Summary

Electroencefalografía simultánea del cuero cabelludo (EEG), electromiografía (EMG) y de todo el cuerpo de grabación inercial segmentaria para Multi-modal Neural Decodificación

Published: July 26, 2013
doi:

Summary

Desarrollo de un sistema cerebro-máquina efectiva (IMC) para la restauración y rehabilitación de la locomoción bípeda requiere decodificación precisa de la intención del usuario. Aquí se presenta un nuevo protocolo experimental y la técnica de recogida de datos para la adquisición simultánea no invasiva de la actividad neuronal, la actividad muscular, y de todo el cuerpo cinemática durante diversas tareas y condiciones de locomoción.

Abstract

Estudios recientes apoyan la participación de las redes supraespinales en el control de la marcha bípeda humana. Parte de esta evidencia incluye estudios, incluyendo nuestro trabajo anterior, lo que demuestra que la cinemática de la marcha y la coordinación de las extremidades durante rodante caminar pueden inferirse a partir del electroencefalograma cuero cabelludo (EEG) con una precisión razonablemente altos de decodificación. Estos resultados proporcionan un impulso para el desarrollo de los sistemas del cerebro-máquina no invasivas (IMC) para su uso en la restauración y / o aumento de la marcha, el objetivo principal de la investigación de la rehabilitación. Hasta la fecha, los estudios que examinan la decodificación de la actividad del EEG durante la marcha se han limitado a rodante caminar en un entorno controlado. Sin embargo, para ser viable en la práctica un sistema de índice de masa corporal debe ser aplicable para su uso en las tareas cotidianas del aparato locomotor, tales como caminar sobre el suelo y girando. A continuación, presentamos un nuevo protocolo para la recolección no invasiva de la actividad cerebral (EEG), la actividad muscular (electromiografía (EMG)) y al pordatos cinemáticos e-cuerpo (cabeza, torso y extremidades trayectorias) durante tanto caminadora y en terreno caminando tareas. Mediante la recopilación de estos datos en el conocimiento entorno no controlado puede ser adquirida con respecto a la viabilidad de decodificación sin restricciones marcha y EMG de superficie del cuero cabelludo EEG.

Introduction

Este protocolo utiliza tres sistemas de recopilación de datos para grabar simultáneamente EEG, EMG, y la cinemática de todo el cuerpo (Figura 1, Tabla 1). Datos de EEG se recogen de forma inalámbrica desde 64 canales con una frecuencia de muestreo de 1.000 Hz, mientras que los sujetos pie. La electromiografía (EMG) que se aplica en 1000 Hz de electrodos de superficie colocados bilateralmente en cuatro grupos de músculos: tibial anterior (TA), gastrocnemio (Gast), bíceps femoral (BF), y el vasto lateral (VL). Cinemática de datos se recogen a 128 Hz de 11 sensores inalámbricos montados en la cabeza, el torso superior, región lumbar, brazos, muslos, tarsos y los pies para registrar el movimiento al caminar. Cada sensor contiene un magnetómetro triaxial, giroscopio triaxial, y el acelerómetro triaxial (es decir, un sensor de MARG).

Se recogen datos de cada sistema y sincronizados en el tiempo por un solo PC host. La sincronización se realiza mediante una señal de disparo enviada por un serio continuaenlace de comunicación al visitada por todos los tres sistemas de datos simultáneamente. El gatillo se implementa como un interruptor de botón simple. Cuando se pulsa el botón de una señal de disparo (1) se envía a la PC anfitrión, mientras que una señal nula (0) Se envía cuando no se presiona. Al pulsar el botón de disparo también provoca un tono de 0,5 seg utilizado como una señal de audio para el sujeto, como se describe en el protocolo a continuación. Cinco pares de infrarrojos (IR) sensores de proximidad se fabricaron para su uso como ubicación se dispara durante el suelo sobre caminar experimentos descritos a continuación. Cuando la señal de IR se interrumpe una señal de disparo (1) se envía al PC principal por la conexión serie a través de una frecuencia de radio (RF) de conexión con el cuadro de disparador manual.

A medida C + +, utilizando el kit de desarrollo de software (SDK) que proporciona cada sistema fue desarrollado para registrar y sincronizar los datos. El código utiliza una técnica multi-threading, funciones de ahorro de los datos de cada sistema (EEG, EMG, y MARGS) están contenidos en indivtemas iDual. El algoritmo de software se muestra en la Figura 2. Recopilación de datos comienza cuando se ejecuta la aplicación y termina cuando se pulsa la tecla 'q'. Cinco temas se activan tras la ejecución de la aplicación. Uno de los hilos (Figura 2) supervisa el valor (0 o 1) de la señal de disparo de la conexión en serie. Valor inicial del disparador es cero. Cuando se recibe un disparador (es decir, cuando se pulsa el botón o la línea de visión entre el par de sensores IR se rompe) las variables globales de disparo se establece en 1. Estas variables se mantienen 1 hasta que se restablecen dentro de las roscas de recogida de datos.

El hilo EEG accede de forma remota datos de EEG del cuero cabelludo en tiempo real utilizando el protocolo TCP / IP. Los datos se escriben en un archivo de texto línea por línea en la frecuencia de muestreo correspondiente (1000 Hz). La señal global de gatillo EEG se escribe en la primera columna, mientras que las columnas 2-65 son los 64 canales de EEG. Si la señal de gatillo mundial EEG era 1, que se pone a cero. Datosescritura continúa hasta que el hilo de EEG se termina. Dos record hilos independiente Marg datos del sensor. Dos temas son necesarias porque los 11 sensores MARG inalámbricos transmiten datos utilizando el software del fabricante en el modo de transmisión robusto, que amortigua los datos de los sensores individuales para evitar la pérdida de datos en caso de problemas de transmisión inalámbrica. Este búfer degrada la transferencia de datos en tiempo real: si un sensor no es capaz de transmitir datos para una muestra dada los 11 sensores conservan ese punto de tiempo en su memoria intermedia y la transmiten en el siguiente punto de la muestra disponible. MARG transferencia inalámbrica de datos se queda inevitablemente detrás de EEG, por lo que los sensores Marg necesitan tiempo para descargar datos almacenados en el PC host después de suspender la recogida de datos. Para superar este problema, dos hilos se utilizan en el algoritmo de recolección de datos MARG (Figura 2). El primer hilo llena un búfer gatillo MARG de la variable de trigger MARG mundial en la frecuencia de muestreo del sensor (128 Hz), mientras que el hilo de EEG está recogiendodatos. Cuando la recolección de datos deja de escribir en el búfer de disparo también termina. El hilo MARG (Figura 2) utiliza las funciones del SDK sensor para recibir los datos de los sensores y escribir en un archivo de la misma manera que los datos de EEG. Es decir, la primera columna es el valor del gatillo MARG mundial (obtenido a partir de la memoria intermedia de gatillo MARG) y los siguientes 99 columnas son los valores de los sensores 11 MARG (9 sensores por unidad MARG). El hilo MARG escribe datos hasta que el índice de tiempo de la memoria intermedia de gatillo MARG es igual al último índice de tiempo de los datos de EEG en el que se termina la ejecución de subprocesos punto.

A diferencia de los datos de EEG y MARG, EMG datos no se registran inalámbrica. En cambio, los datos de EMG se graban en una tarjeta SD en la unidad de registro de datos. Una señal se envía a través de una conexión Bluetooth para iniciar y detener la escritura de datos en la tarjeta SD. La escritura comienza cuando el primer disparo manual es recibida por el hilo de EEG. Escritura de datos se detiene con el EEGhilo cuando se pulsa el botón 'q'.

El siguiente protocolo fue examinado y aprobado por la Junta de Revisión Institucional de la Universidad de Houston. Todos los sujetos recibieron, leer y firmar un formulario de consentimiento antes de participar.

Protocol

1. Asunto Preparación Mida la altura del sujeto, el peso, y registrar su edad. Evaluar la velocidad de la cinta preferida del sujeto haciendo que velocidad de la cinta de auto-ajuste hasta cómodo. El uso de un rotulador, marca el vértice de la cabeza como el punto medio entre la nasión y inion del sujeto. Además, marcar 10% de la nasión la distancia inion como una referencia para la alineación de la tapa. 2. Electroencefalografía cuero cabelludo (EEG) Adjuntar electrodos de EEG como se especifica por el sistema internacional 10-20 usando una tapa de EEG montado en el sujeto como en 12. La tapa asegura la colocación apropiada de los electrodos en el cuero cabelludo. Coloque la tapa de EEG en la materia mediante la alineación de la marca de 10% desde el paso 1.3 en el punto medio de los electrodos Fp1 y Fp2 y el electrodo Cz con la marcada vértice. Más detalles para la colocación de la tapa se encuentran en 12. Securar la tapa atando debajo de la barbilla. Conectar electrodos de EEG a la caja de control del EEG. A partir de tierra y electrodos de referencia, utilice una pequeña jeringa para inyectar gel electrolito en cada electrodo hasta que la impedancia de cada uno mide menos de 25 kW, como se indica por el electrodo LED se vuelven verdes. Para más detalles sobre la preparación de electrodos EEG están disponibles en 12,13. Conectar los electrodos de EEG para el transmisor inalámbrico EEG. Asegure el transmisor al sujeto en una correa de velcro colocados alrededor de los hombros y conectar el receptor inalámbrico EEG a dos amplificadores de canal 32. Conecte los amplificadores a la PC host a través de un puerto USB usando una fibra óptica al convertidor de USB. Establezca la resolución de canales de EEG a 0,1 mV, frecuencia de corte bajo de DC, y la alta frecuencia de corte a 1000 Hz en el EEG software de recolección de datos. 3. La electromiografía de superficie (EMG) Prepárese para electrodo EMGcolocación en 8 sitios musculares: afeitarse la piel, lijar con papel de lija, y limpiar con un algodón con alcohol isopropílico. Coloque los electrodos en sitios preparados y conectar a la unidad de registro de datos EMG. Coloque electrodo de tierra EMG en la muñeca izquierda o derecha, y conectarse a datos de la unidad de registro. 4. Motion Capture Sincronizar MARG sensores mientras está acoplado de acuerdo a las instrucciones del fabricante. Retire sensores Marg y el lugar sobre el tema utilizando tiras de velcro o cinta adhesiva de doble cara en los lugares de la Tabla 2. 5. Preparación para el Medio Ambiente Preparar cinta con cinta adhesiva una línea diagonal (45 ° respecto a la horizontal) en el cinturón. Coloque un monitor de televisión conectado a una cámara de vídeo de aproximadamente 1 m por delante de la cinta de correr. Pegue un pedazo de papel con un diámetro del círculo negro 2 pulgadas en la televisión. Configuración poca arena mediante la colocación de 5 series de sensores infrarrojos de proximidad, conos y televisión sCreen como ubicado en la Figura 3. 6. Noria Asunto asciende a cinta. Conecte el arnés de seguridad. Antes de la recolección de datos, examinar las señales de EEG y EMG para verificar la colocación correcta del electrodo, electrodo de conexión, y la transmisión de datos. Iniciar la recopilación de datos mediante la ejecución de la aplicación de C + + de la consola. Presione el botón disparador para iniciar la grabación manual de EMG y dará una señal sonora (bip) para iniciar el experimento. El tema se mantiene en la postura de silencio por 30 segundos. Después de 30 segundos el botón disparador empuje para iniciar caminar, la cinta se acelera poco a poco a la velocidad preseleccionada del sujeto. El sujeto camina durante 5 min. Al final de 5 min, presione el botón disparador para iniciar la caminata a pie transición deteniendo lentamente la cinta. Después de detenerse el sujeto permanece de pie durante 30 segundos. Pulse el botón 'q' para detener la recopilación de datos trial y guardar los datos. Repita los pasos 6.2 a 6.7 para las tres condiciones de la rueda de ardilla: Cinta de correr caminar mientras miraba punto negro en la distancia. Cinta de correr a pie, mientras que la observación de movimiento de las propias piernas en el monitor de TV. Cinta de correr a pie, mientras que el uso de video-feedback para evitar la línea diagonal en la cinta (para simular la carga cognitiva 6). 7. Arena Paseos (1) Coloque el tema en el inicio del bucle poca arena (Figura 3). Comienza la recogida de datos como en 6.2 hasta 6.4. Presione el botón disparador para iniciar la caminata. En ese momento se da el gatillo, la primera flecha de dirección (→, ← o ↑) se muestra en la pantalla frente al sujeto (Figura 3). Si → o ← se observa, el objeto se retira el conjunto de conos de entrada, convierte 90 ° en esa dirección, se completa el ciclo y vuelve a los conos de entrada. Si y uarr, se observa, el tema continúa en línea recta de los conos de entrada y un disparador manual y la flecha de dirección (→ o ←) se da cuando el sujeto llega a aproximadamente 2 metros antes de que los sensores de infrarrojos. El producto sujeto a través de la primera serie de sensores de infrarrojos y, a continuación hace que los correspondientes a su vez a 90 ° completar el bucle, volviendo a los conos de entrada. (Durante la marcha, el investigador sigue al sujeto a una distancia de aproximadamente 3.5 metros con el PC host en un carrito con ruedas para mejorar la calidad de la señal inalámbrica.) El tema sigue caminando cuando él / ella llega a los conos de entrada después de completar un solo bucle. Secuencia 7.3 se repite con orden aleatorio de flechas hasta 3 bucles se han completado para cada flecha inicial (→, ← o ↑). Después de satisfacer condición 7.4, pulse el botón de disparo manual cuando el sujeto llega a los conos de entrada para señalar la transición a pie. Asunto encuentra en silencio durante 30 segundos y luegorecogida de datos se termina pulsando el botón 'q' en el PC host. 8. Arena pie (2) Reorganizar arena supuesto caminar, así que los cinco conjuntos de sensores de infrarrojos se colocan en semicírculo delante del sujeto (Figura 4). Comienza la recogida de datos como en los ensayos anteriores (07.01 a 07.02). Al igual que en Arena Ruta I, dará un disparador manual para iniciar a caminar. En el momento de la activación, una de las flechas de dirección 5 (←, →, , O ↑) se muestra en la pantalla. Cada flecha se corresponde con un conjunto de sensores de infrarrojos que se colocan alrededor de la arena (Figura 4). El sujeto observa la flecha en la pantalla y waLKS a la correspondiente conjunto de sensores de infrarrojos, lo que hace un giro en U alrededor del cono más allá de los sensores, que pasan a través de los sensores de dos veces (Figura 4). Después de hacer el cambio de sentido, el sujeto vuelve al punto de partida y continúa caminando. Repita la secuencia de 08.03 a 08.04, con orden aleatorio de las flechas, hasta 3 bucles se han completado para cada flecha de dirección. Después de satisfacer condición 8.6, pulse el botón de disparo manual cuando el sujeto alcanza el punto de partida para señalar la transición a pie. Recopilación de datos completa como en 7.5. 9. Sentado a de pie Coloque una silla detrás del sujeto y comenzar la recogida de datos como en 6.2 a 6.3. El sujeto se encuentra en silencio durante 15 seg en el inicio de la recolección de datos. Después de 15 segundos, pulse el botón de disparo manual. Después de escuchar las transiciones sujetos de referencia de posición para sentarse postura, sosteniendo posición sentada hasta la próxima señal de audio (pulsador). <li> Espere un intervalo aleatorio (5-15 segundos) y pulse disparo manual para dar señal de sentado a de pie transición. De pie la postura se mantiene hasta la próxima señal de audio. Repita 09.02 a 09.03 hasta el 10 de completo reposo a sentarse y sentarse y pararse maniobras son completos, después de lo cual el sujeto se encuentra en silencio durante 15 segundos. A continuación, terminar la recolección de datos con la tecla 'q'. Repita el soporte a sentarse protocolo (09.01 a 09.04) para la auto-iniciada soporte a sentarse y sentarse y pararse de transición. En lugar de dar al sujeto un gatillo para la transición, que el objeto iniciar la transferencia son dueños de su propia hasta el 10 de cada maniobra se ha completado. 10. Caminar Pasillo Posición y sujeto cesta de recogida de datos en el centro de 1/8 th millas, pasillo derecho. Comienza la recogida de datos como en los experimentos de caminar de la caminadora (6.2 a 6.4). Después del período de reposo inicial de 30 segundos, darle un disparador manual para iniciar la caminata. El subject camina continuamente durante 5 min. Cuando el sujeto llega a 10 metros del final pasillo, él / ella se auto-inicia un cambio de sentido y sigue caminando en la dirección opuesta. Al final de 5 min empujar el botón de disparo manual para dejar de caminar. El tema está en silencio durante 30 segundos mientras se mira hacia adelante. Terminar la recolección de datos con la tecla 'q'. Comienza un segundo experimento pasillo como en 10.1. Después de un intervalo de tiempo aleatorio de caminar (20-40 seg), dar un disparador manual y señal de audio para que el sujeto deja de caminar. El tema se mantiene en pie, para abreviar, duración aleatoria (5-15 segundos). Pulse el botón de disparo manual para tener sujetos continuar la marcha. Repita los pasos de 10.05 a 10.07 hasta 10 ciclos de parada y arranque son completas; terminar la recogida de datos como en 10.3.

Representative Results

La figura 5 muestra 10 segundos de tiempo bloqueado EEG, MARG, y los datos EMG registradas durante caminar de la caminadora (artículo 3 del Protocolo). Tenga en cuenta que cada MARG señor realidad registra 9 señales (magnetómetros triaxiales, giroscopios y acelerómetros), pero sólo aceleración vertical se muestra. Los datos en bruto en la Figura 5 contienen artefactos que deben tenerse en cuenta durante el preprocesamiento antes del análisis y decodificación neuronal. Ejemplos de artefactos EEG en la Figura 5 se incluyen parpadeos presentes en aproximadamente 8,5 segundos y baja artefacto de movimiento de frecuencia presente en todo. La figura 6 muestra una vuelta completa (~ 35 segundos) de más suelo caminar en la arena caminando (1) protocolo. Cualitativamente, los datos de la arena sobre el suelo caminando tareas contienen más artefactos que cinta para caminar debido al movimiento adicional de la cabeza y el cuello del sujeto durante el giro. La actividad muscular facial y craneal es partilarmente notable en los electrodos temporales (FT canales etiquetados y T en la figura 1) en la Figura 6. Tenga en cuenta el aumento de la actividad de la señal EMG en comparación con rodante caminar (Figura 5), específicamente en el par agonista-antagonista del tobillo. Figura 6 también muestra los eventos de recopilación de datos de EEG inalámbrico subóptima que debe tenerse en cuenta durante el procesamiento de datos. Inmediatamente antes de la 4 ª gatillo, datos de EEG muestran líneas planas, lo que indica una interrupción de la transmisión inalámbrica entre el PC host y el sistema EEG. Esta sección de datos debe ser recortado de todo el conjunto de datos (EEG, Marg y EMG). La figura 7 muestra un soporte al ciclo de sentarse y sentarse a reposar datos. Al igual que con otros datos, los artefactos de movimiento están presentes en EEG, tanto durante el final de la transición y como la cabeza se estabilizó como sentarse (o de pie) se mantiene. Un intervalo de pasillo caminando incluyendo soporte a caminarnd paseo a pie transición se muestra en la Figura 8. Nótese la rampa de EMG y los datos de aceleración después de las señales de audio para comenzar y dejar de caminar. Coincidente con esta rampa es la aparición y desaparición de los artefactos de movimiento en los datos de EEG. Figura 8 también muestra una conexión subóptima en PO10 electrodo de EEG que se produce en aproximadamente 7 s. Este comportamiento se observa ocasionalmente durante el experimento y es probable debido a la pérdida de contacto entre el electrodo de EEG y el cuero cabelludo. Electrodo PO10 debe ser retirado de la análisis de datos para este ensayo. Dado que los datos de EEG se pueden observar en tiempo real, y se verifica la conexión de electrodos EEG (protocolo de paso 6,2) antes de cada ensayo en el protocolo, la conexión del electrodo pobre puede remediarse antes de la siguiente prueba. Nombre Empresa Cantidad BrainAmp Amplifier Brain Products Gmbh, 2 actiCAP cap EEG con 64 electrodos Brain Products Gmbh, 1 Brainvision MOVER sistema EEG inalámbrico Brain Products Gmbh, 1 Datalog MWX8 unidad de recogida de datos EMG Biometría, Ltd. 1 SX230 electrodos EMG Biometría, Ltd. 8 Electrodo de tierra R506 EMG Biometría, Ltd. 1 Opal movimiento del monitor (sensor MARG) APDM, Inc. 11 Opal soporte para datos inalámbricos de transmisión APDM, Inc. 2 Opal punto de acceso inalámbrico APDM, Inc. 2 <td> Barrera por infrarrojos Kit MK120 Luz Velleman, Inc. 5 Wixel programable Módulo inalámbrico USB Pololu, Inc. 6 Tabla 1. Equipo. Sensor Ubicación Cabeza Centro de la frente por encima de las cejas Tronco Entre pectorales en la base del esternón Lumbar Centro de la espalda, como mínimo, de la curva lumbar Grupo 1 El costado lateral del brazo; proximal a la muñeca ~ 10% hasta el codo Muslo 1 Lado lateral del muslo, el 50% entre la cadera y la rodilla Vástago 1 Lado lateral de la caña, el 75% distal de la rodilla Foot 1 Centrado en el empeine del pie 1 brazo, muslo, pierna y pie sensores se colocan bilateralmente. Tabla 2. MARG Ubicación de los Sensores. Figura 1. Sagital (a) y frontal (b) vista de un sujeto usando EEG, EMG, y MARG sensores inerciales para la recolección de datos. (C) la representación topográfica de localizaciones de los electrodos EEG en el cuero cabelludo, conspiró con EEGlab Matlab caja de herramientas 14 (. d) los datos de Mobile cesta colección que contiene PC host, disparador manual, EMG Bluetooth, Marg puntos de acceso inalámbricos, y el receptor inalámbrico EEG, amplificadores y fuente de alimentación.d/50602/50602fig1large.jpg "target =" _blank "> Haga clic aquí para ver más grande la figura. Figura 2. Diagrama de flujo que detalla el algoritmo para el diseño personalizado, software de recolección de datos multi-threaded. Haz clic aquí para ver más grande la figura . Figura 3. Representación esquemática (vista de pájaro) de arena para caminar (1) protocolo experimental. Una flecha (→, ← o ↑) se presenta en el monitor de visualización cuando el sujeto está en el extremo del cono de entrada s. Si se presenta a la derecha (→) o izquierda (←), el sujeto sigue el bucle rojo o verde, respectivamente, pasando a través de cuatro conjuntos de sensores de infrarrojos (IR) (IR1-IR4). Si se presenta la recta (↑), el sujeto se dirige hacia el monitor de la pantalla (línea azul), y una segunda flecha (→ o ←) se presenta cuando el sujeto es de aproximadamente 1 metro antes de que los sensores de infrarrojos (IR5). Después de pasar por el conjunto sensor de IR5, el sujeto completa el bucle a lo largo de la ruta de acceso correspondiente (rojo o verde), volviendo al punto de partida. La Figura 4. Representación esquemática (vista de pájaro) de arena de pie (2) protocolo experimental. Al comienzo del experimento, una sola flecha (pload/50602/50602larrhighres.jpg "/>, , →, ← o ↑) se presenta al sujeto en la pantalla de visualización. Basado en la flecha recibido, el sujeto entra directamente al conjunto correspondiente de sensores IR, pasa a través de los sensores, se completa un giro en U alrededor del cono, y vuelve al punto de partida (circular correspondiente a flecha se muestra arriba). Figura 5. Datos de la muestra de 10 segundos de la cinta de correr a pie. El panel superior muestra 64 canales primas datos de EEG con nombre de canal 10-20 convención internacional. Centro panel muestra la aceleración en la dirección vertical de 11 sensores MARG. El panel inferior muestra 8 canales crudo EMG. Haz clic aquí para ver más grande la figura . La Figura 6. Datos de la muestra de un loop (ruta de flecha derecha, la figura 3) de la marcha durante la arena protocolo I. EEG, la aceleración, y datos de la EMG se presentan como en la Figura 5. Barras negras verticales son la ubicación de los disparadores recibidos por el software. El primer disparador es desde el botón de empuje manual de iniciar el bucle mediante la presentación de la flecha →. Los siguientes cuatro factores desencadenantes son de sensores IR IR1-IR4 (Figura 3) que los sujetos atraviesa el bucle.tp_upload/50602/50602fig6large.jpg "target =" _blank "> Haga clic aquí para ver más grande la figura. Figura 7. Datos de la muestra de soporte a sentarse y sentarse y pararse transición. EEG, aceleración y EMG de datos se presenta como en la figura 5. Las barras verticales indican disparadores manuales (y señales de audio) para iniciar de pie y sentado, respectivamente. Haga clic aquí para ver más grande la figura . Figura 8. Datos de la muestra de pasillo caminando mostrando transición de standing a caminar y caminar a pie. EEG, aceleración y datos de la EMG se muestra como en la figura 5. Las barras verticales indican disparadores manuales y señal de audio para empezar a caminar ansd parar, respectivamente. Haz clic aquí para ver más grande la figura .

Discussion

El protocolo que aquí se presenta reúne tres sistemas de recopilación de datos para registrar simultáneamente la actividad cerebral, la actividad muscular, y la cinemática de todo el cuerpo en una variedad de tareas de locomotoras. Finalización de todo el protocolo toma aproximadamente 3 horas, incluyendo 1 hora de preparación tema. Cada sistema está montado en, y se mueve con, el tema. Por lo tanto, es crítico para verificar las conexiones de electrodos de EEG y EMG antes del inicio de cada nuevo ensayo. Esto se puede hacer fácilmente usando los paquetes de software proporcionadas por el fabricante respectivo, lo que permite que los datos a ser examinado en tiempo real utilizando interfaces gráficas en el PC anfitrión. La aplicación de la recopilación de datos requiere estos paquetes de software que se ejecutan, lo que simplifica el proceso de verificación. Además, se debe tener cuidado de que los sensores MARG están unidos sólidamente al sujeto antes de cada ensayo.

Los datos del EEG y MARG se transmiten de forma inalámbrica a través de la 2.4 a 2.5 GHzgama del espectro. Debido a que muchos otros dispositivos electrónicos utilizan esta banda de frecuencia, es importante tener en cuenta la posibilidad de interfaz inalámbrica en el entorno experimental. Un aspecto crítico de la recogida de datos es la visibilidad de la línea de visión entre el carro móvil y el sujeto, que proporciona robustez a la interferencia inalámbrica. Tanto el receptor inalámbrico EEG y los puntos de acceso MARG (Figura 1) proporcionan los LED para indicar la fidelidad conexión. El PC host y receptores inalámbricos para sensores EEG y MARG se colocan sobre un carro móvil para mantener la línea de visión directa y maximizar la transmisión inalámbrica de datos que el sujeto se acercó suelo. Encontramos la recopilación de datos robusta fue mejor mantenida por mantener el carro móvil dentro de los 5 metros de la asignatura, una distancia que no restrinja el movimiento del sujeto en cualquiera de las tareas. La aplicación C + + utiliza varios subprocesos para la recolección de datos para proporcionar robustez a la pérdida de datos debido a la interrupción de la tecnología inalámbrica conexión de EEG. Si se pierde la conexión EEG, EMG y MARG datos están siendo grabados, pero no hay datos de EEG estarán disponibles para aquellos momentos. Los sensores proporcionan Marg en el almacenamiento unitario como se mencionó anteriormente para evitar la pérdida de datos en caso de una conexión inalámbrica, mientras EMG datos se almacenan en una tarjeta SD en la unidad de registro de datos móviles.

Un problema común con la colección de datos de EEG durante la marcha es la presencia de artefactos en las señales. En términos generales, los artefactos se pueden dividir en dos grupos: las fuentes fisiológicas de artefactos incluyendo parpadea, el movimiento ocular, la actividad muscular facial, latidos del corazón, y artefactos mecánicos tales como el movimiento de los electrodos y / o cables durante la ejecución del protocolo experimental. Eliminación de distorsiones es un tema de investigación en curso, e incluye técnicas como análisis de componentes independientes 15,16 y procedimientos de regresión plantilla basadas en canal 17. Minimización y eliminación de artefactos es un paso crucial en la preprocessing de datos para la decodificación neuronal del movimiento del cuerpo. La configuración que aquí se presenta es similar a los estudios anteriores en que los cables de los electrodos EEG fueron agrupados en un solo conector. Los resultados de estos estudios indican que los artefactos mecánicos debido a la influencia de cable o movimiento no juegan un papel en la descodificación de movimiento de la actividad neuronal 7,8. Estos resultados son apoyados por otros estudios que concluyen que los artefactos relacionados con la marcha eran insustanciales en lento a moderado velocidades de marcha 17. Sin embargo, este ensayo se mide EEG durante las actividades que requieran más movimiento del cuerpo que los estudios anteriores, incluyendo sentarse y pararse transiciones, sobre terreno caminar y girar, y por lo tanto, un examen cuidadoso de los datos crudos de EEG debe llevarse a cabo para identificar el potencial contaminación de los artefactos mecánicos. Aunque todavía no está ampliamente disponible, estos posibles problemas se pueden resolver mediante la integración de hardware novela en el protocolo actual. Tal hardware incLudes electrodos EEG activos (utilizados en este protocolo) y resorte, electrodos EEG secos, que tienen potencial para mejorar la impedancia de contacto de la piel-electrodo durante el movimiento 18. Estas tecnologías se están incorporando en los sistemas inalámbricos de EEG que pueden reducir el efecto de los artefactos de movimiento 19. Integración de hardware novedoso obstante, este protocolo ofrece una oportunidad única para continuar el desarrollo de nuevos algoritmos para el movimiento y EMG rechazo de artefactos porque cada segmento del cuerpo se ha instrumentado 16. Tenemos la intención de estudiar la correlación de series de tiempo y el dominio de frecuencia entre la coherencia EEG, EMG, y el movimiento del segmento de desarrollar robustas paradigmas de rechazo de artefactos aplicables a configuraciones EEG actualmente disponibles. Nuestros métodos de decodificación han demostrado solidez en contra artefactos 7,8; estos métodos se examinarán bajo los más complejos escenarios en el presente Protocolo.

Características de la superficie grabadaEMG dependen de muchos factores, y la interpretación de las señales EMG de superficie para el estudio de las estrategias neuronales requiere su consideración 20. Los procedimientos estrictos para la preparación de la piel y la colocación de los electrodos de EMG se utiliza en este protocolo se han diseñado para reducir al mínimo la influencia de los factores no fisiológicos en las señales de EMG superficiales. La amplitud y la frecuencia de la EMG registrada por este protocolo se relacionan con la actividad neta de la unidad del motor, y por lo tanto, la grabación no se deben interpretar como una representación directa de la actividad neuronal del músculo deseada. Sin embargo, un examen cuidadoso de la señal de EMG de superficie y los métodos más avanzados para estimar impulso neural de los músculos por la descomposición de la señal EMG para determinar los cambios relativos de activación neural (por ejemplo, mediante la identificación de los tiempos de descarga de las unidades motoras) puede proporcionar información valiosa sobre los patrones de activación muscular 20. Por otra parte, en el contexto de decodificación neuronal, aunque la actividad cerebraladquirió invasiva se ha demostrado que contienen información acerca de EMG de superficie 21, que es actualmente desconocido si el cuero cabelludo EEG también puede utilizarse para decodificar la actividad muscular del miembro inferior durante la marcha, además de cinemática de la marcha. Esperamos que este protocolo nos permitiría examinar si la resolución espacial reducida de las técnicas de imagen cerebral no invasiva es suficiente para aislar la actividad neuronal relacionada con músculos individuales.

Estudios previos han demostrado la viabilidad de la utilización de EEG no invasivo para decodificar la cinemática durante tapiz rodante 7,8 proporcionando impulso para el desarrollo de un interfaz de la máquina cerebro (IMC) para restaurar caminar usando las señales del cerebro. Métodos de decodificación de dominio de tiempo sobre la base de la modulación de amplitud de las señales de EEG delta-banda también se han demostrado para ser insensible a los componentes de artefactos 7,8. Sin embargo, los estudios cinta de correr se llevan a cabo en un ambiente controlado durante el cual la visión del usuario y el movimientoestá restringido, limitando de este modo la contaminación de la actividad neural debido a los estímulos externos. A través de la incorporación de registro de datos inalámbrica, este protocolo permite la recogida de sincronizado del EEG, EMG, y los datos cinemáticos durante una variedad de tareas y entornos de locomoción. Integración de sensores inerciales para el seguimiento del movimiento requiere más cálculo y fuera de línea de procesamiento para extraer la cinemática de un sistema de captura de movimiento, y las medidas resultantes contienen una pequeña – pero aceptable – margen de error que no estaría presente en una cámara de sistema 22 en base. Estas dificultades son manejables en una necesidad de establecer un protocolo experimental que permite el estudio móvil de comportamiento cognitivo-motor en entornos cambiantes. Como se discutió en otra parte 10,11, tal disposición es casi ilimitada en los temas de investigación que se pueden abordar. Nuestro enfoque en el futuro próximo será en temas críticos para el desarrollo de un índice de masa corporal para la rehabilitación de pie y caminar siguiendolesión cerebral y la neuropatía. Uno de los componentes clave, como se mencionó anteriormente, será el desarrollo de nuevas estrategias de decodificación robustas para las interfaces cerebro-máquina de los sistemas robóticos de rehabilitación que puede rechazar artefactos fisiológicos y mecánicos para recuperar el movimiento con señales de medida desde el cerebro. Por ejemplo, el protocolo de caminar pasillo se lleva a cabo en un espacio público con otras personas presentes durante la recogida de datos, y por lo tanto proporciona un banco de pruebas para el desarrollo de las técnicas de decodificación neuronales en el medio natural. Otros temas de investigación de interés que utilizan este protocolo incluyen la comparación de rehabilitación paradigmas robóticos que involucran entrenamiento de la marcha rítmica versus no-rítmica, y el estudio de la actividad neuronal durante la recuperación funcional después de una lesión en las fases aguda y crónica.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Este trabajo fue apoyado por el Instituto Nacional de Trastornos Neurológicos y Accidentes Cerebrovasculares (NINDS) conceder # R01NS075889-01. Esta investigación fue financiada en parte por el Programa de Investigación Intramural del NIH, Centro Clínico. Los autores también agradecen Shahriar Iqbal y Yongtian Él para obtener ayuda con la recopilación de datos. Los gastos de publicación de acceso abierto de este artículo fue patrocinado por APDM, Inc. (Portland, OR; http://apdm.com ).

Materials

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

References

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

Play Video

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

View Video