Abstract
이 실험에서는 두 가지 응용 프로그램을 위해 설계된 하이브리드 브레인 - 컴퓨터 인터페이스 (BCI) 기반 패러다임을 보여줍니다. 즉, 모터 반응을 제공 할 수없는 사람들의 의식 수준을 평가하고, 두 번째 단계에서는 커뮤니케이션 채널을 수립합니다 이 사람들은 '예'또는 '아니오'로 질문에 대답 할 수 있습니다. 패러다임 집합은 첫 번째 단계에서 기본 응답을 테스트하고 첫 번째 테스트가 성공적이면보다 포괄적 인 작업을 계속 수행하도록 설계되었습니다. 후자의 과제는 더 많은인지 기능을 필요로하지만 기본적인 테스트에서는 불가능한 통신을 제공 할 수 있습니다. 모든 평가 테스트는 알고리즘이 주어진 작업에 대한 환자의 두뇌 반응을 감지 할 수 있었는지를 보여주는 정확도 플롯을 생성합니다. 정확도 수준이 중요도 수준을 넘어서는 경우 주체가 작업을 이해하고 명령 p의 순서를 따를 수 있다고 가정합니다이어폰을 통해 피사체에 분개. 이 작업을 수행하려면 사용자가 특정 자극에 집중하거나 왼손 또는 오른손을 움직이는 것을 상상해야합니다. 모든 작업은 사용자가 시각적 양식을 사용할 수 없다는 가정하에 설계되어 사용자에게 제시되는 모든 자극 (지침, 신호 및 피드백 포함)은 청각 또는 촉각입니다.
Introduction
식물 상태 (VS) 또는 최소 의식 상태 (MCS)의 환자 진단은 어렵고 잘못된 분류가 종종 발생합니다. 2009 년 한 연구는 임상 적 합의와 신경 행동 평가 사이의 진단의 정확도를 비교했습니다 1 . 의료 팀의 임상 합의에 따라 VS로 진단 된 44 명의 환자 중 18 명 (41 %)이 Coma Recovery Scale-Revised (CRS-R)로 표준화 된 평가를 한 후 MCS에 속하는 것으로 나타났습니다. 이 결과는 VS로 진단 된 환자의 37 ~ 43 %가인지의 징후를 보인 이전의 연구와 일치하는 것으로 나타났습니다 2 , 3 . 분류 척도는 행동 관찰 또는 청각, 시각, 언어 및 운동 기능 평가, 의사 소통 및 각성 수준을 기준으로합니다. 두뇌 활동 데이터를 추가 할 수있는 새로운 기술은 beha에 의해 부과 된 제한을 극복하기위한 완벽한 도구입니다vioral 등급 척도. 환자는 등급 척도에 필요한 행동 변화를 일으키지 못함에도 불구하고 뇌 반응을 조절할 수 있습니다. Monti et al. 4 는 기능적 자기 공명 영상 (fMRI)이 의식 장애 (DOC)로 진단 된 5/54 명의 환자에서 운동 또는 공간 영상 작업을 상상하는 것과 관련된 혈액 산소 수준에 따른 반응의 자발적인 변화를 감지 할 수 있음을 입증했습니다. 그들 중 4 명은 이전에 MCS로 분류되었다. 따라서 소수의 경우에서 식물 상태에 대한 행동 기준을 충족시키는 환자는 잔여인지 기능과 심지어 의식 의식을 가지고 있습니다.
Electroencephalography (EEG) 기반 BCIs는 또한 상상력이나 운동 운동의 시도로 인한 뇌 활동을 감지 할 수 있습니다. 또한 사전 정의 된 tas를 자발적으로 수행하여 인식을 나타낼 수 있는지 여부를 결정할 수있는 다른 BCI 패러다임이 있습니다케이. EEG 기반 BCI는 fMRI 기반 평가와 관련하여 다른 장점이 있습니다. 예를 들어, 뇌파 시스템은 훨씬 비용 효율적이고 휴대 가능하며 환자의 머리맡에서 쉽게 사용할 수 있습니다. 주요 비 침습적 BCI 접근법에는 느린 피질 전위 (SCP), P300, 안정 상태 시각 잠재력 (SSVEP) 및 모터 이미지 (MI). SCP는 낮은 정보 전송 속도를 제공하고 광범위한 교육이 필요합니다 (Wolpaw 외 ) 5 , SSVEP는 시각적주의가 필요합니다. 따라서 두 가지 방법 모두이 프로토콜에서 사용되지 않습니다. P300 speller로, Ortner et al. 5 는 장애인을 위해 70 %의 정확도에 도달했습니다. 이 숫자는 결국 증가 할 수 있습니다. 예를 들어 Turnip et al. 7 은 적응 형 신경망 분류기를 사용하여 P300 분류 정확도를 향상 시켰습니다. 이 프로토콜을 위해 우리는 MI 외에도 촉각 및 청각 P300 접근법을 선택했습니다.그것들은 시력없이 사용될 수 있고 각각은 독특한 이점을 가지고있다. MI는 비 시각적 인 P300 BCI보다 빠른 통신을 제공 할 수 있지만 P300 BCI는 거의 훈련이 필요하지 않습니다. 따라서이 복합 BCI 프로토콜은 DOC 환자를위한 EEG 기반 BCI 접근법 전체를 구현할 수 있습니다. 또한 작업이 상대적으로 빠르고 반복되기 쉽기 때문에 DOC 환자의 잘못된 분류 횟수를 줄이기 위해 각 환자마다 다른 접근법을 반복적으로 탐구 할 수 있습니다.
청각 P300, 두 자극기가있는 진동 촉각 P300, 세 자극기가있는 진동 촉각 P300, 그리고 (iv) MI의 4 가지 다른 BCI 접근법이 탐구되었다.
패러다임 I 청각 P300 접근법은 비정상적인 자극 (1,000 Hz 경고음)이 더 많은 표준 자극 (500 Hz 경고음)의 기차 내에서 무작위로 분배되는 청각 괴상 패러다임을 사용합니다. 패러다임 ii에서, 자극은 진동 촉 자극기를 통해 전달된다.at는 왼쪽과 오른쪽 손목에 있습니다. 왼쪽 손목의 촉각이 표준 자극을 전달하고 오른쪽 손목의 촉각이 편차 (표적) 자극을 전달합니다. 패러다임 iii의 경우, 추가 자극기가 피사체의 오른쪽 발목이나 등의 중간과 같은 다른 위치에 배치됩니다. 이 자극기는 표준 자극의 기차를 전달하는 반면, 왼손 및 오른 손목의 두 자극기는 비정상적인 자극을 전달합니다. 두 개의 진동 촉각 패러다임으로 의식을 평가하기 위해 피검자는 다른 자극을 무시하면서 이어폰을 통해 각 자극을 하나의 손목으로 조용히 세도록 지시받습니다. 무작위 매커니즘은 왼손 또는 오른 손목을 선택할지 여부를 결정하며, 각 달리기에는 각각 30 회 시도가 네 세트 있으며 각 시도마다 새로운 목표 손이 있습니다.
파라다임 i, ii 및 iii에 대해 다음 신호 처리가 수행됩니다. 256 Hz의 샘플링 주파수를 사용하여 8 개의 EEG 채널을 수집합니다. 편향된 자극의 확률은 1/8이다. 암탉e, 각각의 비정상적인 자극에 대해 7 개의 표준 자극이있을 것이다. 각 실행에는 총 480 개의 자극이 있습니다. 패러다임 i의 실행은 7 분 20 초가 걸리지 만 패러다임 ii 및 iii의 실행은 2 분 30 초가 걸립니다. 환자가 각각의 비정상적인 자극을 조용히 계산하면 자극은 자극 발병 후 약 300 ms의 양성 피크 인 P300을 포함하여 몇 가지 ERP (Event-Related Potential)를 유도합니다. 각 경고음은 100ms 지속됩니다. 각 자극 시험을 위해 신호 처리를 위해 신호음이 울리기 전 100ms와 600ms의 창이 저장됩니다. 그런 다음 데이터를 12 배로 다운 샘플링하여 60 ms 후 자극 간격 동안 12 개의 샘플을 얻습니다. 마지막으로, 모든 샘플 시간 채널 피쳐는 선형 판별 분석 8에 입력되어 12 x 8 = 96 피쳐가됩니다. 정확도 플롯 ( 그림 1 및 2 )을 계산하기 위해 다음 절차를 10 번 반복하고 결과를 하나의 단일 플롯으로 평균화합니다. 이탈 및 표준 시험두 개의 동일한 크기의 풀에 임의로 할당됩니다. 하나의 풀은 분류자를 훈련시키는 데 사용되고, 다른 풀은 분류자를 테스트하는 데 사용됩니다. 분류기는 테스트 풀에서 평균화 된 자극의 증가하는 수에 대해 테스트됩니다. 처음에는 일탈적이고 일곱 가지 표준 자극 만 테스트합니다. 분류기가 편차 자극을 올바르게 감지하면 결과 정확도는 100 %이고 그렇지 않은 경우 0 %입니다. 3 개의 편차 자극과 21 개의 표준 자극에 대해 2 개의 평균 편차 자극과 14 개의 평균 표준 자극에 대해서도 동일하게 수행되며, 전체 시험 풀이 사용될 때까지 계속됩니다. 이것은 30 개의 단일 값의 플롯을 생성합니다 (테스트 풀에서 30 개의 편차가있는 자극에 대해). 각각 100 % 또는 0 %입니다. 10 개의 단일 플롯을 평균하면 0 %에서 100 % 사이의 값이됩니다. 자극의 평균이 데이터의 무작위 노이즈를 감소시키기 때문에 평균 자극 수를 늘리면 피사체가 작업을 수행 할 수있는 경우 정확도가 높아집니다. 확률 수준을 훨씬 능가하는 정확도 (12.5 %)는 피험자에서 P300 반응이 추출 될 수 있고 피험자의 뇌에서 반응이 나타났다는 것을 보여줍니다. 패러다임 i와 ii는 의식을 평가하는 데에만 사용할 수 있습니다. 평가 중에 도달 한 정확도가 40 %보다 높으면 패러다임 iii 또는 iv의 의사 소통을 계속 사용할 수 있습니다.
패러다임 iii의 의사 소통 과제에서, 피실험자는 "예"라고 답하거나 "아니오"라고 답하기를 원할 경우 왼편의 자극에 집중하기로 선택한다. 분류기는 사용자가 집중하고있는 손을 감지하고 대답을 표시합니다.
Paradigm iv는 각각 8 초 동안 1 초의 휴식으로 분리 된 120 개의 시행을 기록합니다.이 결과는 전체 세션 시간 중 10 초 120 = 18 분입니다. 패러다임 IV는 감각 운동 피질에 분포 된 16 개의 EEG 채널을 사용합니다. 샘플링 주파수는 256Hz입니다. 각 시험은 이어폰을 통해 제시되는 신호로 시작하여 피사체에 지시합니다.왼손 또는 오른손을 움직이는 것을 상상해보십시오. 왼쪽 및 오른쪽 명령 순서는 무작위로 지정됩니다. 신호 전처리의 경우 CSP (Common Spatial Patterns) 10 , 12 , 13의 방법 이 사용됩니다. 이 방법은 한 클래스의 분산을 최소화하면서 다른 클래스의 분산을 최대화하도록 설계된 공간 필터 세트를 산출합니다. 이 결과는 선형 판별 분석에 의해 분류 된 4 가지 특징을 제공합니다 8 . 전체 분류 절차는 건강한 사용자 (13) 훈련의 60 분 후 80.7 %의 그랜드 평균 분류 정확도를 보여주는 최근의 간행물에 자세히 설명되어 있습니다. 정확도 계산은 교차 검증을 통해 수행됩니다. 이는 데이터 샘플을 상보적인 하위 집합으로 분할하고 하나의 하위 집합 (학습 풀)에 대한 분석을 수행하고 다른 하위 집합 (tes팅 풀). 데이터를 풀로 분리하기 전에 아티팩트가 포함 된 시험이 거부됩니다. 시험 기간 중에 진폭의 절대 값이 100μV를 초과하면 시험은 인공물을 포함하는 것으로 간주됩니다. 정확도는주의 신호음이 울린 후 1.5 초, 재판이 끝날 때까지 0.5 초 간격으로 테스트 풀의 모든 동작에 대해 계산됩니다. 각 단계 및 각 시험에 대해 분류 결과는 100 또는 0 %입니다. 테스트 풀의 모든 테스트의 정확도는 각 단일 단계에 대해 평균화되어 0 %에서 100 % 사이의 정확도 수준을 나타냅니다. 마지막으로 교차 유효성 검사 결과의 10 번의 반복 평균이 정확도 플롯에 표시됩니다. 예제는 그림 3 과 4 에서 볼 수 있습니다. 플롯은 왼손 (노란색), 오른손 (파란색) 및 모든 움직임을 함께 (녹색) 이미징 이동을 위해 분리됩니다. 마젠타 색의 수평선은 신뢰 한계를 나타내며,ds는 분석에 사용 된 시도 횟수에 대한 것입니다. 총 재판 횟수에서 거부 된 재판 건수를 뺀 숫자입니다. 그것은 Clopper Pearson 방법 9를 사용하여 95 % 신뢰 구간을 보여줍니다. 해당 선 위의 정확도 수준은 결과가 통계적으로 유의미 함을 의미합니다 (알파 <0.05).
Protocol
이 프로토콜 내의 모든 단계는 헬싱키 선언의 원칙에 따릅니다.
1. 시스템 설치
- USB 케이블을 사용하여 소프트웨어를 실행하는 컴퓨터에 앰프를 연결하고 앰프를 켭니다.
- 하드웨어 동글을 컴퓨터의 빈 USB 슬롯에 연결하십시오.
참고 :이 소프트웨어를 실행하는 데 필요합니다. - 정전기 방지 손목띠를 환자의 손목에 착용하고 무료 전원 플러그에 연결하십시오.
참고 :이 밴드는 피사체를 땅에 접지시켜 뇌파 품질에 영향을 줄 수있는 잡음을 줄 이도록 설계되었습니다. - USB 케이블을 사용하여 드라이버 상자를 컴퓨터의 빈 슬롯에 연결하십시오.
- 다음과 같이 트리거 케이블을 드라이버 상자에 연결하십시오 :
- "g.STIMbox OUT 5"레이블이 붙은 커넥터를 드라이버 상자의 "OUT 5"에 연결하십시오.
- "g.STIMbox OUT 6"라벨이 붙은 커넥터를 드라이버 b의 "OUT 6"에 연결하십시오소.
- "g.STIMbox OUT 7"레이블이 붙은 커넥터를 드라이버 상자의 "OUT 7"에 연결하십시오.
- "g.USBamp DIO 1"레이블이 붙은 커넥터를 g.USBamp의 "DIG I / O 1"소켓에 연결하십시오.
- 드라이버 상자의 OUT 1, OUT 2 및 OUT 3에 세 개의 촉각기를 연결하십시오.
- "TRIG OUT"레이블이 붙은 커넥터를 오디오 트리거 어댑터 상자의 "TRIG OUT"소켓에 연결하십시오.
- 접착 테이프를 잡고 왼쪽 손목에 하나의 촉감, 오른쪽 손목에 다른 촉감, 오른쪽 발목에 세 번째 촉감을 고정하십시오.
- 남성 / 남성 오디오 커넥터 케이블을 컴퓨터의 오디오 출력과 "오디오 입력"이라고 표시된 오디오 트리거 어댑터 상자의 소켓에 연결하십시오. 오디오 트리거 어댑터 상자를 켜고 배터리 상태 LED가 녹색인지 확인하십시오.
- 소프트웨어를 시작하고 "의사 추가"라는 창을 관찰하십시오. 빈 필드에 제목, 이름, 기관 및 부서를 입력하십시오. 진부한k를 눌러 다른 창을 엽니 다.
- 환자 이름, 도시, 국가, 생년월일 및 체크인 날짜를 창에 입력하십시오.
- 프로그램의 오른쪽 하단에있는 파란색 화살표 아래에있는 녹색 "+"버튼을 클릭하십시오. "Name"필드에 "First test"라는 텍스트를 입력하고 "Details"필드에 "소프트웨어에 익숙해지기"라는 텍스트를 입력하십시오.
참고 : 프로그램을 진행하려면 빈 필드에 정보를 입력해야합니다. - 마지막으로 "이 환자 선택"버튼을 클릭하십시오.
- 전극 캡을 사용하여 16 개의 뇌파를 대상자의 머리에 연결하십시오. 확장 10-20 국제 시스템 (14)에있어서 FC3, FCZ, FC4, C5, C3, C1, CZ, C2, C4, C6, CP3, CP1, CPZ, CP2, CP4 및 년 Pz : 위치를 사용한다. 오른쪽 귓불에 기준 전극을 놓고 이마에 접지 전극을 놓습니다.
- 피사체의 머리에 캡을 올바르게 위치 시키려면,테이프 측정기를 사용하여 왼쪽 및 오른쪽 입체 점 사이의 거리뿐만 아니라 내전 및 입방 사이의 거리를 측정하십시오. 꼭지점 위치의 전극 Cz가이 두 거리의 중간 점에 있는지 확인하십시오. 전극 캡을 착용하고이 측정 된 위치를 전극 캡의 Cz 위치에 맞 춥니 다. 이제 전극 캡이 올바른 위치에 있습니다.
- 단계 1.12에서 설명한 설정에 따라 전극을 전극 연결 상자에 연결하십시오. 전극 연결 박스를 생체 신호 증폭기에 연결하고 앰프와 연결 박스가 켜져 있는지 확인하십시오.
- 피부와 전극 사이의 연결을 만들기 위해 전극에 충분한 전극 젤을 주사하십시오.
2. 청각 P300 평가
- 환자 정보를 입력 한 후 화면 왼쪽의 "Auditory P300"버튼을 클릭하십시오. 하단의 "평가"버튼을 클릭하십시오.평가 실행을 시작합니다.
- 뇌파의 신호 품질을 확인하십시오. 화면의 오른쪽에있는 두뇌의 이미지는 각 전극의 신호 품질에 대한 색상 코드화 된 가이드를 제공합니다. 빨간색은 불량 신호 품질, 노란색은 허용 가능한 신호 품질, 녹색은 양호한 신호 품질을 제공합니다.
- 설정 버튼을 통해 설정 메뉴를 열고 청각 신호음이 들리는 지 확인하십시오. 이 경고음을 두 가지 다른 주파수로 피사체에 제시하고 고주파수 신호음을 각각 세는 작업을 설명하십시오.
- 이어폰을 사용자의 귀에 넣고 시작 버튼을 클릭하십시오.
- 평가 작업이 끝나면 결과 페이지와 정확도 플롯을 확인하십시오 ( 그림 1 과 2 ). 정확도가 40 % 미만이면 반복하십시오.
참고 : 피검사자의 정확도가 40 % 미만인 경우 적어도 패러다임 및 기록 세션에서는 신뢰할 수있는 통신이 불가능합니다. 그럼에도 불구하고 다른접근 방식 및 / 또는 다른 시간에 다른 결과를 얻을 수 있습니다.
3. 2 개의 자극 장치를 사용한 진동 촉각 P300 평가
- 화면의 왼쪽에있는 "Vibrotactile 2 Tactor " 버튼을 클릭하십시오. 그런 다음 평가 실행을 시작하려면 오른쪽 하단의 "평가"버튼을 클릭하십시오. 2.2 단계를 반복하십시오.
- 설정 버튼을 통해 설정 메뉴를 열어 촉각의 진동을 느낄 수 있는지 확인하십시오. 피검자에게 좌우 손목에 진동을 느끼게 할 것. 작업은 왼쪽 손목에 진동 자극의 수를 세는 것입니다. 안내 뒤에 시작 버튼을 클릭하십시오.
- 평가 실행이 끝나면 결과 페이지와 정확도 플롯을 확인하십시오. 정확도가 40 % 미만이면 반복하십시오.
참고 : 피검사자의 정확도가 40 % 미만인 경우 적어도 패러다임 및 기록 세션에서는 신뢰할 수있는 통신이 불가능합니다. 그럼에도 불구하고, 엉덩이다른 접근법 및 / 또는 다른 시간에 다른 결과를 산출 할 수있다.
4. 3 개의 자극 장치를 사용한 진동 촉각 P300 평가
- 화면 왼쪽에있는 "Vibrotactile 3 Tactor"버튼을 클릭하고 오른쪽 하단에있는 "Assessment"버튼을 클릭하여 평가 작업을 시작하십시오.
- 2.2 단계를 반복하십시오. 설정 버튼을 통해 설정 메뉴를 열어 촉각의 진동을 느낄 수 있는지 확인하십시오.
- 피검자에게 좌우 손목과 오른쪽 발목에 진동을 느끼게하고 헤드폰을 통해 "LEFT"또는 "RIGHT"명령을 듣게하십시오. 다음 명령이 나타나거나 달리기가 끝날 때까지 선택한 손의 자극을 계산하도록 대상에게 요청하십시오.
참고 : "왼쪽"은 피검자가 왼쪽의 진동 자극을 계산해야한다는 것을 의미하고 "오른쪽"은 피실험자에게 오른쪽 손목의 자극을 계산하도록 지시하는 것을 의미합니다. 이어폰을 피사체의 귀에 연결하고 시작 버튼을 클릭하십시오. - 평가가 끝나면 결과 페이지와 정확도 플롯을 확인하십시오. 정확도가 40 % 미만이면 반복하십시오.
참고 : 피검사자의 정확도가 40 % 미만인 경우 적어도 패러다임 및 기록 세션에서는 신뢰할 수있는 통신이 불가능합니다. 그럼에도 불구하고 다른 접근법 및 / 또는 다른시기의 평가는 다른 결과를 가져올 수 있습니다.
5. 3 개의 자극기와의 진동 촉각 P300 통신
- 화면 왼쪽의 "Vactactactile 3 Tactor"버튼을 클릭하십시오. 하단의 "통신"버튼을 클릭하여 통신을 시작하십시오.
- 2.2 단계를 반복하십시오. 설정 버튼을 통해 설정 메뉴를 열고 촉각의 진동을 느낄 수 있는지 확인하십시오. 설정 메뉴에서 가장 높은 정확도 수준으로 분류자를 선택하십시오. 일반적으로이 분류 기준은시스템에 의해 결정된 최고 정확도 레벨.
- 피검자에게 좌우 손목과 오른쪽 발목에 진동을 느끼게 할 것. 질문을 듣고 "예"또는 "아니오"로 대답해야한다는 제목을 알려주십시오. "예"라고 대답하려면 피검자에게 왼손의 자극을 세도록 부탁하십시오. "아니오"라고 대답하려면 피검자에게 오른손의 자극을 계산하도록 요청하십시오.
- 환자에게 "예"또는 "아니오"로 대답 할 수있는 질문을하십시오. 그 후에 "새 질문 시작"버튼을 클릭하십시오 .
참고 : 시퀀스가 완료되면 소프트웨어에서 해답을 제시합니다. "예", "아니오"또는 대답 없음 (소프트웨어가 뇌 패턴을 정확하게 탐지하지 못한 경우) 일 수 있습니다.
6. MI 평가
- 화면 왼쪽의 "Motor Imagery"버튼을 클릭하십시오. 에서 "평가"버튼을 클릭하십시오.오른쪽 하단에 평가 실행을 시작합니다.
- 2.2 단계를 반복하십시오. 설정 버튼을 통해 설정 메뉴를 열고 이어폰을 통해 오디오 명령을들을 수 있는지 확인하십시오.
- 피사체에 경고음이 들리도록 지시하고 "LEFT"또는 "RIGHT"중 하나를 선택하십시오. "왼쪽"명령 다음에 왼손으로 공을 짜내고 "오른쪽"명령 다음에 오른손으로 공을 쥐어 짜도록 지시하십시오. 피사체가 "RELAX"명령을 듣자 마자 짜내기를 상상할 수 없도록하십시오.
참고 : 총 60 개의 명령이 무작위 순서로 재생됩니다. - 8 분 동안 계속 주행하십시오. 약 4 분 후 일시 중지 단추를 클릭하고 약 1 분 동안 기다린 다음 실행을 계속하십시오.
참고 : 일시 중지는 피험자가 계속해서 집중력을 유지할 수 있도록 설계되었습니다. - 평가 후 결과 페이지와 정확도 플롯을 확인하십시오 (그림 3과 4).
아니E : 정확도 수준이 유의 수준보다 낮 으면 실행을 반복하십시오. 정확도가이 유의 수준보다 낮 으면 패러다임 및 녹음 세션과 관련하여 신뢰할 수있는 통신이 가능하지 않습니다. 그럼에도 불구하고 다른 접근법 및 / 또는 다른시기의 평가는 다른 결과를 가져올 수 있습니다.
7. MI 커뮤니케이션
- 화면 왼쪽의 "Motor Imagery"버튼을 클릭하십시오. 통신 실행을 시작하려면 왼쪽 하단에있는 "통신"버튼을 클릭하십시오. 2.2 단계를 반복하십시오.
- 설정 버튼을 사용하여 설정 메뉴를 열고 분류 정확도가 가장 높은 분류기를 선택하십시오.
- 비프 음이 울린 후 이전에 질문 한 질문에 대한 답을 제공 할 수 있다고 말하십시오. "예"라고 말하면 환자는 왼손으로 공을 쥐어 짜라고 상상해보십시오. "아니오"라고 말하면, 환자는 오른쪽으로 공을 쥐어 짜는 것을 상상해야합니다.과.
- 환자에게 "예"또는 "아니오"로 대답 할 수있는 질문을하십시오. 그 후에 "새 질문 시작"버튼을 클릭하십시오 .
참고 : 시퀀스가 완료되면 소프트웨어가 응답을 표시합니다 ( 그림 5 ). "예"또는 "아니오"중 하나 일 수 있습니다.
Representative Results
그림 1 & 2 는 두 가지 P300 평가 실행 (패러다임 i, ii 및 iii)의 결과를 보여줍니다. 그림 1 에서 정확도는 100 %에 도달했습니다. 따라서 피험자의 뇌는 성공적인 업무 완료를 분명하게 나타 냈습니다. 그림 2 에서 정확도는 12.5 %의 기회 수준 부근에서 변동합니다. 작업에 대한 신뢰할 수있는 뇌 반응은 감지되지 않았습니다. 정확도가 떨어지면 모든 전극과 커넥터에서 뇌파 신호 품질을 다시 확인하는 것이 좋습니다. 정확도가 12.5 % 인 결과는 EEG는 얻지 않고 단순히 백색 잡음 만 얻으면 나타납니다. 정확도가 시험 횟수에 따라 증가하지만 40 %보다 높지 않으면 약한 뇌 반응 만이 발견됩니다. 이 경우 원시 데이터 범위를 사용하여 신호의 아티팩트를 조사하는 것이 좋습니다. 다른 날, 다른 시간에 절차를 반복하는 것이 좋습니다. 환자는다른 시간에 더 반응하고 더 나은 결과를 생성합니다.
그림 3 & 4 는 패러다임 4의 대표적인 결과를 보여준다. 유의 수준은 마젠타 색 선으로 표시됩니다. 빨간색 수직선은 명령 시작 시간을 표시합니다. 명령이 표시되기 전에 (빨간색 수직선) 두 플롯의 정확도는 약 50 %입니다. 이때 환자는 명령이 "LEFT"또는 "RIGHT"인지 여부를 알지 못하므로 올바른 상상력을 발휘할 수 없습니다. 그림 3 에서 명령 제시 후 정확도가 90 % 이상으로 증가합니다. 이것은 그가 무작위 명령을 수행 할 수 있었기 때문에 그 사람이 의식적으로 알고 있다는 것을 의미합니다. 그림 4 에서 분류 정확도는 약 50 % 변동합니다. 이는 시스템이 제시된 명령에 따라 MI를 감지하지 못했음을 의미합니다. MI 패러다임은 BCI에서 도전적 일 수 있습니다.이 esearch은하지 이후의 모든 사용자는 훈련없이 MI BCI를 제어 할 수 있으며, 소수도 훈련 (11)와 제어를 달성 할 수 없다. 따라서이 경우 정확도가 낮 으면 환자가 최소한 훈련없이 MI를 통해 BCI를 제어 할 수 없다는 것을 의미 할 수 있습니다. 또한 위에서 설명한 것처럼 나쁜 결과가 나면 신호 품질을 확인하는 것이 좋습니다.
그림 5 는 패러다임 iii 및 iv로 수행 할 수있는 통신 실행의 결과를 보여줍니다. 렌즈는이 예에서 "예"인 감지 된 대답을 표시합니다. 대답이 '아니요'인 경우 렌즈가 '아니요'로 이동합니다. 시스템이 응답을 감지 할 수 없으면 렌즈는 두 가지 가능한 대답의 중간에있게됩니다. 렌즈가 답변 중간에 있으면 잘못된 분류기를 선택했을 수 있습니다. 설정 창에서 다른 분류자를 사용하는 것이 좋습니다.
그림 1. 패러다임 i, ii, & iii에 대한 정확도 플롯.
우수한 성능으로 정확도가 100 %에 도달합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 2. 패러다임 i, ii, & iii에 대한 또 다른 정확도 플롯.
이번에는 브래지어가 없습니다. 응답으로 시스템에서 감지 할 수 있습니다. 따라서 정확도는 12.5 %의 기회 수준 부근에서 변동합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 3. Paradigm iv (MI)의 정확도 플롯.
이 예제에서는 정확도가 90 %를 초과합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 4. Paradigm iv (MI)의 정확도 플롯.
뇌 반응은 시스템에 의해 감지 될 수 없었다. 따라서 정확도는 50 %의 기회 수준 부근에서 변동합니다.ttp : //ecsource.jove.com/files/ftp_upload/53639/53639fig4large.jpg "target ="_ blank ">이 그림의 확대 버전을 보려면 여기를 클릭하십시오.
그림 5. 통신 태스크의 결과.
렌즈는 감지 된 대답을 "예"라고 표시합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
Discussion
여러 그룹의 선행 연구에 따르면 일부 DOC 환자는 행동을 기반으로 한 평가가 다르게 제시한다고 할지라도 fMRI 또는 EEG 기반 평가를 통해 의식적인 인식을 나타낼 수 있습니다. 따라서보다 정확하게 의식 의식을 평가하고 의사 소통을 제공 할 수있는 새로운 시스템과 패러다임에 대한 분명한 요구가 있습니다. 이상적으로,이 시스템은 저렴하고 휴대 가능하며 실제 설정에서 잡음에 강하고 사용하기 쉽습니다 (환자와 시스템 운영자 모두).
여기에 제시된 프로토콜과 시스템은 DOC를 가진 사람의 의식 수준을 평가하고 언어, 눈 활동 또는 근육 조절이 필요한 다른 작업을 통해 의사 소통 할 수없는 사람들을위한 새로운 의사 소통 경로를 수립하는 것을 돕는 두 가지 목적을 제공합니다. 프로토콜 내의 패러다임은 첫 번째 단계에서 기본 응답을 테스트하도록 설계되었습니다. 예상되는 기본 뇌 반응이 감지되면 더 멀리 나아갈 수 있습니다.더 복잡한 패러다임은 3 개의 촉감과 MI가있는 진동 촉성 P300입니다. 이 두 패러다임은 통신 채널을 확립하는 데에도 사용될 수 있습니다. EEG 신호 품질은 이러한 모든 프로토콜에서 중요합니다. 때때로 뇌파 데이터는 노이즈와 구별 될 수 없습니다. 시끄러운 데이터를 인식하고 관리하려면 뇌파 분석에 대한 경험이 필요합니다.
신뢰할 수없는 것 외에도 현재의 표준 평가 방법은 시간이 많이 걸리고 전문가 팀이 필요합니다. 따라서 환자는 의식이있는 인식이 다른 시간대에 급격히 변동 할 수 있지만 종종 한 번만 평가됩니다. 여기에 제시된 프로토콜은 여러 번 쉽게 반복 될 수 있습니다. 의식이있는 인식을 나타내지 않는 환자는 다른 시간에 다른 결과를 낼 수 있습니다. 또한, 각 통신 시도가 피험자가 현재 의식 상태에 있음을 확인하기 전에 단일 평가 실행을 수행 할 수 있습니다.
Anoth프로토콜에서 다른 패러다임을 구현하는 이유는 어떤 사람들은 한 패러다임으로는 성능이 좋지 않지만 다른 패러다임에서는 잘 수행 할 수 있기 때문입니다. 마찬가지로, 사람들은 자신이 더 쉽게 보이기 때문에 하나의 패러다임을 선호 할 수 있습니다. 다양한 패러다임으로 다양한 옵션을 탐색 한 후 환자는 선호하는 방식을 선택할 수 있습니다. 이것은 커뮤니케이션 효능 및 사용자 만족도를 높이기 위해 여러 가지 통신 옵션을 제공하는 "하이브리드"BCI 접근 방식과 일치합니다.
정확도 플롯과 올바른 분류의 백분율 수준을 조합하면 패턴 인식 알고리즘이 작업 중에 다른 두뇌 상태를 얼마나 잘 구분할 수 있는지를 반영하는 객관적인 결과를 얻을 수 있습니다. 그러므로 뇌 패턴이나 평균 응답에 대한 주관적 해석이 필요하지 않습니다.
3 명의 촉각자와의 진동 촉각 통신은 6 명의 만성 잠김 된 환자ts 15 . 의사 소통 중 평균 정확도는 55.3 % 였고 모두 12.5 %의 확률 이상이었습니다. MI 통신 작업은 20 명의 건강한 사용자 그룹 13 에서 테스트되었으며 평균 정확도는 약 80 %입니다. 스물 명 중 한 명만이 확률 수준 이하의 통제 정확도를 가졌습니다.
정확성이 떨어지거나 완전한 세션이더라도 뇌의 반응이 없거나 의식이 없음을 최종적으로 증명하지는 않습니다. 그것은 단지 시스템이 자발적인 뇌 반응을 감지 할 수 없다는 것을 의미합니다. 이것은 신호 품질이 좋지 않거나 듣기 어려움이나 작업 지시를 이해하기가 어렵거나 또는 소수의 피실험자가 작업 수행에도 불구하고 원하는 EEG 활동을 생성 할 수 없기 때문에 발생할 수 있습니다.
우리 그룹과 다른 사람들의 사전 연구와 일관되게 제시된 연구 결과에 따르면,뇌 영상 기술을 가진 DOC로 고통받는 환자의 의식 수준. fMRI는 환자의 현재 뇌 활동을 추적하는 유용한 기술이기도합니다. 자극 된 잠재력뿐만 아니라 모터 이미지 및 기타 작업을 유발하는 이상한 패러다임은 fMRI 17 , 18에 의해 추적 될 수있는 혈역학 반응을 생성 할 수 있음이 나타났습니다. fMRI와 비교하여 EEG는 주목할만한 장점이 있습니다. EEG 기반 도구는 비용이 많이 들고 휴대가 불가능하고 상당한 전문 지식을 필요로하는 장비없이 머리맡에 적용 할 수 있습니다. 환자를 스캐너로 옮기고 스캐너에서 나오는 소음은 환자에게 스트레스가 될 수 있습니다. 근적외선 분광법 (Near infrared spectroscopy, NIRS)은 휴대용이며 뇌파보다 약간 더 나은 공간 해상도를 가질 수 있지만 시간 분해능은 더 낮습니다 19 . NIRS는 MI 20 , 21 을 모니터링하는데 적합하지만 evote pote에는 적합하지 않습니다.사례. 예를 들어, Naseer와 홍콩 (22)는 MI-BCI는 fNIRS를 사용하는 높은 분류 정확도를 보여 주었다. 각각 50 초의 시련으로 왼손잡이 MI는 77.35 %, 오른팔 MI는 83 %를 달성했습니다. EEG 기반 BCI의 경우 Guger et al. 23 에서는 99 세션 중 약 20 %가 80 % 이상의 정확도에 도달했으며 99 세션 중 70 %가 60 % 이상의 정확도에 도달했습니다. Ortner et al. CSP 방법을 사용하여 약 80 %의 평균 최고 정확도를 보였다. 이 방법은 Guger 및 동료들에게서 사용 된 전극보다 더 많은 EEG 전극을 필요로하지만, 정확도가 더 높아진다. CSP 방법을 사용하여, Ramoser et al. 23 은 18 - 56에서의 전극 증가가 성능을 크게 향상시키지 않는다는 것을 입증했다. 우리는 따라서 우리의 방법에서 선택된 16 개의 전극이 충분하다고 결론을 내린다. 최근 Coyle et al . DOC patie에서 MI 분류 및 교육을 위해 CSP 사용nts 16 . 4 명의 모든 피실험자는 평가 중에 유의하고 적절한 뇌 활성화를 나타냈다.
하이브리드 NIRS-EEG BCI를 통해 MI를 평가하면 Khan 등이 높은 분류 정확도를 나타낼 수 있습니다 . 20 명이 나타났다. 이것은 추가적인 미래 영상 도구가 장치의 복잡성과 비용을 증가 시키지만 유망한 미래 방향이 될 수 있습니다.
여기에 제시된 프로토콜은 DOC 환자의 EEG 신호 내에서 뇌 반응을 평가하는 비교적 쉬운 도구를 제공합니다. 이러한 분류 결과를 해석하고 약물, 치료 또는 기타 의학적 치료법을 변경하기 위해서는 여전히 의학 전문가가 필요합니다. 이 방법의 향후 방향은보다 많은 자유도를 사용하는보다 진보 된 자극 기법 일 수 있습니다. 예를 들어, "예"또는 "아니오"라고 말하는 도구 만 제공하는 대신 장래의 장치가 더 많은 가능한 답을 허용 할 수 있습니다rs 하나의 질문. 추가 단계에서 컨텍스트 기반 응답을 사용할 수도 있습니다. 예를 들어, 환자가 음악 플레이어를 실행 중이면 사운드 레벨을 제어하거나 다음 노래로 전환 할 수있는 가능성을 제공 할 수 있습니다. 또한 MI 패러다임은 DOC 환자에서 검사해야합니다.
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).
