluem comparação de reabilitação paradigmas robóticos que envolvem o treinamento de marcha rítmica versus não-rítmica, e estudo da atividade neural durante a recuperação funcional após lesão em fase aguda e crônica.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Este trabalho foi apoiado pelo Instituto Nacional de Distúrbios Neurológicos e Derrame (NINDS) conceder # R01NS075889-01. Esta pesquisa foi apoiada em parte pelo Programa do NIH, o Centro de Pesquisa Clínica intramuros. Os autores também agradecem Shahriar Iqbal e Yongtian Ele para obter ajuda com a coleta de dados. O custo de publicação de acesso livre deste artigo foi patrocinado pela APDM, Inc. (Portland, OR; http://apdm.com ).

Materials

Name Company Quantity
BrainAmp Amplifier Brain Products, Gmbh Quantity: 2
actiCAP EEG cap with 64 electrodes Brain Products, Gmbh Quantity:1
Brainvision MOVE wireless EEG system Brain Products, Gmbh Quantity:1
DataLOG MWX8 EMG data collection unit Biometrics, Ltd. Quantity:1
SX230 EMG electrodes Biometrics, Ltd. Quantity:8
R506 EMG ground electrode Biometrics, Ltd. Quantity:1
Opal movement monitor (MARG sensor) APDM, Inc. Quantity:11
Opal docking station for wireless data streaming APDM, Inc. Quantity:2
Opal wireless access point APDM, Inc. Quantity:2
Infrared Light Barrier Kit MK120 Velleman, Inc. Quantity:5
Wixel Programmable USB Wireless Module Pololu, Inc. Quantity:6
Table 1. Equipment

References

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

Play Video

Cite This Article
Bulea, T. C., Kilicarslan, A., Ozdemir, R., Paloski, W. H., Contreras-Vidal, J. L. Simultaneous Scalp Electroencephalography (EEG), Electromyography (EMG), and Whole-body Segmental Inertial Recording for Multi-modal Neural Decoding. J. Vis. Exp. (77), e50602, doi:10.3791/50602 (2013).

View Video