Abstract
Dans cette expérience, nous démontrons une suite de paradigmes hybrides de l'interface cerveau-informatique (BCI) conçus pour deux applications: évaluer le niveau de conscience des personnes incapables de fournir une réponse motrice et, dans une deuxième étape, établir un canal de communication Pour ces personnes qui leur permettent de répondre à des questions avec «oui» ou «non». La suite de paradigmes est conçue pour tester les réponses de base dans la première étape et pour continuer à des tâches plus complètes si les premiers tests réussissent. Ces dernières tâches nécessitent plus de fonctions cognitives, mais elles peuvent fournir une communication, ce qui n'est pas possible avec les tests de base. Tous les tests d'évaluation produisent des parcelles de précision qui montrent si les algorithmes ont pu détecter la réponse du cerveau du patient aux tâches données. Si le niveau de précision dépasse le niveau de signification, nous supposons que le sujet a compris la tâche et a pu suivre la séquence des commandes pRessenti par des écouteurs sur le sujet. Les tâches exigent des utilisateurs de se concentrer sur certains stimuli ou d'imaginer le déplacement de la main gauche ou droite. Toutes les tâches sont conçues autour de l'hypothèse que l'utilisateur est incapable d'utiliser la modalité visuelle, et ainsi, tous les stimuli présentés à l'utilisateur (y compris les instructions, astuces et commentaires) sont auditifs ou tactiles.
Introduction
Le diagnostic des patients dans l'état végétatif (VS) ou l'état conscient minimal (MCS) est difficile et des erreurs de classement se produisent souvent. Une étude menée en 2009 a comparé l'exactitude du diagnostic entre le consensus clinique et une évaluation neuro-comportementale 1 . Sur 44 patients diagnostiqués avec VS basés sur le consensus clinique de l'équipe médicale, 18 (41%) se sont révélés dans MCS après une évaluation standardisée avec la révision de la récupération de Coma révisée (CRS-R). Ce résultat est conforme aux études antérieures, ce qui montre que 37 à 43% des patients diagnostiqués avec VS ont montré des signes de sensibilisation 2 , 3 . Les échelles de classification sont basées sur des observations comportementales ou sur des évaluations des fonctions auditives, visuelles, verbales et motrices, ainsi que des niveaux de communication et d'éveil. Les nouvelles technologies qui pourraient ajouter des données d'activité cérébrale sont un outil parfait pour surmonter les restrictions imposées par BehaÉchelles de classification Vioral. Les patients peuvent moduler leurs réponses cérébrales malgré leur incapacité à produire les changements de comportement requis pour l'échelle de notation. Monti et al. 4 ont démontré que l'imagerie par résonance magnétique fonctionnelle (fMRI) pouvait détecter des changements volontaires dans les réponses dépendantes du niveau d'oxygénation du sang, qui sont liées à l'imagerie des mouvements moteurs ou des tâches d'imagerie spatiale, dans 5/54 patients diagnostiqués avec un trouble de la conscience (DOC). Quatre d'entre eux avaient déjà été classés dans MCS. Ainsi, dans une minorité de cas, les patients qui répondent aux critères comportementaux pour un état végétatif ont une fonction cognitive résiduelle et même une prise de conscience.
Les BCI à base d'électroencéphalographie (EEG) peuvent également détecter l'activité cérébrale résultant de l'imagination ou de la tentative de mouvements moteurs. Il existe également d'autres paradigmes BCI qui peuvent déterminer si une personne peut se faire connaître en suivant volontairement un tas prédéfiniK. Les BCI basées sur EEG ont d'autres avantages par rapport aux évaluations basées sur l'IRMF. Par exemple, les systèmes EEG sont beaucoup plus rentables et portables, et ils peuvent être facilement utilisés au chevet du patient. Les approches majeures non-invasives de BCI incluent les Potentiels Corps Lents (SCP), les P300, les Potentiels Visuels à l'état Stable (SSVEP) et le Moteur Imagerie (MI). Les SCP ont fourni de faibles taux de transfert d'information et nécessitent une formation approfondie (voir Wolpaw et al. ) 5 , tandis que les SSVEP nécessitent une attention visuelle. Les deux approches ne sont donc pas utilisées dans ce protocole. Avec un speller P300, Ortner et al. 5 ont atteint une précision de 70% pour les personnes handicapées. Ce nombre pourrait éventuellement être augmenté. Par exemple, Turnip et al. 7 ont amélioré leur précision de classification P300 en utilisant un classificateur de réseau neuronal adaptatif. Pour ce protocole, nous avons choisi des approches tactiles et auditives P300 en plus de l'IM parce que les deuxIls peuvent être utilisés sans vision et chacun présente des avantages uniques. L'IM peut fournir une communication plus rapide qu'un BCI non visuel P300, alors que les BCI P300 nécessitent très peu d'entraînement. Par conséquent, ce protocole hybride BCI peut implémenter une gamme complète d'approches BCI basées sur EEG pour les patients DOC. En outre, étant donné que les tâches sont relativement rapides et faciles à répéter, différentes approches pourraient être explorées à plusieurs reprises avec chaque patient afin de diminuer le nombre de classifications incorrectes des patients DOC.
Quatre approches BCI différentes ont été explorées: (i) P300 auditif, (ii) P300 vibrotactile avec deux stimulateurs, (iii) P300 vibrotactile avec trois stimulateurs, et (iv) MI.
L'approche du paradigme i auditive P300 utilise un paradigme audacieux de bizarrerie, dans lequel des stimuli déviants (1000 Hz bips) sont répartis au hasard dans un train de stimuli standard plus probable (bips de 500 Hz). Dans le paradigme ii, les stimuli sont délivrés par des stimulateurs vibrotactiles thSont placés sur les poignets gauche et droit. Le tact sur le poignet gauche délivre les stimuli standard, et le tact sur le poignet droit fournit les stimuli déviants (cible). Pour le paradigme iii, un stimulateur supplémentaire est placé sur la cheville droite du sujet, ou sur un autre endroit, comme le milieu du dos. Ce stimulateur offre un train de stimuli standard, tandis que les deux stimulateurs du poignet gauche et droit délivrent tous deux des stimuli déviants. Pour évaluer la conscience avec les deux paradigmes vibrotactiles, le sujet est raconté par des écouteurs pour compter silencieusement chaque stimulus sur un poignet tout en ignorant d'autres stimuli. Un mécanisme aléatoire décide de choisir le poignet gauche ou droit et chaque série a quatre ensembles de 30 essais chacun, avec une nouvelle main cible pour chaque essai.
Le traitement de signal suivant est effectué pour les paradigmes i, ii et iii: huit canaux EEG sont acquis à l'aide d'une fréquence d'échantillonnage de 256 Hz. La probabilité d'un stimulus déviant est de 1/8; HencE, il y aura sept stimuli standard pour chaque stimulus déviant. Chaque course a 480 stimuli total. Une séquence de paradigme je prend 7 min 20 s, alors que chaque parcours de paradigmes ii et iii prend 2 min 30 s. Si le patient compte silencieusement chaque stimulus déviant, ces stimuli suscitent plusieurs potentiels liés à l'événement (ERP), y compris le P300, un pic positif d'environ 300 ms après le déclenchement du stimulus. Chaque bip dure 100 ms. Pour chaque essai de stimulation, une fenêtre de 100 ms avant et 600 ms après que le bip est mémorisé pour le traitement du signal. Les données sont ensuite abaissées par un facteur 12, ce qui donne 12 échantillons pour l'intervalle post-stimulus de 60 ms. Enfin, toutes les fonctionnalités de canal de temps d'échantillonnage sont entrées dans une analyse de discriminant linéaire 8 , ce qui donne des caractéristiques de 12 x 8 = 96. Pour calculer le parcours de précision ( Figure 1 et 2 ), la procédure suivante est répétée dix fois, et les résultats sont calculés en moyenne sur un même graphique. Les essais déviants et standardSont répartis au hasard dans deux pools de taille égale. Un pool est utilisé pour former un classificateur, et l'autre pool sert à tester le classificateur. Le classificateur est testé sur un nombre croissant de stimuli moyennés hors du pool d'essai. Au début, il est testé sur un seul déviant et sept stimuli standard. Si le classificateur a détecté correctement le stimulus déviant, la précision qui en résulte est de 100%, et il en est de 0%. Il en est de même pour 2 stimuli déviants moyennés et 14 stimuli standard moyennés, pour 3 stimuli déviants et 21 stimuli standard, et ainsi de suite jusqu'à ce que le groupe test complet soit utilisé. Cela produit un graphique de 30 valeurs individuelles (pour 30 stimuli déviants dans le pool d'essai), chacun soit 100% ou 0%. La moyenne de 10 parcelles individuelles donne des valeurs allant de 0% à 100%. L'augmentation du nombre de stimuli en moyenne augmentera la précision si le sujet peut suivre la tâche, car la moyenne des stimuli réduit le bruit aléatoire dans les données. Une précision significativement au-delà du niveau de chance (12.5%) montre qu'une réponse P300 peut être provoquée sur le sujet et qu'une réponse dans le cerveau du sujet est apparue. Les paradigmes i et ii ne peuvent être utilisés que pour évaluer la conscience. Si la précision atteinte au cours de l'évaluation est supérieure à 40%, on peut continuer à utiliser la communication du paradigme iii ou iv.
Dans la tâche de communication du paradigme iii, le sujet choisit de se concentrer sur les stimuli sur le côté gauche s'il veut répondre "OUI" ou sur le côté droit pour répondre "NON". Le classificateur détecte à quelle main l'utilisateur se concentre et présente la réponse.
Paradigm iv enregistre 120 essais, dont chacun dure 8 s, séparé par 1 s breaks.This résulte en 10 sx 120 = 18 min de temps total de session. Paradigm iv utilise 16 canaux EEG répartis sur le cortex sensorimoteur. La fréquence d'échantillonnage est de 256 Hz. Chaque essai commence par un signal, présenté par écouteurs, qui indique le sujetPour imaginer le déplacement de la main gauche ou droite. La séquence des instructions à gauche et à droite est randomisée. Pour le prétraitement du signal, on utilise la méthode des Patterns Spatiaux Communs (CSP) 10 , 12 , 13 . Cette méthode produit un ensemble de filtres spatiaux conçus pour minimiser la variance d'une classe tout en maximisant la variance pour l'autre classe. Il en résulte quatre caractéristiques, qui sont classées par l'analyse discriminante linéaire 8 . L'ensemble de la procédure de classification est décrite en détail dans une publication récente, montrant une grande précision de classification moyenne de 80,7% après seulement 60 minutes de formation chez les utilisateurs en bonne santé 13 . Le calcul de la précision se fait via une validation croisée. Il s'agit de partitionner un échantillon de données en sous-ensembles complémentaires, d'effectuer l'analyse sur un sous-ensemble (pool de formation) et de valider l'analyse sur l'autre sous-ensemble (tesTing pool). Avant la séparation des données dans les pools, les essais contenant des artefacts sont rejetés. Un essai est considéré comme contenant des artefacts si la valeur absolue de l'amplitude dépasse 100 μV à tout moment pendant l'essai. La précision est calculée pour tous les mouvements dans le pool d'essai dans un délai de 1,5 s après que l'intérêt a bip jusqu'à la fin de l'essai, par étapes de 0,5 s. Pour chaque étape et chaque essai, le résultat de la classification est de 100 ou de 0%. L'exactitude de tous les essais du pool d'essai est ensuite calculée en moyenne pour chaque étape unique, ce qui donne des niveaux de précision compris entre 0% et 100%. Enfin, la moyenne de dix répétitions des résultats de validation croisée est indiquée dans la parcelle de précision. Des exemples peuvent être vus dans les figures 3 et 4 . Les parcelles sont séparées pour le mouvement d'image dans la main gauche (jaune), la main droite (bleu) et tous les mouvements ensemble (vert). La ligne horizontale en magenta représente la limite de confiance, qui dépendDs sur le nombre d'essais utilisés pour l'analyse. Il s'agit du nombre d'essais totaux moins le nombre d'essais rejetés. Il montre l'intervalle de confiance à 95% en utilisant la méthode 9 de Clopper Pearson. Un niveau de précision au-dessus de cette ligne signifie que le résultat est statistiquement significatif (alpha <0,05).
Protocol
Toutes les étapes de ce protocole sont conformes aux principes de la déclaration d'Helsinki.
1. Configuration du système
- À l'aide d'un câble USB, connectez l'amplificateur à l'ordinateur exécutant le logiciel et allumez l'amplificateur.
- Connectez le dongle matériel à un emplacement USB gratuit dans l'ordinateur.
REMARQUE: ceci est nécessaire pour exécuter le logiciel. - Mettez le bracelet antistatique sur le poignet du sujet et connectez-le à une prise de courant libre.
REMARQUE: Cette bande est conçue pour aider à répartir le sujet sur la terre pour réduire le bruit qui peut influencer la qualité EEG. - Connectez la boîte de commande avec le câble USB à une fente gratuite de l'ordinateur.
- Connectez le câble de déclenchement à la boîte de commande comme suit:
- Connectez le connecteur "g.STIMbox OUT 5" à "OUT 5" de la boîte de commande.
- Connectez le connecteur "g.STIMbox OUT 6" à "OUT 6" du pilote bbœuf.
- Connectez le connecteur "g.STIMbox OUT 7" à "OUT 7" de la boîte de commande.
- Connectez le connecteur "g.USBamp DIO 1" à la prise "DIG I / O 1" du g.USBamp.
- Connectez les trois tactors à OUT 1, OUT 2 et OUT 3 de la boîte de commande.
- Connectez le connecteur "TRIG OUT" à la prise "TRIG OUT" de la cassette audio.
- Prenez un ruban adhésif et fixez un tact sur le poignet gauche, un autre sur le poignet droit et un troisième sur la cheville droite.
- Connectez un câble de connecteur audio mâle / mâle à la sortie audio de l'ordinateur et à la prise de la boîte d'adaptateur de déclenchement audio qui est intitulée "AUDIO IN". Allumez la boîte de l'adaptateur de déclenchement audio et vérifiez si la LED d'état de la batterie est verte.
- Démarrez le logiciel, observez une fenêtre appelée «Ajouter un médecin». Tapez le titre, le nom, l'institution et le département dans les champs vides. ClicK sur "Ajouter" pour ouvrir une autre fenêtre.
- Entrez le nom du patient, la ville, le pays, la date de naissance et la date d'arrivée dans la fenêtre.
- Cliquez sur le bouton vert "+" sous la flèche bleue dans la partie inférieure droite du programme. Entrez le texte «Premier test» dans le champ «Nom» et «Familiariser avec le logiciel» dans le champ «Détails» vide.
REMARQUE: il est nécessaire d'entrer des informations dans tous les champs vides afin de procéder au programme. - Enfin, cliquez sur le bouton "Sélectionner ce patient".
- Fixez 16 canaux EEG à la tête du sujet en utilisant un capuchon d'électrode. Utilisez les positions: FC3, FCz, FC4, C5, C3, C1, Cz, C2, C4, C6, CP3, CP1, CPz, CP2, CP4 et Pz selon le système international 10-20 étendu 14 . Placez une électrode de référence sur le lobe de l'oreille droite et une électrode de masse sur le front.
- Pour positionner correctement le capuchon sur la tête du sujet,Utilisez un ruban à mesurer pour mesurer la distance entre le nasion et l'inion, ainsi que la distance entre les points préauriculaires gauche et droit. Assurez-vous que l'électrode dans la position vertex, Cz, soit au milieu de ces deux distances. Mettez le bouchon de l'électrode et alignez cette position mesurée avec la position Cz du bouchon de l'électrode. Le bouchon de l'électrode est maintenant dans la position correcte.
- Connectez les électrodes à la boîte de connexion de l'électrode, en suivant l'installation décrite à l'étape 1.12. Connectez la boîte de connexion de l'électrode à l'amplificateur biosignal et assurez-vous que l'amplificateur et la boîte de connexion sont allumés.
- Injectez suffisamment de gel d'électrode dans les électrodes pour créer une connexion entre la peau et les électrodes.
2. Évaluation auditive P300
- Après avoir entré les informations du patient, cliquez sur le bouton "Auditive P300" sur le côté gauche de l'écran. Cliquez sur le bouton "Évaluation" sur le fond riGht pour lancer l'évaluation.
- Vérifiez la qualité du signal de l'EEG. L'image avec le cerveau sur le côté droit de l'écran fournit un guide codé par couleur pour la qualité du signal de chaque électrode, rouge pour une mauvaise qualité du signal, jaune pour une qualité de signal acceptable et vert pour une bonne qualité de signal.
- Ouvrez le menu de configuration via le bouton de configuration et confirmez que les bips auditifs peuvent être entendus. Présentez ces bips avec deux fréquences différentes sur le sujet et expliquez la tâche, qui consiste à compter chacun des bips haute fréquence.
- Placez les écouteurs dans les oreilles de l'utilisateur et cliquez sur le bouton de démarrage.
- Une fois la phase d'évaluation terminée, vérifiez la page de résultats et la précision ( figures 1 et 2 ). Si le niveau de précision est inférieur à 40%, répétez la course.
REMARQUE: si la précision du sujet est inférieure à 40%, une communication fiable est peu probable, du moins avec ce paradigme et cette session d'enregistrement. Néanmoins, les évaluations avec d'autresLes approches et / ou à des moments différents pourraient donner des résultats différents.
3. Évaluation du P300 Vibrotactile avec 2 Stimulateurs
- Cliquez sur le bouton "Vibrotactile 2 Tactor " sur le côté gauche de l'écran; Ensuite, cliquez sur le bouton "Évaluation" en bas à droite pour commencer l'exécution de l'évaluation. Répétez l'étape 2.2.
- Ouvrez le menu de configuration via le bouton de configuration pour confirmer que les vibrations des tactors peuvent être ressenties. Indiquez au sujet qu'il ressentir des vibrations sur les poignets gauche et droit. La tâche est de compter le nombre de stimuli de vibration sur le poignet gauche. Après les instructions, cliquez sur le bouton Démarrer.
- Lorsque la phase d'évaluation est terminée, vérifiez la page de résultats et la parcelle de précision. Si le niveau de précision est inférieur à 40%, répétez la course.
REMARQUE: si la précision du sujet est inférieure à 40%, une communication fiable est peu probable, du moins avec ce paradigme et cette session d'enregistrement. Néanmoins, les ânesAvec d'autres approches et / ou à des moments différents pourrait donner des résultats différents.
4. Évaluation du P300 Vibrotactile avec 3 Stimulateurs
- Cliquez sur le bouton "Vibrotactile 3 Tactor" sur le côté gauche de l'écran, puis cliquez sur le bouton "Evaluation" en bas à droite pour commencer l'exécution de l'évaluation.
- Répétez l'étape 2.2. Ouvrez le menu de configuration via le bouton de configuration pour confirmer que les vibrations des tactors peuvent être ressenties.
- Indiquez au sujet qu'il ressentir des vibrations sur les poignets gauche et droit et sur la cheville droite et entendra la commande "GAUCHE" ou "DROITE" via le casque. Demandez au sujet de compter les stimuli sur la main sélectionnée jusqu'à ce que la prochaine commande apparaisse ou que l'exécution soit terminée.
REMARQUE: "GAUCHE" signifie que le sujet doit compter les stimuli de vibration sur le côté gauche, tandis que le "DROIT" indique au sujet de compter les stimuli sur le poignet droit. Branchez les écouteurs dans les oreilles du sujet et cliquez sur le bouton de démarrage. - Après avoir terminé l'évaluation, vérifiez la page de résultats et la parcelle de précision. Si le niveau de précision est inférieur à 40%, répétez la course.
REMARQUE: si la précision du sujet est inférieure à 40%, une communication fiable est peu probable, du moins avec ce paradigme et cette session d'enregistrement. Néanmoins, les évaluations avec d'autres approches et / ou à des moments différents pourraient donner des résultats différents.
5. Communication vibrotactile P300 avec 3 stimulateurs
- Cliquez sur le bouton "Vibrotactile 3 Tactor" sur le côté gauche de l'écran. Cliquez sur le bouton "Communication" en bas pour commencer la communication.
- Répétez l'étape 2.2. Ouvrez le menu de configuration via le bouton de configuration et confirmez que les vibrations des tactors peuvent être ressenties. Dans le menu des paramètres, sélectionnez le classificateur avec le plus haut niveau de précision. C'est généralement le classificateur avec leLe plus haut niveau de précision tel que déterminé par le système.
- Indiquez au sujet qu'il sentira des vibrations sur les poignets gauche et droit et sur la cheville droite. Indiquez au sujet qu'il entend une question et est censé répondre "OUI" ou "NON". Pour répondre "OUI", demandez au sujet de compter les stimuli sur la main gauche; Pour répondre "NON", demandez au sujet de compter les stimuli sur la main droite.
- Demandez au patient une question qui pourrait être répondu par «OUI» ou «NON». Ensuite, cliquez sur le bouton "Démarrer une nouvelle question" .
REMARQUE: lorsque la séquence est terminée, le logiciel présente la réponse. Il pourrait être «OUI», «NON» ou aucune réponse (si le logiciel n'a pas pu détecter avec précision les modèles cérébraux).
6. évaluation MI
- Cliquez sur le bouton "Imagerie moteur" sur le côté gauche de l'écran. Cliquez sur le bouton "Évaluation" surEn bas à droite pour commencer l'exécution de l'évaluation.
- Répétez l'étape 2.2. Ouvrez le menu de configuration via le bouton de configuration et confirmez que les commandes audio peuvent être entendues par les écouteurs.
- Indiquez au sujet qu'il entend un bip, puis une commande indiquant "GAUCHE" ou "DROIT". Demandez au sujet d'essayer de presser une balle avec la main gauche après la commande "GAUCHE" et de presser une balle à droite après la commande "DROIT". Demandez au sujet de cesser d'imaginer le serrage dès que le sujet entend la commande "RELAX".
REMARQUE: Au total, 60 commandes en ordre aléatoire seront jouées. - Faites passer la course pendant 8 min. Cliquez sur le bouton de pause après environ 4 minutes, attendez environ 1 min et continuez la course.
REMARQUE: la pause est conçue pour aider le sujet à maintenir la concentration tout au long de la course. - Après l'évaluation, vérifiez la page de résultats et la précision (figures 3 et 4).
NE PASE: Si le niveau de précision est inférieur au niveau de signification, répétez l'exécution. Si l'exactitude reste inférieure à ce niveau de signification, une communication fiable est peu probable, du moins avec ce paradigme et cette session d'enregistrement. Néanmoins, les évaluations avec d'autres approches et / ou à des moments différents pourraient donner des résultats différents.
7. Communication MI
- Cliquez sur le bouton "Imagerie moteur" sur le côté gauche de l'écran. Cliquez sur le bouton "Communication" en bas à gauche pour commencer la communication. Répétez l'étape 2.2.
- Ouvrez le menu de configuration avec le bouton de réglage et sélectionnez le classificateur avec la précision de classification la plus élevée.
- Demandez au sujet de dire que, après le bip, il peut répondre à la question posée précédemment. Pour dire "OUI", demandez au patient d'imaginer presser une balle avec la main gauche. Pour dire "NON", le patient devrait imaginer presser une balle avec le droit het.
- Demandez au patient une question qui pourrait être répondu par «OUI» ou «NON». Ensuite, cliquez sur le bouton "Démarrer une nouvelle question" .
REMARQUE: lorsque la séquence est terminée, le logiciel présente la réponse ( Figure 5 ). Il pourrait être soit «OUI», soit «NON».
Representative Results
Les figures 1 et 2 montrent les résultats de deux tests d'évaluation P300 (paradigmes i, ii et iii). Sur la figure 1, la précision atteint 100%; Ainsi, le cerveau du sujet a clairement indiqué l'achèvement des tâches réussies. Sur la figure 2, la précision fluctue autour du niveau de chance de 12,5%. Aucune réponse ciblée sur le cerveau à la tâche n'a pu être détectée. Lorsque la précision est médiocre, nous recommandons de vérifier la qualité du signal EEG sur toutes les électrodes et les connecteurs. Un résultat avec un niveau de précision de 12,5% serait également observé si l'on n'acquiert pas d'EEG mais simplement le bruit blanc. Si le niveau de précision augmente avec le nombre d'essais mais ne dépasse pas 40%, seule une réponse du cerveau faible a été trouvée. Dans ce cas, nous recommandons d'enquêter sur les artefacts du signal en utilisant la portée des données brutes. Nous recommandons également de répéter la procédure un autre jour, à un autre moment. Le patient pourrait êtrePlus réactif à un autre moment et générer de meilleurs résultats.
Les figures 3 et 4 montrent des résultats représentatifs du paradigme iv. Le niveau de signification est marqué par la ligne de couleur magenta. La ligne verticale rouge marque l'heure de l'apparition de la commande. Avant que la commande apparaisse (ligne verticale rouge), la précision est d'environ 50% pour les deux parcelles. À l'heure actuelle, le patient ne sait pas si la commande sera "GAUCHE" ou "DROITE" et ne peut donc pas effectuer l'imagination du moteur. Sur la figure 3 , la précision augmente après la présentation de la commande à plus de 90%. Cela signifie que la personne était consciemment consciente, parce qu'il pouvait suivre les commandes aléatoires. Dans la figure 4, la précision de la classification fluctue autour de 50%. Cela signifie que le système n'a pas pu détecter MI après les commandes présentées. Les paradigmes MI peuvent être difficiles dans BCI rCar tous les utilisateurs ne sont pas en mesure de contrôler un BCI MI sans formation et une minorité ne peut pas maîtriser même avec la formation 11 . Par conséquent, dans ce cas, une mauvaise précision pourrait simplement signifier que le patient n'est pas capable de contrôler le BCI via MI, au moins sans formation. En outre, nous recommandons de vérifier la qualité du signal après un mauvais résultat, comme décrit ci-dessus.
La figure 5 montre le résultat d'une opération de communication qui pourrait être faite avec les paradigmes iii et iv. L'objectif marque la réponse détectée, qui est "OUI" dans cet exemple. Si la réponse était non, l'objectif passerait à "NO". Si le système était incapable de détecter une réponse, l'objectif resterait au milieu des deux réponses possibles. Si l'objectif reste au milieu des réponses, un mauvais classificateur aurait pu être choisi. Nous vous recommandons d'essayer un autre classificateur dans la fenêtre de configuration.
Figure 1. Tracé de précision pour les paradigmes i, ii, et iii.
Une bonne performance entraîne une précision, atteignant 100%. Cliquez ici pour voir une version plus grande de ce chiffre.
Figure 2. Un autre parcours de précision pour les paradigmes i, ii, et iii.
Cette fois, pas de soutien-gorge En réponse pourrait être détecté par le système. Par conséquent, la précision fluctue autour du niveau de chance de 12,5%. Cliquez ici pour voir une version plus grande de ce chiffre.
Figure 3. Parcelle de précision pour Paradigm iv (MI).
La précision atteint plus de 90% dans cet exemple. Cliquez ici pour voir une version plus grande de ce chiffre.
Figure 4. Parcelle de précision pour Paradigm iv (MI).
Aucune réponse du cerveau n'a pu être détectée par le système. Par conséquent, la précision fluctue autour du niveau de chance de 50%.Ttp: //ecsource.jove.com/files/ftp_upload/53639/53639fig4large.jpg "target =" _ blank "> Cliquez ici pour voir une version plus grande de cette figure.
Figure 5. Résultat d'une tâche de communication.
L'objectif marque la réponse détectée, "OUI". Cliquez ici pour voir une version plus grande de ce chiffre.
Discussion
Des recherches antérieures provenant de nombreux groupes ont montré que certains patients DOC peuvent faire preuve de conscience grâce à des évaluations basées sur l'IRM ou l'EEG, même si les évaluations basées sur un comportement suggèrent le contraire. Ainsi, il existe un besoin évident de nouveaux systèmes et paradigmes qui permettent d'évaluer plus précisément la conscience et même de communiquer. Idéalement, ces systèmes devraient être peu coûteux, portables, robustes au bruit dans des environnements réels et faciles à utiliser (pour le patient et l'opérateur du système).
Les protocoles et le système présentés ici servent deux objectifs: aider à évaluer le niveau de conscience chez les personnes atteintes de DOC et établir un nouveau canal de communication pour les personnes incapables de communiquer via la parole, l'activité oculaire ou d'autres tâches nécessitant un contrôle musculaire. Les paradigmes du protocole sont conçus pour tester les réponses de base dans les premières étapes. Si les réponses cérébrales fondamentales attendues sont détectées, il est possible d'aller plus loin et tLes paradigmes plus complexes, qui sont le P300 vibrotactile avec trois tactors et le MI. Ces deux paradigmes pourraient également être utilisés pour établir un canal de communication. La qualité du signal EEG est critique dans tous ces protocoles. Parfois, les données EEG ne peuvent être distinguées du bruit; Une certaine expérience de l'analyse EEG est nécessaire pour reconnaître et gérer les données bruyantes.
Les méthodes d'évaluation standard actuelles, en plus d'être peu fiables, prennent aussi beaucoup de temps et nécessitent une équipe d'experts. Par conséquent, les patients ne sont souvent évalués qu'une seule fois, même si la conscience consciente d'un patient peut fluctuer de façon spectaculaire à différents moments. Le protocole présenté ici pourrait être facilement répété plusieurs fois. Les patients qui ne présentent pas de conscience peuvent produire des résultats différents à un autre moment. En outre, une seule évaluation pourrait être effectuée avant chaque tentative de communication pour confirmer que le sujet est actuellement dans un état conscient.
AnothLes raisons d'implémentation de différents paradigmes dans le protocole sont les suivantes: certaines personnes peuvent mal fonctionner avec un seul paradigme mais se comportent très bien avec une autre. De même, les gens préfèrent un paradigme car il leur semble plus facile. Après avoir exploré différentes options avec différents paradigmes, les patients pourraient choisir l'approche qu'ils préfèrent. Ceci est conforme à l'approche "hybride" BCI, qui supporte la fourniture de multiples options de communication pour améliorer l'efficacité de la communication et la satisfaction des utilisateurs.
Les parcelles de précision, en combinaison avec le pourcentage de classifications correctes, donnent un résultat objectif qui reflète la mesure dans laquelle l'algorithme de reconnaissance de modèle pourrait discriminer les différents états du cerveau au cours des tâches. Par conséquent, aucune interprétation subjective des modèles cérébraux ou des réponses moyennes n'est nécessaire.
La communication vibrotactile avec trois tactors a été testée sur un groupe de six patientes enfermées chroniquementTs 15 . Ils ont atteint une précision moyenne pendant la communication de 55,3%, et tous ont dépassé le niveau de chance de 12,5%. La tâche de communication MI a été testée sur un groupe de vingt utilisateurs en bonne santé 13 , avec une précision moyenne d'environ 80%. Une seule des vingt personnes avait une précision de contrôle au-dessous du niveau de chance.
Il est important de mentionner qu'une session courante ou même complète avec une précision insuffisante ne prouve pas de façon concluante qu'il n'y a pas de réponse au cerveau ou pas de conscience au sein du sujet. Cela signifie simplement que le système n'a pas pu détecter les réponses volontaires du cerveau. Cela pourrait se produire en raison de la mauvaise qualité du signal, de la difficulté à entendre ou à comprendre les instructions de la tâche, ou simplement parce qu'une minorité de sujets ne peuvent pas produire l'activité EEG souhaitée malgré l'exécution de la tâche.
Conformément au travail antérieur de notre groupe et d'autres personnes, le travail présenté montre qu'il est conseillé d'évaluerLe niveau de conscience chez les patients souffrant de DOC avec des techniques d'imagerie cérébrale. L'IRMF est également une technique utile pour suivre l'activité cérébrale actuelle du patient. Il a été démontré que les paradigmes étranges qui suscitent des potentiels évoqués, ainsi que l'imagerie motrice et d'autres tâches, peuvent produire des réponses hémodynamiques qui pourraient être suivies par l'IRMF 17 , 18 . Par rapport à l'IRMF, l'EEG présente des avantages remarquables: les outils basés sur l'EEG peuvent être appliqués au chevet, sans équipement coûteux et non portable et nécessite une expertise considérable. Le transport du patient vers le scanner et le bruit acoustique du scanner peuvent être stressants pour le patient. La spectroscopie infrarouge proche (NIRS) est portable et peut avoir une résolution spatiale légèrement supérieure à celle EEG, mais elle a une mauvaise résolution temporelle 19 . NIRS est adapté pour surveiller MI 20 , 21 , mais pas pour pote évoquéNtials. Par exemple, Naseer et Hong 22 ont démontré une précision de classification élevée pour MI-BCI en utilisant fNIRS. Avec des essais qui ont duré 50 s, ils ont atteint 77,35% pour le MI gauche et 83% pour le MI droit. Avec les BCI basés sur EEG, Guger et al. 23 ont constaté qu'environ 20% des 99 sessions ont atteint une précision supérieure à 80% et 70% des 99 sessions ont atteint une précision supérieure à 60%. Ortner et al. A montré une précision de pointe moyenne d'environ 80% en utilisant la méthode CSP. Cette méthode nécessite plus d'électrodes EEG que celles utilisées par Guger et ses collègues, mais cela entraîne des taux de précision plus élevés. En utilisant la méthode CSP, Ramoser et al. 23 ont démontré qu'une augmentation des électrodes de 18 à 56 n'améliore pas significativement la performance; Nous concluons donc que le nombre choisi de 16 électrodes dans notre méthode est suffisant. Récemment, Coyle et al . Utilisé CSP pour classer et former MI dans DOC patieNts 16 . Les quatre sujets ont démontré une activation cérébrale significative et appropriée pendant l'évaluation.
L'évaluation de l'IM à travers un NIC-NIRS-EEG BCI pourrait entraîner une grande précision de classification, comme Khan et al. 20 a montré. Ce pourrait être une direction future prometteuse, bien qu'un outil de neuroimagerie supplémentaire augmente la complexité et les coûts de l'appareil.
Le protocole présenté ici fournit un outil relativement simple pour évaluer les réponses cérébrales dans le signal EEG des patients DOC. L'interprétation de ces résultats de classification et la mise en œuvre de tout changement de médicament, de thérapie ou d'autres traitements médicaux nécessitent encore des experts médicaux. Les orientations futures de cette méthode pourraient être des techniques de stimulation plus avancées utilisant un plus grand nombre de degrés de liberté. Par exemple, au lieu d'offrir des outils pour ne dire "OUI" ou "NON", les futurs périphériques pourraient permettre une réponse plus possibleÀ une question. Dans une autre étape, on pourrait également utiliser des réponses contextuelles. Par exemple, si le patient a un lecteur de musique en cours d'exécution, on pourrait offrir la possibilité de contrôler le niveau sonore ou de passer à la prochaine chanson. En outre, le paradigme MI doit être testé chez les patients DOC.
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).
