Name: Beyin-makine Arayüzler Kapalı döngü Performans Çalışması için Deneysel Bir Platform (Video) | JoVE Journal
Uploaded: 2011-03-10T12:00:00.000+00:00
Duration: 10 min 51 s
Description: Keşfedin, sinek beyin H1 nöronu aktivitesi kullanılarak mobil robotun kapalı döngü denetimini. Bu yöntem, biyolojik sinyallerle robotik sistemlerin entegrasyonunu ve gerçek zamanlı stabilizasyonu gösterir.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

K. Peterson, ABD Hava Kuvvetleri Araştırma Laboratuvarları ve finansman Biyomühendislik Anabilim Dalı Doktora öğrencilikle tarafından desteklenmiştir. N. Ejaz, ABD Hava Kuvvetleri Araştırma Laboratuvarları Yüksek Eğitim Komisyonu, Pakistan ve finansman Doktora öğrencilikle tarafından desteklenen oldu.

1. Hazırlık Fly <ol><li> Deneyler kurulmasında ilk adım sinek hazırlanıyor, böylece herhangi bir istemsiz hareket nöronal kayıtları ve sineğin baş görsel uyarı cihazları ile doğru yönde olduğunu istikrarı bozarsa. Sinek hazırlanması başlamak için, buz üzerinde serin ve daha sonra kanatları basılı köreldiğini kokteyl çubukları kullanmak, bir mikroskop lamı üzerine çift taraflı bant bir parça sinek geri düzeltmek. </li><li> Sonra, slayt kanat takmak için ve aynı zamanda arıların uçuş motor eylemi engellemek için balmumu uygulamak için bir elektro-dağlama iğne kullanın. Bu adım, işlem sırasında sinek ısıtmıyor, böylece hızlı ve doğru işlem gerektirir. </li><li> Şimdi, forseps ile mikroskop altında tutun ve her bacak vücudun en yakın eklemlerde kesilmiş bir çift, küçük bir makas kullanın. Burnumun için bu işlemi tekrarlayın. Sinek kurumasını önlemek için, delikler balmumu ile kapatılmış olmalıdır. </li><li> Sonra, kanatlarının biri kesilmiş ve sonra yan sinek açmak. Halteres kapsayan calyptra terk ederken, kalan herhangi bir kanat parçalarını çıkartın ve delik balmumu ile mühür. Diğer kanat için bu yordamı yineleyin. </li><li> Tanımlanmış bir şekilde bir hedef nöron teşvik etmek, sinek kafası bilgisayar monitörleri ile uyumlu hale getirilmesi. Bunu yapmak için, bir ucunda sinek boyun koyulacak bir çentik kesilmiş, sinek vücudunun bir uzantısı için geniş bir alana sahip özelleştirilmiş bir tutucu gerekir. </li><li> Yapıştırma sırasında yerde karın aşağı doğru bastırarak, çentik, boyun sahibinin üzerine sinek yerleştirin. Şimdi bir stand sinek sahibi mikroskop ile sineğin başının ön böylece yerleştirin. </li><li> Kırmızı ışık ile anında görüntüleme, optik bir fenomen denilen sözde öğrenci her göz görülebilir. Pseudo-öğrenci uyaran (Franceschini'yi 1975) ile sinek kafasını hizalamak için kullanılabilecek bir referans çerçevesi sağlar. Sözde öğrenci, aşağıda görüntü eklemek gösterildiği gibi belli bir şekli, varsayar, o sineğin başının yönünü mükemmel tanımlanır. <img src="/files/ftp_upload/1677/1677fig0.jpg" alt="Sahte öğrenci" data-altupdatedat="1787634011000" data-alt="pseudo-öğrenci"> </li><li> Sineğin başının doğru yönlendirmek için bir micromanipulator kullanın ve sonra tutkal sahibine mum kullanmak. </li><li> Ardından, düz aşağı toraks basın ve sahibine mum. Bu elektrotlar sinek beyin içine girilebilir ve böylece arka baş kapsül açılmasına olanak tanır. </li><li> Sağ baş kapsül manikür bir pencere dikkatle kesmek için bir mikro neşter veya ince bir enjeksiyon iğnesi kullanın. Manikür altındaki sinir doku sağ kesim için dikkatli olun. Manikür parçası çıkarıldıktan sonra, Ringer solüsyonu birkaç damla ekleyin. </li><li> Lobula plaka herhangi bir kayan kapağı olabilir kıllar, yağ birikintileri ya da kas dokusu çıkarmak için forseps kullanın. Lobula plaka gümüşi trakea arka yüzeyini kaplayan karakteristik bir dallanma deseni tarafından tespit edilebilir. </li><li> Manikür bir referans elektrot konumlandırma için sol arka baş kapsül içine küçük bir delik kesin. Sinek hazırlanan kayıt elektrot pozisyonu nasıl görmenizi sağlar. </li></ol> 2. Kayıt Elektrot Konumlandırma <ol><li> Sinek hazırlanan, H1 nöron gelen sinyalleri bulma ve kayıt için devam edelim. Kayıt elektrodu H1 nöron yakın yerleştirilmesi gerekir. H1 nöron esas olarak açık alanda (Krapp ve ark 2001) sunulan yatay back-to-ön hareket yanıt verir. </li><li> Kayıt elektrot yerleştirmek için, görsel bir işareti olarak trakea kullanın. Başlangıçta, en üst trakea arasında elektrot yerleştirin. </li><li> Akustik sinyal içine kaydedilen elektriksel potansiyelleri dönüştürmek için bir ses yükseltici kullanmak için yardımcı olur. Her birey başak karakteristik bir klik sesi dönüştü. Yakın elektrot ayrı bir nöron alır, net bir klik sesi olur. </li><li> H1 nöron hareketi tercih yoluyla belirlemek için, yatay yönde hareket uyarır. Yerde kayıt elektrot ile görsel uyarı ve kayıtlar üzerinde hareket sağlar. </li></ol> 3. Görsel Uyarım ve Kayıtlar <ol><li> Kapalı döngü deneyler turn-table hareketi için robot telafi H1 nöron sonuçları, stimülasyon gibi kurulum Başlamak için, iki CRT bilgisayar monitörlerinin önünde bir sinek yerleştirin. Anında görme sistemi, insan daha 10 kat daha hızlı olduğundan, monitörler, saniyede 200 kare görüntülemeniz gerekir. Monitörler ve diğer elektrikli aletlerin elektromanyetik ölçülen nöronal sinyal dış gürültüyü en aza indirmek için ekranlı olmalıdır. </li><li> Sinek yönüne göre 45 derece + / - monitörlerin merkezleri yerleştirin. Sineğin göz ekvator görüldüğü gibi, her monitör yatay + / -25 derecelik bir açı subtends ve +Dikey düzlemde / -19 derece. </li><li> Bilgisayar monitörleri Senkronize giriş deneme için modifiye edilmiş, küçük bir, iki tekerlekli ASURO robot üzerine monte iki video kameralar tarafından sağlanmaktadır. </li><li> Duvarları dikey olarak yönlendirilmiş, siyah ve beyaz çizgili bir desen ile kaplı silindirik bir alan içinde bir dönüş masa robot yerleştirin. Yatay düzlemde turn-table çevirerek, robot hareketleri özgürlük sadece bir derece sınırlıdır. </li><li> Başlangıçta turn-table ve robot hem de dinlenme sırasında. Turn-table hareket etmeye başladığı zaman, onun dönüşü aynı yönde, robot taşır ve video kameralar ve robot arena çizgili desen arasındaki göreceli hareket kaydetmek. </li><li> Robot üzerindeki pille çalışan video kameralar, bir oryantasyon + / - 45 dereceye monte edilmiştir. Onlar sinek önünde bilgisayar monitörleri kare hızına uydurmak için saniyede 200 görüntü yakalamak. </li><li> Bilgisayar monitörleri, 640 x 480 (gri ölçek) çözünürlükte, saniyede 200 kare hızında sunulan görüntüleri oturum açın. </li><li> Sinek çizgili desen hareketlerini izliyor, kayıt bant geçti Dijital Toplama kurulu ile en az 10 kHz örnekleme oranı kullanılarak (örneğin, 300 ile 2 kHz) elektrik sinyallerini filtre. </li><li> Bir eşik uygulanan bant-geçti arka plan aktivitesi ani ayrı filtre elektrik sinyalleri. Nedensel, yarı-Gauss filtresi H1 hücre için düzgün bir spike aktivitesini tahmin elde etmek için ani convolved. </li><li> Beyin makine arayüzü döngü kapatmak için, bir kontrol algoritması, sürüş robot tekerlekleri iki DC motorları kontrol etmek için bir Bluetooth arabirimi üzerinden geri beslenen bir robot hızı H1 hücre başak oranı dönüştürmek için kullanılır. </li><li> Saf sinüs dalgaları teslimi masa için hız profilleri olarak tercih edilmektedir. Sinüs dalgaları turn-table sadece kendi tercih ettiği yönünde H1 nöron uyarır yönünde döner bir DC-ofset var. Turn-table hareketi için robot telafi H1 nöron sonuçları uyarılması. <img src="/files/ftp_upload/1677/1677fig1.jpg" alt="Şekil 1" data-altupdatedat="1787634011000" data-alt="Şekil 1"> Şekil 1: Kapalı döngü kurulum. Kurulumu, sol H1 hücre spike aktivitesi döner bir destek üzerine monte edilmiş bir robot hareketini kontrol etmek için kullanılır. Görsel görüntü hareket robot ve turn-table arasındaki göreceli hareket sonucu olarak üretilen, yüksek hızlı kameralar ile yakalanan ve sinek önünde iki CRT monitörlerde görüntülenir. H1 sol hemisfer spike aktivitesi o robot için bir tazminat hızını hesaplamak için bir kontrol kanunu kullanan gerçek zamanlı başak oranı tahmin etmek için kullanılır. Robot karşı rotasyon, kapalı-döngü kontrol sırasında sinek tarafından gözlemlenen görsel görüntü hareket dengeler. </li></ol> 4. Temsilcisi Sonuç ve Sonuçlar <ol><li> Doğru olarak kurulduğunda, görsel istikrar robotun karşı döndürme, bilgisayar monitörleri çok az veya hiç desen hareketinin, turn-table dönme eşleştiğinde elde edilir. Sistemin genel performansı döngü kapatmak için kullanılan kontrol algoritması bağlıdır. </li><li> Biz testi ilk algoritma güncellenen robot hız robot, ωr ​​ve turn-table, ωp arasındaki açısal hızları arasındaki fark ile orantılı bir oransal denetleyici (Şekil 2). Statik kazancı, Kp ve turn-table sinyal, ωp için giriş frekansları için farklı değerler kontrolörün performansını test etmek için tercih edilir. <img src="/files/ftp_upload/1677/1677fig2.jpg" alt="Şekil 2" data-altupdatedat="1787634011000" data-alt="Şekil 2"> Şekil 2: Orantılı denetleyici. (A), tercih edilen yönde robot ve turn-table arasındaki Bağıl hareket başak oranı vermek için H1 hücresi uyarır, F. Bu başak oranı bir hız hatası, E haline dönüştürülür ve oransal denetleyici tahmin etmek için kullanılır. güncellenmiş robot hız, vr (t +1). Başak oranı, F, daha az veya daha fazla spontan başak oranı, Fspont olup olmadığına göre, hız hatası, E dönüştürülür. Hata dönüşüm hızı başak oranı spike oranı eşik doğrusal olmayan hesap kosinüs (aralığı [π, 0]) üzerinden F projelendirme yapılır. Turn-table minimum ve maksimum açısal hızları 70 ve 150 sabitler robot, 8-bit giriş hızı maç için kullanılır. (B) oransal denetleyici kullanarak kapalı döngü sistemi gösteren blok diyagramı. Sisteme giriş sinosuidal turn-table açısal hız modülasyon, ωp (t) ve ilgili robot yanıt ωr (t +1) kaydedilir. </li><li> Ω p ve ω r için örnek izleri K p = 1 için burada gösterilen ve bir giriş frekansı 0,6 ω p Hz (bkz. Şekil 3). Robot (yeşil) bir gecikme ile (mavi), turn-table aşağıdakive pik daha küçük bir genlik. H1 hücre uyarır desen hareket yatay bileşeni (kırmızı) aşağıda gösterilmiştir. <img src="/files/ftp_upload/1677/1677fig3.jpg" alt="Şekil 3" data-altupdatedat="1787634011000" data-alt="Şekil 3"> Şekil 3: Kapalı döngü yanıtları. (A) Açısal giriş frekansı = 0.6 Hz turn-table hızları (mavi), ωp ve robot (yeşil), ωr,. (B) Yatay optik akış kaydedilen görüntülerin (kırmızı) hesaplanan gibi gösterilir. Piramidal Lucas Kanade yöntemi (3 piramit düzeyleri), ardışık görüntü kareleri arasında optik akış alanını hesaplamak için kullanılır. Yatay açısal hız yatay birim vektör i. üzerine akış alanlarda bireysel vektörlerin projeksiyonları toplanmasıyla hesaplanır H1 hücresi inhibe yatay önden arkaya hareket ND (null yönünde) olarak adlandırılır H1 hücresi heyecanlandıran Yatay arka-ön hareket PD (tercih edilen yön) olarak adlandırılır. </li><li> Giriş frekansları, turn-table sinyali ωp, 0,03-3 Hz ve ilgili robot sinyali ωr arasında seçilir kaydedilir. Her iki sinyal frekans alanı haline dönüştürülmüştür hızlı Fourier dönüşümü (bkz. Şekil 4) ve genlik ve faz değerleri giriş frekansı hesaplanır. <img src="/files/ftp_upload/1677/1677fig4.jpg" alt="Şekil 4" data-altupdatedat="1787634011000" data-alt="Şekil 4"> Şekil 4: Frekans tepkisi turn-table, ωp ve robot ωr, Açısal hız sinyalleri, genlik ve faz bileşenleri giriş frekansı hesaplamak için hızlı Fourier dönüşümü (FFT) yöntemi kullanarak frekans alanı dönüşür . FFT Faz bileşenleri şekilde gösterildiği değildir. </li><li> K p = 1 gösterir, test edilen giriş frekansları üzerinden sistemin yanıtı (şekle bakınız 5-a) ile oransal denetleyici büyüklükte arsa Bode . Denetleyicisi performans genellikle artan frekansları ile azalır. 1 Hz hafif bir artış kazancı nedeniyle, dinamik aralık (çıkış), özellikle arka-ön hareket yatay kapakları sadece bir H1-hücre kullanarak robot sinyal salınımlar sonucu olarak. <img src="/files/ftp_upload/1677/1677fig5.jpg" alt="Şekil 5" data-altupdatedat="1787634011000" data-alt="Şekil 5"> Şekil 5: Orantılı denetleyici performansını. Oransal denetleyicinin (8 sinekleri üzerinde ortalama), statik kazancı Kp = 1.0 büyüklük ve faz Bode çizimleri (a) büyüklükte arsa kabaca bir alçak geçiren filtre özelliği şu bir işaret. 1 Hz hafif bir artış kazancı nedeniyle, dinamik (çıkış) ağırlıklı olarak ön hareket yatay kapakları sadece bir H1-hücre kullanarak robot sinyali ωr, salınımlar sonucu olarak. Robot sinyal, ωr salınım sayısı, bu frekanslarda hafif bir artış elde etmek için önde gelen artan girdi frekansları ile azalır. (B) faz arsa giriş frekanslar için daha az 180 ° ≤ 3 Hz'de 1 Hz ve yaklaşımlar istikrarsızlık. Bode Belirli bir giriş frekansı ötesinde, kontrolör, istikrarsız bir robotun kinematik nedeniyle hale gelir. Bu istikrarsızlığın sadece sinek görme sistemi (Warzecha ve ark 1999), bilinen en iyi yanıt aralığının dışında oluşur. </li><li> Bode faz arsa (5-b şekle bakınız) bir denetleyici faz giriş frekanslar için &lt;0.6 Hz Π daha az lag gösterir. Denetleyicisi frekanslar için kararlı olduğunu göstermektedir &lt;0.6 Hz ve kararsız giriş frekanslar için ≥ 1 Hz. </li><li> K p değeri bir zaman aralığı üzerinden hesaplanan pik başak oranı, F maks, her 50 ms güncellenir uyarlanabilir bir kontrol (kırmızı), (mavi) ile statik bir Kp oransal denetleyicinin performansı ile karşılaştırıldı [t-500ms - t] (bkz. Şekil 6). Büyük entegrasyon zaman penceresi bir sonucu olarak, oransal kontrol, test edilen parametre aralığı için uyarlanabilir bir kontrol daha iyi yapar (bkz. şekil 7-a). 500 ms ilk defa entegrasyon pencere bizim kullandığımız robot platformu ile ilgili teknik nedenlerden dolayı seçildi. Adaptif kontrol oransal denetleyicinin (bkz. şekil 7-b) benzer bir faz özelliği vardı. <img src="/files/ftp_upload/1677/1677fig6.jpg" alt="Şekil 6" data-altupdatedat="1787634011000" data-alt="Şekil 6"> Şekil 6: Adaptif denetleyici kazanç. Uyarlamalı denetleyici kapalı döngü kontrol sırasında sürekli kazanç tahminleri ise oransal kontrolör, statik bir kazanç, Kp kullanır. Dinamik kazanç, Kp, t-500ms ≤ τ ≤ t aralığı içinde, maksimum başak oranı, Fmax ters orantılıdır. Şekil Fmax zamanla tahmin edilmektedir üç örneği gösterir. Fmax tahmini değerlere dayanarak, Kp zaman penceresi 3 (turuncu) sırasında, zaman penceresi 2 (yeşil) ve en düşük içinde en yüksektir. <img src="/files/ftp_upload/1677/1677fig7.jpg" alt="Şekil 7" data-altupdatedat="1787634011000" data-alt="Şekil 7"> Şekil 7: Oransal vs uyarlamalı denetleyici. (Kp = 1), oransal ve uyarlanabilir bir kontrol için genlik ve faz Bode çizimleri(A) Kp değeri her 50ms uyarlamalı denetleyici güncellemeleri son 500ms üzerinden tepe başak oranı tahmini Fmax dayanmaktadır. Oransal denetleyici kazanç arsa (mavi), tüm giriş frekansları daha iyi performans olduğunu belirten adaptif denetleyici (kırmızı) göre daha yüksektir. (B) her iki denetleyici, f = 0.3 Hz'de anlamlı bir fark ile benzer için faz Bode çizimleri. Her iki kontrolör 3 Hz istikrarsızlık yaklaşım. Kazanç ve faz değerleri önemli ölçüde farklı bir asterix (Wilcoxon rank sum yöntemi, p = 0.05) ile gösterilir. </li><li> Pikap çevresinde ızgara deseni çıkarıldı ve laboratuar ortamında, natüralist görsel giriş sinek H1-hücre bir yaklaşım olarak kullanıldı. Ortalama büyüklüğü arsa Bode (şekle bakın 8-a), natüralist görsel giriş (mavi) muhtemelen ızgara görsel girişi (kırmızı) ile olandan biraz daha yüksek kazançlar sağladı çünkü natüralist görsel imgeler uzaysal frekansları daha geniş sömürüldü. Izgara vs natüralist görsel girişleri için Bode faz arsa özellikleri benzerdi (Şekil 8-b). <img src="/files/ftp_upload/1677/1677fig8.jpg" alt="Şekil 8" data-altupdatedat="1787634011000" data-alt="Şekil 8"> Şekil 8: Stripped desen vs laboratuar ortamında. Kapalı döngü altında elimden desen (kırmızı) vs laboratuar ortamında (mavi) görsel imgelerle birlikte sunulduğunda oransal denetleyicinin araziler için genlik ve faz Bode (a) laboratuar ortamında görüntülerin kullanıldığı zaman büyüklüğü arsa zaman elimden desen daha marjinal yüksek Bode gibi uyaran altında iyi bir performans gösteren (f = 0.1 Hz hariç) kullanılır. (B) hem de görsel koşullar altında faz arsa 3 Hz'de yaklaşan istikrarsızlık, aynı deseni takip Bode. Kazanç ve faz değerleri önemli ölçüde farklı bir asterix (Wilcoxon rank sum yöntemi, p = 0.05) ile gösterilir. </li></ol>

<ol><li>Chiappe, E. M., Seelig, J. D., Reiser, M. B., Jayaraman, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Walking+modulates+speed+sensitivity+in+Drosophila+motion+vision%5BTitle%5D)+AND+%22Curr.+Biol%22%5BJournal%5D)">Walking modulates speed sensitivity in Drosophila motion vision.</a> Curr. Biol. 20, 1470-1475 (2010).</li>
<li>Franceschini, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sampling+of+the+visual+environment+by+the+compound+eye+of+the+fly%3A+fundamentals+and+applications%5BTitle%5D)+AND+%22Photoreceptor+optics%22%5BJournal%5D)">Sampling of the visual environment by the compound eye of the fly: fundamentals and applications.</a> Photoreceptor optics. Snyder, A. W., Menzel, R. , Springer. Berlin Heidelberg New York. 98-125 (1975).</li>
<li>Karmeier, K., Tabor, R., Egelhaaf, M., Krapp, H. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Early+visual+experience+and+the+receptive-field+organization+of+optic+flow+processing+interneurons+in+the+fly+motion+pathway%5BTitle%5D)+AND+%22Vis.+Neurosci%22%5BJournal%5D)">Early visual experience and the receptive-field organization of optic flow processing interneurons in the fly motion pathway.</a> Vis. Neurosci. 18, 1-8 (2001).</li>
<li>Krapp, H. G., Hengstenberg, B., Hengstenberg, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+structure+and+receptive-field+organization+of+optic+flow+processing+interneurons+in+the+fly%5BTitle%5D)+AND+%22Jour.+of+Neurophys%22%5BJournal%5D)">Dendritic structure and receptive-field organization of optic flow processing interneurons in the fly.</a> Jour. of Neurophys. 79, 1902-1917 (1998).</li>
<li>Krapp, H. G., Hengstenberg, R., Egelhaaf, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Binocular+contributions+to+optic+flow+processing+in+the+fly+visual+system%5BTitle%5D)+AND+%22Jour.+of+Neurophys%22%5BJournal%5D)">Binocular contributions to optic flow processing in the fly visual system.</a> Jour. of Neurophys. 85, 724-734 (2001).</li>
<li>Longden, K. D., Krapp, H. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Octopaminergic+modulation+of+temporal+frequency+coding+in+an+identified+optic-flow+processing+interneuron%5BTitle%5D)+AND+%22Frontiers+in+Systems+Neuroscience%22%5BJournal%5D)">Octopaminergic modulation of temporal frequency coding in an identified optic-flow processing interneuron.</a> Frontiers in Systems Neuroscience. 4, 153-153 (2010).</li>
<li>Bender, J. A., Dickinson, M. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comparison+of+visual+and+haltere-mediated+feedback+in+the+control+of+body+saccades+in+Drosophila+melanogaster%5BTitle%5D)+AND+%22J.+Exp.+Bio%22%5BJournal%5D)">A comparison of visual and haltere-mediated feedback in the control of body saccades in Drosophila melanogaster.</a> J. Exp. Bio. 209, 4597-4606 (2006).</li>
<li>Longden, K. D., Krapp, H. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((State-dependent+performance+of+optic+flow-processing+interneurons%5BTitle%5D)+AND+%22J.+Neurophysiol%22%5BJournal%5D)">State-dependent performance of optic flow-processing interneurons.</a> J. Neurophysiol. 102, 3606-3618 (2009).</li>
<li>Maimon, G., Straw, A. D., Dickinson, M. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Active+flight+increases+the+gain+of+visual+motion+processing+in%5BTitle%5D)+AND+%22%22%5BJournal%5D)">Active flight increases the gain of visual motion processing in.</a> 13, 393-399 (2010).</li>
<li>Petrovitz, R., Dahmen, H., Egelhaaf, M., Krapp, H. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Arrangement+of+optical+axes+and+spatial+resolution+in+the+compound+eye+of+the+female+blowfly+Calliphora%5BTitle%5D)+AND+%22J+Comp+Physiol+A%22%5BJournal%5D)">Arrangement of optical axes and spatial resolution in the compound eye of the female blowfly Calliphora.</a> J Comp Physiol A. 186, 737-746 (2000).</li>
<li>Warzecha, A. K., Horstmann, W., Egelhaaf, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temperature-dependence+of+neuronal+performance+in+the+motion+pathway+of+the+blowfly+Calliphora+Erythrocephala%5BTitle%5D)+AND+%22J+Exp+Biology%22%5BJournal%5D)">Temperature-dependence of neuronal performance in the motion pathway of the blowfly Calliphora Erythrocephala.</a> J Exp Biology. 202, 3161-3170 (1999).</li>
</ol>

<ol><li> Fly diseksiyonu verme dikkatle yapılmalıdır ihtiyacı emin biz doğru yönlendirmek, bilgisayar monitörleri saygı ile sinek. </li><li> Sonra güvenilir bir robotu kontrol etmek için kullanılabilir gürültü oranı için iyi bir sinyal almak için tüm diğer nöronlardan gelen ani H1 nöron ani ayırmak. </li><li> Deney sırasında kuruma herhangi bir nöral doku önlemek için alınmalıdır. </li><li> Kameralar bir Ethernet kablosu kullanarak bilgisayarlara bağlanır. Robot dönme etkileyecek deney sırasında aşırı yara böylece alınmalıdır. </li><li> Şu anda sadece tek bir yönde yaw dönme bir istikrar görevi kurulum başak etkinliği bir H1 kullanıyor. Biz hem sol hem sağ H1 yaw dönüş her iki yönde de istikrar kontrol algoritmaları çalışma böylece gelen sinyalleri almak için ikinci bir elektrot ekleyebilirsiniz. </li><li> Biz dikey olarak yönlendirilmiş siyah ve beyaz çizgili içeren arenada kaldırmak ve sinek için görsel uyarıcı olarak laboratuar ortamında kullanabilirsiniz. Bu bize natüralist görüntüleri ile kapalı döngü performansı çalışma sağlayacaktır. </li><li> Robot teslimi tablodan kaldırılır ve kapalı döngü kontrol ederken laboratuar ortamında dolaşmak için izin verilebilir. Bu bize çarpışma kaçınma dahil kontrol algoritmaları araştırmak için izin verecektir. </li><li> Telleri, kameralar bilgisayarlara bağlanması, bize tamamen dizginlenmemiş robot kurulum vererek, kablosuz iletim sistemi uygulayarak kaldırılabilir. </li><li> Farklı kontrol algoritmaları performans ölçütleri farklı stratejileri durağan olmayan ve değişken nöronal sinyalleri ile başa çıkmak için nasıl bir anlayış verir. Bu bilgi daha sonra farklı klinik ve klinik olmayan bir beyin-makina arayüzü uygulanabilir. </li><li> Bu deney düzeneği hayvanlar davranıyor nöronal sinyalleri kayıt yönelik ilk adımdır. Amacımız robot sinek ve kapalı-döngü kontrol nöral aktivitenin kullanmak. Böyle bir kurulum, robotun hareket sonucunda multisensory stimülasyon alır sinek sinirsel aktivite kayıt mümkün olacaktır. </li><li> Sadece tek bir hücre sinyalleri kaydedin. Size gereken yapılandırma, en uygun hücre H1-hücre olacaktır. Benzer açık alanları ile diğer nöronlar, örneğin H2, H1 nöronun yanıtları Yalıtımlı nöronal kayıtları için iyi bir sinyal gürültü oranı korumak için önemlidir. H1 ve H2 nöronlar yanıtları H2 karakteristik düşük spontan ve H1 nöron daha spike oranı ortalama belirterek ayrımcılık olabilir. Nöronlar da kendi morfolojisi (Krapp ve ark 2001) temelinde ayrımcılık olabilir. </li><li> Sistemimiz bize bir görüntü sabitleme görev uçan robot arayüzü ile elde edilen kapalı döngü kazancı karşılaştırmanızı sağlar ve sinekler (Bender ve Dickinson 2006, Warzecha ark önceki deneylerde gözlenen kapalı döngü optomotor kazançlar ile performansını karşılaştırmak için 1996, Heisenberg ve Wolf, 1990). Ayrıca, bize kapalı döngü koşulları altında (Chiappe ve arkadaşları 2010, Maimon ve ark 2010, Longden &amp; Krapp 2009, Longden &amp; Krapp 2010) görsel bilgi işlem duruma bağlı değişiklikleri araştırmak amacıyla sağlar. </li></ol>

<ol><li> 1) Yüksek Hızlı CRT görüntüler (LG STUDIOWORKS 221U) </li><li> Yüksek Hız Kameraları (Prosilica, GC640) </li><li> Robot Platformu (özel modifikasyonlar ile ASURO) </li><li> Seri Bluetooth Modem (BlueSMiRF) </li><li> Micro Step Drive (Uygulamalı Hareket Sistemleri, ST5-SI) </li><li> Step Motor (Sanyo Denki, 103H6704-0140) </li><li> Tungsten elektrotlar (fh-co.com - Ürün kodu - UEW SHG GD 3P1M) </li><li> Ekstrasellüler Amplifikatör (NPI EXT 10-2F) </li><li> Motorlu Mikromanipülatör (Scientifica, PS-700-Z) </li><li> Stereo Mikroskobu (Leica MZ95) </li></ol>

beyin-makine arayüzler kapalı döngü performans Çalışması için deneysel bir platform

An Experimental Platform to Study the Closed-loop Performance of Brain-machine Interfaces

Nöronal sinyallerin durağan olmayan doğa ve değişkenliği, beyin-makine arayüzü temel bir sorundur. Biz, bir kapalı devre görüntü sabitleme görev uygulanan farklı kontrol yasaları sağlamlığını değerlendirmek için bir beyin-makine arayüzü geliştirmiştir. Yararlanan iyi karakterize visuomotor yolağı iki tekerlekli bir robot yaw rotasyon kontrol etmek için tanımlanmış bir hareket duyarlı nöron, H1 elektriksel aktivite kayıt uçmak. Robot 2 CRT bilgisayar monitörlerinin önünde yerleştirilen bir sinek görsel hareket girdi sağlayan 2 yüksek hızlı video kameralar ile donatılmıştır. H1 nöron aktivitesini robot dönme yönü ve bağıl hız gösterir. Nöral aktivite süzülür ve oransal ve adaptif / oransal kontrol ile robot direksiyon sistemi tekrar beslenir. Amacımız, çeşitli kontrol yasaları da diğer beyin makine arabirimleri daha geniş bir uygulama için kapalı döngü koşulları altında performansını test ve optimize etmek için.

Biz nöronal kontrolü genel prensiplerini araştırmak için bir kapalı döngü fly-makine arayüzü kullanır.

Beyin-makine Arayüzler Kapalı döngü Performans Çalışması için Deneysel Bir Platform

Nöronal sinyallerin durağan olmayan doğası ve değişkenliği, beyin-makine arayüzlerinde temel bir sorundur. Biz, bir beyin-makine...

Sinek beynindeki bir görsel internöron olan H1 hücresinin aktivitesini, mobil bir robotun motorlarını kontrol etmek için kullanıyoruz. Robot, sürekli dönen bir döner tabla üzerine yerleştirilir ve hücrenin aktivitesi, robotun dış hareketlere karşı çevreye göre stabilize edilmesi için kullanılır. Robottan kaydedilen örüntü hareketi görüntüleri örneklenerek, sineğin önüne yerleştirilmiş iki bilgisayar CRT monitörüne gönderilir.Saniyedeki spike sayısı olarak ölçülen H1 hücresinin sinyalleri, patern hareketinin hızını belirtir. Ardından, kaydedilen saniyedeki spike sayısını robot motorları için bir kontrol sinyaline dönüştürmek amacıyla farklı kontrol yasaları uygulanır. Merhaba, ben Imperial College London Biyoünite departmanındaki Holger Crops Lab'den Navita Josh.Ben de Holger Cups Lab'den Chris Peterson. Merhaba, ben de Holger Cup. Bugün size, sinek görme sistemi içindeki bireysel hücreler ile bir robot arasında beyin-makine arayüzü oluşturma prosedürünü göstereceğiz.Kapalı dudak koşulları altında robotik sistemleri kontrol etmek için nöronal sinyaller kullanan farklı kontrol stratejilerinin performansını test etmek amacıyla bu prosedürü kullanıyoruz. Öyleyse başlayalım. Sineği hazırlamaya başlamak için onu buz üzerinde soğutun, ardından kanatları aşağıda tutmak için küt uçlu kokteyl çubukları kullanın ve sineğin arka kısmını bir mikroskop lamı üzerindeki çift taraflı banda sabitleyin; ardından, kanatları lama yapıştırmak ve ayrıca uçuş motorunun hareketini engellemek için B mumu kullanın.Bu adım, işlem sırasında sineğin ısınmaması için hızlı ve doğru bir uygulama gerektirir. Şimdi, mikroskop altında her bir bacağı pensle tutun ve vücuda en yakın eklemlerinden kesmek için küçük bir makas kullanın. Aynı işlemi hortum için de tekrarlayın.Sinenin kurumasını önlemek için delikler balmumu ile mühürlenmelidir. Ardından, kanatlardan birini kesin ve sineyi yan tarafına çevirin. Hal gözyaşlarını kapatan katra kısmını bırakarak kanadın geri kalan parçalarını temizleyin ve deliği balmumu ile mühürleyin.Bu prosedürü diğer kanat için tekrarlayın. Hedef bir nöronu belirli bir şekilde uyarmak için, sineğin başının bilgisayar monitörleriyle düzgün bir şekilde hizalanması gerekir. Bunu yapmak için, sineğin gövdesi için geniş bir alanı olan ve bir ucunda sineğin boynunun yerleştirileceği çentikli bir eki bulunan özelleştirilmiş bir tutucuya ihtiyacınız olacaktır.Sineklerin boynu çentikte olacak şekilde tutucuya yerleştirin ve karnını yapıştırırken üzerine hafifçe bastırın. Ardından, sinek başının ön kısmını mikroskop altında görebilecek şekilde sinek tutucusunu bir standa yerleştirin. Sinek kırmızı ışık altında görüntülendiğinde, her bir gözde pseudo pupil olarak adlandırılan optik fenomen görülebilir.Yalancı pupil belirli bir şekil aldığında, sineğin başının oryantasyonu tam olarak belirlenmiş olur. Sineğin başını doğru şekilde konumlandırmak için bir mikro manipülatör kullanın ve ardından başı tutucuya yapıştırmak için balmumu kullanın. Sonrasında, toraksı aşağı doğru düz bir şekilde bastırın ve tutucuya balmumu ile sabitleyin.Bu işlem, elektrotların sinek beynine yerleştirilebilmesi için arka baş kapsülünün açılmasına olanak tanır; sağ baş kapsülünün kütikülünde dikkatlice bir pencere açmak için bir mikro bistüri veya ince bir enjeksiyon iğnesi kullanın. Kütikülün hemen altındaki sinir dokusunu kesmemeye dikkat edin. Kütikül parçası çıkarıldıktan sonra, birkaç damla ringer çözeltisi ekleyin.LOA plakasını kapatmış olabilecek yüzen kılları, yağ birikintilerini veya kas dokusunu temizlemek için pens kullanın. LOA plakası, arka yüzeyini kaplayan gümüşi trakeaların karakteristik dallanma örüntüsü ile tanımlanabilir. Referans elektrodun yerleştirilmesi için, uçuş hazırlığı tamamlanmış canlının sol arka baş kapsülü kütikülüne küçük bir delik açın.Kayıt elektrodunun nasıl konumlandırılacağını görelim. Kayıt elektrodu, H1 nöronuna yakın bir konuma yerleştirilmelidir. H1 nöronu, temel olarak reseptif alanına sunulan yatay, arkadan öne doğru hareketlere yanıt verir.Kayıt elektrodunu konumlandırmak için trakeyi görsel bir referans noktası olarak kullanın. Elektrodu başlangıçta trakenin en üst kısmına yerleştirin. Kaydedilen elektriksel potansiyelleri akustik sinyallere dönüştürmek için bir ses amplifikatörü kullanmak faydalı olacaktır.Her bir tekil spike, karakteristik bir tıklama sesine dönüştürülür. Elektrot tek bir nörona ne kadar yaklaşırsa, tıklama sesi o kadar netleşir. H1 nöronunu hareket tercihine göre tanımlamak için, onu yatay yöndeki hareketle uyarın.Kayıt elektrodu yerleştirildikten sonra, görsel stimülasyon ve kayıtlara geçelim. Başlamak için bir sineği iki CRT bilgisayar monitörünün önüne yerleştirin. Sinek görsel sistemi insanlardan 10 kat daha hızlı olduğu için, monitörler saniyede 200 kare hızında görüntülemelidir.Monitörlerin merkezleri, sineğin yönelimine göre artı veya eksi 45 derecelik açılardadır. Sineğin göz ekvatorundan bakıldığında, her bir monitör yatay düzlemde artı veya eksi 25 derecelik, dikey düzlemde ise artı veya eksi 19 derecelik bir açı kaplar. Bilgisayar monitörlerine gelen girdi, deney için modifiye edilmiş, iki tekerlekli küçük bir SRO robotu üzerine monte edilmiş iki video kamera tarafından sağlanır.Robotu, duvarları dikey yönelimli siyah ve beyaz şeritlerden oluşan bir desenle kaplanmış silindirik bir alan içindeki bir döner tabla üzerine yerleştirin. Döner tablanın yatay düzlemde döndürülmesiyle, robotun hareketleri yalnızca bir serbestlik derecesiyle sınırlandırılır. Başlangıçta, hem döner tabla hem de robot durgun haldedir.Döner tabla hareket etmeye başladığında, rotasyonu robotu aynı yöne taşır ve video kameralar, robot ile arenanın çizgili deseni arasındaki bağıl hareketi kaydeder. Robot üzerindeki pille çalışan video kameralar, artı veya eksi 45 derecelik bir yönelimle monte edilmiştir. Bu kameralar, sinek kayıt cihazının önündeki bilgisayar monitörlerinin kare hızına uyum sağlamak için saniyede 200 görüntü yakalar.Görüntüler, bilgisayar monitörlerine saniyede 200 kare hızında, 40x80 gri tonlamalı çözünürlükte sunulur. Sinek çizgili desenin hareketlerini izlerken, band geçiren filtreli kayıtlar alınır. Örneğin, 302 kilohertz arasındaki elektriksel sinyaller, en az 10 kilohertz örnekleme hızı kullanan bir dijital veri toplama kartı ile kaydedilir. Spike'ları arka plan aktivitesinden ayırmak için band geçiren filtreli elektriksel sinyallere bir eşik değeri uygulanır.Beyin-makine arayüzü döngüsünü tamamlamak için, H one hücresinin pürüzsüz bir spike aktivite tahminini elde etmek amacıyla spike'lar ile nedensel bir yarım Gauss filtresi konvolüsyona sokulur. H one hücresinin spike hızını robot hızına dönüştürmek için bir kontrol algoritması kullanılır ve bu hız, robotun tekerleklerini süren iki DC motoru kontrol etmek için bir Bluetooth arayüzü üzerinden geri beslenir. Döner tabla için hız profilleri olarak saf sinüs dalgaları seçilmiştir.Sinüs dalgaları, döner tablanın yalnızca H1 nöronunu tercih ettiği yönde uyaracak şekilde dönmesini sağlayan bir DC ofsete sahiptir. Tüm kontrol sistemi, H1 nöronunun uyarılmasının, doğru kurulduğunda robotun döner tablanın hareketini telafi etmesiyle sonuçlanacak şekilde yapılandırılmıştır. Robotun karşı dönme hareketi döner tablanın dönmesiyle eşleştiğinde görsel stabilizasyon sağlanır ve bu durum bilgisayar monitörlerinde desen hareketinin çok az olmasına veya hiç olmamasına yol açar.Sistemin genel performansı, döngüyü kapatmak için kullanılan kontrol algoritmasına bağlıdır. Test ettiğimiz ilk algoritma, güncellenmiş robot hızının, robotun açısal hızı omega R ile döner tablanın açısal hızı Omega P arasındaki farkla orantılı olduğu bir oransal kontrolördür. Kontrolörün performansını test etmek için statik kazanç KP için farklı değerler ve döner tabla sinyali omega P için farklı giriş frekansları seçilmiştir.KP değerinin bir ve omega P için giriş frekansının 0.6 hertz olduğu durumlar için omega P ve omega R'ye ait örnek izler burada gösterilmiştir; yeşil renkli robot, mavi renkli döner tablayı bir gecikmeyle ve daha düşük bir tepe genliğiyle takip etmektedir. H1 hücresini uyaran patern hareketinin yatay bileşeni sağda kırmızı ile gösterilmiştir. Döner tablo sinyali için giriş frekansları omega P, 0.03 ile 3 hertz arasında seçilmiş ve karşılık gelen robot sinyali omega R kaydedilmiştir.Her iki sinyal, hızlı dört noktalı dönüşüm ile frekans domenine dönüştürülür ve giriş frekansındaki genlik ile faz değerleri hesaplanır. KP değerinin bir olduğu oransal kontrolör için BO d büyüklük grafiği, sistemin test edilen giriş frekansları üzerindeki tepkisini göstermektedir. Kontrolörün performansı, genellikle frekansların artmasıyla birlikte azalmaktadır.Bir hertz'deki hafifçe artmış kazanç, dinamik çıkış aralığı temel olarak yatay ön-arka hareketi kapsayan yalnızca bir H1 hücresinin kullanılması nedeniyle robot sinyalinde meydana gelen salınımların bir sonucudur. Bode faz diyagramı, 0,6 hertz'den küçük giriş frekansları için kontrolcü faz gecikmesinin PI'den küçük olduğunu göstermektedir. Bu durum, kontrolcünün 0,6 hertz'den küçük frekanslar için kararlı, bir hertz'e eşit veya daha büyük giriş frekansları için ise kararsız olduğunu kanıtlamaktadır.Statik bir KP değerine sahip orantısal kontrolörün performansı, KP değerinin her 50 milisaniyede bir güncellendiği adaptif bir kontrolör ile karşılaştırılmıştır. Bu karşılaştırma, T eksi 500 milisaniye ile T zaman aralığında hesaplanan tepe spike oranı F max baz alınarak yapılmıştır. Büyük entegrasyon zaman penceresinin bir sonucu olarak, test edilen parametre aralığında orantısal kontrolör adaptif kontrolörden daha iyi performans göstermiştir; adaptif kontrolör, orantısal kontrolörle benzer bir faz karakteristiğine sahipti, döner tabla etrafındaki derecelendirme deseni kaldırılmıştı ve laboratuvar ortamı, sinek H1 hücresi için doğalistik görsel girdinin bir yaklaşımı olarak kullanılmıştı.Ortalamada, doğal görsel girdi için oluşturulan Bodhi genlik grafiği, dereceli görsel girdiye göre biraz daha yüksek kazançlar göstermiştir; bunun nedeni muhtemelen doğal görsel görüntülerdeki daha geniş uzamsal frekans aralığının kullanılmasıdır. Dereceli ve doğal görsel girdiler için Bodhi faz grafiği özellikleri benzerdi. Size bir hücre ile görme sistemi ve bir robot arasında bir beyin-makine arayüzünün nasıl oluşturulacağını göstermiş olduk.Bu prosedür sırasında birkaç kritik adım bulunmaktadır. İlk olarak, beyne zarar vermemek için baş kapsülünü açarken derin kesiklerden kaçının. İkinci olarak, elektrodu sadece tek bir hücreden kayıt yapacak şekilde dikkatlice konumlandırın; biz H hücresinden kayıt yapıyoruz.Üçüncü olarak, beyni her zaman nemli tutun ve kurumasını önleyin. İşte bu kadar. İzlediğiniz için teşekkürler ve deneylerinizde başarılar dileriz.

an-experimental-platform-to-study-closed-loop-performance-brain

Research

JoVE Journal

Neuroscience

Sinirbilim

Biz invaziv epilepsi izleme gören insanlardan araştırma amaçlı elektrokortikografik sinyalleri toplamak için bir yöntem sunuyoruz. Biz veri toplama, sinyal işleme ve uyaran sunum için BCI2000 yazılım platformu nasıl kullanılacağını göstermektedir. Özellikle, Sigfried, gerçek zamanlı fonksiyonel beyin haritalama için BCI2000 tabanlı bir araç göstermektedir.

Nörobilimsel Araştırma ve Gerçek-zamanlı Fonksiyonel Kortikal Haritalama İnsan elektrokortikografik (ECoG) Sinyaller Kayıt

Iki ayaklı hareket restorasyonu ve rehabilitasyonu için etkili bir beyin-makine arayüzü (BMI) sistemi geliştirilmesi kullanıcının niyet doğru çözme gerektirir. Burada aynı anda non-invaziv nöral aktivitenin satın alma, kas aktivitesi ve çeşitli hareket görevleri ve koşullarında tüm vücut kinematik için yeni bir deneysel protokol ve veri toplama tekniği mevcut.

Eşzamanlı Derisi Elektroensefalografi (EEG), elektromiyografi (EMG) ve Multi-modal Sinir kod çözme için Tüm vücut bölüm Ataletsel Kayıt

Bu makalede, robotik bir cisimle sürekli etkileşim sırasında bilgi işleme (yani kodlama ve kod çözme) ve nöronal düzeneklerin öğrenilmesinin incelendiği kapalı döngü deneyleri gerçekleştirmek için deneysel bir çerçeve sunulmaktadır.

Kapalı döngü Nöro-robotik Deneyler Nöronal Ağları Hesaplamalı Properties Test

Dik motor görevler sırasında beyin aktivitesini izlemek, hareket bozukluklarının nöral kaynağını araştırırken çok değerlidir. Burada, 4 tip motor görev sırasında kas ve kinematik aktivitenin sürekli izlenmesi ile fonksiyonel yakın kızılötesi spektroskopiyi birleştiren bir protokol gösteriyoruz.

Motorlu Görevler sırasında Eşzamanlı Kinematik ve EMG İzleme ile Duyusal ve Motor Beyin Bölgeleri Fonksiyonel Yakın Kızılötesi Spektroskopisi

Bu deneyle, bilinç bozukluğu olan kişilerde bilinç tespit edilebilir. Ayrıca bu yaklaşım, insanların sorulara basit EVET/HAYIR yanıtları vermelerini sağlayan basit bir iletişim kanalı oluşturabilir.

Bilinç Bozukluğu Olan Kişiler İçin Değerlendirme ve İletişim

İnsan vücudu ve kalp sinyallerini yakın döngüde yayınlayan, parametreleştiren, analiz eden ve değiştiren birlikte uyarlanabilir arayüzler oluşturmak için protokoller ve analiz yöntemleri sunuyoruz. Bu kurulum, biyofiziksel değişimi izlemeye yardımcı olmak için dış duyusal girişlerle kişinin periferik ve merkezi sinir sistemlerinden elde edilen sinyalleri arayüzler.

Yakın Döngü Arabirimi Kullanarak Yeniden Parametrelendirilmiş ÇevreSel Sinyallerin Gerçek Zamanlı Proxy Kontrolü

Bu makale, tüketici sınıfı ekipmanlara ve kararlı durum görsel olarak uyarılmış potansiyellere dayanarak bir beyin-bilgisayar arayüzünün nasıl oluşturulacağını tartışmaktadır. Bunun için, kuru elektrotlardan yararlanan tek kanallı bir elektroensefalograf, uyaran sunumu ve çıktı verisi görselleştirmesi için artırılmış gerçeklik gözlükleriyle entegre edildi. Son sistem invaziv olmayan, giyilebilir ve taşınabilirdi.

Endüstri ve sağlık hizmetleri için tek kanallı ve non-invaziv giyilebilir beyin-bilgisayar arayüzü

Bu çalışmanın amacı, inme sonrası üst ekstremite motor disfonksiyonu için motor görüntüleme beyin-bilgisayar arayüzünün (MI-BCI) standart klinik çalışması için önemli bir referans sağlamaktır.

İnme Sonrası Üst Ekstremite Motor Disfonksiyonunun Rehabilitasyonunda Motor İmgeleme Beyin-Bilgisayar Arayüzü

Bu çalışma, inme hastaları için bir üst ekstremite robotik elini kontrol etmek ve günlük aktiviteleri geliştirmek için elektroensefalografi ve elektrookülografi sinyallerini birleştiren bir beyin-bilgisayar arayüzü (BCI) sistemini tanıtmaktadır. Değerlendirmede Berlin Bimanual İnme Testi (BeBiTS) kullanıldı.

İnme Hastalarında Günlük Aktiviteleri Geliştirmek için Beyin-Bilgisayar Arayüzü Kontrollü Üst Ekstremite Robotik Sistemi

Bu çalışma, motor görüntü EEG kodlaması için Mekansal-Zamansal Frekans EEG analiz aracının (STFEEG) uygulanması için standartlaştırılmış ve tekrarlanabilir bir protokol sunmaktadır; bunlar, yapılandırılabilir mekansal-zamansal frekans segmentasyonu, Ortak Mekansal Desenler (CSP) tabanlı özellik çıkarma, çoklu sınıflandırma algoritmaları ve görselleştirme yeteneklerini içermektedir.

STFEEG-Tool: Motor Görüntü Beyin-Bilgisayar Arayüzleri İçin Mekansal-Zamansal Frekanslı EEG Analiz Aracı

Keşfedin, sinek beyin H1 nöronu aktivitesi kullanılarak mobil robotun kapalı döngü denetimini. Bu yöntem, biyolojik sinyallerle robotik sistemlerin entegrasyonunu ve gerçek zamanlı stabilizasyonu gösterir.

Beyin-makine Arayüzler Kapalı döngü Performans Çalışması için Deneysel Bir Platform

Daha fazla video keşfet