Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Behavior

क्लोज-लूप इंटरफेस का उपयोग करके री-पैरामीटरीकृत परिधीय संकेतों का वास्तविक समय प्रॉक्सी-नियंत्रण

doi: 10.3791/61943 Published: May 8, 2021

Summary

हम सह-अनुकूली इंटरफेस बनाने के लिए प्रोटोकॉल और विश्लेषण के तरीके प्रस्तुत करते हैं जो मानव शरीर और हृदय संकेतों को क्लोज-लूप में स्ट्रीम, पैरामीटर, विश्लेषण और संशोधित करते हैं। यह सेटअप इंटरफेस बायोफिजिकल परिवर्तन को ट्रैक करने में मदद करने के लिए बाहरी संवेदी आदानों वाले व्यक्ति के परिधीय और केंद्रीय तंत्रिका तंत्र से प्राप्त संकेतों को।

Abstract

संवेदी प्रतिस्थापन और संवेदी वृद्धि के तरीकों को विकसित करने वाले क्षेत्रों का उद्देश्य केंद्रीय तंत्रिका तंत्र (सीएनएस) से संकेतों का उपयोग करके बाहरी लक्ष्यों को नियंत्रित करना है। हालांकि, कम बार प्रोटोकॉल हैं जो बाहरी संकेतों को गति में इंटरैक्टिव निकायों द्वारा स्वयं उत्पन्न करते हैं। डायडिक एक्सचेंज के दौरान एक और चलती एजेंट के उन लोगों को चलाने के लिए एक चलती एजेंट के शरीर-हृदय-मस्तिष्क बायोरिथ को संयोजित करने वाले तरीकों की कमी है। इस तरह की उपलब्धि को पूरा करने के लिए चुनौती का एक हिस्सा विभिन्न भौतिक इकाइयों, अलग समय तराजू और चर नमूना आवृत्तियों के साथ मल्टीमॉडल बायो-सिग्नल का उपयोग करके सेटअप की जटिलता रही है।

हाल के वर्षों में, पहनने योग्य जैव-सेंसरों का आगमन जो मस्तिष्क में सुधार के अलावा, और/या शरीर-मशीन इंटरफेस में सुधार के अलावा, dyads बातचीत के परिधीय संकेतों को फिर से पैरामीटर और अद्यतन करने की संभावना खोला है । यहां हम एक सह-अनुकूली इंटरफ़ेस पेश करते हैं जो बायोसेंसर का उपयोग करके efferent दैहिक-मोटर आउटपुट (काइनेमेटिक्स और हृदय गति सहित) को अपडेट करता है; स्टोचस्टिक बायो-सिग्नल को पैरामीटराइज करता है, इस आउटपुट को कम करता है, और इसे विसुओ/ऑडियो-काइनेस्थेटिक रीपरेंट इनपुट के रूप में फिर से पैरामीटरीकृत रूप में वापस खिलाता है। हम दो प्रकार की बातचीत का उपयोग करके तरीकों को चित्रित करते हैं, एक जिसमें दो मनुष्य शामिल हैं और दूसरा एक मानव और उसके अवतार को वास्तविक समय के पास बातचीत करना शामिल है। हम आंतरिक दैहिक-संवेदी-मोटर नियंत्रण पर बाहरी इनपुट के प्रभावों को मापने के लिए संभावित नए तरीकों के संदर्भ में नए तरीकों पर चर्चा करते हैं।

Introduction

प्राकृतिक क्लोज-लूप नियंत्रक
संवेदी-मोटर जानकारी अच्छी तरह से संगठित, समन्वित व्यवहार का उत्पादन करने के लिए मस्तिष्क और शरीर के बीच लगातार बहती है। इस तरह के व्यवहार का अध्ययन किया जा सकता है, जबकि अकेले व्यक्ति के कार्यों पर ध्यान केंद्रित, एक एकालाप शैली(चित्रा 1A)में, या जटिल गतिशील कार्यों के दौरान एक dyad में दो एजेंटों के बीच साझा, के रूप में एक संवाद शैली(चित्रा 1B)में । फिर भी, एक तीसरा विकल्प एक मानव-कंप्यूटर क्लोज-लूप इंटरफेस(चित्रा 1C)के संदर्भ में प्रॉक्सी नियंत्रक के माध्यम से ऐसी जटिल बातचीत का आकलन करना है। इस तरह के इंटरफ़ेस डायड में प्रत्येक एजेंट द्वारा योगदान किए गए पल-पल आंदोलनों के उतार-चढ़ाव को ट्रैक कर सकते हैं, और सामंजस्य के प्रकार से जो स्वयं उनके समकालिक बातचीत से उभरता है, जिससे डायड की लय को वांछनीय तरीकों से चलाने में मदद मिलती है।

Figure 1
चित्र 1:नियंत्रण के विभिन्न रूप। (A)स्व मस्तिष्क नियंत्रित इंटरफेस व्यक्ति के मस्तिष्क और व्यक्ति के अपने शरीर के बीच घनिष्ठ-लूप संबंधों पर भरोसा करते हैं, जो "एकालाप" शैली में आत्म-विनियमित और आत्म-बातचीत कर सकते हैं। यह मोड स्वयं-जनित गति के नियंत्रण का प्रयास करता है, या इसका उद्देश्य बाहरी उपकरणों को नियंत्रित करना भी हो सकता है। (ख)"संवाद" शैली नियंत्रण दो नर्तकियों के लिए पेश किया गया है जो एक दूसरे के साथ बातचीत करते हैं और एक दूसरे की गति पर नियंत्रण प्राप्त करने के लिए शारीरिक विलोम और टर्न-लेने के माध्यम से। (ग)डायड के "थर्ड पार्टी" संवाद नियंत्रण को एक कंप्यूटर इंटरफेस द्वारा मध्यस्थता के रूप में पेश किया जाता है जो दोनों नर्तकों से जैव-संकेतों को मिलकर उपयोग करता है, इसे पैरामीटराइज करता है और इसे फिर से पैरामीटरीकृत रूप में नर्तकियों को वापस खिलाता है ऑडियो और/या दृष्टि का उपयोग करके संवेदी मार्गदर्शन के रूप में । यहां प्रस्तुत उदाहरणों में पुनः पैरामीटरीकरण ऑडियो या दृश्य प्रतिक्रिया का उपयोग करके प्राप्त किया गया था, जो दूसरे को प्रभावित करने के लिए नर्तकियों में से एक के वास्तविक समय किनेस्थेटिक मोटर आउटपुट द्वारा बढ़ाया गया था; या दोनों नर्तकियों की, कुछ बारी पैटर्न में बदल जाता है । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

इस विधि का समग्र लक्ष्य यह दिखाना है कि गति में निकायों की बायोरिथिक गतिविधियों में पल-पल के उतार-चढ़ाव का दोहन, पैरामीटराइज और फिर से पैरामीटर बनाना संभव है, क्योंकि दो एजेंट डायडिक एक्सचेंज में संलग्न हैं जिसमें दो मनुष्य, या एक मानव और उसका आत्म-चलती अवतार शामिल हो सकता है।

मस्तिष्क किस प्रकार कार्यों को नियंत्रित कर सकता है और उसके संवेदी परिणामों का अनुमान लगाने के बारे में जांच ने विगत 1,2,3में सैद्धांतिक पूछताछ की कई पंक्तियां उत्पन्न की हैं और न्यूरोमोटर नियंत्रण 4 ,5, 6 ,7,8के विभिन्न मॉडल तैयार किए हैं । इस बहु-अनुशासनात्मक क्षेत्र में अनुसंधान की एक पंक्ति में क्लोज-लूप ब्रेन-मशीन या ब्रेन-कंप्यूटर इंटरफेस का विकास शामिल है। इस प्रकार के सेटअप बाहरी डिवाइस को नियंत्रित करने के लिए सीएनएस संकेतों का दोहन और अनुकूलन करने के तरीके प्रदान करते हैं, जैसे कि रोबोटिक आर्म9,10,11,एक एक्सोस्केलेटन12,कंप्यूटर स्क्रीन13 (अन्य लोगों के बीच) पर एक कर्सर। ये सभी बाहरी उपकरण संपत्ति को साझा करते हैं कि उनके पास अपनी बुद्धि नहीं है। इसके बजाय, मस्तिष्क उन्हें नियंत्रित करने की कोशिश कर रहा है, और समस्या का हिस्सा है कि मस्तिष्क के चेहरे को जानने के लिए कैसे गति है कि यह इन उपकरणों में उत्पन्न के परिणामों की भविष्यवाणी करने के लिए है (जैसे, कर्सर की गति, रोबोट हाथ की गति, आदि) पैदा करते हुए अंय सहायक गति है कि काइन्सेटिकरी के रूप में समग्र संवेदी मोटर प्रतिक्रिया में योगदान । अक्सर, इन इंटरफेस का व्यापक उद्देश्य है कि मस्तिष्क के पीछे व्यक्ति की मदद करने के लिए एक चोट या विकार बाईपास, बाहरी डिवाइस के इच्छाशक्ति नियंत्रित शारीरिक कृत्यों में अपने जानबूझकर विचारों के परिवर्तन हासिल करने के लिए किया गया है । कम आम हालांकि इंटरफेस का विकास किया गया है जो गति में निकायों के आंदोलनों को चलाने का प्रयास करता है।

मस्तिष्क-मशीन इंटरफेस पर अधिकांश मूल शोध शरीर के अंगों पर केंद्रीय तंत्रिका तंत्र (सीएनएस) के नियंत्रण पर ध्यान केंद्रित करते हैं जो लक्ष्य-निर्देशित कार्यों को पूरा कर सकते हैं9,14,15,16,17। हालांकि, अन्य स्थितियां हैं जिनकी तरह स्वायत्त तंत्रिका तंत्र (एएनएस) सहित परिधीय तंत्रिका तंत्र (पीएनएस) की गतिविधियों से प्राप्त संकेतों का उपयोग करना, बाहरी एजेंटों के संकेतों को प्रभावित करने और चलाने के लिए पर्याप्त जानकारीपूर्ण है, जिसमें किसी अन्य मानव या अवतार, या यहां तक कि मनुष्यों से बातचीत करना (चित्र 1 सीमें) शामिल है। एक रोबोट हाथ या कर्सर के विपरीत, इस मामले में अन्य एजेंट के पास मस्तिष्क द्वारा संचालित बुद्धि है (अवतार के मामले में जो व्यक्ति की गति, या किसी अन्य एजेंट के साथ संपन्न हुआ है, एक बातचीत करने वाले मानव डायड के मामले में)।

एक सेटअप जो डायडिक एक्सचेंज के साथ सह-अनुकूली क्लोज-लूप इंटरफेस का वातावरण बनाता है, तंत्रिका तंत्र के विकारों में हस्तक्षेप करने के लिए उपयोग का हो सकता है जिससे मस्तिष्क सीएनएस और पीएनएस के बीच पुल को शारीरिक रूप से कटे नहीं होने के बावजूद, गति में किसी के अपने शरीर को जानबूझकर नियंत्रित नहीं कर सकता है। यह शोर परिधीय संकेतों के कारण मामला हो सकता है जिससे मस्तिष्क को लगातार निगरानी करने और समायोजित करने के लिए प्रतिक्रिया छोरों को बाधित किया जा सकता है। यह परिदृश्य पार्किंसंस रोग18, 19,या ऑटिज्म स्पेक्ट्रम विकारों वाले प्रतिभागियों में उनके मोटर उत्पादन में अतिरिक्त शोर के साथ रोगियों में उत्पन्न होता है। वास्तव में, दोनों ही मामलों में, हमने अपने इच्छित आंदोलनों20, 21, 22और हृदय23से प्राप्त रिटर्निंग किनेस्थेटिक संकेतों में शोर-से-संकेत अनुपात के उच्च स्तर की मात्रा निर्धारित की है। ऐसे मामलों में, बाहरी संकेतों के मस्तिष्क-नियंत्रण में महारत हासिल करने की कोशिश करते हुए, जबकि गति में शरीर को नियंत्रित करने की कोशिश कर रहा है, इसके परिणामस्वरूप मस्तिष्क को परिधि में निरंतर (efferent) मोटर स्ट्रीम से प्राप्त होने वाली जानकारी की पुनः प्रवेशी (पुनः-अफ़्रीय) धारा से आत्म-प्रतिक्रियाशील संकेत हो सकता है। दरअसल, इस तरह के स्वयं जनित efferent मोटर स्ट्रीम में मौजूद पल-पल उतार-चढ़ाव में उद्देश्यपूर्ण कार्यों के संवेदी परिणामों की भविष्यवाणी की सहायता के लिए उपयोगी महत्वपूर्ण जानकारी होती है24। जब यह प्रतिक्रिया शोर से भ्रष्ट हो जाती है, तो यह अनुमानित रूप से नियंत्रण संकेतों को अपडेट करना और भौतिक कृत्यों के साथ जानबूझकर योजनाओं को पाटना मुश्किल हो जाता है।

यदि हम किसी अन्य एजेंट को इस तरह के प्रतिक्रिया लूप का विस्तार करते हैं और किसी तीसरे पक्ष(चित्रा 1C)के माध्यम से व्यक्ति और एजेंट की बातचीत को नियंत्रित करते हैं, तो हमें वास्तविक समय में एक-दूसरे के प्रदर्शन को चलाने का मौका मिल सकता है। यह हमें अवधारणा का सबूत है कि हम सह अनुकूली मस्तिष्क शरीर या मस्तिष्क मशीन इंटरफेस की धारणा का विस्तार करने के लिए तंत्रिका तंत्र है कि मानसिक इरादे से शारीरिक इच्छा की खराब प्राप्ति में परिणाम के विकारों का इलाज करने की आवश्यकता होगी के साथ प्रदान करेगा ।

उद्देश्यपूर्ण कार्यों के परिणाम होते हैं, जो ठीक मोटर स्टोचस्टिक हस्ताक्षरों की विशेषता होते हैं जो संदर्भ-निर्भर होते हैं और उच्च निश्चितता25, 26के साथ मानसिक इरादे के स्तर का अनुमान लगाते हैं। इस प्रकार, एक नई विधि का एक लाभ जो मस्तिष्क मशीन या मस्तिष्क कंप्यूटर इंटरफेस के लिए पूर्व व्यक्ति-केंद्रित दृष्टिकोणों पर dyadic विनिमय का लाभ उठाता है, यह है कि हम शरीर और दिल के बायोरिथम्स को शामिल करने के लिए नियंत्रण संकेतों को बढ़ा सकते हैं जो काफी हद तक व्यक्ति की जागरूकता के नीचे मालूम होते हैं, आशय के विभिन्न स्तरों के तहत। इस तरह, हम प्रतिक्रियाशील हस्तक्षेप को गीला करते हैं जो सचेत नियंत्रण मस्तिष्क-कर्सर नियंत्रण17को अनुकूलित करने की प्रक्रिया में पैदा होता है। हम विभिन्न संकेतों को पैरामीटर करके भविष्य कहनेवाला प्रक्रिया में अधिक निश्चितता जोड़ सकते हैं जिसे हम एक्सेस कर सकते हैं। उन पंक्तियों केसाथ, पूर्व कार्य27, 28,29के साथ मिलकर मस्तिष्क और शारीरिक संकेतों का उपयोग करके मौजूद है ; लेकिन मस्तिष्क-शारीरिक संकेतों द्वारा कैप्चर किए गए डायडिक इंटरैक्शन को शामिल करने का काम दुर्लभ रहता है । इसके अलावा , वर्तमान साहित्य ने अभी तक पूर्ण जागरूकता और संक्रमणकालीन गति के तहत किए गए कार्य के जानबूझकर वर्गों के बीच अंतर को चित्रित नहीं किया है जो अनायास ही जानबूझकर30,31के परिणामस्वरूप होता है । यहां हम डायडिक एक्सचेंज के संदर्भ में यह अंतर करते हैं, और नृत्य अंतरिक्ष में कोरियोग्राफ (जानबूझकर) बनाम तात्कालिक (सहज) गति के उदाहरण प्रदान करते हुए, इस विरोधाभास32का अध्ययन करने के लिए नए तरीके प्रदान करते हैं।

संवेदी-मोटर एकीकरण और परिवर्तन प्रक्रियाओं में ट्रांसडक्शन और ट्रांसमिशन देरीके कारण,उच्च निश्चितता के साथ आगामी संवेदी इनपुट की आशा करना सीखने के लिए, इस तरह के भविष्य कहनेवाला कोड होना आवश्यक है। इस उद्देश्य के लिए, लगातार अद्यतन करने वाले काइनेस्थेटिक रीमीफ़ेर स्ट्रीम में संकेतों से प्राप्त शोर-से-सिग्नल अनुपात के विकास की विशेषता होना महत्वपूर्ण है। हम तो जगह में प्रोटोकॉल की जरूरत है व्यवस्थित मोटर परिवर्तनशीलता में परिवर्तन को मापने के लिए । निवर्तमान आफरेंट मोटर स्ट्रीम34के पल-पल के उतार-चढ़ाव में परिवर्तनशीलता स्वाभाविक रूप से मौजूद है। चूंकि ये संकेत गैर-स्थिर और प्रासंगिक विविधताओं35,36के प्रति संवेदनशील हैं, इसलिए कार्यों के संदर्भ में परिवर्तन के साथ होने वाले परिवर्तनों को पैरामीटराइज करना संभव है। प्रतिक्रियाशील संकेतों से हस्तक्षेप को कम करने के लिए जो सचेत सीएनएस नियंत्रण से उभरते हैं, और एफेरेंट पीएनएस मोटर स्ट्रीम में मात्रात्मक परिवर्तन पैदा करने के लिए, हम यहां एक प्रॉक्सी क्लोज-लूप इंटरफेस पेश करते हैं जो अप्रत्यक्ष रूप से संवेदी प्रतिक्रिया को बदल देता है, परिधीय संकेत की भर्ती करके जो काफी हद तक व्यक्ति की आत्म-जागरूकता के नीचे बदल रहा है। फिर हम संवेदी जोड़तोड़ को व्यवस्थित रूप से मापने के तरीके दिखाते हैं, जो स्टोचस्टिक विश्लेषणों का उपयोग करके इस प्रक्रिया की कल्पना करने योग्य है कि प्रॉक्सी क्लोज-लूप इंटरफेस अप्रत्यक्ष रूप से दोनों एजेंटों में उदाहरण देते हैं।

एक प्रॉक्सी क्लोज-लूप नियंत्रक का परिचय
परिधीय संकेतों में मौजूद संवेदी-मोटर परिवर्तनशीलता तंत्रिका तंत्र के प्रदर्शन का मार्गदर्शन करने के लिए सूचना का एक समृद्ध स्रोत है, जबकि सीखने, अनुकूलन और सामान्यीकरण विभिन्न संदर्भों में होता है37। ये संकेत आंशिक रूप से सीएनएस के प्रतिफल के रूप में उभरते हैं जो कार्यों को जानबूझकर नियंत्रित करने की कोशिश कर रहे हैं लेकिन नियंत्रक का प्रत्यक्ष लक्ष्य नहीं हैं। जैसा कि व्यक्ति स्वाभाविक रूप से दूसरों के साथ बातचीत करता है, परिधीय संकेतों का उपयोग किया जा सकता है, मानकीकृत और फिर से पैरामीटरीकृत; जिसका अर्थ है कि उनकी विविधताओं को पैरामीटरीकृत और व्यवस्थित रूप से स्थानांतरित किया जा सकता है, क्योंकि एक ईफरेंट मोटर स्ट्रीम को बदल देता है जो लगातार सिस्टम को काइनेस्थेटिक रिफेर के रूप में फिर से प्रवेश करता है। ऐसी सेटिंग्स में, हम स्टोचस्टिक बदलावों की कल्पना कर सकते हैं, उच्च परिशुद्धता के साथ एक समृद्ध संकेत पर कब्जा कर सकते हैं जो अन्यथा भव्य औसत के प्रकारों के लिए खो जाता है जो अधिक पारंपरिक तकनीकों का प्रदर्शन करते हैं।

नए सांख्यिकीय मंच के तहत परिवर्तन के लक्षण वर्णन को प्राप्त करने के लिए, हम यहां प्रोटोकॉल, मानकीकृत डेटा प्रकार और एनालिटिक्स पेश करते हैं जो आंतरिक रूप से स्वयं-जनित मोटर संकेतों के साथ बाहरी संवेदी इनपुट (श्रवण और दृश्य) के एकीकरण की अनुमति देते हैं, जबकि व्यक्ति स्वाभाविक रूप से किसी अन्य व्यक्ति के साथ या व्यक्ति के अवतार संस्करण के साथ बातचीत करता है। इस अर्थ में, क्योंकि हम परिधीय संकेतों को नियंत्रित करने का लक्ष्य रख रहे हैं (बाहरी डिवाइस या मीडिया को सीधे नियंत्रित करने के लिए सीएनएस संकेतों को संशोधित करने के बजाय), हम इसे प्रॉक्सी क्लोज-लूप इंटरफेस(चित्रा 2)का सिक्का देते हैं। हमारा उद्देश्य पीएनएस के स्टोचस्टिक संकेतों में परिवर्तनों की विशेषता है, क्योंकि वे सीएनएस में उन लोगों को प्रभावित करते हैं।

Figure 2
चित्रा 2:क्लोज-लूप मल्टी-मॉडल इंटरफेस का उपयोग करके एक डायडिक इंटरैक्शन का प्रॉक्सी नियंत्रण।(ए)कंप्यूटर सह-अनुकूली इंटरफेस बनाम(बी)के माध्यम से दो नर्तकियों (नृत्य साल्सा) का अप्रत्यक्ष नियंत्रण एक इंटरैक्टिव कृत्रिम व्यक्ति-अवतार डायड परिधीय तंत्रिका तंत्र संकेतों का उपयोग करके नियंत्रित और इसे ध्वनियों के रूप में फिर से पैरामीटर और/ (ग)बायोरिथमिक संकेतों में पल-पल के उतार-चढ़ाव से प्राप्त एक नए मानकीकृत डेटा प्रकार (माइक्रो-मूवमेंट स्पाइक्स, एमएमएस) का उपयोग करके सोनिफिकेशन की अवधारणा को कंपन में परिवर्तित किया गया और फिर ध्वनि करने के लिए । भौतिकी से, हम मापने योग्य कंपन के रूप में एक ट्यूनिंग कांटा आउटपुट साउंडवेव द्वारा उत्पादित संपीड़न और दुर्लभ रूपों की धारणाओं को उधार लेते हैं। सोनीकरण के लिए स्पाइक सांद्रता के समानांतर समय के साथ संभरस्ती के योजनाबद्धता का प्रतिनिधित्व किया जाता है। एमएमएस से कंपन और सोनिफिकेशन के लिए प्रस्तावित पाइपलाइन से गुजरने के लिए एक भौतिक संकेत का उदाहरण। हम इंटरफ़ेस के इनपुट के रूप में हृदय गति संकेत का उपयोग करते हैं। यह गति के हर 4 सेकंड में आंदोलन की शुरुआत के अनुरूप सिग्नल के आयाम में उतार-चढ़ाव लेता है और कंपन का प्रतिनिधित्व करने वाली एमएमएस ट्रेनों का निर्माण करता है। एमएमएस से स्पाइक ट्रेनों [0,1] से मानकीकृत कर रहे हैं। कलर बार के अनुसार स्पाइक्स का रंग, सिग्नल की तीव्रता का प्रतिनिधित्व करता है। फिर हम मैक्स का उपयोग करके इन कंपन को सोनिफाई करते हैं। इस सोनिफाइड सिग्नल का उपयोग ए में वापस खेलने के लिए किया जा सकता है, या अवतार के साथ बातचीत बी में बदलने के लिए किया जा सकता है। इसके अलावा, बी में पर्यावरण में ध्वनि को एम्बेड करना और शरीर की स्थिति का उपयोग ब्याज (आरओआई) के क्षेत्र में ध्वनि को वापस खेलने के लिए करना संभव है, या आरओआई से गुजरते समय शरीर के किसी अन्य अंग में लंगर डाले गए शरीर के किसी अन्य अंग की गति या त्वरण के लिए दूरी के कार्य के रूप में ऑडियो सुविधाओं को मिलाना संभव है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

पीएनएस संकेतों को पहनने योग्य संवेदन प्रौद्योगिकियों के साथ गैर-आक्रामक रूप से उपयोग किया जा सकता है जो स्वायत्तता से लेकर स्वैच्छिक32तक तंत्रिका तंत्र की विभिन्न कार्यात्मक परतों से बहु-मॉडल उदार धाराओं को सह-पंजीकृत करते हैं। हम तो निकट वास्तविक समय में ऐसी धाराओं में परिवर्तन को मापने और जिनके परिवर्तन संकेत से शोर अनुपात बढ़ाने का चयन कर सकते हैं । इस एफेरेंट मोटर सिग्नल को संवेदी मार्गदर्शन के अन्य रूपों (जैसे, श्रवण, दृश्य, आदि) के साथ बढ़ाया जा सकता है। क्योंकि पीएनएस पूर्ण जागरूकता स्केप का संकेत देता है, उन्हें बिना किसी प्रतिरोध 38के हेरफेर करना आसान होता है। जैसे, हम उनका उपयोग उन तरीकों से व्यक्ति के प्रदर्शन को चलाने में मदद करने के लिए करते हैं जो मानव प्रणाली के लिए कम तनावपूर्ण हो सकते हैं।

इंटरफेस का निर्माण
हम एक क्लोज-लूप सह-अनुकूली मल्टीमॉडल इंटरफेस द्वारा मध्यस्थता किए गए प्रॉक्सी नियंत्रण का डिजाइन पेश करते हैं। यह इंटरफ़ेस वास्तविक समय की बहुसंवेदनीय प्रतिक्रिया को स्टीलर्स करता है। चित्रा 3 सामान्य डिजाइन प्रदर्शित करता है।

क्लोज-लूप इंटरफेस 5 मुख्य चरणों की विशेषता है। पहला कदम कई पहनने योग्य उपकरणों से मल्टी-मॉडल डेटा संग्रह है। दूसरा चरण MoBI समूह 39द्वारा विकसित लैबस्ट्रीमिंगलेयर (एलएसएल, https://github.com/sccn/labstreaminglayer) के मंच के माध्यम से बहु-मॉडल धाराओं का समकालिकीकरण है। तीसरा चरण संकेतों को एकीकृत करने और वास्तविक समय मेंशारीरिक सुविधाओं (हमारे प्रयोगात्मक सेटअप के लिए प्रासंगिक) को अनुभवजन्य रूप से पैरामेस्ट्रेट करने के लिए एक पायथन, मैटलैब या अन्य प्रोग्रामिंग भाषा इंटरफेस के लिए एलएसएल डेटा संरचना की स्ट्रीमिंग है। चौथा कदम शारीरिक संकेत की निरंतर धारा से निकाले गए चयनित विशेषताओं को फिर से पैरामीटर बनाना है और इसे पसंद के संवेदी रूपात्मक (जैसे, दृश्य, श्रवण, काइनेस्थेटिक, आदि) का उपयोग करके बढ़ाना है ताकि इसे ध्वनियों या दृश्यों के रूप में वापस खेला जा सके, व्यक्ति के तंत्रिका तंत्र में समस्याग्रस्त संवेदी पद्धति को बढ़ाना, स्थानापन्न या बढ़ाना है। अंत में, 5वां कदम वास्तविक समय में प्रणाली द्वारा उत्पन्न संकेतों के स्टोचस्टिक हस्ताक्षरों का फिर से आकलन करना है, यह चुनने के लिए कि कौन सा संवेदी मोडलिटी आसन्न कार्रवाई के संवेदी परिणामों की भविष्यवाणी में शारीरिक उतार-चढ़ाव के स्टोचस्टिक बदलावों को उच्च निश्चितता (शोर न्यूनीकरण) की व्यवस्था में लाता है। यह लूप चयनित संकेत पर ध्यान केंद्रित करने के साथ प्रयोग की अवधि में लगातार खेला जाता है, जबकि बाद के विश्लेषणों के लिए पूर्ण प्रदर्शन को संग्रहीत करता है (जैसा कि चित्र 3 की योजनाबद्ध में दर्शाया गया है और एक पोस्टरियोरिस विश्लेषण के उदाहरण के लिए40,41,42,43,44,46,46, 47 देखें)।

Figure 3
चित्र 3:मल्टी-मॉडल पेरिफेरली संचालित क्लोज-लूप इंटरफेस अवधारणा की वास्तुकला। विभिन्न शारीरिक संकेत एकत्र किए जाते हैं -काइनेमेटिक डेटा, हृदय और मस्तिष्क गतिविधि (चरण 1)। एलएसएल का उपयोग विभिन्न उपकरणों से आने वाले डेटा को इंटरफ़ेस (चरण 2) में सह-पंजीकरण और स्ट्रीम करने के लिए किया जाता है। पायथन/MATLAB/C# कोड का उपयोग मानकीकृत डेटा प्रकार और सामान्य पैमाने का उपयोग करके संकेतों में उतार-चढ़ाव को लगातार पैरामीटराइज करने के लिए किया जाता है जो सिस्टम की अनिश्चितता (चरण 3) को गीला करने के लिए संवेदी मार्गदर्शन के स्रोत का चयन करने में सक्षम बनाता है। चयनित चैनल (ओं) के माध्यम से सिग्नल ट्रांसमिशन की यह वास्तविक समय वृद्धि तब निरंतर मोटर स्ट्रीम में एकीकृत करने और खोए हुए या भ्रष्ट इनपुट स्ट्रीम (संवेदी प्रतिस्थापन चरण 4) को बढ़ाने के लिए पुनः प्रवेशी संवेदी संकेत के पुनः पैरामीटरीकरण की अनुमति देती है। सतत पुनर्मूल्यांकन लूप (चरण 5) को बंद कर देता है और हम अतिरिक्त भविष्य के विश्लेषण के लिए सभी डेटा को सहेजते हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

निम्नलिखित अनुभाग एक क्लोज-लूप इंटरफ़ेस (जैसा कि चित्र 3में वर्णित है) का निर्माण करने के जेनेरिक प्रोटोकॉल को प्रस्तुत करते हैं और दो प्रयोगात्मक इंटरफेस (पूरक सामग्री में विस्तृत रूप से प्रस्तुत) के प्रतिनिधि परिणामों का वर्णन करते हैं जिसमें दो नर्तकियों (वास्तविक क्लोज-लूप सिस्टम) और एक व्यक्ति और एक अवतार (कृत्रिम क्लोज-लूप सिस्टम) के बीच आभासी डायडिक इंटरैक्शन शामिल हैं।

Protocol

हेलसिंकी की घोषणा के अनुपालन में रटगर्स इंस्टीट्यूशनल स्टडी बोर्ड (आईआरबी) द्वारा अध्ययन को मंजूरी दी गई थी ।

1. प्रतिभागी

  1. अध्ययन की जाने वाली जनसंख्या को परिभाषित करें और उन्हें अध्ययन में भाग लेने के लिए आमंत्रित करें। वर्तमान इंटरफेस का उपयोग विभिन्न आबादी में किया जा सकता है। यह प्रोटोकॉल और अवधारणा का प्रमाण प्रदान करने के लिए यहां उपयोग किए जाने वाले उदाहरण किसी विशिष्ट समूह तक सीमित नहीं हैं।
  2. हेलसिंकी की घोषणा के अनुपालन में आईआरबी अनुमोदित प्रोटोकॉल की लिखित सूचित सहमति प्राप्त करें।
  3. प्रयोग की शुरुआत से पहले प्रतिभागी या अभिभावक से फॉर्म पर हस्ताक्षर करने के लिए कहें।

2. क्लोज-लूप इंटरफेस का सेटअप

  1. काइनेमेटिक उपकरणों का सेटअप-पीएनएस
    1. प्रतिभागी को ध्यान से एलईडी-आधारित मोशन-कैप्चर कॉस्ट्यूम (बॉडी और हेड, फिगर 3,स्टेप 1 और 5 में दिखाया गया है) पहनने में मदद करें, जिसका उपयोग गति-कैप्चर सिस्टम के साथ किया जाता है। अंतरिक्ष में चलती बॉडी की लोकेशन का अनुमान लगाने के लिए कॉस्ट्यूम के एलईडी मार्कर को सिस्टम के कैमरों से ट्रैक किया जाएगा।
    2. सिस्टम के वायरलेस एलईडी कंट्रोलर (जिसे एलईडी ड्राइवर यूनिट भी कहा जाता है) को उचित पोर्ट में प्लग करके कॉस्ट्यूम के एलईडी केबल से कनेक्ट करें। डिवाइस को चालू करें और स्ट्रीमिंग मोड पर सेट करें।
    3. मोशन-कैप्चर सिस्टम के सर्वर को चालू करें।
    4. एक वेब ब्राउज़र खोलें, सर्वर पते पर जाएं, और साइन-इन (उत्पाद की खरीद पर कंपनी द्वारा साइन-इन जानकारी प्रदान की जानी चाहिए)।
    5. आवश्यकतानुसार सिस्टम को कैलिब्रेट करें (उदाहरण के लिए, सिस्टम को कैलिब्रेट करें यदि यह उपकरण का उपयोग करने का पहला मौका है, अन्यथा 2.1.17 चरण में जाएं)।
    6. मोशन-कैप्चर सिस्टम के अंशांकन उपकरण खोलें और अंशांकन जादूगरका चयन करें।
    7. सुनिश्चित करें कि इंटरफ़ेस के बाईं-ऊपरी ओर टेक्स्ट-फ़ील्ड में सर्वर नंबर की प्रविष्टि सही है और जारी रखेंपर क्लिक करें।
    8. छड़ी को एलईडी कंट्रोलर के पहले पोर्ट से कनेक्ट करें और कंट्रोलर चालू करें और जारी रखेंक्लिक करें । एक बार छड़ी कनेक्ट हो जाने के बाद, इसके एलईडी मार्कर चालू हो जाएंगे और कैमरे के दृश्यों में डिस्प्ले पर दिखाई देंगे।
    9. कैमरा व्यू-फील्ड के केंद्र में छड़ी रखें, पुष्टि करें कि इसे कैमरों द्वारा रिकॉर्ड किया जा सकता है, और जारी रखेंपर क्लिक करें।
    10. छड़ी को वर्टिकल रखकर और सिलेंडर खींचकर पूरे स्पेस में ले जाएं। सुनिश्चित करें कि प्रस्ताव हर बार कम से कम 3 कैमरों द्वारा कैप्चर किया जाता है और इसे हरे रंग का बनाने वाले प्रत्येक कैमरे के दृश्य क्षेत्र पर पंजीकृत होता है। सभी कैमरों के लिए ऐसा करें।
    11. एक बार जब प्रत्येक कैमरे का दृश्य-क्षेत्र पूरी तरह से पंजीकृत हो जाता है (यह सब हरा है), तो जारी रखें और अंशांकन गणनाओं को निष्पादित करने की प्रतीक्षा करें।
      नोट: एक बार अंशांकन पूरा हो गया है, एलईडी मार्कर के साथ कैमरा स्थान प्रदर्शन पर देखा जाएगा, क्योंकि वे शारीरिक रूप से कमरे में रखा जाता है । इस बिंदु पर, उपयोगकर्ता अंशांकन फिर से शुरू कर सकता है क्योंकि यह किया जाता है, या सिस्टम को संरेखित करना जारी रखता है।
    12. छड़ी को खड़ी रखें और जमीन पर छड़ी के अंत के करीब एलईडी के साथ साइड रखें, जहां 3 डी स्पेस की उत्पत्ति सेट की जानी चाहिए (पॉइंट (पॉइंट (0,0)))।
    13. पंजीकृत होने तक छड़ी को स्थिर रखें। एक बार पंजीकृत होने के बाद, स्क्रीन हरे रंग की चमकती है। अंतरिक्ष पर संदर्भ फ्रेम की उत्पत्ति का संकेत देने वाला एक बिंदु इंटरफ़ेस पर दिखाई देगा और अगले संरेखण अक्ष, एक्स-एक्सिस को हरे रंग पर हाइलाइट किया जाएगा।
    14. छड़ी ले जाएँ, एक ही अभिविन्यास (खड़ी) को बनाए रखने, एक्स-अक्ष के बिंदु पर और पंजीकृत जब तक स्थिर पकड़।
    15. जेड-एक्सिस के लिए दोहराएं। एक बार जेड-एक्सिस का प्वाइंट रजिस्टर्ड होने के बाद कैलिब्रेशन पूरा हो जाता है ।
    16. अंशांकन से बाहर निकलने के लिए खत्म क्लिक करें।
    17. मोशन-कैप्चर सिस्टम का इंटरफेस खोलें और एलईडी मार्कर से डेटा स्ट्रीमिंग शुरू करने के लिए कनेक्ट पर क्लिक करें। एक बार कनेक्शन स्थापित हो जाने के बाद, मार्कर की स्थिति इंटरफ़ेस की आभासी दुनिया पर प्रदर्शित की जाएगी।
    18. आभासी कंकाल बनाएं (स्वचालित रूप से पोशाक के एलईडी मार्कर से एकत्र की स्थिति डेटा से शरीर की हड्डी की स्थिति का अनुमान लगाएं, जैसा कि चित्रा 8 step2दिखाया गया है)।
    19. खिड़की के दाईं ओर कंकाल पर सही क्लिक करें और नए कंकालका चयन करें ।
    20. मार्कर मैपिंग चुनें और फिर उचित फ़ाइल का चयन करें (कंपनी द्वारा उपयोग किए गए इंटरफेस संस्करण के आधार पर प्रदान किया जाता है)। फिर, ओकेपर क्लिक करें।
    21. प्रतिभागी से टी-मुद्रा पर स्थिर रहने के लिए कहें (पक्षों पर खुली बाहों के साथ सीधे मुद्रा) ।
    22. कंकाल पर सही क्लिक करें और प्रशिक्षण के बिना कंकाल उत्पन्न काचयन करें ।
    23. यदि सभी कदम सही ढंग से किए जाते हैं तो कंकाल उत्पन्न हो जाएगा। प्रतिभागी को स्थानांतरित करने और जांचने के लिए कहें कि वर्चुअल कंकाल प्रतिभागी की गतिविधियों का सही तरीका कैसे है।
    24. कंकाल डेटा को एलएसएल पर स्ट्रीम करने के लिए, मुख्य मेनू से सेटिंग्स और विकल्पों का चयन करें।
    25. खुला उल्लू एमुलेटर और क्लिक करें "शुरू" लाइव स्ट्रीमिंग
  2. ईईजी उपकरणों की स्थापना - सीएनएस
    1. ईईजी हेड-कैप पहनने के लिए एक ही प्रतिभागी की मदद करें।
    2. सीएमएस और डीआरएल सेंसर के लिए दाहिने कान के पीछे की ओर जेल इलेक्ट्रोड (ईईजी हेड-कैप के साथ उपयोग किए जाने वाले पारंपरिक जेल-आधारित इलेक्ट्रोड) को हेड-कैप और 2 चिपचिपा इलेक्ट्रोड (इलेक्ट्रोड जो स्टिकर की तरह काम करते हैं) रखें।
    3. सेंसर और खोपड़ी के बीच चालकता में सुधार करने के लिए, आवश्यकतानुसार, उच्च प्रवाहकीय जेल के साथ इलेक्ट्रोड भरें।
    4. जेल-ट्रॉड और दो चिपचिपा इलेक्ट्रोड पर इलेक्ट्रोड-केबल कनेक्ट करें।
    5. सिर के पीछे वायरलेस मॉनिटर छड़ी-टोपी और इलेक्ट्रोड केबल में प्लग।
    6. मॉनीटर चालू करें।
    7. ईईजी सिस्टम का इंटरफेस खोलें।
    8. डिवाइस के लिए वाई-फाई डिवाइस का उपयोग करें और स्कैन पर क्लिक करें।
    9. NE वाई-फाई का चयन करें और इस डिवाइस का उपयोग करें
    10. हेड आइकन पर क्लिक करें, एक प्रोटोकॉल चुनें जो सभी 32 सेंसरों की रिकॉर्डिंग की अनुमति देता है, और लोडपर क्लिक करता है।
    11. सुनिश्चित करें कि प्रत्येक चैनल का स्ट्रीम डेटा इंटरफ़ेस पर प्रदर्शित किया जाता है।
  3. ईसीजी उपकरण का सेटअप- 10 00
    1. 2.2 में प्रस्तुत सटीक चरणों का पालन करें, लेकिन हृदय गति (एचआर) विस्तार पर कनेक्ट करने के लिए चैनल O1 का उपयोग करें।
    2. बाएं रिबकेज के ठीक नीचे विस्तार के दूसरे छोर को चिपकाने के लिए एक चिपचिपा इलेक्ट्रोड का उपयोग करें।
  4. काइनेमेटिक डेटा की सिंक्रोनाइज्ड रिकॉर्डिंग और स्ट्रीमिंग के लिए एलएसएल की तैयारी।
    1. इसी आइकन पर डबल क्लिक करके मोशन-कैप्चर सिस्टम के लिए एलएसएल एप्लिकेशन चलाएं। एलएसएल फ़ोल्डर, एलएसएल के निम्नलिखित पथ पर आवेदन का पता लगाएं, एलएसएल \ लैबस्ट्रीमिंगलेयर-मास्टर \ ऐप्स \ फेजस्पेस ।
    2. इंटरफेस पर, उचित सर्वर पता सेट करें।
    3. फिर, फ़ाइल और लोड कॉन्फ़िगरेशनका चयन करें।
    4. उचित विन्यास फ़ाइल का चयन करें (यह कंपनी द्वारा उपयोग किए जाने वाले उत्पाद संस्करण के आधार पर प्रदान किया जाना चाहिए)
    5. लिंकपर क्लिक करें । यदि कोई गलती नहीं की जाती है, तो कोई त्रुटि संदेश प्रदर्शित नहीं किया जाएगा।
  5. ईईजी और ईसीजी डेटा की सिंक्रोनाइज्ड रिकॉर्डिंग और स्ट्रीमिंग के लिए एलएसएल तैयार करें। इस उपकरण के लिए कोई अतिरिक्त कदम की आवश्यकता नहीं है।
  6. एलएसएल का सेटअप
    1. एलएसएल फ़ोल्डर के एलएसएल के लैबस्ट्रीमिंगलेयर-मास्टर\Apps\LabRecorder पथ में स्थित फ़ाइल पर डबल क्लिक करके लैबरिकॉर्डर एप्लिकेशन चलाएं।
    2. अपडेट परक्लिक करें । यदि सभी निर्देशों को सही ढंग से निष्पादित किया जाता है, तो सभी डेटा प्रकार के मोशन-कैप्चर और ईईजी सिस्टम को स्ट्रीम के लिए पैनल रिकॉर्ड पर देखा जाएगा।
    3. स्टोरेज लोकेशन पैनल पर डेटा के लिए निर्देशिका और नाम चुनें।
    4. क्लिक करें शुरू। मोशन-कैप्चर और ईईजी सिस्टम का डेटा कलेक्शन समकालिक रूप से शुरू होगा।
    5. रिकॉर्डिंग के अंत में क्लिक करें बंद करो। यदि रिकॉर्डिंग सफल रही, तो डेटा पहले चयनित निर्देशिका पर स्थित होगा। इस बात की पुष्टि करने के लिए फाइलों को खोलें कि उनमें रिकॉर्ड की गई जानकारी शामिल है।
  7. मानव प्रणाली का वास्तविक समय विश्लेषण और निगरानी।
    1. स्ट्रीम किए गए डेटा को प्राप्त करने, संसाधित करने और बढ़ाने वाले मैटलैब, पायथन या अन्य कोड को निष्पादित करें। निम्नलिखित अनुभागों में वर्णित प्रतिनिधि उदाहरणों के अनुरूप उदाहरण कोड यहां पाए जा सकते हैं: https://github.com/VilelminiKala/CloseLoopInterfaceJOVE
  8. संवर्धित संवेदी प्रतिक्रिया का उत्पादन
    1. उचित डिवाइस (जैसे, स्पीकर, मॉनिटर, दूसरों के बीच) का उपयोग करके संवेदी उत्पादन का उत्पादन करें।

3. प्रायोगिक प्रक्रिया

  1. प्रायोगिक प्रक्रिया का पालन करें जो सेटअप द्वारा परिभाषित किया गया है, यदि कोई हो।
    नोट: क्लोज-लूप इंटरफेस को सहज रूप से खोजे जाने और सीखने के लिए डिज़ाइन किया गया है। इस प्रकार, अधिकांश बार किसी निर्देश की आवश्यकता नहीं होती है।

Representative Results

विभिन्न इंटरफेस हैं जिन्हें पिछले खंड में प्रस्तुत प्रोटोकॉल के आधार पर बनाया जा सकता है और कई उद्देश्यों के लिए विभिन्न आबादी पर लागू किया जा सकता है। अनुपूरक सामग्री के अनुभाग"प्रस्तुत क्लोज-लूप इंटरफेस की विविधताओं"में कुछ संभावित विविधताओं का वर्णन किया गया है।

इस अनुभाग में हम 2 नमूना क्लोज-लूप इंटरफेस के प्रतिनिधि परिणाम प्रदर्शित करते हैं जो पिछले अनुभाग में वर्णित प्रोटोकॉल का पालन करते हैं। सेटअप, प्रायोगिक प्रक्रिया, और इन अध्ययनों के प्रतिभागियों को वर्गों में गहराई से समझाया गया है"उदाहरण 1: ऑडियो क्लोज-लूप इंटरफेस ऑफ ए रियल डायडिक इंटरैक्शन"और "उदाहरण 2: पूरक फ़ाइलके एक कृत्रिम डायडिक इंटरैक्शन का ऑडियो-विजुअल क्लोज-लूप इंटरफेस"

रियल डायडिक इंटरैक्शन के ऑडियो क्लोज-लूप इंटरफेस के परिणाम
"एक असली dyadic बातचीत के ऑडियो क्लोज-लूप इंटरफेस" के अध्ययन में (विस्तृत रूप से अनुभाग में प्रस्तुत"उदाहरण 1: पूरक सामग्री के एक असली Dyadic इंटरैक्शन के ऑडियो क्लोज-लूप इंटरफेस"),हमने एक प्रॉक्सी कंट्रोल इंटरफेस का उपयोग किया, जो चित्र 4में सचित्र है, जो संगीत नृत्य को बदलने के लिए महिला नर्तकी के दिल के संकेत का उपयोग करता है। वास्तविक समय में, हमने दिल की धड़कन के समय को निकालने के लिए सिग्नल प्रोसेसिंग किया और प्रदर्शन किए गए गीत की गति को बदलने के लिए इस जानकारी को मैक्स सिस्टम पर स्ट्रीम किया। इस तरह, हमने गीत को वापस खेला, जैव भौतिक संकेतों से बदल दिया। इस प्रक्रिया के कारण गति और दिल की धड़कन के संकेतों में और बदलाव हुआ ।

Figure 4
चित्रा 4:ऑडियो आधारित क्लोज-लूप इंटरफेस। 1. एक ईसीजी-एचआर वियरेबल डिवाइस अपनी दिनचर्या के प्रदर्शन के दौरान एक साल्सा नर्तकी की गतिविधि पर नज़र रखता है और 500Hz में इंटरफेस के लिए संकेतों को खिलाती है । 2 । हमारा इंटरफेस रियल टाइम में ईसीजी डेटा का विश्लेषण करता है। प्रत्येक फ्रेम में, यह कच्चे डेटा को फ़िल्टर करता है, क्यूआरएस परिसर की आर चोटियों को निकालता है; और अधिकतम करने के लिए चोटी का पता लगाने धाराओं । 3 । एक थर्ड पार्टी इंटरफेस दिल की धड़कन की गति के साथ ऑडियो की गति को मिश्रित करता है। 4. बदल गीत नर्तकों को वापस खेला जाता है । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

दो साल्सा नर्तकों ने इंटरफेस के साथ बातचीत की और एक कोरियोग्राफी और अनायास तात्कालिक नृत्य का मंचन करते हुए एक अच्छी तरह से पूर्वाभ्यास नियमित प्रदर्शन किया । नर्तकों को एक बार गीत के मूल संस्करण का प्रदर्शन करना था और एक संस्करण वास्तविक समय दिल की धड़कन धारा के साथ गीत की मूल गति मिश्रित । हम बाद के संस्करण का उल्लेख है जो दो बार परिवर्तन 1 और गीत के 2 के रूप में प्रदर्शन किया गया था ।

नीचे प्रस्तुत विश्लेषण में, हम दिल और ऑडियो रिकॉर्ड संकेत का इस्तेमाल किया । एमएमएस ट्रेनों का अनुमान लगाने के लिए निकाले गए दो संकेतों की चोटियों (पूरक फ़ाइल में अनुभाग "माइक्रो-मूवमेंट स्पाइक्स" देखें), जो चित्र 5में दिखाए गए उच्च आवृत्ति उतार-चढ़ाव को संरक्षित करते हैं।

Figure 5
चित्रा 5:ऑडियो क्लोज-लूप सिस्टम की एमएमएस गाड़ियों का अनुमान। ईसीजी समय श्रृंखला का उपयोग आरआर-चोटियों और समग्र (अनुमानित) से आयाम विचलन निकालने के लिए किया जाता है आर-चोटियों के आयाम का मतलब प्राप्त (मतलब-स्थानांतरित डेटा)। फिर समीकरण 1 द्वारा सामान्यीकरण (पूरक फ़ाइल देखें, अनुभाग "माइक्रो-मूवमेंट स्पाइक्स") का उपयोग एमएमएस ट्रेनों को प्राप्त करने के लिए किया जाता है। इसी तरह के तरीकों का उपयोग ऑडियो तरंगों को संभालने और व्यक्ति के वास्तविक समय के प्रदर्शन के अनुसार गीत को वापस खेलने के लिए किया जाता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

एमएमएस गाड़ियों को एक निरंतर यादृच्छिक प्रक्रिया के रूप में अच्छी तरह से चिह्नित किया गया था, जो संभावना वितरण के निरंतर गामा परिवार का प्रतिनिधित्व करता था। MLE दोनों डेटा सेट के लिए सबसे अच्छा फिट के रूप में वितरण के इस सतत परिवार समझा (अनुभाग में स्पष्टीकरण देखें "अनुपूरक सामग्री और अनुपूरक चित्रा 2)के वितरण ) । मानव तंत्रिका तंत्र से बायो-सिग्नल द्वारा उत्पन्न बायोरिथम्स के स्टोचस्टिक हस्ताक्षरों में बदलाव को ट्रैक करने के लिए इस प्रकार की यादृच्छिक प्रक्रिया का उपयोग किया गया था।

अनुभवजन्य अनुमानित आकार और पैमाने पर गामा मापदंडों से, हम गामा क्षणों, मतलब, विचरण, विषमता, और कुर्तोसिस प्राप्त करते हैं (पूरक सामग्री के खंड "स्टोचस्टिक विश्लेषण" में विश्लेषण का विवरण देखें)। हम तो अनुमानित पीडीएफ की साजिश है । चित्रा 6 केवल दिल के संकेत और संगीत पर केंद्रित है, लेकिन विधियां 41में प्रस्तुत कीनेमेटिक्स संकेतों द्वारा उत्पन्न अन्य बायोरिथम पर समान रूप से लागू होती हैं।

दिल और संगीत संकेत के पीडीएफ चित्रा 6A-बीमें दिखाए गए हैं, जहां हम दो शर्तों के डेटासेट, जानबूझकर दिनचर्या और सहज कामचलाऊ व्यवस्था के बीच मतभेदों को उजागर करते हैं । प्रत्येक स्थिति के लिए, हम गीत के लौकिक परिवर्तन से प्रेरित स्टोचस्टिक हस्ताक्षरों में बदलाव को रेखांकित करते हैं। शुरू में वे ओरिजनल सॉन्ग पर डांस करते हैं । फिर, के रूप में दिल की धड़कन वास्तविक समय में लय बदलता है, इस संकेत में sonified उतार चढ़ाव नर्तकों गीत के लौकिक परिवर्तन का पालन करने के लिए जाता है ।

ये 1 और परिवर्तन 2 को दर्शाया गया है। इन व्यवस्थित बदलावों को गामा मापदंडों द्वारा वर्णित किया गया है। फिर, अनुभवजन्य अनुमानित आकार और पैमाने के मापदंडों का उपयोग करते हुए, हमने दिल की धड़कन और गीतों के लिए चार इसी गामा क्षणों को प्राप्त किया। ये दिल (ऊपर) और गीत (नीचे) संकेतों के लिए चित्रा 6C में प्रदर्शित कर रहे हैं ।

Figure 6
चित्रा 6:ऑडियो क्लोज-लूप सिस्टम का उपयोग करके प्रॉक्सी नियंत्रण के तहत प्रदर्शन सेअनुभवजन्य अनुमानित गामा पीडीएफ और चार गामा मोमेंट्स के उनके स्टोचस्टिक प्रक्षेप पथ में व्यवस्थित परिवर्तनों को प्रेरित करना। (A)प्रत्येक नृत्य संदर्भों, सहज कामचलाऊ व्यवस्था और जानबूझकर दिनचर्या के लिए प्रत्येक डेटा प्रकार (ईसीजी टॉप और ऑडियो फाइल बॉटम) के एमएमएस गाड़ियों से पीडीएफ । किंवदंतियों Imp या (कामचलाऊ मूल) सत्र के शुरू में आधारभूत स्थिति निरूपित कर रहे हैं; 1 परिवर्तन के दौरान कामचलाऊ व्यवस्था को निरूपित करता है; 2 परिवर्तन के दौरान इम्प Alt2 निरूपण कामचलाऊ व्यवस्था। (ख)इसी तरह, जानबूझकर पूर्वाभ्यास दिनचर्या के लिए, राउत या नियमित मूल का मतलब है; राउत Alt1 का अर्थ है नियमित परिवर्तन 1; राउत Alt2 नियमित परिवर्तन 2 का मतलब है । (सी)में पैनल गामा क्षणों में व्यवस्थित बदलाव दिखाते हैं क्योंकि गाने से ऑडियो संकेत और दिल से दोनों ही मिलकर और वास्तविक समय में बदलाव करते हैं । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

हस्ताक्षर के बदलाव को इन पैनलों (पीडीएफ और गामा क्षणों रेखांकन) में सराहना की जा सकती है, इस प्रकार यह प्रदर्शित किया जा सकता है कि प्रस्तुत किए गए तरीके दिल के अनुकूलन को गीत के परिवर्तनों पर कब्जा कर सकते हैं जो प्रॉक्सी नियंत्रक वास्तविक समय में पैदा करता है। जैसे ही गाने लय में बदलाव करते हैं, इसलिए दिल के स्टोचस्टिक हस्ताक्षर करते हैं और स्टोचस्टिक हस्ताक्षरों का संक्रमण दिशा में भी सुसंगत है (जो 41 में एक खोज भी है जहां हमने आकार और पैमाने के मापदंडों का अध्ययन किया था)। इसी तरह, दिल के हस्ताक्षर बदलाव के रूप में, तो गीत के हस्ताक्षर करते हैं । यह मिररिंग प्रभाव - एक दूसरे को प्रभावित करता है और एक दिशा की ओर लगातार एक बदलाव के रूप में तो अन्य करता है - इस प्रॉक्सी नियंत्रक इंटरफेस के करीबी पाश प्रकृति का पालन करें। परिणाम इस सेटअप की उपयोगिता को रेखांकित करते हैं और अवधारणा का सबूत देते हैं कि हम व्यवस्थित रूप से व्यक्ति के स्वायत्त बायोरिथम को डायडिक एक्सचेंज के संदर्भ में स्थानांतरित कर सकते हैं।

दोनों गीतों और शारीरिक संकेतों के स्टोचस्टिक हस्ताक्षरों पर समानांतर बदलाव, प्रदर्शित करता है कि परिधीय संकेतों का उपयोग करके पूरी प्रणाली (प्रतिभागी और इंटरफ़ेस) का सह-अनुकूलन संभव है। यह प्रक्रिया आसानी से व्यक्ति की जागरूकता के नीचे मालूम होती है और विचारों के लिए अवधारणा का प्रमाण प्रदान करती है ताकि विकल्प के बाहरी संवेदी प्रतिक्रिया के साथ पत्राचार में व्यक्ति के बायो-सिग्नल को दूर से और व्यवस्थित रूप से स्थानांतरित किया जा सके। संक्षेप में, हम इस निरंतर यादृच्छिक प्रक्रिया में स्टोचस्टिक हस्ताक्षरों के स्थानांतरण का मार्गदर्शन कर सकते हैं। तरीके परिवर्तन और स्टोचस्टिक प्रक्षेप पथ है कि हम निकट वास्तविक समय में निर्माण करने में सक्षम थे के साथ उनकी दर पर कब्जा करने के लिए सक्षम है ।

पाली में सांख्यिकीय महत्व का पता लगाने के लिए, हम गैर-पैरामेट्रिक इनोवा, क्रुस्कल-वालिस परीक्षण का उपयोग करते हैं जिसके बाद हॉक परीक्षण के बाद कई तुलनाएं होती हैं। हम छह स्थितियों के बीच दिल के डेटा के एमएमएस के हस्ताक्षरों की तुलना करते हैं। चित्रा 7 एमएमएस हार्ट डेटा और इसी क्रुस्कल-वालिस टेबल की बहु-तुलना दिखाता है। बहु-तुलना कथानक इंगित करता है कि मूल दिनचर्या नृत्य (राउत) की आधारभूत स्थिति के बीच एक महत्वपूर्ण अंतर है। या) और मूल तात्कालिक नृत्य (Imp. या) की आधारभूत स्थिति । यह भी ध्यान दें कि पहले परिवर्तन, राउत महत्वपूर्ण है। Alt1 और Imp. Alt1, वितरण जो तुलनीय साधनों को साझा करने के लिए बदलाव और एक ही दूसरे परिवर्तन पर लागू होता है, जबकि विचरण, विषमता और गामा क्षणों अंतरिक्ष(चित्रा 6C)पर कर्टोसिस बदलाव ।

Figure 7
चित्रा 7:गैर-पैरामेट्रिक क्रुस्कल-वालिस और कई तुलना पोस्ट हॉक परीक्षणों के परिणाम। छह स्थितियों की तुलना करने के लिए हार्ट डेटा के एमएमएस पर लागू गैर-पैरामेट्रिक इनोवा (क्रुस्कल-वालिस टेस्ट) के परिणाम । साजिश 6 मामलों की बहु तुलना को दर्शाता है, "राउत के बीच महत्वपूर्ण अंतर का संकेत है । या " और "Imp. या" शर्तों । तालिका में क्रुस्कल वालिस टेस्ट के परिणाम दिखाई देते हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

एक कृत्रिम डायडिक इंटरैक्शन के ऑडियो-विजुअल क्लोज-लूप इंटरफेस के परिणाम
"ऑडियो-विजुअल क्लोज-लूप इंटरफ़ेस ऑफ ए आर्टिफिशियल डायडिक इंटरैक्शन" (विस्तृत रूप से अनुभाग में प्रस्तुत " उदाहरण 2: पूरक सामग्रीके कृत्रिम डायडिक इंटरैक्शन के ऑडियो-विजुअल क्लोज-लूप इंटरफेस)के अध्ययन में, 6 प्रतिभागियों ने इंटरफ़ेस के साथ बातचीत की, जो आंकड़े 8में सचित्र है, जो व्यक्ति के अपने आंदोलनों को प्रतिपादित करने वाले उनके प्रतिबिंबित अवतार बनाता है। इंटरफ़ेस बातचीत के दौरान व्यक्ति के आसपास के क्षेत्र के भीतर स्थिति-निर्भर ध्वनियों को एम्बेड करता है। प्रतिभागियों को अध्ययन के उद्देश्य के रूप में भोले थे । वे कमरे के आसपास चलना था और यह पता लगाने की कैसे ध्वनि है कि आश्चर्यजनक रूप से उभरने के रूप में वे एक आरओआई (ब्याज के क्षेत्रों) है कि प्रॉक्सी नियंत्रक परिभाषित द्वारा पारित कर दिया जाएगा नियंत्रित करने के लिए ।

Figure 8
चित्रा 8:ऑडियो-विजुअल इंटरफेस का दृश्य प्रतिनिधित्व। 1. परिधीय गतिजिक डेटा के अधिग्रहण के लिए एक मोशन-कैप्चर सिस्टम का उपयोग किया जाता है। 2. सिस्टम कंकाल का अनुमान लगाने के लिए सेंसर (हमारे उदाहरण एलईडी में) की स्थिति एकत्र करता है - हड्डियों पर स्थिति। 3. हड्डी की स्थिति तो हमारे MATLAB विकसित इंटरफेस में गठबंधन कर रहे है हमारे अपने आगे kinematics मॉडल का उपयोग कर । 4. गठबंधन पदों हमारे 3 डी प्रदान की अवतार के लिए कंकाल जानकारी नक्शा करने के लिए उपयोग किया जाता है। 5. अवतार के लिए स्ट्रीम डेटा की मैपिंग वास्तविक समय में है जो व्यक्ति की प्रतिबिंबित छवि को देखने की अनुभूति पैदा करता है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

चित्रा 9 1 की स्थिति के ऑडियो-विजुअल इंटरफ़ेस के परिणामों को दर्शाता है (अधिक शर्तों के लिए पूरक फ़ाइल देखें), जहां हिप स्थान आरओआई में स्थित पूर्व में गीत को सक्रिय करता है। यह आंकड़ा पीडीएफ और गामा हस्ताक्षर (पूरक सामग्री के अनुभाग "डेटा प्रकार और विश्लेषण" देखें) 6 अलग नियंत्रण प्रतिभागियों (C1 से C6) के हिप गति डेटा के, जब वे अंदर और बाहर थे आरओआई मात्रा से पता चलता है । यहां प्रस्तुत परिणाम व्यक्तिगत प्रतिभागियों की अनुकूलन दर पर व्यक्तिगत मतभेदों को उजागर करते हैं । ये स्टोचस्टिक हस्ताक्षरों की पारियों से संकेत दिए जाते हैं, और आरओआई वॉल्यूम के अंदर या बाहर उभरते व्यक्तिगत परिणाम। उदाहरण के लिए, हम देख सकते हैं कि सी 3 और सी 4 के कूल्हों की गति आयाम से प्राप्त एमएमएस की आवृत्ति हिस्टोग्राम के लिए पीडीएफ फिट, मात्रा के अंदर अधिक सममित (उच्च आकार मूल्य) और कम शोर (कम पैमाने पर मूल्य) थे। इसके उलट बाकी प्रतिभागी विपरीत पैटर्न दिखाते हैं ।

अनुभवजन्य रूप से, हमने पाया है कि निचले-दाएं कोने में हस्ताक्षर एथलीटों और नर्तकियों के हैं, जो अत्यधिक कुशल आंदोलनों का प्रदर्शन करते हैं । हस्ताक्षर ऊपरी-बाएं क्षेत्र पर झूठ बोलते हैं, विकृतियों के साथ तंत्रिका तंत्र के डेटासेट से आते हैं, जैसे कि ऑटिज्म स्पेक्ट्रम विकारों एडीएचडी22, 32और एक गगनभेदी प्रतिभागी21 के निदान वाले लोग। एक स्टोचस्टिक प्रक्षेपवक्र के साथ पैटर्न स्थानांतरण के संदर्भ में, हम सही निचले क्वाड्रेंट (आरएलक्यू) और बाएं ऊपरी क्वाड्रेंट (एलयूक्यू) को परिभाषित करने के लिए आकार और पैमाने के औसत मूल्यों को प्राप्त करते हैं जहां हम समय के साथ इस जानकारी को जमा करके शोर अनुपात के संकेत की समग्र गुणवत्ता को ट्रैक करते हैं। यह इन क्वाड्रंट्स को गतिशील रूप से परिभाषित करने वाले औसत मूल्यों को अपडेट करने पर विचार करता है क्योंकि व्यक्ति प्रॉक्सी द्वारा बाहरी रूप से नियंत्रित लोगों के लिए अपने आंतरिक रूप से उत्पन्न बायोरिथम को सह-अनुकूलित करता है लेकिन व्यक्ति के आंतरिक लोगों पर निर्भर करता है।

Figure 9
चित्रा 9:ऑडियो-विजुअल क्लोज-लूप सिस्टम का उपयोग करके बातचीत के दौरान शारीरिक बायोरिथम के अनुभवजन्य अनुमानित गामा पीडीएफ और गामा हस्ताक्षर। प्रत्येक प्रतिभागी (C1 - C6) के कूल्हों की गति से प्राप्त एमएमएस ट्रेनों का उपयोग करते हुए, हमने 95% आत्मविश्वास अंतराल के साथ सर्वश्रेष्ठ पीडीएफ को फिट करने के लिए एमएलई का उपयोग किया। प्रत्येक प्रतिभागी को एक अलग प्रतीक द्वारा दर्शाया जाता है जबकि शर्तों को विभिन्न रंगों द्वारा दर्शाया जाता है। गामा पीडीएफ का एक परिवार जब मात्रा में (में) मात्रा (बाहर) के बाहर से अलग होता है। गामा अनुभवजन्य अनुमानित पीडीएफ के अलावा, गामा पैरामीटर विमान पर प्रत्येक व्यक्ति के लिए अनुमानित गामा आकार और पैमाने के पैरामीटर भी दिखाए जाते हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

तालिका 1 कच्चे (गति) और एमएमएस डेटा से प्राप्त पी-मानों को दिखाता है, जब व्यक्ति के शरीर का हिस्सा आरओआई बनामअंदर होता है। आरओआई के बाहर। मेज पर चित्रित परिणामों का अनुमान गैर-पैरामेट्रिक इनोवा क्रुस्कल-वालिस परीक्षण का उपयोग करके किया गया है ।

क्रुस्कल वालिस टेस्ट स्पीड डेटा एमएमएस
C1 0 1.34 ई-05
C2 0 4.72E-15
C3 0 8.59E-34
C4 2.70E-21 3.16E-04
C5 0 1.11E-09
C6 0 5.95E-05

तालिका 1: गैर-पैरामेट्रिक एनओएवा-क्रुस्कल-वालिस परीक्षण का आउटपुट। क्रुस्कल वालिस टेस्ट के नतीजे एमएमएस और स्पीड डेटा के लिए रॉल के बाहर अंदर बनाम की रिकॉर्डिंग की तुलना करते हैं । हम प्रत्येक प्रतिभागी (C1 - C6) के डेटा पर अलग से परीक्षण लागू करते हैं।

अनुपूरक फाइलें। इन फाइलों को डाउनलोड करने के लिए यहां क्लिक करें।

Discussion

यह पेपर क्लोज-लूप सह-अनुकूली, इंटरैक्टिव, मल्टी-मॉडल इंटरफेस के माध्यम से प्रॉक्सी नियंत्रण की अवधारणा का परिचय देता है जो डायडिक एक्सचेंज के संदर्भ में व्यक्ति के परिधीय संकेत का दोहन, पैरामीटर और फिर से पैरामीटरीकरण करता है। हम व्यक्ति के बायोरिथम्स के उतार-चढ़ाव में स्टोचस्टिक बदलावों की विशेषता और परिवर्तन को पैरामीटर बनाने के उद्देश्य से। इसके अलावा, हम व्यवस्थित रूप से वास्तविक समय में शोर से संकेत शासनों के लक्षित स्तर की ओर उनके बायोरिथम के स्टोचस्टिक हस्ताक्षर स्टीयरिंग के उद्देश्य से ।

हमने एक क्लोज-लूप इंटरफेस बनाने के लिए एक सामान्य प्रोटोकॉल प्रस्तुत किया जो 5 मुख्य तत्वों को संतुष्ट करता है: 1) विभिन्न उपकरणों और प्रौद्योगिकियों का उपयोग करके सीएनएस, पीएनएस और एएनएस से आने वाले कई शारीरिक डेटा का संग्रह; 2) डेटा की सिंक्रोनाइज्ड रिकॉर्डिंग और स्ट्रीमिंग; 3) चयनित संकेतों का वास्तविक समय विश्लेषण; 4) शारीरिक संकेतों के लिए निकाले गए शारीरिक सुविधाओं का उपयोग करके संवेदी वृद्धि (ऑडियो, दृश्य, आदि) का निर्माण; और 5) मानव प्रणाली और समानांतर संवेदी वृद्धि की निरंतर ट्रैकिंग मानव और प्रणाली के बीच बातचीत के पाश को बंद कर देता है।

जेनेरिक प्रोटोकॉल दो उदाहरण इंटरफेस पर लागू किया गया था। पहला दो मानव एजेंटों के बीच डायडिक एक्सचेंज की जांच करता है और दूसरा मानव और एक अवतार एजेंट के बीच। दो प्रकार के डायट का उपयोग अवधारणा का सबूत प्रदान करने के लिए किया गया था कि परिधीय संकेत को वास्तविक समय में व्यवस्थित रूप से बदला जा सकता है और इन स्टोचस्टिक परिवर्तनों को ठीक से ट्रैक किया जा सकता है। एक dyad शारीरिक रूप से बातचीत दो प्रतिभागियों से बना था, जबकि दूसरे एक प्रतिभागी एक 3 डी व्यक्ति की गति के साथ संपन्न अवतार के रूप में एक आभासी एजेंट के साथ बातचीत और इन वास्तविक समय गति के बदल वेरिएंट के साथ शामिल थे । इस तरह के परिवर्तनों को संवर्धित संवेदनाओं की स्थापना में श्रवण और/या दृश्य संवेदी आदानों द्वारा संचालित इंटरैक्टिव जोड़तोड़ द्वारा पैदा किया गया था । असली डायड और कृत्रिम डायड दोनों में, हमने दिल की धड़कन से शारीरिक बायोरिथम्स और स्वायत्त संकेतों सहित परिधीय संकेतों को दूर से स्थानांतरित करने की व्यवहार्यता का प्रदर्शन किया।

हमने efferent मोटर परिवर्तनशीलता में ऐसी बदलावों की जांच करने के लिए नए प्रयोगात्मक प्रोटोकॉल प्रस्तुत किए क्योंकि किनेस्थेटिक सिग्नल धाराओं में हेरफेर किया जा रहा है और वास्तविक समय के निकट फिर से पैरामीटरीकृत किया जा रहा है। यह पुनः प्रवेशी जानकारी (काइनेस्थेटिक रिफेर्स48)वास्तविक समय में सिस्टम के प्रदर्शन को स्थानांतरित करने के लिए मूल्यवान साबित हुई। वे कार्रवाई के संवेदी परिणामों के बारे में जानकारी सहन करते हैं, जिसे हम यहां प्रस्तुत किए गए तरीकों का उपयोग करके ठीक से ट्रैक कर सकते हैं।

हमने अपने विश्लेषणों को मानकीकृत करने के लिए डेटा प्रकार और सांख्यिकीय तरीकों को भी दिखाया। हमने विभिन्न संदर्भों में स्वाभाविक रूप से विकसित होने वाली शारीरिक गतिविधियों में वास्तविक समय में परिवर्तन प्रदर्शित करने के लिए कई दृश्य उपकरण प्रदान किए हैं, जिसमें अनुभवजन्य रूप से निर्देशित सांख्यिकीय अनुमान है जो स्वयं-उत्पन्न और आत्म-नियंत्रित तंत्रिका तंत्र संकेतों की व्याख्या के लिए खुद को उधार देता है। महत्वपूर्ण बात, प्रॉक्सी नियंत्रक द्वारा पैदा किए गए परिवर्तन चिकनी और अभी तक मात्रात्मक थे, इस प्रकार इस धारणा को समर्थन देते हैं कि परिधीय गतिविधि एक से अधिक तरीके से उपयोगी है। जब तक हम व्यावसायिक रूप से उपलब्ध वायरलेस पहनने योग्य सेंसर का उपयोग करके इन तरीकों को लागू कर सकते हैं, हम व्यवस्थित रूप से प्रदर्शन में परिवर्तन को प्रेरित कर सकते हैं जो सिस्टम पर जोर दिए बिना जैव भौतिक लय में कब्जा करने योग्य हैं। नैदानिक क्षेत्र में हमारे तरीकों का अनुवाद करना महत्वपूर्ण है और नए हस्तक्षेप मॉडल विकसित करने के लिए उन्हें एक टेस्टबेड के रूप में उपयोग करना महत्वपूर्ण है (उदाहरण के लिए, ऑटिज्म 49में संवर्धित वास्तविकता का उपयोग करते समय)। ऐसे मॉडलों में, हम व्यक्ति के प्राकृतिक कार्यों के संवेदी परिणामों को ट्रैक और मात्रा निर्धारित करने में सक्षम होंगे, क्योंकि संवेदी आदानों में ठीक से हेरफेर किया जाता है, और आउटपुट को वास्तविक समय में पैरामीटरीकृत और फिर से पैरामीटरीकृत किया जाता है।

हम मानव तंत्रिका तंत्र द्वारा उत्पन्न विभिन्न बायोरिथमिक गतिविधियों का उपयोग करने के लिए एक सामान्य मॉडल के रूप में इस प्रोटोकॉल की पेशकश करते हैं और वायरलेस वियरेबल के साथ गैर-आक्रामक रूप से उपयोग करते हैं। यद्यपि हमने इस पेपर में ईईजी, ईसीजी और काइनेमेटिक्स को पंजीकृत करने के लिए बायोसेंसर के एक सेट का उपयोग किया, लेकिन संकेतों को रिकॉर्ड करने, सिंक्रोनाइज करने और विश्लेषण करने के तरीके सामान्य हैं। इस प्रकार इंटरफ़ेस अन्य प्रौद्योगिकियों को शामिल कर सकता है। इसके अलावा, प्रोटोकॉल को अन्य प्राकृतिक कार्यों और संदर्भों को शामिल करने के लिए संशोधित किया जा सकता है जो चिकित्सा क्षेत्र तक विस्तारित होते हैं। क्योंकि हम प्राकृतिक व्यवहार के लिए उद्देश्य है, सेटअप है कि हम विकसित किया है चंचल सेटिंग्स में इस्तेमाल किया जा सकता है (जैसे, बच्चों और माता पिता को शामिल.)

तंत्रिका तंत्र के कई विकार नियंत्रण समस्या के लिए इस तरह के चंचल दृष्टिकोण से लाभ उठा सकते हैं। दोनों प्रकार की dyadic बातचीत में जो हमने यहां दिखाया, प्रतिभागियों का उद्देश्य जानबूझकर संगीत को नियंत्रित करना हो सकता है, जबकि प्रॉक्सी नियंत्रक अनजाने में हेरफेर करने और व्यवस्थित रूप से अपने हस्ताक्षरों को स्थानांतरित करने के लिए परिधीय उत्पादन का उपयोग करता है। क्योंकि वैज्ञानिकों ने वर्षों तक अनुभवजन्य रूप से गामा पैरामीटर विमान और विभिन्न आयु समूहों (78 वर्ष की आयु के नवजात)19,50, 51, 52,53और स्थितियों (आत्मकेंद्रित,) में गामा पैरामीटर विमान और संबंधित गामा क्षणों अंतरिक्ष का मानचित्रण किया है। पार्किंसंस रोग, स्ट्रोक, कोमा राज्य और बहरागोड़ा), नियंत्रण के विभिन्न स्तरों (स्वैच्छिक, स्वचालित, सहज, अनैच्छिक और स्वायत्त)25,47, 54के लिए, उनके पास अनुभवजन्य रूप से मापा गया मानदंड है जहांगामारिक्त स्थान पर स्टोचस्टिक हस्ताक्षर एक अच्छे भविष्य कहनेवाला नियंत्रण के लिए होने चाहिए। पिछले शोध से यह भी पता चला है कि हम जानते हैं कि मानव तंत्रिका तंत्र 7 ,19,55,56की आत्म-जनित लय से आने वाले सहज यादृच्छिक शोर की उपस्थिति में पैरामीटर कहां हैं। बायोरिथिक मोटर शोर को कम करने वाले अनुकूलन स्कीमा के भीतर, हम इस प्रकार संकेतों को इस तरह से चलाने का लक्ष्य रख सकते हैं कि गामा रिक्त स्थान के लक्षित क्षेत्रों को प्राप्त किया जा सके जहां प्रत्येक व्यक्ति के पीडीएफ के परिवार के आकार और फैलाव हस्ताक्षर शोर अनुपात और भविष्य कहनेवाला मूल्यों के लिए उच्च संकेत के अनुकूल हैं। इस अर्थ में, हम सकल डेटा खोना नहीं है और बल्कि यह प्रभावी ढंग से उपयोग करने के लिए एक दी गई स्थिति के भीतर शोर के वांछनीय स्तर की ओर प्रणाली ड्राइव ।

डायडिक इंटरैक्शन नैदानिक या प्रशिक्षण सेटिंग्स में सर्वव्यापी हैं। वे ट्रेनर और प्रशिक्षु के बीच हो सकता है; चिकित्सक और रोगी; नैदानिक चिकित्सक और रोगी; और वे अनुसंधान सेटिंग्स में भी हो सकते हैं जिसमें ट्रांसलेशनल साइंस शामिल है और शोधकर्ता और प्रतिभागी को शामिल किया गया है। वर्तमान प्रोटोकॉल के फायदों में से एक यह है कि जब वे dyads के लिए डिज़ाइन किए गए हैं, तो वे व्यक्तिगत भी हैं। जैसे, व्यक्ति की सर्वोत्तम क्षमताओं और पूर्वाग्रहों के लिए सह-अनुकूली बातचीत को दर्जी करना संभव है, उनकी गति की श्रेणियों के अनुसार, संवेदी प्रसंस्करण समय की उनकी श्रेणियां और व्यक्ति के तंत्रिका तंत्र के कार्यात्मक पदानुक्रम में संकेतों के आयाम में श्रेणियों पर विचार करते समय। के रूप में स्टोचस्टिक प्रक्षेपवक्र उभर और समय में विकसित, यह भी हस्ताक्षर की संभावना की दरों का पता लगाने और संभव संवेदी परिणामों के साथ कई आसन्न घटनाओं की भविष्यवाणी करने के लिए उस समय श्रृंखला का उपयोग करने के लिए संभव है ।

अंत में, कला की दुनिया में क्लोज-लूप इंटरफेस का भी उपयोग किया जा सकता है। वे प्रदर्शन करने वाले कलाकारों को आधुनिक नृत्य, प्रौद्योगिकी नृत्य और दृश्य के नए रूपों और शारीरिक अभिव्यक्ति के सोनिफिकेशन के कंप्यूटेशनली संचालित रूपों को उत्पन्न करने के लिए नए रास्ते प्रदान कर सकते हैं। ऐसे संदर्भों में, नर्तकी के शरीर को एक संवेदी-चालित साधन में बदल दिया जा सकता है ताकि आत्म-जनित बायोरिथिमिक गतिविधियों के सोनिफिकेशन और विज़ुअलाइज़ेशन के माध्यम से विभिन्न संवेदी तौर-तरीकों का लचीले ढंग से पता लगाया जा सके, जैसा कि इस क्षेत्र में पूर्व कार्य द्वारा दिखाया गया है40,41,43,46। इस तरह के प्रदर्शन मंच पर एक नर्तकी की भूमिका को बढ़ाने और दर्शकों को दिखाई आंदोलन से परे सूक्ष्म शारीरिक संकेतों का अनुभव कर सकता है ।

इस तकनीक के कई पहलुओं को वास्तविक समय की सेटिंग्स में उनके उपयोग को अनुकूलित करने के लिए और विकास और परीक्षण की आवश्यकता होती है। समकालिक स्ट्रीमिंग उच्च गति सीपीयू/GPU शक्ति और स्मृति क्षमता की मांग करने के लिए वास्तव में समय पाने की धारणा का फायदा उठाने और एक कदम आगे जा रहा है जब चल रहे मोटर आज्ञाओं के संवेदी परिणामों की भविष्यवाणी । उपकरणों की नमूना दरों को वास्तव में संकेतों को संरेखित करने, उचित संवेदी संलयन करने और तंत्रिका तंत्र के विभिन्न चैनलों के माध्यम से जानकारी के संचरण का पता लगाने में सक्षम होने के लिए तुलनीय होना चाहिए। ये इस नए इंटरफेस में मौजूद कुछ सीमाएं हैं।

सब और सभी, यह काम हमारे शारीरिक प्रणाली के नियंत्रण में सुधार करने के लिए एक नई अवधारणा प्रदान करता है, जबकि अचेतन को रोजगार का मतलब है कि फिर भी स्टोचस्टिक परिवर्तन के व्यवस्थित मानकीकृत परिणाम माप के लिए अनुमति देते हैं ।

Disclosures

द्वारा कवर किए गए तरीके:

• US20190333629A1 "निदान और तंत्रिका संबंधी विकारों के उपचार के लिए तरीके"

• EP3229684B1 "Procédés de mesure d'un mouvement फिजियोलॉजीमेंट प्रासंगिक"

• US20190261909A1 "एक विषय में इच्छा की मात्रा निर्धारित करने के लिए प्रणाली और विधि"

US2021110989122 "शारीरिक प्रासंगिक गति को मापने के लिए प्रणाली औरविधि"

Acknowledgments

हम छात्रों को जो अपने समय स्वेच्छा से मदद करने के लिए इस शोध प्रदर्शन का शुक्रिया अदा; कान अनंत और फेजस्पेस इंक हमें सेट अप का वर्णन करने के लिए आवश्यक छवियों और वीडियो के साथ प्रदान करने के लिए; और हमें चैनल www.youtube.com/c/neuroelectrics/ और उनके मैनुअल से सामग्री का उपयोग करने की अनुमति देने के लिए न्यूरोइलेक्ट्रॉनिक्स। अंत में, हम इस पांडुलिपि के प्रस्तुत चरणों के दौरान पेशेवर समर्थन के लिए संज्ञानात्मक विज्ञान के लिए रटगर्स सेंटर से प्रो थॉमस Papathomas शुक्रिया अदा करते हैं, नैंसी Lurie मार्क्स परिवार फाउंडेशन कैरियर विकास पुरस्कार EBT और Vk को Gerondelis फाउंडेशन पुरस्कार ।

योगदान
संकल्पना, वीके और ईबीटी; कार्यप्रणाली, ईबीटी; सॉफ्टवेयर, वीके, ईबीटी, एसके.; सत्यापन, वीके और एसके; औपचारिक विश्लेषण, वीके; जांच, वीके, ईबीटी, एसके; संसाधन, ईबीटी; डेटा क्यूरेशन, वीके; लेखन-मूल मसौदा तैयारी, ईबीटी; लेखन-समीक्षा और संपादन, वीके, एसके.; विज़ुअलाइज़ेशन, वीके और ईबीटी.; पर्यवेक्षण, ईबीटी.; परियोजना प्रशासन, ईबीटी.; वित्त पोषण अधिग्रहण, EBT सभी लेखकों को पढ़ा है और पांडुलिपि के प्रकाशित संस्करण के लिए सहमत हुए ।

Materials

Name Company Catalog Number Comments
Enobio 32 Enobio Hardware for EEG data collection
Enobio ECG Extention Enobio Hardware for ECG data collection
LabStreamingLayer (LSL) Synchronization and streaming of data
Matlab Mathwork Analysis and processing of data
Max Cycling'74 Sonification of bodily information
NIC.2 Enobio Software for EEG and ECG data collection
PhaseSpace Impulse PhaseSpace Hardware for collection of the kinematic data (position, speed, acceleration)
Python3 Python Analysis and processing of data
Recap PhaseSpace Software for collection of the kinematic data (position, speed, acceleration)

DOWNLOAD MATERIALS LIST

References

  1. Kawato, M., Wolpert, D. Internal models for motor control. Novartis Foundation Symposium. 218, 291-304 (1998).
  2. Wolpert, D. M., Kawato, M. Multiple paired forward and inverse models for motor control. Neural Networks. 11, (7-8), 1317-1329 (1998).
  3. Wolpert, D. M., Miall, R. C., Kawato, M. Internal models in the cerebellum. Trends in Cognitive Sciences. 2, (9), 338-347 (1998).
  4. Todorov, E., Jordan, M. I. Optimal feedback control as a theory of motor coordination. Nature Neuroscience. 5, (11), 1226-1235 (2002).
  5. Todorov, E. Optimality principles in sensorimotor control. Nature Neuroscience. 7, (9), 907-915 (2004).
  6. Torres, E. B. Theoretical Framework for the Study of Sensori-motor Integration. University of California, San Diego. (2001).
  7. Harris, C. M., Wolpert, D. M. Signal-dependent noise determines motor planning. Nature. 394, (20), 780-784 (1998).
  8. Torres, E. B., Zipser, D. Reaching to Grasp with a Multi-jointed Arm (I): A Computational Model. Journal of Neurophysiology. 88, 1-13 (2002).
  9. Carmena, J. M., et al. Learning to control a brain-machine interface for reaching and grasping by primates. PLoS Biology. 1, (2), 42 (2003).
  10. Hwang, E. J., Andersen, R. A. Cognitively driven brain machine control using neural signals in the parietal reach region. 2010 Annual International Conference of the IEEE Engineering in Medicine and Biology. 2010, 3329-3332 (2010).
  11. Andersen, R. A., Kellis, S., Klaes, C., Aflalo, T. Toward more versatile and intuitive cortical brain-machine interfaces. Current Biology. 24, (18), 885-897 (2014).
  12. Contreras-Vidal, J. L., et al. Powered exoskeletons for bipedal locomotion after spinal cord injury. Journal of Neural Engineering. 13, (3), 031001 (2016).
  13. Choi, K., Torres, E. B. Intentional signal in prefrontal cortex generalizes across different sensory modalities. Journal of Neurophysiology. 112, (1), 61-80 (2014).
  14. Hwang, E. J., Andersen, R. A. Cognitively driven brain machine control using neural signals in the parietal reach region. 2010 Annual International Conference of the IEEE Engineering in Medicine and Biology. 2010, 3329-3332 (2010).
  15. Andersen, R. A., Kellis, S., Klaes, C., Aflalo, T. Toward more versatile and intuitive cortical brain-machine interfaces. Current Biology. 24, (18), 885-897 (2014).
  16. Contreras-Vidal, J. L., et al. Powered exoskeletons for bipedal locomotion after spinal cord injury. Journal of Neural Engineering. 13, (3), 031001 (2016).
  17. Choi, K., Torres, E. B. Intentional signal in prefrontal cortex generalizes across different sensory modalities. Journal of Neurophysiology. 112, (1), 61-80 (2014).
  18. Yanovich, P., Isenhower, R. W., Sage, J., Torres, E. B. Spatial-orientation priming impedes rather than facilitates the spontaneous control of hand-retraction speeds in patients with Parkinson's disease. PLoS One. 8, (7), 66757 (2013).
  19. Torres, E. B., Cole, J., Poizner, H. Motor output variability, deafferentation, and putative deficits in kinesthetic reafference in Parkinson's disease. Frontiers in Human Neuroscience. 8, 823 (2014).
  20. Torres, E. B., et al. Toward Precision Psychiatry: Statistical Platform for the Personalized Characterization of Natural Behaviors. Frontiers in Human Neuroscience. 7, 8 (2016).
  21. Torres, E. B., Cole, J., Poizner, H. Motor output variability, deafferentation, and putative deficits in kinesthetic reafference in Parkinson's disease. Frontiers in Human Neuroscience. 8, 823 (2014).
  22. Torres, E. B., et al. Autism: the micro-movement perspective. Frontiers in Integrative Neuroscience. 7, 32 (2013).
  23. Ryu, J., Vero, J., Torres, E. B. MOCO '17: Proceedings of the 4th International Conference on Movement Computing. ACM. 1-8 (2017).
  24. Brincker, M., Torres, E. B. Noise from the periphery in autism. Frontiers in Integrative Neuroscience. 7, 34 (2013).
  25. Torres, E. B. Two classes of movements in motor control. Experimental Brain Research. 215, (3-4), 269-283 (2011).
  26. Torres, E. B. Signatures of movement variability anticipate hand speed according to levels of intent. Behavioral and Brain Functions. 9, 10 (2013).
  27. Gramann, K., et al. Cognition in action: imaging brain/body dynamics in mobile humans. Reviews in the Neurosciences. 22, (6), 593-608 (2011).
  28. Makeig, S., Gramann, K., Jung, T. P., Sejnowski, T. J., Poizner, H. Linking brain, mind and behavior. International Journal of Psychophysiology. 73, (2), 95-100 (2009).
  29. Ojeda, A., Bigdely-Shamlo, N., Makeig, S. MoBILAB: an open source toolbox for analysis and visualization of mobile brain/body imaging data. Frontiers in Human Neuroscience. 8, 121 (2014).
  30. Casadio, M., et al. IEEE International Conference on Rehabilitation Robotics. IEEE Xplore. ed IEEE (2019).
  31. Pierella, C., Sciacchitano, A., Farshchiansadegh, A., Casadio, M., Mussaivaldi, S. A. 7th IEEE International Conference on Biomedical Robotics and Biomechatronics. IEEE Xplore. (2018).
  32. Torres, E. B. Two classes of movements in motor control. Experimental Brain Research. 215, (3-4), 269-283 (2011).
  33. Purves, D. Neuroscience. Sixth edition. Oxford University Press. (2018).
  34. Torres, E. B. Signatures of movement variability anticipate hand speed according to levels of intent. Behavioral and Brain Functions. 9, 10 (2013).
  35. Torres, E. B. The rates of change of the stochastic trajectories of acceleration variability are a good predictor of normal aging and of the stage of Parkinson's disease. Frontiers in Integrative Neuroscience. 7, 50 (2013).
  36. Torres, E. B., Vero, J., Rai, R. Statistical Platform for Individualized Behavioral Analyses Using Biophysical Micro-Movement Spikes. Sensors (Basel). 18, (4), (2018).
  37. Torres, E. B. Progress in Motor Control. Springer. 229-254 (2016).
  38. Torres, E. B., Yanovich, P., Metaxas, D. N. Give spontaneity and self-discovery a chance in ASD: spontaneous peripheral limb variability as a proxy to evoke centrally driven intentional acts. Frontiers in Integrative Neuroscience. 7, 46 (2013).
  39. Gramann, K., Jung, T. P., Ferris, D. P., Lin, C. T., Makeig, S. Toward a new cognitive neuroscience: modeling natural brain dynamics. Frontiers in Human Neuroscience. 8, 444 (2014).
  40. Kalampratsidou, V., Torres, E. B. Bodily Signals Entrainment in the Presence of Music. Proceedings of the 6th International Conference on Movement and Computing. (2019).
  41. Kalampratsidou, V., Torres, E. B. Sonification of heart rate variability can entrain bodies in motion. Proceedings of the 7th International Conference on Movement and Computing. Article 2 (2020).
  42. Kalampratsidou, V. Co-adaptive multimodal interface guided by real-time multisensory stochastic feedback. Rutgers University-School of Graduate Studies. (2018).
  43. Kalampratsidou, V., Kemper, S., Torres, E. B. Real time streaming and closed loop co-adaptive interface to steer multi-layered nervous systems performance. 48th Annual Meeting of Society for Neuroscience. (2018).
  44. Kalampratsidou, V., Torres, E. B. Body-brain-avatar interface: a tool to study sensory-motor integration and neuroplasticity. Fourth International Symposium on Movement and Computing, MOCO. 17, (2017).
  45. Kalampratsidou, V., Torres, E. B. Peripheral Network Connectivity Analyses for the Real-Time Tracking of Coupled Bodies in Motion. Sensors (Basel). 18, (9), (2018).
  46. Kalampratsidou, V., Zavorskas, M., Albano, J., Kemper, S., Torres, E. B. Dance from the heart: A dance performance of sounds led by the dancer's heart. Sixth International Symposium on Movement and Computing. (2019).
  47. Kalampratsidou, V., Torres, E. B. Outcome measures of deliberate and spontaneous motions. Proceedings of the 3rd International Symposium on Movement and Computing. 9 (2016).
  48. Von Holst, E., Mittelstaedt, H. Perceptual Processing: Stimulus equivalence and pattern recognition. Dodwell, P. C. Appleton-Century-Crofts. 41-72 (1950).
  49. Torres, E. B., Yanovich, P., Metaxas, D. N. Give spontaneity and self-discovery a chance in ASD: spontaneous peripheral limb variability as a proxy to evoke centrally driven intentional acts. Frontiers in Integrative Neuroscience. 7, 46 (2013).
  50. Torres, E. B. Objective Biometric Methods for the Diagnosis and Treatment of Nervous System Disorders. Academmic Press, Elsevier. (2018).
  51. Torres, E. B., et al. Toward Precision Psychiatry: Statistical Platform for the Personalized Characterization of Natural Behaviors. Frontiers in Neurology. 7, 8 (2016).
  52. Wu, D., et al. How doing a dynamical analysis of gait movement may provide information about Autism. APS March Meeting Abstracts. (2017).
  53. Torres, E. B., et al. Characterization of the statistical signatures of micro-movements underlying natural gait patterns in children with Phelan McDermid syndrome: towards precision-phenotyping of behavior in ASD. Frontiers in Integrative Neuroscience. 10, 22 (2016).
  54. Kalampratsidou, V. Peripheral Network Connectivity Analyses for the Real-Time Tracking of Coupled Bodies in Motion. Sensors. (2018).
  55. Brincker, M., Torres, E. B. Noise from the periphery in autism. Frontiers in Integrative Neuroscience. 7, 34 (2013).
  56. Torres, E. B., Denisova, K. Motor noise is rich signal in autism research and pharmacological treatments. Scientific Reports. 6, 37422 (2016).
क्लोज-लूप इंटरफेस का उपयोग करके री-पैरामीटरीकृत परिधीय संकेतों का वास्तविक समय प्रॉक्सी-नियंत्रण
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Kalampratsidou, V., Kemper, S., Torres, E. B. Real-Time Proxy-Control of Re-Parameterized Peripheral Signals using a Close-Loop Interface. J. Vis. Exp. (171), e61943, doi:10.3791/61943 (2021).More

Kalampratsidou, V., Kemper, S., Torres, E. B. Real-Time Proxy-Control of Re-Parameterized Peripheral Signals using a Close-Loop Interface. J. Vis. Exp. (171), e61943, doi:10.3791/61943 (2021).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter